Appunti di Analisi e previsioni economiche

ANALISI E PREVISIONI ECONOMICHE

La statistica si divide in descrittiva e inferenziale.

L’importante è cogliere i segnali per fare le previsioni.

Una previsione può essere utile a capire come andrà una certa variabile nel futuro, oppure insieme ad altre

previsioni può essere utilizzata per costruire uno scenario. Scenario: un insieme di previsioni probabilistiche o

condizionate da diverse ipotesi.

È importante prevedere perché la maggior parte delle previsioni devono tener conto dell’andamento futuro di

molteplici variabili. Naturalmente il valore futuro di queste variabili non è noto con certezza (incerto).

Per fare un’ottima previsione vi è bisogno di avere una storia che lo introduca.

Ad un evento certo non c’è bisogno di previsione (sorgere del sole), o quando non è necessario. Ci sono

alternative alle previsioni: acquisto assicurazione, flessibilità (l’acquisto di un macchinario-rischi: se io sbaglio

la previsione ( il macchinario fa un prodotto che il mercato ha tolto) spesso il macchinario non è flessibile; nel

caso in cui si acquista un capannone, quest’ultimo è flessibile nel caso in cui si può rivendere) In alcuni casi

le previsioni possono essere confuse con la pianificazione.

La pianificazione riguarda come vorremmo che il mondo fosse organizzato, mentre le previsioni riguardano

come il mondo (probabilmente) sarà il futuro.

Negli ultimi anni le comunità finanziarie e accademiche hanno dedicato sempre maggior attenzione ai temi del

rischio di credito ( credit risk- rischio che il credito non venga restituito) e alla previsione dei fallimenti di uno

o più emettenti. e alla previsione dei fallimenti di uno o più emettenti. attenzione ai temi del rischio di credito

( credit risk- rischio che il credito non venga restituito) e alla previsione dei fallimenti di uno o più emettenti.

Nonostante questi progressi fare previsioni presente almeno due problemi:

• L’effetto Gregge: spesso le previsioni di un individuo non si discostano troppo da quello che pensa/

prevede la comunità ( si cerca di evitare l’isolamento, è rassicurante stare con la folla);

• L’effetto Dipendenza: temporale (Path dependance), chi fa le previsioni si basa sull’assunto che

l’andamento passato continuerà anche nel futuro.

Informazioni false

La previsione non ha bisogno di un modello strutturale del sistema economico, poiché è sufficiente, e anzi è

in generale preferibile, un modello in forma ridotta, con buone proprietà statistiche.

Modello strutturale

Più equazioni che spiegano l’andamento di un’economia:

• Y: prodotto interno lordo: consumo + investimento + spesa pubblica + (importazioni- esportazioni)

• C (consumo): dipende dal reddito disponibile (reddito meno le tasse), tasso di interesse, disponibilità

liquida.

• Investimento: dipendono dal tasso di interesse, variazione del reddito

• Esportazioni: dipendono dal reddito degli altri paesi Importazioni dipende da: reddito del nostro paese

Modello in forma ridotta

Si va a vedere cosa ha fatto il prodotto interno lordo nel passato e cerco di proiettare questa tendenza nel futuro:

=

−2

Le previsioni meteorologiche, ma anche quelle economiche, possono avere le seguenti caratteristiche:

• Deterministiche e probabilistico

• Discreto e continuo

Quale criterio usare per scegliere il metodo di previsione?

Il criterio della scientificabilità, cioè = + +

- =

1

- Curva di domanda = quantità e quando il prezzo aumenta la quantità diminuisce. Quando p = 0, le

pizze che io vendo è a.

- A è positivo, maggiore di 0;

- B è negativo perché corrisponde alla pendenza della retta.

Rivedere

• Curva dei costi

• →

Funzione di produzione = + + + ( − )

• →

Curva dei costi medi costi per unità prodotta

Taleb definisce un Cigno nero, un esempio concreto e attuale può essere l’abbattersi del Covid, qualsiasi

evento che abbia tre caratteristiche:

1. Che sia difficile da prevedere; →

2. Che, quando si verifica, abbia conseguenze rilevanti esempio: diminuzione del PIL dal covid,

ridotto del 10%;

3. Che, una volta verificatosi, sembrava prevedibile.

Alcuni paradossi con riferimento alla capacità, di prevedere il futuro:

1. Si può, prevedere il futuro solo estrapolando il passato, anche se il futuro sarà, probabilmente diverso

dal passato.

2. Più accurata di cosa ci aspetta nel futuro, ci rendiamo conto che possono verificarsi eventi inattesi, e

questo aumenta l’incertezza.

3. Sebbene le previsioni possono/sono imprecise perché, il futuro incerto, nessuna strategia è possibile

senza fare delle previsioni e senza una misura dell’incertezza.

Classificazione metodi

• metodi soggettivi versus metodi oggettivi;

• metodi naive versus metodi causali;

• metodi lineari versus metodi classificatori.

I metodi soggettivi sono quelli nei quali i processi usati per analizzare i dati non sono stati ben specificati.

Dunque, dati elaborati dalla mente che fa la previsione. Questi metodi sono anche chiamati impliciti, informali,

basati sull’esperienza, metodi intuitivi…

Possono essere basati su metodi semplici o complessi; possono usare come input dati soggettivi o oggettivi.

I metodi soggettivi possono essere accreditati da un’analisi formale, ma il punto critico è che gli input sono

tradotti in previsioni nella mente del previsore.

I metodi oggettivi sono invece quelli che utilizzano processi di analisi dei dati ben definiti. Di conseguenza,

questi metodi sono stati anche chiamati espliciti, statistici o formali. Possono essere basati su metodi semplici

o complessi; possono usare come input dati soggettivi o oggettivi.

I metodi oggettivi possono essere accreditati da un’analisi formale, ma il punto critico è che le informazioni

disponibili al previsore siano tradotte in previsioni mediante un processo che possa essere replicato da altri.

I metodi naive non fanno alcun riferimento alle cause che potrebbero aver determinato gli eventi. Ad esempio,

posso prevedere il numero di incidenti stradali durante un weekend sulla base del numero di incidenti avvenuti

nello stesso periodo dell’anno precedente. 2

In un approccio intermedio potrei tener conto delle previsioni meteorologiche.

Con i metodi causali ci si chiede il perché si avuta una certa realizzazione (ad esempio, il numero di incidenti).

In altri termini, quest’ultimo metodo stima una relazione causale tra la variabile di interesse e le altre variabili

e successivamente, utilizzando i coefficienti stimati, utilizza le previsioni sulle ( per effettuare

( , ),

+1

previsioni su ).

+1

• →

Y quantità di un bene

• →

t prezzo.

I metodi oggettivi che si basano su metodi causali possono essere classificati in metodi lineari o metodi

classificatori. I metodi oggettivi sono quelli che si basano su un approccio lineare tradizionale secondo il quale

"se xi t aumenta, allora anche yt aumenterà in una certa proporzione": yt = β0 +β1x1 t +β2x2 t +...

Il metodo classificatorio ha lo scopo di individuare delle unità elementari (consumatori, imprese…) che

rispondono in modo simile a variabili causali e, successivamente, di aggregarle all’interno di un gruppo.

L’obiettivo quello di individuare piccole differenze all’interno di ciascun gruppo, ma rilevanti tra gruppi.

Per fare una previsione con il metodo classificatorio quindi prima necessario individuare l’aggregato

all’interno del quale l’unità sotto osservazione ricade e, solo in un secondo momento, fare una previsione sul

comportamento dell’intero aggregato e successivamente sull’intera popolazione.

Le prime tre categorie sono organizzate come è organizzato l’esame, le prime due colonne con Gretl e la terza

con Excel, l’ultima è esclusa.

Il modello è ciò che cerca di sintetizzare delle caratteristiche. Indipendentemente dal metodo previsionale

utilizzato, il processo attraverso il quale si forma e viene formulata, e rivista, una previsione rappresentato

nella Figura: →

Il test di ipotesi verifichiamo se il coefficiente = 0 o diverso da 0.

• →

Se è diverso da 0 il reddito ha un effetto positivo sulla quantità domandata.

• →

Se è uguale a 0 la variabile non deve essere considerata poiché non c’è nessuna relazione fra il

reddito e la quantità domandata. 3

Per quanto riguarda il riquadro delle “nuove osservazioni” possono farci capire se il modello è adeguato o

meno.

Perchè il modello non funziona più?

Per arrivare a dire che il modello è adeguato dobbiamo soddisfare determinate condizioni:

• Se ci sono gli asterischi vuol dire che è = 0

• Se ci sono più di un asterisco è molto diverso da 0

Che si viva nell’età dell’incertezza è ormai assodato. Siamo sempre meno sicuri sul nostro futuro, sia che

riguardi i cambiamenti climatici, il terrorismo, l’economia, le epidemie o, come abbiamo verificato negli ultimi

giorni, i terremoti. Certo ci sarà, informano i sismologi, ma non possiamo dirvi né quando né dove, né se

l’intensità del prossimo terremoto sarà più o meno forte di quello precedente. Sappiamo però dove ci sarà:

possiamo individuare le zone sismiche.

Perché non si riesce a prevedere un sisma? Perché i terremoti dipendono da leggi che non conosciamo.

Questo passaggio ci porta alla seguente considerazione:

Le previsioni, in economia, devono essere esatte? Cioè, l’errore di previsione deve essere sempre 0?

Possiamo affermare che solo casualmente una previsione sarà corretta.

L’errore di previsione è definito come

L’errore di previsione prevede che la somma degli errori siano uguale a 0.

Questa condizione è sempre verifica con metodi di stima che utilizzeremo. Se mi accorgo che il mio modello

è sistematicamente sbagliato devo cambiarlo.

Questo modo di valutare la bontà della previsione non tiene conto dell’influenza .

+1

Sulle decisioni correnti:

La previsione di un tasso di crescita del PIL negativo spinge il governo a prendere decisioni per contrastare la

realizzazione di generando ex-post un errore di previsione significativo.

+1

Più che indovinare il futuro, la previsione ha l’obiettivo di spingere i soggetti in campo ad una serie di azioni

o comportamenti adottati anche sulla base della previsione formulata.

Queste azioni possono essere distinte in attive, quando mettono in essere operazioni per favorire, contrastare

o correggere le tendenze previste, e passive, quando favoriscono invece comportamenti che cercano di trarre

profitto da certe tendenze scontate o di ripararsi dai riflessi di evoluzioni attese.

La previsione, quindi, rappresenta spesso l’inizio di un processo decisionale che può contribuire a

confermare certe tendenze previste (si parla in questo caso di previsioni self fulfilling) quando le previsioni

tendono ad autorealizzarsi. Oppure a far sì che le stesse tendenze non si realizzino (previsioni self-defeating)

quando le previsioni non si realizzano.

Quattro tipi di previsione sulla base degli obiettivi:

• →

La previsione strumentale ha essenzialmente un valore di avvertimento: vuole dimostrare come

le previsioni, sotto certe condizioni statiche, potrebbero portare a risultati di un certo tipo, accettabili

o, più spesso, non accettabili.

• →

La previsione tendenziale può anche essere definita probabilistica o neutrale perché in questo caso

il previsore non si pone l’obiettivo di dimostrare alcunché, ma ha il solo scopo di individuare, sulla

base delle sue conoscenze quale scenario ha più probabilità di verificarsi. Dal momento che la

previsione tendenziale è quella che presume di indicare andamenti probabili, spesso essa è presentata

sotto forma di scenari alternativi ai quali sono associate probabilità (soggettive) di avverarsi. 4

• →

Le previsioni condizionate partendo da un’evoluzione tendenziale, formulano anche talune ipotesi

forti che condizionano la previsione. È utile immaginare quale sarà l’evoluzione di una variabile

economica al verificarsi di eventi inattesi. (Nell’ambito del corso, il concetto di scenario include sia le

previsioni tendenziali che quelle condizionate).

• →

La previsione di natura normativa non si pone l’obiettivo di misurare ciò che probabile avvenga,

ma suggerisce come conseguire specifici obiettivi.

Le previsioni sono fatte con uno scopo e avendo in mente a chi sono destinate. Possono essere individuati tre

principali usi delle previsioni:

1. Per soddisfare una curiosità (oroscopi, astrologia…). Ma nulla è certo e nessuno può essere sicuro se,

e soprattutto quando, la previsione si realizzerà.

2. Migliorare il processo decisionale (prevedere l’andamento del mercato azionario, della prossima

recessione…). Le previsioni in questo caso non sono neutrali: possono portare benefici, ma anche

perdite. È quindi necessario sapere quanto siano accurate e affidabili: un previsore può essere accurato

nel 90% dei casi, ma favorire decisioni che nel restante 10% producono danni ingenti.

3. Generare consenso.

Ad esempio: i politici dell’antica Grecia utilizzavano l’oracolo di Delphi quale principale strumento

per ottenere il consenso. In questo contesto, il top management di un’azienda utilizza tradizionalmente

le previsioni (scenari e previsioni a lungo termine) per introdurre cambiamenti nell’organizzazione.

Per fare una previsione è necessario che le informazioni abbiano il carattere della:

- Qualità: dati forniti da istituti statistici dove si comprende come abbiano rilevato i dati;

- Quantità: spesso per avere dei risultati robusti è necessario che vi siano molte osservazioni, che

richiedono anche anni.

- Disponibilità in tempi brevi.

Dove trovo queste informazioni?

- istituti statistici nazionali e internazionali

- un’altra possibilità quella di indagine ad hoc mediante questionari

La statistica è l’applicazione della teoria delle probabilità e di altri metodi matematici a quelle situazioni

caratterizzate dalla presenza di incertezza nelle quali è necessario prendere una decisione. La statistica si

muove in un mondo cosiddetto “Stocastico” (caratterizzato dall’incertezza).

SINTESI

Uno scenario è un insieme di due o più previsioni.

Una variabile casuale è una variabile che assume valori diversi a seconda del caso. Più precisamente, una

variabile causale ha la proprietà di assumere valori diversi, ciascuno con probabilità minore o uguale a

1.

Possiamo anche descrivere una variabile causale esaminando il processo che ha generato i suoi valori. Questo

processo, chiamato distribuzione di probabilità, mostra tutti i valori possibili che la variabile può assumere

e le probabilità associate.

La distribuzione di probabilità è spesso descritta in termini della loro media e varianza:

1

•

Media: ∑

̅ =

=1

• Varianza: dispersione dei valori attorno alla media. Media degli scarti al quadrato 5

Le previsioni vanno applicate nel breve periodo e devono essere replicabili, quindi usando criteri oggettivi.

La replicabilità fa sì che questo approccio possa identificarsi come scientifico.

Questi metodi si basano su metodi statistici. Noi cerchiamo di prevedere il futuro, ma questo è impossibile,

dunque, la via è quella di ridurre l’incertezza del futuro, per farlo dobbiamo avere una certa sicurezza:

l’elaborazione che abbiamo fatto deve rispecchiare determinati requisiti.

Questo modello possiamo usarlo e proiettarlo in avanti: tanto più siamo vicini dal momento della stima del

modello più sarà fattibile eseguire una previsione, e viceversa se ci allontaniamo dalla stima.

Nel caso di previsioni di breve periodo, la disponibilità di informazioni con ritardi brevi rispetto al periodo

di riferimento è fondamentale per una migliore interpretazione del fenomeno al centro dell’analisi.

Ad esempio, le informazioni relative alla produzione industriale sono diffuse dall’ISTAT con ritardo di 2-3

mesi.

L’ISAE/ISTAT conduce indagini mensili presso industrie e famiglie e normalmente le informazioni sono

diffuse nello stesso mese nel quale sono state rilevate. Queste indagini sono prevalentemente di natura

qualitativa:

- Alto

- Normale

- Basso

- Aumento

- Stabile

- Diminuzione

La trasformazione del dato qualitativo avviene semplicemente considerando la distribuzione % delle risposte,

e successivamente calcolando il saldo tra la % di quanti hanno risposto ALTO (Aumento) e di quanti hanno

risposto BASSO (Diminuzione).

La statistica è l’applicazione della teoria delle probabilità e di altri metodi matematici a quelle situazioni

caratterizzate dalla presenza di incertezza nelle quali è necessario prendere una decisione.

L’econometria è l’applicazione dei metodi statistici e matematici all’analisi dei fenomeni economici allo

scopo di verificare o rifiutare le teorie con le quali pensiamo di descriverli. L’econometria è il ponte tra la

teoria e le osservazioni dei fenomeni economici.

Lo scenario è un insieme di previsioni.

Importanza delle informazioni: qualità, quantità, pronta