[论文解读] 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 3

一句话总结

本文提出了一种新颖的方法，通过基于社会心理学理论中的信念叙事理论来分析经纪商报告的算法文本分析，预测密歇根消费者信心指数。该方法在15次一个月期预测中正确预测了12次方向变动，显著优于华尔街共识预测，后者仅正确预测了7次方向变动。

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.

研究动机与目标

• 开发一种基于大数据来源的数据驱动型密歇根消费者信心指数预测模型。
• 将社会心理学理论——特别是信念叙事理论——整合到算法文本分析中，用于经济预测。
• 评估该方法相对于既定金融共识预测的预测准确性。
• 评估该方法在更长预测周期内的稳健性，包括四个月期预测。
• 证明机构报告中的文本情绪信息可作为领先经济指标的价值。

提出的方法

• 以2010年6月至2013年6月期间的经纪商报告档案作为主要文本数据源。
• 应用算法文本分析，基于信念叙事理论提取情绪与叙事内容。
• 采用纯粹事前预测框架，确保预测在实际数据发布前完成。
• 在一个月期预测基础上，将模型预测与华尔街经济学家的共识预测进行比较。
• 通过一月期与四月期预测的对比，验证预测能力，以评估长期可靠性。
• 使用统计比较方法，评估预测方向准确性与实际指数变动的一致性。

实验结果

研究问题

• RQ1 基于信念叙事理论指导的经纪商报告算法文本分析，能否提升密歇根消费者信心指数的预测效果？
• RQ2 该基于文本的模型在预测方向变动方面的表现，与华尔街经济学家的共识预测相比如何？
• RQ3 当预测周期延长至四个月时，该模型的预测能力是否依然显著？
• RQ4 社会心理学理论在多大程度上提升了基于情绪的经济预测的可解释性与准确性？
• RQ5 机构文本数据能否作为传统调查方法之外的消费者信心领先指标？

主要发现

• 该模型在15次一个月期预测中，正确预测了密歇根消费者信心指数变动方向的12次。
• 相比之下，华尔街共识预测仅在15次中有7次正确预测了方向变动。
• 即使在四个月期预测中，该模型的预测准确性依然具有统计显著性。
• 信念叙事理论的整合增强了模型捕捉市场情绪有意义变化的能力。
• 结果表明，基于机构报告的文本情绪分析可优于传统的共识预测，用于预测消费者信心。
• 本研究证实，大数据与社会心理学理论可有效结合，以提升经济预测的准确性。