Økonomisk statistikk er et kritisk verktøy for de fleste typer virksomheter, offentlige myndigheter, investorer og andre beslutningstakere. De siste årene har tilgangen på økonomiske data økt dramatisk – en utvikling som vil fortsette. Dette innlegget drøfter konsekvensene for evnen til å produsere makroøkonomiske analyser og prognoser.
Når John Maynard Keynes sitt klassiske verk Allmenn Teori om sysselsetting, rente og penger kom ut i 1936 sto man på terskelen til ikke bare fremveksten av fagfeltet makroøkonomi, men også en revolusjon innen tilgangen på økonomisk statistikk.
Man skal lete nøye i Allmenn Teori for å finne økonomiske data. En av de få tidsseriene som ble presentert, var en tabell for nettoinvestering i Storbritannia i årene 1928-31. Nasjonalregnskapet ble først til under andre verdenskrig. Det hadde vært en lang prosess. Problemet var ikke bare mangel på data, men også at det lenge var uenighet om hvordan man skulle definere og tallfeste sentrale størrelser som investering, inntekt, prisnivå, osv.
Produksjonen av økonomisk statistikk i etterkrigsårene gikk hånd i hånd med den keynesianske revolusjonen og utviklingen av makroøkonomiske modeller som ble bygget rundt den nye statistikken. Slike modeller brukes i dag både i offentlig og privat sektor, til å lage framskrivninger og analysere effektene av endringer i den økonomiske politikken.
Nasjonalregnskap og ledene indikatorer
I nasjonalregnskapet blir all markedsmessig produksjon av ferdige varer og tjenester summert i bruttonasjonalproduktet (BNP), fordelt på sluttleveringene konsum, investeringer og nettoeksport. Fordi regnskapet tar hensyn til at det som er kjøp i en sektor nødvendigvis innebærer salg i en annen, blir summeringene mer oversiktlige enn man skulle tro. Et hovedproblem med nasjonalregnskapstallene er likevel at de publiseres med et tidsetterslep og ofte er gjenstand for historiske revisjoner.
Mangel på pålitelige nasjonalregnskapsdata i realtid vanskeliggjør arbeidet med makroøkonomiske prognoser, som alltid vil være preget av usikkerhet. For å forutse fremtidige trender, brukes ofte ledende indikatorer, som historisk har endret seg i forkant av den økonomiske aktiviteten. Typiske eksempler kan være markedspriser, som aksjekurser og rentekurver, eller ulike spørreundersøkelser, som tillitsindekser for industrien og husholdningene.
En ny metode for å estimere dagens BNP- vekst og utviklingen i nærmeste fremtid er såkalt nowcasting, som bl.a. har blitt tatt i bruk av flere sentralbanker. Slike nowcast-modeller er typisk basert på tall fra tidligere målinger kombinert med et bredt spekter av indikatorer som er tilgjengelig med større hyppighet enn BNP-tallene, som industriproduksjon, detaljhandel, osv. Mange av disse modellene har vist seg å gi en ganske god indikasjon på løpende BNP-vekst, selv om det gjenstår å se om de makter å fange opp store konjunkturomslag.
En datarevolusjon
Trolig er man i en tidlig fase av en ny statistikkrevolusjon. Det er flere kjennetrekk ved denne utviklingen. For det første innebærer dagens digitale virkelighet at de fleste aktiviteter blir registrert og at statistikken umiddelbart blir tilgjengelig – for enkeltaktører. Dette kan dreie seg om mobiltrafikk, bruk av nettbaserte apper eller korttransaksjoner. For det andre er mange datakilder koblet sammen. Google har info om din mobiltelefon, e-post og nettsøk. De siste årene har fremveksten av stordata og maskinlæring gjort det mulig å håndtere stadig mer komplekse datasett og problemstillinger. Dette muliggjør nye metoder for måling av økonomisk aktivitet og prognosering.
Søk på recession. 2004-2019. Indeks (100= periodens toppunkt).
Surveys til produksjon av ledene indikatorer er utviklet over tiår og forbedres fortsatt. Det vil nok ta lang tid før stordata kan brukes effektivt i makroøkonomiske analyser. I tillegg er det et spørsmål hvordan man skal få til deling (les: tilgjengeliggjøring) av ulike kilder på en måte som hensyntar personvern og datasikkerhet. Nå vil selvfølgelig data ikke bare være en sentral innsatsfaktor i makroøkonomiske analyser. I et næringsliv som i økende grad preges av digitale plattformer og kunstig intelligens, er informasjonsdeling kritisk for alt fra tilpasset markedsføring og kredittvurderinger til styring av førerløse kjøretøy.
Avsluttende betraktninger
Med dagens nettbaserte løsninger har tilgangen på økonomisk statistikk allerede blitt dramatisk større. Nå kan hvem som helst laste ned tall fra SSBs statistikkbank eller Federal Reserve sin database FRED med over 590.000 tidsseriedata. Google-trends og Ngram er eksempler på nye verktøy som gjør det mulig å måle hvilke ord og uttrykk som preger nyhetsbildet og den offentlige debatten. Nowcasting blir mer utbredt og bruk av stordata vil trolig spille en viktigere rolle i tiårene som kommer.
Økt datatilgang gjør det lettere å fange opp endringer i den økonomiske nåsituasjonen. Det er mer uklart hvor mye ny statistikk vil forbedre vår evne til å spå fremtiden – i betydningen kvartaler eller år frem. De økonomiske sammenhengene skifter over tid. Mer data er nyttig, men kanskje bare opp til et visst punkt. Som drøftet i et tidligere innlegg bygger gode prognoser også på en drøftelse av forutsetningene og en klargjøring av usikkerheten.