Traduci

IL DEBITO PUBBLICO IN PERCENTUALE DEL PIL A LIVELLO MONDIALE

La Banca Mondiale calcola il valore del debito pubblico in percentuale del PIL. Il debito è l’intero stock di obbligazioni contrattuali dirette del governo a tempo determinato nei confronti di altri in essere ad una data particolare. Comprende passività nazionali ed estere come valuta e depositi di denaro, titoli diversi dalle azioni e prestiti. È l’importo lordo delle passività pubbliche ridotto dell’importo dei titoli azionari e dei derivati finanziari detenuti dal governo. Poiché il debito è uno stock e non un flusso, viene misurato a partire da una determinata data, solitamente l’ultimo giorno dell’anno fiscale. I dati analizzati fanno riferimento al periodo tra il 2013 ed il 2021. Sono stati considerati soltanto i paesi aventi serie storica completa nel periodo analizzato.

cms_31769/PIL-Italia-euro.jpg

Ranking dei paesi per valore del debito pubblico in percentuale del PIL nel 2021. La Croazia è al primo posto per valore del debito pubblico in percentuale del PIL nel 2021 con un valore pari a 687,99%, seguita dalla Grecia con 237,13%, dal Giappone con 217,61%, dal Regno Unito con 186,48%, e da Singapore con un valore pari a 153,80%. A metà classifica vi sono la Slovacchia con un valore pari a 79,25%, seguita dalla Zambia con un valore di 71,25%, dall’Australia con un valore di 70,18%, da El Salvador con 65,55%, e dall’Irlanda con 65,40%. Chiudono la classifica la Moldova con un valore di 32,12%, seguita dall’Estonia con 23,67%, dal Kazakhstan con 22,41%, dalla Russia con 20,94% e dalla Svizzera con un valore di 20,30%.

Ranking dei paesi per valore della variazione percentuale del valore del debito pubblico in percentuale del PIL tra il 2013 ed il 2021. Zambia è al primo posto per valore del tasso di crescita del debito pubblico in percentuale del PIL con un valore pari a 194,11% pari a 47,02 unità, seguito dalla Russia con una crescita del 130,95% pari a 11,87%, dal Kazakhstan con 106,74% pari ad un ammontare di 11,57 unità, dalle Bahamas con 94,13% pari a 41,79 unità, e dal Perù con +93,87% pari a 41,79 unità. A metà classifica vi sono il Regno Unito con un valore di 31,74% pari ad un ammontare di 44,92 unità, seguito dalla Francia con un valore di 28,12% pari ad un ammontare di 25,58 unità, seguita dalla Grecia con un valore di 27,66% pari ad un ammontare di 51,38 unità, Romania con un valore di 26,82% pari ad un ammontare di 11,77 unità, e dagli Stati Uniti pari ad un valore di 26,00% pari ad un ammontare di 24,84 unità. Chiudono la classifica la Svizzera con un valore pari a 0,43% pari ad un ammontare di 0,09 unità, seguita dall’Ungheria con una variazione pari ad un ammontare di -8,25% pari ad un ammontare di -7,82 unità, seguita dalla Svezia con un valore pari a -9,98% pari ad un ammontare di -4,51%, seguito dall’Islanda con -31,28% pari ad un ammontare di -44,09 unità e dall’Irlanda con un valor e di -50,37% pari ad un ammontare di 66,38 unità.

Machine Learning Algorithms per la predizione del valore futuro del debito pubblico in percentuale del PIL. Di seguito confrontiamo otto diversi algoritmi per la predizione del valore futuro del debito pubblico in percentuale del PIL. Gli algoritmi sono stati addestrati con il 70% dei dati mentre il restante 30% dei dati è stato utilizzato per la predizione vera e propria. Gli algoritmi sono stati valutati in base alla capacità di massimizzare il valore dell’R-squared ed alla capacità di minimizzare un insieme di errori statistici ovvero: Mean Absolute Error-MAE, Mean Squared Error-MSE, Root Mean Squared Error-RMSE. Nello specifico abbiamo ottenuto il seguente ordinamento degli algoritmi ovvero:

  • Linear Regression con un valore del payoff pari a 5;
  • Tree Ensemble Regression con un valore del payoff pari a 7;
  • Gradient Boosted Trees Regression con un valore del payoff pari a 14;
  • Random Forest Regression con un valore del payoff pari a 16;
  • Simple Regression con un valore del payoff pari a 19;
  • ANN-Artificial Neural Network con un valore del payoff pari a 23;
  • Polynomial Regression e PNN-Probabilistic Neural Network con un valore del payoff pari a 30.

Pertanto l’algoritmo Linear Regression risulta essere l’algoritmo maggiormente performante in termini predittivi. Applicando l’algoritmo Linear Regression è possibile pertanto verificare le seguenti predizioni ovvero:

  • Australia con una variazione da un ammontare di 70,18% fino ad un valore di 68,98% ovvero pari ad una variazione di -1,19 unità pari ad un valore di -1,70%;
  • Belgio con una variazione aumentativa da un ammontare di 109,22% fino ad un valore di 115,79% ovvero una variazione pari ad un ammontare di 6,57 unità pari ad un ammontare di 6,01%;
  • Estonia con una variazione da un ammontare di 23,67% fino ad un valore di 23,69% ovvero pari ad un ammontare di 0,03 unità pari ad un valore di 0,11%;
  • Georgia con una variazione da un ammontare di 55,38% fino ad un valore di 63,93% ovvero una variazione pari ad un ammontare di 8,54 unità pari ad un valore di 15,42%;
  • Grecia con una variazione da un ammontare di 237,13% fino ad un valore di 248,46% ovvero una variazione pari ad un ammontare di 11,33 unità pari ad un valore;
  • Islanda con una variazione da un ammontare di 96,87% fino ad un valore di 99,15% ovvero pari ad un ammontare di 2,29 unità equivalente ad un valore di 2,36%;
  • Moldavia con una variazione diminutiva da un ammontare di 32,12% fino ad un valore di 28,17% ovvero pari ad un ammontare di -3,95% pari a -12,30%;
  • Russia con una variazione da un ammontare di 20,94% fino ad un valore di 25,10% ovvero una variazione pari ad un ammontare di 4,16 unità equivalente a 19,85%;
  • San Marino con una variazione da un ammontare di 95,12% fino ad un valore di 89,37% ovvero una variazione pari a -5,75 unità pari a -6,04%;
  • Stati Uniti con una variazione aumentativa da un ammontare di 120,37% fino ad un valor edi 121,58% ovvero una variazione pari ad un ammontare di 1,21 unità pari ad un valore di 1,01%;
  • Zambia con una variazione da un ammontare di 71,25% fino ad un valore di 107,60 % ovvero una variazione pari a 36,35 unità pari a 51,02%;
  • Brasile con una variazione aumentativa da un ammontare di 86,09% fino ad un valore di 102,99% ovvero una variazione pari ad un ammontare di 16,90% pari ad un ammontare di 19,63%.

In media, per i paesi analizzati il valore del debito pubblico è predetto in crescita da un ammontare di 84,86% fino ad un valore di 91,23% ovvero una variazione pari ad un valore di 6,37 unità pari a +7,51%.

Conclusioni. Il debito pubblico in percentuale del PIL è aumentato in media del 19,6% per i paesi considerati. In modo particolare si è verificato un picco di crescita del debito pubblico in percentuale del PIL tra il 2019 ed il 2020 da un ammontare di 82,54% fino ad un valore di 101,14% in media. Tra il 2020 ed il 2021 si è verificata una riduzione del debito pubblico in percentuale del PIL da 101,14 fino a 95,58 sempre considerando la media dei paesi analizzati. La crescita del debito pubblico in percentuale del PIL ha riguardato tutti i paesi a prescindere del reddito pro-capite. Sia i paesi a reddito pro-capite ridotto che i paesi a reddito pro-capite elevato hanno incrementato il debito in percentuale del PIL. Una delle motivazioni che ha fatto ridurre il debito in percentuale del PIL consiste nella contrazione del PIL che si è verificata in connessione alla pandemia del Covid-19. Tuttavia è probabile che la crescita del debito pubblico in percentuale del PIL sia continuata anche nel 2022 e 2023 a seguito del mix di inflazione e crisi economica connessa alla guerra russo-ucraina. Un periodo di alta inflazione, alti tassi di interesse e alti debiti pubblici in connessione con una bassa crescita economica potrebbe comportare una dimensione di inefficienza sia del settore pubblico che del settore privato. Infatti il settore pubblico è bloccato dall’alto debito che grava soprattutto per i paesi privi di “sovranità monetaria”. E l’alta inflazione insieme con la crescita dei tassi di interesse ed una bassa crescita economica impediscono al settore privato di performare efficacemente creando condizioni di bassa produttività nelle imprese e di criticità finanziaria nelle famiglie.

cms_31769/1.jpg

cms_31769/2_1694843846.jpg

Data:

16 Settembre 2023