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.
مدیر اداره حساب‌های اقتصادی بانک مرکزی مطرح کرد / امکان استفاده از هوش مصنوعی و یادگیری ماشین در کنون‌بینی تولید ناخالص داخلی
مدیر اداره حساب‌های اقتصادی بانک مرکزی معتقد است که امکان استفاده از هوش مصنوعی در مراحل مختلف برآورد تولید ناخالص داخلی؛ از جمعآوری و استخراج داده تا برآورد متغیرها و همچنین راستی‌آزمایی نتایج و مصورسازی داده‌ها وجود دارد.
به گزارش روابط عمومی شرکت ملی انفورماتیک، از آنجا که تأثیر فناوری‌های نوین برای دستیابی به اهداف بانک مرکزی در جهت «کنون‌بینی تولید ناخالص داخلی» یکی از موارد مهم در تحقق اهداف بوده و این مهم یکی از محورهای رویداد اینوتکنیک نیز در نظر گرفته شده است، گفت‌وگویی با علیرضا قائدی، مدیر اداره حساب‌های اقتصادی بانک مرکزی انجام شده که در ادامه مشروح آن را می‌خوانید.
قائدی با اشاره به راهکارهایی که فناوری‌های نوین می‌توانند در اختیار بانک مرکزی قرار دهند تا برآورد متغیرهای کلان اقتصادی برای نهاد ناظر تسهیل شود، گفت: «فناوری‌های نوین می‌تواند استفاده از داده‌های حاوی اطلاعات (information) با تواتر زمانی بالا را که بر متغیرهای کلان اقتصادی با تواتر زمانی پایین (و با وقفه انتشار طولانی) مؤثر است به صورت بهنگام برآورد کند و در اختیار بانک مرکزی قرار دهد. مزیت اصلی این موضوع، شناسایی زودهنگام وضعیت متغیرها در چرخه تجاری و اتخاذ سریع تصمیمات سیاستی است. یک موضوع مهم درباره فناوری‌های نوین، امکان استفاده از هوش مصنوعی در مراحل مختلف جمعآوری و استخراج داده‌ها برای کنون‌بینی تولید ناخالص داخلی است. همچنین هوش مصنوعی می‌تواند متغیرهای کلان را برآورد، اعتبارسنجی و نتایج داده‌ها را مصورسازی کند.»
استفاده ۸۰ درصد بانک‌های مرکزی از داده‌های جایگزین
قائدی در خصوص اینکه آیا بانک‌های مرکزی سایر کشورها نیز از فناوری‌های نوین و به طور مشخص هوش مصنوعی در زمینه برآورد متغیرهای کلان اقتصادی استفاده می‌کنند، توضیح داد: «در سال 2015 حدود 30 درصد بانک‌های مرکزی از داده‌های جایگزین (Alternative data) برای سیاست‌گذاری استفاده می‌کردند و این در حالی است که در سال 2020 این رقم به حدود 80 درصد بانک‌های مرکزی افزایش یافته است. برای کنون‌بینی متغیرهای کلان اقتصادی به چهار عامل جمعآوری داده، استخراج داده، برآورد متغیرهای سازگار و مرتبط و مصورسازی نتایج خروجی نیاز است و فناوری‌های نوین نقش پررنگی در این زمینه بازی می‌کنند.»
او ادامه داد: «این فناوری‌ها از منابع اطلاعاتی رسمی یا غیررسمی که داده‌های اقتصادی با تواتر زمانی بالاتر را منتشر می‌کنند، به جمعآوری اطلاعات می‌پردازند که حاوی ارقام مفیدی جهت برآورد و جمعآوری نتایج داده‌هاست. همین‌طور این فناوری‌ها به ایجاد داده‌های غیرساختاریافته با استفاده از روش‌های استخراج اطلاعات از منابع اینترنتی کمک می‌کنند. یکی دیگر از راهکارهایی که این فناوری‌ها در اختیار نهاد ناظر برای کنون‌بینی تولید ناخالص داخلی قرار می‌دهند، ترکیب خطی یا غیرخطی داده‌ها (با پشتیبانی نظریات و مفاهیم اقتصادی) در برآورد متغیرهای صحیح و قابل اتکا است. نکته مهم دیگر مصورسازی نتایج خروجی داده‌هاست؛ بدین معنا که این فناوری‌ها می‌توانند تصویری پویا بین متغیرها برای فهم بهتر برآوردها و شناسایی میزان اثرگذاری متغیرها در دوره‌های زمانی مختلف ارائه دهند.»
قائدی معتقد است در چهارچوب‌های استاندارد سیاست‌های پولی و اعتباری، اولین گام جهت تصمیم‌گیری در خصوص تغییر یا عدم تغییر در ابزارهای سیاست پولی، بررسی وضعیت کنونی اقتصاد کلان و موقعیت اقتصاد در ادوار تجاری است. در صورت عدم دسترسی به داده‌های به‌روز (به‌ویژه در زمان‌هایی که نیاز به تصمیمات سیاستی سریع داریم) باید به داده‌های باوقفه از وضعیت اقتصاد کلان و قضاوت‌های کارشناسی اکتفا کرد که سیاستگذار را با نااطمینانی مواجه می‌کند. عدم دسترسی به اطلاعات به‌روز، پیش‌بینی‌های کوتاه‌مدت اقتصادی را نیز با خطا مواجه می‌سازد که این موضوع اعتبار سیاست‌گذارها را نیز تحت تأثیر قرار می‌دهد.
انتظارات بانک مرکزی از رویدادهایی مانند اینوتکنیک
مدیر اداره حساب‌های اقتصادی بانک مرکزی با اشاره به اینکه بانک مرکزی چه انتظاری از رویدادهایی مانند اینوتکنیک برای ارائه راهکار دارد، گفت: «مهم‌ترین محدودیت‌های بانک مرکزی در این زمینه، پیچیدگی روابط بین متغیرهای اقتصادی است که نیازمند دانش مناسب جهت تفکیک و پردازش اطلاعات است. حجم بالای داده‌های خام نیز نیازمند سیستم‌های پردازش اطلاعات قوی است. به این منظور تیم‌های حاضر برای ارائه راهکار در خصوص کنون‌بینی، نیازمند آشنایی قبلی با علوم اقتصادی به‌ویژه نظام حساب‌های ملی و فناوری‌های مورد نیاز ازجمله استخراج و پیش‌پردازش داده‌های خام، هوش مصنوعی و یادگیری ماشین هستند. راهکارهای مورد نیاز بانک مرکزی در این زمینه را شاید بتوان در سه راهکار «ارائه الگوریتم مشخص و قابل اتکا برای استفاده در دوره‌های زمانی مختلف»؛ «خطای محاسباتی کم (درون‌نمونه‌ای و برون‌نمونه‌ای)» و همین‌طور «روش‌های جمعآوری داده به طور خودکار و بهنگام از منابع آماری» خلاصه کرد.»
یادآور می‌شود به ارزش تمام کالاها و خدمات نهایی که در قلمرو اقتصاد داخلی (توسط تولیدکنندگان مقیم) و در طول یک دوره حسابداری معین معمولاً (یک سال/فصل) تقویمی تولید می‌شوند تولید ناخالص داخلی (GDP) گفته می‌شود.
برآورد تولید ناخالص داخلی از سه روش «مابه‌التفاوت ارزش تولید و هزینه واسطه کل اقتصاد (روش تولید ملی)»؛ «جمع اجزای ارزش افزوده در کل اقتصاد (روش درآمد ملی)» و «جمع ارزش مصارف نهایی کالاها و خدمات تولیدشده در یک اقتصاد (روش هزینه ملی)» انجام می‌شود.
دسترسی به اطلاعات و آمار بهنگام اقتصاد کلان در تصمیم‌‌گیری‌ها و سیاست‌گذاری‌های اقتصادی اهمیت و اثرگذاری قابل توجهی دارد. داده‌های کلان اقتصادی مانند حساب‌های ملی با تواتر فصلی و با تأخیر حدوداً سه‌ماهه در دسترس قرار می‌گیرند. این اطلاعات تبیین‌کننده واقعیت‌های دوره‌های گذشته هستند و نمی‌توانند اطلاعات دقیقی از وضعیت کنونی اقتصاد (جهت استفاده در سیاست‌گذاری) در اختیار بگذارند و در چنین شرایطی لزوم دسترسی به داده‌های به‌روزتر بیش از پیش احساس می‌شود. برای برطرف کردن مسائل مربوط به وقفه در انتشار اطلاعات که در نهایت موجب عدم دسترسی به اطلاعات وضعیت کنونی اقتصاد می‌شود، در بانک‌های مرکزی مختلف رویکردهای کنون‌بینی (Nowcasting) در پیش گرفته می‌شود. ارزش کنون‌بینی به این مفهوم است که می‌توان پیش از انتشار داده‌های رسمی، شرایط فعلی را تبیین کرد.