CC BY
14УДК: 338
Морозов А. П.
студент, кафедра современного банковского дела, экономической теории, финансирования и кредитования Государственная классическая академия им. Маймонида
Научный руководитель: Смирнов О. А.
К.ф.-м.н., доцент
Государственной классической академии им. Маймонида
ВЛИЯНИЕ МАКРОЭКОНОМИЧЕСКОЙ ЦИКЛИЧНОСТИ НА РОССИЙСКУЮ ЭКОНОМИКУ С ПОМОЩЬЮ МНОГОМЕРНЫХ СТАТИСТИЧЕСКИХ МЕТОДОВ
В статье рассмотрены модели оценки влияния макроэкономической цикличности на реальный сектор российской экономики с помощью многомерных статистических методов. В результате исследования получены результаты, что последние два экономических кризиса имеют идентичную природу и влияние на состояние российской экономики. В работе показано, что кризис, начавшийся в конце 2008 года, не был чисто циклическим. В остальном, период с 1999 по 2009 гг. соответствует параметрам среднесрочного инвестиционного цикла. Кроме того, выявлена высокая степень зависимости отечественной экономики от экспорта нефти и нефтепродуктов, развитие которого происходит в ущерб развитию реального сектора. В заключении работы делается вывод о том, что, судя по динамике государственных расходов за весь рассматриваемый период, можно предположить, что антициклическая политика в РФ либо реализуется очень плохо, либо ее реализация не считается приоритетной.
Ключевые слова: многомерные статистические методы, макроэкономическая цикличность, реальный сектор экономики, макроэкономическая статистика
Для моделирования протекания макроэкономических процессов в РФ в XXI веке прибегнем к методам эконометрики и статистики. В качестве аналитического аппарата автором использован кластерный анализ с предварительной подготовкой данных по методу главных (принципиальных) компонент.
При уменьшении размерности модели данных нам предоставляется возможность выбрать число принципиальных компонент, вариация которых в определенной степени будет обуславливать вариацию исходных переменных, то есть наших данных. На графике собственных значений корреляционной матрицы (см. рис. 1) мы видим, что первая компонента объединяет 52,81% вариации наших переменных, а это больше половины. Значение второй компоненты равняется 17,26%.
Таким образом, первая и вторая главные компоненты обуславливают 70% вариаций исходных компонент, а значит, их с хорошей степенью точности можно использовать для полноценного анализа исходных данных. Третья и четвертая компоненты вместе обуславливают 16,7%, что меньше, чем у второй компоненты. Более того, при графическом представлении пространства главных компонент, которые в сумме обуславливают менее одной пятой вариации исходных переменных, группировка данных по признакам будет крайне туманной. Поэтому для кластерного анализа используем первые две принципиальных компоненты.
Active variables only
О 2 4 6 S 10 12 14 16 18 20 22 24 Последовательность со&ственных значений
Рис. 1. Собственные значения корней принципиальных компонент
Рассмотрим, как группируются исходные переменные при их проецировании на двумерное пространство наших главных компонент (см. рис. 2.6). Касательно разделения переменных первой принципиальной компонентой можно предположить, что по итогам кластеризации были переменные внутренние и внешние. В правой части графика расположились такие показатели как стоимость нефти марки Urals, которая в первую очередь определятся ценой нефти на мировом рынке, в частности, она очень зависит от стоимости нефти марки Brent.
Курс доллара также во многом определяется внешнеэкономическими факторами. Мультипликатор инвестиций, попавший в правую часть графика нельзя назвать внешним показателем, впрочем, как и объемы нефтяного экспорта нельзя назвать чисто внутренним. Вторая главная компонента делит показатели приростов на те, что обуславливают движение капитала (сверху), и на те, что обусловлены изменениями условий функционирования экономики (снизу).
К первой категории относятся такие показатели как оборот розничной торговли, производство промышленной продукции, валовое сбережение, инвестиции, объемы кредитования. А вторая включает в себя показатели, характеризующие уровни цен, безработицы, банковский процент, валютный курс.
Так же, как и в случае с первой принципиальной компонентой деление не на 100% однозначное, имеются и не вписывающиеся в такую логику переменные, например, показатели, связанные с добычей и экспортом нефти и нефтепродуктов.
0.0
Factor 1 : 52,81%
Рис. 2. Проекция исходных переменных на пространство главных компонент.
Тем не менее, глядя на проекцию, можно довольно уверенно охарактеризовать корреляционные связи между исходными переменными. Плотные взаимосвязи наблюдаются между приростами инвестирования в основной капитал, валовым сбережением, реальными доходами населения, объемами кредитования и номинальным ВВП.
То же самое можно сказать и про объемы добычи нефти и уровень цен на промышленную продукцию, про уровень безработицы и потребительские цены, а также про объемы экспорта нефти и ставкой банковского кредита.
Что касается физического объема ВВП, то он особенно сильно коррелирует с объемами промышленной продукции и экспортной стоимостью нефти и нефтепродуктов. В немного меньшей степени он взаимосвязан с оборотом розничной торговли. В обратной взаимосвязи со всеми показателями верхнего левого квадранта стоит курс доллара. Это говорит о том, что для успешного развития экономики необходима сильная национальная валюта. Говоря об отрицательных взаимосвязях, можно отметить, что мультипликатор инвестиций противопоставляется таким показателям как уровень безработицы, уровень
потребительских цен и цен производителей промышленной продукции, ставка банковского процента.
Также эффективность инвестиций тем ниже, чем выше объемы добычи и экспорта нефти и нефтепродуктов. Это видетельствует о том, что развитие нефтедобывающего комплекса происходит в ущерб развитию реального сектора экономики в целом. Еще в большей степени, чем мультипликатор инвестиций, с этими показателями отрицательно коррелирует стоимость нефти марки Urals.
Таким образом, получается, что рост цены на отечественную нефть позволяет нефтяным экспортерам получать прибыль при снижении объемов добычи и экспорта, причем в масштабах российской экономики это ведет к снижению общего уровня цен, хотя на практике такой сценарий возможен, пожалуй, только в обратном порядке.
Если же рассматривать взаимосвязи в динамике рассматриваемых показателей между годами, то картина будет следующая (см. рис. 3). Во-первых, сразу можно отметить, что наиболее обособленно от всех остальных, но рядом друг с другом на графике расположились 2009 и 2015 года. Именно эти года характеризуются как кризисные, и именно в эти года рецессия в экономике РФ проявляется особенно остро. И связь между ними сильна несмотря даже на то, что характер кризиса в эти годы все-таки неодинаков.
В противовес 2009-му и 2015-му годам сгруппировались года с 2005-го по 2008-ой включительно. Они характеризуются периодом, когда отечественная экономика росла полным ходом. Причем 2008-ой год, который частично был затронут кризисом 2008-2010 годов, находится на грани квадранта своей группы. Другая пара квадрантов, представленная периодом с 2000 по 2004 годы с одной стороны и периодом с 2010 по 2014 год с другой, олицетворяет ту разницу развития экономики РФ, которая отделяет докризисный период от посткризисного. Если в начале века экономика России росла ударными темпами, то после выхода из кризиса в 2010 году ее рост стал существенно более вялым.
Single Linkage Euclidean distances
7 I I I I ■ I I ■ I I I I I I I ■ I
6 5
Q>
О
га 4 И О о>
О)
га 3
je J
2 -
1 -1—,
0 -----------------
2015 2014 2013 2011 2007 2005 2003 2001
2009 2008 2012 2010 2006 2004 2002 2000
Рис. 3. Дендрограмма взаимосвязей годов по макроэкономической динамике (с 2000
по 2015).
Глядя на дендрограмму (рис. 2.8), наиболее явно можно выделить три кластера. Первый включает в себя кризисные 2015 и 2009 годы, второй состоит только из 2000-го, для которого был характерен особенно бурный рост, а третий включает в себя все остальные.
Подводя итоги анализа влияния макроэкономической цикличности на экономику России в XXI веке, можно сказать следующее. Во-первых, за анализируемый период можно выделить разве что один цикл, продлившийся с 1999-го по 2009-ый год. Последовавшие после него фазы восстановления, роста и кризиса не вписываются в концепцию цикла, так как кризис 2014 года стал следствием внешнего экономического шока. При этом стоит отметить, что и кризис, начавшийся в конце 2008 года, не был чисто циклическим. В остальном, период с 1999 по 2009 гг. соответствует параметрам среднесрочного инвестиционного цикла. Во-вторых, выявлена высокая степень зависимости отечественной экономики от экспорта нефти и нефтепродуктов, развитие которого происходит в ущерб развитию реального сектора. И в-третьих, судя по динамике государственных расходов за весь рассматриваемый период, можно предположить, что антициклическая политика в РФ либо реализуется очень плохо, либо ее реализация не считается приоритетной.
Литература
1. Журавлева Т.А. Реализация экономических интересов как объективная основа налогообложения // Финансы и кредит. — 2003. — № 24 (138). — С. 76-78.
2. Журавлева Т.А. Условия качественного экономического роста и их приоритетность в экономике России // Финансы и кредит. — 2007. — № 10 (250). — С. 18-24.
3. Журавлева Т.А. Эффективность налогообложения и ее критерии в рыночной экономике//Финансы и кредит. — 2011. — № 1. — С. 11.
4. Иванюк В.А., Богданов Д.Д. Общемировые тенденции финансовых рынков и их подверженность кризисным явлениям // Фундаментальные исследования. — 2013. — № 6-4. — С. 949-952.
5. Иванюк В.А., Богданов Д.Д. Циклический анализ кризиса// Современные проблемы науки и образования. — 2013. — № 2. — С. 371.
6. Смирнов О.А., Смирнова О.О. Математическое моделирование показателей ценовой дискриминации методом деревьев классификации// Вестник Балтийского федерального университета им. И. Канта. Серия: Физико-математические и технические науки. 2014. № 10. С. 42-47.
7. Смирнов О.А. Применение моделей сокращения размерности при оценке однородности объектов: анализ аэропортовой сети// Вестник Балтийского федерального университета им. И. Канта. Серия: Физико-математические и технические науки. 2015. № 10. С. 18-21.
8. Рябов И.В., Смирнова О.О., Агапова Е.В. Модели развития национальных отраслей черной металлургии: эконометрический анализ// Журнал правовых и экономических исследований. 2014. № 3. С. 125-129.
9. Смирнова О.О. Совершенствование методологии регулирования ценовой дискриминации: опыт России И ЕС// Экономические и гуманитарные науки. 2013. № 9 (260). С. 57-61.
10. Смирнова О.О., Богданов Д.Д. Ценовая дискриминация третьего типа: вопросы выявления и регулирования// Научное обозрение. 2013. № 6. С. 92-95.
11. Смирнова О.О. Регулирование ценовой дискриминации: нормативное определение и особенности выявления// Приволжский научный вестник. 2013. № 9 (25). С. 43-45.
