Nella raccolta sulla normalizzazione della politica monetaria gli autori hanno evidenziato che, una volta alterata, la stabilità monetaria crea problemi alla stabilità finanziaria e le cure causano conseguenze sulla crescita reale, creando un circolo vizioso. I tempi di intervento per garantire la stabilità monetaria sono determinanti e una delle cause principali dei ritardi è stata individuata negli errori di previsione commessi dai modelli econometrici usati.
Lord King, prestigioso ex governatore della Banca d'Inghilterra, ha sostenuto questa tesi nel lavoro citato, evidenziando che una ripetizione di questi errori contribuisce alle incertezze esistenti, da lui definite «radicali», che prevalgono in questa fase storica dell'economia e influenzano negativamente la credibilità delle banche centrali, indebolendo il loro importante ruolo nella formazione delle aspettative. In questi ultimi mesi il problema dei modelli predittivi è stato posto al centro del dibattito sulla normalizzazione della politica monetaria, ossia nel tentativo di recupero di una politica monetaria ortodossa capace di curare l'inflazione senza causare destabilizzazioni finanziarie; le due condizioni difficilmente possono essere conciliate perché le due stabilità (tre se consideriamo la stabilità reale) entrano in conflitto. Il problema si è ormai trasferito dalla sfera delle politiche economiche a quella istituzionale, creando il bisogno di nuove architetture, un problema sul quale da tempo ho indicato soluzioni nei miei Discorsi al mercato.
Una breve sintesi del dibattito sugli errori e i limiti di previsione del futuro. Nell'Ecb Economic Bulletin (1/2023) M. Chahad, A-C. Homann-Drahonsky, A. Page e M. Tirpàk hanno pubblicato An updated assessment sulle previsioni fatte dallo staff dell'Eurosistema, ribadendo la tesi ufficiale più volte avanzata che gli errori sono dovuti in particolare agli aumenti del prezzo dell'energia e dei beni alimentari, cessati i quali, sostengono, la loro dimensione ritorna a livello di quelli accertati in passato, riscoprendo il problema da risolvere, ossia come anticiparne l'avvento.
Lo scorso 28 dicembre, S. Fleming, M. Arnold e C. Smith hanno riaperto il dibattito su The Economist indicando che la Bce ha ritenuto di superare l'handicap predittivo dei modelli econometrici producendo «a range of sensitivity analyses»; ma anche lo «scenario peggiore» di quel range ha dato previsioni insoddisfacenti. Il dibattito sul modo di superare il gap predittivo si è nuovamente accesso e il presidente della Fed, Jerome Powell, ha indicato la via da percorrere nella «necessità di pensare oltre i modelli tipici usati», l'obiettivo perseguito dal Gruppo di lavoro che ho promosso.
Si susseguono gli annunci di chi dichiara di averlo fatto, l'ultimo quello di Philip Lane, capo economista della Bce, che ha affermato il 1° febbraio di aver migliorato le previsioni sull'inflazione facendo uso di un modello AI di «apprendimento automatico, che utilizza circa 60 variabili per catturare i cambiamenti che gli algoritmi tradizionali non riescono a individuare». Noi ce lo auguriamo per il bene di tutti, ma affinché il metodo ricostituisca la fiducia nelle previsioni usate per scelte monetarie occorre trasparenza, ossia conoscere con più precisione i risultati raggiunti e il modello usato per porlo al servizio di tutti, policy maker e analisti di mercato. È ciò che fece la Banca d'Italia nel 1970, quando rese pubblico l'M1BI come modello previsivo delle interazioni tra andamenti del mercato e stimoli della politica monetaria e fiscale che essa usava per le sue scelte.
Nel contempo, le ripetute richieste di ridurre i tassi ufficiali dell'interesse a seguito della riduzione accertata del saggio dell'inflazione vengono respinte come immature, per evitare il rischio di una ripresa dei prezzi, sulla base di valutazioni cautelative dei policy maker fondate sulle incertezze create dal mutamento del quadro geopolitico, che rischiano di approfondire la dimensione e durata dell'attuale ciclo deflattivo globale. La risposta è quasi sempre accompagnata dalla dichiarazione che le scelte monetarie verranno prese sulla base dei dati che arriveranno, ammettendo che esse saranno guidate e non guideranno gli andamenti dell'economia. Il problema degli strumenti predittivi diviene centrale in questo momento e, soprattutto, in prospettiva.
Sui modi in cui si arriverà a una nuova fase di matematizzazione delle predizioni trova conferma la valutazione di Keynes che il problema non è concepire nuove idee, ma uscire dalle vecchie. In molti studiano come risolvere il problema. Le linee seguite sono diverse e conviene procedere in tutte le direzioni per approfondire la capacità di colmare il vuoto predittivo. Va escluso che i modelli econometrici attualmente usati possano ripetere le performance del passato, perché il mondo è in continuo cambiamento e la replica su basi probabilistiche che il futuro si comporti come il passato non regge all'atto pratico.
Da oltre un anno mi arrovello per uscire dalle vecchie idee delle analisi econometriche ed entrare nel mondo affascinante dell'Intelligenza Artificiale e degli strumenti da essa usati, come il machine learning e sue applicazioni sempre più affinate. Con tre colleghi (Antonio Simeone, Giuseppe Italiano e Gianluca Teza) ho raccolto ed esaminato ciò che si va scrivendo in argomento e consultato via web call alcuni studiosi che stanno dedicando attenzione alla soluzione del problema degli strumenti predittivi, giungendo alla conclusione che i modelli econometrici non debbano ancora essere messi in soffitta, ma i risultati insoddisfacenti possono essere integrati elaborando algoritmi capaci di prevedere l'arrivo o la cessazione di shock, ricorrendo ai metodi di analisi più avanzati che si rendono oggi disponibili.
Abbiamo definito questo obiettivo ricerca di uno o più «acceleratori informatici» dell'econometria. I vantaggi della messa a punto di una siffatta tecnica consentirebbero non solo di migliorare le prestazioni dei processi di normalizzazione monetaria come quelli che ancora stiamo vivendo, che hanno causato instabilità finanziaria e danni alla crescita reale. La messa a punto di questo strumento predittivo interessa più in generale la politica economica ed è un passo essenziale per raggiungere l'indispensabile equilibrio tra stabilità monetaria, finanziaria e reale, anche per limitare il ruolo di «variabile di scarico degli squilibri» (buffer variable) su una o più tra esse.
Monika Poettinger giustamente osserva che siamo passati dalla definizione dell'homo oeconomicus (Smith) all'homo oeconometricus (Neurath/Frisch) e ora stiamo cercando l'homo informaticus (Babbage/Lovelace), colui che sa potenziare la sua stessa intelligenza facendo uso del potenziale offerto dai linguaggi-macchina usati in modo sofisticato.
Sulle possibilità implicite in questa terza fase, sempre nella stessa raccolta citata sulla Normalizzazione, Antonio Simeone offre un quadro esauriente e comprensibile degli strumenti che verranno usati per interfacciarsi con un Comitato di esperti per trasformare il ragionamento dei policy maker e degli operatori di mercato in algoritmi calcolati con tecniche AI, capaci di catturare le deviazioni interpretative (gli shock) che maturano in simultanea nelle loro menti, che si incorporano in alcune variabili e influenzano il corso della storia. Crediamo di avere qualcosa di nuovo da proporre per superare l'impasse predittivo e coltiviamo la speranza di mantenere all'Italia una leadership in materia, come meriterebbero le tradizioni acquisite. (riproduzione riservata)
*presidente della Consob