Nulägesprognoser av BNP vid ekonomiska kriser genom maskininlärningsmetoder

Kriget i Ukraina och den globala krisen orsakad av coronapandemin belyste betydelsen av realtidsbedömningar av det makroekonomiska läget vilka ligger till grund för att bedriva lämplig stabiliseringspolitik. Detta är dock en utmanande uppgift där en viktig försvårande faktor är att nyckelvariabler över den ekonomiska utvecklingen publiceras med fördröjning. För att underlätta för ekonomiska beslutsfattare, så har ett ökat fokus på att producera snabbare statistik som bättre speglar nuläget av ekonomin för att på så vis förbättra beslutsunderlaget för stabiliseringspolitiken. En viktig metod för detta är nulägesprognoser av nyckelvariabler såsom bruttonationalprodukt (BNP) som just nu regelbundet utförs av olika prognosinstitut som Konjunkturinstitutet. Vårt bidrag till det växande intresset för nulägesprognoser är att inkorporera metoder från maskininlärningslitteraturen. Dessa har fördelar över tidigare använda metoder eftersom de kan hantera stora datamängder samt modellera icke-linjära samband mellan ekonomiska variabler. Detta projekt syftar till att utvärdera, samt, vidareutveckla dessa metoder. Utvärderingen sker genom simuleringsmetoder samt tillämpningar där svensk BNP nulägesprognostiseras. Målsättningen är att förbättra Konjunkturinstitutets nuvarande prognosmetoder av BNP. Vårt fokus är därmed på en liten öppen ekonomi vilket kommer prägla simuleringsstudiens design.