АННОТАЦИЯ 3
Введение 3
1 Теоретические подходы к исследованию влияния медиа на инфляционные процессы 6
1.1 Необходимость управления инфляционными ожиданиями в контексте их
взаимоотношений с инфляцией 6
1.2 Обзор эмпирических подходов к моделированию инфляционных процессов на
основании данных новостных медиа и социальных сетей 28
2 Методика использования данных социальных сетей для оценки настроений
экономических новостей 46
2.1 Сбор и обработка данных социальных сетей для тематического моделирования 46
2.2 Построение макроэкономических индексов с учетом настроений экономических
субъектов 54
3 Прогнозирование инфляционных процессов на основе индекса новостных настроений.63
3.1 Построение индексов новостных настроений на основе данных социальных сетей..63
3.2 Прогнозирование инфляционных процессов с использованием индекса новостных
настроений 70
Заключение 75
Список использованных источников и литературы 77
Приложение А Пример кода пограммы -парсера для Telegram 81
Приложение Б Список удаленных стоп-слов 83
В последние годы появилось много исследований, рассматривающих текстовую информацию в медиа в качестве основы для прогнозирования макроэкономических переменных, главным образом, инфляционных процессов: фактического уровня инфляции и инфляционных ожиданий. Популярность таких исследований связана с развитием технологий машинного обучения, нейронных сетей и больших языковых моделей, значительно упрощающих подобные исследования и повышающих их достоверность, и увеличения вычислительных мощностей. Формально, инфляция определяется Банком России, как устойчивое повышение общего уровня цен на товары и услуги в экономике. Сегодня большинство центральных банков стремится стабилизировать инфляцию на низком, но положительном уровне в среднесрочной перспективе. Для достижения этой цели монетарным органам постоянно требуются точные прогнозы будущего движения инфляции. Социальные сети представляют собой богатый источник информации для этой цели, так как содержат информацию, которая не содержится в прогнозах экспертов и не отражается на доходности финансовых инструментов, которые части используются в качестве предикторов уровня инфляции.
Инфляционные ожидания экономических агентов служат не только важным фактором прогнозирования будущей инфляции, но также могут выступать в качестве инструмента денежно-кредитной политики, если центральные банки способны эффективно воздействовать на них. В таких обстоятельствах понимание, воздействуют ли данные на уровень инфляции и можно ли прогнозировать динамику данного процесса на их основе, получает дополнительную важность.
Целью настоящей научно-исследовательской работы является построение прогнозных моделей инфляционных процессов помощью количественных индикаторов на основе данных социальных сетей . Для достижения этой цели мы выполняем следующие задачи:
- рассмотреть особенности инфляционных ожиданий, как фактора, воздействующего на уровень инфляции;
- изучить теоретические основы влияния информации из медиа на инфляционные ожидания и уровень инфляции;
- исследовать литературу, посвященную использованию данных СМИ в качестве источника экономической информации;
- собрать данные и построить количественные индикаторы экономических ожиданий;
- оценить степень корреляции построенных индикаторов с уже существующими показателями;
- построить прогнозные модели для будущего уровня инфляции с включением разработанных индексов;
- оценить качество получившихся прогнозов;
- сделать вывод о возможности и целесообразности использования разработанных индексов для прогнозирования инфляции.
Объектом исследование является инфляционные процессы, предметом - особенности влияния новостной информации на инфляционные процессы.
В качестве теоретической базы применяются работы как российских, так и зарубежных авторов. D’Acunto, O. Coibion, Ю. Городниченко, M. Weber и другие исследует особенности инфляционных ожиданий, факторы, влияющие на их формирования и механизмы трансмиссии ценовых прогнозов в фактический уровень инфляции. В работах C. Carrol, B. Pratap, L. Lamla и других рассматриваются теоретические модели передачи информации об инфляции от СМИ к экономическим агентам. C. Angelico, J. Marucci и др. моделируют инфляционные ожидания на основании дискуссий в социальной сети Twitter. Ф. Ульянкин и Е. Шуляк строят индексы экономической активности, используя комментарии пользователей под новостными постами в качестве источника данных. К. Яковлева, D. Ardia, E. Kalamara, J. Ellingsen оценивают экономические настроения на основании новостных статей в газетах, посвященных экономическим темам. S. Baker, N. Bloom и др. разрабатывают индекс неопределенности экономической политики, также используя экономические новости в качестве базы для исследования. B. Born, И. Карпов и другие используют в своих исследованиях нейронные сети и языковые модели для решения задачи тематического моделирования и классификации данных социальных сетей. В работах L. Hong и B. Davidson, J.Yin и J. Wang рассматриваются методы тематического моделирования данных социальных сетей.
В качестве эмпирической базы мы используем сообщения экономической тематики из 28 новостных Telegram-каналов за период с января 2021 по апрель 2024 и рассматриваем возможность прогнозирования инфляции на их основе.
Для достижения цели исследования мы используем методы сравнения, измерения, эксперимента, контент-анализа. статистического анализа и эконометрического моделирования.
Работа организована следующим образом: в первой главе мы рассматриваем особенности инфляционных ожиданий, как фактора, воздействующего на уровень инфляции, механизм этого влияния и способы закрепления инфляционных ожиданий около 4
целевого уровня. Также в первой главе мы приводим теоретическое и эмпирическое обоснование взаимосвязи информации, распространяющейся через медиа, в том числе через социальные сети, инфляционных ожиданий и фактического уровня инфляции. Мы подробно обозреваем существующие работы, рассматривающие влияние новостных сообщений и данных социальных сетей на уровень инфляции и другие макроэкономические переменные, с целью определения возможных методик проведения исследований, подобных нашему, а также с целью изучения результатов данных работ. Во второй главе приведено описание методики исследования, включающей процедуру сбора данных, фильтрации сообщений экономической тематики, расчет индекса настроений экономических новостей. В третье главе приведены результаты прогнозирования.
В первой главе мы изучили взаимосвязь инфляции и инфляционных ожиданий. Мы определили, что прогнозы экономических агентов относительно темпа роста цен воздействуют на решения о потреблении и сбережении домашних хозяйств, переговоры о заработной плате, инвестиционные стратегии фирм, ценообразование продукции и решения о найме. Мы выявили такие особенности инфляционных ожиданий, как устойчивость, завыешенность по сравнению с фактическим уровнем инфляции, гетерогенность, формирование под влиянием ежедневного наблюдения за ценами на продукты и влияние личного опыта на их формирование. Мы определили, что коммуникационная политика центрального банка, направленная на закрепление инфляционных ожиданий, плохо справляется со своей задачей в случае домашних хозяйств. Рассмотренные исследования подтверждают связь между инфляционным потребителей и уровнем финансовой грамотности, а также степени доверия к центральному банку. Теоретически влияние сообщений в медиа на инфляционные ожидания и поведение экономических условиях, при условии наличия у них несовершенной информации, описывается двумя основными моделями: моделью с липкой информацией, предполагающей, что информация
распространяется по популяции наподобие эпидемии, и моделью с частичной информации, основанной на утверждении, что экономические агенты получают информацию вместе с шумом. Изучив широкий круг работ, посвященных моделированию влияния медиа на инфляционные и ожидания и инфляцию, мы определили, что всем из низ удается установить связь между тоном и интенсивностью передачи информации об экономических процессах и фактическим уровнем инфляции.
Во второй главе данной работы мы подробно рассмотрели процесс построение индикатора настроений новостей. Мы пришли к вывод, что социальная сеть Telegram является наиболее подходящей площадкой для сбора данных, так как обладает большим охватом среди населения РФ, а каналы, представленные в данной сети, имеют, по большей части, социально политическую направленность. Мы подробно описываем процедуру подготовки данных, принцип работы алгоритма GSDMM, выбранного для тематического моделирования информации в новостных постах с целью последующего отбор сообщений экономической тематики. Также рассматриваем существующие показатели, необходимые для проверки правильности построенного индикатора.
В третье главе мы описываем результаты исследования. Мы приходим к выводу, что алгоритм GSDMM успешно справляется со своей задачей. Мы вручную отбираем 27 экономических кластеров, приводя информации о содержащихся в них словах и общем распределении сообщений по кластерам. Индекс новостных настроений мы строим в виде временного ряда с ежемесячной частотностью. Получившийся индекс мы сравниваем с двенадцатью существующими показателями и приходим к выводу, что наиболее близким к нашему индикатору является Индекс потребительских настроений, рассчитываемый ФОМом совместно с Банком России. Мы приходим к выводу, что получившийся индекс можно использовать в качестве источника информации об ожиданиях экономических агентов (в основном, потребителей). Также мы рассмотрели возможности прогнозирования на основе данного индекса и пришли к выводу, что он подходит только для прогнозирования инфляционных ожиданий.
1. Индекс безработицы // ВЦИОМ. [Б.м.], 2024. URL: https://wciom.ru/ratings/indeks- bezraboticy (дата обращения 01.04.2024);
2. Индекс восприятия инфляции // ВЦИОМ. [Б.м.], 2024. URL:
https://wciom.ru/ratings/indeksy-vosprijatija-infljacii (дата обращения 01.04.2024);
3. Индекс потребительского доверия // ВЦИОМ. [Б.м.], 2024. URL:
https://wciom.ru/ratings/indeks-potrebitelskogo-doverija (дата обращения 01.05.2024);
4. Индикатор бизнес-климата // Мониторинг предприятий: оценки, ожидания, комментарии. Банк России. - 2024. URL: https://www.cbr.ru/analytics/dkp/monitoring/0324/ (дата обращения 01.05.2024);
5. Инфляционные ожидания и потребительские настроения / Банк России. [Б.м.], - 2024. - №4 (88). URL: https://www.cbr.ru/analytics/dkp/inflationary_expectations/Infl_exp_24- 04/ (дата обращения 01.05.2024);
6. Макроэкономический опрос Банка России // Банк России. [Б.м.], - 2024. URL : https://www.cbr.ru/statistics/ddkp/mo_br/ (дата обращения 01.05.2024);
7. Аудитория Telegram. Отчет по данным Mediacope // Mediascope. [Б.м.], 2024. URL: https://mediascope.net/upload/iblock/0c1/bkercpc19h48r7e0ifzioccun2qq2zhk/Telegram_%D0% BE%D1%82%D1%87%D0%B5%D1%82_%D1%8F%D0%BD%D0%B2%D0%B0%D1%80% D1%8C2024.pdf (дата обращения 11.05.2024);
8. Грищенко В. Идентификация товаров -маркеров и влияние их цен на инфляционные ожидания российских домохозяйств / В. Грищенко, Д. Гасанова, Е. Фомин, Г. Кореняк // Серия докладов об экономических исследованиях - 2023. - № 117;
9. Кулагин Д.И. Открытый тональный словарь русского языка КартаСловСен // Компьютерная лингвистика и интеллектуальные технологии: по материалам ежегодной Международной конференции «Диалог». Москва: Издательство РГГУ. - 2021. - Выпуск 20. - С. 1106-1119. - URL: https://github.com/dkulagin/kartaslov/blob/master/README.md (дата обращения 01.04.2024);
10. Шуляк Е. Макроэкономическое прогнозирование с использованием данных социальных сетей // Деньги и кредит. - 2021 г. - № 81(4). - С. 83-89;
11. Экономика долгого времени: [Telegram-канал]. - [Б.м.], 2024. - URL:
https://t.me/s/longviewecon/1550 (дата обращения 14.04.2024);
12. Яковлева К. Оценка экономической активности на основе текстового анализа // Деньги и кредит. - 2018 г. - № 77(4). - С. 26-41;
13. Angelico C. Can We Measure Inflation Expectations Using Tw itter? / C. Angelico, J. Marcucci, M. Miccoli, F. Quarta // Bank of Italy Temi di Discussione (Working Papers). - 2021. - N 1318;
14. Ardia D. Questioning the News about Economic Growth: Sparse Forecasting Using Thousands of News-Based Sentiment Values / D. Ardia, K. Bluteau, K. Boudt // International Journal of Forecasting. - 2019. - Vol. 35(4). - P. 1370-1386;
15. Aromi J. Forecasting inflation with Twitter / J. Aromi, M. Llada // Serie Documentos de Trabajo del IIEP - 2020. - № 76. - P. 1-20;
..53