Gazdasági előrejelzések: Ez a leggyakoribb hiba, amit a szakértők elkövetnek

Nap, mint nap hozunk döntéseket a hétköznapi életben, pénzügyeink területén, melyeket saját magunk vagy szakértők által készített előrejelzésekre alapozunk. Megfigyelhető azonban, hogy az átlagos befektető, de sajnos a szakértők többsége is elköveti a legalapvetőbb hibát, amikor egy jövőre vonatkozó előrejelzést készít, így a valóságban egy teljesen hibás előrejelzésre alapozva hozunk döntéseket. Cikkünkben a gazdasági, pénzpiaci előrejelzések során elkövetett leggyakoribb hibát, a múltbeli trendek jövőben történő kivetítését beszéljük meg. Cikkem ötletadója a PWC AI iparági előrejelzése, mely 2030-ra 15,7 billió dolláros méretűre prognosztizálja az AI iparágat. Témáink:

• Az emberek általában rosszak az előrejelzésben
• A múltbeli trendek jövőbeni kivetítése
• Mi a gond a lineáris gondolkodással?
• Előrejelzés és a valóság

Az emberek általában rosszak az előrejelzésben

Egy korábbi cikkünkben már 13 tényezőjét tárgyaltuk a gazdasági, pénz és tőkepiaci előrejelzéseknek. Beszéltünk arról is, hogy az emberek jellemzően rosszak az előrejelzésekben, és sajnos ugyanezt mondhatjuk el a professzionális elemzéseket készítőkről. Elég, ha csak azokra a vizsgálatokra gondolunk, melyek szerint a részvénypiaci szakértők találati aránya 48%, a brókercégek sell side elemzőinek találati aránya 38%, de a gazdasági, iparági elemzéseket hasonló helyzetet tapasztalhatunk. Gondoljunk csak az elmúlt évtizedek nagyobb témáira, ötleteire, melyekben az iparági elemzők sok-sok milliárd dolláros üzletet láttak: kiberbiztonság, blokklánc-technológia, okosvárosok, digitális egészség, élelmiszeripari forradalom, tiszta energia, 3D nyomtatás, genetikus tervezés, nanotechnológia, virtuális valóság. 

Újabban pedig arról olvashatunk, hogy az AI 2030-ra egy 15,7 billiós piaccá válik.Ha pedig ilyen növekedésről olvasunk, akkor ez hatással lesz a befektetési döntéseinkre, például a portfóliónkat átalakítjuk az előrejelzések alapján. Hasonló hatást gyakorolnak a pénzügyi döntéseinkre a gazdasági adatok. Legutóbb például a termelékenység példáján keresztül beszéltük meg azt, hogy eltérő eredményt kapunk a jövő nagy gazdasági régióinak fejlődésével kapcsolatban annak függvényében, hogy milyen módon változik a termelékenység az országban. Ugyanakkor a legtöbb, a fentebb is felsorolt szakértői előrejelzések a múltbeli trend jövőbeni kivetítésén alapulnak.

A múltbeli trendek jövőbeni kivetítése

Az előrejelzések többségét az emberek úgy készítik, hogy a múltbeli, gyakran közelmúltbeli változásokat, trendeket kivetítik a jövőbe. Például, ha XY termék értékesítési volumene az elmúlt években átlagosan 10 százalékot növekedett, akkor feltételezzük, hogy a jövőben is fenntartható lesz a vállalat részéről az értékesítés ilyen mértékű bővítése. Bár ez a probléma lineáris módon történő megközelítése, de egy konstans növekedés jövőbe történő kivetítése exponenciális, nem fenntartható növekedést eredményez. Az alábbi grafikonon látható, hogyan készít az átlagos befektető előrejelzést. A konstans növekedés végül exponenciális növekedéssé alakul.

A rossz hírem az, hogy a szakértők is a fenti módon készítik az előrejelzéseiket, de hogy ne legyen ennyire szembetűnő, hogy milyen nevetséges előrejelzést készítettek, ezért általában rövidebb időszakot mutatnak, levágják az exponenciális növekedés időszakát, valahogy így:

Hangsúlyoznám, hogy ez teljesen ugyanaz az adatsor, mint amit az első grafikon látsz, csak itt az első 12 időegységet jelenítettem meg, és a 13-25 időegység közötti időszakot kihagytam. Így már ránézésre is hitelesnek tűnik az előrejelzés, de ugyanazon a tévedésen alapul, a múltbeli növekedés konstans módon történő jövőbeni kivetítése, mely exponenciális növekedést eredményez.

Mi a gond a lineáris gondolkodással?

Az emberek az életüket meghatározó összefüggéseket lineárisan látják. Például ha ebben a hónapban a munkaidőd 10 százalékkal nőt, akkor a fizetésed is 10 százalékkal növekedett, ha vendégek jöttek hozzád, és a megszokott egy pizza helyett kettőt rendelsz, akkor kétszer annyit fogsz fizetni. Az a probléma azonban, hogy a gazdasági, pénzügyi összefüggések értelmezése során is ezt a szemléletmódot visszük tovább. Sajnos azonban a gazdasági adatokra jellemző, hogy nem lineáris egyenesként írható le az összefüggés. Példaként az állami adóbevételek esetét gondoljuk át. Ha az állam emeli az adókulcsokat, akkor az adóbevételek növekednek. Itt tehát a két adat, az adókulcs mértéke és az adóbevételek között pozitív kapcsolat mutatható be. A lineáris összefüggés az alábbi ábrával írható fel, azaz 1 egység adókulcs X egység adóbevételt jelent. Eszerint 2 egység adókulcs 2X egységnyi adóbevételt eredményez.

Mi történik akkor, ha az állam az adókulcsokat 100%-ra emeli? A lineáris regresszió alapján azt gondolnánk, hogy így maximalizálhatná az adóbevételét az állam, holott a valóságban ebben a pontban nulla lenne az adóbevétele az államnak, mivel az emberek nem fizetnék be. Az adókulcs mértéke és az adóbevétel között tehát sokkal inkább egy az alábbi képen látható kapcsolat van. A gazdasági életben és az élet más területén különböző összefüggések között nem feltétlenül van lineáris kapcsolat.

Egy másik példaként egy 2008-as kutatást említenék meg, mely az amerikai nemzeti egészségügyi és táplálkozási vizsgálati program alapján kiszámolta, hogy 2048-ra az összes amerikai állampolgár túlsúlyos lesz. Ha ugyanis megvizsgáljuk az 1970-es éveket, akkor az amerikaiak 50% volt elhízott, a 90-es években már a 60%-uk, és 2018-ban már a 75%-uk. Ha ezt az összefüggést lineáris regresszióval vizsgáljuk, akkor az egyenest meghosszabbítva 2048-ra valóban az amerikaiak 100%-a elhízott lesz, sőt a század végére már a 110%-uk lesz elhízott. Ez utóbbi adatból pedig jól látható a lineáris regresszió korlátja, hiszen a népesség 110%-a nem lehet elhízott. A valóságban tehát egy görbét fogunk látni, azaz az egyenes ellaposodik, és sosem érjük el a 100%-ot.

Előrejelzés és a valóság

A fák azonban soha nem nőnek az égig, azaz az előrevetített trend nem lesz fenntartható. A termelékenység kivetítése esetében gondoljunk arra, hogy egyre nehezebb, és költségesebb olyan felfedezéseket tenni, melyek jelentősen javíthatják a gyártási folyamatot, de igaz ez a mezőgazdasági termésátlagokra, melyek növelése ma már óriási kihívás, ahogy az egészségügyi kezelések hatékonyságának további növelése. Az elmúlt évtizedek termelékenység és hatékonyság növekedésének a fenntartásához ma a korábban kutatásra elköltött összegek többszöröse szükséges.

Minden trendben tehát van korrekció, ráadásul az erőforrások, a piac véges, így az újabb és újabb növekedés sokkal nagyobb áldozatokkal, költségekkel jár, legyen szó akár a termékértékesítésről, egy iparág bevételének növekedéséről vagy egy olyan gazdasági mutatóról, mint a termelékenység. Szerencsére a szakértők kisebb hányada tudatában van ennek a problémának, és rendelkezik azokkal a minimális matematikai képességekkel, melyekről a szigmoid-függvények név alatt találunk információt. Az alábbi grafikonon a logisztikai görbe látható, melynek van egy lassan induló, majd konstanst növekedést mutató, végül egy lassúló, növekvő szakasza.

forrás: https://hu.wikipedia.org/wiki/Szigmoid

Mennyivel jobban illeszkedik ez a valósághoz, legyen szó egy vállalat növekedésről, egy termék értékesítéséről, egy gazdasági tényezőről vagy akár egy iparág méretéről. Az alábbi grafikonon láthatod a két előrejelzés közötti eltérést. A kék görbe szemlélteti a korábbi előrejelzést, azaz konstans növekedéssel számoltunk. A narancssárga görbe figyelembe veszi, hogy a növekedésnek korlátai vannak. A kék görbe mutatja azt, hogyan gondolkodunk emberek, elemzők, szakértők, a sárga görbe mutatja, hogyan alakulnak a valóságban az adatok.

Sajnos azt tapasztalhatjuk, hogy a legtöbb szakértői elemzés alapvető matematikai ismeretek nélkül készül, és ebből kifolyólag a döntéshozók (például gazdaságpolitikusok), de a mindennapi élet befektetői is hibás döntéseket hoznak. A jó előrejelzés arról ismerhető tehát fel, hogy számításba veszi a növekedés határait.