Comment la technologie aidera les économistes à faire de meilleures prévisions?

Des technologies telles que l'IA, la BI et le Big Data aideraient-elles les économistes à faire de meilleures prévisions et à tester des modèles pour résoudre des problèmes tels que "Quel niveau de relance budgétaire est le meilleur pour un pays donné?"

Est-ce quelque chose pour l'avenir ou est-ce déjà utilisé?

Je suis un économiste de formation, qui est également programmeur et travaille avec beaucoup de scientifiques de données. J'ai donc un aperçu de ce domaine. L’un de mes projets à l’Urban Institute tente de combler le fossé entre ces domaines, et une partie de notre travail, soutenu par la Sloan Foundation, est accessible au public ici.

Dans une certaine mesure, la réponse est oui, mais il existe également d’énormes obstacles. Certaines sont surmontables avec le travail, comme les différences de terminologie, les plateformes de programmation (connaissance de SAS ou Stata contre R ou Python) et les conventions (d’autres dans votre domaine comprennent-ils et / ou acceptent-ils les résultats des modèles d’apprentissage automatique?). D'autres sont beaucoup plus difficiles à surmonter, tels que la taille des données disponibles.

Pour l'essentiel, les domaines qui font un usage intensif de l'IA et de l'apprentissage automatique contiennent d'énormes quantités de données. Ils peuvent se permettre, par exemple, de réserver un million d'observations pour la formation du modèle, puis de tester le modèle sur les neuf millions restants. Les économistes et les spécialistes des sciences sociales en général ont souvent de la chance s'ils ont 100 observations. De nombreuses variables macroéconomiques sont annuelles ou trimestrielles. Certains sont mensuels, ce qui signifie que si vous pouvez obtenir 30 ans d'observations, vous avez 360 périodes! Riche en données selon les normes des sciences sociales, mais pas même une erreur d’arrondi dans de nombreux modèles de science des données.

Cela dit, la puissance de calcul et la collecte de données sophistiquée rendent de plus en plus facile d'aborder les questions de sciences sociales avec des données volumineuses. Les médias sociaux sont un domaine majeur dans lequel les spécialistes des sciences sociales commencent tout juste à s’étendre. Cependant, certains domaines de l’économie resteront probablement fermés aux méthodes de science des données en raison de la nature des données. Votre exemple de relance budgétaire pourrait très bien en être un: les données pertinentes ne sont tout simplement pas produites aussi rapidement.

La réponse à votre question est donc oui, avec des réserves et un espoir pour l'avenir.

Il semble y avoir beaucoup d'idées fausses concernant l'utilisation de la technologie en économie. Il est important de se rappeler deux points.

1. La théorie économique moderne est la plupart du temps une simple branche de mathématiques appliquées.
Bien que de nombreux concepts philosophiques fondamentaux sous-tendent l'économie en tant que science sociale, la plupart des problèmes pratiques nécessitent un calcul ou une algèbre linéaire.

2. Les économistes testent constamment les théories à l'aide de statistiques.
Certaines personnes ne savent pas à quel point l'économie basée sur les données est.

L'utilisation de modèles vectoriels auto régressifs (VAR), de modèles de correction d'erreur vectoriels (VECM) et de fonctions de réponse impulsionnelle dans les tests de macroéconomie est une pratique courante. Les banques centrales utilisent ces méthodes et testent constamment les théories économiques.

Répondre à la question: "Quel niveau de relance budgétaire est le meilleur pour un pays spécifique?" Cela fait déjà un moment que ces méthodes sont envisagées et ne résultent pas de la révolution du Big Data.

J'espère que cela t'aides