Prévision immédiate de la liquidité intérieure par apprentissage automatique — les modèles de régularisation et d'arbres du Bangko Sentral ng Pilipinas

La Bangko Sentral ng Pilipinas (BSP), la banque centrale des Philippines, a publié le document de travail BSP n° 2022-04, « Nowcasting Domestic Liquidity in the Philippines Using Machine Learning Algorithms », par Juan Rufino M. Reyes du Département de la statistique économique, en mars 2022. La croissance de la liquidité intérieure (M3) est un indicateur avancé que la BSP utilise pour orienter sa politique monétaire, mais comme de nombreuses statistiques officielles, elle est publiée avec un délai et sujette à révision.

Tester si les méthodes de nowcasting par apprentissage automatique pouvaient produire des estimations plus précises et plus rapides de la croissance de la liquidité intérieure que les modèles de référence traditionnels de la BSP fondés sur les séries temporelles.

L'étude a appliqué la régression Ridge, le LASSO, l'Elastic Net, la forêt aléatoire (Random Forest) et les arbres de boosting de gradient à des indicateurs monétaires, financiers et du secteur extérieur à haute fréquence, de janvier 2008 à décembre 2020, en évaluant des prévisions à un pas en avant selon un processus de fenêtre expansive, comparées aux modèles de référence ARIMA, de marche aléatoire et à facteurs dynamiques.

Les méthodes de régularisation ont donné les meilleurs résultats : l'Elastic Net a produit l'erreur globale la plus faible parmi les modèles testés, avec une erreur quadratique moyenne de 0,529 et une erreur absolue moyenne de 0,391, et les modèles d'apprentissage automatique, dans leur ensemble, ont produit des erreurs de prévision mensuelles systématiquement inférieures à celles des modèles de référence traditionnels, y compris durant les premiers mois de 2020, lorsque la liquidité s'est brusquement accrue en raison des emprunts du gouvernement national liés à la COVID-19.

La conclusion de la BSP elle-même est modeste et précise : le document recommande les modèles comme « outil complémentaire » à l'ensemble existant de modèles de prévision de la Banque pour le PIB, l'inflation et la simulation de politiques, plutôt que d'affirmer qu'ils les remplacent. Le document est repris par le Philippine Institute for Development Studies, aux côtés d'autres documents de la BSP appliquant des méthodes similaires au nowcasting de l'inflation régionale et de l'IPC désagrégé — ce qui indique un programme de recherche interne pluriannuel et soutenu plutôt qu'un exercice ponctuel.