پیش بینی به هنگام تولید ناخالص داخلی ایران با استفاده از تحلیل احساس اخبار اقتصادی

این پژوهش، روشی برای کمی سازی اطلاعات بدون ساختار اخبار اقتصادی برای به کارگیری در ارزیابی به هنگام شرایط اقتصادی را پیشنهاد می دهد. به همین منظور، اخبار اقتصادی به صورت روزانه از ابتدای سال ۱۳۸۴ تا انتهای آذرماه سال ۱۴۰۲، از پایگاه اینترنتی خبرگزاری فارس استخراج شده است. متون خبری، پس از پیش پردازش اولیه، با استفاده از مدل تخصیص پنهان دیریکله (LDA) در دسته های مختلفی طبقه بندی شدند به نحوی که هر دسته، یک موضوع خبری را نشان می دهد. سپس با استفاده از رویکرد تحلیل احساس مبتنی بر واژه نامه، امتیاز یا نمره­ حسی هر خبر مشخص شده است. از تجمیع فصلی امتیازات حسی اخبار ذیل هر موضوع، سری های زمانی حسی ایجاد و توانایی این سری های زمانی در پیش بینی تولید ناخالص داخلی فصلی ایران با استفاده از روش های ریج، لسو، الستیک نت و تقویت گرادیان ارزیابی شده­اند. نتایج نشان داده­اند که به کارگیری داده های حسی می­تواند خطای پیش بینی را بین ۱۲ تا ۱۸ درصد نسبت به الگوی سری زمانی تک متغیره کاهش دهد. علاوه بر این، با استفاده از رویکرد پیشنهادی این پژوهش می توان بلافاصله بعد از اتمام هر فصل مرجع و با استفاده از اخبار اقتصادی منتشر شده در همان فصل، برآوردی به هنگام از تولید ناخالص داخلی فصلی ارائه کرد

کلیدواژه ها:

اخبار اقتصادی ، پیش بینی به هنگام ، تولید ناخالص داخلی ، مدل سازی موضوعی ، تحلیل احساس