Hoe kunnen beleidsmakers voorkomen dat ze op het verkeerde been worden gezet door 'zwarte zwaan'-gebeurtenissen zoals de wereldwijde financiële crisis, wanneer hun modellering beperkt en rigide blijkt te zijn? Eén project maakt gebruik van geavanceerde algoritmen die gelokaliseerde gegevens gebruiken voor betere prognoses.

De wereldwijde financiële crisis (GFC) die in 2008 begon, leidde tot een heroverweging van economische prognoses. Modellering is lange tijd een standaard managementinstrument geweest voor centrale banken om beoordelingen te maken van de wereldwijde en binnenlandse economische vooruitzichten, die vervolgens het monetaire beleid ondersteunen.

Echter, met economieën die zich steeds verder ontwikkelen, als de modellen niet de mogelijkheid bevatten om deze veranderingen weer te geven, het daaruit voortvloeiende beleid, hoewel misschien geschikt voor het verleden, mogelijk niet meer levensvatbaar. Een groot deel van de uitdaging voor economische prognoses ligt in de moeilijkheid om deze veranderingen te identificeren, de individuele triggers die de macro-economie helpen vormgeven, corrigerend beleid nodig hebben om negatieve gevolgen te compenseren.

Het door de EU gefinancierde Post-GFC Monetary Policy-project stelde een nieuwe methodologie voor die, door lokale gegevens op te nemen, streefde naar een snellere reactie op macro-economische veranderingen dan de bestaande methodologieën toestonden. Het project vond dat het zijn vruchten afwierp toen de prijs van de gezondheidszorg als een indicator van beleidssucces werd beschouwd, maar minder van toepassing was op monetair beleid, bij het bekijken van financiële gegevens.

Lokale gegevens gebruiken als voorspellers van verandering

Een van de problemen met traditionele economische modellen is dat veel modellen werken volgens lineaire regressieprincipes, met constante coëfficiënten. Hier, effecten worden als constant in de tijd beschouwd. Echter, zoals Marie Curie Fellow Dr. Isabel Casas zegt, "Werkelijk, in de echte wereld, effecten veranderen in de loop van de tijd als ze reageren op het bredere economische klimaat of plotselinge onverwachte economische of financiële schokken." deze modellen kunnen alleen zeer algemene trends weergeven, iets creëren dat lijkt op een gemiddelde waarde van de veranderende effecten.

Een methode om deze beperking tegen te gaan, is door niet-parametrische regressie toe te passen, waarbij het model zelf feitelijk wordt geconstrueerd door de gegevens, in plaats van te worden opgebouwd uit vooraf bepaalde voorspellers. De werkzaamheid van de methodologie uitleggend, zegt Dr. Casas, "De relatie tussen twee variabelen verandert in de loop van de tijd, of het nu dagen zijn, weken of jaren. De methodologieën die we hebben gebruikt, kunnen die veranderingen automatisch detecteren, het geven van een minder bevooroordeeld beeld van de werkelijkheid."

De informatie over het project was afkomstig van gelokaliseerde gegevens als een manier om tijdsafhankelijke effecten weer te geven. De onderzoekers creëerden een statistisch pakket genaamd tvReg, met behulp van de programmeertaal R, die in de tijd variërende coëfficiëntalgoritmen op de gegevens toepaste. Vanwege hun programmeercomplexiteit, deze algoritmen zijn, tot nu, grotendeels voorbehouden aan specialisten.

De toepassing van het monetair beleid van de gebruikte methode van financiële gegevens, inclusief variabelen die industriële productie meten, korte en lange rente, inflatie, valutagegevens en Credit Default Swaps. Echter, de onderzoekers ontdekten dat de modellering geen andere voorspellende resultaten opleverde dan die gegenereerd door traditionele modellering, geconcludeerd dat deze in de tijd variërende techniek geen significant voordeel bood voor deze gegevens.

Anderzijds, als het gaat om de aanvraag van een zorgpolis, een benadering die ze volgden was om te kijken in hoeverre gezondheidszorg binnen EU- en OESO-landen als een luxegoed kan worden beschouwd.

Hun bevindingen verschillen van eerdere resultaten in de literatuur waar gezondheidszorg in de EU altijd (op basis van prijs) werd gepositioneerd als een luxegoed. Dr. Casas concludeert, "Het is duidelijk dat de EU-landen convergeren naar gemeenschappelijk beleid, waarbij de prijs van de gezondheidszorg in de loop der jaren redelijk stabiel is en goedkoper is dan in de bredere OESO-landen, dus we kunnen zien dat het gezondheidsbeleid na 2008 in de EU in de goede richting gaat."

De volgende stap in het onderzoek is om te focussen op modellering die het gedrag van processen in andere contexten voorspelt, zoals die voor de productie van hernieuwbare energie op basis van oceanische gegevens, met informatie over deining, getij, wind- of golfhoogte. Dit zal gunstig blijken te zijn voor zowel producenten als consumenten op de elektriciteitsmarkt van de EU.