ISSN 2311-8709 (Online) Денежно-кредитное регулирование
ISSN 2071-4688 (Print)
УСТАНОВЛЕНИЕ ВЛИЯНИЯ ДЕНЕЖНО-КРЕДИТНОЙ ПОЛИТИКИ МЕТОДОМ ВЕКТОРНОЙ АВТОРЕГРЕССИИ
Олег Николаевич САЛМАНОВ3', Виктор Макарович ЗАЕРНЮКЬ, Ольга Алексеевна ЛОПАТИНА0
a доктор экономических наук, профессор, Технологический университет МГОТУ, г. Королёв, Московская область, Российская Федерация olegsalmanov@yandex.ru
b доктор экономических наук, доцент, профессор,
Российский государственный геологоразведочный университет им. Серго Орджоникидзе,
Москва, Российская Федерация
zvm465@mail.ru
c аспирант кафедры,
Технологический университет МГОТУ,
г. Королёв, Московская область, Российская Федерация
ogunba@mail.ru
• Ответственный автор
История статьи:
Принята 24.05.2016 Принята в доработанном виде 07.06.2016 Одобрена 28.06.2016
УДК 338.2 JEL: Е41, Е52, Е58
Ключевые слова: денежно-кредитная политика, векторная авторегрессия, импульсные функции
Аннотация
Предмет и тема. Функционирование каналов денежно-кредитной трансмиссии. Цели. Анализ механизмов денежно-кредитной политики, исследование динамических реакций основных макроэкономических переменных денежной политики по оценкам импульсных функций отклика.
Методология. Был использован метод векторной авторегрессии (VAR). Выполнен анализ импульсных функций от шоков процентной ставки, корпоративного кредитования, объемов денежной массы, роста уровня цен и обменного курса. Дана интерпретация каналов трансмиссии российской экономики.
Результаты. Рассмотрены и статистически подтверждены каналы денежно-кредитной трансмиссии: процентный, банковского кредитования, денежных потоков, непредвиденного уровня цен и курсовой канал. В целом результаты показывают, что применение стандартных методов VAR для области данных российской экономики как развивающейся могут использоваться в качестве ориентира для дальнейшего теоретического и эмпирического анализа механизма передачи. Найдено стационарное решение для 12 основных переменных и статистически подтверждается существование 5 каналов трансмиссии, которые существуют с разной степенью эффективности.
Выводы и значимость. Каналы денежно-кредитной трансмиссии бывают разной степени эффективности. Выявлены высокая эффективность курсового канала, канала банковского кредитования и канала непредвиденного роста уровня цен, низкая эффективность процентного канала и канала денежных потоков. Результаты применения стандартных методов VAR для развивающейся российской экономики могут использоваться в качестве ориентира для дальнейшего теоретического и эмпирического анализа механизма передачи. Тщательное выявление каналов передачи денежно-кредитной политики представляет собой важный шаг в глобальной оценке огромных институциональных изменений. Исследования в этом направлении должны обновляться постоянно из-за сильной структурной динамики.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2016
Введение
Стабилизация экономики продолжает оставаться острой проблемой в развивающихся странах, и, по мнению Mishra & МоШМ [1], определение средств повышения эффективности денежно-кредитной политики в таких странах является важной задачей. Значимым инструментом анализа механизмов денежно-кредитной политики стали модели векторной авторегрессии (УЛЯ модели). Данная техника исследований может использовать сниженное количество теоретических ограничений, что дает возможность их легко использовать и
выявлять структурные потрясения. Модели УЛЯ, по утверждению L. Christiano [2, 3], по-прежнему играют важную роль сегодня. Немалое значение имеет тот факт, что по оценкам импульсных функций отклика модели УЛЯ обеспечивают естественный способ выбора параметров структурной модели и оценки эмпирической достоверности альтернативных моделей. Поскольку имеется возможность получать эмпирически правдоподобные оценки динамических реакций основных макроэкономических переменных денежной политики, методы УЛЯ широко используются как в оценке эмпирической
подгонки структурных моделей (например, [4, 5]) так и в приложениях денежной политики [6].
Основы использования векторной авторегрессии (VAR) для изучения макроэкономических последствий непредвиденного изменения политики были заложены работой С. Sims [7]. Дальнейшие работы B. Bernanke и A. Blinder [8] и C. Sims [9], а также ряд других исследований L. Christiano, M. Eichenbaum и C. Evans [5] раскрыли, как работает метод векторной авторегрессии (VAR) для определения и измерения влияния денежно-кредитной политики инноваций на макроэкономические переменные.
Центральной идеей этого подхода является то, что определение последствий шоков денежно-кредитной политики требует только установления некоторых шоков (например, изменений процентной ставки [8]) и не нуждается в идентификации остальной части макроэкономической модели.
Некоторая критика в адрес подхода VAR к идентификации денежно-кредитной политики концентрируется вокруг относительно небольшого количества информации, используемой малой размерности VARs. Для экономии степеней свободы в стандартном VARs редко используют более шести-восьми переменных.
В известной работе E. Leeper, C. Sims и Tao Zha [10] авторы указывают, что увеличить число переменных, включенных в модель, можно путем применения байесовских процедур, но и в этом случае системы VAR по-прежнему, как правило, содержат меньше чем 20 переменных.
Целью данной работы является исследование денежно-кредитной трансмиссии в российской экономике. Ряд авторов анализировали российскую монетарную политику с использованием модели VAR [11-13]. Они установили, что в силу ограничения на число переменных оценки не являются устойчивыми и зависят от выбора переменных и временного интервала, кроме того, выявили затруднения в определении каналов трансмиссии, через которые воздействуют внешние факторы.
В ряде зарубежных публикаций исследуется российская денежно-кредитная политика с помощью методологии VAR и зависимости от цен на нефть [12, 14-17].
Ученый J. Rautava [14] анализирует влияние мировых цен на нефть и реальный обменный курс по экономике и фискальной политике России с использованием методологии VAR и коинтеграционного метода. Результаты показывают, что в долгосрочной перспективе постоянное увеличение на 10% (уменьшение) мировых цен на нефть связано с ростом на 2,2% (падением) уровня российского ВВП. Соответственно, 10% реального обменного курса (обесценение) рубля связано с падением на 2,4% (увеличение) уровня мощности. В статье J. Rautava [15] отмечает, что российская экономика по-прежнему сильно зависит от мировых цен на нефть, и что нет никаких серьезных различий в этом отношении до и после кризиса 2008-2009 гг.
Исследуя возможный канал передачи между реальной процентной ставкой, темпами инфляции, ростом валютного курса, ростом объемов производства и валютных резервов в российской экономике, B. Granville и S. Mallick [12] считают, что неспособность властей снизить инфляцию, обусловлена политикой таргетирования обменного курса.
Ученые P. De Grauwe и C. Storti [17] подтвердили, что уровень инфляции влияет на эффективность денежно-кредитной политики.
В ряде исследований Г. Идрисов и др., [18], М. Казаковой и С. Синельников-Мурылева [19] обсуждаются теоретические и эмпирические предпосылки зависимости уровня деловой активности российской экономики от мировых цен на нефть.
Ученые Н.В. Ващелюк, А.В. Полбин и др. [20], используя метод векторной авторегрессии, получили результаты, согласно которым шоки монетарной политики оказывают статистически значимое влияние как на реальный сектор российской экономики в краткосрочном периоде, так и на номинальные показатели. Шоки денежно-кредитной политики, по мнению авторов, приводили к циклическим колебаниям деловой активности около трендового роста. В частности, проводимая политика сдерживания укрепления курса рубля (по сравнению с более гибким курсообразованием) перед кризисом 2008-2009 гг. способствовала перегреву экономики, а политика плавной девальвации оказала отрицательное влияние на выпуск, т.е. усугубила экономический спад.
Финансы и кредит
Выборка данных для анализа денежно-кредитной политики российской экономики объективно является короткой, что вызывает трудности эконометрической оценки. Кроме того, трудно идентифицировать цели и инструменты регулятора. Так, до кризиса 2008 г. Банк России придерживался сразу нескольких целей в монетарной политике (стабилизация обменного курса, снижение инфляции и поддержка выпуска) и использовал для их достижения широкий набор инструментов, включая процентные ставки, валютные интервенции, операции по рефинансированию и абсорбированию ликвидности, а также требования по резервам [21]. Исследователи Е. Федорова и А. Лысенкова в период с 2001 по 2011 г. [22] определили приоритеты денежно-кредитной политики Банка России на разных временных интервалах и выделили периоды поддержания уровня инфляции и политики валютного курса. По мнению ряда исследователей [13], до кризиса 2009 г. Банк России большее внимание уделял управлению обменным курсом, при этом активно использовались валютные интервенции. В результате ситуация с ликвидностью банковского сектора во многом зависела от внешних факторов. После кризиса фокус сместился на таргетирование инфляции и стабилизацию внутренней ликвидности, но внешние факторы и обменный курс продолжили оказывать некоторое влияние.
С учетом глубоких динамических и структурных трансформаций в российской экономике анализ изменений в денежно-кредитной политике остается важной задачей.
Базовая УЛЯ-модель, которую мы используем для анализа последствий шока денежно-кредитной политики, имеет следующее представление:
=Л (Ь) 7-1+В(Ь) Х+гг (1)
где 7 - вектор эндогенных переменных;
X, - вектор экзогенных переменных;
г1 - вектор ошибок при нормальном распределении.
Вектор эндогенных переменных , как правило, состоит из темпов роста ВВП у(, индексов потребительских цен р(, денежной номинальной процентной ставки , обменного курса г(, денежной массы т, :
Finance and Credit
Yt=[ ytPtitrtmt] • (2)
В данной работе вектор экзогенных переменных содержит цены на нефть марки Urals (oil), ставку FRS и константу:
X=[ c,oil,frs ] • (3)
В настоящей работе мы проводим оценку методом VAR на данных с 2002 до 2015 г. для изучения макроэкономических последствий шока. С помощью нескольких стандартных схем идентификации мы предполагаем анализировать импульсные отклики основных макроэкономических переменных на неожиданные денежно-кредитные шоки ужесточения политики.
В качестве данных приняты месячные показатели экономики РФ с 01.02.2002 по 01.07.2015. Источник данных - сайты Банка России1 и Росстата2. Обозначения показателей следующие: IGDP - индекс промышленного производства, % к предыдущему периоду прошлого года; M2 -денежный агрегат, млрд руб.; MO - денежная масса, млрд руб.; RM - средневзвешенный курс валютного рынка рубля к доллару США, руб./долл. США; CPI - индекс потребительских цен на товары и услуги в месяц к соответствующему месяцу предыдущего года, %; Loans - объем корпоративного кредитования, IC - инвестиции в основной капитал, текущие цены, млрд руб.; NRES - международные резервы, млн долл. США; IREF - ставка рефинансирования, %; OIL - цена нефти марки Urals, долл. США за баррель; IRLnef - средневзвешенная процентная ставка по рублевым кредитам нефинансовым организациям, до 1 года; MIACR - ставка процентов MIACR, 1 дн.; MIBOR - ставка процентов MIBOR, 2-7 дн.; FRS - ставка процентов FRS.
Шок денежно-кредитной политики определяется с помощью стандартного разложения Холецкого с исходным предположением, что политики потрясений не одновременно влияют на выходные данные, цены и деньги, но могут повлиять на обменный курс сразу. Однако директивная процентная ставка не реагирует на текущие изменения эффективного обменного курса.
Все показатели, кроме выраженных в процентах, были прологарифмированы для получения линейного вида связи показателей.
Все расчеты по методу векторной авторегрессии проводились в пакете EViews.
1 URL: http://www.cbr.ru
2 URL: http://gks.ru
28 (2016) 2-17
Длина лагирования была выбрана по критериям Акаике и Шварца (2). Для такой спецификации выполнен единичный тест, и поскольку установлено, что все обратные корни по модулю меньше единицы и находятся внутри единичного круга, то данная VAR-модель стационарна. Выполнены парные тесты причинно-следственной зависимости по Грэнжеру (Granger Causality/Block Exogeneity Wald Tests).
Был выполнен тест Portmanteau для остаточной сериальной корреляции. До специфицированного порядка вычислены многомерные Q-статистики Бокса-Пирса/Льюнга-Бокса. Установлено отсутствие сериальной корреляции.
Также был проведен тест множителей Лагранжа для автокорреляций. Определено, что выполняется нулевая гипотеза отсутствия сериальной корреляции.
Примем, что за отдельные каналы денежной трансмиссии отвечают следующие переменные:
1) средневзвешенная ставка по рублевым кредитам нефинансовым организациям сроком до 1 года (IRLnef) - за процентный канал (%);
2) логарифм объема корпоративного кредитования (Loans) - за канал банковского кредитования;
3) логарифм денежной массы М2 как показатель общего объема рублевых платежных средств в экономике (M2) - за канал денежных потоков (CF);
4) индекс потребительских цен (CPI) - за канал непредвиденного роста уровня цен;
5) логарифм средневзвешенного курса валютного рынка рубля к доллару (RM) - за курсовой канал.
Эмпирические результаты
На рисунках 1-7 показаны импульсные функции отклика переменных денежно-кредитной политики, включенных в VAR, шок которых вызывает рост показателя в одно стандартное отклонение. Две пунктирные линии в каждой панели изображают диапазон доверия 95%. Импульсные отклики выводятся за 20-месячный период.
Процентный канал
Импульсные функции от процентной ставки приведены на рис. 1. В соответствии с денежной
теорией после шока денежно-кредитной политики ожидается, что данные выпуска, цены и спрос на деньги упадут, в то время как обменный курс и процентные ставки будут расти. Деньги и обменный курс должны более быстро реагировать на шок, а цены, как правило, - более медленно.
Данный механизм основан на предположении о том, что денежные власти используют объем ликвидных средств в экономике для контроля над процентными ставками и, следовательно, для стимулирования инвестиций и других компонентов совокупного спроса.
При ограничительном шоке, который влияет на процентные ставки, цены реагируют медленно, причем в течение первых четырех периодов несильно растут, а затем падают. В определенной мере можно сказать, что это противоречит теории и является «price puzzle». Инвестиции падают резко в течение двух периодов. Выпуск уверенно растет, и эта реакция является продолжительной. Денежная масса, кредиты, процентная ставка падают. Обменный курс растет в течение короткого периода, а затем падает. Эти ответы являются значительными и устойчивыми.
В случае реакции выпуска мы имеем рост против теоретических ожиданий, часто встречаемый в эмпирических исследованиях с использованием модели VAR и называемый «output puzzle». Дополнительные исследования со спецификацией ставки MIACR и MIBOR (рис. 2) показали, что ответ от ставки MIACR - небольшой рост, а затем падение. Ответ от ставки MIBOR - сразу небольшое падение, но продолжительная реакция, что больше сопоставимо с последними представлениями об ответе выпуска [23].
Ученые B. Bernanke и M. Gertler [24] при изучении откликов экономики на шоки денежно-кредитной политики установили, что хотя непредвиденное ужесточение политики обычно имеет временное влияние на процентные ставки, оно приводит к устойчивому падению реального выпуска и уровня цен. Конечный спрос снижается достаточно быстро после ограничительного шока денежно-кредитной политики. Выпуск также падает, но с запаздыванием, а значит, в краткосрочном периоде наблюдается рост товарных запасов. Постепенно товарные запасы сокращаются, что обусловливает значительную часть сокращения ВВП. Самое быстрое и самое значительное падение отмечается в таких компонентах конечного спроса, как инвестиции и потребление.
Исследователь Ka-Fu Wong [25] анализирует поведение функций отклика выпуска и цен на шоки денежно-кредитной политики. Значения откликов через различные промежутки времени (от 3 до 60 мес.) дают возможность описать как долгосрочное, так и краткосрочное поведение переменных. В краткосрочном периоде было обнаружено увеличение выпуска после отрицательного шока, а это противоречит представлениям о том, что выпуск должен падать. На интервалах средней длины выпуск падает в большинстве случаев, а в долгосрочном периоде эффект шока сходится к нулю.
По мнению P.A. Ahmadi и H. Uhlig [23], после ограничительного шока денежно-кредитной политики выпуск имеет негативную реакцию, но скромную по размеру.
Канал банковского кредитования
Импульсные функции отклика банковского кредитования приведены на рис. 3. Увеличение внутренних кредитов вызывает немедленный инфляционный эффект, который длится больше года. Также увеличение объемов корпоративного кредитования вызывает резкий, но непродолжительный рост инвестиций. Позитивный шок внутреннего кредитования вызывает рост промышленного производства в течение 10 мес., уверенный рост процентной ставки и стабилизация ее через 10 мес. Денежная масса растет быстро и имеет значительный отклик. Наконец, внутренний рост кредитов приводит к существенному обесцениванию обменного курса в течение первого года.
Канал денежных потоков
Импульсные функции в ответ на шоки денежной массы продемонстрированы на рис. 4.
Расширяется предложение кредитных ресурсов. CPI падает, однако через 6 периодов начинает повышаться. Инвестиции падают резко, а затем 3 периода повышаются и стабилизируются. GDP медленно снижается с лагом в 2 квартала и стабилизируется через 18 периодов. Ставка процентов падает в течение 4 периодов, а затем через 6 периодов стабилизируется. Обменный курс сначала падает и затем повышается до некоторого нового уровня. Из этих данных можно сделать вывод о том, что деньги практически не влияют на выпуск. Можно сказать о низкой эффективности канала. Однако такой результат может быть получен и в силу неправильной спецификации.
На рис. 5 представлены импульсные функции отклика не только от денежной массы М2, но и от МО, а выпуск представлен не только индексом промышленного производства к соответствующему периоду прошлого года (IGDP), но и индексом к предыдущему периоду текущего года (1РР). Реакция данного индекса (1РР) - резкое и уверенное снижение выпуска от шока М2. Реакция импульсной функции IGDP от шока денежной массы МО - падение в течение 2 периодов с реакцией до 5 периодов. Такой результат позволяет говорить о какой-то эффективности работы канала денежных потоков.
По мнению Н.В. Ващелюка и др. [20], шоки денежно-кредитной политики влияли на объем промышленного производства достаточно умеренно и их вклад находился в диапазоне от -1,5% до +1,5%, т.е. динамика выпуска в основном объяснялась другими макроэкономическими шоками.
Канал непредвиденного уровня роста цен
Из рис. 6, на котором приведены импульсные функции отклика роста уровня цен, видно, что инвестиции стабилизируются на прежнем уровне через 2 периода, выпуск падает значительно и реакция длится более 20 периодов, процентная ставка ощутимо возрастает и эта реакция является стойкой, объемы кредитования снижаются, денежная масса становится меньше и обменный курс снижается.
Курсовой канал
Рассмотрим реакцию импульсных функций от использования эффективного обменного курса как инструмента монетарной политики. Шок денежно-кредитной политики приводит к удорожанию эффективного обменного курса, и после шока выход, цены, деньги и процентная ставка снизятся. Покупка рублей и продажа валюты для повышения эффективного обменного курса приводят к дефициту рублей, что подтолкнет вверх процентную ставку. Однако в процессе эффективной стерилизации воздействие на процентную ставку должно быть нейтрализовано. В том случае если предполагаемая тенденция повышения курса достоверна, условия паритета процентных ставок между РФ и ее основными торговыми партнерами должны способствовать снижению местных процентных ставок.
Таким образом, рис. 7 показывает импульсные ответы на шок обменного курса.
Реакция процентной ставки является теоретически правильной. Она сначала растет в течение 3 периодов, затем снижается 5 периодов. В результате обесценивания обменного курса мы видим незамедлительное и статистически значимое увеличение в промышленном производстве. После шока деньги реагируют через 2 мес., растут и через 10 периодов стабилизируются. Цены растут вследствие положительного шока, влияющего на обменный курс. Обменный курс остается выше тенденции значительное время, затем показывая положительное отклонение валютного курса от его тенденции. Снижение обменного курса вызывает увеличение процентной ставки, чей эффект длится в течение примерно полугода. Корпоративный кредит на шок обменного курса отвечает незначительным ростом в течение 2 мес., а затем снижением на 10 мес. С учетом того что обменный курс от шока денежной массы М2 растет (рис. 5), можно говорить об эффективности курсового канала.
Выводы
В целом можно сделать следующие выводы. Ограничительный шок денежно-кредитной политики, влияющий на процентную ставку, вызывает падение инвестиций, денежной массы, внутренних кредитов, процентной ставки и обменного курса. Эти ответы являются значительными и устойчивыми. Реакция цен и выпуска противоречит теории. Процентный канал требует дальнейшего изучения с улучшением надежности результатов.
Изучение канала банковского кредитования, показало, что рост внутренних кредитов вызывает повышение цен, которое длится больше года, и непродолжительный рост инвестиций. Позитивный шок внутреннего кредитования вызывает рост промышленного производства в течение 10 месяцев, уверенный рост процентной ставки и денежной массы. Внутренний рост кредитов приводит к значительному обесцениванию обменного курса в течение первого года. В целом можно сказать о наличии канала банковского кредитования.
Изучение канала денежных потоков показало, что шок, влияющий на денежную массу, вызывает падение цен, инвестиций медленным снижением GDP с лагом в 2 квартала и стабилизируется через 18 периодов. Ставка процентов падает в течение 4 периодов, а затем через 6 периодов
стабилизируется. Обменный курс сначала падает и затем повышается до некоторого нового уровня. Из этих данных можно сделать вывод о том, что деньги практически не влияют на выпуск. Дополнительный анализ установил, что реакция индекса IPP - резкое и уверенное снижение выпуска от шока М2. Реакция импульсной функции IGDP от шока денежной массы МО -падение в течение 2 периодов с реакцией до
5 периодов. В целом можно говорить о низкой эффективности работы канала денежных потоков.
Канал непредвиденного уровня цен характеризуется незначительным падением выпуска от PCI и денежной массы, в то же время PCI от шока денежной массы уверенно падает.
Канал непредвиденного уровня роста цен характеризует значительное падение выпуска, падение денежной массы, объемов кредитования, обменного курса. Процентная ставка значительно возрастает, и эта реакция является стойкой. Это позволяет говорить о теоретически правильной реакции факторов и наличии канала.
Курсовой канал характеризуется незначительным изменением выпуска от шока денежной массы, уверенным ростом выпуска от обменного курса, и ростом обменного курса от шока денежной массы.
В результате рассмотрения курсового канала установлено, что реакция процентной ставки является теоретически правильной. Она растет в течение 3 периодов, затем снижается в течение 5 периодов. Из-за обесценивания обменного курса отмечено значимое увеличение в промышленном производстве. После шока деньги и цены растут вследствие положительного шока, влияющего на обменный курс. Обменный курс остается выше тенденции значительное время. Снижение обменного курса вызывает увеличение процентной ставки, и этот эффект длится в течение примерно полугода. Корпоративный кредит на шок обменного курса отвечает незначительным ростом в течение 2 месяцев, а затем снижением на 10 месяцев. С учетом того что обменный курс от шока денежной массы М2 растет, можно говорить
06 эффективности курсового канала.
Если обобщать, можно сделать вывод о том, что все рассматриваемые каналы - процентный, банковского кредитования, денежных потоков, непредвиденного роста уровня цен, курсовой канал - существуют, но с разной степенью эффективности. Наиболее эффективен курсовой
канал, а также каналы банковского кредитования и непредвиденного роста уровня цен. Если рассматривать процентный канал и канал денежных потоков, можно сказать, что они малоэффективны, но необходимо отметить, что их анализ не является простым.
Такая характеристика каналов денежно-кредитной политики, очевидно, связана с депрессивным состоянием экономики, отсутствием ее роста на протяжении последних лет и высокой инфляцией. Повлияла на эту характеристику проводимая Банком России политика, которая была направлена на поддержание стабильности в экономике, поддержание курса рубля. В ряде публикаций исследуются эти аспекты - J. Rautava [14, 15], R. Beck, A. Kamps, E. Mileva [16], B. Granville и S. Mallick [12], P. De Grauwe и C. Storti [17].
Интерпретация эмпирического анализа, проведенного Н.В. Ващелюком, А.В. Полбиным и др. [20], показывает, по мнению авторов, что изменения в денежно-кредитной политике в российской экономике способны приводить к изменениям в объемах производства товаров и услуг в краткосрочном периоде, но денежно-кредитная экспансия также сопровождается и увеличением цен, т.е. возникает неизбежный компромисс между стимулированием выпуска, увеличение которого имеет только временный характер, и ускорением инфляции.
Необходимо отметить, что для улучшения надежности результатов при использовании метода векторной авторегрессии можно увеличить количество переменных, а чтобы не сказалось известное теоретическое «проклятье
размерности», возможно использование более сложных моделей, чем стандартная модель VAR, -FAVAR - (B. Bernanke [6]), байесовская модель VAR (M. Banbura, D. Giannone, L. Reichlin [26], Е. Дерюгина и А. Пономаренко3), наложения ограничений знака непосредственно на импульсные характеристики большого набора переменных в байесовской фактор-дополненной векторной авторегрессии (FAVAR), и в этом случае, как показали авторы, каждое дополнительное ограничение знака может иметь улучшение структурной идентификации (P.A. Ahmadi, H. Uhlig [23]).
В данной работе были изучены последние изменения в денежно-кредитной политике в российской экономике в период с 2002 по 2015 г. и дана интерпретация каналов трансмиссии. Исследование проводилось с помощью метода векторной авторегрессии.
Долгосрочной целью Банка России заявлен переход на таргетирование инфляции, и, соответственно, понимание того, через какие инструменты и в какой мере банковский сектор реагирует на изменения денежно-кредитной политики, является очень важным.
Было найдено стационарное решение для 12 основных переменных и статистически подтверждается существование 5 каналов трансмиссии, которые существуют с разной степенью эффективности.
Подтверждена высокая эффективность курсового канала, канала банковского кредитования и канала непредвиденного роста уровня цен. Отмечена низкая эффективность процентного канала и канала денежных потоков, что можно связать как с методикой исследования - спецификацией, малой выборкой, небольшим количеством переменных, так и с изменением политики Банка России -переходом от политики таргетирования курса рубля к политике таргетирования инфляции, а также макроэкономическими показателями -падением темпов роста российской экономики, высокой инфляцией, зависимостью от мировых цен на нефть.
В целом результаты показывают, что применение стандартных методов УАЯ для области данных российской экономики, как развивающейся, может использоваться в качестве ориентира для дальнейшего теоретического и эмпирического анализа механизма передачи.
События в российской экономике в 2015-2016 гг., резкое падение цен на нефть и соответствующее ослабление рубля приводят к изменению структуры экономики. Эти условия и введение антикризисных мер бюджетирования создают новый режим денежно-кредитной политики. Важно отслеживать, как изменились эти результаты, оценить действенность инструментов денежно-кредитной политики.
3 Дерюгина Е, Пономаренко А. Большая байесовская векторная авторегрессионная модель для российской экономики. URL: http://www.cbr.ru
Рисунок 1
Импульсные функции отклика процентной ставки (компьютерное отображение) Figure 1
Impulse functions of interest rate response (computer visualization)
5 10 15
Источник: составлено авторами Source: Authoring
Рисунок 2
Импульсные функции отклика выпуска от процентных ставок (слева направо) IRLNEF, MIACR, MIBOR (компьютерное отображение)
Figure 2
Impulse functions of issue response from interest rates (left to right) IRLNEF, MIACR, MIBOR (computer visualization)
Источник: составлено авторами Source: Authoring
Рисунок 3
Импульсные функции отклика объема корпоративного кредитования LOANS (компьютерное отображение) Figure 3
Impulse functions of the volume of corporate lending LOANS response (computer visualization)
Ffesporas of CPI to LOANS FfesponsB of ICto LOANS Fbsponss of IGCP to LCANS
Источник: составлено авторами Source: Authoring
Рисунок 4
Импульсные функции отклика денежной массы (компьютерное отображение) Figure 4
Impulse functions of money supply response (computer visualization)
Источник: составлено авторами Source: Authoring
Рисунок 5
Импульсные функции отклика от денежной массы М2, МО на IGDP, IPP (компьютерное отображение) Figure 5
Impulse functions of money supply response (response of IGDP, IPP to M2, MO) (computer visualization)
2 4 6 8 10 12 14 16 18 20
Источник: составлено авторами Source: Authoring
Рисунок 6
Импульсные функции отклика роста уровня цен (компьютерное отображение) Figure 6
Impulse functions of price hike response (computer visualization)
Источник: составлено авторами Source: Authoring
Рисунок 7
Импульсные функции отклика обменного курса (компьютерное отображение) Figure 7
Impulse functions of exchange rate response (computer visualization)
Источник: составлено авторами
Source: Authoring
Список литературы
1. Mishra P., Montiel P. How Effective Is Monetary Transmission in Low-Income Countries? A Survey of the Empirical Evidence. IMF Working Paper, 2012. Available at: https://www.imf.org/external/pubs/ft/wp/2012/wp12143.pdf.
2. Christiano L.J. Christopher A. Sims and Vector Autoregressions. The Scandinavian Journal of Economics, 2012, vol. 114, iss. 4, pp. 1082-1104.
3. Christiano L., Eichenbaum M., Vigfusson R. Assessing Structural VARs. NBER Macroeconomics Annual, 2006, vol. 21. Available at: http://www.nber.org/chapters/c11177.pdf.
4. Boivin J., Giannoni M. Has Monetary Policy Become More Effective? NBER Working Paper, 2003, no. 9459.
5. Christiano L., Eichenbaum M., Evans C. Monetary policy shocks: What have we learned and to what end? NBER Working Paper, 1998, no. 6400. doi: 10.3386/w6400
6. Bernanke B., Boivin J., Eliasz P. Measuring the effects of monetary policy: A factor-augmented vector autoregressive (FAVAR) approach. Available at: https://www.federalreserve.gov/pubs/feds/2004/200403/200403pap.pdf.
7. Sims C.A. Macroeconomics and reality. Econometrica, 1980, no. 48(1), pp. 1-48.
8. Bernanke B., Blinder A. The Federal Funds Rate and the Channels of Monetary Transmission. American Economic Review, 1992, no. 82, pp. 901-921.
9. Sims C. Interpreting the Macro-Economic Time Series Facts: The Effects of Monetary Policy. European Economic Review, 1992, no. 36, iss. 5, pp. 975-1000.
10. Leeper E., Sims C., Tao Zha. What Does Monetary Policy Do? Brookings Papers on Economic Activity, 1996, no. 2, pp. 1-63.
11. Дробышевский С.М., Трунин П.В., Каменских М.В. Анализ правил денежно-кредитной политики Банка России в 1999-2007 гг. URL: http://www.iep.ru/files/text/working_papers/127.pdf.
12. Granville B., Mallick S. Monetary Policy in Russia: Identifying Exchange Rate Shocks. Economic Modelling, 2010, no. 27(1), pp. 432-444.
13. Ломиворотов Р.В. Анализ денежно-кредитной политики Банка России в 2000-2012 гг. // Деньги и кредит. 2013. № 12. С. 45-53.
14. Rautava J. The role of oil prices and the real exchange rate in Russia's economy: A cointegration approach.
Journal of Comparative Economics, 2004, vol. 32, no. 2, pp. 315-327.
15. Rautava J. Oil Prices, Excess Uncertainty and Trend Growth. Available at: http://regconf.hse.ru/uploads/1723ca51a1c164ad4c2d590967c5d1836ebd3987.pdf.
16. Beck R., Kamps A., Mileva E. Long-Term Growth Prospects for the Russian Economy. ECB Occasional Paper, 2007, no. 58, pp. 1-32.
17. De Grauwe P., Costa Storti C. The Effects of Monetary Policy: A Meta-Analysis. CESifo Working Paper, 2004, no. 1224.
18. Идрисов Г., Казакова М., Полбин А. Теоретическая интерпретация влияния нефтяных цен на экономический рост в современной России // Экономическая политика. 2014. № 5. С. 150-171.
19. Казакова М., Синельников-Мурылев С. Конъюнктура мирового рынка энергоносителей и темпы экономического роста России // Экономическая политика. 2009. № 5. С. 118-135.
20. Ващелюк Н.В., Полбин А.В., Трунин П.В. Оценка макроэкономических эффектов шока ДКП для российской экономики // Экономический журнал ВШЭ. 2015. Т. 19. № 2. С. 169-198.
21. Ломиворотов Р.В. Использование байесовских методов для анализа денежно-кредитной политики в России // Прикладная эконометрика. 2015. № 38. C. 41-63.
22. Федорова Е., Лысенкова А. Как влияют инструменты денежно-кредитной политики на достижение целей ЦБ РФ? // Вопросы экономики. 2013. № 9. C. 106-118.
23. Ahmadi P.A., Uhlig H. Sign Restrictions in Bayesian FaVARs with an Application to Monetary Policy Shocks. Available at: http://www.nber.org/papers/w21738.
24. Bernanke B., Gertler M. Inside the Black Box: The Credit Channel of Monetary Transmission. Journal of Economic Perspectives, 1995, vol. 9, no. 4, pp. 27-48.
25. Wong Ka-Fu. Variability in the Effects of Monetary Policy on Economic Activity. Journal of Money, Credit and Banking, 2000, vol. 32, no. 2, pp. 179-198. Available at: http://www.jstor.org/stable/2601238.
26. Banbura M., Giannone D., Reichlin L. Large Bayesian vector autoregressions. Journal of Applied Econometrics, 2010, no. 25(1), pp. 71-92.
ISSN 2311-8709 (Online) Monetary Accommodation
ISSN 2071-4688 (Print)
DETERMINING THE EFFECT OF MONETARY POLICY UNDER THE VECTOR AUTOREGRESSION METHOD
Oleg N. SALMANOVa\ Viktor M. ZAERNYUKb, Ol'ga A. LOPATINAc
a Moscow Region University of Technology (UNITECH), Korolev, Moscow Oblast, Russian Federation olegsalmanov@yandex.ru
b Russian State Geological Prospecting University n.a. Sergo Ordzhonikidze, Moscow, Russian Federation zvm465@mail.ru
c Moscow Region University of Technology (UNITECH), Korolev, Moscow Oblast, Russian Federation ogunba@mail.ru
• Corresponding author
Article history:
Received 24 May 2016 Received in revised form 7 June 2016 Accepted 28 June 2016
JEL classification: E41, E52, E58
Keywords: monetary policy, vector autoregression, pulse function
Abstract
Subject The article addresses monetary transmission channels functioning.
Objectives The research aims to analyze mechanisms of monetary policy in the Russian economy, estimate the dynamic response of main macroeconomic variables of the monetary policy by estimates of pulse functions of the response.
Methods The study employs the vector autoregression method (VAR). We analyze impulse functions from the shocks of interest rates, corporate lending, volumes of money supply, price and exchange rate increase, and provide an interpretation of transmission channels of the Russian economy. Results We considered and statistically confirmed the channels of monetary transmission, namely interest rate, bank lending, cash flow, unpredictable price hikes, and exchange rate. In general, the results show that the application of standard methods of VAR to the data of the Russian economy, as a developing one, can be used as a guideline for further theoretical and empirical analysis of the mechanism of transmission.
Conclusions The efficiency of various channels of monetary transmission differs. The study revealed high efficiency of exchange rate channel, bank lending channel and channel of unpredictable price hikes, and low efficiency of the interest rate channel and cash flow channel. Thorough identification of monetary policy transmission channels is an important step towards global assessment of huge institutional changes. Researches in this area shall be constantly updated because of structural changes.
© Publishing house FINANCE and CREDIT, 2016
References
1. Mishra P., Montiel P. How Effective Is Monetary Transmission in Low-Income Countries? A Survey of the Empirical Evidence. IMF Working Paper, 2012. Available at: https://www.imf.org/external/pubs/ft/wp/2012/wp12143.pdf.
2. Christiano L.J. Christopher A. Sims and Vector Autoregressions. The Scandinavian Journal of Economics, 2012, vol. 114, iss. 4, pp. 1082-1104.
3. Christiano L., Eichenbaum M., Vigfusson R. Assessing Structural VARs. NBER Macroeconomics Annual, 2006, vol. 21. Available at: http://www.nber.org/chapters/c11177.pdf.
4. Boivin J., Giannoni M. Has Monetary Policy Become More Effective? NBER Working Paper, 2003, no. 9459.
5. Christiano L., Eichenbaum M., Evans C. Monetary policy shocks: What have we learned and to what end? NBER Working Paper, 1998, no. 6400. doi: 10.3386/w6400
6. Bernanke B., Boivin J., Eliasz P. Measuring the effects of monetary policy: A factor-augmented vector autoregressive (FAVAR) approach. Available at: https://www.federalreserve.gov/pubs/feds/2004/200403/200403pap.pdf.
7. Sims C.A. Macroeconomics and reality. Econometrica, 1980, no 48(1), pp. 1-48.
8. Bernanke B., Blinder A. The Federal Funds Rate and the Channels of Monetary Transmission. American Economic Review, 1992, no. 82, pp. 901-921.
9. Sims C. Interpreting the Macro-Economic Time Series Facts: The Effects of Monetary Policy. European Economic Review, 1992, no. 36, iss. 5, pp. 975-1000.
10. Leeper E., Sims C., Tao Zha. What Does Monetary Policy Do? Brookings Papers on Economic Activity, 1996, no. 2, pp. 1-63.
11. Drobyshevskii S.M., Trunin P.V., Kamenskikh M.V. Analizpravil denezhno-kreditnoi politiki Banka Rossii v 1999-2007 gg [Analyzing the rules of the monetary policy of the Bank of Russia in 1999-2007]. Available at: http://www.iep.ru/files/text/working_papers/127.pdf. (In Russ.)
12. Granville B., Mallick S. Monetary Policy in Russia: Identifying Exchange Rate Shocks. Economic Modelling, 2010, no. 27(1), pp. 432-444.
13. Lomivorotov R.V. [The analysis of the monetary policy of the Bank of Russia in 2000-2012]. Den'gi i kredit = Money and Credit, 2013, no. 12, pp. 45-53. (In Russ.)
14. Rautava J. The role of oil prices and the real exchange rate in Russia's economy: A cointegration approach.
Journal of Comparative Economics, 2004, vol. 32, no. 2, pp. 315-327.
15. Rautava J. Oil Prices, Excess Uncertainty and Trend Growth. Available at: http://regconf.hse.ru/uploads/1723ca51a1c164ad4c2d590967c5d1836ebd3987.pdf.
16. Beck R., Kamps A., Mileva E. Long-Term Growth Prospects for the Russian Economy. ECB Occasional Paper, 2007, no. 58, pp. 1-32.
17. De Grauwe P., Costa Storti C. The Effects of Monetary Policy: A Meta-Analysis. CESifo Working Paper, 2004, no. 1224.
18. Idrisov G., Kazakova M., Polbin A. [Theoretical interpretation of the oil price impact on economic growth in modern Russia]. Ekonomicheskayapolitika = Economic Policy, 2014, no. 5, pp. 150-171. (In Russ.)
19. Kazakova M., Sinel'nikov-Murylev S. [World energy market conditions and rates of economic growth in Russia]. Ekonomicheskaya politika = Economic Policy, 2009, no. 5, pp. 118-135. (In Russ.)
20. Vashchelyuk N.V., Polbin A.V., Trunin P.V. [An assessment of macroeconomic effects of the monetary policy shock for the Russian economy]. Ekonomicheskii zhurnal VShE = HSE Economic Journal, 2015, vol. 19, no. 2, pp. 169-198. (In Russ.)
21. Lomivorotov R.V. [Using the Bayesian methods to analyze the monetary policy in Russia]. Prikladnaya ekonometrika = Applied Econometrics, 2015, no. 38, pp. 41-63. (In Russ.)
22. Fedorova E., Lysenkova A. [How monetary policy tools influence the achievement of goals of the Central Bank of the Russian Federation?] Voprosy Ekonomiki, 2013, no. 9, pp. 106-118. (In Russ.)
23. Ahmadi P.A., Uhlig H. Sign Restrictions in Bayesian FaVARs with an Application to Monetary Policy Shocks. Available at: http://www.nber.org/papers/w21738.
24. Bernanke B., Gertler M. Inside the Black Box: The Credit Channel of Monetary Transmission. Journal of Economic Perspectives, 1995, vol. 9, no. 4, pp. 27-48.
25. Wong Ka-Fu. Variability in the Effects of Monetary Policy on Economic Activity. Journal of Money, Credit and Banking, 2000, vol. 32, no. 2, pp. 179-198. Available at: http://www.jstor.org/stable/2601238.
26. Banbura M., Giannone D., Reichlin L. Large Bayesian vector autoregressions. Journal of Applied Econometrics, 2010, no. 25(1), pp. 71-92.