20220727-IMF-Housing_Boom_and_Headline_Inflation_Insights_from_Machine_Learning_45页_1mb

住房市场繁荣与整体通胀：机器学习的启示

本文研究新冠疫情背景下全球各地住房价格快速上涨现象，探讨其对整体通胀的显著影响。研究发现，住房价格变动具有明显的领先指标特性，对整体通胀具有持续贡献。通过机器学习与传统向量自回归模型（VAR）对比，结果表明：对于大多数经济体，机器学习模型在预测通胀分量（租金和自有住房成本）方面表现更优。

核心发现

1. 领先指标作用：住房价格增长普遍领先整体通胀至少4-5个季度，反映了市场动态传导机制。
2. 贡献持续性：租金和自有住房成本对整体通胀的贡献率显著超过其权重比例，虽在疫情后受供应链因素短期减弱，但预计将在中期内回升。
3. 方法论优势：机器学习模型优于传统VAR模型，尤其在捕捉非线性和长周期依赖性方面优势明显，能够提升通胀分量预测精度。

本文建议货币政策制定者需特别关注住房市场动态对通胀的影响，审慎评估宽松货币政策的长期效果，并考虑完善通胀测算方法，以更好反映居民实际消费模式。