衡量金融情绪以预测金融不稳定：一种新方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Measuring Financial Sentiment to Predict Financial Instability: A New
  Approach based on Text Analysis》
---
作者：
Paul Ormerod, Rickard Nyman, David Tuckett
---
最新提交年份：
2015
---
英文摘要：
  Following the financial crisis of the late 2000s, policy makers have shown considerable interest in monitoring financial stability. Several central banks now publish indices of financial stress, which are essentially based upon market related data. In this paper, we examine the potential for improving the indices by deriving information about emotion shifts in the economy. We report on a new approach, based on the content analysis of very large text databases, and termed directed algorithmic text analysis. The algorithm identifies, very rapidly, shifts through time in the relations between two core emotional groups. The method is robust. The same word-list is used to identify the two emotion groups across different studies. Membership of the words in the lists has been validated in psychological experiments. The words consist of everyday English words with no specific economic meaning. Initial results show promise. An emotion index capturing shifts between the two emotion groups in texts potentially referring to the whole US economy improves the one-quarter ahead consensus forecasts for real GDP growth. More specifically, the same indices are shown to Granger cause both the Cleveland and St Louis Federal Reserve Indices of Financial Stress.
---
中文摘要：
在21世纪末的金融危机之后，政策制定者对监控金融稳定表现出了极大的兴趣。几家中央银行现在发布了金融压力指数，这些指数基本上基于市场相关数据。在本文中，我们通过推导经济中情绪变化的信息来检验改善指数的潜力。我们报告了一种基于超大文本数据库内容分析的新方法，称为定向算法文本分析。该算法非常迅速地识别出两个核心情感群体之间的关系随着时间的推移而发生的变化。该方法具有鲁棒性。在不同的研究中，相同的词表用于识别两个情绪组。列表中单词的成员身份已经在心理学实验中得到验证。这些单词由日常英语单词组成，没有特定的经济意义。初步结果显示了希望。情绪指数捕捉了文本中两个情绪组之间的变化，可能指的是整个美国经济，改善了对实际GDP增长的四分之一提前共识预测。更具体地说，克利夫兰和圣路易斯联邦储备银行的金融压力指数都显示了相同的格兰杰因果指数。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Measuring_Financial_Sentiment_to_Predict_Financial_Instability:_A_New_Approach_b.pdf (910.88 KB)

2022-5-9 02:23:25 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：不稳定 新方法 Quantitative Applications QUANTITATIV

测量金融情绪以预测金融不稳定性：基于文本分析的新方法Rickard Nyman、Paul Ormerod*和David Tuckett决策不确定性研究中心，伦敦大学学院，2015年2月  通讯作者p。ormerod@ucl.ac.uk; 英国伦敦大学学院（University College，London WC1E 6BT）在21世纪末的金融危机之后，政策制定者对监控金融稳定表现出了极大的兴趣。几家中央银行现在发布了金融压力指数，这些指数基本上基于市场相关数据。在本文中，我们通过推导经济中情绪变化的信息来检验改善指数的潜力。我们报告了一种新的方法，基于对大型文本数据库的内容分析，称为定向算法文本分析（DATA）。它借鉴了不确定性下决策的社会心理学理论，只关注叙事中的两类情绪——让人对获得感到兴奋或对失去感到焦虑的情绪。该算法非常迅速地识别出这两个核心情感群体之间的关系随着时间的推移而发生的变化。该方法具有鲁棒性。在不同的研究中，相同的词表被用来识别两个情绪组。列表中的单词的成员身份已经在心理学实验中得到验证。这些单词由所有的英语单词组成，没有特定的经济意义。初步结果显示了希望。情绪指数捕捉了文本中两个情绪组之间的变化，可能涉及整个美国经济，改善了对实际GDP增长的四分之一普遍预测。

更具体地说，格兰杰发现同样的指数会导致克利夫兰和圣路易斯的金融压力指数。果冻编号：C54；E03；E66关键词：财务压力指数；算法文本分析；强烈的感情格兰杰因果关系1。导言在21世纪末的金融危机之后，政策制定者对监控金融稳定表现出了极大的兴趣。几家央行现在发布了金融压力指数。例如，2010年初，圣路易斯联邦储备银行（St.Louis Fed）创建了STLFSI，它使用18周数据系列来衡量市场的金融压力。STLFSI由七个利率系列、六个收益率利差和五个其他指标构成。这些变量中的每一个都反映了财务压力的某些方面。该指数始于1993年底，其平均值被设计为零。因此，零被视为代表正常的金融市场状况。低于零的值表示低于平均水平的金融市场压力，而高于零的值表示高于平均水平的金融市场压力。克利夫兰联邦储备银行开发了CFSI。该指数采用了量化系统各个方面的组件，并将它们组合成单个值。具体而言，CFSI是使用反映四个金融部门的11个组成部分的每日数据构建的：信贷市场、股票市场、外汇市场和银行间市场。整个金融系统是复杂的，由许多规模和重要性不同的单独市场组成。这四种压力中的任何一种都可能会转移到其他人身上，从而影响整个系统。Kliesen等人给出了各种指数的详细比较。

（2012）andManamperi（2013）。本文的目的是通过引入一种新的情绪变化测量方法来检验改善指数的可能性。情感是经济的重要动力这一观点在经济学中有着悠久的历史，当然可以追溯到凯恩斯，他在《通论》（1936）中创造了“动物精神”一词。最近的一些论文试图分析来自数字来源的新闻和其他文本，然后探索其对经济的影响。例如，Romer和Romer（2010）分析了文本来源（包括总统演讲），以衡量税收改革公告对后续经济行为的可能影响。Dominguez和Shapiro（2013年）分析了报纸和媒体来源，以确定促使叙事转变的事件（例如欧元危机的发展），探讨它们是否可以解释经济复苏的缓慢。贝克等人（2013年、2014年）构建了一个不确定性指数，计算出现在新闻媒体内容中的不确定性词的数量。Soo（2013）量化了当地报纸文章中住房新闻的正面和负面基调。她用这些指标来测试情绪在引发2008年大金融危机的房价上涨和下跌中的作用。前三篇论文的一个特点是，潜在的假设模型是，“经济”新闻（可能影响具有理性预期的代理人的信息）被认为是因果因素，而在苏的研究中，它是在住房新闻的上下文中表达的情感。

我们感兴趣的是，情绪变化可能对经济产生多大程度的影响，而与新闻报道的“经济”事件无关。在本文中，我们报告了一些有希望的结果，使用一种新的方法，基于对非常大的文本数据库的内容分析，称为定向算法文本分析（DATA）。它借鉴了不确定性下决策的社会心理学理论，专门关注叙事中的情感。为了做到这一点，算法识别在它搜索的叙事中，随着时间的推移，只在两类运动之间的关系上发生了迅速的变化——这两类运动促使人们接近（对失败的兴奋）或回避（对失败的焦虑）。利用该方法，我们为1996年至2014年期间的美国经济构建了一个时间序列，测量了叙事中两个情绪群体的净平衡，这是通过分析纽约和华盛顿路透社新闻提要的文本获得的。为了便于描述，我们将这个系列简称为“相对情绪转移”或RSS。第2节对方法学进行了相对简短的描述，并附有支持性参考文献。由于该方法的创新性，本节是必要的。第3节提供了综合结果和讨论，第4节给出了一个简短的结论。2.方法学2。1不确定性下的决策我们所描述的方法是一种使不确定性下的人类决策理论具有可操作性的方法。也就是说，在结果概率分布本身未知或固有不确定性的情况下进行决策。经济学中预期形成的主要范式是理性预期。

这需要代理人对描述经济运行的“真实”模型有相当多的了解。代理要么已经在访问相关模型，要么通过某种形式的贝叶斯学习发现它。然而，在许多情况下，尤其是在宏观经济学中，模型本身存在尚未解决的不确定性。例如，回顾2008年9月雷曼兄弟（Lehman Brothers）倒闭后不久的政策辩论，包括诺贝尔奖得主在内的著名经济学家都支持是否允许银行和其他金融机构倒闭的争论。很难想象这几组主角心目中的经济模式是一样的。更一般地说，在统计学文献中，人们普遍认为模型的不确定性通常是现实的固有特征。可能根本不可能确定“真实”模型。查特菲尔德（1995）是一篇被广泛引用的关于这个话题的论文。例如，在非经济学背景下，奥纳茨基和威廉姆斯（2003年）在为欧洲央行（European Central Bank）进行的一项不确定性来源调查中得出结论，“对于政策制定者来说，最具破坏性的不确定性来源被发现是纯粹的模型不确定性，即与参考模型规范相关的不确定性”。Gilboa等人（2008年）指出，“标准预期效用模型，以及该模型的贝叶斯扩展，限制了人们对由单一概率测度建模的信念的关注，即使在没有合理的方法来推导此类定义明确的信念的情况下也是如此”。简而言之，在描述系统的真实模型存在不确定性的情况下，代理可能不可能形成理性预期。

因此，代理人不确定潜在结果的概率分布。心理学理论激发了我们寻找“兴奋”和“焦虑”情绪的方向（见下文第2.3节），旨在描述代理人如何在这种情况下获得做出决定的信心，2.2汤森路透新闻档案馆（1996-2014）的文本数据（在我们进行分析时）由1700多万篇英文新闻文章组成。路透社提供了每个文件中不同栏目的大量文档。我们使用“日期”、“语言”、“文本”、“归属”和“标签”字段。“日期”字段包含出版日期，“语言”字段包含出版语言，“文本”字段包含主要文章文本，“归属”标记表示出版商，“标记”字段包含由作者提供的以逗号分隔的文章标记列表。我们只考虑以路透社为署名，以英语为语言的文章。如果文本字段以“纽约”或“华盛顿”开头，我们认为这些文章是以美国为中心的。如果文本提要以“伦敦”开头，我们认为这些文章是以英国为中心的。并将其排除在这组分析之外。Nyman等人（2014年）就美国数据与实体经济的关系进行了分析。在所有情况下，为了避免文章被标记为“运动”、“天气”或“人类兴趣”，我们在“标签”字段中删除带有标签SPO（运动）、ODD（人类兴趣）或WEA（天气）的文章。文章每天都有，这是我们搜索数据的时间间隔。

随着时间的推移，搜索结果可以很容易地聚合，生成月度或季度数据。最后一点需要注意的是，汤森路透的新闻提要就是这样。记者应该报道新闻，而不是写评论文章。因此，与一组经纪人通告相比，数据库的内容是低的。2.3信念叙事理论与数据库检索2。3.1 contextOur方法从三个方面扩展了第1节中引用的文献。首先，如前所述，选择要测量的情绪是以心理学理论为指导的。现有的文献基本上是无神论的，关于所寻找的情感术语。这并不是说这些条款令人难以置信，但它们相当普遍，也可以被视为临时条款。我们的方法基于不确定性下agent决策的特定社会心理学理论，因此具有理论指导意义。第二，如前所述，我们谨慎地将情绪的可能作用与经济新闻的作用分开。我们搜索的这组特定的词完全是根据它们的角色词来选择的，这些词唤起了该理论指定的两个情感群体。这些词的经济意义不在日常人类意义之外。然后我们使用心理学中的标准实验技术来验证单词的情感内容。搜索过程中固有的方向元素使我们将该技术描述为定向算法文本分析（DATA）。第三点也是最后一点是，与上面引用的几篇论文相比，搜索是使用现代计算机科学技术进行的。

这将搜索速度提高了许多数量级，例如，与基于人类的搜索相比，这在以前的许多经济学文献中都有体现。例如，包含数百万篇文章的整个路透社新闻数据库可以在几分钟内在标准的个人电脑上搜索。2.3.2信念叙事理论塔克特和尼科利奇（2015年）、庄和塔克特（2014年）、塔克特等人（2014年）、塔克特（2014年）在其他地方详细描述了不确定性下的心理行为理论，即信念叙事理论。本质上，它关注两个情感群体。其中一组动作是基于焦虑。这起到抑制作用。另一组是激励，起到放大作用。焦虑导致人们对不确定性做出反应，放弃或推迟承诺。因此，当经济结果变得难以以安全的方式评估时，经济行动将可能陷入瘫痪。然而，不信任和潜在的瘫痪可以通过对不确定行动可能成功的信念的发展来克服。对结果的兴奋可以增加代理人的承诺。关键是，当试图决定做什么时，人类参与者利用进化的情感和叙事模拟能力，通过开发对可能未来的具体模拟，将结构强加给他们的预测。信念叙事能够感知过去和现在，预测潜在的未来，并支持未来的准确性。

为了采取行动接近一个投资项目代理人，他们需要有信念，他们需要设想吸引（产生兴奋）的结果，同时也能击退事情无法解决的担忧（焦虑）。2.3.3单词列表确定性创造成功和失败的可能性，并继续这样做。面对这种情况，特工们往往会想象出既兴奋又焦虑的情景。我们选择用来表示这两个理论上重要的情感群体的特定词语，首先通过专家判断选出代表性词语，然后进行实验验证测试，从两个列表中随机抽取词语样本，呈现给有财务知识的参与者。当被问及对他们所展示的词语是否表达了对失去的焦虑或对获得的兴奋，或者两者都不表达时，他们的回答——尽管只给出了一个大致的背景——强烈同意专家分类（Strauss 2013）。需要再次强调的一个关键点是，这些词汇表不包含任何特定的经济术语，如“危机”或“繁荣”。它们是我们可以称之为常规英语单词的词，是日常生活中在各种各样的语境中使用的表达“兴奋”或“焦虑”情绪的词，在心理学实验中得到了验证。我们认为它们与我们分析的经济数据是正交的。Nyman等人（同前）给出了这些词的例子。我们称之为相对情绪转移（RSS）是通过计算两种类型的词，从文本数据中提取的两种情绪序列的汇总统计。对于文本集合的汇总统计，我们计算兴奋词和焦虑词的出现次数，然后根据文章数量中的总文本大小来衡量这些数字。