The News Tone as a Leading Indicator of Consumer Sentiment

Cover Page

Cite item

Full Text

Abstract

The article presents an approach to the use of text analysis in order to form quantitative leading indicators based on qualitative data. In the theoretical part of the article, the author provides an overview of leading papers by foreign researchers, including those from central banks of developed countries, devoted to the assessment and use of data on the tone of news publications as an indicator of economic activity. Various approaches to extracting the tone of texts and converting its qualitative assessments into quantitative indicators are covered. The author's approach to evaluating the news tone using machine learning methods is explained. In the empirical part of the article, the author uses the example of the consumer sector to test the hypothesis about the consistency of fluctuations in the emotional tone of news publications with fluctuations in key indicators of the state of the economy of Russia. A news indicator based on publications in online media devoted to the retail and services sector is generated. As a result of the study, the consistency of its dynamics with individual indicators of consumer sentiment, calculated on the basis of surveys conducted by "inFOM" LLC, is confirmed. The conclusions presented in the works of foreign researchers regarding the consistency of the dynamics of consumer sentiment, measured on the basis of sociological surveys, and synthetic indicators reflecting the emotional tone of the news background are validated.

About the authors

A. A. Kladova

Main Branch of the Bank of Russia for the Central Federal District

Email: i@akaldova.ru
PhD in Economy, Head of Regional Analysis and Data Processing Division Moscow

References

  1. Algaba A., Borms S., Boudt K. [et al.]. Daily News Sentiment and Monthly Surveys: A Mixed-frequency Dynamic Factor Model for Nowcasting Consumer Confidence. NBB Working Paper, 2021, no. 396.
  2. Ardia D., Bluteau K., Boudt K. Questioning the News About Economic Growth: Sparse Forecasting Using Thousands of News-Based Sentiment Values. International Journal of Forecasting, 2019, no. 35, pp. 1370-1386.
  3. Ashwin J., Kalamara E., Saiz L. Nowcasting Euro Area GDP with News Sentiment: A Tale of Two Crises. ECB Working Paper, 2021, no. 2616.
  4. Bandt de O., Bricongne J.-C., Denes J. [et al.]. Using the Press to Construct a New Indicator of Inflation Perceptions in France. Banque de France Working Paper, 2023, no. 921.
  5. Barbaglia L., Consoli S., Manzan S. Forecasting GDP in Europe with Textual Data. Journal of Applied Econometrics, 2024, no. 1 (18), pp. 338-355.
  6. Barbaglia L., Consoli S., Manzan S. Forecasting with Economic News. Journal of Business & Economic Statistics, 2023, no. 41 (3), pp. 708-719.
  7. Born B., Dalal H., Lamersdorf N. [et al.]. Monetary Policy in the Age of Social Media: A Twitter-Based Inflation Analysis. SSRN: [website]. Available at: https://ssrn.com/abstract=4567305 (accessed: 04.03.2025).
  8. Consoli S., Negri M., Tebbifakhr A. [et al.]. Forecasting the IBEX-35 Stock Index Using Deep Learning and News Emotions: In Machine Learning, Optimization, and Data Science: 7th International Conference, LOD 2021, Grasmere, UK, October 4-8, 2021, Revised Selected Papers. (Pp. 308-323). Grasmere, Lake District, England - UK: Springer Verlag, 2022.
  9. Cova M. J. P., Peralta V. H., Cruz N. M. d. P. Using the Press as a Real-time Economic Confidence Indicator. In Irving Fisher Committee on Central Bank Statistics. IFC Bulletin No 58. Post-pandemic Landscape for Central Bank Statistics. Bank for International Settlements, 2023. Available at: https://www.bis.org/ifc/publ/ifcb58.pdf (accessed: 12.03.2025).
  10. Dijk van D., Winter de J. Nowcasting GDP Using Tone-Adjusted Time Varying News Topics: Evidence from the Financial Press. De Nederlandsche Bank Working Paper, 2023, no. 766.
  11. Elshendy M., Fronzetti Colladon A. Big Data Analysis of Economic News: Hints to Forecast Macroeconomic Indicators. International Journal of Engineering Business Management, 2017, Vol. 9: pp. 1-12.
  12. Fronzetti Colladon A., Grippa F., Guardabascio B. [et al.]. Forecasting Consumer Confidence Through Semantic Network Analysis of Online News. Scientific Reports, 2023, Vol. 13, no. 11785.
  13. Goshima K., Ishijima H., Shintani M. [et al.]. Forecasting Japanese Inflation with a News-Based Leading Indicator of Economic Activities. Studies in Nonlinear Dynamics & Econometrics, 2020, 25 (4), pp. 111-133.
  14. Ho C. C., Chong E., Ong Z. F. [et al.]. Using News Sentiment for Economic Forecasting: A Malaysian Case Study: In Irving Fisher Committee on Central Bank Statistics (ed.). IFC Bulletin No 57. Machine learning in Central Banking, 19-22 October 2021, Rome. Bank for International Settlements, 2022. Available at: https://www.bis.org/ifc/publ/ifcb57.pdf (accessed: 12.03.2025).
  15. Huang С., Simpson S., Ulybina D. [et al.]. News-Based Sentiment Indicators. IMF Working Paper, 2019, no. 19/273.
  16. Jabbar M. A., Wibisono O., Widjanarti A. [et al.]. Machine Learning for Measuring Central Bank Policy Credibility and Communication from News. In Irving Fisher Committee on Central Bank Statistics. IFC Bulletin No 59. Data Science in Central Banking: Applications and Tools. Bank for International Settlements, 2023. Available at: https://www.bis.org/ifc/publ/ifcb59.pdf (accessed: 12.03.2025).
  17. Kalamara E., Turrell A., Redl C. [et al.]. Making Text Count: Economic Forecasting Using Newspaper Text. Bank of England Staff Working Paper, 2020, no. 865.
  18. Larsen V., Thorsrud L. The Value of News. BI Norwegian Business School CAMP Working Paper Series, 2015, no. 6.
  19. Nyman R., Ormerod P. Text as Data: Real-Time Measurement of Economic Welfare. Preprint, 10 January 2020.
  20. Shapiro A. H., Sudhof M., Wilson D. J., 2020. Measuring News Sentiment. FRB San Francisco Working Paper, 2020, no. 2017-01.
  21. Tilly S., Ebner M., Livan G., 2021. Macroeconomic Forecasting Through News, Emotions and Narrative. Expert Systems with Applications, 2021, vol. 175 (February). doi: 10.1016/j.eswa.2021.114760.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».