基于文本分析的首席经济学家信心指数的构建与宏观预测

背景：后疫情时代中国经济面临结构调整与多重风险，传统官方经济学家信心指数存在发布慢、成本高、更新不及时的局限性。研究目的：利用自然语言处理技术（TextRank+FinBERT）基于首席经济学家论坛文本构建高频、低成本的月度信心指数，并评估其对宏观经济的预测能力。结论：构建的指数与官方指数走势一致且更及时，作为景气指标优于其他主体信心指数，能显著提升对工业产值、消费等七大宏观经济变量10%-40%的样本外预测准确率，为经济监测提供了智能化解决方案。