Темы выступления:
Были оценены: шок цены нефти марки Brent, шок доступа к зарубежному финансированию, шок монетарной политики, шок величины кредитов, выданных нефинансовым организациям российским банковским сектором. Описание модели. Как производилась работа с данными. Почему были использованы BVAR? Проблема коротких временных рядов. Результаты моделирования. Влияние шоков на инвестиции в ОК. Что именно является случайным в модели?
Выступление прошло в рамках совместной конференции ИНП РАН и ИОЭПП СО РАН 21-22 марта 2019. Программа конференции и видео выступлений других участников здесь.
Презентация
Тезисы
Опубликованы в сборнике Экономическая политика России в межотраслевом и пространственном измерении : материалы конференции ИНП РАН и ИЭОПП СО РАН по межотраслевому и региональному анализу и прогнозированию. Том 1.
Байесовский подход к оценке влияния экономических шоков на макроэкономические показатели России
Для решения задач преодоления кризисных явлений в экономике и сглаживания влияния различных внешних шоков необходимо наличие инструментария, позволяющего с высокой точностью описывать динамику взаимосвязанных макроэкономических процессов.
Целью данного исследования является изучение влияния внутренних и внешних шоков на динамику инвестиций и других макроэкономических показателей с помощью байесовского подхода к оцениванию коэффициентов векторной авторегрессии.
Для анализа структуры макроэкономических данных и построения прогноза широкое распространение получила модель векторной авторегрессии (VAR) и ее модификации. Метод позволяет получить правдоподобные оценки реакции макроэкономических переменных на различные изучаемые шоки, а также широко используется для оценки эмпирического соответствия структурных моделей.
Однако её применение для исследования экономики страны связано с проблемой высокой степени параметризации. Для того чтобы правильно отражать динамику переменных часто требуется включение в модель большого количества объясняющих переменных и лагов: количество оцениваемых параметров растет квадратично при увеличении числа переменных в VAR. Таким образом, может возникнуть проблема неустойчивости результатов. В следствии этого, стандартная модель векторной авторегрессии редко включает более 6 переменных. Кроме того, в реальности при проведении экономической политики руководящие органы ориентируются на большое количество показателей, и, соответственно, модель векторной авторегрессии малой размерности не может отразить всю доступную информацию.
Байесовский подход является решением проблемы ограниченной информации, который комбинирует VAR с априорной информацией относительно распределения параметров и ковариационной матрицы ошибок. Для проведения структурного анализа в нашей работе было рассмотрено нормальное-обратное Уишарта априорное распределение (Normal inverted Wishart prior).
Для восстановления структурных шоков используется рекурсивная идентификационная схема. Переменные в модели разделяются на 2 группы: «slow-moving» и «fast-moving», то есть разделяются в зависимости от скорости их реакции на шок.
В нашей работе мы рассматриваем четыре шока, которые, по нашему мнению, могут оказывать заметное влияние на макроэкономическую динамику, в том числе и на инвестиции.
Принимая во внимание особенности функционирования российской экономики, одна из которых состоит в высокой зависимости от мирового рынка энергоресурсов, включен показатель цены нефти марки Brent.
Кроме того, рассмотрим степень важности роли иностранных займов в форме величины внешнего долга нефинансовых организаций. Данная величина отражает в себе как ценовые факторы (снижение/рост политических и макроэкономических рисков России, пересмотр рейтингов международными рейтинговыми агентствами, изменение склонности международных инвесторов к риску), так и неценовые (санкции, ограничивающие доступ компаний к иностранному капиталу).
Также рассмотрим шок величины кредитов, выданных нефинансовым организациям российским банковским сектором.
И шок ставки денежного рынка – средневзвешенные фактические ставки по кредитам, предоставленным московскими банками (MIACR). Ставка MIACR выбрана, так как предполагаем, что эта ставка сильно подвержена влиянию монетарной политики, и, в тоже время, является промежуточным звеном между монетарной политикой и остальными ставкам в экономике.
В итоге модель включает в себя 8 временных рядов (поквартальные данные с 2006 г. по 2017 г.): 1) цена на нефть марки Brent; 2) внешний долг российских нефинансовых организаций; 3) величина кредитов, выданных нефинансовым организациям; 4) MIACR; 5) ВВП; 6) Инвестиции в основной капитал; 7) Величина денежного агрегата М2; 8) Обменный курс российского рубля к доллару США.
Все используемые в расчетах ряды были приведены к реальным величинам, а также очищены от сезонности. Расчеты проводились на языках программирования R и C++ с использованием программных пакетов BMR, bvarr, RcppArmadillo, JDemetra.
Результаты исследования представлены в виде функций импульсного отклика. Основные выводы по анализу функций импульсного отклика на рассматриваемые нами шоки предоставлены ниже.
Отрицательный 1% шок нефти приводит к ослаблению рубля (USD rate) на 0.6%, также через вклад чистого экспорта отрицательно влияет на ВВП (падение на 0.1% к пятому кварталу), сокращает инвестиции на 0.04%, внешние и внутренние заимствования на 0,24% и 0.1% соответственно.
Отрицательный 1% шок доступа к зарубежному финансированию приводит к ослаблению курса российского рубля (USD rate) на 0,3% (к пятому кварталу), изменение внешней риск-премии транслируется во внутреннюю ставку: она растет на 0,04 п.п. Это, в свою очередь, приводит к снижению ВВП и объемов инвестиций на 0,04% и 0,25% соответственно.
Шок монетарной политики (0.01 п.п.) в краткосрочном периоде приводит к ослаблению национальной валюты (падение на 0,01%), к снижению внутренних (0,01%) и увеличению внешних заимствований (0,01%). В итоге влияние на ВВП и инвестиции – отрицательное: падение на 0,01% по обоим показателям.
Инвестиции существенно зависимы от внешних шоков: падение в среднем на 0,05% при падении цены нефти на 1%, падение в среднем на 0,25% при падении величины зарубежного финансирования на 1%. Падение от шока внутреннего кредитования 0,5% и падение на 1% от 1 п.п. ставки MIACR.
