Words Matter: Forecasting Economic Downside Risks with Corporate Textual Data
文字的重要性：利用企业文本数据预测经济下行风险AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确利用混频时间序列和分位数回归预测 GDP 下行风险，直接对应宏观预测与时间序列，未研究金融系统尾部风险。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
文字的重要性：利用企业文本数据预测经济下行风险
- 研究问题
- 企业强制披露文本中的情绪变化能否为经济增长下行风险提供及时信息，并改善传统金融指标下的 GDP 低分位预测？
- 方法与思路
- 作者用情绪词典与词频构造企业语调同比变化，按市值聚合为周度指数，再将其纳入 MIDAS 分位数回归预测框架。
- 材料陈述的贡献
- 摘要称企业文本情绪指标改善了 GDP 增长下行预测，表现优于 NFCI 等传统金融指标，展示了企业披露的宏观风险信息价值。
- 阅读关注点
- 应核对日频指标与周频聚合的口径、披露时点与信息可得性、预测样本划分，以及分位数预测比较是否避免前视偏差。
- 阅读边界
- 所据版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明样本期、预测期距和误差数值，不能确认优势的稳定性。
原文摘要
Accurate forecasting of downside risks to economic growth is critically important for policymakers and financial institutions, particularly in the wake of recent economic crises. This paper extends the Growth-at-Risk (GaR) approach by introducing a novel daily sentiment indicator derived from textual analysis of mandatory corporate disclosures (SEC 10-K and 10-Q reports) to forecast downside risks to economic growth. Using the Loughran--McDonald dictionary and a word-count methodology, I compute firm-level tone growth as the year-over-year difference between positive and negative sentiment expressed in corporate filings. These firm-specific sentiment metrics are aggregated into a weekly tone index, weighted by firms' market capitalizations to capture broader, economy-wide sentiment dynamics. Integrated into a mixed-data sampling (MIDAS) quantile regression framework, this sentiment-based indicator enhances the prediction of GDP growth downturns, outperforming traditional financial market indicators such as the National Financial Conditions Index (NFCI). The findings underscore corporate textual data as a powerful and timely resource for macroeconomic risk assessment and informed policymaking.