يك رويكرد يادگيري ماشين براي شناسايي انواع مختلف عدم قطعيت

در اين پژوهش تكنيك‌هاي پردازش زبان طبيعي را براي استخراج معيارهاي عدم قطعيت از كتاب‌هاي بورس سيستم فدرال رزرو بانكي امريكا بين سال‌هاي 1970 و 2018 پياده‌سازي مي‌كنيم. عدم قطعيت تجاري و اقتصادي با ضعف در آينده، بيكاري بيشتر، و حق بيمه مدت بالا مرتبط است. از سوي ديگر، عدم قطعيت سياسي و دولتي، اگرچه در چند سال اخير بالا بوده، اما تأثير آماري معناداري بر اقتصاد نداشته است. هنگامي كه سيستم فدرال رزرو در مورد مسير نرخ بهره شفافيت بيشتري ارائه مي‌دهد، حق بيمه مدت دار در اوراق قرضه بلندمدت كاهش مي‌يابد و فعاليت اقتصادي افزايش مي‌يابد. اگرچه عدم قطعيت در ايالات متحده در اين چند سال گذشته بالا مانده است، روش شناسي ما نشان مي‌دهد كه اين به احتمال زياد به سياست و دولت مربوط مي‌شود و بر سلامت كلي اقتصاد، با اثرات ناچيز بر فعاليت اقتصادي مربوط نيست. اين يافته با جداسازي اخير برخي معيارهاي عدم قطعيت و شرايط مالي عمومي مشاهده شده در ايالات متحده مطابقت دارد. پيشنهاد ما اين است كه همراه با كمي كردن عدم قطعيت، تشخيص نوع عدم قطعيتي كه اندازه‌گيري مي‌شود نيز مهم است.