آیا ترکیب علم اقتصاد و هوش مصنوعی شرایط تورمی کشور را بهبود می‌بخشد؟
رئیس دایره سیاست‌های پولی بانک مرکزی معتقد است ترکیب علم اقتصاد و فناوری‌های هوش مصنوعی اتفاقات تورمی کشور را بهبود می‌بخشد و می‌تواند بسیاری از هزینه‌های اجرای پیمایش در حوزه برآورد نرخ دقیق تورم را کاهش دهد.
اکبرچشمی رئیس دایره سیاست‌های پولی اداره بررسی‌ها و سیاست‌های اقتصادی بانک مرکزی در رویداد اینوتکنیک شرکت ملی انفورماتیک به مبحث انتظارات تورمی پرداخت و گفت: در برآورد انتظارات تورمی از دو شیوه رایج استفاده میشود. یکی از این روش‌ها روش مبتنی بر نظرسنجی، نظرسنجی از خانوارها، نظرسنجی از مدیران بنگاه‌های اقتصادی و نظرسنجی از متخصصان اقتصادی است.
طبق گفته او روش بعدی روش‌های مبتنی بر بازار شامل قراردادهای نیروی کار، قیمت اوراق بهادار سررسید‌دار، قراداد توافق (سواپ تورم ) است و در حال حاضر اینها روش‌های فعلی برآورد انتظارات تورمی است.
او با اشاره به اینکه هر یک از این روش‌های مزایا و معایب خاص خود را دارند گفت: در روش مبتنی بر نظرسنجی امکان پرسش مستقیم و تنوع‌بخشی به سوالات وجود دارد اما هزینه اجرای نسبتا بالا و محدودیت جامعه هدف و امکان سوگیری از معایب این روش است.
از سویی روش‌های مبتنی بر بازار تناوب بالاتر نمونه و هزینه اجرای پایین‌تری دارد اما این روش هم در مقابل معایب خود را دارد که ریسک بازارهای مالی را با خود دارد.
نظرسنجی از متخصصان اولویت بانک مرکزی است
چشمی ادامه داد: در حال حاضر سه‌پیمایش اصلی در خصوص انتظارات تورمی اجرا میشود. نظرسنجی از متخصصان اقتصادی در تواتر فصلی شش ماهه توسط پژوهشکده پولی و بانکی، نظرسنجی از کارگاه‌های بزرگ صنعتی در تواتر فصلی توسط اداره آمارهای اقتصادی بانک مرکزی و نظرسنجی از مدیران بانکی در تواتر فصلی توسط اداره آمارهای اقتصادی از اولویت‌های بانک مرکزی است تا با نظرسنجی از متخصصان روند را بهبود بخشیم.
باید چالش‌های وضع موجود را شناسایی کنیم
چشمی در ادامه گفت: علی‌رغم ارزش و اهمیت بالای نظرسنجی‌های موجود ما در سه حوزه باید اطلاعات خود را تکمیل کنیم.
در ابتدا به گسترش جامعه هدف فکر می‌کنیم چون گروه‌های مختلف انتظارات تورمی متفاوتی دارند پس لازم است پیمایش انتظارات تورمی در مقیاس بسیار وسیع‌تری در سه‌گروه کلی خانوارها بنگاه‌های اقتصادی و کارشناسان و متخصصان اقتصادی صورت گیرد.
از نظر او در وهله دوم افزایش تناوب آمارگیری امر بسیار مهمی است چون به دلیل حساسیت انتظارات تورمی نسبت به اخبار شوک‌ها و سیاست‌های اقتصادی این انتظارات باید به طور مستمر و در تواتر ماهانه رصد شوند تا پیش‌بینی دقیق‌تری از متغیرهای آتی اقتصاد ارائه شود.
همچنین او معتقد است کاهش هزینه‌های دسترسی به داده و تسهیل و بهبود گردآوری و پالایش و پردازش داده‌ها امری حیاتی است که پیگیری همزمان این سه هدف هزینه‌های اجرای پیمایش را بسیار افزایش می‌دهد و آن را ناممکن می‌کند و اینجاست که می‌توان از هوش مصنوعی برای دسترسی به این اهداف بهره‌گرفت.
آمیزه اقتصاد و فناوری
چشمی در ادامه به اهمیت ترکیب دانش‌اقتصاد و فناوری اشاره کرد و افزود: دانش اقتصاد به ویژه مفاهیم تورم،شاخص‌های قیمت، نرخ بهره، اشتغال، رشد اقتصادی و… دانش آمار و تحلیل داده والگوریتم‌های هوش مصنوعی و یادگیری ماشین ابزارهایی هستند که با ترکیب آنها می‌توان کنترل تورمی را به دست گرفت و ما در بانک مرکزی از این پیشنهادها استقبال می‌کنیم.