Pandemie covid-19 po delší době upozornila na praktický problém ekonomického prognózování: v reálném čase je velmi složité zjistit, jak ekonomika reaguje na nečekané šoky, protože i ta nejrychleji dostupná statistická data vycházejí s několikatýdenním zpožděním. Data o stavu ekonomiky bývají navíc ještě dodatečně revidována, protože statistické dopočty mají problémy s prudkými změnami.
Při běžném vývoji ekonomiky zpoždění v publikaci dat většinou nevadí, protože hlavním cílem prognóz centrální banky je období rok až rok a půl v budoucnosti. Pokud ale znenadání přijde šok, který zásadně změní chování velké většiny společnosti, musí se tvůrci nejen měnové, ale i fiskální politiky rozhodnout, jestli zareagují a jak. Aby byly zásahy co nejefektivnější, měly by být založené na datech. Jedním z mála zdrojů téměř okamžitých informací o ekonomické aktivitě jsou data z karetních transakcí. A právě ta zkoumáme v nedávno vydané studii Ace in Hand: The Value of Card Data in the Game of Nowcasting.
1. března 2020 byly na území Česka potvrzeny první tři případy nákazy covidu-19. O deset dní později, 11. března, byly zavřeny školy, 12. března byl vyhlášen nouzový stav a omezení volného pohybu, 14. března byla uzavřena většina obchodů a restaurací. Nikdo poměrně dlouho nevěděl, jaké dopady na ekonomiku čekat. Nejistota ohledně dopadu covidu-19 a protipandemických opatření panovala všude ve světě: IGM Forum při University of Chicago Booth School of Business, které se pravidelně dotazuje nejvýznamnějších amerických a evropských ekonomů k aktuálním tématům, provedlo 12. března 2020 v souvislosti s covidem-19 šetření, které ukazuje, jak málo jsme tehdy věděli.
S tvrzením, že pandemie způsobí výraznou recesi, v evropském panelu souhlasilo celkem 82 % respondentů, 13 % si nebylo jistých a pouhá 4 % respondentů nesouhlasila. V americkém panelu ekonomů panovala větší nejistota: souhlasilo 62 %, 31 % si nebylo jistých a 8 % respondentů nesouhlasilo. Ještě méně se vědělo o tom, zda bude mít v souvislosti s pandemií větší ekonomické dopady šok poptávkový, nebo nabídkový. V evropském panelu si nebylo jistých 41 % a v americkém 52 % respondentů. Zbytek se však v obou případech přikláněl spíše k většímu vlivu utlumené poptávky.
Covid-19 z pohledu české měnové politiky
Hned od počátku se covid-19 stal v České národní bance velkým tématem. Poměrně zásadním problémem ale byla nedostupnost dat. Ještě při měnovém jednání 3. května nebyla k dispozici data o dopadu březnových uzávěr a následného znovuotevření na maloobchod a služby. Data o březnových maloobchodních tržbách totiž Český statistický úřad (ČSÚ) zveřejnil až 6. května, o dubnových dokonce až 5. června.
Kdybychom již tehdy měli k dispozici námi vyvinutý model na předpovídání tržeb v maloobchodě a vybraných službách pomocí dat z karetních transakcí, byli bychom schopni už na začátku dubna, tedy o čtyři týdny dříve, odhadnout silný pokles březnových prodejů (v Grafu 1 je náš odhad meziměsíční změny maloobchodních tržeb znázorněn žlutou barvou, data ČSÚ modře). A následně po uplynutí prvních dvou dubnových týdnů poměrně přesně odhadnout další pokles tržeb v dubnu (tzv. nowcast, v Grafu 1 zelenou barvou). Tyto informace by tehdy byly neocenitelným pomocníkem pro pochopení okamžitých dopadů pandemie a zavedených opatření na spotřebitelské chování.
Graf 1 – Vývoj meziměsíčních změn maloobchodních tržeb (CZSO data) v %, jejich odhady na základě ekonometrického modelu (Benchmark) a karetních transakcí (Backcast, Nowcast)
Druhým klíčovým okamžikem bylo zrušení drtivé většiny opatření v květnu 2021. Nebylo přitom ani tak důležité, jak vysoký bude květnový růst tržeb, jako spíše jestli bude růst pokračovat i v následujících měsících. Nebo zda byl květen jen jednorázovým výkyvem, kdy lidé doháněli všechno, co v předchozích měsících nestihli. Náš model postavený na karetních datech opět již v průběhu června (v Grafu 1 zelenou barvou) správně předpovídá prudké snížení růstu červnových tržeb. Tuto informaci opět mohla mít k dispozici bankovní rada při svém červnovém a srpnovém měnovém jednání, což by částečně snížilo nejistotu ohledně růstu spotřeby (viz tehdejší záznam z červnového a srpnového jednání). ČSÚ totiž zveřejnil červnové tržby právě až v den srpnového jednání, takže nemohly být zapracovány do prognózy.
Metodologie: Data, sezónnost, modely
Základní vlastností dat o tržbách, stejně jako dat z karetních transakcí, je jejich silná sezónnost. Například tržby vždy rostou v době předvánočních nákupů, aby v lednu silně propadly. Tyto mnohaleté pravidelnosti se ale s vypuknutím covidu-19 zásadně změnily. Museli jsme proto pracovat s neočištěnými daty, což není při prognózování úplně běžné.
Z toho důvodu jsme nakonec použili tři modely: první model předpokládal, že meziměsíční změny objemu karetních transakcí přesně odpovídají meziměsíčním změnám tržeb. V druhém modelu jsme nepředpokládali vztah 1:1, ale odhadli jsme jeho sílu na datech z let 2016–2019. A ve třetím modelu, který se nakonec ukázal ve většině testů jako nejlepší, jsme použili takzvaný ARIMA model se sezónním faktorem, doplněný o data z karetních transakcí. Logika tohoto modelu je, že odhaduje budoucnost na základě minulých hodnot a chyb minulých predikcí, přičemž bere v potaz sezónní pravidelnosti v datech.
Abychom poznali, jestli data z karetních transakcí zlepšují kvalitu predikcí, porovnávali jsme úspěšnost našich modelů s dvojicí benchmarků, které karetní data nevyužívaly. První byl model sezónní náhodné procházky a druhý byl výše představený sezónní ARIMA model bez karetních dat.
Český statistický úřad vs. Mastercard: Komparativní analýza
Data o meziměsíčních změnách v objemu karetních transakcí pocházela od společnosti Mastercard.[1] Zahrnovala všechny zpracované anonymizované transakce kartami Mastercard u obchodníků v Česku. A to jak online, tedy typicky přes internet, tak offline použitím karty, telefonu, hodinek či jiného zařízení. Zásadní přednost tohoto zdroje dat je pak v tom, že zatímco data ČSÚ jsou tradičně publikována se zpožděním pěti až šesti týdnů po skončení měsíce, data z karetních transakcí (dále jen “MC data”) mohou být k dispozici týden po uplynutí sledovaného období.
Vzorek pokrytých prodejců zboží a poskytovatelů služeb samozřejmě není u ČSÚ shodný jako u MC. To plyne i z různé míry využívání plateb kartou v různých typech provozů. Po roztřídění obchodníků v MC datech do kategorií používaných pro sledování tržeb jsme se rozhodli pracovat se třemi kategoriemi: 1. celkovým maloobchodem bez motorových vozidel (tzv. kategorie NACE 47), 2. ubytováním (NACE 55) a 3. stravováním a pohostinstvím (NACE 56). U všech tří kategorií je až překvapivé, jak dobře MC data sedí na oficiální data z ČSÚ. Srovnání MC (modře) a ČSÚ (červeně) meziměsíčních změn celkového maloobchodu bez motorových vozidel ukazuje Graf 2. A to jak v období před covidem (levá půlka), tak během covidu (pravá půlka).
Graf 2 – Meziměsíční změny tržeb v maloobchodě a změny objemu karetních transakcí v odpovídající kategorii (v %)
Velkou výhodou MC dat také je, že na ně nutně nemusíme čekat až do konce měsíce. Zjistili jsme, že jsme schopni na základě prvních dvou týdnů měsíce odhadnout, jak daný měsíc dopadne. To je dokonce šest až sedm týdnů před oficiálním zveřejněním dat ČSÚ. Přesnost je samozřejmě nižší, ale pořád s přehledem porážíme benchmark bez MC dat. V dobách ekonomické nejistoty by přitom tento náskok mohl být klíčový, což potvrzuje covidová zkušenost.
Závěr: Rychlá data pro rychlou dobu
V naší studii detailně vysvětlujeme, že přidaná hodnota vysokofrekvenčních dat, mezi která data z karetních transakcí patří, se projevuje zejména v obdobích rychlých a výrazných změn v ekonomice, kdy se nelze spolehnout na léty prověřené makroekonomické vztahy.
A naopak, když ekonomika prochází standardním cyklickým vývojem, je náskok několika týdnů většinou méně podstatný. Někdy se ale může stát, že změny ve spotřebitelském chování odrážejí změny očekávání ohledně budoucnosti. Pokud by centrální banka měla signály, že k něčemu takovému dochází, může být užitečné mít možnost získat rychlou informaci o tom, co se v ekonomice právě děje. Jen to zajistí, že přijímaná rozhodnutí nebudou reaktivní, ale proaktivní.
Reference
Adam, T., Bělka, J., Hlůže, M., Matějů, J., Prause, H., & Schwarz, J. (2023): „Ace in hand: The value of card data in the game of nowcasting. Czech National Bank.“ Working Paper 2023/14, Česká národní banka
Článek je dostupný na adrese: https://www.cnb.cz/cs/ekonomicky-vyzkum/publikace-vyzkumu/cnb-working-paper-series/Ace-in-Hand-The-Value-of-Card-Data-in-the-Game-of-Nowcasting-00001/
[1] Mastercard data o karetních transakcích podléhají přísné ochraně a regulacím. Pro potřeby popisované studie tak byla k dispozici jen anonymizovaná a agregovaná data v podobě meziměsíčních změn. Pro praktické použití nabízí Mastercard standardizované platformy a produkty (např. SpendingPulse™). Více informací naleznete v samotné studii.
