金融稳定风险由两个不同组成部分构成：脆弱性与可能的触发事件。尽管在脆弱性度量方面已取得显著进展，但对可能触发事件的评估仍主要依赖定性方法。为填补这一空白，我们利用大语言模型，从 2005 年至 2026 年间的大量金融新闻文章中提取潜在触发事件的严重程度与发生概率（SPOT）信息。SPOT 指标在重大历史触发事件发生前有所上升，能够准确识别触发来源，并有助于提升对经济下行风险的前瞻性模型估计。结果表明，基于人工智能的文本信号提取是改善金融稳定风险监测的一条有前景的途径。