Влияние современной монетарной политики на динамику основных макроэкономических показателей в России тема диссертации и автореферата по ВАК РФ 08.00.01, кандидат наук Тиунова Марина Григорьевна
Тиунова Марина Григорьевна
кандидат наук
2019
- Специальность ВАК РФ08.00.01
- Количество страниц 185
Оглавление диссертации кандидат наук Тиунова Марина Григорьевна
Оглавление........................................................................................................................................2
Введение.............................................................................................................................................3
Глава 1. Воздействие недискреционной денежно-кредитной политики на экономику развитых стран и стран с формирующимися рынками.........................................................14
1.1 Последствия перехода к режиму таргетирования инфляции в странах с различным уровнем развития..............................................................................................................................14
1.2 Применение монетарных правил при режиме таргетирования инфляции...........................30
1.3 Обзор эмпирических исследований оценки воздействия монетарной политики на динамику макроэкономических показателей................................................................................48
1.4 Выводы........................................................................................................................................69
Глава 2. Теоретические основы оценки эффективности денежно-кредитной политики в России...............................................................................................................................................70
2.1 Обзор теоретических и эмпирических исследований влияния монетарной политики на российскую экономику....................................................................................................................70
2.2 Инфляционное таргетирование в России.................................................................................79
2.3 Методологические основы байесовского подхода к оценке векторных авторегрессий ... 111
2.4 Выводы......................................................................................................................................119
Глава 3. Моделирование воздействия денежно-кредитной политики на экономическую активность в России....................................................................................................................120
3.1 Экономическая активность в России в контексте глобальной экономики.........................120
3.2 Спецификация модели байесовской структурной векторной авторегрессии BSVAR......131
3.3 Данные и структурная идентификация модели.....................................................................135
3.4 Результаты моделирования......................................................................................................141
3.5 Выводы......................................................................................................................................154
Заключение....................................................................................................................................156
Список литературы.....................................................................................................................158
Приложение А...............................................................................................................................172
Приложение Б...............................................................................................................................174
Приложение В...............................................................................................................................175
Введение
Рекомендованный список диссертаций по специальности «Экономическая теория», 08.00.01 шифр ВАК
Валютный канал денежной трансмиссии: зарубежный и российский опыт2022 год, кандидат наук Гребенкина Алина Михайловна
Моделирование влияния выбора целевого ориентира монетарной политики на экономический рост2017 год, доктор наук Картаев Филипп Сергеевич
Концепция перехода к инфляционному таргетированию в России2007 год, доктор экономических наук Корищенко, Константин Николаевич
Теоретические и методологические подходы к формированию денежно-кредитной политики в Российской Федерации2011 год, доктор экономических наук Дробышевский, Сергей Михайлович
Выявление основных макроэкономических шоков в России, оценка их влияния на экономику и выводы для денежно-кредитной политики2015 год, кандидат наук Ломиворотов, Родион Владимирович
Введение диссертации (часть автореферата) на тему «Влияние современной монетарной политики на динамику основных макроэкономических показателей в России»
Актуальность темы исследования
Банк России перешел к режиму таргетирования инфляции в ноябре 2014 г. Многие из стран с формирующимися рынками (EME)1 осуществили этот переход несколько раньше. Переход к режиму инфляционного таргетирования (ИТ), как показывает практика, связан со многими благоприятными последствиями для экономики в целом, среди которых снижение инфляции, амплитуды колебаний макроэкономических показателей и создание условий для долгосрочного роста экономики.
Вместе с тем переход Банка России к режиму инфляционного таргетирования вызвал активные дискуссии в экспертном сообществе. Сторонники инфляционного таргетирования отмечали, что опыт реализации инфляционного таргетирования мировыми центральными банками свидетельствует в пользу эффективности данного режима в странах с различным уровнем развития и структурой экономики.
Критики инфляционного таргетирования в России, напротив, утверждали, что смена ориентиров денежно-кредитной политики в пользу инфляционного таргетирования не может быть удачно реализована в России с учетом высокой зависимости российской экономики от внешних шоков.
Отмечалось, что инфляция в России зависит от колебаний валютного курса, в то время как российский рубль является сырьевой валютой и его динамика во многом определяется условиями глобального рынка энергоресурсов. Поэтому, как утверждалось, режим фиксированного валютного курса является более предпочтительным по сравнению с плавающим курсообразованием с точки зрения способности денежных властей воздействовать на инфляционные процессы. Кроме того, как считали некоторые эксперты, существенное ужесточение денежно-кредитной политики (ДКП) на момент перехода к инфляционному таргетированию с учетом низкой монетизации экономики России привело к падению показателей реального сектора экономики (совокупного выпуска, производственной активности, доходов населения).
Стоит отметить, что смена режима валютного курса в политике Банка России произошла в период повышенной волатильности на национальном финансовом рынке, что было связано с рядом внешних шоков и локальными рисками (снижение мировых цен на нефть, сигналы ФРС США о сворачивании программы количественного смягчения, усиление геополитической напряженности и санкционная политика в отношении России). Эти события внесли значимый
1 EME (emerging market economies) - страны с формирующимися рынками.
вклад в изменение индикаторов российского финансового рынка в этот период и повлияли на ожидания экономических агентов, что привело к ослаблению рубля, росту курсовой волатильности и всплеску инфляции.
С учетом активных дискуссий в научном сообществе относительно влияния денежно-кредитной политики Банка России на основные макроэкономические показатели (совокупный выпуск и его компоненты, промышленное производство, строительство, оборот розничной торговли, потребительские цены, валютный курс) оценка эффектов политики регулятора, в том числе в период инфляционного таргетирования (2015-2019 гг.), является необходимой. Это позволит сделать выводы о том, насколько оправданным было изменение режима денежно-кредитного регулирования Банком России, позволила ли смена ориентиров монетарной политики снизить инфляционное давление в стране, и к каким последствиям для реального сектора экономики это привело.
Получение количественной оценки влияния изменения инструментов денежно-кредитной политики и ключевых финансовых и монетарных переменных на макроэкономические показатели в России и качественный анализ политики Банка России на современном этапе позволят сформулировать рекомендации для регулятора относительно повышения эффективности трансмиссионного механизма ДКП. Это особенно важно с учетом высокой значимости денежно-кредитной политики в системе экономического регулирования в России, влияющего на процесс поддержания ценовой и финансовой стабильности и создания экономических условий, направленных на обеспечение экономического роста и благосостояния населения.
Степень научной разработанности проблемы
Настоящее исследование базируется на трудах ученых-экономистов, занимающихся проблемами денежно-кредитного регулирования и политики инфляционного таргетирования как в России, так и за рубежом.
Теория инфляционного таргетирования и макроэкономические последствия перехода к этому режиму монетарной политики изучались в работах Svensson L.E.O., Rose A.K., Ball L., Sheridan N., Mishkin F.S., Картаева Ф.С., Трунина П.В., Божечковой А.В., Киюцевской А.М2 При этом более высокая эффективность перехода к режиму инфляционного таргетирования в странах с формирующимися рынками была отмечена в работах Kabundi A., Mlachila M., Allem A., Lahiani A., Gonçalves C.E.S., Salles J.M., Картаева Ф.С. Результаты исследований Taylor J. B., Clarida R., Gali J., Gertler M. подтверждают высокую значимость недискреционной монетарной политики (инфляционное таргетирование) в странах с различным уровнем развития. В работах Menna L.,
2 Ссылки на работы всех указанных авторов содержатся в списке литературы кандидатской диссертации.
Tobal M., Rey H., Cavallino P., Sandri D., Mukhin D., Egorov K. поднимается проблема ограниченной эффективности политики центральных банков в развивающихся странах в условиях свободного перемещения международного капитала.
Эмпирическая оценка воздействия инструментов монетарной политики на экономическую активность в развитых и развивающихся странах строилась на основе динамических стохастических моделей общего равновесия DSGE (Dynamic Stochastic General Equilibrium), моделей с распределенными лагами ARDL (Autoregressive Distributed Lag) и векторных авторегрессий VAR (Vector Autoregression). Разработкой байесовских векторных авторегрессий BVAR (Bayesian Vector Autoregression) занимались такие экономисты как Bhuiyan R., Bloor C., Matheson T., Banbura M., Giannone D., Reichlin L.
Специфика политики Банка России на современном этапе раскрывается в работах Юдаевой К.В., Синякова А.А., Бадасен П.В., Исакова А.В., Хазанова А.А., Кудрина А.Л., Трунина П.В., Горюнова Е.Л., Дробышевского С.М. Критический анализ режима инфляционного таргетирования в России был произведен в научных работах Глазьева С.Ю., Некипелова А.Д., Головнина М.Ю., Апокина А.Ю., Белоусова Д.Р., Голощаповой И.О., Ипатовой И.Б., Солнцева О.Г. При режиме инфляционного таргетирования важную роль приобретает информационная политика центральных банков, которая позволяет управлять инфляционными ожиданиями населения. Оценка качества политики вербальных интервенций Банка России осуществлялась в работах Кузнецовой О.С., Мерлякова С.А., Хабибуллина Р.А., Ульяновой С.Р., Юдаевой К.В., Исакова А.В., Гришина П.А., Горлинского О.Ю.
Оценка макроэкономических эффектов денежно-кредитного регулирования в России, как и в зарубежных работах, осуществляется при помощи теоретических макроэкономических моделей DSGE (статьи Шульгина А.Г., Малаховской О.А., Минабутдинова А.Р., Полбина А.В.) и эмпирических моделей векторной авторегрессии VAR (работы Ващелюк Н.В., Полбина А.В., Трунина П.В., Бадасен П.В., Картаева Ф.С., Хазанова А.А.). Наиболее свежие работы современных исследователей по анализу монетарной политики в России применяют методологию байесовской оценки моделей векторной авторегрессии. Среди таких исследований стоит выделить основополагающие работы Демешева Б.Б., Малаховской О.А., Ломиворотова Р.В., Пестовой А.А., Мамонова М.М. Однако в этих статьях исследуются данные российской статистики до 2015-2016 гг., таким образом, политика Банка России в последние годы (2017-2019 гг.) остается за пределами внимания исследователей. Более того, авторы указанных работ не оценивают эффекты монетарной политики исключительно в период инфляционного таргетирования (2015-2019 гг.). Это создает возможности для проведения настоящего исследования.
Цель и задачи исследования
Цель работы состоит в определении степени влияния инструментов денежно-кредитной политики Банка России на ключевые показатели, характеризующие динамику макроэкономической конъюнктуры в России.
Для достижения данной цели были поставлены следующие задачи:
1. сравнить параметры денежно-кредитной сферы экономики и фундаментальные макроэкономические показатели в России и других странах с формирующимися рынками, придерживающихся режима инфляционного таргетирования;
2. систематизировать взгляды сторонников и критиков инфляционного таргетирования в России;
3. оценить степень эффективности информационной политики Банка России при режиме инфляционного таргетирования;
4. определить место денежно-кредитной политики Банка России в системе экономического регулирования в России;
5. оценить влияние инструментов монетарной политики Банка России на динамику показателей реального сектора экономики;
6. определить воздействие денежно-кредитной политики Банка России на инфляционные процессы в условиях инфляционного таргетирования в России, а также оценить масштаб эффекта переноса валютного курса в цены.
Объект и предмет исследования
Объектом исследования является денежно-кредитная политика Банка России, а предметом исследования - воздействие инструментов монетарной политики Банка России на экономическую активность в России.
Научная новизна исследования состоит в следующем.
1. Произведено сравнение значений фундаментальных макроэкономических показателей, параметров денежно-кредитной сферы экономики и индикаторов финансового рынка в России и других странах с формирующимися рынками, осуществляющими инфляционное таргетирование. В работе сделан вывод о том, что динамика индикаторов российского финансового рынка и монетарных показателей соответствует тенденциям, свойственным другим странам с формирующимися рынками с сопоставимым уровнем развития3. При этом Россия характеризуется наилучшими значениями фундаментальных показателей, что объясняет
3 В настоящем исследовании к числу стран с формирующимися рынками с сопоставимым уровнем развития относятся Бразилия, Индия, Индонезия, ЮАР, Мексика и Колумбия с учетом схожей с Россией структурой экономики и уровнем риска на финансовых рынках.
высокий уровень макроэкономической и финансовой стабильности в стране на современном этапе4.
2. Систематизированы взгляды сторонников и критиков режима инфляционного таргетирования в России. Показано, что критики инфляционного таргетирования считают, что ужесточение денежно-кредитной политики на момент перехода к режиму инфляционного таргетирования оказало значимый негативный эффект на динамику реального сектора экономики, при этом переход к плавающему курсообразованию с учетом высокой доли импорта в потреблении привел к всплеску инфляции, поэтому задача обеспечения ценовой и финансовой стабильности не была решена. Сторонники инфляционного таргетирования отмечают, что ограничения экономического роста в России носят структурный характер, поэтому смягчение монетарной политики не приведет к росту экономической активности в краткосрочном периоде. При этом на современном этапе был достигнут целевой уровень инфляции и обеспечено стабильное функционирование валютного рынка.
На основе данных различных стран с формирующимся рынками в 2005-2018 гг. обосновано, что увеличение денежного предложения приводит к росту инфляции во всех рассмотренных странах и к увеличению кредитной активности только в некоторых из них. Таким образом, проведение стимулирующей денежно-кредитной политики в России связано с проинфляционными рисками при потенциальном ограниченном воздействии на кредитную и экономическую активность. Ужесточение денежно-кредитной политики Банка России при переходе к режиму инфляционного таргетирования оказало незначительное воздействие на уровень монетизации российской экономики.
3. Осуществлена оценка качества коммуникационной политики Банка России на основе средней абсолютной ошибки прогноза рыночными аналитиками ключевой ставки Банка России. Показано, что уровень предсказуемости политики денежных властей в России соответствует уровню других стран с формирующимися рынками с инфляционным таргетированием. При этом существует пространство для дальнейшего улучшения коммуникационной стратегии денежных властей.
4. Показано, что политика Банка России на современном этапе соответствует системе контрциклического экономического регулирования, включающего режим инфляционного таргетирования, фискальное правило и макропруденциальную политику. В работе отмечено, что при режиме плавающего валютного курса произошло снижение зависимости параметров национальной экономики и финансовой системы от динамики глобального нефтяного рынка.
4 Имеется в виду период 2017-2019 гг., в то время как 2014-2016 гг. соответствуют периоду финансового стресса на финансовом рынке.
Управление процентной ставкой позволило снизить степень процикличности экономики и финансовой системы относительно глобального сырьевого цикла.
5. Выявлено, что до перехода к режиму инфляционного таргетирования увеличение денежной базы и укрепление российского рубля приводило к росту показателей реального сектора экономики, при этом изменение процентных ставок не оказывало воздействия на динамику реального сектора. В условиях инфляционного таргетирования изменение денежной базы не оказывает влияния на уровень производства в России. Канал валютного курса трансмиссионного механизма денежно-кредитной политики сохраняет значимость после смены режима денежно-кредитной политики. При режиме инфляционного таргетирования канал процентной ставки трансмиссионного механизма монетарной политики становится работоспособным. При этом статистически значимая взаимосвязь между изменением процентных ставок и динамикой переменных реального сектора экономики лишена экономической значимости. Таким образом, обосновано, что увеличение процентных ставок при режиме инфляционного таргетирования оказывает слабоотрицательное воздействие на динамику переменных реального сектора экономики.
6. Показано, что при режиме инфляционного таргетирования произошло снижение инфляции до исторически минимальных значений и сформирован тренд на устойчивое снижение инфляционных ожиданий экономических агентов. Изменение годовых темпов роста потребительских цен происходит вокруг целевого ориентира на уровне 4%. Осуществлено сравнение масштаба эффекта переноса (ЭП) валютного курса в цены потребительских товаров в России до и после перехода Банка России к режиму инфляционного таргетирования. Выявлено, что максимальная эластичность индекса потребительских цен по валютному курсу снижается с 25% до 4-6% в краткосрочном периоде.
Теоретическая и практическая значимость диссертационного исследования
Теоретическая значимость диссертации состоит в обобщении результатов научных исследований с точки зрения оценки макроэкономических последствий перехода к режиму инфляционного таргетирования центральными банками в развитых (AE)5 и особенно в развивающихся странах (изменение уровня и волатильности инфляции, темпа роста совокупного выпуска, динамики валютного курса и эффекта переноса валютного курса в цены). В работе выделены экономические особенности стран с формирующимися рынками, которые приводят к усилению чувствительности параметров национальной финансовой системы к внешним шокам, что подтверждает необходимость применения в этих странах контрциклической монетарной политики.
5 Advanced economies (AE) - развитые страны.
На основе различных источников в работе обобщена информация о характере современной политики Банка России с позиции влияния решений денежных властей на ситуацию на национальном финансовом рынке. Определено место денежно-кредитной политики Банка России в системе контрциклического экономического регулирования России. Производится систематизация взглядов сторонников и критиков инфляционного таргетирования в России.
В работе производится системный анализ результатов эмпирических исследований оценки воздействия монетарной политики на экономические показатели в зарубежных странах и в России с позиции привлекаемого эконометрического метода и используемых статистических данных, что позволяет сделать вывод о применимости того или иного эконометрического метода в исследованиях, посвященных анализу эффективности политики денежных властей. В диссертации выделяются достоинства и недостатки структурных и неструктурных методов макроэкономического анализа, а также методов построения теоретических моделей общего равновесия DSGE и векторных авторегрессий VAR. В работе выявлены теоретические основы байесовского подхода к оценке векторных авторегрессий.
Практическая значимость исследования
В диссертационном исследовании были разработаны рекомендации для Банка России, направленные на повышение эффективности трансмиссионного механизма денежно-кредитной политики в России. Следование этим рекомендациям позволит повысить контроль регулятора над инфляционными процессами и ситуацией на внутреннем финансовом рынке России.
Материалы диссертационного исследования могут использоваться при разработке рабочих программ учебных дисциплин в области макроэкономического анализа и денежно-кредитного регулирования экономических факультетов ВУЗов России.
Методы исследования
Теоретической основой работы является теория денежно-кредитной политики, монетаристский и новокейнсианский подходы к оценке эффективности денежно-кредитной политики, теория инфляционного таргетирования, теория рациональных ожиданий.
В диссертации применяются общенаучные и специальные методы исследования. В качестве общенаучных методов исследования можно выделить методы анализа, синтеза, индукции, дедукции.
В качестве специализированных количественных методов исследования можно отметить следующее. Во-первых, в работе применяется процедура расчета средней абсолютной ошибки прогноза ключевой ставки Банка России рыночными аналитиками, что является косвенной оценкой качества политики вербальных интервенций регулятора. Во-вторых, для сравнения фундаментальных макроэкономических показателей различных стран с формирующимися
рынками применяется метод ранжирования. В-третьих, при разработке карты рисков для глобальной экономики применяется метод линейного масштабирования для нормирования значений показателей, характеризующих уязвимость мировой финансовой системы. В-четвертых, в работе применяется метод эконометрического моделирования. Основным эконометрическим методом исследования является модель структурной векторной авторегрессии, оцененной при помощи байесовских методов, BSVAR (Bayesian Structural Vector Autoregression). Структурная идентификация модели основана на рекурсивном ранжировании переменных и разложении матрицы ошибок по Холецкому. Оценка воздействия внешних шоков, финансовых и монетарных переменных на динамику макроэкономических переменных строится на основе функций импульсного отклика модели BSVAR. Эмпирические расчеты модели осуществляются в программном пакете Matlab. Первоначальная статистическая обработка данных производилась в программе Eviews.
Информационная база исследования создана на основе научных публикаций ведущих ученых в области исследования денежно-кредитной политики и инфляционного таргетирования в России и за рубежом, а также ресурсов Росстата, Банка России, Министерства финансов России, Банка международных расчетов, Международного валютного фонда, а также терминалов статистической и финансовой информации Bloomberg и Thomson Reuters.
Положения, выносимые на защиту
1. Динамика показателей денежно-кредитной сферы экономики и индикаторов финансового рынка в России соответствует тенденциям, характерным для развивающихся стран с сопоставимым уровнем развития и инфляционным таргетированием. Высокий уровень макроэкономической стабильности в России, достигнутый в последние годы, обусловлен устойчивостью фундаментальных показателей.
2. По мнению критиков инфляционного таргетирования в России, ужесточение денежно-кредитной политики на момент смены режима монетарной политики привело к значимому снижению показателей реального сектора экономики, при этом цели ценовой и финансовой стабильности в условиях значительного ослабления российского рубля достигнуты не были. Сторонники инфляционного таргетирования отмечают, что изменение инструментов монетарной политики оказывает слабое воздействие на динамику переменных реального сектора экономики. При этом в среднесрочной перспективе смена ориентиров денежно-кредитной политики привела к снижению инфляции до исторически минимальных значений, а инструменты Банка России позволяют обеспечить стабильное функционирование валютного рынка. Результаты проведенного исследования в большей мере подтверждают позицию сторонников инфляционного таргетирования в России. Проведение политики монетарного стимулирования
связано с инфляционными рисками при незначительном воздействии на экономическую активность.
3. Качество информационной политики Банка России соответствует уровню стран с формирующимися рынками с сопоставимым уровнем развития и инфляционным таргетированием. Дальнейшее развитие политики вербальных интервенций будет способствовать повышению эффективности инфляционного таргетирования Банка России.
4. Инфляционное таргетирование является важным элементом системы контрциклического экономического регулирования в России на современном этапе. Проведение политики инфляционного таргетирования позволило снизить зависимость параметров национальной экономики и финансовой системы от внешних рынков и уровень корреляции в изменении параметров национального финансового и глобального сырьевого циклов. Переход к инфляционному таргетированию способствовал снижению корреляции между показателями волатильности нефтяных цен и обменного курса рубля с 0,69 (2006-2013 гг.) до 0,09 (2017-2019 гг.).
5. На горизонте двух последних десятилетий денежно-кредитная политика в России была эффективной, то есть изменения инструментов монетарной политики оказывали значимое воздействие на динамику показателей реального сектора экономики. Увеличение денежной базы на 1% приводило к росту промышленного производства на 0,03% в 2001-2014 гг. Изменение валютного курса влияло на экономическую активность до и после смены ориентиров политики Банка России: наибольшая чувствительность к изменению номинального валютного курса была характерна для строительства (эластичность по валютному курсу равна 0,21 в 2001-2014 гг.) и оборота розничной торговли (эластичность составила 0,10 в 2015-2019 гг.) как индикаторов инвестиций и потребления соответственно. Современная ограничительная политика Банка России по управлению процентными ставками оказала слабоотрицательное воздействие на динамику переменных реального сектора экономики.
6. Политика Банка России способствует обеспечению ценовой и финансовой стабильности в России. В условиях инфляционного таргетирования произошло снижение величины эффекта переноса валютного курса в цены с 25% до 4-6% в краткосрочном периоде.
Степень достоверности результатов
Степень достоверности результатов обеспечивается следующими критериями:
1. Выводы диссертационного исследования соответствуют положениям экономической теории и основаны на комплексном применении общих и специальных методов исследования.
2. Достоверность результатов научной работы обеспечивается использованием достоверных статистических данных из открытых источников, корректным применением методов эконометрического анализа для их оценки и анализом качества полученных результатов.
3. Достоверность выводов диссертационного исследования подтверждается апробацией результатов научной работы на международных конференциях и публикацией в ведущих научных журналов по экономической теории.
Соответствие диссертации паспорту научной специальности
Диссертационное исследование соответствует следующим пунктам паспорта научной специальности 08.00.01 - «Экономическая теория» (Область исследования - 1. Общая экономическая теория):
1.1. Политическая экономия: формирование экономической политики (стратегии) государства;
1.2. Макроэкономическая теория: теория денег; теория инфляции.
Апробация результатов исследования
Основные положения и выводы диссертационного исследования были представлены в докладах и выступлениях на следующих конференциях: международная конференция студентов, аспирантов и молодых ученых «Ломоносов 2016» (г. Москва, 11-15 апреля 2016 г.), международная конференция студентов, аспирантов и молодых ученых «Ломоносов 2017» (г. Москва, 10-14 апреля 2017 г.), международная конференция «Ломоносовские чтения-2018» (г. Москва, 16-23 апреля 2018 г.), XVI Ежегодный научный семинар Европейской системы центральных банков по анализу процессов на развивающихся рынках «Управление рисками и вызовы для политики в чрезвычайно сложных условиях»6 (г. Рим (Италия), 22-23 ноября 2018 г.), международная конференция «Ломоносовские чтения-2019» (г. Москва, 15-19 апреля 2019 г.).
Основные положения и результаты диссертационного исследования изложены в 7 опубликованных работах (общим объемом 9,7 п.л., в том числе авторских - 9,7 п.л.), в том числе в 3 статьях в журналах, входящих в международную базу RSCI Web of Science (4,9 п.л., авторские - 4,9 п.л.), в 3 статьях в журналах из «Перечня журналов диссоветов МГУ» (3,1 п.л., авторские -3,1 п.л.) и 1 статье в журнале из списка ВАК (1,7 п.л., авторские - 1,7 п.л.).
Похожие диссертационные работы по специальности «Экономическая теория», 08.00.01 шифр ВАК
Монетарные и немонетарные факторы инфляционного процесса в переходной российской экономике2000 год, доктор экономических наук Малкина, Марина Юрьевна
Денежно-кредитное регулирование инфляционных процессов в условиях глобализации2006 год, кандидат экономических наук Филёва, Елена Владимировна
Статистический анализ монетарного фактора инфляции в России2011 год, кандидат экономических наук Поршаков, Алексей Сергеевич
Зарубежный опыт таргетирования инфляции и перспективы его использования в России2012 год, кандидат экономических наук Свирина, Екатерина Михайловна
Таргетирование в денежно-кредитной политике Евросоюза: эволюция и результативность2010 год, кандидат экономических наук Кондратов, Дмитрий Игоревич
Список литературы диссертационного исследования кандидат наук Тиунова Марина Григорьевна, 2019 год
- — \
IN (N (N m m m
о О О О О О о
IN IN (N IN IN IN in
L/Í oí L/Í oí
Бразилия
Индонезия
Колумбия
Россия ■ЮАР
Индия Мексика
-Ж— Среднее ЕМЕ
Рис. 16. Годовые темпы роста индекса потребительских цен в России и странах ЕМЕ с
близким суверенным рейтингом. Источник: Bloomberg (www.bloomberg.com) (дата обращения: 01.09.2019 г.).
В результате усиления волатильности на финансовом рынке в 2014-2015 гг. и последующего ужесточения монетарной политики средний уровень базовой ставки центрального банка в России в октябре 2013 г. - сентябре 2019 г. составил 9,1%, что ниже, чем в Бразилии (10,4%), но выше, чем в ЮАР (6,4%), Индии (6,2%), Мексике (5,3%) и Колумбии (5,0%) (рис. 17).
16 14 12 10 8 6 4 2
m
1 0
гм о
4 1 0
4 1 0
6 0
1Л 1Л 1Л ю ю ю
00 00 00 о о
OINIOOINIOOINIOOINIOOINIO *НОО*НОО*НОО*НОО*НОО
Бразилия ЮАР
Россия Мексика
Индия Колумбия
Индонезия
Рис. 17. Базовые процентные ставки центральных банков в России и странах ЕМЕ с
близким суверенным рейтингом. Источник: Bloomberg (www.bloomberg.com) (дата обращения: 15.10.2019 г.).
Несмотря на это, уровень монетизации российской экономики находится на довольно высоком уровне (рис. 18): в 2000-2018 гг. этот показатель составил 34,6%, что практически соответствует уровню Бразилии (32,8%) и Колумбии (36,7%).
63
53
43
33
23 О-
13
о*нгмго^-1Л101^оост>о*-1г\|го^-1Л101^оа
ооооооооооооооооооа
(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N
Бразилия
ЮАР
Россия
-Индонезия -Турция
Колумбия Среднее ЕМЕ
Рис. 18. Коэффициент монетизации экономики России и стран ЕМЕ с близким
суверенным рейтингом. Источник: Bloomberg (www.bloomberg.com), Thomson Reuters (www.thomsomeuters.com), расчеты автора (дата обращения: 01.09.2019 г.).
Несколько выше этот показатель в Индонезии (41.
Турции (47,2%) и ЮАР (58,8%).
Гораздо ниже уровень монетизации экономики Мексики (8,2%), Аргентины (в 2004-2018 гг. показатель составил 4,3%) и Индии (в 2012-2018 гг. показатель составил 17,9%).
Текущая политика финансовых властей в России отвечает задачам поддержания ценовой и финансовой стабильности [Тиунова, 2019b] и создания условий, благоприятствующих экономическому росту. Система инструментов монетарной политики (инфляционное таргетирование), фискальной (бюджетное правило) и макропруденциальной политики способствуют снижению корреляции в изменении параметров национальной финансовой системы и глобальных рынков46 [Coulibaly, 2012] и чувствительности экономики к внешним шокам с учетом сырьевого характера российской экономики [Medina, Soto, 2014]. По данным [Mollick et al., 2011], страны с инфляционным таргетированием претерпевали меньшие потери во времена мирового финансового кризиса 2007-2009 гг.
Сохранение высоких процентных ставок на фоне макроэкономической стабильности способствует повышению привлекательности российских финансовых активов для глобальных инвесторов (рис. 19).
40 35 30 25 20 15 10 5 0
0 2
0000000000000000 2222222222222222
0000 2222
4 0
4 0
4 0
4 0
00 гм 01
4 0
4 0
14
13
12
11
10
9
8
7
6
0
гм
0
Доля вложений нерезидентов на рынке государственного долга России (ОФЗ) ■Доходность государственных облигаций России в нац. валюте (правая шкала)
Рис. 19. Доходность государственных облигаций России на срок 10 лет (%) и доля вложений нерезидентов на рынке государственного долга (ОФЗ) (%). Источник: Банк России (www.cbr.ru), Bloomberg (www.bloomberg.com) (дата обращения:
25.07.2019 г.).
46 В сырьевых экономиках параметры национального финансового цикла и глобального сырьевого цикла тесно коррелированы. В случае резкого ухудшения условий мировой торговли может произойти существенное увеличение системного риска в связи с невозможностью экономических агентов исполнять свои обязательства, которые были взяты в период устойчивого притока валютной выручки на внутренний финансовый рынок [Банк России, 2017а].
Как отмечается в работе [Rose, 2006], развивающиеся страны с инфляционным таргетированием реже страдают от резкого оттока капитала с национального финансового рынка («sudden stops»). Российский финансовый рынок характеризуется высоким уровнем присутствия нерезидентов. Таким образом, сохранение сравнительно высоких процентных ставок благоприятствует сохранению притока капитала на российский финансовый рынок и выступает фактором поддержки стабильности рубля.
Режим плавающего валютного курса (ПВК) имеет значительные преимущества по сравнению с режимом фиксированного валютного курса (ФВК). ПВК выступает встроенным стабилизатором экономики, находящейся под действием внешних шоков (происходит автоматическая подстройка платежного баланса). Внутреннее потребление может поддерживаться на постоянном уровне в результате импортозамещения. В отличие от режима ФВК не происходит жесткой привязки условий на внутреннем рынке к ДКП в других странах47. При режиме плавающего валютного курса отмечается снижение риска рыночных спекуляций: спекулятивная игра на ослабление национальной валюты связана с повышенным риском, поэтому рыночные игроки вынуждены хеджировать риски. Это способствует повышению осторожности в поведении инвесторов. При ПВК валютный курс близок к фундаментальному уровню, что минимизирует искажения для реального сектора экономики.
Во многих сырьевых экспортерах отмечается успешная реализация инфляционного таргетирования - Бразилии, Чили, Австралии, Канаде, Колумбии и др. [Юдаева, 2014]. Конъюнктура низкой инфляции (более низкий эффект переноса валютного курса в цены) способствует снижению значимости колебания условий торговли для динамики цен. Плавающий валютный курс абсорбирует внешние шоки и приводит к сокращению колебаний стоимости конечной продукции в ответ на изменение цен на глобальных сырьевых рынках.
Высокая значимость инфляционного таргетирования как контрциклической монетарной политики в стране-сырьевом экспортере состоит в следующем. В случае роста сырьевых цен на глобальном рынке происходит укрепление сырьевых валют и снижение премии за риск (что также способствует притоку иностранного капитала на внутренний рынок). Это стимулирует экономических агентов наращивать долговую нагрузку на внутреннем и внешнем рынке. Таким образом, сырьевые и финансовые циклы в ресурсных экономиках тесно коррелированы. В случае изменения ситуации на мировом рынке энергоресурсов начинается тенденция на делеверидж и происходит накопление системного риска [Банк России, 2017а]. Это приводит к росту волатильности макроэкономических показателей и рискованности экономики.
47 Как показано в работах [Egorov, Mukhin, 2019] и [Cavallino, Sandri, 2019], при высоком уровне долларизации экономики и открытых рынках капитала ДКП в развивающихся странах сильно зависит от политики ведущих центральных банков. Тем не менее, при ПВК этот эффект косвенный и менее существенный, чем при ФВК.
Поэтому регулятору необходимо проводить монетарную политику, направленную на снижение взаимосвязи между параметрами внутреннего финансового и глобального сырьевого цикла. В фазе подъема глобального сырьевого цикла регулятор должен повышать процентные ставки, чтобы не допустить формирование избыточной долговой нагрузки экономическими агентами.
В работе [Тиунова, 2019с] на основе модели байесовской структурной векторной авторегрессии ББУЛВ48 и статистических данных по российской экономике в 2004-2017 гг. показано, что в России, как и других сырьевых экспортерах49, происходит рост кредитования населения и предприятий как в национальной, так и иностранной валюте (в том числе, уровня валютизации) при улучшении условий торговли. При этом в 2015-2017 гг. отмечается снижение степени чувствительности показателей кредитования к динамике мировых цен на нефть (рис. 20). Таким образом, политика инфляционного таргетирования способствовала снижению зависимости параметров национальной финансовой системы от внешних шоков.
Рис. 20. Эластичность основных индикаторов кредитования России по нефтяным ценам в
2004-2014 и 2004-2017 гг. Источник: расчеты автора, [Тиунова, 2019с, с. 57].
Ситуация на валютном рынке после перехода к инфляционному таргетирования также свидетельствует о снижении чувствительности финансовых показателей в России от
48 Спецификация модели Б8УЛЯ в статье [Тиунова, 2019с] соответствует ключевой модели настоящего исследования, подробное описание которой приведено в третьем параграфе второй главы и втором параграфе третьей главы кандидатской диссертации. При оценке спецификации модели на российских данных в статье [Тиунова, 2019с] используется статистика по переменным, описанным в третьем параграфе третьей главы, а также данные по кредитованию физических и юридических лиц в национальной и иностранной валютах. Поскольку исследование динамики параметров кредитной активности не является ключевым вопросом настоящего исследования, в данной работе приведены только финальные результаты оценки чувствительности показателей кредитного риска к шокам нефтяного рынка.
49 Австралия, Канада, Бразилия, Чили, Колумбия.
конъюнктуры внешних рынков. После усиления волатильности в 2014 г. волатильность обменного курса рубля постепенно вернулась к уровням, предшествующим эпизоду финансового стресса 2014-2016 гг. После перехода к режиму инфляционного таргетирования отмечается тренд на снижение волатильности валютного курса вне зависимости от динамики глобального рынка нефти (рис. 21).
90 80 70 60 50 40 30 20 10 0
66 00 00
гм гм
vi
00
|^|^00 00СТ>СТ>ОО<Н<-1ГМГМСГ)(Г)^|-^|-1Л1Л1010|^|^00 00СТ>СТ1
оооооооооооооооооооооооооо
rslrslrslrslrslrslrslrslrslrslrslrslrslrslrslrslrslrslrslrslrslrslrslrsl(N(N ОООООООООООООООООООООООООО
Историческая волатильность нефтяных цен марки Brent (90 дней)
Вмененная волатильность нефтяных цен марки Brent (3 мес.)
Вмененная волатильность обменного курса по паре "долл. США/рубль" (3 мес.)
Рис. 21. Волатильность глобального рынка нефти и обменного курса рубля (%). Источник: Bloomberg (www.bloomberg.com) (дата обращения: 09.10.2019 г.).
С начала 2015 г. вмененная волатильность валютной пары «долл. США/рубль» на срок 3 месяца снизилась на 45 п.п. до 9,5% (по состоянию на 30 сентября 2019 г.), в то время как с начала 2018 г. возобновился рост неопределенности мирового рынка нефти. Коэффициент корреляции между волатильностью нефтяных цен и обменного курса рубля снизился с 0,69 (2006-2013 гг.) до 0,09 (2017-2019 гг.)50.
Основной целью деятельности Банка России является поддержание ценовой и финансовой стабильности, которые способствуют развитию финансового сектора, повышению благосостояния граждан и росту потенциала российской экономики [Банк России, 2018а]. Текущий уровень инфляции в России находится вблизи целевого ориентира Банка России (4%) и соответствует исторически минимальным значениям. Более того, с момента перехода Банка России к режиму инфляционного таргетирования отмечается снижение долгосрочного тренда по
50 Этому также способствовали совершенствование бюджетного правила Министерства финансов России и инструменты макропруденциальной политики Банка России, направленные на ограничение валютизации. Период 2014-2016 гг. исключен из анализа, поскольку он соответствует эпизоду финансового стресса на внутреннем финансовом рынке.
уровню инфляции. В условиях инфляционного таргетирования колебания валютного курса оказывают существенно меньшее воздействие на инфляционные процессы: при значительном увеличении волатильности обменного курса рубля отмечается не рост, а снижение потребительской инфляции (рис. 22, 23).
250 200 150 100 50 0
0 0 0
IN
о
0
01 00 00
IN (N (N vH
0 0
1Л Ю 00
00 01 00
INtNtNINtNtNtNtNtNtNtNtNtNtNtNtN
01 00 00
ID 1Л 00
т (N 00
О! 00 00
00 (N (N ID 1Л 00
I Переход к ИТ
Обменный курс долл. США к рублю, % Годовая потребительская инфляция, %
Рис. 22. Динамика инфляции и обменного курса долл. США к рублю (январь 2000 г.=100%). Источник: Bloomberg (www.bloomberg.com), расчеты автора (дата обращения: 01.09.2019 г.).
800 600
200 0
0000000011111111111111 0000000000000000000000
0100100100100100100100
Переход к ИТ
Вменная волатильность пары "долл. США/рубль" на срок 3 мес., % Годовая потребительская инфляция, %
Рис. 23. Динамика потребительской инфляции и волатильности обменного курса рубля
(март 2005 г.=100%).
Источник: Bloomberg (www.bloomberg.com), расчеты автора (дата обращения: 01.09.2019 г.).
Монетарная политика Банка России выполняет превентивную функцию: регулятор осуществляет изменение ключевой процентной ставки в ответ на изменение инфляционных и курсовых ожиданий в соответствии с оценкой проинфляционных/дезинфляционных рисков
[Банк России, 2019а]. С момента перехода регулятора к режиму инфляционного таргетирования отмечается предупреждающий характер в изменении ключевой процентной ставки относительно динамики инфляции [Лозгачева, 2019] (рис. 24).
^^^В Переход Банка России к управлению процентными ставками
9 Среднегодовой темп роста потребительских цен, % •••<>•• Минимальная ставка по аукционам недельного РЕПО, % годовых < 'Ожидаемая инфляция на 1 год вперед, %
Рис. 24. Динамика инфляции, инфляционных ожиданий и базовой процентной ставки в
России.
Источник: Bloomberg (www.bloomberg.com) (дата обращения: 15.07.2019 г.).
Важную роль в обеспечении устойчивости российской экономики играет фискальная политика [Lin, Ye, 2009]. Контрциклическое бюджетное правило Министерства финансов способствует снижению зависимости параметров национальной экономики от нефтяного цикла: ограничению волатильности валютного курса и поддержанию устойчивости государственных финансов [Тиунова, 2019с]. Также решается проблема доминирования фискальной политики над независимой ДКП. Экономическая политика становится более согласованной.
Во многих странах-экспортерах сырья (которые в значительной степени зависят от колебаний условий торговли) используется недискреционная бюджетно-налоговая политика (рис. 25). Стерилизация валютной выручки используется для пополнения суверенных фондов51 и накопления валютных резервов. Механизм бюджетного правила предполагает, что устанавливается определенный уровень «отсечения» для нефтяных цен52, при превышении
51 Такой же практики придерживается, к примеру, Норвегия. Авторы работы [Bergholt et al., 2019] на основе данных Норвегии в 1995-2015 гг. разрабатывают теоретическую новокейнсианскую макроэкономическую модель страны-нефтеэкспортера. Авторы показывают, что изменение условий глобальной торговли является существенным источником колебаний макроэкономической конъюнктуры: наличие внутренних цепочек создания стоимости приводит к значимому воздействию нефтяных цен на глобальном рынке на параметры несырьевого сектора экономики наряду с нефтяной отраслью. При этом в работе отмечается, что бюджетное правило (аккумулирование фискальными властями валютной выручки в суверенном фонде благосостояния (sovereign wealth fund)) способствует защите национальной экономики от внешних шоков.
52 Цена «отсечения» составляла 40 долл. США за барр. нефти марки Urals в 2017 г., далее происходит ежегодная индексация этого показателя на 2% с 2018 г.
которого сверхдоходы от экспорта энергоресурсов направляются в Фонд национального благосостояния (ФНБ). Такая практика бюджетной политики способствует стабилизации государственного бюджета: в случае низких нефтяных цен на глобальном рынке недополученные доходы государственного бюджета финансируются за счет ФНБ.
Австралия
Бразилия
Канада
Колумбия
Мексика
Нигерия
Россия
Чили
1
правило 2
правила 3 и больше правил
Рис. 25. Применение бюджетных правил (нарасходную часть бюджета, на доходную часть бюджета, на бюджетное сальдо, на управление государственным долгом) в сырьевых
экспортерах в 1985-2015 гг. Источник: МВФ53 (дата обращения: 01.08.2019 г.).
Банк России может приостановить покупки валюты в рамках бюджетного правила для ограничения рисков для финансовой стабильности, как произошло в конце 2018 г. на фоне ухудшения внешнеэкономической конъюнктуры [Банк России, 2018Ь] (рис. 26).
Более того, для снижения зависимости национальной экономики и финансовой системы от внешних шоков Банк России осуществляет макропруденциальную политику. Банк России изменяет коэффициенты риска по кредитным требованиям в отношении населения и компаний. Устанавливаются повышенные коэффициенты риска по необеспеченным потребительским кредитам населению с высокой полной стоимостью кредита (регулирование этого сегмента рыночного кредитования также способствует ограничению инфляционных процессов). Увеличение коэффициентов риска по кредитам в иностранной валюте юридическим лицам, не имеющим достаточного запаса валютной выручки, направлено на снижение уровня валютизации экономики. Эта мера препятствует росту системного риска в случае значительного ослабления
53 иКЬ: https://www.imf.org/external/datamapper/fiscalrules/matrix/matrix.htm
национальной валюты (например, в результате падения глобальных цен на нефть). Также с 1 октября 2019 г. Банк России анонсировал введение повышенных коэффициентов риска по кредитам физическим лицам в зависимости от ПДН (показателя долговой нагрузки заемщика)54.
600 500 400 300 200 100 0
ооооооооооооооооооооооооооооо
(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N
ГМГО^-1Л10|^ООСТ>0 000000001
OOOOOOOOOvl
123456 000000
85 80 75 70 65 60 55 50 45 40
ююююююююююююшшшшшшш
■ Неосуществленные покупки валюты, млрд руб
■ Покупки иностранной валюты в рамках бюджетного правила (без учета отложенных покупок), млрд руб - Цена нефти марки ига1з, долл. США за барр. (правая шкала)
Рис. 26. Покупки иностранной валюты Банком России на открытом рынке в рамках бюджетного правила Министерства финансов (без учета переноса отложенных покупок на 2019 г.) и динамика нефтяных цен. Источник: Минфин55, Thomson Reuters (www.thomsonreuters.com) (дата обращения: 01.08.2019
г.).
Практика современных центральных банков предполагает активное использование инструментов коммуникационной политики. В развитых странах получила распространения стратегия формирования ожиданий относительно будущей динамики процентной ставки в зависимости от макроэкономических и финансовых условий (forward guidance). Инструменты информационной политики позволяют повысить эффективность монетарной политики в условиях низких или даже отрицательных процентных ставок (еврозона, Япония).
В статье [Gomes et al., 2017] показано, что новостные шоки по поводу будущего изменения денежно-кредитной политики (на горизонте двух кварталов) оказывали значимое воздействие на динамику ключевых макропеременных в США в 1960-2010 гг. При этом роль этих шоков в вариации переменных реального и финансового секторов экономики даже превысила значимость неожиданных изменений монетарной политики ФРС США. Однако автор статьи [Langer, 2016] приходит к противоположным выводам. Согласно выводам работы, ожидаемые «новостные»
54 URL: http://www.cbr.ru/press/pr/?file=25062019_193439riskweights2019-06-25t19_33_02.htm
55 URL: https://www.minfin.ru/ru/press-center/?id_4=36215&area_id=4&page_id=2119&popup=Y
шоки (словесные интервенции денежных властей о будущем характере денежно-кредитной политики) вызывают более существенные колебания макроэкономических переменных, чем неожиданные изменения. Поэтому оптимальная стратегия центрального банка может, наоборот, предполагать отсутствие предварительных сообщений о будущих мерах экономической политики в ответ на изменение экономической ситуации.
По мере распространения политики инфляционного таргетирования отмечается повышение роли вербальных интервенций в странах с формирующимися рынками. Проведение центральными банками грамотной информационной политики способствует повышению доверия у экономических агентов к политике денежных властей и, значит, достижению целевого ориентира центрального банка по уровню инфляции. В общем случае это снижает уровень макроэкономической волатильности и неопределенности на финансовых рынках.
Словесные интервенции денежных властей, как правило, содержат следующую информацию [Кузнецова, Мерзляков, 2016]:
• оценку макроэкономической ситуации;
• прогноз развития ситуации в экономике и на финансовых рынках;
• объяснение принимаемого решения по денежно-кредитной политике;
• сигналы о будущей динамике процентных ставок центрального банка.
Современные экономисты по-разному оценивают эффективность политики вербальных
интервенций в России.
В исследовании [Кузнецова, Мерзляков, 2016] отмечается, что в 2013-2016 гг. фактическая динамика ключевой процентной ставки Банка России соответствовала заявлениям регулятора в Докладе о денежно-кредитной политике и пресс-релизам по итогам заседаний. Это имело положительное воздействие на финансовый рынок, поскольку способствовало поддержанию доверия экономических агентов. Авторы показывают, что при объяснении своего решения Банк России оперировал изменением макроэкономических условий (инфляционные риски). В то же время авторы формулируют рекомендации для Банка России по улучшению своей коммуникационной стратегии, связанной с сообщением рынку более прозрачных числовых ориентиров, при достижении которых появляется необходимость в изменении уровня ключевой ставки процента.
В работе [Мерзляков, Хабибуллин, 2017] оценивается эффективность информационной политики Банка России после перехода к режиму инфляционного таргетирования. Для этого авторы оценивают воздействие публикации регулярных пресс-релизов по итогам заседания Совета директоров Банка России на динамику межбанковской процентной ставки MosPrime со сроком «overnight» на данных с 1 сентября 2014 г. по 29 сентября 2017 г. Теоретической основой
работы является методология событийного анализа, который позволяет получать «очищенные» от влияния прочих факторов оценки воздействия информационных шоков. Авторская модель также включает такие показатели, как цены на нефть марки Brent, обменный курс рубля к долл. США и фьючерс на процентную ставку денежного рынка Ruonia.
Результаты исследования показали, что публикация пресс-релизов по итогам заседаний Банка России оказывает значимое воздействие на уровень межбанковской процентной ставки (в случае повышения ключевой процентной ставки Банка России) и ее волатильность. Таким образом, вербальные интервенции регулятора оказывают значимое воздействие на динамику российского финансового рынка, что свидетельствует в пользу их эффективности.
В работе [Кузнецова, Ульянова, 2018] исследуется влияние вербальных интервенций Банка России и органов государственной власти на функционирование валютного рынка. Для этого авторы анализируют данные за период с 10 ноября 2014 г. по 31 декабря 2016 г. при помощи модели ARMA (0,0) - GARCH (1,1) (модели авторегрессия-скользящее среднее и авторегрессионной условной гетероскедастичности). В работе показано, что словесные интервенции Банка России были преимущественно связаны с вопросами в области финансовой стабильности и они оказывали значимое воздействие на динамику обменного курса российского рубля.
В соответствии с результатами данной работы, сигналы об усилении инфляционных рисков приводили к укреплению российского рубля. Это было связано с ожиданиями повышения ключевой процентной ставки на фоне роста инфляции и, следовательно, краткосрочных процентных ставок в экономике, что повышало привлекательность вложений в рублевые активы и приводило к увеличению спроса на рубль. Сигналы об усилении волатильности валютного курса и расширении бюджетного дефицита (повышение вероятности дефолта по государственным обязательствам) указывали на увеличение рискованности финансовых инструментов, номинированных в российских рублях, и приводили к снижению спроса на российскую валюту. Это выражалось в ослаблении российской национальной валюты. В то же время авторы работы отмечают, что сигналы об изменении курса денежно-кредитной политики (степени ее жесткости, будущей динамике ключевой процентной ставки) не оказывали значимого воздействия на валютный курс, что указывает на существование возможностей по улучшению коммуникационной политики Банка России, особенно по части оценки текущей макроэкономической ситуации и интерпретации причин принимаемых решений.
Таким образом, в целом, научные исследования указывают на то, что коммуникационная стратегия Банка России может быть улучшена. Некоторые исследователи [Апокин и др., 2014] отмечают необходимость публикации прогноза по уровню ключевой ставки в России. [Юдаева,
2018] в своей статье приводит аргументы против публикации прогноза по ключевой ставке в России. В настоящее время экономические прогнозы Банка России сообщаются Председателем Банка России Э. Набиуллиной на пресс-конференциях после заседаний Совета директоров Банка России, далее прогнозы также публикуются в Докладе о денежно-кредитной политике. При этом регулятор не публикует данные об ожидаемой будущей динамике базовой процентной ставки, ограничиваясь общими комментариями о степени жесткости денежно-кредитного регулирования экономики.
Автор обосновывает это неопределенностью статуса таких прогнозов, которые могут быть восприняты рынком не как ожидаемые изменения, а как планируемые, носящие обязательный характер изменения, и отвлечь внимание участников рынка от ключевой цели регулятора. Более того, публикация ожидаемой траектории движения ставки снижает гибкость экономической политики в условиях воздействия множественных шоков на российскую экономику.
В ответ на это [Исаков и др., 2018] провели обзор исследований по оценке эффективности публикации прогнозов по базовым процентным ставкам в четырех странах, придерживающихся этой практики, - Новой Зеландии, Швеции, Чехии и Норвегии. Изучение научной литературы указало на отсутствие случаев неверной интерпретации прогноза базовой процентной ставки (как строго обещания регулятора, а не наиболее вероятной траектории изменения показателя при неизменности фискальной политики и конъюнктуры внешних рынков).
Авторы работы показали, что мировые центральные банки используют различные практики для снижения вероятности ошибки в интерпретации прогнозов: демонстрация исторических случаев несовпадения фактических и прогнозируемых значений процентной ставки, разработка вариативных траекторий изменения показателя в зависимости от состояния экономики, построение доверительного интервала изменения показателя. И далее, авторы утверждают, что исключительно вербальные комментарии центрального банка также не лишены риска неверной интерпретации. [Исаков и др., 2018] также отмечают, что публикация прогноза базовой процентной ставки не приведет к смещению фокуса участников рынка, поскольку этот инструмент информационной политики позволяет управлять инфляционными ожиданиями, что является важным элементом системы инфляционного таргетирования.
Таким образом, дискуссия о необходимости публикации Банком России прогноза ключевой процентной ставка остается открытой.
Эффективность коммуникационной политики центрального банка может также измеряться степенью предсказуемости действий регулятора со стороны рынка. Если денежные власти проводят эффективную политику словесных интервенций и успешно объясняют
принимаемые решения, то решения регулятора об уровне базовых процентных ставок будут ожидаемы рынком.
В настоящей работе осуществляется расчет средней абсолютной ошибки (mean absolute error - MAE) прогноза по уровню базовой процентной ставки центрального банка в развитых56 и развивающихся57 странах в 2016-2019 гг.:
МАЕ =
11?=11*1-У11
п
где Xi - фактический уровень базовой процентной ставки центрального банка по итогам заседания, yi - ожидаемый уровень процентной ставки, п - число наблюдений (заседаний центрального банка).
К перечню стран с формирующимися рынками были отнесены страны с сопоставимым уровнем риска на национальных финансовых рынках. В целом действия денежных властей в развитых странах характеризуются более высоким уровнем предсказуемости, в то время как в странах с формирующимися рынками есть пространство для улучшения коммуникационной стратегии монетарных властей. Уровень предсказуемости политики денежных властей в России соответствует уровня других ЕМЕ с сопоставимым уровнем развития (рис. 27).
Канада
з з Великобритания
ь X
g га Еврозона
Я ь Япония
США
3 ^ I
Í 2 ^ ррн
ь ^ -0
Сир р
о
■а
Турция Индия Колумбия (Россия) Индонезия ЮАР Мексика Бразилия
0 5 10 15 20 25
Среднее абсолютное значение ошибки прогноза базовой процентной ставки центрального банка в 2016-2019 гг. (б.п.)
Рис. 27. Средняя абсолютная ошибка прогноза рыночных аналитиков уровня базовой процентной ставки в развитых и развивающихся странах в 2016-2019 гг. Источник: Bloomberg (www.bloomberg.com), расчеты автора (дата обращения: 24.05.2019 г.).
5
56 США (FOMC Rate), Еврозона (ECB Main Refinancing Rate), Великобритания (Bank of England Bank Rate), Канада (Bank of Canada Rate), Япония (Bank of Japan Policy Balance Rate).
57 Бразилия (Selic Rate), Россия (Key Rate), Индия (RBI Repurchase Rate), Индонезия (Bank Indonesia 7D Reverse Repo Rate), ЮАР (SARB Rate), Турция (One-Week Repo Rate), Мексика (Overnight Rate) и Колумбия (Overnight Lending Rate).
В целом, в 2017 г. решение Банка России было неожиданным на трех заседаниях, а в 2018 г. - на двух (рис. 28). В 2019 г. действия Банка России соответствовали рыночным ожиданиям58.
11,5 11 10,5 10 9,5 9 8,5 8 7,5 7
—О—Ключевая ставка Банка России (%) • Неожиданное решение
Рис. 28. Динамика ключевой ставки Банка России в 2016-2019 гг.
Источник: Bloomberg (www.bloomberg.com) (дата обращения: 24.05.2019 г.).
На основе всего вышесказанного можно сделать следующие основные выводы. Особенность системы монетарного регулирования в России состоит в неоднородности режима денежно-кредитной политики на протяжении последних 20 лет, что затрудняет анализ эмпирических данных по денежно-кредитной статистике в России. Банк России осуществил переход к режиму инфляционного таргетирования в конце 2014 г. С того времени отмечается существенное снижение темпов роста потребительских цен до исторических минимумов59. Движение текущего уровня инфляции в России происходит вокруг целевого ориентира Банка России на уровне 4%.
Переход Банка России подвергся существенной критике со стороны экспертного сообщества, считающего необходимым смягчение монетарной политики в России для поддержки экономического роста. В настоящем исследовании показано, что ограничения экономического роста в России носят структурный характер и его ускорение не может быть достигнуто за счет инструментов монетарной политики [Юдаева, 2014]. Существенное смягчение денежной политики имело бы следствием рост инфляции и отток капитала с национального финансового рынка [Кудрин и др., 2017], что препятствует достижению финансовой стабильности. Текущий уровень ключевой процентной ставки в России и монетизации экономики60 соответствуют
58 По состоянию на 24.05.2019 г.
59 Годовой темп роста потребительских цен (ИПЦ) в сентябре 2019 г. составил 4,0%.
60 Коэффициент монетизации (М2/ВВП) составляет 44,7% (данные М2 на 01.07.2019 г., ВВП - 31.03.2019 г.).
6 6 6 6 7 7 7 8 8 8 8 9 9
о (N о (N о (N
о о о о о о о о о о о
01 01 01 00 m 00 00 01 иэ 00 иэ
2 2 2 2 0 2 2 гм 0 2 2 2 0 2
уровня, характерным для других стран с формирующимися рынками с сопоставимым уровнем развития.
Основным достижением политики финансовых властей в России является поддержание высокого уровня макроэкономической стабильности в последние годы. Это связано с внедрением комплекса мер контрциклической экономической политики: перехода к инфляционному таргетированию, введения фискального правила и проведением макропруденциального регулирования. Такая политика способствует снижению зависимости российской экономики от конъюнктуры внешних рынков (особенно, сырьевых) и поддержанию стабильности потоков капитала на внутренний финансовый рынок.
Проведение грамотной информационной политики является особенно важным при режиме инфляционного таргетирования, поскольку это способствует управлению инфляционными ожиданиями населения. Авторы различных исследований указывают на необходимость дальнейшего совершенствования коммуникационной политики Банка России. Вместе с тем, текущий уровень точности прогноза ключевой ставки Банка России рыночными аналитиками соответствует диапазону значений сопоставимых развивающихся стран. Это указывает на приемлемый уровень объяснения регулятором своих решений.
2.3 Методологические основы байесовского подхода к оценке векторных авторегрессий
Для целей моделирования динамики макроэкономических переменных и оценки эффектов экономической политики могут быть использованы неструктурные и структурные методы макроэкономического анализа [Пестова, Мамонов, 2016b]. Неструктурные методы исследований преимущественно основаны на эконометрических свойствах временных рядов (к примеру, интегрированные модели авторегрессии-скользящего среднего (ARIMA - autoregressive integrated moving average) или модели векторной авторегрессии без ограничений (unrestricted VAR - vector autoregression)). Эти модели часто характеризуются высокими прогнозными свойствами, но результаты, полученные на их основе, не применимы для структурного макроэкономического анализа и качественной интерпретации количественных результатов.
В основе структурных методов прогнозирования, напротив, лежат положения экономической теории, поэтому получаемые на их основе результаты можно легко интерпретировать. Недостатком структурного подхода может быть излишняя стилизованность лежащих в основе моделей фактов и предпосылок, которые иногда плохо согласуются с описанием фактических данных. Поэтому прогнозы, полученные на основе неструктурных методов прогнозирования, могут иметь более высокую предсказательную силу.
Современные методы макроэкономического анализа, которые на практике применяются в современных центральных банках и академических исследованиях, основаны на объединении достоинств структурного и неструктурного подходов. Такими методами являются структурные векторные авторегрессии (SVAR - structural VAR) и динамические стохастические модели общего равновесия DSGE61.
Модели общего равновесия DSGE активно применяются в современных центральных банках, поскольку позволяют идентифицировать источники колебаний экономической активности, анализировать эффективность применения инструментов политики и прогнозировать динамику экономических переменных. Основным преимуществом моделей DSGE является тот факт, что они удовлетворяют «критике Лукаса», то есть агрегированные параметры всей экономики имеют микроэкономическое обоснование. Вместе с тем, в основе этого класса моделей лежат стилизованные факты, которые не могут в полной мере учесть макроэкономические взаимосвязи между параметрами экономики, существующими в действительности. Следовательно, для DSGE могут быть характерны потери предсказательной
61 Dynamic Stochastic General Equilibrium - модели общего равновесия, выполненные в рамках новокейнсианской парадигмы, выводы которых формируются на основе решения оптимизационных задач отдельных экономических агентов на микроуровне.
способности в случае реализации риска неверной спецификации модели, что особенно актуально при анализе экономических процессов в странах с формирующимися рынками [Пестова, Мамонов, 2016b].
В своей работе [Малаховская, 2016] осуществляет сравнение прогнозной силы динамических стохастических моделей общего равновесия DSGE и векторных авторегрессий VAR и BVAR. Используются статистические данные по квартальным макроэкономическим показателям России в 1999-2016 гг. Автор отмечает, что прогноз большинства макроэкономических переменных на основе векторных авторегрессий имеет более высокую точность62.
В настоящем исследовании принимается решение о построении модели векторной авторегрессии VAR, поскольку:
• класс моделей VAR позволяет производить оценку воздействия экономических и финансовых шоков на процессы в различных экономических системах;
• VAR-модели учитывают проблему эндогенности, то есть предполагают существование взаимного влияния между различными макроэкономическими и финансовыми переменными;
• модели векторной авторегрессии (со структурными ограничениями) не требуют наложения системы очень «жестких» предпосылок по сравнению с моделями общего равновесия DSGE;
• анализ российской и зарубежной эмпирической литературы показал, что в большинстве исследований по оценке эффективности монетарной политики применяется именно этот метод.
Работа с моделями векторной авторегрессии строится следующим образом. Вначале производится оценка модели в редуцированной форме, в результате чего выделяются ожидаемые и неожиданные изменения макроэкономических переменных. Распространение шоков в экономической системе может быть проанализировано при помощи функций импульсного отклика (impulse response functions) - функций, которые описывают реакцию каждой эндогенной переменной модели в ответ на шоки переменных модели [Банников, 2006]. Для этого производится разложение неожиданных изменений экономических переменных на структурные шоки, после чего анализ функций импульсного отклика (IRF - impulse response function) позволяет определить степень изменения переменных модели в ответ на структурные шоки.
62 В то же время разница является несущественной. Наилучшие результаты демонстрирует модель BVAR, что согласуется с мировой практикой использования этих моделей для прогнозирования.
Методология VAR также позволяет осуществить разложение дисперсии ошибки прогноза каждой переменной модели на структурные шоки [Малаховская, Пекарский, 2012].
Для получения функций импульсного отклика исследователь должен произвести процедуру структурной идентификации модели, то есть наложить ограничения на коэффициенты модели63, исходя из теоретических предпосылок (таким образом будет осуществлен процесс перехода от неограниченной VAR модели к модели в структурном виде).
Основными способами структурной идентификации VAR моделей являются рекурсивная краткосрочная идентификация по Холецкому, наложение временных ограничений (нерекурсивная краткосрочная и долгосрочная идентификация), идентификация с помощью ограничений на знак и идентификация с помощью гетероскедастичности [Пестова, Мамонов, 2016b; Черноокий, 2017]. Структурная идентификация модели позволяет ортогонализировать ошибки регрессии (сделать их независимыми). В результате исследователь может быть уверен в том, что функции импульсного отклика показывают реакцию экономической системы на шок единственной переменной модели (а не группы коррелированных шоков). Поскольку идентифицирующие ограничения основаны на экономической теории, то структурные векторные авторегрессии (SVAR) модели пригодны для структурного анализа.
Недостатком моделей векторной авторегрессии является их подверженность проблеме «проклятия размерности» («curse of dimensionality»): наличием ограничений на количество переменных или оцениваемых коэффициентов модели с учетом доступной статистики. Для решения проблемы ограничения размерности VAR модели могут быть использованы процедуры сжатия числа оцениваемых коэффициентов или переменных модели. Сжатие пространства коэффициентов модели осуществляется за счет перехода к статистическим или динамическим факторным моделям. В целях сжатия пространства оцениваемых коэффициентов может быть осуществлен переход к байесовской эконометрике.
Использование байесовского подхода к оценке VAR за счет сжатия пространства оцениваемых параметров позволяет осуществлять оценку модели с большим числом переменных. Включение в модель сравнительно большого числа переменных препятствует потенциальному смещению оценок коэффициентов модели и установлению ложных взаимосвязей между переменными модели вследствие пропуска важных переменных [Bañbura et al., 2010; Bernanke, Boivin, 2003]. [Bañbura et al., 2010] показали, что модели средней и большой размерности имеют более высокие прогнозные свойства по сравнению с моделями более низкой размерности, что является аргументом в пользу перехода к моделям с большим числом переменных.
63 Тем не менее, эти ограничения обычно менее «жесткие», чем предпосылки, лежащие в основе DSGE.
Эта проблема становится особенно актуальной при анализе эффективности денежно-кредитной политики Банка России. За последние 20 лет Банк России неоднократно менял режим денежно-кредитного регулирования, вследствие чего модель, пригодная для качественной интерпретации, должна включать существенный набор переменных монетарного сектора экономики (денежная масса, валютный курс, процентные ставки). Достоверная статистика по временных рядам в России является непродолжительной (около 25 лет со времени перехода страны к рыночной экономике). Более того, цель настоящего исследования предполагает оценку воздействия инструментов ДКП на широкий перечень макроэкономических переменных, что также увеличивает число оцениваемых параметров. Россия относится к числу стран с формирующимися рынками, вследствие чего макроэкономическая модель должна учитывать воздействие переменных внешнего сектора на национальную экономику и финансовую систему. Исходя из этого, оценка векторной авторегрессии с большим числом переменных и, следовательно, переход к байесовской эконометрике является необходимым.
Ключевое отличие байесовской эконометрики от традиционной (частотной) эконометрики состоит в том, что с точки зрения байесовского анализа параметры модели являются случайными величинами и для получения плотности апостериорного распределения используется априорная информация и информация, содержащаяся в исходных данных [Демешев, Малаховская, 2016а]64.
В качестве основных достоинств байесовского подхода можно выделить следующее:
1. Возможность оценки модели с большим числом переменных или на коротких выборках65.
2. Снижение неопределенности в распределении параметров модели за счет учета априорного распределения, что способствует повышению предсказательной способности эконометрической модели [Малаховская, 2016; Демешев, Малаховская, 2016Ь].
3. Учет современных представлений о динамике макроэкономических временных рядов: наличие тренда в данных (нестационарность временных рядов), следование макроэкономических переменных закону случайного блуждания, более высокая значимость прошлых значений текущей переменной по сравнению с прошлыми значениями прочих переменных и снижение важности значения переменной с
64 В этом разделе используются материалы лекции Малаховской О.А. «Методология BVAR» [Малаховская, 2015] и научной публикации [Демешев, Малаховская, 2016а].
65 Особенно актуально для анализа ДКП Банка России в период инфляционного таргетирования с учетом относительно недавнего перехода к ИТ и доступной статистики за 2015-2019 гг.
увеличением номера лага для объяснения динамики текущей переменной (иными словами, новая информация о динамике переменной более важна, чем старая).
4. Учет субъективности исследователя при выборе разновидности априорного распределения в явном виде.
Базовая постановка задачи модели векторной авторегрессии VAR с m переменными и p лагами имеет вид:
Yt = В const + B1Yt-1 + B2Yt-2 + ••• + BpYt-p + et
где £t~N(0,l), Yt = (y1t,y2t,...,ymt)' - вектор эндогенных переменных размерности m (t=1,...,T), Bconst = (Ъ1,Ъ2,...,Ът)' - вектор констант размерности m, Bi - матрица авторегрессионных коэффициентов тХт, где l - номер лага от 1 до p.
Можно привести пример модели векторной авторегрессии с двумя эндогенными
переменными (промышленным производством (IP) и денежной массой (M)) и двумя лагами
[Банников, 2006]:
(1РЛ (Ъл _ (Ъ1 11 Ъ1_12 \(1 Pt-Л , (Ъ2_ 11 Ъ2_12 Pt -2 1 \М1) = \Ъ2) \Ъ121 Ъ122^)\М1-1) \Ъ2_21 Ъ2_22)\М1-2) \E2J
(I Pt = Ъ1+ Ъ1_ ц! Pt-1 + Ъ1_12Мt-1 + Ъ2_ц! Pt-2 + Ъ2_12Мt-2 + £1t [Mt =Ъ2 + hj21lPt-1 + Ъ122Мt-1 + Ъ2_21\Р^2 + Ъ^М— + £2t
После группировки В = [BconstB1... Вр]' и Xt = [1Y't-1 ...Y't-p]' получаем базовую постановку задачи векторной авторегрессии в сокращенной форме:
Yt = B'Xt + et
Основная формула Байеса предполагает:
p(B,I)p(Y\B,I)
p(B,I\Y) =-—-
p(Y)
где p(B,l\Y) - плотность апостериорного распределения параметров модели, p(B,l) -плотность априорного распределения, p(Y\B,l) - функция правдоподобия задачи векторной авторегрессии, p(Y) - плотность распределения фактических данных.
Задача исследователя состоит в поиске p(B,Z\Y), и от p(Y) можно абстрагироваться:
p(B,I\Y) Kp(B,I)p(Y\B,I)
Таким образом, байесовский подход основан на объединении информации, содержащейся в фактических данных, и априорной информации о распределении параметров модели. При помощи учета априорных представлений исследователь получает апостериорное распределение параметров модели.
Следующим этапом на пути реализации байесовского оценивания модели векторной авторегрессии является выбор разновидности априорного распределения коэффициентов
модели. В научных исследованиях по макроэкономике наиболее часто используемыми разновидностями априорного распределения являются априорное распределение Миннесоты, сопряженное нормально-обратное априорное распределение Уишарта (НОАРУ) и независимое НОАРУ.
Одним из первых было предложено априорное распределение Миннесоты, в соответствии с которым вектор коэффициентов модели Ъ имеет априорное среднее Ъ и ковариационную матрицу Е_, при этом ковариационная матрица ошибок является имеет диагональный вид и является постоянной:
Ъ = уес(В)~М(Ь;Ю £ = сошt
Использование этого распределения характеризуется относительной простотой реализации. При использовании данного априорного распределения параметры апостериорного распределения задаются в явном виде, поэтому генерация выборки из него может быть осуществлена при помощи метода Монте-Карло.
Ключевым недостатком подхода является предпосылка о постоянстве ковариационной матрицы ошибок £ (она не оценивается байесовскими методами), что является значительным упрощением действительности.
Поэтому следующим видом априорного распределения, которое предполагает процедуру байесовской оценки ковариационной матрицы ошибок, является сопряженное нормально-обратное априорное распределение Уишарта66:
(Ъ\£~М(Ь;£0П) { £~ IШ (Б, у)
Этот вид априорного распределения также позволяет сгенерировать выборку из апостериорного распределения при помощи метода Монте-Карло, при этом распределение предполагает байесовскую оценку ковариационной матрицы ошибок £. Недостатком подхода является возникновение зависимости между моментами априорных распределений для разных уравнений (что также может выступать предпосылкой, снижающей качество описания фактических данных).
Эта проблема решается при применении независимого нормально-обратного априорного распределения Уишарта:
( Ъ~М(Ь;Е) { £~ I Ш(5,у) \Ъ и! независимы
66 Ш - Тпуегее Wishart (обратное распределение Уишарта).
В этом случае ковариационная матрица параметров задается произвольным образом. Однако сложность, возникающая в случае применения этой разновидности априорного распределения, состоит в невозможности получения параметров апостериорного распределения в явном виде. Исследователь может получить аналитическое представление только условного апостериорного распределения:
( Ъ \ £^-N(8; 5) {£ \ Ъ,У~1Ш(5,У)
Для генерации выборки из условного распределения необходимо применять алгоритм Гиббса [Малаховская, 2015]. Алгоритм Гиббса предполагает, что существуют случайные величины 01, 02, ...,вп, совместная плотность р(01,02,...,0п) и условные плотности р(0^ \ в-1) (плотность распределения каждой случайной величины при условии всех остальных случайных величин) при / = 1,2, ...,п. Задача исследователя состоит в поиске маргинальных распределений
рШ
Для этого:
1. На первом шаге для каждой случайной величины 01,02,...,0п устанавливаются начальные значения 0 , 0 , . , 0п .
2. На втором шаге происходит генерирование значений каждой случайной величины при условии всех остальных случайных величин, то есть:
• генерирование 0[1 из р (01 \ 02О\ ...,0^);
• генерирование 0[1 из р (02 \ 00[О\ ...,0^);
• • • •;
• генерирование 0^ из р (0п \ 0...^п}^;
3. Повторение итераций.
Таким образом, происходит генерация выборки из условного распределения. При бесконечном числе итераций выборки из условных распределений сходятся к совместному распределению и маргинальным распределениям для 01. Поскольку начальные значения случайных величин неизвестны (исследователь задавал их произвольно), определенное число первоначальных итераций относят к «периоду прожига» и отбрасывают, а учитывают только последние реализации.
Для получения реализаций из апостериорного распределения:
1. Вначале создается произвольная стартовая матрица £[0].
2. Затем происходит 5 итераций. На 5-ом шаге генерируются следующие величины:
• Ъ[■s]~N(Z?[■s-1]; ¿Т[5-1]), где Ъ[5-1] и £[5-1] рассчитываются на основе £[я-1];
• £[5]~/ Ш(5[5]; у), где 5И рассчитывается на основе Ъ2^.
3. Повторение итераций.
Таким образом, в современных макроэкономических исследованиях при анализе воздействия шоков денежно-кредитного регулирования на динамику ключевых макроэкономических показателей наиболее часто применяются методы построения теоретических макроэкономических моделей общего равновесия ББОБ и структурных векторных авторегрессий БУЛЯ. Каждый из двух классов моделей пригоден для структурного макроэкономического анализа и прогнозирования. При этом модели векторной авторегрессии могут давать более высокие предсказательные результаты за счет наложения системы менее «жестких» теоретических предпосылок на фактические данные.
Исходя из этого, в работе принимается решение о построении модели структурной векторной авторегрессии БУЛЯ. С учетом того, что при анализе влияния монетарной политики на экономическую активность в России необходимо учитывать широкий набор переменных или производить анализ на коротких выборках (к примеру, в период инфляционного таргетирования 2015-2019 гг.), переход к байесовской эконометрике является необходимым. В процессе байесовского оценивания БУЛЯ можно использовать различные виды априорных распределений. Среди наиболее часто используемых в макроэкономических исследованиях разновидностей априорного распределения (распределение Миннесоты, сопряженное или независимое нормально-обратное априорное распределение Уишарта) наиболее предпочтительным является независимое нормально-обратное априорное распределение Уишарта, поскольку этот метод предполагает процедуру байесовской оценки ковариационной матрицы ошибок и независимость моментов априорных распределений для разных уравнений. Исходя из этого, в настоящем исследовании принимается решение о построении модели байесовской структурной векторной авторегрессии ВБУЛЯ с независимым нормально-обратным априорным распределением Уишарта.
2.4 Выводы
Обзор научной литературы по оценке влияния шоков денежно-кредитной политики на российскую экономику показал, что на протяжении последних 20 лет монетарная политика, в целом, была эффективной, то есть изменения инструментов ДКП вызывали значимое изменение со стороны показателей реального сектора экономики. Для аппроксимации политики монетарных властей в большинстве эмпирических исследований использовались данные о динамике денежной массы, валютного курса и процентных ставок с учетом смены режима ДКП в России.
При этом проблема эффективности процентной политики регулятора в период инфляционного таргетирования изучена достаточно слабо. Различные ученые по-разному оценивают эффективность перехода Банка России к режиму инфляционного таргетирования. По некоторым данным, политика Банка России позволила снизить инфляцию без существенных потерь для реальной экономики [Дробышевский и др., 2016]. С другой точки зрения, действия регулятора по управлению процентными ставками не позволили ограничить валютные и инфляционные риски для российской экономики [Пестова, 2018], но оказали значимое негативное воздействие на реальный сектор [Апокин и др., 2014].
Сторонники перехода к инфляционному таргетированию отмечают высокую и определяющую роль ИТ в поддержании ценовой и финансовой стабильности в России, поскольку ИТ привело к снижению инфляции и стимулировало приток капитала на внутренний финансовый рынок [Юдаева, 2014]. Вместе с тем, снижение темпов роста совокупного выпуска не может быть связано с особенностями денежно-кредитного регулирования, поскольку ограничения экономического роста в России носят структурный характер и уровень монетизации экономики является ее структурным параметром, зависящим от уровня развития финансовой системы, институциональной среды и инвестиционного климата [Кудрин и др., 2017].
Исходя из этого, определение влияния денежно-кредитной политики Банка России на экономическую активность (в том числе в период инфляционного таргетирования) является особенно важным. Необходимость анализа широкого набора переменных на сравнительно коротких выборках делает необходимым переход к байесовской эконометрике.
Глава 3. Моделирование воздействия денежно-кредитной политики на экономическую
активность в России
3.1 Экономическая активность в России в контексте глобальной экономики
Анализ эффективности денежно-кредитного регулирования в России должен строиться с учетом текущей ситуации в глобальной и российской экономике. Процессы на мировых финансовых рынках и, в частности, в странах с формирующимися рынками могут оказать существенное влияние на эффективность трансмиссионного механизма денежно-кредитной политики Банка России. Поэтому вопрос влияния политики Банка России на параметры национальной экономики и финансовой системы необходимо рассматривать в международном контексте.
Ключевыми характеристиками современной глобальной экономической системы являются следующие особенности, которые становятся источниками риска для развивающихся стран и, в частности, России:
1. изменение курса (степени «жесткости») монетарной политики в ведущих странах мира;
2. замедление мирового экономического роста;
3. накопление чрезмерной долговой нагрузки;
4. распространение политики торгового протекционизма;
5. усиление политических рисков.
Ключевым риском для мировой экономики и экономики стран с формирующимися рынками является изменение монетарной политики в развитых странах. Нормализация монетарной политики в развитых странах (повышение процентных ставок ФРС США в 20162018 гг.) становилась причиной оттока капитала с формирующихся рынков в этот период, что оказало негативное воздействие на динамику индикаторов финансовых рынков в развивающихся странах. Это привело к удорожанию привлечения финансирования и обслуживания долга в странах, зависимых от внешнего финансирования (к их числу относится большинство стран с формирующимися рынками, поскольку национальные финансовые рынки ЕМЕ являются относительно узкими и экономические агенты вынуждены обращаться на мировые рынки заемных средств). В результате этого может наблюдаться увеличение уровня риска в мировой финансовой системе с учетом непрекращающегося роста долговой нагрузки во всех странах мира на протяжении последнего десятилетия (рис. 29, 30). Причинами формирования избыточной долговой нагрузки в различных странах мира является преобладание сверхмягкой ДКП в
большинстве развитых стран в период после мирового финансового кризиса 2007-2009 гг., когда денежные власти были вынуждены снизить базовые ставки до рекордно низкого уровня для поддержки экономической активности (рис. 31) и перейти к использованию нетрадиционных инструментов монетарной политики (рис. 32).
400 350 300 250 200 150 100 50 0
О
О
о о
а а
о
о
ими
я я А я а я я а я я а я а я о; я я Р д я и я
и и Ш и н и и д и и н и к и ^ и и А н и л и
н л л о н н а ц н и з и с б д Ю а л и з
а а С а з а а н н о т е с с о. м у н л и Ч й
м р т о п т а а п н н к е о > И и з а
т И р с и К р Я е о Р 1- а а л
ре Г с в А в Е И р б о Ф гр А д н И М ло К Т р Б а М
01 СП
Развитые страны Долг домашних хозяйств (2018 г.) I Долг государственного сектора (2018 г.)
Страны с формирующимися рынками ■ Долг нефинансовых компаний (2018 г.) О Совокупный долг (2008 г.)
Рис. 29. Кредиты нефинансовому сектору экономики (частному и государственному) в различных странах мира по состоянию на 31.12.2008 г. и 31.12.2018 г. (% ВВП). Источник: Банк международных расчетов (www.bis.org) (дата обращения: 01.08.2019 г.).
76
66 • Испания
56
о 46 н н е
тве 36
с р)
Я- с
о
г 16
т
и д
е
р6 к е и
I -4
е н е
Р -14
Япон
Великобритания
• т
Португалия
США ЮАР
• С
Развитые страны
Ирландия _Новая Зеландия
Венгрия
Греция
Франция
Ф Бразилия
Колумбия
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.