CC BY
0
ЗАРУБЕЖНЫЙ ОПЫТ
К ОЦЕНКЕ ДОЛГОСРОЧНОЙ ВЗАИМОСВЯЗИ КУРСОВ AZN/RUB И USD/RUB НА ФОНЕ УСИЛИВАЮЩИХСЯ САНКЦИЙ ПРОТИВ РОССИИ
ОРУДЖЕВ Эльшар Гурбан оглы, д.ф.-м.н., профессор, [email protected], Бакинский государственный университет, Баку, Азербайджан ORCID: 0000-0002-6985-1407; Scopus Author ID: 6506480372 МАМЕДОВА Лейла Маздак кызы, к.ф.-м.н., [email protected], Бакинский государственный университет, Баку, Азербайджан
В статье исследуются взаимовлияния курсов валют AZN/RUB и USD/RUB на фоне усиливающихся санкций против России в период с 02.01.2023 г. по 06.09.2023 г. (пятидневные показа-тели,178 наблюдений) с использованием механизма коррекции ошибок (ECM) и авторегрессионных моделей с распределенным лагом (ARDL) с учетом структурных сдвигов. Определены конкретные спецификации регрессионных моделей, подтверждающие, что изменение обменного курса американского доллара к российскому рублю оказывает статистически слабо значимый сонаправленный эффект на обменный курс азербайджанского маната к российскому рублю. Определены скорости восстановления равновесия после шоковых изменений между зависимой и независимой переменной, а также соотношения с положительными коинтегрирующими коэффициентами, при которых траектория указанных курсов сходит с равновесного положения и не возвращается к нему после влияния шока в предыдущем периоде. Полученные результаты для разных спецификаций показывают, что, в связи с девальвацией российского рубля к американскому доллару, в настоящее время угрозы для курса азербайджанского маната к российскому рублю нет.
Ключевые слова: валютный курс, механизм коррекции ошибок, коинтеграция, граничная модель авторегрессии с распределенным лагом, структурные изменения.
DOI: 10.47711/0868-6351-203-208-221
Экономика и бюджет России пережили трудности в 2022 г. Против России были введены, по сравнению с введенными в 2014 г., более жесткие санкции, которые привели к обвалу рубля в марте 2022 г. Однако к концу 2022 г. ситуация исправилась вследствие эффективной трансформации российской экономики - изменения торгово-логистических цепочек. Российская экономика уже не так зависела от импорта из стран Запада.
Изменились торгово-экономические партнеры России, произошла переориентировка на Восток, Азиатско-Тихоокеанский регион, Африку, Латинскую Америку, ЕАЭС, дружественные страны постсоветского пространства. В этот кризисный для России период Азербайджан стал стратегически более важным партнером для России. По данным Государственного таможенного комитета Азербайджанской Республики, товарооборот между Азербайджанской Республикой и Россией по итогам первого полугодия 2023 г. вырос на 40%. Россия заняла третье место среди торговых партнеров Азербайджана после Италии и Турции. РФ лидирует среди стран, продукция которых импортируется Азербайджаном. По итогам 2022 г. товарооборот между Азербайджанской Республикой и Российской Федерацией приблизился к четырем млрд долл.
В первой половине 2023 г. наблюдалась высокая волатильность курса российского рубля относительно доллара США. За это время рубль подешевел на 25%. Несмотря на санкции против Российской Федерации, в 2022 г. рубль продемонстрировал низкую волатильность, торгуясь в пределах 60 руб. за долл. А в 2023 г.
устойчивость курса рубля нарушилась. Ситуация во многом обусловлена структурой внешнеторговых платежей. Учитывая, что обменный курс является основным фактором, определяющим учетную ставку, ЦБ России 15 сентября 2023 г. повысил ключевую ставку до 13% годовых.
В связи с ослаблением российского рубля в настоящее время угрозы для азербайджанского маната нет. Азербайджанский манат в последние семь лет является одной из стабильных валют в сравнении с валютами постсоветских стран. Этому способствует высокая цена на энергоносители, приток иностранных инвестиций и политика Национального Банка Азербайджана, направленная на укрепление маната. Азербайджанская Республика и Российская Федерация добились такого состояния торгового баланса, что изменения курсов AZN/RUB и USD/RUB похожи. Но дальнейшее падение рубля может сказаться на поставках продукции из Азербайджана в Россию.
По состоянию на 20 сентября 2023 г. можно сказать о завершении восстановления экономики России после санкций: ВВП страны вышел на досанкционный уровень 2021 г. Созданы условия дальнейшего стабильного, устойчивого и сбалансированного долгосрочного роста экономики страны.
Целью данной работы является статистический анализ истории изменения курсов AZN/RUB и USD/RUB за первое полугодие 2023 г/ со структурными изменениями, эконометрическое обоснование влияния изменений USD/RUB на AZN/RUB, совместного долгосрочного движения этих курсов (коинтеграционной связи между исследуемыми переменными), расчеты параметров долгосрочной связи, анализ инверсии к долгосрочному стабильному состоянию.
Обзор последних эмпирических исследований. В последние годы опубликован ряд статей, посвященных исследованию интеграционных процессов между Россией и Азербайджаном. В частности, в [1; 2] в результате исследования показателей взаимной торговли выявлены тенденции развития торгово-экономического сотрудничества между этими странами. Относительно исследования динамики валютных курсов можно упомянуть работы [3; 4], в первой из которых с использованием подхода Фурье по годовым данным с 03.02.2017 по 03.08.2018 гг. для курса EUR/AZN построены гармонические колебательные модели с прямолинейными трендами. А во второй работе с сочетанием гармоник и полиномов построена модель курсовых изменений RUB/AZN на основе ежедневных наблюдений за период с 11.05.2017 по 02.11.2018 гг., что открывает возможность разработки высокоточного алгоритма для прогнозирования курсовых изменений не только для этого курса, но и для курсовых изменений валют других стран. Из эмпирических исследований взаимосвязи между ценами акций и обменными курсами, особенно интересных для развивающихся стран, отметим работу [5], где эмпирически доказано существование долгосрочных отношений между переменными, имеющими решающее значение как для инвесторов фондового рынка, так и для инвесторов на валютном рынке для принятия инвестиционных решений. В [6] с применением современных эконометрических подходов продемонстрировано, как санкции влияли на российскую экономику и валютный рынок, и как их влияние может распространяться на экономики и валютные рынки других стран. Затронутые в данной работе вопросы там не были изучены. Управление волатильностью обменного курса во время кризисов на примере турецкой лиры рассматривается в [7], где изучены различные спецификации одномерных моделей GARCH для прогнозирования волатильности на валютном рынке. Вопросы переориентации российских торговых потоков на альтернативные направления, возможности стабилизации экономики, обеспечения экономической безопасности в России отражены в работе [8]. Здесь обоснованы диверсификация и трансформация
1 URL: https://www.exchange-rates.org/ru
торговых потоков путем изменения каналов в кризисные периоды, что может открыть новые возможности для освоения определенной доли мирового рынка. В статье [9] изучено перенаправление российских прямых инвестиций в контексте экономических санкций, где для оценок использованы подходы псевдомаксимального правдоподобия и обоснованы соответствующие перемещения в страны Ближнего Востока, Азии и партнерских стран СНГ. В работе [10] представлен комплексный анализ торгово-экономических отношений России в современных условиях, внутренняя экономическая политика, проблемы и возможности расширения экономических связей с другими регионами. Анализ в работе [11] посвящен применению линейной и нелинейной модели АКОЬ к исследованию подверженности российской экономики геополитическому риску, влиянию экзогенных шоков на неопределенность экономической политики, что, в конечном итоге, приводит к колебаниям обменного курса российского рубля. Отметим работу [12], где исследуются с применением квантильного подхода реакция обменного курса на неопределенность внутренней экономической политики с учетом цены на нефть и объем торговли в разных экономических обстоятельствах, и эмпирически обосновано укрепление российской валюты с ростом цен на нефть и торговли. В [13] анализируются основные вызовы и угрозы в новой геополитической реальности, связанные с Россией, статистически обосновано предотвращение коллапса и повышение эффективности экономики в связи с возможными будущими вызовами. Важно отметить еще работу [14], где исследована непротиворечивость при инверсии скачкообразных диффузионных процессов на валютном рынке и изучена структура локальной волатильности. Экономические интеграционные процессы между Азербайджаном и Россией, Беларусью и Казахстаном исследованы в [15]. Там же построены ЕСМ взаимовлияния экономик этих стран. А в [16] анализируются последствия санкций против России для постсоветских партнерских стран.
В перечисленных выше работах и других исследованиях не был изучен вопрос эконометрического моделирования влияния в кризисных ситуациях курсовых изменений российского рубля к свободно конвертируемым валютам на курс национальных валют партнерских стран постсоветского пространства к российскому рублю. В данной работе сделана попытка восполнить этот пробел на примере Азербайджанской Республики.
Результаты исследования. Рассматриваются исходные временные ряды обоих курсов и ряды логарифмов этих показателей. Первые разности логарифмов являются аппроксимацией темпов прироста соответствующих переменных. Траектории движения обоих курсов показаны на рис. 1 и рис 2.
Графики соответствующих временных рядов указывают на наличие множественных структурных сдвигов (сдвигов среднего и наклона).
Основные дескриптивные статистики переменных описаны в табл. 1.
Таблица 1
Дескриптивные статистики переменных
Показатель Агы/шв шэ/шв ь^Агы/шв ь^шэ/шв
Среднее значение 48,07 81,72 3,87 4,40
Медиана 47,34 80,48 3,86 4,39
Максимум 58,82 99,99 4,07 4,61
Минимум 39,87 67,78 3,69 4,22
Стандартное отклонение 4,98 8,47 0,10 0,10
Асимметрия 0,38 0,38 0,23 0,23
Эксцесс 2,12 2,11 2,07 2,07
Статистика Жака-Бера 10,09 10,06 7,95 7,92
Курс USD RUB
Месяц
2023 г.
Рис. 1. Динамика курсовых изменений AZN/RUB и USD/RUB
Источник: URL: https://www.exchange-rates.org/ru
' 1 Прологариф-
Месяц
2023 г.
Рис. 2. Динамика курсовых изменений LN_AZN/RUB и LN_USD/RUB
Источник: расчеты авторов по данным: URL: https://www.exchange-rates.org/ru
Формальные модели регрессии, выполненные в программном пакете Eviews 12
с помощью метода наименьших квадратов (OLS), следующие:
AZN/RUB t = 0,053 + 0,588 • USD/RUB t + e1t , (1)
LN_AZN/RUBt = -0,525 + 0,999 • LN_USD/RUB t + e2t, (2)
USD/RUB t = -0,086 + 1,702 • AZN/RUB t + e3t, (3)
LN_USD/RUBt = 0,526 + 1,001 • LN_AZN/RUB t + e4t. (4)
Для уравнений (1)-(4) коэффициенты детерминации соответственно равны 0,999947; 0,998773; 0,999947; 0,999933, а оценки Дарбина-Ватсона (DW) имеют значения 2,027612; 2,030271; 2,027718; 2,030436. Коэффициенты регрессии во всех моделях имеют статистически значимые на уровне 5% ожидаемые знаки, подтверждающие, что изменение обменного курса USD/RUB оказывает статистически значимый сонаправленный эффект на обменный курс AZN/RUB. При этом характеры влияния ослабления и укрепления российского рубля различаются почти пропорционально в краткосрочных рабочих дневных периодах, а в дальнейшем сглаживаются.
Это означает, что обменный курс маната к рублю оперативно реагирует на изменение курса российского рубля к американскому доллару.
Заметим, что высокий коэффициент детерминации и величина статистики DW, близкая к двум, недостаточны для полной качественной эконометрической модели [17]. Необходимо использование всевозможных тестов, статистических гипотез, а также специальной методологии с учетом множественных структурных разрывов, что, в свою очередь, позволяет повысить достоверность и надежность полученных результатов. Высокое значение коэффициента корреляции между AZN/RUB и USD/RUB (0,9999773), а также между LN_AZN/RUB и LN_USD/RUB (0,9998144) не всегда может свидетельствовать о сильной связи между курсами.
Коэффициенты асимметрии положительны для обоих остатков, что означает наличие положительной асимметрии в распределении исходных и логарифмированных остатков, полученных для моделей регрессии (1-4). А коэффициенты эксцесса, соответственно, в 30 раз больше и два раза выше значения 3 для остатков исходного ряда и остатков логарифмированного, свидетельствуют о островершинных распределениях обоих остатков. Величины тестовых статистик Жака-Бера (Jarque-Bera), соответственно, составили 74802 и 115, а уровни значимости равны 0. Следовательно, мы отвергаем гипотезы о нормальном распределении остатков stt, i = 1,4 для всех моделей.
Представление совокупной суммы квадратов остатков (рис. 3) демонстрирует, что параметры всех моделей динамично стабильны, поскольку кривые лежат в критических пределах 5% (CUSUM test).
Кумулятивная сумма рекурсивных остатков
5% Significance _____-
5% Significance .....— .............
Ml М2 МЗ М4 М5 Мб М7 М8
2023 г. Месяц
Кумулятивная сумма рекурсивных остатков
5% Significance __________________
20 ............................"
ю .........
0 -1
_10 -__ CUSUM USD/RUB
-20
-30 ..................
5% Significance
-40 ............
Ml М2 МЗ М4 М5 Мб М7 М8
Месяц
2023 г.
Рис. 3. CUSUM test
Результаты Расширенного теста Дики-Фуллера (ADF test) представлены в табл. 2 для всевозможных вариантов, которые показывают, что все четыре переменные не являются стационарными на всех уровнях значимости 1%, 5% и 10%, а их первые разности являются стационарными.
Таблица 2
ADF test для полной выборки первых разностей
Показатель t-статистика Критическое значение 1% Критическое значение 5% Критическое значение 10%
ЩАгЫ/ШВ)
Константа -15,06 -3,47 -2,88 -2,58
Э^Ы/ШВ)
Константа и тренд -15,14 -4,01 -3,44 -3,14
щшэ/шв)
Константа -15,20 -3,47 -2,88 -2,58
0(Ш0/ШВ)
Константа и тренд -15,28 -4,01 -3,44 -3,14
Отметим, что на подинтервалах могут быть стационарные ряды. Например, с 02.05.2023 по 06.09.2023 LN_AZN/RUB имеет t-статистику, равную -3,30 с р-зна-чением 0,07 и LN_USD/RUB в этом же подинтервале: -3,29 с р-значением 0,07, где на уровнях значимости 1% и 5% данные ряды нестационарны, а на уровне значимости 10% оба ряда стационарны, что дает возможность корректного применения OLS для оценки коэффициентов регрессии. Этот тест неустойчив к структурным изменениям [18-21], поэтому мы будем использовать два теста: тест Зивота-Эндрюса (Zivot-Andrews unit root test) и Бай-Перрона (Bai-Perron), которые допускают наличие структурных изменений во временных рядах с одновременным построением для них моделей при помощи OLS c учетом установленных моментов структурных изменений.
В табл. 3 представлены результаты тестирования Зивота-Эндрюса на стационарность с учетом возможных структурных сдвигов и некоторых сдвигов режима в рассматриваемой полной выборке.
Таблица 3
Результаты тестирования Зивота-Эндрюса (в скобках указаны даты разрывов)
Показатель t-статистика Критическое значение 1% Критическое значение 5% Критическое значение 10%
02.01.2023-06.09.2023
LN AZN/RUB (28.04.2023) LN USD/RUB (28.04.2023) -5,05 -5,01 -5,57 -5,57 -5,08 -5,08 -4,82 -4,82
02.01.2023-09.03.2023
LN AZN/RUB (28.02.2023) LN USD/RUB (28.02.2023) -3,09 -3,04 -5,57 -5,57 -5,08 -5,08 -4,82 -4,82
04.04.2023-17.05.2023
LN AZN/RUB (10.05.2023) -2,80 -5,57 -5,08 -4,82
18.05.2023-01.08.2023
LN AZN/RUB (30.06.2023) -5,13 -5,57 -5,08 -4,82
Проведенный тест выявил статистически значимый структурный сдвиг для полной выборки (28.04.2023). Для обоих курсов тест однозначно утверждает о принятии нулевой гипотезы о нестационарности на уровнях значимости 1% и 5%, поскольку
расчетные тестовые статистики меньше значений критических уровней, а на 10% уровне оба рассматриваемых ряда являются нестационарными. Это справедливо и для логарифмированных рядов. Первые разности являются стационарными, как в тестах без учета структурных сдвигов, так и в тестах с их учетом. Для этой даты t-статистика теста является минимальной по сравнению с остальными возможными вариантами датировки структурного сдвига. А для точек разрыва и сдвигов режима в отдельных подвыборках результаты тестирования показали, что присутствуют единичные корни на уровне принятых во внимание основных размеров подвыборки, но они были интегрированы порядка 1 как показал тест ADF.
Тест Бай-Перрона на 5% уровне обнаружил в данных для LN_AZN/RUB и LN_ USD/RUB пять статистически значимых начальных точек разрыва, что соответствует шести режимам. Результаты теста представлены в табл. 4.
Тестирование показало, что существуют структурные разрывы на разных уровнях в зависимости от размера подвыборки, но разрывы оставались стабильными для полной выборки. Здесь можно сравнить устойчивости режимов сдвига между собой.
Таблица 4
Результаты теста Бай-Перрона
Точки разрыва F-статистика Критическое значение
09.03.2023 584,35 8,58
03.05.2023 257,13 10,13
19.06.2023 132,33 11,14
27.07.2023 123,99 11,83
01.09.2023 29,38 12,25
На рис. 4 отражены результаты теста Бай-Перрона на эндогенный структурный сдвиг, где делениями обозначены даты сдвигов, сформированы отрезки, характеризующие изменения динамики курсов ЬК_А2К/ЯиВ и ЬК_и8Б/ЯиВ. На их основе созданы фиктивные переменные:
Dummylt = 1(t > 08.02.2023), Dummy1t = 0(t < 07.02.2023)
Dummy2t = 1(t > 04.04.2023), Dummy2t = 0(t < 03.04.2023)
Dummy3t = 1(t > 19.05.2023), Dummy3t = 0(t < 18.05.2023)
Dummy4t = 1(t > 28.06.2023), Dummy4t = 0(t < 27.06.2023)
Dummy5t = 1(t > 03.08.2023),Dummy5t = 0(t < 02.08.2023),
позволяющие учесть средние изменения курсовых динамик.
С включением соответствующих ступенчатых фиктивных переменных, в Eviews 12 рассчитаны статистически значимые коэффициенты регрессии подмножеств, испытывающих влияние структурных сдвигов в общей выборке.
ЬМ_АгМ/ЯиВ = 0,999 • ЬЫиБО/ШВ - 0,0003 • БиММУ! - 0,528 (5)
ЬМ_АгМ/ЯиВ = 0,988 • ЬЫиБО/ШВ + 0,0113 • ЬЫиБО/ШВ • БиММУ! -
- 0,048 • ОиММУ! - 0,480 (6)
ЬМ_АгМ/ЯиВ = 0,995 • ЬЫиБО/ШВ + 0,0042 • ЬЫиБО/ШВ • ОиММУ2 -
- 0,0183 • ОиММУ2 - 0,510. (7)
Для остальных спецификаций с включением фиктивных переменных вероятности С-статистик, оценок коэффициентов ЭиММУЗ, ОУММУ4, ЭиММУ5 в уравнении регрессии больше 20%.
Прологарифмированные
курсы :s:: is:; :::s
USD/RUB
4,2
M2 M3
M4 MS
2023 г.
Мб M7
Месяц
Рис. 4. Результаты теста Бай-Перрона
Соответствующая регрессия, отражающая сдвиг среднего уровня в LN_AZN/RUB, следующая:
= 0,076 • ШММГ1 + 0,059 • ШММГ2 + 0,022 • ШММГ3 + + 0,097 • ШММГ4 + 0,059 • ШММГ5 + 3,719 (8)
с вероятностным значением равным нулю для всех С-статистик, оценок коэффициентов регрессии.
Модель регрессии точек разрывов состоит из постоянного регрессора для конкретного режима и представлена в табл. 5.
Таблица 5
Модель регрессии точек разрывов*
Коэффициент Стандартная ошибка t-статистика
02.01.2023 - 06.02.2023 (26 наблюдений)
3,72 0,0039 958
07.02.2023 - 31.03.2023 (39 наблюдений)
3,793 0,0032 1197
03.04.2023 - 17.05.2023 (33 наблюдения)
3,85 0,0034 1118
18.05.2023 - 26.06.2023 (28 наблюдений)
3,87 0,0037 1036
27.06.2023 - 01.08.2023 (26 наблюдений)
3,97 0,0039 1023
02.08.2023 - 06.09.2023 (26 наблюдений)
4,03 0,0039 1039
* Зависимая переменная: LN AZN/RUB. Метод: наименьших квадратов с разрывами; выборка: 02.01.2023 —
06.09.2023; разрывы: 07.02.2023, 03.04.2023, 18.05.2023, 27.06.2023, 02.08.2023; отбор: разрез выборки 0,15;
максимальное число разрывов — 5; уровень значимости 0,05
Опишем стационарные, регрессионные характеристики во всех режимах для зависимой переменной LN_AZN/RUB (независимая переменная LN_USD/RUB), табл. 6.
Свойства стационарности и нестационарности для LN_AZN/RUB в соответствующих подвыборках сохраняются и для LN_USD/RUB.
Структурные сдвиги Бай-Перрона согласуются с реальной динамикой обоих курсов, а точки структурных сдвигов имеют ясную экономическую интерпретацию, обусловленную мерами экономической политики и внешними шоками. Так, в относительно узком диапазоне горизонта времени с 02.01.2023 по 18.01.2023 г. рубль укрепился относительно доллара США с 72 до 68 руб./долл. Этот период можно считать периодом стабилизации. Затем, начиная с 19.01.2023 по 17.04.2023 г., в основном, произошло удешевление курса рубля с относительно низкими колебаниями вверх и вниз.
Таблица 6
Регрессионные характеристики всех режимов LN_AZN/RUB
Переменная Тест Дики-Фуллера Параметры уровня Параметры наклона R2 DW
02.01.2023 - 06.02.2023
LN AZN/RUB Нестационарный -0,48 0,98 0,99 2,03
07.02.2023 - 31.03.2023
LN_AZN/RUB Константа-стационар. (10%) Константа и тренд-стационар -0,53 1,00 0,99 2,21
03.04.2023 - 17.05.2023
LN AZN/RUB Нестационарный 1,00 0,53 0,99 2,46
18.05.2023 - 26.06.2023
LN AZN/RUB Константа и тренд-стационар. (5% и 10%) -0,52 0,99 0,99 2,25
27.06.2023 - 01.08.2023
LN_AZN/RUB Константа-стационар. (5% и 10%) Константа и тренд-стационар. (5% и 10%) -0,52 0,99 0,99 2,06
02.08.2023 - 06.09.2023
LN AZN/RUB Нестационарный 0,53 0,99 0,99 2,01
В окрестностях дат разрывов при таких непредсказуемых экономических и финансовых ситуациях изменяются со временем коинтеграционные соотношения между курсовыми динамиками. Ослабление российского рубля в весенние периоды в основном связано с сокращением профицита текущего платежного баланса России. На конец марта 2023 г. российский рубль подешевел относительно доллара США на 8,8%. Главная причина - это усиливающиеся санкции против России и блокировка внешних валютных счетов, заморозка золотых резервов России отдельными странами. Ослабление рубля в летние месяцы связано с сокращением торгового фактора платежного баланса, ростом зарубежного туризма и оттоком капитала, снижением продаж валютной выручки. Движение курса от 93 до 97 руб. было, на наш взгляд, временным.
Тесты Грейнджера на причинно-следственную связь для исходных и их первых разностных рядов при лаговых изменениях от 1 до 4 обнаружили некоторые слабые причинные зависимости для рассматриваемого полного периода, но для периодов разного режима [22; 23] имеют место явно выраженные причинности по Грейнджеру, и можно анализировать изменение устойчивости причинно-следственной связи между данными курсовыми динамиками. Причиной слабых или вообще отсутствующих причинных связей для единого временного ряда являются множественные структурные изменения в динамике курсов. Результаты тестирования для полного периода и некоторых отдельных подпериодов представлены в табл. 7.
При помощи теста Уальда (Wald test) проверена гипотеза о слабой экзогенности LN_AZN/RUB к LN_USD/RUB и наоборот. Гипотеза отвергнута на 5% уровне значимости, поэтому анализ долгосрочной коинтеграционной связи проводится в системе уравнений. Тест Энгла-Грейнджера (Engle-Granger) также подтвердил наличие долгосрочной связи между рассматриваемыми курсами, но данный тест не учитывает динамические структурные свойства исследуемых курсовых взаимозависимостей
и налагает на их динамику ограничения общего фактора, а гипотеза общего фактора является тестируемой, что снижает возможности этого теста и может привести к смещениям оценок. Поэтому, исходя из разделений режимов в табл. 5, мы анализируем регрессию и по общей выборке, и по режимам на их долгосрочную коинтеграцию.
Оба теста статистики Йохансена определили наличие одного значимого уравнения долгосрочного равновесия при лагах 1-4:
ЕСЫг-1 = AZN/RUBt-1 - 0,587 • USD/RUBt-1 - 0,060. (9)
Таблица 7
Результаты теста Грейнджера
Показатель Лаг 1 Лаг 2 Лаг 3 Лаг 4
Выборка: 02.01.2023 - 06.09.2023 LN AZN/RUB ^ LN USD/RUB p = 0,0907
Выборка: 04.01.2023 - 28.04.2023 LN AZN/RUB ^ LN USD/RUB p = 0,0364
Выборка: 07.02.2023 - 03.04.2023 LN AZN/RUB ^ LN USD/RUB LN USD/RUB ^ LN AZN/RUB p = 0,0191 p = 0,0204
Выборки: 03.04.2023 - 17.05.2023 18.05.2023 - 26.06.2023 27.06.2023 - 01.08.2023 LN AZN/RUB ^ LN USD/RUB LN USD/RUB ^ LN AZN/RUB
Выборка: 02.08.2023 - 06.09.2023 LN AZN/RUB ^ LN USD/RUB LN USD/RUB ^ LN AZN/RUB p = 0,1178 p = 0,1172
Коэффициенты приспособления незначимы, только коэффициенты для разностей обоих курсов значимы с лагом 4.
По общей выборке другое равновесное соотношение имеет вид:
ECMt-1 = LN_AZN/RUBt-1 - 0,997 • LN_USD/RUBt-1 + 0,525 (10)
c одним наполовину статистически значимым коэффициентом приспособления для ALN_USD/RUB, равным 2,344 и уравнением равновесной долгосрочной связи
ALN_USD/RUBt = 2,344 • (LN_AZN/RUBt-1 - 0,999 • LN_USD/RUBt-1 + 0,525) + + значение коэффциентов лага 4 для разностей, (11)
которое сходит с равновесной траектории впоследствии шоков курса AZN/RUB.
Для периода с 04.01.2023 по 28.04.2023 (для 84 наблюдений) тест Йохансена при уровне значимости 5% также обнаружил один коинтеграционный вектор со статистически значимым уравнением коинтеграции:
ECMt-1 = LN_AZN/RUBt-1 - 0,997 • LN_USD/RUBt-1 + 0,517 (12)
со слабозначимыми коэффициентами возвращения к равновесной траектории: для ALN_AZN/RUB равным 1,162; и для ALN_USD/RUB - 2,384, соответственно, а коэффициенты краткосрочных изменений для лагов 1-4 являются значимыми для обоих разностей.
Теперь остановимся на еще одном важном инструменте, который дает Eviews 12 для оценки устойчивости полученных моделей к шокам (в нашем случае под ними подразумеваются однократные резкие скачки курса). Здесь длительность проводимого теста ограничивается десятью рабочими днями. На первом шаге, когда шок отсутствует, величина импульсного ответа равна стандартной ошибке уравнения регрессии:
ЕСМ£-1 = LN_AZN/RUBt-1 - 0,999 • LN_USD/RUBt-1 + 0,525 (13)
для УБСМ со значимым вектором коинтеграции (1; -0,999) и слабозначимым вектором приспособления (-0,739; 0,328), равной 0,0105 для Во втором периоде остаточная неопределенность возрастает в силу воздействия шока, величина которого приравнивается к стандартной ошибке коэффициента регрессии независимой переменной. Вследствие шоков самих курсов их уровни снижаются, а затем стабилизируются после четырех рабочих дней. А при взаимных влияниях после шока сначала идет снижение на два периода, после чего динамика эффекта шоков увеличивается до четвертого периода и стабилизируется, почти зеркально отражаясь с одинаковыми знаками. На рис. 5 показаны соответствующие графики.
Для полного выяснения обстоятельств, связанных со статистической незначимостью коэффициентов приспособления УБСМ, используем ЕСМ, основанный на модели АКЭЬ с целью определения связи между курсовыми изменениями в продолжительном периоде. С помощью расчетов в Eviews 12 были найдены следующие уравнения для АКЭЬ (1,0).
LN_AZN/RUBt = 0,995 • LN_USD/RUBt + 0,004 • LN_AZN/RUBt-1 - 0,523. (14)
Коэффициент детерминации равен 1,000, а ОЖ = 2,02. Условная ЕС регрессия имеет следующий вид:
D(LN_AZN/RUB)t = -0,523 - 0,996 • - 0,999 • (15)
В случае константы и отсутствия тренда
ЯС = LN_AZN/RUB г - 0,999 • LN_USD/RUBt, (16)
где все коэффициенты в (14), (15), (16) являются статистически значимыми.
Отклик LN_AZN/RUB на LN_AZN/RUB
Отклик LNAZN/RUB на LN_USD/RUB
.012 .010 .008 .006 .004 .002 .000
.012 .010 .008 .006 .004 .002 .000
1 2 3 4 5 6
Отклик LN USD/RUB га LM_AZN/fi LIB
7 S 9 10
Рабочий день
7 а 9 10
Рабочий день
2 3 4 5 6 7 Отклик LN_USD/RUB на LN_USD/f!UB
9 10 Рабочий день
3 9 10
Рабочий день
Рис. 5. Функция импульсного отклика
Теперь применяем подход тестирования границ авторегрессии с распределенным запаздыванием (ARDL Long Run Form and Bounds Test).
В соответствии с методом ARDL для выделения коинтеграции между курсами AZN/RUB и USD/RUB рассчитывается F-критерий и сравнивается с критическими значениями, которые рассчитаны Pesaran и др. [24]. Если F-критерий окажется ниже нижнего граничного критического значения, гипотеза об отсутствии коинтеграции принимается; если же он будет выше верхнего граничного критического значения, то гипотеза об отсутствии долгосрочной взаимосвязи отвергается, подтверждается наличие коинтеграционного соотношения. Результаты теста представлены в табл. 8.
Таблица 8
Результаты ARDL-граничного теста
Граничный F-тест Нулевая гипотеза: отсутствие долгосрочной связи
Статистика теста Значение Значимость, % I (0) Асимптотичность: n = 1000 I (1)
F-статистика 13468 10 5 2,5 1 4,04 4,94 5,77 6,84 4,78 5,73 6,68 7,84
Тест на ошибку спецификации коинтеграционных соотношений Рамсея (Ramsey RESET test) показал, что модель правильно идентифицирована (р = 0,14, что больше 0,05); тест Бреуша-Пагана-Годфри (Breusch-Pagan-Godfrey) не выявил гете-роскедастичности (р = 0,29, что выше 0,05); тест серийной корреляции не выявил никаких проблем (р = 0,959, что выше 0,005).
После того, как модели коинтеграции построены, можно прогнозировать значения исследуемых курсов с помощью найденных уравнений. Осуществляется прогноз 8-12-дневных курсов, следующих за значениями курсов на последнюю дату. При этом для оценки точности прогноза [25] определяется средняя квадрати-ческая ошибка расчетного значения, средний модуль ошибки, средняя ошибка аппроксимации, коэффициент Тейла, отклонение среднего расчетного значения (регрессионного) от среднего наблюдаемого значения; и данные ошибки соответственно следующие: 0,0008; 0,0002; 0,0047; 9,54Е-05; 0,0000 - для LN_USD/RUB и 0,0008; 0,0002; 0,0055; 0,0001; 0,0000 - для LN_AZN/RUB. Эти данные показывают высокую точность прогнозирования, что подтверждает гипотезу о интегри-рованности курсов LN_USD/RUB и LN_AZN/RUB. Вышеуказанные характеристики прогнозирования для кусочно-постоянных аппроксимаций будут: 0,0195; 0,0158; 0,4085; 0,0025; 0,0000 - для LN_AZN/RUB и 0,0195; 0,0158; 0,3603; 0,0221; 0,0000 для LN_USD/RUB.
Таким образом, разные подходы к оценке коинтеграции с учетом множественных разрывов дают почти одинаковые результаты.
* * *
Результаты проведенного исследования показали, что методы ECM и ARDL работают лучше, чем методы OLS. Эти методы лучше фиксируют нестабильное поведение доллара, т. е. временные ряды различных порядков интегрируемости со структурными сдвигами не следует анализировать вместе с помощью OLS. Это означает, что без баланса уравнений модель определяется неправильно, а тесты гипотез и долгосрочные множители ненадежны.
На фоне усиливающихся санкций против России, при прочих неизменных условиях, нет никаких существенных экономических факторов для снижения или повышения курса маната по отношению к российскому рублю. Национальный Банк Азербайджанской Республики принимает временные меры в связи с санкционным давлением на российский рубль, которые позволяют минимизировать влияние со стороны внешних геополитических факторов на валютный рынок и финансовую стабильность внутри страны. Полученные результаты могут послужить основой для рекомендаций эффективной денежно-кредитной политики в условиях курсовых изменений с множественными структурными сдвигами по обеспечению устойчивого экономического развития, для прогнозирования и для борьбы с истощением валютных резервов.
Литература / References
1. Пылин А.Г. Внешнеэкономические связи Азербайджана в контексте региональной интеграции //Проблемы постсоветского пространства. 2015. № 1. С. 58-76. [Pylin A.G. Foreign economic relations of Azerbaijan in the context of regional integrat. Problems of the post-Soviet space. 2015. No. 1. Pp. 58-76. (In Russ.)]
2. Куклина Е.А. Энергетический вектор российско-азербайджанского экономического сотрудничества в цифровом пространстве современного мира //Евразийская интеграция: экономика, право, политика. 2019. № 4. С. 50-61. [Kuklina E.A The energy vector of Russian-Azerbaijani economic cooperation in the digital space of the modern world. EURASIAN INTEGRATION: economics, law, politics. 2019. No. 4. Рр. 50-61. (In Russ.)]
3. Orudzhev E, Mammadova L. Prediction ofEUR/AZN exchange rate dynamics on the basis of spectral characteristics // Journal of International Studies. 2020. No. 13 (2). Pp. 242-258. DOI: 10.14254/2071-8330.2020/13-2/17.
4. Мамедова Л.М. О комбинациях гармоник и полиномов в эконометрическом моделировании курсовых изменений RUB/AZN//Статистика и Экономика. 2022. № 19 (5). С. 48-58. URL: https://doi.org/10.21686/2500-3925-2022-5-48-58 [Mamedova L. On the Combination of Harmonics and Polynoms in Econometric Modeling of RUB/AZN Exchange Rate. Statistics and Economics 2022. No. 19 (5). Pp. 48-58. (In Russ.)]
5. Azretbergenova G.Z. The Interrelation between Stock Prices and the Exchange Rate in Kazakhstan // Economics: the strategy andpractice. 2022. No. 17 (2). Pp. 206-216. URL: https://doi.org/10.51176/1997-9967-2022-2-206-216
6. Sultonov M. Regional Economic and Financial Interconnectedness and the Impact ofSanctions: The Case of the Commonwealth of Independent States // Journal of Risk and Financial Management. 2022. No. 15 (12). P. 565. URL: https://doi. org/10.3390/jrfm15120565
7. Darie F.C., Tache I. Managing exchandge rate volatility during political crises // Bulletin of the Transilvania University of Bra§ov. Series V: Economic Sciences. 2022. Vol. 15 (64). No. 1. Pp. 83-96. URL: https://doi. org/10.31926/but. es. 2022.15.64.1.9
8. Анисимова Я.А., Плотников В.А. Экономическая безопасность, санкции и переориентация российских внешнеторговых потоков // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. 2023. № 13 (2). С. 10-23. URL: https://doi.org/10.21869/2223-1552-2023-13-2-10-23 [Anisi-mova Ya.A., Plotnikov V.A. Economic security, sanctions and reorientation of Russian foreign trade flows. News of the Southwestern State University. Series: Economics. Sociology. Management. 2023. No. 13 (2). Pp. 10-23. (In Russ.)]
9. Drapkin I.M., Fedyunina AA, Simachev Y. V. Unrealized opportunities: Exploring Russia's untapped OFDI potentials amidst economic sanctions //Russian Journal of Economics. 2023. No. 9 (2). Pp. 134-157. DOI: 10.32609/j.ruje.9.104661.
10. Aksenov I., Afonin P., Grekov I., Shemyakin N., Chicherov I. Trade and economic relations of the Russian Federation in modern conditions. E3S Web of Conferences 402, 08054 (2023). International Scientific Siberian Transport Forum — TransSiberia 2023. URL: https://www.e3s-conferences.org/articles/e3sconf/abs/2023/39/ e3sconf_transsiberia2023_08054/e3sconf_transsiberia2023_08054.html
11. Gainetdinova A.A. Asymmetric Impact of Geopolitical Risk and Economic Policy Uncertainty on Russian Ruble Exchange Rate // Journal of Applied Economic Research. 2023. Vol. 22. No. 2. Pp. 270-293. URL: https://doi.org/ 10.15826/vestnik. 2023.22.2.012
12. Sohag K., Gainetdinova A., Mariev O. The response of exchange rates to economic policy uncertainty: Evidence from Russia // Borsa Istanbul Review. 2022. No. 22 (3). Pp. 534-545. URL: https://doi.org/10.1016j.bir.2021.07.002
13. Френкель А.А., Тихомиров Б.И., Сурков А.А. Экономика России в 2022—2024 годах: итоги, тенденции, прогнозы //Вопросы статистики. 2023. № 30 (3). С. 33-52. URL: https://doi.org/10.34023/2313-6383-2023-30-3-33-52 [Frenkel A.A., Tikhomirov B.I., Surkov A.A. Russian economy in 2022—2024: results, trends, forecasts. Questions of statistics.2023. No. 30 (3). Pp. 33-52. (In Russ.)]
14. Graceffa F., Brigo D., Pallavicini A. On the consistency of jump-diffusion dynamics for FX rates under inversion //International Journal of Financial Engineering. 2020. Vol. 07. No. 04. P. 2050046. URL: https://doi.org/ 10.1142/S2424786320500462
15. Оруджев Э.Г., Гусейнова С.М. Об одной задаче коинтеграции торговых связей Азербайджана, России, Беларуси и Казахстана // Статистика и Экономика. 2020. № 17 (2). С. 29-39. https://doi.org/10.21686/ 2500-3925-2020-2-29-39 [Orudzhev E.G, Huseynova M.S. On One Co-Integration Issue of Trade Links of Azerbaijan, Russia, Belarus and Kazakhstan. Baku State University, Baku, Azerbaijan. Statistics and Economics.2020. No. 17 (2). Рр. 29-39. (In Russ.)]
16. Niftiyev I. Third-country economic consequences of Western sanctions on Russia: a thematic analysis of expert opinions in Azerbaijan // Socio Economic Challenges. 2023. No. 7 (3). Pp. 113-140. URL: https://doi.org/ 10.61093/sec. 7(3)113-140.2023.
17. Verbeek M. A Guide to Modern Econometrics. John Wiley & Sons, Inc., Hoboken. NJ. United States. 2012. 386p.
18. Zivot E., Andrews D. W.K. Further Evidence on the Great Crash, the Oil-Price Shock, and the Unit-Root Hypothesis // Journal of Business & Economic Statistics. 1992. No. 10 (3). Pp. 251-270. URL: https://doi.org/10.2307/1391541
19. Bai J., Perron P. Estimating and Testing Linear Models with Multiple Structural Changes // Econometrica. 1998. No. 66 (1). Pp. 47-78. URL: https://doi.org/10.2307/2998540
20. Bai J., Perron P. Computation and Analysis of Multiple Structural Change Models // Journal of Applied Econometrics. 2003. No. 18. Pp. 1-22. URL: https://doi.org/10.1002/jae.659
21. Perron P. Dealing with Structural Breaks. In: K. Patterson and T. C. Mills, Eds., Palgrave Handbook of Econometrics, Vol. 1. Econometric Theory, Palgrave. London, 2006.
22. Tastan H. Testing for Spectral Granger Causality // The Stata Journal. 2015. No. 15 (4). Pp. 1157-1166. URL: https://doi.org/10.1177/1536867X1501500411
23. Breitung J., Candelon B. Testing for short- and long-run causality: A frequency-domain approach // Journal of Econometrics. 2006. No. 132 (2). Pp. 363-378. URL: https://doi.org/10.1016/jjeconom.2005.02.004
24. Pesaran M.H., Shin Y., Smith R.J. Bounds Testing Approaches to the Analysis of Level Relationships // Journal of Applied Econometrics. 2001. No. 16 (3). Pp. 289-326. URL: http://www.jstor.org/stable/2678547
25. Gusti I.NA. Time Series Data Analysis Using Eviews. John Wiley & Sons, Inc. Hoboken. NJ, United States. 2009. 635p.
Статья поступила в редакцию 20.10.2023. Статья принята к публикации 09.11.2023.
Для цитирования: Э.Г. Оруджев, Л.М. Мамедова. К оценке долгосрочной взаимосвязи курсов AZN/RUB и USD/RUB на фоне усиливающихся санкций против России // Проблемы прогнозирования. 2024. № 2 (203). С. 208-221. DOI: 10.47711/0868-6351-203-208-221
Summary
ON THE ASSESSMENT OF THE LONG-TERM RELATIONSHIP BETWEEN THE AZN/RUB AND USD/RUB RATES AGAINST THE BACKDROP OF INCREASING SANCTIONS AGAINST RUSSIA
E.G. ORUDZHEV, Doct. Sci. (Phys.-Math.), Professor, Baku State University, Baku, Azerbaijan
ORCID: 0000-0002-6985-1407; Scopus Author ID: 6506480372
L.M. MAMEDOVA, Cand. Sci. (Phys.-Math.), Baku State University, Baku, Azerbaijan
Abstract. The article examines the mutual influence of the AZN/RUB and USD/RUB exchange rates against the backdrop of increasing sanctions against Russia in the period from January 2, 2023, to September 6, 2023, (five-day indicators, 178 observations) using the error correction mechanism (ECM) and autoregressive distributed lag (ARDL) models taking into account structural shifts. Exact specifications of regression models have been determined, confirming that changes in the exchange rate of the US dollar to the Russian ruble have a statistically weakly significant codirectional effect on the exchange rate of the Azerbaijani manat to the Russian ruble. The rates of restoration of equilibrium after shock changes between the dependent and independent variables have been determined, as well as relationships with positive cointegrating coefficients, at which the trajectory of these rates leaves the equilibrium position and does not return to it after the influence of the shock in the previous period. The results obtained for different specifications show that due to the devaluation of the Russian ruble against the US dollar, there is currently no threat to the exchange rate of the Azerbaijani manat against the Russian ruble.
Keywords: exchange rate, error correction mechanism, cointegration, boundary autoregressive distributed lag model, structural changes.
Received 20.10.2023. Accepted 09.11.2023.
For citation: E.G. Orudzhev andL.M. Mamedova. On the Assessment of the Long-Term Relationship between the AZN/RUB and USD/RUB Rates against the Backdrop of Increasing Sanctions against Russia // Studies on Russian Economic Development. 2024. Vol. 35. No. 2. Pp. 308-318. DOI: 10.1134/S1075700724020114
