Luboš Komárek (Bankovnictví, 16.12.2024)
Ekonomické modelování dnes hraje klíčovou roli v analytickém zázemí všech centrálních bank, ale mezi bankami jsou rozdíly. Modely umožňují nejen sledovat současný stav ekonomiky, ale také pomáhají předvídat budoucí vývoj a připravovat scénáře, které pak pomáhají při rozhodování o nastavení měnové politiky. V poslední době se však jejich role rozšiřuje i do oblastí, jako je finanční stabilita, analýza dopadů klimatických změn nebo hodnocení nejistot spojených s šoky, jako byla pandemie covidu-19. Makroekonomické modely poskytují centrálním bankám (CB) důležitý rámec pro komunikaci s veřejností a trhy. Pomáhají vysvětlovat důvody jednotlivých rozhodnutí a odhadovat dopady měnové politiky na ekonomiku. Díky tomu mohou CB lépe budovat důvěru a činit své kroky transparentně. Jak konkrétně ale jednotlivé banky s modely pracují, není příliš známé a srovnání nelze bez znalosti interních procesů provést. Jinak řečeno, nahlédnout do pomyslné „kuchyně“ CB je velmi složité. Protože i Česká národní banka se chce posouvat kupředu, zajímaly nás zkušenosti dalších CB a jako nejlepší způsob, jak tuto problematiku lépe pochopit, nás napadlo dotazníkové šetření. Oslovili jsme CB z celého světa, které pracují v režimu inflačního cílování (tedy ve stejném režimu, jako je tomu u České národní banky), a dopodrobna jsme se ptali na jejich zkušenosti a přístupy k využívání makroekonomických modelů. Výsledkem je cenný pohled na to, jak rozdílné modelovací rámce přispívají k rozhodovacím procesům v různých zemích.
Neexistuje jeden univerzální model
V moderním centrálním bankovnictví (postaveném na cílování inflace) jsou vnitřní procesy v centrálních bankách podobné. Všechny centrální banky, které nám odpovídaly na otázky, používají při svém měnověpolitickém rozhodování makroekonomickou prognózu, kterou v pravidelných intervalech připravují experti pomocí makroekonomických modelů, statistických metod a expertních odhadů. Centrální banky v rámci své transparentnosti sice o svých modelech komunikují, ale detailnější pohled mnohdy chybí. Je to dáno také tím, že centrální banky potřebují komunikovat jasně, jednoznačně a sebejistě. My jsme se zaměřili na samotný proces tvorby prognóz, tedy více na to, co se děje trochu za záclonou, a zaměření našeho zájmu bylo zejména na využívání více než jednoho predikčního modelu.
Většina centrálních bank z našeho vzorku 23 dotazovaných zemí vytváří makroekonomickou prognózu pomocí dvou a více predikčních makroekonomických modelů, zatímco zbylá zhruba třetina (8) pracuje pouze s jedním modelem (tabulka 1). Pro tvorbu makroekonomické prognózy je navíc typické využití dynamického stochastického modelu všeobecné rovnováhy (DSGE modelu), což jako svou praxi uvedlo celkem 18 centrálních bank. Nicméně pouze 11 bank ho považuje za hlavní nástroj pro zpracování prognózy, což ukazuje na významnou roli dalších modelů v prognostickém procesu. V kontextu České národní banky naše sekce měnová tvoří prognózu pomocí hlavního DSGE modelu označeného jako g3+ a prognózu popisujeme v pravidelné Zprávě o měnové politice jednou za čtvrtletí. Jsou ale centrální banky, ve kterých je prognóza postavena především na expertním pohledu a modely hrají jen opravdu doplňkovou roli. V našem vzorku tak odpověděly dvě instituce. Ty pro svůj základní scénář neberou výsledek modelu jako závazný, ale jedná se spíše o expertní úsudek postavený více či méně na modelovém výstupu. Z pohledu transparence je zajímavé uvést, že celkem pět centrálních bank odpovědělo, že přímé výstupy modelu veřejně nepublikuje.
Tabulka – Počet predikčních makroekonomických modelů a využití DSGE modelů při tvorbě prognózy
Ne každý model má stejnou váhu
Více modelů ale nutně neznamená, že jsou při tvorbě využití rovnocenné. Pro 10 bank z 15, které využívají více modelů, pak existuje jasná hierarchie – jeden hlavní a další jsou chápany jako vedlejší či podpůrné. Pouze pro pět bank jsou pak modely považovány za rovnocenné jak v predikčním, tak rozhodovacím procesu. V případě rovnocenných modelů pak jejich jednotlivé projekce přímo tvoří základní scénář prognózy a ten bývá získán jejich průměrováním (aritmetický průměr nebo vážený průměr, kde váhami je nejčastěji odborný – expertní – úsudek. Postavení modelů je rovněž většinově komunikováno navenek i odborné veřejnosti, avšak ne ve všech případech tak, jak jsou modely používané a vnímané CB.
Alternativní predikční modely slouží ke zvýšení robustnosti analýz. Pokud CB používají více modelů a jeden považují za hlavní (10 CB), pak pro naprostou většinu z nich (9 CB) slouží vedlejší modely primárně pro kontrolní účely, případně pro ladění základního scénáře. Jak vyplývá z dotazníku, vedlejší model mívá tedy především podpůrnou funkci a jeho prognóza nebývá připravena ve stejném detailu, jako je tomu u hlavního modelu. Všech 15 bank, které mají více než jeden hlavní predikční model, uvádí jako hlavní důvod využívání více modelů aplikaci různorodých či alternativních ekonomických konceptů a pro většinu (11) poskytuje alternativní model i jinou míru detailu. Mezi další důvody patří zvýšení robustnosti předpovědí, neboť alternativní modely mohou ověřovat závěry hlavního modelu, dále alternativní pohled na poptávku a nabídku, zaměření na specifické nejistoty nebo podpora tvorby scénářů, což se hodí zejména v obdobích krizí, kterých jsme v posledních letech měli několik.
Další využití modelů
Centrální banky však nepoužívají své modely výhradně pro tvorbu výhledu, ale modely mají i další využití. Necelá pětina centrálních bank používá makroekonomický prognostický model nebo modely pouze pro účely měnové politiky, tedy pro přípravu domácích makroekonomických prognóz (inflace, HDP, úrokových sazeb, měnového kurzu atd.). Většina centrálních bank (19) používá model také k přípravě makroekonomického rámce pro scénáře finanční stability, které jsou ze své povahy více dramatické, byť pravděpodobnost jejich naplnění je nízká. Zhruba třetina centrálních bank (8) navíc disponuje predikčním modelem speciálně vyvinutým pro účely makroekonomických zátěžových scénářů finančního sektoru. Takovéto vedlejší či doplňkové modely jsou pro tyto potřeby doplněny o další veličiny nebo poskytují různou míru detailu v konkrétních oblastech. Pro tvorbu scénářů banky používají většinou oba modely (10 bank), ale pět těch, které mají modelů více, používá pro scénáře pouze model hlavní.
Nové situace, nové modely
Covidová nebo energetická krize u většiny bank nevedla k zavádění nových modelových rámců, nicméně nové analytické přístupy včetně umělé inteligence banky používají. Téměř polovina CB tedy nějaké změny provedla, šlo například o využití vysokofrekvenčních indikátorů a podrobnějších dat o energetickém sektoru. Nedávné krize rovněž vedly k vyššímu zaměření na scénáře, které v době vysokých nejistot mohou poskytovat potřebné vodítko pro rozhodování.
Některé banky sice nové modelové rámce zvažují, většina ale pravidelně své modely zdokonaluje, ostatně má na jejich tvorbu vlastní týmy ekonomů. V naprosté většině dotazovaných zemí vyvíjejí centrální banky své modely interně, s výjimkou dvou případů. Jedna z těchto výjimek využila při vývoji původní verze svého modelu technickou podporu jiných centrálních bank, zatímco druhá zakoupila model od externího poskytovatele a následně jej modifikovala vlastními silami. U téměř dvou třetin bank (15) fungují stálé týmy, které kombinují přípravu makroekonomických prognóz s údržbou a vylepšováním modelů, a to buď v rotujícím (6), nebo stabilním (9) uspořádání. Zbývající banky provádějí aktualizace na ad hoc bázi prostřednictvím dočasných týmů. Většina těchto týmů (15) je organizačně zařazena pod oddělení odpovědné za makroekonomické prognózy, zatímco menší část spadá pod výzkumné útvary (5) či jiné organizační jednotky (2).
Tradiční prognostické přístupy zejména během covidové pandemie vykazovaly určité nedostatky, což přimělo centrální banky k rozsáhlé rekalibraci svých modelů, aby lépe odpovídaly změněné ekonomické dynamice. Tento proces zahrnoval nejen úpravu parametrů reflektujících nové vzorce chování, ale také začlenění nestandardních datových zdrojů, jako jsou předstihové indikátory, a větší důraz na simulaci mimořádných šoků. Banky posílily flexibilitu svých modelovacích rámců, což jim umožnilo lépe integrovat nejistoty a rychle reagovat na nové podněty. Rekalibrace se tak stala klíčovým nástrojem pro zvýšení spolehlivosti a relevance jejich budoucích prognóz. Přístupy k rekalibraci modelů se ale rovněž liší. Zjistili jsme, že více než 40 procent bank provádí rekalibraci příležitostně či na základě aktuální potřeby, například při výrazných změnách v ekonomickém prostředí. Nicméně téměř polovina rekalibraci plánuje pravidelně, přičemž nejběžnější frekvencí je každoroční nebo jednou za dva roky až šest let.
Důležité jsou zkušenosti
Modely centrálních bank se nestále vylepšují, a to i na základě poznatků o dosavadní přesnosti prognóz. Vyhodnocení přesnosti prognóz probíhá nejčastěji pouze interně, menší část pak vyhodnocení publikuje, výjimečně se pak přesnost prognóz nevyhodnocuje. K vyhodnocení banky nejčastěji používají statistická kritéria, některé pak vyhodnocují prognózy na základě vývoje jednotlivých exogenních faktorů pomocí tzv. counter-factual simulací. Zdokonalování modelového rámce probíhá u necelých dvou třetin bank typicky prostřednictvím stálého týmu, jehož jedna část připravuje makroekonomickou prognózu a druhá část pracuje na údržbě modelů, ověřování stávajících modelových vazeb a na zapracování vazeb nových. Tyto týmy pak buď rotují (méně časté), nebo nerotují. U zbytku zemí ze vzorku dochází ke zdokonalování jejich modelového rámce příležitostně (na ad hoc bázi), kdy se obvykle sestaví tým, který zapracovává nové nebo ověřuje stávající modelové vazby modelu či modelů. Týmy vyvíjející modely v daných CB jsou pak většinově umístěny v útvaru, který připravuje makroekonomickou prognózu. Více než pětina zemí má tyto týmy v útvaru ekonomického výzkumu a dvě CB v jiné organizační jednotce oproti zmíněným dvěma skupinám zemí.
Modelová prognóza vzniká při používání více modelů nejčastěji v jednom týmu a jen tři centrální banky mají pro více svých modelů nezávislé týmy, ale velikost týmu příliš neovlivňuje dobu přípravu prognózy. Velikost týmů, které mají centrální banky k dispozici při tvorbě prognózy, se výrazně liší. Celkem 10 centrálních bank má tým operující predikční model o velikosti do pěti FTE (full time equivalent), celkem devět pak má tým o něco větší, tedy mezi pěti a 10 FTE. Početnější tým pro svůj model s více než 11 zaměstnanci mají jen čtyři z 23 dotazovaných centrálních bank. V těchto počtech pak v průměru trvá vytvoření prognózy od tzv. kick-off meetingu po schválení prognózy u dvou třetin dotázaných institucí zhruba dva až čtyři týdny. Rychleji, tedy do dvou týdnů, zvládá prognózu vytvořit pouze jedna jediná centrální banka. Více než měsíc trvá tento proces zbývající necelé třetině centrálních bank. Banky, které mají více modelů, pak ve většině při vzniku prognózy používají nejen stejné datové předpoklady, ale také počáteční podmínky1 , tedy např. vnímání nabídkového a poptávkového pohledu na inflační tlaky.
Centrální banky se při nastavování úrokových sazeb dívají dopředu, neboť nějakou dobu trvá, než jejich měnověpolitická opatření ovlivní ekonomiku a dosáhnou stanovených cílů – tato doba je označována jako horizont měnové politiky a její délka závisí na transmisním mechanismu. Nejčastějším horizontem měnové politiky centrálních bank v našem šetření (horizontem nejúčinnější transmise) jsou přesně dva roky a kratší než dvouletý horizont uvažuje jen několik málo institucí.
Graf – S Jakým horizonterm měnové politiky (horizontem nejúčinnější transmise) pracujete?
Zajímavé je, že některé centrální banky nemají horizont měnové politiky pevně stanovený ve smyslu určitého počtu čtvrtletí nebo let, ale spíše obecněji jako střednědobý horizont. Skutečná délka se tak může měnit dle aktuální situace. Délka měnověpolitického horizontu nezávisí na typu použitého modelu a současně naprostá většina centrálních bank horizont měnové politiky nemění – zaznamenali jsme jen pár změn ve smyslu formulace na obecnější horizont. Obecně lze tak říci, že centrální banky cílující inflaci jsou v tomto velmi podobné. Trochu jiné je to z pohledu doby konvergence modelu k rovnovážnému stavu, který je typický pro DSGE modely, které, jak jsme uvedli na začátku, používá celkem 18 bank v našem vzorku. Modely dotázaných CB se ve zhruba polovině případů (12) přibližují k dlouhodobé rovnováze (steady state) v rozmezí dvou až pěti let. Výjimečně dosahují modely rovnovážného stavu do dvou let. Pro úplnost pak lze dodat, že některé centrální banky uvedly, že záleží na šocích, a nelze tudíž pevně specifikovat dobu konvergence.
Výstupem modelů jsou modelové trajektorie základních predikovaných veličin, mezi než patří inflace a HDP, komunikace těchto výstupů se mezi bankami ale liší jak uvnitř banky, tak navenek. Celkem 11 z 23 dotázaných CB využívá pro komunikaci modelových trajektorií základních predikovaných veličin tzv. vějířové grafy, které kromě očekávané trajektorie zachycují také intervaly spolehlivosti. Celkem pět z nich využívá symetrické vějířové grafy a zbylých šest grafy asymetrické. Zbylých 12 CB vějířové grafy pro komunikaci vůbec nepoužívá. Centrální banky při nastavování intervalů spolehlivosti prognóz využívají různé přístupy, přičemž nejčastěji se jedná o zohlednění historických chyb předpovědí. Výstupy hlavního modelu jsou komunikovány vždy uvnitř i navenek, ale to neplatí pro výstupy vedlejších modelů. Ty jsou nejčastěji komunikovány bankovní radě (MPC) v hlavním textu popisujícím prognózu, případně v příloze, a jsou srovnány s výsledky hlavního modelu. Některé centrální banky ale výsledky vedlejších modelů nekomunikují pravidelně či z důvodu, že mohou sloužit jen jako podklady pro základní scénář či jako vstupy pro průměrování a samostatně se s nimi dále moc nepracuje.
Mezi nejdůležitější výstupy modelu a modelového týmu patří trajektorie úrokových sazeb a nás rovněž zajímalo, jakou roli hraje model při formulaci měnověpolitického doporučení. Z pohledu podmíněnosti prognózy používají centrální banky využívající více než dva modely především endogenní trajektorii vývoje úrokových sazeb (celkem 11 CB), tedy trajektorie je určena modelem. Jinak k tomu přistupují zbylé čtyři banky, které používají exogenní (např. tržně implikovaný) nebo konstantní vývoj úrokových sazeb, kdy délka fixace může být po celý projekční horizont. Centrálních bank jsme se rovněž tázali, jaká je obvyklá odchylka modelové trajektorie úrokových sazeb a jejich finálního měnověpolitického doporučení ohledně nastavení úrokových sazeb. Na otázku odpovědělo celkem 14 CB, tj. 13 CB připravujících nepodmíněnou prognózu úrokových sazeb a 1 CB sestavující podmíněnou prognózu. Z uvedených 13 CB používajících nepodmíněnou prognózu jich devět uvedlo, že rozdíly jsou obvykle do výše jedné „standardní změny“ úrokových sazeb, tj. do 25 b. b., tři CB uvedly, že rozdíly jsou obvykle vyšší než 25 b. b., a jedna CB uvedla, že to může být méně i více než 25 b. b. Drtivá většina dotázaných centrálních bank (19) neuvažuje o zavedení komunikačního nástroje podobného tzv. Dot-plot. Pouze jedna CB uvedla, že již podobný komunikační nástroj používá, a v případě dvou CB v této oblasti zřejmě probíhá diskuse k jeho možnému zavedení.
Pomáhá také AI
Na popularitě v posledních letech získaly díky jazykovým modelům nástroje umělé inteligence, ale metody strojového učení se v ekonomii používají již delší dobu.
Více než polovina dotazovaných bank již využívá nástroje umělé inteligence v nějaké formě i v prognostickém procesu. Při podrobnějším pohledu se nejčastěji jedná o využití metod strojového učení sloužících k přípravě nowcastu. Oblíbené je též využít možností umělé inteligence k přípravě krátkodobé prognózy (NTF) či k tzv. text miningu např. pro indexy sentimentů. Pro tvorbu střednědobé předpovědi se ve vzorku zemí AI používá minimálně. Velké jazykové modely, jako jsou ChatGPT či Gemini, jsou prozatím též v začátcích svého používání. Nejvíce, tedy s několika (alespoň třemi) nástroji AI zároveň pracuje celkem pět CB. Oblast AI se však velmi dynamicky vyvíjí, a proto očekáváme, že se rozšíří i počet bank, které tyto nástroje využívají.
Graf – Využíváte nástroje umělé inteligence (AI) v prognostickém procesu?
