ИИ против «прилизанной» инфляции: что важно инвестору

Центральные банки любят точность — и любят цель. Но между «сказать правду рынку» и «поддержать доверие к цели по инфляции» всегда есть напряжение. Новая работа экономистов (18.12.2025) про Банк Кореи показывает неприятную для инвестора вещь: инфляционные прогнозы могут быть систематически смещены в сторону таргета, особенно в зависимости от состояния экономики.

Для частных и институциональных инвесторов это не академическая мелочь. Инфляционный прогноз — это входной сигнал для оценки реальной доходности, ставок дисконтирования, стоимости капитала, кривой доходности, а также для валютных и товарных стратегий. Если сигнал «подкрашен», портфель начинает жить в альтернативной реальности.

Эта статья — часть нашей серии про искусственный интеллект в банковской инфраструктуре и платёжных системах. Обычно здесь говорят о фроде и надёжности транзакций. Но есть ещё один слой инфраструктуры: информационная инфраструктура — ожидания по инфляции и решения по ставкам. ИИ как раз полезен там, где человеку сложно быть полностью беспристрастным.

Почему прогноз инфляции может тянуться к цели

Ключевая мысль: у центрального банка есть стимул «якорить» ожидания ближе к целевому уровню инфляции — и это способно проявляться как статистический сдвиг в прогнозах.

Исследование по Банку Кореи проверяет, есть ли bias (смещение) в прогнозах инфляции относительно факта. Авторы не ограничиваются классической проверкой «в среднем ошибка равна нулю», а добавляют зависимость от состояния: в каком режиме была экономика на момент публикации прогноза.

Психология и коммуникация важнее математики

Коммуникация центрального банка — это управление ожиданиями. Если прогноз «слишком пугающий», рынки могут:

• резко переоценить будущие ставки;
• усилить волатильность на облигациях;
• переложить инфляционные риски в цены активов;
• ускорить переток в валюты/товары.

Поэтому центральные банки часто стремятся сохранять ощущение контролируемости. И прогноз — инструмент не только описательный, но и политический/коммуникационный.

Почему «состояние экономики» меняет смещение

Авторы задают состояние просто: фактическая инфляция на момент прогноза была ниже цели или нет. И именно в таком state-dependent подходе обнаруживается смещение.

Для инвестора это звучит так: «ошибка прогноза — не случайный шум, а режимная штука». В одном режиме прогноз может быть ближе к реальности, в другом — заметно тянуться к таргету.

Что именно показала работа про Банк Кореи (и почему это универсально)

Ключевая мысль: при проверке с учётом режима экономики прогнозы инфляции Банка Кореи статистически смещены; корректировки ошибок повышают точность.

Авторы расширяют тест Holden–Peel (1990), добавляя state-dependency. Результат: в такой постановке прогнозы оказываются смещёнными. Дальше они проверяют стратегии коррекции:

• на основе AR(1) (ошибка прогноза зависит от прошлой ошибки);
• на основе средней ошибки (mean error);
• и варианты тех же подходов, но тоже зависящие от состояния.

В целом корректировки улучшают метрики качества прогноза. При этом AR(1)-коррекция выглядит стабильнее и чаще снижает RMSE (среднеквадратичную ошибку).

Почему инвестору не стоит зацикливаться на «Корее»

Это исследование — про конкретный банк и конкретные данные, но логика переносима на многие страны:

1. У таргетирующих инфляцию регуляторов есть репутационный риск.
2. Прогноз — часть коммуникации, а не только «модельный выход».
3. Ошибки прогнозов имеют структуру, особенно вокруг режимов (инфляция ниже/выше цели, рецессия/перегрев, шоки предложения).

Если вы торгуете ОФЗ/корпоративные облигации, управляете дюрацией или строите валютное хеджирование, вам важна не «красота» прогноза, а его условная правдивость.

Где здесь ИИ: как делать прогнозы объективнее

Ключевая мысль: ИИ полезен не тем, что «угадывает инфляцию лучше всех», а тем, что умеет отделять сигнал от коммуникационных искажений и строить прогнозы по множеству альтернативных источников.

Традиционные макромодели часто опираются на ограниченный набор индикаторов и на предположения о линейности. В 2024–2025 это особенно болезненно: цепочки поставок, геополитические издержки, энергоносители, демография, стоимость логистики — всё это даёт нелинейные эффекты.

ИИ-подходы дают три практических преимущества для инвестора.

1) «Анти-байас» слой: модель, которая учится на ошибках регулятора

Если исследование говорит, что ошибка прогнозов автокоррелирует (AR(1)) и зависит от режима, это прямо просится в продакшн:

• заведите модель базового прогноза (например, градиентный бустинг/temporal CNN/Transformer для временных рядов);
• отдельно обучите модель коррекции (error model), где таргет — ошибка регулятора;
• добавьте режимные фичи: инфляция относительно цели, разрыв выпуска, индекс финансовых условий, темпы кредитования.

На практике это превращается в «прогноз регулятора + поправка». И вы получаете сигнал, который статистически меньше тянется к цели.

2) Больше данных: от платежей и чеков до логистики

В рамках серии про банковскую инфраструктуру важно вот что: платёжные данные и транзакционные потоки — ранний индикатор ценового давления.

Примеры источников, которые ИИ умеет переваривать лучше традиционных моделей:

• агрегированные транзакции по категориям (retail spend);
• эквайринговая статистика и средний чек;
• частотные данные по ценам (онлайн-витрины, маркетплейсы);
• стоимость доставки/фрахта и складские индексы;
• динамика зарплат по вакансиям.

Человек это соберёт, но плохо свяжет в одну устойчивую модель. ML-модель — свяжет.

3) Мониторинг «режима» как продукт: когда прогнозам верить меньше

Самая прикладная вещь из исследования — идея state-dependency. Инвестору полезно не только значение инфляции, но и индикатор доверия к прогнозу.

Я обычно рекомендую простой риск-слой:

• метка режима: инфляция ниже/выше цели на момент прогноза;
• метрика расхождения: насколько текущие high-frequency индикаторы расходятся с официальной траекторией;
• алерт: «вероятность смещения к цели высокая».

Это можно встроить в дашборд риск-менеджмента рядом с мониторингом ликвидности, спредов и VaR.

Как инвестору использовать эту идею в портфеле

Ключевая мысль: относитесь к прогнозу центрального банка как к сигналу с систематической поправкой, а не как к истине; стройте сценарии и хедж на основе «очищенной» инфляции.

Ниже — несколько практических шагов, которые реально сделать даже небольшой командой.

Мини-чеклист: что делать с прогнозом инфляции

1. Сравните прогноз с независимым nowcasting-сигналом.
   • Если расхождение устойчивое 4–8 недель, прогноз регулятора, скорее всего, догоняет.
2. Оцените режим.
   • Инфляция ниже цели → повышается риск «подтягивания к таргету» в коммуникации.
3. Постройте корректировку AR(1) на ошибках.
   • Даже простая регрессия ошибок часто даёт ощутимый выигрыш в RMSE.
4. Сделайте сценарный коридор, а не точку.
   • Для решений по дюрации полезнее P10/P50/P90, чем одно число.

Что это даёт в инструментах: примеры

• Облигации: если «очищенная» инфляция выше официальной траектории, рынку обычно нужно больше премии за инфляционный риск → давление на длинный конец кривой.
• Акции: более высокая ожидаемая инфляция повышает ставку дисконтирования и снижает мультипликаторы, особенно в историях роста.
• Валюта: инфляция через ожидания ставок влияет на дифференциал доходностей.
• Платёжные и банковские акции: ускорение номинального оборота в платёжной инфраструктуре может поддерживать выручку, но рост ставок увеличивает стоимость фондирования и кредитные риски.

FAQ: короткие ответы, которые экономят время

Можно ли «победить» смещение центрального банка только ИИ? Нет. Но можно системно измерять это смещение и строить поправки, чтобы ваши инвестиционные решения опирались на более честный сигнал.

Почему AR(1)-коррекция выглядит так хорошо? Потому что ошибки прогнозов часто «липкие»: если модель/процесс недооценивал инфляцию, он склонен недооценивать её и дальше, пока не произойдёт пересмотр.

Это про макро, причём тут платёжные системы? Платёжная инфраструктура генерирует частотные данные о спросе и ценовом поведении. Для nowcasting инфляции такие данные — золото, особенно в периоды быстрых изменений.

Что делать дальше: инвестиции, где меньше «веры», больше данных

Смещение прогноза к таргету — не обвинение и не сенсация. Это нормальная человеческая реальность: у регулятора есть цель, и коммуникация под неё подстраивается. Для инвестора важно другое: перестать воспринимать официальные прогнозы как нейтральный датчик.

Если вы строите стратегии на ставках, облигациях, валюте или на акциях финансового сектора, у вас есть простой путь улучшить качество решений: добавьте ИИ-слой nowcasting и коррекцию ошибок (хотя бы AR(1)), а также режимный индикатор доверия к прогнозам.

В 2026 году выигрывать будут те, кто быстрее превращает данные — в дисциплину. А как вы сейчас проверяете, не «подтягивает» ли ваш базовый сценарий инфляцию к красивой цели?