Colômbia · Bogotá · Ver o perfil de Colômbia · Ver o perfil de Bogotá
Evidência: Quase-experimental Top 74% 47/100 · Pergunte a Evidence Copilot sobre esta prática
Estudo de julho de 2025 do Banco de la República mostra que um modelo de Floresta Aleatória com dados do Google Trends prevê a inflação colombiana tão bem quanto o inquérito a analistas do banco — cerca de 1,5 semanas mais cedo — superando SARIMA, Ridge e Lasso.
O valor oficial mensal da inflação da Colômbia é divulgado com desfasamento, e o próprio Inquérito Mensal a Analistas Financeiros (MES) do Banco de la República demora tempo a compilar, deixando os decisores políticos sem uma leitura antecipada das pressões de preços entre divulgações.
No Borradores de Economía n.º 1318 (julho de 2025), os economistas Felipe Roldán-Ferrín e Julián Andrés Parra-Polanía construíram o RF-GT, um modelo de aprendizagem automática Random Forest treinado com dados históricos de inflação, indicadores macroeconómicos e atividade de pesquisa na web do Google Trends, com hiperparâmetros ajustados através de validação cruzada de séries temporais.
O desempenho fora da amostra do modelo foi testado face aos padrões estatísticos SARIMA, Ridge e Lasso e face à previsão mediana do próprio inquérito de analistas MES do banco, no período de 2023-2024.
O RF-GT superou consistentemente os padrões SARIMA, Ridge e Lasso e igualou a precisão da previsão mediana do inquérito de analistas MES do próprio banco — produzindo a sua estimativa cerca de uma semana e meia antes de o inquérito estar disponível.
Este permanece um documento de trabalho de investigação do departamento de economia do banco, e não um contributo confirmado para o processo formal de decisão de política monetária, e o seu histórico fora da amostra cobre apenas uma janela de dois anos.
Own resources / municipal budget
Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.
Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.
De onde foi obtida a informação desta prática, e quando.
Cazaquistão
O banco central do Cazaquistão acrescentou aprendizagem automática Ridge, Lasso e Elastic-Net ao seu sistema de previsão de inflação, reduzindo …
África do Sul
Investigadores do SARB testaram rigorosamente modelos de aprendizagem automática (LASSO, XGBoost, redes neuronais) face às próprias previsões de inflação publicadas …
Nigéria
O banco central da Nigéria acrescentou um índice de sentimento por aprendizagem automática ao seu modelo de previsão de inflação; …
Índia
Economistas do Banco da Reserva da Índia construíram um modelo híbrido de ML e séries temporais — acrescentando dados de …
Abrir o copiloto completo Baseado em práticas citadas — verifique sempre as fontes.