Экономическая приспособленность (ЭФ) — это одновременно мера диверсификации страны и её способности производить сложные товары на глобально конкурентоспособной основе. Страны с самым высоким уровнем ЭФ имеют возможности для производства разнообразного портфеля продуктов, способность переходить на всё более сложные товары, как правило, имеют более предсказуемый долгосрочный рост и могут достичь хороших конкурентных позиций по сравнению с другими странами. Страны с низким уровнем ЭФ, как правило, страдают от бедности, ограниченных возможностей, менее предсказуемого роста, низкой добавленной стоимости и проблем с ускорением модернизации и диверсификации по сравнению с другими странами. Исходные данные — это список продуктов, экспортируемых каждой страной, из COMTRADE. Эти данные определяют двудольную сеть стран и продуктов, или товаров и услуг. Специально разработанный математический алгоритм, применённый к этой сети, позволяет определить экономическую приспособленность всех стран и сложность всех продуктов. Сравнение приспособленности с ВВП выявляет скрытую информацию о развитии и росте стран. Методология: новая литература по экономической приспособленности использует методы, которые, в отличие от традиционных подходов к построению индексов, не пытаются усреднить сложность системы, а учитывают её, явно опираясь на неоднородность отдельных субъектов, видов деятельности и взаимодействий для извлечения соответствующих параметров, характеризующих систему. Таким образом, информация о производственных возможностях может быть извлечена из торговли товарами. Взаимодействие между торгуемыми продуктами и относительно уникальными комбинациями является предпосылкой будущей конкурентоспособности и долгосрочного роста. Базовая характеристика экономической приспособленности — отсутствие параметров. Стандартные методы анализа рассматривают множество элементов и суммируют их каким-либо подходящим образом. Эта сумма несоизмеримых элементов приводит к серьёзной проблеме контроля шума при усилении сигнала. Подход Fitness начинается с рассмотрения одного набора данных для контроля проблем с шумом. Другие данные могут быть добавлены позже в контролируемой иерархической структуре (например, услуги, технологии). Алгоритм разработан на основе простых и прозрачных экономических концепций, которые имеют чёткое значение и были тщательно протестированы. Эволюция каждой страны определяется в пространстве ВВП-приспособленности, которое показывает сильную неоднородность в динамике. Существует зона, характеризующаяся регулярным потоком, и другая, более хаотичная. Это означает, что прогнозирование роста должно учитывать эту неоднородность и выходить за рамки стандартных регрессий.

Этот новый подход к анализу и долгосрочному прогнозированию показал, что превосходит стандартные методы, даже если для него требуется гораздо меньше данных. Ограничения и исключения: данные о торговле необходимы для определения согласованной сети для всех стран и всех продуктов. Это может иметь некоторые ограничения для стран, в которых экспортируемые продукты не являются хорошим прокси их промышленной конкурентоспособности. Также экспорт обычно относится к производству. Услуги могут быть включены, но соответствующая база данных о торговле услугами менее детализирована. В принципе, подход может использовать другие данные, например, статистику труда, которая автоматически включает все услуги. Базовая концепция алгоритма — важность диверсификации. Это правильно на уровне стран, но становится постепенно проблематичным, если переходить к более мелким масштабам, таким как регионы, города и вплоть до отдельных фирм, где доминирует специализация. В этих случаях следует рассмотреть соответствующие модификации. Набор данных COMTRADE представлен на разных уровнях детализации. Каждый уровень имеет преимущества и недостатки, которые следует учитывать в зависимости от решаемой проблемы.

Файл с данными содержит следующие поля:

• Код индикатора (indicator_id) — Уникальный идентификатор индикатора Всемирного банка
• Название индикатора (indicator_name) — Полное название индикатора на английском языке
• Код страны (country_id) — Уникальный идентификатор страны (код Всемирного банка)
• Название страны (country_name) — Полное название страны или региона на английском языке
• ISO3 код страны (countryiso3code) — Трехбуквенный код страны по стандарту ISO 3166-1 alpha-3
• Дата (date) — Год или дата наблюдения (в формате строки, обычно YYYY)
• Значение (value) — Численное значение показателя (может быть пустым для отсутствующих данных)
• Единица измерения (unit) — Единица измерения значения показателя (например, проценты, доллары США)
• Статус наблюдения (obs_status) — Статус данных наблюдения (может быть пустым для валидных данных)
• Количество знаков после запятой (decimal) — Количество десятичных знаков для отображения значения

Economic Fitness (EF) is both a measure of a country’s diversification and ability to produce complex goods on a globally competitive basis.  Countries with the highest levels of EF have capabilities to produce a diverse portfolio of products, ability to upgrade into ever-increasing complex goods, tend to have more predictable long-term growth, and to attain good competitive position relative to other countries.   Countries with low EF levels tend to suffer from poverty, low capabilities, less predictable growth, low value-addition, and trouble upgrading and diversifying faster than other countries.  The starting data is the COMTRADE list of products exported by each country. This data defines a bipartite network of countries and products, or goods and services. A suitably designed mathematical algorithm applied to this network leads to the Economic Fitness of all countries and the Complexity of all products. The comparison of the Fitness to the GDP reveals hidden information for the development and the growth of the countries.

Methodology: The new literature of Economic Fitness uses techniques which, differently from traditional index construction approaches, do not try to average out the complexity of the system, but embraces it by explicitly building on the heterogeneity of individual actors, activities and interactions to extract relevant parameters to characterize the system.  In this way, information about production capabilities may be extracted from trade in goods.  The interaction among products traded, and the relatively unique combinations are a precursor to future competitiveness and long-term growth.  A basic characteristic of Economic Fitness is being parameter free. The standard methods of analysis consider many elements and sum them up in some suitable way. This sum of incommensurate elements leads to a major problem of controlling noise while increasing signal. The Fitness approach starts by considering a single dataset to control noise problems.  Other data can then be added later in a controlled hierarchical framework 9e.g, services, technologies). The algorithm is designed on simple and transparent economical concepts which have a clear meaning and have been extensively tested. The evolution of each country is defined in the GDP-Fitness space which shows a strong heterogeneity in the dynamics. There is zone characterized by regular flow and another one which is more chaotic. This implies that growth forecasting should consider this heterogeneity and go beyond standard regressions. This novel approach to the analysis and long-term forecasting has been shown to outperform the standard methods even if it requires much less data.

Limitations and exceptions: The trade data are necessary to define a coherent network for all countries and all products. This may have some limitations for countries in which the exported products are not a good proxy of its industrial competitiveness. Also export refers generally to manufacturing. Services can be included but the corresponding database trade in services are less granular. In principle the approach could use other data like the labor statistics which automatically include all services. A basic concept of the algorithm is the importance of diversification. This is correct at the level of countries but it becomes gradually problematic if one moves to smaller scales like regions, cities up to individual firms where specialization becomes dominant. In these cases suitable modifications should be considered. The COMTRADE dataset comes at different levels of granularity. Each level has advantages and disadvantages which should be considered in relation to the problem addressed.