Usikkerhetsmålene er basert på frekvensen av ordet «usikkerhet» i trykte nyhetsartikler.  Vi kan regne ut historiske nivåer på usikkerhet. Men kanskje vel så nyttig: Vi får realtidsmål på usikkerhet knyttet til ulike temaer som makroøkonomi, EU og oljepris. Innlegget bygger på en forskningsartikkel der metode og data beskrives nærmere.

Hva handler nyhetsartiklene om?

Det første steget i denne analysen er å identifisere innholdet i nyhetsartiklene. Datasettet består av nærmere 500 000 artikler, så en manuell klassifisering ville vært svært tidkrevende. I stedet bruker jeg maskinlæring til å klassifisere innholdet automatisk. En nyhetsartikkel beskrives som en kombinasjon av underliggende temaer som maskinlæringsalgoritmen finner. Figurene 1 og 2 viser tre ordskyer for identifiserte temaer som jeg har gitt navnene makroøkonomi, EU og oljepris. Disse navnene er valgt subjektivt på bakgrunn av ordskyene. En nyhetsartikkel kan i dette rammeverket eksempelvis beskrives som 50 prosent makroøkonomi, 40 prosent oljepris og 10 prosent andre temaer. Maskinlæringsalgoritmen gjør en god jobb med å identifiserer nyhetstemaer som gir mening for oss mennesker. Metoden kan derfor brukes som et substitutt til en manuell klassifisering av nyhetene.

Figur 1: Nyhetstema makroøkonomi. De 70 viktigste ordene som definerer dette temaet er vist i ordskyen. Størrelsen på ordene representerer viktigheten av ordet for dette temaet.

Figur 2: Øverst vises Nyhetstema EU og nederst oljepris. 

Temaspesifikk usikkerhet

Neste steg er å måle nivået på usikkerhet. Jeg teller ordet «usikkerhet», samt avarter av dette ordet i alle nyhetsartiklene, og dette gir et artikkelspesifikt usikkerhetsnivå. Jeg antar at når journalistene varierer bruken av ordet usikkerhet, reflekterer dette hvordan den underliggende økonomiske usikkerheten oppfattes i befolkningen generelt. Siste steg i analysen er å kombinere temaene artiklene handler om med det artikkelspesifikke usikkerhetsnivået. Frekvensen av ordet «usikkerhet» i en artikkel vil bidra til temaspesifikke indekser der klassifiseringen av innholdet i artiklene bestemmer hvor stort bidraget er.  Usikkerhetsindeksene kan tolkes som frekvensen av ordet «usikkerhet» innenfor de ulike nyhetstemaene. Figur 3, 4, og 5 viser eksempler på disse temaspesifikke usikkerhetsindeksene for temaene makroøkonomi, EU og oljepris.

Figur 3: Makroøkonomisk usikkerhet. Den blå linjen viser et rullende gjennomsnitt av frekvensen av ordet «usikkerhet» i denne typen nyheter. De horisontale stiplede linjene viser hendelser der det er naturlig å tenke seg at usikkerheten økte.  Verdien på y-aksen representerer antall usikkerhetstermer per million ord i avisen.

Figur 4: EU-usikkerhet. Den norske krona var knyttet til ECU, som betyr «European Currency Unit», inntil flytende valutakurs ble innført sent i 1992.  Se detaljer i fotnote til figur 3.  

Figur 5: Oljeprisusikkerhet. Se detaljer i fotnote til figur 3.

Gir usikkerhetsindikatorene mening i et historisk perspektiv?

Vi ser at den makroøkonomiske usikkerheten i figur 3 følger de økonomiske konjunkturene tett – usikkerheten øker i nedgangstider. Det ser ut til at usikkerhetsnivået i stor grad drives av internasjonale hendelser som 9/11, finanskrisen og oljeprisfallet i 2014, men vi ser også høye nivåer i forbindelse med bankkrisen tidlig på 1990-tallet.

Når det gjelder EU-usikkerheten, er det fire hendelser som stikker seg ut: De to første er knyttet til Norges forhold til EU i form av valutasamarbeid og EU-medlemskap på første halvdel av 1990-tallet. De to siste hendelsene er knyttet til de økonomiske problemene i Hellas etter finanskrisen, samt Storbritannias valg om å forlate EU i 2016.

For oljeprisusikkerheten ser vi gjennomgående store svingninger i hele perioden. Usikkerheten øker ved internasjonale hendelser som Gulf-krigene, Asia-krisen, finanskrisen og oljeprisfallet i 2014.

Det ser altså ut til at usikkerhetsindikatorene fanger opp hendelser som gir mening i et historisk perspektiv.

Hva forteller seriene oss om dagens situasjon?

Vi har sett at tekstbaserte usikkerhetsmål gir oss kvantitative mål som fanger opp historiske episoder der det gir mening at usikkerheten var høy.  Hva kan disse målene si om nivået på usikkerhet i dag? Vi ser at nivået på usikkerhet relatert til de tre temaene alle er på historisk høye nivåer. Den makroøkonomiske usikkerheten har vært høy siden oljeprisfallet i 2014, og er i dag på høyde med hva vi observerte etter at Lehman Brothers kollapset i 2008. Usikkerheten knyttet til EU har vært høy siden Storbritannia valgte å forlate EU i 2016. Oljeprisusikkerheten falt en del fra 2016, men er i dag på et historisk høyt nivå.

Det er mye snakk om usikkerhet for tiden, både blant økonomiske kommentatorer og beslutningstakere. I dette innlegget har jeg vist en metode som gir oss kvantitative mål på denne usikkerheten.