Forecasting with Economic News
利用经济新闻进行预测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：摘要直接研究新闻情绪对宏观变量的预测增量；提及宏观因素不足以确认使用因子模型，因此仅选预测方向。
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…
利用经济新闻进行预测
- 研究问题
- 从经济新闻中提取的情绪是否包含宏观信息，能否在宏观因素之外改善预测，并帮助解释宏观变量分布的尾部？
- 方法与思路
- 作者结合面向特定主题的语义文本筛选与经济金融词典逐词评分，分析六家美国报纸，并将情绪指标用于宏观预测。
- 材料陈述的贡献
- 摘要称情绪指标贴近商业周期，对四个主要宏观变量有预测价值；加入宏观因素后预测显著改善，且有助于解释分布尾部。
- 阅读关注点
- 应核对词典和主题筛选规则、新闻与宏观数据的时间对齐、预测评估设计，以及基准模型和尾部预测的衡量方式。
- 阅读边界
- 仅据所给OpenAlex摘要；四个变量、预测期、改善幅度和尾部建模方法未说明，不能确认样本外稳健性或将预测关系解释为因果。
原文摘要
The goal of this article is to evaluate the informational content of sentiment extracted from news articles about the state of the economy. We propose a fine-grained aspect-based sentiment analysis that has two main characteristics: (a) we consider only the text in the article that is semantically dependent on a term of interest (aspect-based) and, (b) assign a sentiment score to each word based on a dictionary that we develop for applications in economics and finance (fine-grained). Our dataset includes six large U.S. newspapers, for a total of over 6.6 million articles and 4.2 billion words. Our findings suggest that several measures of economic sentiment track closely business cycle fluctuations and that they are relevant predictors for four major macroeconomic variables. We find that there are significant improvements in forecasting when sentiment is considered along with macroeconomic factors. In addition, we also find that sentiment matters to explains the tails of the probability distribution across several macroeconomic variables.