論文の概要: Macroeconomic forecasting through news, emotions and narrative
- arxiv url: http://arxiv.org/abs/2009.14281v2
- Date: Wed, 14 Apr 2021 10:04:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 04:38:37.728548
- Title: Macroeconomic forecasting through news, emotions and narrative
- Title（参考訳）: ニュース、感情、物語によるマクロ経済予測
- Authors: Sonja Tilly, Markus Ebner, Giacomo Livan
- Abstract要約: 本研究は、世界中の新聞からの幅広い感情をマクロ経済予測に組み込むことにより、既存の研究分野を拡大する。
我々は、自動回帰フレームワークを使用して、さまざまな経済分野の工業生産と消費者価格をモデル化する。
幸福と怒りに関連する感情は、予測する変数に対して最も強い予測力を持つ。
- 参考スコア（独自算出の注目度）: 12.762298148425796
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study proposes a new method of incorporating emotions from newspaper
articles into macroeconomic forecasts, attempting to forecast industrial
production and consumer prices leveraging narrative and sentiment from global
newspapers. For the most part, existing research includes positive and negative
tone only to improve macroeconomic forecasts, focusing predominantly on large
economies such as the US. These works use mainly anglophone sources of
narrative, thus not capturing the entire complexity of the multitude of
emotions contained in global news articles. This study expands the existing
body of research by incorporating a wide array of emotions from newspapers
around the world - extracted from the Global Database of Events, Language and
Tone (GDELT) - into macroeconomic forecasts. We present a thematic data
filtering methodology based on a bi-directional long short term memory neural
network (Bi-LSTM) for extracting emotion scores from GDELT and demonstrate its
effectiveness by comparing results for filtered and unfiltered data. We model
industrial production and consumer prices across a diverse range of economies
using an autoregressive framework, and find that including emotions from global
newspapers significantly improves forecasts compared to three autoregressive
benchmark models. We complement our forecasts with an interpretability analysis
on distinct groups of emotions and find that emotions associated with happiness
and anger have the strongest predictive power for the variables we predict.
- Abstract（参考訳）: 本研究では, 新聞記事からの感情をマクロ経済予測に取り入れた新たな手法を提案する。
既存の研究の大部分は、マクロ経済の予測を改善するためにのみポジティブなトーンとネガティブなトーンを含み、主に米国のような大経済に焦点を当てている。
これらの作品は、主に物語のアングロフォン源を使っているため、グローバルなニュース記事に含まれる多くの感情の複雑さを捉えていない。
本研究は,GDELT(Global Database of Events, Language and Tone)から抽出された,世界中の新聞からの幅広い感情をマクロ経済予測に組み込むことにより,既存の研究分野を拡大する。
本稿では,GDELTから感情スコアを抽出する双方向長期記憶ニューラルネットワーク(Bi-LSTM)に基づくテーマデータフィルタリング手法を提案する。
我々は,産業生産と消費者の価格を,自己回帰的枠組みを用いて多種多様にモデル化し,世界新聞の感情を含めると,3つの自己回帰的ベンチマークモデルと比較して予測を大幅に改善することがわかった。
我々は、感情の異なるグループに対する解釈可能性分析で予測を補完し、幸福と怒りに関連する感情が、予測する変数に対して最も強い予測力を持つことを見出した。
関連論文リスト
- Unifying Economic and Language Models for Enhanced Sentiment Analysis of the Oil Market [0.0699049312989311]
原油は世界経済の重要な要素であり、経済動向、政治的出来事、自然災害など様々な要因の影響を受けている。
自然言語処理の最近の進歩は、イベントベースの分析に新たな可能性をもたらす。
原油市場に特化した微調整LMであるCrudeBERTを紹介する。
論文 参考訳（メタデータ） (2024-10-16T11:41:24Z) - Can LLMs Learn Macroeconomic Narratives from Social Media? [20.11321226491191]
X(旧Twitter)からの投稿を含む2つのキュレートされたデータセットを導入し、経済に関する物語を捉えた。
自然言語処理(NLP)手法を用いて,ツイートから物語を抽出し,要約する。
我々は、下流の財務予測タスクにツイートを組み込んだ$textitmacroeconomic$予測や、抽出したナラティブの表現を組み込むことで、彼らの予測能力をテストする。
論文 参考訳（メタデータ） (2024-06-17T21:37:09Z) - P^3SUM: Preserving Author's Perspective in News Summarization with Diffusion Language Models [57.571395694391654]
既存のアプローチは、要約の50%以上で、ニュース記事の政治的意見やスタンスを変えている。
政治的視点分類器によって制御される拡散モデルに基づく要約手法であるP3SUMを提案する。
3つのニュース要約データセットの実験により、P3SUMは最先端の要約システムより優れていることが示された。
論文 参考訳（メタデータ） (2023-11-16T10:14:28Z) - Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。
EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。
分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
論文 参考訳（メタデータ） (2023-11-16T06:20:13Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳（メタデータ） (2023-10-20T06:17:02Z) - Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳（メタデータ） (2023-09-02T00:32:55Z) - Predicting Financial Market Trends using Time Series Analysis and
Natural Language Processing [0.0]
この調査は、TeslaやAppleといった大手企業の株価を予測するためのツールとして、Twitterの感情の有効性を評価することを目的としている。
以上の結果から, 株価変動の主要な要因は, 肯定性, 否定性, 主観性であることが示唆された。
論文 参考訳（メタデータ） (2023-08-31T21:20:58Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳（メタデータ） (2023-05-25T21:01:00Z) - Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
論文 参考訳（メタデータ） (2023-04-15T19:22:37Z) - Using four different online media sources to forecast the crude oil
price [0.0]
この研究は、2年間にわたって、西テキサス中間原油価格とTwitter、Google Trends、Wikipedia、Global Data on Events、Language、Tone database(GDELT)から抽出された複数の予測器の関係を分析した。
その結果,4つのメディアプラットフォームを総合的に分析することで,財務予測を行う上で貴重な情報が得られることがわかった。
この研究は、プラットフォームが価格の動きを予測できる日数の観点から、各プラットフォームの異なる前見能力を比較することを可能にする。
論文 参考訳（メタデータ） (2021-05-19T14:19:18Z) - Macroeconomic forecasting with statistically validated knowledge graphs [11.4219428942199]
本研究は,グローバル新聞の物語を活用し,世界イベントに関するテーマベースの知識グラフを構築する。
このようなグラフから抽出した特徴は、多くのベンチマークと比較すると、三大経済における工業生産予測を改善している。
我々の研究は、社会経済システムにおける関連する現象の進化をリアルタイムで監視する、擬似的かつ情報的なテーマベースの知識グラフの構築のための青写真として機能する。
論文 参考訳（メタデータ） (2021-04-21T10:57:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。