На главную
О журнале Редакция Подписка Архив Авторам Контактная информация
Журнал «Менеджмент и бизнес-администрирование»
№2 / 2024

Оценка взаимосвязей монетарных, бюджетных и пруденциальных индикаторов с помощью VAR-моделей и их использование в прогнозировании ВВП

Яковлев Н.Д.,

младший научный сотрудник, Институт исследований социально-экономических трансформаций и финансовой политики, Финансовый университет при Правительстве Российской Федерации, Москва, Россия

Аннотация. Текущие условия функционирования и развития экономики требуют формирования адекватных оценок дальнейшей траектории важнейших макроэкономических показателей, таких как ВВП, с учетом имеющихся взаимосвязей всех видов политик друг с другом, чтобы принимать решения, способствующие преодолению кризисных ситуаций и обеспечению устойчивого роста российской экономики. С этой целью в данной работе рассматривается один из возможных методов оценки таких взаимосвязей, основанный на построении VAR-моделей, и применения этих методов для построения прогнозов производственно-институциональной модели. В работе оценены VAR-модели взаимосвязи монетарного и бюджетного показателей, а также монетарного и макропруденциального показателей. Указанные взаимосвязи учтены в прогнозной производственно-институциональной модели. На основе прогноза и имеющихся связей предложено использование данного класса моделей при прогнозировании макроэкономических показателей, относящихся к различным типам политик.

Ключевые слова: бюджетная политика, денежно-кредитная политика, макропруденциальная политика, финансовая стабильность, оценка взаимосвязей, моделирование, прогнозирование.

Assessment of the interrelationships of monetary, budgetary and prudential indicators using VAR models and their use in GDP forecasting

Yakovlev N.D.,

Junior Researcher, Institute for Research on Socio-Economic Transformations and Financial Policy, Financial University under the Government of the Russian Federation, Moscow, Russia

Abstract. The current conditions for the functioning and development of the economy require the formation of adequate assessments of the further trajectory of key macroeconomic indicators, such as GDP, taking into account the existing interrelationships of all types of policies with each other, in order to make decisions that will help overcome crisis situations and ensure sustainable growth of the Russian economy. To this end, this paper considers one of the possible methods for assessing such relationships, based on the construction of VAR models, and the application of these methods for constructing forecasts of the production-institutional model. The paper estimates VAR models of the relationship between monetary and fiscal indicators, as well as monetary and macroprudential indicators. These relationships are taken into account in the forecast production and institutional model. Based on the forecast and existing relationships, the use of this class of models is proposed for forecasting macroeconomic indicators related to different types of policies.

Keywords: fiscal policy, monetary policy, macroprudential policy, financial stability, relationship assessment, modeling, forecasting.

DOI: 10.33983/2075-1826-2024-2-176-184

Библиографический список

  1. Акылбеков А.А., Сейтказиева А.М., Кенжалина Ж.Ш. Применение векторных авторегрессий для прогнозирования денежно-кредитной политики // Central Asian Economic Review. — 2023. — № 3. — С. 54–69.
  2. Абрамова М.А. Трансформации в денежных и платежных системах: современные вызовы финансовой стабильности // Современные вызовы и реалии экономического развития России: материалы VIII Международной научно-практической конференции. — Ставрополь: Северо-Кавказский федеральный университет, 2022. — С. 12–15.
  3. Господарчук Г.Г., Зеленева Е.С. Эффективность макропруденциальной политики: проблемы измерения и оценки // Финансы: теория и практика. — 2023. — Т. 27. — № 1. — С. 32–41.
  4. Захаров А.В., Курилова И.С., Рамазанова Р.Р., Старцева О.Г. Оценка логарифмической производной функции Кобба-Дугласа по временному ряду со случайными отклонениями // International Journal of Open Information Technologies. — 2019. — Т. 7. — № 2. — С. 16–19.
  5. Полбин А., Синельников-Мурылев С. Построение и калибровка DSGE-модели для российской экономики с использованием импульсных откликов векторной авторегрессии // Научные труды. Ин-т эконом. политики им. Е.Т. Гайдара. — 2023 — № 182Р. — С. 1–56.
  6. Репин А.Н. Макропруденциальная политика и экономичеcкий рост // Экономика. Бизнес. Банки. — 2020. — № 11. — С. 84–93.
  7. Тюрина Ю.Г. Инструментарий обеспечения сбалансированности бюджета и управления финансами государственного сектора в условиях высокого уровня макроэкономической неопределенности / Ю.Г. Тюрина, Н.Д. Яковлев // Финансовый бизнес. — 2021. — № 9 (219). — С. 170–174. EDN JIXPGR.
  8. Финансовые рынки и банки в трансформирующемся мире / Л.Н. Андрианова, Е.И. Аниканов, И.Е. Шакер и др. — М.: КноРус, 2022. — 178 с. EDN BNUNVD.
  9. Шапор М.А., Гевогян Р.Р. Особенности применения моделей векторной авторегрессии в макроэкономических исследованиях // Международная экономика. — 2021. — № 8. — С. 634–649.
  10. Abbass K., Song H., Khan F., Begum H., Asif M. et al. Fresh insight through the VAR approach to investigate the effects of fiscal policy on environmental pollution in Pakistan // Environmental science and pollution research. — 2022. — Vol. 29. — № 3. — Рр. 1–14.
  11. D?browski M.A., Widiantoro D.M. Effectiveness and conduct of macroprudential policy in Indonesia in 2003–2020: Evidence from the structural VAR models // Eurasian Economic Review. — 2023. — Vol. 13. — № 3. — Рр. 703–731.
  12. Fernandez-Gallardo A., Paya I. Macroprudential policy in the euro area. — Lancaster University Management School, 2020. — 33 р.
  13. Kassouri Y., Alt?nta? H. Cyclical drivers of fiscal policy in sub-Saharan Africa: New insights from the time-varying heterogeneity approach // Economic Analysis and Policy. — 2021. — Vol. 70. — Рр. 51–67.
  14. Khan F., Saeed A., Ali S. Modelling and forecasting of new cases, deaths and recover cases of COVID-19 by using Vector Autoregressive model in Pakistan // Chaos, solitons & fractals. — 2020. — Vol. 140. — Р. 110189.
  15. Olamide E., Maredza A., Ogujiuba K. Monetary policy, external shocks and economic growth dynamics in East Africa: An S-VAR model // Sustainability. — 2022. — Vol. 14. — № 6. — Р. 3490.
  16. Suhendra I., Anwar C.J. The response of asset prices to monetary policy shock in Indonesia: A structural VAR approach // Banks and Bank Systems. — 2022. — Vol. 17. — № 1. — Рр. 104–114.
  17. Консолидированный бюджет Российской Федерации // Минфин России [Электронный ресурс]. — URL: https://minfin.gov.ru/ru/statistics/conbud/ (дата обращения: 24.04.2024).
  18. Краткосрочные прогнозы инфляции: подробное изложение применения байесовского авторегрессионного подхода (BVAR) // Департамент денежно-кредитной политики Центрального банка Республики Узбекистан, 2021 [Электронный ресурс]. — URL: https://cbu.uz/ru/monetary-policy/analysis/541945/ (дата обращения: 24.04.2024).
  19. Показатели деятельности кредитных организаций // Банк России [Электронный ресурс]. — URL: https://www.cbr.ru/statistics/bank_sector/pdko_sub/ (дата обращения: 24.04.2024).
  20. Ставка RUONIA (Ruble Overnight Index Average) // Банк России [Электронный ресурс]. — URL: https://www.cbr.ru/hd_base/ruonia/ (дата обращения: 24.04.2024).
© 2008-2024 Акционерное общество «Издательский дом «Экономическая газета» (Joint Stock Company "Economic Newspaper" Publishing House)
Журнал «Конъюнктура товарных рынков», журнал «РИСК: Ресурсы, Информация, Снабжение, Конкуренция»