Макроэкономическая политика в России: краткосрочное прогнозирование, коммуникационная политика и региональный анализ тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Жемков Михаил Игоревич

• Жемков Михаил Игоревич
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Жемков Михаил Игоревич

Введение

Цель и задачи исследования

Краткосрочное прогнозирование и оценка текущей экономической ситуации

Региональные эффекты неоднородности и структурные уровни инфляции по регионам России

Вербальные интервенции как фактор формирования инфляционных ожиданий в России

Научная новизна

Основные результаты, выносимые на защиту

Публикация результатов исследования

Список литературы

Приложение 1. Статья «Nowcasting Russian GDP using forecast combination approach»

Приложение 2. Статья «Региональные эффекты таргетирования инфляции в России: факторы неоднородности и структурные уровни инфляции»

Приложение 3. Статья «Вербальные интервенции как фактор формирования инфляционных ожиданий в России»

Приложение 4. Статья «Измерение инфляционных ожиданий участников финансового рынка в России»

Введение диссертации (часть автореферата) на тему «Макроэкономическая политика в России: краткосрочное прогнозирование, коммуникационная политика и региональный анализ»

Введение

На протяжении последних лет во многих странах наблюдалось стремительное развитие подходов к проведению макроэкономической политики. Изменения затронули и Россию: около 8 лет назад Банк России официально перешел к инфляционному таргетированию, а в 2017-2018 гг. со стороны фискальной политики наблюдалась значительная модификация бюджетного правила. Однако на фоне поэтапной адаптации экономики к изменениям в денежно-кредитной и фискальной политиках и происходящих шоков, новейшие аспекты макроэкономической политики остаются мало изученными в отечественной академической литературе. В условиях быстро меняющихся внешних условий и структурной перестройки экономики классические подходы к проведению макроэкономической политики постепенно теряют свою актуальность, из-за чего учет новейших тенденций остается критически важным для своевременного и качественного принятия решений, а также для оперативной корректировки проводимой политики. В западной академической литературе исследование современных подходов к проведению макроэкономической политики является популярным направлением исследования, на данный момент существует широкий пласт работ как по развитым, так и по развивающимся странам. Однако в отечественной литературе существуют определенные пробелы.

Представленное диссертационное исследование заполняет данные ключевые лакуны и состоит из 3 Глав на основе 4 отдельных статей, посвященных перспективным аспектам проведения современной макроэкономической политики. Первая Глава посвящена современным подходам к наукасту (краткосрочному прогнозированию), которые являются наиболее точным инструментом для оценки текущей экономической ситуации и особенно актуальны в условиях низкой частотности данных, лагов выхода статистики и происходящих в экономике внешних и внутренних шоках. Во второй Главе обсуждаются современные подходы к оценке региональной неоднородности инфляции в России, что критически важно для проведения единой государственной денежно-кредитной политики и снижения экономической дифференциации регионов России. В последней Главе рассматривается инструментарий, который позволяет впервые на российских данных измерить воздействие проводимой коммуникационной политики органов государственной власти, в частности вербальных интервенций Правительства РФ, Администрации Президента РФ и Банка России на инфляционные ожидания участников финансовых рынков в России.

В целом, данная диссертация впервые апробирует наиболее актуальные современные аспекты проведения макроэкономической политики, недостаточно изученные

в отечественной академической литературе, что может значительным способом улучшить проведение текущей макроэкономической политики в России.

Цель и задачи исследования

Цель данного исследования заключается в проверке применимости в России современных подходов к проведению макроэкономической политики, таких как наукаст экономической активности, оценки воздействия региональной неоднородности и коммуникационной политики на основные макроэкономические показатели. В качестве объекта исследования выступает макроэкономическая политика в России, а предметом исследования является применимость современных подходов к проведению макроэкономической политики в России.

В диссертационном исследовании выдвигаются следующие гипотезы:

1) предложенный новый подход к наукасту (краткосрочному прогнозированию), в том числе использование нескольких моделей временных рядов с различными показателями и частотностями в рамках метода комбинирования прогнозов, значительным образом улучшает оценки текущей экономической ситуации;

2) в регионах России присутствуют структурные факторы, существенно отклоняющие уровень региональной инфляции от среднероссийской, что может значительно влиять на проведение единой макроэкономической политики;

3) вербальные интервенции органов государственной власти в России значимо влияют на динамику инфляционных ожиданий участников финансовых рынков, что подтверждает эффективность проводимой коммуникационной политики властей.

Для проверки предлагаемых гипотез и достижения поставленной цели необходимо решить следующие задачи:

1) критически проанализировать существующую академическую литературу, посвященную краткосрочному анализу и прогнозированию, региональным особенностям экономики и имплементации коммуникационной политики;

2) разработать модели наукаста (краткосрочного прогнозирования) ВВП России;

3) на основе моделей краткосрочного прогнозирования (наукаста), выбрать комбинацию наилучших моделей с точки зрения точности псевдовыборочных прогнозов;

4) предложить методологический аппарат, позволяющий оценить структурные факторы региональной инфляции;

5) на основе выбранной модели систематизировать основные факторы региональной неоднородности инфляции в России;

6) разработать подход к оценке эффективности воздействия коммуникационной политики на инфляционные ожидания участников финансовых рынков России;

7) сравнить на основе эконометрической модели эффекты воздействия заявлений отдельных лиц и по различным тематикам на инфляционные ожидания;

8) сделать вывод о применимости современных подходов для проведения денежно-кредитной политики в России.

Выбор методологии исследования определялся задачами и степенью проработанности в академической литературе каждой отдельной темы и более подробно представлен далее.

Краткосрочное прогнозирование и оценка текущей экономической ситуации

Данная Глава диссертационного исследования является статьей, опубликованной в 2021 г. в журнале «International economics» (Q1 Scopus) под названием «Nowcasting Russian GDP using forecast combination approach»1. Проблематика, затронутая в этой статье, связана с особенностями выхода статистики по отдельным макроэкономическим показателям и их относительно низкой частотностью, из-за чего экономистам приходится оценивать не только будущее состояние экономической активности, но и динамику текущих и недавно прошедших периодов. В академической литературе такой процесс прогнозирования называется наукастом (краткосрочным прогнозированием).

Главная проблема любого наукаста - выбор подходящей модели. Одним из наиболее популярных способов краткосрочного прогнозирования, имплементированным многими центральными банками, является использование уравнений связи. Основная идея этих уравнений заключается в «связывании» целевого показателя с одним или несколькими ключевыми переменными, выходящими без существенных лагов, при этом частотности показателей конвертируются в общую. Большинство исследований показывает, что очень часто этот класс моделей дает наиболее точные прогнозы по сравнению с простыми моделями (например, Baffigi, Golinelli, Parigi (2004)). В то же время использование уравнений связи связано с определенными трудностями. Во-первых, для оценки темпов роста ВВП на основе таких уравнений необходимо иметь прогнозы всех экзогенных

1 Zhemkov M. Nowcasting Russian GDP using forecast combination approach //International Economics. - 2021. - T. 168. - p. 10-24.

высокочастотных показателей. Эти прогнозы могут исходить как из простых моделей (авторегрессионных, наивных), так и более сложных - но в любом случае это может увеличивать ошибку прогноза из-за неточного прогноза экзогенных показателей. Во-вторых, на практике достаточно трудно обосновать выбор нескольких наиболее важных для прогноза показателей, из-за чего в исследованиях связывание чаще всего происходит с выделяемыми из массива показателей общими факторами (bridging with factors). Использование таких факторных моделей в настоящий момент является стандартной практикой в большинстве центральных банков и международных организаций (например, работы Bernanke, Boivin, Eliasz (2005), Giannone, Reichlin, Small (2008), Schumacher, Breitung (2006), Marcellino, Schumacher (2010)).

При этом практическое использование факторных моделей может вызывать определенные трудности. Так, вопрос определения «оптимального» количества выделяемых факторов для использования в моделях остается достаточно дискуссионным. Еще одним ограничением, накладываемым при использовании данных моделей, является необходимость включения показателей с совпадающей частотностью, что на практике не всегда выполняется. В частности, показатели ВВП имеют меньшую частотность (обычно квартальную), чем используемые для «связывания» показатели реального сектора (обычно месячную). Из-за этого при включении высокочастотных показателей в модели их необходимо агрегировать в квартальные/годовые частотности, тем самым допуская возможную потерю необходимой для аналитика информации. Чтобы избежать этого, используется особый класс моделей со смешанной частотностью (mixed frequency (MF) или mixed data sampling (MIDAS)). В последнее время данный класс моделей все чаще применяется в академической литературе для прогнозирования темпов роста ВВП (Clements, Galvao (2008), Marcellino, Schumacher (2010), Kuzin, Marcellino, Schumacher (2011)).

Прогнозирование темпов роста ВВП является популярной исследовательской темой и в России. На данный момент существует несколько работ, предлагающих использование факторных моделей для оценки темпов роста ВВП России (Поршаков, Пономаренко, Синяков (2016), Ачкасов (2016)). Представлены в отечественной академической среде и использование моделей со смешанной частотностью (Микош, Соланко (2019)).

Использование уравнений связи и факторных моделей с различными вариациями показателей может вызывать у исследователя закономерный вопрос: какая из этих моделей наилучшим образом подходит для краткосрочного прогнозирования. Эти модели могут различаться спецификациями, предпосылками, используемыми данными. При этом их

проблематично ранжировать по качеству прогнозов, так как их применение на практике дает порой значительно различающиеся результаты. Из-за наличия стимула по выбору «единственно правильной» модели фокус исследований в последние годы постепенно сместился на комбинирование различных прогнозов. В настоящее время комбинирование прогнозов является достаточно развитым направлением в академической литературе и активно применяется для большинства макроэкономических показателей (Timmermann (2006), Kuzin, Marcellino, Schumacher (2011), Pinkwart (2018), Koop, Korobilis (2012)). Однако, примеров использования наиболее современных подходов к наукастингу ВВП, в частности, метод комбинирования прогнозов с использованием факторных моделей со смешанной частотностью в отечественной литературе обнаружить не удалось.

Подход, представленный в этой диссертации, значительно развивает существующую академическую литературу и объединяет в себе наиболее современные практики наукаста. Стоит особо отметить, что мы прогнозируем компоненты ВВП только по использованию. В основном это связано с доступностью более длинного временного ряда (ряды, характеризующие компоненты ВВП по производству, намного короче, что связано со сменой системы ОКВЭД и несопоставимостью отдельных рядов). Прогноз темпа роста каждой компоненты ВВП по использованию основывается на комбинировании прогнозов трех основных групп моделей: модели со сценарными показателями, модели со смешанной частотностью и дополнительные модели. Показатели из первой группы используются для построения сценарного прогноза в целях принятия решений по макроэкономической политике, их включение в нашу модель согласует прогноз ВВП с прогнозами других основных макроэкономических показателей. В качестве основных сценарных показателей для прогноза ВВП используются цены на нефть, реальный эффективный валютный курс, темп роста мировой экономики, краткосрочные и долгосрочные ставки по кредитам. Вторая группа включает в себя модели с общими ненаблюдаемыми факторами, извлеченными из высокочастотных показателей. Для добавления в модель показателей с различной частотностью используется методология MIDAS: с одной стороны, высокочастотные показатели оцениваются с разными весами в модели, с другой стороны, оценивается умеренное количество неизвестных параметров. В последнюю, третью группу мы включаем простые модели без дополнительных объясняющих переменных (модель авторегрессии, случайного блуждания и ненаблюдаемого тренда). Так, отдельные исследования показывают, что очень часто качество моделей для краткосрочного прогнозирования ВВП оказывается ниже, чем у более простых моделей, иногда даже у наивных прогнозов.

Для тестирования качества предложенной методики мы оцениваем точность вневыборочных прогнозов данной модели и нескольких моделей-бенчмарков в псевдореальном времени со скользящим окном оценки и для различных горизонтов прогнозирования. Это позволяет нам понять, какой тип моделей точнее всего прогнозирует динамику ВВП на истории, в том числе в зависимости от горизонта прогнозирования. В качестве моделей-бенчмарков мы выбрали наиболее распространенные в академической литературе способы краткосрочной оценки ВВП: динамическую факторную модель (DFM), в которой извлекаемые факторы используются в уравнении связи для темпов роста ВВП, факторную векторную авторегрессию (FAVAR), метод динамического усреднения/переключения моделей (DMA/DMS) и несколько стандартных простых моделей (ARMA, RW).

Тестирование моделей показало, что предложенный подход к оценке текущей ситуации имеет наилучшую точность вневыборочных прогнозов в псевдореальном времени за период с 2011 по 2020 г. по сравнению с альтернативными моделями-бенчмарками. Усечение из комбинирования прогнозов дополнительных простых моделей позволяет несколько улучшить качество прогнозов, но только на коротком горизонте. Немаловажным результатом является отсутствие систематической ошибки прогноза, что может говорить о правильном учете структурных изменений в экономике и взаимосвязей между показателями. Предложенный подход может активно использоваться для оперативной корректировки проводимой макроэкономической политики в части экономической активности и его влияния на инфляцию, что особенно актуально на текущий момент.

Региональные эффекты неоднородности и структурные уровни инфляции по регионам России

Данная часть диссертационного исследования является статьей, опубликованной в 2019 г. в журнале «Вопросы экономики» (Q2 Scopus) под названием «Региональные эффекты таргетирования инфляции в России: факторы неоднородности и структурные уровни инфляции»2. В данной статье обсуждается подход к оценке региональной неоднородности инфляции в России. Режим инфляционного таргетирования в России предполагает поддержание стабильно низкой инфляции на уровне около 4% по всей стране. Однако общероссийская инфляция с точки зрения региональной дезагрегации — это

2 Жемков М. И. Региональные эффекты таргетирования инфляции в России: факторы неоднородности и структурные уровни инфляции //Вопросы экономики. - 2019. - №. 9. - С. 70-89.

средневзвешенный показатель, то есть при достижении цели по инфляции всегда будут регионы, темпы роста цен в которых ниже или выше таргета. При разной региональной инфляции будут отличаться и реальные ставки, следовательно, и воздействие денежно-кредитной политики. Для регионов с устойчиво высокой инфляцией проводимая денежно-кредитная политика может быть относительно мягкой, а для регионов с низкой — относительно жесткой. Это будет влиять на динамику экономической активности — ускорять ее в регионах с высокой инфляцией и замедлять в регионах с низкой. Поэтому во многом данное направление связано с анализом степени гетерогенности различных регионов и скорости конвергенции их основных макроэкономических показателей друг к другу, т.к. высокий уровень гетерогенности может приводить к противоположным результатам проводимой единой макроэкономической политики и ухудшать ее эффективность. Стоит отметить, что на протяжении десятилетий подобные исследования не теряют своей актуальности: в конце 1990-х годов изучались региональные эффекты в США (Parsley, Wei 1996; Carlino, DeFina, 1998); после принятия евро и расширения Евросоюза фокус исследований переключился на страны Европы (Honohan, Lane 2003; Duarte, 2003; Weber, Beck, 2005; Hofmann, Remsperger, 2005; Mihaljek, Klau, 2004), затем исследователи стали проводить анализ и по данным развивающихся стран (Winkelried, Gutierrez, 2015; Marques et al, 2014). При этом изучение региональной неоднородности в академических работах дает противоречивые результаты даже на одинаковых выборках. Например, в работах Duarte, 2003; Weber, Beck, 2005; Rogers, 2007 конвергенция цен по странам Европы выявлена, а в работах Cecchetti et al., 2002; Hofmann, Remsperger, 2005 она обнаружена не была. Что касается отечественных исследований, то многие работы также посвящены анализу динамики цен и их конвергенции (Глущенко, 2010; Перевышин, Егоров, 2016; Глущенко, Карандашова, 2017; Перевышин и др., 2017; Дерюгина и др., 2018). При этом работы, где оцениваются структурные или долгосрочные уровни инфляции по регионам в отечественной литературе не представлены. Данная Глава диссертации заполняет этот пробел в академической литературе.

Используемую нами методологию анализа региональной неоднородности инфляции в России можно разделить на две части. В первой исследуются исторические данные о распределении инфляции, степень расхождения темпов роста цен в регионах, зависимость отклонений инфляции от выбора весов отдельных товаров и услуг по регионам. Во второй части предпринята попытка выделить факторы расхождения темпов роста цен в регионах и на основе выбранной модели рассчитать «структурную» оценку инфляции по отдельным макрорегионам на основе эконометрических моделей. Эконометрический подход в исследовании частично использует концепцию Балассы-Самуэльсона (Balassa, 1964;

Samuelson, 1964), которая развивает более ранние исследования, основанные на законе единой цены. Основываясь на этой концепции, можно вывести зависимость отличий региональной инфляции от разрыва производительности в торгуемом и неторгуемом секторах, а также от динамики валютного курса. Кроме показателей отклонений в производительности труда и эффективных валютных курсов в модель добавлены и другие переменные, которые могут влиять на неоднородность региональной инфляции в России: реальные денежные доходы, ценовые ожидания предприятий и запасы продукции на конец отчетного периода. Данная модель выступает версией панельной модели коррекции ошибок и может использоваться для выявления факторов отклонения как инфляции, так и уровня цен. В основном для оценки нестационарных панелей с гетерогенными параметрами в академической литературе используются два подхода: mean-group (MG) и pooled mean-group (PMG). Метод MG основан на оценке N панельных временных рядов и усреднении коэффициентов, а PMG совмещает усреднение и сквозную оценку внутри группы. В нашей работе использована методика PMG как наиболее гибкая при оценке гетерогенных панелей.

В ходе исследования было выявлено, что структурные особенности регионов, относительное изменение эффективных валютных курсов, динамика доходов и запасов продукции могут определять устойчивые отклонения региональной инфляции от среднероссийской. Используя оцененную модель за период с января 2015 г. по июль 2018 г., нами рассчитана структурная инфляция по федеральным округам и определено, в каких регионах темпы роста цен могут быть выше общероссийских (Центральный и СевероЗападный федеральные округа), а в каких - ниже (Приволжский, Уральский, Сибирский и Дальневосточный) при достижении цели по России в целом. Предложенный подход к оценке региональной неоднородности может увеличить качество проводимой макроэкономической политики, в том числе в части выявления роста дивергенции между регионами России.

Вербальные интервенции как фактор формирования инфляционных ожиданий в России

Последняя часть диссертационного исследования основывается на 2 статьях: первая опубликована в 2017 г. в журнале «Вопросы экономики» (Q2 Scopus) под названием «Измерение инфляционных ожиданий участников финансового рынка в России»3, а вторая опубликована в 2019 г. в «Журнале Новой экономической ассоциации» (Q3 Scopus) под названием «Вербальные интервенции как фактор формирования инфляционных ожиданий

3 Жемков М. И., Кузнецова О. С. Измерение инфляционных ожиданий участников финансового рынка в России //Вопросы экономики. - 2017. - №. 10. - С. 111 -122.

в России»4. В данной Главе впервые на российских данных измеряется эффективность проводимой коммуникационной политики, в частности влияние вербальных интервенций Правительства РФ, Администрации Президента РФ и Банка России на инфляционные ожидания. Проведение макроэкономической политики, в частности денежно-кредитной, предполагает использование коммуникации с общественностью в качестве одного из важнейших инструментов. Увеличивая информационную открытость, центральный банк стремится снизить инфляционные ожидания и закрепить их на низком уровне, повысить доверие к проводимой политике и ее предсказуемость. Однако вопрос эффективности коммуникационной политики до сих пор остается открытым. Оценке данных эффектов посвящено множество зарубежных академических работ, но результаты данных исследований являются достаточно противоречивыми: одни работы находят воздействие вербальных интервенций на ожидания, другие работы утверждают, что влияния вербальных интервенций на динамику инфляционных ожиданий не наблюдается, или утверждают, что данный эффект зависит от исследуемого промежутка времени (Ulrich, 2008; Scharnagl, Stapf, 2015; Jansen, Haan, 2007, Beechey, Johannsen, Levin, 2011). Несмотря на то что вопрос влияния коммуникационной политики на инфляционные ожидания в России ранее не исследовался, эффективность информационной политики в России в целом все чаще становится предметом изучения. Так, в работе (Кузнецова, Ульянова, 2016) авторы обнаруживают значимое влияние вербальных интервенций Банка России на доходность индекса ММВБ. Те же авторы в работе (Кузнецова, Ульянова, 2018) показали, что высказывания представителей как Банка России, так и других органов государственной власти могут значимо влиять на курс рубля относительно доллара США. Работа (Мерзляков, Хабибуллин, 2017) посвящена воздействию пресс-релизов после заседаний совета директоров Банка России по денежно-кредитной политике на межбанковскую ставку: с помощью событийного анализа авторы подтверждают наличие информационного эффекта данного вида регулярных вербальных интервенций. Мы развиваем существующую литературу, посвященную информационной политике в России, исследуя эффекты вербальных интервенций на инфляционные ожидания. Учитывая небольшое число академических работ с оценкой коммуникационной политики отдельных лиц, а также анализом влияния информационной политики в развивающихся странах, данная работа может внести существенный вклад в исследование воздействия вербальных интервенций на основные макроэкономические показатели.

4 Жемков М. И., Кузнецова О. С. Вербальные интервенции как фактор формирования инфляционных ожиданий в России //Журнал Новой экономической ассоциации. - 2019. - Т. 2. - №. 42. - С. 49-69.

Методология исследования, представленного в данной Главе, можно разделить на 2 крупных блока: оценка высокочастотных инфляционных ожиданий и анализ воздействия на них вербальных интервенций. Оценка инфляционных ожиданий строится на основе уравнения Фишера, которое описывает зависимость изменения безрисковой номинальной ставки процента от безрисковой реальной ставки процента и уровня инфляционных ожиданий. Однако на практике инвесторы не могут наблюдать точное значение безрисковых ставок в экономике, а только номинальные и реальные доходности ценных бумаг. Разность между доходностями номинальной и индексируемой на инфляцию государственными облигациями в академической литературе называется безубыточным уровнем инфляции (breakeven inflation rate, далее BEIR). BEIR является показателем инфляционных ожиданий, однако кроме самих ожиданий в этот показатель включаются премия за неопределенность в уровне инфляции и премия за разность в уровне ликвидности. Показатель премии за неопределенность уровня инфляции означает надбавку к доходности ценной бумаги за возможные неожиданные изменения инфляции в стране, в данной Главе она оценивается на основе сателлитной модели и в общем виде зависит от волатильности инфляции в стране. Премия за разность в уровне ликвидности возникает из-за добавления в анализ индексируемых на инфляцию государственных облигаций: такие облигации обладают меньшей ликвидностью, чем номинальные государственные облигации. Рынок индексируемых на инфляцию ценных бумаг стал развиваться гораздо позже рынка неиндексируемых ценных бумаг (например, в России только с середины 2015 года). Поэтому держатели индексируемых на инфляцию государственных облигаций требуют дополнительную премию за разницу в уровне ликвидности. В нашем исследовании, в качестве премии за разность в уровне ликвидности используется показатель «on-off-the-run» премии.

Часть данной Главы посвящен сбору и анализу вербальных интервенций. Под вербальными интервенциями мы понимаем сигналы со стороны властей о проводимой политике и изменении макроэкономических показателей. Несмотря на то что формирование инфляционных ожиданий является задачей центрального банка, в наш анализ мы включали также представителей фискальных властей, подозревая, что их заявления также могут влиять на динамику инфляционных ожиданий в России, даже если они имеют больше политический, чем экономический характер. Вербальные интервенции в нашем анализе задавались как бинарные переменные со значением 1, если названное выше лицо высказывалось на определенную тему, и значением 0, если официальное лицо не высказывалось на данную тему. Мы агрегировали вербальные интервенции по отдельным группам (по официальным лицам, по источнику, по содержанию и пр.) и

Список литературы диссертационного исследования кандидат наук Жемков Михаил Игоревич, 2023 год

ЛИТЕРАТУРА

Группа Интерфакс (2018). Облигации России. [Электронный ресурс] Режим доступа: http://www.rusbonds.ru/, свободный. Загл. с экрана. Яз. рус. (дата обращения: октябрь 2018 г.). Жемков М.И., Кузнецова О.С. (2017). Измерение инфляционных ожиданий участников финансового рынка в России // Вопросы экономики. № 10. С. 111-122.

Кузнецова О.С., Мерзляков С.А. (2015) Коммуникационные каналы Банка России в контексте мирового опыта // Деньги и кредит. №. 12. С. 34-39. Кузнецова О.С., Ульянова С.Р. (2016) Влияние вербальных интервенций Банка России на фондовые индексы // Журнал экономической теории. №. 4. С. 18-27.

Кузнецова О.С., Ульянова С.Р. (2018). Валютный курс и вербальные интервенции Банка России и органов государственной власти // Экономический журнал Высшей школы экономики. Т. 22. № 2. С. 228-250.

Мерзляков С.А., Хабибуллин Р.А. (2017). Информационная политика Банка России: анализ воздействия пресс-релизов о ключевой ставке на межбанковскую ставку // Вопросы экономики. №. 11. С. 141-151.

Финам (2018). Облигации: экспорт котировок. [Электронный ресурс] Режим доступа: http://www.finam.ru/, свободный. Загл. с экрана. Яз. рус. (дата обращения: октябрь 2018 г.).

Barro R.J., Gordon D.B. (1983). Rules, Discretion and Reputation in a Model of Monetary policy //Journal ofMonetary Economics. Vol. 12. No. 1. P. 101-121.

Baskaya Y.S., Gulsen E., Kara H. (2012). Inflation Expectations and Central Bank Communication in Turkey // Central Bank Reviews. Vol. 12. No. 2. P. 1-10.

Beechey M.J., Johannsen B.K., Levin A.T. (2011). Are Long-Run Inflation Expectations Anchored More Firmly in the Euro Area Than in the United States? // American Economic Journal: Macroeconomics. Vol. 3 No. 2. P. 104-129.

Chappel Jr.H.W., Havrilesky T.M., McGregor R.R. (1997). Monetary Policy Preferences of Individual FOMC Members: A Content Analysis of the Memoranda of Discussion // Review of Economics and Statistics. Vol. 79. No. 3. P. 454-460.

Ehrmann M., Fratzscher M. (2007). Communication by Central Bank Committee Members: Different Strategies, Same Effectiveness? //Journal ofMoney, Credit and Banking. Vol. 39. No. 2-3. P. 509-541.

Gürkaynak R.S., Levin A.T., Marder A.N., Swanson E.T. (2007). Inflation Targeting and the Anchoring of Inflation Expectations in the Western Hemisphere // Economic Review. Federal Reserve Bank of San Francisco. Vol. 2007. P. 25-48.

Jansen D.J., Haan J. de (2007). The Importance of Being Vigilant: Has ECB Communication Influenced Euro Area Inflation Expectations? CESifo Working Paper No. 2134.

Kydland F.E., Prescott E.C. (1977). Rules Rather Than Discretion: The Inconsistency of Optimal Plans // Journal ofpolitical economy. Vol. 85 (3). P. 473-491.

Lahner T. (2018). Inconsistent Voting Behavior in the FOMC // Applied Economics. Vol. 50. No. 14. P. 1617-1643.

Rosa C., Verga G. (2007). On the Consistency and Effectiveness of Central Bank Communication: Evidence from the ECB // European Journal of Political Economy. Vol. 23. No. 1. P. 146-175.

Scharnagl M., StapfJ. (2015). Inflation, Deflation, and Uncertainty: What Drives Euro-Area Option-Implied Inflation Expectations, and Are They Still Anchored in the Sovereign Debt Crisis? // Economic Modelling. Vol. 48. P. 248-269.

Ullrich K. (2008). Inflation Expectations of Experts and ECB Communication // The North American Journal of Economics and Finance. Vol. 19. P. 93-108.

White H. (1982). Maximum Likelihood Estimation of Misspecified Models // Econo-metrica: Journal of the Econometric Society. Vol. 50. No. 1. P. 1-25.

Поступила в редакцию 26.01.2019 г.

M.H. SeMKöß, O.C. Кузнецова

REFERENCES (with English translation or transliteration)

Barro R.J., Gordon D.B. (1983). Rules, Discretion and Reputation in a Model of Monetary policy. Journal of Monetary Economics, 12, 1, 101-121.

Baskaya Y.S., Gulsen E., Kara H. (2012). Inflation Expectations and Central Bank Communication in Turkey. Central Bank Reviews, 12, 2, 1-10.

Beechey M.J., Johannsen B.K., Levin A.T. (2011). Are Long-Run Inflation Expectations Anchored More Firmly in the Euro Area Than in the United States? American Economic Journal: Macroeconomics, 3, 2, 104-129.

Chappel Jr.H.W., Havrilesky T.M., McGregor R.R. (1997). Monetary Policy Preferences of Individual FOMC Members: A Content Analysis of the Memoranda of Discussion. Review of Economics and Statistics, 79, 3, 454-460.

Ehrmann M., Fratzscher M. (2007). Communication by Central Bank Committee Members: Different Strategies, Same Effectiveness? Journal of Money, Credit and Banking, 39, 2-3, 509-541.

Gürkaynak R.S., Levin A.T., Marder A.N., Swanson E.T. (2007). Inflation Targeting and the Anchoring of Inflation Expectations in the Western Hemisphere. Economic Review. Federal Reserve Bank of San Francisco, 2007, 25-48.

Jansen D.J., Haan J. de (2007). The Importance of Being Vigilant: Has ECB Communication Influenced Euro Area Inflation Expectations? CESifo Working Paper No. 2134.

Kuznetsova O., Merzlyakov S. (2015). Communication Channels of the Bank of Russia in the Context ofWorld Experience. Den'gi i kredit, 12, 34-39 (in Russian).

Kuznetsova O., Ulyanova S. (2016). Influence of Verbal Interventions of the Bank of Russia on Stock Indices. Journal of Economic Theory, 4, 18-27 (in Russian).

Kuznetsova O., Ulyanova S. (2018). The Exchange Rate and the Verbal Interventions by the Government and the Bank of Russia. HSE Economic Journal, 22, 2, 228250 (in Russian).

Kydland F.E., Prescott E.C. (1977). Rules Rather Than Discretion: The Inconsistency of Optimal Plans. Journal of Political Economy, 85 (3), 473-491.

Lahner T. (2018). Inconsistent Voting Behavior in the FOMC. Applied Economics, 50, 14, 1617-1643.

Merzlyakov S., Khabibullin R. (2017). Information Policy of the Bank of Russia: The Influence of the Press Releases on the Interbank Rate. Voprosy ekonomiki, 11, 141-151.

Rosa C., Verga G. (2007). On the Consistency and Effectiveness of Central Bank Communication: Evidence from the ECB. European Journal of Political Economy, 23, 1, 146-175.

Scharnagl M., StapfJ. (2015). Inflation, Deflation, and Uncertainty: What Drives Euro-Area Option-Implied Inflation Expectations, and Are They Still Anchored in the Sovereign Debt Crisis? Economic Modelling, 48, 248-269.

Ullrich K. (2008). Inflation Expectations of Experts and ECB Communication. The North American Journal of Economics and Finance, 19, 93-108.

White H. (1982). Maximum Likelihood Estimation of Misspecified Models. Economet-rica: Journal of the Econometric Society, 50, 1, 1-25.

Zhemkov M., Kuznetsova O. (2017). Measuring Inflation Expectations in Russia Using Stock Market Data. Voprosy ekonomiki, 10, 111-122 (in Russian).

Received 26.01.2019

M.I. Zhemkov

Monetary Policy Department, Central Bank of the Russian Federation

(Bank of Russia), Moscow, Russia

O.S. Kuznetsova

International Laboratory for Macroeconomic Analysis, National Research

University Higher School of Economics, Moscow, Russia

Verbal Interventions as a Factor of Inflation Expectations in Russia

Abstract. Stability of inflation expectations is a necessary part of inflation targeting. Among many factors that may affect the dynamics of inflation expectations, one of the most important is the communication policy of the central bank and representatives of the government. This paper measures the effectiveness of verbal interventions by the Government and the Bank of Russia on the high-frequency indicator of inflation expectations from the stock market for the period July 2015 - December 2016. Dummy variables are used to characterize verbal interventions in terms of the degree of regularity, the source and the information contained. One of the main features of this paper is the analysis of the verbal interventions from individual representatives of monetary and fiscal policies. By the assessment of the model of conditional heteroscedasticity, we conclude that verbal interventions by the Bank of Russia and members of the Government of the Russian Federation accompanied by decrease of inflation expectations: key verbal interventions were statements about state budget deficit and future inflation. The results obtained can be used to develop the communication policy tools in future.

Keywords: inflation expectations, verbal interventions, communication policy,

The Central Bank of Russian Federation, GARCH.

JEL Classification: E44, E58, E62.

DOI: 10.31737/2221-2264-2019-42-2-3

Приложение 4. Статья «Измерение инфляционных ожиданий участников финансового рынка в России»

Жемков М. И., Кузнецова О. С. Измерение инфляционных ожиданий участников финансового рынка в России //Вопросы экономики. - 2017. - №. 10. - С. 111-122. (https://doi.org/10.32609/0042-8736-2017-10-111-122)

Разрешение на использование: согласно соглашению о копирайте автор статьи может использовать принятую в журнал рукопись со следующей ссылкой:

Это авторская рукопись статьи после рецензирования и до редактирования, которая опубликована в журнале «Вопросы экономики». Окончательная версия доступна по ссылке: https://doi.org/10.32609/0042-8736-2017-10-111-122

Жемков М.И., Кузнецова О.С.1

Измерение инфляционных ожиданий участников финансового рынка в России23

Данная работа посвящена измерению инфляционных ожиданий в России в период с июля 2015 по декабрь 2016 гг. на основе рыночных финансовых показателей. Для оценки инфляционных ожиданий мы рассчитываем разность между доходностями номинальной и индексируемой на инфляцию государственных облигаций и корректируем ее на премию за неопределенность уровня инфляции и премию за разность в уровне ликвидности. Полученный таким образом чистый показатель характеризует инфляционные ожидания участников фондового рынка, которые в дальнейшем могут использоваться для анализа эффективности мер информационной политики.

Ключевые слова: Инфляционные ожидания, индексируемые государственные облигации, премия за неопределенность уровня инфляции, премия за разность в уровне ликвидности.

JEL: E31, E52, E58

1 Жемков Михаил Игоревич ([e-mail]), экономист 1 категории, Департамент денежно-кредитной политики, Центральный банк Российской Федерации (Банк России)

Кузнецова Ольга Сергеевна ([e-mail]), научный сотрудник Научно-учебной лаборатории макроэкономического анализа, Национальный исследовательский университет «Высшая Школа Экономики»

2 Исследование осуществлено в рамках Программы фундаментальных исследований НИУ ВШЭ в 2017 г.

Авторы выражают глубокую признательность сотрудникам Лаборатории макроэкономического анализа НИУ ВШЭ и двум анонимным рецензентам за их ценные замечания и комментарии.

3 Содержание настоящей статьи отражает личную позицию автора и может не совпадать с официальной позицией Банка России

Введение

Ни для кого не секрет, что поддержание стабильных инфляционных ожиданий является одной из основных задач денежно-кредитной политики, особенно в условиях таргетирования инфляции. Однако даже измерение инфляционных ожиданий является достаточно сложным и трудоемким процессом. В основном инфляционные ожидания измеряются для 4 типов агентов: потребителей, предприятий, профессиональных аналитиков и участников фондового рынка. Для первых трех групп оценка ожиданий производится на основе социологических опросов, в результате которых рассчитываются инфляционные ожидания агентов на год вперед. Наша работа предлагает метод измерения инфляционных ожиданий участников фондового рынка в России, основанный на использовании доходности государственных облигаций.

Для получения данных по инфляционным ожиданиям участников финансовых рынков в России мы предлагаем использовать данные фондового рынка. Вкладываясь в долгосрочные ценные бумаги, участники фондового рынка ожидают получить доход, который зависит от будущего уровня инфляции в стране. Следовательно, доходности ценных бумаг отражают, в том числе и ожидаемую инвесторами инфляцию.

Данный анализ инфляционных ожиданий достаточно распространен в академической литературе по развитым странам, однако он требует хорошей развитости финансовых рынков, в частности рынка индексируемых на инфляцию облигаций. С учетом того, что рынок индексируемых на инфляцию государственных облигаций в России начал действовать с июля 2015 года, данное исследование является абсолютно новым направлением в академической литературе по России. При этом особое внимание в работе уделяется коррекции

данных на различные виды премий, заложенных в доходностях государственных облигаций.

Стабильность инфляционных ожиданий на длительном периоде является отличительным признаком эффективной монетарной политики страны. Подобное исследование является особо актуальным для России, где Центральный банк не так давно перешел к политике инфляционного таргетирования. Инфляционные ожидания участников финансовых рынков, оцениваемые в данной работе, рассчитаны на долгосрочный горизонт (на дату погашения используемых в анализе облигаций), что дает дополнительные возможности монетарным властям по анализу эффективности влияния политики на долгосрочные инфляционные ожидания участников финансовых рынков. В дальнейшим оцененные ожидания могут использоваться для анализа эффективности проведения информационной политики со стороны властей.

Дальнейшая часть работы построена следующим образом. В Разделе 1 проводится обзор литературы, посвященной измерению инфляционных ожиданий населения. В Разделе 2 приводится методология, использованная в данной работе. Раздел 3 посвящен описанию использованных данных, после чего в Разделе 4 обсуждается результаты измерения инфляционных ожиданий.

1. Литература

В западной литературе метод измерения инфляционных ожиданий участников фондового рынка используется достаточно активно. В первых работах по данной тематике под показателем инфляционных ожиданий при этом понимался показатель breakeven inflation rate - разность между доходностями номинальных и индексируемых на инфляцию государственных облигаций (см., например, работы Barr, Campbell, 1997 и Gurkaynak et al., 2007). Однако более поздние исследования показывают, что такой подход является слишком упрощенным. Так, в работе (Gurkaynak et al., 2010) авторы

обращаются к 10-летней истории выпуска индексируемых на инфляцию государственных облигаций в США и анализируют на основе данных по этим облигациям долгосрочные инфляционные ожидания населения. Авторы показывают, что разность между доходностями номинальных и индексируемых на инфляцию государственных облигаций включает в себя не только показатель инфляционных ожиданий, но и премию за неопределенность уровня инфляции, требуемую инвесторами для компенсации неожиданных изменений инфляции, и премию за разность в уровнях ликвидности, связанную с меньшей развитостью рынка индексируемых облигаций. Следовательно, для получения чистого показателя инфляционных ожиданий разность двух доходностей должна быть скорректирована на указанные премии. К такому же выводу приходит автор работы (Soderlind, 2010), показывающий, что в качестве премии за разность в уровне ликвидности в исследовании можно использовать так называемую on-off-the-run премию, а в качестве премии за неопределенность уровня инфляции - дисперсию прогнозов уровня инфляции. Получаемый для США уровень breakeven inflation rate за период с 1997 до середины 2008 гг. находится в промежутке от 1% до 3%, в то время как уровень премий меняется от 0.05% до 0.3%.

Похожую методологию применяют авторы работы (Beechey et al., 2011), проводящие сравнение инфляционных ожиданий участников фондового рынка в Еврозоне и США. Авторы получили, что премия за неопределенность уровня инфляции зависит только от изменения макроэкономических переменных, а сами инфляционные ожидания сильно реагируют на неожиданные краткосрочные макроэкономические шоки. К тому же, была выявлена несогласованность между инфляционными ожиданиями, полученными с помощью финансовых данных, и ожиданиями, полученными из опросов. И если

прогнозные значения этих ожиданий для Еврозоны имеют тенденцию сходиться в будущем, то это не выполняется для инфляционных ожиданий в США.

Что касается анализа инфляционных ожиданий в России, существующие работы в основном оперируют данными опросов монетарных властей или построенными теоретическими или эконометрическими моделями. Работа (Койчуева, Богатырев 2014) посвящена квантификации инфляционных ожиданий, полученных с помощью социологического опроса, а также рекомендациям по дальнейшей развитии этой методики. В работе (Голощапова, Андреев, 2017) для оценки инфляционных ожиданий населения применяется метод машинного обучения, основанный на текстовом анализе информации в Интернете. Работа (Лолейт, 2009) акцентирована на анализе инфляционных ожиданий населения с точки зрения различных теоретических концепций ожиданий (адаптивные, рациональные и др.). В своей работе автор анализирует различные сигналы об ожидаемых уровнях инфляции и выявляет возможные взаимосвязи прогнозов инфляции друг с другом, после чего дает рекомендации по формированию публикуемых прогнозов со стороны властей. В работе (Аршавский, Родионова, 2012) рассматривается взаимосвязь доходностей номинальных государственных облигаций и инфляционных ожиданий, где в качестве прокси для ожиданий берут как социологические опросы, так и сглаженный уровень фактической инфляции.

Ряд работ применяют теоретические и эконометрические модели (Соколова, 2014; Лолейт, Гуров, 2011) для анализа уровня инфляции и инфляционных ожиданий. Так, работа (Соколова, 2014) посвящена оценке характера инфляционных ожиданий в России с помощью обобщенного метода моментов ^ММ) применительно к гибридной версии кривой Филлипса. По итогам этой оценки автор приходит к выводу, что инфляционные ожидания в России в значительной степени являются назадсмотрящими. Работа (Лолейт,

Гуров, 2011) посвящена построению теоретической модели формирования инфляционных ожиданий в России. Особенностью данной работы является разделение инфляционных ожиданий по типам экономических агентов, их степени восприятия информации и степени доверия к новой информации. Полученная в работе теоретическая модель улучшает понимание природы формирования ожиданий экономических агентов и способствует их лучшей управляемости.

Несмотря на популярность изучения инфляционных ожиданий, академических работ по России, посвященных анализу инфляционных ожиданий участников финансовых рынков с помощью методологии breakeven inflation rate, с учетом премий за неопределенность уровня инфляции и разности в уровне ликвидности, по нашим сведениям, нет. Обзор возможностей новых индексируемых на инфляцию государственных облигаций был выполнен в отчете департамента рыночной конъюнктуры Газпромбанка4, однако выделение инфляционных ожиданий и анализ премий за риск в нем проведено не было.

2. Методология измерения инфляционных ожиданий на основе данных

фондового рынка

В экономической науке оценка инфляционных ожиданий производится для следующих групп агентов:

1) Ожидания потребителей

2) Ожидания предприятий

3) Ожидания профессиональных аналитиков

4) Ожидания участников финансовых рынков

4 Газпромбанк (2015). Облигации, привязанные к инфляции: новый класс от Минфина. URL http://www.gazprombank.ru/upload/iblock/7f8/GPB_Inflation-linked%20bond_100715.pdf

Для первых трех групп агентов инфляционные ожидания оцениваются методом социологического опроса (например, ожидания потребителей оценивает агентство инФОМ совместно с Банком России, мониторинг ожиданий предприятий осуществляет Банк России, Росстат, Институт Гайдара). В качестве показателя инфляционных ожиданий профессиональных аналитиков часто используется консенсус-прогноз, который рассчитывают агентства Bloomberg и Reuters на основе опросов аналитиков. Оценка ожиданий участников финансовых рынков осуществляется на основе анализа доходностей ценных бумаг. Одними из минусов оценки ожиданий потребителей, предприятий и профессиональных аналитиков является низкая частотность и неоднородность проводимых опросов, а также короткий горизонт этих ожиданий (на год вперед). В то же время, оценка ожиданий участников финансовых рынков имеют более длинный горизонт (до конца срока погашения облигаций) и означает средний ожидаемый уровень инфляции участниками финансовых рынков каждый год в течение этого периода, поэтому оценка такого типа ожиданий представляет интерес для проведения денежно-кредитной политики.

Оценка инфляционных ожиданий участников фондового рынка в нашей работе строится на основе уравнения Фишера:

1 + it = (1 + rt)(1 + <) (1)

Стандартное уравнение Фишера (1) описывает зависимость изменения безрисковой номинальной ставки процента it от безрисковой реальной ставки процента rt и уровня инфляционных ожиданий . Однако на практике инвесторы не могут наблюдать точное значение безрисковых ставок в экономике, но могут наблюдать номинальные и реальные доходности ценных бумаг. Как показывают работы (Soderlind, 2008; Gurkaynak, 2010), номинальная доходность государственной облигации может быть представлена уравнением:

1 + i

Nom t

= (1 + £t)(1+p?)

(2)

, где - премия за неопределенность уровня инфляции. Таким образом, доходность номинальной государственной облигации отличается от безрисковой ставки процента на уровень премии за неопределенность в уровне инфляции5. Показатель премии за неопределенность уровня инфляции означает надбавку к доходности ценной бумаги за возможные неожиданные изменения уровня инфляции в стране в будущих периодах. Данный показатель неразрывно связан с понятием неопределенности уровня инфляции - чем больше неопределенность будущего уровня инфляции в стране, тем большую премию будет требовать владелец ценной бумаги за инвестирование своих денег на долгосрочной перспективе. В качестве показателя премии за неопределенность в уровне инфляции в нашем исследовании используется вклад изменения уровня инфляции в динамику временной премии за риск6, согласно уравнению

, где обозначает временную премию за риск государственной облигации, п - уровень инфляции. Мы предполагаем, что долгосрочные государственные облигации являются более рисковыми по отношению к краткосрочным, в том числе из-за рисков роста инфляции в будущем, поэтому данная временная премия за риск должна быть заложена в доходностях долгосрочных государственных облигаций по сравнению с краткосрочными. Поскольку

5 В академической литературе такой показатель называется inflation risk premium, см. работы (Soderlind, 2010; Azoulay, 2010)

6 Временная премия за риск означает общую оценку премий за различные виды рисков (инфляционный, страновой и др.), которые включаются инвесторами в доходности долгосрочных облигаций. Подробнее об этом можно посмотреть, например, в работе (Cochrane and Piazzesi, 2009).

(3):

(3)

доходность долгосрочных ценных бумаг обладает устойчивой связью с инфляцией, инерционная составляющая разложения временной премии за риск (Е<?=1 ) также в значительной степени объясняется уровнем инфляции. В

то же время другие виды премий при декомпозиции временной премии за риск согласно уравнению (3) будут находиться в остатках (гс). Стандартные ошибки модели имеют форму Ньюи-Уэста7, которые состоятельны при проблемах гетероскедастичности и автокорреляции случайных ошибок. Анализ премии за неопределенность в уровне инфляции проводился в некоторых ранних академических работах. В частности, в работе (SoderHnd, 2010) оценка данного показателя для США за период 1997-2008 варьируется в интервале от 0.3% до 0.5%. В работе (Azoulay, 2014) премия за неопределенность в уровне инфляции для Израиля за период 1997-2010 меняется в промежутке от 0.1% до 0.4%.

Доходность индексируемой на инфляцию государственной облигации гсКеаг может быть представлена в виде:

1 + гКеаг = (1 + Гс)(1+р^) (4)

, где р^4 - премия за разность в уровне ликвидности.8 Индексируемые на инфляцию государственные облигации обладают меньшей ликвидностью, чем номинальные государственные облигации. Рынок индексируемых на инфляцию ценных бумаг стал развиваться гораздо позже рынка неиндексируемых ценных бумаг (например, в России только с середины 2015 года). Поэтому держатели индексируемых на инфляцию государственных облигаций требуют дополнительную премию за разницу в уровне ликвидности. Соответственно,

7 Подробнее об этом в работе (Newey, West, 1986)

8 Данный показатель премии в академической литературе называется liquidity premium, например, работы (Soderlind, 2010; Guler, 2016; Furfine, 2002), и означает премию, которую требуют владельцы ценной бумаги, когда она не может быть легко преобразована в наличность по ее справедливой стоимости.

чем меньшей ликвидностью характеризуется облигация, тем большую компенсацию будут требовать инвесторы.

В нашем исследовании, в качестве премии за разность в уровне ликвидности используется показатель «on-off-the-run premium». On-off-the-run премия обозначает разность доходностей off-the-run облигации (облигации, которая была эмитирована перед последней эмиссией облигации с примерно такими же характеристиками) и on-the-run облигации (в противоположность off-the-run, недавно эмитированная облигация). On-the-run облигации, в следствии недавней эмиссии по сравнению с off-the-run облигациями, имеют большую цену и меньшую доходность. Так как данные облигации из-за их недавнего выпуска инвестор может приобрести с меньшими транзакционными издержками, они обычно имеют большую ликвидность по сравнению с облигациями off-the-run. Естественно, такое различие в уровне ликвидности имеет краткосрочный характер и не влияет на предпочтения инвестора с долгосрочными целями (так называемые buy-and-hold инвесторы). Таким инвесторам нет необходимости покупать on-the-run облигации, так как в долгосрочной перспективе ожидаемые доходности on-the-run и off-the-run облигаций практически совпадают. На долгосрочном горизонте планирования, при отсутствии разницы в уровне ликвидности, инвесторы ориентируются на более эффективные, с точки зрения затрат, ценные бумаги. Данный вывод подтверждается, например, в работе (Graveline, McBrady, 2011).

В данной работе в качестве on-off-the-run премии используется показатель премии за разность в уровне ликвидности между двумя государственными облигациями, одна из которых является on-the-run, а другая off-the-run, согласно работам (Furfine, 2002; Soderlind, 2010; Güler, 2016). Оценка данной премии во многих академических работах имеет схожие значения. В частности, в работе (Furfine, Remolona, 1998) проводится анализ on-off-the-run премии для 2-х и 5-ти

летних государственных облигаций США, которая меняется в диапазоне от -0.04% до 0.12%, а в работе (Soderlind, 2010) оцениваемая on-off-the-run премия для финансового рынка США находится в интервале от 0 до 0.3%.

Соотнеся уравнения (1), (2) и (4), можно получить следующую зависимость:

(1 + iNom) = (1 + <)(1 + рР

(1+rReal) (1+pltiq) (

Разность между доходностями номинальной и индексируемой на инфляцию государственными облигациями в академической литературе называется безубыточным уровнем инфляции (или breakeven inflation rate, далее BEI). Данное соотношение представлено следующим уравнением:

(1 + рот)

(1 + BEB = l1 + rReJ) (6)

Данный показатель означает ожидаемый уровень инфляции, при котором доходности номинальной и индексируемой на инфляцию государственных облигаций будут сопоставимы на горизонте инвестирования. Как видно из уравнения (5), BEI является показателем инфляционных ожиданий, однако кроме самих ожиданий в этот показатель включаются премия за неопределенность в уровне инфляции и премия за разность в уровне ликвидности. Из уравнений (5) и (6) можно получить следующее соотношение:

е (1 + BEI)(1 + LRP) ^ =-â+lRP)--1 (7)

Таким образом, чтобы получить данные по инфляционным ожиданиям, необходимо показатель BEI скорректировать на премию за неопределенность в уровне инфляции и премию за разность в уровне ликвидности.

3. Данные

Для расчёта уровня BEI необходимо сопоставить доходности номинальной и индексируемой на инфляцию государственных облигаций в России. В идеале, для этого необходимо выбрать ценные бумаги с одинаковыми характеристиками выпуска. В данной работе в качестве номинальной облигации использовалась государственная облигация ОФЗ-26215-ПД, а в качестве реальной - 0ФЗ-52001-ИН. Обе облигации эмитируются Минфином РФ и имеют одинаковый срок до погашения - 10 лет. На данный момент, облигация 0ФЗ-52001-ИН является единственной индексируемой на инфляцию государственной облигацией (была выпущена 17 июля 2015 года), поэтому в данной работе рассматривается период с 17 июля 2015 по 31 декабря 2016 гг. Источником данных являлись интернет ресурсы Группа Интерфакс: Облигации в России9 и Финам10.

В академической литературе в качестве прокси для показателя неопределенности в уровне инфляции используется либо оцененная волатильность самого уровня инфляции (Azoulay, 2010), либо волатильность инфляционных ожиданий, построенных с помощью опросов (Sôderlind, 2010). В качестве показателя премии за неопределенность в уровне инфляции в нашем исследовании используется вклад изменения уровня инфляции в динамику временной премии за риск. В качестве временной премии за риск использовался спрэд доходностей долгосрочной и краткосрочной государственных облигаций. В идеале, для этого необходимо выбрать ценные бумаги с одинаковыми характеристиками выпуска, в данной работе были выбраны облигации ОФЗ-26215 и 0ФЗ-24018, наиболее схожие по характеристикам с учетом

недостаточной развитости российского рынка государственных ценных бумаг и находящиеся в обращении на анализируемом периоде.

Показатель on-off-the-run премии определяется через доходности двух номинальных облигаций - ОФЗ-26211 и ОФЗ-26205. Обе облигации эмитируются Минфином РФ и имеют одинаковый срок к погашению (10 лет), поэтому ранее выпущенная облигация ОФЗ-26205 является off-the-run облигацией, а ОФЗ-26211 - on-the-run облигацией. Оценив разность их доходностей, мы получаем данные по премии за разность в уровне ликвидности за период июль 2015- декабрь 2016 гг. В идеале, для расчета премии за разность в уровне ликвидности, нужно было использовать номинальную и индексируемую на инфляцию государственные облигации других выпусков, однако из-за наличия на данный момент в России всего 1 индексируемой на инфляцию государственной облигации, мы вынуждены делать предположение о постоянстве премии за разность в уровне ликвидности для данных выпусков. В будущем при условии выпуска новых индексируемых на инфляцию государственных облигаций, анализ премии за разность в уровне ликвидности может быть серьезно улучшен.

В соответствии с уравнением (7), мы соотносим данные по BEI, премии за неопределенность уровня инфляции и премии за разность в уровне ликвидности и получаем высокочастотные данные по инфляционным ожиданиям в России за период июль 2015 - декабрь 2016 гг.

4. Результаты оценки инфляционных ожиданий на основе данных

фондового рынка

Рисунок 1 показывает динамику доходностей номинальной и индексируемой на инфляцию государственных облигаций, а также их разность - BEI.

Рисунок 1 Доходности номинальной и индексируемой на инфляцию государственных облигаций, ВЕ1

11,50% 10,50% 9,50% 8,50% 7,50% 6,50% / 5,50% 4,50% 3,50% 2,50% 1,50% о>

I щ

'Ii/.

сО

çS? <Ч> öv ÖV ÖV ÖV ÖV ÖV ö> ö> ÖV 6> ö> ö> ö>

Ж Ж Ж Л>ч лУ ж Ж Ж Ж Ж Ж Ж Ж Ж Ж Ж

/Чу* /Чу* /Чу* Лу* у /Чу* /Чу* /Чу* /Чу* /Чу* Ау* Ау* Ау*

сО

сО г->

(V-

«ч?

сО

»4°

сО

сО

v* cv"

Доходность ОФЗ-26215-ПД ......Доходность ОФЗ-52001-ИН

Источник: Финам11, Группа Интерфакс: Облигации в России12, расчёты авторов.

BEI

На протяжении исследуемого периода доходность по номинальной государственной облигации находится в интервале от 8% до 12%, доходность индексируемой на инфляцию государственной облигации - в интервале от 2% до 3,5%. Разность этих доходностей составляет показатель BEI, который принимает значения в промежутке от 5% до 8 %.

Премия за неопределенность в уровне инфляции в данной работе определяется как вклад изменения уровня инфляции в динамику временной премии за риск, согласно уравнению (3). Оценка модели представлена в Таблице, оценка премии представлена на Рисунке 3.

Таблица 1 Оценка модели динамики временной премии за риск

Показатель Значение

Yi -0.3553**

Y2 -0.5523***

Y3 -0.2521

е1 0.00371**

02 0.00216

ея 0.00204

ßo .04265***

Легенда

* p<0.1; ** p<0.05; *** p<0.01

Источник: Финам13, Группа Интерфакс: Облигации в России14, расчеты автора

Источник: расчёты авторов

В целом, наша оценка премии варьируется в промежутке от 0.6% до 1.7%., что в целом соотносится с результатами оценок по другим странам (например, работы (Evans, 2003); (Chen, Liu, Cheng, 2005). Как и предполагалось, наибольшее значение премии за неопределенность уровня инфляции приходится на период с конца 2015 по начало 2016 гг., что может быть легко объяснено: в моменты кризиса происходит рост неопределенности уровня

инфляции, значит, инвесторы требуют большую премию за вложение своих средств на долгий срок. Именно в этот период происходит стремительный рост фактического уровня инфляции в стране, в свою очередь крупнейшие эксперты и аналитики также повышают свои оценки по уровню будущей инфляции, однако их оценки сильно отличаются друг от друга, что означает наличие высокого уровня неопределенности относительно будущего уровня инфляции в стране. Начиная с середины 2016 года, в России начинается снижение фактического уровня инфляции, оценки экспертов относительно уровня инфляции начинают лучше соотноситься друг с другом, что ведет к снижению неопределенности относительно уровня инфляции в стране.

Для расчета премии за разность в уровне ликвидности необходимо оценить показатель on-off-the-run премии, который в данной работе определяется как разность доходностей облигаций ОФЗ-26211 и ОФЗ-26205. Полученный результат представлен на рисунке 4.

Рисунок 3 Оп-оАМИе-гип премия

On-off-the-run премия

т

с*?

л'

О* ~ г г

V V V V

Ж л<г лг

у у у

„т

^ Л лй* /Л

Ж .Г

у V \ V \ N

Источник: Финам15, Группа Интерфакс: Облигации в России16, расчеты авторов

Данный показатель оценивает премию за разность в уровне ликвидности за период 2015-2016 гг. в России. Полученная оценка показателя меняется в промежутке от 0% до 0.45%. При этом необходимо учитывать, что рынок индексируемых на инфляцию государственных облигаций является достаточно новым для России, поэтому реальное значение премии за разность в уровне ликвидности может быть и больше полученного в данной работе.

Соотнеся данные показателей BEI, премии за неопределенность уровня инфляции и премии за разность в уровне ликвидности, можно рассчитать уровень инфляционных ожиданий в России за период июль 2015 - декабрь 2016 гг., согласно уравнению (7). Результат представлен на рисунке 5.

Рисунок 4 Инфляционные ожидания в России за период 2015-2016гг.

Инфляционные ожидания

7,00% 6,50% 6,00% 5,50% 5,00% 4,50% 4,00%

Источник: расчеты авторов

Общее количество наблюдений при этом составило 369, что является несомненным преимуществом данного подхода. Оценка инфляционных ожиданий варьируется в пределах от 4.5% до 7%. Можно заметить, что динамика инфляционных ожиданий достаточно сильно повторяет динамику BEI. Возможно, с учетом слабого развития финансовых рынков в России, показатель BEI без коррекции на премии может использоваться как прокси для оценки инфляционных ожиданий участников финансовых рынков. Однако в дальнейшем, при снижении общего уровня инфляции и инфляционных ожиданий, вклад премий может увеличиваться. Также расчет премий может быть значительно улучшен в будущем при развитии финансовых рынков России.

Заключение

Данная работа посвящена измерению инфляционных ожиданий в России за период с июля 2015 по декабрь 2016 гг. на основе данных фондового рынка. До конца 2015 года происходит рост оцененных в данной работе инфляционных ожиданий, после чего происходит их стремительно снижение до уровня 4.5-5%. Инфляционные ожидания в нашей работе означают среднюю ожидаемую инфляцию каждый год в течение 10 лет, которые равны сроку до погашения рассматриваемых облигаций. В дальнейшем, полученные высокочастотные данные по инфляционным ожиданиям участников финансовых рынков могут использоваться для анализа эффективности проведения информационной политики со стороны властей России.

В то же время, существует ряд ограничений проведенного исследования. Во-первых, в основе данного исследования лежит анализ инфляционных ожиданий участников фондового рынка, которые не могут служить репрезентативной выборкой для всего населения России. Во-вторых, в ходе нашего анализа мы предполагаем, что премия за неопределенность уровня

инфляции неизменна в течение месяца и одинакова для всех долгосрочных государственных облигаций, однако в действительности это может не выполняться, поэтому требует дальнейшего исследования. В-третьих, финансовые рынки России все еще недостаточно развиты, что может отражаться как на уровне BEI, так и на уровне премий за неопределенность уровня инфляции и разности в уровне ликвидности. Особенно это касается рынка индексируемых на инфляцию государственных облигаций, который существует около 1,5 лет. Также на данном рынке присутствует всего лишь одна индексируемая на инфляцию государственная ценная бумага, что серьезно сужает возможности для анализа. Дальнейшее развитие данного рынка с увеличением количества и разнообразия характеристик индексируемых на инфляцию государственных облигаций способствовало бы увеличению инструментария для анализа долгосрочных инфляционных ожиданий и дальнейшему развитию данного исследования.

Список литературы:

1. Аршавский А., Родионова А. (2012). Формирование номинальной доходности на российском рынке государственных ценных бумаг: исследование эффекта Фишера //Экономическая политика.- №. 4. - С. 68-84. [ Arshavskiy A., Rodionova A. (2012). Formation of nominal yield on the Russian market of government securities: investigation of the Fisher effect. Ekonomicheskaya politika. - №. 4. - pp. 68-84. (In Russian)]

2. Голощапова И., Андреев М. (2017). Оценка инфляционных ожиданий российского населения методами машинного обучения // Вопросы экономики. - №6. [Goloshchapova I., Andreev M. Estimation of inflation expectations by methods of machine learning. Voprosy ekonomiki. - №6. (In Russian)]

3. Койчуева М. Т., Богатырев М. М. (2014) Инфляционные ожидания и методы их изучения //Научный журнал НИУ ИТМО. Серия «Экономика и экологический менеджмент».- №. 4. [ Koychueva M. T., Bogatyrev M. M. (2014). Inflation expectations and methods of studying them. Nauchnyy zhurnal NIU ITMO. Seriya «Ekonomika i ekologicheskiy menedzhment». - №. 4. (In Russian)]

4. Лолейт А. (2009) Инфляционные ожидания экономических агентов в России //Policy. -2009. - №. 5. - С. 75-90. [Loleyt A. (2009). Inflation expectations of economic agents in Russia. Policy.- №. 5. - pp. 75-90. (In Russian)]

5. Лолейт А. С., Гуров И. Н. (2011). Процесс формирования инфляционных ожиданий в условиях информационной экономики //Деньги и кредит. - №. 1. [Loleyt A. S., Gurov I. N. (2011). The process of formation of inflation expectations in the information economy. Den'gi i kredit. - №. 1. (In Russian)]

6. Соколова А. В. (2014). Инфляционные ожидания и кривая Филлипса: оценка на российских данных //Деньги и кредит.- Т. 11. - С. 61-67. [Sokolova A. V. (2014). Inflation expectations and the Phillips curve: an estimation on Russian data. Den'gi i kredit. -T. 11. - pp. 61-67. (In Russian)]

7. Утученкова М. В. (2013). Формирование инфляционных ожиданий в современной России //Проблемы современной экономики. - №. 1. [Utuchenkova M. V. (2013). Formation of inflation expectations in modern Russia. Problemy sovremennoy ekonomiki. -№. 1. (In Russian)]

8. Хазанов А. А. (2015). О квантификации инфляционных ожиданий Банком России //Деньги и кредит. - С. 59. [Khazanov A. A. (2015). About the quantification of inflation expectations by the Bank of Russia. Den'gi i kredit.- pp. 59. (In Russian)]

9. Azoulay E. et al. (2014). Inflation risk premium implied by options //Journal of Economics and Business.- Т. 71. - С. 90-102.

10. Barr D. G., Campbell J. Y. (1997). Inflation, real interest rates, and the bond market: A study of UK nominal and index-linked government bond prices //Journal of Monetary Economics. -Т. 39. - №. 3. - С. 361-383.

11. Beechey M. J., Johannsen B. K., Levin A. T. (2011). Are long-run inflation expectations anchored more firmly in the Euro area than in the United States? //American Economic Journal: Macroeconomics.

12. Chen R. R., Liu B., Cheng X. Inflation, Fisher equation, and the term structure of inflation risk premia: theory and evidence from TIPS. - 2005.

13. Cochrane J. H., Piazzesi M. Decomposing the yield curve. - 2009.

14. Evans M. D. D. Real risk, inflation risk, and the term structure //The Economic Journal. -2003. - Т. 113. - №. 487. - С. 345-389.

15. Furfine C., Remolona E. (2002). What's behind the liquidity spread? On-the-run and off-the-run US Treasuries in autumn 1998 //BIS Quarterly Review. - Т. 6. - С. 51-58.

16. Graveline J. J., McBrady M. R. (2011). Who makes on-the-run Treasuries special? //Journal of Financial Intermediation. - Т. 20. - №. 4. - С. 620-632.

17. Guler M. H., Kele§ G., Polat T. (2016). An empirical decomposition of the liquidity premium in breakeven inflation rates //The Quarterly Review of Economics and Finance.

18. Gurkaynak R. S., Sack B., Wright J. H. (2010). The TIPS yield curve and inflation compensation //American Economic Journal: Macroeconomics. - Т. 2. - №. 1. - С. 70-92.

19. Gurkaynak, R. S., Levin, A. T., Marder, A. N., & Swanson, E. T. (2007). Inflation Targeting and the Anchoring of Inflation Expectations in the Western Hemisphere //Economic Review-Federal Reserve Bank of San Francisco.

20. Mankiw N. G., Reis R., Wolfers J. (2003). Disagreement about inflation expectations //NBER macroeconomics annual. - Т. 18. - С. 209-248.

21. Newey W. K., West K. D. A simple, positive semi-definite, heteroskedasticity and autocorrelationconsistent covariance matrix. - 1986.

22. Soderlind P. (2010). Inflation risk premia and survey evidence on macroeconomic uncertainty //International Journal of Central Banking, forthcoming.

Zhemkov M., Kuznetsova O.17

Measuring inflation expectations in Russia using stock market data18

This work is dedicated to the measurement of inflation expectations in Russia based on stock market data for the period from July 2015 to December 2016. We calculate the difference between the yields of the nominal and inflation-indexed government bonds and adjust it to the inflation risk premium and liquidity risk premium to obtain inflation expectations. This net indicator represents the inflation expectations of the participants of the stock market and characterizes by a high degree of inertial inflation expectations and a strong dependence on oil prices. The estimated inflation expectations can be used to analyze the effectiveness of the information policy.

Keywords: Inflation expectations, inflation-indexed government bonds, inflation risk premium, liquidity risk premium, conditional heteroscedasticity models, ARCH, GARCH

JEL: E31, E32, E51

Author affiliation:

17 Zhemkov M. ([e-mail]), Monetary Policy Department, The Central Bank of the Russian Federation

Kuznetsova O. ([e-mail]), Research Fellow, Laboratory for Macroeconomic Analysis, National Research University Higher School of Economics

18 The content of this article reflects the author's personal position and may not coincide with the official position of the Bank of Russia