Un articolo pubblicato online sulla rivista Nature Physics riporta un nuovo metodo di previsione per la crescita del Prodotto interno lordo (Pil) che possa integrare e supportare le previsioni del Fondo monetario internazionale. Il nuovo approccio di previsione considera la crescita economica come un sistema fisico le cui dinamiche possono essere predette analizzando i dati di esportazione a livello di prodotto, tramite tecniche derivate dalla fisica dei sistemi complessi.

Sistemi di modellazione così elaborati, quali quelli riferiti all’economia di un paese, sono estremamente complicati e impegnativi. Sebbene gli economisti possano accedere a una quantità sempre maggiore di dati, produrre risultati affidabili e replicabili è tutt’altro che banale. Un aiuto potrebbe arrivare dalla fisica della complessità, dove esistono tecniche per modellare quei sistemi che non possono essere compresi, in termini di componenti individuali, come a esempio la diffusione delle epidemie o i movimenti del traffico.

I ricercatori del Dipartimento di Fisica della Sapienza hanno sviluppato, con la collaborazione di Andrea Tacchella del CNR, un metodo per la previsione del Pil basato sull’idea che un sistema complesso, la cui dinamica microscopica non è nota, possa essere previsto ricercando, tra i dati storici disponibili, un sistema analogo vicino e osservandone l’evoluzione temporale. Tali metodi funzionano in maniera affidabile solo quando il sistema utilizzato è di bassa dimensionalità, dove la dimensione corrisponde al numero di variabili considerate. L’aggiunta incontrollata di ulteriori dati, quindi, produce risultati meno affidabili. Gli autori del metodo dimostrano invece che è possibile fare una previsione del Pil competitiva usando un modello con sole due dimensioni, inserendo il Pil pro capite di un paese e la sua “Fitness”. Quest’ultima è una quantità che caratterizza la competitività di un paese, che gli autori ricostruiscono dai dati di esportazione, tramite opportuni algoritmi matematici.

Confrontando le previsioni così ottenute con quelle stimate sulla base di dati già pubblicati dal Fondo monetario internazionale, gli autori dimostrano che le nuove previsioni sono, in media, del 25% più accurate. Inoltre il fatto che gli errori dei modelli non siano correlati costituisce un potenziale per previsioni combinate migliori.

Riferimenti

A dynamical system approach to gross domestic product forecasting - A. Tacchella; D. Mazzilli; L. Pietronero - Nature Physics volume 14, pages 861–865 (2018). DOI: 10.1038/s41567-018-0204-y           

Info

Luciano Pietronero
Dipartimento di Fisica, Sapienza Università di Roma
luciano.pietronero@roma1.infn.it

Andrea Tacchella
CNR, Roma
andreatacchella@gmail.com