Nowcasting

Tid: Frokostseminar torsdag 16. februar kl. 08:30 – 10:00. Frokost og registrering fra kl. 08:15
Sted: KS Agenda Møtesenter, Haakon VIIs gt. 9, Oslo
Pris: medlemmer i NMF gratis – ikke medlemmer kr. 750 eks mva

Er det mulig å forbedre allerede gode prognosemodeller ved hjelp av ustrukturert, tilgjengelig data?

Å kunne forutsi fremtiden, er drømmen for de fleste markedsanalytikere. Det er imidlertid en relativt vanskelig øvelse i praksis. Høy treffsikkerhet er viktig, enten det handler om politiske valg eller forventede markedsandeler.
Norges Bank, som skal «fremme økonomisk stabilitet i landet», er avhengige av å klare å forutse nær fremtid (nowcast) når de bestemmer styringsrenten. For å treffe best mulig på riktig rente, bruker de en rekke statistiske modeller – hvor informasjonen som regel er begrenset til harde økonomiske indikatorer og spørreundersøkelser. Aktørene i økonomien derimot, benytter seg av mengder med informasjon, inkludert nyhetsmedier, når de setter sine forventninger og definerer sine handlinger.

Med utgangspunkt i dette er det forsket på og utviklet en metode som viser hvordan ustrukturert tekstinformasjon fra en næringslivsavis kan brytes ned i daglige nyhetsemner, og på den måten brukes for å nowcaste kvartalsvis BNP-vekst. Sammenlignet med Norges Banks nåværende prognosesystem presterer den foreslåtte metodikken opp til 15 prosent bedre enn tidligere løsninger, og er spesielt konkurransedyktig rundt viktige konjunkturvendepunkt.

Så, hva kan markedsanalytikere lære av en slik prosess og tilnærming? Kan vi i fremtiden spå utfall av valg, basert på skrevne artikler og kommentarer på nett? Kan vi forutsi markedsandeler basert på medieomtale?

Leif Anders Thorsrud er spesialrådgiver i Norges Bank, og jobber særlig med tidsserieanalyser, maskinlæring og prediksjonsmodeller. Han har en doktorgrad i samfunnsøkonomi fra BI, og seks års erfaring med modellbygging og prognoser fra Norges Bank og the Reserve Bank of New Zealand. For tiden arbeider Thorsrud med særlig fokus på hvordan ustrukturerte datakilder kan brukes til å forstå makroøkonomiske fluktuasjoner.