Previsão Imediata da Liquidez Doméstica com Aprendizagem Automática — os Modelos de Regularização e Árvores do Bangko Sentral ng Pilipinas

O Bangko Sentral ng Pilipinas (BSP), o banco central das Filipinas, publicou o BSP Working Paper Series n.º 2022-04, 'Nowcasting Domestic Liquidity in the Philippines Using Machine Learning Algorithms', da autoria de Juan Rufino M. Reyes, do Departamento de Estatística Económica, em março de 2022. O crescimento da liquidez doméstica (M3) é um indicador antecedente que o BSP utiliza para ajudar a definir a política monetária, mas, como muitas estatísticas oficiais, é publicado com atraso e sujeito a revisão.

Testar se os métodos de nowcasting por aprendizagem automática poderiam produzir estimativas mais precisas e atempadas do crescimento da liquidez doméstica do que os padrões de referência tradicionais de séries temporais do BSP.

O estudo aplicou Regressão Ridge, LASSO, Elastic Net, Random Forest e Gradient Boosted Trees a indicadores monetários, financeiros e do setor externo de alta frequência, de janeiro de 2008 a dezembro de 2020, avaliando previsões de um passo em frente sob um processo de janela expansiva face a padrões de referência ARIMA, de passeio aleatório e de modelo de fatores dinâmicos.

Os métodos de regularização tiveram o melhor desempenho: o Elastic Net produziu o menor erro global entre os modelos testados, com um erro quadrático médio de 0,529 e um erro absoluto médio de 0,391, e os modelos de aprendizagem automática, no seu conjunto, produziram erros de previsão mensais consistentemente inferiores aos padrões de referência tradicionais, inclusive durante os meses do início de 2020, quando a liquidez se expandiu subitamente devido ao endividamento do governo nacional relacionado com a COVID-19.

A própria conclusão do BSP é modesta e específica: o artigo recomenda os modelos como uma "ferramenta suplementar" ao conjunto existente de modelos de previsão do Banco para o PIB, a inflação e a simulação de políticas, em vez de afirmar que os substituem. O artigo é replicado pelo Philippine Institute for Development Studies, juntamente com artigos complementares do BSP que aplicam métodos semelhantes ao nowcasting da inflação regional e do IPC desagregado — indicando um programa de investigação interno sustentado e plurianual, e não um exercício pontual.