voprecotestВопросы экономикиVoprosy Ekonomiki0042-8736Voprosy Ekonomiki, NP10.32609/0042-8736-2025-11-143-157voprecotest-5563Research ArticleМЕТОДОЛОГИЯ ЭКОНОМИЧЕСКОГО АНАЛИЗАMETHODOLOGY OF ECONOMIC ANALYSISАнализ деловой неопределенности с помощью LC-кривыхBusiness uncertainty analysis using LC-curveshttps://orcid.org/0000-0002-3120-9478АлескеровФ. Т.AleskerovF. T.

Алескеров Фуад Тагиевич - д. т. н., проф., руководитель департамента математики факультета экономических наук НИУ ВШЭ.

Москва

Fuad T. Aleskerov

Moscow

alesk@hse.ruhttps://orcid.org/0000-0002-0974-8723ЛолаИ. С.LolaI. S.

Лола Инна Сергеевна - к. э. н., директор Центра конъюнктурных исследований Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ.

Москва

Inna S. Lola

Moscow

ilola@hse.ruhttps://orcid.org/0009-0000-9314-8984АсосковД. Г.AsoskovD. G.

Асосков Дмитрий Геннадьевич аналитик Центра конъюнктурных исследований ИСИЭЗ НИУ ВШЭ.

Москва

Dmitriy G. Asoskov

Moscow

dasoskov@hse.ruhttps://orcid.org/0009-0003-9187-8483ЗабелинаД. А.ZabelinaD. A.

Забелина Дарья Александровна магистрант НИУ ВШЭ.

Москва

Daria A. Zabelina

Moscow

daalzabelina@edu.hse.ruhttps://orcid.org/0009-0009-0952-1922НазароваР. Д.NazarovaR. D.

Назарова Рита Дмитриевна бакалавр НИУ ВШЭ.

Москва

Rita D. Nazarova

Moscow

rdnazarova@edu.hse.ruНациональный исследовательский университет «Высшая школа экономики»РоссияHSE UniversityRussian Federation202507112025011143157Copyright © Voprosy Ekonomiki, NP, 20252025Voprosy Ekonomiki, NPVoprosy Ekonomiki, NPhttps://www.vopreco.ru/jour/about/submissions#copyrightNoticehttps://www.vopreco.ru/jour/article/view/5563

Метод LC-кривых — новый подход к анализу временных рядов — применен к композитному индексу деловой неопределенности, построенному на основе результатов регулярных бизнес-опросов Росстата. Это позволило проанализировать траектории неопределенности по укрупненным отраслям и подотраслям промышленности России с использованием ex ante (прогнозной) и ex post (фактической) спецификаций индекса. Результаты эмпирического анализа за период 2020—2024 гг. показали высокую чувствительность LC-кривых к шокам деловой среды и их релевантность для оценки стадий деловой активности в различных отраслях. Так, оба кризисных периода, входящих во временной интервал исследования, были успешно идентифицированы в динамике построенных кривых, а пандемия оказала более серьезное негативное воздействие. При этом, согласно их прогнозной динамике, в 2025 г. промышленность войдет в фазу замедления роста. Особое внимание уделено анализу высокотехнологичных производств, среди которых выделены отрасли, наиболее устойчивые и потенциально имеющие ключевую роль в структурной трансформации экономики.

The LC-curve method, a novel approach to time-series analysis, was applied to a composite Business Uncertainty Index (BUI) constructed from regular Rosstat business surveys. This approach made it possible to trace uncertainty trajectories across Russia’s major industries and sub-sectors using two index specifications: ex ante (expected) and ex post (realized). The empirical analysis for 2020—2024 demonstrates the high sensitivity of LC-curves to economic shocks and their relevance for identifying the stages of business activity across industries. Both crisis periods within the study horizon — 2020 and 2022 — were clearly captured by the curves, with the pandemic showing a more pronounced negative impact. The forecast dynamics suggest that industrial activity will enter a phase of slower growth in 2025. Particular attention is given to medium-highand high-technology industries, highlighting those that exhibit the greatest resilience and are likely to play a key role in the structural transformation of the Russian economy.

LC-кривыеделовая неопределенностьвременные рядыLC-curvesbusiness uncertaintytime seriesСтатья подготовлена в рамках Программы фундаментальных исследований НИУ ВШЭReferencesАлескеров Ф. Т., Голубенко М. А. (2003). Об оценке симметричности политических взглядов и поляризованности общества. (Препринт № WP7/2003/04). М.: НИУ ВШЭ.Aleskerov F. T., Golubenko M. A. (2003). On assessing the symmetry of political views and societal polarization. (Preprint No. WP7/2003/04). Moscow: Higher School of Economics. (In Russian).Алескеров Ф. Т., Вольский В. И., Якуба В. И. (2009). Применение индексов симметричности и поляризованности для анализа динамики потребления // Труды Четвертой международной конференции по проблемам управления. М.: Институт проблем управления им. В. А. Трапезникова РАН. С. 1029—1035.Aleskerov F. T., Volskiy V. I., Yakuba V. I. (2009). Application of symmetry and polarization indices for analyzing consumption dynamics. In: Proceedings of the Forth International Conference on Control Problems. Moscow: V. A. Trapeznikov Institute of Control Sciences of the Russian Academy of Sciences, pp. 1029—1035. (In Russian).Лола И. С. (2023). Методика построения отраслевых индикаторов деловой неопределенности. М.: НИУ ВШЭ.Lola I. S. (2023). Methodology for the construction of sectoral indicators of business uncertainty. Moscow: HSE Publ. (In Russian).Лола И. С., Бакеев М. Б., Мануков А. Б. (2024). Новые измерители неопределенности деловой среды в российской экономике // Вопросы статистики. Т. 31, № 1. С. 5—21. https://doi.org/10.34023/2313-6383-2024-31-1-5-21Lola I. S., Bakeev M. B., Manukov A. B. (2024). New indicators of business uncertainty in the Russian economy. Voprosy Statistiki, Vol. 31, No. 1, pp. 5—21. (In Russian). https://doi.org/10.34023/2313-6383-2024-31-1-5-21Aleskerov F., Seregin M., Tkachev D. (2023). The network analysis of oil trade under deep uncertainty. Procedia Computer Science, Vol. 221, No. 2, pp. 1021—1028. https://doi.org/10.1016/j.procs.2023.08.083Aleskerov F., Seregin M., Tkachev D. (2023). The network analysis of oil trade under deep uncertainty. Procedia Computer Science, Vol. 221, No. 2, pp. 1021—1028. https://doi.org/10.1016/j.procs.2023.08.083Bachmann R., Carstensen K., Lautenbacher S., Schneider M. (2021). Uncertainty and сhange: Survey evidence of firms’ subjective beliefs. NBER Working Paper, No. 29430. https://doi.org/10.3386/w29430Bachmann R., Carstensen K., Lautenbacher S., Schneider M. (2021). Uncertainty and сhange: Survey evidence of firms’ subjective beliefs. NBER Working Paper, No. 29430. https://doi.org/10.3386/w29430Bachmann R., Elstner S., Sims E. R. (2013). Uncertainty and economic activity: Evidence from business survey data. American Economic Journal: Macroeconomics, Vol. 5, No. 2, pp. 217—249. https://doi.org/10.1257/mac.5.2.217Bachmann R., Elstner S., Sims E. R. (2013). Uncertainty and economic activity: Evidence from business survey data. American Economic Journal: Macroeconomics, Vol. 5, No. 2, pp. 217—249. https://doi.org/10.1257/mac.5.2.217Bloom N. (2014). Fluctuations in uncertainty. Journal of Economic Perspectives, Vol. 28, No. 2, pp. 153—176. https://doi.org/10.1257/jep.28.2.153Bloom N. (2014). Fluctuations in uncertainty. Journal of Economic Perspectives, Vol. 28, No. 2, pp. 153—176. https://doi.org/10.1257/jep.28.2.153Claveria O. (2019). Forecasting the unemployment rate using the degree of agreement in consumer unemployment expectations. Journal for Labour Market Research, Vol. 53, No. 3, pp. 1—10. https://doi.org/10.1186/s12651-019-0253-4Claveria O. (2019). Forecasting the unemployment rate using the degree of agreement in consumer unemployment expectations. Journal for Labour Market Research, Vol. 53, No. 3, pp. 1—10. https://doi.org/10.1186/s12651-019-0253-4Claveria O. (2021a). On the aggregation of survey-based economic uncertainty indicators between different agents and across variables. Journal of Business Cycle Research, Vol. 17, No. 1, pp. 1—26. https://doi.org/10.1007/s41549-020-00050-2Claveria O. (2021a). On the aggregation of survey-based economic uncertainty indicators between different agents and across variables. Journal of Business Cycle Research, Vol. 17, No. 1, pp. 1—26. https://doi.org/10.1007/s41549-020-00050-2Claveria O. (2021b). Uncertainty indicators based on expectations of business and consumer surveys. Empirica, Vol. 48, No. 2, pp. 483—505. https://doi.org/10.1007/s10663-020-09479-1Claveria O. (2021b). Uncertainty indicators based on expectations of business and consumer surveys. Empirica, Vol. 48, No. 2, pp. 483—505. https://doi.org/10.1007/s10663-020-09479-1Claveria O., Sorić P. (2023). Labour market uncertainty after the irruption of COVID-19. Empirical Economics, Vol. 64, No. 2, pp. 1897—1945. https://doi.org/10.1007/s00181-022-02304-7Claveria O., Sorić P. (2023). Labour market uncertainty after the irruption of COVID-19. Empirical Economics, Vol. 64, No. 2, pp. 1897—1945. https://doi.org/10.1007/s00181-022-02304-7European Commission (2024). The joint harmonised EU programme of business and consumer surveys: User guide (updated January 2024). Brussels: European Commission Directorate-General for Economic and Financial Affairs.European Commission (2024). The joint harmonised EU programme of business and consumer surveys: User guide (updated January 2024). Brussels: European Commission Directorate-General for Economic and Financial Affairs.Girardi A., Reuter A. (2017). New uncertainty measures for the euro area using survey data. Oxford Economic Papers, Vol. 69, No. 1, pp. 278—300. https://doi.org/10.1093/oep/gpw058Girardi A., Reuter A. (2017). New uncertainty measures for the euro area using survey data. Oxford Economic Papers, Vol. 69, No. 1, pp. 278—300. https://doi.org/10.1093/oep/gpw058Jurado K., Ludvigson S. C., Ng S. (2015). Measuring uncertainty. American Economic Review, Vol. 105, No. 3, pp. 1177—1216. https://doi.org/10.1257/aer.20131193Jurado K., Ludvigson S. C., Ng S. (2015). Measuring uncertainty. American Economic Review, Vol. 105, No. 3, pp. 1177—1216. https://doi.org/10.1257/aer.20131193Lola I. S., Asoskov D. G. (2024). Potential of business uncertainty indicators in forecasting economic activity: The case of Russia. Russian Journal of Economics, Vol. 10, No. 4, рр. 351—364. https://doi.org/10.32609/j.ruje.10.113578Lola I. S., Asoskov D. G. (2024). Potential of business uncertainty indicators in forecasting economic activity: The case of Russia. Russian Journal of Economics, Vol. 10, No. 4, рр. 351—364. https://doi.org/10.32609/j.ruje.10.113578Morikawa M. (2019). Uncertainty over production forecasts: An empirical analysis using monthly quantitative survey data. Journal of Macroeconomics, Vol. 60, pp. 163—179. https://doi.org/10.1016/j.jmacro.2019.01.007Morikawa M. (2019). Uncertainty over production forecasts: An empirical analysis using monthly quantitative survey data. Journal of Macroeconomics, Vol. 60, pp. 163—179. https://doi.org/10.1016/j.jmacro.2019.01.007UNIDO (2022). International Yearbook of Industrial Statistics 2022. United Nations Industrial Development Organization.UNIDO (2022). International Yearbook of Industrial Statistics 2022. United Nations Industrial Development Organization.

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