La proposta dell’Acceleratore econometrico IA è stata presentata nel corso del Convegno organizzato l’8 marzo 2024 da Marco Rossi per Alma Iura, evento che ha visto una vasta partecipazione di studiosi per affrontare l’obsolescenza predittiva dei modelli econometrici. È stato necessario oltre un anno per verificare la fondatezza dell’ipotesi a causa di tre fattori che vincolano queste ricerche in Italia: la scarsa attitudine verso l’uso dei nuovi metodi interpretativi dei dati (Data Science), la disponibilità e il costo delle informazioni, le difficoltà di partecipazione del settore pubblico e la lentezza decisionale di quello privato.
L’IIEC, il Centro ricerca che ha promosso l’iniziativa, ha condotto un’indagine internazionale su che cosa si stava facendo per migliorare i modelli predittivi ricorrendo alle tecniche IA, giungendo alla conclusione che si stava facendo ben poco in tal senso, mentre aumentava l’impegno delle istituzioni internazionali e sovranazionali per correggere dall’interno i modelli econometrici. Il problema della loro incapacità di prevedere soprattutto nei punti di svolta dell’economia è legato alla loro logica sottostante, quella che «il futuro si comporti come il passato», che le nuove realtà sconfessano, mentre l’IA legge e valuta le informazioni correnti di diversa fonte con le più note logiche neurali e altre che sono state sviluppate, tra le quali l’econofisica, la matematica usata dagli studiosi di fisica. Nel giudicare gli errori previsivi dei modelli econometrici e pervenire a previsioni migliori sono di grande aiuto le tecniche di machine learning.
Il grafico allegato riproduce in estrema sintesi i confronti stabiliti tra le previsioni di diverse istituzioni italiane, attuate con metodi econometrici, e quelli IA prodotti dal gruppo guidato da Antonio Simeone, fondatore e direttore del Quantum&AI Lab della LUISS.
Da qualsiasi punto di vista lo si esamini, gli errori nell’istogramma in nero del metodo IA proposto, pur essendo ancora migliorabile al crescere delle informazioni disponibili, sono inferiori a tutti quelli delle previsioni elaborate con modelli econometrici più dotati di risorse finanziarie e di personale, quindi a un costo decisamente minore.
Gli algoritmi messi a punto sono di grande utilità per ridare basi oggettive (o, se si preferisce, scientifiche) alle scelte di politica monetaria, oggi basate su valutazioni soggettive di dati che riguardano inevitabilmente il passato, quel passato la cui logica inficia le previsioni dei modelli econometrici; questa condizione ha generato un disordinato dibattito sui tassi di interesse ufficiali. Il metodo, tuttavia, è utile anche per migliori scelte di politica fiscale, essendo i bilanci pubblici costruiti principalmente sulle previsioni di crescita del PIL reale e dell’inflazione; come pure è di utilità per le imprese, non solo per i migliori dati macroeconomici settoriali e territoriali di cui beneficerebbero, ma anche per specifiche previsioni sui consumi ed esportazioni dei prodotti di loro interesse.
Siamo, quindi, di fronte a un vero progresso analitico e politico, dove l’Italia può svolgere funzioni di leader, se non trascurasse la proposta.
