В данной работе мы ищем ответы на четыре вопроса:

Колебания деловой активности в экономике России
Н. Г. Арефьев, М. Н. Коцемир, Я. Э. Мулкаманова, А. C. Снегирев, А. В. Соколова1.
В данной работе мы ищем ответы на четыре вопроса:
1. Наблюдаются ли в экономике России деловые циклы в соответствии с
определением, данным Бернсом и Митчеллом? Другими словами, наблюдаются
ли
в
различных
макроэкономических
рядах
совместные
колебания,
соответствующие периоду цикла от 1,5 до 8 лет?
2. Можем ли мы выделить периоды спада, подъема, инфляционного и
рецессионного разрыва в экономике России в данных за 1995-2009 годы?
3. Согласуются ли деловые колебания, наблюдаемые в экономике России в 19952009 г. со стандартными теориями деловых циклов, изложенных в учебниках по
макроэкономике?
4. Есть ли в данных какие-то аномалии в колебаниях деловой активности, которые
не соответствуют каноническим моделям деловых циклов?
Для ответа на эти вопросы мы не разрабатываем собственный инструментарий, а
пользуемся уже известными методами, которые часто применяются для анализа деловых
циклов в развитых экономиках. Мы используем следующие три метода анализа. Вопервых, мы используем частотный фильтр Бакстера-Кинга. Этот фильтр работает по
принципу эквалайзера, позволяя выделить в исходных данных колебания строго
определенной частоты. Этот фильтр позволяет нам проверить наличие в данных частот
определенной продолжительности и выделить циклическую составляющую в каждом ряду
данных.
Второй инструмент анализа - модели ARIMA в рамках которых мы проверяем,
позволяют ли шоки в одном ряду улучшить прогноз динамики другого ряда. Это
позволяет проверить гипотезу о том, что речь идет именно о совместных колебаниях в
различных рядах, а не о независимых друг от друга колебаниях.
В качестве третьего инструмента анализа используется бухгалтерия деловых
циклов. Этот инструментарий позволяет классифицировать причины отклонения выпуска
Все авторы являются преподавателями или студентами Государственного Университета – Высшей Школы
Экономики.
Авторы благодарны Татьяне Глазовой и Дмитрию Васильеву за участие в обсуждении результатов,
представленных в данной работе.
1
от долгосрочного равновесия в четыре группы: отклонения параметра общей
производительности факторов, отклонения заработной платы, отклонения отдачи от
инвестиций и отклонения в совокупном спросе. Использование этого инструментария
позволяет сопоставить механизмы спада и подъема в экономике России с механизмами
циклических колебаний в развитых странах, а также с механизмами великой депрессии.
Мы приходим к следующим выводам. Во-первых, все проведенные тесты говорят о
наличии в экономике России деловых циклов, соответствующих определению Бернса и
Митчелла. А именно, в экономике России наблюдаются совместные колебания различных
макроэкономических переменных, соответствующие периоду колебания от полутора до 8
лет. С одной стороны, колебания в этом интервале частот являются ярко выраженными и
уступают по дисперсии лишь сезонным колебаниям. С другой стороны, колебания
действительно являются совместными.
Второй вывод из нашего анализа касается конкретных периодов спада, подъема,
перегрева или рецессионного разрыва в экономике. Мы с достаточной степенью
уверенности можем говорить о перегреве экономики на протяжении 1995 г., а также в
2006 – начале 2008 г., резких спадах в 1-3 кварталах 1998 г. и с 1 квартала 2008 года по 3
квартал 2009 года, а также рецессионных разрывах, которые длились с 3 квартала 1998 г.
по 3 квартал 1999 года, а также на протяжении всего 2009 года. Мы не уверены в
существовании инфляционного или рецессионного разрыва в другие периоды времени,
так как в этих периодах мы имеем противоречивые данные о состоянии экономики.
При ответе на третий вопрос, о согласованности колебаний деловой активности в
России со стандартными макроэкономическими моделями, следует принимать в расчет
трансформационный
спад,
который
наблюдался
в
России
в
1990-1996
годах.
Продолжительность и масштабы трансформационного спада в России сопоставимы с
продолжительностью и масштабами Великой депрессии в США, однако механизмы
трансформационного спада и Великой депрессии различаются. Великая депрессия может
быть объяснена в рамках стандартной макроэкономической модели как результат резкого
сжатия предложения денег, в то время как трансформационный спад объясняется лишь
параметра общей производительности факторов и пертурбациями в финансовой сфере.
Не смотря на то, что трансформационный спад объясняет значительную долю
колебаний выпуска в 1990-х и не имеет отношения к традиционным деловым циклам, он
не мешает нам изучать традиционные колебания деловой активности. С помощью
фильтра Бакстера-Кинга мы исключаем из анализа любые колебания с периодом более 8
лет. При этом продолжительность трансформационного спада составляет порядка 6 лет,
что соответствует периоду колебаний от 12 до 24 лет. Таким образом, фильтр БакстераКинга позволяет исключить трансформационный спад из анализа.
С поправкой на трансформационный спад, деловые колебания в экономике России
в целом соответствуют колебаниям, наблюдаемым в развитых странах и описанным в
классических
учебниках
по
макроэкономике.
Мы
получили
такой
же
список
проциклических, контрциклических и ациклических переменных, который присутствует в
любом учебнике по макроэкономике. Наличие стандартных макроэкономических
зависимостей также подтверждается анализом в рамках моделей ARIMA, представленным
в разделе 3.
Оставшаяся часть работы организована следующим образом. В разделе 1 мы
частично обсуждаем инструментарий, который мы используем для анализа. В разделе 1.1.
обсуждается фильтр Бакстера-Кинга, в разделе 1.2. – бухгалтерию деловых циклов. Мы
предполагаем, что читатель знаком с моделями ARIMA. Затем в разделе 2 представлен
частотный анализ колебаний, основанный на использовании фильтра Бакстера-Кинга. В
разделе 3 представлен анализ, проведенный на основе моделей ARIMA. Анализ колебаний
в экономике России в рамках бухгалтерии деловых циклов представлен в разделе 4. В
пятом разделе представлено заключение и еще раз обоснованы выводы, которые мы
представили во введении.
Раздел 1. Инструментарий
В данном разделе мы описываем фильтр Бакстера-Кинга и методологию
бухгалтерии деловых циклов. Если читатель не желает вдаваться в технические детали
проведенного анализа, данный раздел может быть пропущен без потери содержательных
выводов.
1.1. Фильтр Бакстера-Кинга.
Фильтр Бакстера-Кинга был впервые выведен в работе …. В основе этого фильтра
лежит преобразование Фурье. Рассмотрим интегрируемую функцию от времени f t  .
Преобразованием Фурье называется функция g   , заданная следующим образом:
(1)
g   

 f t e
 2it
dt ,

где  - это частота колебаний, а i - мнимая единица, i 2  1 .
При выполнении некоторых ограничений на функцию
f t  верно обратное
преобразование Фурье, а именно, исходная функция f t  может быть получена в форме
следующего интеграла:
(2)

f t  
 g  e
2it
dt ,

Таким образом, многие функции, представленные как функции от времени могут
быть представлены в другой системе координат, а именно, как функции от частот.
Принцип действия фильтра Бакстера-Кинга можно представить следующим
образом. Во-первых, исходные данные переводятся из временной шкалы в частотную
шкалу в соответствии с уравнением (1). Затем ряды «обрезаются», остается лишь
интересующий нас диапазон частот. После этого полученные данные переводятся назад в
шкалу времени, используя выражении (2). В результате мы получаем ряды,
отфильтрованные в строго заданном диапазоне частот.
Главная причина, по которой идеальный фильтр Бакстера-Кинга не может быть
применим на практике, заключается в том, что для преобразования Фурье (1) нам
требуются данные на бесконечном интервале времени  , . Поэтому используется
аппроксимация идеального фильтра, в которой бесконечный диапазон заменен конечным
интервалом  K, K  , где K - параметр аппроксимации. Бакстер и Кинг рекомендуют
использовать значение K , соответствующее трем годам (для годовых данных K  3 , для
квартальных K  12 и для месячных K  36 ).
На практике не требуется переводить данные из шкалы времени в шкалу частоты и
назад, а можно сразу воспользоваться формулой, выведенной Барстером и Кингом. Пусть
Yt - наш исходный ряд данных. Тогда отфильтрованный ряд данных yt может быть найден
следующим образом:
(4a)
yt 
K
c Y
s K
s ts
,
(4b)
cs  cˆs  среднее(сˆs )
(4c)
  2  1 ,

cˆs   sin s2  sin s1
,

s
s0
s0
где 1 и 2 - самая высокая и самая низкая частота диапазона, который мы хотим
выделить. В соответствии с определением Бернса-Митчелла, квартальным данным
соответствует 1 
1
1
и 2  .
6
32
Как видно из выражения (4a), чтобы получить отфильтрованное значение yt нам
требуются значения исходного ряда Yt на три года вперед и на три года назад от момента
t . Чтобы не терять наблюдения на концах рядов, для каждого ряда был построен прогноз
на 3 года вперед и на 3 года назад от крайних значений. Прогноз строился на основе
модели AR(4).
1.2. Бухгалтерия деловых циклов
Метод бухгалтерии деловых циклов был предложен в работе Чари, Кихо и
Макгреттэн (2006). В основе анализа рассматривается неоклассическая модель роста, в
которую введены несколько «клиньев». Каждый клин соответствует отклонению одной из
переменных от своего равновесного значения. Все клинья вместе взятые описывают
отклонение экономики от совершенно конкурентного равновесия.
Рассмотрим экономику, состоящую из бесконечно живущих домашних хозяйств,
фирм и государства. Время дискретное, каждый период соответствует одному кварталу.
Домашние хозяйства максимизируют межвременную функцию полезности, выбирая в
каждом периоде потребление и предложение труда. Сбережения домашних хозяйств
хранятся в форме физического капитала. Фирмы нанимают рабочих, арендуют у
домашних хозяйств капитал и производят конечный выпуск. Государство собирает с
домашних хозяйств аккордные налоги и финансирует закупки товаров и услуг, объем
которых задается экзогенно. Государственный долг в данной задаче является
нейтральным, поэтому для упрощения анализа государственный бюджет предполагается
сбалансированным в каждый момент времени.
Домашние хозяйства максимизируют ожидаемую функцию полезности

(5a)
E   tU ct , lt 
t 0
при бюджетном ограничении
(5b)
1  n   kt 1  1  rt 1   k ,t 1 kt  wt lt  ct  Tt ,
где c - потребление на одного человека, l - предложение труда,  - параметр
дисконтирования, n - параметр, равный темпу прироста населения,  - параметр, равный
тепу нейтрального по Хиксу технического прогресса, k - капитал на одного рабочего, r ставка процента, w - реальная заработная плата, T - аккордные налоги. Клин отдачи от
капитала  k вводится как налог на капитал, при этом все условные доходы от клиньев
перераспределяются назад домашним хозяйствам в форме аккордных субсидий.
Равновесие в экономике в целом задается в форме следующей системы уравнений:
(6a)
yt  ct  1  n   kt 1  1   kt  gt
(6b)
yt  At F kt , lt 
(6с)
U l ct , lt 
 1   l ,t At Fl kt , lt 
U c ct , lt 
(6d)
U ct , lt   Et U ct 1 , lt 1 1  At 1Fk kt 1 , lt 1      k ,t 1 
где y - выпуск на душу населения (оцениваемый как ВВП на душу населения), g клин государственных закупок, определяемый как сумма государственных закупок и
чистого экспорта на душу населения, 
- норма амортизации, A - клин общей
производительности факторов, F k , l  - производственная функция, нормированная на
нейтральный по Харроду технический прогресс и общую численность населения,  l клин заработной платы. Уравнение (6a) представляет собой стандартное уравнение кривой
IS, уравнение (6b) задает производственную функцию, уравнение (6c) представляет собой
комбинацию условий первого порядка задачи домашнего хозяйства и фирм на рынке
труда, уравнение (6d) является уравнением Эйлера для задачи потребителя.
Система (6) в каждом периоде состоит из 4 уравнений и 4 неизвестных (клинья  k ,
 l , g и A ). Таким образом, если мы имеем фактические данные, мы всегда можем найти
значения клиньев. Верно также и обратное утверждение: если мы знаем 4 клина, мы
можем их подставить в систему уравнений (6) и восстановить исходные данные.
Идея бухгалтерии деловых циклов заключается в следующем. Во-первых,
используя исходные данные, рассчитаем динамику каждого клина. Затем, убирая по
очереди клинья, мы пытаемся понять какие клинья необходимо оставить, чтобы объяснить
значительную долю вариаций выпуска. В развитых экономиках клиньями, объясняющими
80% вариации выпуска, являются клин производительности и клин заработной платы. При
этом клин производительности может иметь множество объяснений, а клин заработной
платы обычно объясняется влиянием монетарных факторов в экономике с номинальными
жесткостями. Вопрос, который мы ставим в исследовании, - будут ли эти клинья
доминирующими при объяснении вариаций выпуска в экономике России.
При расчетах мы использовали функцию полезности с постоянной эластичностью
замещения
U c, l  
c 1  l  

1

1 
и производственная функция Кобба-Дугласа
y  k  l1
где   0,1,   1 и   0,1 - параметры модели.
2. Анализ данных на основе фильтра Бакстера-Кинга
Первый тест, который мы проводим, показывает, существуют ли циклы
определенной
продолжительности
в
основных
макроэкономических
рядах.
Мы
используем следующий алгоритм анализа. С помощью теста Бакстера-Кинга мы выделяем
циклы с периодом 2-4 квартала, 4-8 кварталов, 16-32 квартала, 32-64 квартала. 64-128
кварталов, 128-256 кварталов, и т. д. В каждом интервале мы оцениваем дисперсию
колебаний заданной частоты, рассчитав фактическую дисперсию отфильтрованных
данных и пронормировав её на число периодов в каждом диапазоне. Кроме того, чтобы
получить соизмеримые показатели, дисперсия каждого показателя нормируется на
дисперсию исходного (неотфильтрованного) ряда.
Результаты расчетов для компонент ВВП по расходам представлены на рисунке 1,
некоторых других макроэкономических показателей – на рисунке 2. В Приложении 1 к
данной работе представлен частотный анализ еще приблизительно сотни рядов; в
большинстве случаев качественно результаты соответствуют рисункам 1 и 2.
Частота появления циклов определённой длины
3
2,5
2
1,5
1
0,5
0
2-4 кв.
4-8 кв.
8-16 кв.
16-32 кв.
32-64 кв.
64-128 кв.
128-256 кв.
Период цикла
Валовой внутренний продукт
Расходы на конечное потребление
валовое накопление основного капитала
Экспорт
Импорт
Рисунок 1. Частотный анализ циклов в динамике логарифма ВВП и логарифмов его
базовых компонентов в ценах 2003 года.
Данный тест говорит нам о том что, что в динамике основных макроэкономических
показателей присутствуют циклы с периодом, обозначенным Бернсом и Митчеллом. Для
большинства
исследуемых
показателей
превалирующими
являются
циклы
периодичностью 16- 32 квартала. В некоторых показателях ярко выражены циклы с
периодом 8 – 16 кварталов (индекс промышленного производства, индекс отрасли
машиностроения и металлообработки, индекс коммерческого грузооборота транспорта,
индекс
РТС). Ради справедливости нужно сказать, что встречаются ряды данных, в
которых отсутствуют циклы с периодом более 4-8 кварталов (например, в сельском
хозяйстве и мукомольной промышленности). Так как циклы с периодом в 4 квартала
соответствуют сезонным колебаниям, нас интересуют лишь циклы с продолжительностью
более 6 кварталов.
3
2,5
2
1,5
1
0,5
0
2-4 кв.
4-8 кв.
8-16 кв.
Индекс реального ВВП
Ставка по депозитам
Международные резервы ЦБР
16-32 кв.
32-64 кв.
64-128 кв.
128-256 кв.
Индекс цен на строительно-монтажные работы
Реальный эффективный валютный курс
М2
Рисунок 2. Частотный анализ некоторых дополнительных макроэкономических
индикаторов.
Рисунки 1 и 2 показывают, что в большинстве макроэкономических рядов
присутствуют циклы продолжительностью, обозначенной Бернсом и Митчеллом. Чтобы
проверить, являются ли
данные колебания совместными
колебаниями
деловой
активности, либо это независимые друг от друга колебания, мы нашли коэффициенты
корреляции между основными макроэкономическими показателями.
Мы использовали следующий алгоритм расчета коэффициентов корреляции. Вопервых, мы отфильтровали данные, используя фильтр Бакстера-Кинга и установив
границы частот фильтра 6 и 32 квартала. Затем мы рассчитали коэффициенты корреляции
основных показателей с текущим значением выпуска, а также с лаговыми значениями
выпуска и с опережающими значениями выпуска. Лаговые и опережающие значения
взяты на интервале от 0 до 6 кварталов. Результаты расчетов представлены в Приложении
2, выборочные результаты – на рисунках 3 и 4.
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
-0,1
-0,2
-0,3
-0,4
-0,5
валовое накопление основного капитала
Импорт
Потребление органов государственного управления
Экспорт
Потребление домашних хозяйств
Рисунок 3. Коэффициенты корреляции между ВВП и его компонентами по расходам. По
горизонтальной оси отложен лаг компоненты ВВП относительно ВВП.
1
0,8
0,6
0,4
0,2
0
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
-0,2
-0,4
-0,6
-0,8
-1
Безработица
Ставка по депозитам
Счёт текущих операций
Реальный эффективный валютный курс
М2
Рисунок 4. Коэффициенты корреляции между ВВП и некоторыми выборочными
макроэкономическими рядами. По горизонтальной оси отложен лаг ряда относительно
ВВП.
На основе рисунков 3 и 4 мы делаем следующие выводы. Во-первых, колебания в
основных макроэкономических рядах не выглядят независимыми, они связаны друг с
другом. Более формальный тест на совместные колебания в этих рядах проведен в разделе
3. Во-вторых, коэффициенты корреляции в целом соответствуют предсказаниями
стандартных
макроэкономических
моделей,
представленных
в
учебниках
по
макроэкономике. Единственное бросающееся в глаза отличие от стандартных моделей –
поведение экспорта. Обычно экспорт менее коррелирован с выпуском, так как размер
экспорта определяется условиями торговли за пределами страны. В России коэффициент
корреляции между экспортом и выпуском достаточно высок, при этом, судя по рисунку 3,
экспорт является показателем, опережающим ВВП. Вероятно, это связано с сильной
зависимостью экономики России от конъюнктуры цен на энергоносители.
В Приложении 2 к данной работе представлены коэффициенты корреляции
приблизительно еще для сотни показателей. Основные выводы, которые следуют из
анализа соответствующих коэффициентов, представлены в таблице 1.
Таблица 1. Проциклические, контрциклические и ациклические переменные.
Проциклические переменные
Контрциклические
Ациклические переменные
переменные
Определение: коэффициент
корреляции с выпуском выше 0.6.
Коэф. корреляции с
выпуском меньше
Коэффициент корреляции с
выпуском
находится
в
пределах от -0.6 до +0.6
(-0.6)
Все компоненты ВВП (как в текущих Безработица
ценах, так и в ценах 2003 года),
индексы топливной
промышленности, отраслей цветной
и чёрной металлургии, индексы
всех обрабатывающих отраслей
промышленности, индексы всех
лёгких отраслей кроме индекса
мукомольной промышленности,
индекс всех отраслей экономики
кроме индекса реального объёма
сельскохозяйственного
производства, платёжный баланс,
доходы консолидированного
бюджета, сальдо
консолидированного бюджета,
денежные агрегаты М0 и М2,
международные резервы ЦБ РФ,
совокупные депозиты коммерческих
банков.
Индекс
энергетического
сектора, индексы газовой.
нефтедобывающей,
угольной и мукомольной
промышленности,
индекс
реального
объёма
сельскохозяйственного
производства, все индексы
цен и доходов населения,
индексы
РТС,
все
показатели
внешнеэкономической
деятельности,
расходы
бюджета,
все
ставки
процента, все показатели
валютного
курса,
совокупные
требования
коммерческих
банков,
резервы
коммерческих
банков.
Наконец, мы используем фильтр Бакстера-Кинга для выявления периодов спада,
подъема, инфляционного и рецессионного разрыва в экономике России. Динамика
отфильтрованных основных макроэкономических показателей представлена на рисунках 5
Валовой внутренний продукт
Расходы на конечное потребление
Экспорт
Импорт
кв1.2010
кв3.2009
кв1.2009
кв3.2008
кв1.2008
кв3.2007
кв1.2007
кв3.2006
кв1.2006
кв3.2005
кв1.2005
кв3.2004
кв1.2004
кв3.2003
кв1.2003
кв3.2002
кв1.2002
кв3.2001
кв1.2001
кв3.2000
кв1.2000
кв3.1999
кв1.1999
кв3.1998
кв1.1998
кв3.1997
кв1.1997
кв3.1996
кв1.1996
кв3.1995
3
2,8
2,6
2,4
2,2
2
1,8
1,6
1,4
1,2
1
0,8
0,6
0,4
0,2
0
-0,2
-0,4
-0,6
-0,8
-1
-1,2
-1,4
-1,6
-1,8
-2
-2,2
-2,4
-2,6
кв1.1995
Шкала натуральных логарифмов, с поправкой на среднеквдаратическое отклонение
и 6. Множество других отфильтрованных рядов представлено в Приложении 3.
валовое накопление основного капитала
Рисунок 5. Циклическая составляющая в ВВП и его компонентах по расходам. Расходы
на потребление включают в себя потребление домашних хозяйств и государственного
сектора экономики.
0,35
0,3
0,25
0,2
0,15
0,1
0,05
.1
кв 995
3.
1
кв 995
1.
1
кв 996
3.
1
кв 996
1.
1
кв 997
3.
1
кв 997
1.
1
кв 998
3.
1
кв 998
1.
19
кв 99
3.
1
кв 999
1.
2
кв 000
3.
2
кв 000
1.
2
кв 001
3.
2
кв 001
1.
2
кв 002
3.
2
кв 002
1.
2
кв 003
3.
2
кв 003
1.
2
кв 004
3.
2
кв 004
1.
20
кв 05
3.
2
кв 005
1.
2
кв 006
3.
2
кв 006
1.
2
кв 007
3.
2
кв 007
1.
2
кв 008
3.
2
кв 008
1.
2
кв 009
3.
2
кв 009
1.
20
10
0
кв
1
-0,05
-0,1
-0,15
-0,2
Индекс реального ВВП
Индекс цен на строительно-монтажные работы
Безработица
М2
Рисунок 6. Циклическая составляющая некоторых макроэкономических показателей.
В соответствии с рисунками 4 и 5 экономика находилась в состоянии перегрева на
протяжении 1995 года, произошел резкий спад в период с 1 по 3 квартал 1998 года,
экономика находилась в состоянии рецессии приблизительно до 3 квартала 1999 года.
После этого мы имеем противоречивые данные о состоянии экономики, и не можем
сделать определенных выводов вплоть до 2007 года. С 1 квартала 2007 г. по 3 квартал
2008 года экономика находилась в состоянии перегрева, при этом на период с 1 квартала
2008 г. по 3 квартал 2009 года приходится спад. Начиная с 4 квартала 2008 г. до начала
2010 г. экономика находится в состоянии рецессионного разрыва. К началу 2010 г., повидимому, экономика вернулась к потенциальному уровню выпуска.
Раздел 3. Анализ на основе моделей ARIMA
Данный раздел также посвящён тестированию гипотезы о существовании деловых
циклов в России. Напомним, что о существовании делового цикла можно говорить только
тогда, когда в динамике различных показателей наблюдаются значимые взаимосвязи –
иначе
говоря, когда изменения в выпуске в той или иной степени обуславливают
изменения прочих показателей – и наоборот. Для того чтобы выявить существование
подобных зависимостей, было проведено следующее исследование.
Для ряда ВВП (квартальные данные в ценах 2003 года за период 1995-2010) была
построена ARIMA-модель, характеризующая лаговую структуру ВВП с учётом
сезонности. Затем, в модель по очереди включались лаги других показателей с целью
выявить значимые взаимосвязи. Это делалось для того, чтобы определить, существуют ли
показатели, позволяющие предсказывать будущие изменения выпуска в России –
опережающие показатели.
Кроме того, для нескольких рядов данных также были построены ARIMA-модели,
описывающие
их
лаговую
структуру с
учётом
сезонности.
Далее,
в
модели
последовательно включались лаги прироста выпуска для того, чтобы установить, могут ли
изменения выпуска предсказать будущую динамику соответствующих показателей.
Другими словами, мы тестировали запаздывание показателей по отношению к ВВП.
Подробные результаты расчетов представлены в приложении. Наиболее значимые
результаты представлены в таблице 2.
По результатам исследования можно сделать следующие выводы.
Показатели, позволяющие предсказывать выпуск, существуют. Так, в некоторых
отраслях рост начинается раньше, чем в других – например, в чёрной металлургии и в
машиностроении.
Изменения
индекса
промышленного
производства
опережают
изменения в выпуске на 3 квартала. Кроме того, прирост излишка по счёту текущих
операций сегодня также свидетельствует о последующем росте ВВП – это объясняется
увеличением оптимизма внешних и внутренних инвесторов и последующим ростом
инвестиций. Инвестиции в основной капитал предсказывают изменения выпуска с
существенным опережением, так как для того, чтобы инвестиции в основной капитал
принесли свои плоды, нужно время. Изменение денежного агрегата М2 свидетельствует о
росте выпуска через 1 квартал. Кроме того, в соответствии с количественной теорией
денег, текущее значение М2 положительно связано с текущий выпуском. Текущее
значение индекса реального оборота розничной торговли также сильно коррелирует с
текущим значением выпуска. Более высокий уровень цен соответствует более низкому
ВВП в том же периоде, и это обуславливается снижением величины агрегированного
спроса, соответствующее увеличению цен.
Таблица 2. Влияние различных макроэкономических показателей на
динамику выпуска и выпуска на показатели.
Показатель
Позволяет ли показатель
предсказать изменение
выпуска?
Значимых зависимостей не
найдено
Текущее значение, 1 и 5
кварталы, «-»
Текущее значение, «+»
Потребление (прирост)
Экспорт (прирост)
Импорт (прирост)
Инвестиции в основной
капитал
Счет текущих операций
(прирост)
Сальдо бюджета (прирост)
Инфляция
Индекс РТС (прирост)
Индекс промышленного
производства (прирост)
Индекс производства
базовых отраслей (прирост)
Индекс чёрной металлургии
(прирост)
Индекс машиностроения
(прирост)
Индекс реального оборота
розничной торговли
(прирост)
Позволяет ли выпуск
предсказать изменение
показателя?
1 квартал, «+»
6 кварталов, «+»
Значимых зависимостей не
найдено
1 квартал и текущее
значение, «+»
2 квартала, «+»
3 квартала, «+»
2 квартала, «+»
Значимых зависимостей не
найдено
Текущее значение, «-»
Текущее значение, «+»
3 квартала, «+»
2 квартала, «+», текущее
значение, «-»
2 квартала, «+»
1 квартал, «+»
2 квартала, «+»
1 квартал, «+»
Текущее значение, «+»
Текущие изменения в выпуске позволяют предсказывать будущую динамику
некоторых
показателей.
Так,
увеличение
выпуска
сегодня
соответствует
росту
потребления и импорта через 1 квартал, а также увеличению инвестиций в основной
капитал через 2 квартала. Кроме того, прирост выпуска соответствует приросту сальдо
бюджета через 2 квартала – что объясняется лагами в сборе налогов, в связи с чем, доходы
бюджета растут не сразу. Помимо прочего, прирост выпуска соответствует увеличению
инфляции через 2 квартала.
В ходе исследования также было выявлено несколько аномалий – результатов, не
подтвердивших наши ожидания. Так, мы предполагали, что поскольку Российская
экономика является экспортоориентированной, её состояние должно в большой степени
зависеть от объёма экспорта – более того, поскольку с улучшением ситуации на сырьевых
рынках при прочих равных российская экономика становится более привлекательной для
инвесторов, величина экспорта, согласно нашей гипотезе, должна была попасть в число
опережающих переменных.
Однако, в соответствии с полученными оценками, объём экспорта не позволяет
предсказывать изменения в ВВП: хотя текущее значение экспорта коррелирует с текущим
значением ВВП просто потому, что экспорт является компонентом ВВП, были выявлены
значимые отрицательные взаимосвязи между 1 и 5 лагами экспорта и текущим значением
выпуска.
Возможное объяснение данной загадки заключается в том, что вариации экспорта
частично или полностью компенсируются вариациями импорта, и в результате на общую
макроэкономическую ситуацию оказывает влияние лишь величина чистого экспорта.
Действительно, мы обнаружили, что
величина излишка по счёту текущих операций
позволяет судить о грядущих переменах в выпуске, а это означает, что для предсказания
будущей ситуации важен не столько объём экспорта, сколько разница между экспортом и
импортом.
Ещё один неожиданный результат касается взаимосвязи между выпуском и
индексом РТС. Согласно нашей гипотезе, индекс РТС, будучи важным индикатором
состояния фондового рынка в России, должен довольно точно характеризовать настроения
инвесторов и уровень экономической активности и, следовательно, предсказывать
будущие изменения в доходах, то есть опережать выпуск. Более того, в индексе РТС
учитывается стоимость ценных бумаги ряда предприятий металлургии, машиностроения и
других отраслей промышленности, динамика выпуска которых в соответствии с нашими
расчетами позволяет предсказать динамику ВВП.
Однако, вопреки ожиданиям, индекс РТС не позволяет предсказывать изменения в
выпуске заранее: только текущее значение индекса значимо связано с ВВП. Возможное
объяснение данного результата – низкая эффективность финансового рынка в России.
Действительно, если информация о результатах деятельности компаний распространяется
достаточно медленно и инвесторы не способны спрогнозировать будущую динамику
основных макроэкономических переменных, они вынуждены ориентироваться на текущие
значения показателей, и в этом случае динамика индекса РТС не будет предсказывать
изменения выпуска.
Раздел 4. Бухгалтерия бизнесциклов
Чари, Кихо и Макгретен (2006) использовали метод бухгалтерии деловых циклов
для анализа поведения экономики США в периоды различных спадов, включая великую
депрессию. Они приходят к выводу, что большую часть вариации выпуска в периоды
кризисов можно объяснить действием двух клиньев: клина производительности факторов,
который может под собой иметь множество различных обоснований, и клина заработной
платы, который ассоциируется воздействием монетарных факторов в экономике с
номинальными жесткостями.
Мы приходим к следующим выводам. Во-первых, подавляющая часть вариации
выпуска в экономике России объясняется одним единственным клином – клином
производительности. На рисунке 7 мы представили фактическую динамику выпуска на
душу населения и динамику, определенную в рамках конкурентной модели равновесия
(6), в которую был подставлен единственный клин, - клин производительности. Как мы
видим, этот клин объясняет значительную долю вариаций выпуска.
160%
140%
120%
100%
80%
60%
40%
20%
0%
1992
1993
1994
1995
1996
1997
1998
1999
Только А
2000
2001
2002
2003
2004
2005
2006
2007
2008
Исходные данные
Рисунок 7. Динамика выпуска в исходных данных и в модели, которая учитывает
только клин производительности, 1992 г. = 100%.
Для сравнения на рисунке 8 сравниваются фактические данные с динамикой
модели, в которой присутствует только один клин – клин заработной платы. Как мы
видим, клин заработной платы не позволяет объяснить даже маленькую долю вариаций
выпуска в экономике России.
160%
140%
120%
100%
80%
60%
40%
20%
0%
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
Только клин заработной платы
2002
2003
2004
2005
2006
2007
2008
Фактические данные
Рисунок 8. Динамика выпуска в исходных данных и в модели, которая учитывает только
клин заработной платы, 1992 г. = 100%.
Динамика экономики России отличается от динамики экономики США в период
Великой депрессии не только не значимостью клина заработной платы, но также
некоторой значимостью клина инвестиций. В США клин инвестиций не помогает
предсказать поведение выпуска в период великой депрессии; скорее, наоборот: модель
только с клином инвестиции предсказывает рост выпуска на протяжении всей Великой
депрессии вместо его падения.
Принятие в расчет клина инвестиций в российских данных позволяет объяснить
некоторые флуктуации выпуска. Как мы видим на рисунке 9, клин инвестиций позволяет
предсказать направление флуктуаций выпуска в 1994-1998 гг. Заметим, что 1994-1995
года могут ассоциироваться с высоким клином инвестиций (и, соответственно, с низким
выпуском) ввиду последствий обрушения пирамиды МММ и банковского кризиса. В 1997
году произошла некоторая стабилизация банковской сферы, в результате чего значение
клина уменьшилось, и выпуск вырос. Наконец, в 1998 г. произошел новый банковский
кризис, и клин инвестиций снова вырос. В 2000-х годах клин инвестиций не позволяет
объяснить вариации выпуска.
160%
140%
120%
100%
80%
60%
40%
20%
0%
1992
1993
1994
1995
1996
1997
1998
1999
2000
Только клин инвестиций
2001
2002
2003
2004
2005
2006
2007
2008
Фактические данные
Рисунок 9. Динамика выпуска в исходных данных и в модели, которая учитывает только
клин производительности, 1992 г. = 100%.
Динамика выпуска в модели со всеми возможными комбинациями клиньев
представлена в Приложении 4.
Из приведенного анализа мы делаем вывод, что период трансформационного спада
в России, в отличии от периода Великой депрессии в США, монетарные факторы и
номинальные жесткости, ассоциируемые с клином заработной платы, не играли
значительной роли, однако неустойчивость финансового рынка, ассоциируемая с клином
инвестиций, сыграла значимую роль.
Раздел 5. Выводы
Мы можем с определенной долей уверенности говорить о существовании деловых
циклов в экономике России. Во-первых, как мы показали в разделе 2, практически в
каждом ряде рассмотренных данных существует значительная циклическая составляющая
с периодом цикла от 1,5 до 8 лет. Во-вторых, циклы в этих рядах являются совместными.
Об этом говорит корреляционный анализ в разделе 2 и анализ взаимного влияния друг на
друга различных рядов в разделе 3.
Анализ циклической составляющей в различных рядах демонстрирует, что
экономика России находилась в состоянии перегрева на протяжении 1995 года. Через
некоторое время после этого периода, с 1 по 3 квартал 1998 года, произошел резкий спад,
затем экономика находилась в состоянии рецессии приблизительно до 3 квартала 1999
года. После этого мы имеем противоречивые данные о состоянии экономики, и не можем
сделать определенных выводов вплоть до 2007 года. С 1 квартала 2007 г. по 3 квартал
2008 года экономика находилась в состоянии перегрева, при этом на период с 1 квартала
2008 г. по 3 квартал 2009 года приходится спад. Начиная с 4 квартала 2008 г. до начала
2010 г. экономика находится в состоянии рецессионного разрыва. К началу 2010 г., повидимому, экономика вернулась к потенциальному уровню выпуска.
Бухгалтерия деловых циклов в разделе 4 показывает, что трансформационный спад
имел мало общего с колебаниями деловой активности, которые рассматриваются в
базовых учебниках по макроэкономике. Однако трансформационный спад соответствует
достаточно продолжительной периодичности, и фильтр Бакстера-Кинга позволяет нам
полностью отфильтровать трансформационный спад из данных. Ряды, отфильтрованные с
помощью фильтра Бакстера-Кинга, обладают макроэкономическими зависимостями,
известными нам из базовых учебников по макроэкономике.
Большинство найденных эмпирических зависимостей соответствуют нашим
представлениям о макроэкономике, однако есть и некоторые расхождения. Наиболее
загадочный результат был получен в разделе 3 при анализе совместной динамики индекса
РТС и реального ВВП. Мы ожидали, что индекс РТС должен хорошо предсказывать
будущие колебания ВВП по двум причинам. Во-первых, он учитывает цены активов,
соответствующих отраслям, динамика выпуска которых позволяет предсказать динамику
выпуска в экономике в целом. Во-вторых, рациональные инвесторы должны принимать в
расчет будущие изменения выпуска, и индекс РТС должен отражать ожидания инвесторов
относительно будущей динамики ВВП. Однако индекс РТС не позволяет улучшить
прогноз выпуска.
Литература
To be provided.