– Må forvente ustabilitet i fremtiden
– Norge påvirkes av den globale situasjonen, og nå ser vi at koronaviruset øker usikkerheten i markedene, sier NHH-professor Gernot Doppelhofer.
Får anerkjennelse for ny metode for makroøkonomiske prognoser
Masteroppgave fra NHH viser potensialet for maskinlæring i makroøkonomiske prognoser. Studentene vant Norges Banks pris for beste masteroppgave.
Om masteroppgaven
- Masteroppgaven «Kunstig intelligens i makroøkonomisk prognosearbeid : en empirisk studie av hvor godt maskinlæring evner å predikere norsk økonomisk vekst» er skrevet av Christian Alex Bankson og Andreas Madsen Holm. Førsteamanuensis ved Institutt for samfunnsøkonomi, Torfinn Harding, har veiledet studentene.
- Oppgaven analyserer hvor godt maskinlæring predikerer økonomiskvekst i fastlandsøkonomien.
- For å vurdere resultatene sammenlikner studentene sine prediksjoner med prediksjoner fra Norges Bank, SSB, Finansdepartementet og DNB.
- Hele masteroppgaven kan leses her.
– Vi var begge overrasket over å få denne prisen, men veldig glade. Vi mener vi har levert et godt stykke arbeid, og da er det veldig stas å bli anerkjent av ett av Norges fremste miljøer for makroøkonomiske prognoser, sier Christian Alex Bankson.
Christian Alex Bankson (24) og Andreas Madsen Holm (25) går siste året på NHH, og tar begge master i økonomi og administrasjon med spesialisering i finansiell økonomi. NHH-studentene har blitt veiledet av førsteamanuensis ved Institutt for samfunnsøkonomi Torfinn Harding.
Predikerer vekst i fastlandsøkonomien
– Vi har undersøkt hvor godt maskinlæring egner seg for å predikere økonomisk vekst i norsk fastlandsøkonomi. Dette har vi gjort for både årlig vekst og firekvartalsvekst. Vi har fokusert på tre ulike algoritmer; Superlearner, Elastic Net og Random Forest. Algoritmene har vi ikke utarbeidet selv, men vi anvender de og ser hvor godt disse predikerer vekst i økonomien, sier Holm.
For å kunne sammenlikne hvor godt algoritmene fungerer, har studentene brukt historiske data tilbake til 1996, og predikert fra 2010 og frem til i dag. Dermed har de hatt mulighet til å sammenlikne sine resultater med bankenes egne prognoser.
Les også:
Treffer bedre enn norske makroøkonomer
Algoritmene studentene har testet har gitt gode resultater. Modellene har predikert minst like godt som de etablerte aktørene.
– Spesielt Superlearner skilte seg ut og var mer treffsikker enn norske makroøkonomer over perioden, sier Bankson.
De legger til at det er noen forutsetninger som er vanskelig å gjenskape helt nøyaktig slik de forelå historisk. Dataene blir oppdatert i etterkant, og ulike data blir publisert på ulike tidspunkt.
– Maskinlærings-tilnærmingen til Holm og Bankson ser ut til å gi minst like treffsikre prognoser som metodene brukt av de andre analysemiljøene i Norge, sier førsteamanuensis ved Institutt for samfunnsøkonomi, Torfinn Harding. Harding har veiledet studentene.
– Et spesielt interessant resultat er at maskinlæringen virker spesielt godt ved store skifter i økonomien, som etter finanskrisen.
Anerkjennelse fra fagmiljøet
– Vi ville presentere potensialet som eksisterer for videre forskning i bruken av maskinlæring innen makroøkonomi. Det syntes vi at vi har lykkes med. Da er det ekstra gøy å få en slik anerkjennelse fra Norges Bank som er det fremste miljøet på dette i Norge, sier Bankson.
NHH-studentene forklarer at det makroøkonomiske fagmiljøet har ikke tatt i bruk maskinlæring i like stor grad som næringslivet forøvrig.
– Vi tror det ligger et stort potensial i anvendelsen denne typen teknologi som et virkemiddel for enda bedre prognoser, sier Holm.
LES OGSÅ:
Norske hotellkjeder tar opp kampen med nettbaserte reisebyråer
En ny masteroppgave fra NHH viser hva norske hotellkjeder gjør når digitale plattformer plasserer seg mellom kunden og hotellet. Det er mulig å posisjonere seg.
Bekjemper økonomisk kriminalitet
Mette Viddal Øi (25) jobber med å forhindre og oppdage hvitvasking av penger. – Banker forvalter store verdier og har ansvar for at verdiene ikke blir brukt kriminelt.