📈 economics

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

본 논문은 인간 감사와 머신러닝을 결합한 하이브리드 접근 방식을 사용하여 미국의 월별 제조업 경제 정책 불확실성 지수(1985~2025)를 구축하며, 산업 및 거시경제 불확실성 추세는 유사하지만 제조업 특유의 불확실성은 소비자 신뢰 및 산출량과 독특하게 역상관 관계를 보인다는 점을 밝힘으로써, 정책 입안자들에게 생산 부문에 미치는 정책 영향을 평가하기 위한 정교한 도구를 제공한다.

원저자: Simran Kahai, Aksh Dantal

게시일 2026-07-29

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Simran Kahai, Aksh Dantal

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

경제를 거대하고 북적이는 도시라고 상상해 보세요. 이 도시에서 모든 사람은 상황이 어떻게 돌아가는지 파악하기 위해 끊임없이 라디오를 듣고, 뉴스를 시청하며, 신문을 읽습니다. 때때로 뉴스는 명확합니다: "햇빛이 빛나고 있고, 도로가 열려 있습니다." 하지만 어떤 때는 라디오에 잡음이 가득하고, 뉴스 앵커들은 내일 다리가 무너질지, 혹은 신호등이 곧 바뀔지를 두고 논쟁을 벌입니다. 이러한 혼란을 **불확실성(uncertainty)**이라고 부릅니다. 사람들이 정부가 세금, 규칙, 또는 무역에 대해 무엇을 할지 확신하지 못할 때, 그들은 불안해합니다. 그들은 새 집을 짓는 것을 멈추거나, 새 차를 사는 것을 멈추거나, 친구에게 돈을 빌려주는 것을 멈출 수도 있습니다. 이러한 불안함은 경제학자들이 연구하는 실재하는 현상이며, 이를 **경제 정책 불확실성(EPU)**이라고 부릅니다. 이것은 마치 도시로 안개가 밀려드는 것과 같습니다. 안개가 자욱하면 아무도 어디로 운전해야 할지 알 수 없으므로 교통 흐름이 느려집니다. 오랫동안 경제학자들은 도시 전체가 얼마나 혼란스러운지를 측정하는 하나의 거대한 안개 측정기를 사용해 왔습니다. 하지만 그들은 중요한 사실을 깨달았습니다. 제빵사는 밀가루 가격을 걱정할 수 있는 반면, 자동차 공장은 철강 관세에 겁을 먹을 수 있다는 점입니다. 커다란 안개 측정기는 제빵사의 걱정과 공장의 패닉을 구분할 수 없었습니다. 바로 이 지점에서 이 새로운 연구가 등장하여, 공장만을 위한 특별한 안개 측정기를 만들고자 합니다.

이 논문의 저자인 심란 카하이(Simran Kahai)와 악쉬 단탈(Aksh Dantal)은 **제조업 경제 정책 불확실성 지수(M_EPU)**라는 새로운 도구를 만들기로 결정했습니다. 그들의 목표는 금속이나 플라스틱 같은 원자재가 자동차, 가전제품, 기계와 같은 새로운 제품으로 변환되는 곳인 '제조업 부문'을 위한 특정한 "안개"를 측정할 수 있는지 확인하는 것이었습니다. 그들은 제조업이 다른 기업들과 다르다는 것을 알고 있었습니다. 제조업은 기계를 만들기 위해 초기에 막대한 자금이 필요하고, 긴 공급망에 의존하며, 정부의 규칙에 매우 민감합니다. 따라서 핵심 질문은 이것입니다: 제조업 부문은 나머지 경제와 다른 방식으로 뉴스에 반응하여 겁을 먹는가?

이 질문에 답하기 위해 연구진은 디지털 탐정 시스템을 구축했습니다. 그들은 먼저 1985년부터 2025년까지의 방대한 신문 기사 라이브러리에서 시작했습니다. 우선, 그들은 인간 독자 팀을 사용하여 "공장(plant)"이나 "생산(production)"과 같이 "제조업"을 나타내는 몇 가지 핵심 단어를 찾아냈습니다. 그다음, 컴퓨터 알고리즘(머신러닝의 일종)에게 수천 개의 기사를 읽게 하여, 어떤 기사가 실제로 공장에 대해 이야기하고 있는지, 아니면 단순히 그 단어들을 우연히 사용한 것인지를 학습하도록 했습니다. 컴퓨터는 매우 정교해졌으며, 높은 정확도로 그 차이를 식별해 냈습니다. 마지막으로, 그들은 이 새로운 "제조업" 단어 목록을 일반적인 경제 불확실성을 측정하는 데 사용된 원래의 단어 목록("경제", "정책", "불확실성" 관련 단어들)과 결합했습니다. 만약 어떤 기사가 제조업을 언급하면서 동시에 불확실한 경제 정책에 대해 이야기한다면, 컴퓨터는 이를 카운트했습니다. 그들은 이 과정을 40년 동안 매달 수행하여 새로운 지수를 만들어냈습니다.

그들은 무엇을 발견했을까요? 결과는 제조업 부문이 걱정에 있어서 실제로 자신만의 독특한 개성을 가지고 있음을 시사합니다. 새로운 M_EPU 지수는 기존의 일반적인 EPU 지수와 어느 정도 보조를 맞추며 움직이지만(마치 두 친구가 같은 방향으로 걷는 것처럼), 항상 같은 발걸음을 떼지는 않습니다. 이 논문은 제조업 지수가 2025년 초의 관세 충격과 같은 특정 사건에 일반 지수보다 훨씬 더 날카롭게 반응한다는 점을 시사합니다. 실제로 새로운 지수는 2025년 4월에 1007.73이라는 정점에 도달한 반면, 일반 지수는 그보다 낮았으며, 이는 그 시기에 공장들이 나머지 경제보다 훨씬 더 초조했음을 시사합니다.

연구진은 또한 이러한 "공포 수준"이 실제 행동에 어떤 영향을 미치는지 살펴보았습니다. 그들은 제조업 불확실성(M_EPU)이 높아질 때, 공장에서 실제로 생산되는 물품의 양이 줄어든다는 것을 발견했습니다. 이는 타당합니다. 공장 주인이 새로운 규칙을 두려워한다면, 새로운 기계를 사는 것을 미룰 수 있기 때문입니다. 그러나 일반 경제 불확실성 지수는 데이터에서 기이하게도 정반대의 패턴을 보였는데, 저자들은 이것이 놀라운 결과이며 추가 연구가 필요하다고 언급했습니다. 또한 그들은 일반적인 불확실성이 제조업 특유의 뉴스보다 일반 대중의 경제 신뢰도에 더 많은 영향을 미친다는 것도 발견했습니다.

요약하자면, 이 논문은 경제가 어떻게 느끼고 있는지를 이해하기 위해 단 하나의 큰 숫자만을 봐서는 안 된다는 점을 시사합니다. 공장 현장에는 일반적인 뉴스 속에서 사라져 버리는 그들만의 구체적인 불안감이 존재합니다. 이 새로운 전문 지수를 구축함으로써, 저자들은 정책 불확실성이 헤드라인에서부터 조립 라인까지 어떻게 전달되어, 일반적인 경제 보고서가 놓칠 수 있는 방식으로 생산을 둔화시키는지에 대한 더 명확한 그림을 제공합니다. 이는 도시 전체에 안개가 낄 수는 있지만, 공장이 종종 그 안개의 가장 짙은 부분에 처해 있을 수 있다는 점을 상기시켜 줍니다.

기술 요약: 헤드라인에서 조립 라인까지: 제조업 경제 정책 불확실성 지수의 구축

문제 제기
Baker 등(2016)에 의해 확립된 기존의 경제 정책 불확실성(EPU) 문헌은 신문 단어 빈도에서 도출된 집계된 거시적 수준의 지수에 의존하고 있다. 이러한 지수들은 포괄적인 국가적 불확실성을 측정하는 데는 효과적이지만, 특정 경제 부문에 걸친 차별적인 노출을 포착할 수 있는 세밀함이 부족하다. 높은 선행 자본 투자, 복잡한 공급망에 대한 의존도, 직접적인 규제 개입을 특징으로 하는 제조업 부문은 광범위한 경제와는 다를 수 있는 고유한 역학 관계에 직면해 있다. 본 논문은 거시경제적 노이즈로부터 제조업의 불확실성을 분리해낼 수 있는 부문별 EPU 지수의 부재라는 문헌상의 공백을 식별한다.

방법론
저자들은 1985년 1월부터 2025년 12월까지를 대상으로 하는 새로운 시계열 지수인 제조업 경제 정책 불확실성(M_EPU)을 구축한다. 방법론은 인간의 감사(audit)와 머신러닝을 결합하여 부문 특화된 어휘집(lexicon)을 생성하는 혼합 방법론을 채택한다.

어휘집 구축 (M 용어 집합):
- 시드 어휘집 (Seed Lexicon): 미국 신문 기사 무작위 샘플(영어, 미국 발행물, "manufacturing" 키워드로 필터링됨)에 대한 인간 감사를 통해 초기 시드 어휘집을 생성했다. 가장 빈번하게 제안된 세 가지 키워드는 "manufacturing", "production", "plant"였다.
- 머신러닝 학습: 시드 어휘집을 사용하여 양성 학습 코퍼스를 생성하였고, 시드 키워드를 제외하여 음성 코퍼스를 생성하였다. 데이터셋은 메타데이터 및 서식 오류를 제거하기 위해 엄격한 품질 관리를 거쳤다.
- 특징 공학 (Feature Engineering): 텍스트는 TF-IDF 점수를 사용하여 처리되었다. 제조업 정서(sentiment)를 예측하는 용어를 식별하기 위해 엘라스틱 넷 로지스틱 회귀(Lasso와 Ridge 규제를 결합)를 TF-IDF 행렬에 적용하였다. 하이퍼파라미터인 최소 문서 빈도( $f_{min}$ )와 최대 문서 빈도( $f_{max}$ )는 F1 지표를 극대화하기 위해 그리드 서치(grid search)를 통해 최적화되었다.
- 최종 감사: 임계값을 초ну과하는 용어들은 두 명의 독립적인 코더에 의한 최종 인간 감사를 거쳤다. 검사자 간 신뢰도는 Kuder-Richardson 공식(KR-20)을 사용하여 평가되었다. 두 감사인이 모두 동의한 용어만이 최종 M 용어 집합에 포함되었다.
지수 계산:
- 기사가 M_EPU를 반영한다고 코딩되려면 "manufacturing"이라는 단어와 새로운 M 용어 집합 중 적어도 하나의 키워드, 그리고 Baker 등(2016)의 원래 경제(E), 정책(P), 불확실성(U) 용어 집합 각각에서 하나 이상의 용어를 포함해야 한다.
- 지수는 특정 월의 총 발행 기사 수에 대한 M_EPU 반영 기사의 비율로 계산되며, 기준 기간 평균인 100으로 재조정된다.
검증 및 분석:
- 구축된 지수는 증강 디키-풀러(ADF) 테스트를 사용하여 정상성을 테스트하였다.
- M_EPU, 거시적 EPU, 소비자 신뢰 지수(CCI), 제조업 산업 생산 지수(IPMAN) 간의 피어슨(Pearson) 및 스피어먼(Spearman) 상관계수를 계산하였다.

주요 결과

모델 성능: 머신러닝 분류기는 F1 점수 0.937, 정확도 0.941을 달성하여 제조업 관련 기사를 구별하는 데 있어 높은 정밀도와 재현율을 입증하였다. 최종 인간 감사는 KR-20 점수 0.718을 기록하여 내부 일관성을 확인하였다.
M_EPU의 차별성: M_EPU와 거시적 EPU는 중간 정도의 양의 상관관계(0.702)를 보이지만, 서로 다른 정서를 포착한다. M_EPU는 광범위한 EPU와 비교하여 2025년 관세 시행과 같은 특정 산업 충격 발생 시 더 가파른 급등을 보인다.
경제 지표와의 상관관계:
- 소비자 신뢰: M_EPU와 EPU 모두 소비자 신뢰와 음의 상관관계를 보이지만, EPU(-0.125)가 M_EPU(-0.093)보다 그 관계가 더 강하게 나타났다. 이는 소비자들이 부문별 불확실성보다 총체적 불확실성에 더 큰 영향을 받는다는 것을 시사한다.
- 산업 생산: M_EPU는 실물 옵션 이론(Real Options Theory)과 일치하게 제조업 생산과 이론적으로 예상되는 역의 관계(계수: -0.169)를 보인다. 반면, 거시적 EPU는 생산과 예상치 못한 양의 상관관계를 보이는데, 저자들은 이 결과가 추가 조사가 필요하다고 언급하였다.
2025년 충격: 본 지수는 2025년 초에 상당한 불확실성 급등(4월에 1007.73으로 정점 도달)을 포착하였으며, 저자들은 이를 제조업 공급망과 자동차 부문에 직접적인 영향을 미친 특정 관세 조치(철강/알루미늄에 대한 Section 232 관세 및 "Liberation Day" 관세) 때문인 것으로 예비적으로 판단하였다.

의의 및 기여
본 논문은 경제 불확실성에 관한 학술적 담론에 세 가지 주요 기여를 한다:

방법론적 혁신: 기존의 "원사이즈(one-size-fits-all)" 접근 방식을 넘어, 머신러닝과 인간 감사를 결합하여 특화된 어휘집을 구축함으로써 부문 수준의 불확실성을 측정하는 새로운 프레임워크를 개발하였다.
부문별 괴리의 실증적 증거: 제조업 특유의 불확실성이 국가적 척도와 구별된다는 증거를 제공한다. M_EPU 지수는 경제적 사건에 다르게 반응하며, 총체적 EPU가 포착하지 못하는 이론적으로 일관된 산업 생산과의 역관계를 유지한다.
예비적 정책 관련성: 본 연구는 부문별 지수가 무역 정책과 같이 제조업에 영향을 미치는 고유한 경제 역학을 탐지할 수 있다는 동시대적 증거를 제공한다. 저자들은 정책 입안자들이 산업 부문에 영향을 미치는 정책을 평가할 때 M_EPU를 거시 지표와 함께 고려해야 한다고 제언한다. 이는 불확실성이 미디어 내러티브에서 어떻게 조립 라인으로 전달되는지에 대한 더 세밀한 관점을 제공할 수 있기 때문이다.

저자들은 상관관계는 견고하지만, M_EPU와 특정 제조업 결과 사이의 인과 관계를 확립하기 위해서는 향후 연구가 필요하다는 점을 언급하며 인과 관계에 대해 신중한 태도를 유지하였다.

유사한 논문