[论文解读] Measuring Financial Sentiment to Predict Financial Instability: A New Approach based on Text Analysis

Paul Ormerod, Rickard Nyman+1 more|arXiv (Cornell University)|Jun 14, 2015

Monetary Policy and Economic Impact参考文献 5被引用 11

一句话总结

本文提出了一种新颖的文本分析方法——定向算法文本分析，利用大规模文本数据衡量金融情绪的变化。通过识别日常语言中两类核心情绪词汇（积极与消极情绪）之间的动态变化，该方法提升了实际GDP增长的预测能力，并格兰杰因果检验出美联储既有的金融压力指数，为预测金融不稳定提供了及时且稳健的工具，超越了传统的基于市场的指标。

ABSTRACT

Following the financial crisis of the late 2000s, policy makers have shown considerable interest in monitoring financial stability. Several central banks now publish indices of financial stress, which are essentially based upon market related data. In this paper, we examine the potential for improving the indices by deriving information about emotion shifts in the economy. We report on a new approach, based on the content analysis of very large text databases, and termed directed algorithmic text analysis. The algorithm identifies, very rapidly, shifts through time in the relations between two core emotional groups. The method is robust. The same word-list is used to identify the two emotion groups across different studies. Membership of the words in the lists has been validated in psychological experiments. The words consist of everyday English words with no specific economic meaning. Initial results show promise. An emotion index capturing shifts between the two emotion groups in texts potentially referring to the whole US economy improves the one-quarter ahead consensus forecasts for real GDP growth. More specifically, the same indices are shown to Granger cause both the Cleveland and St Louis Federal Reserve Indices of Financial Stress.

研究动机与目标

• 开发一种基于文本的方法，以检测可能预示金融不稳定出现的金融情绪变化。
• 通过整合源自文本数据的情绪信息，改进现有的基于市场的金融压力指数。
• 在心理学和金融学语境下，验证一组情绪化、非专业术语的英文词汇列表。
• 检验广泛经济文本中的情绪变化是否能够提前一个季度预测实际GDP增长和金融压力指数。
• 证明该方法在不同文本语料库和时间段内的稳健性与通用性。

提出的方法

• 该方法采用定向算法文本分析，快速识别并追踪大规模文本数据库中预定义的两类情绪词汇组（积极与消极）的相对突出程度的变化。
• 情绪词汇列表源自心理学验证研究，由不具特定经济含义的常用英文词汇组成。
• 对文本语料库随时间扫描，计算反映两组情绪词汇之间动态平衡的语气指数。
• 语气指数被构建为时间序列度量，反映每类情绪词汇在可能涉及美国整体经济的文本中相对频率或强度的变化。
• 该方法设计为在不同研究中具有稳健性和可重用性，使用相同的词汇列表而无需重新训练。
• 该方法应用于新闻及其他文本数据，生成语气指数，并通过计量经济学技术检验其预测能力。

实验结果

研究问题

• RQ1 能否通过大规模文本分析得出的金融情绪变化，提升对实际GDP增长提前一个季度的预测？
• RQ2 从文本内容中得出的语气指数是否格兰杰因果检验出克利夫兰和圣路易斯联邦储备银行的金融压力指数？
• RQ3 非市场情绪指标在多大程度上可以增强传统的金融稳定监测框架？
• RQ4 当该语气测量方法应用于不同文本语料库和时间段时，其稳健性如何？
• RQ5 基于日常语言词汇的语气指数，是否能比仅依赖市场指标更好地预测系统性金融不稳定？

主要发现

• 语气指数显著改善了对实际GDP增长提前一个季度的共识预测，表明其超越现有模型的预测能力。
• 同一语气指数格兰杰因果检验出克利夫兰和圣路易斯联邦储备银行的金融压力指数，证明其能够提前预测基于市场的压力指标。
• 该方法仅使用日常英语词汇，即可产生稳健且一致的语气测量结果，并通过心理学实验得到验证。
• 语气指数捕捉到了传统市场数据未能充分反映的经济情绪变化，提供了互补的早期预警信号。
• 该方法具有可扩展性和可重复性，相同词汇列表在不同研究和文本来源中均能产生可靠结果。
• 结果表明，文本情绪分析可作为传统金融压力监测的及时且有效的补充。