
doi: 10.4419/86788864
handle: 10419/175409
Dieser Beitrag analysiert von 1985 bis 2017 die Interdependenz wirtschaftspolitischer Unsicherheit zwischen sechs verschiedenen Bereichen der US-amerikanischen Politik: Geld-, Fiskal-, Gesundheits-, Sicherheits-, Regulierungs- und Handelspolitik. Zu diesem Zweck wenden wir die von Diebold und Yilmaz (2012, 2014) entwickelte Methodik zur Berechnung von Spillover-Indizes auf die zeitungsbasierten Unsicherheitsmaße von Baker et al. (2016) an. Dabei stellen wir zunächst fest, dass, insgesamt, die verschiedenen kategoriespezifischen Unsicherheiten in der Tat eng miteinander verknüpft sind. Es zeigt sich jedoch auch, dass einige Politikbereiche, wie z.B. die Fiskalpolitik, bedeutende Nettosender von Unsicherheits-Spillovern sind, während andere, wie z.B. die Handelspolitik, nur einen geringen Grad an Verbundenheit aufweisen und klar als Nettoempfänger einzustufen sind. Im zweiten Schritt modellieren wir mit Hilfe eines erweiterten rollierenden Zeitfenster-Ansatzes die Dynamik des Systems. Gemäß unserer Schätzergebnisse kommt es im Laufe der Zeit zu signifikanten Änderungen von Intensität und Richtung der Spillover-Effekte. Der berechnete Gesamtverbundenheitsindex zeigt nicht nur starke Ausschläge als Reaktion auf bestimmte Ereignisse, sondern verfügt zudem über einen positiven, langfristigen Trend. Dieser wiederum lässt sich vor allem auf eine zunehmende Bedeutung von gesundheits- und regulierungspolitischer Unsicherheit zurückführen. Zuletzt identifizieren wir in Bezug auf die Merkmale des Unsicherheitsnetzwerks eine Reihe an Unterschieden zwischen den Amtsperioden verschiedener US-Präsidenten, sowie wie vor und nach der jüngsten Präsidentschaftswahl.
This paper analyses the interdependence of policy uncertainty from 1985 to 2017 across six different categories of US economic policy: Monetary, fiscal, healthcare, national security, regulatory, and trade policy. To this end, we apply the Diebold and Yilmaz (2012, 2014) connectedness index methodology to the newspaper-based uncertainty indices developed by Baker et al. (2016). We find that, in total, the category-specific uncertainties are indeed closely interrelated. However, some policy categories are strong net transmitters of uncertainty spillovers (e.g. fiscal policy), while others show only a low degree of average connectedness and are predominantly net receivers (e.g. trade policy). A modified rolling-window approach further reveals that the intensity and direction of spillovers change significantly over time. The total connectedness index not only shows strong bursts related to certain events, but also exhibits a positive long-run trend. The latter is particularly driven by an increasing average connectedness of both healthcare and regulatory policy uncertainty. Finally, we highlight the different characteristics of the uncertainty network across presidential administrations, as well as before and after the most recent election.
economic policy uncertainty, ddc:330, US presidents, D80, network connectedness, vector autoregression, spillovers, Wirtschaftswissenschaften, H00, C32, variance decomposition, E65
economic policy uncertainty, ddc:330, US presidents, D80, network connectedness, vector autoregression, spillovers, Wirtschaftswissenschaften, H00, C32, variance decomposition, E65
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
