в начале 2013 года в экспертном сообществе стали возникать
advertisement
Анализ инструментов и целей денежно-кредитной политики ЦБ России с помощью SVAR модели Введение В последнее время важность проводимой денежно-кредитной политики сильно возросла. В ситуации бюджетных дефицитов, когда правительства накопили большой объем долгов и вынуждены сокращать расходы, центральные банки многих стран были вынуждены взять на себя функции по поддержанию экономического роста. Таким образом, задача оценки монетарной политики, заключающаяся в определении основных целей и инструментов, опять стала актуальной. До финансового кризиса 2008 года казалось, что изучение проблем, связанных с монетарной политикой, уже не представляет такого большого интереса, так как за последнее десятилетие было проведено большое количество исследований и были разработаны модели, дающие достаточно хорошие результаты. В развитых странах с глубокими финансовыми рынками, длительной и успешной историей работы независимых центральных банков, а также с низкой и стабильной инфляцией, анализ монетарной политики сводился к оценке оптимального уровня процентных ставок, необходимых для того, чтобы в экономике, с одной стороны, был постоянный рост и низкая безработица, а с другой стороны, инфляция оставалась в пределах 1-2%. Однако, как показал недавний кризис, существуют ситуации, при которых стандартные инструменты монетарной политики перестаю работать, и требуется применение новых решений, влияние которых на экономику может быть еще не до конца изучено. В качестве примера такой нетрадиционной политики можно привести так называемое “количественное смягчение” (QE), проводимое ФРС США и ЦБ Великобритании, а с недавних пор и ЦБ Японии. При этом стоит отметить, что в перечисленных выше случаях похожие инструменты используются для достижения различных целей и результатов: так, например, в случае США и Великобритании регуляторы стремятся простимулировать экономический роста, в то время как ЦБ Японии поставил перед собой задачу победить дефляцию и обесценить курс Йены. Постоянные изменения, происходящие в мировой экономике, взаимное влияние действий Центробанков разных стран, а также возросшее влияние глобальных финансовых рынков, все это значительно усложняет задачу определения оптимальной монетарной политики для каждой страны. Регуляторы должны принимать во внимание множество фактов, а также учитывать особенности экономики, чтобы принять верное решение. Денежно-кредитная политика Центрального банка России тоже претерпела сильные изменения за последние несколько лет. Если до 2008 года основной вопрос заключался в том, каким образом ЦБ совмещает цели по управлению обменным курсом рубля и по сдерживанию инфляции в заданных рамках, то после кризиса 2008-2009 года регулятор объявил о постепенном переходе к таргетированию инфляции и свободному обменному курсу. Уже в конце 2012 – в начале 2013 года в экспертном сообществе стали возникать дискуссии по поводу оптимального уровня ставок, необходимых, с одной стороны, для подержания замедляющегося экономического роста, а с другой стороны, для снижения уровня инфляции ниже заданного порога. Этот спор дошел до уровня правительства, где некоторые члены кабинета министров предложили включить в закон о ЦБ России поддержание экономического роста как одну из обязательных целей. Решение по этому вопросу еще не было принято, и дискуссии продолжаются, но уже очевидно насколько важным стал этот вопрос для будущего экономики России. Для оценки эффективности денежно-кредитной политики, проводимой ЦБ России с 2002 по 2013 год, мы постарались определить основные цели, которые преследовал регулятор, а также понять, как они менялись в этот период времени. Дополнительно был проведен анализ основных инструментов, используемых ЦБ, и дана оценка их влияния на макроэкономические показатели. Существует достаточно большое количество литературы, посвященное оценки денежнокредитной политики. Так, например, предложенный Тейлором подход по оценке монетарной политики (1993, 1999) стал общепризнанным стандартом в этой области и повсеместно использовался в последующих работах, в том числе Свенссона (1999), Нельсона (2000) и других авторов. Основа этого метода заключается в том, что ЦБ изменяет процентные ставки в ответ на отклонение некоторого показателя (инфляции, выпуска, безработицы или их комбинаций) от целевого значения. Существуют также различные модификации данного правила; например, в работе Клариды, Гали и Гертлера (2001) ЦБ реагирует не на изменение исторических данных, а на изменения в ожидаемых величинах, в работе Маккаллума (1997) в качестве инструмента используется денежная масса, а Бэлл (1998) рассматривает в качестве инструмента взвешенный индекс. Простота в использовании и интуитивность этого подхода объясняет его популярность среди исследований, однако применительно к России этот метода дает достаточно противоречивые результаты, которые во многом зависят от выбора периода времени для оценки, а так же от используемых зависимых и объясняющих переменных. В своей работе Есанов, Меркл и Де Суза (2004) оценивают монетарное правило за период с 1993 по 2002, используя несколько спецификаций правила Тейлора и Маккаллума, и приходят к выводу, что в этот период времени ЦБ использовал в качестве основного инструмента денежный агрегат М1. В тоже время, Вдовиченко и Воронина (2004) оценивая монетарную политику ЦБ за 1999-2003 годы, заключают, что после кризиса 1998 года произошли существенные изменения в деятельности ЦИ, и регулятор стал уделять больше внимания обменному курсу, чем таргетированию инфляции. В своей работе 2010 года Гранвилл и Маллик приходят к похожим выводам, отмечая, что инфляция систематически превышала заданный уровень ЦБ из-за того, что, не смотря на заявленную цель по таргетированию инфляции, регулятор так же преследовал скрытую цель по таргетированию обменного курса рубля. Достаточно подробное описание различных подходов по оценке монетарной политики, а так же обзор проведенных исследований монетарной политики ЦБ России можно найти в статье Дробышевского, Трунина и Каменских (2009). В то же время стоит отметить, что изменения, произошедшие в монетарной политики ЦБ в после-кризисный период времени с 2009 года, пока что мало изучены, из-за недостатка данных и сравнительно недолгой истории. В своей работе мы постарались заполнить этот пробел и провели анализ денежнокредитной политики в том числе и за этот период времени. Стоит отметить, что нестабильность получаемых результатов во многом объясняется тем, что традиционные методы оценки денежного правила (правило Тейлора, правило Маккаллума и другие) не совсем применимы к оценке монетарной политики в развивающихся странах. Большинство зарубежных работ, в которых он используется, в качестве объекта исследований обычно рассматривают развитые страны, с устоявшимися традициями монетарной политики, и в которых Центральные банки имеют достаточно продолжительную и успешную историю таргетирования инфляции. В то же время, в развивающихся странах монетарная политика может быть еще не до конца сформированной, также существуют различные ограничения и структурные изменения, серьезно влияющие на оценку. В России за последние 15 лет произошло как минимум два серьезных изменения в политики ЦБ: после кризиса 1998 года и финансового кризиса 2008 года. Также многократно менялись цели, преследуемые ЦБ и набор используемых инструментов. Все эти изменения приводят к тому, что полученные ранее оценки и используемые методы могут давать неверные результаты в новых условиях. Так как сейчас мы находимся как раз в одном из таких переходных периодов, то возникает потребность в разработке нового подхода, который бы давал возможность учесть эти изменения. Данная статья имеет следующую структуру: во второй части работы приводится описание монетарной политики ЦБ России, проводимой регулятором с 2002 по 2013 год, а также рассматриваются основные инструменты политики, их характеристики и особенности. В третьей части рассматривается многомерная структурная модель авторегрессии, используемая для оценки политики ЦБ. Четвертая часть содержит описание используемых данных, результаты оцени и моделирования. В заключительной части статьи содержаться выводы относительно оптимальности проводимой монетарной политики и даются соответствующие рекомендации. 2.1 Описание денежно-кредитной политики в России 2002 по 2012 годы Рассматривая денежно-кредитную политику в России, стоит принимать во внимание достаточно короткий период времени, в течение которого ЦБ проводит свою монетарную стратегию, а также частые изменения в приоритетах и используемых инструментах. В разные периоды времени ЦБ России использовал инструменты по абсорбированию ликвидности, операции по рефинансированию банков, операции на открытом рынке, изменение процентных ставков, а также менял требования по резервам. В более ранних работах (Вдовиченко и Ворониной, 2004) отмечается, что действия ЦБ достаточно сильно изменились после кризиса 1998, так как регулятор стал больше уделять внимания накоплению международных резервов. Однако уже через несколько лет стратегия снова изменилась, и с 2004 по 2009 год одной из целей стало предотвращение чрезмерного укрепления рубля. Для того чтобы удержать обменный курс рубля в заданных границах ЦБ был вынужден проводить масштабные валютные интервенции, покупая доллары и эмитируя рубли, что в свою очередь способствовало росту денежной массы. Во время кризиса 2008-2009 года наблюдалась обратная картина, когда для сдерживания девальвации ЦБ продавал доллары, что приводило к сокращению рублевой денежной массы. После кризиса в 2010 году ЦБ объявил о новом курсе в монетарной политике, направленном на переход к таргетированию инфляции, увеличению роли процентных ставок и к свободному обменному курсу рубля. Начиная с конца 2011 года в результате произошедших изменений объем валютных интервенций значительно сократился, что привело к замедлению темпов роста денежной массы и к дефициту ликвидности в банковской сфере в России. При этом начавшееся восстановление на рынке кредитования (особенно в розничном сектор) и нестабильность на глобальных рынках привели к переориентации банков на внутренне фондирование и к росту конкуренции за розничные депозиты, что в свою очередь привело к росту процентных ставок. Рассмотрим более детально динамику изменения основных целей ЦБ России на протяжении 2002-2012 годов. Для этого были проанализированы ежегодные отчеты ЦБ о денежно-кредитной политике за эти промежутки времени (Основные положения единой государственной денежнокредитной политики за 2002-2012 годы, http://www.cbr.ru/dkp/). В данных отчетах ЦБ описывает официальную денежно-кредитную политику, поставленные цели, а также инструменты для их достижения и проводит анализ эффективности политики в предыдущие периоды времени. Изучив данные документы, можно заключить, что несмотря на то, что снижение инфляции постулировалось как главная цель проводимой политики, ЦБ не всегда придерживался заданного курса в долгосрочной перспективе и во многом реагировал на краткосрочные изменения внешних факторов. В начале 2000-ых годов одной из задач ЦБ помимо уменьшения инфляции была поддержка экономического роста. По мере того, как происходило восстановление российской экономики, а мировые цены на энергоносители начали расти, ЦБ стал отводить большую роль оценке платежного баланса и курсу национальной валюты. В комментариях к основным целям монетарной политики, начиная с 2003-2004 года, появляются заявления о необходимости проведения политики по сдерживанию чрезмерного укрепления российского рубля: “при реализации политики, направленной на снижение инфляции, Банк России будет учитывать влияние динамики обменного курса национальной валюты на состояние российской экономики” (отчет ЦБ России за 2005 год). В 2004-2005 годах среди обозначенных целей монетарной политике появляется более конкретная цель: не допустить реального укрепления рубля более чем на 7-8%, что объяснялась необходимостью поддержки конкурентоспособности отечественного производства. В то же время, стоит отметить, что ЦБ сознательно шел на управление валютным курсом, понимая, что это значительно снижает эффективность инструмента процентных ставок и политики по таргетированию инфляции. Для поддержки обменного курса рубля в заданных границах ЦБ был вынужден проводить масштабные интервенции на валютном рынке. В результате этих операций ЦБ покупал в больших объемах доллары и как следствие проводил рублевую эмиссию. Проблема данной политики заключалась в том, что уделяя повышенное внимание обменному курсу при отсутствии ограничений на движение капитала, ЦБ уже не мог свободно устанавливать процентные ставки и должен был ориентироваться на состояние внешних рынков. Можно пояснить это на следующем примере: попытка поднять процентные ставки для борьбы с инфляцией выше уровня мировых ставок может привести к увеличению притока иностранного капитала в экономику, что в свою очередь при фиксированном обменном курсе приведет к пропорциональному росту денежной массы и еще большей инфляции. В своей работе Обстфелд, Шамбау и Тейлор (2004) назвали это “невозможной троицей”, при которой регулятор не может проводить независимую монетарную политику при фиксированном обменном курсе и при отсутствии ограничений на движение капитала. В подтверждении этому тезису в своей политике на 2005-2007 годы ЦБ отмечал, что оставляет процентные ставки по инструментам абсорбирования ликвидности на уровне соответствующему международным рынкам. До третьего квартала 2009 года ставка по депозитным операциям оставалась ниже международной ставки LIBOR (Рисунок 1 в Приложении). Из-за неразвитого механизма процентных ставок ЦБ был вынужден в качестве промежуточной цели использовать объем денежной массы (М1 и М2). На протяжении всего периода времени (2000-2009 годы) регулятор устанавливал не только цели по инфляции, но и также ориентиры для денежной массы. При этом ЦБ России пытался оценить спрос на денежную массу со стороны реального сектора экономики (прогнозируя темпы роста ВВП, выпуска различных отраслей, уровня потребления, текущей инфляции и других показателей), а так же предложение денег, исходя из профицит текущего счета и возможный уровень государственных расходов. Для того чтобы достичь заданной цели по темпам роста денежной массы и как следствие добиться снижения инфляции, ЦБ корректировал свою денежно-кредитную политику в нужную сторону, и исходя из полученных прогнозов по спросу и предложению, предоставлял дополнительные средства банкам или абсорбировал избыточную ликвидность. Основными проблемами данной методики являются сложность в прогнозировании спроса и предложения на деньги, а так же нестабильная связь между ростом денежной массы и инфляцией. Так например, для того чтобы определить предложение денег в условиях управляемого обменного курса, необходимо иметь прогноз по текущему и торговому счету, а значит нужно точно определять стоимость цены на нефть в будущие периоды времени. Более того, расходы правительства, на которые ЦБ не может влиять, тоже в большой степени зависят от будущей цены на нефть. В результате этого, прогноз по денежному предложению во многом зависит от точности прогноза цены на сырье, а значит, может иметь высокую вероятность ошибки, и как следствие действия ЦБ будут не соответствовать реальному состоянию денежной сферы. Другой проблемой является нестабильная связь между ростом денежной массы и инфляцией, так как из-за разной скорости обращения денег, одни и те же темпы роста денежной массы могут по-разному влиять на инфляцию. Как видно из данных (Таблица 1 и Рисунок 2а-2б в Приложении) регулятор достаточно редко достигал поставленной цели по темпам роста денежной массы, даже в тех случаях, когда инфляция находилась в рамках заданного коридора, в то же время, цели по валютному курсу достигалась гораздо чаще (Рисунок 3 в Приложении). После кризиса 2008-2009 года ЦБ России объявил о постепенном переходе к таргетированию инфляции и к более свободному обменному курсу рубля. В результате этих изменений уменьшился объем валютных интервенций и снизились темпы роста денежной массы (Рисунок 4 в Приложении). Также ЦБ стал уделять больше внимания внутренним краткосрочным ставкам и сузил официальный коридор ставок (разница между ставками по депозитам и по операциям РЕПО), в результате чего волатильность краткосрочных ставок денежного рынка сильно снизилась (Рисунок 5 в Приложении). 2.2 Основные инструменты денежно-кредитной политики Большую роль при проведении монетарной политики играют используемые инструменты. Однако стоит учитывать большое количество различных факторов, которые могут повлиять на их эффективность. В зависимости от состояния экономики, структуры экспорта и импорта, развитости банковского сектора и финансового рынка эффективность различных инструментов будет сильно отличаться. Именно по этой причине инструменты, широко используемые Центральными Банками развитых стран, могут быть малоприменимы в условиях развивающихся рынков. Для того чтобы понять какой эффект оказывала монетарная политика на экономику России рассмотрим основные инструменты денежно-кредитной политики, используемые ЦБ России. На протяжении всего рассматриваемого периода времени ЦБ постоянно развивал набор доступных инструментов, а так же добавлял новые. В тоже время, эффективность многих инструментов зависела от внешних факторов, находящихся за пределами влияния регулятора. Основный набор включает в себя инструменты по абсорбированию ликвидности, операции по рефинансированию банков, операции на открытом рынке, процентные ставки, а так же требования по резервам. Рассмотри каждую из этих категорий более подробно. В начале 2000 годов ЦБ достаточно активно пользовался изменением нормативов по обязательным резервам, однако в дальнейшем регулятор отошел от этой практики в пользу других инструментов, позволяющих более оперативно реагировать на внешние изменения. Как неоднократно отмечал ЦБ, механизм краткосрочных процентных ставок имел ограниченное влияние на реальный сектор, так как в начале 2000-ых годов денежный рынок был очень слабо развит, а общий объем кредитования в экономике оставался на низком уровне. В последующих периодах (2004-2007 годы) инструменты краткосрочных процентных ставков оставались на вторых ролях и во многом определялись исходя из внешней конъюнктуры, например, ставки по депозитным операциям определялись исходя из паритета процентных ставок на международных рынках. Операции по рефинансированию банков на протяжении долгого времени (до 2009 года) оставались в основном инструментом “крайней необходимости”, и использовались банками только в особых случаях. В то же время, строгие требования к рейтингу заемщика и к качеству обеспечения делали этот инструмент доступным только ограниченному кругу банков, у которых проблем с ликвидностью обычно не возникало. Операции по рефинансированию можно разделить на несколько типов: кредиты, обеспеченные ликвидными ценными бумагами или валютой, кредиты, выданные под обеспечение неликвидных активов и кредиты без обеспечения. Традиционно операции рефинансирования использовались ЦБ для поддержки отдельных банков или для стабилизации ликвидности в банковской сфере в целом. Из-за сильной сегментации денежного рынка часто складывалась ситуация, когда при общем высоком уровне ликвидности часть банков испытывала ее недостаток. Так же примирение этого инструмента было ограничено слабой развитостью рынков государственного и частного долга. Как отмечает ЦБ, до недавнего времени операции РЕПО и ломбардные кредиты, проводимые на регулярной основе, не были сильно востребованы банками из-за недостатка качественных активов на их балансах, которые можно было бы использовать в качестве обеспечения. На данный момент ситуация улучшается, так как с ростом корпоративного сегмента долгового рынка, а так же с увеличением внутренних государственных заимствований, значительно вырос объем доступных инструментов. Так же ЦБ продолжает расширять список бумаг, принимаемых под обеспечение: так в начале 2012 года в список были включены некоторые акции. Еще одной особенностью данного инструмента была стоимость фондирования. До середины 2007 года единственным инструментом с фиксированной ставкой, по которому банки могли получить ликвидность, были операции “overnight” по ставке рефинансирования, которая была значительно больше рыночной ставки. Остальные операции рефинансирования до этого времени (РЕПО и ломбардных кредитов) проводились на аукционной основе, где банки должны были конкурировать друг с другом по цене, при этом объем доступных средств и минимальная ставка были ограничены. Операции рефинансирования по фиксированной ставке приближенной к рыночным уровням и без ограничений по объему стали доступны только начиная с 2007 года. Последнее время этот вид операция приобрел большое значение для банковской системы, так как в условиях ограниченной ликвидности из-за сокращения валютных интервенций, банки вынуждены покрывать недостаток ликвидности с помощью займов у ЦБ. При уменьшении валютных интервенций и как следствие сокращении денежной эмиссии, ЦБ планирует использовать рефинансирование в качестве одного из основных инструментов по предоставлению ликвидности и увеличению значимости краткосрочных процентных ставок (Рисунок 6 в Приложении). Все большую популярность приобретают валютные свопы, позволяющие банкам занимать у ЦБ рубли под залог долларов. Стоит также отметить инструменты рефинансирования под залог нерыночных активов и беззалоговые кредиты. Под первым типом подразумеваются кредиты ЦБ, обеспеченные нерыночными активами и позволяющие расширять залоговую базу за счет корпоративных кредитов и гарантий. Для того чтобы воспользоваться этим инструментам залоговые активы должны удовлетворять достаточно жестким требованиям ЦБ, решения по каждой заявке принимается в индивидуальном порядке и срок на который выдается кредит составляет в от 1 до 12 месяцев. Таким образом, этот инструмент больше подходит для крупных банков (в основном государственным), которые участвуют в больших инвестиционных проектах. Беззалоговые кредиты применялись в самый разгар кризиса в качестве экстренной меры по поддержке банковской системы. На данный момент все такие кредиты были банками погашены и больше не выдаются. Так как при поддержке обменном курса ЦБ был вынужден продавать рубли, то до 2008 года для банковского сектора была характерна ситуация избыточной ликвидности. В результате этого, важнейшими инструментами ЦБ были операции по абсорбированию избыточной ликвидности: в этих условиях ЦБ старался изымать часть средств из банковского сектора для ограничения роста денежной массы и сдерживания инфляции. Для этого регулятор использовал депозитные операции и выпуск облигаций. В то же время возможности регулятора по абсорбированию ликвидности были ограничены уровнем ставок, так как их повышение могло спровоцировать приток спекулятивного капитала. Таким образом, большую часть времени ставки по депозитным операциям находились ниже уровня ставок денежного рынка и не оказывали существенного влияния (Рисунок 1 в Приложении). В качестве дополнительной меры по сдерживанию роста денежной массы правительство создало механизм стабилизационного фонда, который бы позволил изымать излишек нефтегазовых доходов из экономики (Рисунок 7 в Приложении). Отдельного внимания заслуживают операции на открытом рынке, включая покупку и продажу валюты, а также операции с ОБР (Облигации Банка России). Наиболее активно ЦБ России использовал ОБР в 2010-2011 годах для изъятия избыточной ликвидности предоставленной для поддержки банковского сектора во время кризиса, в остальное время этот инструмент использовался достаточно редко. Гораздо большее влияние на денежный рынок, уровень ликвидности и темпы роста денежной массы оказывают операции ЦБ на валютном рынке. При необходимости поддерживать обменный курс в заданном коридоре ЦБ был вынужден покупать или продавать валюту, тем самым увеличивая или уменьшая предложение рублей. Как было описано выше, в некоторых случаях эта политика по поддержке обменного курса входила в противоречие с целями по таргетированию инфляции и темпов роста денежной массы. Для того чтобы оценить какое влияние эти инструменты оказывают на реальную экономику и финансовый сектор в следующем разделе мы рассматриваем модель, которая описывает проводимую ЦБ монетарную политику. Для этого рассматривается структурная векторная авторегрессионная модель, которая учитывала бы все описанные выше инструменты и позволяла смоделировать поведение ЦБ. 3.1 Описание модели Для того чтобы правильно оценить монетарную политику, проводимую ЦБ России, при анализе необходимо принимать во внимание то, что регулятор в разные моменты времени преследовал несколько целей, а так же использовал обширный набор инструментов. Кроме стандартных целей по таргетированию инфляции и поддержке экономического роста, российский регулятор также проводил политику по управлению обменным курсом. Такой моделью, которая бы удовлетворяла вышеописанным требованиям, является многомерная структурная векторная авторегрессионная модель. Ее преимущества заключаются с одной стороны в простоте использования и оценки, а с другой стороны в возможности задавать более гибкую структуру взаимосвязей. Одна из таких моделей была предложена в работах Бернанке и Михова (1996, 1998). Преимущество данного метода заключается в том, что он позволяет определить основное направление денежнокредитной политики ЦБ и эффективность различных инструментов, но при этом не накладывает серьезных ограничений на экономические взаимосвязи. Для оценки монетарного правила используется структурная векторная авторегрессионная модель, для идентификации которой авторы делают несколько предположений о природе монетарных шоков. Во-первых, при использовании месячных данных предполагается, что изменение в переменных, отвечающих за монетарную политику, влияет на реальную экономику с некоторой задержкой. Во-вторых, для того чтобы понять на сколько точно модель описывает политику регулятора, на шоки монетарных переменных накладывается некоторая структура. Сделанные выше предположения позволяют разделить оценку переменных монетарной политики и реального сектора экономики в следующей системе структурных уравнений: y (1) p Dp vt (2) Ay Yt = ∑ki=0 Bi Yt−i + ∑ki=0 Ci Pt−i + Dy vt p A Pt = ∑ki=0 Fi Yt−i + ∑ki=0 Gi Pt−i + Где вектор P представляет инструменты монетарной политики, такие как процентные ставки, объем резервов, валютные интервенции и т.д., а вектор Y содержит макроэкономические показатели, на которые ЦБ обращает внимание при принятии решения (выпуск, уровень инфляции, обменный курс) и на которые денежно-кредитная политика может иметь влияние. В своих работах Бернанке и Михов старались определить, с помощью каких инструментов ЦБ проводят свою денежно-кредитную политику, а также эффективность этих операций. В случае Бундесбанка авторы сравнивали таргетирование банковских резервов и процентную ставку по операциям РЕПО. Похожий подход был использован в работе Клариды и Гертлера (1997), в которой они исследовали денежно-кредитную политику Бундесбанка, а так же в работе Куше (2000) при оценке монетарной политики ЦБ Швейцарии. Для оценки структурная модель векторной авторегрессии (1)- (2) приводится к сокращенному виду (reduced var), в котором переменная 𝑃𝑡 (в левой части уравнения) зависит только от прошлых значений 𝑃𝑡−1 , 𝑃𝑡−2 и т.д. (в правой части); получившаяся система может быть оценена с стандартным методом наименьших квадратов. Для того чтобы восстановить изначальную структуру шоков на систему необходимо наложить определенное количество ограничений. Таким образом, на первом шаге происходит оценка шоков 𝑒𝑖 , на втором шаге находится решение системы уравнений – структурные шоки 𝑢𝑖 , на третьем шаге происходит анализ импульсных функция откликов и проверяется адекватность изначальных предположений. Для того чтобы оценить структурные шоки, а так же выявить их влияние на другие переменные, обычно используются несколько методов, описанных в работах Симса (1986), Кристиано, Эйхенбаума и Эванса (1999); более детальный обзор различных методов по оценке структурных уравнений можно найти у Килиана (2011). Так как уравнения (1) и (2) нельзя оценить в явном виде и необходимо сначала привести их к сокращенной форме (reduced form VAR), то для восстановления изначальных коэффициентов нужно наложить определенное количество ограничений. Для точной спецификации модели необходимо задать 𝑘 2 + 𝑘(𝑘 − 1)/2 ограничений на коэффициенты матрицы A и D в уравнении (3a-3c). Существует несколько подходов для выбора ограничений, самым распространенным из которых является декомпозиция Холецкого, при которой находится уникальное разложение на нижне-треугольные матрицы. Вторым вариантом является задание определенной структуры ограничений на матрицы коэффициентов 𝐴 и 𝐷 : 𝐴𝑦𝑡 = 𝐵𝑦𝑡−1 + 𝐷𝑣𝑡 (3a) 𝑦𝑡 = 𝐴−1 𝐵𝑦𝑡−1 + 𝐴−1 𝐷𝑣𝑡 (3b) 𝑣𝑡 = 𝐷 −1 𝐴𝑢𝑡 (3c) Где 𝑢𝑡 – шоки, полученные при оценке сокращенной формы векторной авторегрессии, а 𝑣𝑡 ненаблюдаемые шоки структурной модели, которые мы хотим оценить. Принимая во внимание российскую специфику, мы изменили структуру модели таким образом, чтобы учесть эффекты от валютных интервенций, а так же сильную зависимость российского финансового рынка от глобальных рынков. В качестве переменных описывающих монетарную политику мы использовали объем интервенций ЦБ на валютном рынке, курс рубля по отношению к корзине валют, денежную базу и агрегат М2, краткосрочную процентную ставку денежного рынка (МИАКР), ставку по однодневным кредитам РЕПО ЦБ, а так же показатели кредитного и рыночного рисков (CDS yield и VIX). С учетом сделанных предположений уравнение (3с) можно переписать в следующем виде: C11 0 0 0 0 UVIX 0 C22 C23 0 0 C33 0 0 UFXint 𝐶34 𝐶35 URUB C41 C42 0 𝐶44 0 UM0 ( C51 C52 C53 𝐶54 0 0 0 0 0 1 0 0 0 VFX 0 0 1 0 0 VMS 0 0 0 1 0 VMD (0 0 0 0 1) (Vmonet ) = 𝐶55 )( Urate ) Vext 1 (4) В качестве структурных шоков мы рассмотрели внешние шоки на финансовых рынках (VIX), шоки валютных интервенций (FXint), шоки спроса и предложения на денежном рынке (MD и MS), а так же шоки процентной ставки (rate). При этом было сделано предположение, что структурные шоки валютных интервенций, денежного предложения и процентной ставки можно рассматривать как изменения в монетарной политике ЦБ, связанные с реакцией регулятора не на внешние воздействия, а как некоторое изменение правила, которому следует регулятор при принятии своих решений. В случае если эти шоки являются независимыми и нормально распределенными величинами, то можно говорить об их случайном характере, и о том, что ЦБ не менял свою стратегию, а эти шоки вызваны какими-то случайными факторами, например ошибками в оценке ситуации, неточностью данных у регулятора и т.д. Рассмотрим более подробно структуру (4), переписав ее построчно, мы получим следующую систему уравнений: 𝐶11 𝑢𝑉𝐼𝑋 = 𝑣𝑒𝑥𝑡 (5) 𝐶22 𝑢𝐹𝑋𝑖𝑛𝑡 = 𝐶23 𝑢𝑅𝑈𝐵 + 𝑣𝐹𝑋 (6) 𝐶34 𝑢𝑀0 = 𝐶33 𝑢𝑅𝑈𝐵 +𝐶35 𝑢𝑟𝑎𝑡𝑒 + 𝑣𝑀𝐷 (7) 𝐶44 𝑢𝑀0 = 𝐶42 𝑢𝐹𝑋𝑖𝑛𝑡 + 𝑏43 𝑣𝑀𝐷 + 𝐶45 𝑢𝑟𝑎𝑡𝑒 + 𝑣𝑀𝑆 (8) 𝐶55 𝑢𝑟𝑎𝑡𝑒 = 𝐶51 𝑢𝑉𝐼𝑋 + 𝐶53 𝑢𝑅𝑈𝐵 + 𝐶54 𝑢𝑀0 + 𝑣𝑚𝑜𝑛𝑒𝑡 (9) Уравнения (5) и (6) учитывают влияние внешних финансовых шоков, а так же интервенции на валютном рынке, в зависимости от обменного курса. Уравнение (7) описывают спрос на денежную массу eMD, в зависимости от текущей процентной ставки urate и обменного курса u𝑅𝑈𝐵 ; мы учитываем в этом уравнении обменный курс рубля, так как долгое время уровень долларизации российской экономики был достаточно высоким и на спрос оказывали влияния опасения относительно девальвации рубля. Изменение спроса, вызванное состоянием экономики страны и не зависящее от процентных ставок или обменного курса, учитывается в шоке vMD . Наибольший интерес для анализа представляют уравнения (7), (8) и (9), которые определяют спрос и предложение денег, а так же монетарную политику, проводимую ЦБ; рассмотрим их более подробно. В уравнении (8) предполагается, что денежное предложение в общем случае зависит от валютных интервенций 𝑢𝐹𝑋𝑖𝑛𝑡 , а также от действий ЦБ, который реагирует на спрос и уровень ставок в экономике. В уравнении (9), задающем монетарную политику ЦБ, в качестве основного индикатора мы использовали ставку денежного рынка MIACR, так же был рассмотрен вариант с переменной содержащей информацию по ставкам РЕПО ЦБ. Это уравнение описывает зависимость ставка денежного рынка от общего уровня риска 𝑢𝑉𝐼𝑋 , а так же от реакции ЦБ на изменения курса рубля, спроса и предложения денег в экономике. 4.1 Описание данных Как уже было описано выше, мы рассматриваем два вектора P и Y, содержащие данные монетарных переменных и переменных реального сектора экономики. Рассмотренные данные были получены из разных источников, включая Росстат, ЦБ России, расчеты ВШЭ, а также информационные терминалы Bloomberg и Reuters; помесячные данные были собраны с начала 1999 по начало 2013 года (169 наблюдений). Вектор P состоит из следующих переменных: VIX (Volatility Index) и Russia 5-years CDS yield, отражающие общей уровень риска на международных рынках и страновой риск России. Расчетное значение на конец месяца в % для CDS yield и пунктах для индекса VIX (источник Bloomberg, данные по CDS доступны с 2001 года) переменная FXint (FX interventions), содержащая данные о валютных интервенциях банка России накопленным итогом за месяц (выраженные в рублях), рассчитывается как % от MB или M2 (источник ЦБ России и расчеты автора) RUBBASK и REER – курс рубля к корзине валют, рассчитываемый по методологии ЦБ России (http://cbr.ru/hd_base/BiCurBacket.asp), и реальный эффективный обменный курс рубля к корзине валют основных торговых партнеров России (источник ЦБ России, данные для REER доступны с 2002 года) MB и M2, где MB денежная база в широком определении, М2 – денежная масса в широком определении (источник ЦБ России) MIACR – ставка денежного рынка, определяющаяся по реальным сделкам между банками (источник ЦБ России и ассоциация НВА), ставка REPO1D – ставка по однодневным операциям РЕПО с ЦБ России, определяющаяся на аукционной основе (источник ЦБ России, данные по РЕПО доступны с 2003 года) В качестве переменных реального сектора экономики Y мы рассматриваем следующие переменные: Base production index – индекс выпуска основных отраслей экономики (источник ВШЭ, данные доступны с 2000 года) Brent oil - стоимость нефти марки Brent (источник Bloomberg, цена в долларах США) CPI – индекс потребительских цен (источник Росстат) Месячные данные по производству, инфляции и денежной массе были очищены от сезонной компоненты; на основе месячных изменений производства и инфляции были построены индексы с нормировкой к 100 в начале 1999 года для инфляции и к 100 в 2000 году для производства. Все переменные, кроме FXint, VIX, CDS, MIACR и REPO1d рассматриваются в логарифмах. В качестве переменных денежного предложения рассматривались денежная база в широком определении (MB) и М2. Денежная база в широком определении включает в себя наличные деньги в обращении с учетом остатков в кассах финансовых учреждений, а так же все обязательства ЦБ перед кредитными организациями (включая обязательные резервы, корреспондентские счета, депозиты в ЦБ, вложения в ОБР и другие). В отличие от денежной базы в узком определении этот показатель отражает все операции ЦБ по абсорбированию ликвидности. В качестве индикатора выпуска использовался индекс выпуска главных отраслей (8 видов экономической деятельности: сельское хозяйство, добыча полезных ископаемых, обрабатывающие производства, производство и распределение электроэнергии, газа и воды, строительство, грузовой транспорт, оптовая и розничная торговля); данный индекс рассчитывается Центром Развития ВШЭ (http://dcenter.hse.ru/ind_basic), нормирован к 100 в январе 2000 и очищен от сезонных колебаний. Данные по интервенциям на валютном рынке доступны на сайте ЦБ с 2008 года (http://cbr.ru/hd_base/VALINT.asp); в качестве индикатора используются помесячные интервенции, пересчитанные в рублевом эквиваленте в % к MB и в % к М2. Для оценки валютных интервенций до 2008 года используются данные по изменению структуры золотовалютных резервов, переоценки валюты и инвестиционных вложений. Так как обычно многие макроэкономические и финансовые данные содержат единичный корень, то была проведена оценка временных рядов на стационарность. Для того чтобы проверить данные на стационарность мы использовали сразу несколько тестов: ADF тест (Augmented DickeyFuller test), PP тест (Phillips-Perron test) и KPSS тест (Kwiatkowski-Phillips-Schmidt-Shin test). В первых двух тестах проверялась нулевая гипотеза о наличие единичного корня, в третьем тесте нулевая гипотеза заключается в стационарности ряда. Были рассмотрены различные спецификации тестов, включающие тренд и константу, только константу и без тренда и константы. Подробные результаты тестов приведены в Таблице 2 в Приложении. Как и следовало ожидать, тесты показали наличие единичного корня в данных по инфляции, выпуску и денежному предложению, в тоже время тесты для стоимости нефти и обменного курса дали неоднозначные результаты, но по общей совокупности можно сделать вывод, что рассматриваемые ряды являются нестационарными. 4.2 Оценка модели и результаты Эконометрическая оценка производилась с помощью программных пакетов Eviews и R. На первом этапе была проведена оценка модели в сокращенной форме (3). Для того чтобы сравнить как изменилась политика ЦБ после кризиса мы разделили выборку на два периода: с января 2000 по июль 2008 года – предкризисный период, с июля 2009 по декабрь 2012 – после кризисный период. Количество лагов в системе было ограничено 3-мя, основываясь на нескольких информационных критериях (AIC, SC, HQ в Таблице 3 в Приложении); при оценке на более коротких сериях использовался только 1 лаг из-за небольшого объема выборки. Так как анализ данных показал наличие единичных корней в некоторых сериях, то также был использован тест Йохансена для поиска коинтеграционных соотношений, который показал наличие 5 для trace теста и 2 для max eigenvalue ( Таблица 4 в Приложении). Для того чтобы учесть эффект единичных корней и коинтеграции были оценены три спецификации модели: VAR в уровнях, VAR с первыми разностями и VEC модель. Так как результаты оценки этих моделей показали похожие результаты, то было принято решение в качестве базовой модели использовать простую VAR модель в уровнях, из-за простоты ее оценки и лучшей устойчивости при оценке структурной компоненты. Так же мы руководствовались результатами Бернанке и Михова (1998), которые показали, что использование VEC спецификации не дает видимых улучшений по сравнению с обычной моделью. Результаты оценок сокращенной формы в период с января 2000 по июль 2008 приведены в Приложении на Рисунке 8 и в Таблице 5. Для оценки структурных шоков, были найдены численные значения коэффициентов уравнения (4). При оценке полученных результатов модели мы руководствовались адекватностью данных нескольким эмпирическим предположениям, а так же результатам статистических тестов на идентифицируемость модели (LR overidenification test). Были сформулированы следующие предположения относительно реакции переменных на структурные шоки: При негативном шоке на международных финансовых рынках происходит увеличение кредитного спрэда (сds yield увеличивается), что в свою очередь приводит к росту внутренних ставок из-за увеличения кредитного риска, а рубль дешевеет относительно других валют, так как международные инвесторы переводят свои сбережения в ‘safe haven’валюты Положительный шок валютных интервенций, при котором ЦБ покупает валюту и печатает рубли для того чтобы предотвратить укрепление рубля, приводит к росту денежной массы, падению курса рубля (бивалютная корзина дорожает), а так же к падению процентных ставок из-за увеличения ликвидности на рынке Положительный шок спроса на деньги приводи к росту процентных ставок, а так же к укреплению рубля из-за более высокого на него спроса Положительный шок предложения денег приводит к росту денежной базы и как следствие к падению ставок и к девальвации рубля Шок процентных ставок приводит к росту ставок на рынке и укреплению рубля, так как рублевые активы становятся более привлекательными для инвесторов На рисунках 9(а-г) приведены оценки импульсных функций отклика для денежной массы, процентных ставок и обменного курса за период с января 2000 по июль 2008 года. Как видно из результатов полученные оценки достаточно хорошо согласуются с эмпирическими предположениями о поведении этих переменных. Другим критерием, по которому мы оцениваем адекватность выбранной спецификации, является тест на идентификацию. Так как уравнения (5)-(9) задают больше ограничений, чем необходимо для оценки модели, то мы может использовать LR over-identification test для проверки гипотезы, что наша модель соответствует данным. Как показывают результаты, мы не может отвергнуть нулевую гипотезу о том, что модель соответствует данным. Log likelihood 302.4 Хи^2(3) 2.38 Вероятность 0.30 Получившиеся оценки модели приведены в Таблице 6 в Приложении Оценка этой же модели на данных с июля 2009 по декабрь 2012 дает похожие результаты. Что может объясняться как небольшим объемом выборки (всего 44 наблюдения), так и незначительными изменениями в функции отклика центрального банка. Декомпозиция вариации структурной модели (Рисунок 10 в Приложении) показывает, что в вариации обменного курса достаточно большую часть занимает шок монетарной политики, в то же время вариацию денежной массы объясняют вариации спроса, предложения и валютных интервенций. Для проверки адекватности результатов оценки нашей модели мы рассмотрели полную спецификацию модели, которая помимо монетарных переменных также включает в себя инфляцию, индекс производства и стоимость нефти. Оценка этой модели в сокращенной форме с использованием разложения Холецкого дала похожие результаты для переменных монетарной политики, в сравнении со стандартной модели, а так же показала зависимость инфляции и производства от различных шоков (Рисунок 11 в Приложении). Большой интерес представляют структурные изменения, произошедшие в монетарной политике ЦБ в 2008-2009 году. На Рисунке 5 в Приложении отчетливо заметно увеличение волатильности обменного курса рубля и снижение волатильности процентных ставок после 2009 года. Так как небольшая длина временного ряда после 2009 года не позволяет провести оценку полной VAR модели, то рассмотрим несколько простых зависимостей, которые бы могли наглядно продемонстрировать произошедшие изменения во взаимосвязях обменного курса и валютных интервенций, а так же в процентных ставок, по аналогии с уравнениями (6) и (9) на двух промежутках времени: с начала 2004 по июль 2008 и с июля 2009 по конец 2012 года. 𝑅𝑈𝐵𝑏𝑎𝑠𝑘𝑡 = 𝑏0 + 𝑏1 𝑅𝑈𝐵𝑏𝑎𝑠𝑘𝑡−1 + 𝑏2 𝐹𝑋𝑖𝑛𝑡𝑡−1 + 𝑏3 𝑀𝐼𝐴𝐶𝑅𝑡−1 + 𝜀𝑡 (10) 𝑀𝐼𝐴𝐶𝑅𝑡 = 𝑐0 + 𝑐1 𝑀𝐼𝐴𝐶𝑅𝑡−1 + 𝑐3 𝑅𝐸𝑃𝑂1𝑑𝑡−1 + 𝑐3 𝐹𝑋𝑖𝑛𝑡𝑡−1 + 𝑐4 𝑀0𝑡−1 + 𝜖𝑡 (11) Результаты оценки уравнения (10), приведенные в Таблице 7 в Приложение, указывают на то, что связь обменного курса и валютных интервенций ослабла после 2008 года и стала статистически незначимой. Оценка уравнения (11) (Таблица 8 в Приложении) дает схожие результаты, показывая, что значимость интервенций снизилась. Таким образом, можно сделать вывод, что ЦБ стал в меньшей степени полагаться на валютные интервенции в своей политике, что соответствует заявленной смене политики. Однако данные оценки не позволяют ответить на вопрос, из-за чего произошли эти изменения, стали ли они результатом осознанной политики ЦБ или явились следствием изменения внешних факторов. На Рисунке 12 прослеживается взаимосвязь между состоянием платежного баланса (сальдо текущего и финансового счета) и объемом валютных интервенций, из которой видно, что снижение интервенций сопровождалось также снижением платежного баланса, который в свою очередь снижался из-за роста оттока капитала (Рисунок 13). Таким образом, возникает вопрос, является ли снижение интервенций следствием увеличения оттока капитала из-за различных макро и институциональных факторов, или же сам отток капитала стал реакцией экономических агентов на заявление ЦБ о переходе к плавающему обменному курсу. Заключение В данной работе мы рассмотрели основные цели и инструменты монетарной политики ЦБ России. Результаты исследования показали, что на протяжении всего рассматриваемого периода ЦБ уделял большое внимание таргетированию инфляции и управлению обменным курсом. В моменты, когда данные цели входили в противоречие, регулятор отдавал предпочтение управлению обменным курсом. Применение многомерной векторной модели позволило оценить влияние сразу нескольких инструментов и подтвердило нашу гипотезу о том, что ЦБ преследует сразу несколько целей. В то же время следует отметить некоторые ограничения данной модели, которые в основном имеют технический характер. Так например, оценка структурной компоненты, производится с помощью численного решения уравнения, методом поиска локального минимума, что в некоторых случаях может привести к неустойчивым результатам; небольшие изменения в исходных данных могут привести к значительному расхождению полученных оценок. Увеличение количества неизвестных переменных в модели только ухудшает ситуацию. Большой интерес представляет задача оценки степени влияния различных инструментов на реальную экономику (оценка так называемых каналов трансмиссии монетарной политики). В этом исследовании данная тема была затронута лишь вскользь при оценке полной версии модели, включающей в себя переменные реального сектора. Одной из своих задач дальнейших исследований мы видим в более детальном изучении этой проблемы. Список литературы 1. L.Ball, 1997. Efficient Rules for Monetary Policy, NBER WP 5952, then in International Finance, Volume 2, Issue 1, pages 63-83 2. BS. Bernanke, I. Mihov, 1997. What does the Bundesbank target? European Economic Review, Volume 41, Issue 6, pages 1025-1053 3. BS. Bernanke, I. Mihov, 1998. Measuring Monetary Policy. The Quarterly Journal of Economics, Volume 113, Issue 3, pages 869-902 4. R. Clarida, J. Gali and M. Gertler, 1997. Monetary Policy Rules in Practice: Some International Evidence, NBER Working Paper 6254 5. R. Clarida, M. Gertler, 1997. How the Bundesbank Conducts Monetary Policy, NBER, Volume: Reducing Inflation: Motivation and Strategy, pages 363 – 412 6. LJ. Christiano, M.Eichenbaum and CL. Evans, 1999. Monetary policy shocks: What have we learned and to what end?. Handbook of macroeconomics, Volume 1, pages 65-148. 7. NA Cuche, 2000. Alternative indicator of monetary policy for a small open economy, working paper 8. A.Esanov, C.Merkl and L.Vinhas, 2005. Monetary policy rules for Russia , Journal of Comparative Economics, Volume 33, Issue 3, September 2005, Pages 484–499 9. B.Granville, S. Mallick, 2010. Monetary Policy in Russia: Identifying exchange rate shocks, Economic Modelling, Volume 27, Issue 1, pages 432-444 10.L. Kilian 2011. Structural vector autoregressions. CEPR. 11.BT. McCallum, 1997. Issues in the Design of Monetary Policy Rules, NBER WP 6016. 12.E. Nelson, 2000. UK Monetary Policy 1972–1997: a Guide Using Taylor Rules, Bank of England Working Paper 13.M.Obstfeld, J.Shambaugh and M.Taylor, 2004. The Trilemma in History: Tradeoffs among Exchange Rates, Monetary Policies, and Capital Mobility. NBER, Working Paper Series, March 2004 14.CA. Sims, 1986. Are forecasting models usable for policy analysis?. Federal Reserve Bank of Minneapolis, Quarterly Review 10(1), pages 2-16. 15.L.Svensson, 1999. Inflation targeting as a monetary policy rule, Journal of Monetary Economics, Volume 43, Issue 3, pages 607-654 16.J. Taylor, 1993. Discretion versus Policy Rules in Practice, Carnegie-Rochester Conference series on Public Policy 39, pages 195-214 17.J. Taylor, 1999. A Historical Analysis of Monetary Policy Rules. University of Chicago Press for NBER , Business Cycles Series, Volume 31 18.Vdovichenko and V. Voronina, 2006. Monetary policy rules and their application in Russia, Research in International Business and Finance, Volume 20, Issue 2, pages 145–162 19.С.М. Дробышевский, П.В. Трунин, М.В. Каменских, 2009. Анализ правил денежно-кредитной политики Банка России в 1999-2007 гг., ИЭПП, Научные труды № 127Р 20.Центральный Банк России, 2002-2012. Основные направления единой государственной денежно-кредитной политики на 2002-2012 годы. Сайт ЦБ России (http://cbr.ru/dkp/) Приложение Рисунок 1. Динамика основных краткосрочных процентных ставок, % Рисунок 2. Цели и реальные значения темпов роста индекса цен (а) и денежной массы (б) Рисунок 3. Цели и изменения реального обменного курса рубля Рисунок 4. Интервенции на валютном рынке и изменения М2, млрд рублей Рисунок 5. Волатильность процентных ставок и обменного курса Рисунок 6. Объем средств предоставленных ЦБ банкам по различным инструментам, млрд рублей Рисунок 7. Объем средств изъятых ЦБ и Минфином, млрд рублей MinFin reserves Reverse agreement OBR Deposits at CBR Required reserves Correspondent accounts 01.07.2012 01.12.2011 01.05.2011 01.10.2010 01.03.2010 01.08.2009 01.01.2009 01.06.2008 01.11.2007 01.04.2007 01.09.2006 01.02.2006 01.07.2005 01.12.2004 01.05.2004 01.10.2003 01.03.2003 01.08.2002 01.01.2002 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 Рисунок 8. Импульсные функции отклика сокращенного уравнения с разложение Холецкого Response to Cholesky One S.D. Innov ations ± 2 S.E. Response of FX_INT _M2 to VIX Response of FX_INT _M2 to FX_INT _M2 Response of FX_INT _M2 to LG_RUB Response of FX_INT _M2 to LG_M0 Response of FX_INT _M2 to MIACR .03 .03 .03 .03 .03 .02 .02 .02 .02 .02 .01 .01 .01 .01 .01 .00 .00 .00 .00 .00 -.01 -.01 -.01 -.01 -.01 5 10 15 20 5 Response of LG_RUB to VIX 10 15 20 5 Response of LG_RUB to FX_INT _M2 10 15 20 5 Response of LG_RUB to LG_RUB 10 15 20 5 Response of LG_RUB to LG_M0 .010 .010 .010 .010 .010 .005 .005 .005 .005 .005 .000 .000 .000 .000 .000 -.005 -.005 -.005 -.005 -.005 -.010 -.010 5 10 15 20 -.010 5 Response of LG_M0 to VIX 10 15 20 -.010 5 Response of LG_M0 to FX_INT _M2 10 15 20 10 15 20 5 Response of LG_M0 to LG_M0 .04 .04 .04 .04 .03 .03 .03 .03 .03 .02 .02 .02 .02 .02 .01 .01 .01 .01 .01 .00 .00 .00 .00 .00 -.01 -.01 -.01 -.01 -.01 -.02 5 10 15 20 -.02 5 Response of MIACR to VIX 10 15 20 -.02 5 Response of MIACR to FX_INT _M2 10 15 20 10 15 20 5 Response of MIACR to LG_M0 3 3 3 3 2 2 2 2 2 1 1 1 1 1 0 0 0 0 0 -1 -1 -1 -1 -1 -2 5 10 15 20 -2 5 10 15 20 -2 5 10 15 20 15 20 10 15 20 Response of MIACR to MIACR 3 -2 10 -.02 5 Response of MIACR to LG_RUB 20 Response of LG_M0 to MIACR .04 -.02 15 -.010 5 Response of LG_M0 to LG_RUB 10 Response of LG_RUB to MIACR -2 5 10 15 20 Рисунок 9а. Импульсные функции отклика на внешний шок 5 10 15 20 Response to Structural One S.D. Innovations ± 2 S.E. Response of FX_INT_M2 to Shock1 Response of LG_RUB to Shock1 .002 .008 .006 .000 .004 -.002 .002 -.004 .000 -.006 -.002 -.008 -.004 1 2 3 4 5 6 7 8 9 10 1 2 Response of LG_M0 to Shock1 3 4 5 6 7 8 9 10 9 10 Response of MIACR to Shock1 .004 1.00 .000 0.75 -.004 0.50 -.008 0.25 -.012 0.00 -.016 -0.25 -.020 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 Рисунок 9б. Импульсные функции отклика на шок валютных интервенций Response to Structural One S.D. Innovations ± 2 S.E. Response of FX_INT_M2 to Shock2 Response of LG_RUB to Shock2 .04 .008 .03 .004 .02 .000 .01 -.004 .00 -.01 -.008 1 2 3 4 5 6 7 8 9 10 1 2 Response of LG_M0 to Shock2 3 4 5 6 7 8 9 10 9 10 Response of MIACR to Shock2 .04 0.4 .03 0.0 .02 -0.4 .01 -0.8 .00 -1.2 -.01 -1.6 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 Рисунок 9в. Импульсные функции отклика на шок спроса Response to Structural One S.D. Innovations ± 2 S.E. Response of FX_INT_M2 to Shock3 Response of LG_RUB to Shock3 .008 .02 .004 .000 .01 -.004 .00 -.008 -.01 -.012 1 2 3 4 5 6 7 8 9 10 1 2 Response of LG_M0 to Shock3 3 4 5 6 7 8 9 10 9 10 Response of MIACR to Shock3 .05 4 .04 3 .03 2 .02 1 .01 0 .00 -1 -.01 -.02 -2 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 Рисунок 9в. Импульсные функции отклика на шок предложения Response to Structural One S.D. Innovations ± 2 S.E. Response of FX_INT_M2 to Shock4 Response of LG_RUB to Shock4 .02 .012 .01 .008 .00 .004 -.01 .000 -.02 -.004 -.03 -.008 1 2 3 4 5 6 7 8 9 10 1 2 Response of LG_M0 to Shock4 3 4 5 6 7 8 9 10 9 10 Response of MIACR to Shock4 .04 1 .03 0 .02 .01 -1 .00 -.01 -2 -.02 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 Рисунок 9г. Импульсные функции отклика на шок ставки Response to Structural One S.D. Innovations ± 2 S.E. Response of FX_INT_M2 to Shock5 Response of LG_RUB to Shock5 .005 .016 .000 .012 -.005 .008 -.010 .004 -.015 .000 -.020 -.004 1 2 3 4 5 6 7 8 9 10 1 2 Response of LG_M0 to Shock5 3 4 5 6 7 8 9 10 9 10 Response of MIACR to Shock5 .01 5 4 .00 3 -.01 2 1 -.02 0 -.03 -1 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 Рисунок 10. Декомпозиция вариации в структурной модели Variance Decomposition of FX_INT_M2 Variance Decomposition of LG_RUB 80 70 60 60 50 40 40 30 20 20 10 0 0 2 4 6 8 10 Shock1 Shock4 12 14 16 Shock2 Shock5 18 20 22 24 2 4 6 Shock3 8 10 Shock1 Shock4 Variance Decomposition of LG_M0 12 14 16 Shock2 Shock5 18 20 22 24 22 24 Shock3 Variance Decomposition of MIACR 50 70 60 40 50 30 40 20 30 20 10 10 0 0 2 4 6 8 Shock1 Shock4 10 12 14 Shock2 Shock5 16 18 20 Shock3 22 24 2 4 6 8 Shock1 Shock4 10 12 14 Shock2 Shock5 16 18 20 Shock3 Рисунок 11. Импульсные функции откликов инфляции и производства Response to Cholesky One S.D. Innovations ± 2 S.E. Response of LG_CPI to VIX Response of LG_CPI to FX_INT_M2 Response of LG_CPI to LG_RUB Response of LG_CPI to LG_M0 .006 .006 .006 .006 .004 .004 .004 .004 .002 .002 .002 .002 .000 .000 .000 .000 -.002 -.002 -.002 -.002 -.004 -.004 2 4 6 8 10 12 14 16 18 20 22 -.004 2 24 4 Response of LG_CPI to MIACR 6 8 10 12 14 16 18 20 22 -.004 2 24 Response of LG_PROD to VIX .006 .004 4 6 8 10 12 14 16 18 20 22 2 24 Response of LG_PROD to FX_INT_M2 4 6 8 10 12 14 16 18 20 22 24 22 24 Response of LG_PROD to LG_RUB .004 .004 .004 .002 .002 .002 .002 .000 .000 .000 -.002 -.002 -.002 .000 -.002 -.004 -.004 2 4 6 8 10 12 14 16 18 20 22 -.004 2 24 4 Response of LG_PROD to LG_M0 6 8 10 12 14 16 18 20 22 24 22 24 -.004 2 4 6 8 10 12 14 16 18 20 22 2 24 4 6 8 10 12 14 16 Response of LG_PROD to MIACR .004 .004 .002 .002 .000 .000 -.002 -.002 -.004 -.004 8 10 12 14 16 18 20 22 2 24 4 6 8 10 12 14 16 18 20 Рисунок 12. Валютные интервенции и платежный баланс Рисунок 13. Состояние платежного баланса финансовый счет 70 Текущий счет Платежный баланс 50 30 10 -10 -30 12.2011 03.2011 06.2010 09.2009 12.2008 03.2008 06.2007 09.2006 -50 12.2005 6 03.2005 4 Млрд долларов 2 Таблица 1. Основные параметры денежно-кредитной политики в 1999-2012 годах 18 20 Цели по инфляции Текущий год +1 год +2 года Реальная инфляция Цель по М2 Реальный рост М2 1999 30% 36.5% 18-26% 2000 18% 20.2% 21 - 25% 61% 2001 12 - 14% 18.6% 27 - 34% 40% 2002 12 - 14% 15.1% 22 - 28% 32% 2003 10 - 12% 12.0% 20 - 26% 50% 2004 8 - 10% 6,5 - 8,5% 5,5 - 7,5% 11.7% 19-25% 36% 2005 7,5 - 8,5% 6,0 - 7,5% 5,0 - 6,5% 10.9% 20 - 32% 39% 2006 7 - 8,5% 4 - 5,5% 9.0% 19 - 28% 49% 2007 6,5 - 8% 4 - 5,5% 11.9% 19 - 29% 43% 2008 6 - 7% 5,5 - 6,5% 5-6% 13.3% 24 - 30% 1% 2009 7-8,5% 5,5 - 7,0% 5,0 - 6,8 8.8% 19 - 28% 18% 2010 9 - 10% 7 - 8% 5 - 7% 8.8% 8 - 21% 31% 2011 6-7% 5-6% 4,5-5,5% 6.1% 2012 5-6% 5-6% 4-5% 6,6% 23% Таблица 2. Анализ на наличие единичного корня Seasonal adj Unit root trend with intercept ADF tPP tKPSS statistics statistics statistics ADF tstatistics with intercept PP tKPSS statistics statistics CPI Index 1999=100 SA log + -2,51 -3,90 0,35 - - - Monetary Base RUB bn SA log + -1,74 -1,64 0,37 - - - Money supply (M2) RUB bn SA log + -1,11 -1,07 0,37 - - - Base production Index 2000=100 SA log + -1,36 -1,27 0,30 - - - Brent oil Close price - log - -3,79 -3,39 0,08 -1,47 -1,29 - VIX % - - - - - - -3,61 -3,70 0,15 Ruble basket Close price - log - -3,65 -3,13 0,10 -2,81 -2,66 1,17 FX interventions % of M0 - - - -6,63 -6,45 0,14 -6,46 -6,40 0,34 MIACR % - - - -5,06 -6,59 0,25 -5,13 -5,13 0,69 REPO (1 day) % - - - -2,29 -6,60 0,10 -2,03 -5,94 0,33 test statistics 1% level -4,01 0,216 -3,47 0,739 5% level -3,44 0,146 -2,88 0,463 10% level -3,14 0,119 -2,58 Таблица 3. Выбор количества лагов в регрессии Lag 0 1 2 3 4 5 6 7 8 9 10 11 12 LogL LR FPE AIC SC HQ -50,3 NA 0,0 0,9 1,3 1,1 343,1 741,5 0,0 -3,8 -2,9* -3,5* 370,4 49,7 0,0 -3,9 -2,5 -3,3 396,4 45,6 0,0* -3,9* -2,0 -3,1 419,8 39,6* 0,0 -3,8 -1,5 -2,9 434,3 23,6 0,0 -3,7 -0,9 -2,6 447,1 20,0 0,0 -3,6 -0,2 -2,2 464,2 25,6 0,0 -3,5 0,4 -1,9 483,4 27,6 0,0 -3,4 0,9 -1,6 503,1 27,0 0,0 -3,3 1,5 -1,4 516,6 17,7 0,0 -3,2 2,1 -1,0 543,1 33,0 0,0 -3,2 2,6 -0,8 559,1 18,9 0,0 -3,1 3,2 -0,5 * indicates lag order selected by the criterion LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion Таблица 4. Тест на наличие коинтеграции Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0,05 Critical No. of CE(s) Eigenvalue Statistic Value Prob.** None * At most 1 * At most 2 * At most 3 * At most 4 * 0,3 0,2 0,1 0,1 0,0 134,6 75,4 32,9 17,4 4,9 69,8 47,9 29,8 15,5 3,8 0,0 0,0 0,0 0,0 0,0 Trace test indicates 5 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0,05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * At most 1 * At most 2 0,3 0,2 0,1 59,1 42,6 15,4 33,9 27,6 21,1 0,0 0,0 0,3 0,347 At most 3 At most 4 * 0,1 0,0 12,5 4,9 14,3 3,8 0,1 0,0 Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Таблица 5. Результаты оценки сокращенной VAR модели Sample (adjusted): 2000M02 2008M06 Included observations: 101 after adjustments Standard errors in ( ) & t-statistics in [ ] VIX VIX(-1) FX_INT_M2(-1) LG_RUB(-1) LG_M0(-1) MIACR(-1) C LG_BRENT LG_CPI LG_PROD LG_BRENT(-1) LG_CPI(-1) LG_PROD(-1) FX_INT_M2 LG_RUB 0,78 0,00 0,00 LG_M0 0,00 MIACR 0,02 -0,07 0,00 0,00 0,00 -0,06 [ 10,3] [-1,2] [ 0,3] [-1,0] [ 0,3] -22,31 0,30 -0,11 0,40 -24,99 -13,36 -0,11 -0,03 -0,13 -10,96 [-1,7] [ 2,8] [-3,5] [ 2,9] [-2,3] 26,57 0,02 0,92 0,14 1,41 -14,03 -0,11 -0,03 -0,14 -11,51 [ 1,9] [ 0,2] [ 26,9] [ 1,0] [ 0,1] 4,42 -0,13 0,00 0,78 -7,58 -6,97 -0,06 -0,02 -0,07 -5,72 [ 0,6] [-2,3] [-0,2] [ 11,1] [-1,3] -0,11 0,00 0,00 0,00 0,34 -0,13 0,00 0,00 0,00 -0,11 [-0,9] [-0,7] [ 1,2] [-0,7] [ 3,1] -21,44 -1,71 0,41 -3,42 -158,33 -114,11 -0,91 -0,28 -1,15 -93,63 [-0,2] [-1,9] [ 1,5] [-2,9] [-1,7] -0,31 -0,01 0,01 -0,05 -2,32 -4,15 -0,03 -0,01 -0,04 -3,40 [-0,1] [-0,21] [ 0,9] [-1,2] [-0,7] 9,72 -0,17 -0,08 -1,11 9,94 -94,38 -0,75 -0,23 -0,95 -77,44 [ 0,1] [-0,2] [-0,4] [-1,2] [ 0,1] 74,46 0,99 0,04 0,79 32,75 -142,51 -1,14 -0,35 -1,43 -116,94 [ 0,5] [ 0,9] [ 0,1] [ 0,6] [ 0,3] 3,36 -0,01 0,00 0,00 -3,13 -4,20 -0,03 -0,01 -0,04 -3,44 [ 0,8] [-0,2] [-0,34] [ 0,1] [-0,9] -25,78 0,15 0,13 1,09 -23,01 -94,53 -0,75 -0,23 -0,95 -77,57 [-0,3] [ 0,2] [ 0,5] [ 1,1] [-0,3] -78,60 -0,43 -0,11 0,20 29,55 R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent -140,48 -1,12 -0,34 -1,41 -115,27 [-0,6] [-0,4] [-0,3] [ 0,1] [ 0,3] 0,77 0,74 950,74 3,27 27,39 -256,54 5,32 5,63 19,63 6,46 0,23 0,14 0,06 0,03 2,45 231,40 -4,34 -4,03 0,03 0,03 0,96 0,95 0,01 0,01 178,30 351,41 -6,72 -6,41 3,39 0,04 1,00 1,00 0,10 0,03 4228,96 207,95 -3,88 -3,57 7,46 0,71 0,52 0,46 640,10 2,68 8,83 -236,56 4,92 5,23 5,23 3,66 Determinant resid covariance (dof adj.) Determinant resid covariance Log likelihood Akaike information criterion Schwarz criterion 1,68E-09 8,95E-10 3,36E+02 -5,46E+00 -3,90E+00 Таблица 6. Оценка коэффициентов SVAR модели (5-9) Structural VAR Estimates Date: 05/17/13 Time: 15:57 Sample (adjusted): 2000M02 2008M06 Included observations: 101 after adjustments Estimation method: method of scoring (analytic derivatives) Convergence achieved after 23 iterations Structural VAR is over-identified (2 degrees of freedom) Model: Ae = Bu where E[uu']=I Restriction Type: short-run text form C(1)*@e1= @u1 C(2)*@e2+C(3)*@e3 = @u2 C(4)*@e3+C(5)*@e4 +C(6)*@e5= @u3 C(7)*@e2+C(8)*@u3+C(10)*@e4+C(11)*@e5 = @u4 C(12)*@e1 +C(13)*@e3 +C(15)*@e5 = @u5 where @e1 represents VIX residuals @e2 represents FX_INT_M2 residuals @e3 represents LG_RUB residuals @e4 represents LG_M0 residuals @e5 represents MIACR residuals Coefficient C(1) 0,31 Std. Error 0,02 zStatistic 14,21 Prob. 0,00 C(2) C(3) C(4) C(5) C(6) C(7) C(10) C(11) C(12) C(13) C(15) C(8) 39,22 72,10 -57,17 22,22 0,29 -27,96 56,64 0,18 -0,05 75,22 0,25 -1,21 4,23 36,24 23,23 7,84 0,15 6,28 18,49 0,14 0,03 66,93 0,19 0,69 9,26 1,99 -2,46 2,83 1,92 -4,46 3,06 1,25 -1,63 1,12 1,33 -1,75 0,00 0,05 0,01 0,00 0,05 0,00 0,00 0,21 0,10 0,26 0,18 0,08 Таблица 7. Результаты оценки зависимости курса рубля от валютных интервенций Sample: 2004M01 2008M06 Variable Sample: 2009M06 2013M01 Coefficient Std. Error t-Statistic Prob. Coefficient Std. Error t-Statistic Prob. C 0,006 0,003 1,987 0,053 0,008 0,014 0,568 0,573 RUB(-1) 0,263 0,124 2,114 0,040 -0,012 0,161 -0,074 0,942 Fxint(-1) -0,060 0,021 -2,848 0,006 0,101 0,149 0,676 0,503 MIACR(-1) -0,001 0,001 -0,894 0,376 -0,002 0,003 -0,785 0,437 0,000 0,025 Mean dependent var R-squared 0,238 Mean dependent var Adjusted R-squared 0,193 S,D, dependent var 0,009 -0,048 S,D, dependent var 0,027 S.E. of regression 0,008 Akaike info criterion -6,631 0,028 Akaike info criterion -4,217 0,004 Schwarz criterion -6,484 0,032 Schwarz criterion -4,055 Hannan-Quinn criter, -6,574 96,778 Hannan-Quinn criter, -4,157 2,055 0,341 Sum squared resid Log likelihood 183,037 F-statistic 5,218 Prob(F-statistic) 0,003 Durbin-Watson stat Durbin-Watson stat -0,002 2,054 0,795 Таблица 8. Результаты оценки зависимости процентной ставки Variable Coefficient Std. Error t-Statistic Prob. Sample: 2004M01 2008M06 C MIACR(-1) REPO1D(-1) Coefficient Std. Error t-Statistic Prob. Sample: 2009M06 2013M01 -21,567 5,339 -4,039 0,000 -23,652 8,509 -2,780 0,008 0,377 0,095 3,981 0,000 0,808 0,074 10,969 0,000 1,169 0,253 4,628 0,000 0,435 0,179 2,429 0,020 VIX(-1) -0,021 0,041 -0,504 0,617 0,008 0,011 0,729 0,471 FX_INT_M0(-1) -7,499 2,510 -2,988 0,004 -3,281 2,367 -1,386 0,174 LG_M0(-1) 2,126 0,581 3,658 0,001 2,465 0,873 2,822 0,008 R-squared 0,697 Mean dependent var 3,506 0,926 Mean dependent var 4,505 Adjusted R-squared 0,665 S.D. dependent var 1,748 0,916 S.D. dependent var 1,369 S.E. of regression 1,012 Akaike info criterion 2,966 0,396 Akaike info criterion 1,110 Schwarz criterion 3,187 5,953 Schwarz criterion 1,354 Hannan-Quinn criter. 3,051 -18,429 Hannan-Quinn criter. 1,201 Durbin-Watson stat 1,499 95,265 Durbin-Watson stat 1,945 Sum squared resid Log likelihood F-statistic Prob(F-statistic) 49,136 -74,074 22,052 0,000 0,000
