یک رویکرد یادگیری ماشین برای شناسایی انواع مختلف عدم قطعیت

در این پژوهش تکنیک های پردازش زبان طبیعی را برای استخراج معیارهای عدم قطعیت از کتاب های بورس سیستم فدرال رزروبانکی امریکا بین سال های ۱۹۷۰ و ۲۰۱۸ پیاده سازی می کنیم. عدم قطعیت تجاری و اقتصادی با ضعف در آینده. بیکاری بیشتر وحق بیمه مدت بالا مرتبط است. از سوی دیگر عدم قطعیت سیاسی و دولتیء اگرچه در چند سال اخیر بالا بوده. اما تاثیر آماریمعناداری بر اقتصاد نداشته است. هنگامی که سیستم فدرال رزرو در مورد مسیر نرخ بهره شفافیت بیشتری ارائه می دهد. حق بیمهمدت دار در اوراق قرضه بلندمدت کاهش می یابد و فعالیت اقتصادی افزایش می یابد. اگرچه عدم قطعیت در ایالات متحده در اینچند سال گذشته بالا مانده است» روش شناسی ما نشان می دهد که این به احتمال زیاد به سیاست و دولت مربوط می شود و برسلامت کلی اقتصاد. با اثرات ناچیز بر فعالیت اقتصادی مربوط نیست. این یافته با جداسازی اخیر برخی معیارهای عدم قطعیت وشرایط مالی عمومی مشاهده شده در ایالات متحده مطابقت دارد. پیشنهاد ما این است که همراه با کمی کردن عدم قطعیت،تشخیص نوع عدم قطعیتی که اندازه گیری می شود نیز مهم است.