📈 economics

From Headlines to Assembly Lines: Constructing a Manufacturing Economic Policy Uncertainty Index

Este artículo construye un nuevo índice mensual de la Incertidumbre de la Política Económica Manufacturera para los Estados Unidos (1985–2025) utilizando un enfoque híbrido de auditoría humana y aprendizaje automático, revelando que si bien las tendencias de la incertidumbre industrial y macroeconómica son similares, la incertidumbre específica de la manufactura se correlaciona de manera única e inversamente con la confianza del consumidor y la producción, ofreciendo a los responsables de la formulación de políticas una herramienta refinada para evaluar los impactos de las políticas en el sector de la producción.

Autores originales: Simran Kahai, Aksh Dantal

Publicado 2026-07-29

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Simran Kahai, Aksh Dantal

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina la economía como una ciudad gigante y bulliciosa. En esta ciudad, todo el mundo está constantemente escuchando la radio, viendo las noticias y leyendo los periódicos para entender qué está pasando. A veces, la noticia es clara: "El sol brilla y las carreteras están abiertas". Pero otras veces, la radio está llena de estática y los presentadores de las noticias discuten sobre si un puente podría colapsar mañana o si los semáforos están a punto de cambiar. Esta confusión se llama incertidumbre. Cuando la gente no está segura de lo que el gobierno va a hacer con los impuestos, las reglas o el comercio, se pone nerviosa. Pueden dejar de construir casas nuevas, dejar de comprar coches nuevos o dejar de prestar dinero a sus amigos. Este nerviosismo es algo real que los economistas estudand, y lo llaman Incertidumbre de la Política Económica (EPU, por sus siglas en inglés). Piensa en ello como si una niebla se hubiera instalado en la ciudad; cuando la niebla es espesa, nadie sabe hacia dónde conducir, por lo que el tráfico se ralentiza. Durante mucho tiempo, los economistas tuvieron un único y gigante medidor de niebla que medía qué tan confundida estaba la ciudad entera. Pero se dieron cuenta de algo importante: una panadería podría estar preocupada por los precios de la harina, mientras que una fábrica de coches podría estar aterrorizada por los aranceles del acero. El gran medidor de niebla no podía distinguir entre la preocupación del panadero y el pánico de la fábrica. Ahí es donde entra esta nueva investigación, intentando construir un medidor de niebla especial solo para las fábricas.

Los investigadores de este artículo, Simran Kahai y Aksh Dantal, decidieron construir una herramienta totalmente nueva llamada Índice de Incertidumbre de la Política Económica Manufacturera (M_EPU). Su objetivo era ver si podían medir la "niebla" específicamente para el sector manufacturero —los lugares donde las materias primas como el metal y el plástico se transforman en nuevos productos como coches, electrodomésticos y maquinaria—. Sabían que las fábricas son diferentes de otros negocios. Necesitan enormes cantidades de dinero para construir maquinaria por adelantado, dependen de largas cadenas de proveedores y son muy sensibles a las reglas gubernamentales. Así que la gran pregunta era: ¿Se asusta el sector manufacturero por las noticias de una manera diferente al resto de la economía?

Para responder a esto, el equipo creó un sistema de detective digital. Comenzaron con una biblioteca masiva de artículos de prensa de 1985 a 2025. Primero, utilizaron un equipo de lectores humanos para encontrar algunas palabras clave que señalan la "manufactura", como "planta" o "producción". Luego, enseñaron a un algoritmo informático (un tipo de aprendizaje automático) a leer miles de artículos y a aprender cuáles hablaban realmente de fábricas y cuáles solo usaban esas palabras por accidente. La computadora se volvió muy buena en esto, aprendiendo a distinguir con alta precisión. Finalmente, combinaron esta nueva lista de palabras de "manufactura" con las listas originales de palabras utilizadas para medir la incertidumbre económica general (palabras sobre la "Economía", la "Política" y la "Incertidumbre"). Si un artículo mencionaba la manufactura y además hablaba de políticas económicas inciertas, la computadora lo contaba. Hicieron esto para cada mes durante 40 años para crear su nuevo índice.

¿Qué encontraron? Los resultados sugieren que el sector manufacturero tiene, de hecho, su propia personalidad única en lo que respecta a la preocupación. Aunque el nuevo índice M_EPU se mueve de forma algo similar al antiguo índice EPU general (como dos amigos caminando en la misma dirección), no siempre dan los mismos pasos. El artículo sugiere que el índice de manufactura reacciona de manera mucho más aguda a eventos específicos, como los choques arancelarios de principios de 2025, que el índice general. De hecho, el nuevo índice alcanzó un valor máximo de 1007.73 en abril de 2025, mientras que el índice general era más bajo, lo que sugiere que las fábricas estaban mucho más inquietas que el resto de la economía durante ese tiempo.

Los investigadores también observaron cómo estos "niveles de miedo" afectaban el comportamiento en el mundo real. Encontraron que cuando la incertidumbre manufacturera (M_EPU) subía, la cantidad real de cosas que las fábricas producían bajaba. Esto tiene sentido: si el dueño de una fábrica tiene miedo de las nuevas reglas, podría esperar para comprar maquinaria nueva. Sin embargo, el índice de incertidumbre económica general mostró un patrón opuesto y extraño en sus datos, sugiriendo un vínculo positivo con la producción, algo que los autores señalan como sorprendente y que requiere más estudio. También descubrieron que la confianza de la gente común en la economía se veía más afectada por la incertidumbre general que por las noticias específicas de la manufactura.

En resumen, este artículo sugiere que no podemos limitarnos a mirar un solo número grande para entender cómo se siente la economía. El suelo de la fábrica tiene sus propias ansiedades específicas que se pierden en el ruido de las noticias generales. Al construir este nuevo índice especializado, los autores proporcionan una imagen más clara de cómo la incertidumbre de las políticas viaja desde los titulares hasta las líneas de ensamblaje, ralentizando potencialmente la producción de formas que un informe económico general podría pasar por alto. Es un recordatorio de que, si bien toda la ciudad puede estar bajo la niebla, las fábricas suelen estar en la parte más densa de la bruma.

Resumen Técnico: De los titulares a las líneas de montaje: Construcción de un índice de incertidumbre de la política económica del sector manufacturero

Planteamiento del problema
La literatura existente sobre la Incertidumbre de la Política Económica (EPU, por sus siglas en inglés), establecida principalmente por Baker et al. (2016), se basa en índices macroeconómicos agregados derivados de la frecuencia de palabras en periódicos. Si bien estos son efectivos para medir una incertidumbre nacional generalizada, estos índices carecen de la granularidad necesaria para capturar la exposición diferencial a la incertidumbre en sectores económicos específicos. El sector manufacturero, caracterizado por una alta inversión de capital inicial, la dependencia de cadenas de suministro complejas y una participación regulatoria directa, enfrenta dinámicas únicas que pueden divergir de la economía en general. El artículo identifica un vacío en la literatura: la ausencia de un índice de EPU sectorial capaz de aislar la incertidumbre manufacturera del ruido macroeconómico.

Metodología
Los autores construyen un nuevo índice de series temporales, la Incertidumbre de la Política Económica Manufacturera (M_EPU), que abarca desde enero de 1985 hasta diciembre de 2025. La metodología emplea un enfoque de métodos mixtos que combina la auditoría humana con el aprendizaje automático para crear un léxico sectorial específico.

Construcción del léxico (El conjunto de términos M):
- Léxico semilla: Una auditoría humana de una muestra aleatoria de artículos de periódicos estadounidenses (filtrados por idioma inglés, publicación en EE. UU. y la palabra clave "manufacturing") generó un léxico semilla inicial. Las tres palabras clave propuestas con mayor frecuencia fueron "manufacturing", "production" y "plant".
- Entrenamiento de Aprendizaje Automático: Se creó un corpus de entrenamiento positivo utilizando el léxico semilla, mientras que un corpus negativo se generó excluyendo las palabras clave semilla. El conjunto de datos fue sometido a un riguroso control de calidad para eliminar errores de metadatos y formato.
- Ingeniería de características: Los textos fueron procesados mediante la puntuación de Frecuencia de Término-Frecuencia Inversa de Documento (TF-IDF) y se ajustó una regresión logística de red elástica (que combina la regularización Lasso y Ridge) a la matriz TF-IDF para identificar términos predictivos del sentimiento manufacturero. Los hiperparámetros, incluyendo la Frecuencia Mínima de Documento ( $f_{min}$ ) y la Frecuencia Máxima de Documento ( $f_{max}$ ), se optimizaron mediante búsqueda de cuadrícula (grid search) para maximizar la métrica F1.
- Auditoría Final: Los términos con coeficientes que superaron un umbral fueron sometidos a una auditoría humana final por parte de dos codificadores independientes. La confiabilidad de la concordancia entre evaluadores se analizó mediante la Fórmula de Kuder-Richardson (KR-20). Solo los términos acordados por ambos auditores se incluyeron en el conjunto de términos M final.
Cálculo del índice:
- Un artículo se codifica como reflectivo de M_EPU si contiene el término "manufacturing", al menos una palabra clave del nuevo conjunto de términos M, y un término de cada uno de los conjuntos de términos originales de Economía (E), Política (P) e Incertidumbre (U) de Baker et al. (2016).
- El índice se calcula como la relación entre los artículos reflectivos de M_EPU y el número total de artículos publicados en un mes determinado, reescalado a una media de periodo base de 100.
Validación y análisis:
- El índice construido fue probado para la estacionariedad mediante pruebas de Dickey-Fuller Aumentada (ADF).
- Se calcularon los coeficientes de correlación de Pearson y Spearman entre M_EPU, la EPU macroeconómica, el Índice de Confianza del Consumidor (CCI) y el Índice de Producción Industrial Manufacturera (IPMAN).

Resultos Clave

Desempeño del modelo: El clasificador de aprendizaje automático alcanzó una puntuación F1 de 0.937, con una precisión de 0.941, demostrando una alta precisión y exhaustividad (recall) al distinguir artículos relacionados con la manufactura. La auditoría humana final arrojó una puntuación KR-20 de 0.718, confirmando la consistencia interna.
Distintividad de M_EPU: Aunque M_EPU y la EPU macroeconómica muestran una correlación positiva moderada (0.702), capturan sentimientos distintos. M_EPU exhibe picos más agudos durante choques industriales específicos, como las implementaciones de aranceles de 2025, en comparación con la EPU general.
Correlaciones con indicadores económicos:
- Confianza del consumidor: Tanto M_EPU como EPU muestran correlaciones negativas con la confianza del consumidor, aunque la relación es más fuerte para EPU (-0.125) que para M_EPU (-0.093), lo que sugiere que los consumidores están más influenciados por la incertidumbre holística que por la incertidumbre sectorial.
- Producción industrial: M_EPU exhibe la relación inversa teóricamente esperada con la producción manufacturera (coeficiente: -0.169), alineándose con la Teoría de las Opciones Reales. Por el contrario, la EPU macroeconómica muestra una correlación positiva inesperada con la producción, un hallazgo que los autores señalan que requiere mayor investigación.
Choque de 2025: El índice capturó un aumento significativo en la incertidumbre a principios de 2025 (alcanzando un pico de 1007.73 en abril), que los autores atribuyen preliminarmente a acciones arancelarias específicas (aranceles de la Sección 232 sobre acero/aluminio y aranceles de "Liberation Day") que impactaron directamente las cadenas de suministro manufactureras y el sector automotriz.

Significancia y Contribuciones
El artículo realiza tres contribuciones primarias al discurso académico sobre la incertidumbre económica:

Innovación Metodológica: Desarrolla un marco novedoso para medir la incertidumbre a nivel sectorial integrando el aprendizaje automático con la auditoría humana para construir un léxico especializado, yendo más allá del enfoque de "talla única" de los índices existentes.
Evidencia Empírica de Divergencia Sectorial: Proporciona evidencia de que la incertidumbre específica de la manufactura es distinta de las medidas nacionales. El índice M_EPU reacciona de manera diferente a los eventos económicos y mantiene una relación inversa teóricamente consistente con la producción industrial, algo que la EPU agregada no logra capturar.
Relevancia de Política Preliminar: El estudio ofrece evidencia contemporánea de que los índices sectoriales pueden detectar dinámicas económicas únicas, como el impacto de las políticas comerciales en la manufactura. Los autores sugieren que los responsables de la formulación de políticas deben considerar el M_EPU junto con los indicadores macro al evaluar políticas que afecten al sector industrial, ya que puede proporcionar una visión más granular de cómo la incertidumbre se traslada de las narrativas mediáticas a las líneas de montaje.

Los autores mantienen un tono modesto respecto a la causalidad, señalando que, si bien las correlaciones son robustas, se requiere trabajo futuro para establecer vínculos causales entre M_EPU y resultados manufactureros específicos.

Más como este