WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 5 | 6 || 8 | 9 |   ...   | 19 |

Спрогнозировать действия государственного руководства, основываясь только на его предыдущих действиях, достаточно проблематично – правящая элита была сильно фрагментирована, а потому решения принимались часто под влиянием различных групп [66]. Общие экономические тенденции (стагнация во всех отраслях, фактический крах производственного сектора экономики) не оказывали сколько-нибудь значительного влияния на рынок ГКО [112]. Существование системы государственных обязательств и реальной экономики были, скорее, параллельными, независимыми процессами (т.е. вряд ли тут можно говорить о причинности по Грейнджеру. Лауреат Нобелевской премии по экономике Клайв Грейнджер исходил из трех предпосылок - отсутствия мгновенной реакции рынка на шоки, невозможности одновременного влияния факторов друг на друга и невозможности влияния будущего на прошлое. Грейнджер полагал, что X является причиной Y, в случае, если мы можем предсказать Y более точно, используя информацию X, чем без нее. В данном случае под предсказанием понимается моделирование на основании построения регрессии (тест Грейнджера, тест Симса). Курс рубля до кризиса оставался практически неизменным, его колебания не объясняют изменений доходности ГКО [114]. Применение эконометрических методик предполагает стационарность рассматриваемого ряда (или возможность сведения его к таковому), для ГКО это условие не выполняется – августовский крах системы был вызван не какими-то конкретными событиями на рынке, а конкретными политическими решениями руководства РФ. С другой стороны, информация о скором распаде системы через инсайдерские источники попадала к экспертам в соответствующей области, и многие из них еще за много месяцев прогнозировали распад пирамиды ГКО в конце лета – начале осени 1998 года [28]. В последующих главах мы попробуем, используя мнения экспертов, составить прогноз возможных вариантов развития системы ГКО, в частности оценить интервалы изменения значений основных ее показателей, а также проанализировать вероятность дефолта рынка государственного долга [100].

ГЛАВА 2. МЕТОДЫ АНАЛИЗА ВАРИАНТОВ РАЗВИТИЯ ФИНАНСОВО-ЭКОНОМИЧЕСКИХ СИСТЕМ § 2.1. Обзор методов анализа вариантов развития сложных финансово-экономических систем 2.1.1. Метод вычислимых моделей В этом параграфе рассмотрим несколько методов, используемых в макроэкономическом моделировании в условиях дефицита информации. Одним из наиболее известных методов является анализ сложных финансово-экономических систем с использованием вычислимых моделей общего равновесия (Computable General Equilibrium models (CGE models)) [73, с.3]. Под CGE моделью понимается некоторая система уравнений баланса потоков товаров, услуг и финансовых потоков, решение которой находится в результате ряда последовательных итераций. Решением CGE модели является общее экономическое равновесие, т.е. равновесие спроса и предложения на рассматриваемых рынках (как товаров, так и услуг) [73, с.5].

CGE модели предполагают анализ действий агентов, действия которых оказывают влияние на социальную или экономическую систему в целом (отсюда определение CGE моделей как общих). Часто это домохозяйства, фирмы, правительства (при рассмотрении системы ГКО это могут быть, например, правительство, иностранные инвесторы и отечественные вкладчики). Вычислимость моделей заключается в том, что они позволяют получить конкретные количественные результаты. Модели называют равновесными, поскольку их решение определяет состояние равновесия на рассматриваемом рынке. Хотя первая классическая вычислимая модель была разработана Л. Йоханссеном в 1960 г., идея CGE моделирования восходит еще к модели затраты - выпуск В. Леонтьева [73, с.6]. Рост интереса к CGE моделям стал возрастать после нефтяных шоков 1970-х гг., продемонстрировавших, что стандартные эконометрические методы не всегда применимы для систем, характеризующихся высоким уровнем неопределенности.

В России большой вклад в развитие CGE моделирования внес руководитель ЦЭМИ РАН, заведующий лабораторией экспериментальной экономики В.Л. Макаров. Наиболее известные результаты в этом направлении связаны с деятельностью его группы, например, модели RUSEC, «Россия: Центр – Федеральные округа». Модель RUSEC (Russian Economy), разработанная В.Л. Макаровым в 1999 г., основывается на концепции общего экономического равновесия Л. Вальраса [Макаров В.Л. Вычислимая модель российской экономики RUSEC. М., 1999]. В ней также довольно широко использован теоретикоигровой подход (по сути, RUSEC – игра нескольких основных агентов в нормальной форме). Модель учитывает две системы цен (государственную и рыночную), позволяет оперировать основными макроэкономическими показателями (бюджетом, уровнем цен по отраслям, ВВП и т.д.). Модель рассматривает экономику РФ в целом, однако, как отмечает сам В.Л. Макаров, «сама идеология модели RUSEC, хорошо отражающая основные черты российской экономики, может послужить основой для создания иерархической структуры моделей разного уровня» [73, с.11]. В связи с этим ЦЭМИ РАН занимается разработкой и совершенствованием модели «Россия: Центр – Федеральные округа», учитывающей большую производственную специализацию федеральных округов, их большую, по сравнению с государством в целом, открытость. Также ЦЭМИ под руководством В.Л. Макарова разработал CGE модели инновационной составляющей экономики России, теневого сектора и отраслевую CGE модель (выделяется 22 отрасли) [73, с.12].

Во многом на идеях CGE моделирования основана разработанная Центром проблемного анализа и государственно-управленческого проектирования (руководитель – С.С. Сулакшин) новая экономическая доктрина РФ. Для экономической доктрины характерно применение так называемого проблемно-управленческого дерева (в методе рандомизированных вероятностей, который будет рассмотрен ниже, нами будет использована схожая концепция дерева событий – см. 2.2.2 Применение дерева событий).

Проблемно-управленческое дерево предполагает выделение 3-5 проблем на каждом уровне ветвления, причем пространство проблем заполняется полностью, а сами проблемы являются попарно непересекающимися (при рассмотрении метода рандомизированных вероятностей будет введено понятие полной группы попарно несовместных событий – см. 2.2.1 Общая схема метода).

Положительные стороны CGE моделей обусловлены недостатками эконометрического подхода: сложностью анализа взаимного влияния факторов друг на друга, отсутствием итерационности в эконометрических моделях, повышенными требованиями к длине рядов статистически данных [73, с.14]. Главным же недостатком эконометрических моделей является то, что они дают хорошие результаты только при достаточно равномерном развитии экономики, что неприменимо в условиях кризисов (упомянутые нефтяные шоки 1970-х, крах системы ГКО РФ в 1998 г.).

CGE моделирование происходит, как правило, в три этапа: концептуальный дизайн модели (формулировка целей), логический дизайн (взаимосвязи между агентами), физический дизайн (формализация взаимосвязей, определение способа технологического разрешения модели). В результате ряда последовательных итераций в модели должны уравниваться совокупный спрос и предложение (цены, как правило, - индексы относительно базового периода). Как показывает В.Л. Макаров, можно выделить два основных механизма уравнивания – для случая рынка с государственными ценами и рыночный (теневой) механизм [73, с.18]. После арифметизации всех известных соотношений в модели начинается этап ее калибровки. Калибровка предполагает подгонку неизвестных экзогенных переменных (как видим, еще одно положительное качество по сравнению с эконометрическими моделями, где все ряды данных должны быть известны) до значений при которых эндогенные показатели будут равны заранее известным значениям. Но в этом заключается и слабое место CGE моделей, поскольку, как правило, на этапе калибровки приходится ориентироваться на данные официальной статистики, которые, естественно, не вполне точны [73, с.19]. Например, погрешности при расчете ВВП могут достигать десятков процентов, а потому при моделировании экономического роста, получив увеличение ВВП на несколько процентов сложно сказать насколько оно реально. Кроме того, при калибровке модели, чем больше неизвестных параметров, тем больше степеней свободы, что, безусловно, влияет на точность полученных результатов. Как отмечает В.Л. Макаров «При построении моделей мы стремились к максимальному их наполнению данными официальной статистики, а в случае ее отсутствия – к сокращению числа переменных модели для достижения разумного баланса между известными и калибруемыми параметрами» [73, с.19]. В результате при построении CGE модели исследователь вынужден или увеличивать число параметров официальной статистики (изначально неточных) или вводить дополнительные калибруемые параметры, также понижающие точность модели.

При проведении соответствующих экспериментов исследователь изменяет значения экзогенных параметров и производит пересчет модели (безусловно, аппаратными средствами). Эмпирически показано, что модель сходится (достигается равенство совокупного спроса и предложения) после примерно 10000 итераций [73, с.21].

На каждом шаге корректируются доли бюджетов экономических агентов (при использовании механизма государственных цен) или меняются цены (при рыночном (теневом) механизме). Большое влияние на эксперимент оказывает то, насколько сильно были изменены параметры модели (их изменение можно рассматривать как шок, после которого система должна прийти в состояние равновесия). Для ускорения поиска решения системы может быть изменено значение константы итераций (максимального числа шагов, на протяжении которых должно быть найдено решение) [73, с.22]. С другой стороны, уменьшение константы итераций может привести к тому, что цена на фактор станет отрицательной. Впрочем, установление достаточно жестких ограничений на константу итерации часто неизбежно, особенно для достаточно сложных CGE моделей (в модели «Россия: Центр – Федеральные округа», по словам В.Л. Макарова, использовано около 270 тыс. уравнений) [73, с.24].

CGE модели являются одним из наиболее перспективных направлений макроэкономического моделирования, что связано с их гибкостью и возможностью модификации под конкретную задачу анализа развития сложной финансовоэкономической системы, однако они не лишены недостатков о которых сказано выше.

2.1.2. Метод прямых экспертных оценок При исследовании различных систем, характеризующихся высоким уровнем неопределенности, в частности – социальных и экономических, для адекватного прогнозирования их развития часто приходится использовать экспертные оценки [77].

Наиболее простым и, казалось бы, очевидным является метод прямых экспертных оценок, использующийся для решения широкого класса задач (организации оценки персонала компании, построении интегрального индикатора уровня жизни, формировании системы оценок в учебных заведениях). Видимая простота и очевидная информативность при использовании метода, не требующего владения специальными знаниями, делают его достаточно популярным средством диагностики и прогнозирования [34].

Довольно часто опытные эксперты определяют оценки свойств исследуемого объекта единолично. В целом, эти оценки можно разделить на три основных типа. Вопервых, эксперт может характеризовать качества объектов, сравнивая их, т.е. определяя, какое из исследуемых явлений более значимо (лучше), а какое – менее (хуже) [83]. Более точным методом характеристики объектов является выставление оценок по определенной шкале, что дает более точный результат, чем в первом случае. И, наконец, эксперт может определять оценки в линейных шкалах с высокой степенью точности. Обычно результатом сравнения является список объектов, упорядоченных по их свойствам (качеству), - т.е. рейтинг, или оценка - набор чисел, каждое из которых характеризует качества (свойства) объекта. Оценки и рейтинги объектов принято называть интегральными индикаторами. Довольно часто эксперт также самостоятельно определяет сравнительную значимость показателей (определяет их весовые коэффициенты) [35].

Одним из основных преимуществ описываемого в данном разделе метода считается то, что эксперт может предоставить большое количество имеющейся у него информации, причем формализация лингвистических, нематематических характеристик и порядковых соотношений не представляет большой сложности. Кроме того, процедура оценивания по описанному выше методу достаточно проста и понятна экспертам, а результат, получаемый на выходе, дает однозначные результаты и четко характеризует соответствие объекта различным требованиям и предоставляет возможность ранжировать явления (факторы, объекты) по степени предпочтительности (значимости), определяя наилучшую из возможных альтернатив [34].

Одним из наиболее распространенных методов коллективных экспертных оценок является ранжирование. Его суть заключается в том, что экспертам (в дальнейшем будем интерпретировать этот термин как «специалист в анализируемой области») необходимо расположить явления (факторы) в порядке возрастания (или убывания) их значимости, т.е.

произвести ранжирование [117]. В этом случае каждому фактору присваивается порядковое место в общей последовательности факторов (явлений), т.е. определяется его ранг. Общепринятым обозначением рангов является последовательность натуральных чисел, например, места в спортивных соревнованиях. Наиболее значимому фактору обычно присваивается первый ранг или максимально возможная оценка (например, при оценивании в учебных заведениях). При привлечении нескольких экспертов следует отметить, что суммы рангов, проставляемых каждым из них, должны быть постоянной величиной [70]. Очевидно, что если эксперт считает значимость ряда факторов (явлений) одинаковой, т.е. присваивает двум или более из них одинаковые ранги, то сумма проставленных им оценок будет отличаться от аналогичных сумм у других экспертов.

Pages:     | 1 |   ...   | 5 | 6 || 8 | 9 |   ...   | 19 |



© 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.