The Drivers of CPI Components: A Machine Learning Perspective

Abstract

This thesis develops a machine learning framework for inflation forecasting in the Czech Republic, with a particular focus on interpretability. A Quantile Regression Forest is constructed for the headline Consumer Price Index and all major subcomponents, enriching the growing literature on machine learn- ing in macroeconomics. The thesis contributes methodologically through an optimisation scheme with time-varying weights that exploits the full predictive distribution to form point forecasts, outperforming standard benchmarks and basic Quantile Regression Forest specifications. Moreover, the Shapley-value decomposition is employed to identify the economic drivers behind the model's predictions at each point in time. Its robustness is assessed by comparing it with a time-varying Ridge regression. The analysis reveals moderate, hetero- geneous cross-method agreement, primarily driven by the 2022 inflation surge. JEL Classification C53, C55, E31, E37, C32 Keywords inflation, inflation components, forecasting, ma- chine learning, time series Title The Drivers of CPI Components: A Machine Learning Perspective

Tato práce vyvíjí nový model pro předpovídání inflace v České republice na bázi strojového učení s velkou částí zabývající se jeho interpretací. Model je postavený na metodě Quantile Regression Forest a je aplikován na celkový in- dex spotřebitelských cen i na jeho složky. Metodologický přínos práce spočívá v optimalizačním schématu s časově proměnlivými váhami, které využívají celou predikovanou kvantilovou distribuci k sestavení bodové predikce překonávající standardní benchmarky i běžné formy Quantile Regression Forest. K identi- fikaci ekonomických faktorů stojících za předpověďmi modelu je použita dekom- pozice pomocí Shapleyových hodnot. Její robustnost je hodnocena prostřed- nictvím srovnání s časově proměnlivou Ridge regresí. Analýza odhaluje středně silnou a heterogenní shodu mezi metodami, která je primárně způsobena in- flační epizodou roku 2022. Klasifikace JEL C53, C55, E31, E37, C32 Klíčová slova inflace, složky inflace, forecasting, strojové učení, časové řady Název práce Determinanty složek CPI z pohledu strojového učení