Can we measure inflation expectations using Twitter?
能否利用 Twitter 测度通胀预期？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。
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：摘要构造日度通胀预期指标，并讨论实时信息、提前性及对既有预测信息的补充。
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…
能否利用 Twitter 测度通胀预期？
- 研究问题
- 能否从意大利推文中构造消费者通胀预期的日度实时指标，并为调查、市场预期及专业预测提供额外信息？
- 方法与思路
- 作者先筛选价格与预期相关关键词，再结合 LDA 与词典方法，使用人工标注的二元、三元词组构建日度指标。
- 材料陈述的贡献
- 摘要称指标与调查及市场预期高度相关，能提前反映消费者预期，并在既有预期指标和实际通胀之外提供信息。
- 阅读关注点
- 应核对推文样本的代表性、标签与词典构建过程、时间对齐方式，以及提前性和增量信息是否经样本外检验。
- 阅读边界
- 仅依据所给 RePEc 出版社摘要；相关性、提前性与增量信息的检验细节未说明，不能据此判断跨地区或跨时期适用性。
原文摘要
Drawing on Italian tweets, we employ textual data and machine learning techniques to build new real-time measures of consumers’ inflation expectations. First, we select keywords to identify tweets related to prices and expectations thereof. Second, we build a set of daily measures of inflation expectations around the selected tweets, combining the Latent Dirichlet Allocation (LDA) with a dictionary-based approach, using manually labeled bi-grams and tri-grams. Finally, we show that Twitter-based indicators are highly correlated with both monthly survey-based and daily market-based inflation expectations. Our new indicators anticipate consumers’ expectations, proving to be a good real-time proxy, and provide additional information beyond market-based expectations, professional forecasts, and realized inflation. The results suggest that Twitter can be a new timely source for eliciting beliefs.