RT Journal Article
T1 Forecasting inflation with artificial intelligence: A comparative analysis
T2 Predicción de inflación con Inteligencia Artificial: un análisis comparativo
A1 Agostina Gonzalez, Daniela
K1 Large language models
K1 GPT
K1 Inflation forecasting in Argentina
K1 Inflation expectations
K1 Surveybased forecasts
K1 Economic forecasting
K1 Grandes modelos de lenguaje
K1 Predicción de inflación
K1 Expectativas de inflación
K1 Procesamiento del lenguage natural
AB Inflationary dynamics underscore the need for advanced methodologies to enhance forecasting accuracy. This paper explores the potential of Artificial Intelligence (AI) in generating short-term inflation forecasts for Argentina during the 2023-2024 period. The methodology leverages OpenAI’s GPT-4o Mini model, a Large Language Model (LLM), to produce conditional predictions by supplying historical Consumer Price Index (CPI) data and explicitly restricting its knowledge base to the forecast date. Additionally, forecasts are benchmarked against the inflation expectations survey conducted by Argentina’s Central Bank, known as the Relevamiento de Expectativas de Mercado (REM). While predicting high inflation spikes remains challenging for both approaches, our results indicate that the AI model achieves comparable performance to REM for medium to low monthly inflation rates. For instance, for forecasts made at a given month t (e.g., August 2024) and evaluated across the subsequent seven forecast horizons when monthly inflation is around 4%, the Mean Squared Error (MSE) for GPT-4o Mini’s median predictions was 0.90 and the Mean Absolute Error (MAE) was 0.85, closely aligning with REM’s performance, which recorded an MSE of 0.68 and an MAE of 0.73.
AB La dinámica inflacionaria implica la necesidad de metodologías avanzadas para mejorar la precisión de su predicción. Este artículo explora el potencial de la Inteligencia Artificial (IA) para generar pronósticos de inflación a corto plazo para Argentina durante el período 2023-2024. Específicamente, se utiliza el modelo GPT-4o Mini de OpenAI, un Gran Modelo de Lenguaje (LLM), para producir predicciones condicionales, suministrando datos históricos del Índice de Precios al Consumidor (IPC) y restringiendo explícitamente su base de conocimiento a la fecha del pronóstico. Estas predicciones basadas en IA se comparan rigurosamente con la encuesta de expectativas de inflación que realiza el Banco Central de la República Argentina, conocida como Relevamiento de Expectativas de Mercado (REM). Si bien la predicción de picos de alta inflación sigue siendo un desafío para ambos enfoques, los resultados indican un rendimiento comparable entre el modelo de IA y el REM para tasas de inflación mensual de nivel medio a bajo. Por ejemplo, para los pronósticos realizados en un mes dado t (como en agosto de 2024) y evaluados a lo largo de los siete horizontes de pronóstico subsiguientes, cuando la inflación mensual es alrededor del 4%, el Error Cuadrático Medio (MSE) para las predicciones medianas del GPT-4o Mini fue de 0,90 y el Error Absoluto Medio (MAE) de 0,85, cifras muy similares a las del REM, que registró un MSE de 0,68 y un MAE de 0,73.
PB Universidad Pablo de Olavide
YR 2026
FD 2026-06-02
LK https://hdl.handle.net/10433/27114
UL https://hdl.handle.net/10433/27114
LA en
NO Revista de métodos cuantitativos para la economía y la empresa, ISSN-e 1886-516X, Vol. 41, 2026, págs. 1-27
NO Universidad Pablo de Olavide
NO Universidad Pablo de Olavide
DS RIO
RD Jul 14, 2026