Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models

Abstract

Neste trabalho utilizamos preços diários do varejo online e variáveis financeiras para computar nowcasts da inflação brasileira. Nós adaptamos o modelo de fatores dinâmicos proposto em (GIANNONE; REICHLIN; SMALL, 2008) ao nosso contexto e o integramos a um algoritmo de combinação de nowcasts. Propomos também um modelo estendido em que, além de fatores, utilizamos um componente auto-regressivo e média móvel para modelar e prever a inflação corrente. Para fins de avaliação, comparamos nossos resultados com um modelo base e com as previsões disponibilizadas pelo Focus survey. As previsões oriundas do modelo base são construídas a partir de fatores extraídos das séries de inflação a nível de categoria de produtos, estas últimas calculadas tal como em (CAVALLO, 2013). O Focus survey, por sua vez, agrega previsões diárias fornecidas por diversas instituições como bancos, consultorias e corretoras, e, por isso, consideramos estes resultados um padrão ouro no processo de avaliação. Nossos exercícios empíricos indicam que (1) preços do varejo online não são suficientes para capturar toda a dinâmica da inflação brasileira, e (2) componentes auto-regressivos devem ser utilizados para melhorar a performance dos nowcasts fora da amostra.

In this work we use daily online retail prices and financial data to construct nowcasts of consumer price index (CPI) for the current month, which we refer simply as inflation. We first adapt the dynamic factor model in (GIANNONE; REICHLIN; SMALL, 2008) to our setting and integrate it into a nowcasting combination algorithm. We also propose an extension to the nowcasting equation to take into account previous inflation level and nowcasting error. We compare our results with a base model and Focus survey of professional forecasters. The base model is constructed from a simple factor regression using individual categories monthly price change calculated in (CAVALLO, 2013), whereas the Focus survey aggregate daily inflation forecasts provided by a large number of institutions to the Brazilian Central Bank. We consider the Focus survey output as the golden standard. Our results indicate that (1) online retail prices are not enough to capture the whole dynamics of CPI; and (2) the factor regression has to be augmented with recent inflation information to be competitive.