金融安定性リスクは、脆弱性と潜在的なトリガーイベントという2つの異なる要素で構成されています。脆弱性の測定に関してはかなりの進歩が見られますが、潜在的なトリガーイベントの評価は依然として大部分が定性的です。このギャップを埋めるために、私たちは大規模言語モデルを使用して、2005年から2026年までの金融ニュース記事の大規模データセットから、潜在的なトリガーイベントの深刻度と確率（SPOT）に関する情報を抽出します。SPOTインジケーターは、主要な歴史的トリガーイベントの前に上昇し、トリガーソースを正確に特定し、経済に対する下方リスクの将来予測モデルの推定を改善するのに役立ちます。結果は、テキストからのAIベースのシグナル抽出の使用が、金融安定性リスクの監視を改善するための有望な道筋となり得ることを示しています。