La disponibilità di informazioni tempestive e affidabili costituisce uno degli elementi chiave nella formulazione delle decisioni di politica economica e nella connessa attività di previsione. Quest’ultima è tanto più accurata quanto più sono elevati la qualità e il grado di completezza delle indicazioni disponibili circa le condizioni correnti dell’economia. I dati di contabilità nazionale, che costituiscono una delle fonti informative più importanti, vengono però normalmente pubblicati con un certo ritardo di tempo rispetto al trimestre a cui essi si riferiscono.
In questo lavoro si mostra che è possibile procedere a un tempestivo aggiornamento del quadro relativo ai principali aggregati macroeconomici utilizzando strumenti previsivi noti col nome di Bridge Models (BM). Tali modelli vengono costruiti sfruttando le relazioni di natura statistica rinvenibili tra le variabili della contabilità nazionale e diversi indicatori economici ad alta frequenza disponibili con ritardo nullo o comunque molto contenuto. I BM richiedono che i regressori (endogene ritardate e indicatori) siano noti per l’intero periodo per il quale si voglia disporre di proiezioni. Essi pertanto forniscono informazioni sull’andamento corrente dell’economia (nowcast) piuttosto che previsioni vere e proprie (relative al futuro). È peraltro possibile adottare accorgimenti che consentano di impiegare i BM anche per formulare previsioni in condizioni di totale assenza di indicatori aggiornati (pure forecasts) o in presenza di aggiornamenti solo parziali (mixed forecasts).
Il lavoro presenta la struttura e le stime di alcuni BM finalizzati a produrre previsioni dell’evoluzione del PIL dell’area dell’euro nel breve periodo e ne valuta l’affidabilità.
Accanto a tali modelli vengono considerati alcuni strumenti previsivi alternativi, parimenti indirizzati a fornire indicazioni “in tempo reale” sull’andamento dell’attività economica nell’area dell’euro. In particolare, vengono presentati modelli puramente statistici univariati e multivariati (ARIMA e VAR), nonché un piccolo modello strutturale.
Il lavoro affronta la questione di quale sia il livello di aggregazione ottimale per finalità previsive, considerandone sia i risvolti geografici sia quelli economici.
Quanto agli aspetti geografici, i diversi modelli presentati nel lavoro vengono specificati e stimati, nella maggior parte dei casi, sia con riferimento a variabili aggregate (relative cioè all’area nel suo insieme) sia separatamente per ciascuno dei tre principali paesi (Germania, Francia, Italia). I modelli di questo secondo tipo includono equazioni di collegamento che mettono in relazione l’andamento delle variabili macroeconomiche in quei tre paesi con le corrispondenti variabili aggregate riferite all’intera area dell’euro.
Per affrontare il quesito di quale sia il livello di aggregazione ottimale da un punto di vista economico il lavoro prende in esame sia modelli nei quali il PIL è l’unica variabile endogena presente (“modelli dal lato dell’offerta”), sia formulazioni alternative che descrivono l’andamento delle principali componenti del PIL e ottengono quest’ultimo mediante relazioni di natura contabile (“modelli dal lato della domanda”).
Tutti i modelli sono stimati con dati trimestrali (talvolta ottenuti dall’aggregazione di serie a frequenza più elevata) per il periodo 1980-1999. I dati relativi al periodo 1999-2001 vengono utilizzati per misurare l’accuratezza delle previsioni (a uno o due passi in avanti), prodotte con il cosiddetto metodo rolling (cioè con progressivo ampliamento del campione di stima).
La performance degli strumenti previsivi alternativi ai BM viene utilizzata come termine di riferimento (benchmark) nel confronto con il quale valutare le prestazioni dei BM.
Nel caso di nowcast (quello più realistico e rilevante) le previsioni migliori sono quelle ottenute con BM disaggregati per i tre principali paesi, nella versione “dal lato dell’offerta”. L’errore quadratico medio della previsione è significativamente inferiore a quello dei benchmark.
Qualora non siano disponibili informazioni per gli indicatori ad alta frequenza impiegati nei BM, le prestazioni di questi ultimi non si discostano sensibilmente da quelle degli altri strumenti previsivi. Per contro, nel momento in cui informazioni sugli indicatori fossero disponibili anche solo per una parte dei mesi del trimestre, la performance dei BM risulterebbe significativamente migliore di quella dei modelli benchmark.
Pubblicato nel 2004 in: International Journal of Forecasting, v. 20, 3, pp. 447-460
