Τόσο η χώρα μας όσο και η παγκόσμια οικονομία διανύουν μια πρωτόγνωρα δύσκολη περίοδο λόγω των συνεπειών του Covid-19, της ιδιαίτερα μεταδοτικής ασθένειας που έχει χτυπήσει σχεδόν όλο τον πλανήτη. Οι κυβερνήσεις παντού έχουν προβεί σε μια σειρά σκληρών μέτρων με στόχο τον περιορισμό της εξάπλωσης του ιού SARS-CoV-2 και την προστασία της ζωής των πολιτών.
Πέρα από τις τραγικές απώλειες ζωής, αρκετοί κλάδοι της οικονομίας υποφέρουν καθώς τα αποτελέσματα γίνονται σταδιακά εμφανή σε ολοένα και περισσότερες πτυχές της οικονομικής δραστηριότητας. Οι δύο κλάδοι όμως που χτυπήθηκαν άμεσα είναι ο τουρισμός και η εστίαση, όπου η δραστηριότητα έχει μειωθεί κατακόρυφα.
Στον τουρισμό ιδιαίτερα η κίνηση έχει εκμηδενιστεί καθώς, εκτός της αβεβαιότητας για την εξέλιξη της πανδημίας, υπάρχουν και σχετικές απαγορεύσεις λειτουργίας στην Ελλάδα. Στο εξωτερικό, οι περισσότερες τουριστικές επιχειρήσεις έχουν αναστείλει την λειτουργία τους είτε ως άμεση συνέπεια των μέτρων της εκάστοτε χώρας (π.χ. απαγόρευση) είτε ως έμμεσο αποτέλεσμα αυτών, λόγω της μηδενικής πλέον ζήτησης για τις υπηρεσίες τους.
Με δεδομένα τα παραπάνω αλλά και την σημασία των τουριστικών εσόδων για πολλές οικονομίες παγκοσμίως (συμπεριλαμβανομένης και της Ελληνικής), η παρούσα συγκυρία απαιτεί από την επιστημονική κοινότητα προβλέψεις σχετικά με την εξέλιξη των οικονομικών μεγεθών κατά την διάρκειά της πανδημίας, αλλά, κυριότερα μετά την λήξη της. Στα πλαίσια αυτή, η επιστημονική μας ομάδα διεξήγαγε μία έρευνα που αποσκοπεί στην πρόβλεψη της τουριστικής κίνησης μετά τον τερματισμό της πανδημίας. Στόχος μας είναι να παρέχουμε μια εμπεριστατωμένη πρόβλεψη σχετικά με τον χρόνο που θα απαιτηθεί για να ανακτηθεί το χαμένο έδαφος.
Το πρόβλημα όμως που αντιμετωπίζουν οι ερευνητές είναι η δυσκολία στην υλοποίηση αξιόπιστων μοντέλων που θα μπορούν να λάβουν υπόψη της πρωτοφανείς διαστάσεις της παρούσας κρίσης. Παρά το γεγονός ότι η παγκόσμια οικονομία έχει αντιμετωπίσει στο παρελθόν σημαντικές κρίσεις, καμία δεν μπορεί να συγκριθεί με την σημερινή συγκυρία, τόσο λόγω της πανδημικής της φύσης όσο και λόγω της μεγάλης εξάπλωσης του ιού. Εδώ έρχεται να μας δώσει την απάντηση η τεχνητή νοημοσύνη και, συγκεκριμένα, η μηχανική μάθηση (machine learning), ένα σύνολο στατιστικών και οικονομετρικών μεθόδων πρόβλεψης, οι οποίες έχουν την ιδιότητα να προσαρμόζονται (να μαθαίνουν δηλαδή) από υφιστάμενα δεδομένα.
Για τους σκοπούς λοιπόν της έρευνάς μας αντλήσαμε στοιχεία των ροών Κινέζων τουριστών προς τις ΗΠΑ και την Αυστραλία από την εποχή της επιδημίας του πρώτου ιού SARS (SARSCoV ή SARS-CoV-1) την περίοδο 2003-2004. Η Κίνα επιλέχθηκε τόσο λόγω του κομβικού της ρόλου και στις δύο κρίσεις όσο και λόγω της ιδιαίτερα αυξημένης ζήτησης των πολιτών της σε τουριστικές υπηρεσίες παγκοσμίως. Οι ΗΠΑ και η Αυστραλία βρίσκονται στους πρώτους 10 προορισμούς που επιλέγουν οι Κινέζοι τουρίστες. Βασιζόμενοι λοιπόν στα δεδομένα αυτά, εκπαιδεύσαμε ένα μοντέλο μηχανικής μάθησης με βάση τον αλγόριθμο Long Short Term Memory που ανήκει στην κατηγορία deep learning. Πρόκειται για μια προσέγγιση που χρησιμοποιεί τεχνητά νευρωνικά δίκτυα (artificial neural networks) που εκπαιδεύονται να μαθαίνουν από υφιστάμενα δεδομένα (στην περίπτωσή μας, δεδομένα από την εποχή της κρίσης του SARS) για να παράγουν προβλέψεις για την μελλοντική πορεία των χρονοσειρών.
Τα συμπεράσματα του μοντέλου μας, τα οποία φυσικά δεν περιορίζονται στις ΗΠΑ και στην Αυστραλία αλλά αφορούν όλες τις χώρες που επισκέπτονται οι Κινέζοι τουρίστες, συμπεριλαμβανομένης και της Ελλάδας, παρουσιάζουν ιδιαίτερο ερευνητικό ενδιαφέρον. Το μοντέλο προβλέπει ότι η επάνοδος στα προ κρίσης μεγέθη για τον τουρισμό θα επέλθει σε μία περίοδο μεταξύ 6 και 12 μηνών μετά την λήξη της πανδημίας. Σημαντική βέβαια προϋπόθεση είναι η ιατρική επίλυση του προβλήματος, καθώς σε περίπτωση νέας εμφάνισης του ιού τον Σεπτέμβριο, το μοντέλο θα πρέπει να εκπαιδευτεί εκ νέου με τα καινούρια δεδομένα. Αυτό πρακτικά σημαίνει ότι δεν είναι χαμένη μόνο η φετινή σεζόν για τον τουριστικό κλάδο αλλά ενδέχεται να χαθεί και η επόμενη, σε έναν τομέα που είναι υπεύθυνος (άμεσα ή έμμεσα) για το ένα τέταρτο του ΑΕΠ της χώρας μας, με βάση στοιχεία του 2018.
* Πρωτότυπο, μη δημοσιευμένο άρθρο.
*Ο Αριστείδης Σάμιτας είναι Καθηγητής Χρηματοοικονομικής στο College of Business του Zayed University, UAE και στο Τμήμα Διοίκησης Επιχειρήσεων του Πανεπιστημίου Αιγαίου – Aristeidis.Samitas@zu.ac.ae
*Ο Ευστάθιος Πολύζος είναι Επίκουρος Καθηγητής Χρηματοοικονομικής στο College of Business του Zayed University, UAE – Efstathios.Polyzos@zu.ac.ae
*Ο Ανέστης Φωτιάδης είναι Καθηγητής Διοίκησης και Τουρισμού στο College of Business του Zayed University, UAE – Anestis.Fotiadis@zu.ac.ae