Introduzione sezione BRIDGE MODELS - Modelli per l’Analisi della Congiuntura

BRIDGE MODELS - Modelli per l’Analisi della Congiuntura

La necessità di monitorare in modo tempestivo l’andamento della congiuntura economica italiana ha reso indispensabile la costruzione di modelli per previsioni di breve periodo (Bridge Models). Tali modelli hanno la caratteristica di poter essere aggiornati rapidamente sfruttando la crescente quantità di serie storiche mensili disponibili. I modelli “Ponte” (Bridge) forniscono previsioni nel breve periodo di serie storiche a frequenza trimestrale sfruttando l’informazione disponibile a frequenza mensile relativa a vari indicatori (creando dunque un ponte temporale). Generalmente tale tipologia di modelli viene utilizzata per creare proiezioni a uno o al massimo due trimestri in avanti. L’approccio seguito consiste nell’utilizzare indicatori di carattere quantitativo e/o qualitativo a frequenza mensile e di postulare una relazione statistica tra questi indicatori mensili e la variabile trimestrale oggetto della previsione. La necessità di generare previsioni anche quando non si ha a disposizione tutta l’informazione mensile relativa al trimestre di previsione rende indispensabile prevedere preliminarmente gli indicatori mensili indisponibili attraverso l’ausilio di serie di carattere qualitativo più tempestive ovvero attraverso appositi modelli di tipo autoregressivo (ARIMA).

Operativamente, una volta individuate le serie storiche da includere nella stima del modello, si valuta la tempestività con cui queste sono aggiornate per poter definire l’informazione effettivamente disponibile ad una data prefissata, proiettando preliminarmente sull’intero trimestre quegli indicatori mensili per cui l’informazione sia parziale. Per la scelta delle equazioni sono state condotte stime di diverse specificazioni del modello con la tecnica della rolling regression e sono state valutate le proprietà della previsione fuori dal campione di stima di ciascuna equazione. La metodologia consiste nello stimare nel periodo passato, per il quale si ha disposizione l’intero paniere informativo, le equazioni all’interno di una finestra di ampiezza costante che si sposta in avanti lungo il campione di un periodo alla volta. In tal modo si generano delle previsioni nel periodo storico ottenute con un set informativo confrontabile con quello adottato per calcolare la previsione in tempo reale ed è dunque possibile valutare statisticamente l’accuratezza delle proiezioni. Infine, variando la composizione del set di indicatori e utilizzando dei modelli ARIMA come benchmark, si sceglie quale strategia seguire in funzione del minor errore generato dalle previsioni rolling (in genere la statistica utilizzata è l’errore quadratico medio).

I modelli Bridge sono utilizzati per calcolare le proiezioni del PIL e delle sue componenti sia dal lato della domanda che da quello dell’offerta. Nel primo caso si stimano i singoli aggregati, consumi, investimenti, esportazioni, importazioni, scorte per poi ottenere il PIL come aggregato.

La stima del PIL dal lato dell’offerta è invece composta di un modello suddiviso in due blocchi. Il primo, riferito al valore aggiunto dell’industria, si avvale principalmente dell’informazione rilevata dall’indice di produzione industriale e dal numero di autovetture immatricolate. Il secondo, la cui componente principale è costituita dal valore aggiunto dei servizi, utilizza principalmente variabili di tipo qualitativo.

Gli indicatori mensili utilizzati possono essere di tipo quantitativo o di tipo qualitativo (quando si riferiscono ad inchieste sulle condizioni del sistema economico). Le fonti utilizzate sono ISTAT, EUROSTAT, ANFIA, TERNA per i dati quantitativi, ISAE e Commissione Europea per i dati qualitativi.

La maggior parte delle estrapolazioni degli indicatori mensili sono ricavate con l’ausilio di modelli di tipo ARIMA. Alcune eccezioni riguardano i tassi d’interesse, calcolati come rendimenti impliciti della curva dei rendimenti a scadenza, ed il tasso di cambio, pari alle aspettative derivanti dalla “uncovered interest rate parity” sui tassi d’interesse degli Stati Uniti e dell’Area Euro.

Particolare rilevanza riveste la proiezione futura dell’indice di produzione industriale essendo uno degli indicatori mensili che coglie con maggiore tempestività ed efficacia l’andamento dell’economia italiana. Dato il carattere volatile della serie storica si utilizzano differenti tecniche di stima e previsione per poter delineare al meglio alcuni scenari alternativi e, di conseguenza, valutare le ripercussioni sulla crescita del PIL dei diversi scenari. In genere si differenziano le previsioni a brevissimo termine (uno e due mesi in avanti) per le quali sono disponibili degli indicatori anticipatori (PMI, consumi di energia elettrica) e le previsioni a breve termine da due fino a sei mesi in avanti. In tal caso si utilizzano dei modelli ARIMA.

Proprio per l’importanza del dato di produzione industriale, in genere si forniscono le previsioni dell’intera modellistica di breve periodo della Direzione I in concomitanza con la diffusione del comunicato stampa sulla produzione industriale.

Baffigi, Golinelli, Parigi (2004)Bridge models to forecast the euro area GDP International Journal of Forecasting. Volume:20

Franck Sédillot and Nigel Pain (2003) Indicator models of real GDP growth in selected OECD countries Economics Department working papers no. 364 OECD

Golinelli, Parigi, (2005) Short-Run Italian GDP Forecasting and Real-Time Data C.E.P.R. Discussion Papers 5302.

Nelson, C. R. & Siegel, A. F. (1987). Parsimonious modeling of yield curves, Journal of Business 60(4): 473—489.

Pappalardo, Rapacciuolo & Ruocco (2007) Il nuovo modello econometrico trimestrale del CSC per l’economia italiana CSC Working Paper n. 58

Rünstler G, Sédillot F (2003) Short-term estimates of euro area real GDP by means of monthly data working paper no. 276 ECB

Svensson, L. (1994). Estimating and interpreting forward interest rates: Sweden 1992-4. Discussion paper, Centre for Economic Policy Research(1051).

Conenuti Correlati