El Banco de Ghana creó una metodología interna de 'nowcasting' llamada e-Inflation y la combinó con modelos de aprendizaje automático para afinar las previsiones de PIB e inflación antes de los datos oficiales, según su Primer Vicegobernador en una conferencia nacional de estadística en agosto de 2026.
Detalles
Madurez
Consolidada
Promotor
Bank of Ghana
Período
2025–present
Palabras clave
monetary policy, central banking, inflation forecasting, macroeconomic statistics
Contexto
En febrero de 2025, el gobernador del Banco de Ghana, el Dr. Johnson Pandit Asiama, ordenó al banco adoptar un enfoque más proactivo y basado en análisis de datos e IA para gestionar la inflación.
Actividades
Dieciocho meses después, el primer vicegobernador, el Dr. Zakari Mumuni, detalló el resultado en la 4ª Conferencia Anual de Estadística y Ciencia de Datos (27 de agosto de 2026): una metodología interna de previsión inmediata ('nowcasting') de la inflación, llamada 'e-Inflation', que funciona junto al Sistema de Previsión y Análisis de Política ya existente del banco y su Modelo de Proyección Trimestral, con modelos de aprendizaje automático que complementan las previsiones econométricas estándar del PIB, y análisis de minería de texto que extrae señales de grandes volúmenes de información no estructurada; en el lado de supervisión, el mismo impulso permite a los examinadores validar datos bancarios granulares a medida que llegan, en lugar de esperar hojas de cálculo mensuales estáticas.
Resultados
Varios medios ghaneses (Ecofin Agency, MyJoyOnline, B&FT, GhanaWeb, Norvan Reports) informaron de manera independiente sobre la misma presentación, y el Dr. Mumuni afirmó que las herramientas 'han ayudado al Banco a mejorar la precisión de sus previsiones de inflación, incluidas las previsiones realizadas antes de la publicación de datos oficiales'.
Conclusiones
No se han publicado cifras de precisión auditadas de forma independiente, y el propio Dr. Mumuni advirtió que 'la tecnología puede reforzar nuestra inteligencia, pero no elimina la necesidad de juicio humano' — un reconocimiento público poco habitual de los límites de la herramienta por parte de la institución que la implementa.
Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Medio (1–3 años)
Personal y competencias
Bank of Ghana Research/Statistics department, Text-mining and machine-learning analysts (in-house)
Condiciones para el éxito
Built in-house rather than outsourced, integrated alongside existing Forecast and Policy Analysis System and Quarterly Projection Model
Applied to both monetary-policy nowcasting and bank-supervision data validation
Modos de fallo comunes
No independently audited accuracy figures published; the Bank's own First Deputy Governor cautions the tool does not remove the need for human judgment
Habitualmente financiado por
National / regional programmes
Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.
¿Usted implementa esta práctica?
Reivindíquela —
los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.