Исследуются перспективы роста капитализации российского фондового рынка с 24,7% в 2025 г. до 66% ВВП к 2030 г. Проанализирована литература о динамике капитализации и факторах ее формирования, рассмотрены показатели фондового рынка и финансового сектора, оценены и спрогнозированы премии за риск по акциям и иные параметры финансовых рынков. На основании сопоставления целевых параметров развития фондового рынка с фактической динамикой 2020—2025 гг. проведена количественная и сценарная оценка необходимых темпов роста капитализации и других показателей в 2026—2030 гг. Отмечено, что для достижения поставленных целей требуются устойчивый спрос на акции со стороны институциональных и частных инвесторов, снижение реальной безрисковой ставки и премии за риск по акциям в результате проведения макроэкономической политики, направленной на сокращение инфляции и достижение более сбалансированной структуры процентных ставок. Выявлены структурные ограничения развития системы внутренних сбережений, включая высокую концентрацию активов у ограниченного круга инвесторов и недостаточную склонность институциональных инвесторов к инвестициям в акции. Нужны комплексные меры по развитию механизмов долгосрочных сбережений, расширению доступности инвестиционных продуктов для населения и формированию практики долгосрочного инвестиционного планирования на основании прогнозируемых параметров доходности финансовых активов.

Исследована межрегиональная неоднородность инфляционных процессов в России в условиях режима инфляционного таргетирования. Показано, что ориентация денежно-кредитной политики исключительно на агрегированный индекс потребительских цен не позволяет в полной мере оценить качество достижения ценовой стабильности в пространственно протяженной и структурно дифференцированной экономике. Единый макроэкономический инфляционный импульс транслируется в региональные экономики с различной интенсивностью вследствие неоднородности отраслевой структуры, уровня конкуренции, инфраструктурной обеспеченности, тарифной среды, логистических издержек и институциональных условий. Эмпирическую базу составили данные Банка России и Росстата по 85 субъектам Российской Федерации, характеризующие динамику темпов роста потребительских цен на рубеже 2025—2026 гг. Результаты показывают, что даже при общем замедлении инфляции сохраняется значительная пространственная асимметрия ценовой динамики. При этом одним из наиболее устойчивых источников ценового давления выступает сектор услуг. Обоснована необходимость дополнить действующую архитектуру денежно-кредитной политики индикатором межрегиональной инфляционной неоднородности, фиксирующим допустимые пределы территориальной дифференциации инфляционных процессов. Предлагается использовать этот показатель не как самостоятельную цель денежно-кредитной политики, а как вспомогательный аналитико-коммуникационный ориентир, позволяющий разграничивать формальное достижение инфляционной цели и содержательно сбалансированную ценовую стабильность. Разработана матрица выбора реакции денежно-кредитной политики, учитывающая сочетание уровня общенациональной инфляции, природы инфляционного шока и степени межрегиональной дифференциации ценовой динамики.

В условиях санкционных ограничений особое значение приобретают эффективная экономическая политика и снижение сопутствующих издержек. Вопросы взаимодействия фискальных и монетарных властей отражены в концепции фискальной реальной ставки, совместимой с устойчивостью госдолга при заданной бюджетной траектории, и фискально-монетарного разрыва. Концепция применена к российским данным, проанализирована связь ключевых показателей фискальной и монетарной политики с использованием сезонной корректировки X-13ARIMA-SEATS, фильтра Ходрика— Прескотта, модели Нельсона—Сигеля и пятифакторной модели срочной структуры процентных ставок Адриана—Крампа—Менча. Актуальность темы исследования обусловлена наблюдаемым в последние годы ростом объема внутренних заимствований при жесткой денежно-кредитной политике. Разнонаправленность может негативно сказаться как на устойчивости государственного долга, так и на достижении цели по инфляции. В 2023— 2025 гг. существенно выросла долгосрочная реальная нейтральная ставка и сформировался значительный и устойчивый фискально-монетарный разрыв.

Исследуется сетевая архитектура национальной экономической системы с целью разработать и апробировать интегральный подход к измерению связанности регионов. Актуальность анализа определяется возрастающей ролью внутренних межрегиональных связей в условиях геоэкономической трансформации, санкционного давления и необходимости повысить устойчивость пространственной организации экономики России. Методологическую основу исследования составляют методы пространственного анализа, композитного индексирования, логарифмического рангового распределения, картографической визуализации и сетевой интерпретации региональной структуры. Эмпирическая база включает данные по 85 субъектам РФ. На первом этапе рассчитывается индекс экономической связанности, агрегирующий производственные, рыночные, транспортно-мобильные и сетево-инновационные характеристики регионов, на втором — для административных центров субъектов РФ строится матрица межрегиональных расстояний, а на третьем — оба измерения объединяются в композитный индекс, позволяющий оценить положение региона в пространственно-экономической системе страны. Результаты показывают, что пространственная организация российской экономики имеет выраженный иерархический характер и устойчивую поляризацию по оси «центр — периферия», а по сравнению с США и Китаем российскую модель отличает более высокая моноцентричность, меньшая инфраструктурная избыточность и выраженная магистральная организация восточного сегмента. Предложенный индекс можно использовать как инструмент государственной политики для диагностики пространственных диспропорций, определения приоритетов инфраструктурных и логистических инвестиций и снижения санкционной уязвимости. Новизна работы состоит в интеграции экономического и пространственного измерений связанности в единую аналитическую модель и в интерпретации российской региональной структуры как многослойной иерархической сети.

Официальные оценки валового регионального продукта (ВРП) публикуются с годовой периодичностью и существенным лагом, что ограничивает возможности анализа региональной неоднородности и эффектов макроэкономической политики. Разработаны оперативные индикаторы экономической активности для 79 субъектов Российской Федерации на ежемесячной частоте. Для этого оценивается байесовская динамическая факторная модель, позволяющая объединить низкочастотные данные по ВРП с доступной месячной и квартальной статистикой, характеризующей производство, совокупные доходы и расходы в региональных экономиках. Полученный оперативный индикатор («прокси-ВРП») успешно идентифицирует ключевые макроэкономические эпизоды, включая спад на сырьевых рынках 2014—2016 гг., шок пандемии COVID-19 и структурную трансформацию экономики после 2022 г. Агрегированный прокси-ВРП тесно коррелирует с индексом выпуска базовых отраслей Росстата и сводным индексом региональной экономической активности. Модель позволяет конструировать прогнозы и наукасты темпов роста ВРП в среднем на 50% точнее «наивного» прогноза и на 30% точнее оценок, опирающихся на индекс выпуска базовых отраслей. Полученные оценки можно использовать для оперативного мониторинга состояния региональных экономик и анализа механизмов трансмиссии монетарной и фискальной политики.

Исследуются прогнозные свойства продвинутых моделей машинного обучения и эконометрики — двух видов градиентного бустинга над решающими деревьями (классического и натурального), одной из лучших нейросетевых архитектур для табличных данных TabNet, динамической факторной модели (DFM) и байесовской векторной авторегрессии на данных смешанной частотности (MFBVAR). Чтобы определить, какое семейство моделей (и какие конкретно модели) демонстрирует лучшее качество прогноза на коротких временных рядах, какие подходы следует развивать и в какую сторону двигаться, чтобы улучшать качество прогнозов, почему нет существенного прироста качества прогноза от использования моделей машинного обучения вместо продвинутых эконометрических, сравнивается качество прогноза на ретроспективных данных. Модель должна прогнозировать ряды без сезонной очистки, использовать информацию о месячных предикторах в момент публикации статистики по ним, а не просто квартальные регрессоры, то есть должна прогнозировать в реальном времени. Модель должна условно самостоятельно отбирать важные факторы для прогноза, а не быть специфицированным из теоретических соображений определенным набором факторов. Каждая модель не должна быть подвержена проклятию размерности и должна иметь встроенный механизм «feature selection». Массив данных содержит 63 месячных предиктора для прогнозирования динамики основных российских макроэкономических показателей. Предложен и протестирован способ создания предикторов, которые на основе скользящих средних учитывают динамику за несколько месяцев для прогноза квартального значения. Градиентные бустинги незначительно превосходят MFBVAR-модель, посредственные результаты показывают нейросеть TabNet и динамическая факторная модель. Предложенный способ построения предикторов на основе скользящих средних показал высокое качество на дальних горизонтах прогноза для ВВП и валового накопления основного капитала. 

Рассматривается движение русских ценных бумаг на крупнейших фондовых рынках Европы. Устойчивый интерес за пределами России к русским фондам и корпоративным ценностям возник в конце XIX в. Желание обладать такими бумагами было как у финансовых кругов Европы, так и у рядовых обывателей, которые могли себе позволить инвестировать средства в подобные инструменты. К началу XX в. котировки русских ценностей на биржах Парижа, Лондона, Берлина и Нью-Йорка стали обыденным явлением. Их можно было свободно покупать и продавать наравне с местными фондовыми инструментами. При этом интерес российской общественности к судьбе этих бумаг постоянно возрастал, что побуждало отечественную прессу освещать курс русских бумаг и на иностранных биржах. Российская пресса не только фиксировала факт проникновения этих ценностей на мировые финансовые рынки, но и активно следила за их котировками.