Az előző negyedévhez képest nem változott a magyar gazdaság teljesítménye 2023 utolsó negyedévében, ugyanakkor a szezonálisan és naptárhatással kiigazított és kiegyensúlyozott adatok szerint 0,5 százalékkal nőtt az előző év azonos időszakához viszonyítva – derül ki a Központi Statisztikai Hivatal (KSH) legutóbbi adataiból. Hogy mi várható az idei első negyedévre, azt egyelőre korai lenne megítélni, de az biztos, hogy az erre vonatkozó becslés korábban érkezik, mint azt eddig megszokhattuk, aminek oka, hogy
Magyarország az Európai Unió 13. tagállamaként 2024. április 30-tól T+30 napos határidővel publikálja első GDP-becslését, azaz az eddigi, a negyedévet követő 45. napon közölt GDP volumenindexet 15 nappal korábban, a negyedévet követő 30. napon teszi közzé.
Hogyan gyorsultak fel az adatok és ez eddig miért nem volt így?
A negyedéves nemzeti számlák és ezen belül a GDP módszertani fejlesztése az 1990-es évek elején kezdődött Magyarországon. Majd fokozatos érdeklődés mellett a napjainkban lezajlott koronavírus járvány, az ellátási láncok zavarai, az orosz–ukrán háború, valamint a magas infláció következtében a gyorsan rendelkezésre álló adatok és így a negyedéves számlák és GDP iránti igény tovább nőtt. Ezek a makrogazdasági mutatók ugyanis lehetővé teszik az évközi gazdasági eseményekre történő gyorsabb reakciót.
Az alap módszertan a két becslés között nem változik, a különbség az alapadatok elérhetőségében, mennyiségében van. Az elmúlt időszak fejlesztéseinek köszönhetően javult az adatok beérkezési aránya a T+30 napos becsléshez, több adminisztratív adatforrás áll rendelkezésre, amelyek mára beépíthetővé váltak a számításokba, valamint az adatfeldolgozási folyamatot is fejlesztette a hivatal
– mondta a Portfolio-nak Cseh Tímea, a KSH Nemzeti számlák főosztályának vezetője.
A negyedéves GDP-adatok becslésére vonatkozó kötelezettségeket uniós jogszabály (az Európai Parlament és a Tanács 549/2013/EU rendelete) írja elő, amely a tagországoktól megköveteli a T+60 napos adatküldést. Az Eurostat „gentlemen’s agreement” alapon azonban szorgalmazza az ennél is korábbi adatküldést, miután 2003-tól publikálják gyorstájékoztató formájában a T+45 napos, 2016-tól pedig a T+30 napos GDP volumen változásokat. Ha egy tagország nem küld ezekhez a becslésekhez alapadatot, azzal az uniós (vagy euróövezeti) számítás pontossága, megbízhatósága és relevanciája sérül, ezért az Eurostat különböző becslésekkel pótolja a hiányzó adatokat.
2024 I. negyedévétől Magyarország is csatlakozik – a visegrádi országok közül Csehország után a másodikként – ahhoz a 12 országhoz, amelyek a negyedévet követő 29. napra adják le jelentésüket az Eurostat felé.
A hivatal visszamenőleges számításai szerint átlagosan a T+60 napos becsléstől 0,4%ponttal tér el abszolútértékben a T+30 napos becslés. A becslés kezdeti időszakában és a koronavírus által terhelt időszakban voltak 1% pontnál nagyobb eltérések, de a koronavírus után (2021 III. negyedévtől)
átlagosan 0,2% pontos eltérés van a T+30 és T+60 napos becslés között.
„A gyorsbecslések kisebb pontosságuk ellenére is fontos eszközei a gazdasági ciklusok monitorozásának. A becslési eredmények korábbi ismerete az adatalapú döntéshozatal esetében, különösen a gazdaságpolitikai területeken fontos, de a gazdasági elemzőknek is hamarabb képet ad egy-egy politikai intézkedés hatásának megismerésében, a nemzetgazdaság teljesítményének mérésében, de a GDP első becslése a tőzsdei hangulatra, az állampapírhozamokra és akár a fogyasztók piaci magatartására is hatással lehet” – tette hozzá a KSH főosztályvezetője, és megjegyezte, hogy
amennyiben a hivatalos statisztika nem tudja kellően gyorsan biztosítani az adatok elérhetőségét, akkor egyéb piaci szereplők előrejelzései és elemzései irányítják a döntéshozatalt, holott az ő birtokukban lényegesen kevesebb adat van. Emiatt a téves információk kikerülése szempontjából is fontos, hogy a hivatalos, megbízható adatokon alapuló GDP-becslés minél hamarabb rendelkezésre álljon.
A GDP gyorsbecslés jellemzője, hogy a becslés időpontjában nem minden adat áll rendelkezésre. A GDP gyorsbecslés így – az egzakt adatok hiánya miatt – modellezéssel történik, úgynevezett bottom-up módszer segítségével. A bottom-up módszer esetén a KSH a gazdasági tevékenységek egységes ágazati osztályozási rendszere (TEÁOR) alapján a nemzetgazdasági ágakra (esetenként összevont nemzetgazdasági ágakra) külön becslést készít, és ebből építi fel a teljes nemzetgazdaság GDP-jét. Néhány ágban – közigazgatás, oktatási és a humán-egészségügy, szociális ellátás – a kormányzati szektor olyan jelentős súllyal van jelen, hogy ezekre nem modellbecslés készül, hanem szakstatisztikai volumenbecslést alkalmaznak, kiegészítve a piaci részre szolgáló becslésekkel.
Ahhoz, hogy a többi ágra egyesével vagy összevontan modellt lehessen illeszteni, szükség van mindegyik modellhez külön-külön minimum egy magyarázóváltozóra, melynek ismérve, hogy az adott ágazatot jól leírja, meghatározza, vagy legalábbis szorosan együtt – vagy épp ellentétesen, esetleg késleltetve – mozog vele. Ilyen magyarázóváltozók lehetnek például az adatgyűjtések és adatátvételek alapján beérkezett naturália adatok, a meteorológiai adatok, az áfa és a járulékadatok alapján számított előzetes volumenindexek, valamint az ESI indexek (Economic Sentiment Indicator – egyfajta gazdasági hangulatmutató, bizalmi index.) A bottom-up módszeren kívül készül GDP direkt modell is, amely az előzőleg áganként előállított adatokat és a modellek magyarázóváltozóit használja fel a becslés során.
A KSH a T+30 napos GDP becslés bevezetése előtt számos fejlesztést hajtott végre, hogy a megfelelő minőségű és mennyiségű adatok időben rendelkezésre álljanak a modellezéshez. Cseh Tímea azt is hozzátette, hogy az adatszolgáltatások esetében a határidők nem változtak, eddig ugyan előfordulhatott, hogy több adatgyűjtésből származó adat is késve érkezett vagy későn véglegesedett, de az eddigi publikálási gyakorlat ezt még lehetővé tette. A T+30 napos becslésnél azonban ezek a csúszások már nem elfogadhatók, a határidők betartása ezért kiemelten fontos és erre figyelmeztetik is a közel 38 ezer adatszolgáltatót. Emellett az adminisztratív adatok átvételének időpontjaiban is történtek módosítások, például kiemelkedő fontosságú az áfa-adatbázis 3. havi adatainak korábbi átvétele.
Dobogóra készül a KSH
A KSH stratégiai célja, hogy az első három közé kerüljön az európai statisztikai hivatalok versenyében, amihez fontos a felhasználók elégedettségének növelése, amely, többek között az adatok piacra kerülési idejének csökkentésével érhető el.
Magyarország legnagyobb adatvagyon-kezelőjeként, a KSH a hazai adatkormányzás központi szereplője, illetve Közép-Európa meghatározó adatközpontja kíván lenni, ez pedig csak úgy lehetséges, ha aktív szerepet vállal a nemzeti adat-ökoszisztéma kialakításában és menedzselésében, ha teljes rálátással rendelkezik és aktívan befolyásolni tudja az adatok teljes életciklusát a nyersadatok létrejöttétől, egészen azok felhasználásáig és újrafelhasználásáig. Mindennek kulcseleme az adminisztratív és más, alternatív – például a magánkézben lévő – adatforrások felkutatása és adatelőállítási rendszereinkbe történő integrálása.
Ehhez a későbbiekben szeretnék csökkenteni az adatszolgáltatói terheket, például azzal, hogy csak
egyszer kelljen megadniuk adataikat – azaz teljesüljön a „once-only” elve –, majd a különböző hatóságok egymás között biztosítani tudják az adatok többszöri felhasználhatóságát.
Ennek előfeltétele, hogy a legmodernebb adatgyűjtési és adatfeldolgozási módszerek és technikák (AI, web-scraping, hálózatelemzés) alkalmazása mellett a hivatal aktív részesévé váljon a hazai és nemzetközi adattechnológiai fejlesztéseknek is. Ez utóbbit szolgálja az akadémiával, egyetemekkel és kutatóműhelyekkel fenntartott jó munkakapcsolatok további erősítése és az egyre hangsúlyosabb nemzetközi szakmai szerepvállalás is.
Az adatok piacra kerülési idejének csökkentése, a gyorsabb adatközlés az egyik első lépés, amellyel a felhasználói igények minél magasabb szintű kielégítésére törekszik a hivatal. Ezen a téren további fejlesztések várhatók, amelyek egyszerre érintik tájékoztatási felületeik tartalmi és vizuális megújítását, illetve egy olyan diverzifikált adatportfolió létrejöttét, amely lehetővé teszi az eddig nem vizsgált vagy nem látott összefüggések és folyamatok kísérleti statisztikákkal történő feltárását.
A cikk megjelenését a KSH támogatta.
Címlapkép forrása: Portfolio
