Структурное подразделение: Лаборатория математического моделирования экономических процессов (Полбин А.В.)
Руководитель работ: Полбин Андрей Владимирович, кандидат экономических наук, заведующий научно-исследовательской лабораторией, Лаборатория математического моделирования экономических процессов, ИПЭИ
Сроки выполнения: 2020 год.
Актуальность исследования: в условия интенсификации структурных сдвигов, замедления долгосрочного экономического роста, изменения трендового уровня инфляции в рамках перехода Банка России к таргетированию инфляции, актуальным является построение макроэконометрических моделей, позволяющих одновременно описывать как динамику трендовых компонент в достаточно гибкой форме, так и циклических компонент, вводя ограничения кросс-корреляционные взаимосвязи циклических компонент отдельных макроэкономических показателей, исходя из экономической теории. Стандартные подходы предварительного детрендирования временных рядов с помощью фильтров по типу фильтра Ходрика-Прескотта не учитывают статистические характеристики временных рядов. Предлагаемый в настоящей работе подход позволит одновременно оценить как траектории тренда анализируемых макропоказателей, так и их структурные взаимосвязи в рамках делового цикла.В макроэкономическом анализе делового цикла теоретические зависимости формулируются в спектре делового цикла, когда циклическая компонента одной переменной зависит от циклической компоненты другой компоненты. Например, согласно известному закону Оукена при циклическом подъеме экономики, при темпах роста ВВП выше потенциальных, будет наблюдаться временное снижение безработицы, превышение долгосрочного уровня безработицы над её фактическим значением. В свою очередь, данный перегрев экономики, отрицательное значение циклической безработицы, должно приводить к ускорению инфляции, к превышению инфляции своего долгосрочного уровня, в рамках кривой Филлипса. Однако на практике мы не наблюдаем в исходном временном ряде тренд и цикл по отдельности, что осложняет проведение эконометрического анализа по оценке структурных макроэкономических зависимостей. Эффективным инструментом для решения данной проблемы являются модели ненаблюдаемых компонент с применением Фильтра Калмана. Модели данного класса позволяют специфицировать по отдельности стохастические процессы для трендовых и циклических компонент анализируемых временных рядов, наложить структурные зависимости на динамику циклических компонент, и провести оценку как структурных параметров модели, так и компонент тренда и цикла в наблюдаемых макропоказателях. В настоящем исследовании предполагается оценка как простых моделей ненаблюдаемых компонент по описанию ВВП, инфляции и безработицы, так и расширенных версий с описанием потребления домохозяйств и инвестиций. По результатам оценивания будет получена макроэкономическая модель, на основе которой будет проведен структурный макроэкономический анализ и разработана методология построения прогнозов. При этом актуально использования модели не только для прогнозирования будущей динамики, но и прогноза текущего состояния экономики, поскольку по многим показателям, таким как ВВП, статистические данные выходят с существенным запаздыванием в 1-2 квартала. Соответственно, представляется актуальным строить условный прогноз уровня ВВП текущего квартала условно на данных по безработице и/или инфляции.
Основная цель исследования: оценка базовых макроэкономических зависимостей (закон Оукена, кривая Филлипса и др.) для ключевых макроэкономических показателей (ВВП, безработица, инфляция и т.д.) РФ. В макроэкономическом анализе делового цикла теоретические зависимости формулируются в спектре делового цикла, когда циклическая компонента одной переменной зависит от циклической компоненты другой компоненты. Например, согласно известному закону Оукена при циклическом подъеме экономики, при темпах роста ВВП выше потенциальных, будет наблюдаться временное снижение безработицы, превышение долгосрочного уровня безработицы над её фактическим значением. В свою очередь, данный перегрев экономики, отрицательное значение циклической безработицы, должно приводить к ускорению инфляции, к превышению инфляции своего долгосрочного уровня, в рамках кривой Филлипса. Однако на практике мы не наблюдаем в исходном временном ряде тренд и цикл по отдельности, что осложняет проведение эконометрического анализа по оценке структурных макроэкономических зависимостей. Эффективным инструментом для решения данной проблемы являются модели ненаблюдаемых компонент с применением Фильтра Калмана. Модели данного класса позволяют специфицировать по отдельности стохастические процессы для трендовых и циклических компонент анализируемых временных рядов, наложить структурные зависимости на динамику циклических компонент, и провести оценку как структурных параметров модели, так и компонент тренда и цикла в наблюдаемых макропоказателях. В настоящем исследовании предполагается оценка как простых моделей ненаблюдаемых компонент по описанию ВВП, инфляции и безработицы, так и расширенных версий с описанием потребления домохозяйств и инвестиций. По результатам оценивания будет получена макроэкономическая модель, на основе которой будет проведен структурный макроэкономический анализ и разработана методология построения прогнозов. При этом актуально использования модели не только для прогнозирования будущей динамики, но и прогноза текущего состояния экономики, поскольку по многим показателям, таким как ВВП, статистические данные выходят с существенным запаздыванием в 1-2 квартала. Соответственно, представляется актуальным строить условный прогноз уровня ВВП текущего квартала условно на данных по безработице и/или инфляции.
Основные фундаментальные и прикладные задачи, решаемые в рамках исследования:
- обзор отечественного и зарубежного опыта и систематизация литературы по построению и оценке моделей ненаблюдаемых компонент;
- анализ методов оценивания моделей рассматриваемого класса;
- спецификация моделей ненаблюдаемых компоненты, актуальных для описания российской экономики;
- подготовка данных для статистического исследования- разработка программ ЭВМ для оценивания специфицированных моделей, включающих применение базовых процедур фильтра Калмана для каждой конкретной модели, максимизация функции правдоподобия по параметрам, оценка траекторий ненаблюдаемых компонент тренда и цикла;
- интерпретация результатов структурного анализа;
- разработка методологии для прогнозирования;
- сравнение качества внутривыборочных прогнозов с альтернативными моделями временных рядов- построение безусловных прогнозов на будущие периоды времени;
- построение сценарных (условных прогнозов) динамики ключевых макроэкономических показателей;
- анализ способности модели по дооценке текущего значения ВВП на основе данных по безработице и инфляции (условные прогнозы) в рамках сравнения качества прогнозирования с альтернативными моделями по типу ARIMA- содержательный анализ идентифицированных компонент цикла и тренда, а также долгосрочных темпов роста российской экономики.