Ruhr Economic Papers

Ruhr Economic Papers #921

The Investment Narrative – Improving Private Investment Forecasts with Media Data

von Boris Blagov, Henrik Müller, Carsten Jentsch und Torsten Schmidt

09/2021, 30 S./p., 8 Euro, ISBN 978-3-96973-067-6

download

Zusammenfassung

Die Unternehmensinvestitionen in Deutschland waren nach der Finanzkrise über einen längeren Zeitraum hinweg relativ schwach. Dies war bemerkenswert, da sich die Zinssätze und die gesamtwirtschaftliche Aktivität, wichtige Determinanten der Unternehmensinvestitionen, in dieser Zeit recht günstig entwickelten. Dies macht deutlich, dass die Dynamik von Konjunkturzyklen im Laufe der Zeit variiert: Jeder Zyklus ist etwas anders. Ein vielversprechender neuer Forschungszweig zur Ermittlung der treibenden Faktoren von Konjunkturzyklen ist die Verwendung von Narrativen (Shiller 2017, 2020). Weit verbreitete Narrative erfassen Erwartungen und Überzeugungen über die Funktionsweise der Wirtschaft, die das wirtschaftliche Verhalten, z. B. Investitionsentscheidungen, beeinflussen können. In diesem Beitrag wird die Latent-Dirichlet-Allokation (LDA) verwendet, um Themen aus Nachrichten(text)daten im Zusammenhang mit Unternehmensinvestitionen in Deutschland zu identifizieren und geeignete Indikatoren daraus zu konstruieren. Dabei konzentrieren wir uns auf die Isolierung von Investitionsthemen, die das Potenzial haben, die Vorhersageleistung empirischer Modelle zu verbessern. Es zeigt sich, dass Zeitungsdaten wichtige Informationen sowohl über die zukünftige Entwicklung der Investitionen (Prognose) als auch über die aktuelle Entwicklung (Nowcasting) enthalten. Darüber hinaus ermöglicht das ermittelte Investitionsnarrativ dem Prognostiker ein besseres Verständnis des Investitionsprozesses im Allgemeinen und erlaubt es, exogene Entwicklungen sowie die wirtschaftliche Stimmung, Nachrichten und andere relevante Ereignisse in die Analyse und Prognose einzubeziehen.

JEL-Classification: C53, C82, E32

Keywords: Narrative economics; mixed-frequency; nowcasting via media data

Hoch