RF-GT — Le Modèle de Forêt Aléatoire de la Banco de la República pour Anticiper l'Inflation Colombienne

Le chiffre officiel de l'inflation mensuelle colombienne est publié avec retard, et l'Enquête mensuelle auprès des analystes financiers (MES) de la Banco de la República elle-même met du temps à être compilée, privant les décideurs d'une lecture précoce des pressions sur les prix entre deux publications.

Dans le Borradores de Economía n° 1318 (juillet 2025), les économistes Felipe Roldán-Ferrín et Julián Andrés Parra-Polanía ont construit RF-GT, un modèle d'apprentissage automatique de forêt aléatoire entraîné sur des données d'inflation historiques, des indicateurs macroéconomiques et l'activité de recherche Google Trends, avec des hyperparamètres ajustés par validation croisée de séries temporelles.

Testé hors échantillon sur 2023-2024, RF-GT a systématiquement surpassé les modèles statistiques SARIMA, Ridge et Lasso et a égalé la précision de la prévision médiane de l'enquête MES de la banque — tout en produisant son estimation environ une semaine et demie avant que l'enquête ne soit disponible.

Il s'agit toujours d'un document de recherche du département d'économie de la banque, et non d'un élément confirmé du processus formel de décision de politique monétaire, et son historique hors échantillon ne couvre qu'une fenêtre de deux ans.