Banking crisis prediction: exploring the role of text-based indicators

Abstract

We study text indicators to improve banking crisis forecasts. Using newspaper headlines from 18 countries over 1950-2019, we apply latent dirichlet allocation (lDA) to extract topic frequencies summarising the economic news written about a country. Including these variables in a logit model, we find significant improvement in predicting banking crises, but there is evidence that this is due to random chance, and results are not replicated using random forests. This runs counter to findings from other authors, suggesting that lDA may be over-sensitive to specification. Thus, further research should refine the lDA process, to establish a standardised approach across research.

Estudiamos indicadores basados en texto para mejorar la predicción de crisis bancarias. Usando titulares periodísticos de 18 países durante 1950-2019, aplicamos la asignación latente de Dirichlet (lDA) para extraer frecuencias sobre temas latentes en las noticias. Incluyéndolas en un modelo logit, encontramos una mejora significativa en el rendimiento, pero hay indicios de que puede ser debido al azar. Además, los resultados no se replican utilizando random forests. Al contradecir los resultados de otros autores, sugerimos que lDA puede ser sensible a su especificación. En futuras investigaciones se debería estandarizar el proceso lDA para establecer un marco común en éstas.