В статье рассматривается опыт применения методов сентимент-анализа в сфере денежно-кредитной политики для исследования общественного мнения, коммуникационной политики центральных банков, макроэкономического анализа и прогнозирования. Методы обработки естественного языка (NLP) преодолевают недостатки традиционных подходов на основе социологических опросов в контексте измерения инфляционных ожиданий и доверия к центральному банку. Сентимент-анализ активно используется при изучении различных аспектов коммуникационной политики центральных банков и оценке медиа-настроений. Выступая инструментом квантификации качественных данных, сентимент-анализ позволяет строить высокочастотные показатели и получать их оперативные оценки. Отмечается, что построенные на основе сентимент-анализа тематические индикаторы в некоторых случаях позволяют повысить точность макроэкономического прогнозирования, обогащая информацию, извлекаемую из классических экономических показателей. Развитие машинного обучения и появление новых архитектур нейронных сетей расширяют возможности применения сентимент-анализа, но актуализируют проблему выбора инструментария. В статье проведен сравнительный анализ различных методов сентимент-анализа, включая классические модели машинного обучения и нейронные сети, для построения индикатора доверия к Центральному банку РФ. Подход на основе тонкой настройки (fine-tuning) предварительно обученной модели на базе энкодерной части «Трансформера» признан наиболее эффективным. Выявлено, что тонкая настройка больших языковых моделей позволяет существенно улучшить качество сентимент-анализа благодаря адаптации к рассматриваемой предметной области, что особенно важно для исследований в сфере денежно-кредитной политики.