Nowcasting-ennustaminen pyrkii tuottamaan ennusteita nykyhetkestä ja lähi­tulevaisuudesta. Ennuste­mallien avulla voidaan tarjota nopeaa informaatiota talouden nykyisestä tilasta. Mallien käytöllä voidaan merkittävästi lyhentää talouden tilaa kuvaavien tilastojen julkaisu­viivettä.

Tilastokeskus alkoi julkaista nowcasting-malleja käyttämällä uutta entistä nopeampaan kokeellista päätoimialojen liikevaihto­ennakkoa helmikuusta 2022 lähtien.

Erona aikaisempaan, pidemmän viiveen julkaisuun on, että nopeampi liikevaihtoennakko hyödyntää pelkästään kuukausittain kerättävän myynti­tiedustelun aineistoa, jonka otos kattaa 2 000 suurta yritystä. Näin julkaisuviive saadaan lyhennettyä noin 20 päivään tilastoitavan kuukauden päättymisestä (T+20). Tiedot julkaistaan siis 10 päivää lyhyemmällä viiveellä kuin aikaisemmassa kokeellisessa päätoimialojen liikevaihto­ennakossa tai nykyisissä 30 päivää tilastoitavan kuukauden päättymisestä julkaistavissa liikevaihto­ennakoissa (T+30).

Päätoimialojen liikevaihto­ennakon tuoreimman kuukauden nowcasting-ennustemalleissa käytetään sekä aikasarja­malleja että koneoppimis­menetelmiä, jotka mahdollistavat nopean tiedon tuottamisen.

Menetelmien keskeisenä ideana on suuren muuttujamäärän tehokas hyödyntäminen käyttämällä ulottuvuuden pienentämis­menetelmiä (dimension reduction). Lisäksi käytössä on ohjattuja regularisaatio-koneoppimis­menetelmiä (regularization), joiden avulla ennustemallit voidaan estimoida tehokkaasti. Lisää tietoa käytetyistä menetelmistä löytyy päätoimialojen liikevaihto­ennakon menetelmäselosteesta.

Uutta nopeampaa päätoimialojen liikevaihto­ennakkoa on julkaistu puolen vuoden ajan teollisuuden rakentamisen, kaupan ja palveluiden päätoimialoille. Tässä kirjoituksessa niiden vuosimuutoksia verrataan virallisten liikevaihto­tilastojen vastaavien laskentojen tuloksiin, jotka julkaistaan 45 päivää tilastoitavan kuukauden päättymisen jälkeen (T+45).

Virallisissa liikevaihto­tilastoissa aineistona on käytössä ennakkoon verrattuna lisäksi verohallinnon tulorekisteri ja oma-aloitteisten verojen arvonlisävero- ja työnantaja­suoritustietoja.

Hintojen nousu on kasvattanut liikevaihtoja tänä vuonna

Poikkeuksellinen vuosi on näkynyt positiivisina vuosimuutoksina jokaisella päätoimialalla. Aikaisemmasta koronaviruksen aiheuttamasta poikkeustilanteesta on toivuttu, ja hintojen nousu on kasvattanut myös yritysten liikevaihtoja vuodesta 2021. (Kuvio 1)

Koko teollisuuden päätoimialalla kokeellisen liikevaihto­ennakon tuottamat T+20 nopeat ennusteet ovat pystyneet tuottamaan hyvin samankaltaisia vuosimuutoksia kuin pidemmän T+45 viiveen vuosimuutokset. Suurin ero vuosimuutosten välillä on vain viimeisessä, kesäkuun julkaisussa. (Kuvio 2)

Rakentamisen päätoimialan vuosimuutoksissa on suurempia eroja T+20 ja T+45 julkaisuviiveiden välillä.

Kaupan päätoimialalla vuosimuutoksien erot ovat pieniä julkaisuviiveiden T+20 ja T+45 välillä lukuun ottamatta uusinta kuukautta.

Palveluiden päätoimialojen liikevaihto­julkaisujen uusimmilla kolmella kuukaudella on havaittavissa eroja julkaisu­viiveiden välillä. (Kuvio 5)

Erityisesti palveluissa ja rakentamisessa uusimman kuukauden epävarmuuteen voi vaikuttaa pienten yritysten erilainen suhdannekehitys verrattuna suuriin yrityksiin. Myyntitiedustelu kattaa toimialojen suurimmat yritykset, mutta rakentamisen ja palveluiden päätoimialoilla toimii merkittävä määrä pieniä yrityksiä. Toisaalta ennuste­menetelmillä pyritään kyllä mallintamaan koko yritysjoukon kehitystä, myös niitä yrityksiä, jotka puuttuvat myynti­tiedustelusta ja uusimmalta laskettavalta kuukaudelta.

Tässä tarkasteltu ajanjakso on vielä lyhyt, mutta alustavat tulokset näyttävät lupaavilta. Lisäksi ajan kuluessa mallit oppivat enemmän ja niiden suorituskyvyn odotetaan parantuvat. Myös uusien koneoppimis­menetelmien soveltuvuutta tutkitaan ja kehitetään. Tulevaisuus näyttää, millaiseksi päätoimialojen liikevaihtoennakon kristallipallo lopulta muodostuu.

Kirjoittaja työskentelee yliaktuaarina Tilastokeskuksen Palvelut ja teollisuus -ryhmässä.

Lähde:

Bańbura, M., Giannone, D., Modugno, M., & Reichlin, L. (2013). Now-casting and the real-time data flow. Handbook of Economic Forecasting, 2(Part A), 195-237.