WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 9 |

TT Iit Iit - - h lnUCit - h + Kit -1 = Kit - 2 + ln Sit - j j j = 0 h = LAit - m T + wm +i + vt + it, (3.10) ptI mKt -1- m m = где Iit – это инвестиции фирмы i в период t, Kit – запас капитала, Sit – выпуск, UCit – издержки владения капиталом, LAit – ликI видные активы, а pit – уровень цен на инвестиционные товары в экономике. Издержки владения капиталом определялись исходя из совокупности факторов: ставки процента, уровня цен, уровня налогов, дивидендов и др.

Оценка такого уравнения проводится обобщенным методом моментов, чтобы учесть возможное смещение оценок коэффициентов, которое может возникнуть из-за ненаблюдаемых эффектов, связанных с фирмами и эндогенными объясняющими переменными. При оценке автор также учитывал размер и возраст фирмы, вводя соответствующие дамми-переменные.

В целом проведенный анализ подтвердил существование кредитного канала, поскольку финансовые переменные оказывают значимое влияние на спрос на инвестиции, а реакция различных групп фирм на ужесточение ДКП заметно различается.

Вальдеррама в качестве важного фактора рассматривает влияние торгового кредита и наличия «своего» банка. Когда фирма получает товары или услуги и обязуется выплатить их стоимость и проценты в будущем, она получает так называемый торговый кредит. При оценке переменная, описывающая торговый кредит, рассчитывается как отношение полученных торговых кредитов к общей краткосрочной задолженности фирмы. Предполагается, что фирмы могут использовать торговый кредит в случае, если банковский кредит они получить не могут. Использование торгового кредита имеет преимущество перед использованием банковского кредита, поскольку фирма раскрывает кредитору больше информации.

«Свой» банк – это такой банк, с которым фирма ведет тесное долговременное сотрудничество. Если у фирмы есть «свой» банк, она имеет доступ к краткосрочным ликвидным средствам. Обычно наличие такого банка оценивают по длительности кредитных отношений банка и фирмы. Но в силу недоступности данных Вальдеррама определял наличие «своего» банка исходя из ряда других характеристик:

1) количество банков, с которыми у фирмы имеются кредитные отношения;

2) доля кредитов от банка, предоставляющего наибольшее количество кредитов данной фирме, в общем объеме кредитов;

3) доля краткосрочных кредитов от банка, предоставляющего наибольшее количество краткосрочных кредитов данной фирме, в общем объеме краткосрочных кредитов;

4) доля долгосрочных кредитов от банка, предоставляющего наибольшее количество долгосрочных кредитов фирме, в общем объеме долгосрочных кредитов.

На деятельности фирм действия органов денежно-кредитного регулирования будут отражаться не так сильно, если фирмы имеют возможность заменить банковские кредиты иными видами внешнего финансирования. Одним из способов получения такого финансирования является использование торговых кредитов. Следовательно, необходимо проверять гипотезу о том, что эластичность спроса на инвестиции по отношению к ликвидным ресурсам должна быть ниже у фирм с большей долей торговых кредитов в общей краткосрочной задолженности.

Хотя существование «своего» банка может препятствовать выявлению кредитного канала, поскольку такой банк не будет сокращать объемы предоставляемых кредитов в периоды ужесточения ДКП, однако могут возрасти издержки использования капитала, из-за которых общий объем займов может уменьшиться. Дело в том, что банк может увеличить стоимость кредитов, поскольку будет обладать монопольной властью над клиентом. Таким образом, при оценке проверяется гипотеза о том, что спрос на инвестиции для фирм, которые имеют «свой» банк, более чувствителен к издержкам использования капитала и менее чувствителен к ликвидным ресурсам.

Гайотти и пр. (Gaiotti, Secchi, 2004) в своей работе делают попытку исследовать наличие канала денежной трансмиссии, связанного с издержками фирмы (cost channel). Для этого необходимо отделить влияние ДКП на агрегированный спрос от влияния, которое оказывает на цены выпуск фирмы. Так как оценка канала, связанного с издержками фирмы, проводится с использованием данных на уровне фирм и позволяет учесть индивидуальные особенности каждой фирмы, то с помощью такого подхода можно оценить прямой эффект изменения ставки процента на выпуск и ценовую политику фирмы.

При построении подобных моделей, как правило, предполагается, что фирмы находятся в условиях совершенной конкуренции, а производственный процесс описывается функцией Кобба-Дугласа, зависящей от материальных затрат Mit, труда Nit, капитала и технологии. При этом учитывается, что фиксированная часть материальных затрат должна быть сохранена в качестве товарноматериальных запасов.

Если общие издержки зависят от затрат на факторы производства и от ставки процента, можно получить уравнение для ценовой поли& тики фирм. Изменение цены продукции Pit описывается уравнением:

&& & && & 1- i Nit + Pit = µt +1 1- i wst +2 ivst +3 yit - iMit -( ) ( ) ( ) () () +4 hirit +5 1-i rit +6 CUit ( ) ( ) ( ) () (3.11) Здесь vst, wst, цена единицы материальных затрат и труда соответственно, CUit показывает интенсивность использования капита& ла, ivst – изменение цен факторов производства, умноженное на долю материальных затрат по отношению к общим издержкам фирмы, изменение производительности фирмы определяется величиной && yit - iMit -( ) 1- Nit, слагаемое hirit – это произведение из() i менения процентной ставки и доли используемого капитала в общих издержках фирмы, а слагаемое 1-i rit – произведение измене( ) ния ставки процента и отношения добавленной стоимости к общим издержкам. Ставка процента, по которой фирмы могут получить кредит, варьируется для разных фирм.

Согласно Гайотти и пр. (Gaiotti, Secchi, 2004), коэффициенты 1 -3 должны быть близки к единице, а коэффициенты4,5 – положительны. Авторы провели оценку подобной модели на панельных данных для итальянских фирм с использованием фиксированных эффектов. Результаты оценки оказались в целом соответствующими предположениям, причем авторам удалось показать, что ДКП влияет на экономику, в том числе через изменение совокупного предложения.

* * * Таким образом, мы рассмотрели основные подходы к анализу механизмов денежной трансмиссии, используемые в мировой экономической литературе. На наш взгляд, наибольший интерес представляет использование данных индивидуальных банковских балансов для оценки эффективности канала банковского кредитования.

Применение методологии векторных авторегрессий является широко распространенным подходом в современной монетарной экономике, однако оно сопряжено со значительной неустойчивостью получаемых результатов. При этом дескриптивный подход представляется нам слишком субъективным, причем фактически он представляет собой упрощенную версию эконометрических подходов.

Далее в нашей работе мы применим описанные выше методы для оценки механизмов денежной трансмиссии в России. Заметим, что отечественных исследований, посвященных анализу механизмов денежной трансмиссии в Российской Федерации, практически нет.

Помимо работы Дробышевского и Козловской (Дробышевский, Козловская, 2002), являющейся предыдущим этапом данного исследования, можно отметить лишь статью Моисеева (Моисеев, 2002), рассмотревшего функционирование каналов валютного курса, банковского кредитования и богатства домохозяйств. Автор сделал вывод об отсутствии в России рыночной финансовой системы и ограниченности механизмов воздействия денежно-кредитной политики ЦБ РФ на реальный сектор, используя эконометрический анализ.

Таким образом, если векторные авторегрессионные модели ранее применялись российскими авторами для анализа трансмиссионных механизмов ДКП, то использование микроданных по отдельным банкам в нашей работе является одним из первых российских исследований такого рода.

2. Эмпирический анализ трансмиссионных механизмов денежно-кредитной политики Банка России 2.1. Анализ механизмов денежной трансмиссии в рамках VAR-подхода Для выявления трансмиссионных механизмов денежнокредитной политики в Российской Федерации в рамках данного подхода сначала изучается влияние денежного предложения на выпуск. Однако анализ импульсных функций отклика векторной авторегрессии, описывающей взаимосвязь денежного предложения, цен и выпуска, не позволил отвергнуть гипотезу об отсутствии влияния денежного предложения на выпуск. Но мы полагаем, что данная гипотеза не была отвергнута из-за недостаточной мощности используемого критерия в силу малого количества наблюдений, а также изза возможной неправильной спецификации модели. Поэтому на втором этапе мы попытаемся более точно специфицировать VARмодель с учетом различных трансмиссионных механизмов.

Иными словами, мы добавляем в модель переменные, позволяющие учесть функционирование следующих каналов денежной трансмиссии:

• процентного канала;

• канала банковского кредитования;

• канала денежных потоков;

• канала непредвиденного роста уровня цен;

• канала богатства домохозяйств;

• канала q-Тобина;

• курсового канала.

Но и оценка более точно специфицированных моделей не позволила нам отвергнуть гипотезу об отсутствии работающих каналов денежной трансмиссии в России. Таким образом, отсутствие работающих каналов денежной трансмиссии не противоречит эмпирическим данным. В то же время не исключено, что при наличии более длинных рядов данных мы бы обнаружили функционирующие трансмиссионные механизмы. Следовательно, перед нами возникла задача выбора тех каналов, гипотеза об отсутствии которых была бы отвергнута при оценке моделей на большем временном интервале.

Для решения данной задачи с помощью информационных критериев мы отобрали модели, лучше всего описывающие эмпирические данные. Можно предположить, что трансмиссионные механизмы, соответствующие данным моделям, все же функционируют в российской экономике.

2.1.1. Деньги и выпуск в экономике России Перед анализом механизмов денежной трансмиссии в экономике России мы изучили влияние денежного предложения и цен на динамику реального выпуска. Оценки осуществлялись на основе построения импульсных функций отклика векторной авторегрессионной модели:

Yt = A(Li )Yt-i + Zt + t Yt = Mt,Yt, Pt T, () Zt = OILt, TRENDt () где M – показатель денежного предложения, Y – реальный выпуск, P – уровень цен, OIL – цена на нефть марки Brent, а TREND – линейный тренд.

В качестве показателя реального выпуска мы выбрали индекс выпуска базовых отраслей промышленности, а в качестве индекса цен – ИПЦ. Для всех показателей строился базовый индекс, причем значение на 1 января 1999 г. принималось равным 1. Мы будем рассматривать 3 показателя денежного предложения – денежную базу (резервные деньги, H), денежную массу М2 (M2) и денежную массу М3 (M3). Вектор экзогенных переменных включает цены на нефть марки Brent. Данные о денежных агрегатах взяты из материалов Банка России, об индексе потребительских цен и индексе выпуска базовых отраслей промышленности – из материалов Росстата, а цены на нефть – из сборника «International financial statistics». Оценка модели проводится на месячных данных с января 1999 г. по июнь 2007 г. (102 наблюдения). Все ряды рассматриваются в логарифмах.

Перед оцениванием моделей из рядов была исключена сезонная составляющая.

Результаты тестов на единичный корень для рассматриваемых временных рядов приведены в табл. 2.17.

Таблица 2.Результаты тестов на единичный корень (расширенный тест Дикки-Фуллера) Значение Критическое значение при 5%-м Показатель статистики уровне значимости Стационарность относительно детерминированного тренда Индекс реального эффективного курса –7 –3,рубля Уровень цен –3 –2,Индекс обменного курса рубля к дол–2,9 –1,лару США Денежная база –3,3 –1,Денежная масса M2 –3,49 –3,Денежная масса M3 –3,52 –3,Стационарность в первых разностях Индекс выпуска базовых отраслей –3,53 –3,экономики Цены на нефть марки Brent –10,1 –3,Таким образом, большинство переменных на рассматриваемом временном интервале являются стационарными относительно линейного тренда, и поэтому в число экзогенных переменных модели мы включили линейный тренд. Что касается рядов выпуска базовых Здесь и далее приведены результаты тестирования рядов на единичный корень с помощью ADF-теста. В то же время выбор оцениваемой статистической модели осуществлялся с помощью процедуры Доладо и пр.

отраслей экономики и цен на нефть, то они рассматриваются в первых разностях.

Так как в числе рассматриваемых рядов есть только два ряда ненулевого порядка интегрированности, то коинтеграционные соотношения для анализируемых рядов построить нельзя, поэтому мы будет оценивать векторную авторегрессию без коррекции ошибок.

Для выбора количества лагов в модели векторной авторегрессии мы оценили варианты модели с количеством лагов от 0 до 12. Как видно из табл. 2.2, согласно информационному критерию Акаике при использовании показателей денежного предложения наилучшие статистические качества имеют модели с количеством лагов, равным 12. В то же время критерий Шварца говорит о том, что наилучшей являются модели с 3-мя лагами. Однако, поскольку критерий Акаике часто завышает порядок модели, критерий Шварца состоятелен, и при выборе конечной спецификации мы в данном случае больше полагаемся на критерий Шварца.

Таблица 2.Значения информационных критериев для моделей векторной авторегрессии с различным числом лагов H M2 MLR AIC SIC LR AIC SIC LR AIC SIC 0 422,57 –9,29 –9,04 478,03 –10,54 –10,29 500,78 –11,05 –10,1 624,06 –13,62 –13,12 679,23 –14,86 –14,36 703,96 –15,41 –14,2 670,39 –14,46 –13,70 730,03 –15,80 –15,04 748,50 –16,21 –15,3 693,18 –14,77 –13,76 757,74 –16,22 –15,21 780,01 –16,72 –15,4 698,00 –14,67 –13,42 762,19 –16,12 –14,86 784,12 –16,61 –15,5 709,64 –14,73 –13,22 772,56 –16,15 –14,64 796,71 –16,69 –15,6 718,59 –14,73 –12,97 787,31 –16,28 –14,51 812,99 –16,85 –15,7 726,26 –14,70 –12,69 795,15 –16,25 –14,24 824,39 –16,91 –14,8 745,84 –14,94 –12,68 807,11 –16,32 –14,05 841,75 –17,10 –14,9 769,19 –15,26 –12,75 827,23 –16,57 –14,05 857,26 –17,24 –14,10 784,63 –15,41 –12,64 844,76 –16,76 –13,99 873,99 –17,42 –14,11 807,23 –15,71 –12,69 873,46 –17,20 –14,18 905,26 –17,92 –14,12 823,55 –15,88 –12,61 897,10 –17,53 –14,26 926,05 –18,18 –14,Импульсные функции отклика изменения логарифма выпуска на шоки цен и денежного предложения (H, М2 и М3) для моделей векторной авторегрессии приведены на рис. 2.1. Как видно из представленных графиков, значения функций откликов во всех случаях статистически незначимы, т.е. гипотеза об отсутствии влияния денег на объем выпуска на всем периоде не отвергается.

Response to One S.D. Innovations ± 2 S.E.

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 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.