利用新闻主题与情感预测市场通胀预期
计算机与社会
2021-07-16 v1
摘要
本研究提出一种新方法，将新闻主题及其相关情感纳入对八个拥有成熟债券市场的国家的盈亏平衡通胀率（BEIR）变动的预测中。我们为每个国家校准了五类机器学习模型，包括基于叙事的特征，发现它们总体上优于不含此类特征的对应基准。我们发现 Logistic Regression 与 XGBoost 分类器在各国间表现最佳。我们以特征重要性分析补充这些结果，表明经济和金融主题是预测中的关键性能驱动因素，卫生与政府相关主题亦有额外贡献。我们通过图形格兰杰因果性考察新闻叙事对 BEIR 的跨国溢出效应，并确认其对美国和德国存在，而本研究考察的其余五个国家仅受本地叙事影响。
引用
@article{arxiv.2107.07155,
title = {Predicting market inflation expectations with news topics and sentiment},
author = {Sonja Tilly and Giacomo Livan},
journal= {arXiv preprint arXiv:2107.07155},
year = {2021}
}