Построение высокочастотного медиаиндикатора региональной экономической активности на основе анализа публикаций СМИ с применением больших языковых моделей

Построение высокочастотного медиаиндикатора региональной экономической активности на основе анализа публикаций СМИ с применением больших языковых моделей

В условиях систематических задержек официальной статистики возникает необходимость поиска альтернативных инструментов. В работе предложен метод оценки экономической активности регионов РФ через анализ публикаций в СМИ, при котором с помощью LLM (GigaChat) осуществляется классификация новостей и определение их тональности.

Эффективность денежно-кредитной политики, утверждают во введении авторы, зависит от оперативности получения данных. Традиционные макропоказатели (ВВП, промышленное производство) являются эталоном, но их значительное запаздывание мешает быстрому реагированию регуляторов и бизнеса на рыночные шоки. Проблема усугубляется на региональном уровне, где федеральная статистика не учитывает локальную специфику и быстрые изменения конъюнктуры. Для компенсации временных лагов необходимы индикаторы, работающие в режиме реального времени. Авторы выдвигают гипотезу, по которой массив новостных публикаций региональных СМИ содержит структурированный сигнал об экономической динамике. Проверка этого предположения и является целью настоящего исследования.

Методика исследования включает два блока: классификацию новостей и построение индекса экономической активности. Начальный этап посвящен формированию массива текстов и фильтрации эмпирических данных. С помощью веб-скрейпинга (библиотеки Requests и BeautifulSoup) авторами собран корпус из 100 000 публикаций региональных СМИ Ставропольского края за 2022–2025 гг. Короткие тексты и дубликаты, уточняют ученые, из полученной выборки были исключены.

Для анализа текстов и осуществления их тематической классификации был выбран индекс выпуска товаров и услуг (ИБВЭД). Чтобы избежать трудоемкой ручной разметки, авторы прибегли к использованию модели zero-shot классификации MoritzLaurer/xlm-v-base-mnli-xnli. Это позволило распределить тексты по укрупненным отраслям без предварительного обучения. При пороге вероятности 0,5 точность классификации, подтвержденная экспертами, составила ~80%. В результате авторами была сформирована итоговая выборка из 8 000 релевантных публикаций (7,5% от исходного массива), для оценки тональности которых была использована LLM GigaChat.

Полученные авторами результаты позволили, прежде всего, судить о динамике отраслевой тональности. Анализ показал преобладание позитивной повестки в региональных СМИ (точность классификации — 78%). Наиболее стабильно высокие индексы (0,6–0,8) характерны для сельского хозяйства и строительства. В промышленности наблюдается снижение позитива во второй половине 2024–2025 гг., в торговле — постепенное ослабление фона. Сектор транспорта отличается высокой волатильностью. В целом медиаповестка соответствует отраслевой структуре региона.

Во-вторых, были получены характеристики интегрального индикатора IBVEDMedia, продемонстрировавшие циклическую динамику в отрицательной зоне. В 2023 г. индекс снижался на фоне обсуждения инфляционных рисков, в 2024 г. стабилизировался, а в 2025 г. стал волатильным из-за роста числа негативных публикаций во всех отраслях.

В-третьих, при сравнении с официальными данными индекс IBVEDMedia продемонстрировал умеренную корреляцию, что, согласно авторам, подтверждает связь информационного фона с реальной экономикой. Проверка на опережающий характер показателя через временные лаги не выявила устойчивого роста корреляции, которая варьируется в диапазоне 0,40–0,80.

Переходя к выводам, авторы утверждают: в ходе проведенного ими исследования разработан высокочастотный медиаиндикатор экономической активности региона на основе анализа новостных публикаций с применением методов NLP и LLM. Сформированный методический подход включает сбор данных, тематическую классификацию по секторам экономики, оценку тональности через большие языковые модели и агрегирование результатов в показатель IBVEDMedia.

Эмпирическая проверка на материалах Ставропольского края подтвердила, что региональные СМИ содержат значимую информацию о состоянии экономики, но при этом, подчеркивают авторы, в целом издания склонны к фиксации позитивных событий. Статистическая взаимосвязь IBVEDMedia с официальным ИБВЭД позволяет использовать разработанный индикатор как дополнительный оперативный источник данных.

Полученные результаты, по мнению исследователей, доказывают эффективность LLM для извлечения экономических смыслов из текстов. Для полноценного позиционирования показателя как инструмента наукастинга необходимо проведение псевдовыборочных экспериментов в реальном времени. Перспективными направлениями являются создание баз данных в реальном времени и апробация новых языковых моделей, убеждены авторы.

Источник.