経済成長に関するニュースを疑問視する：数千のニュースベースの感情値を使用したスパース予測

現代のテキスト感情の計算は、実際のキャリブレーションに関して無数の選択肢を含みます。予測目的のための設計を最適化する一般的な感情工学フレームワークを紹介します。これは、スパースなデータ駆動型選択のためのエラスティックネットの使用と、数千の感情値の重み付けを含みます。これらの値は、出版場所、記事のトピック、感情の構築方法、時間を超えてテキスト感情値をプールすることで得られます。このフレームワークを、米国の経済成長の予測におけるテキスト分析に基づく感情指数の付加価値の調査に適用します。最適化されたニュースベースの感情値を追加で使用することで、米国の産業生産の9か月および年間成長率の予測において、経済および金融指標のみを基にした高次元予測技術を使用した場合と比べて、重要な精度向上が得られることがわかります。