پایگاه خبری راه پرداخت دارای مجوز به شماره ۷۴۵۷۲ از وزارت فرهنگ و ارشاد اسلامی و بخشی از «شبکه عصر تراکنش» است. راه پرداخت فعالیت خود را از دوم اردیبهشت‌ماه ۱۳۹۰ شروع کرده و اکنون پرمخاطب‌ترین رسانه ایران در زمینه فناوری‌های مالی، بانکداری و پرداخت و استارت‌آپ‌های فین‌تک است.
عکاس: نسیم اعتمادی
در رویداد اینوتکنیک ارائه شد / چرا باید از هوش مصنوعی در برآورد انتظارات تورمی استفاده کنیم؟
انتظارات تورمی یکی از شاخص‌های بسیار تأثیرگذار در تصمیم‌گیری‌های سیاست‌گذار پولی کشورهاست و روش‌های مختلفی برای ارزیابی این شاخص وجود دارد. رئیس دایره سیاست‌های پولی اداره بررسی‌ها و سیاست‌های اقتصادی بانک مرکزی در اولین رویداد اینوتکنیک در ارائه‌ای با عنوان «ارزیابی و برآورد انتظارات تورمی» به جنبه‌ها و اثرات مختلف این شاخص پرداخت و با بیان اینکه انتظارات تورمی بر تورم تحقق‌یافته تأثیرگذار خواهد بود، بر اهمیت ارزیابی این شاخص تأکید کرد.
او ضمن توضیح روش‌های مختلف ارزیابی انتظارات تورمی با استفاده از نظرسنجی‌ها و داده‌های حاصل از بازار کار و معاملات سوآپ تورمی به چالش‌های استفاده از این روش‌ها پرداخت و در ادامه از ویژگی‌های یک طرح مناسب برای کاربرد هوش مصنوعی و یادگیری ماشین در ارزیابی شاخص انتظارات تورمی گفت. او با ارائه آماری از کشورهایی که از فناوری هوش مصنوعی در برآوردن انتظارات تورمی استفاده کرده بودند، بیان کرد که آمار نشان می‌دهد داده‌های حاصل از این روش در عین اینکه هم‌راستا با داده‌های حاصل از روش‌های سنتی است و با سیگنال‌های بازار همخوانی دارد، بسیار کم‌هزینه‌تر است و از همه مهم‌تر در مدت‌زمان کوتاه‌تری به دست می‌آید.
اولین رویداد از سلسله رویدادهای اینوتکنیک، دوشنبه، ششم شهریور با محوریت هوش مصنوعی برگزار شد. اکبر چشمی، رئیس دایره سیاست‌های پولی اداره بررسی‌ها و سیاست‌های اقتصادی بانک مرکزی در ارائه‌ای با عنوان «ارزیابی و برآورد انتظارات تورمی» در اولین رویداد از سلسله‌‌رویدادهای اینوتکنیک عنوان کرد: «تبیین انتظارارت تورمی در این مورد است که آحاد جامعه در مورد تحولات آینده قیمت‌ها چه ادراک و تصوری دارند.»
او ادامه داد: «در ارزیابی انتظارات تورمی در واقع ما توقع داریم که هم درک درستی از روند و جهات انتظارات تورمی را تبیین کنیم و هم میزان تغییرات انتظارات تورمی را در یک مدت زمان خاص با ارائه آمار و ارقام مشخص کنیم.»
به گفته او طبیعتاً انتظارات تورمی کاملاً مشاهده‌پذیر نیست و بنابراین باید از نوآوری برای به دست آوردن دیتای قابل اتکا در مورد آن استفاده کرد و به عنوان مثال هوش مصنوعی در این زمینه می‌تواند بسیار کمک‌کننده باشد.
چشمی با تأکید بر اهمیت انتظارات تورمی در اقتصاد عنوان کرد که این شاخص جزو مهم‌ترین مؤلفه‌ها برای سیاست‌گذاری پولی است و متناسب با آن در چهارچوب سیاست پولی، سیاست‌های ارتباطی را نیز باید تنظیم کنیم.
انتظارات تورمی چگونه بر رفتار عاملان اقتصادی تأثیر می‌گذارد؟
چشمی توضیح داد: «تنظیم‌گر بعد از شکل‌گیری رفتار عوامل اقتصادی تورم تعیین می‌شود و بانک مرکزی باید متناسب با آن واکنش، سیاست پولی خود را تنظیم کند یا در سیاست‌های ارتباطی خود تجدید نظر کند و انتظارات تورمی را به شکل دیگری مدیریت کند؛ به این شکل که آحاد اقتصادی تورم پایین‌تری را برای ماه‌های آینده مد نظر قرار دهند و این مسئله رفتار عاملان اقتصادی را به‌گونه‌ای تنظیم می‌کند که این تورم پایین‌تر در آینده محقق شود. بنابراین انتظارات تورمی نقش بسیار مهمی در شکل‌گیری تورم تحقق‌یافته خواهد داشت.»
به گفته او خود بانک مرکزی هم ضمن بررسی تغییرات انتظارات تورمی می‌تواند سیاست‌های پولی و ارتباطی خود را ارزیابی کند.
رئیس دایره سیاست‌های پولی اداره بررسی‌ها و سیاست‌های اقتصادی بانک مرکزی ادامه داد: «اگر افراد در حال حاضر فکر می‌کنند که تورم خیلی بالاست، فارغ از اینکه مراجع رسمی کشور تورم را چقدر ارزیابی می‌کنند، این هم عاملی می‌شود که نسبت به آینده انتظارات تورمی‌شان افزایش یابد و عکس این موضوع هم صادق است. این موضوع در اقتصاد کلان به عنوان انتظارات تطبیقی شناخته می‌شود.»
طبق توضیحات چشمی، علاوه بر این خوش‌بینی یا بدبینی افراد به وضعیت آینده یا به نوعی احساس افراد به وضعیت اقتصاد در آینده (Sentiment Analysis) فارغ از بررسی روند حرکت شاخص‌ها هم با انتظارات تورمی رابطه مستقیم دارد.
چالش‌های روش‌های سنتی برآورد انتظارات تورمی
او بیان کرد: «نظرسنجی‌ها از خانوار، کسب‌وکارها و متخصصان اقتصادی، روش‌های مبتنی بر بازار کار از جمله بررسی قراردادهای حقوق و دستمزد، تغییر و بررسی نرخ‌های بازدهی در بازار بدهی و قراردادهای سوآپ تورم از جمله راه‌های ارزیابی و برآورد انتظارات تورمی توسط بانک‌های مرکزی است.»
چشمی ادامه داد: «از مزایای نظرسنجی این است که ما مطمئن هستیم سؤالات مشخص و استانداردی را از افراد مشخصی پرسیده‌ایم و می‌توان به پاسخ‌های به‌دست‌آمده استناد کرد. معایب این روش هزینه‌بر و زمان‌بر بودنش است. در خصوص روش‌های مبتنی بر بازار نیز عملاً نمی‌توان ارزیابی کرد که سهم عوامل مختلف اقتصادی در حرکت‌های مختلف بازار چقدر است و بنابراین خالص‌سازی آمار در این روش برای سیاست‌گذار دشوار است.»
چشمی در ادامه با اشاره به اینکه ما توقع داریم جامعه هدف بسیار وسیع‌تر باشد و باید بتوانیم در مدت زمان‌های کوتاه‌تری به تحولات اقتصادی واکنش نشان دهیم، گفت: «علاوه بر آن هزینه و زمان دسترسی به دیتا نیز برای سیاست‌گذار بسیار اهمیت دارد؛ بنابراین استفاده از هوش مصنوعی در این زمینه بسیار تأثیرگذار خواهد بود.»
او ادامه داد: «ارزیابی ادراک تورم فعلی و انتظارات تورمی با استفاده از هوش مصنوعی در کشورهایی نظیر فرانسه و ژاپن صورت گرفته و داده‌های به‌دست‌آمده نشان می‌دهد که نتایج با نتایج حاصل روش‌های سنتی بسیار هم‌راستاست که در زمان کمتر و با صرف هزینه کمتر به دست آمده است.»
طبق توضیخات چشمی انتظار می‌رود که طرح‌های مطرح شده در این خصوص به نحوی باشند که در وهله اول مسئله درست تبیین شده باشد؛ راهکار متناسب با مسئله باشد و الگوریتم‌ها شفاف و برآمده از ادراک صحیح اقتصادی باشد و در نهایت باید مشخص شود که دیتاهای جمع‌آوری‌شده از چه منابعی حاصل شده است.
