Ludzki umysł poszukuje w świecie jasnych reguł, a prognozy pozwalają znaleźć uzasadnienia dla podejętych decyzji (pxhere.com, CC BY-NC-ND)
W złożonym i niepewnym świecie tworzenie prognoz jest sprawą skomplikowaną – nie tylko dla ekonomistów. Jednak ludzki umysł czuje się najlepiej, jeśli widzi porządek w tym, co się dzieje dookoła. Dotyczy to również inwestorów rynkowych. Ludzie potrzebują opowieści i uzasadnień, a rynki zaczynają się niepokoić, jeśli pojawia się zbyt wiele sygnałów, które trudno skwantyfikować i nie ma wyraźnych oznak konsekwentnej narracji.
Biorąc pod uwagę to, że prognozy ekonomiczne są tak często błędne i nie uwzględniają zdarzeń nieprzewidzianych, można zastanawiać się, po co w ogólne je tworzyć. Zapotrzebowanie na prognozy jest jednak nienasycone, ponieważ wszystkie decyzje – biznesowe, polityczne, osobiste – opierają się na pewnym wyobrażeniu przyszłości. Ludzie często chcą być w stanie uzasadnić decyzje, które właściwie i tak podjęliby z innych powodów. A kiedy coś pójdzie nie tak, to zawsze można winić ekspertów.
Niedoskonałość prognoz wynika nie tylko z tego, że świat staje się coraz bardziej skomplikowany, ale problemem jest również ich mniejsza wiarygodność z powodu sprzężenia zwrotnego. Jeśli meteorolog powie, że będzie padał deszcz, to fakt, że zabierzemy ze sobą parasol, nie ma wpływu na pogodę. Ale jeśli ekonomista prognozuje, że inflacja wzrośnie o 3 proc., a reakcją ludzi jest żądanie co najmniej 3 proc. wzrostu wynagrodzeń, to zmienia to podstawę, na której dokonano prognozy. Inflacja może wówczas wzrosnąć o ponad 3 proc. Istnienie prognozy zmienia zatem rzeczywistość, którą próbuje przewidzieć.
Należy pamiętać, że skomplikowane modele do przewidywania przyszłości oferują tylko przybliżenia.
Prognozy i ich uzasadnienia mogą stworzyć iluzję kontroli nad przyszłością. Należy jednak pamiętać, że skomplikowane modele do przewidywania przyszłości oferują tylko przybliżenia. Z jednej strony prognoza jest osadzona w tym, co już wiadomo na temat przeszłości, ponieważ modele prognostyczne są oparte na przeszłych związkach przyczynowo-skutkowych. Jednak to, że dana zmienna podążała za pewnym trendem w przeszłości, nie oznacza, że będzie tak w przyszłości. Ponadto każdy człowiek posiada określone doświadczenia, nawyki, a jego myślenie jest uzależnione od określonej perspektywy – ekonometrycy i analitycy danych nie są w tym zakresie wyjątkiem.
Z drugiej strony, nowsze i szokujące wiadomości zwykle bardziej zajmują naszą uwagę, niż epizody z przeszłości – mogą zatem wprowadzić w błąd.
Dodatkowo, nawet niewielka zmiana w kilku zmiennych może sprawić, że przewidywanie będzie niemal niemożliwe. Aby zrozumieć, jak szybko matematyka może się skomplikować, można podać przykład przewidzenia ścieżki kulki bilardowej po jej trafieniu. Zgadywanie, dokąd kulka uda się najpierw jest łatwe; przewidzenie drugiego uderzenia staje się bardziej skomplikowane, ale nadal możliwe. Problem zaczyna się, kiedy należy poprawnie przewidzieć dziewiąte uderzenie – wówczas należałoby wziąć pod uwagę przyciąganie grawitacyjne kogoś stojącego w pobliżu. Aby przewidzieć 56. uderzenie, należy z kolei uwzględnić wpływ każdej pojedynczej cząstki we wszechświecie.
Dochodzą do tego tzw. nieznane niewiadome, które w każdej chwili mogą zmienić zasady gry. Z tego powodu prognozowanie można uznać za rodzaj sztuki.
Prognozowanie nie dotyczy zatem dokładności jako takiej. Tak naprawdę tym, co oferują ekonomiści tworzący prognozy, jest sposób myślenia.
Najlepsze prognozy to te, które dostarczają użytecznych wyjaśnień i ram dla zrozumienia bieżących uwarunkowań i przyszłych wydarzeń. Liczy się nie tyle ilość informacji, jaką prognosta przewiduje, ale raczej głębia mądrości leżącej u podstaw analizy.
Systemy gospodarcze, podobnie jak biologiczne i klimatyczne, mogą być wyjątkowo wrażliwe na warunki początkowe. Zjawisko jednego zdarzenia prowadzącego do drugiego może sprawić, że prognozowanie będzie szczególnie trudne, gdy zależności na tej ścieżce nie będą zrozumiane na samym początku.
Wyjaśnienia są ponadto ważne dla zrozumienia problemów, które nie nadają się do pomiaru. Należą do nich czynniki niegospodarcze, które są trudne do uwzględnienia w modelach. W szczególności dotyczy to kwestii politycznych i instytucjonalnych, które mogą mieć decydujące znaczenie dla trafności prognozy.
W zmaganiu się ze złożonością gospodarki, pracę prognosty ułatwia fakt, że niektóre kwestie mają większe znaczenie niż inne, i dlatego zasługują na więcej uwagi. Na przykład możliwa, przyszła cena ropy naftowej jest głównym wyznacznikiem opłacalności dla platformy wiertniczej, podczas gdy wiele innych zmiennych nie jest.
Jednocześnie część istotnych zagrożeń może umknąć uwadze sporządzających prognozy, szczególnie gdy są one powiązane z założeniami, przyjmującymi coś za pewnik. Tutaj przykładem może być ostatni, globalny kryzys finansowy z 2008 r., którego jedną z przyczyn było przekonanie, że ceny domów w USA będą ciągle rosnąć.
Ostatni kryzys finansowy i to, że nie został on przewidziany przez większość obserwatorów życia gospodarczego, nie jest niczym nowym. Według analizy MFW, ekonomiści nie przewidzieli 148 z 153 recesji, w latach 1992-2014, wśród 63. badanych krajów. Częściowo wynikało to z tego, że nie można było wiele zyskać pod względem reputacyjnym, przewidując recesję, którą inni przegapili. Dodatkowo, jeśli prognosta nie zgadzałby się z istniejącym konsensusem prognostycznym, to reakcją innych byłby sceptycyzm.
Jednym ze sposobów radzenia sobie z niezliczonymi możliwymi perspektywami i możliwościami przyszłych wydarzeń jest tworzenie scenariuszy na podstawie czynników kluczowych pod względem prawdopodobieństwa i wpływu. Tworzenie alternatywnych scenariuszy opiera się na analizie wielu informacji, aby zminimalizować ryzyko nieuwzględnienia nieznanych niewiadomych.
Jednocześnie posiadanie dużej ilości danych przy prognozowaniu przyszłości nie zawsze jest dobre. Big data i uczenie maszynowe otwierają nowe możliwości prognozowania poprzez zastosowanie ogromnej mocy obliczeniowej do rozpoznawania powtarzalnych wzorców oraz automatycznej analizy na zasadzie prób i błędów. Jednak mimo, że dodanie większej ilości danych i zmiennych może pomóc w zidentyfikowaniu większej liczby korelacji, to proporcje, które są fałszywe i mylące, mogą wzrastać jeszcze szybciej.
Zatem korzystanie z danych bez uwzględniania kontekstu, sprawdzenia ich jakości lub zrozumienia pytań, na które próbuje się odpowiedzieć, spowoduje tylko powstanie hałasu, a nie wyraźnego sygnału. Podobnie, więcej danych w niepewnym świecie może sprawiać wrażenie, że mamy do czynienia z obliczalnym ryzykiem, gdy w rzeczywistości nadal są to niewiadome.
Prognozowanie jest sztuką, która często nie jest związana z posiadaniem określonej wiedzy.
Niekiedy proste reguły statystyczne (np. reguła kciuka) mogą być lepsze niż złożone techniki prognozowania – zwłaszcza, że do pewnych celów nie potrzeba precyzyjnych prognoz ilościowych. Na przykład wybory są wygrane lub przegrane i ważniejsza jest informacja o tym, kto wygra, niż margines zwycięstwa.
Część problemu z prognozami może wynikać z tego, że oczekuje się ich od niewłaściwych ludzi. Prognozowanie jest sztuką, która często nie jest związana z posiadaniem określonej wiedzy w danym przedmiocie. Ci, którzy najlepiej przewidzieli Arabską Wiosnę, nie byli ekspertami w zakresie Bliskiego Wschodu. Byli to ludzie, którzy znali Europę Wschodnią, a na Bliskim Wschodzie dostrzegli analogie do obserwowanej wcześniej sytuacji.
Niektórzy widzą rozwiązanie w całkowitej rezygnacji z prognozowania. Proponują, aby w zamian skupić się na niekonwencjonalnych formach podejmowania decyzji. Oznaczałoby to szukanie wyborów, które przyniosą korzyści w przypadku nieoczekiwanych, ekstremalnych zmian.
Być może jednak potrzeba, aby ekonomiści wyraźniej informowali o niepewności związanej z prognozami gospodarczymi – podobnie, jak przy prognozach pogody – np. „jest jedna na dwie szanse, że tak się stanie, ale nie mogę być tego pewna/pewien”. Z kolei odbiorcy powinni zrozumieć ograniczenia prognoz, na których opierają swoją działalność, wybory i dobre samopoczucie.
W styczniu 2020 roku Wielka Brytania formalnie opuściła Unię Europejską. Oczekiwane korzyści z brexitu, poza odzyskaniem suwerenności w zakresie kształtowania prawa i zewnętrznych relacji gospodarczych, jednak się nie zmaterializowały. Widoczny jest natomiast spadek wydajności i konkurencyjności brytyjskiej gospodarki, co wpływa także na kondycję rynku pracy.
