Многофакторное моделирование инфляционных процессов в условиях нестабильной экономики тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат наук Моисеев, Никита Александрович

• Моисеев, Никита Александрович
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Моисеев, Никита Александрович

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ СУЩНОСТИ ИНФЛЯЦИИ, ЕЕ ПРИЧИН И СЛЕДСТВИЙ

1.1. Неоднозначность определения инфляции и проблема ее измерения

1.2. Выявление основных макроэкономических причин инфляции

1.3. Исследование негативных и позитивных последствий инфляции

1.4. Выводы по главе 1

ГЛАВА 2. АНАЛИЗ МЕТОДОВ ЭКОНОМЕТРИЧЕСКОГО МОДЕЛИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ ИНФЛЯЦИОННЫХ ПРОЦЕССОВ

2.1. Оценка применимости теоретических моделей для оперативного прогнозирования инфляции

2.2. Исследование сильных и слабых сторон регрессионных моделей

2.3. Рассмотрение и анализ других часто применяемых методов прогнозирования временных рядов

2.4. Выводы по главе 2

ГЛАВА 3. РАЗРАБОТКА МЕТОДОВ РЕГРЕССИОННОГО МОДЕЛИРОВАНИЯ НЕСТАБИЛЬНЫХ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ

3.1 Эмпирические предпосылки разрабатываемых методов

3.2 Метод выявления нелинейных взаимосвязей в моделируемых инфляционных процессах

3.3 Метод оптимизации весовых коэффициентов взвешенной суммы набора моделей инфляционных процессов

3.4 Апробация разработанных методов

3.5. Выводы по главе 3

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ

Введение диссертации (часть автореферата) на тему «Многофакторное моделирование инфляционных процессов в условиях нестабильной экономики»

ВВЕДЕНИЕ

Актуальность исследования. Процесс развития стран с рыночной экономикой неразрывно связан с изменением цен на товары и услуги под воздействием спроса и предложения.

Высокий показатель инфляции влечет за собой такие проблемы, как снижение покупательной способности денег, рост экономической нестабильности, ухудшение инвестиционного климата страны, что осложняет проведение экономической политики в регионе. С другой стороны высокий показатель дефляции также накладывает негативный отпечаток на экономику. Вследствие чрезмерно быстрого снижения цен замедляются темпы производства из-за возрастающей склонности к сбережению, что напрямую отражается на объеме национального богатства страны.

На сегодняшний день задача достижения стабильной предсказуемой динамики цен не утратила свою актуальность и входит в компетенцию абсолютного большинства центральных банков. В настоящее время даже незначительные негативные изменения в индексе цен могут серьезно повлиять на настроения инвесторов, политику ценообразования коммерческих организаций, спрос на денежные средства среди населения.

Для проведения эффективной денежно-кредитной и фискальной политики государства касаемо контроля динамики инфляционных процессов осуществляется их комплексный анализ, моделирование и адекватное прогнозирование на краткосрочную, среднесрочную и долгосрочную перспективы. Совпадение фактического уровня цен с целевым является важным показателем точности прогноза инфляции с одной стороны и эффективности предпринимаемых Центральным банком мер по его достижению с другой.

Прогнозирование и моделирование социально-экономических систем представляет собой важную комплексную задачу, выполняя которую, государство наиболее эффективно использует рычаги управленческих воздействий для

обеспечения стабильности и экономического развития. Однако, данная задача достаточно сложно выполнима в силу огромного количества функционирующих субъектов и взаимосвязей между ними. Вследствие этого значимость фундаментальных факторов в регрессионных моделях и их количество непрерывно меняются во времени. Особенно отчетливо такая изменчивость наблюдается в краткосрочных моделях.

Существующие методики и подходы к прогнозированию и моделированию инфляционных процессов не в полной мере учитывают вышеупомянутый аспект. Следовательно, особо значимой является задача разработки нового метода в построении моделей инфляционных процессов, позволяющего увеличить их устойчивость к структурным сдвигам и повысить точность прогноза.

Принимая во внимание вышеизложенное, исследования, направленные на разработку новых подходов к моделированию и прогнозированию инфляционных процессов в условиях изменчивости экономики, представляются достаточно актуальными и могут быть использованы центральными банками и руководством страны или региона при принятии управленческих решений.

Степень научной разработанности проблемы. Теоретические основы взаимосвязей инфляции с другими социально-экономическими процессами были детально рассмотрены в многочисленных работах ведущих российских и зарубежных авторов: Балацкий Е.В., Бернштам М., Бродский Б.Е., Буткевич В., Глущенко К., Поляков И.В., Райская H.H., Шварева Н.В., Friedman М., McCallum В., Mishkin F., Sims С. и др.

Разработка подходов к моделированию и прогнозированию инфляционных процессов также является популярной темой исследований ученых-эконометристов. Значительный вклад в развитие данной области внесли: Зарова Е.В., Орлов А.И., Трегуб И.В., Четыркин Е.С., Cochrane J., Engle R., Englsted Т., Granvill В., Groen J.J.J., Koop G., Paap R., Ravazzolo F., Stock J. H., Watson M. W., Wright J. H. и др.

Сформулированные в работах теоретической направленности математические

методы и модели инфляционных процессов позволили проанализировать различные аспекты феномена инфляции, сделать определенные выводы и сформировать набор потенциально значимых объясняющих переменных. Однако теоретические модели остаются малопригодны для прогнозирования инфляции в реальном мире, особенно в случае краткосрочного прогнозирования.

Научные работы, преследовавшие практическую направленность исследования, содержали, по мнению автора, следующие характерные недостатки: в недостаточной мере проводился сравнительный анализ результатов применения тех или иных эконометрических моделей на данных, расположенных за пределами окна построения моделей; не были предложены методы, качественно улучшающие уже существующие; не в полной мере рассматривался механизм адаптации моделей для различной конъюнктуры рынка и разных временных периодов. Недостаточное внимание уделено гибкости используемой модели и ее адаптивности к условиям изменчивости экономики.

Цель и задачи исследования. Целью диссертационной работы является разработка методов построения точечных и интервальных прогнозов инфляции, повышающих эффективность многофакторных регрессионных моделей инфляционных процессов с распределенными лагами.

В соответствии с целью в данной работе ставятся и решаются следующие

задачи:

• Провести исследование сущности инфляции, ее форм, разновидностей и сформировать набор теоретически обоснованных, влияющих на нее факторов;

• Провести анализ существующих методик прогнозирования временных рядов в социально-экономических системах, выявить их ключевые недостатки и направления для их улучшения;

• Разработать метод построения модели инфляции с учетом нелинейных взаимосвязей между предикторами и зависимой переменной;

• Разработать метод создания синергетической модели, агрегирующей набор классических многофакторных регрессионных моделей;

• Апробировать предложенные методы и модели инфляционных процессов на реальных данных и оценить их эффективность.

Объект н предмет исследования. Объектом диссертационной работы являются временные ряды инфляционных процессов, подверженные влиянию экзогенных и эндогенных факторов. Предметом исследования выступают методы анализа, моделирования и прогнозирования временных рядов инфляционных процессов.

Область исследования. Диссертационная работа выполнена в рамках п. 1.6 «Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов».

Теоретической и методологической базой исследования послужили труды российских и зарубежных ученых в области моделирования и прогнозирования временных рядов, инфляционных процессов, эконометрике и статистике.

В процессе решения поставленных в работе задач использовались статистические методы регрессионного и корреляционного анализа, моделирования временных рядов, а также табличные и графические методы представления результатов исследования.

Информационной базой исследования послужили официальные статистические данные Федеральной резервной системы США, Федеральной службы государственной статистики США, Международного валютного фонда и других печатных и электронных СМИ по исследуемой тематике.

В диссертации были использованы следующие пакеты прикладных программ: «MS Excel», «IBM SPSS Statistics», «MATLAB», «STATISTICA».

Научная новизна. В диссертационной работе предложены методы построения математических моделей временных рядов, обеспечивающие повышение точности прогнозов инфляционных процессов.

Предмет защиты составляют следующие результаты, полученные лично автором и содержащие элементы научной новизны:

1. Предложен метод построения математической модели временных рядов инфляции, учитывающий возможные нелинейные взаимосвязи в моделируемых процессах, который при этом полностью сводится к линейному виду. В результате применения данного метода становится возможным построение более точной модели, а также выявление скрытых зависимостей в анализируемых данных вследствие проведения преобразований с объясняющими переменными.

2. Разработан метод оптимизации весовых коэффициентов для взвешенной суммы набора многофакторных моделей временного ряда инфляции, основанный на вычислении несмещенной оценки прогноза взвешенной модели и последующей ее минимизации. В результате применения данного метода вычисляется синергетическая модель, являющаяся более эффективной, чем все входящие в нее уравнения по отдельности. Помимо этого применение данного метода позволяет решить проблему мультиколлинеарности среди объясняющих переменных, при этом метод дает несмещенные оценки коэффициентов модели и не возникает трудностей с интерпретацией объясняющих переменных. Также предложенный метод позволяет решить проблему недостатка наблюдений, так как при его применении существует возможность вычисления регрессионного уравнения с числом переменных, превышающим число наблюдений, что является невозможным при использовании традиционных методов.

3. Выведена формула числа степеней свободы для вычисления интервальных прогнозов, полученных в результате применения предложенного метода построения многофакторных регрессионных моделей. При объединении некоторого набора моделей, парные корреляции остатков которых являются независимыми, число степеней свободы для синергетической модели будет превышать средневзвешенное число степеней свободы по рассчитанным моделям. В этом случае, предложенный метод позволяет сократить доверительный интервал для полученных прогнозов, что в

случае короткого окна данных можно считать существенным улучшением эффективности модели.

4. В результате применения разработанных методов построены синергетические модели инфляционных процессов, которые обладают повышенной устойчивостью к структурным сдвигам за счет большего числа предикторов. Показано, что в традиционных моделях устойчивость к меняющейся конъюнктуре является невысокой, поскольку они в большей степени подвержены сдвигу во влиянии каждого отдельного фактора на выходную переменную в силу незначительного числа объясняющих переменных.

Теоретическая значимость исследования. Разработанные методы построения многофакторной линейной регрессии с распределенными лагами позволяют как качественно улучшить прогностический потенциал модели, так и расширить экспликативные возможности для исследователя.

Практическая значимость полученных результатов заключается в возможности применения разработанных методов для построения моделей инфляционных процессов с целью их краткосрочного, среднесрочного и долгосрочного прогнозирования. Полученные модели и прогнозы могут быть использованы для принятия оптимальных управленческих решений в области монетарной политики органами государственной власти и управления. Также результаты работы могут использоваться в учебном процессе вузов при создании и совершенствовании дисциплин «Эконометрика», «Моделирование

макроэкономических процессов» и др.

Внедрение и апробация результатов работы. Результаты диссертационной работы были доложены и получили положительные оценки на следующих международных конференциях: Международная научная школа-семинар имени академика С.С. Шаталина «Системное моделирование социально-экономических процессов», Кострома, 29.09-4.10.2012 г., Международная научная школа-семинар имени академика С.С. Шаталина «Системное моделирование

социально-экономических процессов», Воронеж, 29.09-4.10.2013 г. Разработанные методики были с успехом внедрены при выполнении следующих научно-исследовательских работ: «Анализ инфляционных процессов в российской экономике и обуславливающих их факторов», государственный контракт № 32/дБ с НИИ СП от «04» июня 2012 г.; «Разработка технологий выявления кризисных ситуаций и определения путей их разрешения. Создание модели опережающего стратегического управления», в рамках субсидии, полученной согласно постановлению №218 «О мерах государственной поддержки развития кооперации российских высших учебных заведений и организаций, реализующих комплексные проекты по созданию высокотехнологичного производства», совместно с ООО «ИБС Экспертиза» и ФГАОУ ВПО «Северный (Арктический) федеральный университет им. М.В. Ломоносова»; «Система многофакторного динамического прогнозирования биржевых котировок и индексов». Приказ РЭУ им. Г.В. Плеханова № 1129 от 19 ноября 2014 г. 11.2014-07.2015.

Публикации. По теме диссертационного исследования опубликовано 8 печатных работ общим объемом 2,34 п.л. (из них авторские - 2,1 п.л.), в том числе 4 печатные работы в рекомендованных ВАК Минобрнауки России изданиях общим объемом 1,54 пл. (из них авторские - 1,38 п.л.).

Структура и объем работы. Диссертационная работа состоит из оглавления, введения, трех глав, заключения, содержит список литературы из 108 наименований, 1 приложение. В диссертации 136 страниц машинописного текста, 9 таблиц, 16 рисунков.

ГЛАВА 1. АНАЛИЗ СУЩНОСТИ ИНФЛЯЦИИ, ЕЕ ПРИЧИН И СЛЕДСТВИЙ

1.1. Неоднозначность определения инфляции и проблема ее измерения

Инфляция имеет достаточно неоднозначное определение, что приводит как к многочисленным дефинициям данного понятия, так и к различным показателям, использующимся в качестве индикатора инфляции. Обратимся к нескольким определениям инфляционного процесса в экономике, представленным в трудах российских и зарубежных ученых (таблица 1.1).

Таблица 1.1 — Определения инфляции

Определение Источник

Инфляция - долговременное снижение покупательной способности денег. «От инфляции как процесса следует отличать скачёк уровня цен -однократное его повышение, которое может стать началом инфляции, но может и не стать им». Тарасевич Л.С; Леусский А.И.; Гребенников П.И. «Макроэкономика»

Инфляция (или темп инфляции) - это процентное выражение ежегодного прироста общего уровня цен. Пол Самуэльсон; Вильям Нордхауз «Экономика»

«Когда цены на большинство товаров и услуг устойчиво растут, говорят, что в экономике происходит инфляция». Инфляция - понижение покупательной способности денежной единицы. Эндрю Абель; Бен Бернанке «Макроэкономика»

Инфляция - процентное изменение уровня цен. «Прежде всего нам нужно провести различие между скачками цен и постоянным их ростом. Первые происходят в результате отдельных шоков ... тогда как последний обычно порождается какой-либо хронической проблемой, такой, как значительный и постоянный бюджетный дефицит». Николас Грегори Мэнкью «Макроэкономика»

Инфляция - это повышение общего уровня цен. «Это конечно не означает, что повышаются обязательно все цены». Кэмпбелл Макконнел; Стенли Брю «Экономикс»

Анализируя представленные выше определения, можно сказать, что инфляция - это устойчивый на некотором рассматриваемом отрезке времени рост общего индекса цен, рассчитываемого по некоторым категориям экономических благ.

Классификация инфляции. Используя разные признаки для классификации, выделяют следующие виды инфляции: • По причинности:

о Инфляция спроса - возникает из-за превышения совокупного спроса

над совокупным предложением товаров и услуг (дефицит товара); о Инфляция предложения (издержек) - происходит вследствие увеличения издержек производства. Возможна только при достаточно низкой эластичности спроса по цене;

• По форме проявления:

о Открытая инфляция - бесконтрольный со стороны органов государственного регулирования рост цен. Инфляция такого вида характерна для стран с рыночной экономикой, где цены изменяются в соответствии с балансом спроса и предложения. В данной ситуации инфляция является индикатором дефицита предложения на рынке;

о Скрытая или подавленная инфляция. Проявляется в виде товарного дефицита в условиях жесткого контроля цен государством. Происходит снижение качества продукции, завышаются цены на новые товары и услуги, растут цены на «черном» рынке;

о Инфляционный шок - подразумевает резкий скачок цен, который может дать толчок к дальнейшему развитию инфляционного процесса;

• По сфере распространения:

о Локальная инфляция - рост общего уровня цен наблюдается в пределах некоторого региона;

о Мировая инфляция - выражается в обесценивании денежной массы на территории сразу нескольких стран или во всем мире;

• По темпам роста индекса цен:

о Ползучая или умеренная инфляция характеризуется невысоким ростом уровня цен (до 10% в год). Сохраняется стоимость денежных знаков, риск при заключении контрактов в номинальных ценах крайне низкий. Инфляция такого рода характерна для абсолютного большинства развитых стран и является своего рода стимулом экономической активности, так как в разумных пределах снижает склонность к сбережению;

о Галопирующая инфляция - высокий темп роста цен (10-150% в год). Такой процесс может крайне негативно сказаться на экономике региона и вызвать тяжелые социально-экономические последствия, такие как

закрытие крупных предприятий, снижение уровня жизни населения и т.д. При данном виде инфляции долгосрочные контракты индексируются с учетом ценового индекса, происходит ускоренная материализация денег;

о Гиперинфляция - рост цен близкий к катастрофическому (500% в год и более). Мировой рекорд гиперинфляции зафиксирован в Венгрии (август 1945 г. - июль 1946 г.), когда ежемесячный прирост цен составлял в среднем около 2000%. При гиперинфляции происходит крах денежной системы. Поскольку денежные знаки перестают адекватно выполнять возложенные на них функции, в экономике осуществляется переход к бартерному обмену. Проявляется эффект панического бегства от денег;

• По степени сбалансированности:

о Сбалансированная инфляция подразумевает, что цены на различные товары и услуги сохраняют свои пропорции друг относительно друга;

о Несбалансированная инфляция. В данном случае нарушаются пропорции цен групп экономических благ по отношению друг к другу. Цены на одни группы товаров растут быстрее, на другие - медленнее, на третьи вообще падают;

• По степени предсказуемости:

о Предсказуемая или ожидаемая инфляция. Инфляция, которую можно спрогнозировать с достаточной точностью на некотором временном отрезке;

о Непредсказуемая, неожиданная инфляция. Характеризуется резкими скачками цен, изменяющими при этом инфляционные ожидания.

Проблема измерения инфляции. Существует несколько видов измерения темпов инфляции на макроуровне. Отметим самые распространенные индексы

общего уровня цен:

• Индекс расходов на проживание (Cost Of Living Index).

Данный показатель достаточно широко используется в мировой практике. Представляет собой индекс розничных цен набора экономических благ, обеспечивающих прожиточный минимум потребителя. Данные товары и услуги составляют своего рода потребительскую корзину среднестатистического жителя региона. Расчет темпов инфляции в данном случае производится по индексу Ласпейреса:

/,=1^, си)

ЬРоЧо

где pi - цена некоторого вида товаров или услуг за /-ый период, qi -количество товаров или услуг, реализованных за /-ый период. Индекс расходов на проживание применяется в расчетах минимальной оплаты труда;

• Индекс потребительских цен (Consumer Price Index).

Является основным инструментом для расчета инфляции в США и считается аналогом COLI;

• Индекс цен производителей (Producer Price Index).

При вычислении данного индекса рассматривается рост цен используемых в производстве товаров и услуг. PPI учитывает стоимость сырья, материалов, полуфабрикатов и конечных видов продукции на оптовом рынке. Индекс цен производителей, как правило, является опережающим для индекса потребительских цен;

• Индекс стоимости активов (Assets Price Index).

Учитывает цены на акции, облигации, недвижимое имущество и т.д. Обычно API существенно превышает другие измерители инфляции;

• Дефлятор ВВП (GDP Deflator).

В отличие от предыдущих индексов дефлятор учитывает все товары и услуги, которые включаются в ВВП данного региона за текущий период. Следует отметить, что дефлятор не учитывает импортные товары. Представляет собой отношение номинального ВВП к реальному, выраженному в ценах базисного периода. Рассчитывается по индексу Пааше:

В данной работе в качестве измерителя инфляции для ее моделирования выбран индекс потребительских цен (СР1), поскольку, по мнению автора, он наиболее полно отражает рост уровня цен для среднестатистического жителя данного региона. Поясняя данное утверждение, автор считает основной задачей центральных банков обеспечение устойчивого уровня цен для наиболее многочисленной социальной группы граждан - среднего класса. Индекс расходов на проживание ориентирован больше на малоимущих граждан, так как учитывает товары и услуги, составляющие прожиточный минимум потребителя. Индекс цен производителей направлен на изменение цен для юридических лиц, индекс стоимости активов на достаточно обеспеченных граждан, владеющих ценными бумагами, недвижимостью которых также не абсолютное большинство. Дефлятор ВВП в силу того, что не учитывает цены на импортируемые товары, тоже не отражает реального уровня цен для большинства жителей региона, особенно если доля импорта в потреблении домашних хозяйств достаточно велика. В силу вышесказанного единственным логичным выбором остается показатель индекс потребительских цен.

1.2. Выявление основных макроэкономических причин инфляции

(1.2)

Причинами инфляции являются 2 основных фактора: денежный (монетарный) и немонетарный.

К монетарным факторам следует отнести:

1) увеличение номинала остатков в кассах. Этот факт объясняется:

а) увеличением денежной массы (например, рост активов Центрального Банка вызывает рост денежной массы, как следствие - повышение платежеспособного спроса);

б) возможностью производить расчеты различными платежными средствами (например, ценными бумагами);

2) рост скорости обращения денег (это происходит в том случае, когда население стремится избавиться от своей национальной валюты. Коэффициент доверия правительству падает в такой ситуации, а инфляция продолжает расти.

Факторы, не связанные с денежной массой:

1) зависимые от экономического поведения субъектов (например, личные хозяйства могут увеличить свой объём потребления, фирмы - увеличат объем автономных средств для инвестиций, государство за счет увеличения дефицита госбюджета может поднять объем госзакупок);

2) определяющиеся происходящими изменениями в структуре совокупного спроса;

3) неравномерное экономическое развитие, когда предпочтение отдается

ВПК;

4) высокая зависимость от импорта при плохо развитом экспорте;

5) снижение объёма ВВП.

Инфляция в стране возникает при создании таких условий, когда происходит быстрое увеличение номинальной денежной массы или скорости обращения денег, по сравнению с реальным увеличением национального дохода.

Возникновение инфляции возможно и в том случае, когда количество денег не меняется, но оборот их происходит быстрее, чем растет объём производства. Такая ситуация возникает в случае снижения спроса на фактические кассовые остатки. Её

можно объяснить более совершенной техникой расчета между организациями и частными лицами или заменой денег ценными бумагами.

Инфляция может появиться в связи с ростом совокупного спроса, без изменения денежной массы. Строя оптимистичные прогнозы на будущее, и инвестируя свое производство, предприниматели повышают цену своей продукции, до тех пор, пока не достигнут равновесия между спросом и предложением.

На рост цен оказывают значительное влияние структурные сдвиги спроса. При быстром обновлении ассортимента товаров или предлагаемых услуг, спрос переключается на более новые престижные товары, тем самым увеличивая цены на них. Если бы при этом цены на традиционные виды снижались, то общий уровень цен не повышался бы. Однако тенденция такова, что сокращение спроса приводит не к снижению цены на этот товар, а к сокращению выпуска этого товара. Таким образом, структурные сдвиги оказывают влияние на формирование цен.

Инфляция издержек может возникнуть в случае снижения предложений, а это в свою очередь ведет к сокращению выпуска продукции, а следовательно - к сокращению занятости населения и росту безработицы. Исследуя инфляцию, возникающую вследствие издержек производства, можно установить две причины её возникновения:

• «шоки предложения» - увеличение цен на сырьё, топливо, на транспортные расходы, увеличение цен на импортные товары, а также изменений условий добычи;

• необоснованное повышение зарплаты, например, в результате предъявленных профсоюзом требований. Если увеличение заработной платы не сопровождается повышением производительности труда, то неизбежно растут издержки производства. В таких условиях происходит сокращение выпуска продукции, а если спрос на неё остается неизменным, то значит, производитель просто поднимет цену.

Шоки предложения - это нарушения в предложении, не имеющие связи с изменениями, происходящими в совокупном спросе. Этот термин вошел в обиход в 1974 и 1979-80 годах, когда страны ОПЕК резко взвинтили цены. Повышение цен на нефть было настолько высоким, что для стран потребителей оно было шоковым. В современной обстановке под «шок предложением» считается резкое увеличение цены на любые производственные факторы, влекущие за собой увеличение производственных издержек и рост всех цен. Исключением в данной ситуации является только один фактор - заработная плата.

Список литературы диссертационного исследования кандидат наук Моисеев, Никита Александрович, 2015 год

ЛИТЕРАТУРА

1. Абель Э., Бернанке Б. Макроэкономика. 5-е изд. СПб.: Питер, - 2008. -768 с.

2. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. -М.:ЮНИТИ, - 1998. - 1000 с.

3. Айвазян С.А. Методы эконометрики / С.А. Айвазян. - М. : ИНФРА-М, -2010.-512 с.

4. Андерсон Т. Статистический анализ временных рядов. -М.: Мир, - 1976. -

757 с.

5. Балацкий Е.В. Инфляционные налоги и экономический рост // Экономика и математические методы. Т. 33. — 1997. - Вып. 3. - С. 43-58.

6. Бернштам М. Приватизация кредита - остановка инфляции - подъем экономики // Российский экономический журнал. - 1993. - №7. - С. 37-47.

10. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. -М.: Мир, 1974. Вып. 1, 2. - 197 с.

11. Бродский Б.Е. Ретроспективный анализ структурных сдвигов на основе эконометрических зависимостей // Экономика и математические методы. — 2006. — Т. 42. -№4.-С. 96-119.

12. Бродский Б.Е. О влиянии реального обменного курса рубля на российскую экономику // Прикладная эконометрика. - 2006. - №2. - С. 85-111.

13. Бурда М., Виплош Ч. Макроэкономика. - СПб.: Судостроение, - 1998. - 514

с.

14. Буткевич В. Денежные суррогаты не спасают бюджет //Экономика и жизнь. -1996.-№33.-С. 143-158.

15. Вороновицкий М.М. Модель социального влияния на цены // Экономика и математические методы. Т. 39. - 2003. -№4. - С. 40-51.

16. Глущенко К. Межрегиональная дифференциация темпов инфляции. WP №99/17. - М.: РПЭИ, - 1999. - 65 с.

17. Гуреев К.А., Голубева О.С. Интеллектуальные технологии моделирования инфляционных процессов // Наука и экономика. - 2012. - №6(14). - С. 29-38.

18. Гущин А. А. Максимизация полезности на некоторых рынках, допускающих арбитраж // Теория вероятностей и ее применения. 2010. - Т. 55. - № 6. -С. 613-613.

19. Гущин А. А., Кюхлер У. Об оценивании параметра в одной модели стационарных гауссовских наблюдений // Обозрение прикладной и промышленной математики. 2000. - Т. 7. - № 2. - С. 489-490.

20. Диссертация: Сухова А.А. Математическое моделирование инфляционных процессов в условиях трансформирующейся экономики. Дис. канд. экон. наук: 08.00.13. г. Шахты. Шахтинский институт (филиал) Южно-Российского государственного технического университета (НПИ). - 2004. - 141 с.

21. Дуброва Т.А. Прогнозирование социально-экономических процессов. Статистические методы и модели / Т.А. Дуброва. -М. : Маркет ДС, - 2007. - 192 с.

22. Долан Э.Дж. Деньги, банковское дело и денежно-кредитная политика. -М.: Финансы, - 1994. - 448 с.

23. Доугерти, К. Введение в эконометрику / К. Доугерти ; пер. с англ. под ред. О.О. Замкова. - М. : ИНФРА-М, 2007. - 432 с.

24. Зарова Е.В., Заров И.К. Нейронные сети как средство моделирования и прогнозирования инфляционных процессов // Вестник Самарского государственного технического университета. Серия: физико-математические науки. - 2005. - № 34. -С. 182-186.

25. Кендалл М. Временные ряды. -М.: Финансы и статистика, - 1981. - 199 с.

26. Ковалева Л.Н. Многофакторное прогнозирование на основе рядов динамики. -М.: Статистика, - 1980. - 104 с.

27. Косов В.В. Относительные цены как инструмент среднесрочного прогнозирования оптовых цен (на примере цен на электроэнергию). // Проблемы прогнозирования. -2005. - №5. - С. 60-76.

28. Кэмпбелл Р. Макконнел; Стенли JT. Брю. Экономикс. 13-е издание. Инфра-М. - 2009. - 944 с.

29. Лукашин Ю.П, Адаптивные методы краткосрочного прогнозирования. -М.: Статистика, - 1979. - 416 с.

30. Льюис К.Д. Методы прогнозирования экономических показателей. - М.: Финансы и статистика, - 1986. - 133 с.

31. Магнус Я.Р., Катышев П.К., Пересецкий A.A. Эконометрика. Начальный курс. -М.: Дело, - 2000. - 576 с.

32. Макконнелл K.P., Брю С.Л. Экономикс. - М.: Республика, - 1992. - 272 с.

33. Моисеев H.A. Модель пространственного динамического равновесия экономики // «Аудит и финансовый анализ». - 2013. - №5. - С. 134-137.

34. Моисеев H.A. Метод разложения Тейлора для увеличения прогнозной силы регрессионных уравнений // «Экономический журнал РГГУ». 2014. - №3 (35). - С. 51-59.

35. Моисеев H.A., Зимин И.Н., Картвелишвили В.М. Модели элементов жизнеспособных социально-экономических систем // Труды 35-й юбилейной международной научной школы-семинара имени академика С.С. Шаталина. Кострома 18-23 сентября 2012 г. - С. 306-311.

36. Моисеев H.A., Ахмадеев Б.А. Инновационная модель регрессионного прогноза// «Инновации и инвестиции». 2014. -№9. - С. 123-127.

37. Моисеев H.A., Ахмадеев А.Б. Методы построения точечных прогнозов временных рядов социально-экономических показателей на региональном уровне. // «Экономика и предпринимательство». 2014. - №11 (52). - ч. 3. - С. 299-302.

38. Моисеев H.A. Интеллект и финансовые рынки // Материалы Первой межвузовской научно-практической конференции «Интеллект, дизайн, компьютер» 1, 8 декабря 2010 г. - С. 74-83.

39. Моисеев H.A., Картвелишвили В.М., Кузьмеико М.Н. Инструментарий анализа финансовых рынков // «Современные аспекты экономики». 2010. -№10 (158). -С. 193-203.

40. Моисеев H.A., Картвелишвили В.М., Кузьменко М.Н. Анализ финансовых рынков с помощью нейронных сетей // «Современные аспекты экономики». 2010. -№11 (159).-С. 128-139.

41. Н. Грегори Мэнкью. Макроэкономика. - М. - 1994. - 736 с.

42. Орлов А.И. Устойчивые экономико-математические методы и модели. Разработка и развитие устойчивых экономико-математических методов и моделей для модернизации управления предприятиями. — Saarbrücken (Germany), LAP (Lambert Academic Publishing). - 2011. — 436 c.

43. Орлов А.И. Эконометрика. Изд. 4-е, доп. и перераб. Учебник для вузов. Гриф УМО. — Ростов-на-Дону: Феникс. - 2009. — 572 с.

44. Орлов А.И., Орлова JI.A. Гуляй Россия, от рубля и ... ниже. Интервальная оценка инфляции по независимой информации // Российское предпринимательство. -2004.-№10.-С. 44-50.

45. Пол Э. Самуэльсон, Вильям Д. Нордхаус. Экономика. 18-е издание: пер. с англ. М. : ООО «И.Д.Вильямс». - 2009. - 1360 с.

46. Поляков И.В., Михайленко К.В. Анализ факторов и моделирование инфляции на потребительском рынке в 2000-2001 гг. // Проблемы прогнозирования. -2002.-№3.-С. 152-157.

47. Райская Н., Сергиенко Я., Френкель А. Исследование взаимосвязи факторов инфляционных процессов в России // Экономическая наука современной России. - 1998. -№2. - С. 100-111.

48. Райская Н., Сергиенко Я., Френкель А. Инфляционные процессы в переходной экономике России: особенности, тенденции, факторы // Экономическая наука современной России. -2001. -№1. - С. 16-33.

49. Райская H., Сергиенко Я., Френкель А. Статистическое исследование циклических колебаний развивающегося рынка на примере российской экономики // Вопросы статистики. - 2008. -№10. - С. 4-8.

50. Тарасевич J1.C., Гребенников П.И., Леусский А.И. Макроэкономика: учебник. 7-е изд., испр. и доп. М.: Юрайт-Издат, - 2009. - 654 с.

51. Трегуб И.В., Радченко У.А. Прогнозирование волатильности доходностей активов региональных эмитентов на фондовых рынках // Проблемы анализа и моделирования региональных социально-экономических процессов. Материалы докладов Всероссийской научно-практической конференции, Казань, 22-23 апреля 2010 г.-С. 233-236.

52. Трегуб И.В. Математические модели динамики экономических систем. Монография.- М.: Финакадемия. - 2009, - 160 с.

53. Усов В.В. Деньги. Денежное обращение. Инфляция. -М.: ЮНИТИ, - 1999. - 544 с.

54. Харрис Л. Денежная теория. -М.: Мысль, - 1990. - 728 с.

55. Хейс Д. Причинный анализ в статистических исследованиях. - М.: Финансы и статистика, - 1981. - 255 с.

56. Четыркин E.H. Статистические методы прогнозирования. - М.: Статистика, -1977.-199 с.

57. Шварева Н.В. Инфляционные факторы в 1998-2002 гг. // Проблемы прогнозирования. - 2003. - №2. - С. 72-87.

58. Экономическая статистика // Под ред. Ю.Н. Иванова. - М.: ИНФРА-М, -1998.-480 с.

59. Aron, Janine and John Muellbauer. New Methods for Forecasting Inflation, Applied to the U.S. // manuscript, Nuffield College Oxford. -2010.-59 p.

60. Baillie, R.T. and Ch. Ching-Fun. Analyzing Inflation by the Fractionally Integrated ARIMA-GARCH Model // Journal of Applied Econometrics. -№11. - 1996. - P. 23-40.

61. Baumol, W.J. The Transactions Demand for Cash: An Inventory Theoretic Approach // Quarterly Journal of Economics. -1952, - №66. - P. 545-556.

62. Cagan, Ph. The Monetary Dynamics of Hyperinflation, in: M. Friedman, ed., Studies in the Quantity Theory of Money. Chicago: University of Chicago Press. - 1956. -P. 145-183.

63. Cochrane, John H. What do the VARs Mean?: Measuring the Output Effects of Monetary Policy // Journal of Monetary Economics. - 1998. - № 41 (2). - P. 277-300.

64. Davidson, Russel and James G. MacKinnon. Estimation and Inference in Econometrics. Oxford University Press. - 1993. - 896 p.

65. Driffill, J., G.E. Milzon and A. Ulph. Costs of Inflation. In: B.M. Friedman and F.H. Hahn, eds., Handbook of Monetary Economics. - 1990. - Vol. II. - P. 1013-66.

66. Engle, R.F. and C.W.J. Granger. Cointegration and Error - Correction: Representation, Estimation and Testing // Econometrica. - 1987. - №55 (2). - P. 251-276.

67. Engle, R.F. Estimates of the Variance of US Inflation Based on ARCH Model // Journal of Money, Credit and Banking. - 1983.-№15.-P. 286-301.

68. Englsted, T., Does the Long-Term Interest Rate Predict Future Inflation? A Multi-Country Analysis // Review of Economics and Statistics. - 1995. - №77 (1). — P. 42-54.

69. Evans, M. Discovering the Link between Inflation Rates and Inflation Uncertainty // Journal of Money, Credit and Banking. - 1991. - №23. - P. 169-184.

70. Fama, E.F. Short-Term Interest Rates as Predictors of Inflation // American Economic Review. - 1975. - №65 (3). - P. 269-282.

71. Fisher, S. Towards an Understanding of the Costs of Inflation, II. In: K. Brunner, A. Meltzer, eds., The Costs and Consequences of Inflation. Carnegie-Rochester Conference Series on Public Policy. Amsterdam: North-Holland. - 1981. - №15. - P. 5-41.

72. Friedman, M. The Quantity Theory of Money: A Restatement. In: M. Friedman, ed., Studies in the Quantity Theory of Money. Chicago: University of Chicago Press. - 1956. -P. 123-154.

73. George, E. I. and R. E. McCulloch. Variable Selection Via Gibbs Sampling // Journal of the American Statistical Association. - 1993. -№88. - P. 881-889.

74. Glosten L.R., Jagannathan R., Runkle D. Relationship between the expected value and the volatility of the nominal excess return on stocks // Journal of Finance. - 1993. -№48.-P. 1779-1802.

75. Granger, C.W.J. Investigating Casual Relations by Econometric Models and Cross-Spectral Methods // Econometrica. -1969. - №37. - P. 424-38.

76. Granvill, B. and M. Rockinger. Testing the Fisher Relation: the case of Russia // CR601, Groupe HEC, Paris. - 1997. - P. 45-79.

77. Greene, W.H. Econometric Analysis. 4th ed., New Jersey, Prentice Hall. - 2000. -457 p.

78. Groen J.J.J., Richard Paap, Francesco Ravazzolo. Real-Time Inflation Forecasting in a Changing World // Federal Reserve Bank of New York Staff Report no. 388. - 2009. Revised May 2012. - 59 p.

79. Groen, J.J.J, and H. Mumtaz. Investigating the Structural Stability of the Phillips Curve Relationship. Working Paper 350. Bank of England. - 2008. - 43 p.

80. Hamilton J. Time Series Analysis. Princeton Univ. Pr., - 1994. - 304 p.

81. Hansen, Lars P. and Thomas J. Sargent. Two Problems in Interpreting Vector Autoregressions. In Rational Expectation Econometrics. Lars P. Hansen and Thomas J. Sargent, editors. Boulder: Westview. - 1991. - P. 48-95.

82. Hayashi F. Econometrics. Princeton Univ. Pr., - 2000. - 458 p.

83. Johansen S. and K. Juselius. Maximum Likelihood Estimation and Inferences of Cointegration - with applications to the demand for money // Oxford Bulletin of Economics and Statistics. - 1990. -№52. - P. 169-210.

84. Johansen S. and K. Juselius. Testing of structural hypotheses in a multivariate cointegration analysis of the PPP and the UIP for the UK // Journal of Econometrics. - 1992. -№53. -P. 211-244.

85. Johansen S. Estimation and hypothesis testing of cointegration vectors in presence of linear trend//Econometrica. - 1991.-№51.-P. 1551-1580.

86. Johansen, S. Statistical analysis of cointegration vectors // Journal of Economic Dynamic and Control. - 1988. -№12. - P. 231-254.

87. Justiniano, A. and G. E. Primiceri. The Time-Varying Volatility of Macroeconomic Fluctuations // American Economic Review. - 2008. - №98. - P. 604-641.

88. Koop, G. and S. Potter. Estimation and forecasting in models with multiple breaks // Review of Economic Studies. - 2007. - P. 763-789.

89. LejonhufVud, A. and D. Heymann. High Inflations. Oxford University Press. -1994.-347 p.

90. McCallum B.T. Inflation: Theory and Evidence // Friedman B.M., Hahn F.H. (Eds). Handbook of Monetary Economics, - 1990. - P. 189-221.

91. Mishkin, F., Is the Fisher Effect for Real? A Reexamination of Relationship between Inflation and Interest Rate // Journal of Monetary Economics. - 1992. - №30. -P.195-215.

92. Mishkin, F., The Information in the Longer Maturity Term Structure about Future Inflation // The Quarterly Journal of Economics. - 1990. - №422. - P. 815-828.

93. Orphanides, A. and S. van Norden. The Reliability of Ination Forecasts Based on Output Gap Estimates in Real Time // Journal of Money, Credit and Banking. - 2005. -№37.-P. 583-601.

94. Ragan, C. Deriving Agents' Inflation Forecasts from the Term Structure of Interest Rates // Working Paper №1, Bank of Canada. - 1995. - 68 p.

95. Roberds, W., D. Runckle and C.H. Whiteman. A Daily View of Yield Spreads and Short-Term Interest Rate Movements // Journal of Money, Credit and Banking. - 1996. -№28(1).-P. 34-53.

96. Romer, D. Advanced Macroeconomics. California Univ. Press, - 1996. - 459 p.

97. Sheshinski, E. and Y. Weiss. Inflation and the Costs of Price Adjustment // Review of Economic Studies. - 1977. - №44. - P. 287-303.

98. Sims, C.A. Money, Income and Casuality // American Economic Review. -1972.-№62.-P. 540-52.

99. Sims, Christopher. A. Macroeconomics in Reality // Econometrica. - 1980. - 48. -P. 1-48.

100. Stock J.H., Watson M.W. Vector Autoregression // Prep. For Journal of Economic Perspectives Symposium of Econometric Tools. - 2001. - 46 p.

101. Stock, J.H., and M.W. Watson. Why Has U.S. Inflation Become Harder to Forecast? // Journal of Money, Credit, and Banking. - 2007. - №39. - P. 3-34.

102. Stock, J.H., and M.W. Watson. Modeling Inflation After Crisis // Manuscript for Federal Reserve Bank of Kansas City Symposium "Macroeconomic Policy: Post-Crisis and Risks Ahead" Jackson Hole. Wyoming. - 2010. - 45 p.

103. Tobin, J. The Interest Elasticity of Transactions Demand for Cash // Review of Economics and Statistics. - 1956. -№38. - P. 241-247.

104. Tzavalis, E. and M.R. Wickens. Forecasting Inflation from the Term Structure // Journal of Empirical Finance. - 1996. -№3. - P. 103-122.

105. Verbeek, M.A. Guide to Modern Econometrics. Wiley. - 2000. - 148 p.

106. Watson, Mark. W. Vector Autoregressions and Cointegration // Handbook of Econometrics. Robert Engle and Daniel McFadden, editors. Amsterdam: Elsevier. -1994. -№4.-P. 2844-2915.

107. Wright, J. H. Forecasting U.S. Inflation by Bayesian Model Averaging // Journal of Forecasting. -2009. -№28. - P. 131-144.

108. Zellner, A. An efficient method of estimating seemingly unrelated regressions, and tests for aggregation bias // Journal of the American Statistical Association. - 1962. -№57. - P. 348-368.