报告题目：基于经济叙事和机器学习预测通货膨胀（Forecasting Inflation with Economic Narratives and Machine Learning） 

报告人：姜富伟，中央财经大学教授

报告时间：2023年3月27日15:30

报告地点：经济与管理学院A208

摘要：

在本文中，我们使用大型新闻语料库和机器学习算法将经济叙事应用于通胀预测。我们从超过88万篇《华尔街日报》文章的全文内容中定量衡量经济叙事，并将其表示为可解释的新闻主题。结果表明，无论是样本内还是样本外，基于叙述的预测都比基准更准确，因为基准在经济衰退期间表现特别好。基于叙事的预测在长期预测中表现更好，这表明叙事有助于捕捉缓慢变化的趋势通胀目标。叙事中嵌入的有关通胀预期和特定商品价格的信息有助于其预测力。总的来说，我们提供了经济叙事的新颖表现，并强调了经济叙事在通胀预测中的重要作用。

In this paper we apply economic narratives to inflation forecasting using a large news corpus and machine learning algorithms. We measure economic narratives quantitatively from the full text content of over 880,000 Wall Street Journal articles and represent them as interpretable news topics. The results indicate that narrative-based forecasts are more accurate than the benchmarks both in-sample and out-of-sample, which perform especially well during recession periods. Narrative-based forecasts perform better in the long-run forecasting, suggesting that narratives help to capture the slowly-varying trend inflation objectives. Information about inflation expectations and prices of specific goods embedded in narratives contributes to its predictive power. Overall, we provide a novel representation of economic narratives and highlight the important role of economic narratives in inflation forecasting.

个人简介：

姜富伟，中央财经大学教授、博导，金融工程系主任，教育部人才项目入选者，国家社科基金重大项目首席专家，黄大年教学团队核心成员，北京市海淀区政协委员，目前主要关注数字经济与金融科技相关交叉研究，在Journal of Financial Economics、Review of Financial Studies、Management Science、Journal of Financial Economics《管理世界》、《金融研究》、《经济学季刊》、《管理科学学报》等发表论文50余篇，被评为ESI经济管理类全球前1%最高被引用论文、RFS最高被引用论文、JFE最高被引用论文等，国家自然科学基金考核评价“特优”，获《金融研究》优秀论文奖、国际金融管理协会最佳论文奖、亚洲金融协会最佳论文奖、中国金融工程学年会优秀论文奖、金融图书金羊奖等奖励荣誉。学术观点被《哈佛商业评论》、《清华金融评论》、CCTV、澎湃新闻等转载，担任多本中英文学术期刊的编委和副主编和国家自然科学基金、国家社科基金、教育部、人民银行等科研项目和人才计划评审。