Kolumni Tiina Helenius: Ennustamisessa on tärkeintä tietää, missä olemme juuri nyt

Perinteisillä talouden analysointiin käytettävillä tilastoilla, kuten BKT, teollisuustuotannon tai vähittäiskaupan myynti, ei päästy pitkälle pandemian taloudellisten vaikutusten arvioinnissa. Eteenpäin katsovat barometritiedustelutkaan eivät tuottaneet riittävän nopeasti selvyyttä. Vertailukohdaksi haettiin aikaisempia talouskriisejä, joista vuoden 2008–2009 suuri finanssikriisi oli hyvässä muistissa. Samalla tavoin kuin finanssikriisin alussa, Suomen BKT-ennusteiden hajonta kasvoi merkittävästi.

Syntyi suuri tilaus pandemian taloudellisten vaikutuksen arvioinneille. Esimerkiksi työllisyyden ja palkkasumman supistuminen kassanhallinnan näkökulmasta on hyvin keskeistä, eikä vähiten eläkeyhtiöille.

Erittäin hyödylliseksi omassa työssäni muodostui Googlen paikannusdata. Sen avulla seurasin ihmisten oleskelun pituutta alueilla, joissa syntyy yrityksille liikevaihtoa, kuten työpaikkojen, vähittäiskauppojen ja vapaa-ajan toimintojen keskittymissä sekä liikenteiden solmukohdissa. Oleskelun kesto suhteessa koronaa edeltävään ns. normaaliin aikaan antoi noin viikon viiveellä karkean tiedon taloudellisesta toimeliaisuudesta.

Sijoitusmarkkinoiden analysoijana tarkastelin myös keskeisten maiden koronatartuntatilastoja. Ne olivat saatavilla noin päivän viiveellä. Uudet tartuntasyklit, tai aallot, kulkivat käsi kädessä ainakin hetkellisesti niin osake- kuin bondimarkkinoiden liikkeiden kanssa.

Rokotettujen määrän kehitys on ollut sijoitusmarkkinoiden ykkösaiheita vuoden alusta alkaen. Seuraan herkeämättä rokotus- ja tartuntatilastoja Israelista, missä on edetty pisimmälle rokotuksissa. Israel toimii hyvänä esimerkkinä siitä, kuinka nopea polku talouksilla voi olla ulos koronakriisistä, jos rokottamisessa onnistutaan.

Koronapandemia on kasvattanut nopealla frekvenssillä julkaistavan ja mahdollisimman ajantasaisen datan merkitystä ja käyttöä talouden ennustamisessa. Jo ennen koronaa oli yleistynyt nowcasting-mallien käyttö nykyhetken, lähitulevaisuuden tai lähimenneisyyden ennustamisessa. Mallit hyödyntävät mikrotason dataa, esimerkiksi BKT:n lähes ajantasaiseen ennustamiseen yhden kuukauden frekvenssillä.

Elinkeinoelämän tutkimuslaitos Etla on kehittänyt yhdessä Tilastokeskuksen kanssa nowcaster-mallin Suomen kokonaistuotannon kuukausikuvaajan ennustamiseen. Taloussuhdannetta ennustetaan mallilla, joka perustuu Uudenmaan rekkaliikenteen volyymeihin liikenteen automaattisissa mittauspisteissä (Fintrafficin ylläpitämät LAM-mittauspisteet). Rekkaliikenteen volyymin lisäksi mallissa on selittäjänä Euroopan komission julkaiseman taloudellisen indikaattorin (ESI) Suomen tiedot.

Myös Suomen Pankki käyttää lyhyen aikavälin nowcasting-mallia Suomen BKT:n kuluvan ja seuraavan vuosineljänneksen ennustamiseen. Etla on lisäksi kehittänyt nopean ennustamisen mallit työttömyyden ja asuntojen hintojen ennustamiseen. Nowcasting-ennustamisessa käytetään valtavia datamassoja ja ne soveltuvat erinomaisesti ennustamiseen ennustehorisontin ollessa kohtuullisen lyhyt.

Data-analytiikkaan perustuvat ja suurta datamassaa käyttävät ennustemallit ovat jo valtavirtaa. Menneestä luotettavasti ja yksityiskohtaisesti kertovien virallisten taloustilastojen rinnalla tarvitsemme nowcastereita, jotka auttavat meitä suunnistamaan juuri tänään. Tärkeintä on tietää missä olemme juuri nyt, jotta meillä on kyky varautua kulman takana odottavaan taloudelliseen muutokseen.

Tiina Helenius
Pääekonomisti,
Keskinäinen Työeläkevakuutusyhtiö Elo,
Vaasan yliopiston alumni