来源：期刊VIP网 时间：
作者：刘洋;潘然;许睿;田振 ;周正铭;
单位：IMF(国际货币基金组织);
摘要：自2020年以来，由于供应链中断和新冠疫情后的经济不确定性，预测通货膨胀已成为中央银行面临的一大挑战。机器学习模型可以通过纳入更广泛的变量、允许非线性关系以及关注样本外预测表现来提高预测准确性。在本文中，我们应用机器学习（ML）模型来预测日本近期的核心通胀率。日本是一个具有挑战性的案例，因为通胀在2022年之前一直处于低位，而现在已经上升到了四十年来前所未见的水平。我们对大量预测因子应用了四种机器学习模型以及两种基准模型。对于2023年，两种惩罚回归模型系统性地优于基准模型，其中LASSO提供了最准确的预测。2022年后预测通货膨胀的有效预测变量包括家庭通货膨胀预期、入境旅游人数、日元汇率和产出缺口。
关键词：核心通货膨胀;;预测;;机器学习模型;;LASSO;;日本
