Toimialakohtainen ennustaminen

T&Y 2/2021 Sakari Lähdemäki

Tässä artikkelissa taustoitetaan Palkansaajien tutkimuslaitoksen toimialaennustetta, jonka tekeminen aloitettiin tänä vuonna uudelleen muutaman vuoden tauon jälkeen.1 PT tuotti toimialaennusteen vuosina 2009–2016, joka perustui PT:llä kehitettyyn toimialaennustemallin. Nyt käynnistetyssä toimialaennustetoiminnassa on tarkoitus jatkaa tätä perinnettä ja tehdä toimialoittaisia ennusteita, jotka perustuvat ekonometriseen mallinnukseen. Artikkelin lopussa havainnollistetaan haasteita, joita pandemia on aiheuttanut toimialoittaiseen ennustamiseen. Tämä tehdään esittelemällä muutamalle päätoimialalle PT:n uudistetulla toimialaennustemallilla tehtyjä esimerkkiennusteita.

Sakari Lähdemäki
SAKARI LÄHDEMÄKI toteaa talouskehityksen jakautuvan toimialoille epätasaisesti. Tämän vuoksi toimialakohtaiset erityispiirteet jäävät piiloon tarkasteltaessa vain koko talouskehitystä. (Kuva: Maarit Kytöharju)

Suomessa tehdään verrattain paljon talousennusteita. Toisinaan kuulee, että liikaakin. Ekonomistien työpanosta voisi allokoida hyödyllisemminkin esimerkiksi tutkimuksen tekoon. Ennustetoimintahan ei ole tutkimuksen tekoa vaan se on käytännön asiantuntijatyötä, jonka tuloksena syntyy ennuste, eli arvio siitä miten talous tulee kehittymään lähivuosina. Sen sijaan, että eri tahot kilpaa arvioivat miten talous tulee kehittymään, olisi tärkeämpää tutkia miten jokin tietty politiikkamuutos vaikuttaa vaikkapa työllisyyteen? Mutta kenties myös sillä, että meillä on käsitys siitä, miten talous kehittyy lähitulevaisuudessa, on kuitenkin aika paljon yhteiskunnallista merkitystä. Talouspolitiikkahan usein sidotaan tähän käsitykseen. Myös yritykset seuraavat talouden kehitystä ja uskoakseni jopa osa kotitalouksista seuraa kiinnostuneena talouden näkymiä. No oli miten oli, ainakin näille eri tahojen usein hyvin samankaltaisille ennusteille on kysyntää.

Lähtökohtaisesti hyvän talousennusteen laadinnassa hyödynnetään taloustiedettä, kun arvioidaan, miten talous kehittyy.2 Siitä huolimatta parhaatkin ennusteet ovat usein väärässä ja näin varsinkin silloin, kun kriisi pääsee yllättämään. Tästä syytä usein kyseenalaistetaan koko ennustetoiminnan hyödyllisyys. Lisäksi myös taloustiedettä kritisoidaan usein siitä, että emme pystyneet ennustamaan vaikkapa finanssikriisiä. Onko siis koko tieteestä mitään hyötyä? Talousennusteiden tekeminen muodostaa kuitenkin vain pienen osan ekonomistien ja taloustieteilijöiden työstä. Lisäksi on muistettava, että tulevaisuuden tarkka ennustaminen on taloustieteilijöillekin mahdoton tehtävä siinä missä ilmastotieteilijälle on sään tarkka ennustaminen. Myös ilmastotieteilijät tutkivat ilmastoa hyvin monipuolisesti ja sään ennustaminen on vain pieni osa ilmastotieteenalan toiminnasta.

Talousennusteisiin liittyy paljon epävarmuutta ja tämän vuoksi olisikin hyvä tarkkojen ennustelukujen lisäksi raportoida myös ennustevälit.

Talousennusteita voi kritisoida senkin takia, että useimmat raportoivat tarkat ennusteluvut sen sijaan, että raportoisivat niiden lisäksi edes jonkinlaiset ennustevälit. Voidaan ajatella, että talous on sen verran kaoottinen, että on mielekästä ajatella, että siihen liittyy satunnaisuutta ja siksi olisi luontevaa raportoida tulevan kehityksen todennäköisin vaihtoehto ja esimerkiksi 80 % ennustevälit. Näin tehdään esimerkiksi Suomen ilmatieteenlaitoksen 15 vuorokauden ennusteen osalta. Tällaisten ennustevälien arvioinnissa on mielekästä hyödyntää ennustemalleja tai yleensä mitattavissa olevia arvioita ennustevirheistä. Käytännössä talousennusteiden laadinnassa hyödynnetään eri ennustemalleja, mutta varsinaiset ennusteet ovat usein yhdistelmä niiden tulemia ja laatijan omaa järkeilyä ja näkemystäkin, mikä tekee ennustevälien mielekkäästä laadinnasta hankalampaa.3

YKSITTÄISTEN ENNUSTEIDEN VERTAILUN VUOKSI ON TÄRKEÄÄ, ETTÄ USEAMMAT TAHOT LAATIVAT ENNUSTEITA.

Talousennusteita kritisoidaan myös siitä, että niillä voidaan johtaa harhaan.4 Tämä on ongelmallista, koska esimerkiksi suhdannepolitiikkaa tehdään usein sen pohjalta, miten talouden ajatellaan kehittyvän. Totuus on, että ennuste voidaan laatia tarkoituksella positiivisemmaksi tai negatiivisemmaksi ja se on silti mielekäs ennuste, joka voi toteutua. Tämän takia on tärkeää, että useat eri tahot tekevät ennusteita, jolloin yksittäistä ennustetta voidaan verrata muihin ennusteisiin.5 Yksittäistä ennustetta voi pitää epätodennäköisempänä, jos se eroaa muista ennusteista merkittävästi. Toisaalta on kuitenkin mahdollista, että tässä ennusteessa on huomioitu jotain mitä muissa ei ole, minkä vuoksi se on poikkeava, ja näin se lopulta ennustaa paremmin todellista kehitystä. Ennusteraporteissa usein sidotaankin oma ennuste(skenaario) esimerkiksi tiettyyn kansainvälisen talouden skenaarion, johon ennustelukujen esitetään perustuvan.

Talousennusteisiin liittyy siis aina paljon epävarmuutta, jota ennusteiden yhteydessä ei useinkaan näe raportoitavan. Ennusteiden teolle tuntuu kuitenkin olevan kysyntää mikä selittynee sillä, että monet tahot hyötyvät niiden sisältämästä informaatiosta siihen liittyvästä epävarmuudesta huolimatta. Talousennusteiden laatiminen ei myöskään ole tutkimustyötä, vaikka taloustieteessä tehdäänkin paljon tutkimusta, jossa esimerkiksi kehitetään (ennuste)malleja, vertaillaan eri ennustemalleja ja/tai tarkastellaan tietyn ennustemallin toimivuutta ja erityispiirteitä. Erilaiset teoreettiset ja empiiriset mallit poikkeavat usein toisistaan siinä ovatko ne räätälöity ennustamiskäyttöön vai politiikkamuutosten analysoimiseen vai molempiin.

Ennustemallit ja käytännön ennustetyö

Ideaalitilanteessa ennustemalli tuottaisi tarkkoja ennusteita ja sen rakenne olisi täysin läpinäkyvä. Tällöin voitaisiin unohtaa huolet siitä, että ennusteluvut ovat tarkoituksellisesti liian optimaaliset tai negatiiviset. Jos ennusteluvun lisäksi esitettäisiin vielä ennustevälit, voitaisiin helpommin hyväksyä myös tulokset, jotka eivät istu omiin ennakkonäkemyksiin, koska ollessaan järjellisiä ne olisivat kuitenkin, joidenkin mielekkäiden ennustevälien sisällä. Riippuen mallin rakenteesta, se saattaisi lisäksi kertoa suoraan myös talouden rakenteen kehityksestä. Mallin käyttö voisi myös olla pitkälle automatisoitu, jolloin koko ennustelukujen tuotanto syntyisi napin painalluksella.

Kuten jo todettu, käytännössä ennustetyössä yhdistetään erilaisten mallien käyttöä, päättelyä, järkeilyä ja näkemystä. Talous on varsin monimutkainen ja käytännössä talousmalleihin on haastavaa sisällyttää kaikkea sitä mitä pitäisi huomioida ennusteita tehtäessä. Ennusteraportit ovat usein melko yksityiskohtaisia. Kaikkia ennustettavia lukuja ei ole myöskään välttämättä järkevää yrittää sisällyttää malleihin, jotka usein ovat varsin monimutkaisia jo silloin kun keskeisimmät muuttujat ovat mallinnettu mielekkäästi. Lisättäköön vielä, että usein myös malleja saatetaan muokata ennusteperiodien välillä, jolloin mallin tulemat eivät enää ole täysin vertailukelpoisia edellisen version tulemiin. Mitä hyötyä malleista sitten on, jos ne eivät tuota sellaisia tuloksia, jotka voitaisiin suoraan esittää lopullisina ennustelukuina.6

Talousennusteen laadinnassa hyödynnetään mallien tuottamien lukujen lisäksi päättelyä, järkeilyä ja näkemystä talouden kehityksestä.

Usein mallit nähdään työkaluina, jotka helpottavat (suurien) systeemien käyttäytymisen systemaattista tarkastelua. Ihmisen on vaikeaa pelkän päättelyn avulla tehdä ennuste, jossa ennustekerrasta toiseen huomioidaan systemaattisesti tiettyjen muuttujien viimeisten vuosien kehitys ja näiden muuttujien väliset yhteydet. Ennustemallilla tämä onnistuu helpommin. Mallilla voidaankin tarkastella mitä nämä yhteydet sanovat talouden kehityksestä ja tarvittaessa muokata tätä sen mukaan miten tiettyjen erityistekijöiden, joita mallin ei arvioida huomioivan, ajatellaan vaikuttavan talouteen. Voisi sanoa, että järkeily ja päättely joustavat ja sopeutuvat erilaisissa tilanteissa paremmin, kun taas ennustemalli on jäykempi mutta päättelyä systemaattisempi, selkeämpi ja läpinäkyvämpi.

Erityisesti pitkän aikavälin ennustamisessa mallit parantavat ennusteiden mielekkyyttää.

Päättely saattaa olla myös mielivaltaista ja altis erilaisille ajattelunvinoumille tai virhearvioinneille.7 Myös malleissa saattaa olla vikoja tai puutteita, joiden seurauksena malli tuottaa esimerkiksi systemaattisesti liian optimaalisia tuloksia. Usein ennustemalleissa on myös tekijöitä, joihin mallin käyttäjä joutuu ottamaan kantaa mallin ulkopuolelta. Näin ollen myös mallin käyttö voi olla mielivaltaista ja altis ihmismielen puutteille. Lähtökohtaisesti myös kauemmas tulevaisuuteen tehtävät ennusteet ovat mielekkäämpiä, jos ne perustuvat johonkin malliin. Varsinkin pidemmän aikavälin ennustaminen muuttuu helposti melko mielivaltaiseksi ilman minkäänlaista mallinnusta. Luonnollisesti mitä kauemmas ennustetaan, sitä epävarmemmaksi ennuste muuttuu.

Toimialaennuste – missä tehdään ja miksi?

Toisin kuin koko taloutta koskevia ennusteita toimialakohtaisia ennusteita tehdään Suomessa huomattavasti vähemmän. Voisi sanoa, että varsinaisista talousennusteista on jopa ylitarjontaa mutta sellaisia ennusteita, jotka tarkastelevat yksittäisten toimialojen kehitystä tuotetaan varsin vähän. Koko talouden kehitystä on tietysti tärkeää seurata mutta vuodesta toiseen talouskehitys jakautuu toimialoille kuitenkin epätasaisesti. Monet toimialakohtaiset erityispiirteet jäävät piiloon, jos tarkastellaan vain koko talouden kehitystä.8

TOIMIALAKOHTAISIA ENNUSTEITA TEHDÄÄN SUOMESSA SELVÄSTI VÄHEMMÄN KUIN KOKO TALOUTTA KOSKEVIA TALOUSENNUSTEITA.

Yksi selittävä tekijä sille, miksi toimialaennusteita tuotetaan vain muutamia, on luultavasti resurssit. Sen lisäksi, että tuottaa koko taloutta koskevan ennusteen, pitäisi vielä läpikäydä talous toimialoittain. Yksi motiivi miksi pankit tekevät omia ennusteita on oletettavasti näkyvyyden lisääminen. Ne toimialaennusteet, joita julkaistaan, eivät kuitenkaan saa osakseen juurikaan median huomiota. Ehkä tämä osittain selittää sitä, miksi pankit eivät julkaise toimialaennusteita. Vaikuttaisikin siltä, että toimialaennusteita julkaistaan ja tehdään lähtökohtaisesti niissä laitoksissa, joissa niistä on suoraa hyötyä niiden rahoittajille. Tällä hetkellä toimialaennusteita, jotka kattavat useita toimialoja, tuottavat ETLA, Palta ja Teollisuusliitto. ETLA:n toimialaennuste kattaa laajasti eri toimialat, kun taas Paltan ja Teollisuusliiton katsauksissa keskitytään heille tärkeisiin aloihin.9

Kun toimialaennusteita tehdään vähän, yksittäisen ennustelaitoksen tekemä ennustevirhe voi vääristää kuvaa tietyn toimialan kehityksestä.

Kuten yllä on esitetty, ennusteisiin liittyy aina huomattavaa epävarmuutta. Tästä syystä, eri tavoin tehtyjä toimialaennusteita voitaisiin Suomessa tehdä enemmänkin. Näin pienenisi se riski, että yhden ennusteen laatijan suuri ennustevirhe antaisi erityisen vääristyneen kuvan tietyn toimialan kehityksestä. Vaihtoehtoiset laskelmat mahdollistaisivat ennusteiden vertailun. Tällä hetkellä monelle toimialalle tekee riippumattomia ennusteita ainoastaan ETLA.

PT:n toimialaennustemalli

PT:n toimialaennuste on tarkoitus tehdä malliperusteisesti. Mallin rakenne on tarkoitus raportoida varsinaisesta ennusteraportista erillisenä julkaisuna, jolla pyritään lisäämään ennusteiden teon läpinäkyvyyttä. Mallin suunnittelussa on annettu painoa sille, että sen käyttö tuottaisi objektiivisia ennusteita. Tämä kuitenkin tarkoittaa, että on mahdollista, että ennusteet eivät aina ole järkevän oloisia, kun huomioidaan tietyt toimialoittaiset erityistekijät.10 Tällöin malliennustetta voidaan joutua korjaamaan. Tarkoitus on, että ennusteraportissa raportoitaisiin sekä puhdas malliennuste että ennustajan lopullinen ennuste, jossa on pyritty huomioimaan toimialoittaiset erityistekijät. Tarkoitus on myös raportoida ennustevälit, jotka helpottavat ennusteisiin liittyvän epävarmuuden hahmottamista.

Toimialoittaisia ennusteita tehdään maailmalla. Sen sijaan raportteja, joissa esiteltäisiin toimialakohtaisia ennustemalleja, on aika vähän ainakin verrattuna koko taloutta ennustaviin malleihin. PT:n vanha toimialaennustemalli oli niin kutsuttu rakenteellinen ekonometrinen ennustemalli. Uudistettu malli koostuu erilaisista toimialakohtai­sista autoregressiivisistä malleista. Toimialaennuste sidotaan PT:n talousennusteeseen käyttämällä koko taloutta kuvaavia muuttujia toimialakohtaisissa malleissa. Mallissa ennustetaan ensin päätoimialojen kehitys, jonka jälkeen näitä ennusteita hyödynnetään, kun ennustetaan yksittäisiä toimialoja.11

ENNUSTEMALLIEN TARKKUUTTA TESTATAAN TOTEUTUNEIDEN HAVAINTOJEN AVULLA ESTIMOIMALLA MALLI TIETTYYN PERIODIIN ASTI JA TEKEMÄLLÄ SIITÄ ENNUSTE ETEENPÄIN.

Toimialaennustemallin osuvuutta on tarkoitus myös testata ennalta. Tämä tehdään mukaillen nykyään melko yleistä tapaa, jossa mallin tarkkuutta testataan jo toteutuneiden havaintojen avulla (ks. esim. Stock ja Watson 1999). Malli estimoidaan tiettyyn periodiin asti ja tehdään sillä ennuste vaikkapa kaksi ennusteperiodia eteenpäin. Tämän jälkeen ennusteita ja toteutuneita arvoja verrataan keskenään. Sitten siirrytään periodi eteenpäin ja toistetaan samat askeleet. Tämä menettely voidaan aloittaa vaikkapa 2010 ja jatkaa sitä niin pitkään kuin toteutuneita havaintoja riittää. Luonnollisesti olisi hyvä, että näitä ennustekertoja voitaisiin tehdä mahdollisimman paljon, jotta arvio ennustetarkkuudesta olisi luotettava. Usein kuitenkin olemassa oleva data asettaa tietyt rajoitteet tälle. Tällainen prosessi tuottaa kuitenkin arvion siitä, miten hyvin malli onnistuu ennustamaan tiettyä toimialaa.

Koronakriisin mallintamisen haasteet

Koronapandemia on tyypillinen esimerkki siitä, milloin ennustemallilla voi olla vaikea tehdä järkeviä ennusteita. Yleensäkin kriisit ovat varsin erilaisia ja niiden negatiivinen vaikutus osuu epäsymmetrisesti talouden eri osa-alueisiin. Pandemian osalta erikoista oli vielä sekin, että voitiin jo ennen pandemian kiihtymistä nähdä, että se tulee supistamaan taloutta. Tietystikään sitä miten pahaksi pandemia äityy tai miten kauan se kestää ei voinut tarkkaan tietää. Näin jälkiviisaana voi sanoa, että jo viime keväänä pystyttiin kuitenkin melko hyvin arvioimaan sitä, miten pandemia rajoittaa taloudellista aktiviteettia ja mitkä toimialat kärsivät siitä eniten. Vaikka ennustemalleista tässäkin tilanteessa oli hyötyä – esimerkiksi siten, että saattoi arvioida sitä, miten talous tulisi kehittymään ilman pandemiaa – niin päättelyyn ja sen avuksi tehtyihin erillisiin laskelmiin pohjautuva ennustaminen korostuivat.

Toimialaennusteessa on huomioitava pandemian erilaiset vaikutukset eri toimialoihin.

Pandemian vaikutukset olivat hyvin erilaiset eri toimialoilla. Keväällä pandemian talousvaikutuksia tarkasteltiinkin esimerkiksi toimialoittain ja kulutuserittäin ja pyrittiin sitä kautta arvioimaan vaikutuksia koko talouden osalta. Nyt kun pandemian loppu häämöttää sen huomioiminen malleissa tuottaa enemmän työtä toimialaennusteen osalta kuin koko talouden osalta. Tämä siksi, että pandemian osalta jokainen toimiala tarvitsee yksilöllistä kohtelua, sen sijaan että käsiteltäisiin vain koko taloutta koskevia aggregaattisuureita.

Esimerkkiennusteita

Seuraavaksi esitellään lyhyesti ennusteita muutamille päätoimialoille. Näiden ennusteiden tarkoitus on kuvata sitä, miten pandemia hankaloittaa ennustamista, vaikka niiden voidaan katsoa palvelevan myös ennusteina. Ne eivät kuitenkaan vastaa PT:n virallisia toimialakohtaisia ennusteita, jotka raportoidaan erikseen toimialaennusteraportissa. Nämä ennusteet ovat kuitenkin tehty vastaavalla mallilla kuin mitä toimialaennusteessa käytetään. Mallissa käytettyjen koko taloutta kuvaavien eksogeenisten muuttujien ennusteet ovat PT:n koko talouden ennusteesta.

Kuvio 1. Tuotoksen volyymin kasvuennusteet toimialoittain 2020–2022
Kuvio 1. Tuotoksen volyymin kasvuennusteet toimialoittain 2020–2022

Tässä esitetään ennusteet seuraaville päätoimialoille: Teollisuus C, Rakentaminen F, Kauppa G ja Majoitus ja ravitsemustoiminta I. Jokaiselle toimialalle esitetään ennustekuvioissa käyrä, joka kuvaa puhdasta malliennustetta. Tämä tarkoittaa sitä, että mallin valinnan jälkeen mallin tuottama ennuste on otettu sellaisenaan käyttöön. Tämän lisäksi esitetään varsinainen ennuste, joka sisältää ennustajan manipulaatiota. Tässä tapauksessa ei ole tehty muuta kuin asetettu sen suuruinen eksogeeninen shokki vuodelle 2020, että sen vuoden malliennuste vastaa toimialan liikevaihtotiedoissa ilmenevää kehitystä.12 Mallinnuksessa ei siis ole huomioitu sitä, että pandemia on jatkunut myös 2021 alkuvuonna. Kuviossa esitetään myös puhtaan malliennusteen 75 % ennustevälit. Toisin sanoen tietyin oletuksin 75 % todennäköisyydellä tuotoksen volyymin kasvu osuu tälle välille.13

PT:N TOIMIALAENNUSTEMALLI PYSTYI HYVIN ARVIOIMAAN TEHDASTEOLLISUUDEN TUOTOKSEN VUONNA 2020.

Teollisuuden osalta kuviosta käy ilmi, että malli onnistui ennustamaan vuoden 2020 tuotoksen pandemiasta huolimatta kohtuullisesti. Korjaus, joka teollisuudelle on vuodelle 2020 tehty, on siis varsin maltillinen eikä eroa oleellisesti puhtaasta malliennusteesta. Molemmat ennusteet ovat myös ennustevälien sisällä.

Rakentamisen osalta puhdas malliennuste ja räätälöity versio eroavat enemmän. Mallissa on muuttujina koko taloutta koskevia tietoja, joista on jo saatavilla vuoden 2020 toteutuneet havainnot. Mallin mukaan näyttäisi siltä, että jos pandemia olisi osunut symmetrisesti koko talouteen myös rakentamisen tuotos olisi niiannut viime vuonna merkittävästi. Liikevaihtotietojen perusteella rakentamisen tuotos pysyi kuitenkin noin 2019 vuoden tasolla. Jos mallia manipuloidaan vastaamaan tätä kehitystä siirtää se mallissa rakentamisen tuotoksen supistumista tälle vuodelle.

Myöskään kaupan osalta mallin tarjoama kehitys vuodelle 2020 ei vastaa liikevaihtotietoja. Pandemia ei vaikuttanut kaupanalaan läheskään yhtä ankarasti kuin moneen muuhun alaan. Joten myös kaupan osalta viime vuoden kehitystä on pitänyt korjata ylöspäin. Molemmissa ennusteissa kasvu voimistuu selvästi vasta vuonna 2022.

Pandemian mukanaan tuomat muutokset majoitus- ja ravitsemistoiminnan tuotoksessa olivat sen verran odottamattomia, ettei PT:n toimialaennustemalli niitä pystynyt ennustamaan.

Tässä esitetyistä toimialoista suurin ero malliennusteen ja vuoden 2020 kehityksessä on kuitenkin majoitus- ja ravitsemusalalla. Voidaan ajatella, että normaalioloissa talouden supistuessa noin 3 prosenttia ravitsemusala supistuisi mallin mukaan noin 2 prosenttia vuonna 2020. Pandemia on kuitenkin kurittanut tätä alaa merkittävästi. Liikevaihtotietojen mukaan alan aktiviteetti on supistunut lähes 30 prosenttia. Asettamalla malli käyttäytymään näin, malli palaa nopeasti voimakkaaseen kasvuun. Vuonna 2022 tuotoksen taso ei kuitenkaan ole vielä vuoden 2019 tasolla, vaikka onkin lähellä tätä. Muilla aloilla korjattu ennuste pysyi melko hyvin mallin ennustevälien sisällä, pandemiasta huolimatta. Tällä alalla korjattu ennuste ei kuitenkaan ole lähelläkään ennustevälejä. Tätä voi tulkita niin, että kyseessä on ennennäkemätön äärimmäisen harvinainen kehityskulku.

Lopuksi

Erilaiset kriisit, kuten koronapandemia, aiheuttavat erityispiirteitä talouskehitykselle, joita on vaikeaa mallintaa varsinkaan ennalta. Toisaalta juuri kriisit ovat niitä aikoja, jolloin talousnäkymistä ollaan eniten kiinnostuneita ja jolloin näistä on mahdollisesti myös eniten hyötyä. Erityisesti koronakriisi aiheutti talouteen negatiivisia vaikutuksia, jotka jakautuivat hyvin eri suuruisina eri toimialoille. Yrittäessämme ymmärtää miten koronakriisin talouttamme heikensi, toimialoittainen tarkastelu on tavallista merkittävästi tärkeämpää.

Kirjoittaja

Sakari Lähdemäki on työskennellyt tutkijana Palkansaajien tutkimuslaitoksessa vuodesta 2014 lähtien. Hän kuuluu PT:n ennusteryhmään ja on ollut myös aiemmin mukana laatimassa toimialaennusteita. Lähdemäki väitteli kauppatieteiden tohtoriksi tänä keväänä Turun yliopistosta. Hänen nykyinen tutkimustyönsä keskittyy makrotalouden sekä toimiala-, tuottavuus- ja yritystutki­muksen kysymyksiin.

Viitteet

1 Toimialaennustetta rahoittavat seuraavat liitot: Rakennusliitto, Ammattiliitto Pro, Tekniikan akateemiset, AKT, PAM, Paperiliitto, Raideammattilaiset JHL ja Rautatiealan unioni.

2 Sen todistaminen, onko näin käytännössä, on hankalaa. Näin tekevät ainakin monet tahot, joissa on joku ennustemalli käytössä, koska monet ennustemallit ovat tehty makroteorian pohjalta. Maailmalla on pyritty tarkastelemaan sitä, miten hyvin ennusteet vastaavat sitä mitä talousteorian pohjalta voisi tulevasta päätellä, ks. esim. Casey 2020. Tämän tarkastelun pohjalta siis ainakin melko hyvin. Toisaalta osa ennusteen teossa arvioitavista ilmiöistä ovat sellaisia, että taloustiede ei tarjoa yksiselitteistä vastausta. Nyt on esimerkiksi debatoitu siitä, mitkä ovat EU-elvytyspaketin vaikutukset Suomeen. Yleisemminkin julkisen elvytyksen tehosta on olemassa erilaisia arvioita.

3 Ks. esim. Mustonen 2016, jossa on kuvattu Suomessa toimivien ennustelaitosten ennustetoimintaa. Todettakoon, että ennusteprosesseja kehitetään koko ajan ja työ ei siksi anna täysin ajankohtaista kuvaa eri ennusteen laatijoiden prosesseista.

4 Lähtökohtaisesti näyttäisi kuitenkin siltä, että ainakin VM:n, Suomen Pankin ja tutkimuslaitosten ennusteet ovat olleet valideja, ks. Valtiontalou­den tarkastusvirasto 2016.

5 Useasta ennusteen laatijasta on myös se hyöty, että kilpailullisuus oletettavasti parantaa ennustetarkkuutta. Se, onko tietyn tyyppiset ammattimaiset ennustajat systemaattisesti tarkempia kuin toiset, on mielenkiintoinen kysymys. Tätäkin on maailmalla tutkittu ks. esim. D’agostino & McQuinn & Whelan 2012. Heidän tulostensa mukaan ei ole selvää, että tietyt ennustajat olisivat selvästi muita parempia, ainakaan kun huonoimmat karsitaan tarkastelusta pois. Clemensin 2020 mukaan eroja on, kun huomioidaan myös ennustevälien muodostus (todennäköisyysjakauma), eikä vain piste-estimaatteja. Aiheesta on aika paljonkin tutkimusta, koska kysymys liittyy makroteoriassa paljon käytettyyn rationaalisten odotusten oletukseen ja yleensä odotusten muodostukseen.

6 Käsittääkseni esimerkiksi Suomen Pankin raportoimat Nowcasting-mallin ennusteet ovat suoraan mallin tuottamia (ks. Itkonen & Juvonen 2017). Se on kuitenkin tarkoitettu ennustamaan vain talouden lyhyen aikavälin näkymiä (kuluva ja seuraava neljännes) eikä siten vertaudu suoraan niihin vuosiennusteisiin, joita useat tahot tuottavat. Hyvä kysymys onkin, olisiko pitkässä juoksussa puhtaat malliennusteet kuitenkin tarkempia kuin ennusteet, jotka ovat tehty ilman varsinaista mallia tai hyödyntäen malleja. Oletettavasti kuitenkin kriisit, esimerkiksi koronapandemia, ainakin tasoittavat tilannette sekakäytön eduksi.

7 Aihetta on tarkasteltu maailmalla. Casey 2021 esimerkiksi esittää, että ennustajat luottavat liiaksi omiin arvioihinsa ja hahmottavat huonosti omiin ennusteisiin liittyvää epävarmuutta.

8 Esimerkiksi siitä miksi T&K-panokset supistuivat Suomessa finanssikriisin jälkeen saa huomattavasti tarkemman kuvan tarkasteltaessa ilmiötä toimialoittain kuin jos tarkastelisi vain koko talouden lukuja, ks. esim. Lähdemäki 2018.

9 Mainittakoon myös esim. Valtionvarainministeriön johtama RAKSU-ryhmä, joka ennustaa rakennusalan suhdanteita, siis yhtä tiettyä toimialaa. Rakennusalaa ennustaa myös Rakennusteollisuus. Lisäksi PTT tekee metsäsektoria koskevia ennusteita. Lisäksi on jotain muita vastaavia tahoja, jotka tekevät yksittäisiä aloja koskevia ennusteita.

10 Todettakoon, että varsinkin pieniä toimialoja on haastavaa ennustaa mielekkäästi, esimerkiksi siksi, että niissä yksittäiset suurehkot satunnaisluonteiset tapahtumat saattavat vaikuttaa merkittävästi koko vuoden kehitykseen.

11 Kehitystyö on vielä käynnissä ja siksi tässä on kuvattu vain mallin pääpiirteet.

12 Huomaa että Tilastokeskuksen vuoden 2020 toimialakohtaisia tietoja ei ole vielä saatavilla, joten myös vuosi 2020 joudutaan ennustamaan.

13 Tässä eksogeenisien muuttujien ennustevirheitä ei ole huomioitu. Näin tehtäessä ennustevälit luonnollisesti kasvaisivat. Ennustevälit kuvaavat siis ennustevirhettä tilanteessa, jossa eksogeenisten muuttujien kehitys tiedetään varmaksi. Huomaa myös, että vuodelle 2020 eksogeenisille muuttujille on olemassa toteutuneet arvot. Lisäksi oletetaan, että ennustevirheet ovat normaalisti jakautuneet.

Kirjallisuus

Valtiontalouden tarkastusvirasto (2016), Makroennusteiden luotettavuus. Valtiontalouden tarkastusviraston tarkastuskertomukset 11/2016.

Mustonen, A. (2016), Macroeconomic forecasts of the Finnish economy – a comparison and performance assessment. Master’s thesis, Aalto University, School of Science.

Casey, E. (2020), Do macroeconomic forecasters use macroeconomics to forecast? International Journal of Forecasting, 36(4), 1439–1453.

Casey, E. (2021), Are professional forecasters overconfident? International Journal of Forecasting, 37(2), 716–732.

D’agostino, A. & McQuinn, K. & Whelan, K. (2012), Are some forecasters really better than others? Journal of Money, Credit and Banking, 44(4), 715–732.

Clements, M. P. (2020), Are Some Forecasters’ Probability Assessments of Macro Variables Better Than Those of Others? Econometrics, 8(2), 16.

Lähdemäki, S. (2018), Tutkimukseen ja tuotekehitykseen pitäisi panostaa enemmän, Palkansaajien tutkimuslaitos, Talousennuste 2018 kevät, erillisteksti.

Itkonen, J. & Juvonen, P. (2017), Nowcasting the Finnish economy with a large Bayesian vector autoregressive model (No. 6/2017). BoF Economics Review.

Stock, J. & Watson M. (1999), A Comparison of Linear and Nonlinear Univariate Models for Forecasting Macroeconomic Time Series. Teoksessa Engle, R. & White, H., Cointegration, Causality and Forecasting: A Festschrift for Clive W.J. Granger, Oxford University Press, Oxford, 1–44.