WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 48 | 49 || 51 | 52 |   ...   | 61 |

Вопрос о наличии и характере влияния денег и цен на реальный сектор экономики является ключевым в дискуссии о роли Банка России и Правительства РФ при проведении экономической политики, направленной на обеспечение роста экономики России. Поддержание выпуска в реальном секторе за счет увеличения предложения денег, равно как и стимулирование развития отдельных отраслей через повышение относительных цен (приводящее в конечном счете и к общему росту уровня цен), часто представляются привлекательными альтернативами, однако до настоящего времени характер предполагаемых взаимодействий остается не до конца изученным. Проверка возможности существования различных каналов влияния денежно-кредитной политики на реальный сектор экономики РФ представляется особенно важной при выборе инструментов и механизмов стимулирования роста реального сектора с помощью средств денежно-кредитной политики.

Методы анализа В настоящее время в работах, посвященных эмпирическому анализу трансмиссионных механизмов денежно-кредитной политики, используется три основных методологических подхода к идентификации каналов воздействия денежно-кредитной политики на реальный сектор экономики:

• дескриптивный подход;

• подход векторных авторегрессий (VAR-подход);

• микроэкономический подход.

При анализе каналов денежной трансмиссии очень важным является вопрос идентификации экзогенных действий центрального банка, не связанных с денежно-кредитной политикой в предшествующие моменты. Иными словами, при оценке трансмиссионных механизмов важно четко определить причинно-следственную связь между экономическими переменными и мерами, принимаемыми ЦБ.

При дескриптивном подходе монетарные шоки определяются с помощью не формальных статистических процедур, а описательного анализа временных рядов экономических переменных. Кроме того, согласно работе Де Фиоре1, дескриптивный подход допускает наличие качественных суждений при применении количественных оценок. Например, в анализе могут учитываться различные нормативные документы, содержащие описание ДКП и пояснение причин, приводивших к тем или иным изменениям политики.

При применении дескриптивного подхода можно выделить те изменения денежно-кредитной политики, которые не обуславливаются поведением реального De Fiore F. The Transmission of Monetary Policy in Israel // IMF Working Paper. 1998. N 114/ August.

Анализ механизмов трансмиссии денежно кредитной политики в РФ сектора экономики, а затем уже анализировать, насколько сильно отклоняется выпуск от своего естественного уровня в ответ на такие изменения. При проведении такого анализа можно ограничиться рассмотрением динамики одной или двух переменных, что дает определенные преимущества, если учесть, что оценки обычно проводятся на не очень больших выборках.

В то же время точная идентификация монетарных шоков является достаточно трудной задачей, поскольку не существует какого-либо стандартного правила, которое бы однозначно позволяло определить тот факт, что шок произошел. Кроме того, исследователь обычно располагает данными о динамике выпуска и денежных агрегатов, а значит, существует опасность, что выбор исследователя будет необъективным. Второе потенциальное затруднение возникает на этапе, когда шок уже установлен и требуется определить, является ли отклонение выпуска, следующее за шоком, значимым. В этом случае опять отсутствие четких статистических процедур может привести к необъективным выводам. Наконец, описательный подход предполагает, что все монетарные шоки имеют одинаковую интенсивность и длительность. Данная предпосылка может привести к искажению результатов, поскольку анализируется лишь усредненное поведение переменных, без учета силы шока1.

Вследствие указанных недостатков дескриптивного подхода в настоящее время в экономической литературе господствует подход к анализу влияния шоков денежной политики на реальный сектор экономики в краткосрочном периоде на основе так называемого подхода векторных авторегрессий (VAR approach), предложенного Симсом в 1970-х годах2.

В основе методологии VAR лежит общая структура вида Ayt = C(L)yt–1 + t = C1yt–1 +... + C yt–p + t, yt = (y1,..., yk)T, (1) p где t — инновационная последовательность независимых одинаково распределенных случайных (k 1)-векторов с нулевым математическим ожиданием. В приведенной форме yt = П1yt–1 +... + П yt–p + u, (2) p t где Пj = A–1Cj, u = A–1t. При этом u также является инновационной последоваt t тельностью независимых одинаково распределенных случайных векторов с нулевым математическим ожиданием и ковариационной матрицей.

В рамках приведенной системы можно выяснить, насколько изменяются значения yi,t+s при изменении инноваций на одно стандартное отклонение. Вычисляя эти изменения последовательно для значений s = 0,1,..., получают функции откликов на шоки инноваций. При этом вследствие наличия корреляции между инновациями (так как в общем случае Cov(ui,t,uj,t) 0) возникают затруднения с интерпретацией этих функций. В частности, в приведенной форме невозможно полностью изолировать шок для ui,t от uj,t, т.е. нельзя произвольно изменять значение ui,t, сохраняя при этом значения остальных инноваций неизменными.

Ibidem.

Sims C. Money, Income and Casuality // American Economic Review. 1972. N 62(4), September.

Р. 540—542.

444 Раздел IV. Макроэкономическая и финансовая политика Для преодоления этого затруднения предполагают, что система изменяется благодаря воздействию не коррелированных между собой «фундаментальных» инноваций 1t,..., kt. Обычно предполагается, что все они имеют единичные дисперсии, так что t = (1t,..., kt)T — независимые одинаково распределенные случайные векторы с нулевым математическим ожиданием и единичной ковариационной матрицей Ik. При этом предполагается, что инновации u1t,..., ukt являются линейными комбинациями фундаментальных инноваций, так что u = Dt.

t С экономической точки зрения первоочередной интерес представляют реакции значений yi,t на единичные импульсные изменения отдельных фундаментальных инноваций 1t,..., kt при фиксированных значениях всех остальных фундаментальных инноваций во все моменты. Именно на построение таких импульсных функций отклика нацелены алгоритмы, реализуемые на практике. При этом стоит заметить, что матрицу D идентифицировать невозможно, если не накладывать априорных ограничений на ее структуру. Данные ограничения накладываются, как правило, за счет упорядочивания инноваций в системе. Причем принятие предпосылки о том или ином порядке инноваций является серьезным недостатком методологии векторных авторегрессий, так как, используя различный порядок последовательного вхождения переменных, можно получить принципиально различное поведение импульсных функций отклика, вызванное коррелированностью инноваций в приведенной форме VAR. Одинаковые функции отклика при различных упорядочиваниях можно получить лишь при слабой коррелированности инноваций, которая встречается достаточно редко.

Таким образом, при применении подхода векторных авторегрессий для оценки каналов денежной трансмиссии необходимо помнить о возможной неустойчивости получаемых с его помощью оценок. В то же время стоит отметить, что методология VAR в настоящее время является доминирующей в эмпирической монетарной экономике, так как она предоставляет возможность не только описывать широкий спектр реальных данных, но и анализировать альтернативные теории и гипотезы.

Наконец, еще одним распространенным методом анализа влияния денежнокредитной политики на процессы в реальном секторе экономики является микроэкономический подход, использование данных индивидуальных балансов коммерческих банков. Однако он позволяет проверить лишь наличие канала банковского кредитования. Гамбакорта1 отмечает, что для наличия такого канала должны быть выполнены определенные условия: во-первых, функционирование фирм и домохозяйств должно зависеть от доступности банковских кредитов и, вовторых, органы денежно-кредитного регулирования должны быть способны изменять объем предложения банками кредитных ресурсов.

При этом важной гипотезой, проверяемой в рамках микроэкономического подхода, является то, что банки, обладающие различными характеристиками, реагируют на шоки денежно-кредитной политики по-разному. В частности, проверяется предположение о том, что для банков с меньшей долей высоколиквидных активов влияние денежно-кредитной политики будет заметнее, так как ужесточение денежно-кредитной политики ограничит их доступ к «дешевым» деньгам в большей степени, чем тех кредитных организаций, у которых есть запас прочности в виде ликвидных ресурсов.

Gambacorta L. Bank-specific characteristics and monetary policy transmission: the case of Italy // European Central Bank. Working Paper. 2001. N 103. December.

Анализ механизмов трансмиссии денежно кредитной политики в РФ Эмпирический анализ трансмиссионных механизмов денежно кредитной политики Банка России Анализ механизмов денежной трансмиссии в рамках VAR подхода Для эмпирического исследования каналов денежной трансмиссии в экономике России в данном разделе используется подход, основанный на анализе импульсных функций откликов и статистических качеств уравнения выпуска в подходе векторной авторегрессии (с учетом коррекции ошибок, где это необходимо). Рассматривается следующая спецификация модели:

Yt = A(Li)Yt–i + Z + E ;

t t Yt = (H, Y, X )T;

(3) t t t Z = (TREND ), t t где X — переменные, характеризующие тот или иной канал денежной трансмиссии, Y — выпуск в реальном выражении, TREND — линейный тренд1. В качестве показателя денежного предложения используются резервные деньги (H) как агрегат, в наибольшей степени контролируемый и управляемый Центральным банком РФ и соответственно отражающий расширение или сжатие денежного предложения в результате проводимой денежно-кредитной политики.

В качестве переменных, отвечающих за отдельные каналы денежной трансмиссии, выбраны:

1) для процентного канала (%) — средневзвешенная ставка по рублевым кредитам нефинансовым организациям сроком до 1 года (данные Банка России, R);

2) для канала банковского кредитования (BL) — доля кредитов нефинансовому сектору экономике в общем объеме активов банковской системы (данные Банка loans России, BL = );

assets 3) для канала денежных потоков (CF) — денежная масса М2 как показатель общего объема рублевых платежных средств в экономике (данные банка России, M2);

4) для канала непредвиденного роста уровня цен (UPL) — индекс потребительских цен (данные Статслужбы РФ, P);

5) для канала денежной трансмиссии, связанного с эффектом богатства домохозяйств (HLE) — доля частных депозитов (остатков на рублевых счетах населения в коммерческих банках) в общем объеме обязательств банковской системы deposits (данные Госкомстата РФ и Банка России, RUB = );

liabilities 6) для теории q Тобина (QT) — логарифм фондового индекса РТС (данные РТС, RTS);

Описание различных каналов денежной трансмиссии в России см. в: Дробышевский С., Козловская А. Внутренние аспекты денежно-кредитной политики России // Научные труды ИЭПП. 2002. № 45P.

446 Раздел IV. Макроэкономическая и финансовая политика 7) для курсового канала (ER) — логарифм реального эффективного курса рубля (данные Банка России, REER).

Ввиду особенностей развития и функционирования экономики России не рассматриваются гипотезы о существовании канала баланса активов и пассивов и канала эффекта богатства, так как на практике рост стоимости акций (капитализации компаний) в условиях России не может служить дополнительной гарантией для снижения риска по выданным кредитам, а корпоративные ценные бумаги составляют крайне незначительную долю активов домохозяйств.

Стоит отметить, что в качестве показателя объема денежных потоков в экономике было бы правильнее взять уровень монетизации экономики, например отношение денежной массы к ВВП, однако надежных данных о месячном ВВП не существует, а для обеспечения достаточного числа степеней свободы приходится работать с месячными данными. Также небесспорным представляется выбор отношения рублевых депозитов населения к обязательствам банковской системы1 в качестве показателя богатства домохозяйств, поскольку в России депозиты не могут рассматриваться как ликвидные средства для осуществления платежей.

Оценка моделей векторных авторегрессий проводилась за период с января 1999 г.

по июнь 2007 г. Результаты теста Дикки—Фуллера на единичный корень для всех используемых переменных показаны в табл. 1. Как видно из приведенных статистик, большинство рядов являются стационарными относительно линейного тренда, тогда как лишь ряд «доля частых депозитов в общем объеме обязательств банковской системы» стационарен в первых разностях.

Таблица Результаты тестов на единичный корень (расширенный тест Дикки—Фуллера) Kритическое значение Показатель Значение статистики при 5%-м уровне значимости Стационарность относительно детерминированного тренда Ставка процента по кредитам —3,52 —3,Доля кредитов нефинансовому сектору эконо- —3,29 —1,мики в общем объеме активов банковской системы Логарифм фондового индекса РТС —3,67 —3,Стационарность в первых разностях Первая разность показателя «Доля частных —9,61 —3,депозитов в общем объеме обязательств банковской системы» Поскольку большинство рядов являются стационарными относительно линейного тренда, то модели векторной авторегрессии оцениваются без учета коррекции ошибок. В то же время в число экзогенных переменных включен линейный тренд, а нестационарные переменные рассматриваются в соответствующих разностях.

Данный показатель можно было бы рассматривать также в процентах ВВП, однако надежных оценок ежемесячного ВВП России, как мы уже отмечали, не существует.

Анализ механизмов трансмиссии денежно кредитной политики в РФ Для выбора количества лагов в моделях векторной авторегрессии оцениваются варианты модели с количеством лагов от 1 до 12. Согласно статистическим критериям наилучшие статистические качества имеют модели с количеством лагов, равным двум, во всех случаях, кроме канала непредвиденного роста уровня цен и теории q Тобина. В двух последних случаях число лагов в лучшей спецификации равно трем и одному соответственно. Как и при изучении взаимосвязи денежного предложения и выпуска, предпочтение отдается результатам, полученным с использованием критерия Шварца, так как критерий Акайке часто завышает порядок модели, а критерий Шварца является состоятельным.

Pages:     | 1 |   ...   | 48 | 49 || 51 | 52 |   ...   | 61 |



© 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.