Forecasting Inflation Using Economic Narratives
利用经济叙事预测通货膨胀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：摘要直接以新闻叙事与机器学习预测通胀，并比较预测期限和宏观信息集。
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…
利用经济叙事预测通货膨胀
- 研究问题
- 研究大规模新闻文本中的经济叙事能否改善通胀预测，以及新闻主题在衰退期、较长期限和宏观大数据之外的预测价值。
- 方法与思路
- 作者使用超过八十八万篇《华尔街日报》文章的全文与机器学习，将经济叙事转化为可解释主题时间序列并用于通胀预测。
- 材料陈述的贡献
- 摘要称叙事预测优于基准，衰退期及较长期预测表现较好，并在控制宏观大数据后提供增量信息；预期和商品价格主题有所贡献。
- 阅读关注点
- 应核对文本可得时间、主题提取与模型训练是否避免前视信息，以及预测期限、基准、衰退期划分和增量信息检验。
- 阅读边界
- 仅据所给 OpenAlex 摘要；未提供评估区间、误差指标或改进数值，不能确认实时预测表现或叙事影响通胀的因果机制。
原文摘要
We use economic narratives to forecast inflation with a large news corpus and machine learning algorithms. The economic narratives from the full text content of over 880,000 Wall Street Journal articles are decomposed into multiple time series representing interpretable news topics, which are then used to predict inflation. The results indicate that narrative-based forecasts are more accurate than the benchmarks, especially during recession periods. Narrative-based forecasts perform better in long-run forecasting and provide incremental predictive information even after controlling macroeconomic big data. In particular, information about inflation expectations and prices of specific goods embedded in narratives contributes to their predictive power. Overall, we provide a novel representation of economic narratives and document the important role of economic narratives in inflation forecasting.