Institutional Money, Ausgabe 1 | 2024

initialen „Seed-Wörtern“. Basierend auf ihrem Polaritäts-Score werden die jeweils 0,1 Prozent positivsten und negativsten Termini ausgewählt. Zu den stärksten Optimismusträgern gehören beispielsweise „Expansion“ oder „Boom“, am negativsten behaftet sind Ausdrücke wie „Rezession“ oder „Bankrott“. Gießt man die so erhaltenen Daten in einen entsprechen- den Index (siehe Chart „Tendenziell negativere Nachrichten- lage“) , stößt man schnell auf das bekannte Problem eines pessimistischen Bias, der ab den späten 1970er-Jahren auftritt. Die Autoren erklären diese Tendenz aber nicht mit allfällig schlechteren Rahmenbedingungen wie der säkularen Sta- gnation, die am Anfang dieser Periode steht, sondern mit der zunehmenden Konkurrenz unter den Massenmedien, die beim Kampf um höhere Auflagen zu immer aufsehen- erregender – und somit in der Regel – negativerer Bericht- erstattung greifen.Das kann man als Trend besonders schön am nichtökonomischen Sentiment ablesen. Bereinigt man nun das ökonomische Sentiment um das nichtökonomi- sche, erhält man ein Chartbild, das zwar volatiler wird, aber nicht stetig schwächer. Diesen bereinigten Stimmungsindi- kator verwenden die Autoren in weiterer Folge. Resultate Tatsächlich scheint der Indikator gut zu funktionieren (siehe Tabelle „Hohe Prognosekraft für das US-BIP 1947–2019“) . Im Vergleich zu zwei Basisszenarien, in denen die BIP-Entwick- lung des vorangegangenen Quartals auf das jeweils nächste Quartal schlicht extrapoliert wird, übertrifft das R 2 – also die Erklärkraft – des Sentiment-Indikators das R 2 der Basispro- gnosen um bis zu vier Prozentpunkte. Eine positive Stan- dardabweichung im News-Sentiment schlägt sich in einem BIP-Plus von 0,25 bis 0,42 Prozent im folgenden Quartal nieder. In einem weiteren Schritt hat die Autoren interessiert, in- wieweit das Modell für die beiden untergeordneten makro- ökonomischen Variablen „Kapital“ und „Arbeit“ funktio- niert. Sie nähern sich diesen beiden Variablen, indem sie auf der einen Seite Investitionen sowie Industrietätigkeit und auf Hohe Prognosekraft für das US-BIP 1947–2019 Gemessen werden die Korrelationen zwischen dem über Maschinelles Lernen entwickelten newsbasierten Sentiment Index und dem US-BIP. Δ ln(BIP t ) Baseline 1 Baseline 2 III IV V VI VII VIII IX Δ ln(BIP t-1 ) 0,355*** 0,356*** 0,333*** 0,335*** 0,327*** 0,330*** (5,91) (5,79) (5,57) (5,48) (5,17) (5,15) Term Spread t-1 0,072* 0,063* 0,060 0,060 (1,97) (1,69) (1,59) (1,58) Δ Sent t-1 0,333*** 0,255*** 0,242*** 0,421*** 0,390*** 0,288*** 0,250** (3,88) (2,78) (2,60) (4,05) (3,53) (2,73) (2,23) Δ Sent t-2 0,167* 0,176* -0,015 -0,006 (1,67) (1,73) (-0,16) (-0,06) Δ Sent t-3 0,317*** 0,316** 0,225** 0,223** (2,60) (2,58) (2,04) (2,01) Δ Sent t-4 0,267** 0,267** 0,152 0,151 (2,23) (2,20) (1,37) (1,35) Δ Sent t-5 0,074 0,055 0,007 -0,017 (0,74) (0,54) (0,08) (-0,18) Q4 Dummy -0,107 -0,131 (-0,90) (-1,05) Δ Sent t-1 × Q4Dummy 0,051 0,057 (0,25) (0,30) F-Statistik ( Δ Sent (t-2 to t-n)) 2,235 2,242 2,499 2,435 P-Wert (alle Δ Sent (t-2 to t-n)) 0,065 0,065 0,043 0,048 Beobachtungen 290 290 290 290 290 290 290 290 290 Adjustiertes R 2 0,12 0,13 0,04 0,14 0,15 0,06 0,06 0,16 0,16 Kontrolliert werden diverse rückblickende Abschnitte, die von einem (t–1) bis fünf (t–5) Quartale reichen. Während das R 2 für die beiden Baseline-Szenarien, die schlicht das BIP des Vorquartals weiterrechnen, bei maximal 0,13 liegt, erreicht der News-Sentiment-Index einen Wert von bis zu 0,16. Quelle: Studie Binsbergen et al. 120 N o . 1/2024 | institutional-money.com THEORIE & PRAXIS | Economic Sentiment FOTO: © BRYZGALOVA | PRIVAT » Unser Korpus umfasst ungefähr eine Milliarde Zeitungsartikel, eine bedeutende Zunahme gegenüber dem bislang üblichen Wall-Street-Journal-Korpus. « Svetlana Bryzgalova, London Business School