Структурное подразделение: Лаборатория математического моделирования экономических процессов
Руководитель работ: Полбин Андрей Владимирович, к.э.н., заведующий научно-исследовательской лабораторией, Лаборатория математического моделирования экономических процессов, ИПЭИ
Сроки выполнения: 2022 год.
Актуальность исследования: Неотъемлемым элементом выработки эффективных мер макроэкономической политики по стабилизации делового цикла, стимулированию экономического роста, увеличению благосостояния экономических агентов в современных условиях является использование формальных экономико-математических моделей для прогнозирования макроэкономических показателей с целью своевременного выявления краткосрочных и среднесрочных тенденций и изменений условий функционирования экономики, мониторинга соответствия динамики макроэкономических показателей с целевыми траекториями в рамках тех или иных правительственных программ экономического развития. Ключевыми инструментами макроэкономического прогнозирования, используемыми в центральных банках и других институтах по всему миру, являются байесовские векторные авторегрессии и динамические стохастические модели общего равновесия (DSGE). Первые модели опираются сугубо на статистические характеристики данных и на весьма технические соображения об априорном распределении параметров, направленные на снижение степеней свободы в столь многомерных задачах. Вторые модели в большей степени опираются на содержательное описание экономической системы, динамика макропоказателей в таких моделях, как правило, является результатом оптимизационной деятельности экономических агентов. Использование динамических стохастических моделей общего равновесия для описания динамики временных рядов и для прогнозирования является привлекательным с теоретической точки зрения, однако на практике они все еще остаются весьма стилизованными, чтобы уловить все характеристики реальных макроэкономических рядов. Перспективным направлением макроэкономического анализа, активно развивающемся в зарубежной литературе, является объединение данных двух подходов. В отечественной литературе, насколько нам известно, данное направление еще не получило апробацию. Суть объединения заключается в формировании априорных распределений для большого числа параметров байесовской авторегрессии на основе симуляций из DSGE моделей, которые, по существу, имеют меньшую параметризацию. Использование же статистических данных при оценивании позволит сдвинуться апостериорному распределению относительно априорного и несколько отойти от стилизованной структуры DSGE модели. Как показывают зарубежные исследования, данный подход может позволить улучшить качество прогнозов.
Основная цель исследования: Прогнозирование российских макроэкономических показателей с помощью динамических стохастических моделей общего равновесия и интегрированных моделей, объединяющих динамические стохастические модели общего равновесия и байесовские векторные авторегрессии
Основные фундаментальные и прикладные задачи, решаемые в рамках исследования:
- Систематизации литературы по прогнозированию макроэкономических показателей на основе DSGE моделей;
- Систематизация литературы по прогнозированию макроэкономических показателей на основе гибридных подходов, объединяющих DSGE модели и VAR модели;
- Актуализация разработанных ранее DSGE моделей для российской экономики для задачи прогнозирования;
- Анализ прогностических свойств актуализированных DSGE моделей;
- Разработка гибридного подхода для прогнозирования макропоказателей РФ, объединяющего DSGE и VAR модели;
- Анализ прогностических свойств гибридного подхода;
- Построение прогнозов на основе более простых бенчмарков и сопоставление прогнозных свойств всех разработанных моделей.