El reciente aumento global de la inflación ha impactado los medios de subsistencia en todo el mundo, particularmente en las áreas afectadas por la crisis. Este choque adicional ha afectado significativamente a los hogares que ya vivían en situaciones de fragilidad.
Los gobiernos, así como las organizaciones humanitarias y de desarrollo, monitorean regularmente las tasas de inflación para identificar tendencias alarmantes y guiar sus acciones para brindar apoyo. Por ejemplo, una alta inflación puede dar lugar a un fuerte aumento del gasto de los hogares necesario para satisfacer las necesidades básicas, lo que requiere una respuesta política. En casos más extremos, un aumento en los precios de los alimentos puede indicar escasez local de alimentos, lo que indica el comienzo o el empeoramiento de una crisis alimentaria y nutricional.
Sin embargo, en muchas situaciones de crisis, donde el conflicto puede hacer que los mercados sean inaccesibles, no se recopilan regularmente datos detallados de precios. Estas interrupciones a menudo coinciden con períodos y ubicaciones de alta inestabilidad de precios. La falta de datos dificulta la evaluación precisa de los movimientos de precios: información crítica para comprender la gravedad de las condiciones en estas áreas e informar posibles respuestas. Pero, ¿y si las agencias de ayuda pudieran monitorear los precios de los alimentos en tiempo real usando métodos alternativos, incluso en lugares remotos durante situaciones de conflicto y violencia? La información podría identificar el inicio temprano o el empeoramiento de las crisis alimentarias, guiar los esfuerzos de respuesta y estimar la magnitud necesaria de la respuesta.
del Banco Mundial Serie de documentos de trabajo de investigación de políticas publicó un artículo que desarrolló un método de aprendizaje automático para abordar este problema. El método utiliza encuestas de mercados cercanos y precios de productos básicos relacionados para estimar los precios del mercado local no observados. Esto llena las brechas en los datos de precios específicos del área para una canasta de productos básicos, lo que permite el monitoreo en tiempo real de la dinámica de inflación local utilizando datos de encuestas incompletas e intermitentes. En países de bajos ingresos donde los precios pueden ser volátiles y difíciles de medir, la combinación de encuestas y predicciones de aprendizaje automático proporciona estimaciones con una precisión similar a las mediciones directas de precios.
El seguimiento de la inflación presenta un desafío importante porque los precios de los bienes individuales pueden aumentar considerablemente, mientras que la inflación refleja el nivel general de precios de muchos bienes que aumentan simultáneamente. Para monitorear la inflación con precisión, también se deben rastrear los precios de una amplia gama de bienes, más allá de los alimentos. Dicho esto, cuanto más grande es la canasta de bienes, más difícil es observar sus precios simultáneamente. En la práctica, el precio de la canasta completa de bienes nunca se observa directamente. En situaciones afectadas por conflictos, incluso monitorear una pequeña canasta de productos básicos importantes utilizando métodos tradicionales de recopilación de datos puede ser extremadamente difícil, si no imposible.
El estudio del Banco Mundial utiliza un enfoque innovador para superar este obstáculo al construir múltiples modelos de aprendizaje automático para artículos de diferentes precios y vincularlos para predecir los datos faltantes en función de otros precios. Este enfoque permite monitorear en tiempo real los precios de los alimentos en más de 1200 mercados en 25 países, cubriendo más de 40 artículos alimenticios. Las estimaciones se actualizan regularmente y se mantienen como parte de una colección más amplia de conjuntos de datos en FCV (Fragilidad, Conflicto y Violencia). El conjunto de datos revela nuevos conocimientos sobre la dinámica de los precios del área local durante la crisis mundial de los precios de los alimentos de 2007 y el reciente aumento de la inflación tras la pandemia de COVID-19.
El documento compara los datos de precios pronosticados con los datos observados omitidos y demostró que los resultados son sólidos en una amplia gama de configuraciones de datos faltantes. En promedio, el enfoque capturó el 85 % de la variación de precios observada en 25 países frágiles, incluso cuando faltaba entre el 60 % y el 80 % de los datos de la encuesta. Si bien existen compensaciones entre la cobertura de datos y la confiabilidad de las estimaciones, los resultados capturaron con precisión todas las principales tendencias de precios en una variedad de configuraciones de FCV, lo que demuestra que incluso con datos reales limitados, es posible un seguimiento sólido de la inflación.
Los resultados de este estudio brindan información crucial para los tomadores de decisiones en lugares de bajos ingresos y con poca información, donde mantener programas de monitoreo de precios completos y costosos utilizando métodos tradicionales de índice de precios al consumidor (IPC) para rastrear los niveles generales de precios para una amplia gama de consumidores. bienes es un reto. Las estimaciones locales también superan algunas de las limitaciones del IPC tradicional. Los IPC a nivel nacional se basan en los precios medidos en los principales mercados urbanos y es posible que no reflejen con precisión la inflación en las zonas rurales, donde reside la mayoría de las poblaciones pobres de un país.
Para mejorar la vida y los medios de subsistencia de las personas, particularmente en entornos afectados por crisis, es crucial permitir la toma de decisiones basada en datos. El monitor de precios es solo un aspecto de los esfuerzos más amplios del Banco Mundial para mejorar y hacer que los datos estén más en tiempo real, utilizando métodos innovadores para recopilar y difundir datos. El monitor se desarrollará aún más como parte del Fondo Fiduciario de Múltiples Donantes para los Sistemas Alimentarios 2030 del Banco Mundial y el Panel de Seguridad Alimentaria y Nutricional Global de la Alianza Global para la Seguridad Alimentaria. Al utilizar herramientas y técnicas innovadoras, este trabajo llena vacíos analíticos críticos que pueden usarse para informar respuestas más tempranas, localizadas y más efectivas para mitigar los impactos de futuras crisis de seguridad alimentaria y nutricional.
Además, el método puede complementar los esfuerzos de recopilación de datos convencionales al recopilar información a un costo menor y mejorar la vigilancia macroeconómica en regiones con datos limitados. En el futuro, el monitor de precios basado en el aprendizaje automático se ampliará para cubrir los precios de los artículos no alimentarios, ofreciendo a los responsables políticos una visión completa y actualizada de los datos de precios detallados.
Nota
El desarrollo metodológico estuvo a cargo de Bo Pieter Johannes Andree, científico de datos del Grupo de Datos de Economía del Desarrollo del Banco Mundial, como parte del programa «Construyendo la evidencia sobre el desplazamiento forzado prolongado: una asociación de múltiples partes interesadas». El programa fue financiado por la ayuda del Reino Unido, administrado por el Grupo del Banco Mundial (GBM) y establecido en asociación con el Alto Comisionado de las Naciones Unidas para los Refugiados (ACNUR). El documento utilizó datos de encuestas de precios mensuales recopilados por el Programa Mundial de Alimentos (PMA).
El alcance del monitor se está ampliando como parte del Fondo Fiduciario de Donantes Múltiples para los Sistemas Alimentarios 2030 del Banco Mundial. El programa recibió financiación del Ministerio Federal de Cooperación Económica y Desarrollo (BMZ, Alemania).
Actualmente, los métodos se están desarrollando aún más para permitir el procesamiento de una mayor cantidad de artículos de precio y seguir siendo sólidos cuando la cobertura de datos es baja, utilizando datos del Instituto Internacional de Investigación de Políticas Alimentarias (IFPRI) en Papua Nueva Guinea. Este trabajo cuenta con el apoyo del Observatorio del Pacífico, una iniciativa más amplia financiada por el DFAT y cuyo objetivo es proporcionar fuentes de datos no tradicionales como complementos de las estadísticas oficiales para mejorar la frecuencia, oportunidad y granularidad de los indicadores económicos/de desarrollo clave para la formulación de políticas basadas en datos en Papúa Nueva Guinea y las Islas del Pacífico.
