基于近200年新闻文本的经济情绪分析

研究概述

本文《几乎200年的基于新闻的经济情感》通过利用机器学习方法，构建了一个跨越170年的经济情绪衡量标准，旨在深入理解经济活动与媒体情绪之间的关联。研究团队使用了13,000份美国地方报纸的2亿页内容，形成了一套庞大的文本数据库，包含约10亿篇报纸文章，这一数据量远超其他经济和金融文本资源。

主要发现与贡献：

1. 经济情绪的预测能力：研究发现，经济情绪不仅能够预测国家和州级的经济基本面，还能领先于一致的GDP预测。这种方法在时间序列和横截面上均显示出强大的变化性和预测力。

2. 地区间差异：各州之间在经济情绪的横截面变化上表现出显著差异，全国层面的经济情绪仅能驱动州层面变化的约35%。这揭示了经济情绪的地区特异性及其对不同州经济表现的影响。

3. 经济情绪与货币政策的关系：研究还探讨了经济情绪与货币政策决策之间的互动，发现经济情绪的变化能够影响政策利率，尤其是在经济衰退期间，其影响程度甚至超过事前和事后的经济增长预测。

4. 经济情绪的前瞻性：通过将报纸文章分类为与当前或未来事件相关，研究发现所有预测性结果主要由经济情绪的前瞻性部分驱动，而非当前事件，这表明经济情绪反映了对经济基础的前瞻信息。

5. 经济情绪与经济活动的关系：研究强调了经济情绪与国家和州经济活动、商业周期之间的紧密联系，特别是在预测就业、消费和服务等方面展现出重要影响。

6. 经济情绪的多元影响：尽管研究指出经济情绪对股票收益等变量的预测能力有限，但其对就业、消费和服务的预测能力却相对较高，揭示了经济情绪通过劳动市场的渠道影响经济活动的可能性。

方法论

• 数据来源与规模：研究利用了170年的数字化报纸历史收藏，包含13,000份地方报纸的2亿页内容，形成了一套庞大的文本数据库。
• 情绪测量：采用Word2vec算法构建了主题特定词典，以捕捉经济相关术语和短语的含义，通过上下文识别相似性和情感强度。
• 时间序列与横截面分析：研究不仅关注时间序列预测，还着重于横截面变化，揭示了经济情绪的地区差异和其对不同经济指标的影响。
• 与其他文献的比较：研究还讨论了其方法与以往文献的差异和联系，如经济新闻、预期和情绪在商业周期中的作用，以及文本数据在经济和金融研究中的应用。

结论

本文提出的经济情绪测量工具提供了对经济活动敏感且具有前瞻性的指标，不仅能够预测国家和州级的经济基本面，还在理解经济周期和货币政策决策中发挥关键作用。研究通过创新的方法论和大规模数据集，深化了对经济情感与经济行为之间复杂关系的理解，为政策制定和经济预测提供了新的视角。