Project Spectrum：利用生成式人工智能增强通货膨胀临近预报（英文）

核心观点

该项目旨在利用人工智能技术自动对网络抓取的产品描述进行分类，以促进高频率在线价格数据在通货膨胀即时预测和预测中的应用。项目探索了两种方法：直接大型语言模型提示和基于嵌入的分类器。直接大型语言模型提示虽然准确，但由于处理时间和成本过高而不可行。基于嵌入的分类器在准确性和成本之间取得了更好的平衡，并且具有可扩展性和模块化等优点。

关键数据

• 项目使用了欧洲中央银行每日价格数据集 (DPD)，其中包含 3400 万个独特产品的每日价格-产品观测值。
• 参考数据集包含 30,000 个经过手动标记的产品，用于训练分类算法。
• 测试数据集包含 30,000 个产品，用于评估分类性能。
• 项目涵盖了欧元区 19 个国家 CPI 购物篮中约 50% 的支出。

研究结论

• 基于嵌入的分类器在分类准确性和成本之间取得了更好的平衡，并且具有可扩展性和模块化等优点。
• 该方法可以有效地将大量非结构化数据转换为结构化数据，为分析师和政策制定者提供及时、详细的洞察力。
• 通过迭代过程逐步扩展参考数据集，可以进一步提高分类准确性和适应性。

未来步骤

• 在不同的数据集和语言中测试解决方案。
• 构建基于 ECOICOP 子类级别的 CPI 指数，并将其与官方通货膨胀时间序列进行比较。