Nell’articolo L’economia è una scienza? ci siamo chiesti se questa disciplina possa vantare lo statuto epistemologico delle scienze naturali. Una domanda, però, resta sospesa e merita un approfondimento a parte: anche ammesso che l’economia sia una scienza, quanto sono affidabili i suoi strumenti previsivi? Chi segue le notizie economiche avrà notato quanto spesso le stime su crescita, inflazione o disoccupazione vengano riviste, a volte in modo drastico, nel giro di pochi mesi.
Intanto dobbiamo partire da che cosa sia un modello economico, provando a definirlo. Dunque, un modello economico è una rappresentazione semplificata della realtà, costruita per isolare le relazioni ritenute rilevanti tra alcune variabili (consumi, investimenti, tassi d’interesse, occupazione) e per ignorarne deliberatamente altre. Questa semplificazione non è un difetto: è la condizione stessa che rende un modello utilizzabile. Un modello che includesse ogni possibile fattore sarebbe complesso quanto la realtà che vuole spiegare, e quindi inutile.
Il problema nasce quando si dimentica che ogni modello è costruito su ipotesi di partenza (razionalità degli agenti, informazione perfetta o imperfetta, mercati concorrenziali o meno) che raramente trovano un riscontro pieno nella realtà. Le previsioni che ne derivano sono valide a condizione che quelle ipotesi si mantengano vere, il che accade solo in parte e non sempre in modo prevedibile.
Ci sono almeno tre ragioni strutturali per cui la previsione economica incontra limiti severi. La prima riguarda la riflessività dei sistemi sociali. A differenza dei fenomeni fisici, i fenomeni economici coinvolgono agenti che reagiscono alle previsioni stesse. Se una banca centrale annuncia che l’inflazione salirà, imprese e lavoratori possono modificare i propri comportamenti (prezzi, richieste salariali) proprio in risposta a quell’annuncio, alterando l’esito previsto. Questo meccanismo, che alcuni economisti chiamano riflessività, non ha equivalenti nelle scienze naturali: un pianeta non modifica la propria orbita perché un astronomo ne ha calcolato la traiettoria.
La seconda riguarda la non stazionarietà dei dati. I modelli statistici funzionano bene quando le relazioni tra le variabili restano stabili nel tempo. L’economia, però, cambia struttura: nuove tecnologie, crisi finanziarie, mutamenti demografici o shock geopolitici modificano le relazioni che i modelli avevano stimato su dati storici. Un modello calibrato sugli anni 2010 può quindi rivelarsi poco affidabile per interpretare uno scenario successivo a una pandemia o a una crisi energetica.
Infine, la questione della molteplicità delle variabili non osservabili. Concetti centrali come le aspettative degli agenti, la fiducia dei consumatori o l’ “output potenziale” di un’economia non sono misurabili direttamente: vengono stimati, spesso con margini di errore ampi che si ripercuotono su tutte le previsioni costruite a partire da essi.
Un aspetto poco noto al pubblico è che i dati economici “definitivi” spesso non esistono. Il PIL trimestrale, per esempio, viene pubblicato come stima preliminare e poi rivisto più volte nei mesi e negli anni successivi, man mano che arrivano informazioni più complete. Questo significa che un modello previsivo lavora spesso su dati che a loro volta cambieranno, rendendo la valutazione dell’accuratezza di un modello un esercizio più complesso di quanto sembri.
Dunque, cosa possiamo dire sull’affidabilità di questi modelli?Sarebbe scorretto concludere che i modelli economici siano inutili. Alcuni impieghi restano solidi: la modellizzazione economica è generalmente più affidabile per capire le direzioni e i meccanismi di un fenomeno (per esempio, l’effetto atteso di un aumento dei tassi d’interesse sul credito) che non per fornire numeri puntuali proiettati a mesi o anni di distanza. In altre parole, i modelli sono strumenti più utili come mappe concettuali delle relazioni causali che come strumenti di previsione numerica precisa.
Economisti come Friedrich Hayek avevano già segnalato, a metà del Novecento, il rischio di quella che chiamava “pretesa di conoscenza”: l’illusione che la complessità dei sistemi sociali possa essere ridotta a equazioni con la stessa precisione della fisica. Karl Popper, di cui abbiamo già parlato a proposito della filosofia della scienza, avrebbe probabilmente inquadrato molte previsioni macroeconomiche come difficilmente falsificabili nel breve periodo, proprio per l’enorme numero di variabili concomitanti che possono essere chiamate in causa a posteriori per “spiegare” uno scostamento tra previsione e realtà.
Allora, i modelli economici restano strumenti preziosi per organizzare il pensiero, confrontare scenari alternativi e valutare l’effetto atteso di una politica. Ma la loro affidabilità previsiva, soprattutto su orizzonti temporali lunghi o in presenza di shock imprevisti, è strutturalmente limitata. Comprendere questo limite non significa svalutare la disciplina economica, ma esercitare quella cautela epistemologica che dovrebbe accompagnare l’uso di qualsiasi strumento scientifico applicato a sistemi complessi e riflessivi come le società umane.