经济学家计算财经新闻的情绪指数，用它预测未来经济走势

风语者

美国旧金山联邦储备银行发表论文称，他们选取 1980 年 1 月到 2015 年 4 月间大约 23 万篇文章作为研究对象，通过文本分析模型得出财经新闻所蕴含的四个情绪指数，包括消极模型、消极词汇、担忧和满意指数。这些情绪指数高低与同期商业、金融指标变化密切相关。而且他们可以利用这些情绪指数预测未来的经济政策变化。

他们选取的文章来自《纽约时报》、《华盛顿邮报》、《波士顿环球报》等 16 家美国主要报纸，入选的文章必须是针对美国经济或经济学方面的新闻报道。简报、摘要、文摘以及字数小于 200 字的文章不在其列，研究人员认为摘要性质的文字基本不会包含新闻报道情绪，而文章如果字数太少，会影响机器学习分析结果的准确性。

结果多数情况下，当旧金山联储用它们计算的情绪指数预测联邦基金利率、消费、就业、发展、工业产值和标准普尔 500 等指数变化时，准确率高于目前被投资者广泛参考的密歇根大学消费者信心指数和大型企业联合会消费信心指数。

它用 Kanjoya 公司开发的机器学习模型进行计算、预测。Kanjoya 有一个自然语义词库，它把情绪做成标签，将网上人们的言论和其想表达的情绪进行配对。做情绪预测时，这套模型会先分析句子结构，然后对其属于某一类情绪的概率进行打分。情绪包括愤怒、焦虑、疑惑、担心、失落、乐观、自信、激动、满意等。

Kanjoya 情绪词库象限分布。横轴代表情绪好坏、纵轴代表情绪激烈程度。而之前更常见的做法是研究人员照着一本词典预设的词汇，分析文章中情绪词汇出现的频率。比如 Loughran 和 McDonald 2011 年曾出版辞典语衡量美国公司 10-k 年度财务报告中出现的消极词汇。但这种方式的局限性是一部辞典只能对应一类或几类文章。

联邦储备银行即美国央行，地位相当于中国人民银行，负责制定货币政策。美联储在全美有 12 个分行，旧金山联储是其中之一。还有一些对冲基金也早就开始像旧金山联储那样，用人工智能炒股、预测未来经济政策。Two Sigma 是一只管理资金规模超过 350 亿美元的知名对冲基金，他们利用自然语言处理技术，分析美国联邦公开市场会议委员会（FOMC）的发言。

Two Sigma 利用自然语言处理技术得出 FOMC 议题占比。这套技术会分析“证券”、“利率”、“抵押”等词汇的出现次数，从而得出譬如“2008 年，FOMC 有关金融市场的发言占 37%”，或者 “2007-2009 年，FOMC 有关通胀的讨论占 20%”等结论，帮助交易员设计交易模型时，有更多数据支持。

全球最大对冲基金公司之一文艺复兴基金（Renaissance Technologies ），去年领投了一家使用人工智能技术的对冲基金——Numerai，它用机器学习技术预分析上市公司财务数据和金融分析报告，预测股票市场走势。

[dzapp_call=hr_view,1621]证券投资高级经理[/dzapp_call]