금융 안정성 위험은 취약성과 가능한 트리거 이벤트라는 두 가지 별개의 구성 요소로 이루어져 있습니다. 취약성 측정에 상당한 진전이 있었지만, 가능한 트리거 이벤트 평가는 여전히 대체로 질적인 수준에 머물러 있습니다. 이 격차를 해소하기 위해 우리는 대규모 언어 모델을 사용하여 2005년부터 2026년까지의 방대한 금융 뉴스 기사 데이터셋에서 잠재적 트리거 이벤트의 심각도 및 확률(SPOT)에 대한 정보를 추출합니다. SPOT 지표는 주요 역사적 트리거 이벤트에 앞서 증가하며, 트리거 소스를 정확하게 식별하고 경제에 대한 하방 위험의 미래 예측 모델 추정치를 개선하는 데 도움이 됩니다. 결과는 텍스트에서 AI 기반 신호 추출을 사용하는 것이 금융 안정성 위험 모니터링을 개선하는 유망한 경로가 될 수 있음을 시사합니다.