UNCERTAINTY / INCERTITUDES
You need a certain amount of uncertainty to correct the fundamental uncertainties of economic models.
Une certaine dose d’incertitude est nécessaire pour corriger les incertitudes fondamentales des modèles économiques.
Tapuscrit...
Lars Peter Hansen – En tant qu’économiste, je bâtis des modèles. C’est vraiment essentiel pour moi. La raison, eh bien, c’est que les modèles mathématiques nous servent à représenter clairement notre vision de l’économie. Pour prédire ce qui arrive dans un environnement économique, par exemple en supposant un changement dans les politiques gouvernementales, les politiques fiscales, les politiques de taux de change, qu’est-ce qui se passe ? Les modèles qui me passionnent sont ceux qui sont assez ambitieux pour affronter les questions macroéconomiques, celles qui concernent l’ensemble de l’économie, assez riches pour jouer un rôle sur les marchés financiers. L’incertitude a un rôle central dans ces modèles et dans la façon de les utiliser. Ces modèles sont dynamiques, ils enregistrent l’évolution dans le temps des variables économiques, ils sont stochastiques, ils intègrent les pulsions aléatoires que reçoit l’économie… Et certaines caractéristiques de ces modèles peuvent être décelées grâces aux données, c’est là que les statistiques entrent en jeu. C’est une partie cruciale de l’économie concrète, c’est notre volonté de mesurer, tout autant que de reconnaître l’incertitude de nos réponses à d’importantes questions…
Les utilisateurs des modèles économiques font des paris sur le futur. Donc si je bâtis des modèles depuis l’extérieur, je dois modéliser ceux qui, de l’intérieur, prennent les décisions. Et dans les premiers modèles que j’ai examinés, ceux qui se servaient de modèles depuis l’intérieur comprenaient ce qui se passait… Ils ne connaissaient pas exactement le futur mais, oui, ils pouvaient prendre des notes, faire des estimations probabilistes sur ce qui allait arriver, alors que moi, en tant qu’analyste extérieur, en tant que statisticien considérant leur modèle, je n’étais pas sûr qu’il s’agissait du bon modèle, s’ils disposaient des bons éléments, s’il ne leur manquait pas quelque chose, et ainsi de suite… Le résultat de mes recherches et d’autres aussi fut de faire surgir des énigmes. Dans les disciplines scientifiques, si vous utilisez des modèles, ils ne sont pas corrects ! Ils se trompent, ils sont pleins d’erreurs ! Ils sont imparfaits ! C’est dans leur nature d’être imparfaits ! Comment utiliser intelligemment un modèle ? Voici un autre aspect de l’incertitude, comment vais-je faire coïncider ma vision simplifiée du monde avec le fait que je sais qu’elle est simplifiée, qu’elle n’est pas exacte ! Et c’est à mon avis cette notion plus large d’incertitude qui pouvait enrichir l’ensemble du projet…. C’est là qu’il m’a été très utile de puiser dans une documentation complète : statistiques, théorie de la décision, théorie du contrôle, tout cela m’a permis de considérer une meilleure définition de l’incertitude.
Je veux dépasser cette espèce de notion naïve de pile ou face, où l’on sait qu’on a 50 % de chances de tomber sur pile et 50 % de chances de tomber sur face, on n’a pas les résultats mais on a les probabilités ! Nos modèles sont simplifiés, ils ne sont peut-être pas exacts mais nous persistons à penser qu’ils fournissent un éclairage utile à la prise de décision. Comment saisir l’incertitude dans cette perspective élargie ? Comment comprendre pourquoi les marchés financiers se montrent parfois audacieux, parfois prudents ? Et comment traduire cela en modèles formalisés, en gros, en formalisant le combat des investisseurs, ouvrir la porte qui contribuera à enrichir la manière dont nous pensons les marchés financiers ? Et que dire de la décision politique ? Lorsque nous tentons de définir une politique économique raisonnable, nous le faisons à partir d’un ensemble de conditions où notre connaissance globale de l’économie est limitée… C’est vrai du point de vue de la réflexion sur la politique monétaire, sur la politique fiscale, c’est également vrai à propos du changement climatique, et de ses effets. Nous sommes certains que des effets économiques affecteront le changement climatique, mais dans quelles proportions ? Et pour quelles conséquences ? Nous ne savons rien de précis à ce sujet. Mais cependant nous cherchons à prendre des décisions intelligentes et avisées… Penser l’incertitude dans cette perspective élargie, selon moi, ouvre la porte à une approche plus raisonnable de la réflexion sur la conception d’une politique économique. Cela exige une plus grande maturité du public, un public qui n’attendrait pas de réponses simplistes de la part des décideurs et conseillers économiques, et cela permet au public d’accepter le fait qu’une discipline comme l’économie ne saurait avoir réponse à tout…
04 min 06 sec
Transcript...
Lars Peter Hansen – As an economist, I build mathematical models. It’s really central to what I do. And why, well, we use mathematical models to represent clearly our understanding of the economy, to predict on what happens in an economic environment, like, suppose there‘s changes in government policies, tax policies, exchange rate policies, monetary policies, what happens? The models that fascinate me are ones that are ambitious enough to confront macroeconomic questions, questions that pertain to the whole economy, and rich enough to feature a role for financial markets. Uncertainty is central to these models, and how they are used. The models are dynamic, they capture that evolution over time of economic variables, they’re stochastic, they include random impulses that are transmitted to the economy … And some attributes of these models must be revealed through data, that’s where statistics comes into play. And that’s a critical part of economics being evidence-based, is our willingness to measure, as well as acknowledge the uncertainty in our answers to important questions…
So people inside economic models make guesses about the future. So if I’m a model builder from the outside, I have to model people inside making these decisions. And the initial set of models I looked at the people inside the model had things figured out… They didn’t know the future exactly, but they could, write down, yeah, they could make guesses, probabilistic guesses about what was going to happen, whereas I, the outside analyst, the statistician looking at the model, wasn’t quite sure whether this was the right model, whether they had all the right ingredients, whether it might have been missing things, and the like… The outcome of my research and that of others was that puzzles emerge. In scientific disciplines, when you use models, they’re not right! They’re wrong, they have mistakes! They’re not perfect! By their very nature they’re not perfect! How do you use a model in a sensible way? That’s another aspect of uncertainty, how, how do I take my simplified view of the world and adjust it to the fact that it’s not quite, I know it’s simplified, and it’s not quite right! So this broader notion of uncertainty I thought which added a potential richness to this entire endeavor… Here I found it very valuable to again draw on multiple literatures: statistics, decision theory, control theory, all these, allowed me to look at richer characterizations of uncertainty.
I want to push it beyond the, kind of, simple-minded notion of, of a coin toss, where we know there’s a 50 % chance that you get a heads, or a 50 % chance that they’re getting tails, there, you don’t know outcomes, but you know probabilities! We use simplified models, they may not be right, but we still think they provide useful insights into making decisions. How do we capture uncertainty in these much broader terms? How do we understand why financial markets are bold, sometimes, and cautious other times? And how do we turn that into formal models, and the type of, by formally capturing how investors struggle, it opens the door to producing a kind of extra-richness in terms of how we think about financial markets. How about policy making? When we’re trying to design sensible economic policies, we’re doing this in a set of circumstances where the overall knowledge base of the economy is limited… This is true from the standpoint of thinking about monetary policy, fiscal policy, it’s also true on thinking about climate change, and the economic impacts of climate change. We certainly believe that there’s economic impacts that potentially affects climate change, but how big are they? How consequential are they? We don’t have precise estimates on that. But yet we still wanna be making intelligent and informed decision-making … Thinking about uncertainty in these broader terms, I think, opens the door to having much more sensible approaches to thinking about economic policy design. It requires a more mature public, it requires a public that doesn’t demand simplistic answers on the part of policy makers and economic advisers, and it allows the public to accept the fact that a discipline like economics doesn’t have answers to everything…
04 min 06 sec
A professor in Economics at the University of Chicago and Director of the Becker Friedman Institute, Lars Peter Hansen is a researcher in econometrics and uncertainty and its relationship to long run risks in the macro economy. His recent research centers on the impact of macroeconomic uncertainty as revealed by financial markets, consequences for financial markets when investors are unsure about the future, and investor beliefs as revealed by asset market data. He was awarded the Nobel Prize in Economic Sciences in 2013.
Professeur d’économie à l’Université de Chicago et directeur du Becker Friedman Institute, Lars Peter Hansen est un chercheur en économétrie, étudiant le rôle de l’incertitude dans les risques à long terme de la macroéconomie. Ses termes de recherche les plus récents portent sur l’incertitude macroéconomique constatée dans les marchés financiers, les conséquences pour ces marchés de l’insécurité que ressentent les investisseurs en regard du futur et les croyances de ces investisseurs telles qu’elles se manifestent sur les marchés d’actifs. Ses travaux ont été couronnés par le prix Nobel d’économie en 2013.