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

Technische Samenvatting: Van koppen naar assemblagelijnen: Het construeren van een beleidsindex voor economische onzekerheid in de maakindustrie

Probleemstelling
De bestaande literatuur over economische beleidsonzekerheid (Economic Policy Uncertainty, EPU), primair gevestigd door Baker et al. (2016), steunt op geaggregeerde, macro-economische indices afgeleid van de frequentie van woorden in kranten. Hoewel deze indices effectief zijn voor het meten van algemene nationale onzekerheid, missen ze de granulariteit om de differentiële blootstelling aan onzekerheid binnen specifieke economische sectoren te vangen. De productiesector, die wordt gekenmerkt door hoge kapitaalinvesteringen vooraf, een afhankelijkheid van complexe toeleveringsketens en directe regelgevende betrokkenheid, staat voor unieke dynamieken die kunnen afwijken van de bredere economie. Het artikel identificeert een gat in de literatuur: de afwezigheid van een sectorspecifieke EPU-index die in staat is om onzekerheid in de maakindustrie te isoleren van macro-economische ruis.

Methodologie
De auteurs construeren een nieuwe tijdreeksindex, de Manufacturing Economic Policy Uncertainty (M_EPU), die de periode van januari 1985 tot december 2025 beslaat. De methodologie hanteert een mixed-method benadering waarbij menselijke auditing wordt gecombineerd met machine learning om een sectorspecifieke lexicon te creëren.

1. Lexiconconstructie (De M-termset):

   • Seed Lexicon: Een menselijke audit van een willekeurige steekproef van Amerikaanse krantenartikelen (gefilterd op Engels, Amerikaanse publicatie en het trefwoord "manufacturing") genereerde een initiële seed lexicon. De drie meest frequent voorgestelde trefwoorden waren "manufacturing", "production" en "plant".
   • Machine Learning Training: Een positieve trainingscorpus werd gecreëerd met behulp van de seed lexicon, terwijl een negatieve corpus werd gegenereerd door seed-trefwoorden uit te sluiten. De dataset onderging strikte kwaliteitscontrole om metadata en formateringsfouten te verwijderen.
   • Feature Engineering: Teksten werden verwerkt met behulp van Term Frequency-Inverse Document Frequency (TF-IDF) scoring. Een elastic-net logistische regressie (combinatie van Lasso en Ridge regularisatie) werd toegepast op de TF-IDF matrix om termen te identificeren die voorspellend zijn voor de sentimenten in de maakindustrie. Hyperparameters, waaronder Minimum Document Frequency ($f_{min}$) en Maximum Document Frequency ($f_{max}$), werden geoptimaliseerd via grid search om de F1-metriek te maximaliseren.
   • Finale Audit: Termen met coëfficiënten boven een bepaalde drempelwaarde werden onderworpen aan een finale menselijke audit door twee onafhankelijke codeurs. De inter-rater betrouwbaarheid werd beoordeeld met de Kuder-Richardson Formule (KR-20). Alleen termen waarover beide auditors overeenstemming bereikten, werden opgenomen in de uiteindelijke M Term Set.

2. Indexberekening:

   • Een artikel wordt gecodeerd als M_EPU-reflectief als het de term "manufacturing" bevat, ten minste één trefwoord uit de nieuwe M Term Set, en één term uit elk van de oorspronkelijke E (Economy), P (Policy) en U (Uncertainty) Term Sets van Baker et al. (2016).
   • De index wordt berekend als de ratio van M_EPU-reflectieve artikelen ten opzichte van het totaal aantal gepubliceerde artikelen in een gegeven maand, hergeschaald naar een gemiddelde van de basisperiode van 100.

3. Validatie en Analyse:

   • De geconstrueerde index werd getest op stationariteit met behulp van Augmented Dickey-Fuller (ADF) testen.
   • Pearson en Spearman correlatiecoëfficiënten werden berekend tussen M_EPU, de macro-economische EPU, de Consumer Confidence Index (CCI) en de Manufacturing Industrial Production Index (IPMAN).

Belangrijkste Resultaten

• Modelprestaties: De machine learning classifier behaalde een F1-score van 0,937 met een nauwkeurigheid van 0,941, wat duidt op een hoge precisie en recall bij het onderscheiden van artikelen gerelateerd aan de maakindustrie. De finale menselijke audit leverde een KR-20 score op van 0,718, wat de interne consistentie bevestigt.
• Distinctiviteit van M_EPU: Hoewel M_EPU en de macro-economische EPU een matige positieve correlatie vertonen (0,702), vatten zij verschillende sentimenten. M_EPU vertoont scherpere pieken tijdens specifieke industriële schokken, zoals de implementatie van tarieven in 2025, vergeleken met de bredere EPU.
• Correlaties met Economische Indicatoren:
  • Consumentenvertrouwen: Zowel M_EPU als EPU vertonen negatieve correlaties met het consumentenvertrouwen, hoewel de relatie sterker is voor EPU (-0,125) dan voor M_EPU (-0,093), wat suggereert dat consumenten meer worden beïnvloed door holistische onzekerheid dan door sectorspecifieke onzekerheid.
  • Industriële Productie: M_EPU vertoont de theoretisch verwachte inverse relatie met de productie in de maakindustrie (coëfficiënt: -0,169), wat in lijn is met de Real Options Theory. Daarentegen vertoont de macro-economische EPU een onverwachte positieve correlatie met productie, een bevinding die de auteurs aangeven verdere investigatie behoeft.
• 2025 Schok: De index ving een significante piek in onzekerheid op in het begin van 2025 (piekend op 1007,73 in april), die de auteurs voorlopig toeschrijven aan specifieke tariefmaatregelen (Section 232-tarieven op staal/aluminium en "Liberation Day" tarieven) die direct invloed hadden op de toeleveringsketens in de maakindustrie en de automotive sector.

Betekenis en Bijdragen
Het artikel levert drie primaire bijdragen aan het academische debat over economische onzekerheid:

1. Methodologische Innovatie: Het ontwikkelt een nieuw kader voor het meten van onzekerheid op sectorniveau door machine learning te integreren met menselijke auditing om een gespecialiseerde lexicon te construeren, waarmee de "one-size-fits-all" benadering van bestaande indices wordt overstegen.
2. Empirisch Bewijs van Sectorale Divergentie: Het levert bewijs dat de sectorale onzekerheid in de maakindustrie onderscheidend is van nationale maten. De M_EPU-index reageert anders op economische gebeurtenissen en behoudt een theoretisch consistente inverse relatie met de industriële output, iets wat de geaggregeerde EPU niet kan vangen.
3. Voorlopige Beleidsrelevantie: De studie biedt gelijktijdige bewijslast dat sectorspecifieke indices unieke economische dynamieken kunnen detecteren, zoals de impact van handelsbeleid op de maakindustrie. De auteurs suggereren dat beleidsmakers M_EPU naast macro-indicatoren moeten overwegen bij het evalueren van beleid dat de industriële sector beïnvloedt, aangezien het een meer genuanceerd beeld kan geven van hoe onzekerheid vertaalt van media-narratieven naar de assemblagelijnen.

De auteurs hanteren een bescheiden toon met betrekking tot causaliteit, waarbij zij opmerken dat hoewel de correlaties robuust zijn, toekomstig werk vereist is om causale verbanden tussen M_EPU en specifieke uitkomsten in de maakindustrie vast te stellen.