Kunstig intelligens i makroøkonomisk prognosearbeid : en empirisk studie av hvor godt maskinlæring evner å predikere norsk økonomisk vekst

Abstract

Denne masterutredningen introduserer anvendelsen av maskinlæring i utarbeidelsen av makroøkonomiske anslag. Vårt studie analyserer hvor godt maskinlæring predikerer økonomisk vekst i Fastlands-Norge. Basert på et kvartalsvis datasett trenes tre ulike algoritmer til å produsere kvartalsvise og årlige prediksjoner. For å vurdere prediksjonene sammenlignes de med tidligere avgitte prediksjoner fra Norges Bank, SSB, Finansdepartementet og DNB. For å sikre et rettferdig informasjonsgrunnlag for alle prediksjoner tilpasses fremgangsmåten for maskinlæringen slik at prediksjonstidspunktet for de ulike aktørene ivaretas. Maskinlæringen vil likevel ha en fordel ettersom prediksjonene er basert på senere reviderte data, til forskjell fra de historiske prediksjonene fra de resterende aktørene. For de kvartalsvise prediksjonene gjennomføres også en robusthetstest ved å utvide prediksjonshorisonten til å inkludere finanskrisen i 2008 og 2009. Våre resultater underbygger klart at maskinlæring produserer minst like gode prediksjoner som de etablerte aktørene. For både kvartalsvise og årlige prediksjoner leverer den beste maskinlæringsmodellen, Super Learner, de mest presise prediksjonene for Fastlands-Norge. For den kvartalsvise sammenligningen med Norges Bank viser analysen at årene 2010 og 2011 er avgjørende. Maskinlæringen evner å fange opp tidspunktet for den kraftige veksten norsk økonomi opplevde på en bedre måte enn Norges Bank. Det samme mønsteret går igjen for de årlige prediksjonene. Spesielt for 2011 evner Super Learner å predikere mer presist enn Norges Bank, SSB, DNB og Finansdepartementet. Prediksjonene til de fire aktørene forbedrer seg utover perioden, mens maskinlæringen viderefører sin presise prediksjon. Det kan virke som at maskinlæringen evner å fange opp de strukturelle endringene etter finanskrisen raskere enn de andre aktørene, både ved kvartalsvis og årlig prediksjon. I robusthetstesten på de kvartalsvise prediksjonene sliter maskinlæringen med å predikere omfanget av finanskrisen. Likevel leverer både Super Learner og Elastic Net modellene absolutte avvik som i snitt er lavere enn 1 %-poeng. Selv om maskinlæringen besitter et informasjonsfortrinn gjennom reviderte input data, mener vi en algoritmisk tilnærming til prediksjon av norsk økonomisk vekst vil være verdifullt for det makroøkonomiske fagmiljøet. Nøkkelord – Maskinlæring, Prediksjon, Norsk økonomisk vekst