Kan machine learning inflatie beter voorspellen?
Kunnen machine learning-modellen de Nederlandse inflatie beter voorspellen dan nu gebeurt? Dat onderzochten twee economen van De Nederlandsche Bank (DNB) en een data-analist van de Vrije Universiteit (VU) Amsterdam.
Het is te merken in de supermarkt: de boodschappen worden de laatste tijd steeds duurder. Nederland kent momenteel een hoge inflatie, rond de 3 procent. Dat is hoger dan veel andere Europese landen, meldde De Nederlandsche Bank (DNB) twee maanden geleden. De inflatie kent vooral binnenlandse oorzaken, zoals hogere accijnzen en btw, loonstijgingen en hogere winsten, zo analyseerde DNB in de Najaarsraming.
Voorspellen
DNB houdt de inflatie nauwlettend in de gaten. De centrale bank voorspelt de economische groei op korte termijn met een model dat wordt gevoed met tientallen economische indicatoren, zoals de industriële productie, pintransacties en beweging op de financiële markten. Veel cijfers zijn afkomstig van het Centraal Bureau voor de Statistiek. In de uitkomsten van het model zit een bepaalde onzekerheid, zoals alle voorspellingen niet volledig betrouwbaar zijn.
Machine Learning
Kan machine learning (ML) de voorspellingen van de inflatie verbeteren? Die vraag hebben DNB-economen Robert-Paul Berben en Jasper de Winter met datawetenschapper Rajni Rasiawan proberen te beantwoorden. Ze onderzochten de prestaties van machine learning-modellen bij het voorspellen van de Nederlandse inflatie tussen 2010 en 2023. Dit resulteerde in een working paper, getiteld ‘Forecasting Dutch inflation using machine learning methods’.
Eenvoudiger is beter
“Het voorspellen van inflatie blijkt een uitdagende taak te zijn. Eenvoudige tijdreeksmodellen leveren vaak de meest nauwkeurige voorspellingen op,” schrijven de auteurs. Ze verwijzen naar eerder onderzoek uit 2013. Dat onderzoek stelt dat ‘zeer eenvoudige inflatievoorspellingen, die rekening houden met nowcasting (kort termijn-voorspellingen) en seculaire veranderingen in de lokale gemiddelde inflatie, vrijwel de beste zijn die beschikbaar zijn.’
Bevindingen
Uit het DNB-onderzoek blijkt dat sommige machine learning-modellen simpele benchmarks kunnen overtreffen bij het voorspellen van de Nederlandse inflatie. Dit geldt vooral bij het voorspellen van de kerninflatie (de prijsstijging bij goederen en diensten) en de inflatie in de dienstensector. ML-modellen bieden doorgaans nauwkeurigere voorspellingen voor langere termijnen (zes tot twaalf maanden) in vergelijking met kortere perioden.
Slechter dan DNB
Machine learning-modellen hebben echter moeite om consistent beter te presteren dan de officïele voorspelling van de inflatie door DNB, melden de onderzoekers. “Hoewel ML-modellen veelbelovend zijn, blijven ze achter bij de officiële voorspellingen van DNB voor de algemene inflatie,” stellen Berben, Rasiawan en De Winter. Het toevoegen van niet-lineaire modellen, zoals het random forest, biedt geen of nauwelijks verbetering.
Beste ML-model
Het beste voorspellende ML-model bleek de zogeheten padgemiddelde Ridge-regressie te zijn. Dit model won het in de voorspellingswedstrijden tussen de ML-modellen en twee benchmarks. “Ridge-regressie leverde de meest nauwkeurige voorspellingen op. Padgemiddelden blijken nauwkeuriger te zijn dan directe voorspellingen,” aldus de onderzoekers.
Conclusie
Machine learning heeft potentie bij het voorspellen van inflatie, maar moet nog verder worden verbeterd om consistent betere resultaten te behalen dan traditionele methoden.
Download het working paper van DNB
Bron:
Forecasting Dutch inflation using machine learning methods | De Nederlandsche Bank
Foto: Inflatie maakt boodschappen steeds duurder (bron CBS)