WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 33 | 34 || 36 | 37 |

Такое положение дел, по нашему мнению, отчасти объясняется не полностью изжитым наследием командной экономики, отличавшейся крайней степенью закрытости информации, а отчасти - недостаточным спросом со стороны аналитического и исследовательского сообществ.

Последнее отмеченное обстоятельство следует отнести уже не на счет системы измерения, а на счет измеряющего субъекта. Кажется парадоксальным, что столь масштабная и содержательно интересная российская измерительная специфика переходного периода привлекала до сих пор столь малое внимание исследователей и столь слабо учитывается в практике построения российских показателей макроэкономической динамики и при их анализе. Несмотря на то, что некоторые весьма серьезные проблемы российских показателей хорошо известны, общепринятой практикой является использование статистических данных так, как будто они абсолютно точны. Однако и этому не приходится удивляться, если вспомнить, что на протяжении многих десятилетий (с начала 1930-х до конца 1980-х гг.) анализ экономической конъюнктуры не проводился, поскольку для плановой экономики этого не требовалось. Поэтому в нашей стране необходимые для этого методы не использовались и не развивались, а соответствующие кадры не готовились. В результате Россия вошла в период реформ, не имея ни подготовленных кадров, ни задела работ в этой области.

Измерение составляет контур обратной связи системы управления экономикой, поэтому проблемы измерения влияют на качество решений, принимаемых экономическими агентами. Резкое снижение точности измерений в российской переходной экономике позволяет говорить о ее частичной ненаблюдаемости: некоторые проявления ее свойств лежат ниже «порога восприятия», который позволяют обеспечить имеющиеся статистические данные. Снижение точности измерений приводит к тому, что неблагоприятные тенденции в экономике обнаруживаются не на ранней стадии, когда противодействие им потребовало бы меньших издержек.

В связи с этим особо подчеркнем роль временных задержек в идентификации текущей экономической ситуации. Они возникают как в связи со снижением точности идентификации краткосрочных тенденций интервальных временных рядов, особенно вблизи актуального конца, так и вследствие унаследованной с прежних времен практики широкого использования неадекватных индикаторов (таких, как отношение значения показателя в текущем месяце к его значению в том же месяце предыдущего года), позволяющих идентифицировать тенденции с некоторыми запаздываниями и иными искажениями. Принятие решений на основе устаревшей информации, как и увеличение неопределенности при принятии решений, снижает качество управления, может иметь дестабилизирующий эффект и даже приводить к появлению колебаний, т.е. «раскачивать» систему. Возможно, именно это и объясняет возникновение высокочастотной цикличности динамики производства.

Снижение точности измерения означает нарушение контура обратной связи системы управления экономикой. В системе с нарушенной обратной связью неизбежно систематическое принятие не вполне адекватных решений, которые могут приводить к кризисным ситуациям. Классическим примером такой ситуации можно считать события августа 1998 г., когда нарастающие негативные тенденции не были вовремя идентифицированы, а исходящие от них угрозы не привели к адекватным изменениям экономической политики. Это привело к резкому обострению кризиса и повлекло за собой потери, несоизмеримые с ресурсами, необходимыми для доведения государственной статистики и аналитики до приемлемого уровня.

Система с нарушенным измерением, т.е. система с нарушенной обратной связью, не может быть устойчивой. Можно с высокой вероятностью прогнозировать возникновение в ней новых кризисов, хотя и нельзя точно сказать, когда, где и в какой форме они проявятся.

Представляется, что эта простая схема позволяет объединить рассмотренные факты в единую картину.

Подчеркнем, что особенности, порождающие проблемы анализа российской макроэкономической динамики переходного периода, не локализованы в окрестности какого-либо момента времени (скажем, в окрестности момента либерализации цен), а распределены во времени, хотя и весьма неравномерно. Это обусловлено как устойчивостью многих диспропорций, унаследованных от периода плановой экономики (скажем, устойчивостью ценовых пропорций), так и неизбежным снижением качества управления, приводящим к возникновению новых диспропорций. Это означает, что российская экономика не только в недавнем прошлом обладала существенной измерительной спецификой, но и обозримое будущее готовит нам много интересного в плане анализа экономической динамики. О российском переходном периоде и о связанных с ним особенностях еще рано говорить в прошедшем времени.

По прошествии полутора десятилетий реформ остаются открытыми очень многие важнейшие вопросы относительно того, что произошло с экономикой за это время. Какова была глубина трансформационного спада производства Как изменились цены Что произошло с уровнем жизни населения Какова глубина инвестиционного спада Как изменялся на протяжении реформ объем основных фондов Какими темпами происходит восстановление производства Какова динамика реального обменного курса рубля Этот список вопросов может быть существенно расширен. Нельзя исключать, что ответ хотя бы на некоторые из них может существенно изменить наши представления о развитии российской экономики периода реформ.

Представляется, что типичная точность многих измерений в российской переходной экономике едва ли выше, чем точность, достигнутая молодым Галилеем, когда он однажды во время церковной службы, осененный догадкой о независимости периода малых колебаний маятника от его амплитуды, оценивал период колебаний люстры, используя собственный пульс в качестве часов.

Приложение. Метод сезонной корректировки П1. Введение Ниже приводится описание метода, позволяющего проводить декомпозицию экономического временного ряда на три составляющих динамики - компоненту тренда и конъюнктуры, сезонную и нерегулярную составляющие. Метод был разработан и реализован автором в начале 1990-х гг. и с тех пор находится в интенсивной эксплуатации. В частности, этот метод более десяти лет используется при построении индексов промышленного производства Центра экономической конъюнктуры при Правительстве РФ.

Необходимость разработки метода была обусловлена спецификой российской переходной экономики и в первую очередь резкой интенсификацией эволюции сезонных волн с началом переходного периода162. В этой ситуации стандартные зарубежные процедуры сезонной корректировки (такие, как алгоритмы семейства X-11163), разработанные для применения в гораздо более стабильных условиях экономик развитых стран, не обеспечивают достаточно быстрой адаптации к происходящим изменениям сезонных волн. Поэтому их использование в условиях переходной экономики может приводить к неполному или избыточному удалению сезонной составляющей из исходного ряда, т.е. к ее «просачиванию» в скорректированный ряд, что чревато получением неадекватной содержательной интерпретации краткосрочных тенденций.

П2. Схема метода сезонной корректировки В общих чертах метод состоит в последовательном выполнении ряда шагов (его подробное описание дано ниже, в разделах П3-П4). Сначала грубым сглаживанием исходного временного ряда получается первая оценка тренда. Полученная оценка тренда удаляется из уровней исходного ряда.

Подробнее см. (Бессонов, 2003a).

См. (Shiskin, Young, Musgrave, 1967), (Findley, et al., 1998).

После этого каждая из 12 месячных подсерий (т.е. временных рядов, полученных из уровней январей всех лет, февралей и т.д.) полученного ряда сглаживается. Совокупность полученных сглаженных подсерий дает первую оценку сезонной составляющей динамики исходного ряда. Эта оценка затем уточняется с целью удаления из нее долгосрочной тенденции. Для этого она грубо сглаживается и сглаженное значение вычитается из оценки сезонной составляющей динамики. Для получения следующей оценки тренда из исходного ряда удаляется полученная оценка сезонной составляющей динамики и результат слегка сглаживается. После этого вся процедура получения сезонной составляющей повторяется еще раз.

Приводимое ниже описание метода состоит из двух частй. Сначала дается описание метода сглаживания биномиально взвешенным скользящим полиномом. Этот метод используется затем в качестве базового во второй части методики.

П3. Сглаживание биномиально взвешенным скользящим полиномом Вблизи периода времени t уровни исходного временного ряда xi аппроксимируем полиномом порядка k k t t j uit = a0 + (i - t), a j j=коэффициенты которого at получим взвешенным методом наименьших квадратов, минимизируя функционал n Qt (at ) = (xi - uit )2, i-t i=где n - длина временного ряда, а неотрицательные веса i задают функцию ценности информации, учитывающую убывающую информационную значимость различных точек по мере удаления их от заданного периода времени t. В качестве уровня сглаженного ряда в период времени t берем зна~ t чение xt = a0. Повторяя эту процедуру для всех периодов времени, в том числе и вблизи краев исходного временного ряда, получаем ряд сглажен~ ных значений xt, t =1,n.

В качестве функции ценности информации будем использовать биномиальную функцию m+i m C2m / C2m, i l, [l2 / ], l > 3, i = где m = l, l 3.

0, i > l, Здесь квадратными скобками обозначена целая часть числа, а n! k Cn = - число сочетаний из n по k.

k!(n - k)! Для периодов времени, достаточно удаленных от краев временного ряда, данный метод может быть представлен как взвешенное скользящее среднее с симметричными весами (некоторые из них могут быть отрицательными). Таким образом, его можно рассматривать как линейный фильтр, который в силу симметричности весов не порождает фазового сдвига. Свойства такого фильтра могут быть описаны передаточной функцией. В идеале для линейного фильтра, соответствующего методу сглаживания, хотелось бы иметь ступенчатую передаточную функцию, которая бы без искажений пропускала все низкочастотные составляющие вплоть до некоторой заданной пороговой частоты и полностью гасила бы все составляющие, соответствующие более высоким частотам. Однако известно, что такой идеальный фильтр должен иметь бесконечную длину. Поэтому используемые на практике фильтры имеют передаточные функции, отличающиеся от идеальной. В частности, они имеют близкие к единице значения в области низких частот и близкие к нулю значения коэффициента передачи в области высоких частот. Эти полосы пропускания и непропускания разделяет сопрягающий участок.

Если в качестве функции ценности информации использовать прямоугольную (равномерную) функцию 1, i l, i = 0, i > l, то получим известный метод Шеппарда164. Достоинством метода Шеппарда является то, что при надлежащем выборе его параметров (чаще всего используют k = 2) метод позволяет избавиться от эффекта спрямления тренда165, характерного для многих других методов сглаживания (в частности, для всех методов скользящего среднего с неотрицательными весами). Это означает, что метод Шеппарда имеет полосу пропускания в области низких частот, т.е. обладает хорошими свойствами в этой области.

См. (Sheppard, 1914), (Кендэл, 1981).

См. (Четвериков, 1973).

Вместе с тем передаточная функция метода Шеппарда, помимо главного пика («лепестка»), соответствующего полосе пропускания, содержит еще и значительные по абсолютной величине боковые пики в области высоких частот, в результате чего в сглаженный ряд проникают («просачиваются») высокочастотные составляющие, попадание которых туда нежелательно166. Это означает, что свойства метода Шеппарда в области высоких частот оставляют желать лучшего.

Смысл использования биномиальной функции ценности информации состоит в том, чтобы, сохранив достоинства метода Шеппарда в области низких частот, устранить его недостатки в области высоких частот. Использование биномиальной функции ценности информации приводит к подавлению боковых «лепестков» передаточной функции167. Таким образом, данный метод является развитием метода Шеппарда.

Параметрами рассмотренного метода сглаживания биномиально взвешенным скользящим полиномом являются k, задающий порядок полинома, и l, определяющий размер активной окрестности (т.е. число членов временного ряда вблизи заданного периода времени, на основе которых получается сглаженное значение ряда для данного периода времени). Следует использовать значения параметра k, равные 0, 1 или 2. В первом случае сглаженный ряд локально тяготеет к константе (причем тем сильнее, чем выше значение l), во втором случае - к прямой линии (поэтому в этих случаях допускается спрямление изгибов основной тенденции), а в третьем случае - к параболе. Выбор размера активной окрестности (сводящийся к выбору значения l) определяется теми тенденциями, исследование которых представляет интерес. Для исследования краткосрочных тенденций следует использовать малое значение l, а для исследования долгосрочных - большое. Выбор значения параметра l может быть произведен на основе анализа передаточных функций.

Свойства метода сглаживания биномиально взвешенным скользящим полиномом, в том числе и вблизи краев временного ряда, исследованы в (Бессонов, 1993). Там же проведено и его сравнение с другими методами сглаживания.

П4. Сезонная корректировка Параметрами метода являются: k и K - степени скользящего полинома для сглаживания всего ряда и его месячных подсерий соответственно; l и Подробнее см. (Бессонов, 1993).

Подробнее см. там же.

L - задающие соответственно размеры активных окрестностей при сглаживании всего ряда и его месячных подсерий. Метод состоит в выполнении следующих шагов (их иллюстрируют рис. П1-П7).

1. Сглаживанием исходного ряда методом биномиально взвешенного скользящего полинома с параметрами k и l получается первое приближение тренда (рис. П1).

2. Полученная оценка тренда удаляется из уровней исходного ряда (рис. П2).

3. Каждая из 12 месячных подсерий (т.е. временных рядов, полученных из уровней январей всех лет, февралей и т.д.) ряда, полученного в предыдущем пункте, сглаживается методом биномиально взвешенного скользящего полинома с параметрами K и L. Совокупность полученных сглаженных подсерий дает первое приближение сезонной составляющей динамики исходного ряда (рис. П3).

4. Эта оценка уточняется с целью удаления из нее тенденции. Для этого она сглаживается методом биномиально взвешенного скользящего полинома с параметрами 2 и 12l и сглаженное значение вычитается из оценки сезонной составляющей динамики (рис. П4).

Pages:     | 1 |   ...   | 33 | 34 || 36 | 37 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.