God formiddag alle sammen og tusen takk for invitasjonen. Det er en stor glede å få delta på dette symposiet for å markere Knut Anton Morks 80-årsdag. Knut Anton har i en årrekke vært en sentral formidler og kritisk stemme i økonomidebatten, med bakgrunn i egen og internasjonal forskning.

Dagens symposium inviterer til en refleksjon rundt paradigmer i økonomifaget og om det er tid for revolusjon. I mitt innlegg i dag vil jeg snakke om hvordan vi i Norges Bank bruker makroøkonomiske modeller i pengepolitiske beslutninger. Jeg vil også si litt om vårt pågående prosjekt for å fornye modellapparatet. Jeg kan neppe love en revolusjon i Norges Bank, men forhåpentligvis kan jeg få illustrert hvordan vi hele tiden søker å videreutvikle modellene i lys av ny kunnskap og nye erfaringer. Et spørsmål vi naturlig nok bruker mye tid på, er hvordan renten virker på økonomien. I våre modeller er det slik at en renteøkning demper inflasjonen. Avslutningsvis i dag vil jeg benytte anledningen til å vise frem oppdaterte forskningsresultater som underbygger en slik sammenheng.

Norges Bank har fått i oppdrag å sikre lav og stabil inflasjon. Målet er en prisvekst som over tid er nær 2 prosent. Samtidig skal vi bidra til at flest mulig er i jobb og til en stabil økonomisk utvikling.

For å løse oppdraget vårt støtter vi oss på makroøkonomiske modeller. En god makroøkonomisk modell bygger på teoretisk og empirisk kunnskap som er akkumulert over tid, den hjelper oss med å strukturere tenkningen vår og bidrar til konsistens i vurderingene våre over tid. Alle modeller er forenklinger av virkeligheten, og ingen modell kan svare på alle spørsmål. Men brukt klokt, og med bevissthet om modellenes begrensninger, kan modeller være til stor hjelp i forståelsen av økonomien og i gjennomføringen av pengepolitikken.

Vi velger modeller ut fra hvilke spørsmål de skal besvare. Når vi analyserer nåsituasjonen i økonomien og lager prognoser for de nærmeste kvartalene, bruker vi en datadrevet tilnærming. Vi anvender et stort antall empiriske modeller som baserer seg på informasjon fra mange ulike kilder. Typiske modelltyper er enkle autoregressive modeller, faktormodeller og vektorautoregressive (VAR) modeller. Vi samler de ulike modellene i et modellsystem der modeller som har truffet best historisk får størst vekt.[1] Med modellsystemet kan vi løpende oppdatere og evaluere prognoser når vi får nye nøkkeltall. Men når vi lager prognoser, begrenser vi oss ikke til det modellene alene forteller oss. Når modellene ikke fanger opp forhold vi mener er viktige her og nå, for eksempel ved brå skift i økonomien, må vi tenke nytt. Pandemien var et eksempel på et slikt brått skifte. Tekstbaserte indikatorer som kunne oppdateres løpende og høyfrekvente data for husholdningenes korttransaksjoner viste seg da å være svært nyttige. Disse er senere integrert i vårt modellapparat.

Analyseapparatet anvender data fra mange ulike kilder, herunder ulike spørreundersøkelser. Vårt regionale nettverk, som består av rundt 1600 bedrifter fra ulike sektorer av økonomien i alle deler av Norge, har lenge vært en svært viktig informasjonskilde for oss. Hvert kvartal gjennomfører vi rundt 400 intervjuer. Gjennom intervjuene får vi et oppdatert bilde av situasjonen i økonomien, ofte før den vises i offentlig statistikk. Vi følger også inflasjonsforventningene til ulike grupper i norsk økonomi gjennom forventningsundersøkelsen.

For å analysere den økonomiske utviklingen på mellomlang sikt – som er den horisonten der pengepolitikken har størst virkning – bruker vi modeller som kombinerer teoretiske og empiriske innsikter fra makroøkonomisk forskning. Hovedmodellen vår, NEMO, er i sin kjerne en dynamisk stokastisk generell likevektsmodell for en liten, åpen økonomi. Modellen er tilpasset for å fange opp sentrale trekk ved norsk økonomi, for eksempel ved å inkludere en oljesektor, og den er derfor både større og mindre stilisert enn en typisk lærebokmodell. Vi bruker NEMO til å lage prognoser for de neste tre til fire årene. For å utnytte styrkene i de ulike modellene, lar vi NEMO bygge på korttidsanslagene fra de mer datadrevne modellene. NEMO kobler nåsituasjonen i økonomien med en langsiktig normaltilstand for sentrale størrelser, som veksten i produktivitet og befolkning og styringsrenten. I vurderinger av normaltilstanden i norsk økonomi støtter vi oss på økonomisk teori, forskningsbaserte modeller og analyser av trender i data, både i Norge og internasjonalt. Ved vår forrige oppdatering av normalrenten anslo vi eksempelvis at den nominelle styringsrenten ville ligge mellom 2,25 og 3,5 prosent når vi ser et stykke frem i tid, gitt at inflasjonen er på målet. Dette anslaget har økt noe de siste årene.

I tillegg til å være et hjelpemiddel i prognosearbeidet, hjelper NEMO oss også med å tolke hvilke forstyrrelser som har truffet økonomien, og til å forstå samspillet mellom styringsrenten og den økonomiske utviklingen. Som kjent er Norges Bank en av få sentralbanker som publiserer prognoser for styringsrenten. Renteprognosen fra NEMO er et viktig utgangspunkt for de pengepolitiske drøftingene i komiteen, men den er ikke et sluttpunkt. Styringsrenten kan ikke settes på autopilot. I komiteen stiller vi oss alltid spørsmål som: Hvor sensitiv er prognosen for endringer i forutsetningene? Hvilke alternative historier kan også passe med data? Kan risikobildet tilsi en annen renterespons enn den som følger av modellapparatet? Hvilke avveiinger mener vi er riktige nå?

Arbeidet med å videreutvikle modellapparatet blir aldri ferdig. De siste årene har økonomien blitt truffet av store forstyrrelser. Pandemi, krig og konflikter flere steder i verden og endringer i rammebetingelsene for global handel og samarbeid har satt modellene våre på prøve. I pengepolitikken har vi måttet navigere i ukjent terreng. Sett i ettertid var nok både modellene våre og vurderingene vi gjorde i etterkant av pandemien, litt for preget av de mange årene med lav inflasjon vi hadde bak oss. Vi undervurderte hvor kraftige inflasjonsimpulser som kunne oppstå i samspillet mellom pandemirelaterte tilbudssidesjokk og en svært ekspansiv økonomisk politikk.

Erfaringene fra de siste årene har tydeliggjort behovet for data og modeller som i større grad kan fange opp brå skift i økonomien. Vi må vie mer plass i analysene våre til internasjonale impulser – også fra tilbudssiden, og hvilke konsekvenser de har for norsk lønns- og prisdannelse. Og så må vi i pengepolitikken evne å snu oss raskt når utsiktene endrer seg.

Så hvordan følger vi opp dette? Vi er i gang med å utforske hvordan kunstig intelligens og maskinlæring kan anvendes i modellapparatet. De foreløpige resultatene er lovende. Vi ser at kunstig intelligens kan støtte utviklingsarbeidet, senke terskelen for å ta i bruk nye modeller og forbedre eksisterende modeller. Maskinlæring kan for eksempel bidra til bedre prognosemodeller og til mer fleksible metoder for å veie modeller sammen slik at prognosefeil reduseres. Det kan gi komiteen et bedre grunnlag for sine vurderinger.

For å bedre vår forståelse av hvordan ulike forstyrrelser på tilbuds- og etterspørselssiden påvirker økonomien, arbeider vi med å bygge inn mer heterogenitet i modellapparatet. Dette arbeidet har pågått over noe tid og har gått hånd i hånd med en styrket forskningsinnsats på mikrodata som dekker husholdninger, arbeidsmarkedet og konsumpriser.

Tilgang til mikrodata for husholdningenes korttransaksjoner, inntekter og formue har åpnet for mange nye analyser. Målet med analysene har vært å gi oss en rikere forståelse av hvordan husholdninger reagerer på ulike forstyrrelser og hvordan renten virker. Norske husholdninger har i internasjonal sammenheng en svært høy gjennomsnittlig gjeldsbelastning, og det meste av gjelden har flytende rente. Det gjør at renteendringer har en stor - og rask - virkning på den disponible inntekten. Det har derfor vært en viktig ambisjon å forstå bedre hvordan renten virker gjennom den såkalte kontantstrømkanalen. I standard makromodeller er kontantstrømkanalen ofte svak. Det henger sammen med at modellene tar utgangspunkt i en representativ husholdning som tilpasser konsumet optimalt over tid uten å møte låneskranker. I slike modeller virker renten først og fremst gjennom substitusjonskanalen, som innebærer at høyere rente gjør det mer attraktivt å utsette konsum og heller spare mer. Nyere forskning tyder imidlertid på at husholdningenes finansielle situasjon kan ha stor betydning for hvordan renten virker.

Basert på mikrodata har kollegaer i Norges Bank estimert hvordan forbruksresponsen på renteendringer varierer med husholdningenes gjeld.[2] Denne figuren viser hvordan forbruket til husholdningene endrer seg etter en uventet økning i styringsrenten på ett prosentpoeng, og hvordan effekten varierer med husholdningens gjeldsbelastning – altså hvor mye gjeld husholdningene har i forhold til inntekten. Figuren viser, kanskje ikke så overraskende, at jo høyere gjeld en husholdning har, desto mer reduserer den forbruket sitt når renten går opp. Effekten begynner å gjøre seg gjeldende et par måneder etter renteøkningen og forsterkes gjennom det første året. Sammenligner vi en husholdning med en gjeld på tre ganger inntekten med en husholdning uten gjeld, vil husholdningen med mye gjeld kutte forbruket sitt med om lag 1,5 prosent mer etter ett år.

Vi har nylig også innhentet og tilrettelagt mikrodata fra arbeidsmarkedet og konsumpriser for forskning og analyse. Arbeidsmarkedsdataene dekker både tilbuds- og etterspørselssiden i arbeidsmarkedet, og med disse dataene er målet å få bedre kunnskap om dynamikken i og stramheten i arbeidsmarkedet. Med den siste oppdateringen av mikrodata for konsumpriser, har vi nå 50 år med detaljerte data. Målet er å bedre vår forståelse av prisdynamikken gjennom perioder med høy og lav inflasjon, både hvor hyppig priser endres og hvor store prisendringene er for ulike varer og tjenester.  

Analysene på mikrodata gir oss kunnskap som vi tar med oss når vi utvikler modellene våre. Vi har et pågående modellprosjekt der målet er å oppdatere og modernisere hovedmodellen NEMO basert på nyere teoretisk og empirisk forskning. Selv om vi har oppdatert modellen løpende over tid, ønsker vi nå å ta noen større grep. I modellprosjektet undersøker vi blant annet om tilbudssiden kan utvides med en litt rikere struktur som gjør at vi i større grad får fanget opp internasjonale impulser gjennom forsyningskjeder og den norske lønnsdannelsen. Vi ser også nærmere på hvordan forventningsdannelsen bør modelleres i lys av nyere forskningslitteratur, blant annet om vi skal legge inn flere mekanismer enn i dag som påvirker hvor fremoverskuende aktørene i modellen er. På etterspørselssiden i modellen vil vi bygge inn lærdommer fra mikrodata og inkludere en eksplisitt kontantstrømkanal for husholdninger slik at vi bedre får fanget opp den direkte effekten av renteendringer på husholdningenes renteutgifter.

Vi vil alltid kunne ønske oss en rikere og mer realistisk modell, men vi vet også at hovedmodellen ikke kan romme alle relevante mekanismer. Derfor vil vi forenkle modellen der vi kan, og heller ta i bruk andre modeller når vi skal utforske nye kanaler og sammenhenger. Hvis vi for eksempel ønsker å studere fordelingseffekter av økonomiske forstyrrelser kan såkalte HANK-modeller være nyttige. Dette er modeller der husholdningene kan være ulike langs mange flere dimensjoner enn det som er realistisk å ha med i hovedmodellen.

Med Norges Banks oppdrag er det spesielt viktig å forstå hvordan renteendringer påvirker inflasjon, produksjon og sysselsetting, og å bygge disse sammenhengene inn i modellene. I et pågående forskningsarbeid har kollegaer i banken gjennomført en ny, grundig analyse av effekten av en renteendring på inflasjonen i Norge.[3] En utfordring i slike analyser er at rente og inflasjon ofte beveger seg i samme retning. Det ser vi både i Norge og i andre land. Det skyldes gjerne at sentralbankene setter opp renten når inflasjonen er høy eller på vei opp. Derfor kan det ved første øyekast se ut som om renten ikke virker, eller til og med at høyere rente bidrar til høyere inflasjon. I makroøkonomisk forskning kan vi ikke gå tilbake i tid og se hva som ville skjedd med inflasjonen dersom renten hadde vært annerledes.

For å komme nærmere en årsakssammenheng forsøker mine kollegaer å identifisere renteendringer som er eksogene eller uventede. Deretter undersøker de hvordan slike renteoverraskelser påvirker inflasjonen. Resultatene viser at en renteøkning demper inflasjonen over tid, og at denne effekten er statistisk signifikant. Denne figuren viser effekten på prisveksten målt ved KPI-JAE av en uventet økning i seksmåneders pengemarkedsrente på 0,25 prosentenheter. Vi ser at prisveksten faller gradvis det første året, og at den er rundt 0,2 prosentenheter lavere de første tre årene. Usikkerheten øker naturlig nok med prognosehorisonten. Forskerne finner at resultatene er robuste på tvers av ulike metoder. De finner også at både innenlandsk og importert inflasjon dempes når renten øker, det siste blant annet gjennom en sterkere kronekurs. Samtidig ser vi at høyere rente i en periode kan bidra til økte husleiepriser, før denne effekten etter hvert avtar. Det demper på kort sikt noe av virkningen på den innenlandske inflasjonen, men samlet sett bidrar likevel renteøkningen til at inflasjonen avtar.

La meg avslutte. Makroøkonomiske modeller er et nyttig hjelpemiddel i utøvelsen av pengepolitikken. Men økonomien blir hele tiden truffet av nye forstyrrelser, og sammenhengene i økonomien endrer seg over tid. Derfor arbeider vi kontinuerlig med å forbedre både datagrunnlaget og modellene våre i lys av erfaringer og ny forskning. Evolusjon, snarere enn revolusjon, beskriver hvordan vi arbeider.

Takk for oppmerksomheten!

Kilder

Ahn, SeHyoun, Sigurd Mølster Galaasen og Mathis Mæhlum (2024) «The Cash-Flow Channel of Monetary Policy – Evidence from Billions of Transactions». Norges Bank Working Paper 20/2024.

Aastveit, Knut Are og Nicolò Maffei-Faccioli (2026) «How Does Monetary Policy Affect Inflation in Norway?».  Kommende.

Bowe, Frida, Inga Nielsen Friis, Atle Loneland, Erlend Salvesen Njølstad, Sara Skjeggestad Meyer, Kenneth Sæterhagen Paulsen og Ørjan Robstad (2023) «A SMARTer way to forecast». Norges Bank Staff Memo 7/2023.

Fotnoter

[1] Bowe m.fl. (2023)

[2] Ahn m.fl. (2024).

[3] Aastveit og Maffei-Faccioli (2026).