ABSTRACT
Partendo dalla constatazione che i modelli econometrici hanno mostrato un significativo deterioramento dell’accuratezza delle previsioni durante le discontinuità strutturali e i periodi di crisi, quando i modelli comportamentali del passato non possono più fungere da guide affidabili per il futuro a causa dei cambiamenti contestuali (deglobalizzazione, innovazione tecnologica e ridotta cooperazione internazionale), il presente articolo esamina i modelli che hanno tentato di avvalersi della matematica non lineare (come quella utilizzata dai fisici), delle sempre più abbondanti informazioni statistiche e sui sentiment che si stanno accumulando, nonché dei progressi nell’Intelligenza Artificiale. Questi modelli non richiedono una specificazione a priori di equazioni economiche strutturali come punti di partenza obbligatori e traggono vantaggio dalla crescente potenza di calcolo che le tecniche di apprendimento automatico sanno sfruttare al meglio. In questo quadro, la teoria economica non viene abbandonata ma riposizionata: entra in gioco come vincoli opzionali, informazioni a priori o parametri di riferimento per la valutazione, piuttosto che come architettura fondamentale del modello. Il documento fornisce una panoramica concisa dei progressi compiuti in questo ambito e dei risultati degli esperimenti iniziali che dimostrano la validità dei metodi di IA nel migliorare le previsioni econometriche.
