BASIR：预算辅助行业影响排名——用于行业识别与绩效预测的数据集
计算与语言
2025-04-21 v1 统计金融
摘要
政府财政政策，特别是年度工资预算，对金融市场产生重要影响。然而，对预算对特定行业股本表现影响的实时分析在方法论上具有挑战性且尚未得到充分探索。本研究提出了一个框架，用于系统性地识别和排名新印度工资预算公告后有望受益的行业。该框架解决了两个核心任务：(1) 将来自预算记录的段落多标签分类到 81 个预定义的经济行业中，(2) 对这些行业进行绩效排名。我们构建了一个来自 1947 年至 2025 年印度工资预算记录的全面语料库，引入 BASIR (Budget-Assisted Sectoral Impact Ranking)，将预算记录中的段落映射到行业影响的标注数据集。我们的体系结构包含针对行业识别的微调嵌入，以及能够根据预测绩效对行业进行排名的语言模型。我们的结果显示在行业分类中实现了 0.605 的 F1 分数，在预测基于预算后绩效的行业排名中实现了 0.997 的 NDCG 分数。该方法论使投资者和政策制定者能够通过结构化、数据驱动的见解来量化财政政策的影响，解决了手动分析中的关键空白。该标注数据集已在 CC-BY-NC-SA-4.0 许可证下发布，以推动计算经济学研究。
引用
@article{arxiv.2504.13189,
title = {BASIR: Budget-Assisted Sectoral Impact Ranking -- A Dataset for Sector Identification and Performance Prediction Using Language Models},
author = {Sohom Ghosh and Sudip Kumar Naskar},
journal= {arXiv preprint arXiv:2504.13189},
year = {2025}
}
备注
The codes and the datasets can be accessed from https://huggingface.co/datasets/sohomghosh/BASIR_Budget_Assisted_Sectoral_Impact_Ranking/tree/main/