Zašto makroekonomisti griješe u prognozama — i što to govori o ekonomiji kao znanosti

Uvod: Skandal koji nije skandal

Svake godine, kad IMF, OECD ili ECB objave revidirane prognoze BDP-a, inflacije ili nezaposlenosti, mediji redovito pišu o "pogrešnim prognozama ekonomista". Politički komentatori koriste tu grešku kao dokaz da ekonomija nije "prava" znanosti. Kritičari sa svih strana ideološkog spektra navode propuštenu inflaciju 2021./2022. ili nepredviđenu recesiju kao dokaz da ekonomistima ne treba vjerovati.

Ovaj tekst tvrdi suprotno: sustavne greške u ekonomskim prognozama nisu dokaz nekompetentnosti ili pristranosti — one su predvidiv i u određenom smislu neizbježan ishod pokušaja predviđanja adaptivnog, kompleksnog i refleksivnog sustava.

Pet razloga zbog kojih ekonomske prognoze greše

1. Refleksivnost: Prognoza mijenja ono što prognozira

Físičar može predvidjeti putanju projektila bez brige da će projektil promijeniti putanju jer je pročitao prognozu. Ekonomist ne može. Ako IMF objavi da će inflacija biti 8%, središnje banke reagiraju podizanjem kamatnih stopa, poduzeća mijenjaju planove cijena, sindikati revidiraju zahtjeve za plaćama — i inflacija završi na 5%. Je li prognoza bila pogrešna? U izvjesnom smislu da, ali je prognoza i uzrokovala vlastitu netočnost.

George Soros ovaj je fenomen nazvao "refleksivnošću" — i upravo je ta karakteristika ono što razlikuje ekonomiju od fizike. Ekonomski agenti ne samo da reagiraju na okolinu, već reagiraju i na prognoze o okolini. Svaka istraživačka institucija koja objavljuje predviđanja postaje sudionik u sustavu koji proučava.

2. Problem izmjere u realnom vremenu

Ekonomski modeli rade s podacima koji su sami po sebi nesavršeni, zakašnjeli i podložni revizijama. BDP za Q3 objavljuje se u studenom, revidira se u prosincu i konačno potvrđuje u travnju. Prognostičari koji rade u listopadu rade s preliminarnim procjenama Q2 koje su još uvijek podložne promjenama. Američki NBER recesije datira retrogradno — i povijesno je slučaj da su recesije bile već duboko pri kraju dok ih NBER formalno nije proglasio.

Ovaj problem — "real-time data problem" — znači da ekonomisti koji rade prognoze rade s karticama koje se retrogradno mijenjaju. To nije analogno ičemu u fizikalnim ili kemijskim naukama.

3. Egzogeni šokovi koji su po definiciji neprognozabilni

Nitko nije prognozirao COVID-19 u prosincu 2019. Nitko nije prognozirao rusku invaziju na Ukrajinu u siječnju 2022. Niti jedan ekonomski model ne može endogenizirati nepredvidive geopolitičke ili epidemiološke šokove — jer u trenutku izrade modela ne postoji ni slutnja da će se ti događaji dogoditi.

Zanimljiv je kontrafaktual: da nije bilo invazije na Ukrajinu, ECB-ova prognoza inflacije za 2022. (3–4%) bila bi dosta točna. Energetski šok koji je inflaciju odveo na 10%+ bio je direktna posljedica rata, a ne modelske pogreške. Kritizirati ekonomiste za nepredviđanje inflacije 2022. jest poput kritiziranja metrologa za netočnost mjerenja temperature u prostoriji čija je temperatura promijenjena između kalibracije i mjerenja.

4. Sustavna pristranost prema konsenzusu ("herding")

Empirijska istraživanja prognoziranja pokazuju da su ekonomske prognoze sustavno premalo raspršene — prognostičari se grupiraju oko konsenzusnih procjena čak i kada imaju privatne informacije koje ukazuju na drugačiji scenarij. Razlog je asimetričan incentiv: ako griješite zajedno s konsenzusom, to je "razumljiva pogreška". Ako griješite sami, to je "loša analiza".

Institucije poput MMF-a, OECD-a i centralnih banaka operiraju pod intenzivnim javnim nadzorom. Analitičar koji bi prognozirao recesiju dok svi ostali ne vide je puno ranjiviji profesionalno ako griješi nego analitičar koji prognozira rast zajedno s konsenzusom i onda griješi.

5. Nelinearna dinamika i kritične točke

Ekonomski sustavi nisu linearni. Mali uzroci mogu imati velike učinke (financijska kriza 2008. počela je s relativno malim problemima na subprime hipotekarnom tržištu), a veliki vidljivi faktori ponekad imaju zanemariv ekonomski učinak. Modeli koji pretpostavljaju linearnost — a većina makroekonomskih modela to čini barem implicitno — inherentno loše opisuju sustave koji se blizu "prijelomnih točaka" (tipping points) mogu ponašati sasvim drugačije od linearnih ekstrapolacija.

Što to znači za korisnike ekonomskih analiza?

Prihvate li se gore navedeni razlozi, slijedi nekoliko praktičnih implikacija za sve koji koriste ekonomski sadržaj — bilo da slušaju podcaste, čitaju analize ili prate ekonomsku politiku:

• Procjenjujte raspon, ne točku. Svaka prognoza koja izgleda precizno (npr. "BDP će rasti 2,3%") trebala bi biti čitana kao raspon (npr. 1,5–3,0%) s različitim vjerojatnostima. Prognozeri koji komuniciraju samo središnju procjenu skrivaju neizvjesnost koja je uvijek prisutna.
• Pratite revizije, ne samo prognoze. Smjer i brzina revizija prognoza često su informativniji od samih početnih prognoza. Ako IMF kontinuirano revidira inflacijsku prognozu prema gore, to govori više od početne procjene.
• Razlučujte egzogene šokove od modelskih pogrešaka. Nije svaka netočna prognoza dokaz loše analize. Ključno je pitanje: je li greška nastala zbog loše modelske logike, ili zbog neprognozabilnog vanjskog šoka?
• Tražite analitičare koji objašnjavaju greške. Ekonomisti koji analiziraju vlastite prošle pogreške i eksplicitno ih objašnjavaju nude više intelektualnog integriteta nego oni koji nikad ne greše jer nikad ne zauzimaju jasne pozicije.

Zaključak: Ekonomija nije astronomija

Ekonomija nije fizika niti astronomija — ne može biti. To nije nedostatak ekonomije kao discipline, to je inherentna karakteristika proučavanja kompleksnih adaptivnih sustava koji reagiraju na vlastitu analizu. Ono što ekonomska prognoza može ponuditi nije "točna predviđanja" već strukturiran okvir za razmišljanje o budućim scenarijima, identifikaciju ključnih rizika i razumijevanje mehanizama koji povezuju uzroke i posljedice.

Sljedeći put kada čujete na nekom podcastu da ekonomski analitičar iznosi "progonozu" za iduću godinu, korisno je pitati: koji su ključni faktori koji bi mogli pomaknuti ishod u drugom smjeru? Koje su implicitne pretpostavke modela? Koliki je raspon neizvjesnosti? Ti su metaanalitički alati važniji od pamćenja konkretnih projekcijskih brojeva.