► Читайте сторінку «Мінфіну» у фейсбуці: головні фінансові новини
«В умовах зростаючої економічної та політичної невизначеності ціни можуть змінюватися швидше і більш різко».
Традиційно монетарна політика орієнтується на базовий прогноз інфляції, однак дедалі більшого значення набуває оцінка ризиків — наскільки фактичні показники можуть відхилитися від очікувань.
Як працює модель ШІ
ЄЦБ використовує модель машинного навчання на базі лісу з квантильною регресією (QRF), яка виконує одразу дві функції:
- формує прогноз інфляції;
- оцінює ризики відхилення від базового сценарію.
На відміну від класичних моделей, новий підхід враховує значно більше економічних показників, здатний виявляти складні та нелінійні залежності та аналізує динаміку в режимі реального часу
«Моделі машинного навчання здатні виявляти дуже складні закономірності в даних, які традиційні економічні моделі часто ігнорують», — зазначили в ЄЦБ.
Особливо ефективною система виявилася після пандемії, коли сигнали від економічних індикаторів стали суперечливими:
Практичні результати та роль для інвесторів
Модель уже інтегрована у процес підготовки рішень з монетарної політики з кінця 2022 року. У 2025 році вона показала здатність точно визначати ризики — зокрема, передбачила перевищення фактичної інфляції над прогнозами на 20 базисних пунктів у окремих кварталах.
Крім прогнозування, система допомагає визначати ключові драйвери інфляції. Наприклад, зростання зарплат, очікування цін та вартість імпорту.
«Ці нові інструменти відіграватимуть дедалі більшу роль у прогнозуванні, моніторингу економічних тенденцій і ухваленні рішень монетарної політики», — йдеться у повідомленні.
Для інвесторів це означає:
- швидшу реакцію регуляторів на інфляційні ризики;
- підвищення точності макроекономічних прогнозів;
- зростання ролі ШІ в управлінні фінансовими ринками.