Интегральный индекс предложения инвестиционной продукции как прокси показатель инвестиций в основной капитал

Кириченко Ирина Алексеевна   Смирнов Александр Владимирович   

Необходимость оперативной оценки основных показателей социально-экономического развития страны обусловливает совершенствование методов краткосрочного анализа и прогнозирования низкочастотных параметров экономического и, в том числе, инвестиционного развития. В статье предложен подход к разработке структурно-динамической модели оперативной оценки инвестиций в основной капитал. В его основе лежит расчет интегрального месячного индекса предложения инвестиционной продукции, включающий сводный индекс предложения машин и оборудования инвестиционного назначения и сводный индекс предложения строительной продукции. Данный показатель определяющим образом отражает текущую динамику инвестиционной деятельности в экономике и может быть рекомендован в качестве прокси показателя инвестиций в основной капитал.

Статья опубликована в журнале «Проблемы прогнозирования», №2 2024

Литература/References

  1. Федеральный план статистических работ, утвержденный распоряжением Правительства Российской Федерации от 06.05.2008 № 671-р (ред. от 10.06.2023). URL: https://rosstat.gov.ru/folder/462
  2. Banbura M., Giannone D., Modugno M., Reichlin L. Now-casting and the real-time data flow. In Handbook of Economic Forecasting. Amsterdam, The Netherlands: Elsevier, 2013. Vol. 2. Рp. 195-237.
  3. Bok B., Caratelli D., Giannone D., Sbordone A.M., Tambalotti A. Macroeconomic Nowcasting and Forecasting with Big Data // Annual Review of Economics. 2018. No. 10. Pp. 615-643.
  4. Choi H., Varian H. Predicting the Present with Google Trends // Economic Record. 2012. Vol. 88. Pp. 2-9. DOI: 10.1111/j.1475-4932.2012.00809.x.
  5. Denton F.T. Adjustment of Monthly or Quarterly Series to Annual Totals: An Approach Based on Quadratic Minimization // Journal of the American Statistical Association. 1971. No. 66 (333). Pp. 99-102. DOI: 10.1080/01621459.1971.10482227.
  6. Ferrara L., Marsilli C. Nowcasting global economic growth: A factor-augmented mixed-frequency approach // The World Economy. 2019. No. 42 (3). Pp. 846-875.
  7. Gornostaev D., Ponomarenko A., Seleznev S., Sterkhova A. A Real-Time Historical Database of Macroeconomic Indicators for Russia // Russian Journal of Money and Finance. 2022. No. 81 (1). Pp. 88-103.
  8. Sarduie M.H., Alborzi M., Kazemi M.A., Azar A., Kermanshah A. P-v-l deep: a big data analytics solution for now-casting in monetary policy // Journal of Information Technology Management. 2021. Vol. 12. No. 4. Pp. 22-62.
  9. Дерюгина Е., Пономаренко А. Большая байесовская векторная авторегрессионная модель для российской экономики. Банк России. Серия докладов обэкономических исследованиях. 2015. № 1. Mарт. URL: https://cbr.ru/Content/Document/File/16740 [Deryugina E., Ponomarenko A. Large Bayesian vector autoregressive model for the Russian economy. Bank of Russia. Economic Research Report Series 2015. No. 1. March. (In Russ.)]
  10. Bragoli D. and Modugno M. A Now-Casting Model for Canada: Do U.S. Variables Matter? International Journal of Forecasting. 2017. No. 33 (4). Pp. 786-800. DOI: 10.1016/j.ijforecast.2017.03.002.
  11. Bragoli D., Fosten J. Nowcasting Indian GDP // Oxford Bulletin of Economics and Statistics. 2018. No. 80 (2). Pp. 259-282. DOI: 10.1111/obes.2018.80.issue-2.
  12. Jansen W.J., Jin X.W., de Winter J.M. Forecasting and Nowcasting Real GDP: Comparing Statistical Models and Subjective Forecasts // International Journal of Forecasting. 2016. No. 32 (2). Pp. 411-436. DOI: 10.1016/j.ijforecast.2015.05.008.
  13. Jardet C., Meunier B. Nowcasting World GDP Growth with High-Frequency Data. Banque de France: Paris, France, 2020. Working paper. URL: https://publications.banque-france.fr/sites/default/files/medias/documents/wp788.pdf
  14. Kočenda E., Poghosyan K. Nowcasting real GDP growth: comparison between old and new EU countries // Eastern European Economics. 2020. Vol. 58. No. 3. Pp. 197-220.
  15. Губкова Е.А. Наукастинг динамики ВВП с помощью ежемесячной статистики на российских данных // Экономические исследования. 2019. № 4. С. 2-9. [Gubkova E.A. Nowcasting of GDP dynamics using monthly statistics based on Russian data // Economic Research. 2019. No. 4. Pp. 2-9. (In Russ.)]
  16. Зубарев А.В., Рыбак К.С. Наукастинг ВВП: динамическая факторная модель и официальные прогнозы // Экономическое развитие России. 2021. Т. 28. № 12. С. 34-40. [Zubarev A.V., Rybak K.S. Nowcasting of GDP: dynamic factor model and official forecasts // Economic development of Russia. 2021. Vol. 28. No. 12. Pp. 34-40. (In Russ.)]
  17. Станкевич И.П. Сравнение методов наукастинга макроэкономических индикаторов на примере российского ВВП // Прикладная эконометрика. 2020. № 3 (59). С. 113-127. [Stankevich I.P. Comparison of nowcasting methods for macroeconomic indicators using the example of Russian GDP // Applied Econometrics. 2020. No. 3 (59). Pp. 113-127. (In Russ.)]
  18. Майорова К., Фокин Н. Наукастинг темпов роста стоимостных объемов экспорта и импорта России по товарным группам // Деньги и кредит. 2021. Т. 80. № 3. С. 34-48. [Mayorova K., Fokin N. Nowcasting the growth rates of value volumes of exports and imports of Russia by product groups // Money and Credit. 2021. T. 80. No. 3. Pp. 34-48. (In Russ.)]
  19. Полбин А.В., Фокин Н.Д. Моделирование динамики импорта РФ с помощью модели коррекции ошибок // Прикладная эконометрика. 2020. № 3 (59). С. 88-112. [Polbin A.V., Fokin N.D. Modeling the dynamics of Russian imports using an error correction model // Applied econometrics. 2020. No. 3(59). Pp. 88-112. (InRuss.)]
  20. Фирсов Д.В., Чернышева Т.К. Обзор успешных практик применения наукастинга в социально-экономическом прогнозировании // Журнал прикладных экономических исследований. 2021. Т. 20. № 2. С. 269-293. [Firsov D.V., Chernysheva T.K. Review of successful practices in the use of nowcasting in socio-economic forecasting // Journal of Applied Economic Research. 2021. Vol 20. No. 2. Pp. 269-293. (In Russ.)] DOI: 10.15826/vestnik.2021.20.2.012.
  21. Центр макроэкономического анализа и краткосрочного прогнозирования. Бюллетень «Об инвестиционной активности». URL: http://www.forecast.ru/_ARCHIVE/Analitics/PROM/2022/INV_2022-07-08.pdf
  22. Бессонов В.А. Какой должна быть российская информационно-статистическая система? // Вопросы статистики. 2017. № 4. С. 22-37. [Bessonov V.A. What should the Russian information and statistical system be like? // Questions of statistics. 2017. No. 4. Рp. 22-37. (In Russ.)]
  23. Кириченко И.А., Смирнов А.В. Точность оценки инвестиций в основной капитал // Журнал ЭКО. 2012. № 4 (454). С. 104-116. [Kirichenko I.A., Smirnov A.V. Accuracy of assessment of investments in fixed capital // ECO Magazine. 2012. No. 4 (454). Рp. 104-116. (In Russ.)]
  24. Маршова Т.Н. Принципы формирования статистических данных для анализа и прогноза социально-экономического развития // Экономические и социально-гуманитарные исследования. 2017. № 2 (14). С. 25‑36. [Marshova T.N. Principles of formation of statistical data for analysis and forecast of socio-economic development // Economic and social-humanitarian studies. 2017. No. 2(14). Рp. 25-36. (In Russ.)]
  25. Сальников В.А., Галимов Д.И. Статистика промышленного производства: некоторые наблюдения внимательных пользователей // Проблемы прогнозирования. 2020. № 1 (178). С. 10-21. [Sal’nikov V.A., Galimov D.I. Statistics of Industrial Production in Russia: Some Observations of Attentive Users // Studies on Russian Economic Development. 2020. Vol. 31. No. 1. Pp. 7-16. (In Russ.)]