Предмет. Влияние негативных новостей российских СМИ (региональных) на финансовое поведение домохозяйств в регионах страны. Цели. Поиск доказательств того, что негативная тональность новостей влияет на финансовое поведение населения (домохозяйств) в сторону потребления. Методология. Использован анализ больших данных (34 800 новостей Российской газеты за 2022 г.). Применен метод TF-IDF и машинное обучение с учителем, построена модель логической регрессии. Результаты. Проверена гипотеза о наличии негативного уклона при передаче новостей в СМИ на примере Российской газеты. Гипотеза не подтвердилась. Подтверждена гипотеза о связи негативных новостей с предпочтением домохозяйств в сторону потребления, нежели сбережений. Обнаружена одинаковая корреляция доли как негативных новостей, так и позитивных с индексом потребительской активности населения в регионах России, измеренная с помощью индексов ПАО Сбербанк. Выводы. Полученные результаты могут применяться для моделирования финансового поведения домохозяйств с тем, чтобы прогнозировать всплески потребительской и инвестиционной активности при построении финансовых моделей для целей бизнеса.
Ключевые слова: поведенческие финансы, финансовое поведение населения, контент-анализ СМИ, негативные новости, машинное обучение
Список литературы:
Яковлева К. Оценка экономической активности на основе текстового анализа // Деньги и кредит. 2018. Т. 77. № 4. С. 26–41.
Bendau A., Petzold M.B., Pyrkosch L. et al. Associations between COVID-19 related media consumption and symptoms of anxiety, depression and COVID-19 related fear in the general population in Germany. European Archives of Psychiatry and Clinical Neuroscience, 2021, vol. 271, pp. 283–291. URL: Link
Qiu J., Shen B., Zhao M. et al. A nationwide survey of psychological distress among Chinese people in the COVID-19 epidemic: implications and policy recommendations. General Psychiatry, 2020. vol. 33, iss. 2. URL: Link
Wiederhold B.K. Using social media to our advantage: alleviating anxiety during a pandemic. Cyberpsychology, Behavior, and Social Networking, 2020, vol. 23, no. 4, pp. 197–198. URL: Link
Casarin R., Squazzoni F. Being on the Field When the Game Is Still Under Way. The Financial Press and Stock Markets in Times of Crisis. PLOS ONE, 2013, vol. 8(7). URL: Link
Казун А.Д. Как экономика в новостях влияет на новости в экономике? Обзор теорий о специфике и роли экономических дискуссий в СМИ // Экономическая социология. 2017. Т. 18. № 3. С. 97–139. URL: Link
Капелюшников Р.И. Вокруг поведенческой экономики: несколько комментариев о рациональности и иррациональности // Журнал экономической теории. 2018. Т. 15. № 1. С. 359–376.
Leung D.K.K., Lee F.L.F. How Journalists Value Positive News. Journalism Studies, 2015, vol. 16, iss. 2, pp. 289–304. URL: Link
Soroka S., Fournier P., Nir L. Cross-national evidence of a negativity bias in psychophysiological reactions to news. PNAS, 2019, vol. 116, pp. 18888-18892. URL: Link
Soroka S., McAdams S. News, Politics, and Negativity. Political Communication, 2015, vol. 32, iss. 1, pp. 1–22. URL: Link
Попова О.И. Влияние цифровизации на потребительское поведение и развитие СМИ // Знак: проблемное поле медиаобразования. 2020. № 3. С. 121–127. URL: Link
Пашков С.Г. Неэкономическое устройство потребительских настроений: роль социальной укорененности в анализе изменчивости ожиданий // Экономическая социология. 2024. Т. 25. № 3. С. 183–212. URL: Link
Манахова И.В. Влияние информационных каскадов на поведение потребителя // Промышленность: экономика, управление, технологии. 2016. № 3. С. 19–22. URL: Link
Федорова Е.А., Хрустова Л.Е., Демин И.С. Влияние тональности новостей на кредитный рынок в период санкций // Экономическая наука современной России. 2021. № 1. С. 97–116. URL: Link
Афанасьев Д.О., Федорова Е.А., Рогов О.Ю. О влиянии тональности новостей в международных СМИ на рыночный курс российского рубля: текстовый анализ // Экономический журнал Высшей школы экономики. 2019. Т. 23. № 2. С. 264–289. URL: Link
Шуляк Е. Макроэкономическое прогнозирование с использованием данных социальных сетей // Деньги и кредит. 2022. Т. 81. № 4. С. 86–112.
Williams A. Metaphor, Media, and the Market. International Journal of Communication, 2013, vol. 7, pp. 1404–1417.
Liu B. Sentiment Analysis and Subjectivity. In: Handbook of Natural Language Processing, 2nd ed, Chapman and Hall, 2010, pp. 627–666.
Kan D. Rule-based approach to sentiment analysis at ROMIP 2011. URL: Link
Baccianella S., Esuli A., Sebastiani F. SentiWordNet 3.0: An enhanced lexical resource for sentiment analysis and opinion mining. Proceedings of the Seventh International Conference on Language Resources and Evaluation (LREC'10), Valletta, Malta, European Language Resources Association (ELRA), 2010, pp. 2200–2204. URL: Link
Sailunaz K., Alhajj R. Emotion and sentiment analysis from Twitter text. Journal of Computational Science, 2019, vol. 36, 101003. URL: Link
Kour H., Gupta M.K. Hybrid evolutionary intelligent network for sentiment analysis using Twitter data during COVID-19 pandemic. Expert Systems, 2024, vol. 41, iss. 3. URL: Link
Хватков В.И. Современные технологии анализа тональности текста как инструментарий поведенческих финансов // Российский экономический интернет-журнал. 2024. № 2. URL: Link
Батаева Б.С., Чеглакова Л.М., Мелитонян О.А. Социально ответственное поведение компаний малого и среднего бизнеса в России: кросс-культурные координаты Г. Хофстеде // Российский журнал менеджмента. 2020. Т. 18. № 2. С. 155–188. URL: Link
Мир человека: неопределенность как вызов / отв. ред. Г.Л. Белкина. М.: Ленанд, 2019. 520 с.
Курчеева Г.И., Копылов В.Б. Цифровизация услуг для улучшения качества социальной инфраструктуры // π-Economy. 2022. Т. 15. № 3. С. 7–21. URL: Link
Баврина А.П., Борисов И.Б. Современные правила применения корреляционного анализа // Медицинский альманах. 2021. № 3. С. 70–79. URL: Link
