O Banco Nacional da República do Cazaquistão (NBK) opera há muito um Sistema Seletivo-Combinado de Previsão de Inflação (SSCIF) construído sobre modelos econométricos tradicionais (OLS, LTAR, BVAR, Passeio Aleatório) dentro do seu Departamento de Política Monetária.
Num working paper do NBK de dezembro de 2024 (NBRK-WP-2024-13), os analistas Zarina Adilkhanova e Yerzhan Islam acrescentaram os algoritmos de aprendizagem automática Regressão Ridge, Regressão Lasso e Elastic Net ao SSCIF e repetiram testes de precisão pseudo-fora-da-amostra, medidos pelo erro quadrático médio (RMSE), em quatro janelas históricas de teste (2016, 2018, 2020-21 e 2023-24).
O modelo atualizado, reforçado por ML, reduziu o RMSE da inflação global em 18,6% (janeiro-setembro de 2018), 15,8% (julho de 2020-março de 2021) e 15,3% (maio de 2023-janeiro de 2024) face à versão anterior, apenas econométrica, embora os autores notem que o modelo anterior ainda previa com mais exatidão alguns subcomponentes (inflação não alimentar e de serviços) numa janela de março-novembro de 2016 para a qual tinha sido originalmente concebido. Em agosto de 2024, o Centro Regional de Assistência Técnica do FMI para o Cáucaso, Ásia Central e Mongólia (CCAMTAC) realizou uma missão de diagnóstico a pedido do NBK, para ajudar a incorporar um sistema de previsão de curto prazo mais robusto em toda a Divisão de Análise Monetária, com implementação prevista para o ano fiscal de 2026 do FMI.
Os autores classificam explicitamente os resultados do SSCIF como estimativas internas, apenas baseadas no modelo e pseudo-fora-da-amostra, que excluem o juízo de peritos e choques externos, e afirmam que o artigo reflete as suas opiniões pessoais e não a posição oficial do NBK; a expansão apoiada pelo CCAMTAC estava, segundo as fontes citadas, ainda na fase de planeamento/implementação, e não numa implantação já concluída em todo o banco.
De onde foi obtida a informação desta prática, e quando.