从财经新闻中测量情感对于经济学和金融学至关重要。现有的基于词典的方法在捕捉语境、否定词和语义结构方面存在局限。本文提出了一种利用基于 Transformer 的语言模型构建每日新闻情绪指数的框架。本研究评估了这些模型是否比传统词典方法更能准确表征情感。研究分析了来自 Factiva 的 143,755 篇财经新闻文章，使用 FinBERT 在句子层面进行情感分类，随后将这些预测聚合为文章层面和日度的情感指标。所开发的指数与现有基准指标进行了比较。一项重要贡献是对这些新指标进行了基于人类判断的验证。一项激励性任务涉及 444 名参与者，他们对财经新闻文章的一个子样本进行评分。这些共识性的人类评分作为自动化测量的外部基准。基于 Transformer 的测量方法表现出与人类判断更强的吻合度，并在区分情感类别方面具有更优的性能。研究结果表明，通过融入语境信息，Transformer 模型生成的情感指标与人类对财经新闻的情感评估更为一致。