理解印度的食品通胀：一种机器学习方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Understanding food inflation in India: A Machine Learning approach》
---
作者：
Akash Malhotra, Mayank Maloo
---
最新提交年份：
2017
---
英文摘要：
  Over the past decade, the stellar growth of Indian economy has been challenged by persistently high levels of inflation, particularly in food prices. The primary reason behind this stubborn food inflation is mismatch in supply-demand, as domestic agricultural production has failed to keep up with rising demand owing to a number of proximate factors. The relative significance of these factors in determining the change in food prices have been analysed using gradient boosted regression trees (BRT), a machine learning technique. The results from BRT indicates all predictor variables to be fairly significant in explaining the change in food prices, with MSP and farm wages being relatively more important than others. International food prices were found to have limited relevance in explaining the variation in domestic food prices. The challenge of ensuring food and nutritional security for growing Indian population with rising incomes needs to be addressed through resolute policy reforms.
---
中文摘要：
在过去十年中，印度经济的强劲增长受到了持续高水平通货膨胀的挑战，尤其是食品价格。这种顽固的食品通胀背后的主要原因是供需不匹配，因为由于一些近因，国内农业生产无法跟上需求的增长。利用梯度增强回归树（BRT）这一机器学习技术，分析了这些因素在确定食品价格变化中的相对重要性。BRT的结果表明，所有预测变量在解释食品价格变化方面都相当重要，MSP和农场工资相对来说比其他变量更重要。国际食品价格在解释国内食品价格变化方面的相关性有限。需要通过果断的政策改革来应对确保收入不断增长的印度人口的粮食和营养安全的挑战。
---
分类信息：

一级分类：Statistics        统计学
二级分类：Machine Learning        机器学习
分类描述：Covers machine learning papers (supervised, unsupervised, semi-supervised learning, graphical models, reinforcement learning, bandits, high dimensional inference, etc.) with a statistical or theoretical grounding
覆盖机器学习论文（监督，无监督，半监督学习，图形模型，强化学习，强盗，高维推理等）与统计或理论基础
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Understanding_food_inflation_in_India:_A_Machine_Learning_approach.pdf (1.77 MB)

2022-5-31 02:56:01 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：机器学习 学习方法 Quantitative significance Agricultural

1了解印度的食品通胀：机器学习方法Akash Malhotra A，，Mayank Maloob A印度理工学院，孟买，印度b印度理工学院，孟买JEL分类：C45，E31，P44，Q11，Q18，关键词：食品通胀，农业经济学，增强回归树，机器学习，印度。摘要在过去十年中，印度经济的强劲增长受到了持续高水平通货膨胀的挑战，尤其是食品价格。这种顽固的食品通胀背后的主要原因是供需不匹配，因为由于一些近因，国内农业生产无法跟上需求的增长。利用梯度增强回归树（BRT）——一种机器学习技术，分析了这些因素在确定食品价格变化中的相对重要性。BRT的结果表明，所有预测变量在解释食品价格变化方面都相当重要，MSP和农场工资相对来说比其他变量更重要。国际食品价格在解释国内食品价格变化方面的相关性有限。需要通过果断的政策改革来应对确保收入不断增长的印度人口的粮食和营养安全的挑战。通讯作者：印度理工学院，孟买，孟买-400076，印度。电话：+91 8828174423。电子邮件地址：akash_malhotra@iitb.ac.in（A.Malhotra），马扬克_maloo@iitb.ac.in（M.Maloo）。2.1。简介印度是世界上第二人口大国，近年来一直在努力将其食品价格通胀控制在政治上可以接受且经济上可持续的水平。

与发达经济体不同，食品通胀对累积通胀有着重大影响，因为食品支出占印度家庭总支出的40%以上。因此，未来的通胀预期在很大程度上受到该国食品价格的驱动，形成了一个恶性循环。自2007财年以来，食品零售通胀平均增长率为9.82%，有四次甚至超过两位数（图1），食品价格在过去十年中以绝对值计算增加了一倍以上。除了2011-2012财年原油价格快速上涨的两年外，过去十年中，食品通胀始终超过总体通胀2个百分点以上。除了引发政治丑闻外，食品价格的急剧上涨还为五分之一的印度人口造成了贫困线以下的紧急情况。食品价格的不可持续上涨给印度贫困家庭带来了破坏性的“隐性税”，这些家庭必须支出更多。除非另有说明，本研究中，消费者价格指数（CPI）或零售通货膨胀是以CPI-IL为基础的。资料来源：第68届NSSO（国家抽样调查办公室）消费支出调查2011-12财年表示财政年度；印度财政年度从次年4月1日开始，至次年3月31日结束。例如，2007财年表示从2006年4月1日开始到2007年3月31日结束的一年。图1：。基于91-2016财年CPI-IW的通货膨胀趋势。资料来源：DBIE，RBI3在食品上的比例超过60%，因为他们通常缺乏储蓄和金融工具来对冲通胀。如此之高的食品通胀水平严重损害了印度消除贫困的努力和增长前景，而在最近的过去，印度的贫困和增长前景出现了放缓。

RBI一再强调，需要遏制食品价格上涨，以实现有效的货币政策传导，缓解总体总体通胀（RBI 2014；Rajan 2014）。随着印度收入和人口的增长，预计将以1.2%的速度增长，对食品的需求将继续增加，但近年来供应一直未能跟上不断增长的需求。此前的研究人员（Gokarn 2011）指出，在均衡框架下，当粮食价格在供应停滞后上涨时，应对粮食通胀的最有效方法是理清供给侧因素并提高产量。在人口结构如此多样化的情况下，实现印度经济增长的粮食安全之路肯定会受到民粹主义政治和商业利益之间的推挽关系的阻碍。在这种背景下，当前的研究试图回顾印度食品通胀的主要决定因素，并使用机器学习（ML）技术（带增强决策树的回归）对其相对重要性进行统计分析。与其他科学领域不同的是，ML在经济学中的应用一直比较少且缓慢。ML技术有可能成为在高维数据上估计探索性/预测性经济模型的有力计量工具。然而，ML的实用性往往因其生成可直观解释的模型结果的能力有限而受到抑制。在这种情况下，增强回归树（BRT）是特别有希望的替代方法，因为它们结合了高预测精度和有吸引力的模型结果解释选项。

在未来，机器学习有望成为经济学实证研究的标准部分，并有助于经济理论的发展。印度储备银行（RBI）是印度的中央银行资源：2015年世界银行估算4第2节介绍了印度食品通胀的背景效应和动态。第3节研究了国内食品价格的驱动因素。第4节描述了所采用的数据和统计模型，并讨论了模型的结果。第5节最后提出了可行的政策建议，旨在将粮食通货膨胀降低到可持续的水平，而不会对增长产生不利影响。2、国家背景和背景2.1 1990年代，在广泛经济改革的推动下，印度的人口和宏观经济趋势在过去十年中表现出非凡的增长，其GDP以7.5%的惊人平均增长率增长（见图2）。尽管由于制造业和服务业的扩张，农业在印度GDP中的份额一直在下降（见图2），但这一特定指标基本上低估了这一部门的重要性。通过分析印度三分之二人口居住的农村人口，可以更好地理解农业在印度社会和经济结构中的重要性。近70%的印度穷人生活在农村地区，农业和相关活动仍然是最大的就业来源。这使得农业成为一个独特的部门，决定着印度食品的供应和需求。为10亿多人制定和执行粮食政策的任务本身就具有挑战性，由于约2.7亿印度人仍然生活在贫困线以下，每日收入不足1.9美元，这一任务更加复杂。资料来源：世界银行PovcalNet；数据上次更新日期：10月。

1，2016年世界银行使用的国际贫困线5 2.2粮食管理政策印度的粮食管理政策主要侧重于为不断增长的印度人口实现可持续的粮食安全。这导致政府高度参与相互竞争的目标，例如为农民创造生产激励，确保穷人的粮食安全，减轻气候异常和全球价格波动对价格和农民造成的供应冲击的影响。在20世纪70年代发生粮食危机后，印度走上了在大米和小麦这两种主要主食上实现自给自足的道路，同时从市场集中采购这两种作物，以满足中央和州政府运营的缓冲库存和粮食分配系统的需要，该系统以高补贴价格向贫困消费者提供大米和小麦。政府通过两种手段对这一政策进行控制，即对耕种者的最低支持价格（MSP）和对经济较弱部分的公共分配系统（PDS）。有趣的是，这两部分印度人口有很大的重叠，根据2014年的MOSPIestimate，超过36%的农业家庭拥有Mospi-统计和方案实施部来源：第70次NSSO印度农业家庭状况调查，2012年12月3010200304050600%5%10%15%20%25%30%35%40%45%50%51FY53FY55FY57FY59FY61FY63FY65FY67FY69FY71FY73FY75FY77FY79FY81FY83FY85FY87FY89FY91FY93FY95FY97FY99FY01FY03FY05FY07FY0911FY13GDP按要素成本计算占GDP农业总GDP的份额农业GDP占GDP总GDP的份额图2。按不变价格计算的GDP（2004-05系列）。

资料来源：国民账户统计数据6符合贫困线以下（BPL）配给卡的要求。农民是PDS和MSP的主要受益者，这在政策实施中产生了令人困惑的推拉动力。Saini和Kozicka（2014，第9-14页）对印度食品管理局的当前结构进行了简洁的总结。中央ZF根据农业成本和价格委员会（CACP）的建议，在播种季节开始时决定并宣布合格作物的MSP。无国界医生作为一种政策工具，旨在成为印度食品公司（FCI）采购或购买农民提供的任何数量的国家最低价格。通过这种开放式操作采购的粮食库存进入FCI维护的中央储备库，FCI负责根据粮食分配要求与粮食采购模式的对应关系，履行中央ZF规定的缓冲库存规范。除了维持PDS下各种福利计划的运营库存外，FCI还保持战略储备，以缓解未来的价格波动或意外粮食需求。然而，由于FCI持有的股票远远超过规定的缓冲标准，并且在股票短缺期间延迟了对股票的释放反应，FCI一再受到批评（Chand 2010；Gulati et al.2012；Anand et al.2016）。超额库存超过缓冲标准的增量成本进一步加剧了这种情况。回顾FCI采购政策的历史，可以看出其具有反周期性，在已经膨胀的市场中形成了通胀压力。理想情况下，预计FCI将在粮食供应充足时储备粮仓，并在粮食短缺时通过其公开市场销售计划（OMSS）发放粮食。

然而，在许多情况下，FCI不仅在收成不佳的年份扣留了库存，而且还从已经供应紧张的市场采购了更多库存，从而进一步推高了价格。最近在2009财年，谷物价格的通货膨胀率徘徊在10.5%左右，季风降雨也在地下。Guati等人（2012）估计，运输、储存和分配粮食的综合成本比采购价格高出50%。7正常情况下，FCI采购量增加了近30%，随后一年谷物价格上涨了11%（见图3）。无国界医生是在播种季节开始时宣布的，而政府建立缓冲库存的实际摄入量是在收获后进行的，这扭曲了粮食供需平衡，因为它减少了普通家庭在公开市场上的粮食供应。因此，公开市场价格最终由家庭和实际收获后缓冲库存的总和确定。忽略国际贸易，可以假设粮食的收获后短期供应曲线是固定的或垂直的，如图4所示。政府需求曲线也可以假设为垂直的，因为历史数据表明，价格水平通常不会影响FCI关于缓冲库存的决定。这意味着缓冲库存水平的任何增加都会导致家庭和政府的综合需求曲线向右平行移动，从而降低家庭在公开市场中的可用性，从而最终提高公开市场价格。简而言之，印度实行的粮食缓冲储备政策本身是相互冲突的。

根据Gulati和Saini（2013年）的数据，通过确保农民获得有报酬的价格、缓解粮食价格波动以及向穷人提供补贴粮食安全，使用相同的一套工具来激励农业生产，会造成许多效率低下和粮食泄漏。根据Gulati和Saini（2013年）的数据，PDS中约有40%的粮食泄漏。图3：。谷物PDS供应管理（数据来源：DBIE，RBI）8系统以及购买和发行价格之间的巨大价差，给财政部带来了巨大的补贴账单负担。2.3印度的农业和农业市场随着印度人口和城市土地规模的增长，自1991财年开始实行经济自由化后，农作物的净播种面积有所下降（见图5）。由于持有土地数量的增加，耕地的平均面积从1970-71年的2.28公顷减少到2010-11年的1.16公顷，减少了近一半（图5）。在这样小的地区耕作效率很低，而某些州法律限制了个人可以拥有的农业用地面积，这进一步加剧了这种效率。由于中世纪时期地主剥削农民的历史，支持强大租赁权的州法律使得印度很难租赁农业用地。与世界其他主要农业生产者相比，印度的单位面积农业产量相当低（图6）。这些因素加上制造业和服务业的崛起，导致农业劳动力在总劳动力中的比例多年来大幅下降（见表1）。

此外，自20世纪90年代中期经济自由化以来，出口导向型商业作物的土地使用份额增加等长期变化对粮食产量的增长产生了不利影响（Sonna et al.2014）。图4：。缓冲库存增加对市场价格的影响（来源：Anand et al.2016）9表1：部门就业份额（百分比）部门1999-20002004-052009-102011-12农业第二部门，不包括建筑*建筑服务总额*包括制造业、采矿业和采石业，电力和供水来源：NSSO就业调查轮数0 1000 2000 3000 4000 5000 6000 7000 8000世界印第安拉齐亚中国美国沙特阿拉伯产量（kg/ha）农业产量油籽产量见图6。资料来源：统计司，图5。资料来源：农业和农民福利部，GOI13713813914014114214314400.511.522.5净播种面积（单位：百万公顷）平均持有规模（单位：公顷）Deranet播种面积平均经营持有规模10促进农产品从农场流向fork的供应链严重扭曲，存在多个中介机构，物流不良，价格信息不对称和每个环节的经纪成本增加。缺乏足够的运输和储存设施会导致供应链中的重大损失。2012-2013年，收获后损失的货币价值超过9000亿卢比，易腐物品（水果、蔬菜和畜产品）占这些经济损失的一半以上（Jha等人，2015年）。谷物和油籽的损失主要集中在农场经营中，储存渠道的损失相对较小（见表2）。