WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 || 3 | 4 |   ...   | 9 |

После идентификации монетарных шоков при применении дескриптивного подхода проводится анализ графиков переменных, поведение которых интересует исследователей. Так, Ромер и Ромер (Romer, Romer, 1989) рассматривают значения выпуска и безработицы на всем периоде наблюдений, отмечают периоды монетарных шоков и анализируют реакцию на них экономических переменных.

Де Фиор (De Fiore, 1998) также проводит анализ различных каналов денежной трансмиссии: процентного канала, канала банковского кредитования и канала обменного курса. Автор пытается определить, какой из каналов эффективнее всего действовал в экономике страны на разных временных интервалах. Для того чтобы определить роль каждого канала, анализируется реакция ключевых переменных на изменения в выпуске. Рассматриваются следующие переменные: реальные денежные балансы, совокупный объем выданных кредитов, кредиты в отечественной и иностранной валютах, номинальный и реальный обменные курсы, дефицит торгового баланса.

При использовании дескриптивного подхода зачастую исследователи не ограничиваются только графическим анализом. Для повышения объективности получаемых оценок часто оценивается уравнение, описывающее поведение интересующей исследователя переменной в обычных условиях на всем периоде наблюдений. Для этого строится регрессия данной переменной ( Xt ) на свои лагированные значения ( X, i ), а также текущие (Yt ) и лагированные t-i (Yt-i, i ) объемы выпуска, использование которого в качестве регрессора позволяет учесть циклические изменения в экономике.

Пусть переменная X используется для выявления определенного канала трансмиссии1. Тогда в общем случае уравнение для нее выглядит как 18 ln X = a + bt + ln X + lnYt-i. (1.1) t ci t-i di i=1 i=-После этого строится прогнозное значение переменной, начиная с момента шока, и подсчитывается накопленная ошибка прогноза:

T X % % CFET = ln Xt - ln Xt, где Xt – прогнозное значение пе() t=ременной X.

Накопленную ошибку можно интерпретировать как такое отклонение от реального значения переменной X, которое можно было бы ожидать при условии, что связь между деньгами и выпуском в экономике постоянна.

Например, при рассмотрении процентного канала, если считать, что денежные власти используют ликвидные средства для контроля над ставкой процента, то отрицательное значение накопленной ошибки прогноза для спроса на деньги будет означать, что сокращение кассовых остатков обусловлено не только динамикой выпуска, и, следовательно, процентный канал – это работающий канал трансмиссии.

В целом дескриптивный метод выявления трансмиссионных механизмов ДКП можно охарактеризовать как способ предварительного анализа данных, используемых при построении эконометрических моделей. На наш взгляд, данный метод является гораздо менее строгим и объективным, чем метод векторных авторегрессий и анализ панельных данных, и может носить лишь иллюстративный характер.

Иными словами, оценивается зависимость между выпуском и переменной X, которая должна присутствовать при функционировании того или иного трансмиссионного механизма.

1.2. Метод векторных авторегрессий В настоящее время в экономической литературе чаще всего используется анализ влияния шоков денежной политики на реальный сектор экономики и, соответственно, каналы денежной трансмиссии в краткосрочном периоде на основе так называемого «подхода векторных авторегрессий» (VAR approach), предложенного Симсом в 1970-х гг. (Sims, 1972; 1980).

В основе методологии VAR лежит общая структура вида Ayt = C(L)yt-1 +t = C1yt-1 +...+ Cp yt- p +t, yt = ( y1,..., yk )T, (2.1) где t – инновационная последовательность независимых одинаково распределенных случайных (k 1) -векторов с нулевым математическим ожиданием. В приведенной форме yt = 1yt-1 +...+ yt- p + ut, (2.2) p где = A-1C, ut = A-1t. При этом ut также является инновациj j онной последовательностью 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,u ) 0 ) возникают затруднения с j,t интерпретацией этих функций. В частности, в приведенной форме невозможно полностью изолировать шок для ui,t от u, т.е. нельзя j,t произвольно изменять значение ui,t, сохраняя при этом значения остальных инноваций неизменными.

Для преодоления этого затруднения предполагают, что система изменяется благодаря воздействию некоррелированных между собой «фундаментальных» инноваций 1t,...,kt. Обычно считается, что все они имеют единичные дисперсии, так что t = (1t,..., )T – kt 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 ut = Dt.

С экономической точки зрения первоочередной интерес представляют реакции значений yit на единичные импульсные изменения отдельных фундаментальных инноваций 1t,...,kt при фиксированных значениях всех остальных фундаментальных инноваций во все моменты времени. Именно на построение таких импульсных функций отклика нацелены алгоритмы, реализуемые на практике.

При этом стоит отметить, 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 метода векторных авторегрессий для оценки каналов денежной трансмиссии необходимо помнить о возможной неустойчивости получаемых с его помощью оценок. В то же время следует отметить, что методология VAR является доминирующей в эмпирической монетарной экономике, так как она не только дает возможность описывать широкий спектр реальных данных, но и предоставляет возможность анализа альтернативных теорий и гипотез.

Кристиано и др. (Christiano, Eichenbaum, Evans, 1998) при изучении откликов экономики на действия органов денежно-кредитного регулирования определяют набор переменных, динамика которых интересует центральный банк, а также «инструменты» ЦБ, с помощью которых он проводит денежно-кредитную политику.

Заметим, что при выделении в векторной авторегресии переменной, отвечающей за политику центрального банка, чаще всего делается предположение о том, что шок этой переменной ортогонален остальным переменным, т.е. шоки ДКП не коррелируют с возмущениями других переменных (это предположение называется «рекурсивным»). Данное предположение можно объяснить, в частности, лагами распространения информации. В случае принятия такой предпосылки, на шок переменной, отвечающей за денежнокредитную политику, остальные переменные реагируют с запаздыванием, что позволяет проводить анализ импульсных функций отклика и делать на основании оценок соответствующие выводы.

В модели, оцениваемой Кристиано и др., предполагается, что центральный банк устанавливает значение инструмента St в соответствии с доступной ему информацией (набором макроэкономических переменных) (Et), т.е. St = f (Et ) + ts, где f – линейная функция, s аsts – шок денежно-кредитной политики, который может происходить вследствие:

1) изменения предпочтений органов денежно-кредитного регулирования;

2) нежелания органов денежно-кредитного регулирования обмануть ожидания экономических агентов, которые по каким-то причинам ожидают определенных действий центрального банка;

3) наличия ошибок измерений.

Экономические переменные Et разделяются на два блока: те, которые денежные власти наблюдают оперативно, и те, на которые они реагируют с лагом. При справедливости рекурсивного предположения оценка может быть проведена в два шага: на первом шаге s проводится МНК оценка St = f (Et ) +, а на втором – анализиs t руются импульсные отклики.

В модели, которую предлагают Барнанке и Блиндер (Bernanke, Blinder, 1992), вектор Zt состоит из двух блоков, Zt = (Yt, Pt )', где вектор Yt включает в себя переменные, за которые центральный банк не отвечает (например, темп экономического роста), а вектор Pt – переменные, находящиеся под контролем ЦБ (например, процентные ставки или денежное предложение). То есть предполагается, что модель, описывающая экономику, выглядит как:

Yt = B0Yt + B1Yt-1 + C0Pt + C1Pt-1 + ut (2.3) Pt = D0Yt + D1Yt-1 + GPt-1 +t, (2.4) где vt, ut – это структурные шоки, которые предполагаются независимыми (ортогональными), а B0, B1,C0,C1, D0, D1,G – оцениваемые коэффициенты.

Заметим, что в некоторых работах (см., например, (Arnotov, Hurnik, 2005)) при оценке структурных VAR отдельно выделяют экзогенные переменные, отвечающие за внешние экономические условия, такие как уровень выпуска за границей или уровень мировых цен.

Система (2.3) – (2.4) не идентифицируема полностью. Для того чтобы можно было оценить влияние инноваций переменных, характеризующих ДКП в импульсных функциях отклика на макроэкономические показатели, необходимо наложить дополнительные ограничения. Наиболее распространены два типа идентифицирующих предположений.

1. Во-первых, можно исключить Yt из уравнения (2.4), если предположить, что переменные денежно-кредитной политики не реагируют мгновенно на изменения в экономике, то есть что D0 = 0. В таком случае можно привести систему к виду стандартной векторной авторегрессии, подставляя (2.4) в (2.3):

Pt = D1Yt-1 + GPt-1 +t (2.5) Yt = (I - B0)-1 B1 + C0D1 Yt-1 + C0G + C Pt -1 + ut + C0t () (2.6) () В этом случае эффект ДКП может быть однозначно определен с помощью импульсных функций отклика переменной Y на предыдущие шоки vt в VAR без ограничений, которая описывается уравнениями (2.5) и (2.6), и при этом переменная Pt ставится на первое место2.

2. Во-вторых, можно исключить Pt из уравнения (2.3), т.е. предположить, что C0 = 0. Такие ограничения накладываются в том случае, если считается, что экономика не успевает реагировать на изменения денежно-кредитной политики в тот же период, когда они происходят. В этом случае переменная P ставится в упорядочении на последнее место.

Yt = (I - B0)-1 B1Yt-1 + C Pt-1 + ut (2.7) (2.8) P = D1 +D0(I -B0)-1B1 Yt-1 + G+D0(I -B0)-1C1 P-1 +t +D0(I -B0)-1ut () () t t См. также аналогичный анализ в работе (Ganev, Molnar, Rybiski, Woniak, 2002).

Здесь t – это все еще инновации в ДКП, однако на переменную Pt кроме этого влияют также шоки переменной ut, относящиеся к тому же периоду.

В работе Бернанке и Блиндера (Bernanke, Blinder, 1992) рассматриваются оба подхода. И в том и в другом случае индикатором денежно-кредитной политики является ставка по федеральным фондам (ставка на рынке межбанковского кредитования в США). Если такое предположение верно, то динамические отклики экономики на инновации ставки правильно описывают структурный отклик экономики на монетарную политику. В частности, раскрыть механизм денежно-кредитной трансмиссии можно, если проанализировать отклик на шок ставки по федеральным фондам переменных – показателей балансовой отчетности банков, таких как кредиты и депозиты, а также целевых переменных для ЦБ, таких как инфляция и безработица.

Однако предположение о том, что ставка по федеральным фондам является показателем ДКП, необходимо обосновать. Бернанке и Блиндер считают, что если она адекватно отражает денежнокредитную политику, а та, в свою очередь, влияет на показатели реального сектора экономики, то ставка должна быть хорошим предиктором для основных макроэкономических переменных. В своей работе авторы показали, что согласно результатам теста причинности Грейнджера ставка по федеральным фондам обладает наилучшими предсказательными свойствами по сравнению как с денежными агрегатами, так и с другими ставками.

Кроме того, Бернанке и Блиндер считают, что если ставка по федеральным фондам адекватно описывает денежно-кредитную политику, то значения, которые она принимает, должны соответствовать представлениям Федеральной системы о состоянии экономики, т.е.

должна существовать зависимость переменной, характеризующей ДКП, от макроэкономических показателей. Для того чтобы это проверить, авторы проводят оценку функции отклика ставки процента на шоки макроэкономических переменных.

При построении модели авторы делают предположение о том, что инновации ставки процента являются экзогенными шоками денежно-кредитной политики. Может оказаться, что инновации ставки процента объясняются в большей степени шоками спроса на банковские резервы, нежели независимыми решениями органов денежнокредитного регулирования. Однако оцененное авторами влияние шоков спроса на банковские резервы на ставку по федеральным фондам оказалось незначительным, и это позволило сделать вывод о том, что изменения ставки объясняются преимущественно действиями центрального банка.

Помимо ставки по федеральным фондам в качестве альтернативной переменной Бернанке и Блиндер рассматривают также спрэд между ставкой по федеральным фондам и доходностью долгосрочных государственных облигаций. Аргументом в пользу использования данного показателя является представление о том, что в цены таких облигаций заложены инфляционные ожидания, как и в цены любых ценных бумаг, однако долгосрочные облигации очень слабо чувствительны к краткосрочным колебаниям ДКП. Поэтому при использовании спрэда устраняется влияние инфляционных ожиданий из значения краткосрочной ставки.

Pages:     | 1 || 3 | 4 |   ...   | 9 |



© 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.