对经济决策的及时数据分析的需求促使大多数经济学家和政策制定者搜索非传统补充数据来源。在这种情况下,正在探索文本数据以丰富传统数据源,因为它易于收集和高度丰富。我们的工作着重于研究文本数据的潜力,特别是新闻文章,以衡量经济政策不确定性(EPU)。经济政策的不确定性被定义为公众无法在新政策和未来经济基本面下预测其决策的结果。量化EPU对政策制定者,经济学家和投资者非常重要,因为它影响了他们对未来经济基本面的期望,并影响其政策,投资和储蓄决策。以前使用新闻文章来衡量EPU的大多数工作都是手册或基于简单的关键字搜索。我们的工作提出了一种基于机器学习的解决方案,涉及较弱的监督,以将新闻文章分类为经济政策不确定性。薄弱的监督被证明是一种有效的机器学习范式,用于在没有或稀缺训练集的低资源设置中应用机器学习模型,利用领域知识和启发式方法。我们进一步产生了基于监督的EPU指数,我们用来进行大量计量经济学分析以及爱尔兰宏观经济指标,以验证我们生成的指数是否预示了较高的宏观经济性能。
translated by 谷歌翻译