EtlaTalksin kevään 2019 kauden viimeisessä jaksossa keskustellaan talousennustamisen uusimmasta trendistä: reaaliaikaisista ja lyhyen aikavälin ennustemalleista eli niin sanotusta nowcastingista. Kuinka nowcasting eroaa perinteisestä suhdanne-ennusteiden laadinnasta ja miksi nowcastingista puhutaan nyt taloustieteessä? Vieraana on Etlan tutkija Paolo Fornaro ja haastattelijana toimii jälleen TalousTV:n päätoimittaja Jouko Marttila.
Viime vuosina nowcastingin käyttö on yleistynyt taloustutkimuslaitoksissa ja yrityksissä perinteisten suhdanne-ennusteiden rinnalla. Perinteisissä ennusteissa pyritään ennustamaan talouden tilaa esimerkiksi puolen vuoden tai vuoden päähän, kun taas nowcasting keskittyy hahmottelemaan talouden tilaa tarkemmin tarkasteluhetkellä. Tarve saada ennusteita aiempaa nopeammin sekä datan ja laskentakapasiteetin parempi saatavuus ovat mahdollistaneet nowcastingin syntymisen.
– Tällä hetkellä virallisten tilastojen julkaisuviive on pari kuukautta tai kauemminkin. Esimerkiksi BKT-luvut julkaistaan vasta 60 päivän kuluttua. Tämän vuoksi taloustieteilijät kiinnostuivat, voisiko jotakin tilastollista menetelmää tai mallia käyttää, jolla saataisiin nopeammin selkeämpi kuva talouden nykytilasta. Näin syntyi nowcasting, sanoo Fornaro.
Fornaro näkee nowcastingin merkityksen kasvun johtuvan nimenomaan taloustieteessä kehitetyistä tilastollisista malleista, jotka pystyvät käsittelemään suurehkon määrän dataa. Perinteisissä tilastollisissa malleissa suuri datamäärä saattoi johtaa heikompiin ennusteisiin. Sen sijaan uudet tilastolliset tekniikat ovat mahdollistaneet lukuisten eri varianttien sisällyttämisen malleihin ennusteen laadun kärsimättä. Myös digitalisaatio on mahdollistanut suuremman datamäärän keräämisen ja hyödyntämisen.
Nowcasting ei ole kuitenkaan korvaamassa perinteistä ennustamista vaan Fornaron mukaan molemmat ovat edelleen relevantteja ja erilaisia niin näkökulman kuin käyttötarkoituksen suhteen. Fornaro näkee nowcastingissa myös mahdollisuuksia menetelmän kehittämiseen.
– Nowcasting-mallit ovat kuin mustia laatikoita: ne antavat meille ennusteen, mutta emme ole täysin varmoja, miksi saimme juuri kyseisen ennusteen. Tätä ongelmaa on yritetty ratkoa esimerkiksi tutkimalla muuttujia, joita yksittäisillä varianteilla nowcastingissa on. Tässäkin on kuitenkin vielä kehitettävää.
