Méně teorie, více reality: Semistrukturální modely mají co nabídnout

Centrální banky dnes čelí stále složitějšímu úkolu přesně předvídat vývoj ekonomik a zároveň srozumitelně komunikovat hlavní scénáře i rizika. Makroekonomické modely jsou přitom klíčovým nástrojem, který jim tuto úlohu umožňuje plnit. Vedle plně strukturálních DSGE modelů se v posledních dvou dekádách stále více prosazují tzv. semistrukturální modely.[1] Jak už tento název napovídá, jejich struktura je o něco flexibilnější a lépe tak dokáže zachytit proměnlivé ekonomické prostředí. Tento trend reflektujeme i v České národní bance, kde nyní vyvíjíme dva nové modely tohoto typu.

Co jsou semistrukturální modely a proč je centrální banky vyvíjejí

Semistrukturální modely kombinují prvky ekonomické teorie s empirickými vztahy odhadnutými na datech. Na rozdíl od DSGE modelů nejsou všechny jejich rovnice přímo odvozeny z optimalizačního chování jednotlivých aktérů. Namísto toho využívají teoreticky motivované, ale datově flexibilní struktury, což umožňuje rychlejší přizpůsobení modelu novým/měnícím se ekonomickým jevům. Centrální banky je proto často využívají jako hlavní predikční modely nebo alespoň jako nástroje, které doplňují nebo stínují hlavní strukturální modely – zejména při tvorbě predikcí a analýz alternativních scénářů.

Díky této flexibilitě jsou semistrukturální modely oblíbené napříč celým světem. Podle údajů Central Banking’s Economics Benchmarks 2024 dnes více než 60 % centrálních bank využívá semistrukturální modely jako hlavní prognostické nástroje.

Graf 1 – Typ hlavního predikčního modelu centrálních bank

Graf 1 –  Typ hlavního predikčního modelu centrálních bank

Poznámka: Průzkum byl proveden mezi 34 centrálními bankami; zdroj: Central Banking Benchmarking Service/Economics 2024, vlastní zpracování ČNB.

Typy semistrukturálních modelů

Semistrukturální modely tvoří široké spektrum přístupů, které se liší podle toho, nakolik staví na ekonomické teorii a nakolik se opírají o empirická data. Na jedné straně spektra stojí modely blízké strukturálnímu přístupu, často označované jako gapové modely, které vycházejí z teoreticky odvozených rovnovážných vztahů. Na druhé straně spektra se nacházejí silně ekonometrické modely, jejichž struktura je formována především empirickým odhadem a dynamickými datovými vztahy.

Schéma 1 – Spektrum semistrukturálních modelů v centrálních bankách a MMF

Schéma 1 – Spektrum semistrukturálních modelů v centrálních bankách a MMF

(Otevřít celé schéma v novém okně.)

Poznámka: Jednotlivé semistrukturální modely jsou uspořádány do sloupců od nejvíce ekonometrických po nejvíce strukturální zleva doprava. Červeně jsou vyznačeny modely, které jsou v centrálních bankách používány jako primární predikční modely samostatně, zeleně pokud se v bance používají jako jeden z více modelů na primární úrovni a modře pokud jde o sekundární modely; zdroj: ČNB

Nejblíže strukturálnímu pojetí stojí modely jako FINEX Mezinárodního měnového fondu. Tyto modely vycházejí z jasně definovaných rovnovážných vztahů a explicitně oddělují dlouhodobé trendy a krátkodobé cyklické odchylky (gapy). Jsou relativně kompaktní a dobře se využívají pro standardní měnověpolitické analýzy.

Směrem k větší empirické flexibilitě se pohybují modely jako FRB-US Federálního rezervního systému, LENS kanadské centrální banky nebo ECB-BASE používaný Evropskou centrální bankou. Tyto modely sice stále vycházejí ze základních teoretických vztahů, ale jejich dynamika je do značné míry formována empirickým odhadem a umožňuje větší přizpůsobení historickým datům.

Na více ekonometrickém konci spektra stojí modely jako DELFI 2.0 nizozemské centrální banky, NECMOD polské centrální banky nebo BbkM-DE Bundesbanky. Tyto modely kladou důraz na empirické odhady vztahů mezi sektory a často využívají mechanismus chybové korekce (ECM), který propojuje krátkodobou dynamiku s dlouhodobými trendy. Díky své detailní struktuře umožňují komplexní analýzy, například vlivu finančního sektoru na reálnou ekonomiku, ale za cenu vyšší složitosti a náročnější interpretace.

Výběr konkrétního typu modelu nebo kombinace více přístupů závisí na potřebách centrální banky. Některé instituce upřednostňují jednodušší a komunikativnější modely pro základní scénáře, jiné dávají přednost detailnějším modelům umožňujícím hlubší analýzu strukturálních změn a makrofinančních vazeb.

Výhody a nevýhody semistrukturálních přístupů

Různé typy semistrukturálních modelů přinášejí odlišné výhody i kompromisy.

Modely blízké strukturálnímu pojetí přinášejí vysokou transparentnost, jednodušší interpretaci a snadnější komunikaci hlavních scénářů. Díky důrazu na rovnovážné vztahy pomáhají tyto modely udržet konzistenci ekonomického příběhu, což je klíčové pro srozumitelnou interní i externí komunikaci predikcí.

Modely blíže ekonometrickému pojetí zase umožňují vyšší flexibilitu, lepší empirickou shodu s daty a detailnější analýzu sektorových vazeb a finančních kanálů. To je zásadní v situacích, kdy ekonomika prochází významnými změnami, které nejsou snadno zachytitelné tradičními teoretickými vztahy.

Každý přístup má však i své limity. Strukturálnější modely mohou někdy hůře reagovat na nové šoky, pokud tyto šoky zásadně mění dosavadní trendy. Ekonometrické modely, na druhé straně, mohou postrádat jasnou teoretickou oporu, což komplikuje interpretaci predikcí zejména při tvorbě scénářů, které zohledňují dopady měnové nebo fiskální politiky.

Proto stále více centrálních bank kombinuje různé typy modelů, aby si zachovaly jak schopnost přesné analýzy, tak i srozumitelnou komunikaci výsledků. Tuto praxi potvrzují i výsledky dotazníkového šetření, které Česká národní banka provedla mezi 23 centrálními bankami: většina z nich dnes vytváří své makroekonomické prognózy s využitím dvou a více predikčních modelů.

Tabulka 1 – Počet predikčních makroekonomických modelů a využití DSGE modelů při tvorbě prognóz

Tabulka 1 – Počet predikčních makroekonomických modelů a využití DSGE modelů při tvorbě prognóz

Zdroj: Dotazníkové šetření ČNB

Role semistrukturálních modelů v různých fázích hospodářského cyklu

Využití konkrétního modelového přístupu často závisí na charakteru hospodářského vývoje.

V období stabilního růstu a standardních podmínek jsou vhodné spíše strukturálnější modely, které podporují systematickou tvorbu predikcí a scénářů s důrazem na stabilizaci hlavních makroekonomických mezer.

Naopak v časech vysoké nejistoty, strukturálních změn, nebo při analýze dopadů nových politik přichází ke slovu modely s vyšší mírou empirické flexibility. Ty umožňují rychlejší reakci na nové informace a lepší zachycení komplexnějších transmisních mechanismů, například přes trh nemovitostí nebo změny v úvěrových standardech.

Z tohoto důvodu většina institucí nepracuje pouze s jedním modelem, ale s celým portfoliem nástrojů, které pokrývají různé analytické potřeby.

Naše rozhodnutí v ČNB: proč kombinujeme více modelů

V České národní bance jsme zahájili vývoj dvou nových semistrukturálních modelů, jejichž cílem je rozšířit náš stávající modelový rámec tak, aby lépe odpovídal rozmanitým analytickým potřebám měnověpolitického procesu. Cílem je dosáhnout úplnějšího popisu ekonomické reality prostřednictvím různorodých modelových přístupů, čímž snížíme riziko přehlédnutí důležitých faktorů a omezíme možnost měnověpolitických chyb způsobených spoléháním se na jedinou metodologii.

Tento přístup vychází ze zkušeností zahraničních centrálních bank, které ukazují, že práce s portfoliem modelů umožňuje lépe zachytit nejistoty v ekonomickém vývoji, pružněji reagovat na nové šoky a obohatit diskusi o alternativních scénářích. Zároveň tak reagujeme na hlavní závěry z externího posouzení analytického a modelového rámce měnové politiky ČNB zpracovaného v loňském roce.

Prvním připravovaným modelem je nový policy model inspirovaný strukturálnějším přístupem typu IMF FINEX. Zaměří se na hlavní makroekonomické vazby a posílí konzistenci základního scénáře, což usnadní interní i externí komunikaci hlavních transmisních mechanismů.

Druhým modelem je krátkodobý predikční model orientovaný na ekonometrickou analýzu, který umožní flexibilnější práci s aktuálními daty. Tento model bude využívat širší spektrum datových zdrojů a bude zaměřen na rychlé zachycení krátkodobých trendů, včetně sektorové heterogenity a možných nesouladů mezi jednotlivými částmi ekonomiky. Struktura tohoto modelu bude vycházet z inspirace, jakou poskytují například přístupy německé Bundesbanky, nizozemské DNB nebo polské NBP.

Kombinace těchto dvou přístupů nám umožní lépe testovat alternativní scénáře, systematicky pracovat s nejistotou a zvýšit robustnost a srozumitelnost výsledků pro bankovní radu i veřejnost. Zároveň se tím otevřou dveře bohatší diskusi a interní oponentuře základního scénáře prognózy, který bude v dohledné době nadále zpracováván s pomocí strukturálního DSGE modelu g3+.

Co nás čeká dál: práce s více modely

V České národní bance jsme na začátku celého procesu vývoje dvou nových semistrukturálních makroekonomických modelů, které mají potenciál rozšířit náš stávající modelový rámec. Před námi je nyní návrh a konstrukce těchto nástrojů a související infrastruktury. Následovat bude fáze stínování základního scénáře prognózy a testování nových modelů v reálném čase. Teprve na základě vyhodnocení získaných výsledků rozhodne bankovní rada o jejich případném „ostrém nasazení“ a budoucím nastavení modelového rámce prognózy.

Rozšíření modelového rámce o více semistrukturálních modelů s sebou přináší nejen nové příležitosti, ale i řadu důležitých otázek, kterým se musíme věnovat. Jak nejlépe využívat více modelů v měnověpolitickém procesu? Jak konzistentně kombinovat jejich výstupy? Jak srozumitelně a efektivně komunikovat získané výsledky směrem k bankovní radě a veřejnosti?

Existují různé přístupy, které centrální banky ve světě volí – od dominance jednoho hlavního modelu až po systematickou kombinaci více nástrojů. Každý z těchto přístupů má své výhody i úskalí, a správné nastavení je klíčové pro kvalitní podporu měnové politiky. Těmito otázkami se již v ČNB aktivně zabýváme a budeme se jim blíže věnovat v některém z následujících blogových příspěvků.


[1] V centrálních bankách a dalších národních institucích se uplatňují i další zatím spíše komplementární přístupy, které obvykle neplní úlohu hlavního tzv. jádrového predikčního modelu pro měnověpolitické účely. Můžeme zmínit například model kanadské centrální banky CANVAS, který zastupuje třídu simulačních behaviorálních modelů (tzv. agent-based modely, zkr. ABM). Z dalších přístupů jmenujme modely překrývajících se generací (overlapping generations, zkr. OLG), které jsou vhodné pro vyhodnocování dlouhodobých dopadů alternativních scénářů, nebo stock-flow konzistentní modely (zkr. SFC), které dokáží věrně modelovat stavy a toky v ekonomice tak jak jsou zachyceny v národním účetnictví a input-output tabulkách.