In che modo i politici possono evitare di essere colti di sorpresa da eventi del "cigno nero" come la crisi finanziaria globale, quando la loro modellizzazione si rivela limitata e rigida? Un progetto utilizza algoritmi sofisticati che utilizzano dati localizzati per una migliore previsione.

La crisi finanziaria globale (GFC) iniziata nel 2008 ha indotto un ripensamento delle previsioni economiche. La modellazione è stata a lungo uno strumento di gestione standard per le banche centrali per effettuare valutazioni delle prospettive economiche mondiali e nazionali, che poi sono alla base delle politiche monetarie.

Però, con economie in continua evoluzione, se i modelli non incorporano la capacità di riflettere questi cambiamenti, le politiche conseguenti, mentre forse adatto al passato, potrebbe non essere più praticabile. Gran parte della sfida per le previsioni economiche risiede nella difficoltà di identificare questi cambiamenti, i singoli fattori scatenanti che contribuiscono a modellare la macroeconomia, che richiedono politiche correttive per compensare le conseguenze negative.

Il progetto di politica monetaria post-GFC, finanziato dall'UE, ha proposto una nuova metodologia che, incorporando dati locali, ha cercato una reazione più rapida ai cambiamenti macroeconomici rispetto a quanto consentito dalle metodologie esistenti. Il progetto ha scoperto che ha dato i suoi frutti quando ha preso i prezzi sanitari come un indicatore del successo della politica, ma era meno applicabile alla politica monetaria, quando si esaminano i dati finanziari.

Utilizzo dei dati locali come predittori di cambiamento

Uno dei problemi con i modelli economici tradizionali è che molti operano secondo principi di regressione lineare, a coefficienti costanti. Qui, gli effetti sono considerati costanti nel tempo. Però, come dice la Marie Curie Fellow Dr. Isabel Casas, "In realtà, nel mondo reale, gli effetti cambiano nel tempo in quanto rispondono al clima economico più ampio o a shock economici o finanziari improvvisi e imprevisti." Di conseguenza, questi modelli possono davvero riflettere solo tendenze molto generali, creando qualcosa di simile a un valore medio degli effetti mutevoli.

Un metodo per contrastare questa limitazione consiste nell'applicare la regressione non parametrica, per cui il modello stesso è effettivamente costruito dai dati, piuttosto che essere costruito da predittori predeterminati. Spiegando l'efficacia della metodologia, il dott. Casas afferma, "La relazione tra due variabili qualsiasi cambia nel tempo, che siano giorni, settimane o anni. Le metodologie che abbiamo utilizzato sono in grado di rilevare automaticamente tali cambiamenti, dando un'immagine meno distorta della realtà".

Le informazioni del progetto provenivano da dati localizzati come un modo per rappresentare gli effetti variabili nel tempo. I ricercatori hanno creato un pacchetto statistico chiamato tvReg, utilizzando il linguaggio di programmazione R, che ha applicato ai dati algoritmi di coefficienti variabili nel tempo. A causa della loro complessità di programmazione, questi algoritmi sono stati, fino ad ora, in gran parte appannaggio degli specialisti.

L'applicazione della politica monetaria della metodologia utilizzata dati finanziari, comprese le variabili che misurano la produzione industriale, tassi di interesse a breve e lungo termine, inflazione, dati sui cambi e Credit Default Swap. Però, i ricercatori hanno scoperto che la modellazione non ha prodotto risultati predittivi diversi da quelli generati dalla modellazione tradizionale, concludendo che questa tecnica variabile nel tempo non offriva un vantaggio significativo per questi dati.

D'altra parte, per quanto riguarda la domanda di polizza sanitaria, un approccio che hanno adottato è stato quello di esaminare fino a che punto l'assistenza sanitaria può essere considerata un bene di lusso all'interno dei paesi dell'UE e dell'OCSE.

I loro risultati differiscono dai risultati precedenti nella letteratura in cui l'assistenza sanitaria è sempre stata posizionata (in base al prezzo) come un bene di lusso nell'UE. Il dottor Casas conclude, "Chiaramente i Paesi Ue stanno convergendo verso politiche comuni, con il prezzo dell'assistenza sanitaria abbastanza stabile nel corso degli anni e più economico rispetto ai più ampi paesi dell'OCSE, quindi possiamo vedere che le politiche sanitarie dopo il 2008 nell'UE si stanno muovendo nella giusta direzione".

Il prossimo passo nella ricerca è concentrarsi sulla modellazione che prevede il comportamento dei processi in altri contesti, come quelli per la produzione di energia rinnovabile basati su dati oceanici, che include informazioni sul moto ondoso, marea, vento o altezza delle onde. Ciò si rivelerà vantaggioso sia per i produttori che per i consumatori nel mercato dell'elettricità dell'UE.