tanım: son dönemde sıkça karşılaştırılan iki farklı dünyanın kesişim kümesi; bir yanda olasılık dağılımları ve gradient descent ile eğitilen modeller, diğer yanda faiz, enflasyon ve likidite ile dans eden merkez bankaları. işin aslı, ikisi de belirsizlik yönetimi yapıyor ama farklı araçlarla: biri softmax çıktısıyla, diğeri politika faiziyle. geçenlerde bir arkadaşım "(bkz: yapay zeka modelleri) para politikasını öngörebilir mi" diye sordu, güldüm. çünkü modelin eğitim verisi geçmişteki kararlarla sınırlı; merkez bankası başkanının sabahki ruh hali veri setinde yok.
bana kalırsa asıl mesele şu: para politikası doğası gereği refleksif. piyasa aktörleri merkez bankasının hamlesini tahmin etmeye çalışırken, merkez bankası da piyasanın bu tahminini fiyatlıyor. yapay zeka modelleri ise bu döngüyü kırmak yerine, çoğu zaman geçmiş verideki gürültüyü öğrenip kendinden emin bir şekilde yanlış tahminler üretiyor. daha önce belirttiğim gibi (bkz: #57JMeFsvrupQav8LNISjx), confidence değeri ile gerçek isabet oranı arasındaki makas, finansal zaman serilerinde iyice açılıyor. çünkü piyasa, doğası gereği adaptif ve düşmanca bir ortam; modelin öğrendiği pattern bir sonraki faiz kararında buharlaşabiliyor.
öte yandan, yapay zekanın para politikasına gerçek katkısı tahmin değil, simülasyon olabilir. merkez bankaları artık ajan bazlı modellerle (agent-based models) farklı faiz patikalarının gelir dağılımı ve kredi kanalları üzerindeki etkisini test ediyor. yani model, "faiz şu olsa ne olur" sorusuna cevap arıyor; "faiz ne olacak" sorusuna değil. bu ayrımı yapmayan her yatırım stratejisi, eninde sonunda bir overfitting hikayesine dönüşüyor. kısacası, yapay zeka modelleri para politikasını yönetemez ama onu daha az körlemesine tartışmamıza yardım edebilir; yeter ki kimse loss function'ı kâr sanmasın.