Анализ взаимосвязи валютного курса с ключевыми макроэкономическими показателями в России Текст научной статьи по специальности «Экономика и бизнес»

Вестник Института экономики Российской академии наук

6/2016

ПУБЛИКАЦИИ МОЛОДЫХ УЧЕНЫХ

Г.Р. ОГАНЕСЯН младший научный сотрудник Института экономики РАН

АНАЛИЗ ВЗАИМОСВЯЗИ ВАЛЮТНОГО КУРСА С КЛЮЧЕВЫМИ МАКРОЭКОНОМИЧЕСКИМИ ПОКАЗАТЕЛЯМИ В РОССИИ

Тема валютного курса имеет особую важность в наше время, так как обменный курс оказывает влияние и на внутренний, и на внешний секторы экономики страны. Также обменный курс в определенной степени является индикатором доверия к политике властей. В статье рассматриваются теоретические модели динамики валютного курса и взаимосвязи между валютным курсом рубля и ключевыми макроэкономическими показателями в России. Автор, используя статистический и эконометрический анализ, пришел к выводу, что на динамику валютного курса в России оказывали влияние цены на нефть, динамика промышленного производства, тогда как динамика самого валютного курса влияла на экспорт (через цены на нефть), импорт и чистый экспорт.

Ключевые слова: валютный курс, модели валютного курса, цена на нефть, промышленное производство, экспорт, импорт, корреляция, тест Гранжера, линейная регрессия.

1БЬ: Е17, Е19, Е52, Б31.

Изучение динамики валютного курса рубля особенно актуально в последние годы из-за возросших внешних шоков для российской экономики. Нестабильность ситуации на Украине, в том числе на юго-востоке страны, ситуация вокруг Крыма, экономические санкции против России, значительный отток капитала из страны, снижение цен на нефть привели к резкому обесценению курса рубля в конце 2014 - начале 2015 г. Проблемы, связанные с динамикой валютного курса, также актуальны для России в связи с тем, что Центральный банк Российской Федерации (ЦБ РФ) несколько лет осуществлял политику перехода к плавающему валютному курсу путем уменьшения прямого вмешательства в процесс курсообразования. В ноябре 2014 г. произошел формальный переход к режиму свободного плавающего валютного курса. ЦБ РФ намерен продолжать политику, направленную на обеспечение устойчивости рубля, создавая условия для адапта-

ции субъектов российской экономики к работе в режиме плавающего валютного курса, при этом не препятствуя формированию рыночных тенденций курса валюты.

Теоретические модели валютного курса

Проблематике взаимосвязи валютного курса с другими экономическими показателями посвящено много теоретических и эмпирических работ. Одними из самых распространенных теорий и моделей обменного курса являются: концепция паритета покупательной способности и паритета процентных ставок, модель Манделла-Флеминга, монетарная модель с гибкими ценами, модели балансировки портфеля, «жестких цен» Дорнбуша, Обстфельда и Рогоффа, которые и легли в основу эмпирических исследований в данной работе.

Эти модели помогают понять основные взаимосвязи динамики валютного курса с динамикой экономических показателей. Согласно моделям ¡Б-ЬМ-БР и Манделла-Флеминга, эффекты от монетарной или фискальной политики зависят от режима валютного курса в стране. В соответствии с кривой 1Б, чистый экспорт (ЫХ) является убывающей функцией от реального валютного курса, поэтому при росте курса национальной валюты происходит вытеснение чистого экспорта и сокращение выпуска в экономике [4, с. 228-240].

На основе концепции паритета покупательной способности можно сделать выводы об отрицательном влиянии увеличения относительного уровня цен на курс национальной валюты. Взаимосвязь между валютным курсом и процентными ставками основывается на паритете процентных ставок, в соответствии с которым при росте внутренних процентных ставок инвестиционная привлекательность страны возрастает, что приводит к укреплению национальной валюты [2].

Так как в рассмотренных выше моделях используются теории ППС и процентного паритета, то в них анализируется и соответствующее воздействие динамики относительного уровня цен и процентных ставок на изменения в валютном курсе. Также в данных моделях валютного курса рассматривается влияние и других макроэкономических показателей на курс валюты. Например, согласно монетарной модели, валютный курс зависит в том числе и от денежной массы и выпуска. В моделях Дорнбуша и Обстфельда-Рогоффа рассматривается влияние шоков на курс валюты в долгосрочной и краткосрочной перспективах. В модели Дорнбуша предполагается, что в краткосрочном периоде цены жесткие, а в долгосрочном - гибкие [5]. На основе использования данной модели делается вывод, что изменение в предложении денег должно привести к пропорциональному изменению уровня цен и обменного курса в долгосрочной перспективе. Но в краткосрочном периоде уровень цен

фиксирован и номинальный валютный курс может отклониться от своего долгосрочного равновесия. То есть любой шок в изменении объема денежной массы вызовет изменения валютного курса, которые в краткосрочной перспективе будут больше, чем в долгосрочной. В модели Обстфельда-Рогоффа показана зависимость валютного курса от относительного предложения денег и относительного потребления в национальной и иностранной экономиках [8].

Таким образом, анализ моделей обменного курса, выявление теоретических взаимосвязей курса валюты с макроэкономическими показателями являются важными для понимания механизмов воздействия курса рубля на российские экономические показатели и, наоборот, воздействия определенных факторов на курс национальной валюты России, а также для объяснения эмпирических результатов полученных взаимосвязей.

Оценка взаимодействия валютного курса

и экономических показателей в России

Для анализа динамики обменного курса рубля в работе была рассмотрена взаимосвязь темпов прироста номинального валютного курса рубля к доллару США и темпов прироста экономических показателей, которые были выбраны, исходя из положений экономической теории и возможных внешних и внутренних макроэкономических факторов, связанных с динамикой курса, а именно:

- цена на нефть (внешний фактор);

- денежная база, денежная масса, в широком и национальном определении (на основе монетарной теории);

- валютные интервенции, международные валютные резервы (регулирование со стороны ЦБ);

- долгосрочная, краткосрочная и мгновенная процентные ставки (на основе паритета процентных ставок, портфельной теории;

- инфляция (на основе концепции ППС);

- промышленное производство, инвестиции в основной капитал (на основе модели К-ЬМ-ВР, модели Манделла-Флеминга);

- кредиты, депозиты и прочие размещенные средства (на основе монетарной модели, влияние долларизации);

- экспорт, импорт, чистый экспорт (на основе модели К-ЬМ-ВР, модели Манделла-Флеминга).

Для анализа использовались помесячные данные с 2003 по 2014 г., для валютных интервенций - с августа 2009 г. по декабрь 2014 г. Все значения переменных представлены в темпах прироста в соответствующем месяце по отношению к соответствующему месяцу предшествующего года.

В ходе исследования автором были проведены корреляционный анализ с проверкой значимости коэффициентов корреляции, тест Гранжера на наличие причинно-следственной связи, построены линейные модели регрессии.

Сначала был проведен корреляционный анализ между динамикой валютного курса и других экономических индикаторов. В соответствии с таблицей коэффициентов корреляции (см. табл. 1) за

Таблица 1

Коэффициенты корреляции и значимость коэффициентов корреляции между динамикой валютного курса и других экономических показателей

Показатели Корреляция T набл Т кр

Цена на нефть (Brent) спот (oil_p) 0,706 11,871 1,977

Денежная база (monetary_base) 0,601 8,953 1,977

Широкая денежная масса (M3) 0,641 9,944 1,977

Денежная масса в национальном 0,776 14,683 1,977

определении (M2)

Валютные интервенции (int) 0,141 1,138 1,997

Долгосрочная процентная ставка (long_run_int_r) -0,624 -9,527 1,977

Краткосрочная процентная ставка (short_run_int_r) -0,491 -6,711 1,977

Мгновенная процентная ставка (immediate_int_r) -0,644 -10,019 1,977

Инфляция (месяц к соответствую- 0,027 0,325 1,977

щему месяцу предыдущего года, %) (inflation)

Промышленное производство (industrial_production) 0,737 12,994 1,977

Инвестиции в основной капитал 0,699 11,648 1,977

(investment)

Кредиты, депозиты и прочие размещенные средства (credits_deposits) 0,299 3,734 1,977

Изменение международных резервов (reserves) -0,039 -0,465 1,977

Экспорт товаров (export) 0,806 16,226 1,977

Импорт товаров (import) 0,842 18,599 1,977

Сальдо торгового баланса (чистый экспорт) (NX) 0,561 8,076 1,977

Источник: рассчитано автором по данным: Банк России. http://www.cbr.ru; Росстат. http://www.gks.ru; Организация экономического сотрудничества и развития (OECD). http://stats.oecd.org; Управление Энергетической Информации США (U.S. Energy Information Administration). http://www.eia.gov.

последние годы в Российской Федерации наибольшая взаимосвязь наблюдалась у динамики валютного курса с такими макроэкономическими показателями, как экспорт и импорт товаров, денежная масса в национальном определении, промышленное производство и цены на нефть. Из всей совокупности показателей только коэффициенты корреляции между обменным курсом и валютными интервенциями, инфляцией и валютными резервами не являлись значимыми1. Низкий коэффициент корреляции между темпами прироста курса рубля и валютных интервенций можно объяснить очень большим объемом валютных интервенций за 2014 г. по сравнению с предыдущим годом, что повлияло на темпы прироста этого показателя. При этом взаимосвязь между обменным курсом и валютными резервами обратная, так как накопление резервов приводит к сокращению и номинального, и реального курсов национальной валюты по сравнению с равновесным курсом, поскольку рост цен на неторгуемые товары отстает от номинального обесценения валюты [3].

Причинами ослабления связи между уровнем цен и обменным курсом в разные периоды времени могли быть:

- общая макроэкономическая стабилизация, сокращение инфляционных ожиданий и улучшение контроля за ними со стороны денежных властей [7];

- увеличение конкуренции на потребительских рынках вследствие различных институциональных преобразований;

- общее падение темпа инфляции в стране [9];

- сокращение волатильности номинального курса валюты (например, 2010-2013 гг.) [5], [14].

На основе теста Гранжера (на 5%-ном уровне значимости, с лагом в 1 месяц) можно сделать вывод, что за рассматриваемый период возможными показателями, влияющими на динамику валютного курса в России, являлись цены на нефть, краткосрочная процентная ставка, промышленное производство, в то время как темпы прироста обменного курса влияли в большей степени на денежную массу в националь-

1 Проверка на значимость проводилась на основе проверки гипотезы Н0: р=0 по ¿■-критерию Стъюдента. Если гипотеза отвергается с вероятностью ошибки а, то коэффициент корреляции является значимым. В этом случае Тнабл по модулю больше, чем Ткр, определяемое по таблице ¿-распределения для заданного а и v= п-1-2 (в данном исследовании а =0,05) .

Тнабл = Ы (" -1 - 2)

где: г - это коэффициент корреляции, 1-порядок частного коэффициента корреляции (в данном примере I = 0, т.к. рассматривается парная корреляция), п - количество наблюдений (См.: Мхитарян В.С., Архипова М.Ю., Сиротин В.П. Эконометрика. М.: ЕАОИ, 2008. С. 10).

ном определении, кредиты, депозиты и прочие размещенные средства, экспорт и импорт товаров, сальдо торгового баланса2. Именно эти показатели использовались для дальнейшего регрессионного анализа.

Для эконометрического анализа использовались модель множественной регрессии (оценка факторов, влияющих на валютный курс) и парные модели регрессии (оценка влияния курса национальной валюты).

Модель множественной линейной регрессии представлена в следующем виде [1, с. 121-179]:

Y = во + в^! + ... + enx(n) + s,

где: Y - зависимая переменная; X - объясняющие переменные; £г - случайный регрессионный остаток; i = 1, 2, ..., 144.

В данном примере уравнение модели имеет следующий вид:

ex_r{ = в0 + eioil_Pi + e2short_run_int_ri + в 3industrial_productioni + s,

где: ex_r - зависимая переменная; а oil_p, short_run_int_r, industrial_ production - объясняющие переменные; si - случайный регрессионный остаток; i = 1, 2, ..., 144.

Модель исследуется на временном промежутке с 2003 по 2014 г., объем выборки равен 144 наблюдениям.

Результаты расчетов в программе Eviews приведены в Приложении 2. Модель значима, так как Prob(F-statistic меньше 0,05 (см. табл. 2). Также в модели произведена коррекция стандартных ошибок в форме Невье-Веста.

Таблица 2

Результаты оценки влияния темпов прироста цены на нефть, краткосрочной процентной ставки и промышленного производства на темпы прироста валютного курса

Coefficient Std. Error Prob

oil_p 0,128 0,039 0,000

short_run_int_r -0,001 0,021 0,965

industrial_production 0,831 0,218 0,000

R2 = 0,646

В модели на уровне значимости а=0,05 коэффициенты при темпах прироста цены на нефть и промышленного производства значимы

2 Расчеты по тесту Гранжера приведены в Приложении 1.

и положительны, а при краткосрочной процентной ставке коэффициент незначим.

Если исключить из модели незначимый показатель - краткосрочную процентную ставку, то есть построить модель взаимосвязи валютного курса с ценой на нефть и промышленного производства:

ех_т{ = в0 + в1оИ_р( + в21пйи$Ьт1а1_ргойисНоп{ + е,

где: ех_г - зависимая переменная; а ой_р, 1пйивЬг1а1_ртойисНоп - объясняющие переменные; - случайный регрессионный остаток, то получим модель, где все коэффициенты значимы на 5%-ном уровне значимости (см. табл. 3).

Таблица 3

Результаты оценки влияния темпов прироста цены на нефть и промышленного производства на темпы прироста валютного курса

Coefficient Std. Error Prob

oil_p 0,128 0,039 0,000

industrial_production 0,835 0,218 0,000

К2 = 0,646

Таким образом, уравнение в полученной модели можно записать следующим образом:

ех_т{ = -6,199 + 0,128о/7_рг + 0,8351пйивЬг1а1_ргойисИоп( + е(.

(1,093) (0,039) (0,218)

Коэффициент при показателе промышленного производства больше, чем коэффициент при показателе цены на нефть, что может означать большее влияние изменения темпов прироста валютного курса при изменении темпов прироста промышленного производства, чем при изменении темпов прироста цены на нефть.

Коэффициент детерминации К2 в модели равен 0,646, что говорит о том, что примерно 65% общей вариации зависимой переменной (курса валюты) объясняется значениями объясняющих переменных (цены на нефть и промышленного производства).

Для оценки влияния темпов прироста денежной массы в национальном определении и, кредитов, депозитов и прочих размещенных средств в рублях и иностранной валюте, экспорта и импорта товаров, сальдо торгового баланса на темпы прироста номинального курса валюты (рубль по отношению к доллару США) рассмотрим следующие модели парной линейной регрессии:

M2i = в0 + eiex_ri + e{ credits_depositsi = в0 + eiex_ri + £i exporti = в0 + eiex_ri + £i importi = в0 + eiex_ri + ei NXi = в0 + eiex_ri + e,

где: M2, credits_deposits, export, import, NX - зависимые переменные; ex_r - объясняющая переменная; ei - случайный регрессионный остаток; i = 1, 2, ..., 144.

Модели также исследуется на временном промежутке с 2003 по 2014 г., объем выборки во всех уравнениях равен 144 наблюдениям.

Результаты расчетов в E views приведены в Приложении 2.

Все модели являются значимыми, так как Prob(F-statistic во всех моделях меньше 0,05 (см. табл. 4). Во всех моделях произведена коррекция стандартных ошибок в форме Невье-Веста.

Таблица 4

Результаты оценки влияния темпов прироста валютного курса на темпы прироста денежной массы в национальном определении, кредитов, депозитов и прочих размещенных средств, экспорта и импорта товаров, сальдо торгового баланса

Coefficient Std. Error Prob R2

ex_r (M2) 1,282 0,159 0,000 0,603

ex_r (credits_deposits) 0,499 0,257 0,054 0,089

ex_r (export) 2,023 0,235 0,000 0,649

ex_r (import) 1,908 0,203 0,000 0,709

ex_r (NX) 26478 0,541 0,000 0,315

На уровне значимости а = 0,05 все коэффициенты являются значимыми кроме коэффициента при номинальном валютном курсе в модели зависимости прироста кредитов, депозитов и прочих размещенных средств и прироста курса рубля.

Во всех моделях, кроме моделей взаимосвязи валютного курса с кредитами, депозитами и прочими размещенными средствами и с чистым экспортом, - высокий коэффициент детерминации К2 , что говорит о том, что достаточно большая часть вариации (60-70%) прироста таких экономических показателей, как денежная масса в национальном определении, экспорт и импорт товаров, объясняется значениями прироста валютного курса.

Уравнения в моделях записываются следующим образом:

Щ = 29,526 + 1,282вх_т1 + е,

(1, 839) (0,159) вхрогЬ( = 19,016+ 2,023ех_г. + е.,

(2,308) (0,235)

жротЬ{ = 19,199 + 1,908ех_г + е,

(1,904) (0,203)

= 22,972 + 2,478ех_гг- + е..

(5,863) (0,541)

Согласно анализу регрессионных моделей, на валютный курс в 2003-2014 гг. наибольшее влияние оказывали цены на нефть и промышленное производство, а динамика курса рубля в большей степени воздействовала на прирост экспорта, импорта и, как следствие, на сальдо торгового баланса.

Слабое влияние денежной массы на курс валюты можно объяснить выводом, полученным на основе модели Обстфельда-Рогоффа, согласно которому шоки предложения денег могут иметь более длительное (по сравнению с краткосрочным) воздействие на курс, то есть, возможно, влияние было более сильным в среднесрочной или долгосрочной перспективе [8].

Слабая отрицательная зависимость между процентными ставками и курсом валюты свидетельствует о том, что не выполняется процентный паритет, динамика процентных ставок не может в полной мере объяснить динамику обменного курса, возможно, есть общий шок, вызывающий рост курса рубля при падении процентной ставки, и наоборот.

Воздействие цен на нефть на валютный курс в российской экономике является очевидным, так как доля энергоносителей в экспорте России составила 62 % в 2015 г. и 68% в 2014 г.3 [13]. В соответствии с монетарной моделью изменение выпуска (или промышленного производства) оказывает эффект на валютный курс через спрос на деньги: при увеличении выпуска происходит рост спроса на деньги, что стимулирует спрос на отечественную валюту, укрепляя ее. Также повышение объемов промышленного производства должно благоприятно сказываться на состоянии экономики, что также ведет к укреплению национальной валюты.

Валютный курс оказывает существенное влияние на сферу торговли, а следовательно, на импорт и экспорт. Следует отметить, что положительный знак коэффициента перед экспортом в уравнениях парной регрессии можно объяснить тем, что влияние на экспорт про-

3 Рассчитано автором по данным Федеральной таможенной службы. Ьйр://хп--д1аЬ£. хп--р1а1Д^ех.рЬр.

исходит через цены на нефть (между ценой на нефть и объемом экспорта наблюдается очень высокий коэффициент корреляции - 89%).

На основе проделанного анализа взаимосвязи темпов прироста номинального валютного курса рубля к доллару США и выбранных на основе теоретических подходов макроэкономических показателей можно сделать следующие выводы:

• в соответствии с корреляционным анализом за последние годы наибольшая взаимосвязь наблюдалась у динамики валютного курса с такими макроэкономическими показателями, как экспорт и импорт товаров, денежная масса в национальном определении, промышленное производство и цены на нефть. Также была проверена значимость коэффициентов корреляции. Выяснилось, что все проверяемые коэффициенты корреляции являются значимыми, кроме коэффициента корреляции между валютным курсом и инфляцией, валютными интервенциями и валютными резервами.

• судя по результатам теста Гранжера, на 5%-ном уровне значимости, изменения цен на нефть, краткосрочной процентной ставки, промышленного производства являются причиной, по Гран-жеру, изменений в динамике валютного курса, в то время как темпы прироста обменного курса являлись причиной, по Гран-жеру, колебаний денежной массы в национальном определении, кредитов, депозитов и прочих размещенных средств, экспорта и импорта товаров, сальдо торгового баланса.

• согласно линейному регрессионному анализу, на динамику курса рубля в 2003-2014 гг. влияли динамика цен на нефть и промышленного производства, а динамика курса рубля в большей степени воздействовала на прирост экспорта, импорта и, как следствие, на сальдо торгового баланса. При этом зависимость экспорта и чистого экспорта от валютного курса положительная, что может объясняться отсутствием прямого влияния между показателями (и на динамику валютного курса, и на динамику экспорта положительно влияли цены на нефть).

ПРИЛОЖЕНИЯ Приложение 1

Тест Гранжера на причинно-следственную связь между темпами прироста номинального валютного курса к доллару США и экономическими показателями в России

Null Hypothesis Obs F-Statistic Probability

OIL_P does not Granger Cause EX_R 143 4.66800 0.03243

EX_R does not Granger Cause OIL_P 0.84700 0.35898

MONETARY_BASE does not Granger Cause EX_R 143 3.6E-08 0.99985

EX_R does not Granger Cause MONETARY_BASE 2.25789 0.13519

M2 does not Granger Cause EX_R 143 0.10410 0.74745

EX_R does not Granger Cause M2 6.13050 0.01448

M3 does not Granger Cause EX_R 143 2.02542 0.15691

EX_R does not Granger Cause M3 2.82436 0.09507

LONG_RUN_INT_R does not Granger Cause EX_R 143 4.61113 0.03349

EX_R does not Granger Cause LONG_RUN_INT_R 6.27378 0.01340

SHORT_RUN_INT_R does not Granger Cause EX_R 143 22.8518 4.4E-06

EX_R does not Granger Cause SHORT_RUN_INT_R 0.20010 0.65533

IMMEDIATE_INT_R does not Granger Cause EX_R 143 8.6E-05 0.99262

EX_R does not Granger Cause IMMEDIATE_INT_R 0.86521 0.35389

INFLATION does not Granger Cause EX_R 143 0.25782 0.61242

EX_R does not Granger Cause INFLATION 0.63071 0.42844

INDUSTRIAL_PRODUCTION does not Granger Cause EX_R 143 4.65863 0.03260

EX_R does not Granger Cause INDUSTRIAL_ PRODUCTION 0.58525 0.44555

INVESTMENT does not Granger Cause EX_R 143 0.44237 NA

EX_R does not Granger Cause INVESTMENT 19.6245 1.9E-05

TRADE_TURNOVER does not Granger Cause EX_R 143 0.63760 NA

EX_R does not Granger Cause TRADE_TURNOVER 0.25188 0.61654

CREDITS_DEPOSITS does not Granger Cause EX_R 143 0.15135 0.50707

EX_R does not Granger Cause CREDITS_DEPOSITS 20.2026 1.4E-05

RESERVES does not Granger Cause EX_R 143 2.70638 0.42593

EX_R does not Granger Cause RESERVES 2.60844 0.10855

EXPORT does not Granger Cause EX_R 143 0.05056 0.69784

EX_R does not Granger Cause EXPORT 12.2675 0.00062

IMPORT does not Granger Cause EX_R 143 0.58142 0.10219

EX_R does not Granger Cause IMPORT 23.0051 4.1E-06

NX does not Granger Cause EX_R 143 0.01185 0.82242

EX_R does not Granger Cause NX 5.73016 0.01800

Pairwise Granger Causality Tests

Sample: 2009:08 2014:12

Lags: 1

Null Hypothesis: Obs F-Statistic Probability

INT does not Granger Cause EX_R 64 0.16916 0.84479

EX_R does not Granger Cause INT 1.18677 0.31251

Приложение 2

Модели линейной регрессии

Dependent Variable: EX_R

Method: Least Squares

Sample: 2003:01 2014:12

Included observations: 144

Newey-West HAC Standard Errors & Covariance (lag truncation=4)

Variable Coefficient Std. Error t-Statistic Prob.

C -6.199663 1.092772 -5.673334 0.0000

OIL_P 0.128449 0.041740 3.077360 0.0025

INDUSTRIAL_PRODUCTION 0.834985 0.175098 4.768668 0.0000

R-squared 0.645956 Mean dependent var -0.975761

Adjusted R-squared 0.640934 S.D. dependent var 10.29213

S.E. of regression 6.167259 Akaike info criterion 6.496999

Sum squared resid 5362.947 Schwarz criterion 6.558871

Log likelihood -464.7840 F-statistic 128.6278

Durbin-Watson stat 0.403644 Prob(F-statistic) 0.000000

Dependent Variable: M2

Method: Least Squares

Sample: 2003:01 2014:12

Included observations: 144

Newey-West HAC Standard Errors & Covariance (lag truncation=4)

Variable Coefficient Std. Error t-Statistic Prob.

C 29.52631 1.838888 16.05661 0.0000

EX_R 1.281723 0.158848 8.068870 0.0000

R-squared 0.602893 Mean dependent var 28.27566

Adjusted R-squared 0.600096 S.D. dependent var 16.98945

S.E. of regression 10.74378 Akaike info criterion 7.600322

Sum squared resid 16390.88 Schwarz criterion 7.641569

Log likelihood -545.2232 F-statistic 215.5860

Durbin-Watson stat 0.168750 Prob(F-statistic) 0.000000

Dependent Variable: CREDirS_DEPOSrTS

Method: Least Squares

Sample: 2003:01 2014:12

Included observations: 144

Newey-West HAC Standard Errors & Covariance (lag truncation=4)

Variable Coefficient Std. Error t-Statistic Prob.

C 32.38378 3.108069 10.41926 0.0000

EX_R 0.499993 0.257332 1.942987 0.0540

R-squared 0.089654 Mean dependent var 31.89590

Adjusted R-squared 0.083243 S.D. dependent var 17.18634

S.E. of regression 16.45547 Akaike info criterion 8.452985

Sum squared resid 38451.12 Schwarz criterion 8.494232

Log likelihood -606.6149 F-statistic 13.98471

Durbin-Watson stat 0.053380 Prob(F-statistic) 0.000267

Dependent Variable: EXPORT

Method: Least Squares

Sample: 2003:01 2014:12

Included observations: 144

Newey-West HAC Standard Errors & Covariance (lag truncation=4)

Variable Coefficient Std. Error t-Statistic Prob.

C 19.01636 2.308157 8.238763 0.0000

EX_R 2.022918 0.235218 8.600183 0.0000

R-squared 0.649155 Mean dependent var 17.04248

Adjusted R-squared 0.646684 S.D. dependent var 25.84100

S.E. of regression 15.35999 Akaike info criterion 8.315200

Sum squared resid 33501.94 Schwarz criterion 8.356448

Log likelihood -596.6944 F-statistic 262.7371

Durbin-Watson stat 0.552577 Prob(F-statistic) 0.000000

Dependent Variable: IMPORT

Method: Least Squares

Sample: 2003:01 2014:12

Included observations: 144

Newey-West HAC Standard Errors & Covariance (lag truncation=4)

Variable Coefficient Std. Error t-Statistic Prob.

C 19.19922 1.904082 10.08319 0.0000

EX_R 1.908457 0.203081 9.397523 0.0000

R-squared 0.709215 Mean dependent var 17.33702

Adjusted R-squared 0.707168 S.D. dependent var 23.32375

S.E. of regression 12.62141 Akaike info criterion 7.922458

Sum squared resid 22620.60 Schwarz criterion 7.963705

Log likelihood -568.4170 F-statistic 346.3341

Durbin-Watson stat 0.521112 Prob(F-statistic) 0.000000

ЛИТЕРАТУРА

1. Айвазян С.А. Методы эконометрики: учебник. М.: Магистр: ИНФРА-М,

2. Гурвич Е. Т., Соколов В.Н., Улюкаев А.В. Анализ связи между курсовой политикой ЦБ и процентными ставками: непокрытый и покрытый паритет // Журнал Новой экономической ассоциации. 2009. № 1-2.

3. Полтерович В.М., Попов В.В. Последняя надежда // Эксперт. 2002. № 48.

4. Шагас НЛ., Туманова Е.А. Макроэкономика-2: Учебник. М.: Изд-во МГУ, 2006.

5. Campa J.M., Goldberg L.S. Exchange Rate Pass-through into Import Price: A Micro or Macro Phenomenon? // NBER Working Papers. 2002. № 8934.

6. Dornbusch R. (1979). Expectations and Exchange Rate Dynamics // Journal of Political Economy. 84. 1161-76.

7. Mishkin F S. Exchange Rate Pass-through and Monetary Policy: Speech delivered at the Norges Bank Conference on Monetary Policy. Oslo, Norway. March 7. 2008.

8. Obstfeld M, Rogoff K. (1995) Exchange Rate Dynamics Redux// The Journal of Political Economy. Vol. 103. No. 3.

9. Taylor J. Low Inflation, Pass-through and the Pricing Power of Firms // European Economic Review. 2000. Vol. 44. № 7.

G.R. OGANESIAN

Research fellow of the Institute of economics of the Russian Academy of Sciences, Moscow, Russia

gaya.oganesian@gmail.com

ANALYSIS OF THE RELATIONSHIP BETWEEN EXCHANGE RATE AND KEY MACROECONOMIC INDICATORS IN RUSSIA

The theme of exchange rate is important nowadays because the currency rate influences on the internal and the external sectors of the economy, also it can be an indicator of the confidence in the authorities' policy. The paper is devoted to theoretical models of exchange rate dynamics and the research of the interconnections between ruble and key macroeconomic indicators in Russia on the basis of statistical and econometrical analysis. The author has come to a conclusion that the dynamics of the exchange rate in Russia was influenced by oil prices, industrial production, while the dynamics of the exchange rate depends on exports (through oil prices), imports and net exports.

Keywords: exchange rate, exchange rate models, oil price, industrial production, export, import, correlation, Granger test, liner regression. JEL: E17, E19, E52, F31.

2010.