Прогнозы по инфляции: ИИ бросил вызов традиционным методам прогнозирования
Не исключено, что ИИ вскоре заменит старейший макроэкономический прогноз в США - «Опрос профессиональных прогнозистов». Но для этого разработка и обучение нейросетей должны подешеветь.
Нейронные сети способны делать более точные прогнозы по динамике инфляции, чем экономисты и традиционные методы прогнозирования, которые используются в США десятилетиями. К такому выводу пришли авторы рабочего документа 2023-015B «Artificial Intelligence and Inflation Forecasts» («Искусственный интеллект и прогнозирование инфляции») - Мигель Фариа (Miguel Faria) и Фернандо Лейбовичи (Fernando Leibovici) из Федерального резервного банка Сент-Луиса (Federal Reserve Bank of St. Louis) - одного из 12-ти резервных банков США, составляющих Федеральную резервную систему (ФРС). Документ размещен на официальном сайте банка.
Прогнозирование инфляции, пишут авторы работы, лежит в основе принятия экономических решений, формирования финансового планирования домашних хозяйств, направления стратегических инвестиций фирм и определения денежно-кредитной политики. Однако это трудная задача, поскольку равновесная инфляция является результатом совокупности индивидуальных действий, которые зависят, среди прочих факторов, от ожиданий самой инфляции.
Как указано в предисловии к работе, к составлению условных прогнозов инфляции на период 2019-2023 гг. авторы привлекли большие языковые модели (Large Language Models) и исследовали их способности в этой области. Прогнозы, сделанные нейросетью, сравнивались с прогнозами ведущего источника – «Опросом профессиональных прогнозистов» (Survey of Professional Forecasters, SPF)», а также с фактическими данными по инфляции.
«Опрос профессиональных прогнозистов» (SPF) - обзор макроэкономических прогнозов для экономики США, который ежеквартально составляет и публикует Федеральный резервный банк Филадельфии. Это старейший обзор в США, который еще в 1968 г. начали проводить Американская статистическая ассоциация (ASA) и Национальное бюро экономических исследований (NBER). При составлении обзора, который объединяет прогнозы, сделанные различными ведущими экономистами и финансовыми аналитиками, учитываются показатели в таких категориях, как бизнес-показатели США, реальный ВВП и его компоненты, индекс потребительских цен и инфляция, долгосрочные прогнозы инфляции, дополнительные долгосрочные прогнозы, равновесная безработица, индекс тревожности (оценивает вероятность снижения реального ВВП) и проч.
SPF использовался в академических исследованиях точности прогнозов и смещения прогнозов. SPF также ведет онлайн-учет предвзятости и ошибок в своих прошлых прогнозах. Список прогнозов и их последствия обсуждались в солидной деловой прессе, включая Forbes и Wall Street Journal.
Традиционные методы прогнозирования инфляции, к которым, помимо SPF, относятся также опросы отдельных лиц (например, опрос потребителей Мичиганского университета или опрос потребителей ФРС Нью-Йорка) и рыночные ожидания, имеют свои сильные стороны. Например, они доступны в режиме реального времени, и могут отражать и другие факторы финансового рынка. Но при этом они часто приводят к большим ошибкам в прогнозировании. Кроме того, проведение экспертных и индивидуальных опросов, а также настройка и запуск сложных моделей могут обходиться очень дорого.
В свою очередь, считают авторы, модели LLM, благодаря своему масштабу и изощренности, обладают высоким потенциалом для выявления чрезвычайно сложных взаимосвязей.
Как правило, термином «Большая языковая модель» (Large Language Models, LLM) обозначают языковые модели глубокого обучения, состоящие из нейронной сети со множеством параметров. LLM обучены на массивных наборах данных, обычно содержащих миллиарды слов из различных источников (web-сайты, книги и статьи), что позволяет им понимать нюансы языка, грамматики, контекста и даже некоторые аспекты общих знаний. LLM появились около 5-ти лет назад и сегодня хорошо справляются с широким спектром задач, в том числе с обработкой, пониманием и созданием текста, подобного человеческому. Такие передовые системы искусственного интеллекта заложены в основе чат-бота ChatGPT от OpenAI, YandexGPT от компании Яндекс и Pathways Language Model (PaLM) от Google AI.
Именно последняя языковая модель - PaLM - и ее способности к прогнозированию были использованы в исследовании экономистов из Federal Reserve Bank of St. Louis. Эта языковая модель обучается на большом наборе регулярно обновляемых токенов, а ее набор информации обновляется практически в режиме реального времени (как правило, ему не больше нескольких дней). Кроме того, Google сделала PaLM API свободно доступным для академических исследовательских целей, что позволяет автоматизировать сбор и обработку выходных данных без каких-либо денежных затрат.
Однако, указывают составители работы, использование LLM также сопровождается целым набором проблем: они работают как «черный ящик», что затрудняет понимание механики, лежащей в основе генерируемых ими результатов.
В ходе исследования обнаружилось, что PaLM оправдала большинство возложенных на нее ожиданий. Все сгенерированные этой нейросетью прогнозы инфляции в большинстве лет и почти на всех горизонтах содержали меньше среднеквадратичных ошибок (MSE), чем более традиционный источник прогнозов – SPF.
«Наши исходные результаты демонстрируют потенциал LLM в области составления прогнозов. Стандартные показатели прогнозируемой производительности предполагают, что PaLM способна генерировать условные прогнозы, которые, по крайней мере, не хуже, если не лучше, чем у одного из самых надежных и уважаемых источников», - указано в документе.
Авторы работы утверждают, что метод составления прогнозов с использованием большой языковой модели является точным, недорогим, и может быть применен и к другим макроэкономическим переменным. К тому же, технологические усовершенствования в аппаратном и программном обеспечении, вполне вероятно, уже в обозримом будущем приведут к существенному снижению затрат на разработку и обучение LLM. И тогда они могут стать широко доступным инструментом для составления прогнозов, оставив далеко позади намного более дорогостоящие опросы экспертов и домашних хозяйств.
Опубликовано 02.08.2023