Modelli economici della Reserve Bank of India

Come il QPM orienta la politica monetaria in un'economia di mercato emergente

Modelli economici RBI

Analisi tecnica del Quarterly Projection Model e dell'infrastruttura di ricerca

Di cosa tratta questa pagina?

Proprio come i meteorologi usano modelli informatici per prevedere la pioggia, la RBI utilizza modelli economici per prevedere l'inflazione, la crescita e decidere sui tassi di interesse. Spiegheremo come funzionano questi modelli in termini semplici.

Panoramica tecnica

Questa pagina analizza il framework di modellazione economica della Reserve Bank of India, compreso il Quarterly Projection Model (QPM), le metodologie previsionali e l'infrastruttura di ricerca utilizzata per la formulazione e l'analisi della politica monetaria.

Indice

Il modello previsionale principale della RBI

🔮 Che cos'è il Quarterly Projection Model (QPM)?

Pensate al QPM come alla sfera di cristallo della RBI per l'economia indiana. Proprio come un'app meteorologica utilizza dati su temperatura, umidità e pattern del vento per prevedere il tempo di domani, il QPM utilizza dati economici per prevedere:

Inflazione

La velocità di aumento dei prezzi

Crescita economica

Quanto crescerà l'economia indiana

Impatto globale

Come gli eventi mondiali influenzano l'India

Tassi di interesse

Il tasso repo di cui l'India ha bisogno

🎯 Perché è importante?

Quando il CMP della RBI si riunisce ogni due mesi per decidere sui tassi di interesse, non si basa sulla fortuna. Utilizza le previsioni del QPM per prendere decisioni informate. Se il modello prevede un'inflazione eccessiva, potrebbe aumentare i tassi. Se prevede una crescita lenta, potrebbe tagliarli.

1
Raccolta dei dati: il QPM acquisisce centinaia di dati economici provenienti dall'India e da tutto il mondo
2
Analisi: il modello analizza le relazioni tra diversi fattori economici
3
Previsione: sulla base dei dati attuali, prevede cosa accadrà in futuro
4
Decisione di politica: la RBI utilizza queste previsioni per decidere sui tassi di interesse

Framework del Quarterly Projection Model (QPM)

Classificazione del modello: modello gap di economia aperta con aspettative forward-looking, calibrato per l'economia indiana
Sviluppo: sforzo collaborativo tra RBI e FMI (2013-2017)
Utilizzo operativo: strumento previsionale primario per le deliberazioni del CMP dal 2016
Frequenza di aggiornamento: ricalibrazione trimestrale con analisi degli scenari bimensile

Il QPM rappresenta un progresso significativo nell'infrastruttura di modellazione della politica monetaria indiana. A differenza dei modelli puramente statistici, il QPM incorpora la teoria economica mantenendo al contempo la rilevanza empirica attraverso una calibrazione accurata delle relazioni macroeconomiche indiane.

Struttura centrale del modello:
Domanda aggregata: dinamica dell'inflazione basata sulla curva di Phillips
Lato dell'offerta: stima del prodotto potenziale con scomposizione tendenza-ciclo
Politica monetaria: funzione di reazione di tipo Taylor con elementi forward-looking
Settore esterno: caratteristiche di economia aperta con trasmissione del tasso di cambio
Aspettative: formazione delle aspettative forward-looking coerente con il modello
$$\pi_t = \alpha_1 \pi_{t-1} + \alpha_2 E_t \pi_{t+1} + \alpha_3 gap_t + \alpha_4(s_t - s_{t-1}) + \varepsilon_t$$
Curva di Phillips con trasmissione del tasso di cambio

Cosa lo rende speciale per l'India?

Il Quarterly Projection Model (QPM) della Reserve Bank of India incorpora caratteristiche specifiche della struttura economica indiana che non si applicano alle economie avanzate. Sviluppato in collaborazione con l'assistenza tecnica dell'FMI tra il 2013 e il 2017, il QPM è diventato operativo proprio quando l'India ha adottato un regime di obiettivo flessibile di inflazione nel 2016, sostituendo i modelli precedenti che faticavano a gestire la volatile inflazione alimentare indiana e gli shock dal lato dell'offerta.

Quattro caratteristiche contraddistinguono le dinamiche macroeconomiche indiane e richiedono approcci di modellazione specializzati:

Agricoltura e dipendenza dal monsone: l'agricoltura rappresenta ancora circa il 18% del PIL indiano e impiega il 42% della forza lavoro, superando di gran lunga le quote delle altre principali economie. Le variazioni delle precipitazioni monsoniche creano enormi shock dal lato dell'offerta: la siccità del 2014 ha spinto l'inflazione alimentare oltre il 10%, mentre i monsoni forti del 2013 e del 2016 hanno contribuito a moderare le pressioni sui prezzi. Il QPM modella esplicitamente gli shock dell'offerta alimentare come driver esogeni dell'inflazione, riconoscendo che la politica monetaria non può compensare le variazioni di prezzo indotte dal meteo, ma deve prevenire gli effetti di secondo giro che si ripercuotono sulle più ampie aspettative di inflazione.

Peso degli alimenti nel consumo e nella misurazione dell'inflazione: gli alimenti rappresentano circa il 39% del paniere dell'Indice dei Prezzi al Consumo (IPC Combinato) in India, rispetto al 14% negli Stati Uniti o al 20% nell'area euro. Questo elevato peso degli alimenti crea sfide per l'obiettivo di inflazione: la RBI dovrebbe rispondere aggressivamente ai picchi dei prezzi alimentari causati da fallimenti del monsone, rischiando una contrazione economica non necessaria? O dovrebbe "ignorare" gli shock alimentari temporanei, rischiando aspettative di inflazione de-ancorate se le famiglie che sperimentano un'inflazione alimentare a doppia cifra perdono fiducia nell'obiettivo del 4%? Il QPM disaggrega l'inflazione in componenti alimentari e non alimentari con diverse proprietà di persistenza, consentendo ai responsabili delle politiche di valutare se l'inflazione attuale derivi da temporanee disruption dell'offerta o da pressioni sostenute della domanda.

Trasmissione incompleta della politica monetaria: il sistema finanziario indiano rimane parzialmente segmentato — le piccole imprese e le famiglie rurali spesso non hanno accesso ai mercati del credito formale, limitando l'impatto delle variazioni dei tassi di interesse sulle loro spese. Anche tra i mutuatari bancari, i tassi di interesse amministrati sui piccoli piani di risparmio (controllati dal governo piuttosto che dalle forze di mercato) competono con i depositi bancari, indebolendo la trasmissione dai tassi di riferimento ai tassi sui depositi. Il QPM incorpora una trasmissione dei tassi di interesse più lenta e debole rispetto a quanto assumerebbero i modelli per le economie avanzate, calibrata sui dati indiani che mostrano che una variazione del tasso repo di 100pb genera solo un movimento di 60-70pb nei tassi sui prestiti bancari dopo quattro trimestri.

Vulnerabilità esterna e dipendenza dal petrolio: l'India importa circa l'85% del suo consumo di petrolio, rendendo l'economia estremamente sensibile ai prezzi internazionali del petrolio greggio. Il crollo dei prezzi del petrolio del 2013-2014 ha ridotto drasticamente il deficit delle partite correnti indiano, mentre il forte aumento del 2021-2022 a seguito dell'invasione russa dell'Ucraina ha ampliato il deficit e indebolito la rupia. Il QPM tratta i prezzi del petrolio globale come esogeni e ne traccia l'impatto attraverso molteplici canali: effetti diretti sull'inflazione generale, pressione sul tasso di cambio derivante da fatture di importazione più elevate, ed effetti di secondo giro man mano che i costi di trasporto e produzione aumentano. Questa vulnerabilità esterna distingue l'India dalle economie esportatrici di petrolio come il Canada o l'Australia, dove gli shock dei prezzi delle materie prime creano dinamiche opposte.

🔍 Esempio reale: impatto del monsone

Quando i meteorologi prevedono un monsone debole, il QPM adegua automaticamente al rialzo le sue previsioni di inflazione perché sa che i prezzi alimentari probabilmente aumenteranno. Questo aiuta la RBI a preparare le risposte di politica in anticipo.

Caratteristiche del modello specifiche per l'India

Il QPM incorpora diverse caratteristiche strutturali che lo distinguono dai modelli DSGE standard utilizzati dalle banche centrali delle economie avanzate, riflettendo le caratteristiche macroeconomiche e i meccanismi di trasmissione unici dell'India.

Disaggregazione settoriale

Modellazione del settore agricolo
  • Integrazione dell'indice di precipitazioni monsoniche
  • Elasticità dell'offerta specifiche per coltura
  • Effetti della politica del Prezzo Minimo di Sostegno (MSP)
  • Trasmissione dell'inflazione rurale-urbana
Inflazione alimentare vs. non alimentare
  • Curve di Phillips separate per l'alimentare e il core
  • Parametri di persistenza asimmetrica
  • Differenziazione degli shock d'offerta
  • Meccanismi di destagionalizzazione

Meccanismi di trasmissione monetaria

rt = ρrt-1 + (1-ρ)[r* + φπt+4 - π*) + φygapt] + εr,t
Funzione di reazione della politica con parametro di smoothing ρ
Caratteristiche di trasmissione:
Trasmissione del tasso di interesse: trasmissione asimmetrica e incompleta che riflette la struttura del settore bancario
Canale del credito: vincoli di capacità di prestito bancario e variazioni del premio per il rischio
Canale del tasso di cambio: contenuto di importazioni nei panieri di consumo e investimento
Canale delle aspettative: parametri di credibilità dell'obiettivo di inflazione

Integrazione del settore esterno

Caratteristiche di economia aperta:
• Trasmissione dei prezzi delle materie prime (petrolio greggio, metalli, alimentari)
• Effetti di contagio dell'output gap globale
• Sensibilità dei flussi di portafoglio alla politica della Fed
• Dinamica del gap del tasso di cambio reale
• Vincoli di sostenibilità del conto corrente

Il team di ricerca della RBI

🧑‍🔬 Chi costruisce questi modelli?

La RBI dispone di un team dedicato di economisti e ricercatori che lavorano costantemente al miglioramento dei propri modelli economici. Pubblicano i loro risultati affinché tutti possano capire come funziona l'economia indiana.

📊 Documenti di lavoro

Studi dettagliati su specifici argomenti economici, come l'influenza dei monsoni sull'inflazione o l'impatto degli eventi globali sull'India.

📈 Bollettini trimestrali

Rapporti periodici che spiegano cosa sta accadendo nell'economia indiana e cosa la RBI si aspetta accada in futuro.

🔬 Studi occasionali

Ricerche approfondite su importanti questioni economiche che contribuiscono a orientare le decisioni di politica.

📚 Database (DBIE)

Una vasta raccolta di dati economici che ricercatori e pubblico possono utilizzare per comprendere le tendenze.

🎓 Opportunità di apprendimento

Tutta la ricerca della RBI è disponibile gratuitamente sul loro sito web. Se siete curiosi di sapere come funziona l'economia indiana, queste pubblicazioni sono ottime risorse per imparare dagli esperti!

Infrastruttura di ricerca e pubblicazioni

La RBI mantiene una solida infrastruttura di ricerca incentrata sul Dipartimento di Ricerca Economica e Politica (DEPR), che fornisce supporto analitico per la formulazione della politica monetaria e pubblica ricerche sottoposte a revisione paritaria sulle questioni macroeconomiche indiane.

Principali pubblicazioni di ricerca

Serie di documenti di lavoro della RBI

Focus recente: applicazioni di machine learning nelle previsioni, sviluppo di modelli DSGE, analisi della stabilità finanziaria

Frequenza: ~15-20 documenti annui

Studi occasionali della RBI

Ambito: ricerca orientata alle politiche, analisi strutturale, confronti internazionali

Pubblico di riferimento: responsabili delle politiche, ricercatori accademici

Bollettino della RBI

Contenuto: valutazioni economiche trimestrali, spiegazioni delle politiche, appendici statistiche

Sezioni principali: Stato dell'economia, analisi della trasmissione della politica monetaria

Database sull'economia indiana (DBIE)

Copertura: oltre 2000 serie temporali, indicatori macro-finanziari, statistiche settoriali

Accesso: API pubblica, download Excel, integrazione con software statistici

Iniziative di ricerca collaborativa

Partenariati internazionali:
FMI: sviluppo del QPM e assistenza tecnica
BRI: partecipazione alla rete di ricerca delle banche centrali
Istituzioni accademiche: progetti di ricerca congiunti con IIM, ISI, Delhi School of Economics
Altre banche centrali: condivisione di esperienze di modellazione con Banca del Canada, RBNZ

Contributi di ricerca notevoli

Avanzamenti metodologici:
• Modelli Bayesiani Vettoriali Autoregressivi (BVAR) per le previsioni a breve termine
• Applicazioni di machine learning nel nowcasting degli indicatori economici
• Monitoraggio ad alta frequenza del PIL mediante dati satellitari e impronte digitali
• Sviluppo dell'indice delle condizioni finanziarie per l'India
• Stima del gap creditizio e analisi del ciclo finanziario

Come vengono formulate le previsioni

🔄 Il ciclo previsionale

Ogni trimestre (ogni 3 mesi), la RBI segue un processo dettagliato per aggiornare le proprie previsioni economiche. Ecco come funziona:

1
Raccolta dei dati (Settimana 1): raccogliere i dati più recenti su inflazione, crescita, occupazione, tendenze globali e altro
2
Aggiornamento del modello (Settimana 2): inserire i nuovi dati nel QPM e aggiornare i parametri del modello se necessario
3
Analisi degli scenari (Settimana 3): eseguire diversi scenari "what if" — Cosa succede se i prezzi del petrolio aumentano? Cosa succede se il monsone fallisce?
4
Revisione degli esperti (Settimana 4): gli economisti senior esaminano le previsioni e le adeguano in base al loro giudizio
5
Presentazione al CMP: presentare le previsioni al Comitato di Politica Monetaria per la loro decisione
🎯 Perché questo processo è importante

I modelli sono potenti, ma non sono perfetti. Combinando le previsioni informatiche con l'esperienza umana, la RBI ottiene previsioni più affidabili. Pensatelo come un medico che utilizza sia gli esami medici CHE la propria esperienza per diagnosticare un paziente.

Metodologia e processo previsionale

Il processo previsionale della RBI combina proiezioni basate su modelli con aggiustamenti giudiziali, seguendo le migliori pratiche internazionali tenendo conto dei fattori istituzionali e strutturali specifici dell'India.

Flusso di lavoro previsionale trimestrale

Fase basata sul modello
  • Generazione dello scenario di base del QPM
  • Simulazioni di scenari alternativi
  • Costruzione del fan chart per l'incertezza
  • Validazione incrociata dei modelli (BVAR, forma ridotta)
Aggiustamento giudiziale
  • Valutazione dell'impatto delle misure di politica
  • Identificazione delle rotture strutturali
  • Incorporazione di fattori extra-modello
  • Costruzione del consenso del comitato di esperti

Framework di valutazione del rischio

Risk Balance = Σᵢ P(scenario_i) × Impact(scenario_i) × Persistence(scenario_i)
Valutazione ponderata del rischio tra scenari
Principali scenari di rischio modellati:
Scenari monsonici: analisi dell'impatto di precipitazioni normali/eccessive/scarse
Shock dei prezzi del petrolio: disruption dell'offerta e movimenti di prezzo trainati dalla domanda
Condizioni finanziarie globali: normalizzazione della politica della Fed e inversione dei flussi di portafoglio
Cambiamenti di politica fiscale: modifiche alle aliquote GST, cambiamenti alla politica dei sussidi
Eventi geopolitici: impatti delle guerre commerciali, scenari di conflitto regionale

Valutazione delle performance del modello

Metriche di accuratezza previsionale:
Previsione dell'inflazione: RMSE di 0,8pp per 1 trimestre avanti, 1,2pp per 4 trimestri avanti
Previsione della crescita: RMSE di 1,1pp per 1 trimestre avanti, 1,8pp per 4 trimestri avanti
Accuratezza direzionale: 75% per l'inflazione, 70% per la crescita (orizzonte a 1 anno)
Previsione del tasso di riferimento: 65% di accuratezza per la direzione, limitata da fattori discrezionali

Cosa i modelli non possono fare

🚧 Perché le previsioni perfette sono impossibili

Anche i migliori modelli economici non possono prevedere tutto perfettamente. Ecco perché:

🌪️ Eventi imprevisti

Il problema: i modelli si basano su pattern storici, ma a volte si verificano eventi completamente nuovi.

Esempi: pandemia di COVID-19, improvvisi conflitti geopolitici, disastri naturali

Impatto: questi eventi "cigno nero" possono rendere tutte le previsioni errate dall'oggi al domani

🧠 Comportamento umano

Il problema: le persone non agiscono sempre in modo razionale o prevedibile.

Esempi: acquisti di panico, improvvisi cambiamenti nelle abitudini di spesa, mentalità gregaria nei mercati

Impatto: il comportamento di consumatori e imprese può discostarsi dalle previsioni del modello

🌍 Interconnessioni globali

Il problema: l'economia mondiale è incredibilmente complessa e interconnessa.

Esempi: interruzioni delle catene di approvvigionamento, crisi valutarie in altri paesi, cambiamenti nella politica commerciale

Impatto: piccoli cambiamenti all'estero possono avere effetti grandi e inaspettati sull'India

💡 Cosa significa per la RBI

Poiché i modelli non sono perfetti, la RBI non vi si affida ciecamente. Li utilizza come uno strumento tra tanti, combinandoli con il giudizio umano, i dati in tempo reale e il monitoraggio costante delle condizioni in evoluzione.

Limitazioni dei modelli e sfide strutturali

Come tutti i modelli macroeconomici, il QPM della RBI affronta limitazioni intrinseche derivanti dalle scelte di specificazione del modello, dall'incertezza dei parametri e dalla natura in evoluzione delle relazioni economiche in un'economia in rapido sviluppo.

Limitazioni strutturali del modello

Instabilità dei parametri
  • Rotture strutturali derivanti dall'approfondimento finanziario
  • Meccanismi di trasmissione monetaria in evoluzione
  • Cambiamento dei parametri di persistenza dell'inflazione
  • Considerazioni sulla critica di Lucas
Problemi di aggregazione settoriale
  • Lacune nella rappresentazione del settore informale
  • Compressione dell'eterogeneità regionale
  • Limitazioni nella modellazione del settore dei servizi
  • Loop di retroazione del settore finanziario

Vincoli sulla qualità dei dati

Sfide di misurazione:
Revisioni del PIL: revisioni frequenti e sostanziali che incidono sulla politica in tempo reale
Economia informale: visibilità limitata su circa il 45% dell'attività economica
Indicatori ad alta frequenza: disponibilità limitata rispetto alle economie avanzate
Dati regionali: indicatori economici a livello statale con ritardi significativi
Sondaggi sulle aspettative: dimensioni del campione limitate e problemi di rappresentatività

Limitazioni metodologiche

Model Uncertainty = Parameter Uncertainty + Specification Uncertainty + Shock Uncertainty
Scomposizione delle fonti di incertezza previsionale
Sfide specifiche di modellazione:
Non-linearità: effetti soglia nella dinamica inflazionistica non completamente catturati
Frizioni finanziarie: integrazione limitata dei vincoli del settore bancario
Lato dell'offerta: complicazioni nella stima del prodotto potenziale dovute alla trasformazione strutturale
Settore esterno: volatilità dei flussi di capitale e rischi di sudden stop
Cambiamenti di regime di politica: implementazione della GST, effetti dell'adozione dell'obiettivo di inflazione

Sviluppo continuo del modello

Aree di miglioramento:
• Integrazione del machine learning per il miglioramento del nowcasting
• Sviluppo di modelli DSGE con frizioni finanziarie
• Incorporazione di dati satellitari per il monitoraggio del PIL in tempo reale
• Modellazione multi-settoriale per una migliore analisi della trasmissione della politica
• Integrazione di fattori comportamentali nella formazione delle aspettative

Dove approfondire Risorse di ricerca e documentazione

📚 Volete saperne di più?

Ecco alcune ottime risorse da esplorare se siete curiosi di sapere come funziona la RBI e come formulate le previsioni economiche:

🏛️ Sito web della RBI

Ideale per: annunci ufficiali, decisioni di politica, spiegazioni di base

www.rbi.org.in

📊 Database RBI (DBIE)

Ideale per: dati economici, grafici, tendenze storiche

dbie.rbi.org.in

📖 Materiali educativi RBI

Ideale per: spiegazioni semplici di concetti bancari ed economici

Cercare la sezione "Materiali educativi RBI"

📺 Riunioni del CMP

Ideale per: seguire le decisioni di politica in tempo reale

Streaming live disponibile sui social media della RBI

Risorse di ricerca complete per l'analisi avanzata del framework di modellazione della RBI, della metodologia e dei meccanismi di trasmissione della politica.

Principali pubblicazioni di ricerca

Documenti di lavoro della RBI

Accesso: Serie di documenti di lavoro della RBI

Temi principali: previsioni, meccanismi di trasmissione, stabilità finanziaria

Verbali e dichiarazioni del CMP

Contenuto: motivazione dettagliata delle decisioni di politica, opinioni dei singoli membri

Calendario di pubblicazione: 14 giorni dopo ogni riunione del CMP

Bollettino della RBI

Frequenza: pubblicazione mensile con revisioni trimestrali complete

Sezioni principali: Stato dell'economia, studi speciali, appendice statistica

Documenti tecnici di metodologia

Principali aree di ricerca:
Previsione macroeconomica: applicazioni di machine learning, tecniche di nowcasting
Trasmissione monetaria: canale del credito bancario, analisi della trasmissione del tasso di interesse
Modellazione del settore esterno: determinanti dei flussi di capitale, dinamica del tasso di cambio
Stabilità finanziaria: framework di stress testing, indicatori di rischio sistemico
Dinamica dell'inflazione: stima della curva di Phillips, formazione delle aspettative

Confronti internazionali

Studi comparativi:
• Banca del Canada: adattamento della metodologia QPM
• Reserve Bank of New Zealand: modellazione di piccola economia aperta
• Banca d'Inghilterra: evoluzione del framework di obiettivo di inflazione
• Federal Reserve: compromessi tra modelli DSGE e semi-strutturali
Nota: i modelli economici sono strumenti per comprendere l'economia, ma non sono sfere di cristallo. La RBI li utilizza insieme al giudizio umano per prendere le migliori decisioni possibili per il futuro economico dell'India. Nota metodologica: questa analisi rappresenta la comprensione attuale del framework di modellazione della RBI al gennaio 2025. Il QPM continua a evolversi con gli sforzi continuativi di ricerca e sviluppo. Per le specifiche più aggiornate, fare riferimento alle pubblicazioni ufficiali della RBI.