Nel ciclo di politica monetaria, prevedere il livello di inflazione più probabile è una parte del lavoro. L’altra — altrettanto importante — è stimare quanto e in quale direzione quella previsione potrebbe sbagliarsi. In un contesto di crescente incertezza economica e geopolitica, questa seconda parte è diventata molto più difficile. Un post sul blog della BCE firmato da Arce, Klieber, Lenza e Paredes, pubblicato nell’aprile scorso, descrive come l’Eurosistema stia affrontando questa sfida anche con l’aiuto di strumenti di intelligenza artificiale.
Il modello adottato si chiama Quantile Regression Forest (QRF) ed è operativo come parte del toolkit analitico della BCE dalla fine del 2022. È costruito su un approccio di machine learning che si distingue dai modelli econometrici tradizionali per due caratteristiche principali. La prima è la capacità di elaborare simultaneamente un numero elevato di variabili: sessanta indicatori che coprono aspettative di inflazione, pressioni sui costi salariali e di importazione, attività economica reale e condizioni finanziarie. La seconda è la capacità di catturare non-linearità nei dati — ossia relazioni tra le variabili che cambiano a seconda del contesto — che i modelli standard tendono a escludere per semplicità.
Il QRF non produce un valore singolo per l’inflazione futura, ma una distribuzione: una fascia di risultati probabili attorno alla previsione di base dell’Eurosistema. Quando le proiezioni ufficiali cadono nella parte bassa di quella fascia — o addirittura fuori dal limite inferiore — il modello segnala un rischio al rialzo rilevante. Quando si collocano al centro, il rischio identificato è limitato.
Nel corso del 2025, questa logica ha dimostrato valore predittivo. Al secondo e al quarto trimestre dell’anno, il QRF collocava la maggior parte o l’intera fascia di probabilità al di sopra delle proiezioni BCE/Eurosistema, segnalando rischi al rialzo. L’inflazione core (HICPX, ovvero l’indice armonizzato al netto di energia e alimentari) si è poi attestata effettivamente 20 punti base sopra le proiezioni. Quando invece le previsioni si collocavano vicino al centro dell’intervallo, gli esiti effettivi si sono rivelati più allineati con le aspettative. La fascia si restringe nel corso di ogni trimestre man mano che arrivano nuovi dati, riflettendo la riduzione progressiva dell’incertezza.
Secondo gli autori, nel 2025 i fattori che hanno guidato le revisioni alle proiezioni sull’inflazione core sono stati principalmente la dinamica salariale e le aspettative sui prezzi di vendita delle imprese. Il modello è ora impiegato anche per il nowcasting del PIL.
Certo, l’arrivo di uno shock come quello energetico che da fine febbraio sta scuotendo l’economia mondiale, rimette tutto in discussione, ma l’esperienza della BCE suggerisce una direzione più ampia: gli strumenti di machine learning non sostituiscono i modelli tradizionali né il giudizio degli esperti, ma li affiancano con un’elaborazione più rapida e più granulare dei segnali di rischio — in un momento in cui i cicli di incertezza si moltiplicano.
Foto di Frank Bender
