Desde 2022, el banco central de Ruanda utiliza un kit de herramientas de nowcasting basado en aprendizaje automático, desarrollado con el FMI — que cubre 10 subgrupos del IPC subyacente y 2 subgrupos de inflación alimentaria — para alimentar su Sistema de Previsión y Análisis de Políticas, ofreciendo a los responsables de política señales mensuales casi en tiempo real de inflación y PIB pese al retraso de los datos oficiales de Ruanda.
Detalles
Madurez
Established
Promotor
National Bank of Rwanda (Banki Nkuru y'u Rwanda, BNR), with IMF Monetary and Capital Markets Department technical assistance
Período
March 2022 – ongoing (expanded October 2023 and January 2025)
Palabras clave
central banking, monetary policy, machine learning, inflation nowcasting, IMF technical assistance
Contexto
El banco central de Ruanda, el National Bank of Rwanda (BNR), enfrenta un problema común a los bancos centrales de economías en desarrollo: los datos oficiales de PIB e inflación llegan con largos retrasos, lo que dificulta las decisiones de política monetaria en tiempo real. Comenzando con una misión de asistencia técnica del FMI en marzo de 2022 y ampliada mediante nuevas misiones en octubre de 2023 y enero de 2025, expertos del FMI y personal del BNR construyeron el conjunto de herramientas de 'Previsión a Corto Plazo' (NTF) para el IPC y el PIB.
Actividades
El conjunto de herramientas aplica técnicas estadísticas y de aprendizaje automático a indicadores de alta frecuencia para generar previsiones mensuales desagregadas en diez subgrupos del IPC subyacente y dos subgrupos de inflación de alimentos, ayudando al personal a distinguir la inflación impulsada por shocks de oferta de la impulsada por la demanda. La capacitación también abarcó la construcción de gráficos de abanico de incertidumbre y un marco para evaluar los efectos de los shocks climáticos en los precios de los alimentos.
Resultados
Los informes de asistencia técnica del FMI indican que las herramientas 'deben utilizarse mensualmente' dentro del Sistema de Previsión y Análisis de Políticas (FPAS) del BNR, y los propios Informes de Política Monetaria del BNR, incluido el de mayo de 2025, hacen referencia a los resultados de este trabajo de nowcasting.
Conclusiones
La gobernanza es relativamente transparente para los estándares de los bancos centrales, ya que el FMI publica informes completos de asistencia técnica que detallan la metodología y las limitaciones conocidas, con el consentimiento del país receptor. La documentación disponible no cuantifica plenamente en qué medida las decisiones de política monetaria incorporan directamente los resultados de la herramienta, por lo que su impacto debe entenderse como una integración operativa en el análisis del personal, más que como un factor comprobado de decisiones concretas sobre tasas.
Implementación
Coste indicativo
Low (< €50k)
Tiempo hasta resultados
Long (> 3 years)
Personal y competencias
National Bank of Rwanda (BNR) staff, IMF Monetary and Capital Markets Department technical assistance experts
Condiciones para el éxito
Multi-year, phased IMF technical assistance missions (2022, 2023, 2025)
Integration into BNR's existing Forecasting and Policy Analysis System (FPAS)
Building complementary capacity such as uncertainty fan charts and weather-shock frameworks
Modos de fallo comunes
No published ex-post accuracy statistics quantify forecast error reduction
Documentation does not clarify how directly monetary policy decisions incorporate the toolbox's outputs
Dónde encaja
Tipo de gobernanza
central bank with IMF technical assistance
Escala
national
Nivel de ingresos
low-income
Fuentes de datos
De dónde se obtuvo la información de esta práctica, y cuándo.
Investigadores del SARB pusieron a prueba rigurosamente modelos de aprendizaje automático (LASSO, XGBoost, redes neuronales) frente a las propias previsiones …