Dat Mai, Kuntara Pukthuanthong. 2022. Economic Narratives and Market Outcomes: A Semi-Supervised Topic Modeling Approach. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3990324
Shiller介绍了叙事经济学理论,该理论指出,编入日常对话的流行故事,如储蓄和消费的金额,以及何时何地投资,最终会影响个人和集体的人类行为,从而推动经济成果。在这项研究中,研究者从 《纽约时报》(NYT)150年来的700万篇文章 和《华尔街日报》(WSJ)130年来的200万篇文章中提取叙事,试图回答:新闻叙事的时变变化能预测股市结果吗?叙述的来源重要吗?
研究者使用一种称为sLDA的高级自然语言处理工具,分别从过去150年《华尔街日报》和《纽约时报》近200万和700万篇文章中提取叙述。研究者创建一个基于主题的种子词列表,输入到sLDA模型中,以指导主题提取过程。滚动估计方案旨在每次估计时仅包括历史新闻数据。这种方法避免了在构建月度叙述权重时存在任何前瞻性偏差。
研究发现,在所考虑的叙述中,《纽约时报》最重要的是恐慌,它包含了与压力和焦虑相关的各种主题。研究者发现,恐慌和根据所有叙述构建的指数是强有力的市场预测因子。具体而言,他们可以积极预测市场回报,消极预测市场波动,无论是实际的还是隐含的。如果风险厌恶情绪在恐慌指数捕捉到的恐慌和压力时期上升,那么实证结果将与默顿的ICAPM的单变量版本一致。研究者发现,恐慌的预测能力随着时间的推移不断增强,并在市场和投资组合层面以及每月和每天的时间间隔内保持不变。
这种恐慌可以积极预测超额市场回报,这也与罕见灾难风险的文献一致。具体而言,Barro指出,罕见灾害的概率可以解释高股本溢价。由于这种可能性在恐慌和紧张时期预计会上升,恐慌的增加与股票溢价的上升有关。本文的实证结果证实了这一假设。
作为稳健性检验,研究者从《华尔街日报》中提取了一些叙述,其中最重要的是股市泡沫。股市泡沫是股市的负面预测因素。当研究者观察到股票回报率的反转时,股市泡沫似乎捕捉到了错误定价。研究者的论文阐明了在解读叙事时考虑媒体来源及其受众的重要性