Базовая логика трансмиссии финансового стресса из развитой в

Использование байесовской VAR модели для анализа трансмиссии
финансового стресса из России в страны СНГ
Елена Анатольевна Фёдорова,
доктор экономических наук, профессор, кафедра финансового менеджмента,
Финансовый университет при Правительстве РФ, Москва, Российская Федерация
Довженко Сергей Валерьевич, аспирант,
кафедры экономической кибернетики СПбГУ
Введение
Анализ трансмиссии финансового стресса между странами является
предметом изучения ряда научных исследований. В своих работах ученые
выделяют две группы факторов трансмиссии: общие факторы и страновые
факторы. Транмиссия финансовых стрессов через эти каналы может быть как
общей и оказывать влияние сразу на ряд стран, или может касаться только
конкретной страны. Во втором случае многое зависит от торговых и
финансовых связей двух стран, структурных характеристик, состояния счета
текущих операций или бюджетных дисбалансов.
Базовая логика трансмиссии финансового стресса из развитой в
развивающуюся экономику состоит в следующем. Финансовый стресс может
увеличиться в ответ на фактический или зарождающийся отток капитала,
инициированный инвесторами в развитых странах в ответ на финансовый
шок. Поскольку финансовые институты проводят ребалансирование своего
портфеля
или
делеверидж,
экономики
с
более
высоким
объемом
заимствований будут затронуты в большей степени. Кроме того, финансовый
стресс
может
увеличиться
в
результате
убытков
по
инвестициям
развивающихся стран в развитые экономики, переживающие кризис. Этот
канал трансмиссии будет иметь значимое влияние в первую очередь для
стран экспортеров сырья. Кроме того, на величину финансового стресса
также может влиять снижение экспорта в страну, которая находится в
состоянии кризиса.
Наше исследование отличается следующим образом. Во-первых, мы
фокусируемся на трансмиссии систематического финансового стресса из
России в страны СНГ. Наш подход позволяет оценить влияние не только
монетарной политики, но и степени финансового стресса в экономике
России. Во-вторых,
эмпирически
в отличие от предыдущих исследований, мы
оцениваем,
какие
каналы
(торговые
или
финансовые)
объясняют межстрановые спилловеры. Наш анализ показывает, насколько
волатильность макроэкономических показателей в странах СНГ зависит
финансовых шоков в России, изменении ее монетарной политики, а также
других показателей.
Кроме того, в нашей работе мы опираемся на макро-финансовые
исследования Gilchrist и др. (2009)1, Helbling и др. (2011)2, Kalemli-Ozcan и
др. (2013)3, Hristov и др. (2012)4, Schüler (2014)5, которые анализируют
влияние финансовых шоков на экономику. В то время как данные
исследования анализируют трансмиссию финансовых шоков в рамках
закрытой экономики, в развитых странах, или из развитых в развивающиеся
страны, в нашей работе мы фокусируемся на анализе влияния финансового
стресса в России и его трансмиссии в страны СНГ. В частности, мы пытаемся
ответить на следующие вопросы: 1) Как проявление финансового стресса в
России влияет на макроэкономические показатели в СНГ?, 2) Какие каналы
трансмиссии финансового стресса являются более важными: торговые или
финансовые?, 3) Насколько важен финансовый стресс в России для
объяснения волатильности показателей в странах СНГ?
Описание данных
1
Gilchrist, S., Yankov, V., Zakrajsek, E., 2009. Credit market shocks and economic fluctuations: evidence from
corporate bond and stock markets. J. Monet. Econ. 56, 471e493.
2
Helbling, T., Huidrom, R., Kose, M., Otrok, C., 2011. Do credit shocks matter? a global perspective. Eur. Econ.
Rev. 55, 340e353.
3
Kalemli-Ozcan, S., Papaioannou, E., Perri, F., 2013. Global banks and crisis transmission. J. Int. Econ. 89,
495e510
4
Hristov, N., Hülsewig, O., Wollmershauser, T., 2012. Loan supply shocks during the € financial crisis: evidence
for the Euro area. J. Int. Money Financ. 31, 569e592.
5
Schüler, Y.S., 2014. Asymmetric Effects of Uncertainty over the Business Cycle: A Quantile Structural Vector
Autoregressive Approach. Working Paper Series 2014-2. Department of Economics, University of Konstanz
Для ответа на эти вопросы и анализа влияния финансовых стрессов в
России мы используем Байесовскую векторную авторегрессию. В рамках
работы мы анализируем макроэкономические показатели 11 стран СНГ по
квартальным данным в период с 2002 по 2015 гг. По каждой стране мы
рассматриваем 6 различных показателей, измеряющих реальный ВВП, объем
экспорта в России и импорта из России, ставку на денежном рынке, реальный
эффективный обменный курс (в случае его отсутствия мы рассматриваем
курс
национальной
валюты
к
доллару
США),
а
также
индекс
потребительских цен.
Российскую экономику мы моделируем с помощью 6 показателей.
Это показатели реального ВВП, индекса потребительских цен, ставка на
денежном рынке, индекса финансового стресса, цены на нефть, реального
эффективного обменного курса. Кроме того, для идентификации уникальных
движений в финансовом секторе России мы также включаем показатель
финансовой активности в развивающихся странах за исключением России
(индекс MSCI EFM Europe+CIS ex Russia). В качестве источника данных мы
использовали базу данных МВФ «International Finance Statistics», а также
Bloomberg. Для построения эконометрической модели все показатели были
прологарифмированы, за исключением индекса финансового стресса и
ставки на денежном рынке.
Как и Baker и др. (2013)6 в данной работе для анализа влияния общих
экономических шоков на макроэкономические показатели мы используем
индекс финансового стресса. Таким образом, разработанный в рамках
работы7
индекс
финансового
стресса
состоит
из
7
показателей,
агрегированных в единый индекс финансовых условий: индекс давления на
валютный рынок (EMP), индекс кредитных дефолтных свопов, индекс
российского рынка корпоративных облигаций, VIX-индекс, относительное
изменение цены на нефть марки Brent, индекс волатильности рынка ценных
6
Baker, S.R., Bloom, N., Davis, S.J., 2013. Measuring Economic Policy Uncertainty. Mimeo, Stanford University
7 Предыдущее выступление на конференции ВШЭ в 2015г, статья принята в журнал «ЖНЭА», в этой статье
про предлагаемый индекс можно прочитать более подробно.
бумаг, относительное изменение индекса
ММВБ, спред
ставок на
межбанковском рынке. Данные показатели помогают соотнести уровень
финансового стресса с большими изменениями в ценах на активы,
неопределенностью и уровнем риска, состоянием экономики и наличием
ликвидности.
Эмпирическая модель
Для того чтобы включить в модель дополнительные переменные и в
то же время избежать проблем с излишней размерностью, мы использовали
байесовский метод оценки моделей с большим количеством переменных
(large BVAR model). Этот метод основан на использовании априорного
распределения специального вида и позволяет оценивать модели с большим
количеством переменных с приемлемой точностью даже на относительно
небольших выборках. Он позволяет естественным образом расширить
стандартную
модель
векторной
авторегрессии,
включив
в
нее
дополнительные переменные, а также дает возможность экономической
интерпретации полученных результатов.
Результаты
Для анализа результатов оценки модели мы воспользовались
несколькими методами. Во-первых, мы рассмотрели разложение дисперсии
переменных, что позволило оценить вклад каждого из шоков в дисперсию
интересующих нас индикаторов. Полученные результаты показывают, какой
вклад дают внешние факторы, переменные денежно-кредитной сферы и
переменные реального сектора экономики. Вторым методом являются
функции импульсных откликов, которые показывают, как изменяются
значения интересующих нас переменных в ответ на различные шоки. Данные
методы позволяют проследить взаимосвязь между переменными, а так же
оценить степень влияния различных компонент.
Анализ разложения дисперсии показывает, что уровень финансового
стресса в России играет относительно большую роль в объяснении дисперсии
многих экономических переменных стран СНГ, включая производство,
обменный курс, экспорт или импорт. Так,
уровень финансового стресса
объясняет в среднем до 11,3% дисперсии в вариации экспорта и до 8%
динамики импорта. Для таких стран как Таджикистан и Узбекистан доля
объясненной вариации экспорта индексом финансового стресса превысила
26%, для Украины и Белоруссии – более 16%. Финансовый стресс в России
объяснет в среднем около 7,2% вариации реального ВВП рассматриваемых
стран (для Украины – более 22%), около 5% вариации ставки на денежном
рынке данных стран (для Казахстана - более 13,4%), около 7,1% вариации
валютного курса (для Грузии – более 17,7%). Также интересным
наблюдением является то, что
динами промышленного производства в
Украине более чем на 14,6% объясняется уровнем финансового стресса в
России.
Табл.1. Разложение вариации макроэкономических
показателей
украинской экономики
Инфляции
Экспорта в РФ
Импорта из
РФ
ВВП
реального
Укр.
Ставк
Реал.
Укр.
Укр.
ставк
реал
ВВ
а на
эфф.
ВВ
про
а на
.
П
ден.
обме
Укр.
Укр.
Укр.
П
м.
ден.
эфф.
ИП
реал
рынк
н.
ИП
экспор
импор
реал
пр-
рынк
обм.
FSI
Ц
.
е
курс
Ц
т
т
.
во
е
курс
11,5
24,5
10,7
0
0
1
1,69
3,59
5
1,15
0,65
1,05
0,03
0,03
8,94
16,9
34,7
8
0
0,33
3,45
4,85
4,82
30,01
0,03
2,31
0,22
0,16
2,13
1
4,44
1,39
0,48
2,99
6,42
8,81
47,91
0,65
0,27
0,06
4,49
22,7
19,2
8
9
0,07
0,13
2,57
14,5
29,9
7
9
0,09
1,53
41,58
0,84
Декомпозиция
вариации
Укр.
36,1
22,1
30,3
6,26
3,42
6,43
0,98
7,54
0,16
7
Промышленно
го
производства
15,6
4,19
2,58
10,45
1,36
16,27
1,69
1,60
6
Ставки на
денежном
рынке
18,9
6,54
Реального
эффективного
1,40
4,86
1,06
16,22
17,6
2,70
5
4,17
2,57
0,54
1,24
9
10,1
0,09
3,98
6,17
6
55,3
1,45
0,15
2,16
0,03
0,09
6
обменного
курса
Хотя при этом доля вариации инфляции стран СНГ, которая
объясняется уровнем финансового стресса, является достаточно низкой и
составляет только около 2,5%. Однако данный результат проявляется не у
всех стран: инфляция в Украине объясняется более чем на 11,5% вариацией
индекса финансового стресса в России.
Большое влияние также имеет ставка на денежном рынке в РФ. Она
объясняет около 7% дисперсии курсов валют рассматриваемых стран (для
Белоруссии – более 10%, для Грузии – около 20%). С другой стороны,
инляция в РФ имеет большое значение для экспорта других стран СНГ в
Россию – она объясняет более 18% динамики данного показателя для
Армении, 13% для Белоруссии и 34,7% для Украины.
Таким образом, для стран СНГ были выявлены каналы трансмиссии
шоков из России.