Forecasting with Feedback

यहाँ रॉबर्ट पी. लिएली और ऑगस्टो नीटो-बार्थाबरु के शोध पत्र "Forecasting with Feedback" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र पूर्वानुमान साहित्य (forecasting literature) में एक मौलिक पहेली को संबोधित करता है: व्यवस्थित रूप से पक्षपाती पूर्वानुमान (systematically biased forecasts)।

• पारंपरिक दृष्टिकोण: पक्षपाती पूर्वानुमानों की व्याख्या आमतौर पर या तो (i) पूर्वानुमानकर्ताओं की अतार्किकता या (ii) विषम हानि कार्यों (asymmetric loss functions) के प्रमाण के रूप में की जाती है (जहाँ अधिक अनुमान लगाने की लागत कम अनुमान लगाने की लागत से भिन्न होती है)।
• अंतराल (The Gap): मानक तार्किकता परीक्षण (जैसे मिन्सर-ज़ारनविज़ प्रतिगमन/Mincer-Zarnowitz regression) यह मानकर चलते हैं कि पूर्वानुमान लक्ष्य बाह्य (exogenous) है। हालाँकि, कई आर्थिक संदर्भों में (जैसे केंद्रीय बैंक के मुद्रास्फीति पूर्वानुमान), पूर्वानुमान स्वयं नीतिगत निर्णय को प्रभावित करता है, जो बदले में लक्षित चर (target variable) के वास्तविक स्वरूप को बदल देता है। यह एक फीडबैक लूप (feedback loop) बनाता है।
• मुख्य प्रश्न: क्या नीतिगत फीडबैक और नीति निर्माता की प्रतिक्रिया के बारे में अनिश्चितता के कारण, एक मानक द्विघाती हानि फलन (quadratic loss function) होने पर भी इष्टतम पूर्वानुमान पक्षपाती हो सकते हैं?

2. कार्यप्रणाली (Methodology)

लेखक एक रणनीतिक गेम-थ्योरेटिक मॉडल विकसित करते हैं जिसमें एक पूर्वानुमानकर्ता (Forecaster) और एक निर्णय निर्माता (Decision Maker - DM) शामिल हैं।

A. वातावरण (The Environment)

• परिणाम समीकरण (Outcome Equation): वास्तविक परिणाम $y_{t+1}$ निम्नलिखित द्वारा निर्धारित होता है:
  $$y_{t+1} = \theta_t + a_t + \epsilon_{t+1}$$
  जहाँ $\theta_t$ अर्थव्यवस्था की स्थिति है ($\theta_t$ पूर्वानुमानकर्ता का निजी संकेत है), $a_t$ निर्णय निर्माता (DM) की कार्रवाई है, और $\epsilon_{t+1}$ एक गैर-पूर्वानुमानित त्रुटि है।
• पूर्वानुमानकर्ता का उद्देश्य: अपेक्षित वर्ग त्रुटि (Expected Squared Error) को न्यूनतम करना: $E[(y_{t+1} - f_t)^2 | \theta_t]$।
• फीडबैक तंत्र: DM, पूर्वानुमान ($f_t$) के आधार पर कार्रवाई $a_t$ चुनता है। DM एक "टेलर-रूल" प्रकार के प्रतिक्रिया फलन का उपयोग करता है:
  $$a_t = x_t [y^T - E(\theta_t | f_t)]$$
  जहाँ $y^T$ एक लक्ष्य मान है, और $x_t$ एक यादृच्छिक गुणक (random multiplier) है जो नीतिगत प्रतिक्रिया की शक्ति का प्रतिनिधित्व करता है।

B. मुख्य मान्यताएँ (Key Assumptions)

1. अनिश्चितता: पूर्वानुमानकर्ता के पास पूर्वानुमान के समय $x_t$ (नीति गुणक) का सटीक मान नहीं होता; वह केवल इसके वितरण (माध्य $\mu$, प्रसरण $\tau^2$) को जानता है। DM $x_t$ को देखता है।
2. रणनीतिक अंतःक्रिया: DM $\theta_t$ और $f_t$ के बीच के संबंध के बारे में धारणा बनाता है। शोध पत्र रैखिक साम्य (Linear Equilibria) पर केंद्रित है जहाँ DM एक रैखिक पूर्वानुमान नियम ($f_t = b + c\theta_t$) का अनुमान लगाता है, और पूर्वानुमानकर्ता इस अनुमान के आलोक में अनुकूलन (optimize) करता है।
3. प्रतिबद्धता का अभाव (No Commitment): पूर्वानुमानकर्ता पूर्व में एक निश्चित नियम के प्रति प्रतिबद्ध नहीं हो सकता; उसे DM की प्रतिक्रिया को देखते हुए $\theta_t$ के प्रति अनुकूल रूप से प्रतिक्रिया देनी होगी।

C. समाधान अवधारणा (Solution Concept)

लेखक परफेक्ट बायेसियन इक्विलिब्रियम (PBE) के लिए समाधान निकालते हैं:

1. DM एक रैखिक पूर्वानुमान फलन का अनुमान लगाता है।
2. पूर्वानुमानकर्ता, DM के प्रतिक्रिया फलन और $x_t$ की अनिश्चितता को देखते हुए, न्यूनीकरण समस्या (MSE) को हल करता है।
3. साम्य (equilibrium) तब प्राप्त होता है जब पूर्वानुमान के ढलान (slope) और इंटरसेप्ट के बारे में DM का अनुमान, पूर्वानुमानकर्ता की वास्तविक इष्टतम रणनीति से मेल खाता है।

3. मुख्य योगदान (Key Contributions)

1. पक्षपात का वैकल्पिक स्पष्टीकरण: यह शोध पत्र प्रदर्शित करता है कि यदि फीडबैक मौजूद है और नीति प्रतिक्रिया के बारे में अनिश्चितता है, तो द्विघाती हानि (quadratic loss) के तहत इष्टतम पूर्वानुमान पक्षपाती हो सकते हैं। यह पक्षपात की मानक व्याख्या को चुनौती देता है जो इसे अतार्किकता या विषम हानि का संकेत मानती है।
2. पूर्वानुमान में बायस-वैरिएंस ट्रेडऑफ़ (Bias-Variance Tradeoff): लेखक एक नवीन तंत्र की पहचान करते हैं: पूर्वानुमानकर्ता जानबूझकर वैरिएंस (विचलन) को कम करने के लिए पक्षपात (bias) पेश करता है।
   • यदि पूर्वानुमान निजी जानकारी के प्रति बहुत संवेदनशील है, और नीति प्रतिक्रिया अनिश्चित है, तो परिणाम अत्यधिक अस्थिर हो जाता है।
   • MSE को न्यूनतम करने के लिए, पूर्वानुमानकर्ता अपने पूर्वानुमान को "कम" (attenuate) करता है (अर्थात $\theta_t$ के प्रति इसकी संवेदनशीलता कम करता है), जिससे यह प्रभावी रूप से लक्ष्य की ओर सिकुड़ जाता है। यह व्यवस्थित पक्षपात की कीमत पर परिणाम की अस्थिरता को कम करता है।
3. प्रमाणिक तार्किकता परीक्षणों का टूटना: शोध पत्र दिखाता है कि फीडबैक वाले वातावरण में, मिन्सर-ज़ारनविज़ (MZ) प्रतिगमन गुणांक (इंटरसेप्ट और स्लोप) मानक "पक्षपात रहित" बेंचमार्क (0 और 1) से विचलित हो जाते हैं, भले ही पूर्वानुमान तर्कसंगत हों।
4. साम्य विश्लेषण: लेखक नीति प्रतिक्रिया के माध्य ($\mu$) और प्रसरण ($\tau^2$) के फलन के रूप में स्पष्ट पक्षपात और MZ गुणांकों के सूत्र प्राप्त करते हैं।

4. मुख्य परिणाम (Key Results)

A. इष्टतम पूर्वानुमान (Proposition 1)

इष्टतम पूर्वानुमान रैखिक है: $f^*_t = d^* + e^* \theta_t$।

• क्षीणन (Attenuation): ढलान $e^*$ पक्षपात रहित पूर्वानुमान के ढलान से कम है। पूर्वानुमानकर्ता निजी जानकारी के प्रति प्रतिक्रिया को कम करता है।
• पक्षपात (Bias): पूर्वानुमान पक्षपाती है। पक्षपात, नीति प्रतिक्रिया की अनिश्चितता द्वारा स्केल किए गए, अवस्था (state) और लक्ष्य के बीच की दूरी पर निर्भर करता है।

B. सांख्यिकीय गुण (Proposition 2 & Corollary 2)

• MZ प्रतिगमन ढलान: पूर्वानुमानों पर वास्तविक परिणामों का प्रतिगमन ($E[y_{t+1}|f_t]$) का ढलान अनिवार्य रूप से 1 नहीं होता।
  • यह $\mu$ और $\tau^2$ के मापदंडों के आधार पर ऋणात्मक, शून्य के करीब, या 1 से अधिक हो सकता है।
  • विशेष रूप से, यदि DM आक्रामक है ($\mu \approx 1$) और अनिश्चितता मध्यम है, तो ढलान सपाट हो सकता है या ऋणात्मक हो सकता है।
• MZ प्रतिगमन इंटरसेप्ट: इंटरसेप्ट आम तौर पर गैर-शून्य होता है।
• चिह्न-परिवर्तित पक्षपात (Sign-Changing Bias): मॉडल ऐसा पक्षपात उत्पन्न करता है जो समय के साथ अपना चिह्न बदलता है। यदि $\theta_t$ लक्ष्य $y^T$ से ऊपर है, तो पूर्वानुमान कम (under-predict) होता है (पक्षपात > 0)। यदि $\theta_t$ नीचे है, तो पूर्वानुमान अधिक (over-predict) होता है (पक्षपात < 0)। यह फेडरल रिजर्व ग्रीनबुक डेटा में देखे गए "चिह्न-परिवर्तित" पक्षपात की व्याख्या करता है।

C. अनिश्चितता की भूमिका

• कोई अनिश्चितता नहीं ($\tau^2 = 0$): यदि पूर्वानुमानकर्ता DM की प्रतिक्रिया को पूरी तरह से जानता है, तो पूर्वानुमान पक्षपात रहित होता है। पूर्वानुमानकर्ता फीडबैक का सटीक अनुमान लगा सकता है और उसे ठीक कर सकता है।
• अनिश्चितता के साथ ($\tau^2 > 0$): बायस-वैरिएंस ट्रेडऑफ़ सक्रिय हो जाता है, जिससे पक्षपाती पूर्वानुमान और गैर-मानक MZ गुणांक उत्पन्न होते हैं।

D. अनुभवजन्य प्रेरणा (Empirical Motivation)

लेखक इन सैद्धांतिक अंतर्दृष्टि को फेडरल रिजर्व ग्रीनबुक (GB) मुद्रास्फीति पूर्वानुमानों पर लागू करते हैं:

• GB पूर्वानुमान निरंतर, चिह्न-परिवर्तित पक्षपात दिखाते हैं।
• GB पूर्वानुमानों के लिए MZ ढलान दशकों में नाटकीय रूप से बदला है (80 के दशक/90 के दशक में ~1.0 से 2000 के दशक में ऋणात्मक/शून्य तक)।
• शोध पत्र का तर्क है कि ये पैटर्न इस मॉडल के अनुरूप हैं जहाँ फेड का मुद्रास्फीति पूर्वानुमान के प्रति व्यवहार अनिश्चित और परिवर्तनशील है, न कि अतार्किकता का प्रमाण।

5. महत्व और निहितार्थ (Significance and Implications)

• तार्किकता को पुनर्परिभाषित करना: यह शोध पत्र "पूर्वानुबंध तार्किकता" के पुनर्मूल्यांकन के लिए मजबूर करता है। मानक तार्किकता परीक्षणों (MZ प्रतिगमन) की विफलता स्वतः ही अतार्किकता या विषम हानि का संकेत नहीं देती है; यह केवल फीडबैक और नीतिगत अनिश्चितता की उपस्थिति का संकेत हो सकती है।
• नीति मूल्यांकन: नीति निर्माताओं और पूर्वानुमानकर्ताओं के लिए, परिणाम बताते हैं कि इंटरैक्टिव वातावरण में, "इष्टतम" पूर्वानुमान वह नहीं है जो अवस्था का सबसे सटीक अनुमान लगाता है, बल्कि वह है जो नीति प्रतिक्रिया को ध्यान में रखते हुए कुल त्रुटि (पक्षपात + वैरिएंस) को कम करता है।
• कार्यप्रणाली संबंधी सावधानी: जो शोधकर्ता मैक्रोइकॉनॉमिक सेटिंग्स में पूर्वानुमान की तार्किकता का परीक्षण कर रहे हैं या हानि कार्यों का अनुमान लगा रहे हैं, उन्हें फीडबैक तंत्रों को स्पष्ट रूप से ध्यान में रखना चाहिए। फीडबैक की अनदेखी करने से पूर्वानुमानकर्ता के व्यवहार के बारे में गलत निष्कर्ष निकल सकते हैं।
• सैद्धांतिक विस्तार: मॉडल संचार खेलों (Crawford-Sobel) और आर्थिक पूर्वानुमान के बीच के अंतर को पाटता है, जिसमें "लागतपूर्ण बातचीत" (costly talk) पेश की गई है जहाँ संदेश (पूर्वानुमान) सीधे परिणाम के माध्यम से हानि फलन में प्रवेश करता है।

संक्षेप में, लिएली और नीटो-बार्थाबरु एक कठोर सैद्धांतिक ढांचा प्रदान करते हैं जो यह दर्शाता है कि अनिश्चितता के तहत रणनीतिक अंतःक्रिया पक्षपाती, फिर भी इष्टतम पूर्वानुमान उत्पन्न करने के लिए पर्याप्त है, जो नीति-प्रासंगिक वातावरणों में पूर्वानुमान त्रुटियों की व्याख्या करने के हमारे तरीके को मौलिक रूप से बदल देती है।