| Аннотация | Изучается возможность наукастинга (оценки текущего состояния) основных макроэкономических показателей России c использованием данных новостного фона: тематика и тональность (sentiment analysis) текстов новостей крупнейших российских Telegram-каналов с помощью нейронной сети BERT вместе со стандартным для задач наукастинга набором макроэкономических показателей. Рассматриваются MIDAS-модели, динамические факторные модели и векторные авторегрессии смешанной частоты. Точность моделей оценивается кросс-валидацией на периодах до и после II кв. 2022 г., значимость эффекта добавления новостных переменных оценивается при помощи теста Диболда—Мариано. При тестировании на кризисном периоде добавление новостных переменных приводит к повышению точности для 45% рассмотренных моделей, а среднее улучшение (снижение средней абсолютной ошибки) составило 1,39 п. (снижение МАЕ для наукастов темпов роста ВВП России составляет 0,64 п. п.). При этом на более спокойном (досанкционном) периоде преимущество новостей менее заметно: рост точности зафиксирован в 30% случаев со средним снижением ошибки 1,54 п. (снижение МАЕ для темпов роста ВВП России составляет 0,26 п. п.), а изменение точности наукастов при добавлении переменных, отражающих новостной фон, оказывается статистически незначимым. Использование новостного сентимента не является «серебряной пулей» в задаче наукастинга российского ВВП, однако в кризисные периоды он может служить оперативным индикатором состояния экономики и использоваться в сочетании с более традиционными объясняющими переменными. |
|---|