Nowcasting Inflation Using Online Prices
Deze studie toont aan dat een dagelijkse voedselprijsindex, geconstrueerd uit 150 miljoen online retail-vermeldingen met behulp van transformer-gebaseerde taalmodellen, effectief de officiële Turkse inflatiecijfers kan nuanceren, met name tijdens perioden van lage en stabiele inflatie, hoewel de correlatie verzwakt wanneer de inflatie piekt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je de eindstand van een voetbalwedstrijd probeert te raden voordat de scheidsrechter het eindsignaal geeft. Normaal gesproken moet je wachten tot de wedstrijd volledig is afgelopen en de officiële statistieken zijn vrijgegeven om de echte uitslag te weten. In de wereld van de economie is deze "eindstand" het inflatiecijfer (hoeveel de prijzen zijn gestegen), en de "officiële statistieken" komen van de overheidsstatistische dienst (TurkStat), die de gegevens een maand later publiceert.
Dit artikel gaat over een team van onderzoekers dat een real-time scorebord heeft gebouwd met behulp van online prijzen om die officiële score eerder te voorspellen.
Dit is hoe ze het deden, uitgelegd in eenvoudige stappen:
1. Het Problein: De "Trage Post" versus de "Live Stream"
Officiële inflatiecijfers zijn als een brief die per post wordt verzonden. De overheid stuurt teams mensen naar winkels om prijzen op te schrijven, of ze scannen bonnetjes van fysieke winkels. Dit kost tijd. Tegen de tijd dat de overheid het cijfer publiceert, is het al een maand oud.
De onderzoekers wilden een "live stream". Ze besloten elke dag de prijzen op vijf grote Turkse online boodschappenwebsites te volgen. Ze verzamelden elke dag tussen de 50.000 en 70.000 prijskaartjes gedurende meer dan zeven jaar. Dat is een enorme hoeveelheid data — ongeveer 150 miljoen datapunten in totaal.
2. De Uitdaging: De "Rommelige Bibliotheek"
Stel je voor dat je een bibliotheek binnenloopt waar de boeken overal door elkaar liggen. Sommige boeken zijn gelabeld als "Voeding", maar in die stap vind je een boek over "Koffiefilters" gemengd met "Espressobonen". Sommige artikelen zijn gelabeld als "Melk", maar het zijn eigenlijk "Haverdranken".
De websites die de onderzoekers hebben gescraped, hadden vergelijkbare problemen. De categorieën waren rommelig, inconsistent of gewoon fout. Als ze alleen op het woord "Koffie" zochten, zouden ze per ongeluk de prijs van een koffiefilter kunnen tellen als de prijs van koffiebonen.
3. De Oplossing: De "Slimme Bibliothecaris" (AI)
Om de rommelige bibliotheek op te lossen, huurden de onderzoekers geen mensen in om elk item te sorteren (dat zou te lang duren). In plaats daarvan bouwden ze een Slimme Bibliothecaris met behulp van Kunstmatige Intelligentie (specifiek een type AI genaamd NLP of Natural Language Processing).
- Het trainen van de biblicaris: Eerst hebben ze handmatig ongeveer 150.000 artikelen gesorteerd om de AI te leren hoe "Koffiebonen" er echt uitzien versus "Koffiefilters".
- Het resultaat: De AI leerde de productnamen te lezen en ze correct te sorteren met een nauwkeurigheid van 95%.
- De taak: Eenmaal getraind, ging deze AI-biblicaris elke dag aan het werk door 50.000 tot 70.000 nieuwe artikelen direct te sorteren en te organiseren in precies dezelfde categorieën die de overheid gebruikt.
4. Het Bouwen van de "Dagelijkse Scorebord"
Zodra de AI de prijzen had gesorteerd, bouwden de onderzoekers hun eigen Dagelijkse Voedselprijsindex.
- Ze gebruikten dezelfde wiskunde en "gewichten" (het belang van verschillende voedingsmiddelen) die de overheid gebruikt.
- In plaats van een maand te wachten, werkten ze deze index elke dag bij.
5. Wat Ze Vonden: Het "Weerbericht"-effect
Wanneer ze hun dagelijkse online index vergeleken met de officiële maandelijkse index van de overheid, ontdekten ze twee interessante zaken:
- Wanneer het weer kalm is (Lage Inflatie): De twee scores kwamen perfect overeen. Als de prijzen stabiel waren, zagen de online prijzen er precies zo uit als de offline prijzen.
- Wanneer de storm toeslaat (Hoge Inflatie): Wanneer de inflatie begon te exploderen (een bereik van 85% in Turkije), begonnen de twee scores te divergeren (uit elkaar te lopen). De online prijzen bewogen anders dan de officiële offline prijzen.
- De metafoor: Het is als hoe een weer-app regen kan voorspellen op basis van satellietgegevens, terwijl mensen op de grond nog een heldere lucht zien. Tijdens chaotische tijden vertellen de "live stream" (online) en het "officiële rapport" (offline) verschillende verhalen.
6. De Grote Winst: Voorspellen van de Toekomst (Nowcasting)
Het belangrijkste deel van het artikel is Nowcasting. Dit betekent het voorspellen van het officiële cijfer voordat de overheid het publiceert.
De onderzoekers gebruikten hun dagelijkse online data, gecombineerd met andere economische aanwijzingen (zoals wisselkoersen en rentestanden), om te raden wat het officiële inflatiecijfer aan het einde van de maand zou zijn. Ze testten dit met veel verschillende computermodellen (zoals een team van verschillende voorspellers).
- Aan het begin van de maand (Dag 2 of 15): De online data was een beetje "ruizig" en hielp niet veel. Het was alsof je de eindstand van een voetbalwedstrijd probeert te raden na slechts 10 minuten spelen; de data was te chaotisch.
- Aan het einde van de maand (Dag 22): Zodra ze de meeste gegevens van de maand hadden verzameld, werden de online prijzen een krachtige kristallen bol. Het toevoegen van de online data aan hun modellen maakte hun voorspellingen aanzienlijk nauwkeuriger.
De Kernboodschap
Het artikel concludeert dat hoewel online prijzen geweldig zijn voor een snelle blik op de inflatie, ze het meest waardevol zijn wanneer ze worden gebruikt om het officiële cijfer laat in de maand te voorspellen.
Er is echter een addertje onder het gras: Wanneer de inflatie zeer hoog en chaotisch is, beginnen online prijzen en prijzen in fysieke winkels uit elkaar te drijven. Dit suggereert dat de overheid tijdens chaotische economische tijden wellicht meer op online data moet vertrouwen om een echt beeld te krijgen van wat er gebeurt, in plaats van alleen vast te houden aan hun oude methoden.
Kortom: Ze hebben een super-snelle, door AI aangedreven prijsvolger gebouwd die het inflatierapport van de overheid een maand eerder kan raden, maar het werkt het beste wanneer de economie enigszig stabiel is en de maand bijna ten einde loopt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.