WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 4 | 5 || 7 | 8 |   ...   | 9 |

Response of Y to H Response of Y to P.02..01..00.-.01 -.-.02 -.-.03 -.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Response to One S.D. Innovations ± 2 S.E.

Response of Y to M2 Response of Y to P.02..01..00.-.01 -.-.02 -.-.03 -.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Response to One S.D. Innovations ± 2 S.E.

Response of Y to M3 Response of Y to P.02..01..00.-.01 -.-.02 -.-.03 -.2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 Рис. 2.1. Импульсные функции отклика логарифма выпуска на шоки цен и денежного предложения.

* * * Проведенный анализ взаимосвязи предложения денег, цен и выпуска в экономике России не позволил выявить прямое влияние шоков денежного предложения на динамику выпуска на рассматриваемом периоде времени (1999–2007 гг.).

На наш взгляд, данный вывод объясняется особенностями и быстротечностью процессов в реальном секторе экономики на протяжении рассматриваемого периода времени. Так, традиционный анализ взаимосвязи денег и выпуска проводится на основе данных, очищенных не только от сезонных и календарных, но и от циклических компонент. В нашем случае, все данные приходятся фактически на один цикл экономической конъюнктуры, т.е. мы проводим анализ взаимодействия денег и выпуска внутри одного (при этом достаточно короткого) среднесрочного экономического цикла.

На динамику выпуска также накладывался восстановительный рост после кризиса 1998 г., все влияние которого не может быть учтено включенными в модель экзогенными переменными. Так, наши оценки также показали, что ценовые шоки в течение полугода оказывают некоторое влияние на динамику выпуска. Однако данное влияние не носит какого-либо однонаправленного характера, а изменение выпуска имеет колебательный характер. По всей видимости, данный результат отражает адаптацию экономики в случае ценовых шоков.

Кроме того, мы полагаем, что гипотеза об отсутствии влияния предложения денег на выпуск, возможно, не была отвергнута из-за недостаточно точной спецификации модели. Поэтому на следующем этапе анализа мы уточним оцениваемую модель за счет включения в число переменных показателей, соответствующим различным механизмам денежной трансмиссии.

2.1.2. Анализ наличия каналов денежной трансмиссии Проведенный выше анализ не позволил отвергнуть гипотезу об отсутствии влияния денежного предложения на реальный выпуск в экономике России. Однако данный результат не означает, что такого влияния нет, так как, возможно, вследствие малого числа наблюдений мощность используемого критерия оказалась низкой. Это дает нам право провести анализ возможных каналов денежной трансмиссии в экономике России. Для эмпирического исследования каналов денежной трансмиссии в экономике России в данном разделе мы будем использовать традиционный подход (см. McCallum, 1999), 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 Yt = Ht, Yt, Xt T, () Zt = (TRENDt ) где X обозначает переменные, характеризующие тот или иной канал денежной трансмиссии8. В качестве показателя денежного предложения в данной части работы мы будем использовать 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, нами 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 банковloans ской системы (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, M2);

4) для канала непредвиденного роста уровня цен (UPL) – индекс потребительских цен (данные Росстата, 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 (данные Росстата и Банка России, deposits RUB = );

liabilities.

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

7) для курсового канала (ER) – логарифм реального эффективного курса рубля (данные Банка России, REER).

Описание различных каналов денежной трансмиссии см. в работе (Дробышевский, Козловская, 2002).

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, а корпоративные ценные бумаги составляют крайне незначительную долю активов домохозяйств.

Мы также признаем условность выбора переменных, отвечающих за определенные каналы денежной трансмиссии. 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, а для обеспечения достаточного числа степеней свободы мы вынуждены работать с месячными данными. Также не бесспорным представляется выбор отношения рублевых депозитов населения к обязательствам банковской системы9 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 переменных, используемых в данной части исследования, показаны в табл. 2.3. 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.

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

Таблица 2.Результаты тестов на единичный корень (расширенный тест Дикки-Фуллера) Значение ста- Критическое значение при 5% Показатель тистики уровне значимости Стационарность относительно детерминированного тренда Ставка процента по кредитам – 3,52 – 3,Доля кредитов нефинансовому сектору экономике в общем объеме активов бан– 3,29 – 1,ковской системы Логарифм фондового индекса РТС – 3,67 – 3,Стационарность в первых разностях Доля частных депозитов в общем объеме – 9,61 – 3,обязательств банковской системы Поскольку большинство рядов являются стационарными относительно линейного тренда, в данном параграфе мы будем оценивать модели векторной авторегрессии без учета коррекции ошибок. В то же время в число экзогенных переменных будет включен линейный тренд, а нестационарные переменные будут рассматриваться в соответствующих разностях.

Так же, 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. 2.4, 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, мы отдавали предпочтение результатам, полученным с использованием критерия Шварца, так как критерий Акаике часто завышает порядок модели, а критерий Шварца является состоятельным.

Таблица 2.Значения информационных критериев для моделей векторной авторегрессии с различным числом лагов % BL CF LR AIC SIC LR AIC SIC LR AIC SIC 0 60,96 –1,23 –1,07 498,29 –11,06 –10,89 460,25 –10,21 –10,1 174,05 –3,57 –3,15 592,46 –12,98 –12,56 537,02 –11,73 –11,2 194,56 –3,83 –3,16 613,84 –13,25 –12,58 561,89 –12,09 –11,3 206,91 –3,91 –2,99 623,26 –13,26 –12,34 574,96 –12,18 –11,4 210,47 –3,79 –2,61 636,69 –13,36 –12,19 578,59 –12,06 –10,5 215,30 –3,69 –2,27 640,81 –13,25 –11,83 590,55 –12,12 –10,6 221,19 –3,62 –1,94 653,44 –13,34 –11,66 597,89 –12,09 –10,7 224,06 –3,48 –1,56 668,19 –13,46 –11,54 611,87 –12,20 –10,8 234,41 –3,51 –1,33 680,38 –13,54 –11,36 624,71 –12,29 –10,9 259,53 –3,88 –1,44 702,90 –13,84 –11,41 652,40 –12,71 –10,10 281,42 –4,17 –1,48 723,63 –14,10 –11,42 676,79 –13,05 –10,11 308,03 –4,56 –1,63 755,51 –14,62 –11,68 701,30 –13,40 –10,12 320,72 –4,65 –1,46 770,37 –14,75 –11,56 734,94 –13,95 –10,UPL HLE QT LR AIC SIC LR AIC SIC LR AIC SIC 0 421,89 –9,35 –9,18 600,05 –13,35 –13,18 280,55 –6,17 –6,1 620,95 –13,62 –13,20 635,27 –13,94 –13,52 369,49 –7,97 –7,2 667,91 –14,47 –13,80 659,20 –14,27 –13,60 389,59 –8,22 –7,3 688,14 –14,72 –13,80 665,64 –14,22 –13,29 396,13 –8,16 –7,4 692,97 –14,63 –13,45 674,00 –14,20 –13,03 402,52 –8,10 –6,5 704,31 –14,68 –13,26 679,42 –14,12 –12,70 408,55 –8,03 –6,6 713,65 –14,69 –13,01 684,62 –14,04 –12,36 414,56 –7,97 –6,7 721,26 –14,66 –12,73 690,60 –13,97 –12,04 416,16 –7,80 –5,8 740,97 –14,90 –12,72 702,01 –14,02 –11,84 430,19 –7,91 –5,9 761,81 –15,16 –12,73 723,18 –14,30 –11,86 454,94 –8,27 –5,10 776,78 –15,30 –12,61 742,69 –14,53 –11,85 479,75 –8,62 –5,11 798,92 –15,59 –12,66 760,99 –14,74 –11,81 513,65 –9,18 –6,12 814,64 –15,74 –12,56 774,46 –14,84 –11,65 521,51 –9,16 –5, ER LR AIC SIC 0 404,95 –8,97 –8,1 563,54 –12,33 –11,2 591,02 –12,74 –12,3 597,24 –12,68 –11,4 601,37 –12,57 –11,5 604,92 –12,45 –11,6 613,94 –12,45 –10,7 615,42 –12,28 –10,8 629,17 –12,39 –10,9 651,85 –12,69 –10,10 676,18 –13,04 –10,11 698,45 –13,34 –10,12 718,47 –13,58 –10,Графики импульсных функций откликов выпуска на шоки резервных денег и переменной, отвечающей за определенный канал денежной трансмиссии, а также реакции такой переменной на шок резервных денег показаны на рис. 2.2–2.8.

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

Response of Y to H Response of Y to R.03..02..01..00.-.01 -.-.02 -.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 R to H 2.1.1.0.0.-0.-1.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.2. Импульсные функции отклика для процентного канала Response to One S.D. Innovations ± 2 S.E.

Response of Y to H Response of Y to NFS.02..01..00.-.01 -.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 NFS to H...-.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.3. Импульсные функции отклика для канала банковского кредитования Response to One S.D. Innovations ± 2 S.E.

Response of Y to H Response of Y to.02..01..00.-.01 -.1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 Response of M2 to H......-.1 2 3 4 5 6 7 8 9 Рис. 2.4. Импульсные функции отклика для канала денежных потоков Response to One S.D. Innovations ± 2 S.E.

Response of Y to H Response of Y to P.02..01..00.-.01 -.-.02 -.-.03 -.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 P to H......-.-.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.5. Импульсные функции отклика для непредвиденного роста уровня цен Response to One S.D. Innovations ± 2 S.E.

Response of Y to H Response of Y to RUB.03..02..01..00.-.01 -.-.02 -.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 RUB to H.......-.-.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.6. Импульсные функции отклика для канала богатства домохозяйств Response to One S.D. Innovations ± 2 S.E.

Response of Y to H Response of Y to RTS.016..012..008..004..000.-.004 -.-.008 -.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 RTS to H....-.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.7. Импульсные функции отклика для теории q-Тобина Response to One S.D. Innovations ± 2 S.E.

Response of Y to H Response of Y to REER.02..01..00.-.01 -.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 REER to H......-.-.2 4 6 8 10 12 14 16 18 20 22 Рис. 2.8. Импульсные функции отклика для курсового канала 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 колебательной реакцией на ценовой шок, но и данная реакция является краткосрочной и неустойчивой (см. рис. 2.5).

Таким образом, мы получили фактически отрицательные результаты для всех каналов денежной трансмиссии на основе графиков импульсных функций отклика. Однако такой результат мог быть получен вследствие низкой мощности используемого критерия (малого числа наблюдений). В такой ситуации, сравнивая статистические характеристики оцененных моделей, мы можем понять, какая модель в наибольшей степени соответствует эмпирическим данным.

Иными словами, мы можем выбрать из нескольких моделей, соответствующих различным каналам денежной трансмиссии, наилучшую с точки зрения информационных критериев. Значения статистик, характеризующих статистические качества уравнения выпуска в моделях векторных авторегрессий, приведены в табл. 2.5. В скобках указано число лагов эндогенных переменных.

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