¿Cómo pueden los políticos evitar equivocarse con los eventos del 'cisne negro' como la crisis financiera mundial? cuando su modelado resulta limitado y rígido? Un proyecto emplea algoritmos sofisticados que utilizan datos localizados para un mejor pronóstico.

La crisis financiera mundial (GFC) que comenzó en 2008 provocó un replanteamiento de los pronósticos económicos. El modelado ha sido durante mucho tiempo una herramienta de gestión estándar para que los bancos centrales realicen evaluaciones de las perspectivas económicas nacionales e internacionales. que luego apuntalan las políticas monetarias.

Sin embargo, con economías en constante evolución, si los modelos no incorporan la capacidad de reflejar estos cambios, las políticas subsiguientes, aunque quizás sea adecuado para el pasado, puede que ya no sea viable. Gran parte del desafío para las previsiones económicas radica en la dificultad de identificar estos cambios, los factores desencadenantes individuales que ayudan a dar forma a la macroeconomía, requiriendo políticas correctivas para compensar las consecuencias negativas.

El proyecto de política monetaria posterior a la CGF financiado por la UE propuso una nueva metodología que, incorporando datos locales, buscó una reacción más rápida a los cambios macroeconómicos de lo que permitían las metodologías existentes. El proyecto descubrió que dio sus frutos al tomar los precios de la atención médica como un indicador del éxito de la política, pero era menos aplicable a la política monetaria. al mirar datos financieros.

Usar datos locales como predictores de cambio

Uno de los problemas de los modelos económicos tradicionales es que muchos operan de acuerdo con principios de regresión lineal, con coeficientes constantes. Aquí, Los efectos se consideran constantes en el tiempo. Sin embargo, como dice la Dra. Isabel Casas, becaria Marie Curie, "Realmente, en el mundo real, los efectos cambian con el tiempo a medida que responden al clima económico más amplio o a choques económicos o financieros repentinos e inesperados ". estos modelos solo pueden reflejar tendencias muy generales, creando algo parecido a un valor medio de los efectos cambiantes.

Un método para contrarrestar esta limitación es aplicar regresión no paramétrica, por el que el modelo en sí se construye realmente a partir de los datos, en lugar de construirse a partir de predictores predeterminados. Al explicar la eficacia de la metodología, el Dr. Casas dice:"La relación entre dos variables cambia con el tiempo, ya sean días, semanas o años. Las metodologías que usamos pueden detectar esos cambios automáticamente, dando una imagen menos sesgada de la realidad ".

La información del proyecto provino de datos localizados como una forma de representar efectos variables en el tiempo. Los investigadores crearon un paquete estadístico llamado tvReg, utilizando el lenguaje de programación R, que aplicaron algoritmos de coeficientes variables en el tiempo a los datos. Debido a su complejidad de programación, estos algoritmos han sido, hasta ahora, en gran parte el dominio de los especialistas.

La aplicación de política monetaria de la metodología utilizó datos financieros, incluidas las variables que miden la producción industrial, tipos de interés a corto y largo plazo, inflación, datos de divisas y Credit Default Swaps. Sin embargo, los investigadores encontraron que el modelado no arrojó resultados predictivos diferentes a los generados por el modelado tradicional, concluyendo que esta técnica variable en el tiempo no ofrecía una ventaja significativa para estos datos.

Por otra parte, en lo que respecta a la aplicación de la política sanitaria, Un enfoque que adoptaron fue analizar hasta qué punto la asistencia sanitaria puede considerarse un bien de lujo en los países de la UE y la OCDE.

Sus hallazgos difieren de los resultados anteriores en la literatura donde la atención médica siempre se posicionó (en función del precio) como un bien de lujo en la UE. El Dr. Casas concluye, "Claramente, los países de la UE están convergiendo hacia políticas comunes, con el precio de la atención médica bastante estable a lo largo de los años y más barato que en todos los países de la OCDE en general, por lo que podemos ver que las políticas de salud después de 2008 en la UE están avanzando en la dirección correcta ".

El siguiente paso de la investigación es centrarse en el modelado que pronostica el comportamiento de los procesos en otros contextos, como los de producción de energía renovable basados ​​en datos oceánicos, que incluye información sobre el oleaje, marea, altura del viento o de las olas. Esto resultará beneficioso tanto para los productores como para los consumidores del mercado de la electricidad de la UE.