ДИНАМИКА ИПЦ РЕСПУБЛИКИ БЕЛАРУСЬ В 2010 - 2015 ГОДАХ И АНАЛИЗ ВЛИЯЮЩИХ НА НЕГО ФАКТОРОВ Текст научной статьи по специальности «Экономика и бизнес»

ДИНАМИКА ИПЦ РЕСПУБЛИКИ БЕЛАРУСЬ В 2010 - 2015 ГОДАХ И АНАЛИЗ

ВЛИЯЮЩИХ НА НЕГО ФАКТОРОВ

Озарнов Руслан Владиславович

Финансовый университет при Правительстве РФ, факультет МЭО Магистрант «Международные финансы и банки», г.Москва

THE CONSUMER PRICE INDEX DYNAMICS AND ANALYSIS OF THE FACTORS INFLUENCING THE CPI IN THE REPUBLIC OF BELARUS DURING 2010 - 2015 YEARS

Ozarnov Ruslan. V., Financial University under the Government of the Russian Federation, Faculty of International Economic Relations, MSc in International Finance and Banking, Moscow

АННОТАЦИЯ

В данной статье автор рассматривает эконометрическую модель, описываю-щую динамику индекса потребительских цен Республики Беларусь в 2010 - 2015 годах, анализирует факторы, которые оказывают влияние на темп рос-та ИПЦ. С использованием математических методов анализируется влияние таких макроэкономических факторов как темпы роста курсов валют Евро, Доллар США, российский Рубль и денежной массы М0 по отношению к белорусскому Рублю. В результате проведенного исследования выявлены факторы, оказывающие влияние на ИПЦ Республики Беларусь, подготовлен прогноз ИПЦ до конца 2016 года.

ABSTRACT

The research focuses on the econometric model describing the dynamics of consumer prices in the Republic of Belarus during 2010 - 2015 years as well as analyzes the factors influencing the CPI growth rate. Using the mathematical techniques, the author analyzes the impact of macroeconomic factors like the growth rate of Euro, USD and Russian ruble as well as the money supply M0 against the Belarusian ruble. As a result, the author identified some factors influencing the Republic of Belarus CPI as well as forecast the CPI until the end of 2016.

Ключевые слова: эконометрика, макроэкономика, макроэкономическое прогнозирование, индекс потребительских цен, денежно-кредитная политика, валютные курсы, международные финансы.

Keywords: econometrics, macroeconomics, consumer price index, monetary policy, exchange rates, international finance, macroeconomic forecasting.

Вопрос о влиянии валютных курсов и денежной массы МО на индекс потребительских цен (ИПЦ) занимает важное место в международной макроэкономике. Кроме того, степень их влияния оказывает значимое воздействие на денежно-кредитную политику государства. Как правило, снижение курса национальной валюты ведет к инфляции. Актуальность изучения данной проблемы подтверждается тем, что в настоящий момент существует множество работ посвященных эмпирическому анализу влияния валютных курсов на ИПЦ. Так, например, в работе Choudhri E.U. и Hakura D.S. [2] изучался так называемый эффект переноса изменений курса на цены товаров (exchange rate pass-through). В работе проанализированы 71 страна, в результате авторы пришли к выводу, что в странах с низкой инфляцией эффект переноса меньше, чем в странах

со средней и высокой инфляцией. В данной статье рассматривается эконометрическая модель, описывающая динамику ИПЦ Республики Беларусь в 2010 - 2015 годах, анализируются факторы, которые оказывают влияние на темп роста ИПЦ. На основе эконометрической модели делается прогноз ИПЦ на 2016 год.

Данная работа выполнена при помощи программного продукта EViews.

1. Временной тренд ИПЦ в 2010-2015 На рис.1 приводится график зависимости индекса потребительских цен от времени, выделяются два относительно стабильных периода. Первый до апреля 2011 года, затем с апреля по октябрь следует увеличение темпа роста цен и с ноября 2011 года второй относительно стабильный период на рассматриваемом промежутке времени.

P

4.54.03.53.02.52.01.51.00.5-

Рис.1. ИПЦ Республики Беларусь 2010-2015

Для построения временного тренда ИПЦ были сгенерированы две фик-тивные переменные. Первая отражает период роста цен - апрель - октябрь 2011, вторая - относительно стабильный период, начиная с ноября 2011.

В результате проведенных вычислений получена следующая модель:

Р = 0.986-1.972*Т1 + 0.282*Т2 + (0.010 + 0.127*Т1 + 0.032*Т2)*Т (1)

В период с января 2010 по март 2011 темп роста цен со-

ставлял 1.0% в месяц. Затем рост цен ускорился и с апреля 2011 по октябрь 2011 составлял 13.7% в месяц. Следующий период с ноября 2011 по октябрь 2015 характеризовался замедлением темпа роста цен. В этот период темп роста цен составил 4.2% в месяц. В годовом исчислении это составило 63.8% в год.

Качественные характеристики модели 1 представлены в таблице П1.

Табл.П1

Модель 1 Временной тренд ИПЦ

Зависимая переменная: Р

Метод: наименьших квадратов

Дата: 12/28/15 Время: 07:37

Выборка (скорректированная): 2010М01 2015М09

Включенные наблюдения: 69 после корректировки

Переменная Коэффициент Стандартная ошибка t-статистика Вероятность

С 0.985690 0.019388 50.83960 0.0000

Т1 -1.971968 0.130281 -15.13622 0.0000

Т2 0.281733 0.026731 10.53970 0.0000

Т 0.010244 0.002132 4.803976 0.0000

Т*Т1 0.126821 0.007072 17.93175 0.0000

Т*Т2 0.031872 0.002167 14.71026 0.0000

Я-квадрат 0.998932 Значение зависимой переменной 2.579199

Скорректированный Я-квадрат 0.998847 Стандартное отклонение зависимой переменной 1.050968

Продолжение таблицы П1

Стандартная ошибка регрессии 0.035682 Информационный критерий Акаике -3.745387

Остаточная сумма квадратов 0.080213 Критерий Шварца -3.551117

Логарифм правдоподобия 135.2159 Критерий Хеннана - Куинна. -3.668314

Б-статистика 11785.56 Критерий Дарбина-Уотсона 0.450457

Вероятность (Б-ста-тистика) 0.000000

Графики прогноза и остатков показаны на рис.2. На интервалами до конца 2016 года. рис.3 представлен прогноз ИПЦ с 95% доверительными

I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I смсмсмсмгогогого^

« S

о

о

« S

о

о

« S

о

о

«s

о О

£= ГО

ю ю ю

т— т— т— т— т— т—

1 _ (_ _

О 1 О ГО О 1

< и < —>

Residual -Actual -Fitted

Рис.2. Остатки, наблюдения и прогноз модели 1

4-

3-

2-

1 -

1111 1111111111111111111111111111111111111111111111111 111111111

О

Ü 3 о

< ^ О

5

0

P - PF - PF L - PF U

Рис.3. ИПС, прогноз, нижняя и верхняя 95% границы прогноза

В таблице1 приводятся данные прогноза на 2016 годы, го моделирования. полученные в результате проведенного эконометрическо-

Табл.1

ИПЦ

Прогноз и 95% доверительные интервалы

obs P PF PF_L PF_U

2015M01 3,871 3.837 3.765 3.908

2015M02 3,934 3.879 3.807 3.950

2015M03 3,967 3.921 3.849 3.993

2015M04 4,003 3.963 3.891 4.035

2015M05 4,029 4.005 3.933 4.077

2015M06 4,058 4.047 3.975 4.119

2015M07 4,066 4.089 4.017 4.162

2015M08 4,075 4.131 4.059 4.204

2015M09 4,129 4.173 4.101 4.246

2015M10 4.216 4.143 4.289

2015M11 4.258 4.185 4.331

2015M12 4.300 4.226 4.373

2016M01 4.342 4.268 4.415

2016M02 4.384 4.310 4.458

2016M03 4.426 4.352 4.500

2016M04 4.468 4.394 4.542

2016M05 4.510 4.436 4.585

2016M06 4.552 4.478 4.627

2016M07 4.595 4.520 4.670

2016M08 4.637 4.562 4.712

Продолжение таблицы 1

2016M09 4.679 4.603 4.754

2016M10 4.721 4.645 4.797

2016M11 4.763 4.687 4.839

2016M12 4.805 4.729 4.881

1.1. Остатки модели 1 Гистограмма остатков указывает на значимое отклонение На рисунке 4 показана гистограмма остатков модели 1. по критерию Жака-Бера от нор-мального распределения. 16 -

14- -

12 - -

108- -

64- -

2 - - - - -

0 -1-|----------------[

-0.10 -0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06

Рис.5. Гистограмма остатков модели 1

График остатков модели 1, показанный на рис.5 указывает на их нестационарность. Наблюдаются значительные выбросы и амплитуда выбросов нарастает.

Р_Т_РЕ8Ю

.06 -.04 -.02 -.00 --.02 --.04 --.06 --.08 --.10 -

Рис.5. Остатки модели 1

Нестационарность также подтверждается значениями автокорреляционной функции (табл.2).

Series: P_T_ RESID

Sample 2010M01 2016M12 IF T

<=69

Observations 69

Mean -4.68e-16

Median 0.005732

Maximum 0.055786

Minimum -0.098699

Std. Dev. 0.034345

Skewness -0.968862

Kurtosis 3.651884

Jarque-Bera 12.01672

Probability 0.002458

I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I СМСМСМСМСОСОСОСО'^'^'^'^ЮЮЮ

< ^ о

< ^ о

о b Ü. ^ и О ® < О ^

< ^ О

а. ^ < ^

Табл.2

Автокорреляционная функция остатков модели 1

Дата: 12/28/15 Время: 10:39

Выборка: 2010M01 2016M12 IF T<=69

Включенные наблюдения: 69

Автокорреляция Частная кор-реляция AC PAC Q-Стат Вероятность

| | 1 0.762 0.762 41.813 0.000

| 2 0.437 -0.343 55.751 0.000

3 0.265 0.214 60.960 0.000

. |*. | 4 0.110 -0.279 61.866 0.000

.*| . .*| . | 5 -0.086 -0.112 62.427 0.000

. | . | 6 -0.211 -0.025 65.888 0.000

. | . | 7 -0.225 0.017 69.872 0.000

. | . | 8 -0.206 -0.034 73.296 0.000

*| 9 -0.223 -0.109 77.364 0.000

. | . | 10 -0.235 -0.052 81.958 0.000

.*| . | . | . | 11 -0.190 0.010 84.999 0.000

.*| . 12 -0.164 -0.137 87.323 0.000

.*| . . | . | 13 -0.154 0.053 89.398 0.000

.*| . 14 -0.173 -0.235 92.062 0.000

.*| . . |*. | 15 -0.155 0.121 94.239 0.000

Поскольку остатки модели 1 нестационарны, то была произведена ее доработка. Одним из методов устранения нестационарности временного ряда является его дифференцирование или вычисление первых, а при необходимости и разностей большего порядка.

2. Факторы, влияющие на ИПЦ

В качестве факторов, влияющих на темп роста ИПЦ республики Беларусь в 2010-2015 годах рассматривались темпы роста курсов национальных валют Евро, Доллар, российский Рубль и денежной массы М0 по отношению к

белорусскому Рублю. Темпы роста для описания переменных модели ввиду нестационарности соответствующих временных рядов были рассчитаны в процентах.

Модель 2 регрессии на вышеперечисленные факторы имеет следующий вид:

D_PC_P = 1.598 - 0.297*D_PC_B_USD + 0.386*D_PC_B_ EUR + 0.177*D_PC_B_R + 0.066*D_PC_M0 (2)

В таблице П2 приводятся качественные характеристики модели 2. В соответствии с табл.П2 влияние денежной массы М0 оказывается незначимым.

Табл.П2

Модель 2 Отбор объясняющих переменных относительного приращения ИПЦ

Зависимая переменная: D_PC_P

Метод: наименьших квадратов

Дата: 12/28/15 Время: 18:01

Выборка (скорректированная): 2010M02 2015M09

Включенные наблюдения: 68 после корректировки

Переменная Коэффициент Стандарт-ная ошибка t-статистика Вероятность

C 1.597680 0.295036 5.415201 0.0000

D_PC_B_USD -0.296813 0.135477 -2.190878 0.0322

D_PC_B_EUR 0.385852 0.167879 2.298396 0.0249

D_PC_B_R 0.177065 0.033253 5.324817 0.0000

D_PC_M0 0.065683 0.042417 1.548507 0.1265

R-квадрат 0.385978 Значение зависимой переменной 2.129265

Скорректированный R-квадрат 0.346993 Стандартное отклонение зависимой переменной 2.706106

Стандартная ошибка регрессии 2.186774 Информационный критерий Акаике 4.473417

Остаточная сумма квадратов 301.2647 Критерий Шварца 4.636616

Логарифм правдоподобия -147.0962 Критерий Хеннана - Куинна. 4.538082

Б-статистика 9.900556 Критерий Дарбина-Уотсона 1.094178

Вероятность (Б-ста-тистика) 0.000003

Вследствие чего были проведены вычисления с исклю- В табл. П3 приводятся качественные характеристики

чением М0. В ре-зультате была получена модель 3: модели 3. Все оценки параметров значимы с уровнем зна-

D_PC_P = 1.745 - 0.305*D_PC_B_USD + 0.396*D_PC_B_ чимости 0,05. EUR + 0.1783*D_PC_B_R (3)

Табл.ПЗ

Модель 3 Объясняющие переменные относительного приращения ИПЦ

Зависимая переменная: D_PC_P

Метод: наименьших квадратов

Дата: 12/28/15 Время: 18:19

Выборка (скорректированная): 2010M02 2015M09

Включенные наблюдения: 68 после корректировки

Переменная Коэффициент Стандартная ошибка t-статистика Вероятность

С 1.745320 0.282238 6.183851 0.0000

0_РС_В_Ш0 -0.305299 0.136836 -2.231131 0.0292

0_РС_В_ЕиК. 0.395925 0.169575 2.334808 0.0227

о_Рс_в_я 0.178313 0.033604 5.306304 0.0000

Я-квадрат 0.362608 Значение зависимой перемен-ной 2.129265

Скорректир ов анный Я-квадрат 0.332730 Стандартное отклонение за-висимой переменной 2.706106

Стандартная ошибка регрессии 2.210526 Информационный критерий Акаике 4.481361

Остаточная сумма квадратов 312.7312 Критерий Шварца 4.611920

Логарифм правдо-по-добия -148.3663 Критерий Хеннана -Куинна. 4.533092

Б-статистика 12.13637 Критерий Дарбина-У-отсона 1.042836

Вероятность (Б-ста-тистика) 0.000002

Далее была проведена оценка статистических характеристик остатков модели 3. График наблюдений, прогноза и остатков представлен на рис.6.

128-

16 - 12 -8 -4 -0 --4

I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I 1 1 I СМСМСМСМГОГОГОГО'^'^'^'^ЮЮЮ

.Q

<u

Q. 3 < ^

о

Q. 3 < ^

О

О

£= ГО

О. 3 < ^

о О

£= ГО

О. 3 < ^

о О

£= ГО

О. 3 < ^

о О

£= ГО

О. 3 < ^

Residual -Actual -Fitted

Рис.6. Относительное изменение ИПЦ в зависимости от относительного изменения курсов валют в % (наблюдения, прогноз и остатки)

Из рисунка 6 следует, что значительные выбросы остатков наблюдались в период нестабильности с апреля 2011 по октябрь 2011.

Исключая из наблюдений период волатильности была получена модель 4:

D_PC_P = 1.290 - 0.104*D_PC_B_US D + 0.143*D_PC_B_ EUR + 0.062*D_PC_B_R (4)

Качественные показатели модели 4 приводятся в таблице П4.

Табл.П4

Модель 4 Объясняющие переменные относительного приращения ИПЦ (с исключенным периодом нестабильности)

Зависимая переменная: D_PC_P

Метод: наименьших квадратов

Дата: 12/28/15 Время: 18:38

Выборка (скорректированная): 2010M02 2011M04 2011M12 2015M09

Включенные наблюдения: 61 после корректировки

Переменная Коэффициент Стандартная ошибка t-статистика Вероятность

C 1.290495 0.093450 13.80941 0.0000

D_PC_B_USD -0.103816 0.047189 -2.200005 0.0319

D_PC_B_EUR 0.143342 0.058390 2.454896 0.0172

D_PC_B_R 0.062032 0.021939 2.827549 0.0065

R-квадрат 0.196166 Значение зависимой переменной 1.323279

Скорректир ов анный R-квадрат 0.153859 Стандартное отклонение зависимой переменной 0.773356

Стандартная ошибка регрессии 0.711379 Информационный критерий Акаике 2.220101

Остаточная сумма квадратов 28.84539 Критерий Шварца 2.358519

Логарифм правдоподобия -63.71308 Критерий Хеннана - Куинна. 2.274348

Продолжение таблицы П.4

F-статистика 4.636709 Критерий Дарбина-Уотсона 1.175872

Вероятность (F-ста-тистика) 0.005710

График наблюдений, прогноза и остатков модели 4 В таблице 3 представлена автокорреляционная функ-представлен на рисунке 7. ция остатков модели 4.

5 -4

-3 -2 - 1

-0

.Q

<D

<

О

О

<

£= ГО

О. 3 < ^

О

О

£= ГО

<

О

О

£= ГО

CL <

О

О

£= ГО

CL <

Residual -Actual -Fitted

Рис.7. Относительное изменение ИПЦ в зависимости от относительного изменения курсов валют в % (наблюдения, прогноз и остатки) с исклю-ченным периодом нестабильности

Табл. 3

Автокорреляционная функция остатков модели 4

Дата: 12/28/15 Время: 18:52

Выборка: 2010M02 2011M04 2011M12 2015M09

Включенные наблюдения: 61

Автокорреляция Частная кор-реляция AC PAC Q-Стат Вероятность

1 0.253 0.253 4.1025 0.043

2 0.332 0.287 11.296 0.004

. |*. 1 . i . I 3 0.084 -0.056 11.765 0.008

. 1 . 1 .*i . I 4 0.000 -0.118 11.765 0.019

. 1 . 1 . i . I 5 0.019 0.037 11.789 0.038

.*1 . 1 .*i . I 6 -0.165 -0.157 13.686 0.033

.*1 . 1 .*i . I 7 -0.112 -0.074 14.573 0.042

. 1 . 1 . i*. I 8 0.009 0.173 14.578 0.068

.*1 . 1 9 -0.198 -0.207 17.483 0.042

.*1 . 1 .*i . i 10 -0.121 -0.150 18.579 0.046

. 1 . 1 I** 11 0.006 0.253 18.582 0.069

.*1 . 1 .*i . I 12 -0.145 -0.190 20.228 0.063

Продолжение таблицы 3

. |*. | . | . | 13 0.092 0.034 20.911 0.075

. | . | 14 0.012 0.229 20.922 0.104

. | . | 15 0.029 -0.215 20.990 0.137

В результате исследования автором были проанализированы и определены факторы, оказывающие влияние на темп роста ИПЦ Республики Беларусь, на основе эконо-метрической модели делается прогноз ИПЦ на 2016 год. Таким образом, проведенное автором исследование показало влияние курсов Евро, Доллара США и Российского Рубля на потребительские цены в Республики Беларусь. Однако это не означает, что необходимо сдерживать рост валютного курса либо сглаживать его колебания. Проведенное научное исследование закладывает основу для дальнейших как теоретических, так и эмпирических исследований в области оптимальной денежно-кредитной и валютной политики, а также макроэкономического прогнозирования.

Список использованных источников

1. Доугерти К. - Введение в эконометрику: Учебник, 3-е изд. М.: ИНФРА-М, 2009. - 465 с.

2. Choudhri E.U., Hakura D.S. Exchange rate pass-through to domestic prices: does the inflationary environment matter? IMF working paper, 2001

3. Национальный банк Республики Беларусь http:// www.nbrb.by/

4. Национальный статистический комитет Республики Беларусь http://www.belstat.gov.by/

5. Федеральная служба государственной статистики http://www.gks.ru/

6. Центральный банк РФ http://www.cbr.ru/

MARKETING RESEARCH OF THE COMPANYS ENTRY INTO THE FOREIGN MARKET

TO JUSTIFY DEVELOPMENT STRATEGY

Shatskaya E.Yu.,

North-Caucasus Federal University, candidate of economic scince

Voloshina A.,

North-Caucasus Federal University, student

Pankova E.,

North-Caucasus Federal University, student

ABSTRACT

In this article it is described the perspectives of Colorificio San Marco to entry the Sub-Sahara market Key words: international project, market, Sub-Sahara Africa, San Marco Group

Colorificio San Marco, a firm producing paints and varnishes for the building sector with headquarters in Marcon (VE) and more than 200 employees. Its products can be targeted as medium/high quality range, and customers are mainly retailers and professionals.

Colorificio San Marco S.p.A. is the parent company of the San Marco Group, which overall has 6 production units in Europe, three commercial companies and 7 brands in Europe (EuroBeton, ABC, Tjaeralin, San Marco Adriatica, Novacolor, Disegno and Farby).

Colorificio San Marco was officially founded in 1962, and after just a few years the capital increased by 500% thanks to the enormous activity growth. In 1982 the company launched the Unimarc system, which represented the beginning of the firm R&D function [1].

Nowadays, San Marco Group is among the best companies in the provision of paints and varnishes for the professional building sector. Its products can be classified in four main categories, namely Solvent - free system, Thermal isolation system, Professional system, Decorative finishes. These products are mainly sold to professional users, so painters, applicators, and so on. Only in marginal measure, paints are available to final users (DIY channel).

The case under analysis in this report refers to the intention of Colorificio San Marco to enter and build a consolidated

presence in the Sub - Saharan African market, especially in the decorative paints business.

The Sub-Saharan African market is now being considered as one of the promising markets of the next decades, because of the revenues generated by the oil industry which is leading to the growth of the middle class (from 18 million families of year 2000 to the expected 45 million of 2020). In this new environment there is plenty of room for the expansion of Italian firms even in the construction sector, since the "Made in Italy" seems to be very much appreciated because it can be considered a synonym of the Italian taste and high quality products. Being able to enter this market and build customer loyalty could bring significant revenues in the future [2].

Based on the information gathered it was combined the data from the different macro sections of the analysis to determine which countries could overall be interesting to analyze further. It was chosen the countries which seem to score well in almost all sections, and countries which had good scores in areas which it was thought could be interesting to investigate deeper. It was tried to avoid really small countries especially small islands even though they might score really well in some of the indexes because of the very limited size of the market. Hence, it was selected:

1. South Africa - this country has low country risk, meaning that the institutional environment is rather good and