Bättre prognoser med AI-baserade modeller
Nyhet, Staff memo AI-baserade modeller överträffar klassiska tidsseriemodeller när det gäller att göra prognoser för svensk BNP och inflation. Det visar en undersökning gjord av ekonomer på Riksbankens penningpolitiska avdelning.
AI-modeller har stor potential att bidra med nya insikter och verktyg viktiga vid prognosmakande. Förmågan att fånga upp icke-linjära samband, anpassa sig till nya och stora datamängder samt automatisera prognosprocesser innebär en avsevärd fördel jämfört med traditionella prognosmodeller.
I ”AI-based forecasting in Sweden” undersöker författarna hur väl AI-modeller, framförallt random forests och neurala nätverk, kan göra prognoser för svensk BNP och inflation. Prognosförmågan hos AI-modellerna jämförs med traditionella jämförelsemodeller som till exempel autoregressiva modeller samt med ofta använda prognosmodeller som till exempel dynamiska faktormodeller.
Resultaten visar att de AI-baserade prognosmodellerna förbättrar prognoserna för svensk BNP och inflation.
I takt med att AI-modellerna förbättras och blir mer integrerade i prognosprocessen kan vi förvänta oss att de i allt högre grad kompletterar och i många fall fortsätter att överträffa traditionella prognosmodeller.
Författare: Ard Den Reijer, Pär Stockhammar och David Vestin, verksamma vid avdelningen för penningpolitik, samt Davide Vincenzo Bucci och Xin Zhang som tidigare arbetade på Riksbanken.
Staff memo
I ett staff memo kan medarbetare på Riksbanken offentliggöra kvalificerade analyser i relevanta frågor. Det är en tjänstemannapublikation som är fri från policyslutsatser och individuella ställningstaganden i aktuella policyfrågor. Publikationen godkänns av berörd avdelningschef. De åsikter som uttrycks i staff memon är författarnas egna och ska inte uppfattas som Riksbankens ståndpunkt.