क्यों पूर्वानुमानकर्ताओं ने 2023 में हवा का अनुमान गलत लगाया?

अधिकांश पूर्वानुमानकर्ता 2023 के लिए चाय की पत्तियों या कॉफी के मैदानों को सही ढंग से पढ़ने में विफल रहे। वैश्विक मंदी नहीं आई और ब्याज दरों में गिरावट नहीं हुई। दिलचस्प सवाल यह है कि वे इसे ग़लत क्यों समझते रहते हैं।

पहला, आर्थिक उपकरण कमज़ोर हैं। भौतिक विज्ञानी से फाइनेंसर बने एमानुएल डर्मन ने अफसोस जताया कि ज्यादातर अर्थशास्त्रियों ने वास्तव में कभी कोई सफल मॉडल नहीं देखा था और वे अच्छे और बुरे मॉडल के बीच अंतर नहीं कर सके। विकास, मुद्रास्फीति, राजकोषीय या मौद्रिक नीति, मुद्रा मूल्य या ऋण के बुनियादी सिद्धांत - सभी पूर्वानुमानित मॉडलिंग के लिए आवश्यक हैं - अस्पष्ट और निरंतर प्रवाह में हैं। अमेरिकी फेडरल रिजर्व के चेयरमैन जेरोम पॉवेल ने 2022 में विनम्रतापूर्वक स्वीकार किया: "हम जितना कम समझते हैं, उतना बेहतर समझते हैं।"

प्रकृति में कटौतीवादी, आर्थिक मॉडल सीमित डेटा उपलब्धता के कारण कुछ मापने योग्य चर पर ध्यान केंद्रित करते हैं। कठोरता और विज्ञान का आभास देने के लिए सांख्यिकी और गणित का प्रयोग किया जाता है। सुगम्य परिकल्पनाओं के अभाव में आकस्मिक सहसंबंध कार्य-कारण का रूप धारण कर लेता है। तर्कसंगत, उपयोगिता-अधिकतम करने वाले अभिनेता जैसी धारणाएँ अक्सर वास्तविक दुनिया में संतुष्ट नहीं होती हैं। अर्थशास्त्र अप्राप्य संतुलन के आदर्श से मुग्ध है।

कठिन भौतिक मापों के विपरीत, आर्थिक और वित्तीय डेटा, यदि उपलब्ध हो, संदिग्ध है, कभी-कभी प्रतिस्पर्धी पद्धतियों के बीच मनमाना विकल्प होता है। अधिक विस्तृत जानकारी उपलब्ध होने पर बाद के डेटा संशोधनों की तरह समयबद्धता समस्याग्रस्त है। पूर्व चीनी प्रधान मंत्री ली केकियांग ने एक बार आधिकारिक चीनी सांख्यिकीय विज्ञप्ति को "मानव निर्मित" और "केवल संदर्भ के लिए" कहा था। दुर्भाग्य से, मध्य साम्राज्य एकमात्र स्थान नहीं है जहां यह सच है।

राजनीति के साथ अंतर्संबंध का मतलब है कि सरकार, केंद्रीय बैंक या नियामक निर्णय परिणामों को प्रभावित करते हैं। दुर्भाग्य से, प्रमुख भू-राजनीतिक घटनाओं का अनुमान लगाने की अर्थशास्त्रियों की क्षमता खराब है। कुछ लोगों ने यूक्रेन और गाजा संघर्ष और या उनके प्रक्षेप पथ का पूर्वानुमान लगाया था, यहां तक कि उनके शुरू होने के बाद भी।

अर्थशास्त्री बुनियादी डेटा गतिशीलता से बेखबर लगते हैं। सत्तावादी प्रणालियों में, मातहतों को यह सुनिश्चित करना चाहिए कि सज़ा से बचने या कैरियर की प्रगति सुनिश्चित करने के लिए आंकड़े पूर्वानुमानों के अनुरूप हों, भले ही इसका मतलब डेटा को गलत साबित करना हो। बुरी खबर हमेशा बाहरी ताकतों की गलती होनी चाहिए या वास्तव में अच्छी खबर। यहां तक कि गरीबी के स्तर के अकाट्य उपायों को भी बदली हुई सीमा से प्रभावित किया जा सकता है।

जटिल फीडबैक लूप को नजरअंदाज कर दिया जाता है। आर्थिक मॉडल और पूर्वानुमान अपेक्षाओं और वास्तविक वास्तविक दुनिया के व्यवहार के निर्माण के अभिन्न अंग हैं। भविष्यवाणियाँ नीति को आकार दे सकती हैं जो बदले में परिणामों को प्रभावित करती हैं। यदि अनुमानित परिणाम पहले स्थान पर गलत थे, तो इसके परिणामस्वरूप की गई गलत कार्रवाई परिणामों को प्रभावित करती है। उदाहरण के लिए, बेहतर मॉडलिंग बैंकों और निवेशकों को प्रणालीगत जोखिम को बदलते हुए अधिक जोखिम लेने के लिए प्रोत्साहित कर सकती है।

अमेरिकी अर्थशास्त्री फ्रैंक नाइट ने अनिश्चितता को किसी घटना के बारे में मात्रात्मक ज्ञान की अनुपस्थिति के रूप में परिभाषित किया। यह मौलिक अज्ञानता या ज्ञान की सीमा को दर्शाता है जो कुछ परिणामों को पूरी तरह से अप्रत्याशित बनाता है। जोखिम, अनिश्चितता का एक उपसमूह, मात्रात्मक या मापने योग्य है। विश्लेषक अनिश्चितता को जोखिम समझने की भूल करते हैं और इसके विपरीत भी।

दूसरा, पूर्वानुमान डैनियल काह्नमैन और अमोस टावर्सकी द्वारा पहचाने गए व्यवहार संबंधी पूर्वाग्रहों को उजागर करते हैं। इसमें 'प्रेरण' है - पर्याप्त जानकारी के बिना सामान्य नियमों का निर्माण। 'उपलब्धता' का अर्थ है कि निष्कर्ष आवश्यक जानकारी के बजाय प्राप्त करने योग्य जानकारी पर निर्भर करते हैं। पूर्वानुमान 'संदूषण' के अधीन हैं जो अप्रासंगिक लेकिन सतही रूप से जुड़े डेटा पर आधारित हैं। अर्थशास्त्री 'अंशांकन' में अति आत्मविश्वास से ग्रस्त हैं, प्रत्येक डेटा इनपुट के आसपास सांख्यिकीय आत्मविश्वास के स्तर और त्रुटि शर्तों को कम आंकते हैं।

इसमें 'पुष्टि' है - मॉडल का उपयोग करना या डेटा की तलाश करना जो एक पूर्वकल्पित परिकल्पना की पुष्टि करता है, जबकि इसके विपरीत सबूतों की अनदेखी करता है - और 'ह्यूरिस्टिक को प्रभावित करता है', जो पूर्वकल्पित मूल्य निर्णयों को हमारे निष्कर्षों में बाधा डालने की अनुमति देता है। 'हिंडसाइट' इतिहास पर अनावश्यक निर्भरता को प्रोत्साहित करता है। एक अन्य समस्या डनिंग-क्रूगर प्रभाव है, एक संज्ञानात्मक प्रवृत्ति जिसमें सीमित क्षमता वाले लोग अपनी क्षमताओं को अधिक महत्व देते हैं।

तीसरा, प्रचलित प्रोत्साहन संरचनाएँ प्रभावशाली हैं। अर्थशास्त्री पूर्वानुमान इसलिए नहीं देते क्योंकि वे जानते हैं, बल्कि इसलिए क्योंकि ग्राहक या नियोक्ता उनसे ऐसा करने को कहते हैं। भुगतान संरचना असामान्य है. पूर्वानुमान का मुख्य प्रदर्शन संकेतक निरपेक्ष के बजाय सापेक्ष है। इसका मतलब यह है कि एक अर्थशास्त्री के पूर्वानुमान एक बिंदु के आसपास एकत्रित होते हैं और यदि कोई आउटलेर होता है तो बहुत कम होता है। जैसा कि जॉन केनेथ गैलब्रेथ ने कहा: "अकेले सही होने की तुलना में बहुमत के साथ गलत होना कहीं अधिक सुरक्षित है।"

चौथा, पूर्वानुमान उसके लक्षित दर्शकों को दर्शाता है। प्राप्तकर्ता वित्तीय लाभ के लिए जानकारी का उपयोग करने में रुचि रखते हैं, मुख्य रूप से निवेश और व्यवसाय या नीतिगत निर्णयों के माध्यम से जो भविष्यवाणियों से लाभान्वित होते हैं।

लेकिन वास्तविक (मैक्रो- और सूक्ष्म-आर्थिक कारक) और वित्तीय (संपत्ति की कीमतें) अर्थव्यवस्था अब कोई मजबूत संबंध प्रदर्शित नहीं करती है। कमाई, लाभांश या वृद्धि जैसे सांसारिक संकेतक, मूल्यों से संबंधित नहीं हैं। पूर्वानुमान, भले ही सटीक हों, आवश्यक रूप से पैसा कमाने के लिए उपयोग नहीं किए जा सकते।

CREDIT NEWS: newindianexpress