voprecotestВопросы экономикиVoprosy Ekonomiki0042-8736Voprosy Ekonomiki, NP10.32609/0042-8736-2020-10-83-104voprecotest-2938Research ArticleМАКРОЭКОНОМИЧЕСКИЕ ИССЛЕДОВАНИЯMACROECONOMIC RESEARCHШоки спроса, предложения, ДКП и цен на нефть в российской экономике (анализ на основе модели BVAR со знаковыми ограничениями)Demand, supply, monetary policy, and oil price shocks in the Russian economy (Analysis based on the BVAR model with sign restrictions)https://orcid.org/0000-0002-5672-277XЛомоносовД. А.LomonosovD. A.

Ломоносов Даниил Анатольевич, младший научный сотрудник лаборатории математического моделирования экономических процессов РАНХиГС; магистрант Института экономики, математики и информационных технологий РАНХиГС

Москва

Daniil A. Lomonosov  

Moscow

daniil329@gmail.comhttps://orcid.org/0000-0003-4683-8194ПолбинА. В.PolbinA. V.

Полбин Андрей Владимирович, кандидат экономических наук, завлабораторией математического моделирования экономических процессов РАНХиГС, заместитель заведующего международной лабораторией математического моделирования экономических процессов Института Гайдара

Москва

Andrey V. Polbin  

Moscow

apolbin@iep.ruhttps://orcid.org/0000-0002-4058-7331ФокинН. Д.FokinN. D.

Фокин Никита Денисович, научный сотрудник лаборатории математического моделирования экономических процессов

Москва

SPIN-код: 1568-3383

Nikita D. Fokin  

Moscow

fokinikita@gmail.comРоссийская академия народного хозяйства и государственной службы при Президенте РФРоссияRussian Presidential Academy of National Economy and Public AdministrationRussian FederationРоссийская академия народного хозяйства и государственной службы при Президенте РФ; Институт экономической политики имени Е. Т. ГайдараРоссияRussian Presidential Academy of National Economy and Public Administration; Gaidar Institute for Economic PolicyRussian Federation20202809202001083104Copyright © Voprosy Ekonomiki, NP, 20202020Voprosy Ekonomiki, NPVoprosy Ekonomiki, NPhttps://www.vopreco.ru/jour/about/submissions#copyrightNoticehttps://www.vopreco.ru/jour/article/view/2938

В работе оценивается модель байесовской векторной авторегрессии для российской экономики на данных реального ВВП, дефлятора ВВП и цен на нефть в качестве экзогенной переменной, выступающей переменной-заменителем (proxy) для условий торговли. Наряду с воздействием шока цен на нефть в рамках модели оценивается влияние шока спроса и предложения, идентификация которых производится на основе знаковых ограничений. Согласно полученным результатам, в конце 2014 г. и в 2015 г. шок спроса оказывал положительное воздействие на темпы роста ВВП, что можно объяснить положительным влиянием девальвации рубля в конце 2014 г. В последующие годы шок спроса приводил в основном к замедлению экономического роста. В работе предпринята попытка в шоке спроса выделить шок денежно-кредитной политики и оценить его влияние на ВВП, потребление домохозяйств и инвестиции. Влияние шока ДКП на все эндогенные переменные было отрицательным в 2015—2018 гг. Однако рост ставки процента в конце 2014 г. идентифицируется как эндогенная реакция на другие шоки, воздействие шока ДКП на ВВП в 2015 г. практически нулевое. В 2017 г. шок ДКП снизил рост ВВП на 0,9 п.  п.

This paper considers a simple Bayesian vector autoregressive model for the Russian economy based on data for real GDP, GDP deflator and oil price as an exogenous variable that acts as a proxy variable for the terms of trade. Along with the impact of oil price shocks, the model estimates the impact of supply and demand shocks, the identification of which is based on the approach of sign restrictions. According to the results obtained, at the end of 2014 and in 2015, demand shocks had a positive impact on GDP growth, which can be interpreted as a positive effect of the ruble devaluation at the end of 2014. In the next years, demand shocks led mainly to a slowdown in economic growth. The paper also attempts to identify monetary policy shocks and assesses their impact on GDP, household consumption and investment. According to the results, the effect of monetary shocks in 2015—2019 on all endogenous variables was negative. However, an increase in the interest rate at the end of 2014 is identified mostly as an endogenous reaction to other shocks, and the effect of the monetary shock on GDP in 2015 is nearly zero. In 2017, monetary shocks slowed down GDP by 0.92 percentage points.

байесовская векторная авторегрессияшок денежнокредитной политикишок спросашок предложенияцены на нефтьBayesian vector autoregressionhistorical decompositionmonetary policy shocksdemand shockssupply shocksoil priceReferencesВащелюк Н. В., Полбин А. В., Трунин П. В. (2015). Оценка макроэкономических эффектов шока ДКП для российской экономики // Экономический журнал Высшей школы экономики. Т. 19, № 2. С. 169—198.Vashchelyuk N. V., Polbin A. V., Trunin P. V. (2015). Estimation of the monetary policy shock’s influence on the Russian economy. HSE Economic Journal, Vol. 19, No. 2, pp. 169—198. (In Russian).Демешев Б. Б., Малаховская О. А. (2016). Макроэкономическое прогнозирование с помощью BVAR Литтермана // Экономический журнал Высшей школы экономики. Т. 20, № 4. С. 691—710.Demeshev B. B., Malakhovskaya O. A. (2016). Macroeconomic forecasting with a Litterman’s BVAR model. HSE Economic Journal, Vol. 20, No. 4, pp. 691—710. (In Russian).Дерюгина Е., Пономаренко А. (2015). Большая байесовская векторная авторегрессионная модель для российской экономики // Серия докладов об экономических исследованиях Банка России. № 1.Deryugina E., Ponomarenko A. (2015). A large Bayesian vector autoregressive model for Russia. Bank of Russia Working Paper Series, No. 1. (In Russian).Дробышевский С., Кузьмичева Г., Синельникова Е., Трунин П. (2010). Моделирование спроса на деньги в российской экономике в 1999—2008 гг. (Научные труды № 136). М.: Изд-во Института Гайдара.Drobyshevsky S., Kuzmicheva G., Sinelnikova E., Trunin P. (2010). Modeling monetary demand in the Russian economy over 1999—2008 (Research Paper No. 136). Moscow: Gaidar Institute Publ. (In Russian).Ершов М. В., Танасова А. С. (2019). Мир и Россия: инфляция минимальна, экономический рост замедляется, риски повышаются // Вопросы экономики. № 12. С. 5—23. https://doi.org/10.32609/0042-8736-2019-12-5-23Ershov M. V., Tanasova A. S. (2019). The world and Russia: Inflation is minimal, economic growth is slowing, risks are rising. Voprosy Ekonomiki, No. 12, pp. 5—23. (In Russian). https://doi.org/10.32609/0042-8736-2019-12-5-23Ломиворотов Р. (2014). Влияние внешних шоков и денежно-кредитной политики на экономику России // Вопросы экономики. № 11. С. 122—139. https://doi.org/10.32609/0042-8736-2014-11-122-139Lomivorotov R. (2014). Impact of external shocks and monetary policy on Russian economy. Voprosy Ekonomiki, No. 11, pp. 122—139. (In Russian). https://doi.org/10.32609/0042-8736-2014-11-122-139Мау В. А. (2020). Экономика и политика 2019—2020 гг.: глобальные вызовы и национальные ответы // Вопросы экономики. № 3. С. 5—27. https://doi.org/10.32609/0042-8736-2020-3-5-27Mau V. A. (2020). Economics and politics in 2019—2020: Global challenges and national answers. Voprosy Ekonomiki, No. 3, pp. 5—27. (In Russian). https://doi.org/10.32609/0042-8736-2020-3-5-27Орешкин М. С. (2018). Перспективы экономической политики // Экономическая политика. T. 13, № 3. С. 8—27. https://doi.org/10.18288/1994-5124-2018-3-01Oreshkin M. S. (2018). Prospects of economic policy. Ekonomicheskaya Politika, Vol. 13, No. 3, pp. 8—27. (In Russian). https://doi.org/10.18288/1994-5124-2018-3-01Пестова А. (2017). Режимы денежно-кредитной политики Банка России: рекомендации для количественных исследований // Вопросы экономики. № 4. С. 38—60. https://doi.org/10.32609/0042-8736-2017-4-38-60Pestova A. (2017). Monetary policy regimes in Russia: Guidelines for further quantitative studies. Voprosy Ekonomiki, No. 4, pp. 38—60. (In Russian). https://doi.org/10.32609/0042-8736-2017-4-38-60Пестова А. А. (2018). Об оценке эффектов монетарной политики в России: роль пространства шоков и изменений режимов политики // Вопросы экономики. № 2. С. 33—55. https://doi.org/10.32609/0042-8736-2018-2-33-55Pestova A. A. (2018). On the effects of monetary policy in Russia: The role of the space of spanned shocks and the policy regime shifts. Voprosy Ekonomiki, No. 2, pp. 33—55. (In Russian). https://doi.org/10.32609/0042-8736-2018-2-33-55Пестова А., Мамонов М. (2016). Оценка влияния различных шоков на динамику макроэкономических показателей в России и разработка условных прогнозов на основе BVAR-модели российской экономики // Экономическая политика. Т. 11, № 4. С. 56—92. https://doi.org/10.18288/1994-5124-2016-4-03Pestova A., Mamonov M. (2016). Estimating the influence of different shocks on macroeconomic indicators and developing conditional forecasts on the basis of BVAR model for the Russian economy. Ekonomicheskaya Politika, Vol. 11, No. 4, pp. 56—92. (In Russian). https://doi.org/10.18288/1994-5124-2016-4-03Пестова А. А., Ростова Н. А. (2020). Экономические эффекты монетарной политики в России: о чем говорят большие массивы данных? // Вопросы экономики. № 4. С. 31—53. https://doi.org/10.32609/0042-8736-2020-4-31-53Pestova A. A., Rostova N. A. (2020). Economic effects of monetary policy in Russia: What do large datasets tell us? Voprosy Ekonomiki, No. 4, pp. 31—53. (In Russian). https://doi.org/10.32609/0042-8736-2020-4-31-53Полбин А. В., Скроботов А. А. (2016). Тестирование наличия изломов в тренде структурной компоненты ВВП Российской Федерации // Экономический журнал Высшей школы экономики. Т. 20, № 4. С. 588—623.Polbin A. V., Skrobotov A. A. (2016). Testing for structural breaks in the long-run growth rate of the Russian economy. HSE Economic Journal, Vol. 20, No. 4, pp. 588—623. (In Russian).Синяков А. А., Юдаева К. В. (2016). Политика центрального банка в условиях значительных шоков платежного баланса и структурных сдвигов // Вопросы экономики. № 9. С. 5—39. https://doi.org/10.32609/0042-8736-2016-9-5-39Sinyakov A. A., Yudaeva K. V. (2016). Central bank policy under significant balance-of-payment shocks and structural shifts. Voprosy Ekonomiki, No. 9, pp. 5—39. (In Russian). https://doi.org/10.32609/0042-8736-2016-9-5-39Шоломицкая Е. В. (2017). Влияние ключевых макроэкономических шоков на инвестиции в России // Экономический журнал Высшей школы экономики. Т. 21, № 1. С. 89—113.Sholomitskaya E. V. (2017). Influence of key macroeconomic shocks on Russian investments. HSE Economic Journal, Vol. 21, No. 1, pp. 89—113. (In Russian).Arias J. E., Caldara D., Rubio-Ramírez J. F. (2019). The systematic component of monetary policy in SVARs: An agnostic identification procedure. Journal of Monetary Economics, Vol. 101, pp. 1—13. https://doi.org/10.1016/j.jmoneco.2018.07.011Arias J. E., Caldara D., Rubio-Ramírez J. F. (2019). The systematic component of monetary policy in SVARs: An agnostic identification procedure. Journal of Monetary Economics, Vol. 101, pp. 1—13. https://doi.org/10.1016/j.jmoneco.2018.07.011Arias J. E., Rubio-Ramírez J. F., Waggoner D. F. (2018). Inference based on structural vector autoregressions identified with sign and zero restrictions: Theory and applications. Econometrica, Vol. 86, No. 2, pp. 685—720. https://doi.org/10.3982/ECTA14468Arias J. E., Rubio-Ramírez J. F., Waggoner D. F. (2018). Inference based on structural vector autoregressions identified with sign and zero restrictions: Theory and applications. Econometrica, Vol. 86, No. 2, pp. 685—720. https://doi.org/10.3982/ECTA14468Bańbura M., Giannone D., Reichlin L. (2010). Large Bayesian vector auto regressions. Journal of Applied Econometrics, Vol. 25, No. 1, pp. 71—92. https://doi.org/10.1002/jae.1137Bańbura M., Giannone D., Reichlin L. (2010). Large Bayesian vector auto regressions. Journal of Applied Econometrics, Vol. 25, No. 1, pp. 71—92. https://doi.org/10.1002/jae.1137Bernanke B., Blinder A. (1992). The federal funds rate and the channels of monetary transmission. American Economic Review, Vol. 82, No. 4, pp. 901—921. https://doi.org/10.3386/w3487Bernanke B., Blinder A. (1992). The federal funds rate and the channels of monetary transmission. American Economic Review, Vol. 82, No. 4, pp. 901—921. https://doi.org/10.3386/w3487Bernanke B. S., Gertler M., Watson M. (1997). Systematic monetary policy and the effects of oil price shocks. Brookings Papers on Economic Activity, Vol. 1997, No. 1, pp. 91—142. https://doi.org/10.2307/2534702Bernanke B. S., Gertler M., Watson M. (1997). Systematic monetary policy and the effects of oil price shocks. Brookings Papers on Economic Activity, Vol. 1997, No. 1, pp. 91—142. https://doi.org/10.2307/2534702Bernanke B. S., Mihov I. (1998). Measuring monetary policy. Quarterly Journal of Economics, Vol. 113, No. 3, pp. 869—902. https://doi.org/10.3386/w5145Bernanke B. S., Mihov I. (1998). Measuring monetary policy. Quarterly Journal of Economics, Vol. 113, No. 3, pp. 869—902. https://doi.org/10.3386/w5145Blanchard O. J., Quah D. (1989). The dynamic effects of aggregate demand and supply disturbances. American Economic Review, Vol. 79, No. 4, pp. 655—673. https://doi.org/10.3386/w2737Blanchard O. J., Quah D. (1989). The dynamic effects of aggregate demand and supply disturbances. American Economic Review, Vol. 79, No. 4, pp. 655—673. https://doi.org/10.3386/w2737Canova F. (2011). Methods for applied macroeconomic research. Princeton: Princeton University Press.Canova F. (2011). Methods for applied macroeconomic research. Princeton: Princeton University Press.Canova F., Pérez Forero F. J. (2015). Estimating overidentified, nonrecursive, timevarying coefficients structural vector autoregressions. Quantitative Economics, Vol. 6, No. 2, pp. 359—384. https://doi.org/10.3982/QE305Canova F., Pérez Forero F. J. (2015). Estimating overidentified, nonrecursive, timevarying coefficients structural vector autoregressions. Quantitative Economics, Vol. 6, No. 2, pp. 359—384. https://doi.org/10.3982/QE305Christiano L., Eichenbaum M., Evans C. (1996). The effects of monetary policy shocks: Evidence from the flow of funds. Review of Economics and Statistics, Vol. 78, No. 1, pp. 16—34. https://doi.org/10.2307/2109845Christiano L., Eichenbaum M., Evans C. (1996). The effects of monetary policy shocks: Evidence from the flow of funds. Review of Economics and Statistics, Vol. 78, No. 1, pp. 16—34. https://doi.org/10.2307/2109845Cochrane J. H. (1994). Shocks. Carnegie-Rochester Conference Series on Public Policy, Vol. 41, No. 1, pp. 295—364. https://doi.org/10.1016/0167-2231(94)00024-7Cochrane J. H. (1994). Shocks. Carnegie-Rochester Conference Series on Public Policy, Vol. 41, No. 1, pp. 295—364. https://doi.org/10.1016/0167-2231(94)00024-7Faust J. (1998). The robustness of identified VAR conclusions about money. CarnegieRochester Conference Series on Public Policy, Vol. 49, pp. 207—244. https://doi.org/10.1016/S0167-2231(99)00009-3Faust J. (1998). The robustness of identified VAR conclusions about money. CarnegieRochester Conference Series on Public Policy, Vol. 49, pp. 207—244. https://doi.org/10.1016/S0167-2231(99)00009-3Faust J., Leeper E. M. (1997). When do long-run identifying restrictions give reliable results? Journal of Business & Economic Statistics, Vol. 15, No. 3, pp. 345—353. https://doi.org/10.2307/1392338Faust J., Leeper E. M. (1997). When do long-run identifying restrictions give reliable results? Journal of Business & Economic Statistics, Vol. 15, No. 3, pp. 345—353. https://doi.org/10.2307/1392338Fry R., Pagan A. (2011). Sign restrictions in structural vector autoregressions: A critical review. Journal of Economic Literature, Vol. 49, No. 4, pp. 938—960. https://doi.org/10.1257/jel.49.4.938Fry R., Pagan A. (2011). Sign restrictions in structural vector autoregressions: A critical review. Journal of Economic Literature, Vol. 49, No. 4, pp. 938—960. https://doi.org/10.1257/jel.49.4.938Galí J. (1992). How well does the IS-LM model fit postwar US data? Quarterly Journal of Economics, Vol. 107, No. 2, pp. 709—738. https://doi.org/10.2307/2118487Galí J. (1992). How well does the IS-LM model fit postwar US data? Quarterly Journal of Economics, Vol. 107, No. 2, pp. 709—738. https://doi.org/10.2307/2118487Galí J. (1999). Technology, employment, and the business cycle: Do technology shocks explain aggregate fluctuation? American Economic Review, Vol. 89, No. 1, pp. 249—271. https://doi.org/10.1257/aer.89.1.249Galí J. (1999). Technology, employment, and the business cycle: Do technology shocks explain aggregate fluctuation? American Economic Review, Vol. 89, No. 1, pp. 249—271. https://doi.org/10.1257/aer.89.1.249Giannone D., Lenza M., Primiceri G. E. (2015). Prior selection for vector autoregressions. Review of Economics and Statistics, Vol. 97, No. 2, pp. 436—451. https://doi.org/10.1162/rest_a_00483Giannone D., Lenza M., Primiceri G. E. (2015). Prior selection for vector autoregressions. Review of Economics and Statistics, Vol. 97, No. 2, pp. 436—451. https://doi.org/10.1162/rest_a_00483Gospodinov N., Herrera A., Pesavento E. (2013). Unit roots, cointegration and pretesting in VAR models. Advances in Econometrics, Vol. 32, pp. 81—115. https://doi.org/10.1108/S0731-9053(2013)0000031003Gospodinov N., Herrera A., Pesavento E. (2013). Unit roots, cointegration and pretesting in VAR models. Advances in Econometrics, Vol. 32, pp. 81—115. https://doi.org/10.1108/S0731-9053(2013)0000031003Kydland F., Prescott E.C. (1982). Time to build and aggregate fluctuations. Econometrica, Vol. 50, No. 6, pp. 1345—1370. https://doi.org/10.2307/191338Kydland F., Prescott E.C. (1982). Time to build and aggregate fluctuations. Econometrica, Vol. 50, No. 6, pp. 1345—1370. https://doi.org/10.2307/191338Litterman R. B. (1986). Forecasting with Bayesian vector autoregressions — five years of experience. Journal of Business & Economic Statistics, Vol. 4, No. 1, pp. 25—38. https://doi.org/10.1080/07350015.1986.10509491Litterman R. B. (1986). Forecasting with Bayesian vector autoregressions — five years of experience. Journal of Business & Economic Statistics, Vol. 4, No. 1, pp. 25—38. https://doi.org/10.1080/07350015.1986.10509491Long J., Plosser C. (1983). Real business cycles. Journal of Political Economy, Vol. 91, No. 1, pp. 39—69. https://doi.org/10.1086/261128Long J., Plosser C. (1983). Real business cycles. Journal of Political Economy, Vol. 91, No. 1, pp. 39—69. https://doi.org/10.1086/261128Peersman G. (2005). What caused the early millennium slowdown? Evidence based on vector autoregressions. Journal of Applied Econometrics, Vol. 20, No. 2, pp. 185—207. https://doi.org/10.1002/jae.832Peersman G. (2005). What caused the early millennium slowdown? Evidence based on vector autoregressions. Journal of Applied Econometrics, Vol. 20, No. 2, pp. 185—207. https://doi.org/10.1002/jae.832Ramey V. A. (2016). Macroeconomic shocks and their propagation. In: J. B. Taylor, H. Uhlig (eds.). Handbook of macroeconomics, Vol. 2. Amsterdam: Elsevier, pp. 71—162. https://doi.org/10.1016/bs.hesmac.2016.03.003Ramey V. A. (2016). Macroeconomic shocks and their propagation. In: J. B. Taylor, H. Uhlig (eds.). Handbook of macroeconomics, Vol. 2. Amsterdam: Elsevier, pp. 71—162. https://doi.org/10.1016/bs.hesmac.2016.03.003Sims C. A. (1993). A nine-variable probabilistic macroeconomic forecasting model. In: J. H. Stock, M. W. Watson (eds.). Business cycles, indicators, and forecasting. University of Chicago Press, pp. 179—212.Sims C. A. (1993). A nine-variable probabilistic macroeconomic forecasting model. In: J. H. Stock, M. W. Watson (eds.). Business cycles, indicators, and forecasting. University of Chicago Press, pp. 179—212.Uhlig H. (2005). What are the effects of monetary policy on output? Results from an agnostic identification procedure. Journal of Monetary Economics, Vol. 52, No. 2, pp. 381—419. https://doi.org/10.1016/j.jmoneco.2004.05.007Uhlig H. (2005). What are the effects of monetary policy on output? Results from an agnostic identification procedure. Journal of Monetary Economics, Vol. 52, No. 2, pp. 381—419. https://doi.org/10.1016/j.jmoneco.2004.05.007

The authors declare that there are no conflicts of interest present.