Colombie · Bogotá · Voir le profil de Colombie · Voir le profil de Bogotá
Preuves: Quasi expérimental Top 74% 47/100 · Demandez à Evidence Copilot à propos de cette pratique
Une étude de juillet 2025 de la Banco de la República montre qu'un modèle de forêt aléatoire avec données Google Trends prévoit l'inflation colombienne aussi bien que l'enquête d'analystes de la banque — environ 1,5 semaine plus tôt — surpassant SARIMA, Ridge et Lasso.
Le chiffre officiel mensuel de l'inflation en Colombie est publié avec un décalage, et l'enquête mensuelle auprès des analystes financiers (MES) de la Banco de la República prend elle-même du temps à compiler, 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 type Forêt aléatoire entraîné sur des données historiques d'inflation, des indicateurs macroéconomiques et l'activité de recherche web de Google Trends, avec des hyperparamètres ajustés par validation croisée de séries temporelles.
La performance hors échantillon du modèle a été testée face aux références statistiques SARIMA, Ridge et Lasso, ainsi qu'à la prévision médiane de la propre enquête MES auprès des analystes de la banque, sur la période 2023-2024.
RF-GT a systématiquement surpassé les références SARIMA, Ridge et Lasso et a égalé la précision de la prévision médiane de la propre enquête MES de la banque — tout en produisant son estimation environ une semaine et demie avant la disponibilité de l'enquête.
Il s'agit toujours d'un document de travail de recherche du département économique de la banque, et non d'un élément confirmé intégré au processus formel de décision de politique monétaire, et son historique hors échantillon ne couvre qu'une fenêtre de deux ans.
Own resources / municipal budget
Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.
Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.
D'où proviennent les informations de cette pratique, et quand.
Kazakhstan
La banque centrale du Kazakhstan a ajouté l'apprentissage automatique Ridge, Lasso et Elastic-Net à son système de prévision de l'inflation, …
Afrique du Sud
Des chercheurs de la SARB ont rigoureusement testé des modèles d'apprentissage automatique (LASSO, XGBoost, réseaux de neurones) face aux propres …
Nigeria
La banque centrale du Nigeria a ajouté un indice de sentiment par apprentissage automatique à son modèle de prévision d'inflation …
Inde
Des économistes de la Reserve Bank of India ont construit un modèle hybride ML et séries temporelles — ajoutant données …
Ouvrir le copilote complet Fondé sur des pratiques citées — vérifiez toujours les sources.