Exploring unconventional approaches

Shugliashvili, Teona (2025): Exploring unconventional approaches: applications of text analysis in economics. Dissertation, LMU München: Volkswirtschaftliche Fakultät

Abstract

Chapter 1 This study investigates the influence of U.S. dollar-related news on EUR/USD and GBP/USD exchange rates using a novel hybrid news-fundamentals-based VAR model applied to 18 years of monthly data. Leveraging Latent Dirichlet Allocation (LDA) we identify the top 5 U.S. dollar-related news topics, quantify attention they receive over time using Shannon’s entropy, and integrate these news-generated metrics with news-constructed economic uncertainty indices and Taylor rule fundamentals into the VAR model. Through impulse-response analysis and forecast error decomposition, we examine how exchange rates react to shocks from the identified U.S. Dollar-related news topics and economic uncertainty identified by the news. Our findings reveal that U.S. Dollar-related news and economic uncertainty news account for 25-27% of long-term exchange rate variation. Combining news attention metrics with macroeconomic fundamentals enhances exchange rate identification, outperforming the models that rely solely on the Taylor rule or news variables. This study provides valuable insights into exchange rate dynamics, benefiting governments, central banks, international trade entities, investors, financial markets participants, and academia. Chapter 2 This study investigates the financing decisions within German SMEs, examining firm-specific, macroeconomic, and news-related determinants. Utilizing a 10-year dataset encompassing 13,051 SMEs, we employ a dynamic panel data model with an unbiased Dynamic Panel Fractional (DPF) estimator to identify the key variables influencing the debt-to-equity ratio. The findings underscore the importance of factors such as the non-debt tax shield, firm size, interest rate spread, and the economic policy uncertainty index. The study’s findings propose the following policy implications: 1. Policy initiatives targeting firm size and non-debt tax shields affect SME leverage. 2. Policies addressing the term spread and economic uncertainty influence debt levels across various industries in Germany. 3. Industry-specific SME policies are advisable, due to the significant industry effects on German SME leverage. 4. External shocks exert short-term effects on the capital structures of German SMEs, as they adjust their leverage within an eight-month period. Chapter 3 This study advances the field of nowcasting GDP by introducing an innovative approach that meticulously preprocesses news media data and integrates it with lagged traditional economic variables to form a factor for nowcasting GDP. The research involves processing 14 years of news articles related to German GDP using advanced text preprocessing techniques, including a specific Boolean filtering method to exclude past-related sentences. It employs Latent Dirichlet Allocation (LDA) with comprehensive fine-tuning to probabilistically assign topics to preprocessed news texts. These topic frequencies are converted into time series and adjusted by polarity measures. The tone-adjusted topic frequency time series are then utilized as dynamic factors to model GDP dynamics. Our findings demonstrate that our monthly news-driven model outperforms the widely recognized Ifo Business Climate Index in GDP nowcasting, with a nowcasting RMSFE of 0.52 in the period from Q1 2010 and Q3 2023 and out-of-sample forecasting RMSFE of 0.04 percentage points. Our model, with nowcasting RMSFE of 0.23 and a forecasting RMSFE of 0.04 percentage points in the period from 2012Q1 and 2019Q3, demonstrates superior nowcasting and forecasting performance compared to prominent models of GDP nowcasting with prominent GDP nowcasting indicators documented in Lehmann and Reif (2021). Incorporating news data into our model in a refined manner, significantly improves the accuracy of GDP predictions, underscoring the value of unconventional data sources for economic forecasting.

Abstract

Kapitel 1 Diese Studie untersucht den Einfluss von Nachrichten zum US-Dollar auf die Wechselkurse von EUR/USD und GBP/USD unter Verwendung eines neuartigen hybriden, nachrichten- und fundamentaldatenbasierten VAR-Modells, das auf 18 Jahre monatlicher Daten angewendet wird. Mithilfe der Latent Dirichlet Allocation (LDA) identifizieren wir die fünf wichtigsten US-Dollar-bezogenen Nachrichtenthemen, quantifizieren die Aufmerksamkeit, die sie im Zeitverlauf erhalten, mithilfe der Shannon-Entropie und integrieren diese nachrichtenbasierten Kennzahlen mit wirtschaftlichen Unsicherheitsindizes, die aus Nachrichten generiert wurden, sowie mit fundamentalen Faktoren der Taylor-Regel in das VAR-Modell. Durch Impuls-Antwort-Analyse und Prognosefehlerzerlegung untersuchen wir, wie Wechselkurse auf Schocks aus den identifizierten US-Dollar-bezogenen Nachrichtenthemen und der durch Nachrichten erfassten wirtschaftlichen Unsicherheit reagieren. Unsere Ergebnisse zeigen, dass US-Dollar-bezogene Nachrichten und Nachrichten zur wirtschaftlichen Unsicherheit 25-27 % der langfristigen Wechselkursvariation ausmachen. Die Kombination von Nachrichtenaufmerksamkeitsmetriken mit makroökonomischen Fundamentaldaten verbessert die Identifikation von Wechselkursbewegungen und übertrifft Modelle, die sich ausschließlich auf die Taylor-Regel oder Nachrichtenvariablen stützen. Diese Studie liefert wertvolle Einblicke in Wechselkursdynamiken und ist für Regierungen, Zentralbanken, internationale Handelsakteure, Investoren, Teilnehmer an Finanzmärkten und die Wissenschaft von Bedeutung. Kapitel 2 Diese Studie untersucht die Finanzierungsentscheidungen deutscher KMU und analysiert unternehmensspezifische, makroökonomische und nachrichtenbezogene Einflussfaktoren. Unter Verwendung eines 10-jährigen Datensatzes mit 13.051 KMU setzen wir ein dynamisches Panel-Datenmodell mit einem unverzerrten Dynamic Panel Fractional (DPF)-Schätzer ein, um die wichtigsten Variablen zu identifizieren, die das Verhältnis von Fremd- zu Eigenkapital beeinflussen. Die Ergebnisse heben die Bedeutung von Faktoren wie dem steuerlichen Abschreibungsvorteil (Non-Debt Tax Shield), der Unternehmensgröße, dem Zinsaufschlag und dem Index zur wirtschaftspolitischen Unsicherheit hervor. Die Studie schlägt folgende wirtschaftspolitische Implikationen vor: Politische Maßnahmen zur Steuerung der Unternehmensgröße und des steuerlichen Abschreibungsvorteils beeinflussen die Verschuldung von KMU. Politiken zur Regulierung der Zinsstruktur und der wirtschaftlichen Unsicherheit haben Auswirkungen auf die Schuldenniveaus in verschiedenen Branchen in Deutschland. Branchenspezifische KMU-Politiken sind ratsam, da die Branchenzugehörigkeit einen erheblichen Einfluss auf die Kapitalstruktur deutscher KMU hat. Externe Schocks haben kurzfristige Auswirkungen auf die Kapitalstruktur deutscher KMU, da sie ihre Verschuldung innerhalb eines Zeitraums von acht Monaten anpassen. Kapitel 3 Diese Studie leistet einen Beitrag zur Echtzeit-Schätzung des BIP (Nowcasting), indem sie einen innovativen Ansatz vorstellt, der Nachrichtenmediendaten sorgfältig vorverarbeitet und mit verzögerten traditionellen Wirtschaftsvariablen kombiniert, um einen Faktor für das Nowcasting des BIP zu schaffen. Die Forschung umfasst die Verarbeitung von 14 Jahren an Nachrichtenartikeln zum deutschen BIP unter Anwendung fortschrittlicher Textvorverarbeitungstechniken, einschließlich einer spezifischen Booleschen Filtermethode, um vergangenheitsbezogene Sätze auszuschließen. Es wird Latent Dirichlet Allocation (LDA) mit umfassender Feinabstimmung eingesetzt, um Themen probabilistisch zu den vorverarbeiteten Nachrichtentexten zuzuweisen. Diese Themenfrequenzen werden in Zeitreihen umgewandelt und durch Polarisationsmaße angepasst. Die tonangepassten Themenfrequenz-Zeitreihen werden dann als dynamische Faktoren zur Modellierung der BIP-Dynamik genutzt. Unsere Ergebnisse zeigen, dass unser monatliches, nachrichtengetriebenes Modell das weithin anerkannte Ifo-Geschäftsklimaindex-Modell beim Nowcasting des BIP übertrifft, mit einem Nowcasting-Fehlerradius (RMSFE) von 0,52 für den Zeitraum von Q1 2010 bis Q3 2023 und einem Prognosefehler von 0,04 Prozentpunkten. Unser Modell zeigt mit einem Nowcasting-RMSFE von 0,23 und einem Prognose-RMSFE von 0,04 Prozentpunkten für den Zeitraum von Q1 2012 bis Q3 2019 eine überlegene Leistungsfähigkeit im Vergleich zu prominenten BIP-Nowcasting-Modellen, die in Lehmann und Reif (2021) dokumentiert wurden. Die Integration von Nachrichten in unser Modell auf eine verfeinerte Weise verbessert die Genauigkeit der BIP-Prognosen erheblich und unterstreicht den Wert unkonventioneller Datenquellen für die wirtschaftliche Vorhersage.

• Dokumententyp: Dissertationen (Dissertation, LMU München)
• Keywords: Foreign Exchange, News Media, Machine Learning, Natural Language Procession (NLP), SME Policy, Debt-to-Equity Ratio, Text-Driven Risk Analysis, Economic Policy Uncertainty, Dynamic Panel Data, financing decisions, GDP Nowcasting, Business Cycles, News Media Analysis, Topic Modeling, Sentiment-Adjusted Forecasting, Economic Predictions
• Themengebiete: 300 Sozialwissenschaften ; 300 Sozialwissenschaften > 330 Economics
• Fakultäten: Volkswirtschaftliche Fakultät
• Sprache der Hochschulschrift: Englisch
• Datum der mündlichen Prüfung: 14. Januar 2025
• 1. Bericht­erstatter:in: Peichl, Andreas