Bài review tổng hợp - ĐỌC KỸ

Machine Translated by Google
Sự không chắc chắn về chính sách kinh tế: Đánh giá về ứng dụng và đo lường
Các phương pháp tập trung vào phương pháp khai thác văn bản
Sajjad Zarifzadeh
Fatemeh Kaveh-Yazdy1
Khoa Kỹ thuật Máy tính, Đại học Khoa Kỹ thuật Máy tính, Đại học
Yazd, Yazd, Iran Yazd, Yazd, Iran
fkavehy@stu.yazd.ac.ir szarifzadeh@yazd.ac.ir
(ID ORCID: 0000-0003-3559-5510)
trừu tượng
Sự không chắc chắn về chính sách kinh tế (EPU) thể hiện sự không chắc chắn mà các nhà đầu tư nhận ra trong quá trình thay đổi chính sách kinh
tế. EPU là một chỉ số quan trọng trong nghiên cứu kinh tế để dự đoán các khoản đầu tư trong tương lai, tỷ lệ thất nghiệp và suy thoái kinh tế. Giá
trị EPU có thể được ước tính trực tiếp dựa trên các thông số tài chính hoặc sự không chắc chắn ngụ ý một cách gián tiếp bằng cách sử dụng các
phương pháp khai thác văn bản. Mặc dù EPU là một chủ đề được nghiên cứu kỹ lưỡng trong nền kinh tế nhưng các phương pháp được sử dụng để đo lường
nó lại chưa được nghiên cứu kỹ lưỡng. Trong bài viết này, chúng tôi xác định ngắn gọn về EPU và xem xét các phương pháp được sử dụng để đo lường
EPU, đồng thời khảo sát các khu vực bị ảnh hưởng bởi những thay đổi về cấp độ EPU. Chúng tôi chia các phương pháp đo EPU thành ba nhóm chính dựa
trên dữ liệu đầu vào của chúng. Ví dụ về từng nhóm phương pháp được đưa ra và những ưu và nhược điểm của các nhóm sẽ được thảo luận. Trong số các
biện pháp EPU, các biện pháp dựa trên khai thác văn bản được nghiên cứu chủ yếu. Các phương pháp này đo lường độ không chắc chắn đã thực hiện được
bằng cách tính đến độ không chắc chắn được thể hiện trong tin tức và các nguồn thông tin tài chính có sẵn công khai. Cuối cùng, chúng tôi khảo sát
các lĩnh vực nghiên cứu dựa vào việc đo lường chỉ số EPU với hy vọng rằng việc nghiên cứu tác động của sự không chắc chắn sẽ thu hút thêm sự chú ý
của các nhà nghiên cứu từ các lĩnh vực nghiên cứu khác nhau. Ngoài ra, chúng tôi đề xuất danh sách các phương pháp nghiên cứu trong tương lai tập
trung vào việc đo lường EPU bằng tài liệu văn bản.
Từ khóa
Chính sách tiền tệ, Sự không chắc chắn về chính sách kinh tế (EPU), Khai thác văn bản, Truyền thông xã hội, Khai thác tin tức.
Phân loại JEL
C53, C38, A13, O38, H50.
1
Tác giả tương ứng tại: Khoa Kỹ thuật Máy tính, Đại học Yazd, Yazd, Iran. Hộp thư bưu điện: 98195 – 741.
Địa chỉ email: fkavehy@stu.yazd.ac.ir (F. Kaveh-Yazdy), szarifzadeh@yazd.ac.ir (S. Zarifzadeh).
Trang 1
1. Giới thiệu
Một trong những yêu cầu của tăng trưởng kinh tế là đầu tư. Các nhà đầu tư đưa ra quyết định dựa trên thông tin được thu thập từ nhiều nguồn khác nhau,
chẳng hạn như dây tin tức, phương tiện truyền thông xã hội, dự báo của nhà phân tích và thông tin được tiết lộ của nhà quản lý. Trên thực tế, các nhà đầu tư nhận
được thông tin cần thiết từ một chuỗi nguồn có nhiều tiếng ồn và sự không chắc chắn.
Knight (1921) đã đặt ra thuật ngữ “sự không chắc chắn về kinh tế” (EU) để xác định tình huống trong đó những người ra quyết định không thể dự đoán được kết
quả trong tương lai của các quyết định của họ (Castelnuovo và cộng sự, 2017). Ông chia các sự kiện trong tương lai dựa trên phân bố xác suất của chúng. Các sự kiện
có phân phối xác suất đã biết được gọi là sự kiện rủi ro và sự kiện có phân phối xác suất chưa biết được gọi là sự kiện không chắc chắn. Sự bất ổn có thể ảnh
hưởng đến nền kinh tế thông qua hai kênh: (1) đầu tư, (2) nhu cầu tiêu dùng. Bloom (2009) chỉ ra rằng sự không chắc chắn cao hơn thúc giục các nhà đầu tư và chủ
sở hữu công ty trì hoãn kế hoạch đầu tư của họ để giảm chi phí không thể đảo ngược, hay còn gọi là chính sách chờ xem. Trong khi sự không chắc chắn cản trở việc
đầu tư, Caldara et al. (2016) đã xác định sự không chắc chắn cũng như các cú sốc tài chính là nguyên nhân liên quan đến chu kỳ kinh doanh của Hoa Kỳ. Trong điều
kiện không chắc chắn cao hơn, các cá nhân và doanh nghiệp nắm giữ tiền mặt và thực hiện các hành động phòng ngừa (Caballero, 1990; Demir & Ersan, 2017; Feng và cộng
sự, 2019; Im và cộng sự, 2017; Phan và cộng sự, 2019). Tiết kiệm tiền làm giảm chi phí và do đó giảm chi tiêu tiêu dùng. Việc cắt giảm đầu tư và tiêu dùng gián
tiếp gây ra tỷ lệ thất nghiệp, dẫn đến sự chậm trễ trong quá trình phục hồi kinh tế sau suy thoái (Perić & Sorić, 2018). Sau cuộc suy thoái năm 2008, sự bất ổn kinh
tế thu hút rất nhiều sự chú ý trong cộng đồng kinh tế và tài chính do khả năng dự đoán các cuộc suy thoái trong tương lai, ví dụ, Ercolani và Natoli (2020) cho
thấy các chỉ số kinh tế vĩ mô, sự không chắc chắn về tài chính và độ dốc của đường cong lợi suất có thể được sử dụng để dự đoán sự suy thoái của Mỹ Liên quan đến
bối cảnh của các vấn đề kinh tế khác nhau, các trường hợp đo lường không chắc chắn khác nhau, chẳng hạn như sự không chắc chắn về chính sách kinh tế (SR Baker và
cộng sự, 2016), sự không chắc chắn về chính sách chăm sóc sức khỏe (Cheng & Witvorapong, 2019) và sự không chắc chắn của chính phủ (Saltzman & Yung , 2018) được
xác định.
Trong số các biện pháp đo lường sự không chắc chắn, chỉ số không chắc chắn về chính sách kinh tế (EPU) được nghiên cứu rộng rãi. Chính phủ kiểm soát các vấn
đề về thuế, thu nhập, đầu tư cũng như chăm sóc sức khỏe và môi trường thông qua việc hoạch định chính sách. Do đó, sự không chắc chắn về kết quả tài chính của
các chính sách sẽ dẫn đến sự không chắc chắn về kinh tế, ví dụ, những thay đổi trong chính sách của chính phủ Hoa Kỳ đóng vai trò quan trọng hơn trong sự thay đổi
của sự bất ổn kinh tế so với các hoạt động kinh tế không đáng kể (Saltzman & Yung, 2018). Hơn nữa, sự bất ổn ngày càng tăng ở các nền kinh tế lớn không chỉ ảnh
hưởng đến chính họ mà còn ảnh hưởng đến các nền kinh tế có liên kết với họ; ví dụ: những thay đổi trong EPU của Hoa Kỳ ảnh hưởng tiêu cực đến tăng trưởng kinh tế
của Mexico (Alam & Istiak, 2020) và Trung Quốc (Huang và cộng sự, 2020; Li và cộng sự, 2020; Li & Peng, 2017).
Có ba nhóm phương pháp được áp dụng để đo lường sự không chắc chắn về kinh tế. Nhóm đầu tiên sử dụng các thông số kinh tế/tài chính, ví dụ, chỉ số biến động
CBOE2 (VIX)3 , để ước tính độ không chắc chắn về kinh tế. Nhóm thứ hai sử dụng các phương pháp khai thác văn bản để trích xuất thông tin từ nhiều nguồn văn bản
khác nhau như phương tiện truyền thông tin tức (Baker và cộng sự, 2016), tài liệu chính sách tiền tệ (Lee và cộng sự, 2019) và tweet (Altig và cộng sự, 2020) .
Các phương pháp khai thác văn bản sử dụng các tài nguyên văn bản có sẵn công khai và được hưởng lợi từ những tiến bộ gần đây trong khung xử lý dữ liệu lớn. Nhóm
phương pháp thứ ba sử dụng các nguồn dữ liệu khác nhau để ước lượng độ không đảm bảo đo. Việc sử dụng các phương pháp này làm sáng tỏ việc nghiên cứu các nền
kinh tế có ít tính minh bạch bằng cách tính đến một lượng lớn thông tin công cộng.
Chúng ta nên lưu ý rằng việc nghiên cứu các hệ thống kinh tế bằng cách sử dụng các biện pháp đo lường sự không chắc chắn khác nhau sẽ tiết lộ những khía cạnh khác
nhau của sự không chắc chắn về kinh tế (Altig và cộng sự, 2020). Trong bài viết này, chúng tôi nhằm mục đích giải quyết các chủ đề sau,
• Tầm quan trọng của việc đo lường sự không chắc chắn về kinh tế
2
Sở giao dịch quyền chọn Chicago Board (CBOE)
3
https://www.cboe.com/tradable_products/vix/
Trang 2
Chúng tôi xem xét danh sách ngắn gọn các lĩnh vực bị ảnh hưởng bởi sự bất ổn kinh tế hoặc tương tác với nó.
Các lĩnh vực này nằm rải rác và trải dài từ kinh tế xã hội (de Bruin và cộng sự, 2020; Vandoros và cộng sự, 2018, 2019) đến biến đổi
khí hậu (Golub, 2020; Guo và cộng sự, 2019; Lecuyer & Quirion, 2019) và du lịch (Demir & Gozgor, 2018; Gozgor & Demir, 2018; Işık và
cộng sự, 2020). Theo hiểu biết tốt nhất của chúng tôi, không có nghiên cứu nào xem xét các lĩnh vực có ảnh hưởng của sự bất ổn kinh tế
nói chung hoặc sự không chắc chắn về chính sách kinh tế nói riêng. Trong bối cảnh này, chúng tôi tập trung vào các lĩnh vực khác nhau
để giới thiệu những chân trời mới cho các nghiên cứu liên ngành liên kết các chỉ số EPU dựa trên văn bản với các biện pháp dựa trên văn
bản có thể chỉ ra tác động của những bất ổn trong chính sách kinh tế.
• Các phương pháp khai thác văn bản chính được áp dụng để đo lường sự không chắc chắn của chính sách kinh tế
Trong khi các chỉ số biến động thị trường đo lường trực tiếp mức độ không chắc chắn, thì có những chỉ số dựa trên văn bản đo lường
mức độ không chắc chắn mà khán giả tin tức cảm nhận được. Mặc dù Baker và cộng sự. (Baker và cộng sự, 2016)
Lần đầu tiên đã giới thiệu một biện pháp EPU phổ biến và xây dựng công thức cho nó, nhưng cho đến nay, các biện pháp EPU đa dạng đã
được đổi mới. Các biện pháp này rất đa dạng về phương pháp và dữ liệu thô mà họ sử dụng, mang lại cho họ khả năng khám phá phạm vi và
tính đa dạng của ảnh hưởng của các chính sách kinh tế. Để trả lời câu hỏi này, chúng tôi thảo luận về các biện pháp chính của EPU và
cân nhắc những ưu và nhược điểm của chúng.
Phần còn lại của bài báo được tổ chức như sau. Các biện pháp đo lường sự không chắc chắn về chính sách kinh tế được trình bày và so sánh trong
Phần 2. Phần 3 tập trung vào các nhóm chính của các biện pháp EPU dựa trên khai thác văn bản. Phần 4 xem xét ngắn gọn các ứng dụng của phép đo EPU và
cuối cùng, chúng tôi kết thúc bài viết của mình và đề xuất danh sách ngắn gọn các công việc trong tương lai trong Phần 5.
2 Biện pháp đo lường sự không chắc chắn về chính sách kinh tế
Các biện pháp đo lường sự bất ổn kinh tế có thể được chia thành ba loại: (1) các biện pháp tài chính, (2) các biện pháp văn bản và (3) các phương
pháp linh tinh. Loại đầu tiên sử dụng các thông số và dự báo tài chính để đo lường trực tiếp hậu quả của sự không chắc chắn trong hệ thống tài chính.
Loại thứ hai đo lường nó bằng cách tính đến mức độ không chắc chắn mà các nhà đầu tư và người ra quyết định có thể cảm nhận được. Loại phương pháp
này đo lường sự không chắc chắn của chính sách kinh tế được suy ra từ kết quả của các chính sách tiền tệ được phản ánh trên các kênh tin tức và phương
tiện truyền thông xã hội. Chúng ta nên lưu ý rằng có một số ít phương pháp đôi khi được sử dụng để đo độ không đảm bảo. Hình 1 cho thấy các danh mục
chính của các biện pháp EPU được nhóm dựa trên loại dữ liệu đầu vào của chúng. Trong các phần phụ sau đây, chúng ta sẽ thảo luận về từng nhóm phương
pháp.
Trang 3
Hình 1: Các loại mức độ không chắc chắn về kinh tế và các biện pháp đo lường sự không chắc chắn về chính sách kinh tế được nhóm dựa trên loại của chúng
dữ liệu đầu vào.
2.1 Các thước đo về độ không chắc chắn dựa trên các thông số tài chính
2.1.1 Các biện pháp dựa trên biến động
Pastor và Veronesi (2012) đã xác định hai loại sự không chắc chắn, đó là (1) sự không chắc chắn về chính trị, (2) sự không
chắc chắn về tác động. Cái trước giải quyết sự không chắc chắn của công chúng về các quyết định mà chính phủ đưa ra và cái sau
mô tả sự không chắc chắn về hậu quả của một sự thay đổi chính trị. Họ chỉ ra rằng dưới sự không chắc chắn về chính sách, lợi
nhuận của thị trường chứng khoán là âm và mức độ lợi nhuận âm phụ thuộc vào mức độ không chắc chắn. Những phát hiện này nhất
quán với kết quả của Bloom (2009) cho thấy sự không chắc chắn và hoạt động thực tế có mối quan hệ nghịch chu kỳ có thể được
chứng minh bằng thị trường chứng khoán. Các biện pháp không chắc chắn theo dõi sự biến động của thị trường chứng khoán và GDP
đã được đưa ra dựa trên những phát hiện này. Những biện pháp này tuân theo những biến động đã được thực hiện hoặc ngụ ý trên
thị trường chứng khoán và thể hiện sự không chắc chắn. Chỉ số biến động CBOE (viết tắt là VIX) là chỉ số biến động thị trường
chứng khoán nổi tiếng nhất được tính toán và công bố bởi Chicago Board Options Exchange và còn được gọi là chỉ số sợ hãi. VIX
được tính như sau,
∞ ( )
(1)
+ )
= √ 2 ( 0 ( 2) 2
trong đó số ngày trung bình trong một tháng ( = 30), ≥ 0 là lãi suất phi rủi ro, là giá kỳ hạn 30 ngày của S&P 500. ( ) và ( )
là giá cho các quyền chọn bán và quyền chọn bán có đình công và 30 ngày nữa là đáo hạn. Trên thực tế, VIX là một yếu tố dự báo
trước về sự biến động của lợi nhuận cổ phiếu S&P 500 trong 30 ngày tới (Baker và cộng sự, 2016). VIX được sử dụng rộng rãi
trong các nghiên cứu kinh tế để điều tra tác động của sự không chắc chắn (Al-Yahyaee và cộng sự, 2019; Chung & Chuwonganant,
2014; Völkert, 2015). Một nhóm ví dụ khác của các biện pháp dựa trên biến động bao gồm biện pháp phân tán. Các phương pháp này
được thiết kế dựa trên thực tế là độ không đảm bảo càng cao thì các giá trị tham số càng phân tán, ví dụ, độ phân tán ở cấp độ
doanh nghiệp cũng như thu nhập ở cấp độ ngành và năng suất các yếu tố tổng hợp có thể được sử dụng làm thước đo độ không chắc
chắn (Bloom et al ., 2018).
Trang 4
2.1.2 Biện pháp đo lường sai số của người dự báo
Ý tưởng đằng sau các thước đo sai số của người dự báo là nếu người dự báo không chắc chắn về tình hình kinh tế thì dự báo của họ sẽ
không chính xác và sai số của họ sẽ tăng lên. Ba nhóm thước đo độ không chắc chắn được tính toán bằng cách sử dụng sai số dự báo. Nhóm đầu
tiên sử dụng sự bất đồng trong dự báo điểm làm thước đo cho sự không chắc chắn. Ví dụ, Lahiri và Sheng (Lahiri & Sheng, 2010) đã phân tích
các giá trị bất đồng thành các cú sốc chung và đặc trưng và chỉ ra rằng sự bất đồng trong dự báo có thể được sử dụng một cách đáng tin cậy
như một biến đại diện cho sự không chắc chắn. Nhóm thứ hai xác định thước đo độ không đảm bảo đo là giá trị trung bình có trọng số bằng nhau
của nhận thức cá nhân về độ không đảm bảo. Jurado và cộng sự. (Jurado và cộng sự, 2015) đã phát triển một công cụ ước tính độ không đảm bảo
được tính toán bằng mức trung bình có trọng số của các độ không đảm bảo riêng lẻ của các nhà dự báo. Họ so sánh lược đồ trọng số được đề xuất
của họ với thước đo có trọng số ngang nhau trong trường hợp cơ bản và cho thấy rằng những cú sốc không chắc chắn được dự đoán của họ trùng
khớp với các cuộc suy thoái, chiến tranh và suy thoái tài chính. Nhóm thứ ba sử dụng phân bố sai số để hiểu độ phân tán của dự báo. Sau đó, độ
phân tán càng nhiều thì độ chắc chắn càng cao. Rossi và Sekhposyan (2015) đã xây dựng một bộ chỉ số để đo lường sự không chắc chắn liên quan
đến việc phân bổ sai số của người dự báo. Thật vậy, họ đã cố gắng tìm ra rằng việc mở rộng việc hiện thực hóa một biến số kinh tế vĩ mô là
điều bất ngờ đối với các nhà dự báo. Gao và cộng sự. (Gao và cộng sự, 2019) nhắm đến sự không chắc chắn trong hoạt động kinh tế (EAU) và sự
không chắc chắn về lạm phát (IU) bằng cách xác định thước đo độ không chắc chắn để ước tính thành phần không thể dự đoán được của sản lượng
và lạm phát. Kết quả của họ cho thấy rằng các chỉ số EAU và UI của họ có thể giải thích mặt cắt ngang lợi nhuận thị trường chứng khoán của
Vương quốc Anh.
2.1.3 Các biện pháp dựa trên khảo sát
Các phương pháp dựa trên khảo sát được kết nối với các thước đo được xác định dựa trên sai sót của người dự báo. Điều này là do các
cuộc khảo sát thu thập điểm và dự báo của các nhà phân tích về các thông số tài chính như GDP, giá cổ phiếu và lạm phát để so sánh các giá
trị dự đoán với giá trị thực tế của chúng nhằm ước tính mức độ không chắc chắn. Poncela và Senra (2017) đã phát triển thước đo độ không chắc
chắn bằng cách áp dụng Khảo sát các nhà dự báo chuyên nghiệp của Ngân hàng Trung ương Châu Âu (ECB-SPF). ECB-SPF có một nhóm gồm một trăm nhà
dự báo chuyên nghiệp đưa ra những dự đoán dài hạn về GDP, lạm phát và tỷ lệ thất nghiệp ở châu Âu. Họ đề xuất một hệ thống trọng số hỗn hợp
sử dụng phân tích thành phần chính để chọn các thành phần chính (< trong đó là tổng số tham số không chắc chắn) và sau đó dự báo các giá trị
bằng cách sử dụng hồi quy bảng. Họ đã đánh giá tính chính xác, của GDP dự đoán và lạm phát theo các thành phần không chắc chắn đã chọn và nhận
thấy rằng các lỗi dự báo đã đưa vào mô hình do các thông số bất ngờ làm tăng đáng kể hiệu suất dự đoán. Mặc dù các biện pháp dựa trên khảo
sát thường được sử dụng trong các công trình nghiên cứu (ví dụ: (Bachmann và cộng sự, 2013; Claveria, 2020; Gao và cộng sự, 2019; Glas &
Hartmann, 2016; Leduc & Liu, 2016)), Claveria (2020 ) cho thấy mức độ không chắc chắn về lạm phát được các nhà dự báo ước tính là khác nhau.
Theo kết quả, sự bất đồng trong thời kỳ mở rộng thấp hơn so với thời kỳ thu hẹp, điều đó có nghĩa là ước tính của các nhà dự báo có thể thay
đổi tùy thuộc vào cảm nhận chung của họ.
2.2 Biện pháp đo lường độ không chắc chắn dựa trên tài liệu văn bản
2.2.1 Các biện pháp dựa trên mạng xã hội
Baker và cộng sự. (2020) đã giới thiệu một thông tin mới về Sự không chắc chắn về kinh tế (TEU) dựa trên Twitter. Sau đó, họ áp dụng TEU
cũng như các biện pháp đo lường sự không chắc chắn về tài chính và dựa trên tin tức để nghiên cứu tác động của đại dịch COVID-19 đối với nền
kinh tế Hoa Kỳ và Vương quốc Anh (Altig et al., 2020). Kết quả cho thấy tất cả các biện pháp không chắc chắn đều tăng lên trong thời kỳ đại
dịch, nhưng các biện pháp đó lại hoạt động khác trong thời gian tăng dần của chúng. Những khác biệt này bao gồm sự khác biệt về số lượng nếp gấp,
ví dụ: sự không chắc chắn về tốc độ tăng trưởng doanh số bán hàng của Vương quốc Anh tăng 100% trong khi sự bất đồng của các nhà dự báo về tốc độ tăng
trưởng GDP của Vương quốc Anh tăng gấp 20 lần. Hơn nữa, con đường phục hồi tăng dần cũng khác nhau, ví dụ, biến động của thị trường chứng khoán tăng lên sau đó.
Trang 5
tháng 2 và mức tăng giảm dần vào cuối tháng 3. Mặt khác, các biện pháp bị ảnh hưởng bởi tình trạng thất nghiệp gia tăng lại đạt đỉnh muộn hơn. Họ chỉ
ra rằng mặc dù tất cả các biện pháp đo lường mức độ không chắc chắn đều hữu ích và có thể chứng minh các khía cạnh của sự không chắc chắn, biện pháp
dựa trên Twitter đáng tin cậy hơn trong việc thể hiện nhận thức của các hộ gia đình về sự không chắc chắn.
Barrero và Bloom (2020) đã sử dụng các biện pháp đo lường sự không chắc chắn dựa trên tin tức và dựa trên Twitter để điều tra sự phục hồi sau đại dịch
COVID-19 và tương lai của làm việc từ xa. Họ suy luận rằng việc tái phân bổ là cần thiết vì COVID-19 buộc các công ty và ngành liên ngành phải di
chuyển vốn và lao động, dẫn đến tính không chắc chắn cao hơn.
Hơn nữa, quy định làm việc từ xa cản trở việc tuyển dụng của các công ty do lo ngại về các rào cản đào tạo cá nhân trên tàu. Theo cách tương tự,
Becerra và Sagner (2020) đã điều tra tác động của đại dịch COVID-19 đối với tỷ giá hối đoái ở Chile bằng cách sử dụng hai biện pháp đo lường mức độ
không chắc chắn dựa trên Twitter và nhận thấy rằng đỉnh điểm của các biện pháp này đang tăng lên một tuần sau khi bùng phát COVID-19 ở Chile phù hợp
với Baker's et al. (Baker và cộng sự, 2020)
những phát hiện.
2.2.2 Các biện pháp dựa trên các Văn bản hoạch định chính sách tiền tệ
Các văn bản hoạch định chính sách tiền tệ trình bày trực tiếp các chính sách kinh tế. Do đó, việc theo dõi những thay đổi trong chính sách tiền
tệ cho thấy sự không chắc chắn ẩn sau các quyết định. Bằng cách này, Saltzman và Yung (2018) tập trung vào tính phân cực của các câu đề cập đến các
chính sách kinh tế trong Sách màu be của Cục Dự trữ Liên bang. Họ tính toán sự phân cực tổng thể của mỗi cuốn Sách màu be bằng cách phân biệt tổng số
câu tích cực được đề cập trong một chính sách kinh tế với những câu tiêu cực. Tính phân cực tổng thể của một cuốn sách được chuẩn hóa bằng tổng số từ
của nó. Chuỗi thời gian đã tạo được chia tỷ lệ theo 10.000 và được tổng hợp hàng quý. Mặc dù phương pháp được đề xuất của họ có độ chính xác hợp lý
và có thể xử lý một tập hợp dữ liệu văn bản nhỏ hơn, nhưng nó không thể áp dụng cho các nền kinh tế không có Sách màu be như các bài bình luận. Lee
và cộng sự. (2019) đã thiết kế một quy trình nhận biên bản của hội đồng chính sách tiền tệ của Ngân hàng Trung ương Hàn Quốc (BoK) và rút ra hai
biện pháp không chắc chắn. Phương pháp đầu tiên sử dụng từ điển dành riêng cho lĩnh vực kinh tế để trích xuất các câu đáng tin cậy về mặt tài chính
và thể hiện chúng bằng ngram2vec. Cách thứ hai xây dựng chỉ số tâm lý dựa trên các phương pháp phân tích thị trường. Tổng số câu có thanh điệu tích
cực khác với số câu có thanh điệu tiêu cực. Sau đó, họ cho thấy rằng thước đo của họ vượt trội hơn các thước đo dựa trên tin tức và biến động.
Hansen và cộng sự. (2017) đã phân tích biên bản của ba ngân hàng trung ương là Cục Dự trữ Liên bang, Ngân hàng Anh và Ngân hàng Trung ương Châu
Âu, sử dụng các phương pháp mô hình hóa chủ đề để điều tra mối quan hệ giữa tính minh bạch trong giao tiếp của ngân hàng trung ương và mức độ cân
nhắc chính sách tiền tệ- các nhà sản xuất. Phát hiện của họ cho thấy rằng sự không chắc chắn về kinh tế có liên quan đến các chủ đề tài chính và rủi
ro trong vài phút. Binette và Tchebotarev (2019) đã cố gắng phát hiện những thay đổi trong điều kiện kinh tế và hướng đi của nó bằng Báo cáo chính
sách tiền tệ của Ngân hàng Canada (MPR). Họ đưa ra giả thuyết rằng sự đổi mới từ vựng trong MPR cho thấy sự không chắc chắn ẩn sau các quyết định tiền
tệ. Dựa trên giả thuyết này, họ đã sử dụng Khoảng cách di chuyển từ (WMD)
(Kusner và cộng sự, 2015) để theo dõi những thay đổi trong MPR. Sau đó, họ đề xuất Tinh chỉnh mô hình ngôn ngữ phổ quát (ULM-FiT) để xác định giọng
điệu (tình cảm) trong các câu của MPR. Điểm âm được tổng hợp bằng cách phân biệt số lượng câu tích cực và câu tiêu cực trong mỗi MPR. Cuối cùng,
chuỗi thời gian không chắc chắn được xây dựng bằng cách tổng hợp điểm WMD và mức độ MPR. Kết quả điều tra cho thấy các đỉnh của dãy trùng nhau
với các sự kiện liên quan đến mức độ không chắc chắn cao, chẳng hạn như cuộc khủng hoảng tài chính toàn cầu 11/9 và 2008.
2.2.3 Các biện pháp dựa trên tin tức
Các biện pháp EPU dựa trên tin tức được thiết kế để đo lường mức độ không chắc chắn mà xã hội có thể cảm nhận được thông qua thông tin do các
phương tiện truyền thông tin tức cung cấp. Baker và cộng sự. (2016) lần đầu tiên giới thiệu thước đo EPU dựa trên tin tức.
Họ tìm kiếm trong kho lưu trữ của mười tờ báo Hoa Kỳ và chọn ra những bài báo có chứa cụm từ “sự không chắc chắn” hoặc
Trang 6
“không chắc chắn”; “Kinh tế” hoặc “Kinh tế” và một tập hợp các thuật ngữ truyền tải ý nghĩa hoạch định chính sách, ví dụ: “luật pháp”, “Quốc
hội” và “quy định”. Số lượng bài viết thô đáp ứng các điều kiện trên mỗi tờ báo trong mỗi tháng được chuẩn hóa bằng tổng số bài báo trên tờ
báo và tháng tương ứng. Chuỗi hàng tháng được chuẩn hóa được chuẩn hóa theo độ lệch đơn vị và sau đó chia cho mức trung bình hàng tháng
trên các tờ báo. Chuỗi chuẩn hóa được chia tỷ lệ thành trung bình 100. Baker et al. (2016) đã tính toán chỉ số bất ổn chính sách kinh tế (sau
đây gọi là chỉ số BBD4) cho 12 nền kinh tế lớn, bao gồm Hoa Kỳ, Trung Quốc, Nga, Đức và Nhật Bản5 .
Hơn nữa, họ đã liệt kê tám chủ đề phụ trong các bài báo chứng minh các lĩnh vực không chắc chắn trong chính sách kinh tế, như (1) chính sách
tài khóa, (2) chính sách tiền tệ, (3) chăm sóc sức khỏe, (4) an ninh quốc gia, (5) quy định, (6) ) nợ công và khủng hoảng tiền tệ, (7) các
chương trình quyền lợi, (8) chính sách thương mại. Baker và cộng sự. (2016) phối hợp với các nhóm nghiên cứu khác nhau đã chia sẻ EPU của
26 quốc gia kể từ năm 2012 trên một trang web công cộng có tên miền www.policyuncertainty.com .
Azqueta-Gavaldón và cộng sự. (2020) sử dụng tin tức được thu thập từ 12 tờ báo ở Đức, Pháp, Ý và Tây Ban Nha.
Họ đã xử lý trước các bài viết và áp dụng phương pháp lập mô hình chủ đề. Các chủ đề đã xác định được nhóm theo tám lĩnh vực không chắc
chắn đối với các từ khóa hàng đầu của chúng. Việc phân tích sự không chắc chắn đối với các lĩnh vực của nó cho phép họ đánh giá tác động của
từng lĩnh vực ở các quốc gia một cách riêng biệt. Manela và Moreira (2017) đã xây dựng một proxy không chắc chắn dựa trên tin tức có tên là
NVIX bằng cách sử dụng các bài báo trên trang nhất của Wall Street Journal (WSJ). Họ đã trích xuất khả năng các chữ lồng và chữ lớn thường
xuyên xuất hiện trong nội dung bài viết và áp dụng hồi quy tuyến tính lấy các khả năng này làm đặc điểm để dự đoán chỉ số VIX. Thật vậy,
thước đo NVIX là một công cụ dự báo dựa trên tin tức về mức độ không chắc chắn của VIX. Hơn nữa, trọng số của các đặc điểm trong mô hình hồi
quy phát hiện ra n-gram có liên quan đến các nguồn không chắc chắn, chẳng hạn như chiến tranh và các thảm họa hiếm gặp (Manela & Moreira,
2017).
Xie (2020) đã phát triển một mô hình đo lường EPU có tên là Mô hình tạo chỉ số Wasserstein (WIG) cung cấp dữ liệu bằng các vectơ nhúng
từ của các bài báo trên New York Time. Phương pháp này cố gắng gắn nhãn tài liệu với các chủ đề được trích xuất dựa trên sự phân bổ của các
từ. Cuối cùng, họ áp dụng Phân tích giá trị số ít (SVD) cho ma trận các từ-chủ đề và ước tính một điểm số phù hợp với tài liệu để mang lại
mức độ không chắc chắn tương ứng. Chuỗi điểm tổng hợp hàng tháng được chuẩn hóa được sử dụng làm chuỗi chỉ số không chắc chắn. Các kết quả
được báo cáo cho thấy rằng proxy không chắc chắn này có mối tương quan cao với biện pháp EPU do Baker's et al đề xuất. (2016) và thước đo
Azqueta-Gavaldón (Azqueta-Gavaldón, 2017).
Lý thuyết quyền chọn thực (Bernanke, 1983) chỉ ra rằng chính sách trì hoãn có thể được coi là một lựa chọn cho các nhà đầu tư trong
những tình huống có mức độ không chắc chắn cao hơn và tâm lý tiêu cực. Đối với lý thuyết này, các nhà nghiên cứu đã cố gắng thiết kế một đại
diện tình cảm để đo lường sự không chắc chắn một cách gián tiếp. Bằng cách này, Tetlock (2007)
đưa ra giả thuyết rằng sự bi quan trên các phương tiện truyền thông có thể được sử dụng như một thước đo đánh dấu sự đi xuống của giá thị
trường. Ông đếm những thuật ngữ tiêu cực trong một trong những chuyên mục phổ biến nhất của tờ Wall Street Journal. Kết quả cho thấy giá trị
cao hay thấp bất thường của biện pháp ông đề xuất trùng khớp với khối lượng giao dịch thị trường cao. Trong số các thước đo EPU khác nhau,
thước đo dựa trên tin tức chủ yếu được sử dụng trong nghiên cứu kinh tế để điều tra tác động của sự không chắc chắn đối với việc ra quyết
định của doanh nghiệp và hộ gia đình.
2.3 Các biện pháp khác
Mặc dù các phương pháp chính có thể được phân loại thành các thước đo nổi tiếng bằng cách sử dụng các thông số và chỉ số tài chính
được phát triển bằng cách sử dụng tài liệu văn bản nhưng có một loại phương pháp bổ sung hiếm khi được xác định và sử dụng. Jurado và cộng
sự. (2015) đã xây dựng thước đo EPU dựa trên mô hình, kết hợp hơn một trăm biến số kinh tế vi mô và các chỉ số tài chính để hưởng lợi từ
những lợi thế của việc đo lường sự không chắc chắn trong các lĩnh vực khác nhau. Binge và Boshoff (2020) đã kết hợp thước đo độ không chắc
chắn dựa trên khảo sát xu hướng kinh doanh với bốn độ không chắc chắn khác
4
BBD xuất phát từ tên viết tắt của Baker, Bloom và Davis (SR Baker và cộng sự, 2016)
5 Có sẵn tại www.policyuncertainty.com
Trang 7
các biện pháp (được chọn từ các nhóm dựa trên tài chính và dựa trên văn bản) bằng mô hình phân tích thành phần chính (PCA).
Theo cách tương tự, Dai et al. (2020) củng cố chỉ số không chắc chắn về chính sách kinh tế toàn cầu bằng cách kết hợp EPU
quốc gia của 20 nền kinh tế chính. Họ đã tạo dữ liệu bảng gồm các chỉ số EPU và áp dụng PCA để giảm kích thước của dữ liệu
xuống một cột là EPU toàn cầu (GEPU). Họ so sánh GEPU của họ với thước đo do Davis (2016) đề xuất, đó là chỉ số EPU quốc gia
bình quân theo trọng số GDP của 20 nền kinh tế (được đặt tên là GDP-GEPU)6 . Dai's và cộng sự. (2020) Thước đo GEPU tương
quan với GDP-EPU và theo dõi biến động của thị trường chứng khoán. Là một bước trong việc phát triển biện pháp EPU quy mô
thế giới, Ahir et al. (2019) đã xác định khái niệm Chỉ số bất ổn thế giới (WUI) và tính toán chỉ số này cho 143 quốc gia có
dân số hơn hai triệu người. Chỉ số Bất ổn Thế giới là chuỗi tần suất của từ “không chắc chắn” được lặp lại trong báo cáo
quốc gia hàng quý của Đơn vị Tình báo Kinh tế (EIU). Chuỗi được chuẩn hóa theo tổng số từ trong báo cáo.
Hamid và Heiden (2015) đã trích xuất chuỗi thời gian hàng ngày trên Google Trends (GT)7 của thuật ngữ “Dow” tương quan
với các tìm kiếm “Dow Jones” và nhận thấy rằng chuỗi thời gian GT có tương quan với độ không chắc chắn của biến động cổ phiếu
nhưng bị trễ hai ngày đằng sau sự không chắc chắn về biến động. Castelnuovo và Tran (2017) đã xây dựng hai thước đo độ bất
định cho Hoa Kỳ và Úc bằng cách tận dụng các từ khóa liên quan đến sự không chắc chắn xuất hiện trong các tài liệu hoạch định
chính sách tiền tệ như Sách màu be của Cục Dự trữ Liên bang và Tuyên bố Chính sách tiền tệ của Ngân hàng Dự trữ Úc làm thuật
ngữ tìm kiếm. Chuỗi GT tổng hợp của các thuật ngữ này được sử dụng để phát triển thước đo Độ không chắc chắn dựa trên Google
Xu hướng (GTU) có mối tương quan thuận với các thước đo độ không chắc chắn dựa trên tài chính và văn bản.
Donadelli và Gerotto (2019) đã xây dựng bốn chỉ số không chắc chắn bằng cách sử dụng chuỗi GT để bao quát những điều không
chắc chắn liên quan đến sức khỏe, môi trường, an ninh và chính trị. Scotti (2016) đã xác định chỉ số bất ngờ dựa trên kỳ vọng
của những người tham gia thị trường về nền kinh tế so với dự báo của Bloomberg. Đà và cộng sự. (2015) tổng hợp các tìm kiếm
liên quan đến hộ gia đình như suy thoái kinh tế, khủng hoảng toàn cầu, phá sản và thất nghiệp để xây dựng thước đo thể hiện
tâm lý nhà đầu tư. Biện pháp này, được đặt tên là FEARS, có thể được sử dụng để dự đoán sự đảo ngược lợi nhuận trong ngắn
hạn và sự gia tăng biến động tạm thời. Kết quả của họ tuân theo giả thuyết rằng lợi nhuận cổ phiếu có thể dự đoán được bằng
cách tính đến tâm lý của nhà đầu tư. Quách và cộng sự. (2021) và Zhang (2019) đã báo cáo mối tương quan nghịch với tâm lý
nhà đầu tư và EPU.
2.4 So sánh các biện pháp EPU

Trong phần này, chúng tôi so sánh ngắn gọn các biện pháp EPU chính và xem xét ưu điểm cũng như nhược điểm của chúng.
Để đảm bảo không gian, chúng tôi đã tóm tắt các đặc điểm của các biện pháp trong Bảng 1.
6 GDP-GEPU được tính toán lại bởi Baker et al. (SR Baker và cộng sự, 2021) và chia sẻ vào tháng 1 năm 2021 trên
https://fred.stlouisfed.org/series/GEPUCURRENT.
7
https://trends.google.com/trends/
Trang 8
Bảng 1: So sánh giữa các nhóm thước đo độ không chắc chắn của chính sách kinh tế đối với loại dữ liệu đầu vào.
Loại dữ liệu Ý tưởng Đặc trưng Thuận lợi) (Các) nhược điểm
Biến động chứng khoán Cổ phiếu càng biến động • Như một chỉ số sợ hãi chứng tỏ
• Khoảng thời gian có hạn (ví dụ: 30 ngày) • Sự biến động của thị trường chứng khoán thay đổi theo thời gian
thị trường, sự không chắc chắn cao hơn

• Thể hiện sự không chắc chắn về kinh tế mối quan tâm kinh tế xã hội8 và thời gian ngay cả khi không có thay đổi
được nhận ra.
trong ngắn hạn (ví dụ: 30 ngày) (S. tình cảm trong tình trạng bất ổn kinh tế (Jurado và cộng sự,
R. Baker và cộng sự, 2016) • Dự đoán sự không chắc chắn trong tương lai 2015)
• Được xác định dựa trên S&P 500 (di chuyển về phía trước) • Ngụ ý tính không chắc chắn từng phần
mục lục thể hiện tình hình kinh tế
(Girardi & Reuter, 2017)
Lỗi của người dự báo Càng nhiều lỗi của người dự báo • Dựa trên dự báo của một số • Thể hiện sự không chắc chắn • Số lượng thành viên HĐQT hạn chế
thì thị trường chứng khoán càng biến

số lượng người dự báo chứng khoán được thực hiện bởi chuyên gia • Sự không chắc chắn nhận thấy của các nhà phân tích có thể
động và mức độ không chắc chắn càng cao.
lợi nhuận thị trường. nhà phân tích không giống như sự không chắc chắn
• Sử dụng cách tổng hợp khác nhau • Dự đoán sự không chắc chắn trong tương lai được thực hiện bởi người không chuyên nghiệp
chính sách, chẳng hạn như giá trị trung bình có trọng số (di chuyển về phía trước) nhà đầu tư (ví dụ: hộ gia đình)
• Tốn kém và mất thời gian
Dựa trên khảo sát Dự báo càng đa dạng thì mức độ không chắc • Dựa trên dự báo của hội đồng quản trị • Thể hiện sự không chắc chắn • Số lượng thành viên HĐQT hạn chế
chắn ngụ ý càng cao.

dự đoán của các chuyên gia tài chính được thực hiện bởi chuyên gia • Sự không chắc chắn nhận thấy của các nhà phân tích có thể
các thông số tài chính như nhà phân tích không giống như sự không chắc chắn
GDP và lạm phát

• Dự đoán sự không chắc chắn trong tương lai được thực hiện bởi người không chuyên nghiệp
• Cửa sổ có kích thước từ ngắn đến trung bình (di chuyển về phía trước) nhà đầu tư (ví dụ: hộ gia đình)
kích cỡ
• Do tính hình thức của các nhà cung cấp, nó • Tốn kém và mất thời gian
có thể được sử dụng như một nguồn tài nguyên đáng tin cậy
• Được thu thập bởi các ngân hàng trung ương
dành cho các nhà hoạch định chính sách
• Chính xác hơn người dự báo
biện pháp dựa trên lỗi
số 8
https://www.cboe.com/tradable_products/vix/
Trang 9
Truyền thông xã hội Những nhận xét càng tiêu cực và không • Chứng minh EPU đã được thực hiện • Đa dạng
• Dữ liệu được cung cấp bởi
chắc chắn; sự không chắc chắn về kinh

thu thập Tweets, Facebook bởi cộng đồng công chúng và • Có thể thể hiện hành vi không nhất quán trong
tế càng được nhận ra.
hộ gia đình
bài đăng và phương tiện truyền thông xã hội khác so sánh với sự không chắc chắn
bài viết • Dữ liệu có sẵn công khai biện pháp tính toán dựa trên
• Yêu cầu tính không chắc chắn • Có thể được sử dụng để nghiên cứu nền kinh tế thông số tài chính
từ khóa ngụ ý có rất ít hoặc không có sự minh bạch • Yêu cầu khai thác số lượng lớn
• Đòi hỏi tình cảm (giọng điệu) dữ liệu
công cụ phát hiện

• Nhạy cảm với tính chính xác của cảm xúc
• Không giới hạn thời gian (từ phương pháp phân tích được sử dụng để chú thích
quá khứ đến hiện tại) dữ liệu
Văn bản hoạch định chính Những thay đổi về giọng điệu và chủ đề • Sử dụng hình thức có sẵn công khai • Đo lường chính sách kinh tế • Áp dụng khi hoạch định chính sách
sách tiền tệ hoạch định trong các văn bản thuộc kinh tế xây dựng chính sách sự không chắc chắn trực tiếp các tài liệu và biên bản được công bố
chính sách tiền tệ thể hiện
các tài liệu
• Sự không chắc chắn được nhận ra bởi một cách công khai.
sự không chắc chắn của các nhà hoạch định chính sách.
• Đòi hỏi tình cảm (giọng điệu) các nhà phân tích, phóng viên tin tức và • Yêu cầu khai thác số lượng lớn
công cụ phát hiện tác giả không can thiệp dữ liệu
• Theo dõi những thay đổi trong ngụ ý không chắc chắn • Nhạy cảm với tính chính xác của cảm xúc
giai điệu • Khoảng thời gian không giới hạn (từ phương pháp phân tích được sử dụng để chú thích
dữ liệu
quá khứ đến hiện tại)
Tin tức Tỷ lệ bài tin tức kinh tế bao gồm • Sử dụng các bài báo • Nguồn dữ liệu có sẵn công khai • Nhạy cảm với danh sách từ khóa
• Yêu cầu danh sách các thuật ngữ tiêu chuẩn • Theo dõi sự không chắc chắn trong • Khó khái quát hóa cho các ngôn ngữ khác
các từ khóa hoạch định chính sách và sự
liên quan đến hoạch định chính sách, nguồn được sử dụng bởi nhỏ- hơn tiếng Anh
không chắc chắn ngụ ý cho thấy tầm quan
trọng của EPU được xã hội nhận ra. sự không chắc chắn và tài chính /nhà đầu tư quy mô lớn • Yêu cầu khai thác số lượng lớn
các khái niệm dữ liệu
Trang 10
3 phương pháp khai thác văn bản để đo lường EPU
3.1 Phương pháp dựa trên từ khóa
Mặc dù tính toán BBD được giới thiệu ở phần 2.2.3 nhưng quy trình lựa chọn từ khóa vẫn chưa được thảo luận. Baker và cộng
sự. (2016) đã lấy mẫu một bộ gồm 12.009 bài báo từ năm 1900 đến năm 2012 và thuê trợ lý nghiên cứu dán nhãn cho chúng. Trong
bước tiếp theo, các thuật ngữ thường xuyên xuất hiện trong các tài liệu được gắn nhãn tích cực và liên quan đến việc hoạch định
chính sách sẽ được kiểm toán viên trích xuất. Sau đó, một tập hợp gồm 32000 thuật ngữ xuất hiện đồng thời với các thuật ngữ được
trích xuất trong ít nhất bốn tài liệu sẽ được chọn và phân phối của chúng trong các tài liệu được gắn nhãn tích cực và tiêu cực
sẽ được tạo ra. Cuối cùng, các thuật ngữ giảm thiểu tỷ lệ sai sót tổng thể9 được chọn để sử dụng làm chỉ số hoạch định chính sách.
Thước đo độ không chắc chắn được tính bằng cách đếm số lượng bài viết chứa các thuật ngữ “không chắc chắn”, “Kinh tế*” và
hoạch định chính sách trên mỗi tờ báo. Số lượng bài viết được chuẩn hóa theo tổng số bài viết trong mỗi tháng, sau đó được
chuẩn hóa theo độ lệch đơn vị và cuối cùng được tổng hợp bằng mức trung bình hàng tháng của các giá trị cho các bài viết khác.
Báo.
Tương tự, Movsisyan (2018) ước tính chỉ số BBD cho Armenia và cho thấy chỉ số này phù hợp với một số chỉ
số kinh tế vĩ mô như phần bù rủi ro quốc gia, tỷ giá hối đoái và việc thắt chặt cho vay ngân hàng.
Luk (2018) tập trung vào nền kinh tế cờ bạc và trò chơi của Macao và sử dụng kho lưu trữ các bài báo địa phương
để tổng hợp chỉ số BBD của Macao. Ông chỉ ra rằng chỉ số này tương quan với tổng doanh thu trò chơi của Macao
và có tác động tiêu cực đến mức tăng trưởng thất nghiệp. Luk và cộng sự. (2020) đã xây dựng chỉ số BBD cho Hồng
Kông trong giai đoạn 1998 đến 2016 và cho thấy rằng EPU tăng dẫn đến thất nghiệp tăng và đầu tư thấp hơn.
Baker và cộng sự. (2016) ước tính chỉ số không chắc chắn của Trung Quốc bằng cách sử dụng một tờ báo tiếng Anh xuất bản ở
Hồng Kông để giải phóng phân tích của họ khỏi sự kiểm duyệt của Trung Quốc. Việc áp dụng hạn chế này đối với các nguồn tin tức sẽ
đặt ra một số vấn đề. Thứ nhất, bất kỳ sự thay đổi nào trong quan điểm của đội ngũ biên tập tờ báo đều dẫn đến sự thay đổi đáng kể
về chỉ số. Thứ hai, các bài báo kinh tế của Hồng Kông có mức độ ưu tiên cao hơn đối với bài xã luận của tờ báo so với chính sách
kinh tế của Trung Quốc; do đó, chính sách kinh tế của Trung Quốc có thể không được tờ báo này đề cập chi tiết. Thứ ba, những thay
đổi trong chỉ số không tuân theo một số biến số kinh tế vĩ mô của Trung Quốc. Thứ tư, cơ sở dữ liệu tin tức của họ rất thưa thớt
và không chứa đủ bài viết để theo dõi những thay đổi kinh tế hàng ngày hoặc đi sâu vào các xu hướng để tìm ra lý do đằng sau sự
tăng đột biến. Huang và Luk (2020) đã tính toán chỉ số BBD bằng cách sử dụng mười tờ báo lớn của Trung Quốc được xuất bản ở Trung
Quốc đại lục. Họ chỉ ra rằng chỉ số của họ tuân theo những phát hiện về mối quan hệ giữa EPU và các biến số kinh tế khác trong nền kinh tế Mỹ.
Một số nhóm nghiên cứu đã áp dụng Baker's et al. (2016) để tính toán các biện pháp không chắc chắn cho các quốc gia ưa thích
của họ. Bằng cách này, Hołda (2019) đã ước tính EPU của Ba Lan, Ghirelli et al. (2019) biên soạn các bài báo bằng tiếng Tây
Ban Nha để phát triển EPU cho Tây Ban Nha, còn EPU của Nhật Bản và Brazil được tính toán bởi Arbatli et al. (2017) và Ferreira
et la. (2019), tương ứng.
Các nghiên cứu được đề cập ở trên đã tính toán chỉ số BBD bằng cách sử dụng các thuật ngữ tìm kiếm trong ngôn ngữ mục
tiêu của chúng. Mặt khác, Braun (2020) đã áp dụng các từ khóa hoạch định chính sách và độ không chắc chắn để tính toán thước
đo độ không chắc chắn của mình theo một cách sáng tạo. Ông chỉ ra rằng các quyết định của công ty và kết quả của họ phụ thuộc
rất nhiều. Ông suy luận rằng tác động của các chính sách không chắc chắn đối với các công ty khác nhau không thể được tổng
hợp trong khi các lĩnh vực khác nhau của nền kinh tế có động lực riêng. Braun (2020) đã xác định EPU cấp công ty của mình bằng
cách tách phần câu của các báo cáo 20F đề cập đến việc hoạch định chính sách kinh tế khỏi phần không chắc chắn đã nêu. Cuối
cùng, chỉ số EPU sau đây được tính bằng cách nhân số câu của mỗi lượt chia sẻ.
9 Tỷ lệ lỗi gộp = Số trường hợp dương tính giả + Số trường hợp âm tính giả
Trang 11
3.2 Mô hình hóa chủ đề
Tồn tại các phương pháp khai thác văn bản khác nhau được sử dụng thay thế để ước tính EPU. Azqueta-Gavaldón (2017) đã khai thác Phân
tích Dirichlet tiềm ẩn (LDA) để ước tính EPU theo chủ đề cụ thể của Hoa Kỳ. Mô hình LDA loại bỏ yêu cầu về dữ liệu được dán nhãn. Yono và
cộng sự. (2020) đã áp dụng LDA có giám sát (sLDA) để tính chỉ số EPU cho Nhật Bản. Mô hình của họ sử dụng chỉ số VIX và tín hiệu số để giám
sát mô hình LDA được huấn luyện mà không có dữ liệu được dán nhãn. Rauh (2019) đã sử dụng mô hình chủ đề LDA để tính toán các chỉ số EPU của
Canada ở cấp khu vực. Anh ấy đã nhóm các tin tức liên quan đến khu vực mà họ đề cập đến và áp dụng phương pháp mô hình hóa chủ đề để đề cập
đến sự đa dạng của các chính sách được đưa ra ở các khu vực khác nhau của Canada.
3.3 Phương pháp sử dụng Word Embedding
Baker và cộng sự. (2016) đã chọn thủ công các thuật ngữ liên quan đến chính sách. Braun (2020), Huang và Luk (2020), Hołda (2019)
cũng như nhiều nhà nghiên cứu khác đã sử dụng bộ từ khóa để mở rộng ba khái niệm chính là sự không chắc chắn, kinh tế và chính sách. các
phương pháp dựa trên từ khóa được xây dựng dựa trên kiến thức của các chuyên gia và có thể bị sai lệch do cách giải thích của họ. Hơn nữa,
mối quan hệ từ đồng nghĩa giữa các thuật ngữ không phụ thuộc vào ngữ cảnh. Azqueta-Gavaldón (2017) và Yono và cộng sự. (2020) đã áp dụng mô
hình chủ đề LDA, không yêu cầu bộ từ khóa ban đầu; tuy nhiên, chuyên gia phải kiểm tra các chủ đề và gán chúng vào nhóm không chắc chắn tương
ứng. Trong các nghiên cứu gần đây, cách biểu diễn nhúng từ được sử dụng rộng rãi trong phân tích ngữ nghĩa, đồng thời chúng có thể khám phá
các từ đồng nghĩa một cách gần đúng. Tsai và Wang (2014) đã sử dụng từ điển do Loughran và Mcdonald (2011) phát triển và chú thích các từ
trong từ điển bằng thẻ Phần lời nói (POS) của họ. Các từ được gắn thẻ được mở rộng theo 20 thuật ngữ giống nhau nhất bằng cách sử dụng mô
hình Túi từ liên tục (CBOW). Rekabsaz và cộng sự. (2017) đề xuất lọc thuật ngữ dựa trên ngưỡng được xác định trước áp dụng cho độ tương tự
cosin của các từ liên quan đến khái niệm độ không chắc chắn. Theil và cộng sự. (2020)
các mô hình dựa trên nhúng hai từ đã được đào tạo được gọi là word2vec dành riêng cho ngành và không xác định ngành trên kho văn bản 10-k.
Họ đã mở rộng các từ của Loughran và Mcdonald (2011) theo 20 từ hàng xóm gần nhất bằng cách sử dụng cả hai mô hình nhúng từ và sau đó truy
xuất các bài báo liên quan đến kinh tế. Keith và cộng sự. (2020) mở rộng Baker et al. (2016) từ khóa với năm lân cận gần nhất của chúng được
thu thập thông qua việc áp dụng khoảng cách cosin cho vectơ nhúng từ GLOVE
(Pennington và cộng sự, 2014). Kết quả của họ cho thấy BBD được tính toán bằng bộ từ khóa mở rộng có mối tương quan cao hơn với thước đo
VIX. Kaveh-Yazdy và Zarifzadeh (2021) đã đề xuất một biện pháp EPU dựa trên việc nhúng từ không giám sát nhằm mở rộng các từ khóa bằng cách
sử dụng khoảng cách cosin giữa các vectơ của các thuật ngữ và biểu diễn các tài liệu trong một hệ thống ba trục đơn giản. Phương pháp này sử
dụng không xác định nghiêm ngặt các ngưỡng tương tự về ngữ nghĩa.
Thay vào đó, nó cân bằng tác động của tài liệu bằng cách áp dụng lược đồ trọng số dựa trên bề mặt của hình tam giác biểu thị tài liệu. Trên
thực tế, phương pháp này đã tổng hợp tác động của các tài liệu bao gồm các điều khoản liên quan đến EPU. Hơn nữa, phương pháp ngôn ngữ Omni
này không nhạy cảm với ngôn ngữ đa dạng từ khóa.
3.4 Phương pháp phân loại tài liệu
Tobbak và cộng sự. (2018) đã chú thích một tập hợp các tài liệu được gắn nhãn dưới dạng hạt giống và huấn luyện mô hình Máy vectơ hỗ
trợ nhị phân (SVM) để gắn nhãn các tài liệu liên quan đến EPU/Không phải EPU. Mô hình này được áp dụng cho phần còn lại của tập dữ liệu của họ.
Sau đó, các tài liệu được gắn nhãn có mức độ không chắc chắn cao hơn sẽ được chuyển qua thuật toán học tích cực dựa trên nhóm với việc lấy
mẫu độ không chắc chắn để tối ưu hóa bộ phân loại. Keith và la. (2020) đã lấy mẫu 2531 tài liệu được dán nhãn từ Baker's et al. (2016) ngữ
liệu. Bộ này được chia thành 1844 tài liệu được ghi lại từ năm 1985-2007 dưới dạng tập huấn luyện và 687 tài liệu từ năm 2007-2012 dưới
dạng tập kiểm tra. Họ đã làm sạch và mã hóa các tài liệu để tạo ra một từ điển thuật ngữ.
Sau đó, một trình phân loại hồi quy logistic sử dụng cách biểu diễn từng từ sẽ được huấn luyện và sử dụng để gắn nhãn tài liệu kiểm tra. Họ
biểu thị rằng độ chính xác của bộ phân loại của họ không đánh bại được bộ nhãn dựa trên nhúng từ, vốn mở rộng Baker's et al. (2016) từ khóa
với năm từ khóa lân cận gần nhất (được đề cập ở phần 3.3).
Trang 12
4 Ứng dụng đo lường độ không chắc chắn của chính sách kinh tế
Các nghiên cứu về sự bất ổn kinh tế nói chung và sự bất ổn chính sách kinh tế nói riêng có thể được nhóm thành hai nhóm chính.
Nhóm đầu tiên bao gồm các phương pháp ước tính EPU. Nhóm nghiên cứu thứ hai liên quan đến EPU đề cập đến tác động của EPU đối với các
lĩnh vực khác nhau như nền kinh tế, hành vi của nhà đầu tư, biến đổi khí hậu và việc ra quyết định. Hơn nữa, EPU có sự tương tác với
các thông số như rủi ro địa chính trị, nghĩa là nó có thể bị ảnh hưởng bởi các sự kiện rủi ro như tấn công khủng bố và chiến tranh.
Mặc dù tồn tại các nguồn thông tin văn bản có sẵn công khai nhưng mối liên hệ giữa sự không chắc chắn về kinh tế và các thông số kinh
tế xã hội vẫn chưa được nghiên cứu kỹ lưỡng. Trong tiểu mục sau đây, chúng tôi thảo luận ngắn gọn về các lĩnh vực chính bị ảnh hưởng
bởi sự không chắc chắn với hy vọng rằng việc nghiên cứu tác động của sự không chắc chắn sẽ thu hút sự chú ý hơn nữa của các nhà nghiên
cứu từ các lĩnh vực nghiên cứu khác nhau.
4.1 Sức khỏe
Tăng trưởng kinh tế ảnh hưởng đến chăm sóc sức khỏe theo hai kênh (Cheng & Witvorapong, 2019), (1) nhu cầu dịch vụ y tế ngày
càng tăng và (2) tăng đầu tư vào chăm sóc sức khỏe. Tăng lương sẽ làm tăng nhu cầu về các dịch vụ chăm sóc sức khỏe bổ sung và làm
tăng chi tiêu cho y tế (Cheng & Witvorapong, 2019). Mặt khác, chính phủ và các sáng kiến quản lý chăm sóc sức khỏe đầu tư trực tiếp
hoặc gián tiếp vào các dịch vụ chăm sóc sức khỏe thông qua việc cung cấp các ưu đãi cho các doanh nghiệp (Bloom và cộng sự, 2019). Do
đó, các chính phủ thông qua việc hoạch định chính sách sẽ định hình thị trường cung cấp dịch vụ chăm sóc sức khỏe và bảo hiểm y tế (de
la Maisonneuve et al., 2017). Sau đó, khi chủ sở hữu công ty lo ngại về lợi nhuận đầu tư do sự không chắc chắn về các quy định chăm
sóc sức khỏe, họ sẽ cắt giảm đầu tư (Kang và cộng sự, 2014).
Sau đó, sự không chắc chắn về chính sách chăm sóc sức khỏe sẽ là nguồn gốc của những thay đổi trong chi tiêu chăm sóc sức khỏe và chất
lượng cuộc sống (Baker và cộng sự, 2016; de la Maisonneuve và cộng sự, 2017; Jkovljevic và cộng sự, 2017). Cheng Và Witvorapong (2019)
đã sử dụng biện pháp Không chắc chắn về Chính sách Chăm sóc Sức khỏe (HCPU)10 của Hoa Kỳ10 để điều tra hậu quả kinh tế của các cú sốc
HCPU. Họ chỉ ra rằng trong điều kiện tình trạng không chắc chắn về chăm sóc sức khỏe cao hơn, các hộ gia đình và doanh nghiệp sẽ cắt
giảm chi phí và ngừng đầu tư, điều này phù hợp với chính sách “chờ và xem”. Hơn nữa, những cú sốc không chắc chắn do các chính sách
mới gây ra làm giảm chi phí chăm sóc sức khỏe và lạm phát chung.
Chúng ta nên nhắc nhở rằng mối quan hệ giữa sức khỏe và sự bất ổn về kinh tế là hai chiều. Vào ngày 1 tháng 3 năm 2020, Tổ chức Y
tế Thế giới (WHO) đã công bố đợt bùng phát COVID-19 là đại dịch. Kể từ đó, tác động của sự không chắc chắn do đại dịch COVID-19 gây ra
đã được nghiên cứu rộng rãi. Ngược lại với các trường hợp nghiên cứu
tác động của sự không chắc chắn trong chính sách chăm sóc sức khỏe đến các thông số tài chính, nhóm nghiên cứu này nhằm mục tiêu vào
sự không chắc chắn do cuộc khủng hoảng sức khỏe COVID-19 gây ra. Sharif và cộng sự. (2020) đã điều tra tác động đồng thời của đại
dịch COVID 19 và biến động giá dầu đối với sự bất ổn kinh tế và rủi ro địa chính trị của Hoa Kỳ. Nó tiết lộ rằng COVID 19 là một yếu
tố dài hạn lớn hơn cho tăng trưởng kinh tế so với sự biến động của giá dầu. Hơn nữa, có vẻ như Covid-19 ảnh hưởng đến rủi ro địa
chính trị của Mỹ nhiều hơn là sự bất ổn về kinh tế.
Choi (2020) đã khám phá mối quan hệ phụ thuộc lẫn nhau và mối quan hệ nhân quả giữa EPU và sự biến động của 11 ngành chỉ số S&P
50011 ở Hoa Kỳ trong đại dịch COVID-19. Ông phát hiện ra rằng mức độ phụ thuộc lẫn nhau giữa EPU và sự biến động của ngành trong thời
kỳ đại dịch cao hơn mức độ trong cuộc khủng hoảng tài chính toàn cầu (GFC) năm 2008. Bằng cách này, Altig et al. (2020) đã so sánh EPU
của Anh và Mỹ trước và trong đại dịch và kết luận rằng đợt bùng phát COVID-19 dẫn đến một cú sốc bất ngờ trên thị trường chứng khoán
Mỹ, mạnh hơn những cú sốc xảy ra trong các đại dịch SARS, Cúm lợn và Ebola. Vương và cộng sự. (2020) đã kiểm tra khả năng của các biện
pháp VIX và EPU trong
10 Có sẵn tại https://www.policyuncertainty.com/categorical_epu.html trong phần “Dữ liệu EPU phân loại của Hoa Kỳ”.
11
Các lĩnh vực biến động: Dịch vụ truyền thông, Hàng tiêu dùng tùy ý, Mặt hàng chủ lực tiêu dùng, Năng lượng, Tài chính, Y tế,
Công nghiệp, Công nghệ thông tin, Vật liệu, Bất động sản, Tiện ích
Trang 13
dự báo sự biến động của 19 chỉ số vốn chủ sở hữu trong thời kỳ đại dịch và nhận thấy rằng thước đo VIX, còn được gọi là “chỉ số
hoảng loạn” vượt trội hơn chỉ số EPU. Trong khi chỉ số EPU thay đổi sau khi xuất bản và lan truyền các bài báo, thì VIX lại bị phản
ứng sớm hơn và có xu hướng thể hiện những phản ứng sớm.
4.2 Các vấn đề cá nhân và hành vi xã hội
Sự biến động và sự không chắc chắn làm giảm tốc độ tăng trưởng kinh tế và làm tăng tỷ lệ thất nghiệp (Caggiano và cộng sự, 2017)
điều này dẫn đến cảm giác tuyệt vọng và bi quan về tương lai ngày càng gia tăng (de Bruin và cộng sự, 2020). Một loạt nghiên cứu cho
thấy rằng hành vi tự tử và tự làm hại bản thân gia tăng đáng kể trong thời kỳ suy thoái và thời kỳ kinh tế khó khăn và mức độ bất ổn
cao (de Bruin và cộng sự, 2020; de la Maisonneuve và cộng sự, 2017; Demirci và cộng sự, 2020; Jofre -Bonet và cộng sự, 2018; Vandoros
và cộng sự, 2019). Số vụ va chạm xe cơ giới ở Anh ngày càng gia tăng trong những thời kỳ kinh tế bất ổn cao hơn do căng thẳng, thiếu
tập trung và thiếu ngủ (Vandoros et al., 2018). Sự không chắc chắn cao hơn kéo theo an ninh việc làm sẽ tàn phá khả năng phục hồi và
làm tăng mức độ lo lắng do các đợt đóng cửa do COVID-19 (Brenner & Bhugra, 2020; Godinic và cộng sự, 2020; Ruffolo và cộng sự, 2021;
Sher, 2020). Bằng cách này, các nhóm người có thu nhập cao và trung bình sẽ bắt đầu tham gia bảo hiểm nhân thọ dài hạn trong thời
kỳ suy thoái và thời kỳ bất ổn cao để giảm mức độ căng thẳng của họ (Grishchenko, 2019; C.-C. Lee và cộng sự, 2021 ). Tuy nhiên,
Balcilar's et al. (2020) phát hiện khẳng định rằng bảo hiểm phi nhân thọ nhạy cảm hơn với sự không chắc chắn và biến động.
Theo Kalcheva's et al. (2020) quan sát, mức độ không chắc chắn cao dẫn đến khả năng kiểm soát xung lực kém đi, có liên quan đến
các hành vi sức khỏe kém, chẳng hạn như uống rượu và hút thuốc. Sự bất ổn kinh tế thông qua kênh thị trường lao động ảnh hưởng đến
tỷ lệ sinh. Mặc dù vậy, mối quan hệ tiêu cực được xác định giữa tỷ lệ sinh và sự bất ổn kinh tế (Hofmann & Hohmeyer, 2013;
Hondroyiannis, 2010). Novelli và cộng sự. (2021) phát hiện ra rằng những thay đổi trong ý định sinh sản ngắn hạn có sự khác biệt giữa
lao động nam và nữ. Hơn nữa, sự không chắc chắn cao hơn có thể gây ra những hậu quả văn hóa không mong muốn như chủ nghĩa cá nhân
và nam tính (Galariotis & Karagiannis, 2020).
4.3 Du lịch và lữ hành

Mối quan hệ tiêu cực giữa sự không chắc chắn của chính sách kinh tế và ngành du lịch & lữ hành có thể được giải thích theo giả
thuyết bằng chính sách “Chờ và xem”. Trong những giai đoạn có sự không chắc chắn cao làm tăng rủi ro tài chính, các chủ sở hữu công
ty đã cắt giảm đầu tư vào ngành du lịch và lữ hành do tính không thể đảo ngược của nó (Demir và cộng sự, 2020).
Ở cấp độ vi mô, các hộ gia đình trì hoãn kế hoạch đi du lịch để giảm chi tiêu (Balli và cộng sự, 2018).
Phát hiện của (Balli và cộng sự, 2018; Demir & Ersan, 2018; Dragouni và cộng sự, 2016; Ghosh, 2019; Gozgor & Ongan, 2017; Sharma,
2019) cho thấy rằng việc tăng EPU có tác động tiêu cực đến tăng trưởng và nhu cầu du lịch . Quy mô của các tác động phụ thuộc vào
mức độ của cú sốc EPU (Balli và cộng sự, 2018), (Liu và cộng sự, 2020). Hơn nữa, những cú sốc không chắc chắn ảnh hưởng đến các phân
ngành của ngành du lịch, ví dụ như du lịch hàng không (Tsui và cộng sự, 2018) và khách sạn (Akron và cộng sự, 2020)-
(Ozdemir và cộng sự, 2021). Mặc dù, kết quả này được mong đợi về mặt lý thuyết nhưng lại không nhất quán với một nhóm nghiên cứu
báo cáo mối quan hệ tích cực giữa EPU và nhu cầu du lịch (Nguyen và cộng sự, 2020; Nguyen và cộng sự, 2020; Wu & Wu, 2020). Bằng cách
này, Sharma (2019) đã điều tra mối quan hệ giữa EPU và nhu cầu du lịch trong khoảng thời gian (ngắn hạn và dài hạn) và báo cáo rằng
mối quan hệ này là không đối xứng. Aharon và cộng sự. (2020) đã giải quyết vấn đề này bằng cách tính đến tác động của tình cảm. Họ
kết luận rằng các biện pháp không chắc chắn như EPU và VIX không thể dự đoán chính xác những biến động trong thị trường du lịch và
giải trí và góp phần cải thiện chỉ số tâm lý người tiêu dùng giúp cải thiện hiệu suất của các mô hình dự đoán. Ballie và cộng sự.
(2018)
và Nguyễn và cộng sự. (2020) chỉ ra rằng mức độ không chắc chắn cao hơn có tác động rõ rệt đến việc đi lại trong nước (trong nước)
và ra nước ngoài. Có vẻ như du lịch nước ngoài nhạy cảm hơn với những tác động tiêu cực của EPU. Ngoài ra, mức độ giàu có của khách
du lịch định hình hướng của mối quan hệ sao cho mối quan hệ giữa EPU và trong nước cũng như nước ngoài là tiêu cực ở các nền kinh
tế có thu nhập cao hơn và tích cực ở các nền kinh tế có thu nhập thấp/trung bình. Chúng tôi kết luận rằng
Trang 14
Khoảng thời gian, mức độ giàu có và các chỉ số tâm lý người tiêu dùng nên được đưa vào khi kiểm tra mối quan hệ giữa EPU
và tăng trưởng của ngành du lịch để đảm bảo tính chính xác của kết quả.
4.4 Thị trường bất động sản và nhà ở
Thị trường nhà ở và xây dựng là động lực chính ở các nước đang phát triển như Trung Quốc và Ấn Độ (Chow và cộng sự,
2018), và thị trường nhà ở được điều chỉnh bởi luật do khu vực công ban hành. Do đó, họ dễ bị ảnh hưởng bởi những thay
đổi về chính sách. Tác động của sự không chắc chắn về chính sách kinh tế đối với tăng trưởng thị trường và giá cả ở các
thị trường này đã được nghiên cứu ở nhiều quốc gia trong các khoảng thời gian khác nhau (Cakan và cộng sự, 2019; Choudhry,
2020; Chow và cộng sự, 2018; Huang và cộng sự, 2020; Jeon, 2018; Kirikkaleli và cộng sự, 2020). Kết quả cho thấy tồn tại
mối quan hệ nghịch biến giữa EPU và chỉ số giá nhà (Anoruo và cộng sự, 2017; Choudhry, 2020; Christou và cộng sự, 2017,
2019; El-Montasser và cộng sự, 2016; Jeon, 2018; Z .Li & Zhong, 2020; Ongan & Gocer, 2017). Mối quan hệ tiêu cực đáng kể
một chiều này cho phép các mô hình được cung cấp bởi các giá trị EPU dự đoán chính xác chỉ số giá nhà và doanh số bán nhà
(Anoruo và cộng sự, 2017; Çepni và cộng sự, 2020; Chow và cộng sự, 2018; El-Montasser và cộng sự ., 2016). Mặc dù mức độ
không chắc chắn ngày càng tăng dẫn đến giá nhà thấp hơn và nguy cơ thua lỗ cao hơn (Antonakakis và cộng sự, 2015; Aye và
cộng sự, 2019; W.-L. Huang và cộng sự, 2020), nó vẫn thúc đẩy thị trường nhà ở bởi vì đầu tư vào thị trường xây dựng và
nhà ở giúp ngăn ngừa tổn thất trong các khoản đầu tư đồng hành (Aye và cộng sự, 2019). Ví dụ, Kirikkaleli và cộng sự.
(Kirikkaleli và cộng sự, 2020) đã xác định các bong bóng xung quanh lĩnh vực nhà ở ở Đức trong thời kỳ EPU cao, và Cakan
et al. (2019) đã báo cáo hành vi bầy đàn để đầu tư vào thị trường nhà ở Nam Phi trong thời kỳ EPU cao.
4.5 Tiêu thụ năng lượng và biến đổi khí hậu
Phần năng lượng lớn nhất trên thế giới đến từ nhiên liệu hóa thạch dẫn đến phát thải carbon dioxide (CO2) (Yu và cộng
sự, 2021). Carbon dioxide như một loại khí nhà kính làm tăng tốc độ nóng lên toàn cầu và thúc đẩy biến đổi khí hậu.
Chính phủ, các tổ chức phi lợi nhuận và Liên Hợp Quốc đã thông qua Thỏa thuận Paris12 để kiểm soát và hạn chế phát thải
CO2. Bước cơ bản theo cách này là ban hành luật và quy định buộc các công ty phải hạn chế lượng carbon dioxide của họ.
Trong khi các chính phủ định hình các quy định về tiêu thụ năng lượng và phát thải carbon, thì sự bất ổn về chính sách kinh
tế lại ảnh hưởng đến biến đổi khí hậu và tốc độ phát thải CO2 (Jiang và cộng sự, 2019). EPU can thiệp vào các vấn đề biến
đổi khí hậu theo ba cách như sau, (1) chính sách đầu tư năng lượng tái tạo, (2) giá các nguồn năng lượng không tái tạo
và (3) giảm mức tiêu thụ. Việc đầu tư vào các công ty năng lượng tái tạo và các công ty đổi mới xanh vẫn còn nhiều nghi
ngờ và sự không chắc chắn về chính sách đã cản trở những tiến bộ trong lĩnh vực này (Adams và cộng sự, 2020; Contreras &
Platania, 2019; Fang và cộng sự, 2018; Golub, 2020; Sarkodie và cộng sự. , 2020).
Các nguồn năng lượng thông thường (như dầu, khí đốt và than đá) bị tác động tiêu cực bởi những bất ổn chính sách quốc
gia và toàn cầu (Lecuyer & Quirion, 2019; Lin & Bai, 2021; Liu và cộng sự, 2020). Kết quả cho thấy mức EPU cao hơn sẽ hạn
chế đầu tư vào ngành dầu khí trên toàn cầu. Lin và Bin (2021) cho thấy ảnh hưởng của sự bất ổn trong chính sách kinh tế
toàn cầu có thể khác nhau giữa các nước xuất khẩu dầu và các nước nhập khẩu dầu. Theo kết quả của họ, EPU cao hơn ở các
nước xuất khẩu dầu sẽ làm giảm giá dầu, điều này có lợi cho các nước nhập khẩu dầu và giảm EPU quốc gia của họ. Mặc dù, sự
dao động của EPU trong ngắn hạn có mối quan hệ tiêu cực/tích cực với giá dầu ở các nước xuất/nhập khẩu dầu, việc tăng EPU
trong dài hạn sẽ hạn chế đầu tư vào năng lượng. Điều đáng lưu ý là các nguồn năng lượng tái tạo không bị ảnh hưởng đáng
kể bởi EPU (Liu và cộng sự, 2020). Kênh can thiệp thứ ba của EPU là tiêu dùng. Tăng trưởng tài chính dẫn đến tăng thu nhập
và tăng nhu cầu; hướng tới
12
https://unfccc.int/process-and-meetings/the-paris-agreement/the-paris-agreement
Trang 15
để tiêu thụ nhiều năng lượng hơn và phát thải CO2 hơn (Adams và cộng sự, 2020; Sarkodie và cộng sự, 2020). Do đó, EPU cao hơn sẽ làm giảm mức
tiêu thụ, kéo theo đó là sản lượng giảm và lượng khí thải CO2 thấp hơn.
4.6 Rủi ro chính trị địa chính trị và phân cực chính trị
Tập hợp các nguyên nhân gây bất ổn chính sách kinh tế và các yếu tố rủi ro địa chính trị (GPR) đều có các thành viên chung.
Nghiên cứu sự tương tác và sự phối hợp của chúng trong các cú sốc và suy thoái cho thấy các khía cạnh đa dạng của các sự kiện liên quan đến kết
quả của chúng. Hơn nữa, GPR và EPU cùng nhau làm tăng tác động tiêu cực đến nền kinh tế; tuy nhiên, tác động tiêu cực của EPU còn lớn hơn GPR
(Caldara & Iacoviello, 2018). Do đó, việc điều tra tác động của GPR và EPU ở những khu vực bị ảnh hưởng bởi các nguồn căng thẳng là điều không
thể tránh khỏi (ví dụ: du lịch (Jiang và cộng sự, 2020), thị trường dầu mỏ (Lin & Bai, 2021)). Bằng cách này, Tiwari et al. (2019) đã điều tra
tác động của GPR và EPU đối với du lịch và
cho thấy tác động tiêu cực của GPR đối với du lịch diễn ra trong thời gian dài trong khi tác động tiêu cực của EPU ảnh hưởng đến ngành du lịch
trong thời gian ngắn. Kannadhasan và Das (2020) đã khám phá phản ứng của thị trường châu Á trước các cú sốc GPR và EPU và cho rằng mỗi biến số
đều có ảnh hưởng riêng. Nghĩa là, tác động bất lợi của EPU mạnh hơn GPR và bao trùm tất cả các phân vị của lợi nhuận thị trường chứng khoán,
trong khi GPR có mối tương quan nghịch với lợi nhuận ở các phân vị thấp hơn và có liên quan tích cực với các phân vị cao hơn. Do đó, GPR và EPU
có thể bị ảnh hưởng bởi cùng một sự kiện hoặc khủng hoảng như chiến tranh (Caldara & Iacoviello, 2018), xung đột thương mại (He et al., 2020)
và đại dịch (Sharif et al., 2020).
Phân cực chính trị là một lĩnh vực khác có liên quan đến sự không chắc chắn về chính sách kinh tế. Baker và cộng sự. (Baker và cộng sự,
2020) đã đề cập đến EPU về các cuộc bầu cử chính trị ở 20 quốc gia, bao gồm cả cuộc bầu cử tổng thống Hoa Kỳ.
Họ cho thấy giá trị EPU cao hơn gần các cuộc bầu cử và mức tăng đột biến sẽ rõ nét hơn khi độ phân cực tối đa.
Trong một nghiên cứu khác, Baker et al. (Baker và cộng sự, 2014) đã khám phá hai cách giải thích cho tình trạng bất ổn ngày càng gia tăng của Hoa
Kỳ và kết luận rằng lý do chính đằng sau tình trạng bất ổn gia tăng kể từ những năm 1960 là do bầu không khí chia rẽ và phân cực về chính trị vốn
phân chia quyền lực chính trị cần thiết để ban hành các chính sách kinh tế. Các cuộc bầu cử chính trị có xu hướng ảnh hưởng đến EPU do tác động
của chúng tới việc thay đổi chính sách; trong khi đó, các cuộc trưng cầu dân ý lại gây ra sự tăng đột biến về giá trị EPU. Ví dụ: mức EPU của
Vương quốc Anh đã tăng lên mức cao nhất sau cuộc trưng cầu dân ý về Brexit (Azqueta-Gavaldon, 2017; Belke và cộng sự, 2018; Nilavongse và cộng
sự, 2020) dẫn đến tỷ giá đồng bảng Anh giảm giá mạnh. Việc bất ngờ chấp nhận cuộc trưng cầu dân ý vào tháng 2 năm 2014 tại Thụy Sĩ đã làm tăng
EPU của nước này và dẫn đến tình trạng đảo ngược đầu tư.
4.7 Kinh tế vi mô/vĩ mô
Các lĩnh vực nghiên cứu quan trọng nhất có liên quan chặt chẽ với các biện pháp đo lường sự không chắc chắn của chính sách kinh tế là vi mô.
/ra quyết định kinh tế vĩ mô. Sự bất ổn về kinh tế ảnh hưởng đến việc ra quyết định ở tất cả các tầng lớp trong nền kinh tế có thu nhập thấp nhất
đến thu nhập cao nhất và từ hộ gia đình đến chủ sở hữu công ty toàn cầu. Hơn nữa, biến động của EPU không chỉ khiến các nhà đầu tư phản ứng mà
còn cả cộng đồng ngân hàng, các nhà quản lý và chính trị gia. Do tính đa dạng của các tham số và lĩnh vực bị ảnh hưởng bởi EPU, chúng tôi tóm
tắt một số lượng hạn chế trong Bảng 2. Chúng tôi cần lưu ý rằng mối quan hệ cũng như phương hướng và khoảng thời gian được liệt kê đối với
các tài liệu tham khảo đã chỉ ra . Các mối quan hệ là một chiều từ EPU đến các biến. Mặc dù tồn tại mối quan hệ hai chiều nhưng để đơn giản,
chúng tôi chỉ đề cập đến một mặt của mối quan hệ.
Trang 16
Bảng 2: Các thông số và quyết định chính đáng nghiên cứu để hiểu tác động của EPU.
Mối quan hệ/Phương hướng
# Biến đổi (Ngắn hạn/Dài hạn) Người giới thiệu)
1 Tích cực (S), (Choi & Shim, 2019; Li và cộng sự, 2019; Liu &
Tiêu cực (S, L) Zhang, 2015; Ma và cộng sự, 2020; Manela &
Biến động thị trường chứng khoán Moreira, 2017; Shaikh, 2019; Škrinjarić &
Orlović, 2020; Xia và cộng sự, 2020; Yu và cộng
sự, 2018)
2 Tiêu cực (S, L) (Baker và cộng sự, 2016; Chen và cộng sự, 2019;
Đầu tư của doanh nghiệp Feng và cộng sự, 2019; Gulen & Ion, 2016; Kang
và cộng sự, 2014)
3 Tiêu cực (S, L) (Da và cộng sự, 2015; Lee và cộng sự, 2020;
Đầu tư hộ gia đình Lunn & Kornrich, 2018; van der Wielen & Barrios,
2020)
4 Tích cực, (Balcilar và cộng sự, 2017; Colombo, 2013; Gao

lạm phát
Tiêu cực (L) và cộng sự, 2019; Glas & Hartmann, 2016)
5 Tiêu cực (Ashraf & Shen, 2019; Belo & Yu, 2013; Liu và
Dòng tiền
cộng sự, 2017; Liu và cộng sự, 2020)
6 Tích cực (Antonakakis và cộng sự, 2015; Arouri và cộng
Rủi ro sự cố sự, 2016; Fang và cộng sự, 2018; Jin và cộng
sự, 2019; Luo & Zhang, 2020)
7 Tích cực (S, L) (Ashraf & Shen, 2019; Baker và cộng sự, 2016;
Lãi suất (Lãi suất bình quân) Bholat và cộng sự, 2015; Francis và cộng sự,
2014; Gholipour, 2019; Poza & Monge, 2020)
8 Giá khoản vay Tích cực (S) (Ashraf & Shen, 2019; Chi & Li, 2017)
9 Tiêu cực (Akron và cộng sự, 2020; Kahle & Stulz, 2013;
Chi tiêu vốn
Trần, 2019; Wu và cộng sự, 2020)
10 Tích cực (S, L) (Chung & Chuwonganant, 2014; Dash và cộng sự,
Thanh khoản (ví dụ: Thanh khoản ngân hàng,
2019; Debata & Mahakud, 2018; Gholipour, 2019;
Thanh khoản chứng khoán và Thanh khoản vốn)
Huang & Luk, 2020)
11 Tích cực (S), (Demir và cộng sự, 2018; Fang và cộng sự, 2019;
Bitcoin trả về
Tiêu cực (S) Mokni, 2021; Paule-Vianez và cộng sự, 2020; Qin
và cộng sự, 2021; Shaikh, 2020)
Mối quan hệ/Phương hướng

# Phán quyết Người giới thiệu)
(Ngắn hạn/Dài hạn)
1 Tránh thuế Tích cực (S) (Kang & Wang, 2020; Nguyễn & Nguyễn, 2020; Shen
2 Gánh nặng thuế Tích cực (S) (Đặng và cộng sự, 2019; Dương và cộng sự, 2020)
3 Giữ tiền mặt (và tiết kiệm) Tích cực (S, L) (Caballero, 1990; Demir & Ersan, 2017; Feng và
cộng sự, 2019; Giavazzi & McMahon, 2012; Im và
cộng sự, 2017; Li, 2019; Liu &
Trang 17
Chương, 2020; Phan và cộng sự, 2019; Sử và cộng
sự, 2020)
4 Định giá tài sản Tiêu cực (S) (Brogaard & Detzel, 2015; Kannadhasan & Das,
2020; Liu và cộng sự, 2017; Pastor & Veronesi,
2012)
5 Đa dạng hóa (Doanh nghiệp Và Tích cực (Das và cộng sự, 2019; Hoàng và cộng sự, 2021;
Đa dạng hóa đầu tư) Nguyễn & Nguyễn, 2020; Trần và cộng sự, 2020)
6 Quản lý thu nhập Tích cực (Cui và cộng sự, 2020; Haque và cộng sự, 2019;
Tiêu cực Roma và cộng sự, 2020; Yiqiang Jin và cộng sự,
2019; Yung & Root, 2019)
7 Mua bán & Sáp nhập (M&A) Tích cực (S), (Bonaime và cộng sự, 2018; Duchin & Schmidt,
Tiêu cực (S, L) 2013; Kannadhasan & Das, 2020; Li và cộng sự,
2021; Nguyễn & Phan, 2017; Sha và cộng sự, 2020)
số 8
Tự nguyện tiết lộ thông tin Tích cực (Guay và cộng sự, 2016; Nagar và cộng sự, 2019)
9 Đổi mới trong R&D Tích cực (Al-Thaqeb và cộng sự, 2020; Gholipour, 2019; Li
10 Ngân hàng cho vay Tích cực, tiêu cực (Alessandri & Bottero, 2020; Biswas & Zhai,
2021; Braun, 2020; Danisman và cộng sự, 2021; Hu
& Gong, 2019)
Trang 18
5 Kết luận và công việc trong tương lai
Sự không chắc chắn gia tăng ảnh hưởng rộng rãi đến sự phát triển kinh tế bằng cách trì hoãn đầu tư. Các nghiên cứu khác nhau xác
nhận rằng khi sự không chắc chắn tăng lên, số tiền đầu tư vào các công ty sẽ giảm lại (Bloom, 2009; Braun, 2020; Chen và cộng sự, 2020).
Hơn nữa, kết quả của các công trình nghiên cứu trước đây đã xác nhận rằng những cú sốc bất ổn dẫn đến suy thoái mạnh (Bloom, 2009, 2017;
Caggiano và cộng sự, 2014; Fontaine và cộng sự, 2017), và Ercolani và Natoli (2020) cho thấy suy thoái có thể xảy ra. dự đoán bằng cách
sử dụng mức độ không chắc chắn. Sự không chắc chắn về chính sách kinh tế là sự không chắc chắn về chính sách tiền tệ mà các nhà đầu tư
nhận thấy, là một chỉ số quan trọng trong nghiên cứu kinh tế để dự đoán các khoản đầu tư trong tương lai, tỷ lệ thất nghiệp và suy
thoái kinh tế. Trong bài viết này, chúng tôi dự định xem xét sự không chắc chắn của chính sách kinh tế và khảo sát các kỹ thuật đo lường
EPU với trọng tâm là các phương pháp khai thác văn bản. Chúng tôi chia các biện pháp EPU thành ba nhóm chính tùy theo loại dữ liệu đầu
vào của chúng. Nhóm đầu tiên sử dụng dữ liệu tài chính và cố gắng theo dõi sự biến động của thị trường chứng khoán như một chỉ báo gián
tiếp về sự không chắc chắn của nhà đầu tư. Cách thứ hai sử dụng dữ liệu văn bản với giả định rằng mức độ không chắc chắn của nhà đầu tư
có thể được xác định dựa trên tin tức họ nhận được. Nhóm phương pháp thứ ba sử dụng nhiều loại thông tin khác nhau, ví dụ: chuỗi thời
gian xu hướng của Google và hành vi tiếp thị, để ước tính mức độ không chắc chắn đã nhận ra. Chúng tôi tóm tắt ưu và nhược điểm của
các phương pháp này trong Bảng 1 để so sánh các phương pháp khác nhau.
Các phương pháp của nhóm thứ hai được nghiên cứu chủ yếu để ước tính mức độ không chắc chắn mà cộng đồng công chúng và chủ sở hữu
doanh nghiệp nhận ra thông qua tin tức họ nhận được. Những phương pháp này cho phép chúng ta trích xuất những kiến thức và tình cảm ẩn
chứa trong tài liệu văn bản được gọi là phương pháp khai thác văn bản. Hơn nữa, những kiến thức ẩn giấu còn thể hiện một cách đáng tin
cậy tình trạng của các nền kinh tế ít minh bạch mà không phải xử lý việc thu thập thông tin tài chính nhạy cảm.
Có bốn loại phương pháp khai thác văn bản khác nhau đã được sử dụng để đo lường sự không chắc chắn của chính sách kinh tế, đó là
(1) dựa trên từ khóa, (2) mô hình hóa chủ đề, (3) dựa trên nhúng từ và (4) phân loại tài liệu. Một phương pháp dựa trên từ khóa được đề
xuất bởi Baker et al. (2016) được sử dụng rộng rãi và cho thấy độ tin cậy của nó.
Baker và cộng sự. (2016) đã sử dụng một danh sách các từ được xác định trước thể hiện các khái niệm “Chính sách”, “Kinh tế” và “Sự không chắc chắn”.
Danh sách từ khóa này làm cho phương pháp của họ phụ thuộc vào chất lượng và độ bao phủ của danh sách. Hơn nữa, nó dẫn đến kết quả
tương thích nhưng khác nhau đối với các quốc gia có ngôn ngữ khác ngoài tiếng Anh. Khi chúng tôi tham gia, một số phương pháp được
báo cáo đã được thử nghiệm để vượt qua những trở ngại của Baker's et al. (2016) phương pháp.
Theo hiểu biết tốt nhất của chúng tôi, không có nghiên cứu nào xem xét các lĩnh vực chính được hưởng lợi từ việc đo lường sự
không chắc chắn của chính sách kinh tế. Chúng tôi đã thiết kế bài viết của mình để đề cập đến nhiều lĩnh vực, bao gồm (1) sức khỏe, (2)
các vấn đề cá nhân, (3) du lịch, (4) bất động sản, (5) biến đổi khí hậu, (6) rủi ro địa chính trị và (7) ) các lĩnh vực kinh tế vi mô/vĩ
mô nói chung, với hy vọng rằng việc nghiên cứu tác động của sự không chắc chắn sẽ thu hút thêm sự chú ý của các nhà nghiên cứu từ các
lĩnh vực nghiên cứu khác nhau. Chúng tôi tin rằng các nghiên cứu trong tương lai sẽ tiếp tục theo hai hướng, đó là đo lường chỉ số EPU
và điều tra tác động của nó. Chúng tôi trình bày các đề xuất của mình cho từng hướng như sau,
• Đo chỉ số EPU
o Cung cấp một bộ sưu tập các tài liệu được dán nhãn
Keith và cộng sự. (2020) đã giải quyết vấn đề thiên vị chú thích trong Baker's et al. (2016) hoạt động có thể
đến từ những giả định của người chú thích, lỗi ghi nhãn hoặc sự mơ hồ về nội dung. Như vậy, một
kho lưu trữ được dán nhãn chính xác các bài báo thể hiện sự không chắc chắn về kinh tế sẽ có lợi cho
Đo lường EPU. Hơn nữa, kho lưu trữ của các tài liệu được dán nhãn tạo điều kiện thuận lợi cho chủ đề được hiệu quả.
mô hình hóa bằng cách sử dụng các biểu diễn nhúng từ dựa trên máy biến áp, chẳng hạn như BERT và
ELMo.
Trang 19
o Phân tích độ không đảm bảo theo nhóm
Trong quá trình điều tra, chúng tôi nhận thấy khoảng thời gian bao gồm các điều khoản áp đặt sự không chắc chắn
thể hiện nhiều hơn một sự thay đổi trong chính sách kinh tế của đất nước. Tác động của một chính sách mới
chính sách có thể phóng đại tác động của một chính sách đã thay đổi khác. Vì vậy, việc nhóm lại là hợp lý
các tài liệu đề cập đến một chính sách cụ thể cùng nhau. Sau đó, các chỉ số không chắc chắn của mỗi
nhóm có thể được đo lường ngoài những nhóm khác. Phân tích hồi quy của dữ liệu bảng về độ không chắc chắn
các thước đo được đại diện bởi một biến ngoại sinh như biến động của thị trường chứng khoán có thể cho thấy những khác biệt
tác động của chính sách
o Phát triển EPU sử dụng dữ liệu truyền thông xã hội
Biện pháp đo lường sự không chắc chắn về kinh tế (TEU) dựa trên Twitter được đề xuất gần đây cung cấp một
cơ hội nghiên cứu các hậu quả kinh tế ở quy mô vi mô và dự đoán các vấn đề của hộ gia đình
hành vi đầu tư. Vì vậy, sẽ rất có ích nếu đo TEU và sử dụng nó để
dự đoán phòng ngừa rủi ro và đầu tư vào thị trường chứng khoán.
• Tác động của EPU
o Tác động của EPU đối với các phản ứng kinh tế trước đại dịch COVID-19
Đại dịch COVID-19 kêu gọi các hành động khẩn cấp để giảm thiểu tác động tiêu cực của đợt bùng phát.
Các chính phủ trên toàn thế giới đã có những hành động ngay lập tức để hỗ trợ các nhóm và doanh nghiệp có thu nhập thấp
và củng cố hệ thống y tế công cộng. Trong khi đó, những hành động này được thực hiện nhằm làm giảm
những tác động tiêu cực của đại dịch, sự không chắc chắn về chúng có thể ảnh hưởng xấu đến nền kinh tế.
Vì vậy, chúng tôi khuyến nghị rằng EPU xuất phát từ kết quả của các chính sách hỗ trợ được
đã học.
o Khuyến nghị trình bày chính sách
Việc diễn đạt bằng lời một chính sách mới và cách thể hiện nó trên các phương tiện truyền thông có thể ảnh hưởng đến hiệu quả thực hiện
tính không chắc chắn. Do đó, một hệ thống khuyến nghị dự đoán hậu quả của một biến động chính trị
thông báo và đề xuất cách diễn đạt bằng lời tốt nhất với tác động tiêu cực tối thiểu sẽ
được ưu tiên hơn.
o Kiểm tra tác động của EPU trên các lĩnh vực khác nhau bằng cách sử dụng dữ liệu văn bản
Mặc dù tác động của EPU cao đã được nghiên cứu rộng rãi trong nền kinh tế, nhưng tác động xã hội của nó
hiệu quả kinh tế chưa được nghiên cứu. Trên thực tế, ảnh hưởng của EPU tới
sự gia tăng tiền điện tử, tâm lý du lịch, sự hài lòng về sức khỏe cộng đồng, các cuộc tấn công khủng bố, v.v., có thể
được khám phá bằng cách khai thác bày tỏ tình cảm một cách công khai trên mạng xã hội. Chúng tôi nghiêm túc khuyến nghị
cộng đồng khoa học máy tính nghiên cứu lĩnh vực này và mở ra một chân trời mới cho thế giới kinh tế.
Trang 20
Tuyên bố
Kinh phí
Nghiên cứu này không nhận được bất kỳ khoản tài trợ cụ thể nào từ các cơ quan tài trợ công cộng, thương mại hoặc phi lợi nhuận
các lĩnh vực.
Tuyên bố về lợi ích cạnh tranh
Các tác giả báo cáo không có tuyên bố quan tâm.
Tiết lộ xung đột lợi ích
Không có.
Sự sẵn có của dữ liệu/vật liệu
Đánh giá này không bao gồm dữ liệu.
Mã sẵn có
Nghiên cứu này không bao gồm phân tích mã hóa.
Tuyên bố đóng góp quyền tác giả CRediT
F. Kaveh-Yazdy: Lên ý tưởng, Tìm kiếm, Viết - Bản thảo gốc, Viết - Đánh giá & Chỉnh sửa, Dự án
sự quản lý.
Sajjad Zarifzadeh: Xác thực, Viết - Bản nháp gốc, Viết - Đánh giá & Chỉnh sửa, Tài nguyên.
Trang 21
Người giới thiệu
Adams, S., Adedoyin, F., Olaniran, E., & Bekun, FV (2020). Tiêu thụ năng lượng, sự không chắc chắn về chính sách kinh tế và lượng
khí thải carbon; bằng chứng quan hệ nhân quả từ các nền kinh tế giàu tài nguyên. Phân tích và Chính sách Kinh tế, 68, 179–
190. https://doi.org/10.1016/j.eap.2020.09.012
Aharon, DY (2020). Tình cảm, niềm tin và sự không chắc chắn: Trường hợp cổ phiếu du lịch và giải trí. Cornell
Khách sạn hàng quý. https://doi.org/10.1177/1938965520978170
Ahir, H., Bloom, N., & Furceri, D. (2019). Chỉ số bất ổn thế giới. Tại Viện Nghiên cứu Chính sách Kinh tế Stanford. https://
siepr.stanford.edu/research/publications/world-uncertainty-index
Akron, S., Demir, E., Díez-Esteban, JM, & García-Gómez, CD (2020). Sự không chắc chắn về chính sách kinh tế và đầu tư doanh nghiệp:
Bằng chứng từ ngành khách sạn Hoa Kỳ. Quản lý Du lịch, 77, 104019. https://doi.org/10.1016/j.tourman.2019.104019
Al-Yahyaee, KH, Rehman, MU, Mensi, W., & Al-Jarrah, IMW (2019). Các chỉ số không chắc chắn có thể dự đoán giá Bitcoin không? Một phân
tích được xem xét lại bằng cách sử dụng các phương pháp tiếp cận wavelet một phần và đa biến. Tạp chí Kinh tế và Tài chính Bắc
Mỹ, 49, 47–56. https://doi.org/10.1016/j.najef.2019.03.019
Al-Thaqeb, SA, Algharabali, BG, & Alabdulghafour, KT (2020). Đại dịch và sự không chắc chắn về chính sách kinh tế. Tạp chí Quốc tế
Tài chính & Kinh tế, ijfe.2298. https://doi.org/10.1002/ijfe.2298
Alam, MR, & Istiak, K. (2020). Tác động của sự không chắc chắn về chính sách của Hoa Kỳ đối với Mexico: Bằng chứng từ các thử nghiệm
tuyến tính và phi tuyến tính. Tạp chí Kinh tế và Tài chính hàng quý, 77, 355–366. https://doi.org/10.1016/j.qref.2019.12.002
Alessandri, P., & Bottero, M. (2020). Ngân hàng cho vay trong thời điểm không chắc chắn. Tạp chí Kinh tế Châu Âu, 128, 103503.
https://doi.org/10.1016/j.euroecorev.2020.103503
Altig, D., Baker, S., Barrero, JM, Bloom, N., Bunn, P., Chen, S., Davis, SJ, Leather, J., Meyer, B., Mihaylov, E., Mizen, P., Parker,
N., Renault, T., Smietanka, P., & Thwaites, G. (2020). Sự bất ổn về kinh tế trước và trong đại dịch COVID-19. Tạp chí Kinh tế
Công cộng, 104274. https://doi.org/10.1016/j.jpubeco.2020.104274 191,
Anoruo, E., Akpom, U., & Nwoye, Y. (2017). Mối quan hệ năng động giữa sự không chắc chắn của chính sách kinh tế và lợi nhuận thị
trường nhà ở ở Nhật Bản. Tạp chí Kinh doanh và Kinh tế Quốc tế, 5(2), 28–37. https://doi.org/10.15640/jibe.v5n2a4
Antonakakis, N., Gupta, R., & André, C. (2015). Sự phối hợp năng động giữa sự không chắc chắn của chính sách kinh tế và lợi nhuận của
thị trường nhà ở. Tạp chí Quản lý danh mục đầu tư bất động sản, 21(1), 53–60. https://doi.org/10.1080/10835547.2015.12089971
Arbatli, EC, Davis, SJ, Ito, A., & Miake, N. (2017). Sự không chắc chắn về chính sách ở Nhật Bản (Số 23411; Chuỗi tài liệu làm việc
của NBER). https://doi.org/10.3386/w23411
Arouri, M., Estay, C., Rault, C., & Roubaud, D. (2016). Sự không chắc chắn về chính sách kinh tế và thị trường chứng khoán: Bằng
chứng dài hạn từ Hoa Kỳ. Thư nghiên cứu tài chính, 18, 136–141. https://doi.org/10.1016/j.frl.2016.04.011
Ashraf, BN, & Shen, Y. (2019). Sự không chắc chắn về chính sách kinh tế và định giá khoản vay của các ngân hàng. Tạp chí Ổn định Tài
chính, 44, 100695. https://doi.org/10.1016/j.jfs.2019.100695
Aye, GC, Clance, MW, & Gupta, R. (2019). Tác động của sự không chắc chắn về kinh tế đối với chu kỳ thị trường nhà ở.
Tạp chí Quản lý danh mục đầu tư bất động sản, 25(1), 67–75. https://doi.org/10.1080/10835547.2019.12090024
Azqueta-Gavaldon, A. (2017). Đầu tư tài chính và sự không chắc chắn về chính sách kinh tế ở Anh. Kỷ yếu của Hội nghị quốc tế lần thứ
nhất về Internet vạn vật và học máy, 1–4. https://doi.org/10.1145/3109761.3158380
Azqueta-Gavaldón, A. (2017). Phát triển chỉ số Không chắc chắn về Chính sách Kinh tế dựa trên tin tức bằng công nghệ học máy không
giám sát. Thư kinh tế, 158, 47–50. https://doi.org/10.1016/j.econlet.2017.06.032
Trang 22
Azqueta-Gavaldón, A., Hirschbühl, D., Onorante, L., & Saiz, L. (2020). Sự không chắc chắn về chính sách kinh tế ở Khu vực đồng
Euro: Phương pháp tiếp cận máy học không giám sát. Trong Tài liệu làm việc của ECB (Số 2359; Tài liệu làm việc của ECB).
SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3516756
Bachmann, R., Elstner, S., & Sims, ER (2013). Sự không chắc chắn và hoạt động kinh tế: Bằng chứng từ dữ liệu khảo sát kinh doanh.
Tạp chí Kinh tế Hoa Kỳ: Kinh tế vĩ mô, 5(2), 217–249. https://doi.org/10.1257/mac.5.2.217
Baker, S., Baksy, A., Bloom, N., Davis, S., & Rodden, J. (2020). Bầu cử, Phân cực Chính trị và Bất ổn Kinh tế (Số 27961; Chuỗi tài
liệu làm việc của NBER). https://doi.org/10.3386/w27961
Baker, S., Bloom, N., Davis, SJ, & Renault, T. (2020). Các biện pháp đo lường sự bất ổn kinh tế bắt nguồn từ twitter (tháng 6
năm 2020; Tài liệu làm việc).
Baker, SR, Bloom, N., Canes-Wrone, B., Davis, SJ, & Rodden, J. (2014). Tại sao sự không chắc chắn về chính sách của Hoa Kỳ lại gia
tăng kể từ năm 1960? Tạp chí Kinh tế Hoa Kỳ, 104(5), 56–60. https://doi.org/10.1257/aer.104.5.56
Baker, SR, Bloom, N., & Davis, SJ (2016). Đo lường sự không chắc chắn của chính sách kinh tế. Tạp chí hàng quý của
Kinh tế, 131(4), 1593–1636. https://doi.org/10.1093/qje/qjw024
Baker, SR, Bloom, N., & Davis, SJ (2021). Chỉ số không chắc chắn về chính sách kinh tế toàn cầu: Giá hiện tại đã điều chỉnh
GDP. https://fred.stlouisfed.org/series/GEPUCURRENT
Balcilar, M., Gupta, R., & Jooste, C. (2017). Ký ức lâu dài, sự không chắc chắn về chính sách kinh tế và dự báo lạm phát của Hoa
Một
Phương pháp tiếp cận VARFIMA của Bayes. Đã áp dụng Kỳ: Kinh tế, 1047–1054.
49(11),
https://doi.org/10.1080/00036846.2016.1210777
Balcilar, M., Gupta, R., Lee, C.-C., & Olasehinde-Williams, G. (2020). Sự không chắc chắn về chính sách bảo hiểm và kinh tế.
Nghiên cứu về Kinh doanh và Tài chính Quốc tế, 54, 101253. https://doi.org/10.1016/j.ribaf.2020.101253
Balli, F., Shahzad, SJH, & Salah Uddin, G. (2018). Câu chuyện về hai cú sốc: Chúng ta học được gì từ tác động của Quản lý Du lịch,
chính sách kinh tế những bất ổn về du lịch? 68, 470–475.
https://doi.org/10.1016/j.tourman.2018.04.008
Barrero, JM, & Bloom, N. (2020). Sự bất ổn kinh tế và sự phục hồi (Tháng 8-2020; Bản thảo chưa xuất bản). https://
www.kansascityfed.org/~/media/files/publicat/sympos/2020/20200806bloom.pdf
Becerra, JS, & Sagner, A. (2020). Chỉ số không chắc chắn về chính sách kinh tế dựa trên Twitter của Chile (Số 883; Tài liệu làm
việc của Ngân hàng Trung ương Chile). https://www.bancaditalia.it/pubblicazioni/altri-atti-convegni/2020-bi-frb nontraditional-
data/sagner_paper.pdf
Belke, A., Dubova, I., & Osowski, T. (2018). Sự không chắc chắn về chính sách và thị trường tài chính quốc tế: trường hợp Brexit.
Kinh tế ứng dụng, 50(34–35), 3752–3770. https://doi.org/10.1080/00036846.2018.1436152
Belo, F., & Yu, J. (2013). Đầu tư của chính phủ và thị trường chứng khoán. Tạp chí Kinh tế tiền tệ, 60(3), 325–
339. https://doi.org/10.1016/j.jmoneco.2013.01.004
Bernanke, B. (1983). Những tác động phi tiền tệ của cuộc khủng hoảng tài chính trong việc lan truyền cuộc Đại suy thoái. Tạp chí
Kinh tế Hoa Kỳ, 73(3), 257–276. https://www.jstor.org/stable/1808111?seq=1
Bholat, DM, Hansen, S., Santos, PM, & Schonhardt-Bailey, C. (2015). Khai thác văn bản cho các ngân hàng trung ương SSRN
Tạp chí điện tử. https://doi.org/10.2139/ssrn.2624811
Binette, A., & Tchebotarev, D. (2019). Báo cáo chính sách tiền tệ của Canada: Nếu văn bản có thể nói được, nó sẽ nói gì?
(Số 2019–5; Ghi chú phân tích của nhân viên, Ngân hàng Canada). https://ideas.repec.org/p/bca/bocsan/19-5.html
Binge, LH, & Boshoff, WH (2020). Bất ổn kinh tế ở Nam Phi. Mô hình kinh tế, 88, 113–131.
https://doi.org/https://doi.org/10.1016/j.econmod.2019.09.013
Biswas, S., & Zhai, W. (2021). Sự không chắc chắn về chính sách kinh tế và cho vay xuyên biên giới. Tạp chí Tài chính Doanh nghiệp,
67, 101867. https://doi.org/10.1016/j.jcorpfin.2020.101867
Trang 23
Bloom, D., Canning, D., Kotschy, R., Prettner, K., & Schünemann, J. (2019). Tăng trưởng kinh tế và sức khỏe: Dung hòa bằng chứng vi
mô và vĩ mô (Số 26003; Chuỗi tài liệu nghiên cứu của NBER). https://doi.org/10.3386/w26003
Bloom, N. (2009). Tác động của những cú sốc không chắc chắn. Kinh tế lượng, 77(3), 623–685. https://doi.org/10.3982/ecta6248
Bloom, N. (2017). Quan sát về sự không chắc chắn. Tạp chí Kinh tế Australia, 50(1), 79–84.
https://doi.org/10.1111/1467-8462.12203
Bloom, N., Floetotto, M., Jaimovich, N., Saporta-Eksten, I., & Terry, SJ (2018). Chu kỳ kinh doanh thực sự không chắc chắn.
Kinh tế lượng, 86(3), 1031–1065. https://doi.org/10.3982/ECTA10927
Bonaime, A., Gulen, H., & Ion, M. (2018). Sự không chắc chắn về chính sách có ảnh hưởng đến việc sáp nhập và mua lại không? tạp chí của
Kinh tế tài chính, 129(3), 531–558. https://doi.org/10.1016/j.jfineco.2018.05.007
Braun, M. (2020). Sự không chắc chắn về chính sách kinh tế: Góc nhìn từ các doanh nghiệp. Học viện Quản lý Kỷ yếu Toàn cầu,
Mexico(2020), 159. https://doi.org/10.5465/amgblproc.mexico.2020.0159.abs
Brenner, MH, & Bhugra, D. (2020). Sự gia tăng lo lắng, trầm cảm và tự tử: Tác động thứ cấp của sự gián đoạn kinh tế liên quan đến
COVID-19. Tâm thần học biên giới, 1422. https://doi.org/10.3389/fpsyt.2020.592467 TRONG
11,
Brogaard, J., & Detzel, A. (2015). Ý nghĩa về giá tài sản của sự không chắc chắn về chính sách kinh tế của Chính phủ.
Khoa học quản lý, 61(1), 3–18. https://doi.org/10.1287/mnsc.2014.2044
Caballero, RJ (1990). Câu đố tiêu dùng và tiết kiệm phòng ngừa. Tạp chí Kinh tế tiền tệ, 25(1), 113–
136. https://doi.org/10.1016/0304-3932(90)90048-9
Caggiano, G., Castelnuovo, E., & Figueres, JM (2017). Sự không chắc chắn về chính sách kinh tế và thất nghiệp trong cách tiếp cận. 31–
Liên Kỳ: Một phi tuyến 34. Kinh tế học Bức thư, 151,
kết https://doi.org/10.1016/j.econlet.2016.12.002
Caggiano, G., Castelnuovo, E., & Groshenny, N. (2014). Những cú sốc bất ổn và động thái thất nghiệp trong thời kỳ suy thoái ở Mỹ. Tạp
chí Kinh tế tiền tệ, 67, 78–92. https://doi.org/10.1016/j.jmoneco.2014.07.006
Cakan, E., Demirer, R., Gupta, R., & Uwilingiye, J. (2019). Sự không chắc chắn về chính sách kinh tế và hành vi bầy đàn: Bằng chứng từ
thị trường nhà ở Nam Phi (Số 201921; Số phát hành 201921). https://ideas.repec.org/p/pre/wpaper/201921.html
Caldara, D., Fuentes-Albero, C., Gilchrist, S., & Zakrajšek, E. (2016). Tác động kinh tế vĩ mô của tài chính và các cú sốc. 185–207.
sự không chắc chắn ở Châu Âu https://doi.org/10.1016/ Thuộc kinh tế Ôn tập, 88,
j.euroecorev.2016.02.020
Caldara, D., & Iacoviello, M. (2018). Đo lường rủi ro địa chính trị. Tài liệu thảo luận tài chính quốc tế,
2018(1222), 1–66. https://doi.org/10.17016/IFDP.2018.1222
Castelnuovo, E., Lim, G., & Pellegrino, G. (2017). Một đánh giá ngắn về các tài liệu gần đây về sự không chắc chắn. người Úc
Tạp chí Kinh tế, 50(1), 68–78. https://doi.org/10.1111/1467-8462.12210
Castelnuovo, E., & Trần, TD (2017). Google nó lên! Chỉ số không chắc chắn dựa trên Google Xu hướng dành cho Hoa Kỳ và Úc. Thư kinh
tế, 161, 149–153. https://doi.org/10.1016/j.econlet.2017.09.032
Çepni, O., Gupta, R., & Wohar, ME (2020). Vai trò của sự không chắc chắn về bất động sản trong việc dự đoán tăng trưởng doanh số bán
nhà ở Hoa Kỳ: bằng chứng từ cách tiếp cận trung bình theo mô hình Bayes dựa trên lượng tử. Kinh tế ứng dụng, 52(5), 528–536.
https://doi.org/10.1080/00036846.2019.1654082
Chen, PF, Lee, CC, & Zeng, JH (2019). Sự không chắc chắn về chính sách kinh tế và đầu tư vững chắc: bằng chứng từ thị trường Mỹ. Kinh
tế ứng dụng, 51(31), 3423–3435. https://doi.org/10.1080/00036846.2019.1581909
Trang 24
Chen, X., Le, CHA, Shan, Y., & Taylor, S. (2020). Sự không chắc chắn về chính sách của Úc và đầu tư của doanh nghiệp. Tạp chí
Tài chính Lưu vực Thái Bình Dương, 61, 101341. https://doi.org/10.1016/j.pacfin.2020.101341
Cheng, CHJ, & Witvorapong, N. (2019). Sự không chắc chắn về chính sách chăm sóc sức khỏe, chi tiêu y tế thực tế và lạm phát chăm
sóc sức khỏe ở Hoa Kỳ. Kinh tế học thực nghiệm, 1–21. https://doi.org/10.1007/s00181-019-01818-x
Chi, Q., & Li, W. (2017). Sự không chắc chắn về chính sách kinh tế, rủi ro tín dụng và quyết định cho vay của ngân hàng: Bằng
chứng từ các ngân hàng thương mại Trung Quốc. Tạp chí Nghiên cứu Kế toán Trung Quốc, 10(1), 33–50. https://doi.org/10.1016/
j.cjar.2016.12.001
Choi, S.-Y. (2020). Sự biến động của ngành và sự bất ổn về kinh tế do đại dịch COVID-19: Bằng chứng từ phân tích sự gắn kết của
wavelet. Thư nghiên cứu tài chính, 37, 101783. https://doi.org/10.1016/j.frl.2020.101783
Choi, S., & Shim, M. (2019). Sự không chắc chắn về tài chính và chính sách ở các nền kinh tế thị trường mới nổi. Đánh giá các
nền kinh tế mở, 30(2), 297–318. https://doi.org/10.1007/s11079-018-9509-9
Choudhry, T. (2020). Sự không chắc chắn về chính sách kinh tế và giá nhà: Bằng chứng từ các khu vực địa lý của Anh và xứ Wales.
Kinh tế Bất động sản, 48(2), 504–529. https://doi.org/10.1111/1540-6229.12266
Chow, S.-C., Cunado, J., Gupta, R., & Wong, W.-K. (2018). Mối quan hệ nhân quả giữa sự không chắc chắn của chính sách kinh tế và
lợi nhuận của thị trường nhà đất ở Trung Quốc và Ấn Độ: bằng chứng từ các mô hình chuỗi thời gian và bảng tuyến tính và
phi tuyến. Các nghiên cứu về Động lực phi tuyến & Kinh tế lượng, 22(2). https://doi.org/10.1515/snde-2016-0121
Christou, C., Gupta, R., & Hassapis, C. (2017). Liệu sự không chắc chắn về chính sách kinh tế có dự báo được lợi nhuận thực tế
của nhà ở ở một nhóm các nước OECD không? Một cách tiếp cận Bayes. Tạp chí Kinh tế và Tài chính hàng quý, 65, 50–60.
https://doi.org/10.1016/j.qref.2017.01.002
Christou, C., Gupta, R., & Nyakabawo, W. (2019). Tác động theo thời gian của các cú sốc bất ổn đối với thị trường nhà ở Hoa Kỳ
chợ. Thư kinh tế, 180, 15–20. https://doi.org/10.1016/j.econlet.2019.03.029
Chung, KH, & Chuwonganant, C. (2014). Sự không chắc chắn, cấu trúc thị trường và tính thanh khoản. Tạp chí tài chính
Kinh tế, 113(3), 476–499. https://doi.org/10.1016/j.jfineco.2014.05.008
Claveria, O. (2020). Về việc tổng hợp các chỉ số bất ổn kinh tế dựa trên khảo sát giữa các tác nhân khác nhau và giữa các biến
số. Tạp chí Nghiên cứu Chu kỳ Kinh doanh. https://doi.org/10.1007/s41549-020-00050-2
Colombo, V. (2013). Sự không chắc chắn về chính sách kinh tế ở Mỹ: Liệu nó có quan trọng đối với khu vực đồng Euro? Thư kinh tế,
121(1), 39–42. https://doi.org/10.1016/j.econlet.2013.06.024
Tương phản, G., & Platania, F. (2019). Sự không chắc chắn về kinh tế và chính sách trong việc giảm thiểu biến đổi khí hậu: Kịch
bản trường hợp Thành phố thông minh Luân Đôn. Dự báo Công nghệ và Thay đổi Xã hội, 142, 384–393. https://doi.org/10.1016/
j.techfore.2018.07.018
Cui, X., Yao, S., Fang, Z., & Wang, H. (2020). Rủi ro về sự không chắc chắn của chính sách kinh tế và quản lý thu nhập: bằng
chứng từ Trung Quốc. Kế toán & Tài chính, afi.12722. https://doi.org/10.1111/acfi.12722
Da, Z., Engelberg, J., & Gao, P. (2015). Tổng của tất cả những nỗi sợ hãi Tâm lý nhà đầu tư và giá tài sản. Đánh giá của
Nghiên cứu tài chính, 28(1), 1–32. https://doi.org/10.1093/rfs/hhu072
Đại, P.-F., Xiong, X., & Chu, W.-X. (2020). Chỉ số không chắc chắn về chính sách kinh tế toàn cầu từ thành phần chính
Phân tích. Thư nghiên cứu tài chính, 101686. https://doi.org/https://doi.org/10.1016/j.frl.2020.101686
Đặng, D., Fang, H., & He, M. (2019). Sự không chắc chắn về chính sách kinh tế, hạn ngạch thuế và gánh nặng thuế doanh nghiệp:
Bằng chứng từ Trung Quốc. Tạp chí Kinh tế Trung Quốc, 56, 101303. https://doi.org/10.1016/j.chieco.2019.101303
Danisman, GO, Demir, E., & Ozili, P. (2021). Dự phòng tổn thất cho vay của các ngân hàng Hoa Kỳ: Sự không chắc chắn về chính sách
kinh tế và hành vi tùy ý. Tạp chí Quốc tế về Kinh tế & Tài chính, 71, 923–935. https://doi.org/10.1016/j.iref.2020.10.016
Trang 25
Das, D., Kannadhasan, M., & Bhattacharyya, M. (2019). Các thị trường chứng khoán mới nổi có phản ứng như nhau trước sự bất ổn về chính
sách kinh tế quốc tế, rủi ro địa chính trị và căng thẳng tài chính không? Tạp chí Kinh tế và Tài chính Bắc Mỹ, 48, 1–19. https://
doi.org/10.1016/j.najef.2019.01.008
Dash, SR, Maitra, D., Debata, B., & Mahakud, J. (2019). Sự không chắc chắn về chính sách kinh tế và tính thanh khoản của thị trường chứng
khoán: Bằng chứng từ các nước G7. Tạp chí Tài chính Quốc tế, irfi.12277. https://doi.org/10.1111/irfi.12277
Davis, SJ (2016). Chỉ số về sự không chắc chắn của chính sách kinh tế toàn cầu (Số w22740; Tài liệu làm việc của NBER).
https://ssrn.com/abstract=2853236
de Bruin, A., Agyemang, A., & Chowdhury, MIH (2020). Những hiểu biết mới về tự tử: sự không chắc chắn và điều kiện chính trị. Thư Kinh tế
Ứng dụng, 27(17), 1424–1429. https://doi.org/10.1080/13504851.2019.1686453
de la Maisonneuve, C., Moreno-Serra, R., Murtin, F., & Oliveira Martins, J. (2017). Vai trò của chính sách và thể chế đối với chi tiêu y tế.
Kinh tế Y tế, 26(7), 834–843. https://doi.org/10.1002/hec.3410
Debata, B., & Mahakud, J. (2018). Sự không chắc chắn về chính sách kinh tế và tính thanh khoản của thị trường chứng khoán. Tạp chí tài chính
Chính sách kinh tế, 10(1), 112–135. https://doi.org/10.1108/JFEP-09-2017-0088
Demir, E., & Ersan, O. (2017). Sự không chắc chắn về chính sách kinh tế và việc nắm giữ tiền mặt: Bằng chứng từ các nước BRIC.
Tạp chí Thị trường Mới nổi, 33, 189–200. https://doi.org/10.1016/j.ememar.2017.08.001
Demir, E., & Ersan, O. (2018). Tác động của sự không chắc chắn về chính sách kinh tế đối với lợi nhuận cổ phiếu của các công ty du lịch Thổ
Nhĩ Kỳ. Các vấn đề hiện tại về Du lịch, 21(8), 847–855. https://doi.org/10.1080/13683500.2016.1217195
Demir, E., & Gozgor, G. (2018). Sự bất ổn về chính sách kinh tế có ảnh hưởng đến Du lịch không? Biên niên sử Nghiên cứu Du lịch, 69, 15–17.
https://doi.org/10.1016/j.annals.2017.12.005
Demir, E., Gozgor, G., Lau, CKM, & Vigne, SA (2018). Liệu sự không chắc chắn về chính sách kinh tế có dự đoán được lợi nhuận của Bitcoin
không? Một cuộc điều tra thực nghiệm. Tài chính Nghiên cứu Những lá thư, 145–149.
26, https://
doi.org/10.1016/j.frl.2018.01.005
Demir, E., Gozgor, G., & Paramati, SR (2020). Sự bất ổn kinh tế kéo dài ảnh hưởng đến đầu tư du lịch như thế nào?
Bằng chứng từ các nền kinh tế OECD và ngoài OECD. Quan điểm Quản lý Du lịch, 36, 100758. https://doi.org/10.1016/j.tmp.2020.100758
Demirci, Ş., Konca, M., Yetim, B., & İlgün, G. (2020). Ảnh hưởng của khủng hoảng kinh tế đối với các trường hợp tự tử: Giới hạn ARDL Tạp
cách tiếp cận thử nghiệm. Quốc tế chí Tâm thần học,
của34–40. Xã hội 66(1),
https://doi.org/10.1177/0020764019879946
Donadelli, M., & Gerotto, L. (2019). Các tìm kiếm không dựa trên vĩ mô trên Google, sự không chắc chắn và hoạt động kinh tế thực tế.
Nghiên cứu về Kinh doanh và Tài chính Quốc tế, 48, 111–142. https://doi.org/10.1016/j.ribaf.2018.12.007
Dragouni, M., Filis, G., Gavriilidis, K., & Santamaria, D. (2016). Tình cảm, tâm trạng và nhu cầu du lịch nước ngoài.
Biên niên sử Nghiên cứu Du lịch, 60, 80–96. https://doi.org/10.1016/j.annals.2016.06.004
Duchin, R., & Schmidt, B. (2013). Thúc đẩy làn sóng sáp nhập: Sự không chắc chắn, giảm giám sát và mua lại không tốt.
Tạp chí Kinh tế Tài chính, 107(1), 69–88. https://doi.org/10.1016/j.jfineco.2012.07.003
Dương, HN, Nguyễn, JH, Nguyễn, M., & Rhee, SG (2020). Điều hướng thông qua sự không chắc chắn về chính sách kinh tế:
Vai trò của việc nắm giữ tiền mặt của doanh nghiệp. Tạp chí Tài chính Doanh nghiệp, 62, 101607. https://doi.org/10.1016/
j.jcorpfin.2020.101607
El-Montasser, G., Ajmi, AN, Chang, T., Simo-Kengne, BD, André, C., & Gupta, R. (2016). Bằng chứng xuyên quốc gia về mối quan hệ nhân quả
giữa sự không chắc chắn về chính sách và giá nhà ở. Tạp chí Nghiên cứu Nhà ở, 25(2), 195–211. https://doi.org/
10.1080/10835547.2016.12092119
Ercolani, V., & Natoli, F. (2020). Dự báo suy thoái ở Mỹ: Vai trò của sự bất ổn kinh tế. Thư kinh tế,
193, 109302. https://doi.org/10.1016/j.econlet.2020.109302
Trang 26
Fang, L., Bouri, E., Gupta, R., & Roubaud, D. (2019). Liệu sự bất ổn kinh tế toàn cầu có ảnh hưởng đến sự biến động và hiệu quả phòng
ngừa rủi ro của Bitcoin không? Tạp chí Quốc tế về Phân tích Tài chính, 61, 29–36. https://doi.org/10.1016/j.irfa.2018.12.010
Fang, L., Chen, B., Yu, H., & Xiong, C. (2018). Ảnh hưởng của sự không chắc chắn về chính sách kinh tế đến mối tương quan dài hạn
giữa dầu thô và thị trường chứng khoán Mỹ. Thư nghiên cứu tài chính, 24, 56–63. https://doi.org/10.1016/j.frl.2017.07.007
Feng, X., Lo, YL, & Chan, KC (2019). Tác động của sự không chắc chắn về chính sách kinh tế đối với việc nắm giữ tiền mặt: bằng chứng
ở cấp độ công ty từ một thị trường mới nổi. Tạp chí Kế toán & Kinh tế Châu Á-Thái Bình Dương, 1–23. https://doi.org/
10.1080/16081625.2019.1694954
Ferreira, PC, Vieira, RMB, da Silva, FB, & de Oliveira, ICL (2019). Đo lường sự không chắc chắn của nền kinh tế Brazil. Tạp chí
Nghiên cứu Chu kỳ Kinh doanh, 15(1), 25–40. https://doi.org/10.1007/s41549-018-00034-3
Fontaine, I., Didier, L., & Razafindravaosolonirina, J. (2017). Những cú sốc bất ổn về chính sách đối ngoại và hoạt động kinh tế vĩ
mô của Mỹ: Bằng chứng từ Trung Quốc. Thư kinh tế, 155, 121–125. https://doi.org/10.1016/j.econlet.2017.03.034
Francis, BB, Hasan, I., & Zhu, Y. (2014). Bất ổn chính trị và hợp đồng vay ngân hàng. Tạp chí Tài chính Thực nghiệm, 29, 281–286.
https://doi.org/10.1016/j.jempfin.2014.08.004
Galariotis, E., & Karagiannis, K. (2020). Các khía cạnh văn hóa, sự không chắc chắn về chính sách kinh tế và động lực đầu tư: bằng
chứng quốc tế. Số 1–18. Châu Âu tạp chí Tài chính,
https://doi.org/10.1080/1351847X.2020.1782959
Gao, J., Zhu, S., O'Sullivan, N., & Sherman, M. (2019). Vai trò của sự không chắc chắn về kinh tế đối với lợi nhuận chứng khoán ở Anh.
Tạp chí Quản lý rủi ro và tài chính, 12(1). https://doi.org/10.3390/jrfm12010005
Ghirelli, C., Pérez, JJ, & Urtasun, A. (2019). Một chỉ số không chắc chắn về chính sách kinh tế mới của Tây Ban Nha. Thư kinh tế,
182, 64–67. https://doi.org/10.1016/j.econlet.2019.05.021
Gholipour, HF (2019). Tác động của chính sách kinh tế và những bất ổn chính trị đối với các hoạt động kinh tế. Nghiên cứu về Kinh
doanh và Tài chính Quốc tế, 48, 210–218. https://doi.org/10.1016/j.ribaf.2019.01.004
Ghosh, S. (2019). Sự không chắc chắn, tăng trưởng kinh tế tác động đến du lịch, kinh nghiệm của một số quốc gia. Tạp chí Nghiên cứu
Du lịch Châu Á Thái Bình Dương, 24(1), 83–107. https://doi.org/10.1080/10941665.2018.1542324
Giavazzi, F., & McMahon, M. (2012). Sự không chắc chắn về chính sách và tiết kiệm hộ gia đình. Tạp chí kinh tế và
Thống kê, 94(2), 517–531. https://doi.org/10.1162/REST_a_00158
Girardi, A., & Reuter, A. (2017). Các biện pháp không chắc chắn mới cho khu vực đồng euro sử dụng dữ liệu khảo sát. kinh tế Oxford
Giấy tờ, 69(1), 278–300. https://doi.org/10.1093/oep/gpw058
Glas, A., & Hartmann, M. (2016). Sự không chắc chắn về lạm phát, sự bất đồng và chính sách tiền tệ: Bằng chứng từ Khảo sát của các
nhà dự báo chuyên nghiệp của ECB. Tạp chí Tài chính Thực nghiệm, 39, 215–228. https://doi.org/10.1016/j.jempfin.2016.05.001
Godinic, D., Obrenovic, B., Khudaykulov, A., và những người khác. (2020). Ảnh hưởng của sự bất ổn về kinh tế đối với sức khỏe tâm
thần trong bối cảnh đại dịch COVID-19: rối loạn bản sắc xã hội, sự không chắc chắn trong công việc và mô hình sức khỏe tâm lý.
Tạp chí Quốc tế về Đổi mới và Phát triển Kinh tế, 6(1), 61–74.
Golub, A. (2020). Chuyển đổi công nghệ và hạn chế carbon trong điều kiện không chắc chắn. Trong W. Buchholz, A.
Markandya, D. Rübbelke, & S. Vögele (Eds.), Lợi ích phụ trợ của chính sách khí hậu: Những phát triển lý thuyết mới và kết quả
thực nghiệm (trang 69–87). Nhà xuất bản quốc tế Springer. https://doi.org/
10.1007/978-3-030-30978-7_4
Gozgor, G., & Demir, E. (2018). Tác động của sự không chắc chắn về chính sách kinh tế đối với chi tiêu du lịch nước ngoài.
Tạp chí Năng lực cạnh tranh, 10(3), 5–15. https://doi.org/10.7441/joc.2018.03.01
Trang 27
Gozgor, G., & Ongan, S. (2017). Sự không chắc chắn về chính sách kinh tế và nhu cầu du lịch: Bằng chứng thực nghiệm từ Hoa Kỳ. Tạp chí
Nghiên cứu Du lịch Quốc tế, 19(1), 99–106. https://doi.org/10.1002/jtr.2089
Grishchenko, N. (2019). Tính hợp lý của hành vi bảo hiểm nhân thọ trong điều kiện kinh tế không chắc chắn. Tạp chí quốc tế
Kinh doanh và Kinh tế, 7(1), 18–25. https://doi.org/10.15640/jibe.v7n1a3
Guay, W., Samuels, D., & Taylor, D. (2016). Hướng dẫn vượt qua sương mù: Sự phức tạp của báo cáo tài chính và việc công bố thông tin
tự nguyện. Và
Tạp chí Kế toán 234–269. https://doi.org/10.1016/j.jacceco.2016.09.001
Kinh tế học, 62(2–3),
Gulen, H., & Ion, M. (2016). Sự không chắc chắn về chính sách và đầu tư của doanh nghiệp. Tạp chí Nghiên cứu Tài chính, 29(3), 523–
564. https://doi.org/10.1093/rfs/hhv050
Guo, H., Hung, C.-HD, & Kontonikas, A. (2021). Tâm lý nhà đầu tư và sự trôi dạt thông báo trước FOMC.
Thư nghiên cứu tài chính, 38, 101443. https://doi.org/10.1016/j.frl.2020.101443
Guo, J.-X., Tan, X., Gu, B., & Qu, X. (2019). Tác động của những điều không chắc chắn đối với thiết kế giảm nhẹ carbon: Quan điểm từ chi
phí giảm thải và tỷ lệ phát thải. Tạp chí Sản xuất sạch hơn, 232, 213–223. https://doi.org/10.1016/j.jclepro.2019.05.328
Hamid, A., & Heiden, M. (2015). Dự báo biến động với sự tương đồng về mặt thực nghiệm và Google Xu hướng. Tạp chí Hành vi & Tổ chức Kinh
tế, 117, 62–81. https://doi.org/10.1016/j.jebo.2015.06.005
Hansen, S., McMahon, M., & Prat, A. (2017). Tính minh bạch và cân nhắc trong FOMC: Phương pháp tiếp cận ngôn ngữ học tính toán. Báo hàng
quý 801–870. https://doi.org/10.1093/qje/qjx045 Tạp chí Kinh tế, 133(2),
Haque, A., Fatima, H., Abid, A., & Ali Jibran Qamar, M. (2019). Tác động của sự không chắc chắn ở cấp độ công ty đối với việc quản lý thu
nhập và vai trò của chủ nghĩa thận trọng trong kế toán. Tài chính và Kinh tế Định lượng, 3(4), 772–794. https://doi.org/10.3934/
QFE.2019.4.772
Anh ấy, F., Lucey, B., & Wang, Z. (2020). Sự không chắc chắn về chính sách thương mại và tác động của nó lên thị trường chứng khoán - bằng chứng từ
Xung đột thương mại Mỹ - Trung. Thư nghiên cứu tài chính, 101753. https://doi.org/10.1016/j.frl.2020.101753
Hoàng, K., Nguyễn, C., & Zhang, H. (2021). Sự không chắc chắn của chính sách kinh tế ảnh hưởng đến đa dạng hóa doanh nghiệp như thế nào?
Tạp chí Quốc tế về Kinh tế & Tài chính, 72, 254–269. https://doi.org/10.1016/j.iref.2020.11.008
Hofmann, B., & Hohmeyer, K. (2013). Nhận thức về sự không chắc chắn về kinh tế và khả năng sinh sản: Bằng chứng từ cuộc cải cách thị
trường lao động. Tạp chí Hôn nhân và Gia đình, 75(2), 503–521. https://doi.org/10.1111/jomf.12011
Hołda, M. (2019). Các chỉ số bất ổn kinh tế dựa trên báo chí của Ba Lan (Số 310; Tài liệu làm việc của National
Ngân hàng Ba Lan (số 310)). https://ideas.repec.org/p/nbp/nbpmis/310.html
Hondroyiannis, G. (2010). Các yếu tố quyết định khả năng sinh sản và sự không chắc chắn về kinh tế: Đánh giá sử dụng dữ liệu bảng của
Châu Âu. Tạp chí Các vấn đề Kinh tế và Gia đình, 31(1), 33–50. https://doi.org/10.1007/s10834-009-9178-3
Hu, S., & Gong, D. (2019). Sự không chắc chắn về chính sách kinh tế, quy định an toàn và cho vay ngân hàng. Nghiên cứu tài chính
Thư, 29, 373–378. https://doi.org/10.1016/j.frl.2018.09.004
Huang, N., Huang, N., & Wang, Y. (2020). Sự không chắc chắn về chính sách kinh tế của Hoa Kỳ đối với nền kinh tế Trung Quốc: phân tích
cấp độ ngành. Thư Kinh tế Ứng dụng, 27(10), 789–802. https://doi.org/10.1080/13504851.2019.1645942
Huang, W.-L., Lin, W.-Y., & Ning, S.-L. (2020). Ảnh hưởng của sự không chắc chắn về chính sách kinh tế đối với thị trường nhà đất của
Trung Quốc. Tạp chí Kinh tế và Tài chính Bắc Mỹ, 54, 100850. https://doi.org/10.1016/j.najef.2018.09.008
Huang, Y., & Luk, P. (2020). Đo lường sự không chắc chắn về chính sách kinh tế ở Trung Quốc. Tạp chí Kinh tế Trung Quốc, 59, 101367.
https://doi.org/10.1016/j.chieco.2019.101367
Im, HJ, Park, H., & Zhao, G. (2017). Sự không chắc chắn và giá trị của việc nắm giữ tiền mặt. Thư kinh tế, 155, 43–48. https://doi.org/
10.1016/j.econlet.2017.03.005
Trang 28
Işık, C., Sirakaya-Turk, E., & Ongan, S. (2020). Kiểm tra tính hiệu quả của chỉ số không chắc chắn về chính sách kinh tế đối với
nhu cầu du lịch ở USMCA: Lý thuyết và bằng chứng. Kinh tế Du lịch, 26(8), 1344–1357. https://doi.org/10.1177/1354816619888346
Jkovljevic, M., Potapchik, E., Popovich, L., Barik, D., & Getzen, TE (2017). Bối cảnh chi tiêu y tế ngày càng tăng của các quốc
gia BRICS và dự báo đến năm 2025. Kinh tế y tế, 26(7), 844–852. https://doi.org/10.1002/hec.3406
Jeon, J.-H. (2018). Tác động của sự không chắc chắn trong chính sách kinh tế châu Á: Bằng chứng từ thị trường nhà ở Hàn Quốc.
Tạp chí Châu Á 43–51.
của Và
Tài chính, Kinh tế Kinh doanh, https://doi.org/10.13106/ 5(2),
jafeb.2018.vol5.no2.43
Jiang, Yonghong, Tian, G., Wu, Y., & Mo, B. (2020). Tác động của rủi ro địa chính trị và sự không chắc chắn của chính sách kinh
tế đối với cổ phiếu của công ty niêm yết du lịch Trung Quốc. Tạp chí Quốc tế Tài chính & Kinh tế, n/a(n/a), ijfe.2155.
https://doi.org/10.1002/ijfe.2155
Jiang, Yuzhou, Mao, L., Shi, J., Zheng, B., Guan, X., & Liu, F. (2019). Ảnh hưởng của thuốc thử hy sinh hỗn hợp đến sự tiến hóa
hydro so với các chất xúc tác quang điển hình. Tạp chí Quang tử học cho Năng lượng, 10(02), 1. https://doi.org/
10.1117/1.JPE.10.023503
Jin, X., Chen, Z., & Yang, X. (2019). Sự không chắc chắn về chính sách kinh tế và nguy cơ sụp đổ giá cổ phiếu. Kế toán & Tài
chính, 58(5), 1291–1318. https://doi.org/10.1111/acfi.12455
Jofre-Bonet, M., Serra-Sastre, V., & Vandoros, S. (2018). Tác động của cuộc Đại suy thoái đối với các yếu tố rủi ro, hành vi và
kết quả liên quan đến sức khỏe ở Anh. Khoa học Xã hội & Y học (1982), 197, 213–225. https://doi.org/10.1016/
j.socscimed.2017.12.010
Jurado, K., Ludvigson, SC, & Ng, S. (2015). Đo lường độ không đảm bảo. Tạp chí Kinh tế Hoa Kỳ, 105(3), 1177–
1216. https://doi.org/10.1257/aer.20131193
Kahle, KM, & Stulz, RM (2013). Tiếp cận vốn, đầu tư và khủng hoảng tài chính. Tạp chí tài chính
Kinh tế, 110(2), 280–299. https://doi.org/10.1016/j.jfineco.2013.02.014
Kalcheva, I., McLemore, P., & Sias, R. (2020). Chính sách kinh tế không chắc chắn và tự chủ: Bằng chứng từ những lựa chọn không
lành mạnh. Và
Tạp chí định lượng tài chính 1–30. https://doi.org/10.1017/S0022109020000265
Phân tích,
Kang, W., Lee, K., & Ratti, RA (2014). Sự không chắc chắn về chính sách kinh tế và đầu tư ở cấp độ doanh nghiệp. tạp chí của
Kinh tế vĩ mô, 39(A), 42–53. https://doi.org/10.1016/j.jmacro.2013.10.006
Kang, W., & Wang, J. (2020). Ảnh hưởng của thuế doanh nghiệp đến sự không chắc chắn của chính sách kinh tế. Kế toán & Tài chính,
afi.12677. https://doi.org/10.1111/acfi.12677
Kannadhasan, M., & Das, D. (2020). Các thị trường chứng khoán mới nổi ở châu Á có phản ứng giống nhau trước sự bất ổn của chính
sách kinh tế quốc tế và rủi ro địa chính trị không? Một phương pháp hồi quy lượng tử. Thư nghiên cứu tài chính, 34,
101276. https://doi.org/10.1016/j.frl.2019.08.024
Kaveh-Yazdy, F., & Zarifzadeh, S. (2021). Đo lường sự không chắc chắn của chính sách kinh tế bằng phương pháp nhúng từ không
được giám sát. Arxiv: Tính toán và Ngôn ngữ. https://arxiv.org/abs/2105.04631
Keith, K., Teichmann, C., O'Connor, B., & Meij, E. (2020). Sự không chắc chắn về sự không chắc chắn: Điều tra các giả định, chú
thích và đo lường văn bản về sự không chắc chắn của chính sách kinh tế. Kỷ yếu Hội thảo lần thứ tư về Xử lý ngôn ngữ tự
nhiên và Khoa học xã hội tính toán, 116–131. https://doi.org/10.18653/v1/2020.nlpcss-1.13
Kirikkaleli, D., Gokmenoglu, K., & Hesami, S. (2020). Sự không chắc chắn về chính sách kinh tế và giá nhà ở Đức: bằng chứng từ
GSADF và các kỹ thuật kết hợp wavelet. Tạp chí Quốc tế về Thị trường Nhà ở và Phân tích. https://doi.org/10.1108/
IJHMA-07-2020-0084
Hiệp sĩ, FH (1921). Rủi ro, sự không chắc chắn và lợi nhuận. Hart, Schaffner & Marx, Công ty Houghton Mifflin.
https://papers.ssrn.com/abstract=1496192
Trang 29
Kusner, MJ, Sun, Y., Kolkin, NI, & Weinberger, KQ (2015). Từ nhúng từ đến khoảng cách tài liệu.
Kỷ yếu của Hội nghị quốc tế lần thứ 32 về Hội nghị quốc tế về học máy - Tập 37, 957–966.
Lahiri, K., & Sheng, X. (2010). Đo lường sự không chắc chắn của dự báo bằng sự bất đồng: Mối liên kết còn thiếu. Tạp chí ứng dụng
Kinh tế lượng, 25(4), 514–538. https://doi.org/10.1002/jae.1167
Lecuyer, O., & Quirion, P. (2019). Tương tác giữa giao dịch phát thải CO2 và trợ cấp năng lượng tái tạo trong điều kiện không chắc chắn:
giá ưu đãi đầu vào như một mạng lưới an toàn chống lại việc phân bổ quá mức. Chính sách Khí hậu, 19(8), 1002–1018. https://doi.org/
10.1080/14693062.2019.1625743
Leduc, S., & Liu, Z. (2016). Những cú sốc không chắc chắn là những cú sốc tổng cầu. Tạp chí Kinh tế tiền tệ, 82,
20–35. https://doi.org/10.1016/j.jmoneco.2016.07.002
Lee, C.-C., Lin, C.-W., & Lee, C.-C. (2021). Tác động của các hiệu ứng ngang hàng và sự không chắc chắn liên quan đến chính sách kinh tế
đối với các quyết định đầu tư của các công ty bảo hiểm nhân thọ Hoa Kỳ. Tài liệu Geneva về Rủi ro và Bảo hiểm - Các vấn đề và Thực
tiễn, 46(1), 22–52. https://doi.org/10.1057/s41288-020-00178-3
Lee, K., Jeon, Y., & Jo, C. (2020). Sự không chắc chắn về chính sách kinh tế của Trung Quốc và quyết định danh mục đầu tư của các hộ gia đình Hoa Kỳ.
Tạp chí Tài chính Lưu vực Thái Bình Dương, 64, 101452. https://doi.org/10.1016/j.pacfin.2020.101452
Lee, Y., Kim, S., & Park, KY (2019). Giải mã Biên bản của Ủy ban Chính sách Tiền tệ bằng Phương pháp Khai thác Văn bản: Trường hợp của
Hàn Quốc. Tạp chí Kinh tế Hàn Quốc, 35(2), 471–511. https://ideas.repec.org/p/yon/wpaper/2018rwp-132.html
Li, C., Chen, LJ, Chen, X., Zhang, M., Pang, CP, & Chen, H. (2020). Phân tích hồi cứu về khả năng dự đoán đợt bùng phát COVID-19 từ các
tìm kiếm trên Internet và dữ liệu mạng xã hội, Trung Quốc, 2020. Eurosurveillance, 25(10). https://doi.org/
10.2807/1560-7917.ES.2020.25.10.2000199
Li, F., Liang, T., & Zhang, H. (2021). Sự bất ổn về chính sách kinh tế có ảnh hưởng đến M&A xuyên biên giới không? --- Phân tích dữ
liệu dựa trên các doanh nghiệp đa quốc gia của Trung Quốc. Tạp chí Quốc tế về Phân tích Tài chính, 73, 101631. https://doi.org/
10.1016/j.irfa.2020.101631
Li, P., Menon, M., & Liu, Z. (2019). Đổi mới xanh trong điều kiện không chắc chắn - một góc nhìn năng động. Tạp chí Quốc tế về Dịch vụ,
Kinh tế và Quản lý, 10(1), 68. https://doi.org/10.1504/IJSEM.2019.098939
Li, X.-M., & Peng, L. (2017). Sự không chắc chắn về chính sách kinh tế của Hoa Kỳ và sự đồng chuyển động giữa thị trường chứng khoán
Trung Quốc và Hoa Kỳ. Mô hình kinh tế, 61, 27–39. https://doi.org/10.1016/j.econmod.2016.11.019
Lý, X. (2019). Sự không chắc chắn của chính sách kinh tế và chính sách tiền mặt của doanh nghiệp: Bằng chứng quốc tế. Tạp chí kế toán
và Chính sách công, 38(6), 106694. https://doi.org/10.1016/j.jaccpubpol.2019.106694
Li, Y., Ma, F., Zhang, Y., & Xiao, Z. (2019). Sự không chắc chắn về chính sách kinh tế và sự biến động của thị trường chứng khoán Trung
Quốc: bằng chứng mới. Kinh tế ứng dụng, 51(49), 5398–5410. https://doi.org/10.1080/00036846.2019.1613507
Li, Z., & Zhong, J. (2020). Tác động của những cú sốc bất ổn về chính sách kinh tế đối với điều kiện tài chính của Trung Quốc. Thư nghiên
cứu tài chính, 35, 101303. https://doi.org/10.1016/j.frl.2019.101303
Lin, B., & Bai, R. (2021). Giá dầu và sự không chắc chắn về chính sách kinh tế: Bằng chứng từ quan điểm toàn cầu, của các nhà nhập khẩu
và xuất khẩu dầu. Nghiên cứu về Kinh doanh và Tài chính Quốc tế, 56, 101357. https://doi.org/10.1016/j.ribaf.2020.101357
Liu, G., & Zhang, C. (2020). Sự không chắc chắn về chính sách kinh tế và các quyết định đầu tư và tài trợ của các công ty ở Trung Quốc.
Tạp chí Kinh tế Trung Quốc, 63, 101279. https://doi.org/10.1016/j.chieco.2019.02.007
Liu, H., Liu, Y., & Wang, Y. (2020). Khám phá ảnh hưởng của sự không chắc chắn về chính sách kinh tế đến mối quan hệ giữa du lịch và tăng
trưởng kinh tế bằng mô hình MF-VAR. Kinh tế du lịch. https://doi.org/10.1177/1354816620921298
Trang 30
Liu, LX, Shu, H., & Wei, KCJ (2017). Tác động của bất ổn chính trị lên giá tài sản: Bằng chứng từ vụ bê bối Bo ở Trung Quốc.
Tạp chí tài chính 286–310. Kinh tế, 125(2),
https://doi.org/10.1016/j.jfineco.2017.05.011
Liu, L., & Zhang, T. (2015). Sự không chắc chắn về chính sách kinh tế và biến động của thị trường chứng khoán. Thư nghiên cứu tài
chính, 15, 99–105. https://doi.org/10.1016/j.frl.2015.08.009
Liu, R., He, L., Liang, X., Yang, X., & Xia, Y. (2020). Có sự khác biệt nào về tác động của sự không chắc chắn về chính sách kinh tế
đối với hoạt động đầu tư của các doanh nghiệp năng lượng truyền thống và năng lượng tái tạo? – Một nghiên cứu so sánh dựa trên
tác động điều tiết. Tạp chí Sản xuất sạch hơn, 255, 120102. https://doi.org/10.1016/j.jclepro.2020.120102
Loughran, T., & McDonald, B. (2011). Khi nào trách nhiệm pháp lý không phải là trách nhiệm pháp lý? Phân tích văn bản, từ điển và 10-
Ks. Tạp chí Tài chính, 66(1), 35–65. https://doi.org/10.1111/j.1540-6261.2010.01625.x
Lục, P. (2018). Chỉ số bất ổn về chính sách kinh tế của Macao. Bản tin Nghiên cứu Tiền tệ Macao, 50, 75–88.
Luk, P., Cheng, M., Ng, P., & Wong, K. (2020). Sự bất ổn chính sách kinh tế lan tỏa ở các nền kinh tế mở nhỏ: Trường hợp của Hồng
Kông. Tạp chí Kinh tế Thái Bình Dương, 25(1), 21–46. https://doi.org/10.1111/1468-0106.12283
Lunn, A., & Kornrich, S. (2018). Đầu tư của gia đình vào giáo dục trong thời kỳ kinh tế bất ổn: Bằng chứng từ cuộc Đại suy thoái.
61(1),
Quan điểm xã hội học, 145–163. https://doi.org/10.1177/0731121417719696
Luo, Y., & Zhang, C. (2020). Sự không chắc chắn về chính sách kinh tế và nguy cơ sụp đổ giá cổ phiếu. Nghiên cứu quốc tế
Kinh doanh và Tài chính, 51, 101112. https://doi.org/10.1016/j.ribaf.2019.101112
Ma, Y., Wang, Z., & He, F. (2020). Những bất ổn chính sách kinh tế ảnh hưởng như thế nào đến biến động thị trường chứng khoán? Bằng
chứng từ các nước G7. Tạp chí Quốc tế Tài chính & Kinh tế, ijfe.2274. https://doi.org/10.1002/ijfe.2274
Manela, A., & Moreira, A. (2017). Tin tức ngụ ý sự biến động và mối lo ngại về thảm họa. Tạp chí Kinh tế Tài chính,
123(1), 137–162. https://doi.org/10.1016/j.jfineco.2016.01.032
Mokni, K. (2021). Khi nào, ở đâu và làm thế nào sự không chắc chắn về chính sách kinh tế dự đoán lợi nhuận và biến động của Bitcoin?
Một phân tích dựa trên lượng tử. Tạp chí Kinh tế và Tài chính hàng quý, 80, 65–73. https://doi.org/10.1016/j.qref.2021.01.017
Movsisyan, V. (2018). Sự không chắc chắn về chính sách kinh tế đối với Armenia. Kỷ yếu của Kinh tế Armenia
Hội nghị thường niên của Hiệp hội, 1–18.
Nagar, V., Schoenfeld, J., & Wellman, L. (2019). Tác động của sự không chắc chắn về chính sách kinh tế đối với sự bất cân xứng thông
tin của nhà đầu tư và việc tiết lộ của ban quản lý. Tạp chí Kế toán và Kinh tế, 67(1), 36–57. https://doi.org/10.1016/
j.jacceco.2018.08.011
Nguyễn, CP, Schinckus, C., & Su, TD (2020). Sự không chắc chắn về chính sách kinh tế và nhu cầu du lịch quốc tế: Một nghiên cứu thực
nghiệm. Kinh tế Du lịch, 26(8), 1415–1430. https://doi.org/10.1177/1354816619900584
Nguyễn, CP, Thành, SD, & Nguyễn, B. (2020). Bất ổn kinh tế và tiêu dùng du lịch. Du lịch
Kinh tế học. https://doi.org/10.1177/1354816620981519
Nguyễn, M., & Nguyễn, JH (2020). Sự không chắc chắn về chính sách kinh tế và việc tránh thuế của công ty. Kế toán & Tài chính, 60(4),
3935–3978. https://doi.org/10.1111/acfi.12538
Nguyễn, NH, & Phan, HV (2017). Sự không chắc chắn về chính sách và Sáp nhập và Mua lại. Tạp chí tài chính và
Phân tích định lượng, 52(2), 613–644. https://doi.org/10.1017/S0022109017000175
Nilavongse, R., Rubaszek, M., & Uddin, GS (2020). Những cú sốc bất ổn về chính sách kinh tế, hoạt động kinh tế và điều chỉnh tỷ giá
hối đoái. Thư kinh tế, 186, 108765. https://doi.org/10.1016/j.econlet.2019.108765
Novelli, M., Cazzola, A., Angeli, A., & Pasquini, L. (2021). Ý định sinh sản trong thời điểm kinh tế bất ổn gia tăng: Bằng chứng từ Ý
từ góc độ giới. Nghiên cứu Chỉ số Xã hội, 154(1), 257–284. https://doi.org/10.1007/s11205-020-02554-x
Trang 31
Ongan, S., & Gocer, I. (2017). Mối quan hệ giữa giá nhà, hiểu biết tài chính và sự không chắc chắn của chính sách kinh tế: Bằng chứng
thực nghiệm từ thị trường nhà ở Hoa Kỳ. Tạp chí Kinh tế Ứng dụng & Nghiên cứu Kinh doanh, 7(4), 232–243.
Ozdemir, O., Han, W., & Dalbor, M. (2021). Sự không chắc chắn về chính sách kinh tế và tỷ lệ lấp đầy khách sạn: tác động trung gian của
tâm lý người tiêu dùng. Tạp chí chuyên sâu về Khách sạn và Du lịch. https://doi.org/10.1108/JHTI-08-2020-
0149
Mục sư, L., & Veronesi, P. (2012). Sự không chắc chắn về chính sách của chính phủ và giá cổ phiếu. Tạp chí Tài chính, 67(4), 1219–1264.
https://doi.org/10.1111/j.1540-6261.2012.01746.x
Paule-Vianez, J., Prado-Román, C., & Gómez-Martínez, R. (2020). Sự không chắc chắn về chính sách kinh tế và Bitcoin. Bitcoin có phải là
tài sản trú ẩn an toàn không? Tạp chí Quản lý và Kinh doanh Kinh doanh Châu Âu, 29(3), 347–363. https://doi.org/10.1108/
EJMBE-07-2019-0116
Pennington, J., Socher, R., & Manning, CD (2014). Găng tay: Vector toàn cầu để thể hiện từ. Kỷ yếu của Hội nghị về các phương pháp thực
nghiệm trong xử lý ngôn ngữ tự nhiên (EMNLP '14), 1532–1543. http://aclweb.org/anthology/D/D14/D14-1162.pdf
Perić, B. Š., & Sorić, P. (2018). Lưu ý về Chỉ số không chắc chắn về chính sách kinh tế. Nghiên cứu Chỉ số Xã hội, 137(2), 505–526.
https://doi.org/10.1007/s11205-017-1609-1
Phan, HV, Nguyễn, NH, Nguyễn, HT, & Hegde, S. (2019). Sự không chắc chắn về chính sách và nắm giữ tiền mặt vững chắc. tạp chí
của Nghiên cứu Kinh doanh, 95, 71–82. https://doi.org/10.1016/j.jbusres.2018.10.001
Poncela, P., & Senra, E. (2017). Đo lường sự không chắc chắn và đánh giá khả năng dự đoán của nó trong khu vực đồng euro. Kinh tế học
thực nghiệm, 53(1), 165–182. https://doi.org/10.1007/s00181-016-1181-6
Poza, C., & Monge, M. (2020). Một chỉ số kinh tế hàng đầu theo thời gian thực dựa trên việc khai thác văn bản cho nền kinh tế Tây Ban Nha.
Phân tích đồng tích hợp phân số VAR và phân tích Biến đổi Wavelet liên tục. Kinh tế quốc tế, 163, 163–
175. https://doi.org/10.1016/j.inteco.2020.02.002
Qin, M., Su, C.-W., & Tao, R. (2021). BitCoin: Một giỏ trứng mới? Mô hình kinh tế, 94, 896–907. https://doi.org/10.1016/j.econmod.2020.02.031
Rauh, C. (2019). Đo lường sự không chắc chắn ở cấp khu vực bằng cách sử dụng văn bản trên báo. Trong Cahiers de recherche (No.
2019–7; Tài liệu nghiên cứu). Đại học Montréal, Khoa Khoa học Kinh tế. https://ideas.repec.org/p/mtl/montde/2019-07.html
Rekabsaz, N., Lupu, M., Baklanov, A., Dür, A., Andersson, L., & Hanbury, A. (2017). Dự đoán Biến động bằng cách sử dụng Tình cảm Tiết lộ
Tài chính với Mô hình IR dựa trên Nhúng Từ. Kỷ yếu Hội nghị thường niên lần thứ 55 của Hiệp hội Ngôn ngữ học tính toán (Tập 1:
Bài báo dài), 1712–1721. https://doi.org/10.18653/v1/P17-1157
Roma, CM da S., Louzada, LC, Roma, PM da S., Goto, H., & Souma, W. (2020). Quản lý lợi nhuận, sự không chắc chắn về chính sách và các
giai đoạn trong vòng đời của công ty: bằng chứng từ các công ty giao dịch đại chúng ở Hoa Kỳ và Brazil. Tạp chí Chính sách kinh tế
tài chính. https://doi.org/10.1108/JFEP-02-2020-0031
Rossi, B., & Sekhposyan, T. (2015). Các chỉ số không chắc chắn về kinh tế vĩ mô dựa trên lỗi dự báo và phát sóng hiện tại
Phân phối. Tạp chí Kinh tế Hoa Kỳ, 105(5), 650–655. https://doi.org/10.1257/aer.p20151124
Ruffolo, M., Price, D., Schoultz, M., Leung, J., Bonsaksen, T., Thygesen, H., & Geirdal, A. Ø. (2021). Sự không chắc chắn về việc làm và
sức khỏe tâm thần trong quá trình thực hiện cách ly xã hội ban đầu trong đại dịch COVID-19: một nghiên cứu xuyên quốc gia. Phúc
lợi xã hội toàn cầu. https://doi.org/10.1007/s40609-020-00201-4
Saltzman, B., & Yung, J. (2018). Một phương pháp học máy để xác định các loại độ không chắc chắn khác nhau. Kinh tế học
Thư, 171, 58–62. https://doi.org/10.1016/j.econlet.2018.07.003
Sarkodie, SA, Adams, S., Owusu, PA, Leirvik, T., & Ozturk, I. (2020). Giảm thiểu suy thoái và phát thải ở Trung Quốc: Vai trò của sự bền
vững môi trường, nguồn nhân lực và năng lượng tái tạo. Khoa học về Môi trường Tổng thể, 719, 137530. https://doi.org/10.1016/
j.scitotenv.2020.137530
Trang 32
Scotti, C. (2016). Chỉ số bất ngờ và không chắc chắn: Tổng hợp theo thời gian thực của các bất ngờ vĩ mô trong hoạt động thực tế. tạp chí của
Kinh tế tiền tệ, 82, 1–19. https://doi.org/10.1016/j.jmoneco.2016.06.002
Sha, Y., Kang, C., & Wang, Z. (2020). Sự không chắc chắn về chính sách kinh tế và sáp nhập và mua lại: Bằng chứng từ Trung Quốc. Mô hình
kinh tế, 89, 590–600. https://doi.org/10.1016/j.econmod.2020.03.029
Shaikh, tôi. (2019). Về mối quan hệ giữa sự không chắc chắn của chính sách kinh tế và chỉ số biến động tiềm ẩn.
Tính bền vững, 11(6), 1628. https://doi.org/10.3390/su11061628
Shaikh, I. (2020). Sự không chắc chắn về chính sách và lợi nhuận Bitcoin. Tạp chí Borsa Istanbul, 20(3), 257–268.
https://doi.org/10.1016/j.bir.2020.02.003
Sharif, A., Aloui, C., & Yarovaya, L. (2020). Đại dịch COVID-19, giá dầu, thị trường chứng khoán, rủi ro địa chính trị và mối liên hệ bất
ổn chính sách trong nền kinh tế Mỹ: Bằng chứng mới từ cách tiếp cận dựa trên wavelet. Tạp chí Quốc tế về Phân tích Tài chính, 70,
101496. https://doi.org/10.1016/j.irfa.2020.101496
Sharma, C. (2019). Kiểm tra tác động bất cân xứng của sự không chắc chắn về chính sách kinh tế đối với nhu cầu du lịch ở Ấn Độ.
Kinh tế du lịch. https://doi.org/10.1177/1354816619894080
Shen, H., Hou, F., Peng, M., Xiong, H., & Zuo, H. (2021). Sự không chắc chắn về chính sách kinh tế và việc tránh thuế doanh nghiệp: Bằng
chứng từ Trung Quốc. Tạp chí Tài chính Lưu vực Thái Bình Dương, 65, 101500. https://doi.org/10.1016/j.pacfin.2021.101500
Sher, L. (2020). Tác động của đại dịch COVID-19 đối với tỷ lệ tự tử. QJM: Tạp chí Y học Quốc tế,
113(10), 707–712. https://doi.org/10.1093/qjmed/hcaa202
Škrinjarić, T., & Orlović, Z. (2020). Sự không chắc chắn về chính sách kinh tế và tác động lan tỏa trên thị trường chứng khoán: Trường hợp chọn lọc CEE
Thị trường. Toán, 8(7), 1077. https://doi.org/10.3390/math8071077
Su, X., Chu, S., Xue, R., & Tian, J. (2020). Liệu sự không chắc chắn về chính sách kinh tế có làm tăng việc nắm giữ tiền mặt phòng ngừa của
doanh nghiệp không? Bằng chứng từ Trung Quốc Kế toán & Tài chính, 60(5), 4567–4592. https://doi.org/10.1111/acfi.12674
Tetlock, PC (2007). Cung cấp nội dung cho tâm lý nhà đầu tư: Vai trò của truyền thông trên thị trường chứng khoán. Tạp chí của
Tài chính, 62(3), 1139–1168. https://doi.org/10.1111/j.1540-6261.2007.01232.x
Theil, CK, Štajner, S., & Stuckenschmidt, H. (2020). Giải thích sự không chắc chắn về tài chính thông qua từ ngữ chuyên ngành
Nhúng. Giao dịch ACM/IMS về Khoa học dữ liệu, 1(1), 1–19. https://doi.org/10.1145/3343039
Tiwari, AK, Das, D., & Dutta, A. (2019). Rủi ro địa chính trị, sự không chắc chắn về chính sách kinh tế và lượng khách du lịch: Quản lý
phát triển bằng chứng,
từ 323–327.
Một Du lịch
quốc gia. https://doi.org/10.1016/j.tourman.2019.06.002 75,
Tobback, E., Naudts, H., Daelemans, W., de Fortuny, EJ, & Martens, D. (2018). Chỉ số không chắc chắn về chính sách kinh tế của Bỉ: Cải thiện
thông qua khai thác văn bản. Tạp chí Dự báo Quốc tế, 34(2), 355–365. https://doi.org/10.1016/j.ijforecast.2016.08.006
Trần, DV, Hoàng, K., & Nguyễn, C. (2020). Sự không chắc chắn về chính sách kinh tế ảnh hưởng đến mô hình kinh doanh ngân hàng như thế nào?
Thư nghiên cứu tài chính, 101639. https://doi.org/10.1016/j.frl.2020.101639
Trần, QT (2019). Sự không chắc chắn về chính sách kinh tế và việc chấp nhận rủi ro của doanh nghiệp: Bằng chứng quốc tế. Tạp chí Quản lý Tài
chính Đa quốc gia, 52–53, 100605. https://doi.org/10.1016/j.mulfin.2019.100605
Tsai, MF, & Wang, CJ (2014). Mở rộng từ khóa tài chính thông qua biểu diễn vectơ từ liên tục.
Kỷ yếu của Hội nghị năm 2014 về các phương pháp thực nghiệm trong xử lý ngôn ngữ tự nhiên (EMNLP), 1453–
1458. https://doi.org/10.3115/v1/d14-1152
Tsui, WHK, Balli, F., Tan, DTW, Lau, O., & Hasan, M. (2018). Du lịch kinh doanh New Zealand. Du lịch
Kinh tế, 24(4), 386–417. https://doi.org/10.1177/1354816617731387
van der Wielen, W., & Barrios, S. (2020). Tâm lý kinh tế trong đại dịch COVID: Bằng chứng từ hành vi tìm kiếm của Tạp chí và 105970. https://
doi.org/10.1016/j.jeconbus.2020.105970
TRONG EU. của Kinh tế học Việc kinh doanh,
Trang 33
Vandoros, S., Avendano, M., & Kawachi, I. (2018). Tác động ngắn hạn của sự bất ổn kinh tế đối với các vụ va chạm xe cơ giới. Y tế dự phòng,
111, 87–93. https://doi.org/10.1016/j.ypmed.2018.02.005
Vandoros, S., Avendano, M., & Kawachi, I. (2019). Mối liên hệ giữa sự bất ổn kinh tế và hành vi tự tử trong ngắn hạn. Khoa học Xã hội và Y
học, 220, 403–410. https://doi.org/10.1016/j.socscimed.2018.11.035
Völkert, C. (2015). Sự phân bố của sự không chắc chắn: Bằng chứng từ thị trường quyền chọn VIX. Tạp chí tương lai
Chợ, 35(7), 597–624. https://doi.org/10.1002/fut.21673
Wang, J., Lu, X., He, F., & Ma, F. (2020). Công cụ dự đoán phổ biến nào hữu ích hơn để dự báo thị trường chứng khoán quốc tế trong đại
dịch do vi-rút Corona gây ra: VIX và EPU? Tạp chí Quốc tế về Phân tích Tài chính, 72, 101596. https://doi.org/j.irfa.2020.101596
Wu, J., Zhang, J., Zhang, S., & Zou, L. (2020). Sự không chắc chắn về chính sách kinh tế và đầu tư vững chắc ở Úc.
Kinh tế ứng dụng, 52(31), 3354–3378. https://doi.org/10.1080/00036846.2019.1710454
Wu, T.-P., & Wu, H.-C. (2020). Sự không chắc chắn về chính sách kinh tế toàn cầu và du lịch của năm quốc gia mong manh: Bằng chứng từ các
phương pháp tiếp cận theo thời gian và tần suất. của Du lịch 0(0). https://doi.org/10.1177/0047287520921245
tạp chí Nghiên cứu,
Xia, T., Yao, C.-X., & Geng, J.-B. (2020). Sự lan tỏa năng động và miền tần số giữa sự không chắc chắn về chính sách kinh tế, thị trường
chứng khoán và nhà ở ở Trung Quốc. Tạp chí Quốc tế về Phân tích Tài chính, 67, 101427. https://doi.org/10.1016/j.irfa.2019.101427
Xie, F. (2020). Mô hình tạo chỉ số Wasserstein: Tự động tạo chỉ số chuỗi thời gian ứng dụng cho Sự không chắc chắn về chính sách kinh tế.
Thư kinh tế, 186, 108874. https://doi.org/10.1016/j.econlet.2019.108874
Yiqiang Jin, J., Kanagaretnam, K., Liu, Y., & Lobo, GJ (2019). Sự không chắc chắn về chính sách kinh tế và chính sách thu nhập ngân hàng,
độ mờ đục. tạp chí của Kế toán Và Công cộng 199–218. 38(3),
https://doi.org/10.1016/j.jaccpubpol.2019.05.002
Yono, K., Sakaji, H., Matsushima, H., Shimada, T., & Izumi, K. (2020). Xây dựng các chỉ số không chắc chắn về kinh tế vĩ mô để phân tích
thị trường tài chính bằng mô hình chủ đề được giám sát. Tạp chí Quản lý rủi ro và tài chính, 13(4), 79–96. https://doi.org/10.3390/
jrfm13040079
Yu, H., Fang, L., & Sun, W. (2018). Dự báo hiệu suất của sự không chắc chắn về chính sách kinh tế toàn cầu đối với sự biến động của thị
trường chứng khoán Trung Quốc. Physica A: Cơ học thống kê và ứng dụng của nó, 505, 931–940. https://doi.org/10.1016/j.physa.2018.03.083
Yu, J., Shi, X., Guo, D., & Yang, L. (2021). Sự không chắc chắn về chính sách kinh tế (EPU) và lượng khí thải carbon của công ty: Bằng
chứng sử dụngMộtchỉ số EPU cấp tỉnh của Trung Quốc. 105071. Năng lượng Kinh tế, 94,
https://doi.org/10.1016/j.eneco.2020.105071
Yung, K., & Root, A. (2019). Sự không chắc chắn về chính sách và quản lý thu nhập: Bằng chứng quốc tế. Tạp chí Nghiên cứu Kinh doanh,
100(C), 255–267. https://doi.org/10.1016/j.jbusres.2019.03.058
Trương, B. (2019). Sự không chắc chắn về chính sách kinh tế và tâm lý nhà đầu tư: phân tích quan hệ nhân quả tuyến tính và phi tuyến tính.
Thư Kinh tế Ứng dụng, 26(15), 1264–1268. https://doi.org/10.1080/13504851.2018.1545073
Trang 34

Bài review tổng hợp - ĐỌC KỸ

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Bài review tổng hợp - ĐỌC KỸ

Uploaded by

Copyright:

Available Formats

Machine Translated by Google

Phân loại JEL

C53, C38, A13, O38, H50.

cân nhắc những ưu và nhược điểm của chúng.

2 Biện pháp đo lường sự không chắc chắn về chính sách kinh tế

dữ liệu đầu vào.

2.1.1 Các biện pháp dựa trên biến động

được tính như sau,

chắn (Bloom et al ., 2018).

2.1.2 Biện pháp đo lường sai số của người dự báo

Vương quốc Anh.

2.1.3 Các biện pháp dựa trên khảo sát

đổi tùy thuộc vào cảm nhận chung của họ.

2.2.1 Các biện pháp dựa trên mạng xã hội

với Baker's et al. (Baker và cộng sự, 2020)

những phát hiện.

2.2.3 Các biện pháp dựa trên tin tức

Azqueta-Gavaldón (Azqueta-Gavaldón, 2017).

định của doanh nghiệp và hộ gia đình.

2.3 Các biện pháp khác

2.4 So sánh các biện pháp EPU

thị trường, sự không chắc chắn cao hơn

mục lục thể hiện tình hình kinh tế

(Girardi & Reuter, 2017)

thì thị trường chứng khoán càng biến

• Tốn kém và mất thời gian

chắn ngụ ý càng cao.

GDP và lạm phát

dành cho các nhà hoạch định chính sách

• Chính xác hơn người dự báo

biện pháp dựa trên lỗi

chắc chắn; sự không chắc chắn về kinh

• Đòi hỏi tình cảm (giọng điệu) dữ liệu

công cụ phát hiện

quá khứ đến hiện tại) dữ liệu

công cụ phát hiện tác giả không can thiệp dữ liệu

các khái niệm dữ liệu

3 phương pháp khai thác văn bản để đo lường EPU

3.1 Phương pháp dựa trên từ khóa

et la. (2019), tương ứng.

3.2 Mô hình hóa chủ đề

3.3 Phương pháp sử dụng Word Embedding

này không nhạy cảm với ngôn ngữ đa dạng từ khóa.

3.4 Phương pháp phân loại tài liệu

cứu từ các lĩnh vực nghiên cứu khác nhau.

4.1 Sức khỏe

chính trị của Mỹ nhiều hơn là sự bất ổn về kinh tế.

pháp VIX và EPU trong

4.2 Các vấn đề cá nhân và hành vi xã hội

và nam tính (Galariotis & Karagiannis, 2020).

4.3 Du lịch và lữ hành

4.4 Thị trường bất động sản và nhà ở

4.5 Tiêu thụ năng lượng và biến đổi khí hậu

và tăng nhu cầu; hướng tới

tác động của GPR và EPU đối với du lịch và

và đại dịch (Sharif et al., 2020).

4.7 Kinh tế vi mô/vĩ mô

Mối quan hệ/Phương hướng

# Biến đổi (Ngắn hạn/Dài hạn) Người giới thiệu)

Orlović, 2020; Xia và cộng sự, 2020; Yu và cộng

và cộng sự, 2014)

4 Tích cực, (Balcilar và cộng sự, 2017; Colombo, 2013; Gao

6 Tích cực (Antonakakis và cộng sự, 2015; Arouri và cộng