یک رویکرد یادگیری ماشین برای شناسایی انواع مختلف عدم قطعیت

در این پژوهش تکنیک‌های پردازش زبان طبیعی را برای استخراج معیارهای عدم قطعیت از کتاب‌های بورس سیستم فدرال رزرو بانکی امریکا بین سال‌های 1970 و 2018 پیاده‌سازی می‌کنیم. عدم قطعیت تجاری و اقتصادی با ضعف در آینده، بیکاری بیشتر، و حق بیمه مدت بالا مرتبط است. از سوی دیگر، عدم قطعیت سیاسی و دولتی، اگرچه در چند سال اخیر بالا بوده، اما تاثیر آماری معناداری بر اقتصاد نداشته است. هنگامی که سیستم فدرال رزرو در مورد مسیر نرخ بهره شفافیت بیشتری ارائه می‌دهد، حق بیمه مدت دار در اوراق قرضه بلندمدت کاهش می‌یابد و فعالیت اقتصادی افزایش می‌یابد. اگرچه عدم قطعیت در ایالات متحده در این چند سال گذشته بالا مانده است، روش شناسی ما نشان می‌دهد که این به احتمال زیاد به سیاست و دولت مربوط می‌شود و بر سلامت کلی اقتصاد، با اثرات ناچیز بر فعالیت اقتصادی مربوط نیست. این یافته با جداسازی اخیر برخی معیارهای عدم قطعیت و شرایط مالی عمومی مشاهده شده در ایالات متحده مطابقت دارد. پیشنهاد ما این است که همراه با کمی کردن عدم قطعیت، تشخیص نوع عدم قطعیتی که اندازه‌گیری می‌شود نیز مهم است.