Descripción

Proyectar la inflación es una tarea importante pero difícil. Aquí, exploramos los avances de los métodos de machine learning (ML) y la disponibilidad de nuevas bases de datos para proyectar la inflación de EE.UU. A pesar del escepticismo en la literatura previa, demostramos que los modelos de ML con un amplio número de covariables son sistemáticamente más precisos que los modelos referenciales. El método de ML que merece más atención es el modelo random forest, el cual domina a todos los otros modelos. Su buen desempeño se debe no solo al método específico de selección de variables, sino que también a las potenciales no linealidades entre variables macroeconómicas clave y la inflación.