Making text count: Economic forecasting using newspaper text
让文本发挥作用：利用报纸文本进行经济预测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：摘要直接研究报纸文本对 GDP、通胀和失业等宏观变量预测表现的影响。
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…
让文本发挥作用：利用报纸文本进行经济预测
- 研究问题
- 英国报纸文本能否提供及时的宏观经济信号，并在是否纳入其他信息的不同设定下改善增长、通胀与失业预测？
- 方法与思路
- 作者使用三家英国报纸文本，比较多种信号提取与预测方法，其中包括结合词项计数和监督式机器学习的方案。
- 材料陈述的贡献
- 摘要称，文本能够改善宏观预测，词项计数结合监督学习的改善最突出，且预测提升在经济压力时期更为明显。
- 阅读关注点
- 应核对信息发布日期与预测时点、样本外评估方式、比较基准、文本方法调参过程，以及压力时期的划分标准。
- 阅读边界
- 摘要未说明预测期限、评估指标、样本规模或改善数值；不能据此判断信息泄漏风险、统计显著性及跨地区适用性。
原文摘要
Summary This paper examines several ways to extract timely economic signals from newspaper text and shows that such information can materially improve forecasts of macroeconomic variables including GDP, inflation and unemployment. Our text is drawn from three popular UK newspapers that collectively represent UK newspaper readership in terms of political perspective and editorial style. Exploiting newspaper text can improve economic forecasts both unconditionally and when conditioning on other relevant information, but the performance of the latter varies according to the method used. Incorporating text into forecasts by combining counts of terms with supervised machine learning delivers the highest forecast improvements relative to existing text‐based methods. These improvements are most pronounced during periods of economic stress when, arguably, forecasts matter most.