CC BY
42
Приоритеты регионального развития
исследование сопряженного влияния денежно-кредитной и банковской политик
на экономику региона
(на примере Красноярского края)
И.А. ЯнКИнА,
кандидат экономических наук, доцент кафедры ГОуВПО Красноярский государственный торгово-экономический институт
е.в. покидышева
ГОу ВПО Красноярский государственный торгово-экономический институт
Создание саморегулирующего механизма согласования денежно-кредитной и банковской политик, влияющих в условиях структурно несовершенного рынка на экономику страны, отдельного региона, актуально, так как цели рыночной банковской политики и государственной денежно-кредитной политики в принципе конфликтны.
Практически не принимается во внимание и тот факт, что денежно-кредитная система России в целом складывается из региональных сегментов, каждый из которых обладает собственными возможностями саморегулирования на основе коррекции соотношений между денежной массой и спросом на деньги в масштабах регионального хозяйства [6]. Банковские интересы на региональном уровне и проблемы отношений, возникающие на фоне глубоких социально-экономических различий регионов, не находят должного отражения в государственной денежно-кредитной политике. В связи с этим появляется необходимость определения условий и параметров сопряженности денежно-кредитной и банковской политик для регионов России. Для экономики региона критерием сопряженности ДКП и БП служит увеличение всего того, что представляет для этого региона ценность в настоящем или будущем, т. е. увеличение богатства, валового регионального продукта (ВРП). Влияние банковской политики на развитие экономики региона проявляется через участие кредитных организаций в реализации основных направлений денежно-кредитной политики, в создании, в первую
очередь, банковских потребительских стоимостей, мультиплицирующих процесс воспроизводства как средств производства, так и предметов конечного потребления при денежно-кредитном сопровождении инвестиционных проектов (рис. 1).
Оценка сопряженности ДКП и БП в контексте регионального экономического развития возможна, на взгляд авторов, по величине безвозвратных издержек (потерь), которые несут регионы, банковский сектор, хозяйствующие субъекты. Так, регионы терпят убытки, если у фирм из-за отсутствия рефинансирования банков или в результате увеличения ставки за пользование кредитами ограничивается размер кредитов, в том числе долгосрочных, что ведет к снижению темпов роста производства
Рис. 1. Влияние денежно-кредитной и банковской политик на региональную экономику
и продаж потребительских товаров на внутреннем рынке, снижению нормы прибыли и как следствие к еще большему сокращению кредитного спроса и т. д [4]. Все это в итоге отражается на таком макроэкономическом показателе, как ВРП.
В связи с этим появляется необходимость развития методологии прогноза влияния сопряженности ДКП и БП на экономическое развитие регионов России, в том числе разработка системы эконометрических моделей, предназначенной для решения стратегических и текущих задач:
• обеспечение анализа фактически складывающихся значений параметров уравнений модели и объективной оценки качества прогноза влияния инструментов ДКП и БП на экономическое развитие в регионе;
• отражение изменяющегося (развивающегося) характера системы моделей, оценка вариантов ДКП и БП на основе сценарных расчетов. При разработке системы моделей должны исследоваться прежде всего процессы влияния инструментов денежно-кредитной и банковской политик в условиях их сопряженности на экономику Российской Федерации, отдельных ее регионов.
Многосторонность и многозначность макроэкономических процессов, их вероятностная природа приводят к необходимости использовать моделирование. Уже на протяжении многих лет ученые-экономисты анализируют взаимосвязь денежного предложения и динамики воспроизводства. В своих работах авторы на основе корреляционного анализа и линейных регрессионных моделей эмпирически изучают зависимости денег и реального объема производства. И хотя на современном этапе развития при выработке и реализации ДКП центральные банки многих стран проводят исследования трансмиссионного механизма с учетом конкретных особенностей национальной экономики, но исследований и моделирования банковской политики как ответной реакции ДКП не осуществляется, а значит, неадекватен методологический инструментарий для прогнозирования и макроэкономического регулирования.
Обозначим особенности моделирования по исследуемой проблеме.
1. Специфической чертой моделирования экономических процессов влияния инструментов ДКП и БП в условиях их сопряженности на экономику региона является отсутствие возможности проведения эксперимента на основе полученной модели.
2. Логика изложения результатов прогноза соот-
ветствует логике формирования сценариев и проведения расчетов. Адекватность же модели определяется качеством исходной информации и ее количественным представлением. Другими словами, уже в модели должны быть достаточно полно заложены тенденции развития системы. 3. При определении метода анализа данных и построения моделей выбор был сделан в пользу имитационного моделирования на основе метода Монте-Карло — адаптированного к оценке сценариев ДКП в сопряженности с БП, в разбивке по уровням воздействия и каналам денежной трансмиссии. Имитационное моделирование Монте-Карло — это процедура, с помощью которой математическая модель определения какого-либо финансового показателя подвергается ряду имитационных прогонов с помощью компьютера. В ходе процесса имитации строят последовательные сценарии с использованием исходных данных, которые по смыслу проекта являются неопределенными и потому в процессе анализа полагаются случайными величинами, а случайный выбор значений из определенных вероятностных распределений не должен нарушать существования известных или предполагаемых отношений корреляции среди переменных. Методология исследования включает определение внутренних взаимосвязей показателей ДКП, БП и макроэкономических показателей развития экономики региона. Например, накопление в банковском секторе может зависеть от его процентных доходов в данном регионе и процентной ставки, поэтому ожидается, что банки будут реагировать на изменение этих переменных. Данные за прошлые периоды на основном этапе исследования позволят определить коэффициенты при ключевых переменных. Для данного исследования использовался эконометрический подход. С учетом особенностей моделируемых процессов, а также объема и качества имеющихся в настоящее время статистических данных выбор сделан в пользу корреляционного и регрессионного анализа как базового анализа и прогнозирования исследуемых рядов данных. Основная проблема с регрессионными моделями кроется в коэффициентах при переменных. Коэффициенты выражены через функции, определяемые предпочтениями, технологиями и государственной политикой. На практике далеко не просто предсказывать эффекты, оказываемые этими детерминантами на коэффициенты модели.
Во многом они носят случайный характер [3], что и побуждает авторов использовать имитационное моделирование, принимая за нормальное распределение данных случайных факторов, а, следовательно, и показателей, на которые они непосредственно оказывают влияние.
Приведем простой пример: известно, что на рынке банковских резервов центральный банк воздействует на размеры резервов и ставку процента по банковским резервам. Тем самым центральный банк оказывает косвенное воздействие на предложение кредитов и ставку процента по кредитам. Насколько эффективно это косвенное воздействие на размеры кредитов и ставку по кредитам, зависит от изменений предпочтения ликвидности банками и привлекательности альтернативных банковских активов (в частности, инвестиций в ценные бумаги).
Отсюда можно сделать предварительный вывод, согласно которому денежная (и соответственно кредитная) экспансия коммерческих банков детерминируется не объемом резервов, а факторами, лежащими вне кредитно-денежной системы. Кредитная экспансия зависит прежде всего от ставки процента и спроса на кредиты и инвестиции (рис. 2).
Метод имитационного моделирования позволяет нам включить в модель факторы спроса на кредит и инвестиции, а также предпочтения самих банков к формированию свободных избыточных резервов (предпочтение ликвидности) как случайную составляющую, которая нормально или равномерно распределена во времени и меняется с изменением субъективных предпочтений и внешних факторов.
1-й шаг в исследовании. В рамках решения данной задачи представляет интерес исследование влияния трех каналов трансмиссионного механизма ДКП в регионе [2]:
1. Процентный канал:
денежная массаt ^ процентная ставка^- ^ инвестиции t ^ BPnt.
2. Канал благосостояния денежной трансмиссии:
денежная масса t ^ цены финансовых активовt ^ чистые активы домохозяйствt ^
вероятность финансовых затруднений^ ^ потребление товаров длительного пользования и расходы на недвижимости ^ BPnt.
3. Канал банковского кредитования (bank lending channel):
денежная массаt ^ депозиты t = кредиты t ^ инвестицииt ^ ВРП t. На этом шаге получаем ответы на вопросы: имеет ли место связь между динамикой показателей денежного предложения и динамикой других показателей; каково направление воздействия расширения денежного предложения на эти показатели; является ли это воздействие одномоментным или ему присущи определенные лаги и продолжительный период, когда это воздействие исчерпывается полностью (в случае «шокового» увеличения денежного предложения).
2-й шаг. Прогнозирование показателей, выступающих в качестве конечных и промежуточных целей ДКП и БП.
3-й шаг. Решение задачи сопряженности банковской и денежно-кредитной политик.
3.1. Анализ и прогнозирование денежно-кредитных показателей на основе многовариантных
т
Банк России
- Размер ре
- Ставка пр^^^^Ню банковским
резервам
Имитационное моделирование (метод Монте-Карло)
№
ВЛИЯНИЯ
Дополнительные факторы
- Изменение предпочтения ликвидности банками
- Привлекательность альтернативных банковских активов (инвестиции в ценные бумаги)
Предложение кредитов и ставка процентов
Включаются в модель как случайные составляющие,
которые изменяются под
действием субъективных предпочтений
Факторы, лежащие вне кредитной системы
на кредиты и инвестиции
Рис. 2. Формирование предложения кредитов с учетом факторов, лежащих вне кредитной системы (случайная составляющая), автор рисунка: Е. В. Покидышева.
(сценарных) расчетов (т. е. задача типа «что будет, если»).
3.2. Определение необходимого уровня воздействий со стороны инструментов ДКП и переменных для БП, который бы позволил достичь приемлемых значений целевых показателей (т. е. задача типа «что надо, для того чтобы»).
3.3. Возможность проведения имитационных экспериментов в целях оценки сбалансированности разработанных вариантов (сценариев) ДКП.
Поскольку ДКП описывается очень большим числом параметров, в исследовании сделан акцент на наиболее значимые, связанные с банковской политикой, поэтому вводятся три уровня.
Возможные направления сопряженности ДКП и БП (параметры 1-го уровня) — через каналы трансмиссионного механизма совместного влияния на экономику региона (страны);
через поднаправления-усилители (2-й уровень);
через рычаги (инструменты) ДКП и БП (3-й уровень).
Представим пять результатов нашего исследования.
Все модели были построены авторами с использованием программы STATISTICA 6,0 — методы корреляционного и регрессионного моделирования и MS Excel — метод имитационного моделирования (обоснование выбора данных методов описаны выше), в качестве используемых для расчетов показателей были взяты поквартальные данные Бюллетеня банковской статистики ГУ ЦБ по Красноярскому краю за 2005 и 2006 гг. [1].
Первый. Корреляционный анализ показателей (он характеризует степень приближения статистической связи к функциональной и оценивает три стороны связи: наличие, силу и направление) показывает наличие тесных взаимосвязей (табл. 1), подтверждающих теоретические предположения о прямой пропорциональной зависимости между
совокупным доходом Y и реальным денежным предложением М2/Р и его обратной пропорциональной зависимости от нормы процента г.
Строим модель (используя, включая все переменные (табл. 2).
Таким образом, получена модель, в которой все параметры значимы.
Оценив модель по условию Дарвина-Уотсо-на, приходим к выводу, что автокорреляции нет (независимы между собой, независимы с объясняющими переменными). Построив гистограмму распределения остатков, график плотности распределения остатков и проверив их на близость к нормальному распределению, можно сделать вывод, что распределение остатков близко к нормальному распределению, т. е. соблюдается выполнение всех трех условий Гаусса-Маркова.
В построенной авторами модели экономики Красноярского края ГУ Банка России может влиять на ВРП, который изменяется в следующем периоде после применения одного из инструментов ДКП, например ставки рефинансирования. В свою очередь изменения ВРП (или отклонение фактического ВРП от своего потенциального значения) оказывают влияние на денежное предложение М2/Р еще через один период. Таким образом, корректировка ставки рефинансирования ведет к изменению с некоторым лагом денежного спроса. Построив с помощью программы STATISTICA 6,0 линейную регрессионную модель для наших данных и проверив ее на адекватность, мы получили модель вида:
М2/Р=134902 - 340852,0 х г+2,0 х У (1)
На основе поквартальных данных за 2002 — 2006 г. были рассчитаны прогнозные значения денежной массы (денежного предложения) и проведено сравнение с фактическими значениями. Все наблюдаемые значения зависимой переменной попали в доверительный интервал с 95 %-ной надежностью. При поиске нелинейной зависимости показателей ни одного адекватного уравнения не
Таблица 1
Взаимосвязи в экономике края по одному из инструментов дкП
Показатель реальная денежная масса м2/р совокупный доход Y ставка рефинансирования r
Реальная денежная масса М2/Р 1 0,922403253 -0,907960763
Совокупный доход У 0,922403253 1 -0,851444125
Ставка рефинансирования г -0,907960763 -0,851444125 1
Таблица 2
' " ——Коэффициент Переменные —-— Коэффициент при переменных p-level (уровень значимости)
Свободный член 134902 0,0062
ставка рефинансирования г -340852 0,0037
совокупный доход Y 2 0,01299
было найдено. Как правило, при анализе рядов наблюдений авторы исходят из предположения о независимости и равномерном распределении ключевых переменных. Однако какое распределение при этом будет иметь величина исследуемого результирующего показателя — заранее определить нельзя. Одно из возможных решений этой проблемы — попытаться аппроксимировать неизвестное распределение каким-либо известным. При этом в качестве приближения удобнее всего использовать нормальное распределение. Это связано с тем, что в соответствии с центральной предельной теоремой теории вероятностей при выполнении определенных условий сумма большого числа случайных величин имеет распределение, приблизительно соответствующее нормальному распределению.
Второй. Метод Монте-Карло предполагает проведение имитаций для выбора некоторого оптимального сценария. В нашем случае такими сценариями были приняты наихудшее, наилучшее и нормальное значения ключевых переменных. Взяв за наихудшее значение совокупного денежного дохода его минимальное значение за 2002 — 2005 гг., а наилучшее — его максимальное значение (с одним из выбранных инструментов ДКП — ставкой рефинансирования — поступим строго наоборот), получили исходные условия эксперимента. Результаты имитационного моделирования показали, что средняя величина ожидаемого значения денежной массы за 2005 г. составило 198,628 млрд руб., а величина стандартного отклонения (5 млрд руб.) не превышает значения реального денежного предложения (табл. 3).
Результаты анализа показывают, что шанс получить величину денежного предложения (в
условиях ограничений по изменению ставки рефинансирования и совокупного дохода) ниже планируемого уровня не превышает 5, 9 %.
То есть под влиянием факторов, на которые ГУ Банка России не имеет прямых инструментов воздействия и которые в большинстве случаев зависят от субъективной случайной составляющей, при заданных приблизительных сценариях наихудшего и наилучшего развития шанс получить значение результирующего показателя ниже запланированного уровня очень мал. Это может служить сигналом к принятию такого сценария. Все полученные результаты эксперимента соответствуют фактической ситуации 2005 г., когда значение М2/Р изменялось [192,895 млрд руб.;199,064 млрд руб.] Фактически, построенная модель (1) адекватно описывает зависимость денежного предложения от такого инструмента ДКП, как ставка рефинансирования, и может быть успешно использована при прогнозе на будущие периоды, для вычисления вероятности отклонения результатов сценария ДКП от планируемых показателей.
Далее авторы уравняли денежное предложение (М8) и денежный спрос (Мй) и спрогнозировали так называемую точку равновесия М8=МЙ (модель К^М), используя те же методы прогнозирования, что и в предыдущем эксперименте. В данном случае верно будет предположить, что спрос на деньги можно выразить через показатель валового регионального продукта (ВРП). Аналогично алгоритму построения первой модели, была построена адекватная регрессионная модель, которая имеет вид:
ВРП =100478,4 + 142,6 х M2/P.
(2)
Второй результат исследований соответствует фактической ситуации 2005 г. Таким об-
Таблица 3
имитационный анализ (метод монте-карло). распределение с равными вероятностями
Показатель ставка рефинансирования совокупный доход M2/P
Среднее значение (E) 12,508 % 74 044,942 198 628,584
Стандартное отклонение 0,291 3 597,179 5 524,390
Коэффициент Вариации 0,023 0,049 0,028
Минимум 12,00 % 67 695,000 188 016,551
Максимум 13,00 % 80 293,000 209 663,628
Число случаев М2/Р<190 млн. руб - - 26
Вероятность p (М2/Р < X) Величина(X) Номал. (X) P
p (М2/Р < Х) 190 000,000 -1,562 0,059
p (М2/Р < min) 188 016,551 -1,921 0,027
p (М2/Р > max) 209 663,628 1,998 0,977
p (E + 3 ст. откл < E < max) 215 201,753 3,000 0,999
p (E-3 ст. откл < E < min) 182 055,415 -3,000 0,001
разом, данная модель может применяться и для прогнозирования на будущие периоды времени. Фактически полученная система моделей (модель зависимости реального денежного предложения от ставки рефинансирования и совокупного денежного дохода М2/Р=Х (г, У) и модель зависимости ВРП от реального денежного предложения ВРП = ДМ2/Р)) описывает теоретическое действие трансмиссионного механизма, ведь вместо ставки рефинансирования можно использовать любой другой инструмент ДКП и точно так же смотреть, как при непосредственном изменении параметра ДКП меняются последовательно спрос и предложение денег. Помимо прочего данная система моделей позволяет при наличии наихудшего и наилучшего сценариев развития оценить вероятность риска, или, по-другому, — вероятность совокупных потерь, которые выражаются через риск получить определенный макроэкономический показатель ниже запланированного уровня.
Третий. Усложним нашу задачу и построим другую систему моделей — анализ региональной ДКП по каналу издержек привлечения капитала (банковского кредитования/
Фактически получается двухступенчатая модель, в которой на первой ступени идет воздействие подразделения Банка России на банковский сектор региона посредством изменения инструмента ДКП (в данном случае это будет процентная ставка по обязательным резервам в Банке России), а на второй ступени идет передача импульса БП банковским сектором экономике через канал кредитования (денежное предложение).
Спрос на банковские резервы определяется самими коммерческими банками. Он зависит, во-первых, от кредитной экспансии банков, во-вторых, от предпочтения банками активов, альтернативных резервам, например вложениям в государственные и высоколиквидные корпоративные облигации, иностранные активы. На рынке банковских резервов центральный банк воздействует на размеры резервов и ставку процента по банковским резервам.
Тем самым центральный банк оказывает косвенное воздействие на предложение кредитов и ставку процента по кредитам.
Кредиты нефинансовым предприятиям (включая учет векселей) и домохозяйствам более чем на 2/3 предоставляются за счет привлеченных средств (депозитов и средств, привлеченных с помощью различных инструментов) и менее чем на 1/3 — за счет кредитной (денежной) экспансии банков. Такой уровень кредитной экспансии нужно признать крайне низким, учитывая огромное количество незанятых ресурсов в экономике. Этот тезис подтверждается статистическими данными, приведенными в табл. 4.
Из этих факторов, детерминирующих кредитную активность банков, именно кредитная экспансия в наибольшей степени связана с динамикой резервов. Сокращение резервов далеко не всегда сопровождается сжатием кредитов, но практически всегда (даже на коротком отрезке времени) сопряжено со снижением денежной экспансии банков. Поэтому соотношение между объемом резервов и суммой предоставленных кредитов обнаруживает столь резкие колебания: кредиты могут расширяться при неизменных и даже сократившихся резервах за счет привлеченных средств, а также при снижении кредитной экспансии банков.
Отсюда необходимо сделать предварительный вывод для БП, согласно которому кредитная экспансия коммерческих банков детерминируется не объемом резервов, а факторами, лежащими вне кредитно-денежной системы. Кредитная экспансия зависит, прежде всего, от ставки процента и спроса на кредиты и инвестиции. Метод имитационного моделирования позволил включить факторы спроса на кредит и инвестиции, а также предпочтения самих банков к формированию свободных избыточных резервов (предпочтение ликвидности) как случайную составляющую, которая нормально распределена во времени и меняется с изменением субъективных предпочтений и внешних факторов.
Банковские резервы и денежная экспансия банков красноярского края
Таблица 4
дата свободные резервы*, млрд руб. денежная экспансия банков, млрд руб. Отношение денежной экспансии к свободным резервам Отношение кредитов к свободным резервам
01.01.2003 г. 224 577 2,6 6,1
01.01.2004 г. 415 803 1,9 4,9
01.01.2005 г. 624 1 019 1,6 4,8
01.01.2006 г. 452 997 2,2 7,1
01.07.2006 г. 368 1 008 2,7 9,1
* Резервы банков, за вычетом обязательных резервов, депозитов в Банке России.
ки. Таким образом, были построены две системы моделей на основе метода имитационного моделирования, после применения которых для прогнозирования уже имеющихся макроэкономических показателей 2005 г. итоги года были подтверждены произведенными расчетами, что позволило авторам предположить высокую степень адекватности и применимости полученных моделей.
Пятый. В исследовании оценивалась применимость данных моделей для оценки вероятности реализации официально опубликованной Программы социально-экономического развития Красноярского края до 2010 гг. Согласно данной Программе реализация программных мероприятий в соответствии с намеченными целями и задачами позволит увеличить реальные доходы населения к концу 2010 г. в 1,8 раза, номинальные денежные доходы населения в расчете на 1 человека — в 3,2 раза, номинальную среднемесячную начисленную заработную плату — в 3,8 раза. Прирост валового регионального продукта в действующих ценах к уровню 2004 г. к концу первого этапа (2007 г.) составит 70—77 %. В целом за весь период реализации Программы валовой региональный продукт Красноярского края увеличится в 2,9—3 раза. Рост в сопоставимых ценах составит до 130 и 177 % соответственно в 2007 и в 2010 гг. [5]. Достижение указанных изменений валового регионального продукта и реальных доходов населения предполагается достичь за счет опережающего развития приоритетных отраслей и сфер экономики края (перерабатывающие отрасли промышленности, агропромышленный комплекс, строительство, транспорт, связь, предпринимательская деятельность), что одновременно обеспечит диверсификацию существующей структуры экономики, снизит доминирующую роль цветной металлургии, ослабит зависимость доходов бюджета края от ситуации на мировом рынке цветных металлов.
Подставив соответствующие значения увеличения денежных доходов населения в первую модель (1) и проанализировав, каков риск не достигнуть запланированного значения ВРП в 480 — 500 млрд руб. к концу 2007 г., мы пришли к выводу, что шанс получить величину ВРП ниже планируемого уровня не превышает 5 %. Это очень обнадеживает и дает уверенность в реализуемости программы.
Все полученные результаты лишний раз доказывают, что Банку России следует проводить экспансионистскую денежно-кредитную политику, способствующую увеличению денежного предложения, снижению ставки кредитного рынка, сти-
мулирующей спрос на деньги, обратной стороной увеличения которого являются оживление деловой активности и экономический рост. Активное использование средств кредитной эмиссии позволит усилить инвестиционные начала ДКП и вывести российскую экономику на качественно иной уровень экономического роста.
Точно так же при использовании второй «двухступенчатой» модели (2) с БП кредитования коммерческими банками экономики, результаты говорят, что достижение ВРП, равного 480 млрд руб., к концу 2007 г. возможно только при увеличении объемов кредитования реальной экономики почти в 1,8 раза.
В целях обеспечения сопряженности ДКП и БП, снижения совокупных потерь для экономики следует использовать различные параметры 2-го уровня — усилители для активизации кредитования приоритетных с точки зрения экономической политики отраслей экономики, промышленности и регионов. В качестве усилителя показателя денежного предложения авторы предлагают использовать монетизацию дефицита бюджета (размещение в банковской системе региона государственных облигаций федерального и регионального значения под инвестиционные проекты). Этот параметр в наибольшей степени контролируем денежными властями. Что касается предпочтения коммерческих банков к ликвидности, проведенный анализ доказывает, что данное обстоятельство играет немаловажную роль в кредитовании реального сектора, и данное влияние невозможно просчитать математически (в модели склонность к ликвидности включена в случайную составляющую). В целях активизации кредитного процесса российской банковской системы Банку России следовало бы предоставлять гарантии поддержания ликвидности коммерческих банков, направляющих свои средства на кредитование приоритетных с точки зрения задач государственной экономической политики отраслей экономики, промышленности и регионов. В случае задержек отдачи от проектов этих отраслей и регионов он мог бы временно пополнять ликвидность таких банков.
Банковская политика в регионе должна содержать следующие промежуточные параметры, сопряженные с денежно-кредитной политикой:
• уровень капитализации коммерческих банков;
• уровень обязательных резервов и резервов на возможные потери по ссудам, выдаваемым под инвестиционные проекты регионального и федерального значения.
Подводя итоги проделанной работы, можно прийти к выводу, что получена система моделей с использованием имитационного моделирования, которые могут быть успешно применены для осуществления среднесрочного прогноза, учитывающего варианты сценариев использования основных инструментов ДКП и БП и варианты развития макроэкономических факторов на уровне региона. При условии применения анализа специфики региона и модификации моделей, учитывая особенности развития банковского сектора, изучения спроса нефинансового сектора на кредиты и инвестиции, предпочтения ликвидности банков региона в тот или иной период времени, с помощью имитационного моделирования (в частности метода Монте-Карло) можно представить несколько сценариев ДКП и определить риск потерь, взяв за потери отклонение от выбранной нормы определенного макроэкономического показателя (ВРП, денежное предложение) или же какого-либо показателя БП (прибыль, размеры активов, объем кредитования реальной экономики т. д.).
Литература
1. Бюллетень банковской статистики за 2005 и 2006 гг. / ГУ ЦБ РФ по Красноярскому краю, 2006. — № 1 (41) и № 1(49). - 43 с.
2. Корищенко К. С. Структурные факторы механизма денежной трансмиссии: тенденции и перспективы / К. С. Корищенко // Экономика и политика, экономические науки, 2005. - № 2(11). - С. 13 - 15.
3. Малюгин В. И. Система эконометрического моделирования и прогнозирования СЭМП: руководство пользователя. / В.И. Малюгин, Ю.С. Харин, Д.Л. Мурин. - Минск: БГУ, 2000. - 104 с.
4. Парусимова Н. И. Влияние банковского сектора на развитие экономики региона / Н. И. Парусимова, А. И. Зверьков, И. И. Фоменко // Финансы и кредит. 2005. - № 20. - С. 14 - 20.
5. Программа социально-экономического развития края до 2010 года. Оценка эффективности и социально-экономических последствий / Официальный Интернет портал «Красноярский край». - http: //www. krskstate. ru/
6. Суслов В.И. Экономические проблемы развития регионов России / В.И. Суслов, Ю.С. Ершов // Регион: экономика и социология. - 2003. - № 4. - С. 27 - 34.
Подписка eLIBRARy*RII
Теперь журналы Издательского дома «Финансы и Кредит» стали доступны в электронном виде в Научной Электронной Библиотеке (eLIBRARY.RU).
На сайте eLIBRARY.RU можно оформить годовую подписку на текущие и архивные выпуски журналов, приобрести отдельные номера изданий или статьи.
