在本研究中,我们表明,来自全球事件、语言和语调数据库 (GDELT) 的变量传达了重要的信息内容,在对美国股票市场进行建模时,这些信息内容可以改进纯宏观经济方法。基于这些指标,我们构建了时间序列,表示和衡量一些似乎相互对抗的叙述在当前市场环境中如何变化。也就是说,我们能够评估咆哮的 20 年代、回到 70 年代、长期停滞和货币经济叙述的强度,但我们也添加了与环境或社会方面相关的热门社会叙述,以及地缘政治风险叙述。我们正式化了一个信息内容框架,并表明在确定股市走势时,包括转化为定性故事的定量信号会带来附加价值。事实上,除了其基础变量具有更高的解释力之外,叙述还可以改善标准宏观经济模型的多样化并提高其质量。因此,我们的研究结果主张密切监测金融市场的叙述。