شیرین صلوی‌تبار، پژوهشگر دایره سیاست پولی در اداره بررسی‌ها و سیاست‌های اقتصادی بانک مرکزی: در این جلسه درباره انتظارات تورمی، اهمیت آن در اقتصاد، روش‌های فعلی برآورد انتظارات تورمی مورد استفاده در بانک مرکزی، مزایا و معایب روش‌های موجود و ارتباط تورم ادراک شده فعلی با انتظارات تورمی بحث می‌کنیم و در نهایت به بیان وضع موجود و چالش‌ها و تجربیات جهانی می‌پردازیم.

انتظارات تورمی به انتظار مردم، خانوارها، کسب و کارها و سرمایه‌گذاران درباره نرخ تورم یا نرخ تغییر قیمت‌ها در آینده اشاره می‌کند و نشان‌دهنده چگونگی نگاه، ادراک، تصور یا احساس کلی آحاد اقتصادی از تغییرات قیمت در آینده است، این انتظارات می‌تواند شامل جهت تغییر قیمت (افزایش یا کاهش) و یا تغییر میزان تورم در آینده باشد. انتظارات تورمی علیرغم اهمیت زیاد، به طور مستقیم مشاهده‌پذیر نبوده و استخراج آن نیازمند به‌کارگیری ابزارها و روش‌های مختلفی مانند برآوردهای آماری، روش‌های اقتصادسنجی و هوش مصنوعی است.

انتظارات تورمی در اقتصاد بسیار اهمیت دارد، چرا که بر تحقق تورم آینده و رفتار اقتصادی بنگاه‌ها و خانوارها برای تصمیم‌گیری، استقراض، سرمایه‌گذاری و هزینه‌کرد آنها اثرگذار است، همچنین در تنظیم قیمت کالاها و خدمات توسط کسب ‌وکارها و تنظیم قراردادها تاثیر خواهد داشت.

از سوی دیگر، انتظارات تورمی نقش اساسی در تصمیمات و سیاست‌های پولی کارآمدتر در آینده دارد. همچنین، در سنجش اعتبار بانک مرکزی و لنگر کردن انتظارات مردم به سطوح پایین‌تر تورم نقش دارد. یک بانک مرکزی با اعتبار بیشتر باید بتواند انتظارات تورمی را به درستی برآورد کند، نه چیزی بیشتر از آنچه جامعه انتظار دارد و نه کمتر از آنچه در جامعه احساس می‌شود. در نهایت بانک مرکزی، سیاست‌های ارتباطی مناسب را بدین منظور تنظیم می‌کند.

موضوع دیگر مورد توجه، ارتباط تورم احساس شده فعلی با انتظارات تورمی است که اولی مربوط به زمان گذشته و دومی مربوط به زمان آینده است. تورم احساس شده فعلی میزان افزایش قیمت کالاها و خدمات را از دید مصرف‌کنندگان بررسی می‌کند و یک پدیده کاملاً ذهنی است و لزوماً با تورمی که در جامعه تحقق پیدا کرده، مطابقت ندارد. برخی پژوهش‌ها نشان‌دهنده همبستگی قوی بین ادراک خانوارها از تورم با انتظارات تورمی است. در واقع احساسات فعلی نسبت به تورم و تحولات اقتصادی، انتظارات آینده را در ذهن افراد شکل می‌دهد.

شواهد نشان می‌دهد قدرت انتقال از ادراکات فعلی به انتظارات در گروه‌های اجتماعی و اقتصادی متفاوت است. بانک مرکزی آلمان تحقیقی داشته که ارتباط بین تورم احساس شده در دوره قبل را در شکل‌گیری انتظارات آتی تورم نشان می‌دهد که تقریباً هم‌جهت هستند.

روش‌های مختلفی برای برآورد انتظارات تورمی استفاده می‌شود. یکسری از روش‌ها مبتنی بر نظرسنجی هستند که نظرسنجی‌ها از خانوارها یا مدیران بنگاه‌های اقتصادی و یا متخصصین اقتصادی انجام می‌گیرد. روش‌های دیگر مبتنی بر بازار هستند، یعنی برای مثال از روی قراردادهای نیروی کار که در آینده بسته می‌شود می‌توان انتظارات تورمی را مشاهده کرد، یا همچنین می‌توان قیمت اوراق بهادار سررسیددار یا قراردادهایی که سوآپ تورم هستند را برای این منظور مورد برسی و سنجش قرار داد.

هر کدام از روش‌های موجود مزایا و معایبی دارند. از مزایای روش‌های مبتنی بر نظرسنجی این است که امکان پرسش مستقیم از تورم انتظاری از گروه‌های مورد نظر وجود دارد و حتی می‌توان به سوالات تنوع بیشتری داد. اما از معایب این روش‌ها می‌توان به‌ عنوان مثال به تناوب پایین داده‌برداری اشاره کرد، زیرا نظرسنجی‌ها معمولاً فصلی یا سالانه یا شش‌ماهه انجام می‌شوند و تناوب بالاتر ندارد، همچنین هزینه اجرای بالا و جامعه هدف محدودی دارند و حتی ممکن است با انتخاب جامعه هدف، انتظارات برآورد شده سوگیری داشته باشند.

از سوی دیگر از جمله مزایای روش‌های مبتنی بر بازار این است که نمونه‌ها تناوب بالاتری دارند و هزینه اجرای آن کمتر است، اما از معایب این روش آن است که تورش از انتظارات تورمی مصرف‌کنندگان را به همراه دارد که می‌تواند به دلایلی نظیر ترکیب انتظارات تورمی با ریسک بازارهای مالی، بازار کار، رشد اقتصادی و بهبود تکنولوژی باشد.

در حال حاضر، سه پیمایش اصلی در خصوص انتظارات تورمی اجرا می‌شود. یکی نظرسنجی از متخصصین اقتصادی است که تواتر آن در گذشته فصلی بوده و اکنون شش ماهه است که توسط پژوهشکده پولی و بانکی انجام می‌شود. دو نظرسنجی نیز با تواتر فصلی توسط اداره آمارهای اقتصادی بانک مرکزی از کارگاه‌های بزرگ صنعتی و مدیران بانکی انجام می‌شود.

با وجود ارزش و اهمیت بالای نظرسنجی‌های موجود، در سه حوزه نیازمند تکمیل هستند. یک گسترش جامعه هدف است، گروه‌های مختلف انتظارات تورمی متفاوتی دارند، بنابراین لازم است پیمایش انتظارات تورمی در مقیاس وسیع‌تری در سه گروه کلی خانوارها، بنگاه‌های اقتصادی، کارشناسان و متخصصان اقتصادی صورت گیرد. دوم نیازمند افزایش تناوب آمارگیری است، به دلیل حساسیت انتظارات تورمی نسبت به اخبار، شوک‌ها و سیاست‌های اقتصادی، این انتظارات باید به صورت مستمر و در تواتر ماهانه رصد شوند تا پیش‌بینی دقیق‌تری از متغیرهای اقتصادی را در آینده ارائه دهند.

کاهش هزینه‌های دسترسی به داده، تسهیل و بهبود گردآوری، پالایش و پردازش داده‌ها نیاز دیگر است. پیگیری همزمان این هدف‌ها، هزینه‌های اجرای پیمایش را بسیار افزایش می‌دهد و انجام آن را در عمل بسیار دشوار می‌کند. به همین دلیل اخیراً این موضوع مورد توجه است که از هوش مصنوعی برای دسترسی به این اهداف استفاده شود.

در مرور تجربیات جهانی می‌توان به‌ عنوان مثال به بانک‌های مرکزی ایتالیا، فرانسه و ژاپن اشاره کرد که تحلیل محتوای منتشر شده در شبکه‌های اجتماعی مثلاً توییتر را مورد استفاده قرار داده‌اند و از هوش مصنوعی در تحلیل نظرات کارشناسان و ناظران اقتصادی در برآورد انتظارات تورمی بهره برده‌اند.

برای مثال ایتالیا ۱۵ عبارت پُرتکرار در توییتر را در دوره زمانی ژوئن ۲۰۱۳ تا دسامبر ۲۰۱۹ جمع‌آوری کرده که نشان‌دهنده افزایش انتظارات تورمی بودند و با رنگ سبز مشخص کرده است. همچنین ۱۵ عبارت پُرتکرار که نشان‌دهنده کاهش انتظارات تورمی بودند را با رنگ قرمز مشخص کرده و با تحلیل این موارد نتیجه می‌گیرد که انتظارات تورمی به کدام سمت می‌رود و تا چه اندازه‌ای خواهد بود.

نمودار خطی دیگری از مطالعه‌ای در بانک مرکزی ایتالیا هم نشان دهنده مقایسه نتایج میان شاخص انتظارات تورمی استخراج شده از توییتر (که با رنگ قرمز نشان داده شده) و انتظارات تورمی استخراج شده از پرسشنامه ماهانه میان دو هزار خانوار (که با نمودار مشکی مشخص شده) است. استفاده از تحلیل اطلاعاتی که در توییتر است هزینه کمتر و تناوب بیشتری دارد و با نظرسنجی که از دو هزار خانواده انجام داده‌اند، تقریباً همسو بوده است.

در نمودار دیگری از مطالعه‌ای در بانک مرکزی ایتالیا، نتایج میان شاخص انتظارات تورمی استخراج شده از توییتر با رنگ قرمز و انتظارات تورمی درج شده در قراردادهای سوآپ تورم با رنگ خاکستری مقایسه شده است که نتایج قبلی را تائید می‌کند.

کشور فرانسه هم از همین تجربیات استفاده کرده و نتایج میان شاخص تورم ادراک شده فعلی یعنی آنچه در ذهن خانوارها است را با رنگ آبی و انتظارات تورمی مبتنی بر پرسش‌نامه را با رنگ مشکی به دست آورده است که نوسانات آن تقریباً هم‌جهت است.

بانک مرکزی ژاپن هم روشی مشابه را مورد استفاده قرار داده است که در آن، نتایج میان شاخص تورم انتظاری مبتنی بر تحلیل متن توییتر را با نمودار مشکی پیوسته و انتظارات تورمی مبتنی بر پرسشنامه قیمت عمومی کالاها را با نمودار خط چین مشکی و پرسشنامه مبتنی بر قیمت کالای تولید شده نهایی را با رنگ خاکستری نشان داده و به این نتیجه رسیده که روند این نمودارها تقریباً هم‌جهت بوده‌اند، بنابراین از این روش می‌توان استفاده کرد.

در مجموع تکمیل روش‌های نظرسنجی که در حال حاضر استفاده می‌شود، نیازمند گسترش جامعه هدف، افزایش تناوب آمارگیری و کاهش هزینه‌های دسترسی به داده و تسهیل و بهبود گردآوری و پالایش و پردازش داده‌ها است که استفاده از هوش مصنوعی برای دسترسی به این اهداف می‌تواند بسیار مفید باشد.