Integrating network analysis and CO2 emissions data for value added and input-output forecasting

Economic forecasting plays a vital role in guiding decision-making for policymakers, investors, and businesses. However, traditional forecasting methods have limitations in capturing complex interdependencies among economic variables, leading to inaccurate predictions. This study proposes an approach that merges network analysis and forecasting techniques, considering the growing urgency to tackle the challenges posed by the environmental crisis, as reflected in the Paris Agreement's ambitious goals. This thesis aims to intersect economic forecasting and climate change by utilizing CO2 emissions forecasts to estimate value added and input-output tables for countries and economic sectors worldwide. By incorporating network analysis, the intricate interdependencies between countries and sectors can be identified, enabling an analysis of the global economic system's structure. Furthermore, using various forecasting methods, CO2 emissions forecasts facilitate estimating value added and input-output tables under different scenarios. The thesis comprises two main parts: network analysis and modelling the relationship between value added, input-output tables and CO2 emissions. The first part utilizes the maximum modularity approach, including the Louvain algorithm, to identify communities and assess the significance of countries and sectors within the network. The second part employs CO2 emissions forecasting models based on scenarios developed by the Network for Greening the Financial Sector (NGFS) to estimate value added and input-output tables for different countries and sectors. Finally, we propose a mixed scenario to test how the world economy would react to countries adopting different policies. This research contributes to economic forecasting and sustainability by comprehensively understanding the global economic system's potential for sustainable growth.

Le previsioni economiche svolgono un ruolo fondamentale nell'orientare il processo decisionale di politici, investitori e imprese. Tuttavia, i metodi di previsione tradizionali hanno dei limiti nel cogliere le complesse interdipendenze tra le variabili economiche, portando a previsioni imprecise. Questo studio propone un approccio che fonde l'analisi di rete e le tecniche di previsione, considerando la crescente urgenza di affrontare le sfide poste dalla crisi ambientale, come riflesso negli ambiziosi obiettivi dell'Accordo di Parigi. Questa tesi si propone di unire previsioni economiche e cambiamenti climatici utilizzando le previsioni delle emissioni di CO2 per stimare il valore aggiunto e le tabelle input-output per i Paesi e i settori economici di tutto il mondo. Incorporando l'analisi di rete, è possibile identificare le intricate interdipendenze tra Paesi e settori, consentendo un'analisi della struttura del sistema economico globale. Inoltre, utilizzando diversi metodi di previsione, le previsioni delle emissioni di CO2 facilitano la stima del valore aggiunto e delle tabelle input-output in diversi scenari. La tesi si compone di due parti principali: l'analisi delle reti e la modellazione della relazione tra valore aggiunto, tabelle input-output ed emissioni di CO2. La prima parte utilizza l'approccio della massima modularità, compreso l'algoritmo di Louvain, per identificare le comunità e valutare l'importanza dei Paesi e dei settori all'interno della rete. La seconda parte utilizza modelli di previsione delle emissioni di CO2 basati sugli scenari sviluppati dal Network for Greening the Financial Sector (NGFS) per stimare il valore aggiunto e le tabelle input-output per diversi Paesi e settori. Infine, proponiamo uno scenario misto per verificare come l'economia mondiale reagirebbe se i Paesi adottassero politiche diverse. Questa ricerca contribuisce alla previsione economica e alla sostenibilità, comprendendo in modo completo il potenziale di crescita sostenibile del sistema economico globale.