测量金融情绪以预测金融不稳定性：一种基于文本分析的新方法

在2000年代后期的金融危机之后，政策制定者对监测金融稳定性表现出极大的兴趣。几家中央银行现在发布金融压力指数，这些指数主要基于市场相关数据。在本文中，我们研究了通过提取经济中情绪变化的信息来改进这些指数的潜力。我们报告了一种基于大型文本数据库内容分析的新方法，称为定向算法文本分析。该算法能非常迅速地识别出两个核心情绪组之间随时间变化的关系转变。该方法具有鲁棒性。在不同的研究中使用相同的词表来识别这两个情绪组。词表中词汇的成员资格已在心理学实验中得到验证。这些词汇由没有特定经济含义的日常英语单词组成。初步结果令人充满希望。捕捉文本中两个情绪组之间变化的情绪指数（文本可能涉及整个美国经济），改善了对实际GDP增长的一致预测提前一个季度的表现。更具体地说，相同的指数被证明是克利夫兰和圣路易斯联邦储备银行金融压力指数的Granger原因。