Источник: МВФ.
Выступление Альфреда Каммера на Форуме ЕЦБ по центральным банкам: «Уроки недавнего опыта макроэкономического прогнозирования»
28 июня 2023 г.
Посмотрите прилагаемые слайды от Альфреда Каммера.
Большое спасибо, мне приятно быть здесь и обсуждать некоторые из общих проблем, с которыми мы столкнулись, пытаясь понять события и спрогнозировать экономику за последние несколько лет.
Я построю свое выступление по трем темам: во-первых, проблема макроэкономического прогнозирования и подход к ней в МВФ. Затем я объясню, как мы адаптировали наши методы прогнозирования в неопределенные и нестабильные периоды пандемии и энергетического кризиса. Наконец, я закончу несколькими мыслями о том, какие уроки мы можем извлечь. На мой взгляд, они должны (i) быть сбалансированными — подчеркивать нисходящие подходы к прогнозированию, когда общие силы сильны, но также учитывать индивидуальные особенности; (i) быть гибким — быть готовым постоянно разрабатывать и добавлять новые инструменты; и (iii) быть скромным — сосредоточиться на том, чтобы избегать промахов, которые могут привести к серьезным политическим ошибкам, а не на незначительных отклонениях от модального прогноза.
На этом позвольте мне начать с напоминания о том, что макроэкономическое прогнозирование в лучшие времена затруднено. Экономика — это сложная социальная система, как мы все знаем. В МВФ мы время от времени подводим итоги того, насколько верны наши прогнозы, и сравниваем наши результаты с результатами других ведущих прогнозистов. Мы склонны обнаруживать, что на относительно коротких горизонтах (в основном на один и тот же год) прогнозы, как правило, дают достаточно хорошие результаты. Но даже на горизонте 1,5–2 года и наши, и чужие прогнозы очень быстро ухудшаются (Celasun et al., 2021). Причина, конечно же, в том, что экономика страдает от постоянных потрясений. Еще одно стандартное понимание точности прогнозов роста заключается в том, что чем выше волатильность ВВП в стране, тем больше ошибки прогноза. [когда мы контролируем волатильность роста ВВП, наши прогнозы для стран с развитой экономикой не лучше, чем, например, для стран с низким уровнем дохода].
Последние несколько лет, конечно, принесли нам большие потрясения, что сделало прогнозирование особенно сложным. Многие стандартные макроэкономические отношения нарушились после пандемии. Подумайте о законе Оукена, о связи между безработицей и объемом производства, которая ослабла из-за схем сохранения рабочих мест, и, возможно, о возросшей потребности или желании работать меньше часов в неделю. Или подумайте о «знаменитых» избыточных сбережениях прошлых лет. По сути, они представляют собой нарушение исторически тесной взаимосвязи между располагаемым доходом домохозяйства и потреблением, как показано на левой диаграмме. Еще одной проблемой прошлого года стала массовая волатильность на энергетических рынках после российского вторжения в Украину. На правом графике показана разбивка другой зависимости — между европейскими ценами на нефть и газ в 2022 году.
Что все это означает для прогнозирования? Один из вопросов касается компромисса между сосредоточением внимания на факторах, характерных для конкретной страны, и на общих силах.
Что я имею в виду? Нашим основным источником прогнозов в МВФ является «Перспективы развития мировой экономики» (WEO), публикуемый ежеквартально. ПРМЭ представляет собой восходящее упражнение, объединяющее прогнозы для наших стран-членов. 190 страновых групп готовят прогнозы на основе общих предположений для ключевых глобальных переменных, таких как цены на сырьевые товары и базовые процентные ставки, на горизонте прогнозирования. По мере того, как мы продвигаемся по раунду прогнозирования, мы выполняем множество проверок, чтобы обеспечить согласованность в разных странах в том, как эти предположения учитываются. Тем не менее, страновые группы обладают значительной свободой действий, в том числе в отношении принятия решения о том, насколько их экономика зависит от общего фактора, включения информации по конкретной стране, а также инструментов и моделей, которые они используют.
Предоставление экспертам по странам возможности для включения идиосинкразических факторов имеет решающее значение, потому что внутренние факторы, как правило, более важны, чем иностранные, для пути экономической деятельности – в среднем. Но также верно и то, что когда мы проводим постфактум оценки, мы обнаруживаем, что общие компоненты учитываются недостаточно, как могли бы. Например, Celasun et al 2021 пришли к выводу, что прогнозы роста для США, зоны евро или Китая или собственные прогнозы условий торговли стран могут помочь предсказать ошибки прогнозов роста для значительной доли стран. Если бы мы эффективно использовали всю доступную информацию, такой корреляции не было бы, и ошибки наших прогнозов были бы меньше.
Особенно во времена крупных глобальных или региональных потрясений общий фактор может быть достаточно доминирующим, чтобы оправдать более нисходящий подход к прогнозированию.
Как показано на диаграмме, ошибки прогнозов для отдельных стран обычно сосредоточены около 0 с положительными и отрицательными неожиданностями. Но как во время мирового финансового кризиса, так и во время пандемии ошибки прогнозов были очень большими и односторонними, что подчеркивало огромное преобладание общего шока.
Чтобы привести конкретный пример, в первые месяцы пандемии стало ясно, что ожидаемое прогрессирование инфекций, ограничения мобильности и чувствительность результатов к мобильности будут преобладать в ближайшей перспективе. Преобразование этих качественных факторов в количественный прогноз столкнулось с тремя проблемами.
Во-первых, в марте 2020 года, когда завершалась подготовка нашего прогноза весеннего выпуска ПРМЭ, зарегистрированные инфекции по-прежнему были сосредоточены лишь в нескольких странах. Путь заражения был неопределенным, хотя мы знали, что это очень заразный вирус и, вероятно, будет быстро распространяться.
Во-вторых, было неясно, насколько жесткими будут ограничения на передвижение в разных странах.
И в-третьих, было мало исторических данных, чтобы экстраполировать реакцию экономической активности на такие ограничения.
Мы решили использовать централизованный подход. Наш исследовательский отдел связался с эпидемиологами и экспертами в области общественного здравоохранения, а затем предоставил командам централизованные рекомендации о том, сколько эффективных рабочих дней будет потеряно в ближайшие кварталы. В зависимости от экономической структуры (например, доли деятельности, связанной с контактами), страновые группы переводили потерянные дни в снижение ВВП. Вдобавок к этим внутренним сбоям страновые группы учли влияние вторичных эффектов международного спроса и предложения. Наконец, исходя из доступного политического пространства, они учли некоторую компенсирующую политическую поддержку. В целом, этот подход показал себя довольно хорошо: прогноз «тот же год», который мы сделали весной 2020 года для зоны евро, отклонился всего примерно на 1 процентный пункт. Небольшая ошибка, учитывая, насколько мощным был шок.
Позвольте мне кратко обратиться к слону в комнате, неоднократному занижению инфляции за последние 1,5 года, что затем указывает на необходимость быть проворным. Конечно, война и пандемия потрясений с поставками были непредсказуемы. Но даже после того, как шоки материализовались, было сложно количественно оценить их влияние на инфляцию. Ошибки прогноза были очень большими.
Позвольте мне выделить два конкретных недостатка наших моделей и то, как мы пытались их улучшить.
Первая проблема касается правильной степени детализации. Большая часть наших прогнозов ранее делалась с использованием мировых цен на нефть в качестве показателя общих цен на энергоносители. Это очень хорошо работало в прошлом. Но, как я показал вам ранее, цены на газ значительно оторвались от цен на нефть, когда Россия сократила поставки газа в Европу.
Не позволять ценам на газ включаться в прогнозы инфляции отдельно, таким образом, было проблемой для прогнозирования инфляции энергоносителей и, в конечном счете, перехода от энергоресурсов к базовой инфляции. И это только один пример того, как модели нуждаются в некоторой корректировке — и быстро — для того, чтобы справиться с новой ситуацией.
В ответ мы теперь прогнозируем инфляцию гораздо более дезагрегированным образом (см., например, McGregor and Toscani (2022)). Как показывает красная пунктирная линия на диаграмме, корректировка структуры модели структуры прогнозирования инфляции на основе кривой Филлипса и ее оценка на основе данных до 2019 года дает значительно лучшие прогнозы на основе выборки, чем предыдущая модель. Но в то же время эта модель по-прежнему значительно упускает из виду самый последний всплеск инфляции. [Обратите внимание, что то, что я показываю, является довольно сложным упражнением, так как это псевдовыборочный прогноз с 1 кв. 2020 г. по 1 кв. 2023 г. — весьма необычный период]
Второй ключевой недостаток, который гораздо сложнее исправить, связан с нелинейностью. В то время как фирма может не реагировать резко на 20-процентное повышение цен на один из своих второстепенных факторов производства, она должна корректировать свои цены при 500-процентном повышении. И модели не попали в цель, потому что такие движения были далеко за пределами диапазона данных, на которых обучалась модель. Мы обнаружили, что измерить такие нелинейности в режиме реального времени сложно.
Таким образом, прогнозирование — это унизительный процесс. Какие уроки мы можем применить в будущем?
Во-первых, после опыта прошлых лет, МВФ, вероятно, сохранит некоторую усиленную роль руководства сверху вниз по сравнению с периодом до пандемии. Это помогает реагировать в режиме реального времени на важные события, которые в, возможно, более подверженном потрясениям мире могут оказаться важными. Но нам нужно быть сбалансированными — идиосинкразические факторы также играют ключевую роль. Во-вторых, нам нужно будет быть шустрыми — ясно, что нам нужно постоянно отслеживать и улучшать наши инструменты. Часть пути вперед также заключается в использовании малоиспользуемых источников данных и гибком включении новых данных, включая большие данные. Наконец, мы должны быть скромными в прогнозировании. Стоит также напомнить себе, что макроэкономические данные по-прежнему трудно собрать, а ключевые ряды данных, на которые мы опираемся, в частности ВВП, подвержены значительным изменениям. Таким образом, снижение акцента на точечных оценках и сосредоточение внимания на диапазонах прогнозов представляется важным, особенно когда прогнозирование используется при разработке политики. Мы должны сосредоточиться на том, чтобы избегать ошибок в прогнозах, которые могут привести к грубым политическим ошибкам, а не чрезмерно беспокоиться о незначительных изменениях в модальном прогнозе. Это также означает, что сценарный анализ играет четкую роль, позволяя как реализовывать политики, чтобы избежать неблагоприятного сценария, так и планировать действия на случай непредвиденных обстоятельств, если он материализуется.
В заключение позвольте мне вернуться к сегодняшней проблеме прогнозирования. Ключевой вопрос сейчас, когда инфляция достигла пика, заключается в том, можем ли мы доверять траекториям дезинфляции, которые вытекают из большинства модельных прогнозов, учитывая ослабление шоков предложения и ужесточение денежно-кредитной политики. У нас высокая неопределенность в отношении уровня резерва в экономике, многие стандартные отношения еще не полностью нормализованы, а инфляция заработной платы и цен превышает диапазон, в котором мы оценили наши модели. Мы также знаем из прошлых оценок, что мы склонны чрезмерно компенсировать большие завышенные прогнозы роста, становясь затем чрезмерно пессимистичными. Хотя наш недавний опыт позволяет усомниться в плавности путей дезинфляции, вытекающих из наших моделей, нам также следует избегать излишнего пессимизма.
Так что важно всегда знать о потенциальных недостатках инструментов, и использовать несколько из них совместно, и перепроверять их. Например, в дополнение к дезагрегированному прогнозированию компонентов инфляции теперь мы также рассматриваем цены со стороны «дохода», изучая рост заработной платы, цены на импорт и поведение доли прибыли, которое согласуется с нашими прогнозами (см. Hansen et al. ., 2023).
Таким образом, я вижу активную роль для нас как прогнозистов, с постоянным взаимодействием между существующими инструментами, новыми и усовершенствованными инструментами и источниками данных и, в конечном счете, хорошо обоснованными, чтобы учитывать соображения, не заложенные в модели.