Тьерри Калиса начал работать с новыми данными для экономических прогнозов в реальном времени — «наукастинга» — десять лет назад, но пандемия более наглядно показала потенциал этого инструмента.

Во время вспышки COVID в Кигали, столице Руанды, он был сотрудником министерства финансов и участвовал в совместной рабочей группе с центральным банком, задачей которой был мониторинг замиравшей экономики в условиях первого полного карантина в странах к югу от Сахары. Официальные экономические индикаторы быстро оказывались устаревшими, даже еще до публикации.

Группа разработала еженедельный индекс экономической активности на основе показателя центрального банка, включающего такие факторы, как экспорт, импорт и данные о потребительских расходах в реальном времени, получаемые с электронных кассовых аппаратов налогового ведомства в магазинах. Прогноз ухудшился. Вскоре ожидался спад экономики.

«Это помогло правительству пересмотреть прогнозы роста, скорректировать макроэкономические основы и принять своевременные меры экономической политики», — отмечает Калиса, который в 2021 году поступил на работу в центральный банк на должность главного экономиста.

Сегодня Национальный банк Руанды включает наукастинг в служебные записки к ежеквартальным заседаниям Комитета по денежно-кредитной политике, и штат экономистов, статистиков и специалистов по работе с данными под руководством Калисы расширяется для обеспечения этой работы. «Это предъявляет очень высокие требования к аналитическому потенциалу, но в то же время дает нам высокочастотные индикаторы», — подчеркивает он.

Пробелы в данных

Руанда входит в число развивающихся стран, применяющих новый подход к измерению экономических показателей. Многие из них стремятся сократить разрыв со странами с развитой экономикой и большинством стран с формирующимся рынком по спектру официальных индикаторов, которые в развивающихся странах публикуются с низкой периодичностью или с задержкой. Эти страны с развитой экономикой и с формирующимся рынком располагают персоналом, финансированием и другими необходимыми ресурсами. При этом в развивающихся странах значительная часть населения оказывается за рамками учета.

Инициативы включают создание индикаторов в реальном времени для отслеживания экономического роста, инфляции, внешней торговли и потребления. В нескольких странах с низким доходом создаются системы работы с данными при поддержке программ развития потенциала и технической помощи МВФ (см. боковую вставку).

Пробелы в данных непропорционально сильно затрагивают страны с низким доходом. В странах с развитой экономикой и большинстве стран с формирующимся рынком данные ВВП публикуются ежеквартально. Однако примерно треть стран мира располагают лишь годовыми данными ВВП, оставляя органы экономической политики без информации на длительные периоды.

Но даже в странах, где ВВП публикуется оперативно, данные выходят лишь через месяц или более после окончания квартала. В периоды кризисов эта задержка ставит директивные органы в крайне сложное положение: им приходится управлять экономикой, не зная, в каком направлении она движется.

Беспрецедентный масштаб нарушений вследствие пандемии ярко продемонстрировал эту реальность и указал на необходимость более оперативных показателей с более высокой периодичностью, которые бы дополняли официальные данные. Одни виды деятельности полностью прекратились, другие, напротив, резко расширились, и достоверность собираемых данных для статистических показателей ухудшилось, что вызвало искажения. Бруно Тиссо, руководитель статистического отдела Банка международных расчетов и секретарь Комитета по статистике центральных банков имени Ирвинга Фишера, назвал это «статистической тьмой».

«Центральные банки по всему миру осознали первостепенную важность формирования оперативных индикаторов, в частности путем мобилизации альтернативных источников высокочастотных данных, построения еженедельных или даже ежедневных индикаторов и совершенствования работы в сфере наукастинга», — отмечается Комитетом в докладе 2023 года о статистике центральных банков в период после пандемии.

Инструмент прогнозирования

Понятие наукастинга возникло в 1980-е годы как метеорологический термин для обозначения прогнозов погоды на ближайшие несколько часов. В мире экономики оно имеет иной смысл.

«С погодой вы просто смотрите в окно и видите, идет дождь или нет, — объясняет один из первопроходчиков в области наукастинга Доменико Джанноне. — В экономике вам приходится ждать».

Статья Джанноне 2008 года о наукастинге, написанная в соавторстве с Лукрецией Рейхлин и Дэвидом Смолом, считается работой, которая ввела этот термин в экономическую науку. 

Джанноне и Рейхлин, работавшие тогда в Брюссельском свободном университете, начали разрабатывать модель краткосрочного прогнозирования в 2002 году по запросу Бена Бернанке, который на тот момент был одним из управляющих Федеральной резервной системы. Он предложил им исследовать возможность построения комплексной модели «больших данных» для прогнозирования и анализа экономической политики, охватывающей взаимодействие ключевых секторов экономики. Джанноне и Рейхлин установили, что предсказуемой оказывается только текущая динамика, совсем недавнее прошлое и ближайшее будущее — то, что они обозначили как «наукастинг», — и построили для этого модель, использующую данные в реальном времени. Эта модель помещала в формальные статистические рамки то, что ранее носило неформальный характер и во многом основывалось на экспертных суждениях.  

«ФРС хотела понять, может ли подобная система быть адаптирована к задаче оперативного учета всех различных выпускаемых данных в режиме реального времени, — вспоминает Рейхлин, профессор Лондонской школы бизнеса и бывший директор по исследованиям Европейского центрального банка (ЕЦБ). — В те годы макроэкономические модели были относительно небольшими, это было до эпохи "больших данных", — и мы начали размышлять: какие модели могли бы обрабатывать большое количество временных рядов, сохраняя при этом определенную простоту, чтобы не порождать нестабильные и ненадежные оценки?»

Впоследствии Джанноне развивал эти подходы в Федеральном резервном банке Нью-Йорка, где он возглавил разработку сверхкраткосрочного прогнозирования еженедельных оценок квартального экономического роста США.

После работы в Европейском центральном банке, компании Амазон и МВФ Джанноне в этом году перешел в Университет Джонса Хопкинса, сосредоточившись на совершенствовании измерения экономической активности в странах с низким доходом. По его словам, частично его мотивировало осознание того факта, что инструменты наукастинга более крупных и богатых стран в совокупности охватывают почти всю мировую экономику, тогда как у стран с низким уровнем дохода почти ничего нет.

Полеты вслепую

Страны с низким доходом сталкиваются с проблемами, связанными с наукастингом, а также с официальными данными, которые он дополняет, особенно в условиях ограниченности бюджетов и дефицита квалифицированных кадров. Тем не менее практики по-прежнему видят большие перспективы в повышении точности показателей в реальном времени.

Первые оценки ВВП во многих странах с развитой экономикой публикуются примерно через месяц после окончания квартала (в некоторых крупных странах с формирующимся рынком — через два месяца), и впоследствии они пересматриваются. В развивающихся странах этот лаг может превышать три месяца.

Например, Национальное статистическое бюро Кении публикует данные по ВВП примерно через три месяца после окончания квартала. Однако центральный банк с помощью инструментов ноукастинга, настроенных специалистами МВФ и Джанноне, начинает оценивать динамику квартала уже через неделю после его окончания, опираясь сначала на данные о частных потребительских расходах, а затем на статистику денежных переводов, которая становится доступна через две недели. Информация о торговле, денежной массе, туризме и электроэнергетике, доступная примерно через 40 дней, позволяет уточнить картину и получить хорошее представление о состоянии экономики за квартал вдвое быстрее, чем прежде.

Сигналы и совместная динамика

В странах с ограниченными данными, что характерно для большинства стран с низким доходом, данные об операциях, такие как данные, используемые в кенийской модели, «будут чрезвычайно полезны», отмечает Джанноне, и они гораздо более информативны, чем в странах с развитой экономикой, где значения индикаторов становятся доступны практически ежедневно.

Его последние исследования сосредоточены на глобальных взаимосвязях и наукастинге экономической активности и торговли в одной стране на основе показателей соседей, партнеров по торговле и мировой экономики с использованием модели, которая включает ВВП всех стран.

«У каждой страны есть глобальная компонента и региональная компонента, и на этой основе мы интерполируем показатели для стран с меньшим объемом информации, используя данные стран с более высокой информационной насыщенностью, — говорит он, указывая, как данные по соседним странам и крупным партнерам по торговле помогают определить направление динамики. — Если вы получаете данные по ВВП США, то они дают определенный сигнал и по Камбодже. Наблюдается значительная совместная динамика».

Недавний прогресс в области больших языковых моделей и искусственного интеллекта открывает поразительные новые возможности для использования текстов в качестве данных и интеграции данных с метаданными, отмечает он.

Еще более многообещающим направлением исследований, которое он рассматривает как приоритетное, является выявление подъемов и спадов в реальном времени. «Чтобы понять, находитесь ли вы в состоянии рецессии в стране, где ВВП не доступен ежеквартально, приходится ждать год, — указывает он. — У органа экономической политики нет ясного представления о текущей ситуации. Поэтому чрезвычайно важно двигаться в этом направлении».

Высокочастотные источники данных

В ЮАР, стране с формирующимся рынком, экономика которой является крупнейшей на континенте, исследователи центрального банка стремятся лучше понимать экономические сигналы из данных в реальном времени, в том числе из новых источников, которые помогают выявить последствия нарушений в функционировании экономики. Так, в текущем году экономика страны столкнулась со вспышкой ящура. Нарушения поставок привели к резкому росту цен на говядину, что стало одной из причин самого быстрого роста потребительских цен в целом за 10 месяцев относительно предыдущего года.

Экономисты Резервного банка ЮАР получили раннюю оценку, используя коммерческие данные сельского хозяйства по мясу и другим культурам для оценки инфляции цен на продукты питания.

Этот пример наглядно показывает, как наукастинг работает на практике и почему он ценен. Статистическая служба ЮАР опубликовала индекс потребительских цен (ИПЦ) за сентябрь через три недели после окончания месяца, но соответствующие коммерческие данные за тот же месяц были доступны на две недели раньше.

По словам Мфо Рапапали, экономиста исследовательского департамента, которая занимается этими показателями, первичные данные поступают из высокочастотных источников, таких как данные оптовой и розничной торговли, аукционов по продаже скота и рынков сельскохозяйственной продукции, которые предоставляют в высокой степени детализированную информацию о компонентах продовольственной корзины, таких как мясо, фрукты и овощи. Статистический анализ показывает, что коммерческие индикаторы опережают ИПЦ по различным компонентам на один–три месяца, отмечает она.

«Это очень ценно для наших прогнозов, — сказала Рапапали в интервью. — Мы также можем проводить еженедельную проверку, чтобы видеть, что происходит в этих категориях продуктов питания».

«Начинать с данных»

Модели наукастинга в последние годы стали более развитыми, а большие языковые модели открыли доступ к значительно большему объему данных, чем раньше. Новизна многообещающих новых инструментов измерения может быть неотразимой, но есть оговорки. Практикующие специалисты предостерегают, что не существует обходного пути, который позволил бы избежать тяжелой работы по расширению официальных индикаторов или повышению частоты и детализации существующих показателей. Новые методы могут способствовать этой работе и в сочетании с традиционными данными улучшать информационную базу для экономической политики, но они не способны заменить систематический сбор качественных данных.

Рейхлин отмечает, что сложные методы обычно не являются лучшей отправной точкой, когда у стран мало ресурсов. «Прежде всего нужно постараться понять, какие высококачественные данные готовятся в стране или какой представительный показатель можно использовать, если фактических данных нет, — сказала она. — Необходимо начинать с данных, а уже затем переходить к технике. Это крайне важно». Часто именно простые модели дают наилучшие результаты, и наукастинг в большей степени ориентирован на задействование данных, становящихся доступными в различные моменты времени, для своевременного выявления сигнала и объединение рядов разной периодичности, говорит она.

По словам Джошуа Блуменстока, новые данные также могут содержать шумы или быть нерепрезентативными, а модели, которые хорошо работают, могут давать сбои, когда в мире происходят изменения. Блуменсток консультировал страны Африки и Южной Азии как один из руководителей Лаборатории глобальных возможностей Калифорнийского университета в Беркли, которая использует нетрадиционные данные и междисциплинарный подход в качестве ориентиров для мер политики. Он подчеркивает, что новые инструменты работы с данными также сопряжены с более широкими вопросами — конфиденциальности, прозрачности, легитимности и управления.

Развивающиеся страны сталкиваются и с проблемами недостаточного потенциала. У центральных банков и правительств может не хватать бюджетных ресурсов и возможностей, чтобы сформировать штаты экономистов, статистиков и специалистов по анализу данных и обеспечить их современными вычислительными инструментами.

Новое понимание ценности данных

При всех трудностях направление движения для развивающихся стран заключается в более широком использовании наукастинга для дополнения данных там, где это необходимо, а также в расширении системы официальных экономических индикаторов.

Подобно тому как Калиса в Руанде расширяет свой департамент, такую же работу ведет его коллега на другой стороне земного шара. Самоа, одна из наименее населенных стран мира, имеющая всего 220 тысяч жителей, уже второй год реализует формализованную систему наукастинга, опираясь на техническую помощь со стороны персонала МВФ. В центральном банке, где работает менее 90 сотрудников, руководитель департамента экономики Каррас Луи рассчитывает увеличить свою команду с 8 до 10 человек.

«По мере укрепления нашего потенциала в сфере прогнозирования у нас постепенно будет появляться больше ресурсов, — говорит Луи. — Совет управляющих теперь ценит не только эти новые инструменты, но и анализ, который мы предоставляем».