Разработка комплексных кризисных индикаторов для стран СНГ Текст научной статьи по специальности «Экономика и бизнес»

УДК 336.1

РАЗРАБОТКА КОМПЛЕКСНЫХ КРИЗИСНЫХ ИНДИКАТОРОВ ДЛЯ СТРАН СНГ

Е.А. ФЕДОРОВА,

доктор экономических наук, профессор кафедры финансового менеджмента Е-mail: ecolena@mail.ru Финансовый университет при Правительстве Российской Федерации

В качестве эмпирической базы в исследо-вании было использовано 26 ежеквартальных макроэкономических и финансовых показателей с 2003 по 2012 г. по странам СНГ. На основе эко-нометрического моделирования (пробит-модели и бинарного дерева классификации) разработан набор кризисных индикаторов для стран СНГ, определены их критические границы и сформированы комплексные кризисные индикаторы, обладающие высокой прогностической способностью. На основе теоретического обзора выбраны показатели, которые могут быть кризисными индикаторами для стран СНГ. С помощью методологии построения бинарного дерева классификации разработаны комплексные кризисные индикаторы и их критические значения. На основе визуального сравнения полученных кризисных индикаторов и индикатора EMP доказано использование разработанных кризисных индикаторов и применение моделей бинарного выбора для прогнозирования в странах СНГ. Полученный комплексный индикатор включает темп роста ВВП, темп роста денежного агрегата М2, отношение ставки по кредитам к ставке по депозитам и спрэда процентной ставки. Применение предлагаемой методологии исследования для Азербайджана и Белоруссии не дает качественного анализа. Объяснением этому может служить то, что эти страны весьма слабо интегрированы в пространство СНГ, имеют слабые партнерские отношения с другими государствами, а также не соответствуют общепринятой рыночной модели развития. Остальные страны почти полностью повторяют поведение индикаторов в России, и это вполне объяснимо высоким уровнем финансовой интеграции между изучаемыми странами.

Ключевые слова: кризисные индикаторы, индекс валютного давления, комплексный кризисный

индикатор, классификация, бинарное дерево, про-бит-модель

На современном этапе развития мировой экономики финансовый кризис имеет системный и глобальный характер, отличается глубиной и масштабностью распространения. При этом масштабы и глубина последствий глобального кризиса различаются в разных государствах, так же, как и в странах СНГ. В исследовании автор разрабатывает кризисные индикаторы, которые можно использовать Минэкономразвития России для прогнозирования кризисных ситуаций в РФ. Отличие авторского подхода от предыдущих заключается в применении эконометрической методологии, позволяющей выявить не только влияние кризисных индикаторов на возникновение финансового кризиса, но и определить критические границы.

Ранние модели предупреждения развивались с течением времени, начиная с первого поколения моделей, которые изучали макроэкономические дисбалансы. Изначально модели прогнозирования кризиса были направлены на изучение банковских и валютных кризисов, при этом акцент был сделан в основном на макроэкономические и финансовые дисбалансы, как правило, в контексте развивающихся рынков. Одним из первых ученых, который предложил использовать индикаторы финансово-экономического состояния для предупреждения кризисных ситуаций, был Каминский и др. [12]. В своем исследовании они доказали, что в качестве

кризисных индикаторов можно использовать темп роста денежной массы, отношение торгового баланса к ВВП, рост экспорта, рост импорта и многие другие (табл. 1). В следующих работах ученых и исследователей список кризисных индикаторов был значительно расширен. Так например, Чевалер [9] выполнил полный анализ и доказал, что темп роста валютных резервов, реальный обменный курс, рост ВВП и отношение текущего счета к ВВП являются наиболее частыми значимыми показателями в 83 работах. Одними из индикаторов, которыми также часто пользуются в последнее время, являются показатели, относящиеся к кредитным операциям коммерческих банков (см. работы [6, 15])).

Что касается кризисных индикаторов, которые используются в России, то они разрабатываются институтами и государственными органами. К ним можно отнести:

— сводные опережающие индикаторы системного банковского кризиса, кредитных и валютных рисков, оттока средств со счетов и депозитов населения, публикуемые Центром макроэкономического анализа и краткосрочного прогнозирования;

— индекс предпринимательской уверенности, публикуемый Росстатом и основанный на опросе руководителей компаний;

— различные индексы промышленного Института экономической политики им. Е.Т. Гайдара и т.д.

В работе В.К. Сенчаговой и С.Н. Митякова1 предлагаются в качестве кризисных индикаторов следующие показатели:

—темп инфляции, денежная масса М2 к ВВП, %;

— индекс промышленного производства в России (к соответствующему периоду предыдущего года), %;

— инвестиции в основной капитал (к соответствующему периоду предыдущего года), %;

— уровень безработицы по методологии МОТ, % и др.

В работе [1] Г.В. Клейнер затрагивает вопросы кризиса для России. В работе А.В. Улюкаева и П.В. Труниной [2] к использованию для РФ предлагается комплексный индикатор ЕМР (индекс валютного давления). Этот показатель обычно представляет собой средневзвешенное значение темпа

1 СенчаговаВ.К., Митяков С.Н. Сравнительный анализ влияния финансово-экономических кризисов 1998 года и 2008-2009 годов на индикаторы экономической безопасности России // Вестник финансового университета. 2013. № 6. С. 71-88.

обесценения национальной валюты (как правило, по сравнению с долларом США, в номинальном или реальном выражении), ежемесячного изменения величины золотовалютных резервов (в процентном выражении) и ежемесячного изменения процентной ставки. Подробно EMP и его применение описаны в работе Е.А. Федоровой и И.Я. Лукасевича [3]. При определении кризисных периодов в РФ Е.А. Федорова и О.В. Безрук используют EMP [4]. В данном исследовании разработанный кризисный индикатор будем сравнивать с рассчитанным EMP для стран СНГ.

Таким образом, применяется следующая методология:

1) на основе теоретического обзора выбраны показатели, которые могут быть кризисными индикаторами для стран СНГ;

2) с помощью применения методологии BCT (построения бинарного дерева классификации) разработаны комплексные кризисные индикаторы и их критические значения;

3) на основе визуального сравнения полученных кризисных индикаторов и индикатора EMP, применения моделей бинарного выбора доказано использование разработанных кризисных индикаторов для прогнозирования в странах СНГ.

Для разработки комплексного кризисного индикатора был выбран ряд показателей. В дополнение к традиционным макроэкономическим показателям было включено несколько показателей, характеризующих уязвимость банков стран СНГ. Такими показателями являются: рост банковских депозитов, соотношение ставки кредитования на ставки по депозитам, спрэд процентной ставки и ставка рефинансирования. Также использовались переменные притока капитала — внешний долг, внутренний долг, денежная масса в отношении к резервам, прямые инвестиции, портфельные инвестиции, иностранные обязательства, чистые иностранные активы.

Исследование включает в себя в общей сложности 26 ежеквартальных макроэкономических и финансовых показателей с 2003 по 2012 г. по странам СНГ. В качестве источников информации использовались данные комитетов статистики стран СНГ2, база данных Международной финансовой статистики IFS (International Financial Statistics) Международного валютного фонда3,

2 URL: http://www.cisstat.com.

3 Официальный сайт базы данных IFS Международного валютного фонда. URL: http://elibrary-data.imf.org.

Методы анализа Methods of anatysis - 13 -

Таблица 1

Используемые индикаторы

Показатель Предполагаемая значимость Автор

Макроэкономический сектор

Real GDP growth + Карамацца [8]

Inflation + Хоукинс и Клоу [11], Дуттагупта и Кашин [10]

Unemployment - Комулайнен и Луккарила [13]

Output growth + Каминский, Лизондо и Рехард [12]

Domestic credit growth + Абиад, Беркмен [5, 7]

Government overall balance (to nominal GDP) - Каминский, Лизондо и Рехард

Внешний сектор

Official FX reserves (to broad money) + Абиад [5]

Official FX reserves (to GDP) + Абиад

Terms of trade growth + Каминский, Лизондо и Рехард

Export growth - Каминский, Лизондо и Рехард

Import growth - Каминский, Лизондо и Рехард

Trade balance (to GDP) - Каминский, Лизондо и Рехард

Финансовый сектор

M2 to GDP - Лане [14]

Refinancing rate - Лане

Domestic credit (to GDP) + Каминский, Лизондо и Рехард

M2 growth + Каминский, Лизондо и Рехард

Real deposite rate + Хоукинс и Клоу, Дуттагупта и Кашин

Ratio of lending rate (to deposit rate) + Хоукинс и Клоу, Дуттагупта и Кашин

The real exchange rate + Каминский, Лизондо и Рехард

Потоки капитала

Net foreign assets (to GDP) + Домак

Interest rate spread + Хоукинс и Клоу, Дуттагупта и Кашин

Portfolio investment liabilities (to GDP) + Комулайнен и Луккарила

Foreign direct investments (to GDP) - Комулайнен и Луккарила

Foreign liabilities (to GDP) + Комулайнен и Луккарила

Foreign debt (to export) + Каминский, Лизондо и Рехард

Current account balance (to GDP) + Карамацца

Международного банка4 и аналитического агентства Bloomberg5 .

Можно отметить, что при прогнозировании кризисных ситуаций применяется множество разных методов оценки. Здесь также существует несколько подходов, среди которых наиболее разработанными и часто используемыми на практике в настоящее время являются:

1) сигнальный или непараметрический подход;

2) пробит- и логит-моделирование с ограниченной (цензурированной) зависимой переменной;

3) построение бинарных классификационных деревьев BCT (Binary Classification Tree).

При первом подходе изучается и сравнивается поведение экономических показателей в периоды

4 Официальный сайт базы данных Международного банка. URL: http://data.worldbank.org.

5 Официальный сайт базы данных аналитического агентства Bloomberg. URL: http://www.bloomberg.com/markets .

до и после кризиса и определяются фундаментальные экономические факторы, наиболее эффективно сигнализирующие о надвигающемся кризисе на основании превышения или недостижения ими определенных пороговых значений. При втором подходе для решения задачи по отбору фундаментальных экономических факторов, значимых при прогнозировании кризисов, применяются пробит- и логит-модели с ограниченной (цензурированной) зависимой переменной. Эти модели представляют собой статистические (нелинейные) модели анализа зависимости качественных (в первую очередь — бинарных) переменных от множества факторов, основанные на нормальном и логистическом распределениях соответственно. Третий подход для проведения отбора фундаментальных экономических факторов предполагает использование моделей построения бинарных классификационных деревьев BCT (Binary Classification Tree). В настоящее время относительно небольшое количество

Методы анализа Metfqds qfanaCysis - 14 -

Таблица 2

Границы кризисных периодов c 2003 по 2012 г.

Страна Стандартная модель Модель Маркова

Армения 2009q1, 20^1 2003q1-2003q4, 2008q4-2012q2

Азербайджан 2005q1, 201Ц1 2003q1-2005q2, 2008q1-2008q2, 2010q1-2011q3, 20^1-20^2

Беларусь 201Ц3-20^1 201^1-20^1

Казахстан 2007q3, 2009q1-2009q2 2007q2-2009q4, 20^2

Киргизия 2009q1, 2009q3-2009q4, 2010q2 2008q4-2012q2

Молдова 2009q1, 2010q2 2004q3-2005q4, 2007q2-2010q2

Россия 2008q4-2009q1 2008q2-2009q4, 2011q4-2012q2

Таджикистан 2009q1, 2009q4 2003q1-2004q3, 2007q3, 2008q4-2009q4

Украина 2008q4-2009q1, 2009q4 2008q4-2009q4, 2011q2-2012q2

исследователей используют этот метод для анализа экономических кризисов.

Отличие этого подхода заключается в применении современных эконометрических методов, позволяющих не только выявить кризисный индикатор, но и оценить его пороговое значение. В качестве методов определения кризисных индикаторов используется метод бинарного дерева и пробит-моделирование.

Основываясь на ЕМР, были определены кризисные эпизоды для стран СНГ (табл. 2). Для того чтобы избежать проблем эндоген-ности и сохранить прогнозную роль модели, переменные берутся с лагом в один квартал. Кроме того, чтобы избежать влияния кризисной ситуации на поведение показателей после наступления кризиса, кризисные наблюдения после первого года кризиса были удалены для всех кризисных эпизодов.

В результате расчета индексов ЕМР стандартная модель не выявила все возможные кризисные периоды, и только модель с марковским переключением дала качественные результаты. Полученные на основе расчетов кризисные индикаторы зависят от того, какой именно период был определен как кризисный. В работе кризисные периоды определялись по методу ЕМР, границы ЕМР были определены с помощью модели Маркова и стандартного метода. Автор доказал, что для определения кризиса необходимо использовать метод Маркова при определении кризисных периодов, при применении других методов программный продукт не выявил значимые кризисные индикаторы.

Полученное бинарное классификационное дерево имеет два терминальных узла (рис. 1). Дальнейшие разбиение дерева не имеет смысла, так как определен совокупный индикатор Дамми, который

Total obs.-342. No. of crisis-123. Prob. Of crisis-36,0%

Is GDP growth <98,5%

Total obs.-317. No. of crisis - 98. Prob. Of crisis-30,9%

Is M2 growth <132,5%

Total obs.-25. No. of crisis - 25. Prob. Of crisis-100%

Crisis-prone D1

Total obs. -168. No. of crisis - 73. Prob. Of crisis-43,5%

Is Ratio of lending rate (to deposit rate) <3,5%

Total obs.-125. No. of crisis - 64. Prob. Of crisis-52,2%

Is Interest rate spread < 7,26%

Total obs.-43. No. of crisis - 9. Prob. Of crisis - 20,9%

Not crisis-prone

Total obs. - 67. No. of crisis - 20. Prob. Of crisis-29,8%

Not crisis-prone

Total obs. - 58.

No. of crisis - -44.

Prob. Of crisis - 75,9%

Crisis-prone D2

Рис. 1. Бинарное классификационное дерево для Армении, Азербайджана, Белоруссии, Казахстана, Киргизии, Молдовы, России, Таджикистана и Украины

показывает границу поведения основных показателей для стран СНГ в кризисный период. Анализ данных рис. 1 свидетельствует, что родительский узел сначала разбивается на основе показателя реального роста ВВП, пороговое значение которого в кризисный период составляет 98,5% (назовем его

D1), т.е. можно сказать, что при падении роста ВВП на -1,5% условная вероятность кризиса возрастает до 100%.

Далее каждый дочерний узел дополнительно разбит на основе значений других ключевых переменных. И, наконец, находим терминальный узел, подверженный кризису с условной вероятностью 75,9% (назовем его D2).

Рассмотрим роль полученных в результате моделирования бинарного классификационного дерева индикаторов Дамми D1 и D2 для каждой страны по отдельности:

D1 (рост ВВП < 98,5%);

D2 (рост ВВП > 98,5%, рост М2 < 132,5%, отношение ставки по кредитам к ставке по депозитам < 7,26%, спрэд > 7,26%.).

Если показатели соответствуют обозначенным границам, то существует высокая вероятность наступления кризисной ситуации в странах СНГ с лагом в один год. Однако каждая страна имеет свои особенности. Ежеквартальные результаты поведения индикаторов Дамми D1 и D2 с 2003 по 2012 г. в России в сравнении с индексом ЕМР представлены на рис. 2. Индекс ЕМР является общепринятым индексом оценки кризисных ситуаций в стране.

Анализ данных рис. 2 свидетельствует, что индикаторы Дамми D1 и D2 выбраны верно. То есть во время кризисного периода эти два фактора присутствуют, при этом экономическое положение, связанное с фактором D2, предшествует фактору D1.

Суммарный индикатор Дамми D2 состоит из следующих составляющих: темп роста ВВП, темп роста денежного агрегата М2, отношение ставки по кредитам к ставке по депозитам и спрэда процентной ставки. По полученным граничным значениям индикаторов видно, что темп роста ВВП находится

в относительно стабильном состоянии и показывает рост этого индикатора и падение условной вероятности кризиса до 30,9%, но при сокращении темпа роста денежного агрегата М2 условная вероятность кризиса возрастает до 43,5%. Это связано с тем, что денежный агрегат М2 напрямую зависит от объемов экономики. Иными словами, при росте денежного предложения объемы экономики увеличиваются либо создаются предпосылки для их увеличения, что также позитивно сказывается на курсе национальной валюты. Когда же денежная масса уменьшается, экономический рост замедляется, и возможен переход к рецессии. При этом цена национальной валюты заметно уменьшается.

Следующим фактором, увеличивающим условную кризисную вероятность до 51,2%, является уменьшение величины отношения ставки по кредитам к ставке по депозитам, но при этом спрэд процентной ставки не превышает значения, равного 7,26%.

В России можно объяснить уменьшение процентных ставок по депозитам физических лиц в 2007-2008 гг. за счет политики активных заимствований коммерческих банков на внешних рынках. Более дешевые и длинные иностранные кредиты были более привлекательными, чем депозиты населения. В результате доля иностранных кредитов в совокупных пассивах банковской системы увеличилась с 12% в начале 2005 г. до 19,5 % в середине 2008 г. Соответственно доля депозитов населения снизилась за тот же период с 30 до 24,4%.

Начиная с I квартала 2009 г. вступает в силу индикатор Дамми D1, который показывает отрицательный темп роста ВВП. Подтверждая полученные результаты, вспомним положение России в кризисном 2008 г.: банки столкнулись с нехваткой финансовых

1т

0,5--

2003 2004 2005 2006 2007 2008 2009

6-И

2010

2011

2012

Рис. 2. Ежеквартальные результаты поведения индикаторов Дамми Б1 и Б2 с 2003 по 2012 г. в России

0

ресурсов для перекредитования среднего и крупного Таким образом, в работе рассчитывается рег-

бизнеса, так как банкам не возвращались проценты рессия на всей выборке кризисных индикаторов с

с этих кредитов. Падение же цен на нефть сказалось помощью пробит-анализа и выявляются значимые

позже (в 2009 г.), и, в первую очередь, на федераль- индикаторы. В регрессию добавлены переменные

ном бюджете и на отрицательном темпе роста ВВП. Дамми с помощью определенных на основе ВСТ

Рассмотрим полученные результаты для ос- пороговых значений. Если переменная, например,

тальных стран СНГ (рис. 3). рост денежной массы, выше порогового значения,

Из полученных результатов видно, что пред- то ставится 1, если ниже, то 0. Если такая перемен-

лагаемая методология исследования для Азербай- ная значима, то, следовательно, пороговые значения

джана и Белоруссии не дает качественного анализа. определены верно. Проверяется значимость терми-

Объяснением этому может служить то, что эти нальных узлов на различных лагах.

страны весьма слабо интегрированы в пространство Результаты оценок при различных лагах при-

СНГ, имеют незначительные партнерские отноше- ведены в табл. 3

ния с другими государствами, а также не соответс- Проанализировав данные табл. 3, можно сде-

твуют общепринятой рыночной модели развития. лать следующие выводы.

Остальные страны почти полностью повторяют Из блока макроэкономического сектора значи-

поведение индикаторов в России, и это вполне мы на всех лагах ВВП и инфляция, по этим пока-

объяснимо сильной экономической зависимостью зателям нет критических значений, но они входят

между странами, т.е. можно сказать, что чаще в совокупный индикатор. Суммарный индикатор

всего отрицательному приросту ВВП предшест- Дамми D2 состоит из таких составляющих, как темп

вует падение темпа роста денежного агрегата М2, роста ВВП, темп роста денежного агрегата М2, от-

снижение отношения процентной ставки кредита к ношение ставки по кредитам к ставке по депозитам

процентной ставке депозита и увеличение спрэда и спрэда процентной ставки. Высокая инфляция

процентной ставки. приводит к реальному удорожанию национальной

a

б

в

1 -i

е,5 -•

оеез 0004 0005 оееб

oee7 0008 0009 г

0010 0011 0010

0,5 -..........\

0003 0004 0005 0006 0007 0008 0009 0010

д

2011 2012

0

1

0,5 -4..........

д!

0003 0004 0005 0006 0007 0008 0009 0010 0011 0010

0,5

Д • Д. Д i & • Д- ' 41 ] д*Д I

2003 2004 2005 2006 2007 2008 2009

Ж

2010 2011 2012

0,5

I Л1-л+д.

Д+4

0

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

3

—О— D1 —□— D2 »..Д.... EMP

Рис.3. Ежеквартальные результаты поведения индикаторов Дамми Б1 и Б2 с 2003 по 2012 г. в странах СНГ: а — Армения; б — Казахстан; в — Киргизия; г — Молдова; д — Таджикистан; е — Украина; ж — Азербайджан; з — Беларусь

0

1

0

1

0

1

Методы анализа Metfqds qfanaCysis - 18 -

Таблица 3

Пробит-анализ для стран СНГ при различных лагах

Переменная Лаг — 0 Лаг — 1 квартал Лаг — 6 мес. Лаг — 1 год

Макроэкономический сектор

ВВП +(**) +(**) +(*)

Инфляция +(**) +(**) +(***)

Безработица - - - -

Темпы роста мирового производства - - - -

Внутренний кредит - - - -

Баланс бюджета к ВВП - - - -

Внешний сектор

Денежный агрегат М2 к резервам - - - -

Резервы к ВВП - - +(***) +(**)

Условия торговли +(**) +(***) +(***) +(***)

Экспорт - - - -

Импорт - - +(**) +(**)

Торговый баланс к ВВП - - - -

Финансовый сектор

Денежный агрегат М2 к ВВП - - - -

Внутренний кредит к ВВП - - - -

Денежный агрегат М2 +(***) +(***) +(***) +(**)

Дамми D3 — М2 < 132,5% +(*) +(***) +(***) +(***)

Ставка депозита - - - -

Отношение ставки по кредитам к ставке по депозитам (1г / dr) +(***) +(***) +(***) +(***)

Дамми D4 — 1г /dr < 3,5 +(**) - - -

Валютный курс +(**) - +(***) +(***)

Потоки капитала

Иностранные прямые инвестиции к ВВП +(***) +(**) +(**) +(***)

Спрэд процентной ставки +(***) +(***) +(***) +(*)

Дамми D5 — Спрэд процентной ставки > 7,26 - - - -

Портфельные инвестиции к ВВП - - - -

Чистые иностранные активы к ВВП +(**) +(***) - +(***)

Иностранные обязательства к ВВП +(**) - - -

Внешний долг к экспорту - - - -

Сальдо по текущим счетам к ВВП +(***) +(***) +(***) +(**)

D1, соответствующий терминальному узлу 1 +(***) +(*) - +(***)

D2, соответствующий терминальному узлу 2 +(***) - - +(*)

Я2 39,3 27,1 35,8 41,3

Примечание. Значимость оценивалась по г-статистике. Критические значения г-статистик при уровнях значимости: * — 10%; ** — 5%; *** — 1%.

валюты. Вместе с тем дефляция ассоциирована с экономическим кризисом. Кроме того, следует отметить, что если правительство проводит курс на сокращение инфляции, под ударом оказывается банковская система. Для стран СНГ инфляция оказалась значимой в качестве кризисного индикатора по всем лагам.

Что касается внешнего сектора, то отношение резервов к ВВП значимо на лагах 6 мес. и один год. Условия торговли значимы на всех лагах. В финансовом секторе значимым фактором является денежная масса на всех лагах и Дамми-3, т.е. рассчитанное критическое значение меньше или равно 135%. Финансовые кризисы зачастую возникают

одновременно с валютным кризисом или вслед за ним. Переоцененность национальной валюты в реальном выражении может привести к формированию девальвационных ожиданий. Более высокие девальвационные ожидания являются источником массовых изъятий депозитов вкладчиками банков. Прирост валютного курса является значимым индикатором на всех лагах, кроме лага в 1 квартал.

Больше всего значимых факторов в блоке потоков капитала: иностранные прямые инвестиции к ВВП, спрэд процентной ставки, отношение чистых иностранных активов к ВВП, сальдо по текущим операциям. Наиболее вероятно распространение кризиса на соседние страны, которые связаны тес-

ными торговыми отношениями и имеют незначительные запасы валютных резервов. Таким образом, обладание большими резервами может самортизировать давление на валютный курс и защитить страну от кризиса. В случае распространения кризиса по торговому каналу страны могут диверсифицировать торговлю и (или) совместно зафиксировать свои валютные курсы для предотвращения финансовых кризисов, ведущих к потере международной конкурентоспособности. Практически все экономические индикаторы потоков капитала, за исключением портфельных инвестиций к ВВП и внешнего долга к экспорту, оказались значимыми при разных лагах в качестве кризисных индикаторов. Что касается рассчитанных индикаторов Дамми (Б1 и Б2) в терминальных узлах, то их лучше использовать за год до наступления кризиса.

Можно отметить, что уровень развития исследований индикаторов кризисов и прогнозирования кризисов, разработки основных положений государственной антикризисной политики в России пока не полностью соответствует высоким стандартам ведущих мировых центров. Результаты проведенного в статье исследования могут быть использованы для мониторинга финансовой стабильности в РФ и странах СНГ. Полученный индикатор рекомендуется автором для регулярного мониторинга в целях своевременного принятия мер антикризисного управления.

Надо отметить, что предлагаемые индикаторы дают лишь определенную информацию о складывающихся тенденциях в исследованиях финансовой стабильности, но никак не указывают однозначно на возникновение (отсутствие) финансового кризиса. При определении вероятности возникновения кризисной ситуации в дополнение к предлагаемым индикаторам следует также использовать экспертные оценки, учитывающие специфику отдельных экономик стран СНГ. Применение предлагаемой методологии исследования для Азербайджана и Белоруссии не дает качественного анализа. Объяснением этому может служить то, что эти страны весьма слабо интегрированы в пространство СНГ, имеют слабые партнерские отношения с другими государствами, а также не соответствуют общепринятой рыночной модели развития. Остальные страны почти полностью повторяют поведение индикаторов в России, и это вполне объяснимо высоким уровнем финансовой интеграции между ними.

Отличие проведенного исследования заключается в том, что были предложены не только индикаторы кризисных ситуаций, но и их критические значения. Если индикатор находится не в соответствии с критическим значением, то в стране может наступить кризисная ситуация. Критические значения были рассчитаны на основе применения метода BCT (построение бинарного дерева классификации).

Разработаны комплексные кризисные индикаторы, однако их применение различается в зависимости от особенности экономики стран СНГ (анализ проводился на основе сравнения предлагаемых кризисных индикаторов с индикаторов EMP).

В работе рассчитаны кризисные индикаторы в зависимости от лагов (три месяца, шесть месяцев, девять месяцев и один год). Больше всего значимых факторов в блоке потоков капитала: иностранные прямые инвестиции к ВВП, спрэд процентной ставки, отношение чистых иностранных активов к ВВП, сальдо по текущим операциям.

Список литературы

1. Клейнер Г.Б. Экономика должна быть гармоничной // Современная конкуренция. 2009. № 2. С.19-21.

2. Улюкаев А.В., Трунин П.В. Применение сигнального подхода к разработке индикаторов — предвестников финансовой нестабильности в РФ // Проблемы прогнозирования. 2008. № 5. C. 100-108.

3. Федорова Е.А., Лукасевич И.Я. Индекс давления на валютный рынок (EMP): особенности развивающихся рынков // Журнал Новой экономической ассоциации. 2012. № 2. C. 51-66.

4. Федорова Е.А., Безрук О.В. Анализ и оценка каналов распространения финансовых кризисов на развивающихся рынках // Вопросы экономики. 2011. № 7. С. 120-128.

5. AbiadA. Early Warning Systems; A Survey and a Regime-Switching Approach // IMF Working Papers 03/32, 2003.

6. Alessi L., Detken С. Quasi Real Time Early Warning Indicators for Costly Asset Price Boom/bust Cycles: A Role for Global Liquidity // European Journal of Political Economy. 2011. Vol. 27. № 3. Р. 520-533.

7. Berkmen P., Gelos G., Rennhack R., Walsh J. The Global Financial Crisis: Explaining Cross-Country Differences in the Output Impact // IMF Working Papers 09/280. 2009.

8 . Caramazza F., Ricci L., Salgado R. International financial contagion in currency crises // Journal of International Money and Finance. 2004. № 23. P. 51-70.

9. Chevallier J. Global imbalances, cross-market linkages, and the financial crisis: A multivariate Markov-switching analysis // Economic Modelling. 2012. № 29. P. 943-973.

10. Duttagupta R., Cashin P. Anatomy of banking crises in developing and emerging market countries // Journal of International Money and Finance. 2011. № 30. P. 354-376.

11. Hawkins J., Klau M. Measuring potential vulnerabilities in emerging market economies // BIS Working Papers 91. Bank for International Settlements. 2000.

12. Kaminsky G., Lizondo S., Reinhart C. Leading Indicators of Currency Crisis // IMF Staff Papers, Palgrave Macmillan Journals. 1998. № 45.

13 . Komulainen T., Lukkarila J. What drives financial crises in emerging markets? // Emerging Markets Review. 2003. № 4. P. 248-272.

14. Lane P., Milesi-Ferretti G.M. The cross-country incidence of the global crisis // IMF Economic Review.

2011. № 59. P. 77-110.

15 . Schularick M., Taylor A.M. Credit Booms Gone Bust: Monetary Policy, Leverage Cycles, and Financial Crises, 1870-2008 // American Economic Review.

2012. Vol. 102. № 2. P. 1029-1061.

Economic analysis: theory and practice Methods of analysis

ISSN 2311-8725 (Online) ISSN 2073-039X (Print)

DEVELOPMENT OF INTEGRATED CRISIS INDICATORS FOR CIS COUNTRIES Elena A. FEDOROVA

Abstract

As the empirical base of the study, I used 26 quarterly macroeconomic and financial indicators from 2003 to 2012 in the CIS countries. On the basis of econometric modeling, i.e., a probit model and binary tree classification, I have developed a set of critical indicators for the CIS countries, defined their critical limits and formed complex crisis indicators with high predictive ability. On the basis of a theoretical review, I have selected indicators, which can be critical indicators for CIS countries. By applying the methodology of binary classification tree, I have developed complex crisis indicators and their critical values. Based on a visual comparison of critical indicators and the EMP indicator, I prove the use of developed critical indicators and application models of binary choice for the forecasting in CIS countries. The integrated indicator includes the GDP growth rate, the growth rate of the monetary aggregate M2, ratio of rates to the rate on deposits and interest rate spread Application of the proposed research methodology for Azerbaijan and Belarus does not provide a qualitative analysis. The explanation for this is the fact that these countries are very poorly integrated into the space of the CIS, have weak partnerships with other States, as well as do not correspond to normal market development

model. The rest of the countries almost entirely repeat the behavior indicators in Russia, what is explained by a high level of financial integration between the studied countries

Keywords: crisis indicators, monetary crisis index, integrated pressure indicator, classification, binary tree, probit model

References

1. Kleiner G.B. Ekonomika dolzhna byt' garmon-ichnoi [The economy should be harmonious]. Sovre-mennaya konkurentsiya — Modern competition, 2009, no. 2, pp. 19-21.

2. Ulyukaev A.V., Trunin P.V. Primenenie signal'nogo podkhoda k razrabotke indikatorov — predvestnikov finansovoi nestabil'nosti v RF [Application of a signal approach to the development of indicators — forerunners of financial instability in Russia]. Problemy prognozirovaniya — Problems of forecasting, 2008, no. 5, pp. 100-108.

3. Fedorova E.A., Lukasevich I.Ya. Indeks dav-leniya na valyutnyi rynok (EMP): osobennosti razvivay-ushchikhsya rynkov [Exchange Market Pressure index (EMP): the specifics of emerging markets]. Zhurnal Novoi ekonomicheskoi assotsiatsii — Journal of New Economic Association, 2012, no. 2, pp. 51-66.

4. Fedorova E.A., Bezruk O.V. Analiz i otsenka kanalov rasprostraneniya finansovykh krizisov na razvivayushchikhsya rynkakh [Analysis and evaluation of distribution channels of financial crises in emerging markets]. Voprosy Economiki, 2011, no. 7, pp.120-128.

5. Abiad A. Early Warning Systems; A Survey and a Regime-Switching Approach . IMF Working Papers 03/32, 2003.

6. Alessi L., Detken C. Quasi Real Time Early Warning Indicators for Costly Asset Price Boom/ Bust Cycles: A Role for Global Liquidity. European Journal of Political Economy, 2011, vol. 27, no. 3, pp. 520-533.

7. Berkmen P., Gelos G., Rennhack R.,Walsh J. The Global Financial Crisis: Explaining Cross-Country Differences in the Output Impact. IMF Working Papers 09/280, 2009.

8. Caramazza F., Ricci L., Salgado R. International financial contagion in currency crises . Journal of International Money and Finance, 2004, no. 23, pp. 51-70.

9. Chevallier J. Global imbalances, cross-market linkages, and the financial crisis: A multivariate Markov-switching analysis. Economic Modelling, 2012, no.29, pp. 943-973.

10. Duttagupta R., Cashin P. Anatomy of banking crises in developing and emerging market countries . Journal of International Money and Finance, 2011, no. 30, pp. 354-376.

11. Hawkins J., Klau M. Measuring potential vulnerabilities in emerging market economies . BIS Working Papers 91. Bank for International Settlements, 2000.

12. Kaminsky G., Lizondo S., Reinhart C. Leading Indicators of Currency Crisis . IMF Staff Papers, PalgraveMacmillan Journals, 1998, no. 45.

13. Komulainen T., Lukkarila J. What drives financial crises in emerging markets? Emerging Markets Review, 2003, no. 4, pp. 248-272.

14. Lane P., Milesi-Ferretti G.M. The cross-country incidence of the global crisis . IMF Economic Review, 2011, no. 59, pp. 77-110.

15. Schularick M., Taylor A.M. Credit Booms Gone Bust: Monetary Policy, Leverage Cycles, and Financial Crises, 1870-2008. American Economic Review, 2012, vol. 102, no. 2, pp. 1029-1061.

Elena A. FEDOROVA

Financial University

under Government of Russian Federation, Moscow, Russian Federation ecolena@mail . ru