Lingchao Meng

Lingchao Meng

China School of Banking and Finance, University of International Business and Economics

Publications

English

  • Forecasting Inflation Using Economic Narratives, Journal of Business & Economic Statistics, 2024, with Yongmiao Hong, Fuwei Jiang, Bowen Xue
    • Abstract: We use economic narratives to forecast inflation with a large news corpus and machine learning algorithms. The economic narratives from the full text content of over 880,000 Wall Street Journal articles are decomposed into multiple time series representing interpretable news topics, which are then used to predict inflation. The results indicate that narrative-based forecasts are more accurate than the benchmarks, especially during recession periods. Narrative-based forecasts perform better in long-run forecasting and provide incremental predictive information even after controlling macroeconomic big data. In particular, information about inflation expectations and prices of specific goods embedded in narratives contributes to their predictive power. Overall, we provide a novel representation of economic narratives and document the important role of economic narratives in inflation forecasting.
    • Article Link
  • Certainty of Uncertainty for Asset Pricing, Journal of Empirical Finance, 2024, with Fuwei Jiang, Jie Kang
    • Abstract: Uncertainty is known to be crucial in asset pricing, yet evidence from a comprehensive analysis of various uncertainty measures remains sparse. By machine learning, we construct a novel economic uncertainty index derived from a heterogeneous range of uncertainty measures and investigate its predictability of stock returns. Our composite uncertainty index exhibits robust in- and out-of-sample predictability of stock market returns over the one- to 12-month horizon. The predictive power stems from the volatility-orthogonal components of individual uncertainty measures and becomes more pronounced during high uncertainty and high sentiment periods. The predictability of our economic uncertainty index aligns with theoretical frameworks linking uncertainty to future investment, cash flows, and market expectations.
    • Article Link

Chinese

  • 大语言模型、文本情绪与金融市场. 管理世界，2024，与 姜富伟，刘雨旻 合作
    • 摘要：“人工智能+”行动是发展新质生产力的重要途径，其在金融领域的应用有助于金融强国建设。本文创新性地融合结构化金融市场数据和非结构化金融文本大数据，并结合中国特色金融市场的独特特征，训练了一个更适用于我国金融领域的中文金融大语言模型，并开展金融市场情绪测度和资产价格风险预测。研究发现，与传统字典法相比，使用中文金融大语言模型构建的大模型情绪在金融市场回报预测方面表现显著更佳。大模型情绪对很多宏观经济变量也有显著预测能力，能够捕捉非理性情绪冲击对宏观经济基本面的影响。大模型情绪在经济下行和极端风险事件期间的预测效果更强，契合了金融理论中非理性情绪对金融市场和宏观经济会产生非对称与非线性影响的结果。综上，本研究展现了“人工智能+”行动在我国金融领域应用落地的潜在技术路径和理论逻辑。
    • 被《国际货币评论》2024年第9期（中国人民大学国际货币研究所内部刊物）全文转载
  • 防风险背景下的金融稳定沟通：基于银行系统性风险的视角. 世界经济，2024，与 姜富伟，李梦如 合作
    • 摘要：防范系统性金融风险对于维护金融和经济稳定安全至关重要。本文从中国人民银行网站收集了2010至2020年所有金融稳定沟通文本，然后使用情感词典法构建金融稳定沟通指数，并基于A股上市商业银行数据，研究金融稳定沟通防范银行系统性风险的效果。本文发现正面的沟通会导致银行系统性风险下降，作用机制为：正面沟通一方面可以引导和协调存款人预期，避免银行挤兑发生，有利于降低银行的流动性风险；另一方面可以稳定金融市场，提高借款企业偿债能力，有利于降低银行的信用风险。此外，正面沟通还可以减弱银行间的风险传染，然而当正面沟通超出一定临界值后可能会提高系统性风险。本文研究凸显了加强预期管理的重要性，对于央行借助以金融稳定沟通为代表的预期管理政策工具防范系统性风险具有参考价值。
  • 调预期、防风险：央行金融稳定沟通效果研究——基于文本分析的视角，经济学（季刊），2024，已接收，与 姜富伟，李梦如 合作
    • 摘要：在双支柱调控框架下，金融稳定成为与经济稳定并重的政策目标。本文利用Word2Vec算法构建了一款金融稳定词典，从而测度了金融稳定沟通的文本情绪。实证发现金融稳定沟通能够提高股票回报并降低波动，表明其能够引导市场预期并降低市场风险，有助于保障金融稳定。金融稳定沟通可以通过信号渠道引导投资者预期，同时通过协同渠道减少投资者信念异质性。本文构建的金融稳定词典填补了国内该领域研究的空白，同时本文结论对于央行如何使用金融稳定沟通调控预期和防范风险具有重要的理论和现实意义。
  • 媒体文本情绪与股票回报预测. 经济学（季刊），2021，与姜富伟, 唐国豪合作
    • 摘要：本文在 Loughran and MacDonald (2011) 词典的基础上通过人工筛选和 word2vec 算法扩充，构建了一个更新更全面的中 文金融情感词典。我们使用该情感词典计算我国财经媒体文本情绪指标，发现媒体文本情绪可以更准确地衡量我国股市投资者情绪的变化，对我国股票回报有显著的样本内和样本外预测能力。媒体文本情绪对一些重要的宏观经济指标也有显著的预测能力，具有重要的学术和实践应用价值。

Working Papers

English

Chinese

  • 政策沟通、市场预期与金融稳定：来自证券监管的证据，与 姜富伟，刘雨旻，洪永淼 合作
  • 基于机器学习的实证资产定价研究进展，与 李俊成 合作
  • 金融监管政策的实体经济风险治理效应——基于资管新规的准自然实验 与 姜富伟，李梦如 合作