金融ニュースからのセンチメント測定は、経済学と金融学において極めて重要です。既存の辞書ベースの方法は、文脈、否定、意味構造を捉える上で限界があります。本稿では、トランスフォーマーベースの言語モデルを用いた日次ニュースムード指数の作成フレームワークを紹介します。本研究は、これらのモデルが従来の辞書アプローチよりもセンチメントをより良く表現できるかどうかを評価します。Factivaから143,755件の金融ニュース記事を分析し、FinBERTを用いて文レベルでセンチメントを分類しました。これらの予測は、記事レベルおよび日次のセンチメント指標に集計されました。開発された指数は、既存のベンチマーク指標と比較されました。重要な貢献は、これらの新しい指標を人間の判断に対して検証したことです。インセンティブ付きの演習では、444人の参加者が金融ニュース記事のサブサンプルを評価しました。これらのコンセンサスによる人間の評価は、自動化された指標の外部ベンチマークとして機能しました。トランスフォーマーベースの指標は、人間の判断とのより強い一致と、センチメントカテゴリを区別する上でのより良いパフォーマンスを示しました。これらの発見は、トランスフォーマーモデルが文脈情報を組み込むことによって、金融ニュースに対する人間の評価により一致したセンチメント指標を生成することを示唆しています。