p Como os formuladores de políticas podem evitar ser prejudicados por eventos de 'cisne negro', como a crise financeira global, quando sua modelagem se mostra limitada e rígida? Um projeto emprega algoritmos sofisticados que usam dados localizados para uma melhor previsão. p A crise financeira global (GFC) que começou em 2008 levou a um repensar das previsões econômicas. A modelagem tem sido uma ferramenta de gerenciamento padrão para os bancos centrais fazerem avaliações das perspectivas econômicas domésticas e mundiais, que então sustentam as políticas monetárias.

p Contudo, com economias em constante evolução, se os modelos não incorporarem a capacidade de refletir essas mudanças, as políticas decorrentes, embora talvez seja adequado para o passado, pode não ser mais viável. Grande parte do desafio para as previsões econômicas está na dificuldade de identificar essas mudanças, os gatilhos individuais que ajudam a moldar a macroeconomia, exigindo políticas corretivas para compensar as consequências negativas.

p O projeto de política monetária pós-GFC financiado pela UE propôs uma nova metodologia que, incorporando dados locais, buscou uma reação mais rápida às mudanças macroeconômicas do que as metodologias existentes permitiam. O projeto descobriu que rendeu frutos ao considerar os preços dos cuidados de saúde como um indicador do sucesso da política, mas era menos aplicável à política monetária, ao olhar para os dados financeiros.

p Usando dados locais como preditores de mudança

p Um dos problemas com os modelos econômicos tradicionais é que muitos operam de acordo com princípios de regressão linear, com coeficientes constantes. Aqui, os efeitos são considerados constantes ao longo do tempo. Contudo, como diz a Companheira Marie Curie, Dra. Isabel Casas, "Na realidade, no mundo real, os efeitos mudam ao longo do tempo à medida que respondem ao clima econômico mais amplo ou a choques econômicos ou financeiros inesperados. "Consequentemente, esses modelos só podem realmente refletir tendências muito gerais, criando algo semelhante a um valor médio dos efeitos de mudança.

p Um método para combater essa limitação é aplicar regressão não paramétrica, em que o próprio modelo é realmente construído pelos dados, em vez de ser construído a partir de preditores predeterminados. Explicando a eficácia da metodologia, Dr. Casas diz, "A relação entre quaisquer duas variáveis ​​muda ao longo do tempo, sejam dias, semanas ou anos. As metodologias que usamos podem detectar essas mudanças automaticamente, dando uma imagem menos tendenciosa da realidade. "

p As informações do projeto vieram de dados localizados como uma forma de representar efeitos variáveis ​​no tempo. Os pesquisadores criaram um pacote estatístico chamado tvReg, usando a linguagem de programação R, que aplicou algoritmos de coeficientes variáveis ​​no tempo aos dados. Devido à sua complexidade de programação, esses algoritmos têm sido, até agora, em grande parte a reserva de especialistas.

p A aplicação da metodologia pela política monetária utilizou dados financeiros, incluindo variáveis ​​que medem a produção industrial, taxas de juros de curto e longo prazo, inflação, dados de câmbio estrangeiro e Credit Default Swaps. Contudo, os pesquisadores descobriram que a modelagem não apresentou resultados preditivos diferentes daqueles gerados pela modelagem tradicional, concluindo que esta técnica variável com o tempo não oferece uma vantagem significativa para esses dados.

p Por outro lado, quando se trata da aplicação da política de saúde, uma abordagem que eles adotaram foi examinar até que ponto os cuidados de saúde podem ser considerados um bem de luxo nos países da UE e da OCDE.

p Seus resultados diferem de resultados anteriores na literatura, onde os cuidados de saúde sempre foram posicionados (com base no preço) como um bem de luxo na UE. Dr. Casas conclui, "Claramente, os países da UE estão convergindo para políticas comuns, com o preço dos cuidados de saúde bastante estável ao longo dos anos e mais barato do que em todos os países da OCDE, portanto, podemos ver que as políticas de saúde após 2008 na UE estão caminhando na direção certa. "

p A próxima etapa da pesquisa é focar na modelagem que prevê o comportamento dos processos em outros contextos, como aqueles para a produção de energia renovável com base em dados oceânicos, que inclui informações sobre ondulação, maré, vento ou altura da onda. Isto irá revelar-se benéfico para produtores e consumidores no mercado da eletricidade da UE.