权威媒体语调与金融条件预测：基于《人民日报》的弱监督学习测度0xBlank摘要：本文基于《人民日报》全量文本语料，构建月度政策沟通指数并检验其对金融条件变化的预测增量。为兼顾经济可解释性与算法泛化能力，本文创新性地引入弱监督学习（Weakly Supervised Learning）框架，利用词典先验生成弱标签以训练分类模型，有效克服了传统词典法的覆盖不足与无监督学习的语义含混。区别于常规的样本内回归，本文采用严格的滚动样本外预测（Rolling OOS）与 Clark-West 检验，在防止前视偏差的前提下评估预测精度。实证结果显示，弱监督指数在疫情前（Pre-COVID）子样本中对短端利率变化具有显著的边际预测能力，表现优于词典及 PCA 指数；且在“四万亿”刺激等重大政策窗口期呈现出高度的方向一致性。本文展示了利用权威文本数据挖掘宏观信号的可行路径，为政策沟通研究提供了严谨的量化实证框架。关键词：政策沟通；文本分析；弱监督学习；滚动样本外预测；金融条件 一、引言 在过去二十年的宏观经济学实践中，一个显著的范式转变是：政策的影响力已不再局限于利率升降或准备金率调整等传统的“量...