ICTPRESS - مدیر اداره حساب‌های اقتصادی بانک مرکزی می‌گوید 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 شبکه خبری ICTPRESS به نقل از روابط عمومی شرکت ملی انفورماتیک، از آنجا که تاثیر 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 داشتیم که مشروح آن به شرح زیر است:

• به عنوان اولین سوال، فناوری‌های نوین چه راهکارهایی را می‌توانند در اختیار بانک مرکزی قرار دهند تا برآورد متغیرهای کلان اقتصادی برای نهاد ناظر تسهیل شود؟

قائدی: فناوری‌های نوین می تواند استفاده از داده‌های حاوی اطلاعات (information) با تواتر زمانی بالا که بر متغیرهای کلان اقتصادی با تواتر زمانی پایین (با وقفه انتشار طولانی) موثر است را به صورت بهنگام برآورد کند , 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 هوش‌مصنوعی می‌تواند متغیرهای کلان را برآورد، اعتبار سنجی و نتایج داده‌ها را مصورسازی کند.

• آیا بانک‌های مرکزی سایر کشورها نیز از فناوری‌های نوین و به طور مشخص هوش مصنوعی در زمینه برآورد متغیرهای کلان اقتصادی استفاده می‌کنند؟

قائدی: در سال 2015 حدود 30 درصد از 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 از بانک‌های مرکزی افزایش یافته است. برای کنون‌بینی متغیرهای کلان اقتصادی، نیاز 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.

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 داده‌ها است. 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 می دهند، ترکیب خطی یا غیرخطی داده‌ها (با پشتیبانی نظریات و مفاهیم اقتصادی) در برآورد متغیرهای صحیح و قابل اتکاء است. نکته مهم دیگر نیز مصورسازی نتایج خروجی داده‌ها است؛ 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.

• اگر کنون‌بینی در برآورد متغیرهای کلان و به ویژه برآورد تولید ناخالص داخلی در اختیار بانک مرکزی نباشد، چه اثراتی را می‌تواند در پی داشته باشد؟

قائدی: در چارچوب‌های 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 بروز (به ویژه در زمان‌هایی که نیاز به تصمیمات سیاستی سریع داریم) باید به داده‌های با وقفه از وضعیت اقتصاد کلان و قضاوت‌های کارشناسی اکتفا کرد که سیاستگذار را با نااطمینانی مواجه می‌سازد. عدم دسترسی به اطلاعات بروز، پیش‌بینی‌های کوتاه مدت اقتصادی را نیز با خطا مواجه می‌سازد که این موضوع اعتبار سیاست‌گذارها را نیز تحت تاثیر قرار می‌دهد.

• بانک مرکزی چه انتظاری از رویدادهایی مانند اینوتکنیک برای ارائه راهکارها دارد که به آن در کنون‌بینی برآورد متغیرهای کلان اقتصادی با توجه به محدودیت‌های مختلف کمک کند؟

قائدی: مهم‌ترین محدودیت‌های بانک مرکزی در این زمینه، پیچیدگی روابط بین متغیرهای اقتصادی است که نیازمند دانش مناسب برای تفکیک و پردازش اطلاعات است. همچنین 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 به ویژه نظام حساب‌های ملی و فناوری‌های مورد نیاز از جمله 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 اتکاء برای استفاده در دوره‌های زمانی مختلف»؛ «خطای محاسباتی کم (درون نمونه‌ای و برون نمونه‌ای)» و همین طور «روش‌های جمع‌آوری داده به طور خودکار و بهنگام از منابع آماری» خلاصه کرد.

لازم به یادآوری است، به ارزش همه کالاها و خدمات نهایی که در قلمرو اقتصاد داخلی (توسط تولید کنندگان مقیم) و در طول یک دوره حسابداری معین معمولا (یک سال/فصل) تقویمی تولید می‌شوند تولید ناخالص داخلی (GDP) گفته می‌شود.

برآورد تولید ناخالص داخلی از سه روش «مابه التفاوت ارزش تولید و هزینه واسطه کل اقتصاد (روش تولید ملی)»؛ «جمع اجزاء ارزش افزوده در کل اقتصاد (روش درآمد ملی)» و «جمع ارزش مصارف نهایی کالاها و خدمات تولید شده در یک اقتصاد (روش هزینه ملی)» انجام می‌شود.

دسترسی به اطلاعات و آمار بهنگام اقتصاد کلان در تصمیم‌ گیری‌ها و سیاست‌گذاری‌های اقتصادی اهمیت و اثرگذاری قابل توجهی دارد. داده‌های کلان اقتصادی مانند حساب‌های ملی با تواتر فصلی و با تاخیر حدودا سه ماهه در دسترس قرار می‌گیرند. این اطلاعات تبیین کننده واقعیت‌های دوره‌های گذشته هستند و نمی‌تواند اطلاعات دقیقی از وضعیت کنونی اقتصاد (جهت استفاده در سیاست‌گذاری) در اختیار بگذارند و در چنین شرایطی لزوم دسترسی به داده‌های بروزتر 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.