Uma Abordagem de Aprendizagem Automática para a Antecipação do PIB — O Modelo Híbrido de ML e Séries Temporais do Banco da Reserva da Índia

As estimativas trimestrais do PIB da Índia são divulgadas com um atraso significativo, razão pela qual o Departamento de Investigação Económica e Política (DEPR) do Banco da Reserva da Índia (RBI) tem investido em técnicas de antecipação ("nowcasting"): um Modelo de Fatores Dinâmicos anterior, construído a partir de 6, 9 e 12 indicadores de alta frequência (Documento de Trabalho do RBI WPS(DEPR) 03/2020), já visava dar uma leitura antecipada e em tempo real do crescimento do trimestre corrente.

Partindo desta base, os economistas do RBI Saurabh Ghosh e Abhishek Ranjan testaram uma abordagem híbrida que acrescenta métodos de aprendizagem automática, dados dos mercados financeiros e um índice de incerteza económica à previsão convencional de séries temporais (documento de trabalho no SSRN, dezembro de 2021; revisto por pares no Bulletin of Monetary Economics and Banking, 2023).

A abordagem combinada de aprendizagem automática com séries temporais reportou um desempenho de antecipação melhorado em relação à referência de séries temporais pura, em horizontes curtos, com a precisão a diminuir, como esperado, quanto mais distante o horizonte de previsão.

Os materiais publicados descrevem esta melhoria de forma qualitativa, e não através de um único valor de redução de erro auditado de forma independente, pelo que a evidência aqui deve ser lida como investigação interna e revista por pares promissora, e não como um sistema de produção totalmente validado externamente.