Nowcasting Inflation Using Online Prices

Resumo Técnico: Nowcasting da Inflação Utilizando Preços Online

Definição do Problema
As taxas oficiais de inflação, como o Índice de Preços ao Consumidor (IPC), são tipicamente publicadas com um atraso significativo (aproximadamente um mês), baseando-se fortemente em pesquisas de campo presenciais tradicionais e dados de scanners. Embora o gasto online seja um componente crescente do gasto total, os escritórios estatísticos oficiais têm hesitado em integrar os preços online em suas fontes de dados devido aos desafios de coleta e classificação. Os principais obstáculos incluem a instabilidade das estruturas dos sites, a falta de padronização da categorização de produtos pelos varejistas e a dificuldade de mapear com precisão vastas quantidades de dados de produtos online não estruturados para as categorias estatísticas oficiais. Além disso, os métodos de classificação automatizada existentes frequentemente dependem de buscas básicas por palavras-chave ou regras manuais, que são propensas a erros (por exemplo, classificar incorretamente "filtros de café" como "café") e exigem intervenção manual frequente quando os designs dos sites mudam.

Metodologia
Os autores propõem um framework robusto e automatizado para construir um índice diário de preços de alimentos online e utilizá-lo para o nowcasting das taxas oficiais de inflação. A metodologia consiste em três componentes principais:

1. Coleta de Dados e Pré-processamento:

   • Fonte: Dados coletados diariamente via web scraping de cinco grandes redes de varejo online turcas (Migros, Carrefour, Mopaş, MarketPaketi e Şok) de julho de 2018 a dezembro de 2025.
   • Volume: O conjunto de dados compreende aproximadamente 50.000 a 70.000 entradas diárias, totalizando cerca de 150 milhões de pontos de dados.
   • Padronização: Os preços foram padronizados para unidades comuns (ex: gramas, centilitros) usando expressões regulares. Um código de modificação foi aplicado para unificar as estruturas de nomenclatura categórica entre diferentes lojas.

2. Classificação Baseada em NLP:

   • Modelo: Em vez de depender das categorias fornecidas pelos varejistas ou de simples buscas por palavras-chave, os autores empregaram um modelo BERT-Base-Turkish-Cased (BERTurk) ajustado (fine-tuned). Este modelo baseado em transformer foi escolhido por sua capacidade de lidar com a complexa morfologia aglutinante da língua turca.
   • Treinamento: O modelo foi treinado em um conjunto de dados classificado manualmente de 149.509 entradas de produtos. Para abordar o desequilíbrio de classes, foi aplicado o Random Over Sampling em categorias sub-representadas.
   • Desempenho: O modelo alcançou uma taxa de precisão de 95,57% na atribuição de produtos às 132 categorias de alimentos definidas pelo Instituto de Estatística da Turquia (TurkStat).
   • Tratamento de Outliers: Para mitigar a classificação incorreta e entradas de preços errôneas (ex: falhas técnicas), uma taxa de poda (trimming) de 10% foi aplicada para excluir os preços mais altos e mais baixos em cada categoria durante o cálculo do índice.

3. Construção do Índice e Nowcasting:

   • Construção do Índice: Um índice diário de preços de alimentos online foi construído calculando a média geométrica dos preços dentro de cada categoria e agregando-os utilizando os pesos de gastos oficiais do TurkStat. Pontos de dados diários ausentes foram tratados via interpolação linear.
   • Framework de Nowcasting: O índice online diário foi utilizado para prever a taxa mensal oficial de inflação de alimentos. Os autores empregaram uma abordagem de amostra fora da amostra (pseudo out-of-sample) com uma janela expansiva (período de treinamento: agosto de 2018–dezembro de 2021; avaliação: janeiro de 2022–dezembro de 2025).
   • Modelos: Um conjunto de modelos de aprendizado de máquina foi testado, incluindo Bagging, Elastic Net, Lasso, Random Forest, Ridge e Extreme Gradient Boosting, juntamente com um benchmark de média de conjunto (AVERAGE).
   • Preditores: Os modelos utilizaram as taxas diárias de inflação online junto com um conjunto de indicadores econômicos e financeiros (ex: taxas de câmbio, rendimentos de títulos, gastos com cartão de crédito, expectativas de inflação).

Principais Resultados

• Correlação do Índice: O índice de preços de alimentos online acompanhou de perto o índice oficial do TurkStat durante períodos de baixa e inflação estável. No entanto, uma divergência significativa surgiu a partir de meados de 2021, coincidindo com uma mudança para política monetária não convencional e um pico nas taxas de inflação anual (atingindo até 85%). Durante períodos de alta inflação, os dois índices divergiram, sugerindo que os preços online podem capturar a variabilidade de preços de forma diferente dos métodos de coleta tradicionais.
• Desempenho de Nowcasting:
  • Curto prazo (dia 2 do mês): A inclusão da inflação de alimentos online não melhorou sistematicamente a precisão do nowcasting; em muitas especificações, aumentou o Erro Médio Absoluto (MAE), provavelmente devido ao ruído de alta frequência ou ao desalinhamento insuficiente com a formação de preços mensal no início do mês.
  • Horizonte de Médio a Longo Prazo (dias 15 e 22 do mês): O índice online tornou-se significativamente mais informativo. No horizonte do dia 22, a incorporação dos dados online reduziu o MAE do conjunto de 2,950 para 2,784.
  • Robustez do Modelo: A melhoria foi observada em vários aprendizes lineares principais (Lasso, Ridge, ElasticNet) e na média do conjunto, indicando que o índice online fornece conteúdo preditivo complementar que é mais relevante mais tarde no mês, quando mais dados intra-mês estão disponíveis.
  • Benchmarking: Todos os modelos econométricos e de aprendizado de máquina superaram significativamente o benchmark de passeio aleatório (random walk).

Significância e Alegações
O artigo afirma que sua principal contribuição é o desenvolvimento e validação de um esquema de classificação baseado em NLP capaz de categorizar com precisão volumes massivos de dados de varejo online não estruturados em categorias estatísticas oficiais. Isso aborda um gargalo crítico no uso de big data para estatísticas econômicas.

Os autores afirmam que, embora os preços online possam servir como indicadores precoces eficazes, sua utilidade é dependente do horizonte. O estudo conclui que os dados online aumentam a precisão do nowcasting das taxas oficiais de inflação, particularmente em horizontes de médio a longo prazo (mais tarde no mês). A divergência observada durante períodos de alta inflação sugere que os escritórios estatísticos poderiam se beneficiar da incorporação de uma proporção maior de preços online em suas fontes de dados para capturar melhor a variabilidade de preços durante tempos econômicos voláteis. O artigo não afirma que os dados online devam substituir inteiramente os métodos oficiais, mas sim que oferecem um valor incremental significativo para o monitoramento oportuno da inflação, especialmente quando combinados com técnicas de aprendizado de máquina.