Ruhr Economic Papers

Ruhr Economic Papers #744

Cross-category Spillovers of Economic Policy Uncertainty

von Christopher Thiem

UDE, 02/2018, 49 S./p., 8 Euro, ISBN 978-3-86788-864-6 DOI: 10.4419/86788864

download

Zusammenfassung

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.

JEL-Classification: C32, D80, E65, H00

Keywords: Economic policy uncertainty; network connectedness; spillovers; US presidents; variance decomposition; vector autoregression

Hoch