Financial Sentiment Dictionary

本文旨在利用台灣的財經新聞文本，建立分類模型以篩選出台灣慣用的新聞字詞，並透過大型語言模型 (LLMs) 的協助，對這些新聞詞彙進行檢視、擴充以及情緒分類的確認。不同於既有文獻，本文還針對「景氣」、「貨幣政策」、「利率」等特定財經議題建構分類字詞，以填補這方面的不足。經過一系列的篩選，我們選出 7,814 個財經情緒詞彙；經過比對，有 1/4 以上的財經慣用詞彙並未收錄於現有的情緒字典中。若以中央銀行公佈的會議新聞稿為樣本外的文本，以 LLMs 的分類結果為標準，比較不同字典的情緒分類精確度可以發現，本文的財經情緒字典在運算時間與成本上較 LLMs 更具優勢，而在分類的精確度雖不及 LLMs，確優於現有的情緒字典。此外，我們也發現，依本文所編製的情緒字典來建構情緒指標，該指標對許多台灣總體經濟變數有顯著的解釋能力與預測力，其表現均優於現有字典所建構的指標內容。最後，我們也觀察到，依據不同議題所建構的分類詞彙與情緒指標，能更細緻捕捉文本中的語意差異，進一步提升文字資料轉化為數據的內涵。