علم به جای فن می نشیند

آنچه در زیر می آید متن سخنرانی مارتین فلدستین, اقتصاددان آمریکایی, استاد دانشگاه هاروارد و رییس دفتر ملی تحقیقات اقتصادی آمریکا بین سال های ۱۹۷۸ تا ۲۰۰۸ است که در مجلسی برای تجلیل از اوتمار ایسین, اقتصاددانی آلمانی که اثر مهمی بر سیاست های پولی آلمان و اتحادیه اروپا داشته, ایراد شده است اهمیت این سخنرانی به خاطر نکات روشنگری است که در مورد نقش بانک مرکزی ارائه می کند

آنچه در زیر می‌آید متن سخنرانی مارتین فلدستین، اقتصاددان آمریکایی، استاد دانشگاه ‌هاروارد و رییس دفتر ملی تحقیقات اقتصادی آمریکا بین سال‌های ۱۹۷۸ تا ۲۰۰۸ است که در مجلسی برای تجلیل از اوتمار ایسین، اقتصاددانی آلمانی که اثر مهمی بر سیاست‌های پولی آلمان و اتحادیه اروپا داشته، ایراد شده است. اهمیت این سخنرانی به خاطر نکات روشنگری است که در مورد نقش بانک مرکزی ارائه می‌کند.

بسیار خوشحالم که اینجا هستم و می‌توانم «اوتمار ایسین» را همراه با سایر حاضران تحسین کنم. طی سال‌ها، هر وقت که من و اوتمار دیدار می‌کردیم، همواره به دلیل عمق اندیشه او و همکاریش در تثبیت قیمت (ابتدا در آلمان و سپس در سطحی وسیع تر در اروپا) و به ویژه به دلیل مشارکتش در تدوین اندیشه تحلیلی – کاربردی درباره اینکه چگونه ما باید سیاست پولی را درک کنیم و چگونه سیاست پولی باید هدایت شود، تحت تاثیر قرار می‌گرفتم. خوشحالم و مطمئنم که تمام کسانی که اینجا هستند به دلیل حمایت بانک مرکزی اروپا از این فرصت برجسته [برای تجلیل از اوتمار]چنین حسی دارند.

چهارشنبه شب، وقتی از نیویورک به اینجا پرواز می‌کردم، داستان قدیمی نخستین پرواز تمام اتوماتیک بین نیویورک و اروپا را به خاطر می‌آوردم. پس از اینکه هواپیما به حد نهایی ارتفاع پرواز رسید، صدایی از بلندگوها پخش شد که می‌گفت: «خانم و آقایان، به اولین پرواز تمام اتوماتیک خوش آمدید. هیچ خلبانی این هواپیما را هدایت نمی‌کند و به دلیل شگفتی‌های علم مدرن، این هواپیما به طور اتوماتیک کنترل می‌شود و شما از هیچ چیزی نگران نباشید...» از این رو، بسیار خشنودم که در طی پرواز به اینجا با شرکت هوایی «لوفتانزا» دست کم دو خلبان هواپیما را هدایت می‌کردند.

در ارتباط با شرایط ما، استعاره آن داستان این است که سیاست پولی بهترین سیاست است به شرطی که از علم برای کمک به قضاوت استفاده کند به جای اینکه علم را به جای قضاوت بنشاند.

قبل از اینکه درباره موضوع ترکیب علم با فن یا قضاوت صحبت کنم، می‌خواهم درباره موضوعی متفاوت سخن بگویم. موضوعی که تاکنون ارائه نشده و فکر می‌کنم برای موفقیت در سیستم بانک مرکزی اساسی باشد. آن موضوع تشویق است: تشویق به حفظ اعتقاداتتان، تشویق به اینکه درباره باورهایتان در مجامع عمومی صحبت کنید و تشویق به عملی کردن اعتقاداتتان حتی اگر آنها در کوتاه‌مدت مصائب اقتصادی به همراه دارند. (البته در صورتی که معتقدید این باورها در طولانی مدت سیاست‌های درستی هستند). فکر می‌کنم اوتمار ایسین تاثیر آن نوع تشویقی را که «پال ولکر» در سخت ترین دوره سیاست پولی ایالات متحده انجام داد را اثبات کرده است. بنابراین وقتی از قضاوت و علم سخن می‌گوییم، بهتر است تشویق را فراموش نکنیم. فکر می‌کنم در سراسر چند دهه گذشته، نتایج اقتصادی بهتری نسبت به گذشته تجربه کرده‌ایم. ما در ایالات متحده آمریکا، اروپا و در سایر مناطق جهان نتایج بهتر اقتصادی را لمس کرده‌ایم. تورم پایین‌تر است و ثبات بیشتر و نوسانات واقعی دور تجاری معتدل‌تر است. البته همه چیز خوب نیست. ما نرخ بیکاری بالا و رشد بهره‌وری پایین را تجربه می‌کنیم، اما این موارد نتیجه سیاست‌های ساختاری ضعیف هستند تا سیاست پولی نامناسب.

چرا تورم و سیکل‌های تجاری بهبود یافته‌اند؟ فکر می‌کنم، پاسخ این سوال‌ «سیاست‌های پولی بهتر» است. این بهبود مهم، ترکیب قضاوت بهتر و علم بهتر را بازتاب می‌دهد. تاکید بر این موضوع ارزشمند است که بهبود در علم اقتصاد تنها نتیجه تلاش «نویسنده‌های بد دانشگاهی» (اصطلاحی که کینز اولین بار استفاده کرد و البته پس از او در اشاره به خودش نیز استفاده می‌شد) نیست، بلکه حاصل تحقیق در بانک‌های مرکزی و انباشت تجربه‌ها هم هست.

اجازه دهید تا به سرعت پنج دلیل برای برتری علم اقتصاد پولی نسبت به روش دهه‌های پیش ارائه کنم.

اول، درک هزینه تورم است. ۳۰ سال پیش، اقتصاددان‌های متعددی استدلال می‌کردند که تورم نوعی مزاحمت کوچک است، اما هزینه کاهش تورم بسیار بالا است. امروز، اما هیچ کس چنین استدلال نمی‌کند.

دوم، درکی بهتر از رابطه میان تورم و بیکاری است، مبنی بر اینکه دیگر هیچ گونه رابطه طولانی معکوس میان نرخ تورم و نرخ بیکاری وجود ندارد و این رابطه تنها در کوتاه‌مدت مشهود است. وقتی لازم باشد تا تورم را پایین بیاوریم، هزینه‌ای را پرداخت می‌کنیم؛ اما این هزینه موقتی است و نسبت به عایدی پایدار حاصل از کاهش تورم زیاد نیست.

سوم، درک بهتری از نقش نرخ بهره وجود دارد. تاریخ‌نگاری استادانه «آلن‌ملتزر» از پیشینه فدرال رزرو به ما یادآوری می‌کند که در سال‌های نه چندان دور، بانک‌های مرکزی و مراکز آکادمیک نمی‌توانستند نرخ بهره اسمی و نرخ بهره واقعی را از هم تشخیص بدهند. نتیجه، ناتوانی فدرال رزرو در نشان دادن واکنشی قدرتمند به افزایش نرخ تورم بود. در آن روزها، وقتی تورم بالا می‌رفت، فدرال رزرو نرخ بهره اسمی را افزایش می‌داد، اما به میزانی کمتر از افزایش تورم. این موضوع منجر به این می‌شد که نرخ بهره واقعی کاهش یابد. اما در حال حاضر ما این موضوع را بسیار بهتر می‌فهمیم.

نمونه چهارم برای پیشرفت علم، پیشرفت داده شامل اندازه‌گیری‌های بنیادین و دسترسی بهتر به مدارک مربوط به شرایط اقتصادی است.

و سرانجام، نمونه پنجم، پیشرفت مدل‌های تحلیلی است که بینش‌های مفیدی را ایجاد می‌کنند. اگر درباره تفاوت میان نوعی از مدل‌های آماری ساده و مدل‌های تصادفی پویای امروزی با فرم‌های متنوعی از انتظارات فکر کنیم، تایید خواهیم کرد که واقعا این مدل‌ها با هم متفاوت هستند. البته هیچ یک از این مدل‌های مدرن، جهان واقعی را نشان نمی‌دهد. با وجود این، درس‌های مهمی را به ما آموزش می‌دهند.

بنابراین، پیشرفت علمی وجود داشته و در تقویت کاربرد سیاست پولی دخیل بوده است. اما بر خلاف این پیشرفت، دانش علمی ما واقعا در بسیاری از موارد محدود است. مدل‌های تحلیلی در دسترس‌اند، اما هنوز از این مدل‌ها به عنوان ابزارهای ذهنی برای کمک به تنویر تفکر ما استفاده می‌شوند تا طراحی سیاست‌های واقعی.

هدف به کارگیری «تئوری تصمیم‌ آماری» برای سیاست پولی البته مدلی بسیار جذاب است. ایده اصلی بهینه کردن کار دارای اولویت است، البته با در نظر گرفتن خطای تخمینی مقادیر ثابت در معادلات، متغیر‌های مستقل و شوک‌های تصادفی. اما در واقعیت این پارادایم شکست می‌خورد، چراکه ما ساختار مدل را نمی‌شناسیم و خود ساختار واقعی نیز در حال تغییر است. رویکرد ریاضی می‌تواند راهنمایی برای تفکر درباره سیاست پولی باشد تا دستورالعملی رسمی.

در همین حال، چیزهای بسیار زیادی وجود دارند که ما نمی‌فهمیم. به ویژه ما در موضوع‌های اقتصاد آزاد ضعیف هستیم. همچنین درک نمی‌کنیم که چرا نرخ‌های بهره طولانی‌مدت افزایش نیافته‌اند، در حالی که فدرال رزرو نرخ‌های بهره کوتاه‌مدت را همواره افزایش می‌داده است. (البته توضیحات متعددی وجود دارد، اما نمی‌دانیم که به هریک از آنها چه مقدار وزن بدهیم) ما ارتباط میان ارزش دارایی‌ها، سیاست پولی و تقاضای کل را نمی‌فهمیم. می‌توانم ادامه دهم، اما همین مقدار نیز نمونه‌ای از محدودیت‌های دانش علمی ما در حال حاضر است. البته پیشرفت علم ادامه می‌یابد. اما بی‌گمان، حتی همگام با پیشرفت علم، در سیستم بانک مرکزی همواره نیازمند قضاوت خواهیم بود. اجازه دهید تنها دو دلیل برای اینکه نباید انتظار داشته باشیم علم جایگزین قضاوت شود را ارائه کنم. اولین دلیل، شوک‌ها هستند: شوک‌های غیرمعمول، شوک‌های منحصر به فرد، شوک‌هایی که به سادگی نمی‌توانند بخشی از هر مدل باشند. درباره عدم پرداخت بدهی مکزیک، فروپاشی بازار سهام در سال ۱۹۸۷، فروپاشی «لانگ ترم کپتال منیجمنت» و درباره حملات یازده سپتامبر در نیویورک فکر کنید. در هر یک از این شرایط، سوال‌ اصلی در بانک مرکزی این بود که چه گام‌هایی برای اطمینان‌بخشی به بازارها برای اجتناب از اینکه شوک به مرکز تراکم در اقتصاد تبدیل شود، باید برداشته شود. علم و مدل‌ها به سادگی نمی‌توانند به ما پاسخ دهند.

دلیل دوم برای اینکه چرا علم نمی‌تواند جانشین قضاوت شود، رفتار بازارهای مالی است. اجازه دهید تا آنچه که گفته شد را خلاصه کنم. اول اینکه من فکر می‌کنم علم اقتصاد پولی به روشنی بهتر شده است. دوم اینکه این علم در سیاست اقتصادی بهتر مشارکت کرده و قضاوت خوب را تقویت می‌کند. سوم اینکه علم نمی‌تواند جایگزین قضاوت شود، چرا که چیزهای زیادی وجود دارند که ما نمی‌توانیم آنها را درک کنیم و سرانجام اینکه، مهم نیست علم چقدر خوب پیشرفت می‌کند، چون مشکلاتی وجود دارند که ضرورتا به قضاوت، فن و به احساس بازارهای مالی بستگی دارند.

مترجم: مجید اعزازی