Twitter-based economic policy uncertainty index for Chile

Andrés Sagner; Juan Sebastian Becerra

doi:10.4067/S0718-88702023000100041

Autores/as

Andrés Sagner Central Bank of Chile
Juan Sebastian Becerra Central Bank of Chile

DOI:

https://doi.org/10.4067/S0718-88702023000100041

Palabras clave:

Incertidumbre económica, estabilidad financiera, herramientas de monitoreo, web scraping

Resumen

En este artículo proponemos una medida de incertidumbre económica y política para Chile en frecuencia diaria empleando información obtenida de cuentas oficiales de Twitter mediante técnicas para extraer información desde sitios web y siguiendo de cerca la metodología propuesta por Baker et al. (2016). Nuestra medida propuesta, denominada DEPUC, tiene como principal objetivo capturar el nivel de desacuerdo general en estos medios –una aproximación de la incertidumbre económica y política– en temas como la economía, las políticas económicas, la incertidumbre acerca de varios eventos particulares, y la coyuntura en Chile. El índice, disponible desde el año 2012, muestra alzas significativas que coinciden con varios episodios locales e internacionales que provocaron aumentos extraordinarios de la incertidumbre en Chile, especialmente luego de los hechos ocurridos en torno a las protestas civiles de mediados de octubre de 2019 y el inicio de la pandemia del Covid-19 a mediados de marzo de 2020. Un ejercicio empírico revela que la medida propuesta es un determinante significativo de la dinámica del tipo de cambio nominal especialmente cuando la magnitud de esta variable es alta y luego de una semana de ocurrido el shock de incertidumbre. Por el contrario, cuando el tipo de cambio es bajo, el impacto de la incertidumbre acerca de esta variable es cuantitativamente menor en cualquier horizonte de proyección. Estos hallazgos, y otros discutidos en el documento, resaltan la utilidad de la métrica propuesta como un indicador adicional que los encargados de política pueden incorporar a sus herramientas de monitoreo.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Ahir, H., Bloom, N., & Furceri, D. (2018). The world uncertainty index [Working paper]. International Monetary Fund; Stanford University.

Baker, S. R., Bloom, N., & Davis, S. J. (2016). Measuring economic policy uncertainty. Quarterly Journal of Economics, 131(4), 1593–1636. https://doi.org/10.1093/qje/qjw024

Bartlett, M. S. (1963). Statistical estimation of density functions. The Indian Journal of Statistics, 25(3), 245–254.

Central Bank of Chile. (2021). Financial stability report, second half 2021. Central Bank of Chile.

Cerda, R., Silva, A., & Valente, J. T. (2016a). Economic policy uncertainty indices for Chile [Mimeo]. CLAPES UC.

Cerda, R., Silva, A., & Valente, J. T. (2016b). Economic uncertainty impact in a small open economy: The case of Chile (Working Paper N.º 25). CLAPES UC.

Chicago Board Options Exchange. (2019). VIX CBOE volatility index [White paper]. Chicago Board Options Exchange.

Gilchrist, S., Sim, J. W., & Zakrajšek, E. (2014). Uncertainty, financial frictions, and investment dynamics (Working Paper N.º 20038). National Bureau of Economic Research.

Granger, C. W. J. (1966). The typical spectral shape of an economic variable. Econometrica, 34(1), 150–161.

Jordà, O. (2005). Estimation and inference of impulse responses by local projections. American Economic Review, 95(1), 161–182. https://doi.org/10.1257/0002828053828518

Jurado, K., Ludvigson, S. C., & Ng, S. (2015). Measuring uncertainty. American Economic Review, 105(3), 1177–1216. https://doi.org/10.1257/aer.20131193

Parkinson, M. (1980). The extreme value method for estimating the variance of the rate of return. The Journal of Business, 53(1), 61–65. https://doi.org/10.1086/296071

Rohatgi, V. K., & Székely, G. J. (1989). Sharp inequalities between skewness and kurtosis. Statistics & Probability Letters, 8(4), 297–299. https://doi.org/10.1016/0167-7152(89)90035-7