Tuesday 22 February 2022

¿Cómo los Bancos Centrales usan el Big Data para para tomar decisiones más apropiadas?

El objetivo clave de los bancos centrales ha sido la estabilidad de los precios (inflación baja y estable) y los bancos centrales disponen de un conjunto de herramientas de política monetaria convencionales para alcanzar este objetivo. Sin embargo, tras las crisis en cuestiones de estabilidad financiera y funciones de supervisión, se han incrementado las políticas monetarias no convencionales, lo que introduce a los bancos centrales en el Big Data.

En la actualidad, los bancos centrales tienen acceso a una gran cantidad de datos que se han convertido, en particular, en una fuente de información para extraer señales económicas más oportunas, aplicar nuevas metodologías estadísticas, mejorar las previsiones económicas y las evaluaciones de la estabilidad financiera y obtener una rápida retroalimentación sobre los efectos de las políticas.

Sin embargo, la mayor parte de los datos se basan en transacciones entre empresas (comercio electrónico, transacciones con tarjetas de crédito), estadísticas públicas y datos de los mercados financieros.

La inteligencia artificial (IA) y el aprendizaje automático (ML) han ganado importancia en este proceso. La IA y el ML pueden mejorar aún más la base de datos para las decisiones de política monetaria de los bancos centrales:

  • Proporcionando información más completa, inmediata y granular para complementar los indicadores macroeconómicos existentes.
  • Utilizando nuevas fuentes de datos como las búsquedas de Google, los bienes inmuebles, los precios de los consumidores en internet o las redes sociales.
  • Introduciendo nuevas técnicas de recopilación de datos, por ejemplo, el web-scraping, la minería de textos o el cotejo de diferentes fuentes de datos.

Una cuestión importante es, pues, cómo analizar los big data de la manera más eficiente. Es importante destacar que, mientras que los enfoques y aplicaciones tradicionales giraban en torno a la estimación de parámetros, las herramientas de ML giran en torno al problema de la predicción, siendo capaces de descubrir patrones generalizables en los datos (Mullanaithan y Spiess, 2017).

Finalmente, el uso del Big Data, plantea una serie de retos para los bancos centrales, especialmente en lo que respecta a su manejo y uso para la formulación de políticas, para ello, es importante desarrollar normas, identificadores y diccionarios de datos adecuados a la hora de recopilar y procesar los datos.



Huisacayna Sana Joseph Alexander

Asistente de Estudios Económicos

+EMECEP



No comments:

Post a Comment