大数据、社会心理理论、算法文本分析与密歇根消费者信心指数预测
统计金融
2014-05-23 v1 物理与社会
摘要
我们描述了一项利用大数据预测密歇根消费者信心指数的练习，该指数是衡量美国经济信心状态的广泛使用指标。我们从纯粹的事前视角进行此项练习。我们采用算法文本分析方法，对 2010 年 6 月至 2013 年 6 月期间的经纪人报告档案进行分析。搜索由代理人行为的社会心理理论（即信念叙事理论）指导。我们将由此生成的未来一个月预测（跨越 15 个月期间）与华尔街经济学家共识预测报告的预测进行比较。前者提供了更准确的预测，在 15 次中有 12 次正确预测了变化方向，而共识预测仅为 7 次。我们表明，即使在提前四个月的预测范围内，该方法仍保持显著的预测能力。
引用
@article{arxiv.1405.5695,
title = {Big Data, Socio-Psychological Theory, Algorithmic Text Analysis and Predicting the Michigan Consumer Sentiment Index},
author = {Rickard Nyman and Paul Ormerod},
journal= {arXiv preprint arXiv:1405.5695},
year = {2014}
}
备注
10 pages, 2 figures