Application of Neural Networks for Forecasting Inflation: New Opportunities

Abstract

Аннотация. В статье представлен обзор последних достижений нейронных сетей применительно к задаче прогнозирования инфляции. Показано, что во многих случаях точность прогнозов, полученных с помощью нейросетевых методов, оказывается выше точности прогнозов, полученных традиционными методами экономической науки. Поднимается вопрос о глубинном противоречии между традиционным эконометрическим инструментарием и нейронными сетями, так как первые проигрывают вторым по точности расчетов, а вторые по сравнению с первыми не имеют под собой никакой осмысленной теории. Вместе с тем авторы показывают, что указанное противоречие может быть снято путем объединения двух видов прогнозного инструментария. В развитие данного тезиса в статье предложена двухшаговая модель краткосрочного прогнозирования инфляции. Сущность авторского подхода состоит в построении малоразмерной (пятифакторной) эконометрической модели инфляции, которая обладает хорошими статистическими характеристиками и дает адекватное теоретическое объяснение моделируемому процессу, однако при этом не позволяет прогнозировать месячные темпы инфляции с высокой точностью. Авторами показано, что данная проблема является типичной для современной макроэкономики и представляет собой частное проявление так называемой фундаментальной проблемы атрибуции данных в макромоделях. В статье показано, что данная проблема не имеет решения в рамках традиционных макроэкономических моделей. В связи с этим для повышения точности прогнозов был использован своеобразный вычислительный фильтр в виде нейронной сети, обучение которой позволило для отобранных факторов инфляции провести калибровку расчетов и довести их качество до необходимого уровня. Показаны преимущества предложенной схемы последовательного сопряжения эконометрической модели и нейронной сети. Ключевые слова: инфляция; индекс потребительских цен; центральный банк; эконометрика; регрессионный анализ; нейронные сети.

Short-Term Inflation Projection Based on Marker Models

“…Moreover, the devaluation precedes the inflation, "metamorphosing" to clear price growth in the country in three months. Thus, model (1) confirms that inflation and devaluation are one-order phenomena, occur synchronously, and should be regulated within the framework of a single monetary policy.…”

“…The constructed model (1), by its statistical characteristics, can be recognized as acceptable for initially identifying the determinants of inflation 1 model value of the CPI in Fig. 1 almost completely repeats the actual trajectory of inflation, and the trend lines for two rows diverge quite insignificantly.…”

“…This problem of data attribution is not unique in the construction of model (1). In order to identify the source of arising errors, let us consider the error related to the inflation rates according to model (1) accumulated in the course of one year (Table 3). Here, there are three interesting facts.…”

“…In fact, it can be stated that the Bank of Russia has ensured that inflation in the country "became detached from" traditional external causes. At the same time, the key rate retained its value, although its influence "shifted" from one month in model (1) to three months in model (2). The change in the regulatory regime of the Bank of Russia has predetermined the limited length of retrospective series for model (2) (24 observations).…”

“…First, short-term (monthly) inflation projection generates an effect, which is called the fundamental problem of data attribution in macromodels [1]. This effect is related to the fact that the average monthly values of consumer price index (CPI) in Russia in 2017-2018 were approximately 0.2%.…”