La situazione economica degli Stati Uniti è sotto osservazione: un algoritmo all’avanguardia ha calcolato una probabilità del 71% che l’economia sia già in recessione a partire da maggio 2025. Ma quando potrebbe realmente essere iniziata questa recessione? Secondo l’analisi, il periodo critico potrebbe collocarsi tra la fine del 2023 e la metà del 2024. Queste informazioni sono fondamentali per i responsabili delle politiche economiche, le imprese e le famiglie, tutte chiamate a prendere decisioni rapide in un contesto così incerto.
Il ritardo nelle dichiarazioni ufficiali
La tempestività nella rilevazione delle recessioni è essenziale per una risposta politica efficace. Tuttavia, le dichiarazioni ufficiali del National Bureau of Economic Research (NBER) arrivano spesso con un ritardo che può superare un anno dall’inizio della recessione. Anche se il NBER fornisce dati sul tasso di disoccupazione nel tempo, il suo metodo per determinare le date delle recessioni non tiene conto dell’uso di questo indicatore. Per i decisori economici, questa attesa si traduce in una sfida significativa.
Esistono indicatori in tempo reale, come la Regola di Sahm, che offrono segnali precoci, ma spesso si basano su misure singole, potenzialmente inaffidabili. Qui entra in gioco l’algoritmo sviluppato, che punta a combinare diversi dati del mercato del lavoro per fornire segnali più affidabili e meno “rumorosi”. La ricerca ha dimostrato che unendo dati sulla disoccupazione e sulle offerte di lavoro, è possibile identificare le recessioni in modo più rapido e robusto, superando i limiti di un singolo indicatore.
La metodologia del nuovo algoritmo
Il nuovo algoritmo rappresenta un significativo progresso: invece di seguire una formula rigida, analizza sistematicamente i dati per trovare il modo ottimale di interpretarli. Genera milioni di classifier potenziali per le recessioni, ognuno dei quali elabora i dati in modo unico e applica soglie diverse. Per essere considerati validi, i classifier devono identificare correttamente tutte le 15 recessioni statunitensi dal 1929 al 2021, senza alcun errore. Questo processo ha ridotto il numero di classifier a oltre due milioni, tutti con prestazioni storicamente perfette.
La sfida successiva? Scegliere il classifier migliore. L’algoritmo valuta ciascun classifier su due dimensioni chiave: la prontezza nel rilevare una recessione e la coerenza del segnale. Tracciando il ritardo medio di rilevazione e la sua deviazione standard, si forma un gruppo di classifier di élite che offrono il miglior compromesso tra velocità e accuratezza. Da questo gruppo, viene selezionato un ensemble di sette classifier ad alte prestazioni, tutti con una deviazione standard di ritardo inferiore ai tre mesi, garantendo intervalli di confidenza ristretti per la data di inizio stimata della recessione.
Conclusioni e implicazioni future
Questa analisi fornisce una probabilità di recessione in tempo reale. Storicamente, la probabilità aumenta drasticamente all’avvicinarsi di un ribasso e rimane alta fino alla sua conclusione. Attualmente, il modello indica che la probabilità di recessione ha raggiunto il 71% a maggio 2025, un segnale diretto del deterioramento del mercato del lavoro. Dall’inizio del 2022, l’aumento della disoccupazione e la diminuzione delle offerte di lavoro hanno attivato cinque dei sette classifier, portando a un incremento della probabilità di recessione.
Per testare l’affidabilità del modello, sono stati effettuati backtest, dimostrando che i classifier storicamente addestrati hanno identificato correttamente tutte le recessioni successive al 1984. Anche senza dati recenti, l’ensemble ha rilevato in tempo utile la Grande Recessione, segnalando un aumento della probabilità già nell’estate del 2008. Nel complesso, i risultati dell’algoritmo mostrano che le condizioni di recessione sono già presenti. E se in futuro si scoprisse che l’economia non è in recessione? In tal caso, l’algoritmo potrebbe essere riaddestrato e i classifier errati eliminati, mostrando la complessità della rilevazione delle recessioni attraverso i dati del mercato del lavoro.