CC BY
101
УДК 621: 319.14
А.М. Колесников
КОМПЛЕКСНОЕ МОДЕЛИРОВАНИЕ ВЗАИМОСВЯЗИ МАКРОЭКОНОМИЧЕСКИХ ПАРАМЕТРОВ И ПОЗИЦИИ ФИНАНСОВО-КРЕДИТНОГО УЧРЕЖДЕНИЯ
Для проведения эффективной денежно-кредитной политики любому многофилиальному коммерческому банку приходится анализировать большие объемы информации как по реальному, так и по финансовому сектору экономики страны и ее регионов. Данные собираются из различных источников; в некоторых случаях банк использует статистику, скомпонованную другими агентствами, прибегает к помощи Российского статистического агентства. Менеджеры многоструктурного банка анализируют полученную информацию и стремятся определить, что в настоящее время происходит в экономике. В связи с тем, что денежно-кредитная политика оказывает влияние на экономику только через какой-то временной промежуток (лаг), коммерческому банку необходимо заглядывать в будущее и составлять прогнозы развития ситуации. Регулирующему органу также может понадобиться просчитать несколько альтернативных вариантов денежно-кредитной политики, с тем чтобы определить, какой из них является наиболее эффективным. Для того чтобы проделать всю эту аналитическую работу, банки нуждаются в экономических моделях и эконометрических технологиях, позволяющих найти структуру и параметры используемых моделей. Разработка моделей необходима, в первую очередь, для изучения текущей ситуации, прогнозирования и выработки решений. Эту необходимость можно обозначить как внутреннюю. Внешняя же причина использования моделей связана с транспарентностью. Обнародование моделей позволяет точно донести до рынка причины принятия тех или иных решений денежными властями.
Коммерческие банки ведущих западных стран начали применять макроэкономические статические модели с конца 1960-х гг. С тех пор
информационные технологии, а с ними и эко-нометрические методы значительно улучшились, что позволяет сегодня моделировать сложные экономические процессы.
Однако многие финансово-кредитные учреждения умаляют роль макроэкономических моделей [3]. Они полагают, что польза от масштабного моделирования слишком мала и следует либо использовать меньшие модели различных типов, либо проводить анализ без количественных методов. Для того чтобы акцентировать внимание на ключевых проблемах экономики и избежать чрезмерной детализации, большинство коммерческих банков предпочитают эксплуатировать небольшие эконометри-ческие модели, которые служат главным рабочим инструментом среднесрочного прогнозирования. Вместе с тем многофилиальные банки все чаще опираются не на одну, как раньше, а на несколько типов моделей. Например, модель с большой детализацией может дать высокоточный краткосрочный прогноз инфляции, а более простая модель полезнее в анализе долгосрочной связи между инструментами и целями денежно-кредитной политики, такими как экономический рост и инфляция. Частично это отражает наличие множества задач, для решения которых используются модели. Модели помимо анализа альтернативных вариантов денежно-кредитной политики могут служить также для анализа процесса формирования инфляционных ожиданий.
Эконометрика базируется на стохастической теории (теории вероятностей) и может использоваться в двух направлениях. Во-первых, ее применяют для тестирования достоверности экономических теории. Во-вторых, для обнаружения экономических взаимосвязей, не предсказанных теорией и не имеющих (пока)
разумного обоснования. Последнее направление носит название атеоретическое моделирование. Из-за того что экономика в отличие от естественных наук не предполагает проведения экспериментальной проверки, коммерческие банки часто прибегают к атеоретическому подходу, т. е. разрабатывают модели без необходимой теоретической основы. Многие эксперты полагают, что моделировать процесс следует даже тогда, когда отсутствует удовлетворительная экономическая теория. При условии, что используемые данные поступили из надежного источника, аналитики банков с развитой филиальной сетью нередко считают лучшим использовать эконометрическую технику для обнаружения и подтверждения связи между экономическими переменными, нежели просто полагаться на «визуальный контроль» диаграмм и убеждаться в существовании связи, предсказанной теорией.
На прикладном уровне модели могут помочь финансово-кредитной системе в макроэкономической области. Это выразится в следующих аналитических действиях:
- определение процесса, происходящего в экономике, его количественных параметров, а также механизма влияния на него денежно-кредитной политики;
- мониторинг текущей экономической ситуации и создание краткосрочных прогнозов;
- составление прогнозов на длительный срок при альтернативных вариантах денежно-кредитной политики.
В первую очередь эксперты должны провести тестирование гипотез, касающихся того или иного поведения экономики. Аналитики банка, в свою очередь, могут изучить и оценить эффекты, которые оказывают влияние на изменения процентной ставки на сбережения и инвестиции, или влияние колебаний валютного курса на экспорт и импорт. Исследования взаимосвязей выделяются в отдельные научно-исследовательские проекты, которые затем объединяются. Результаты отдельных исследований будут положены в основу модели, с помощью которой определится процесс, происходящий в экономике, а также его количественные параметры.
Модели, имеющие полное теоретическое обоснование, так называемые структурные модели, представляют собой систему уравнений, в которой причинные связи между эндогенными переменными и их дефинициями выражены в явном виде. При этом целесообразно различать три типа структурных моделей, когда:
- все неизвестные выражаются в виде явных функций от внешних условий и внутренних параметров объекта;
- неизвестные определяются совместно из системы известных соотношений (уравнений, неравенств);
- неизвестные находятся из системы соотношений, известных лишь в общей форме (т. е. параметризация не завершена).
Таким образом, структурные модели состоят из уравнений, характеризующих основные взаимосвязи, определяющие экономическое поведение агентов. Например, личное потребление может зависеть от личного дохода и процентной ставки, поэтому ожидается, что индивидуумы будут реагировать на изменение этих переменных. Данные за прошлые периоды помогут оценить коэффициенты при ключевых переменных. Структурные модели обычно используются банками для прогнозирования совокупного макроэкономического спроса. Модели определяют ВВП как сумму основных компонентов расходов: частное потребление, инвестиции, государственные расходы, торговый баланс. Они включают небольшую или недетализированную функцию производства или занятости.
Классическая структурная модель, используемая многофилиальным банком, ограничивается небольшим количеством уравнений. Например, она может включать три уравнения, определяющие эндогенные переменные: реального ВВП, уровня цен и процентной ставки, которые зависят от одной экзогенной переменной - денежного предложения. Однако сложность моделирования современной экономики приводит к неимоверному разрастанию моделей.
Противоположное атеоретическое моделирование не пытается объяснить все, исходя из экономического поведения агентов. В атеорети-ческом подходе используется приведенная фор-
ма модели. В ней каждая из текущих эндогенных переменных непосредственно выражена как функция предопределенных переменных. Иными словами, каждое уравнение представляет собой решение системы уравнений модели, заданной в структурной форме, относительно каждой текущей эндогенной переменной. Число уравнений модели равно числу текущих эндогенных переменных. Структурная форма модели преобразуется в приведенную путем последовательных подстановок, и все параметры последней представляют собой некоторые функции первоначальных коэффициентов. Например, если структурная модель включает уравнения, объясняющие спрос на деньги и их предложение, то приведенная форма модели содержит только одно уравнение, показывающее, как переменная денег связана с другими показателями, например ценами. Структура модели неизвестна, но зато известно поведение объекта, т. е. реакция на воздействие известных факторов (реакция цен на увеличение денежной массы). Такие уравнения часто называют черными ящиками. Переменная денег является входным параметром черного ящика, а переменная цен - выходным. Для оценки неизвестной взаимосвязи двух переменных можно использовать различные тесты, которые позволяют обнаружить причинные связи: предшествуют ли статистические изменения денежного предложения колебанию цен или, наоборот, флуктуации цен определяют предложение денег.
Широкое применение получило использование моделей с целевыми ориентирами инфляции, которые стали особенно популярными в 1990-х гг. Инфляционное таргетирование основывается на достаточно простой аналитической модели, включающей два компонента. Первый компонент - это модель, описывающая, как экономика региона (страны) функционирует и как на нее влияет денежно-кредитная политика. Второй компонент представляет собой описание конечной цели коммерческого банка, которой придается приоритетное значение, т. е. описание целевой функции.
Корректировка ставки рефинансирования ведет к изменению совокупного спроса и производства, а с некоторым лагом - к изменению
инфляции. Этот лаг носит название контрольный горизонт, или контрольный лаг денежно-кредитной политики. В модели обычно контрольный горизонт задается как экзогенная переменная и не может меняться в результате действий финансово-кредитных инструментов. На практике контрольный лаг часто составляет один-два года. Его можно вычислить, обнаружив период времени, через который денежно-кредитная политика оказывает наибольший эффект на экономику.
Вторая составляющая аналитической модели - целевая функция центрального банка - задействована в двух направлениях. Во-первых, центральный банк стремится удержать инфляцию на определенном заданном уровне. Во-вторых, он может также способствовать стабилизации экономического роста на отметке максимального потенциального роста. Стабилизация переменных реального сектора, таких как рост производства или занятость, не всегда входит в список целей центрального банка. Однако на практике он пытается избежать избыточных колебаний этих переменных. Инфляционное таргетирование может варьироваться от «жесткого», когда банк не волнуют проблемы реального сектора, до «гибкого», когда он проявляет о нем некоторую заботу.
Основываясь на простой аналитической модели, финансово-кредитные учреждения придерживаются определенной манеры поведения. Процентная ставка устанавливается таким образом, чтобы ожидаемое отклонение инфляции от целевого ориентира и ожидаемое отклонение ВВП от своего потенциального значения были как можно меньше. Тем самым в соответствии с целевой функцией минимизируются потери общества. Поскольку изменения процентной ставки влияют на инфляцию с определенным лагом, банк должен рассчитывать прогноз инфляции. Он корректирует процентную ставку так, чтобы прогнозируемая инфляция как можно ближе находилась к целевому уровню. То же самое касается и ВВП. Инфляционный прогноз рассматривается как промежуточная цель денежно-кредитной политики, поэтому нередко говорят не об инфляционном таргетировании, а об инфляционно-прогнозном таргетировании.
Как видим, денежно-кредитная политика при инфляционном таргетировании может характеризоваться эмпирическим правилом, согласно которому процентная ставка рассчитывается как функция от инфляции и ВВП. Подобное правило установления процентной ставки обычно называют функцией ответной реакции. Она показывает, как финансово-кредитные учреждения реагируют на ожидаемое изменение наблюдаемых переменных. Коротко характеризуя простую аналитическую модель - инфляционное таргетирование, можно заметить следующее:
- финансово-кредитные власти стремятся минимизировать целевую функцию, включающую переменные инфляции и ВНП;
- целевая функция основывается на модели экономики, учитывающей контрольный горизонт денежно-кредитной политики;
- сама денежно-кредитная политика может описываться с точки зрения функции ответной реакции банка, которая показывает, каким образом он должен оптимально реагировать на изменение наблюдаемых переменных.
Целесообразно использовать пять критериев, с помощью которых определяется практическая применимость любой модели. Модель должна соответствовать следующим требованиям:
1) обладать транспарентностъю, достоверно воспроизводить экономический процесс и предусматривать свое дальнейшее усовершенствование;
2) легко учитывать новую информацию для обновления прогноза без перестройки модели;
3) адекватно отражать сложные динамические взаимодействия ключевых макроэкономических переменных, анализируемых при принятии решений;
4) основываться на экономической теории и выдавать обоснованные рекомендации для денежных властей;
5) предлагать несколько альтернативных и экономически последовательных сценариев денежно-кредитной политики.
Первые три критерия требуют от модели эффективной работы с данными. Четвертый критерий определяет ответную реакцию банка
на изменения во внешней среде и разделяет поведение денежных властей и экономики как двух различных объектов. Выполнение четырех критериев является лишь предварительным требованием для удовлетворения пятого критерия -разработки альтернативных вариантов денежно-кредитной политики в динамике.
В соответствии с описанными критериями разделяют все множество моделей на пять групп: модели «ядра» экономической системы; модели поведения, ориентированного на будущие ожидания; модели векторной авторегрессии; регрессионные модели одного уравнения; модели динамической оптимизации.
Модель «ядра» экономической системы. Абсолютное большинство банков создает так называемые модели «ядра». Под «ядром» подразумевают такую часть системы, без которой любая выделившаяся подсистема или группа подсистем не может существовать более эффективно или полностью самостоятельно. Модели «ядра» характеризуют ключевые экономические взаимосвязи «ядра» национальной экономики. Они могут использоваться для среднесрочного прогнозирования. В ходе моделирования на долгосрочную перспективу ряд переменных принимается за константу. К постоянным величинам могут относиться занятость, реальный валютный курс и т. д. Затем вводятся несколько механизмов, связывающих уравнения кратко-и долгосрочных периодов.
При принятии решений эффективность использования модели «ядра» зависит, главным образом, от характеристик анализируемых сценариев денежно-кредитной политики. Для исследования каких-то специфических вопросов модели «ядра» следует специально преобразовывать. Одним из типичных преобразований является статическое решение, используемое для нахождения долгосрочных последствий от принятия решений. Противоположное изменение -включение не входящих в исходную модуль переменных, что позволяет осуществлять прогноз на среднесрочную перспективу.
Модель экономического поведения, ориентированного на будущие ожидания. Такие модели часто называют моделями центральных банков. В анализе ключевое место занимает некая пе-
ременная, характеризующая ожидания экономических агентов касательно дальнейшего изменения ситуации. Чаще всего центральной переменной выступает ожидаемая будущая инфляция (или ВВП). Исходя из ожидаемого значения будущей инфляции, центральный банк в данный момент времени стремится минимизировать ожидаемые потери общества. Таким образом, поведение как денежных властей, так и частного сектора, определяется прогнозом ключевой переменной. Модели содержат комплексную характеристику, соединяющую рост ВВП с такими переменными, как процентная ставка, ожидаемая инфляция, предыдущий и ожидаемый рост производства. В них входит также кривая Филлипса, связывающая текущую инфляцию с прошлой и ожидаемой инфляцией, и, кроме того, учитываются отклонения ВВП от своего потенциального уровня. Простейшая модель с ориентацией на будущие ожидания состоит из двух уравнений. В первом уравнении текущая инфляция зависит от прошлой и ожидаемой инфляции, текущего ВВП и случайного шока, влияющего на цены. Во втором уравнении текущий ВВП определяется переменными прошлого и ожидаемого ВВП, ожидаемой инфляцией, текущей номинальной процентной ставкой и случайным шоком, сказывающимся на производстве.
Модель с ориентацией на будущее предусматривает определенный механизм, подсказывающий решения для денежно-кредитной политики. Если центральный банк использует тарге-тирование денежных агрегатов, то в систему уравнений должна входить функция спроса на деньги. Однако в большинстве случаев разработчики ограничиваются простым правилом установления процентной ставки, таким как «правило Тейлора». Описываемая модель отличается от модели «ядра» степенью агрегации: она гораздо выше, также модель часто перегружают уравнениями. На практическом уровне модели с перспективными ожиданиями больше подходят для имитации действий денежных властей, а не для прогнозирования. Их удобно применять для анализа альтернативных вариантов денежно-кредитной политики, поэтому они обычно дополняют модели «ядра» и обеспечи-
вают их перекрестный контроль. В то же время из-за высокой степени агрегации и упрощенной динамической структуры они не могут участвовать в краткосрочном прогнозировании или объяснении колебаний делового цикла.
Модель векторной авторегрессии (УЛЯ). УЛЯ-модели широко используются приверженцами атеоретического подхода. Первоначально модель использовалась для изучения таких специфических вопросов, как роль различных денежных агрегатов в прогнозировании инфляции и экономического роста. Она представляет собой систему уравнений, в которой значение каждой последующей переменной определяется предыдущими значениями не только этой, но и других переменных. Фактически модель описывает математическое ожидание будущего значения переменной как линейную функцию от текущих и прошлых значений ряда переменных. Например, У ЛЯ-модель может содержать три переменные: инфляция, производство, денежная масса. В такой модели текущая инфляция зависит от предыдущих значений переменных инфляции, производства и денежной массы; текущее производство и денежная масса определяются теми же самыми переменными прошлого.
В отличие от структурных моделей УЛЯ-модель не навязывает никаких ограничений, обычно накладываемых экономической теорией в части жесткой зависимости одних переменных от других. В связи с тем, что УЛЯ-модели опираются исключительно на наблюдения прошлого и не учитывают будущие ожидания, их применяют в краткосрочном прогнозировании. Их также можно использовать для обнаружения статистически значимых макроэкономических индикаторов. Но в отличие от структурных моделей У ЛЯ-модели не объясняют, почему тот или иной показатель является важным с экономической точки зрения.
Регрессионная модель одного уравнения. Типичным примером такой модели для открытой экономики является модель Филлипса, учитывающая связи между валютным курсом и условиями внешней торговли (или ценами на ключевые товары). По сравнению с другими моделями регрессионная модель одного уравнения обла-
дает прикладными преимуществами. Во-первых, она имеет простую и понятную структуру. Во-вторых, ее легко использовать в прогнозных расчетах. Нередко регрессионные модели применяют для перекрестного контроля модели «ядра».
Модель динамической оптимизации. Это модели, которые в противоположность статическим моделям (характеризующим состояние системы в определенный момент времени) описывают синергетику экономики в развитии. Модель является динамической, если как минимум одна ее переменная относится к периоду времени, отличному от времени, к которому отнесены другие переменные. Иными словами, динамическая модель содержит лагированные эндогенные переменные. Существуют два принципиальных подхода к построению таких моделей. Первый подход заключается в исследовании равновесия экономической системы, второй подход - оптимизационный. Он состоит в выборе оптимальной траектории экономического развития из числа возможных. Банкам часто бывает необходимо выяснить экономические последствия структурных изменений или нетипичного шока. Для этого рассматриваются потенциальные траектории дальнейшего развития системы, из которых выбирается оптимальная.
Главная проблема с регрессионными моделями кроется в коэффициентах при переменных. Коэффициенты выражены через функции, опре-
деляемые предпочтениями, технологиями и государственной политикой. На практике далеко не просто предсказывать эффекты, оказываемые этими детерминантами на коэффициенты моделей. По сравнению с моделью регрессии модель динамической оптимизации имеет более прочную структурную основу, и по этой причине ее широко используют в академических исследованиях. Ее подвиды варьируются от динамических стохастических моделей общего равновесия до моделей ценообразования на активы. Динамические модели редко применяются в прогнозировании, однако они как компонент могут участвовать в составлении прогноза.
Подводя итоги, можно выделить четыре группы инструментов, используемых в аналитической политике банков:
- модели или методы краткосрочного прогнозирования (на текущий квартал или один-два квартала вперед);
- относительно небольшие модели «ядра», служащие для наблюдения за ключевыми макроэкономическими показателями;
- методы дезагрегации сводных прогнозов модели «ядра» и преобразования их в специализированные прогнозы;
- группа вспомогательных моделей, обеспечивающих интерпретацию результатов основных моделей или предназначенных для изучения специфических проблем, таких как нетипичные шоки.
СПИСОК ЛИТЕРАТУРЫ
1. Актуальные вопросы моделирования динамических систем и оценка их надежности [Текст] : отчет о НИР. - М.: МО ПВУРЭ, 2009. - 213 с.
2. Ачкасов, А.И. Балансы коммерческих банков и методы их анализа. Вопросы ликвидности и их отражение в банковских балансах [Текст] / А.И. Ачкасов. -
М.: Консалтбанкир, 2011. - 198 с.
3. Бабкин, А.В. О причинах мирового финансового кризиса и его последствиях для российской экономики [Текст] / А.В. Бабкин, В.В. Пшеничников, Е.Е. Бичева // Научно-технические ведомости СПбГПУ. Серия «Экономические науки». - 2009. - № 4 (81). - С. 9-17.
