WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 4 | 5 || 7 | 8 |

Во-вторых, на динамику выпуска накладываются трансформационный спад, вызванный переходом от административно-командной к рыночной экономике, и рост экономики после кризиса 1998 г., все влияние которого не может быть учтено включенными в модель экзогенными переменными.

В-третьих, на протяжении преобладающей части рассматриваемого периода в экономике России нарушались стандартные предпосылки относительно роли и значения денег. В частности, большую роль играли неденежные формы расчетов между экономическими агентами, частным сектором и государством (бартер, зачеты, неплатежи), экономика России характеризуется высокой степенью долларизации. Таким образом, роль шоков рублевого денежного предложения, очевидно, была ограниченной.

2.3.2. Анализ каналов денежной трансмиссии Проведенный выше анализ не позволил выявить характер влияния денег на реальный выпуск в экономике России, однако в силу указанных объективных условий развития российской экономики мы не можем также отвергнуть гипотезу о том, что такое влияние отсутствовало. В частности, отличные от нуля отклики выпуска на ценовые шоки в условиях преимущественно монетарной природы инфляции (см. результаты анализа спроса на деньги в главе 1 настоящей работы) свидетельствуют о том, что номинальЭта и другие работы в свободном доступе на страницах www.iet.ru ные денежные шоки не были полностью нейтральны. Это дает нам право провести анализ возможных каналов денежной трансмиссии в экономике России, хотя a priori можно ожидать, что большинство результатов такого исследования окажутся отрицательными, т.е. нам не удастся строго формально выделить какой-либо преобладающий механизм денежной трансмиссии, и мы можем лишь получить свидетельства в пользу возможности существования одного либо нескольких каналов.

Для эмпирического исследования каналов денежной трансмиссии в экономике России мы будем использовать традиционный подход83, основанный на анализе импульсных функций откликов и статистических качеств уравнения выпуска в модели векторной авторегрессии (с учетом коррекции ошибок, где необходимо). Нами рассматривалась следующая спецификация модели:

Yt = A(Li )Yt-i + Zt + t T Yt = ((ln Ht ) (lnYt ) X ), t Zt = (D998) где X обозначает переменные, характеризующие тот или иной канал денежной трансмиссии, описанные в параграфе 2.2.1. Модель включает одну экзогенную переменную – логическую переменную, отвечающую за кризисные явления в сентябре 1998 г.84 В качестве показателя денежного предложения в данной части работы мы будем использовать резервные деньги (lnH) 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 нами выбраны:

1) Для процентного канала (%) – средневзвешенная ставка по кредитам юридических лиц в коммерческих банках (включая Сбербанк России) сроком до 1 года (данные Банка России, IL);

McCallum, B. (1999) «Analysis of the monetary transmission mechanism: Methodological issues», NBER Working paper, 7395.

Как показали результаты оценки моделей векторных авторегрессий при анализе влияния денег на реальный выпуск, логическая переменная, отвечающая за август 1998 г., является статистически незначимой в большинстве случаев.

Эта и другие работы в свободном доступе на страницах www.iet.ru 2) Для канала банковского кредитования (BL) – доля кредитов нефинансовому сектору экономике в общем объеме активов банковской системы loans (данные Банка России, BL = );

assets 3) Для канала денежных потоков (CF) – денежная масса М2 как показатель общего объема рублевых платежных средств в экономике (данные банка России, lnM2);

4) Для канала непредвиденного роста уровня цен (UPL) – изменение логарифма цен (расчеты авторов на основе данных Госкомстата РФ, CPI = lnP);

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

liabilities.

6) Для теории q Тобина (QT) – логарифм фондового индекса РТС (данные РТС, LRTS);

7) Для курсового канала (ER) – логарифм реального эффективного курса рубля к доллару США (данные International Financial Statistics, МВФ, RER).

Ввиду особенностей развития и функционирования экономики России мы не будем рассматривать 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, корпоративные ценные бумаги составляют крайне незначительную долю активов домохозяйств.

Мы также признаем условность выбора переменных, отвечающих за определенные каналы денежной трансмиссии. Так, процентная ставка по кредитам в условиях жесткого рационирования кредита не является адекватным показателем стоимости привлечения капитала при принятии решения об инвестировании. В качестве показателя объема денежных потоков в экономике было бы правильнее взять уровень монетизации экономики, например, отношение денежной массы к ВВП, однако мы не имеем надежных данных о месячном ВВП поскольку для обеспечения достаточного числа степеней свободы мы вынуждены работать с месячными данными. Также Эта и другие работы в свободном доступе на страницах www.iet.ru не бесспорным представляется выбор отношения рублевых депозитов населения к обязательствам банковской системы в качестве показателя ликвидности домохозяйств, поскольку в России депозиты не могут рассматриваться как ликвидные средства для осуществления платежей. Кроме того, мы отмечали, что капитализация компаний, измеряемая уровнем фондового индекса, в специфических условиях российского фондового рынка не является рыночной оценкой стоимости компаний, к тому же оценить восстановительную стоимость основных фондов практически невозможно. Таким образом, очевидно нарушены основные предпосылки теории q Тобина.

Оценка моделей векторных авторегрессий проводилась за период с июня 1995 г. по декабрь 2001 г. Мы также располагаем оценками на двух подпериодах (июнь 1995 – июль 1998 и октябрь 1998 – декабрь 2001), однако из-за малого числа наблюдений модели векторных авторегрессий не могут быть признаны адекватными наблюдаемым данным и результаты таких оценок не приводятся.

Результаты теста Филлипса-Перрона на единичный корень для всех переменных, используемых в данной части исследования, показаны в табл.

2.1 и 2.10. Как видно из приведенных статистик, только ряд отношения кредитов к активам банковской системы является стационарным в уровнях, тогда как все остальные ряды являются интегрированными первого порядка, и в моделях мы будем использовать первые разности указанных показателей.

Таблица 2.10.

IL BL HD LRTS уро-3,389 -6,463 -2,517 -1,вень -10,324 – -6,912 -8,Примечание: Жирным шрифтом выделены статистики теста для временных рядов, для которых гипотеза о наличии единичного корня отвергается на 95% уровне.

Поскольку большинство рядов являются интегрированными первого порядка, мы провели тесты Йохансена на проверку гипотезы о наличии коинтеграции между переменными. Результаты тестов (статистики не приводятся) отрицают гипотезу о наличии коинтеграции между рассматриваемыми переменными во всех случаях. Таким образом, в данном параграфе мы будем оценивать модели векторной авторегрессии без учета коррекции ошибок.

Эта и другие работы в свободном доступе на страницах www.iet.ru Также как и выше, для выбора количества лагов в моделях векторной авторегрессии мы оценили варианты модели с количеством лагов от 1 до 12. Как видно из табл. 2.11, согласно статистическим критериям наилучшие статистические качества имеют модели с количеством лагов, равным четырем, во всех случаях, кроме процентного канала и канала денежных потоков. В двух последних случаях число лагов в лучшей спецификации равно шести.

Таблица 2.11.

% BL CF UPL HLE QT ER 1 547.8832 682.4300 634.6145 575.5836 726.3573 458.2677 285.-14.10219 -17.64289 -16.38459 -14.83115 -18.71993 -11.98021 -7.-13.73418 -17.27488 -16.01658 -14.46314 -18.25992 -11.51317 -6.2 581.3749 713.8480 668.9437 603.1486 753.6507 482.4317 317.-14.94333 -18.47595 -17.27850 -15.52396 -19.45735 -12.55977 -7.-14.29443 -17.82705 -16.62960 -14.87507 -18.71576 -11.80674 -7.3 624.0332 748.9389 700.6094 646.4124 785.0037 516.8682 367.-16.05495 -19.43078 -18.12458 -16.65979 -20.32443 -13.44078 -9.-15.12087 -18.49670 -17.19050 -15.72571 -19.29694 -12.39731 -8.4 648.6583 770.9251 723.0059 662.9735 801.3079 540.3719 388.-16.70297 -20.05274 -18.73989 -17.09516 -20.80296 -14.03864 -9.-15.47930 -18.82907 -17.51622 -15.87149 -19.48516 -12.70016 -8.5 649.7514 765.4012 718.6331 660.8706 799.3856 537.6950 390.-16.71532 -19.92781 -18.62870 -17.02418 -20.78849 -13.90557 -9.-15.19754 -18.41003 -17.11092 -15.50641 -19.17585 -12.26738 -7.6 653.4513 766.5056 726.3436 658.8593 801.1345 541.0056 394.Эта и другие работы в свободном доступе на страницах www.iet.ru Таблица 2.11 продолжение % BL CF UPL HLE QT ER -16.80144 -19.98607 -18.85475 -16.95378 -20.87703 -13.94219 -9. -14.98493 -18.16956 -17.03823 -15.13727 -18.96490 -11.99949 -7.7 651.0306 758.4695 724.5440 652.1314 799.4324 539.5284 395.-16.71516 -19.78484 -18.81554 -16.74661 -20.86950 -13.83907 -9.-14.59515 -17.66483 -16.69553 -14.62660 -18.65312 -11.58692 -7.8 649.1491 759.9612 720.3717 655.9451 798.1291 537.2443 400.-16.64200 -19.85395 -18.70643 -16.83899 -20.87331 -13.70878 -9.-14.21363 -17.42557 -16.27805 -14.41061 -18.34779 -11.14213 -6.9 644.2403 757.8124 721.2598 649.0953 792.7344 543.7410 397.-16.47766 -19.81801 -18.74294 -16.62045 -20.75689 -13.84064 -9.-13.73591 -17.07627 -16.00119 -13.87870 -17.91723 -10.95427 -6.10 643.8137 759.9953 717.8825 653.1468 798.3650 563.5069 405.-16.44220 -19.91031 -18.65321 -16.72080 -20.96612 -14.38483 -9.-13.38196 -16.85006 -15.59296 -13.66055 -17.80716 -11.17342 -6.11 641.0402 755.8623 710.0279 648.9696 796.5469 571.3879 410.-16.33455 -19.81401 -18.42509 -16.57484 -20.95597 -14.57462 -9.-12.95054 -16.43000 -15.04107 -13.19083 -17.47243 -11.03270 -5.12 661.2735 765.4526 722.1360 649.2344 796.4606 586.0673 407.-16.93149 -20.13700 -18.11188 -16.17644 -20.61417 -14.98626 -9.-13.21831 -16.42382 -14.39869 -13.46326 -17.80063 -11.10821 -6.Примечание: первая цифра для каждого из лагов обозначает значение LogLikelohood Ratio, вторая цифра – статистику информационного критерия Акаике, третья цифра – статистику информационного критерия Шварца.

Графики импульсных функций откликов выпуска на шоки резервных денег и переменной, отвечающий за определенный канал денежной трансмиссии, а также реакции такой переменной на шок резервных денег показаны на рис. 2.4–2.10.

Эта и другие работы в свободном доступе на страницах www.iet.ru Response to One S.D. Innovations ± 2 S.E.

Response of D(LNY) to D(LNH) Response of D(LNY) to D(IL) 0.003 0.0.002 0.0.001 0.0.000 0.-0.001 -0.-0.002 -0.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Response of D(IL) to D(LNH) 0.0.0.0.-0.-0.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.Response to One S.D. Innovations ± 2 S.E.

Response of D(LNY) to D(LNH) Response of D(LNY) to D(BL) 0.003 0.0.002 0.0.001 0.0.000 0.-0.001 -0.-0.002 -0.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Response of D(BL) to D(LNH) 0.0.0.0.-0.-0.2 4 6 8 10 12 14 16 18 20 22 Эта и другие работы в свободном доступе на страницах www.iet.ru Рис. 2.Response to One S.D. Innovations ± 2 S.E.

Response of D(LNY) to D(LNH) Response of D(LNY) to D(LNM2) 0.003 0.0.002 0.0.001 0.0.000 0.-0.001 -0.-0.002 -0.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Response of D(LNM2) to D(LNH) 0.0.0.0.-0.-0.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.Response to One S.D. Innovations ± 2 S.E.

Response of D(LNY) to D(LNH) Response of D(LNY) to CPI 0.003 0.0.002 0.0.001 0.0.000 0.-0.001 -0.-0.002 -0.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Response of CPI to D(LNH) 0.0.0.0.0.0.-0.-0.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.Эта и другие работы в свободном доступе на страницах www.iet.ru Response to One S.D. Innovations ± 2 S.E.

Response of D(LNY) to D(LNH) Response of D(LNY) to D(HD) 0.003 0.0.002 0.0.001 0.0.000 0.-0.001 -0.-0.002 -0.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Response of D(HD) to D(LNH) 0.0.0.0.0.-0.-0.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.Response to One S.D. Innovations ± 2 S.E.

Response of D(LNY) to D(LNH) Response of D(LNY) to D(LRTS) 0.003 0.0.002 0.0.001 0.0.000 0.-0.001 -0.-0.002 -0.-0.003 -0.-0.004 -0.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Response of D(LRTS) to D(LNH) 0.0.0.0.0.0.-0.-0.2 4 6 8 10 12 14 16 18 20 22 Эта и другие работы в свободном доступе на страницах www.iet.ru Рис. 2.Response to One S.D. Innovations ± 2 S.E.

Response of D(LNY) to D(LNH) Response of D(LNY) to D(RER) 0.003 0.0.002 0.0.001 0.0.000 0.-0.001 -0.-0.002 -0.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Response of D(RER) to D(LNH) 2.1.1.0.0.-0.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.Аналогично результатам, полученным при исследовании влияния денег на реальный выпуск, мы не можем отвергнуть гипотезу об отсутствии реакции выпуска на шоки резервных денег и переменных, характеризующих любой из каналов денежной трансмиссии. Исключение представляет случай канала непредвиденного роста уровня цен, который, фактически, повторяет один из результатов из первой части нашего исследования: выпуск отвечает положительной реакцией на ценовой шок, однако даже в данной модели отклик выпуска на шок денежного предложения статистически не отличим от нуля.

Таким образом, мы получили фактически отрицательные результаты для всех каналов денежной трансмиссии на основе графиков импульсных функций отклика, и анализ статистических качеств уравнения для уровня выпуска в модели может скорее показать вероятность отсутствия какоголибо канала, но не выделить канал, роль которого имеет наибольшее значение, среди нескольких альтернативных вариантов, имеющих статистически Эта и другие работы в свободном доступе на страницах www.iet.ru значимые функции отклика выпуска. Значения статистик, характеризующих статистические качества уравнения выпуска в моделях векторных авторегрессий, приведены в табл. 2.12. В скобках указано число лагов эндогенных переменных.

Таблица 2.12.

Pages:     | 1 |   ...   | 4 | 5 || 7 | 8 |



© 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.