论文标题
文本作为数据：一种基于机器学习的方法来测量不确定性
Text as data: a machine learning-based approach to measuring uncertainty
论文作者
论文摘要
经济政策不确定性指数已与学者和政策从业人员都获得了相当大的关注。在这里，我们分析了新闻提要数据，以使用高度引用的机器学习方法来构建美国的简单，一般的不确定性度量。在1996年1月至2020年5月的期间，我们表明该系列明确地是Granger-CAS的原因，并且在反向方向上没有Granger-CAUSALITY
The Economic Policy Uncertainty index had gained considerable traction with both academics and policy practitioners. Here, we analyse news feed data to construct a simple, general measure of uncertainty in the United States using a highly cited machine learning methodology. Over the period January 1996 through May 2020, we show that the series unequivocally Granger-causes the EPU and there is no Granger-causality in the reverse direction
