Da sempre, uno dei territori di caccia più affascinanti per economisti e investitori è la lettura del ciclo economico. Capire quando l’economia rallenterà, quando entrerà in recessione, quando riprenderà vigore: sono domande che valgono miliardi. Non sorprende quindi che nel corso dei decenni siano stati sviluppati centinaia di indicatori che tentano di anticipare l’arrivo di una fase recessiva. Dalla curva dei rendimenti alle variabili del mercato del lavoro, dai prezzi delle case agli aggregati di credito, ogni economista sembra avere il proprio indicatore preferito.
Ma se invece di affidarci a un singolo oracolo, provassimo ad ascoltare il coro completo? È esattamente questa l’intuizione alla base di uno studio recente pubblicato su VoxEU da ricercatori dell’OCSE. Il problema fondamentale, spiegano gli autori, è che la maggior parte degli studi esistenti si concentra su un singolo paese, tipicamente gli Stati Uniti, oppure utilizza modelli che presumono gli stessi fattori abbiano lo stesso peso in economie diverse. Ma la realtà è più complessa: ciò che predice una recessione in Germania potrebbe non funzionare in Giappone, e ciò che conta oggi potrebbe non contare tra sei mesi.
I ricercatori hanno applicato tecniche di machine learning per analizzare 20 paesi OCSE attraverso otto orizzonti temporali consecutivi, trimestre per trimestre. Invece di scegliere a priori quali indicatori utilizzare, hanno lasciato che fossero gli algoritmi a esplorare migliaia di combinazioni possibili. Il risultato più interessante? Il metodo più efficace non è stato il random forest, considerato il gold standard nelle previsioni di crisi, ma un “ensemble di modelli probit”. In altri termini, ascoltare più voci risulta sempre la soluzione più efficace.
L’immagine che gli autori usano per spiegare i risultati è particolarmente efficace: prevedere le recessioni è come fare previsioni meteorologiche. Per sapere se domani pioverà consultiamo le previsioni del tempo giornaliere, ma per capire se l’intera stagione sarà piovosa, bisogna guardare i modelli climatici a lungo termine. Sono due esercizi diversi che richiedono dati diversi.
Nel breve termine, entro i primi due trimestri, le variabili di attività economica corrente dominano la scena. PIL, produzione industriale, disoccupazione, utilizzo della capacità produttiva: sono questi i segnali che meglio indicano se una recessione è imminente. Ma la loro capacità predittiva crolla drammaticamente dopo il secondo trimestre.
Quando l’orizzonte si allunga oltre i sei mesi, sono altre le variabili che contano. Il credito e i prezzi delle case emergono come i predittori dominanti, spiegando il cinquanta-sessanta percento delle probabilità di recessione tra il terzo e l’ottavo trimestre. Gli squilibri finanziari, che richiedono tempo per accumularsi, sono gli indicatori più affidabili delle crisi future.
Tornando alla metafora climatica, potremmo riassumere così: è il meteo di oggi che ci dice se portare l’ombrello uscendo di casa, ma sono le correnti oceaniche profonde e i sistemi di pressione atmosferica che determinano se l’intera stagione sarà tempestosa.
Lo studio identifica anche il ruolo crescente delle variabili internazionali, che spiegano fino al quaranta-cinquanta percento del rischio oltre il quarto trimestre, specialmente per le economie più piccole e aperte. Un promemoria del fatto che, in un mondo globalizzato, nessuna economia è un’isola.
C’è qualcosa di profondamente rassicurante in questo approccio. Invece di cercare l’indicatore perfetto, lo studio ci ricorda che la complessità richiede molteplici prospettive. “Ascoltare più campane” funziona nell’economia come altrove: perché non esistono modelli perfetti e presi assieme i loro errori tendono a cancellarsi vicendevolmente.
La lezione è chiara: per navigare l’incertezza economica, abbiamo bisogno sia del bollettino meteo di breve termine che del modello climatico di lungo periodo. Entrambi sono necessari, ma raccontano storie fondamentalmente diverse.
Foto di Gerd Altmann
