Dlaczego ekonomista się myli

Ostrzegam, że tekst jest długi. Postanowiłem, że nie będę się w żaden sposób ograniczał. Na wstępie wyjaśniam kogo właściwie opisuję i kim dla mnie jest ekonomista. Tłumaczę też czym jest według mnie prognoza i jak można ją oceniać. W dalszej części tekstu przechodzę do sedna i wymieniam czynniki, które ekonomistów zwodzą. Próbowałem je usystematyzować, ale wiele z nich jest połączonych, więc trudno było uniknąć pewnych powtórzeń. Tekst wynika z mojego kilkunastoletniego doświadczenia jako ekonomisty i prognosty. Nie liczę na to, że wszyscy podzielą moje zdanie. Zapraszam jednak każdego do dyskusji.

Przyznałem już na początku, że to subiektywny punkt widzenia, a więc będę definiował głównie siebie, bo za ekonomistę się uważam. Piszę więc z perspektywy ekonomisty bankowego, którego z powodzeniem można nazwać również analitykiem. To na pozór dziwne, ale bardzo trafne połączenie. Oto dlaczego. 

Rzeczywistość pracy ekonomisty bankowego to rzeczywistość pracy z danymi, ustawami, regulacjami, czy szeroko pojętą informacją. Ekonomia, teoria i modelowanie to jedno a złożenie tego wszystkiego do kupy, synteza i przetrawienie do czegoś, co nadaje się do modelowania i wyciągania wniosków to drugie. Ekonomista bankowy jest przede wszystkim praktykiem, a nie teoretykiem. Zawodowo nie interesuje mnie dyskurs między szkołami ekonomii. Nie znam​ dogłębnie dorobku noblistów i nie jestem w stanie godzinami opowiadać o ich znaczeniu dla rozwoju ekonomii jako dyscypliny naukowej. Znam jednak założenia wielu szkół ekonomii (a jak nie znam, to szybko znajdę i przyswoję - przynajmniej dopóki nie zapomnę), potrafię czytać prace o modelach, które się na nich buduje i stosować je adekwatnie do problemu, który muszę rozwiązać. Nie ma jednak mowy, abym te modele od podstaw budował. Od tego są akademicy na uczelniach, w bankach centralnych i innych instytucjach. Robią tam świetną robotę, ale to nie moja działka. Z przyjemnością zawsze z nimi rozmawiam i korzystam z ich odmiennego spojrzenia na świat (być może czasem nawet wzajemnie się inspirujemy). Ich warsztat nie jest jednak kluczowy w mojej pracy i go nie posiadam. 

Ważną cechą ekonomisty bankowego jest moim zdaniem mocne osadzenie w rzeczywistości rynków finansowych oraz zmiennych oczekiwań inwestorów. Ekonomista bankowy formułuje prognozy, śledzi prognozy innych oraz zgaduje, co wyceniają inwestorzy (a więc co myśli mityczny "rynek"). Stąd też taki ekonomista zwykle ma przynajmniej elementarną wiedzę o tych właśnie rynkach oraz instrumentach, którymi się tam obraca. Ekonomista bankowy blisko współpracuje z osobami zarządzającymi bilansem banku (długa perspektywa), z szeroko rozumianym tradingiem (krótsza perspektywa, inne cele), z szeregiem innych części banku (detal, korporacje, ryzyko). Pozostaje też w kontakcie z inwestorami. To całkiem fajna perspektywa dla osób głodnych wiedzy, bo wiedzy w banku nie brakuje. 

Wreszcie, ekonomista bankowy to osoba, która wypowiada się pozytywnie, a nie normatywnie. Mówi więc jak jest lub będzie, a nie jak powinno być. To automatycznie powoduje, że jego sądy i prognozy mogą zostać poddane ocenie. 

Dla mnie prognoza to liczba opisująca fragment rzeczywistości gospodarczej (inflacja, stopa bezrobocia, sprzedaż detaliczna, stopa procentowa NBP, kurs walutowy EURPLN itp.), która podana jest w jasno określonej perspektywie czasowej (na koniec dnia, jutro, za miesiąc, za kwartał, za rok itp.). Równie dobrze jednak prognoza może być pewną sekwencją zdarzeń, która nie jest poparta liczbami, ale jest na tyle dobrze opisana, że łatwo ją rozliczyć. Przykładem jest tu popularna hipoteza na przyszły rok głosząca, że spowolnienie gospodarcze nie przyniesie znaczącego wzrostu stopy bezrobocia, a dostosowanie na rynku pracy (i siły nabywczej) wydarzy się głównie dzięki obniżeniu dynamiki płac. Zobaczymy. Osobiście wolę opowiadać o procesach/sekwencjach niż podawać liczby. Liczbę łatwiej trafić po prostu przypadkiem. Odbiorcy mają często jednak inne zdanie, choć bardzo powoli kult liczby zanika i następuje większe skupienie po prostu na efektywnym, dynamicznym zarządzaniu. 

Przykładem dobrze określonej prognozy jest ta formułowana na potrzeby konkursu prognostycznego Grzegorza Siemiończyka (Rz/Parkiet). To prognoza miesiąc do przodu, która dotyczy ściśle określonych wskaźników. Uczestnicząc w tej rywalizacji latami można doskonale zrozumieć dlaczego ekonomista bywa (lub jest) analitykiem. To głównie tzw. nowcasting (w odróżnieniu od forecastingu), czyli składanie jednej liczby na podstawie innych liczb na okres prognozy (które już znamy). Nie jest to jednak wcale proste. Zaryzykuję stwierdzenie, że do formułowania tych prognoz nie trzeba być nawet ekonomistą. Tu nie ma żadnej teorii, nie jest potrzebne wykształcenie. Liczy się pomysłowość, spryt, żyłka poszukiwacza danych (i modeli różnej maści) oraz w bardzo wielu przypadkach bardzo duże wyczucie/doświadczenie (nazwijmy je warsztatem). To w dużej mierze żmudna praca analityczna.  

Każdy odbiorca będzie miał inne kryterium. Odbiorca osadzony głęboko w realnej gospodarce (konsument, firma) będzie oceniał trafność prognozy niemal binarnie: coś się wydarzyło się lub nie wydarzyło. Wartość liczbowa prognozy się liczy, ale nikt raczej nie będzie kruszył kopii o części dziesiąte. Wszystko też zależy od tego, co się prognozuje i dla jakiego odbiorcy (on często ostatecznie definiuje - w zależności od potrzeb - jak bardzo precyzyjnej prognozy potrzebuje). Na tej samej - binarnej ale jednak z pewnym marginesem - zasadzie można oceniać prognozowane sekwencje, czyli ciągi przyczyn i skutków. Podobnie oceniać będzie odbiorca masowy, do którego prognoza trafia przypadkiem. Mam jednak wrażenie, że odbiorca masowy jest bardziej skrupulatny i surowszy dla prognoz, które nie trafiają "w punkt". 

Inwestor/uczestnik rynków finansowych może patrzeć na ocenę prognozy to zupełnie inaczej. Grupa ta zawsze konfrontuje prognozę z tym, co jest „w cenach” akcji, obligacji, kursów walut itp. Z tej perspektywy każda prognoza liczbowa może być dobra, a wszystko zależy od momentu, w których jest „sprawdzana”. Często znaczenie ma też po prostu kierunek prognozy, który wyznacza trend rynkowy. Jest to mało intuicyjne, więc najłatwiej zobrazować to przykładem. Przypuśćmy, że dostępne są dwie prognozy tzw. docelowej stopy NBP (czyli takiej, na której NBP kończy cykl podwyżek). Jedna to 7%, druga 10%. Niby mała różnica, ale kolosalna z punktu widzenia wyceny wielu instrumentów finansowych. Przypuśćmy, że przy 7% stopie rynek nadal idzie w górę, a oczekiwania inwestorów szybko rosną do 9%, a potem gwałtownie spadają do 7%, gdy RPP komunikuje, że więcej podwyżek nie będzie. Kto w pierwszym odcinku czasu grał na 10% - zarobił. Kto w drugim grał na 10% - stracił. Kto w pierwszym grał na 7% - stracił. Kto w drugim grał na 7% - zarobił. Oceniając skrupulatnie, prognoza 10% była zła. Obie jednak dały zarobić i z perspektywy inwestora mogły być równie dobre. 

Reasumując, moim zdaniem minimalnym, obiektywnym kryterium oceny prognozy jest prawidłowość wyznaczenia kierunku: wzrost, spadek, przyspieszenie, spowolnienie, punkt przegięcia. Dla wzrokowców oznacza to odcinki, w których wykres danej zmiennej pnie się w górę lub spada i te, w których zaczyna się wyginać i przekręcać w drugą stronę. Jeśli uda się dodatkowo przy tym prawidłowo (i z wyprzedzeniem) opisać zachowanie danej zmiennej w tych odcinkach w sposób ilościowy (czyli właśnie podać liczbę) to uznałbym to za bardzo duży sukces. 

A teraz będę się tłumaczył, dlaczego tak nisko stawiam sobie poprzeczkę i mimo tego nadal się mylę.  

Mam uproszczony bądź zły model*. Ekonomiści bankowi nie mają takich modeli jak banki centralne, bo nie mają takich zasobów (ludzkich, czasowych). Dlatego też lubię popatrzeć na projekcję NBP, czy CNB. Niekoniecznie muszę się na nich wzorować, ale dają pewien punkt odniesienia (projekcja to też nie prognoza i należy mieć to na uwadze). W bankach dominuje podejście uproszczone. Przy odpowiednim doświadczeniu można jednak to wszystko dość dobrze złożyć do kupy. Czasem jednak się nie udaje. Czasem nie działają też duże modele. Przy znacznych wahaniach zmiennych makro wzajemne zależności między nimi przestają mieć dotychczasowy charakter. Przypomnijmy tu, że modele którymi dysponujemy to pewne uśrednienie (bez względu jakiej klasy te modele są). Dlatego też niektórych zmian nie odtworzą, bo historyczne relacje, które opisują, mogą przybierać w różnych okresach różną postać (nie mówiąc już o zmianach parametrów). 

Modele podlegają tak zwanym korektom eksperckim. Osoby konstruujące te modele i korzystające z nich regularnie z reguły szybko widzą, że coś z nimi jest nie tak (z modelami rzecz jasna). Model się psuje, wskazuje dziwnie. Można więc jako pierwszą linię obrony zastosować poprawkę ekspercką.  To może być zarówno błogosławieństwem, jak i przekleństwem. Wymaga bardzo dużego wyczucia i nie zawsze wychodzi na dobre. Złość wynikającą z błędnej korekty eksperckiej zrozumie tylko osoba, która choć raz w życiu się z tym zetknęła. Dlatego też czasem lubię pisać wprost: nie trafiłem, bo korygowałem niepotrzebnie (tę wiedzę nabywamy jednak dopiero ex post). Rozbieżność prognozy i rzeczywistości ma z tego tytułu sporą wartość poznawczą dla ekonomisty. Warto zbierać historię własnych prognoz i wyciągać z niej wnioski.  

Mam złe założenia. Zmienne makro wyliczają się w ramach modeli, ale są też zmienne – nazwijmy je zmiennymi egzogenicznymi – które trzeba tam po prostu wstawić. Pierwszy przykład z głowy: ceny energii, ceny surowców. One też mogą powstawać na podstawie modelu, ale nie w ramach modelu, którym akurat się posługuję. To często elementy, które biorę od kogoś innego i ewentualnie koryguję "pod siebie". Trudno być ekspertem od wszystkiego i umiejętność korzystania z wiedzy innych bardzo sobie cenię. Dlatego też staram się słuchać osób, które specjalizują się w takich wycinkach rynku. Uczę się od nich i wiem, że rozumieją temat lepiej ode mnie. Praca ekonomisty bankowego bardzo często wykracza poza szeroko pojętą gospodarkę. Kim przez ostatnie dwa lata ekonomiści bankowi nie byli?

Skądkolwiek bym jednak zmiennych egzogenicznych nie pozyskiwał, biorę za nie odpowiedzialność. 

Złe założenie zwykle niszczy prognozę. Tłumaczenie nietrafienia błędnymi założeniami jest śmieszne, bo to integralna część prognozy i świadczy o klasie ekonomisty. Na pocieszenie dodam, że często szereg błędnych założeń może prowadzić do dobrego wyniku w postaci liczby (dlatego moim zdaniem często bardziej fair są opisywane sekwencje zdarzeń). To bardziej jednak specyfika prognoz składanych z bardzo wielu małych klocków na zasadzie od szczegółu do ogółu (bottom up). Tego rodzaju przypadki nie są jednak specjalnie wartościowe, bo raczej nie są powtarzalne, a w warsztacie ekonomisty właśnie o powtarzalność chodzi. Dlatego też surowo oceniam własne prognozy, które są trafne, ale wynikają ze zbiegu okoliczności.

Ignoruję wolę polityczną i decydentów gospodarczych. Problem łączy się z założeniami. Zachowanie polityki monetarnej, regulacyjnej oraz fiskalnej również należy do bardzo ważnych założeń. O ile jednak można stosować pewne reguły jak powinna zachowywać się polityka pieniężna, czy fiskalna, to w dalszym ciągu są to jakieś założenia, które mogą zmieniać się w zależności od warunków gospodarczych, czy woli politycznej. Co z tego, że założymy sobie jak zachowuje się polityka fiskalna (utrzymywanie jakiegoś poziomu deficytu, długu) lub monetarna (reguła Taylora), skoro decydenci bardzo często nie chcą i nie muszą się tak zachowywać. Ba, można nawet dyskutować czy powinni, bo związanie się regułą ma pewne zalety, ale ma też poważne wady w postaci braku elastyczności. 

Mnogość celów realizowanych przez rządy oraz działania władz monetarnych (zupełnie niezależne lub jednak zależne od tego, co chce rząd) sprawia, że nie da się ich "policzyć". Osobny problem to mnogość narzędzi, które mogą stosować. W tym kontekście na przestrzeni lat nauczyłem się przede wszystkim, że trudno obstawia się rozwiązania skrajne. Nazwijmy je kryzysami. Polityka regulacyjna, monetarna i fiskalna dopasowują się do stanu gospodarki i adekwatnie działają. Naiwnym jest założenie, że osoby odpowiedzialne za gospodarkę będą patrzeć jak płonie i nie zrobią niczego. To jest niezwykle ważny element prognozowania. Zaniedbanie go prowadzi do spektakularnych pomyłek. Jestem w stanie też wyodrębnić taki byt jak wola polityczna. Czasem jest, a czasem jej nie ma. Przychodzą mi tu do głowy prognozy rozpadu strefy euro sprzed lat (nie oznacza to, że się w końcu nie zrealizują). Można jednak również przytoczyć przykład całkiem bliski: 2020 rok. Czym byłby bez działań rządów i banków centralnych w wielu krajach?

Nie rozumiem danych, na których pracuję. Z punktu widzenia postronnego obserwatora może się wydawać śmieszne, że ekonomista nie rozumie danych. Mnie to nie śmieszy. Większość obserwatorów życia gospodarczego wie intuicyjnie co to jest PKB, inflacja, płace. To są dość oczywiste elementy codziennej debaty. Gorzej, gdy należy sformułować definicję, a potem podać konkretną zmienną z repertuaru np. GUS, która tej definicji odpowiada. Tu często występuje zderzenie ze ścianą, co najłatwiej można zaobserwować wśród osób, które dopiero się uczą. 

Po pierwsze, nie ma jednej, uniwersalnej, najlepszej miary dla każdego zjawiska, czy procesu w gospodarce. Po drugie, nawet coś co jest z pozoru nieźle zdefiniowaną zmienną musi być odpowiednio zmierzone i przetworzone przez dostawcę danych. To jest zadanie na tyle nietrywialne, że każda zmienna może pochwalić się swoją krótką monografią (a niektóre prawdziwymi cegłami o objętości kilkuset stron każda). Nie tak łatwo ją znaleźć i nie tak łatwo zrozumieć, bo zwykle ekonomista nie jest jej odbiorcą (piszą je urzędy statystyczne dla urzędów statystycznych). Liczby, które widzimy w publikacjach GUS często są więc dla nas zagadkowe także dlatego, że w wyniku pewnych niuansów metodologicznych nie wiemy dokładnie, co zostało w nich uwzględnione, a co nie. Ode mnie i zespołu wymaga to ogromu pracy i czasem przyznajemy się tym publicznie, że czegoś w danych nie rozumiemy. Jest to bardzo trudny element pracy, bo my na jednej zmiennej nie pracujemy. Tu kompromisów jest mnóstwo. Im jednak mniej znasz swoje dane, tym z reguły częściej się mylisz. Z tej perspektywy ważny jest kolejny problem.

Mylę szum z sygnałem. Kto się na tym choć raz nie wyłożył, niech pierwszy rzuci kamieniem. Ekonomiści bankowi śledzą dane z dużą częstotliwością, często codziennie. To powoduje, że sporo czasu zajmuje filtrowanie tych danych i próba oddzielenia sygnału od szumu (procedurami statystycznymi, dodatkowymi „śledztwami”, które pozwalają eliminować czynniki jednorazowe). Siłą rzeczy formułuje się jakieś oczekiwania (takie małe prognozy) względem tego, co danego dnia będzie się działo. Rodzi to szereg drobnych konfuzji, gdy rzeczywistość mija się z prognozami (czy na pewno myślę dobrze, przecież to wygląda inaczej?). Problem jest jeszcze ciekawszy, gdy czyta się opinię innych o tych małych skrawkach informacji, które konsumujemy każdego dnia. Jeden rabin mówi to, inny coś innego. Znów narastają wątpliwości. 

Tego samego doświadczamy, gdy patrzymy na dane miesięczne, które już zwykle regularnie prognozujemy. Czasem się trafia, czasem się nie trafia. Czasem się też trafia przypadkowo, czasem nie trafia się przypadkowo (pech rewizji, o czym będzie później). Te skrawki rzeczywistości musimy wpasować w szerszy obraz wizji gospodarki. Choć bardzo się staramy nakładać odpowiednie filtry, nigdy na 100% nie wiemy, co jest sygnałem, a co szumem. Trzeba znaleźć tu dobrą równowagę między momentem, w którym wiemy już, że coś rozumiemy źle, a sytuacją w której należy wizję rozwoju przyszłego przebiegu procesów gospodarczych pozostawić jeszcze bez zmian. Czasem myślę, że zazdroszczę osobom, które obserwują gospodarkę z perspektywy np. kwartalnej. Gdy się jednak jeszcze raz nad tym zastanawiam to dochodzę do wniosku, że być może odczuwają to samo, ale po prostu rzadziej.

Atakują mnie szoki. Czasem to, co widzimy, podlega małym zmianom w stosunku do tego, co sobie zakładaliśmy (prognozowaliśmy). Rola ekonomisty sprowadza się zwykle wtedy do zwykłych czynności analitycznych (a w przypadku niektórych do ciągłego powtarzania jak to sobie świetnie poradzili) i formułowania dalszych prognoz. Czasem jednak zmiana ma charakter szokowy. 

Czym jest szok? Chyba najłatwiej zdefiniować go jako coś dużego i zupełnie nieoczekiwanego, co po prostu zaskakuje ex post. Nie da się tego umieścić w prognozie (bo nie byłoby szokiem!). Przykład to napad Rosji na Ukrainę. Obserwatorzy będą kontratakować, że to było oczywiste. Owszem, można było spierać się o prawdopodobieństwa wystąpienia napaści, jednak to za każdym razem były spekulacje. Ma to jakąś wartość oczekiwaną, jednak szoku tej skali (i chyba każdego innego) nie można uwzględnić częściowo lub właśnie w natężeniu wspomnianej wartości oczekiwanej (co to byłaby za prognoza?). 

Wobec szoków jesteśmy całkowicie bezradni. Możemy jednak konstruować zbiory wydarzeń mało prawdopodobnych lecz znaczących i przeprowadzać eksperymenty (myślowe i ilościowe). Wkraczamy wtedy w krainę metod scenariuszowych, które mają cały szereg zastosowań. Tyle tylko, że to nie są prognozy, a o nich jest ten tekst. Podawanie kilku prognoz (z prawdopodobieństwem) raczej nie jest metodą powszechnie stosowaną. Rozliczalność takiej prognozy jest zerowa (w przypadku skrajnym można konstruować setki prognoz, coś "wejdzie").  

Jeśli prognoza jest oceniana przez pryzmat liczby lub ciągu zdarzeń, pomyłki w przypadku szoków są bardzo duże. Dla przykładu, zmiana reguł gry po rosyjskiej inwazji jest tak duża, że prognozy sprzed niej można wyrzucić do kosza. Dyskusja o tym, kto był milimetr bliżej lub dalej nie ma sensu, gdyż każdy chybił o kilometr.

Atakują mnie rewizje danych. Rzeczywistość statystyczna jest skomplikowana. Ekonomiści nie operują na danych doświadczalnych, które można raz na zawsze i ostatecznie zmierzyć. Pole pracy ekonomisty to dane statystyczne. Statystycy zaś ciągle doskonalą metody opisywania rzeczywistości (i chwała im za to). Dodatkowo, dopiero po długim czasie dostępne są szczegółowe dane (ankiety), na podstawie których można (niemal) ostatecznie powiedzieć jak było. To bardzo frustrujące źródło pomyłki w prognozie. Gdy zmienna X wynosi 4 przy formułowaniu prognozy, że za miesiąc wyniesie 5, rewizja punktu odniesienia np. do 2 sprawia, że trudno jest trafić. Wtedy często sam twierdzę, że rewizja rozłożyła mnie na łopatki i otwarcie o tym piszę. Narzekam, bo mnie to irytuje jako prognostę, ale nigdy nie twierdzę, że urząd statystyczny jest do tego, od czego były papierosy na starych plakatach zniechęcających młodzież do palenia (no może czasem, w afekcie, ale nigdy tak na serio nie myślę). Zachęcam tu do wyrozumiałości pod adresem osób, które dostarczają nam dane. 

Niektóre rewizje są przewidywalne i można je brać pod uwagę (tak, czasem próbujemy je prognozować i w niektórych szeregach czasowych się to udaje). Większość jednak nie jest i potrafią się pojawić na całkiem sporym odcinku szeregu czasowego wstecz. To rodzi kolejne problemy.

Po pierwsze, o czym już wspominałem, modele są oparte na danych. Gdy coś zmienia się wstecz, modele trzeba od nowa przeglądać, szacować, kalibrować. Ale to jest mały problem, taka mała niedogodność. Duży problem polega na tym, że modele historycznie oparte są w większej mierze na danych, które są już całkiem nieźle zrewidowane i statystycznie wygładzone: im starszy jest szereg czasowy, tym więcej rewizji już przeżył i większe jest prawdopodobieństwo, że nie będzie już korygowany. Tymczasem przy prognozie model ów pojedynkuje się z danymi wstępnymi, które dopiero po jakimś czasie osiągają stadium zrewidowanych i (niemal) niezmiennych. Modele oparte na danych zrewidowanych prognozują coś, co dopiero potem będzie rewidowane. Siłą rzeczy pokazują jak (być może) będzie po wszystkich rewizjach, ale niekoniecznie przed nimi. Trudno tę wadę wyeliminować. Gdy już ochłoniemy, zapomnimy i zostaniemy wyśmiani to wtedy, czasem po latach okazuje się, że te pierwsze prognozy były całkiem niezłe. Nikt oprócz ekonomistów już jednak tym się nie interesuje. 

Po drugie, rewizje potęgują problem oddzielenia sygnału od szumu i korekty eksperckiej modeli. Nigdy bowiem nie wiadomo jak bardzo zostaną skorygowane dane. W chwili pierwszej publikacji mamy to, co mamy. Czasem się trafia, czasem nie, a zmienna nie krzyczy "halo, jestem zaniżona/zawyżona i będę potem rewidowana". Trzeba się zawsze zastanowić czy kolejne prognozy z modelu należy już korygować i brać poprawkę na to co opisywałem, czy też pomyłka wynika zupełnie z czegoś innego. Nie ma łatwo.

To eskaluje dalej i zdarza się, że…

Jestem nadmiernie „rozkotwiczony” albo nadmiernie „zakotwiczony”. Wymienione wcześniej kłopoty diagnostyczne, poznawcze i techniczne (wszystkie się na siebie nakładają) prowadzą w końcu pod ścianę i konieczności podjęcia decyzji: zmieniać prognozę rozwoju gospodarki, bo dane jej przeczą, czy też nie zmieniać. Kiedy prognoza jest jeszcze dobra, a kiedy jest już niedobra? Alternatywnie, kiedy zgromadzony „materiał dowodowy” jest na tyle przekonywujący, że powinien prowadzić do zmiany zdania? 

Tu pojawia się problem zakotwiczenia (zmieniam za rzadko) lub rozkotwiczenia (zmieniam za często). Oczywiście ocena możliwa jest dopiero ex post (i żeby było jeszcze śmieszniej, ocena decyzji wcale nie musi się opierać o osiągnięty wynik – tu odsyłam do własnych poszukiwań w coraz bogatszej literaturze). Częstotliwość zmian to proces, który można wypracować drogą prób i błędów, jednak nigdy nie jest on doskonały (o tarciach, które w tym procesie występują postanowiłem napisać w osobnym punkcie, cierpliwości).  

Prognozy ilościowe operujące na liczbach są silnie zależne od tego, co zostało opublikowane wcześniej (zależność od ścieżki). Najłatwiej wytłumaczyć to na przykładzie inflacji. Załóżmy, że wiemy iż inflacja będzie rosła (dobra, kierunkowa narracja). Zakładamy, że startujemy w styczniu od poziomu 3% i do końca roku prognozujemy wzrost do 10%. Spore zaskoczenie w górę w lutym sprawia, że 10% na koniec roku jest z dzisiejszego punktu widzenia nieaktualne, czy aktualne? Mechanicznie prognoza na koniec roku się podnosi. Bez idealnej diagnostyki zaskoczenia mechanika nie powinna nam jednak dyktować tego, co z prognozą robimy. Być może to przypadek i się odwróci. Być może jednak rozpoczyna się jakiś nowy proces w gospodarce i trzeba się zastanowić nie nad tym, czy oczekiwać 11% zamiast 10% na koniec roku, lecz np. 20%. 

Zależność od ścieżki powoduje, że ekonomiści starają się bardzo dokładnie wybadać, z czego wynika pomyłka w prognozie. To potęguje wrażenie, że ekonomiści świetnie tłumaczą przede wszystkim dlaczego się pomylili. Robią to, bo bardzo jest bogate uniwersum źródeł pomyłek. Poprawna diagnostyka to klucz do poprawnego zakotwiczenia prognozy.

Ulegam presji. Każdy chciałby wszystko wiedzieć z góry na rok (lata) do przodu, ale to pobożne życzenie. Ekonomista operuje w otoczeniu szeregu odbiorców, którzy zainteresowani są prognozami i podejmują na ich podstawie decyzje. Interesariusze często wywierają presję (ale w pozytywnym tego słowa znaczeniu) kontestując na bieżąco obecne i stare liczby oraz procesy, o których ekonomista im opowiada. Jesteśmy (przynajmniej ja jestem) zwykle ambitni i łatwo nas podpuścić. Ja mam dodatkowo w sobie żyłkę rywalizacji i lubię trafiać (lepiej niż inni). Wystawienie się na osąd bardzo szerokiej publiczności (np. przez media społecznościowe) dodatkowo podnosi adrenalinę. Publiczność z jednej strony lubi i premiuje prognozy trafione i długo trzymane (zakotwiczone), z drugiej strony karmi się też zmianami i dyskusjami. Nic tak nie rozbudza wyobraźni jak prognoza nietrafiona lub zmieniona (często jedno zresztą idzie w parze z drugim). Szeroko pojęta publiczność lubi też prognozy skrajne. Media też je lubią, bo wtedy jest o czym pisać i o co się spierać. Jest spora pokusa, aby takie prognozy formułować. Karą jest oczywiście ośmieszenie się i wystawienie na krytykę, ale chyba lepsze to niż podążanie w tłumie. Rozgłos smakuje jednak na tyle dobrze, że czasem ponosi fantazja (niemal ułańska).

Jak już wspominałem na początku, jako ekonomista bankowy jestem też eksponowany na to, co dzieje się na rynkach finansowych. Wspominałem już też o tym, że z punktu widzenia rynków niekoniecznie prognozy trafne ex post są najlepsze. Stąd płynie kolejne źródło presji: presja rynkowa. W idealnym świecie zachowanie rynków powinno się oddzielać całkowicie od formułowanych prognoz. Skala bodźców, które płyną z rynku finansowego jest jednak tak silna, że wielu ekonomistów niejako ustawia się z prognozami pod zmiany na rynku (np. zmiany oczekiwanych stóp procentowych). Rynek jednak podlega tym samym błędom poznawczym, co ekonomista i faluje w rytm kolejno dokładanej informacji. Stąd łatwo o nadmierne rozkotwiczenie prognosty i częstsze zmiany zdania. Jeśli dane zaczynają wskazywać, że „coś się kroi”, choć z samodzielnej analizy tych danych można nie mieć do tego przekonania, można skorzystać z mądrości zbiorowej (rynkowej) i zmienić w tym kierunku, w którym porusza się rynek. Oczywiście – jak to mówią – najlepiej wyprzedzać zachowanie rynków i mieć rację. Koniunkcja tych dwóch elementów ociera się jednak o szczęście. Inna sprawa, że ruch rynkowy wcale nie jest tak łatwo "przeczytać" i dociec z czego on wynika.

Mylę się i jednocześnie głupio się tłumaczę. Tłumaczenie się z nietrafionych prognoz nie jest przyjemne, ale to część pracy. Uważam, że trzeba tu stanąć z otwartą przyłbicą. Pomyłka to okazja do refleksji i poprawy. Na błędach można się skutecznie uczyć, zwłaszcza jeśli umiemy identyfikować ich źródło. Ja nie mam problemu z przyznaniem się, dlaczego się pomyliłem (jeśli oczywiście przyczyna pomyłki jest klarowna, a nie jest zbitką wielu elementów). Nie wnikam już w jakiej skali taka refleksja jest u innych ekonomistów stosowana. Czasem trzeba też przyznać otwarcie, że się nie wie. Mnogość czynników, które wymieniłem wcześniej jak najbardziej uprawnia do tego stwierdzenia. Nie wszyscy potrafią jednak powiedzieć owe nie wiem. Stąd funkcjonują czasem fantastyczne teorie i tłumaczenia, których zakotwiczenie w faktach jest niewielkie (ale są na tyle nowe i sensacyjne, że dobrze cyrkulują, bo popyt na nie jest spory - wspominałem wcześniej, że liczbę bardzo łatwo podać, a przecież nikt wszystkich nie rozliczy; zresztą, system ma krótką pamięć).

Granica rozsądnego rozliczenia własnej prognozy jest moim zdaniem łamana, gdy w wypowiedzi występuje jedna z trzech wiedźm: dni robocze, efekt bazy oraz sezonowość. Ekonomista, który kiedykolwiek w życiu coś prognozował zdaje sobie doskonale sprawę z tego, ze można mieć wątpliwości co do siły oddziaływania dni roboczych (ile warty jest jeden), skali efektu bazy (wyznaczenie, co jest obserwacją nietypową i jak bardzo) oraz odstępstw od sezonowości. Nie można jednak pisać, że się ich nie uwzględniło lub że zaskoczyło samo ich istnienie. Zaskoczenie istnieniem może się pojawić, ale tylko w przypadku stosowania niewłaściwych filtrów. Równie zabawne bywa tłumaczenie, że coś będzie się zmieniało z uwagi na efekty bazy (bez rozwinięcia innych czynników), tak jakby baza statystyczna była siłą napędową gospodarki. Gdyby tak było, to wysoka inflacja sama by spadała, a cykle PKB kończyły się po jednym roku. A przecież to nie jest prawda.

Na koniec parę słów o analizie kontrfaktycznej, tzn. obejmującej alternatywną rzeczywistość w formule co by było, gdyby coś się nie wydarzyło (lub wydarzyło). To moje ulubione kryterium oceny prognoz, bo tak obronić można każdą i każda jest prawidłowa. Nie mam natomiast pewności, czy służy to czemuś więcej niż budowaniu ego, bo świat kontrfaktyczny nigdy nie jest światem obiektywnym. 

"Trafienia" kontrfaktyczne to nie to samo, co wyłączanie pewnych elementów z danych. Każdy ekonomista ma w rękawie asa pod nazwą zmiennych "po wyłączeniu X". Jeśli mam pewność, że wyłączam coś co nie jest stabilne i rządzi tym (wedle moich możliwości poznania świata) przypadek - podejście jest całkiem fair. Na tym polega właśnie oddzielanie sygnału od szumu. Lubię czasem napisać na przykład, że bez kategorii "łączność" inflacja wyniosłaby X%. W pojedynczych komentarzach jest to uprawnione. Naciskam tu jednak na pojedyncze przypadki i na okoliczność, że ma to służyć lepszej diagnostyce zjawiska, a nie zaklinaniu rzeczywistości. Tłumaczenie tak całego roku lub sekwencji wydarzeń to już jednak bajkopisarstwo. Nie da się nietrafionej prognozy zamienić w złoto.