WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 3 | 4 || 6 | 7 |   ...   | 8 |

ПРАВИЛА ДЕНЕЖНО-КРЕДИТНОЙ ПОЛИТИКИ БАНКА РОССИИ отражает инфляцию в годовом выражении, т.е. процентное изменение уровня ИПЦ по отношению к тому же месяцу год назад. В качестве целевых значений соответствующих переменных были использованы официальные прогнозы инфляции и ВВП, публикуемые Банком России каждый год в "Основных направлениях денежнокредитной политики". Ежемесячные значения были получены равномерной интерполяцией годовых показателей, при этом, поскольку мы использовали переменные в годовом выражении, корректировка сезонности не требовалась. В качестве целевых значений переменных выпуска промышленности, базовых отраслей экономики, уровня безработицы и различных индикаторов реального обменного курса использовался тренд, полученный с помощью фильтра Ходрика–Прескотта (HP-filter).

Для построения переменной, отражающей динамику золотовалютных резервов (интервенций на валютном рынке), мы использовали официальные данные Центрального банка. Следуя рекомендациям, нами был построен альтернативный ряд, полученный из исходного путем исключения влияния фактора переоценки валют, в частности, евро по отношению к доллару США. Объемы интервенций Банка России на валютном рынке были рассчитаны исходя из изменений золотовалютных резервов, скорректированных на объем выплат по внешнему долгу. Переменная, отражающая операции стерилизации со стороны Центрального банка, была рассчитана путем суммирования данных о средствах, размещенных коммерческими банками на депозите ЦБ, а также вложений в ценные бумаги (преимущественно в рамках операций биржевого модифицированного РЕПО). Данные о масштабах участия бюджета в процессе стерилизации взяты из "Денежного обзора" ЦБ, где фиксируются остатки рублевых средств, размещенных органами государственного управления на счетах в Банке России.

4.2. Результаты оценивания GMM — оценки правила денежно-кредитной политики. В первой части нашего исследования мы использовали стандартный подход к оценке правила денежно-кредитной политики (в особенности в случае спецификации forward-looking): обобщенный метод моментов (GMM) (см., например, Clarida, Gali, Gertler, 1998, 2000; Cuche, 2000 и т.д.).

Во-первых, этот метод весьма успешен для оценки функций реакции именно в виде forward-looking, где правая часть содержит ожидаемые значения выпуска, инфляции или обменного курса, не на4. ОЦЕНКА ПРАВИЛА ДЕНЕЖНО-КРЕДИТНОЙ ПОЛИТИКИ блюдаемые непосредственно в момент принятия решений. Во-вторых, этот метод помогает предотвратить потенциальную ошибку смещения параметров при одновременном оценивании (simultaneity bias): когда инструмент политики изменяется в ответ на ожидаемые шоки инфляции, выпуска и обменного курса, но, в свою очередь, может в тот же момент влиять на эти переменные.

Чтобы оценить уравнение методом GMM, мы должны выбрать вектор инструментов, состоящий из переменных, значения которых известны в момент времени, когда принимаются решения об определении текущих параметров денежно-кредитной политики. Следуя Clarida, Gali, Gertler (1998, 2000), для этой цели мы первоначально использовали лаги целевых переменных и инструмента денежно-кредитной политики, однако затем мы значительно расширили множество инструментов. В этом качестве мы пытались включить в модель такие индикаторы, как цены на нефть на мировом рынке, объемы экспорта нефти и нефтепродуктов, капитальные потоки в виде доли чистого экспорта товаров и услуг в ВВП и доли золотовалютных резервов ЦБ в ВВП, различные индикаторы номинальных и реальных регулируемых цен на энергию (газ, электричество), мировые и внутренние процентные ставки, а также такие переменные, как различные показатели непокрытого паритета процентных ставок на внутреннем и мировом рынке (с учетом валютного курса) (см. Приложение П1). Затем наша модель была подвергнута проверке на адекватность выбора инструментов (validity of instruments).

Проверка адекватности инструментов. Результаты оценки модели GMM могут считаться адекватными, если выполнено условие отсутствия ошибок спецификации (overidentification), а инструменты являются экзогенными. Экзогенность инструментов требуется для получения состоятельных оценок коэффициентов модели.

В теории различают слабую (weak), строгую (strong) и суперэкзогенность (super exogeneity). Переменная zt называется слабо экзогенной для оценки множества параметров, если определение при условии zt не приводит к потере информации. Эвристически, при условии, что совместное распределение случайных величин (yt, zt) всегда может быть записано в виде произведения условного распределения yt на zt и функции распределения zt, слабая экзогенность подразумевает, что спецификация собственного распределения zt является иррелеватной для определения. Если помимо того, что zt обладает свойством слабой экзогенности, для нее также ни одна из эндогенных переменных системы не является причиной по Грэнджеру, то zt называется строго экзогенной. Если все параметры условПРАВИЛА ДЕНЕЖНО-КРЕДИТНОЙ ПОЛИТИКИ БАНКА РОССИИ ной модели инварианты любым изменениям собственного распределения zt, и zt является слабо экзогенной для, то zt обладает свойством супер экзогенности (Ericsson, Irons, 1994, 40–41).

Для проверки адекватности набора инструментов достаточно определить, являются ли они слабо экзогенными.

В нашем случае, исследовать свойства отсутствия ошибок спецификации и экзогенности инструментов модели можно двумя способами. С одной стороны, согласно Davidson, MacKinnon (1993, 235–236), мы сразу можем протестировать совместную нулевую гипотезу о корректной спецификации и адекватности инструментов. В этом случае нам необходимо проверить, что статистика, являющаяся произведением числа наблюдений на нецентрированный R2 регрессии ошибок первоначальной модели на все инструменты, не превышает критический уровень (l -k ), где l — число инструментов, а k — число объясняющих переменных в первоначальной спецификации модели. Однако если нулевая гипотеза отвергается, мы не сможем определить причину, по которой тест не выполняется, т.е. выяснить, является ли проблемой неверная спецификация модели или "виноват" эндогенный набор инструментов.

Поэтому с практической точки зрения более удобно исследовать эти свойства по отдельности. Для проверки существования ошибок спецификации мы использовали стандартную J-статистику, генерируемую пакетом Eviews, а затем каждая переменная множества инструментов была протестирована на слабую экзогенность по отношению к оценке множества параметров модели с помощью тестов Ву–Хаусмана (Wu–Hausman test) (Ericsson, Irons, 1994, 103–104).

С этой целью каждый ряд множества инструментов регрессировался на все остальные инструменты, а затем оцененные ошибки этого уравнения включались в первоначальную модель. Гипотеза о слабой экзогенности искомой переменной не отвергалась, если t-статистика соответствующего коэффициента при этой переменной оцененных на предыдущем шаге ошибок была незначимой.

Третье критическое свойство, которым должна обладать модель для состоятельности оценок, — это отсутствие автокорреляции остатков. Причем это требование принципиальным является именно для вида модели, подобного нашей спецификации, включающей лаг объясняемой переменной с правой стороны. В простейшем случае выполнение данного свойства может быть про4. ОЦЕНКА ПРАВИЛА ДЕНЕЖНО-КРЕДИТНОЙ ПОЛИТИКИ контролировано с помощью приемлемого уровня статистики Дарбина–Уотсона (DW-statistic).

Результаты оценивания. На первом шаге мы пытались построить правило в его стандартной формулировке, когда в качестве инструмента денежно-кредитной политики выступают процентные ставки.

Были использованы два альтернативных показателя: однодневная ставка на рынке межбанковского кредитования и ставка "overnight" по депозитным операциям Центрального банка, поскольку попытки использовать ставки по депозитам на более длительный срок не дали хороших результатов в ходе предварительных исследований.

Действительно, на долю депозитов "overnight" приходилось до 70% размещенных коммерческими банками средств. Рынок МБК также характеризовался преимущественно операциями на короткие сроки, что связано, отчасти, с низким доверием банков друг к другу, но в большей степени с особенностями самого рынка. Доля однодневных кредитов составляла 75–95% всего оборота рублевого рынка МБК.

Другие ставки Центрального банка не рассматривались, главным образом в силу того, что соответствующие операции не проводились на всем периоде наблюдений.

По предварительным результатам оценок можно было заключить, что на протяжении пост-кризисного периода процентная политика Банка России носила скорее адаптационный характер. Коэффициенты при показателях инфляции, обменного курса, выпуска демонстрировали "правильный" знак, однако их абсолютное значение находилось на уровне, меньшем единицы. Положительный знак при первых двух переменных говорил о том, что, в ответ на превышение фактических темпов роста цен потребительского рынка и ВВП своих целевых значений, Центральный банк в среднем ужесточал денежно-кредитную политику, способствуя повышению процентных ставок. При ускорении темпов реального укрепления национальной валюты Банк России, напротив, снижал ставки, стимулируя отток свободных средств на валютный рынок, увеличение спроса на доллары и замедление темпов ревальвации. Коэффициент при значении инструмента в предыдущий период имел положительный знак и по модулю был меньше единицы, что свидетельствовало о том, что Банк России изменял ставки постепенно, минимизируя шоковое воздействие своей политики на денежный рынок.

Однако в новой спецификации моделей, при переходе к переменным годовых приростов, нам не удалось получить адекватной модели правила денежно-кредитной политики для инструментов процентных ставок. Во-первых, лучшее уравнение (см. табл. П8 ПриПРАВИЛА ДЕНЕЖНО-КРЕДИТНОЙ ПОЛИТИКИ БАНКА РОССИИ ложения) обладает плохими статистическими свойствами: имеет низкую объясняющую силу (R2), коэффициент при целевой переменной инфляции малозначим, более того, не выполняется условие отсутствия ошибок спецификации, что ставит под сомнение состоятельность оценок коэффициентов. Во-вторых, полученные коэффициенты имеют "неправильные" знаки: так, ускорение инфляции коррелирует со снижением процентных ставок, что также может свидетельствовать в пользу адаптационной, и даже неординарной процентной политики Банка России на пост-кризисном периоде.

Однако переменная лага процентной ставки положительна и имеет довольно большое значение, что указывает на сглаживающую политику ЦБ в отношении процентных ставок, стремящегося снизить негативные эффекты резких колебаний этого инструмента на денежный сектор и всю экономику. В общем, эти результаты могут являться подтверждением той гипотезы, что инструменты процентной политики не являлись приоритетными для Банка России на всем периоде 2000–2003 гг.

На следующем шаге в качестве инструмента был выбран показатель денежной базы. Центральный банк регулирует инфляцию, воздействуя на промежуточный ориентир — рост денежного предложения. Происходит это в основном через изменение денежной базы — агрегата, в большей степени контролируемого денежными властями.

Теперь обсудим проблему выбора целевой переменной, отражающей уровень экономической активности. На первом этапе в качестве двух альтернатив использовались показатели ВВП и промышленного производства. Попытки включения в модель правила второго агрегата — как при оценке уравнения с использованием процентных ставок, так и денежной базы, — не дали удовлетворительных результатов, поэтому далее мы сконцентрировались на переменной годового роста ВВП. Оценка правила, где переменная экономической активности была выражена реальным ростом ВВП, давала хорошо интерпретируемые результаты (см. далее), однако, с точки зрения эконометрического качества уравнения, мы потерпели неудачу в попытке получить модель, удовлетворяющую всем необходимым требованиям. Так, одно из уравнений (см. табл. П1 Приложения) имело значительную автокорреляцию остатков, что могло быть устранено (см. табл. П9 Приложения) только за счет включения в модель неэкзогенных инструментов6.

В соответствии с тестами Ву–Хаусмана (Wu–Hausman).

4. ОЦЕНКА ПРАВИЛА ДЕНЕЖНО-КРЕДИТНОЙ ПОЛИТИКИ В дальнейшем мы оценили модель с использованием других переменных, отражающих рост экономики, — уровня безработицы и выпуска базовых секторов экономики. В первом случае эту попытку можно, в общем, также признать неудачной: переменная отклонения уровня безработицы от тренда имела высокий уровень значимости при сохранении на должном уровне других статистических характеристик уравнения, однако, коэффициент при ней имел знак, не согласующийся с экономической теорией. Так, чем больше уровень безработицы отклоняется от желаемого (здесь мы использовали тренд — HP filter) в сторону роста безработицы, тем ниже должна быть экономическая активность и, значит, имеет смысл сохранять скорее смягчающий характер денежно-кредитной политики. Таким образом, в уравнении с использованием денежной базы в качестве инструмента знак при переменной, характеризующей разрыв между фактическим и желаемым (трендовым) уровнем безработицы, должен быть скорее положительным, а не отрицательным, как получалось в наших оценках. Причиной для этого, возможно, является "нетрадиционная" зависимость между уровнем безработицы и выпуска в 2000–2003 гг.: как видно на рис. 4, эти переменные на пост-кризисном периоде имели явную положительную связь.

14% 12% UNEMPLSA 10% 8% 6% 4% GDPYGRSA 2% Рис. 4. Динамика экономического роста (GDPYGRSA) и безработицы (UNEMPLSA) в 2000–2003 гг.

Июль-Июль-Июль-Июль-Январь-Январь-Январь-Январь-ПРАВИЛА ДЕНЕЖНО-КРЕДИТНОЙ ПОЛИТИКИ БАНКА РОССИИ Замена переменной экономической активности на рост числа занятых в экономике также не дала ощутимых результатов: в лучшем случае она оставалась незначимой (см. табл. П11 Приложения), в худшем — результаты эконометрического оценивания также не давали адекватных знаков коэффициентов.

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