EU-bestuurders en politici steunen sterk op rekenmodellen van IMF, ECB, en planbureaus. Blijkbaar beseft men nog altijd niet dat modellen hun tekortkomingen hebben. Zeker in deze tijd van transitie, overgang naar een nieuwe tijd.
Hier en daar beseft men al wel, dat oude economische wetmatigheden niet meer (helemaal zo goed) opgaan. Maar wat nog ontbreekt is het breed gedragen besef dat modellen alleen maar hulpmiddelen zijn om een indruk te krijgen van wat er in het meest waarschijnlijke geval zou kunnen gebeuren. Zou kunnen, vooral als de omstandigheden (ongeveer) gelijk blijven aan die uit het verleden. Dat laatste is nu zeker niet meer het geval. We moeten dus pionieren, wat proberen, en kijken wat (het beste) werkt. Maar in elk geval, pogingen om de economie aan te jagen met QE (geld in de economie pompen) door het opkopen van obligaties is futiel. Nonsensbeleid. Hierover schreef ik al. Link: http://uitdecrisis.blogspot.nl/2015/01/draghinomics.html
Elk model is zo goed of zo slecht als het realiteitsgehalte van de veronderstellingen die erin gestopt worden. Om dat eens te laten zien, volgen hieronder drie grafieken. In elk van de drie gevallen zijn de basisgegevens hetzelfde. Maar daarna is een lijn doorgetrokken ("voorspelling gemaakt") aan de hand van drie verschillende modellen: Lineaire groei, logaritmische groei, of exponentiële groei.
Duidelijk zal zijn, dat de "voorspellingen" van de verschillende modellen heel ver uiteenlopen. Helaas valt niet te zeggen welke uitkomst het meest waarschijnlijk zal zijn. Elke "voorspelling" is gewoon een gok als de wereld verandert (en dat doet die). Statistische toetsen zeggen niets over wat meer of minder waarschijnlijk zal gebeuren. En als we met gebrekkige modellen en cijfers werken is de uitkomst van twijfelachtige waarde. Als je er rommel instopt, is de uitkomst van een model ook rommel. Kennen we de slogan uit de ICT-wereld niet meer: "garbage in, garbage out" ?
Handicap van statistische modellen is vooral, dat elke factor die van belangrijke invloed is op de uitkomst in het model moet zijn verwerkt. Maar hoe ingewikkelder het model (hoe meer factoren van invloed zijn) hoe langer de tijdreeks moet zijn die gebruikt wordt voor het maken van de veronderstellingen. Juist dan wordt de voorspellingskracht minder. Want bijvoorbeeld in de dertig jaar die nu achter ons ligt is al zoveel veranderd dat we veilig mogen veronderstellen dat de toekomst heel anders zal zijn dan toen. Spreekt dat eigenlijk niet vanzelf ?
Geen opmerkingen:
Een reactie posten