现有研究已经设计出多项指标来测量经济发展的各个方面，如国内生产总值、就业率和工业产值。但目前，这些指标很难清晰预测国家是否正在进入经济衰退期。耶鲁大学商学院金融学教授布莱恩·凯利（Bryan Kelly）等学者在最新一项研究中探讨了一个可能的信息来源：新闻报道。为了研究媒体报道中大量关于经济现状的碎片信息能否转化为新的经济指标，并以此预测未来经济走向，研究人员收集了1984—2017年在《华尔街日报》上发表的约763000篇文章。研究人员通过软件计算了每篇文章中特定词语的出现次数，随后采用机器学习算法确定了与特定词语经常一起出现的术语，并对这些术语进行分类和拟定主题。如格林斯潘（Greenspan）、耶伦（Yellen）、联邦基金利率、提高利率等专用名词的主题为“美联储”。另外，还有医疗保险、自然灾害、航空公司、选举等其他主题。

 

　　接下来，研究人员检测了每个主题的“新闻关注度”，即《华尔街日报》中关于该主题的文字比例，借此可以分析出对某个主题的新闻关注度如何随着时间的推移而减弱。通过量化媒体对特定主题的关注程度，研究者发现，新闻关注度指标似乎与现有的经济指标紧密相连，当对“经济衰退”话题的关注度上升时，工业生产增长和就业增长往往会下降。当股市收入波动时，则伴随着“衰退”“问题”等主题。

 

　　在验证了新指标可以与现有其他指标相关联后，研究者进一步探讨了该指标是否能帮助预测经济的未来表现。他们分析了“经济衰退”的新闻关注度是否与未来3年的工业生产和就业变化相关。分析结果显示，随着对“经济衰退”新闻关注度的增加，从长时段来看，工业生产在17个月后缩减了1.99%，就业率在20个月后下降了0.92%。更短期的预测也十分有效，在新闻关注度上升的2个月后，工业生产缩减了约0.3%。

 

　　该研究团队还设计了一种方法来确定政策制定者需要阅读的文章。例如，当软件预测出未来几个月内就业率会下降时，就调出《华尔街日报》中最关注“衰退”主题的文章。这样决策者就可以免于在大量报道中寻找信息，而直接获取最为相关的报道。耶鲁大学商学院金融经济学博士生利兰·拜比（Leland Bybee）表示，这种方法提取出了真正重要的东西，相当于提供了一个处理信息的辅助工具。

 

　　（练志闲/编译）