Προβλεπτικά Στατιστικά Μοντέλα
ΑΦΙΕΡΩΜΑ: Νέα Εποχή σε Ανάλυση Δεδομένων και Στατιστική
Του ΙΩΑΝΝΗ ΒΡΟΝΤΟΥ
Αναπληρωτή Καθηγητή, Τμήμα Στατιστικής, ΟΠΑ
Η εκρηκτική ανάπτυξη της τεχνολογίας και της πληροφορικής, η παγκοσμιοποίηση του εμπορίου και της οικονομικής δραστηριότητας, και η πολυπλοκότητα των αγορών έχουν δημιουργήσει μία νέα εποχή στις χρηματοοικονομικές αγορές και στην παγκόσμια οικονομία γενικότερα. Τις τελευταίες δεκαετίες, έχει δημιουργηθεί ένας μεγάλος αριθμός νέων χρηματοοικονομικών προϊόντων που προσπαθούν να αντισταθμίσουν τους αυξανόμενους κινδύνους που αναλαμβάνει ένας επενδυτής. Η ανάλυση των χρηματοοικονομικών και οικονομικών δεδομένων με τη χρήση στατιστικών τεχνικών και μεθόδων αποτελεί ένα ισχυρό εργαλείο, απαραίτητο για τη λήψη ορθολογικών αποφάσεων σε πολλά χρηματοοικονομικά και οικονομικά προβλήματα. Ο μεγάλος όγκος των δεδομένων, η μεταβλητότητα που αυτά παρουσιάζουν, αλλά και η αβεβαιότητα όσον αφορά τη μοντελοποίησή τους καθιστούν αναγκαία τη λήψη αποφάσεων με βάση τη στατιστική ανάλυση και επεξεργασία. Μέσω της ανάπτυξης και εφαρμογής κατάλληλων τεχνικών, τα στατιστικά προβλεπτικά υποδείγματα, αποτελούν μια αποτελεσματική και αξιόπιστη προσέγγιση στην ανάλυση των εμπειρικών προβλημάτων γιατί «συλλαμβάνουν» τα χαρακτηριστικά των δεδομένων, βοηθούν στην καλύτερη κατανόηση των υπό μελέτη φαινομένων, και στη δημιουργία προβλέψεων. Η στατιστική ανάλυση εφαρμόζεται σε μία πληθώρα χρηματοοικονομικών και οικονομικών προβλημάτων όπως η κατασκευή βέλτιστων χαρτοφυλακίων, η αποτίμηση των χρηματοοικονομικών περιουσιακών στοιχείων, η επιλογή επενδύσεων, η εκτίμηση του κινδύνου των χρηματοοικονομικών προϊόντων, η πρόβλεψη ύφεσης της οικονομίας και της επιχειρηματικής δραστηριότητας, η πρόβλεψη βασικών οικονομικών δεικτών, και αλλού.
Μία από τις πολλές εφαρμογές της στατιστικής επιστήμης στον τομέα των χρηματοοικονομικών, αφορά το πρόβλημα της κατασκευής βέλτιστων χαρτοφυλακίων (optimal portfolio construction). Ένας ορθολογικός επενδυτής ενδιαφέρεται να έχει στην κατοχή του ένα χαρτοφυλάκιο περιουσιακών στοιχείων το οποίο επιτυγχάνει τον χαμηλότερο δυνατό κίνδυνο για ένα συγκεκριμένο επίπεδο αναμενόμενης απόδοσης. Η εύρεση των βέλτιστων ποσοστών επένδυσης (σταθμίσεων ή βαρών) των περιουσιακών στοιχείων του χαρτοφυλακίου μπορεί να γίνει με την επίλυση ενός προβλήματος ελαχιστοποίησης της διακύμανσης του χαρτοφυλακίου (ή εναλλακτικών μέτρων κινδύνου) υπό περιορισμούς που αφορούν τις σταθμίσεις των περιουσιακών στοιχείων ή/και την αναμενόμενη απόδοση που επιτυγχάνει το χαρτοφυλάκιο. Απαραίτητα στοιχεία (inputs) στην εύρεση του βέλτιστου χαρτοφυλακίου είναι η εκτίμηση/πρόβλεψη της αναμενόμενης απόδοσης του χαρτοφυλακίου και του κινδύνου των αποδόσεων των περιουσιακών στοιχείων που το απαρτίζουν. Επομένως, η χρήση κατάλληλων και αξιόπιστων στατιστικών υποδειγμάτων εκτίμησης και πρόβλεψης των αναμενόμενων αποδόσεων και του κινδύνου του χαρτοφυλακίου είναι καθοριστικής σημασίας.
Μία σημαντική εφαρμογή των στατιστικών μοντέλων και τεχνικών αφορά τη μελέτη και πρόβλεψη της οικονομικής δραστηριότητας. Ιδιαίτερο ενδιαφέρον παρουσιάζει η μέτρηση των οικονομικών και επιχειρηματικών κύκλων, και ο εντοπισμός των υποκείμενων σημείων καμπής τους, καθώς οι αλλαγές στη συνολική οικονομική δραστηριότητα έχουν επιπτώσεις στα νοικοκυριά, στις εταιρείες και στην κοινωνία γενικότερα. Η ανάπτυξη ενός αποτελεσματικού πλαισίου έγκαιρης προειδοποίησης και διάγνωσης δεν είναι μια απλή διαδικασία, καθώς οι φάσεις του οικονομικού κύκλου μοιράζονται ένα σύνολο τυπικών ή κοινών προτύπων, αλλά ταυτόχρονα παρουσιάζουν τα δικά τους μοναδικά χαρακτηριστικά. Η φύση και τα αίτια μιας ύφεσης δεν είναι τα ίδια, δεν οφείλονται και δεν πυροδοτούνται από τα ίδια γεγονότα (market or economic events). Για παράδειγμα, η μεγάλη ύφεση στις Ηνωμένες Πολιτείες της Αμερικής (2007-2009) πυροδοτήθηκε από μια κρίση στις στεγαστικές και χρηματοπιστωτικές αγορές, και γρήγορα εξαπλώθηκε στις αναπτυγμένες και αναπτυσσόμενες οικονομίες της Ευρώπης προκαλώντας συρρίκνωση της οικονομικής δραστηριότητας, υψηλά ποσοστά ανεργίας και δυσμενή επίπεδα ιδιωτικού και δημόσιου χρέους. Από την άλλη μεριά, τα τελευταία χρόνια, ιδιαίτερο ενδιαφέρον παρουσιάζουν οι εκτιμήσεις και προβλέψεις της οικονομικής δραστηριότητας, αλλά και των επιμέρους κλάδων της οικονομίας, λόγω της πανδημίας του κορωνοϊού και των απαραίτητων περιοριστικών μέτρων. Τα στατιστικά και οικονομετρικά υποδείγματα αλλά και οι σύγχρονες τεχνικές μηχανικής εκμάθησης (machine learning) μπορούν να χρησιμοποιηθούν αποτελεσματικά και με επιτυχία στην πρόβλεψη της πιθανότητας ύφεσης της οικονομικής δραστηριότητας και να συμβάλουν με τον τρόπο αυτόν στη λήψη κατάλληλων μέτρων και αποφάσεων. Δεν είναι τυχαίο ότι οι κρατικοί φορείς, οι κεντρικές τράπεζες, και πολλοί ερευνητικοί οργανισμοί έχουν δραστηριοποιηθεί στην κατασκευή και ανάπτυξη υποδειγμάτων προκειμένου να προβλέψουν την οικονομική δραστηριότητα και τα σημεία καμπής στο υποκείμενο οικονομικό περιβάλλον.
Η αναγκαιότητα της ανάπτυξης ισχυρών στατιστικών μεθόδων και τεχνικών στην ανάλυση οικονομικών και χρηματοοικονομικών δεδομένων είναι ιδιαίτερα σημαντική μετά την παγκόσμια χρηματοπιστωτική κρίση του 2008, αλλά και την πρόσφατη πανδημία (COVID-19). Οι επιδράσεις αυτών των γεγονότων στην πραγματική οικονομία και το χρηματοπιστωτικό σύστημα αποτελούν έναν σημαντικό τομέα εφαρμογής των στατιστικών τεχνικών και μοντέλων. Στη νέα εποχή της τεχνολογίας και της πληροφορικής, των πολύπλοκων και απαιτητικών οικονομικών και χρηματοοικονομικών προβλημάτων και προκλήσεων, η επιστήμη της στατιστικής καλείται να διαδραματίσει έναν ζωτικό και χρήσιμο ρόλο, απαραίτητο για την επίλυση των ποσοτικών αυτών προβλημάτων. Τα ζητήματα αυτά αποτελούν πρόκληση για την ακαδημαϊκή στατιστική κοινότητα, η οποία έχει ως στόχο να εκπαιδεύσει και εφοδιάσει τους νέους ερευνητές με τις απαραίτητες δεξιότητες και ικανότητες, δημιουργώντας υψηλού επιπέδου επιστήμονες.
