Approfondimenti Economici sulle Tendenze dell'Inflazione: Uno Studio Comparativo su Stati Uniti, Germania e Cina

Abstract This paper uses machine learning methods applied to Headline Consumer Price Inflation data from 211 nations to examine global inflation trends over 53 years. This research start with careful data cleaning, keeping nations with less than 10 missing values and using linear interpolation to fill in gaps, therefore producing a dataset of 155 countries. Using the interquartile range approach helps to improve this even more to 67 countries with more consistent inflation rates. This research compute yearly average inflation figures, which expose notable changes over the time. K-means clustering then groups nations according to similar inflation trends, therefore highlighting the variation in inflation experiences and guiding focused policy responses. In order to evaluate inflation volatility, this research additionally use Generalized Autoregressive Conditional Heteroskedasticity (GARCH) modeling, concentrating especially on past effects in China, the United States, and Germany. At last, the Pelt change point detection system detects important deviations in inflation patterns and links these variations to important economic events. The results provide insightful analysis for legislators since they show how closely inflation dynamics and economic situation interact. This paper clarifies inflation trends and prepares the stage for next research and sensible economic policies by combining machine learning with historical economic analysis. Keywords: Inflation, Machine learning, GARCH, Change point detection

Sommario Il presente lavoro utilizza metodi di apprendimento automatico applicati ai dati sull'inflazione dei prezzi al consumo di 211 nazioni per esaminare le tendenze dell'inflazione globale nell'arco di 53 anni. La ricerca inizia con un'attenta pulizia dei dati, mantenendo le nazioni con meno di 10 valori mancanti e utilizzando l'interpolazione lineare per colmare le lacune, producendo così un set di dati di 155 Paesi. L'utilizzo dell'approccio basato sull'intervallo interquartile contribuisce a migliorare ulteriormente il dato, portandolo a 67 Paesi con tassi di inflazione più coerenti. Questa ricerca calcola i dati medi annuali sull'inflazione, che evidenziano i cambiamenti notevoli nel corso del tempo. La clusterizzazione K-means raggruppa poi le nazioni in base a tendenze inflazionistiche simili, evidenziando così la variazione delle esperienze inflazionistiche e guidando risposte politiche mirate. Per valutare la volatilità dell'inflazione, questa ricerca utilizza inoltre la modellazione GARCH (Generalized Autoregressive Conditional Heteroskedasticity), concentrandosi in particolare sugli effetti passati di Cina, Stati Uniti e Germania. Infine, il sistema di rilevamento dei punti di variazione di Pelt rileva importanti deviazioni nei modelli di inflazione e collega queste variazioni a importanti eventi economici. I risultati forniscono un'analisi approfondita per i legislatori, poiché mostrano la stretta interazione tra le dinamiche dell'inflazione e la situazione economica. Questo lavoro chiarisce le tendenze dell'inflazione e prepara il terreno per le prossime ricerche e politiche economiche sensate, combinando l'apprendimento automatico con l'analisi economica storica. Parola chiave: Inflazione, apprendimento automatico, GARCH, rilevamento dei punti di cambiamento 4