Pandemi, ryskt krig i Ukraina, stigande råvarupriser, inflation och räntor, störningar i globala leveranskedjor är utmanande för ekonomiska beslutsfattare. För att de ska kunna bedriva lämplig stabiliseringspolitik i ett läge med ökad osäkerhet krävs bra realtidsbedömningar av det makroekonomiska läget. Det är en utmanande uppgift då nyckelvariabler som fångar den ekonomiska utvecklingen kommer först med fördröjning.

Att snabbare producera statistik som speglar nuläget i ekonomin har därför blivit allt viktigare.  Med mer aktuell statistik förbättras beslutsfattarnas underlag för att vidta rätt åtgärder för att stabilisera ekonomin.

Forskningsprojektet Nulägesprognoser av BNP vid ekonomiska kriser genom maskininlärningsmetoder bidrar till det växande området för bättre nulägesprognoser genom att inkorporera metoder från maskininlärningslitteraturen. Att använda maskininlärningsmetoder i nulägesprognoser av ekonomiska indikatorer är ett relativt nytt område och har fördelar jämfört med tidigare metoder eftersom de kan hantera stora datamängder och därtill även modellera icke-linjära samband mellan ekonomiska variabler.

Det pågående projektet, under ledning av universitetslektor Farrukh Javed vid Lunds universitet, introducerar nya ekonometriska metoder och jämför dessa med tidigare utvecklade metoder i omfattande simuleringsstudier samt empiriska tillämpningar där svensk BNP nulägesprognostiseras. På så sätt möjliggörs en omfattande utvärdering och vidareutveckling med förhoppning att förbättra de metoder prognosinstitut, som Konjunkturinstitutet, idag använder. Resultaten kommer förhoppningsvis leda till nya förbättrade metoder för realtidsbedömningar av den svenska ekonomins utveckling.

Forskning med stöd av Torsten Söderbergs Stiftelse.