利用机器学习加强通胀预测

• 作者： 刘洋 ¹ 潘然 ¹ 许睿 ¹
• 作者单位：
  1.  国际货币基金组织
• 发布时间：2025-04-14

摘要: 自2020年以来，由于供应链中断和新冠疫情后的经济不确定性，预测通货膨胀已成为中央银行面临的一大挑战。机器学习模型可以通过纳入更广泛的变量、允许非线性关系以及关注样本外预测表现来提高预测准确性。在本文中，我们应用机器学习（ML）模型来预测日本近期的核心通胀率。日本是一个具有挑战性的案例，因为通胀在2022年之前一直处于低位，而现在已经上升到了四十年来前所未见的水平。我们对大量预测因子应用了四种机器学习模型以及两种基准模型。对于2023年，两种惩罚回归模型系统性地优于基准模型，其中LASSO提供了最准确的预测。2022年后预测通货膨胀的有效预测变量包括家庭通货膨胀预期、入境旅游人数、日元汇率和产出缺口。

• 分类： 应用经济学 >> 金融学
• 稿件状态： 已在期刊出版
期刊名称： 《新金融》 2025年 第4期
• 引用： PSSXiv:202504.01738 (或此版本 PSSXiv:202504.01738V1)
  DOI:10.12451/202504.01738
  CSTR:32012.36.PSSXiv.202504.01738
• 推荐引用方式： 刘洋,潘然,许睿.利用机器学习加强通胀预测.新金融,2025(4).[PSSXiv:202504.01738V1] (点此复制)