Preview

Вопросы экономики

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Шоки спроса, предложения, ДКП и цен на нефть в российской экономике (анализ на основе модели BVAR со знаковыми ограничениями)

https://doi.org/10.32609/0042-8736-2020-10-83-104

Аннотация

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.

Об авторах

Д. А. Ломоносов
Российская академия народного хозяйства и государственной службы при Президенте РФ
Россия

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

Москва



А. В. Полбин
Российская академия народного хозяйства и государственной службы при Президенте РФ; Институт экономической политики имени Е. Т. Гайдара
Россия

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

Москва



Н. Д. Фокин
Российская академия народного хозяйства и государственной службы при Президенте РФ
Россия

Фокин Никита Денисович, научный сотрудник лаборатории математического моделирования экономических процессов

Москва

SPIN-код: 1568-3383



Список литературы

1. Ващелюк 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.

2. Демешев Б. Б., Малаховская О. А. (2016). Макроэкономическое прогнозирование с помощью BVAR Литтермана // Экономический журнал Высшей школы экономики. Т. 20, № 4. С. 691—710.

3. Дерюгина Е., Пономаренко А. (2015). Большая байесовская векторная авторегрессионная модель для российской экономики // Серия докладов об экономических исследованиях Банка России. № 1.

4. 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.

5. 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/10.32609/0042-8736-2019-12-5-23

6. Ломиворотов Р. (2014). Влияние внешних шоков и денежно-кредитной политики на экономику России // Вопросы экономики. № 11. С. 122—139. https://doi.org/10.32609/0042-8736-2014-11-122-139

7. Мау В. А. (2020). Экономика и политика 2019—2020 гг.: глобальные вызовы и национальные ответы // Вопросы экономики. № 3. С. 5—27. https://doi.org/10.32609/0042-8736-2020-3-5-27

8. Орешкин М. С. (2018). Перспективы экономической политики // Экономическая политика. T. 13, № 3. С. 8—27. https://doi.org/10.18288/1994-5124-2018-3-01

9. Пестова А. (2017). Режимы денежно-кредитной политики Банка России: рекомендации для количественных исследований // Вопросы экономики. № 4. С. 38—60. https://doi.org/10.32609/0042-8736-2017-4-38-60

10. Пестова 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/10.32609/0042-8736-2018-2-33-55

11. Пестова 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/10.18288/1994-5124-2016-4-03

12. Пестова 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/10.32609/0042-8736-2020-4-31-53

13. Полбин 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.

14. 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/10.32609/0042-8736-2016-9-5-39

15. Шоломицкая Е. В. (2017). Влияние ключевых макроэкономических шоков на инвестиции в России // Экономический журнал Высшей школы экономики. Т. 21, № 1. С. 89—113.

16. 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.2018.07.011

17. Arias 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/ECTA14468

18. Bańbura 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.1137

19. Bernanke 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/w3487

20. Bernanke 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/10.2307/2534702

21. Bernanke B. S., Mihov I. (1998). Measuring monetary policy. Quarterly Journal of Economics, Vol. 113, No. 3, pp. 869—902. https://doi.org/10.3386/w5145

22. Blanchard 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/w2737

23. Canova F. (2011). Methods for applied macroeconomic research. Princeton: Princeton University Press.

24. 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/QE305

25. Christiano 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/10.2307/2109845

26. Cochrane 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)00024-7

27. Faust 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)00009-3

28. Faust 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/10.2307/1392338

29. Fry 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.49.4.938

30. Galí 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/10.2307/2118487

31. Galí 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.89.1.249

32. Giannone 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_00483

33. Gospodinov 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)0000031003

34. Kydland F., Prescott E.C. (1982). Time to build and aggregate fluctuations. Econometrica, Vol. 50, No. 6, pp. 1345—1370. https://doi.org/10.2307/191338

35. Litterman 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/10.1080/07350015.1986.10509491

36. Long J., Plosser C. (1983). Real business cycles. Journal of Political Economy, Vol. 91, No. 1, pp. 39—69. https://doi.org/10.1086/261128

37. Peersman 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.832

38. Ramey 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.2016.03.003

39. 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.

40. 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.2004.05.007


Рецензия

Для цитирования:


Ломоносов Д.А., Полбин А.В., Фокин Н.Д. Шоки спроса, предложения, ДКП и цен на нефть в российской экономике (анализ на основе модели BVAR со знаковыми ограничениями). Вопросы экономики. 2020;(10):83-104. https://doi.org/10.32609/0042-8736-2020-10-83-104

For citation:


Lomonosov D.A., Polbin A.V., Fokin N.D. Demand, supply, monetary policy, and oil price shocks in the Russian economy (Analysis based on the BVAR model with sign restrictions). Voprosy Ekonomiki. 2020;(10):83-104. (In Russ.) https://doi.org/10.32609/0042-8736-2020-10-83-104

Просмотров: 2615


ISSN 0042-8736 (Print)