Nowcasting Inflation Using Online Prices
Diese Studie zeigt, dass ein täglicher Lebensmittelpreisindex, der aus 150 Millionen Online-Einzelhandelseinträgen unter Verwendung von Transformer-basierten Sprachmodellen konstruiert wurde, die offiziellen türkischen Inflationsraten effektiv nuncasten kann, insbesondere in Zeiten niedriger und stabiler Inflation, wobei die Korrelation schwächer wird, wenn die Inflation sprunghaft ansteigt.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, das Endergebnis eines Fußballspiels zu erraten, bevor der Schiedsrichter die Schlusspfife setzt. Normalerweise müssen Sie warten, bis das Spiel komplett beendet ist und die offiziellen Statistiken veröffentlicht wurden, um den wahren Spielstand zu kennen. In der Welt der Wirtschaft ist dieser „Endstand“ die Inflationsrate (wie stark die Preise gestiegen sind), und die „offiziellen Statistiken“ kommen vom staatlichen statistischen Amt (TurkStat), das die Daten einen Monat verspätet veröffentlicht.
In dieser Arbeit geht es um ein Team von Forschern, die ein Echtzeit-Anzeigetafel mithilfe von Online-Preisen gebaut haben, um diesen offiziellen Spielstand vorzeitig vorherzusagen.
Hier ist ihre Vorgehensweise, in einfache Schritte unterteilt:
1. Das Problem: „Post per Schneckentempo“ vs. „Live-Stream“
Offizielle Inflationszahlen sind wie ein Brief, der per Schneckentempo verschickt wird. Die Regierung schickt Teams von Menschen in die Geschäfte, um Preise aufzuschreiben, oder sie scannen Belege aus physischen Geschäften. Das braucht Zeit. Bis die Regierung die Zahl veröffentlicht, ist sie bereits einen Monat alt.
Die Forscher wollten einen „Live-Stream“. Sie entschieden sich, die Preise auf fünf großen türkischen Online-Lebensmittel-Websites jeden einzelnen Tag zu beobachten. Sie sammelten über sieben Jahre hinweg jeden Tag zwischen 50.000 und 70.000 Preisschilder. Das ist eine gewaltige Menge an Daten – etwa 150 Millionen Datenpunkte insgesamt.
2. Die Herausforderung: „Die unordentliche Bibliothek“
Stellen Sie sich vor, Sie betreten eine Bibliothek, in der die Bücher überall herumfliegen. Einige Bücher sind als „Lebensmittel“ beschriftet, aber in diesem Stapel finden Sie ein Buch über „Kaffeefilter“, das mit „Espressobohnen“ vermischt ist. Einige Artikel sind als „Milch“ beschriftet, sind aber eigentlich „Hafergetränke“.
Die Websites, die die Forscher gescannt hatten, wiesen ähnliche Probleme auf. Die Kategorien waren chaotisch, inkonsistent oder einfach falsch. Wenn sie nur nach dem Wort „Kaffee“ gesucht hätten, hätten sie versehentlich den Preis eines Kaffeefilters als den Preis von Kaffeebohnen gezählt.
3. Die Lösung: Der „Schlaue Bibliothekar“ (KI)
Um die unordentliche Bibliothek zu bereinigen, haben die Forscher nicht Menschen engagiert, um jedes einzelne Objekt manuell zu sortieren (das hätte ewig gedauert). Stattdessen bauten sie einen Schlauben Bibliothekar mithilfe von Künstlicher Intelligenz (speziell einer Art von KI namens NLP oder Natural Language Processing/Natürliche Sprachverarbeitung).
- Das Training des Bibliothekars: Zuerst sortierten sie etwa 150.000 Artikel manuell, um der KI beizubringen, wie „Kaffeebohnen“ tatsächlich aussehen im Gegensatz zu „Kaffeefiltern“.
- Das Ergebnis: Die KI lernte, die Produktnamen zu lesen und sie mit einer Genauigkeit von 95 % korrekt zu sortieren.
- Die Aufgabe: Einmal trainiert, ging dieser KI-Bibliothekar jeden Tag an die Arbeit und sortierte 5.0{000 bis 70.000 neue Artikel sofort und organisierte sie in genau die Kategorien, die auch die Regierung verwendet.
4. Aufbau der „Täglichen Anzeigetafel“
Nachdem die KI die Preise sortiert hatte, bauten die Forscher ihren eigenen Täglichen Lebensmittelpreisindex.
- Sie verwendeten dieselbe Mathematik und dieselben „Gewichtungen“ (die Bedeutung verschiedener Lebensmittel), die auch die Regierung nutzt.
- Anstatt einen Monat zu warten, aktualisierten sie diesen Index jeden einzelnen Tag.
5. Was sie fanden: Der „Wettervorhersage-Effekt“
Als sie ihren täglichen Online-Index mit dem offiziellen monatlichen Index der Regierung verglichen, fanden sie zwei interessante Dinge:
- Wenn das Wetter ruhig ist (Niedrige Inflation): Deckten sich die beiden Werte perfekt. Wenn die Preise stabil waren, entsprachen die Online-Preise genau den Offline-Preisen.
- Wenn der Sturm aufzieht (Hohe Inflation): Als die Inflation zu explodieren begann (einen Wert von 85 % in der Türkei erreichte), begannen die beiden Werte zu divergieren (auseinanderzuweichen). Die Online-Preise bewegten sich anders als die offiziellen Offline-Pre Preise.
- Die Metapher: Es ist wie bei einer Wetter-App, die Regen basierend auf Satellitendaten vorhersagt, während die Menschen am Boden noch einen klaren Himmel sehen. In chaotischen Zeiten erzählen der „Live-Stream“ (Online) und der „offizielle Bericht“ (Offline) unterschiedliche Geschichten.
6. Der große Gewinn: Nowcasting (Jetzt-Vorhersage)
Der wichtigste Teil der Arbeit ist das Nowcasting. Das bedeutet, die offizielle Zahl vorherzusagen, bevor die Regierung sie veröffentlicht.
Die Forscher nutzten ihre täglichen Online-Daten kombiniert mit anderen wirtschaftlichen Hinweisen (wie Wechselkursen und Zinssätzen), um zu raten, wie hoch die offizielle Inflationszahl am Ende des Monats sein würde. Sie testeten dies mit vielen verschiedenen Computermodellen (wie einem Team aus verschiedenen Prognose-Experten).
- Anfang des Monats (Tag 2 oder 15): Die Online-Daten waren etwas „verrauscht“ und halfen nicht viel. Es war, als würde man versuchen, das Endergebnis eines Fußballspiels nach nur 10 Minuten Spielzeit zu erraten; die Daten waren zu chaotisch.
- Spät im Monat (Tag 22): Sobald sie die Daten für den Großteil des Monats gesammelt hatten, wurden die Online-Preise zu einer mächtigen Kristallkugel. Das Hinzufügen der Online-Daten zu ihren Modellen machte ihre Vorhersagen signifikant genauer.
Das Fazit
Die Arbeit kommt zu dem Schluss, dass Online-Preise zwar großartig sind, um einen schnellen Blick auf die Inflation zu erhaschen, sie aber am wertvollsten sind, wenn sie dazu genutzt werden, die offizielle Zahl gegen Ende des Monats vorherzusagen.
Es gibt jedoch einen Haken: Wenn die Inflation sehr hoch und chaotisch wird, beginnen die Online-Preise und die Preise in physischen Geschäften auseinanderzudriften. Dies deutet darauf darauf hin, dass die Regierung in extremen wirtschaftlichen Zeiten möglicherweise verstärkt auf Online-Daten vertrauen muss, um ein wahres Bild der Lage zu erhalten, anstatt nur an ihren alten Methoden festzuhalten.
Kurz gesagt: Sie haben einen superschnellen, KI-gestützten Preis-Tracker gebaut, der den Inflationsbericht der Regierung einen Monat früher erraten kann, aber er funktioniert am besten, wenn die Wirtschaft etwas stabiler ist und der Monat fast zu Ende ist.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.