从具有跳跃的社交媒体计数数据中过滤公众关注强度
应用统计
2020-12-25 v1 计量经济学
摘要
过去十年中，从在线社交媒体数据（如 Twitter）获得的计数时间序列引起了学者和市场分析师的日益关注。将网络活动记录转换为计数会得到具有特殊特征的时间序列，包括平滑路径与突然跳跃并存，以及横截面和时间依赖性。利用关于英国和美国国家风险的 Twitter 帖子，本文提出一种针对具有跳跃的多变量计数数据的创新状态空间模型。我们使用所提模型评估这些国家的公众关注对市场系统的影响。为此，从 Twitter 数据推断的公众关注被分解为国家特定的持续性项、风险社会放大事件以及国家序列的协同运动。随后，所识别的组分被用于考察国家风险溢出效应和对金融市场波动的社会放大效应的存在性与量级。
引用
@article{arxiv.2012.13267,
title = {Filtering the intensity of public concern from social media count data with jumps},
author = {Matteo Iacopini and Carlo R. M. A. Santagiustina},
journal= {arXiv preprint arXiv:2012.13267},
year = {2020}
}