From Headlines to Assembly Lines: Constructing a Manufacturing Economic Policy Uncertainty Index
本文通过一种结合人工审计与机器学习的混合方法，构建了一个全新的美国月度制造业经济政策不确定性指数（1985–2025），揭示了尽管工业与宏观经济的不确定性趋势相似，但制造业特有的不确定性与消费者信心及产出呈现独特的负相关关系，从而为决策者评估政策对生产部门的影响提供了一个更精细化的工具。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
把经济想象成一座巨大而繁忙的城市。在这座城市里，每个人都在不停地听广播、看新闻、读报纸，试图弄清楚发生了什么。有时，新闻很清晰：“阳光明媚，道路畅通。”但有时，收音机里充满了杂音，新闻主播们也在为桥梁是否会在明天坍塌，或者交通灯是否即将改变而争论不休。这种混乱被称为不确定性（Uncertainty）。当人们不确定政府会对税收、规则或贸易采取什么行动时，他们会感到紧张。他们可能会停止建造新房子，停止购买新车，或者停止向朋友借钱。这种紧张感是真实存在的，也是经济学家研究的对象，他们称之为经济政策不确定性（EPU）。把它想象成一场正向城市袭来的浓雾：当雾气很厚时，没人知道该往哪里开，所以交通就会放慢速度。长期以来，经济学家只有一个巨大的“雾量计”，用来衡量整个城市的混乱程度。但他们意识到了一件重要的事：面包师可能在担心面粉价格，而汽车厂则在恐惧钢铁关税。那个巨大的雾量计无法区分面包师的担忧和工厂的恐慌。这正是这项新研究介入的地方——试图为工厂建立一个专门的雾量计。
这项研究的研究人员 Simran Kahai 和 Aksh Dantal 决定打造一个全新的工具，名为制造业经济政策不确定性指数（M_EPU）。他们的目标是看看能否专门测量针对制造业的“雾气”——即那些将金属、塑料等原材料转化为汽车、家电和机器等新产品的场所。他们知道，工厂与其他企业不同。它们需要大量的预付资金来建造机器，它们依赖长长的供应商链条，并且对政府规则非常敏感。因此，核心问题在于：制造业对新闻的反应方式，是否与经济的其他部分有所不同？
为了回答这个问题，团队创建了一个数字侦探系统。他们从 1985 年到 2025 年的海量报纸文章库开始。首先，他们使用人工阅读团队来寻找几个代表“制造业”的关键词，比如“工厂（plant）”或“生产（production）”。然后，他们训练了一个计算机算法（一种机器学习），让它阅读数以千计的文章，并学习哪些文章是真的在讨论工厂，哪些文章只是偶然使用了这些词汇。计算机变得非常擅长此道，学会了高精度地识别其中的差异。最后，他们将这个新的“制造业”词汇表与用于衡量一般经济不确定性的原始词汇表（关于“经济”、“政策”和“不确定性”的词汇）相结合。如果一篇文章既提到了制造业，又谈到了不确定的经济政策，计算机就会将其计入。他们针对每月的统计数据进行了处理，跨越了 40 年，从而创建了这个新的指数。
他们发现了什么？结果表明，制造业在面对忧虑时确实拥有其独特的个性。虽然新的 M_EPU 指数在走势上与旧的一般 EPU 指数大致同步（就像两个朝着同一个方向行走的伙伴），但它们的步伐并不总是完全一致。论文指出，制造业指数对特定事件（如 2025 年初的关税冲击）的反应比一般指数要剧烈得多。事实上，新的指数在 2025 年 4 月达到了 1007.73 的峰值，而一般指数则较低，这表明在那段时间里，工厂比经济的其他部分要焦虑得多。
研究人员还观察了这些“恐惧水平”如何影响现实世界的行为。他们发现，当制造业不确定性（M_EPU）上升时，工厂实际的产出量就会下降。这很好理解：如果工厂主害怕新的规则，他们可能会等待再购买新机器。然而，一般经济不确定性指数在他们的数据中呈现出一种奇怪的反向模式，暗示其与生产之间存在正相关关系，作者指出这一点令人惊讶，且需要进一步研究。他们还发现，普通人对经济的信心受一般不确定性的影响，要大于受制造业特定新闻的影响。
简而言之，这篇论文表明，我们不能仅仅通过一个庞大的数字来了解经济的感受。工厂车间的焦虑有着其特定的属性，这些属性在一般性的新闻噪音中会被淹没。通过构建这个新的专业化指数，作者们提供了一个更清晰的图景，展示了政策不确定性是如何从头条新闻一路传递到组装线的，并可能以一般经济报告所忽略的方式减缓生产速度。这提醒我们，虽然整个城市都笼罩在迷雾之中，但工厂往往处于最浓厚的雾气里。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。