(Sapienza) – Un articolo pubblicato online questa settimana sulla rivista Nature Physics riporta un nuovo metodo di previsione per la crescita del Prodotto interno lordo (PIL) che integri e supporti le previsioni del Fondo Monetario Internazionale. Il nuovo approccio di previsione considera la crescita economica come un sistema fisico le cui dinamiche possono essere predette analizzando i dati di esportazione a livello di prodotto, tramite tecniche derivate dalla fisica dei sistemi complessi.
Sistemi di modellazione così elaborati quali l’economia di un paese sono estremamente complicati e impegnativi. Sebbene gli economisti possano accedere a una quantità sempre maggiore di dati, produrre risultati affidabili e riproducibili rimane qualcosa tutt’altro che banale. Un aiuto potrebbe arrivare dalla fisica della complessità, dove esistono delle tecniche per modellare quei sistemi che non possono essere compresi, in termini di componenti individuali – come, ad esempio, la diffusione delle epidemie, o i movimenti del traffico.
Andrea Tacchella e i suoi colleghi sviluppano un metodo per la previsione del PIL basato sull’idea che un sistema complesso, la cui dinamica microscopica non è nota, possa essere previsto ricercando tra i dati storici disponibili un analogo vicino e osservandone l’evoluzione temporale. Tali metodi funzionano in maniera affidabile solo quando il sistema utilizzato è di bassa dimensionalità – dove la dimensione corrisponde al numero di variabili considerate. L’aggiunta incontrollata di ulteriori dati, quindi, produce risultati meno affidabili. Gli autori del metodo dimostrano, invece, che è possibile fare una previsione del PIL competitiva usando un modello con sole due dimensioni, inserendo il PIL pro capite di un paese e la sua “Fitness”. Quest’ultima è una quantità che caratterizza la competitività di un paese, che gli autori ricostruiscono dai dati di esportazione, tramite opportuni algoritmi matematici.
Confrontando le loro previsioni con quelle stimate sulla base di dati passati pubblicati dal Fondo Monetario Internazionale, gli autori dimostrano che le loro previsioni sono, in media, del 25% più accurate. Inoltre, gli errori dei modelli non sono correlati – ciò suggerisce che i due forniscono visioni complementari circa la crescita del PIL, offrendo un potenziale per previsioni combinate migliori.
Riferimenti: A dynamical systems approach to gross domestic product forecasting, A. Tacchella, D. Mazzilli e L. Pietronero; Nature Physics
