Poland · Warsaw · See the Poland profile
O Narodowy Bank Polski recolhe milhões de preços de retalhistas online para prever a inflação alimentar antes da publicação oficial do IPC. Testes retrospetivos revistos por pares (2014-2018) mostraram uma redução do erro de previsão até 30% face aos modelos-padrão, com ganhos reconfirmados durante a COVID-19 e o choque de preços alimentares de 2022.
O Narodowy Bank Polski (NBP), o banco central da Polónia, recolhe desde cerca de 2010 preços de alta frequência extraídos dos principais retalhistas online, construindo uma base de dados 'eCPI' que continha perto de 159 milhões de preços observados para cerca de 640.000 produtos no final de 2020, crescendo para cerca de 250 milhões de preços recolhidos online numa atualização revista por pares de 2025. O Departamento de Análise Económica e Investigação do NBP usa estes dados para prever em tempo real ("nowcast") a inflação alimentar antes da publicação mensal do Índice de Preços no Consumidor oficial pelo instituto de estatística polaco (GUS).
Testar se um índice de preços recolhido online consegue melhorar a precisão das previsões de curto prazo da inflação alimentar face a modelos de séries temporais padrão, e utilizá-lo para prever a inflação alimentar antes da divulgação oficial do IPC.
O Working Paper n.º 302 do NBP (Macias & Stelmasiak, 2019) testou retroativamente o método contra os modelos random-walk, random-walk sazonal e ARMA/SARMA, num período pseudo-real entre janeiro de 2014 e junho de 2018, abrangendo 84 grupos elementares COICOP e 10 subagregados alimentares. Um estudo de seguimento de 2023 no International Journal of Forecasting e um estudo de 2025 no Journal of Forecasting voltaram a testar o modelo durante a pandemia de COVID-19 e o choque de preços alimentares de 2022 na sequência da invasão russa da Ucrânia.
A combinação do índice de preços recolhido online com modelos ADL (autorregressivos de desfasamento distribuído) desagregados reduziu o erro quadrático médio de previsão em cerca de 27% face ao melhor modelo ARMA, subindo para cerca de 30% quando as previsões foram combinadas — uma redução considerada estatisticamente significativa pelo teste de Diebold-Mariano. O índice recolhido online produziu os seus maiores ganhos de precisão durante os períodos de elevada volatilidade da COVID-19 e do choque de preços alimentares de 2022, com benefício apenas marginal em períodos mais calmos.
O registo publicado documenta uma melhoria real, quantificada e replicada de forma independente na precisão de previsão de curto prazo para um indicador específico mas relevante para a política monetária. Não fica demonstrado que a previsão eCPI tenha, por si só, alterado uma decisão específica de taxas de juro, e o NBP ainda não publicou uma versão da série orientada para os cidadãos.
Where this practice's information was retrieved from, and when.
South Africa
SARB researchers rigorously tested machine-learning models (LASSO, XGBoost, neural networks) against the bank's own published inflation forecasts: ML modestly beat …
Philippines
BSP tested five ML algorithms against 2008-2020 monetary data to nowcast Philippine domestic liquidity growth, reporting lower forecast error than …
New Zealand
RBNZ tested machine-learning algorithms against ~600 real-time indicators to nowcast quarterly GDP growth. Published in a 2019 paper, peer-reviewed in …
Czechia
In a public blog experiment, the Czech National Bank pitted general-purpose LLMs (OpenAI o1, Grok 2) against its own core …
Open full copilot Grounded in cited practices — always check the sources.