Προβλέποντας τον πληθωρισμό με τεχνητή νοημοσύνη

Οι οικονομικές προβλέψεις περιβάλλονται από αβεβαιότητα. Η μοντελοποίηση της δυναμικής του πληθωρισμού στη ζώνη του ευρώ αποτελεί πρόκληση, λόγω των πολλών πιθανών παραγόντων και της δυσκολίας να αποτυπωθεί η σχέση τους με τη δυναμική αυτή. Ενα βασικό σημείο είναι εάν η δυναμική του πληθωρισμού χαρακτηρίζεται επαρκώς από γραμμικές σχέσεις με πολλούς πιθανούς καθοριστικούς παράγοντες. Η υπόθεση της γραμμικότητας σημαίνει ότι μια αλλαγή σε έναν καθοριστικό παράγοντα του πληθωρισμού, όπως οι μισθοί, συνεπάγεται πάντα μια μεταβολή του πληθωρισμού στην ίδια σταθερή αναλογία με τη μεταβολή των μισθών – ανεξάρτητα από τις οικονομικές συνθήκες που επικρατούν εκείνη τη στιγμή.

Η εργαλειοθήκη μοντελοποίησης του Ευρωσυστήματος αποτελείται κυρίως από γραμμικά μοντέλα, όπως επισημαίνεται στην περιγραφή της οικονομικής ανάλυσης που παρέχεται στο πλαίσιο της επισκόπησης στρατηγικής. Ωστόσο, η οικονομική θεωρία υποστηρίζει ότι η δυναμική του πληθωρισμού χαρακτηρίζεται από μη γραμμικότητα. Για παράδειγμα, σε απάντηση σε μεγάλα σοκ οι εταιρείες μπορεί να αλλάξουν τις τιμές τους πολύ πιο γρήγορα και με αναλογικά μεγαλύτερα ποσά από ό,τι θα έκαναν σε απόκριση προς μικρότερα σοκ.

Πώς συγκρίνονται οι προβλέψεις μας με αυτές από ένα γραμμικό μοντέλο;  Διαπιστώνουμε ότι για τον πυρήνα του πληθωρισμού, το μη γραμμικό μοντέλο είναι γενικά πιο ακριβές από το γραμμικό μοντέλο, αν και μόνο με ένα μικρό περιθώριο. Για τον ονομαστικό πληθωρισμό, το μη γραμμικό μοντέλο είναι σε καλύτερη θέση να αποτυπώσει την παρατεταμένη περίοδο χαμηλού πληθωρισμού πριν και κατά τη διάρκεια της πανδημίας Covid-19 – αλλά έχει καλύτερη απόδοση από το γραμμικό μοντέλο κατά τη διάρκεια της Μεγάλης Υφεσης και των συνεπειών της. Συμπεραίνουμε ότι η δυναμική του βασικού πληθωρισμού στη ζώνη του ευρώ μπορεί να χαρακτηριστεί από ήπια μη γραμμικότητα. Ειδικά σε περιόδους υψηλής αστάθειας των τιμών των βασικών εμπορευμάτων, οι συνιστώσες της ενέργειας και των τροφίμων του μετρικού πληθωρισμού τείνουν να επισκιάζουν την ήπια μη γραμμικότητα που παρατηρείται στον πυρήνα του πληθωρισμού. Το μοντέλο μας επιτρέπει να αναλύσουμε τις προβλέψεις στις οριακές συνεισφορές των διαφόρων μεταβλητών.

Ενα υπερσύγχρονο μοντέλο μηχανικής μάθησης αποτελεί μια έγκυρη προσθήκη στην εργαλειοθήκη προβλέψεων του Ευρωσυστήματος. Είναι περίπου συγκρίσιμο σε ακρίβεια με τα γραμμικά μοντέλα που αποτελούν επί του παρόντος το μεγαλύτερο μέρος της εργαλειοθήκης πρόβλεψης πληθωρισμού του Ευρωσυστήματος. Συνεπώς, αυτή η νέα μεθοδολογία θα πρέπει να θεωρηθεί ως συμπλήρωμα και όχι ως υποκατάστατο των υφιστάμενων τεχνικών. Επιπλέον, η υπόθεση της γραμμικότητας που χαρακτηρίζει τα περισσότερα μοντέλα στις εργαλειοθήκες των κεντρικών τραπεζών δεν φαίνεται να είναι πολύ ευρεία. Τα ευρήματά μας δείχνουν επίσης ότι οι προβλέψεις του προσωπικού του Ευρωσυστήματος είναι σύμφωνες με τις πιο σύγχρονες οικονομετρικές μεθοδολογίες.

Οι Michele Lenza, Ines Moutachaker, Joan Paredes είναι οικονομολόγοι και αρθρογράφοι του Centre for Economic Policy Research (CEPR).
Το άρθρο αποτελεί περίληψη δημοσίευσης στο voxEU.org