U četvrtak, 14. svibnja 2026. u organizaciji Instituta za javne financije i Hrvatske narodne banke predstavljeni su nagrađeni radovi Zaklade Hanžeković za 2025. godinu.
Frane Banić, iz Direkcije za ekonomske analize Hrvatske narodne banke, predstavio je nagrađeni rad u redovitoj kategoriji (suautor Guzmán González-Torres, iz Direkcije za ekonomiku, statistiku i istraživanja Središnje banke Italije) o različitim putevima inflacije u kojem se analiziraju nedavni inflacijski pritisci u Hrvatskoj.
Autori istražuju mogu li tradicionalne mjere proizvodnog jaza primjereno objasniti inflacijska kretanja u Hrvatskoj nakon pandemije, u razdoblju obilježenom istodobnim šokovima ponude i potražnje. Na temelju anketnih podataka Europske komisije o čimbenicima koji ograničavaju proizvodnju, razdvajaju se učinci ponude i potražnje u sektoru usluga i prerađivačke industrije, uzimajući u obzir sektorska odstupanja tijekom razdoblja inflacije.
Rezultati ukazuju da tradicionalne mjere proizvodnog jaza u post-pandemijskom razdoblju ne prate dovoljno dobro inflacijska kretanja, dok se sektorski pristup na temelju anketnih podataka pokazao kao pouzdaniji pokazatelj inflacijskih pritisaka. U uslužnim djelatnostima inflacijske su pritiske ponajviše poticale snažna potražnja i manjak radne snage, dok su u prerađivačkoj industriji, uz potražnju, ključnu ulogu tijekom 2021. i 2022. imali poremećaji u opskrbnim lancima i nestašice materijala i opreme. Nakon popuštanja opskrbnih ograničenja inflacijski su se pritisci u industriji postupno smanjivali, dok su u uslugama ostali povišeni zbog i dalje snažne potražnje i manjka radne snage.
Mihael Brusan, student Ekonomskog fakulteta Sveučilišta u Zagrebu, i Jakov Čorak, pripravnik u Direkciji za ekonomske analize Hrvatske narodne banke, predstavili su nagrađeni rad u studentskoj kategoriji u kojem se po prvi puta primjenjuje strojno učenje u prognoziranju inflacije u Hrvatskoj te time uvode suvremene metode u domaći istraživački okvir, najavljujući novu eru makroekonomskog predviđanja.
Autori primjenjuju modele strojnog učenja za prognoziranje inflacije izvan uzorka za različita razdoblja primjenom deset modela i četiri skupine ulaznih značajki: pomake ciljane varijable, konvencionalne makroekonomske pokazatelje, nekonvencionalne varijable poput Google Trends podataka te njihovu kombinaciju.
Rezultati pokazuju da nijedan model nije najbolji u svim razdobljima i za sve skupove podataka. Ipak, najpouzdanijim i najtočnijim se pokazao SARIMA, tradicionalni statistički model za analizu i predviđanje vremenskih serija. Kako će s vremenom biti dostupno sve više podataka i novih makroekonomskih uvjeta, može se očekivati da će, primjerice, LightGBM i tree-based modeli, imati sve važniju ulogu u predviđanju inflacije.
Nagrađeni radovi objavljeni su u časopisu Instituta Public Sector Economics. Natječaj za 2026. godinu je otvoren, rok za predaju radova je 1. lipnja, a više informacija dostupno je na mrežnoj stranici Zaklade.
Banić
Brusan-Čorak
Foto: HNB