An Interpretable Machine Learning Approach in Predicting Inflation Using Payments System Data: A Case Study of Indonesia
创建于 更新于
摘要
该报告利用印尼支付系统、资本市场和宏观经济数据，评估多种机器学习模型对通胀预测的表现，发现XGB模型优于传统ARIMA基准，能将预测误差降低45.16%，支付系统变量对通胀预测贡献显著，结合SHAP值解析模型解释性，提升了政策分析的直观性和准确性，推荐作为中央银行辅助预测工具 [page::0][page::11][page::13][page::21]。
