Влияние учета несовершенств финансового рынка на прогнозную силу DSGE-модели российской экономики

Лазарян Самвел Сергеевич   Никонов Иван Валерьевич   Судаков Сергей Сергеевич   

Статья опубликована в журнале «Проблемы прогнозирования» (ISSN: 0868-6351 (Print), ISSN: 3034-0071 (Online)), №4 2024

RUEN
ВЛИЯНИЕ УЧЕТА НЕСОВЕРШЕНСТВ ФИНАНСОВОГО РЫНКА НА ПРОГНОЗНУЮ СИЛУ DSGE-МОДЕЛИ РОССИЙСКОЙ ЭКОНОМИКИ

ЛАЗАРЯН Самвел Сергеевич, lazaryan@nifi.ru, Центр макроэкономических исследований Научно-исследовательского финансового института, Москва, Россия
ORCID: 0000-0001-6829-3979; Scopus Author ID: 57205350360

НИКОНОВ Иван Валерьевич, nikonov@nifi.ru, Центр макроэкономических исследований Научно-исследовательского финансового института, Москва, Россия
ORCID: 0000-0002-7909-645X; Scopus Author ID: 57205351062

СУДАКОВ Сергей Сергеевич, sudakov@nifi.ru, Центр макроэкономических исследований Научно-исследовательского финансового института, Москва, Россия
ORCID: 0000-0002-8683-4932; Scopus Author ID: 57365798800

Аннотация. В статье исследуется вопрос: позволяет ли учет несовершенств финансового рынка повысить точность прогнозирования DSGE-модели российской экономики. Для этого проводится сравнение прогнозной силы нескольких версий DSGE-моделей, оцененных на российских данных. В качестве базовой используется двухсекторная модель малой открытой экономики. В расширенную версию модели включается механизм финансового акселератора, причем рассматриваются две альтернативные оценки этой модели: оценка на том же наборе данных, на котором оценивается базовая модель, и оценка с использованием данных о рыночной премии за риск. Мы заключаем, что оцененная с учетом данных о премии за риск модель с финансовым акселератором более точно прогнозирует основные макроэкономические переменные – выпуск и инфляцию. При этом остальные переменные, которые использовались при оценке параметров модели, прогнозируются хуже. Как следствие, на практике рекомендуется комбинировать оба типа моделей при анализе и подготовке прогноза.

Ключевые слова: несовершенства финансового рынка, финансовый акселератор, DSGE-модель, прогнозная сила.

DOI: 10.47711/0868-6351-205-88-101

Финансирование: Исследование выполнено за счет гранта Российского научного фонда № 21-18-00482. URL: https://rscf.ru/project/21-18-00482/

Статья поступила в редакцию 06.02.2024. Статья принята к публикации 12.03.2024.

Для цитирования: С.С. Лазарян, И.В. Никонов, С.С. Судаков. Влияние учета несовершенств финансового рынка на прогнозную силу DSGE-модели российской экономики // Проблемы прогнозирования. 2024. № 4 (205). С. 88-101. DOI: 10.47711/0868-6351-205-88-101

IMPACT OF ACCOUNTING FOR FINANCIAL MARKET IMPERFECTIONS ON THE PREDICTIVE POWER OF THE DSGE MODEL OF THE RUSSIAN ECONOMY

S.S. LAZARYAN, Center for Macroeconomic Research, Financial Research Institute, Moscow, Russia
ORCID: 0000-0001-6829-3979, Scopus Author ID: 57205350360

I.V. NIKONOV, Center for Macroeconomic Research, Financial Research Institute, Moscow, Russia
ORCID: 0000-0002-7909-645X, Scopus Author ID: 57205351062

S.S. SUDAKOV, Center for Macroeconomic Research, Financial Research Institute, Moscow, Russia
ORCID: 0000-0002-8683-4932, Scopus Author ID: 57365798800

Abstract. The article examines the question whether financial market imperfections improve the forecasting accuracy of the DSGE model of the Russian economy. To do this, a comparison of the predictive power of several versions of DSGE models evaluated on Russian data is made. The two-sector model of a small open economy is used as a base model. The extended version of the model includes a financial accelerator mechanism and considers two alternative estimates of the model: an estimate using the same data set on which the base model is evaluated, and an estimate using market risk premium data. We conclude that the financial accelerator model, estimated using risk premium data, predicts the key macroeconomic variables output and inflation more accurately. At the same time, the remaining variables that were used to estimate the model parameters give worse predictions. As a result, in practice it is recommended to combine both types of models when analyzing and preparing a forecast.

Keywords: imperfections of the financial market, financial accelerator, DSGE model, forecasting power.

DOI: 10.1134/S1075700724700084

Received 06.02.2024. Accepted 12.03.2024.

For citation: S.S. Lazaryan, I.V. Nikonov and S.S. Sudakov. Impact of Accounting for Financial Market Imperfections on the Predictive Power of the DSGE Model of the Russian Economy // Studies on Russian Economic Development. 2024. Vol. 35. No. 4. Pp. 530-539. DOI: 10.1134/S1075700724700084

Литература/References

  1. Лазарян С.С., Майоров Е.В. Перспективы использования DSGE-моделей министерствами финансов: опыт мировых регуляторов // Финансовый журнал. 2018. № 5 (45). С. 70-82. [Lazaryan S.S., Mayorov E.V. Prospects for the Use of DSGE Models by Finance Ministries: the Experience of Global Regulators // Financial Journal. 2018. No. 5 (45). Pp. 70-82. (In Russ.)]
  2. Christiano L.J., Trabandt M., Walentin K. Introducing Financial Frictions and Unemployment into a Small Open Economy Model // Journal of Economic Dynamics and Control. 2011. No. 35 (12). Pp. 1999-2041.
  3. Del Negro M., Giannoni M.P., Schorfheide F. Inflation in the Great Recession and New Keynesian Models // American Economic Journal: Macroeconomics. 2015. No. 7 (1). Pp. 168-196.
  4. Kolasa M., Rubaszek M. Forecasting Using DSGE Models with Financial Frictions // International Journal of Forecasting. 2015. No. 31 (1). Pp. 1-19.
  5. Hasumi R., Iiboshi H., Matsumae T., Nakamura D. Does a Financial Accelerator Improve Forecasts During Financial Crises? Evidence from Japan with Prediction-Pooling Methods // Journal of Asian Economics. 2019. No. 60. Pp. 45-68.
  6. Крепцев Д., Селезнев С. DSGE-модель российской экономики с банковским сектором // Банк России. Серия докладов обэкономических исследованиях. 2017. № 27. С. 3-82. [Kreptcev D., Seleznev S. DSGE-models of Russian economy with bank sector // Bank of Russia Economic research paper series. 2017. No. 27. Pp. 3-82. (In Russ.)]
  7. Bernanke B.S., Gertler M., Gilchrist S. The Financial Accelerator in a Quantitative Business Cycle Framework / Handbook of Macroeconomics. Elsevier, 1999. Vol. 1. Chapter 21. Pp. 1341-1393.
  8. Елкина М.А. Финансовые фрикции в DSGE-модели российской экономики // Экономический журнал ВШЭ. 2023. № 27 (2). С. 159-195. [Elkina М.А. Financial Frictions in a DSGE Model of Russian Economy // HSE Economic Journal. 2023. No. 27 (2). Pp. 159-195 (In Russ.)]
  9. Dixit A.K., Stiglitz J.E. Monopolistic competition and optimum product diversity // The American economic review. 1977. No. 3 (67). Pp. 297-308.
  10. Rotemberg J.J. Sticky prices in the United States // Journal of political economy. 1982. No. 6 (90). Pp. 1187-1211.
  11. Rotemberg J.J. Monopolistic price adjustment and aggregate output // The Review of Economic Studies. 1982. No. 4 (49). Pp. 517-531.
  12. Rotemberg J.J. Aggregate consequences of fixed costs of price adjustment // The American Economic Review. 1983. No. 3 (73). Pp. 433-436.
  13. Gertler M., Karadi P. A Model of Unconventional Monetary Policy // Journal of monetary Economics. 2011. Vol.58 (1). Pp. 17-34.
  14. Вотинов А.И., Лазарян С.С., Польщикова Ю.А. Влияние межсекторальной структуры экономики на свойства DSGE-моделей // Деньги и кредит. 2023. № 82 (1). С. 32-54. [Votinov A.I., Lazaryan S.S. and Polshchikova Yu.A. The Impact of the Cross-Sectoral Economic Structure on the Properties of DSGE Models // Russian Journal of Money and Finance. 2023. No. 82 (1). Pp. 32-54. (In Russ.)]
  15. Andrle M., Hlédik T., Kameník O., Vlček J. Implementing the New Structural Model of the Czech National Bank. CNB Working Papers, 2009. No. 2. Czech National Bank. URL: https://www.cnb.cz/en/economic-research/research-publications/cnb-working-paper-series/Implementing-the-New-Structural-Model-of-the-Czech-National-Bank-00001
  16. Иващенко С.М. Модели ДСОЭР: проблема трендов // Финансовый журнал. 2019. № 2 (48). С. 81-95. [Ivashchenko S.M. DSGE Models: Problem of Trends // Financial Journal. 2019. No. 2 (48). Pp. 81-95. (In Russ.)]
  17. Вотинов А.И. Влияние добавления нестандартных нестационарных процессов на характеристики DSGE-моделей // Журнал Новой экономической ассоциации. 2022. Т. 3 (55). С. 28-43. [Votinov A.I. The effects of additional non-stationary processes on the properties of DSGE-models // Journal of the New Economic Association. 2022. No. 3 (55). Pp. 28-43. (In Russ.)]
  18. Adjemian S., Bastani H., Juillard M., Mihoubi F., Perendia G., Ratto M., Villemot S. Dynare: Reference manual, version 6. 2024. URL: https://www.dynare.org/manual/
  19. Hansen N., Müller S.D., Koumoutsakos P. Reducing the time complexity of the derandomized evolution strategy with covariance matrix adaptation (CMA-ES) // Evolutionary computation. 2003. No. 1 (11). Pp. 1-18.
  20. Igel C., Hansen N., Roth S. Covariance matrix adaptation for multi-objective optimization // Evolutionary computation. 2007. No. 1(15). Pp. 1-28.