[論文レビュー] Big Data, Socio-Psychological Theory, Algorithmic Text Analysis and Predicting the Michigan Consumer Sentiment Index

Rickard Nyman, Paul Ormerod|arXiv (Cornell University)|May 22, 2014

Complex Systems and Time Series Analysis参考文献 5被引用数 3

ひとこと要約

本稿では、社会心理学的理論における確信ナラティブ理論を支援として用いた、ブローカー報告書のアルゴリズム的テキスト分析によるミシガン消費者信頼感心情報の予測手法を提案する。15回の1か月先予測のうち12回で方向性を正しく予測しており、ウォールストリート・コンセンサス予測（15回中7回正しく方向性を予測）を著しく上回っている。

ABSTRACT

We describe an exercise of using Big Data to predict the Michigan Consumer Sentiment Index, a widely used indicator of the state of confidence in the US economy. We carry out the exercise from a pure ex ante perspective. We use the methodology of algorithmic text analysis of an archive of brokers' reports over the period June 2010 through June 2013. The search is directed by the social-psychological theory of agent behaviour, namely conviction narrative theory. We compare one month ahead forecasts generated this way over a 15 month period with the forecasts reported for the consensus predictions of Wall Street economists. The former give much more accurate predictions, getting the direction of change correct on 12 of the 15 occasions compared to only 7 for the consensus predictions. We show that the approach retains significant predictive power even over a four month ahead horizon.

研究の動機と目的

• ビッグデータソースを用いたミシガン消費者信頼感心情報のデータドリブンな予測モデルの開発を目的とする。
• 特に、確信ナラティブ理論を含む社会心理学的理論をアルゴリズム的テキスト分析に統合し、経済予測に応用することを目的とする。
• このアプローチの予測精度を、既存の金融コンセンサス予測と比較することを目的とする。
• 4か月先予測を含む、延長された予測期間における手法の妥当性を評価することを目的とする。
• 機関報告書からのテキストベースのセンチメントが、従来の調査ベースの測定を超えて、先行経済指標としての価値を有することを示すこと。

提案手法

• 2010年6月から2013年6月までのブローカー報告書のアーカイブを主なテキストデータソースとして使用する。
• 確信ナラティブ理論に基づいて、感情とナラティブコンテンツを抽出するアルゴリズム的テキスト分析を適用する。
• 実際のデータ公開前に予測を行う純粋な事前予測フレームワークを採用する。
• 1か月先の予測において、モデルの予測をウォールストリート経済アナリストのコンセンサス予測と比較する。
• 予測の信頼性を長期的視点で評価するため、1か月および4か月の予測期間の両方で妥当性を検証する。
• 統計的比較を用いて、実際の指数の動きに対する予測の方向性の正確性を評価する。

実験結果

リサーチクエスチョン

• RQ1 確信ナラティブ理論を支援として用いた、ブローカー報告書のアルゴリズム的テキスト分析は、ミシガン消費者信頼感心情報の予測を改善できるか？
• RQ2 このテキストベースのモデルの性能は、ウォールストリート経済アナリストのコンセンサス予測と比較して、方向変化の予測においてどのように差がつくか？
• RQ3 4か月先の予測期間にまで拡張した場合、このモデルの予測力は依然として有意に高いか？
• RQ4 社会心理学的理論の統合は、センチメントベースの経済予測の解釈可能性と正確性をどの程度向上させるか？
• RQ5 機関報告書からのテキストデータは、従来の調査ベースの測定を超えて、消費者信頼の先行指標として機能できるか？

主な発見

• モデルは、15回の1か月先予測のうち12回でミシガン消費者信頼感心情報の変化方向を正しく予測した。
• 一方、ウォールストリート・コンセンサス予測は、15回中7回しか方向性を正しく予測できなかった。
• 4か月先の予測においても、モデルの予測精度は統計的に有意に保たれた。
• 確信ナラティブ理論の統合により、市場センチメントの意味のある変化を捉える能力がモデルの能力を向上させた。
• 結果として、機関報告書からのテキストベースのセンチメント分析が、従来のコンセンサス予測を上回り、消費者信頼の予測に有効であることが示された。
• 本研究は、ビッグデータと社会心理学的理論を効果的に組み合わせることで、経済予測の正確性を向上させられることを確認した。