О влиянии монетарной политики ЦБ РФ на инфляцию и курс рубля Текст научной статьи по специальности «Экономика и бизнес»

социально-экономические проблемы развития общества (social-economic problems of society progress)

Б01: 10.12731/2218-7405-2015-1-10 УДК 33

О ВЛИЯНИИ МОНЕТАРНОЙ ПОЛИТИКИ ЦБ РФ НА ИНФЛЯЦИЮ И КУРС РУБЛЯ

Поляков Е.Н.

Авторы статьи изучили влияние монетарной политики ЦБ РФ на инфляцию в период с 2002 по 2014 годы. Изучено 2 канала ужесточения монетарной политики ЦБ РФ: повышение процентных ставок и сокращение денежного предложения. Анализ был проведен с использованием моделей 2 типов: ADL и VAR. В результате моделирования был подтверждена гипотеза о том, что рост процентных ставок влечет рост потребительской инфляции. Такая зависимость характерна для большинства развивающихся рынков и в научной литературе называется price puzzle. Также авторы пришли к выводу, что увеличение темпов роста денежной массы влечет снижение темпов роста потребительских цен. В ходе анализа трансмиссионного механизма монетарной политики было установлено, что как рост процентных ставок, так и рост денежного предложения влечет падение курса рубля, что и является основной причиной роста потребительской инфляции. Такая зависимость между процентными ставками и курсом также характерна для развивающихся стран и в научной литературе называется exchange rate puzzle. Таким образом, ужесточение денежно-кредитной политики, которое в последние 3 года проводит ЦБ, не только не достигает декларируемой цели, но и приводит к прямо противоположным результатам. Выводы, сделанные в статье, полностью корреспондируют с научными исследованиями последних лет по вопросам влияния шоков монетарной политики на основные макроэкономические переменные.

Ключевые слова: монетарная политика; инфляция; процентные ставки; курс валюты; Центробанк.

ON IMPACT OF RUSSIAN CENTRAL BANK MONETARY POLICY ON INFLATION AND RUBLE EXCHANGE RATE

Polyakov E.N.

An article S authors studied an impact of CBR monetary policy on inflation throughout 2002-2014. They studied 2 channels of monetary policy tightening: raising interest rates and liquidity contraction. Two types of modeling were applied: ADL and VAR As a result of modeling the following hypothesis was confirmed: interest rates growth causes consumption prices to increase. This type of relationship between interest rates and consumption prices is typical for emerging markets and called price puzzle. The authors came to the conclusion as well that higher money supply growth rate causes inflation to decrease. Monetary policy reaction function showed that interest rates growth and money supply growth causes ruble to depreciate, which is the main reason of consumption prices growth. This type of relationship between interest rates and exchange rate is typical for emerging markets and called exchange rate puzzle. Thus monetary policy tightening which Russian Central Bank has been conducting for last 3 years results in opposite outcomes than expected. The article findings fully correspond with studies of last years about monetary policy shocks impact on inflation and exchange rate.

Keywords: monetary policy reaction function; inflation; price puzzle; exchange rate puzzle; ruble.

В связи с тем, что ЦБ декларирует основной целью своей политики борьбу с инфляцией, целесообразно внимательно изучить связь между основными переменными, которыми управляет ЦБ и инфляцией. Таких переменных - две: денежная масса и процентные ставки. Проанализируем, как обе эти переменные влияют на потребительскую инфляцию (CPI) и индекс цен производителей в промышленном производстве (PPI). В качестве потребительской инфляции возьмем базовую инфляцию.

I. Общие тезисы

ЦБ утверждает, что ужесточая денежно-кредитную политику, влияет на инфляцию. Это спорный тезис. На диаграмме №1 изображены темпы базовой инфляции и темпы роста денежной массы. Отсутствие положительной связи между 2 рядами видно невооруженным глазом.

Диаграмма №1

Темпы базовой инфляции и темпы роста денежной массы

1,8

1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0

16 14 12 10 8 6 4 2

■ 1111111111111

■ 11111111

о

I I I I I I I I I I I

I I I I I I I I I I I I I I

I I I I I I I I I I I I I I I I I

I I I I I I I I I I I I I

о

I I I I I I I I I I I I

<Н <:f О О О О <н

<Н <:f О

О О О <н

иэ иэ ю ю

о о о о

о о о о

о

о о

<H<:fl^O<H<;fl^O<H<;fl^O<H<;fl^O<H<;fl^ OOO<HOOO<HOOO<HOOO<HOOO

1^000000000^0^010^0000 000000000<H<H<H<H

оооооооооооооооооооо

(N(N(N(NfOfOfOfO

о о

оооооооо

• индекс годовых темпов роста денежной массы (левая ось, месяц к месяцу прошлого года)

• базовая инфляция (%, правая ось)

-Линейная (индекс годовых темпов роста денежной массы (левая ось, месяц к месяцу прошлого года))

0

Для сравнения продемонстрируем, как выглядит динамика денежной массы (М2) и инфляции в США (диаграмма №2).

Диаграмма №2

Динамика денежной массы (М2) и инфляции в США

США

12,0% -

« темпы роста денежной массы ^^^иненяция

Положительная связь явно видна. При этом нужно отметить, что среди стран ОЭСР есть всего несколько стран, у которых тесная положительная связь между темпами роста денежной массы и инфляцией не вызывает сомнений. Кроме США к таким странам относятся Чили, Польша, Норвегия и Чехия. Для всех остальных стран ОЭСР визуальный анализ не позволяет сделать вывод о наличии положительной связи между этими 2 переменными.

Теперь посмотрим на связь между динамикой процентных ставок и инфляцией (диаграмма №3).

Диаграмма №3

Краткосрочные ставки и базовая инфляция в РФ (%)

20 15 10 5

ю о о

OODOCOOOOlOlOlOl

о о

о о

гмгмгмгмтттт

(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N

о

О

о

О

("М ("М ("М ("М ("М гм

•базовая инфляция

•Mosprime

0

По графику видно, что связь, возможно, носит положительный характер и точно неотрицательный. Далее построим график долгосрочных ставок (источник ОЭСР) и базовой инфляции (диаграмма№4).

На этом графике также не видно отрицательной связи между переменными. Скорее можно утверждать, что базовая инфляция с лагом в несколько месяцев влияет на динамику долгосрочных ставок и связь эта носит положительный характер.

Отрицательная связь между процентными ставками и потребительской инфляцией должна присутствовать у стран, ЦБ которых таргетируют инфляцию. В частности считается, что правило Тэйлора хорошо работало в США при Поле Волкере и Алане Гринспене. Также есть исследования, доказывающие наличие отрицательной связи между процентными ставками и инфляцией в Новой Зеландии, Германии, Канаде.

Диаграмма №4

Долгосрочные ставки и базовая инфляция (%)

16 14 12 10 8 6 4 2 0

ID О О ГМ

ID ID ID

8 О О О ООО

о о

(ЯСОСОЮФШШШ QgQOOOQO

о о о о

(NiNiNiNfOfOfOfO^^^

ооооооооооооооооооооооооо

(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N(N

13 о

Q. <

13 О

Q. <

13 о

.

<

13 о

.

<

13 о

.

<

13 о

.

<

13 о

.

<

13 о

.

<

• базовая инфляция

•долгосрочные ставки

В целом ставки лучше характеризуют денежно-кредитную политику, нежели денежная масса, но доказывают классическую модель они хуже. Существует множество исследований, объясняющих почему правило Тэйлора не работает, но мало ярких примеров его подтверждающих.

РФ не таргетирует инфляцию, хоть и декларирует свое движение в направлении инфляционного таргетирования. Попробуем эмпирически оценить, как в России выглядит monetary policy reaction function.

II. Анализ зависимости базовой инфляции от ставок, денежной массы и номинального курса рубля

Построим диаграмму с агрегатом М2 и потребительской инфляцией на квартальных данных (диаграмма №5).

На диаграмме значительно лучше видна отрицательная связь между приростом денежной массы и инфляцией.

Согласно результатам нашего моделирования зависимость между индексом потребительских цен и темпами роста денежной массы является отрицательной с очень высокой ^статистикой (-6,2) зависимой переменной. Т.е. чем выше темпы роста денежной массы, тем ниже потребительская инфляция.

Диаграмма №5

Однако, квартальные данные не очень хорошо использовать для моделирования в силу невозможности корректно учесть сезонность. В частности, темпы роста денежной массы всегда резко падают в январе. Поэтому, во-первых, построим модель на месячных данных, а во-вторых, сгладим график темпов роста денежной массы. Сглаживание позволит нам перевести нестационарный ряд к стационарному виду.

Включим вмодель4 переменные:

ВШ-базовая инфляция;

M3G- темпы ростаагрегатаМЗ;

MPR- краткосрочныепроцентные ставки;

NER - номинальный курс рубля.

Сначала определим оптимальное количество лагов в модели, для чего воспользуемся тестом Вайлда.

Спецификация теста Вайлда VEC Lag Exclusion Wald Tests Date: 11/05/14 Time: 20:54 Sample: 2006M01 2014M07 Included observations: 99

Chi-squared test statistics for lag exclusion: Numbers in [ ] are p-values

D(BIN) D(MPR) D(M3G) D(NER) Joint

DLag 1 82.97501 [ 0.000000] 17.56266 [ 0.001502] 70.90677 [ 1.47e-14] 15.14175 [ 0.004416] 171.9897 [ 0.000000]

DLag 2 5.169401 [ 0.270353] 7.975190 [ 0.092491] 16.45888 [ 0.002461] 0.453558 [ 0.977862] 33.72295 [ 0.005919]

DLag 3 11.10521 [ 0.025407] 6.325424 [ 0.176128] 1.987152 [ 0.738122] 2.598512 [ 0.627087] 21.80433 [ 0.149623]

df 4 4 4 4 16

Тест показал, что оптимально число лагов равно 2.

Далее воспользуемся тестом Йохансена чтобы определить ранг коинтеграции.

Спецификация теста Йохансена Date: 11/05/14 Time: 20:57 Sample (adjusted): 2006M04 2014M07 Included observations: 100 after adjustments Trend assumption: Linear deterministic trend Series: BIN MPR M3G NER Lags interval (in first differences): 1 to 2

Unrestricted Cointegration Rank Test (Trace)

Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.320619 74.02481 47.85613 0.0000

At most 1 * 0.210532 35.36743 29.79707 0.0103

At most 2 0.097526 11.72784 15.49471 0.1704

At most 3 0.014556 1.466278 3.841466 0.2259

Trace test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values

Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Hypothesized Max-Eigen 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.**

None * 0.320619 38.65738 27.58434 0.0013

At most 1 * 0.210532 23.63959 21.13162 0.0217

At most 2 0.097526 10.26156 14.26460 0.1953

At most 3 0.014556 1.466278 3.841466 0.2259

Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Обе статистики говорят о том, что ранг коинтеграции равен 2. Спецификация модели приведена в приложении 2.

Построим impulse response function (диаграмма №6).

Диаграмма №6

Response of D(BIN) to Cholesky One S.D. Innovations

D(BIN) D(MPR)

D(NER) D(M3G)

В наибольшей степени нам интересен отклик базовой инфляции на импульс денежной массы и процентных ставок (диаграмма №7).

Response of BIN to M3G

Диаграмма №7

Accumulated Response of BIN to M3G

12 3 4

23456789 10

.6 .4 .2

.0

-.2 -.4

Также нам интересна декомпозиция вариации переменной BIN (табл. 1).

Таблица 1

Декомпозиция вариации переменной BIN

Period S.E. BIN MPR M3G NER

1 0.265349 100.0000 0.000000 0.000000 0.000000

2 0.546175 98.08085 1.322678 0.180584 0.415891

3 0.827572 94.27060 3.684016 1.274233 0.771150

4 1.091392 90.77713 4.921730 3.174779 1.126361

5 1.332570 87.98511 5.696924 4.844796 1.473169

6 1.539621 86.49913 6.102828 5.646773 1.751274

7 1.706304 86.11745 6.130468 5.816884 1.935195

8 1.834756 86.34035 5.906715 5.716379 2.036551

9 1.930680 86.82825 5.572561 5.516490 2.082696

10 2.000375 87.39325 5.235625 5.274239 2.096882

Variance decomposition analysis говорит нам о том, что процентные ставки и денежная масса хоть и являются значимыми факторами базовой инфляции, но определяют вариацию базовой инфляции незначительно в сравнении с самой базовой инфляцией. Т.е. вариация базовой инфляции на 87% определяется самой базовой инфляцией и только на 5% темпами роста денежной массы и на 5% процентными ставками.

Модель получилась с высокой F-статистикой и высокой детерминаций. Влияние всех 3 переменных на базовую инфляцию значимо.

При этом необходимо отметить тот факт, что добавление переменных MPR и NER в модель не делает ее лучше, а наоборот ухудшает, на что указывают критерии Акаике и Шварца. Оптимальной моделью является модель с 2 переменными: BIN и M3G, 1 коинтеграционным уравнением и 4 лагами. Спецификация модели приведена в приложении 3.

Данная модель характеризуется более высокой F-статистикой и детерминацией в сравнении с 4-факторной моделью. В модели видна сильная отрицательная связь между темпами роста денежной массы и потребительской инфляцией. Impulse response function в этой модели выглядит идентично предыдущей.

Отрицательная зависимость потребительских цен и темпа роста денежной массы объясняется легко. Более высокие темпы роста денежной массы влекут более высокий уровень роста цен в экономике, что в свою очередь означает более высокие темпы роста REER. А когда растет REER, то укрепляется также номинальный курс рубля. А когда укрепляется номинальный курс рубля, импорт дешевеет. В потребительском сегменте у нас доминирует импорт. Соответственно, когда М2 растет более высокими темпами, потребительская инфляция наоборот падает.

Чтобы подтвердить этот вывод необходимо проверить есть ли положительная связь между RER и NER. Для этого даже модель не нужно строить, достаточно построить график (диаграмма №8).

Диаграмма №8

Взаимосвязь между RER и NER

- NER - RER

Теперь проверим, как связаны между собой потребительская инфляция и процентные ставки в экономике. Возьмем базовую инфляцию и процентные ставки на межбанковском рынке.

Данные по базовой инфляции доступны с 2006 года. Процентные ставки на межбанковском рынке возьмем среднемесячные. BIN - базовая инфляция

MPR - процентная ставка на межбанковском рынке

Спецификация модели с 2 переменными: BIN, MPR Dependent Variable: D(BIN) Method: Least Squares Date: 11/03/14 Time: 13:52 Sample (adjusted): 2006M03 2014M07 Included observations: 101 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(BIN(-1)) 0.786026 0.059734 13.15879 0.0000

D(MPR(-1)) 0.047279 0.021094 2.241341 0.0272

R-squared 0.644287 Mean dependent var -0.008911

Adjusted

R-squared 0.640694 S.D. dependent var 0.477305

S.E. of regression 0.286107 Akaike info criterion 0.354698

Sum squared

resid 8.103837 Schwarz criterion 0.406483

Log likelihood -15.91226 Hannan-Quinn criter. 0.375662

Durbin-Watson

stat 1.794831

В модели нет ни гетероскедастичности, ни автокорреляции остатков.

Как видно из модели основным фактором базовой инфляция является сама базовая инфляция с лагом 1. Это обусловлено высокой инерцией потребительской инфляции. Ставки на межбанке также являются значимым фактором с вполне приличной ^статистикой. Причем зависимость носит положительный характер. Т.е. чем выше ставки на межбанковском рынке, тем выше потребительская инфляция.

Графически зависимость выглядит следующим образом (диаграмма №9).

Диаграмма №9

Взаимосвязь между BIN и MPR

- BIN - MPR

Т.е. при росте процентных ставок базовая инфляция растет. Сделаем impulse response function (диаграмма №10).

Диаграмма №10

Response of D(BIN) to D(MPR)

График показывает нам, что в течение 3 месяцев с шока связь является статистически значимой.

Объясняется эта зависимость очень легко. Дело в том, что при росте ставок номинальный курс рубля падает, а когда падает номинальный курс рубля, растет потребительская инфляция. Если мы построим зависимость между ставками и номинальным курсом рубля, то найдем подтверждение этому выводу.

Спецификация модели с 2 переменными: NER и MPR Dependent Variable: D(NER) Method: Least Squares Date: 11/23/14 Time: 15:31 Sample (adjusted): 2007M04 2014M06 Included observations: 87 after adjustments Convergence achieved after 7 iterations

Variable Coefficient Std. Error t-Statistic Prob.

D(MPR(-1)) 0.229907 0.070628 3.255187 0.0016

AR(1) 0.244298 0.106021 2.304244 0.0236

R-squared 0.172200 Mean dependent var 0.095356

Adjusted

R-squared 0.162461 S.D. dependent var 1.080042

S.E. of

regression 0.988424 Akaike info criterion 2.837310

Sum squared

resid 83.04344 Schwarz criterion 2.893997

Log likelihood -121.4230 Hannan-Quinn criter. 2.860136

Durbin-Watson

stat 1.927725

Inverted AR

Roots .24

Гетероскедастичности нет, автокорреляции остатков нет, ¿-статистика высокая. Визуально на графике (диаграмма №11) положительная связь тоже видна. NER в данном случае это не индекс NER, а просто номинальный курс рубля.

Диаграмма №11

Взаимосвязь между NER и MPR

- NER - MPR

Построим impulse response functioin (диаграмма №12).

Диаграмма №12

Response of D(NER) to D(MPR)

Функция показывает нам, что:

- при росте процентных ставок номинальный курс падает;

- в течение 2 месяцев влияние процентных ставок на номинальный курс является значимым.

В заключении сделаем тест причинности по Грэнджеру.

Pairwise Granger Causality Tests Date: 12/10/14 Time: 20:04 Sample: 2006M01 2014M07 Lags: 2

Null Hypothesis: Obs F-Statistic Prob.

D(NER) does not Granger Cause D(BIN) D(BIN) does not Granger Cause D(Ner) 100 1.13806 0.23325 0.3248 0.7924

D(M3G) does not Granger Cause D(BIN) d(bIN) does not Granger Cause D(M3g) 100 0.16827 3.48643 0.8454 0.0346

D(MPR) does not Granger Cause D(BIN) d(bIN) does not Granger Cause D(MPr) 100 4.60964 0.10516 0.0123 0.9003

D(M3G) does not Granger Cause D(NER) d(nER) does not Granger Cause D(M3g) 100 1.00063 3.69775 0.3715 0.0284

D(MPR) does not Granger Cause D(NER) d(nER) does not Granger Cause D(MPr) 100 5.71638 0.14084 0.0045 0.8688

D(MPR) does not Granger Cause D(M3G) d(m3g) does not Granger Cause d(mPr) 100 3.42030 2.63071 0.0368 0.0773

Тест показал, что наименее вероятно отсутствие причинной связи между переменными MPR и NER (p=0,0045). Иными словами тест подтвердил, что ставки влияют на курс рубля. Также тест подтвердил влияние процентных ставок на базовую инфляцию.

III. Анализ зависимости инфляции в промышленности от ставок, денежной массы и номинального курса рубля

Теперь посмотрим как процентные ставки и денежная масса влияют на PPI. Возьмем PPI в промышленности.

С - константа

PPI - индекс цен производителей промышленности

NER - индекс номинального курса рубля (источник - BIS)

LIR - долгосрочные процентные ставки (источник - ОЭСР)

AR(1), AR(2) - авторегрессия первого и второго порядка

Спецификация модели с 3 переменными: PPI, NER, LIR Dependent Variable: PPI Method: Least Squares Date: 11/04/14 Time: 16:46 Sample (adjusted): 2003M06 2014M08 Included observations: 135 after adjustments Convergence achieved after 8 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 1.332427 0.073249 18.19049 0.0000

LIR(-2) -0.008793 0.004606 -1.909177 0.0584

NER(-1) -0.165994 0.056383 -2.944043 0.0038

AR(1) 1.615417 0.065726 24.57786 0.0000

AR(2) -0.665512 0.065546 -10.15335 0.0000

R-squared 0.964895 Mean dependent var 1.104978

Adjusted

R-squared 0.963815 S.D. dependent var 0.082343

S.E. of

regression 0.015663 Akaike info criterion -5.438642

Sum squared

resid 0.031895

Log likelihood 372.1084

F-statistic 893.3048 Prob(F-

statistic) 0.000000

Schwarz criterion Hannan-Quinn criter. Durbin-Watson stat

-5.331040 -5.394916 1.895571

Inverted AR

Roots .81-.11i .81+.11i

Автокорреляция остатков и гетероскедастичности нет. Между процентными ставками и индексом цен производителей наблюдается отрицательная связь с лагом 2, но слабая. На графике (диаграмме №13) она почти не заметна. (Шкала процентных ставок размещена на правой оси, индекс РР1 - на левой).

Диаграмма №13

Взаимосвязь между PPI и процентными ставками

PPI (manufacturing), индекс (месяц к месяцу предыдущего года) номинальные долгосрочные ставки (% годовых)

Кроме того, наблюдается отрицательная связь между номинальным курсом рубля и РР1 (диаграмма №14). Это означает, что при девальвации рубля индекс цен производителей растет.

Диаграмма №14

Взаимосвязь между РР1 и номинальным курсом рубля

- PPI - NER

Между денежной массой и РР1 существует положительная связь. Эта положительная связь статистически значима в течение 3 месяцев (диаграмма №15).

Response of PPI to D(M3G)

Диаграмма №15

.04

1 23456789 10

Impulse response показывает отрицательную связь между PPI и LIR, но из графика (диаграмма №16) видно, что значимой эту связь признать нельзя.

Диаграмма №16

Response of PPI to LIR

.04 .03 .02 .01

.00

-.01

-.02

Оптимальная модель имеет 2 коинтеграционных уравнения и 2 лага. Спецификация модели приведена в приложение 1.

Декомпозиция вариации PPI выглядит следующим образом (табл. 2).

Таблица 2

Variance

Decomposition of PPI:

Period S.E. PPI NER LIR M3G

1 0.014441 100.0000 0.000000 0.000000 0.000000

2 0.027987 98.11921 0.576642 0.002234 1.301911

3 0.038650 96.68601 0.992010 0.035866 2.286117

4 0.046540 97.37510 0.720032 0.064651 1.840222

5 0.052197 97.85964 0.587240 0.088104 1.465021

6 0.055933 98.05994 0.533158 0.130756 1.276147

7 0.058452 97.89471 0.714222 0.158280 1.232790

8 0.060122 97.41555 1.001858 0.162510 1.420088

9 0.061071 96.65335 1.266441 0.164382 1.915828

10 0.061617 95.51074 1.499278 0.172920 2.817058

Из таблицы видно, что инерция PPI чрезвычайно сильна, денежная масса, номинальный курс и процентные ставки определяют вариацию PPI незначительно.

Из всего нашего анализа следует, что денежную массу можно признать значимым фактором PPI и рост денежной массы положительно влияет на PPI в течение 3 кварталов. В тоже время связь между процентными ставками и PPI - слабая. Визуально эту связь на графике также не видна.

И тут возникает очень важный вопрос: а нужно ли подавлять инфляцию в промышленности? Дело в том, что рост индекса цен производителей является основным источником роста в промышленности.

Спецификация модели с 3 переменными: IPG, PPI, LIR Dependent Variable: IPG Method: Least Squares Date: 11/04/14 Time: 16:20 Sample (adjusted): 2003M01 2014M08 Included observations: 140 after adjustments Convergence achieved after 21 iterations

Variable Coefficient Std. Error t-Statistic Prob.

PPI 0.811805 0.038690 20.98246 0.0000

LIR(-2) 0.016586 0.005249 3.160206 0.0019

AR(1) 0.899457 0.034850 25.80925 0.0000

R-squared 0.858675 Mean dependent var 1.037043

Adjusted

R-squared 0.856612 S.D. dependent var 0.060275

S.E. of

regression 0.022824 Akaike info criterion -4.700813

Sum squared

resid 0.071368 Schwarz criterion -4.637778

Log likelihood 332.0569 Hannan-Quinn criter. -4.675197

Durbin-Watson

stat 2.098741

Inverted AR

Roots .90

Как видно из модели между PPI и IPG существует сильнейшая связь. Связь хорошо видна на графике (диаграмма №17).

Также существует достаточно сильная отрицательная связь между процентными ставками и темпом роста в промышленности.

Диаграмма №17

Взаимосвязь между индексом цен в промышленности и индексом пром производства

пром производство (индекс, месяц к месяцу предыдущего года) PPI (manufacturing), индекс (месяц к месяцу предыдущего года)

В заключении сделаем тест причинности по Грэнджеру.

Pairwise Granger Causality Tests Date: 12/10/14 Time: 20:21 Sample: 1999M01 2014M09 Lags: 2

Null Hypothesis: Obs F-Statistic Prob.

PPI does not Granger Cause IPG IPG does not Granger Cause PPI 186 13.9716 0.27308 2.E-06 0.7613

LIR does not Granger Cause IPG IPG does not Granger Cause LIR 186 2.60281 0.85885 0.0768 0.4254

NER does not Granger Cause IPG IPG does not Granger Cause NER 186 4.53957 6.47469 0.0119 0.0019

LIR does not Granger Cause PPI PPI does not Granger Cause LIR 186 7.99055 2.60978 0.0005 0.0763

NER does not Granger Cause PPI PPI does not Granger Cause NER 186 4.06671 9.40687 0.0187 0.0001

NER does not Granger Cause LIR LIR does not Granger Cause NER 186 6.93040 1.68884 0.0013 0.1876

Тест подтвердил, что переменная PPI влияет на переменную IPG, а переменные LIR и NER влияют на переменную PPI.

Таким образом, мы установили, что на потребительскую инфляцию рост процентных ставок оказывает положительное влияние, а рост денежной массы отрицательное. В то

же время на инфляцию в промышленности рост процентных ставок влияет отрицательно, но влияние это минимально. Влияние же денежной массы на PPI положительное. При этом нужно иметь ввиду что ЦБ таргетирует именно потребительскую инфляцию.

IV. Объяснение выявленных закономерностей

Таким образом, мы по результатам эмпирического анализа сделали 2 фундаментальных вывода:

1) между процентными ставками и потребительской инфляцией существует положительная связь;

2) между темпами роста денежной массы и потребительской инфляцией существует отрицательная связь.

Пытаясь объяснить эти зависимости, мы пришли к еще одному фундаментальному выводу:

3) рост ставок в экономике приводит к ослаблению рубля.

Все 3 вывода противоречат классической теории.

Теперь попытаемся разобраться, является ли выявленные зависимости прецедентом и если нет, то как часто такая monetary policy reaction function описана в научной литературе.

Классическая теория (модель Манделла-Флеминга) постулирует, что в открытой экономике при плавающем курсе национальной валюты ужесточение денежно-кредитной политики приводит к повышению процентных ставок, что в свою очередь влечет приток капитала в страну и, соответственно, укрепление курса национальной валюты. Укрепление национальной валюты сокращает инфляцию. Кроме того, ужесточение денежно-кредитной политики сокращает совокупный спрос, что тоже влечет падение инфляции. Вместе с тем, существует множество примеров, опровергающих классическую теорию. Они показываю, что при ужесточении денежно-кредитной политики:

1) курс национальной валюты не растет, а падает;

2) инфляция не падает, а растет.

В англоязычной научной литературе положительная зависимость процентных ставок и инфляции получила название «price puzzle». Такая зависимость многократно описана в литературе. В частности однозначная положительная зависимость процентных ставок и инфляции наблюдалась в экономике США в период с 1960 по 1983 годы [Dueker, 2006; Emery, 1994].

2 самых известных исследования положительной зависимости процентных ставок и инфляции в США это [Eichenbaum, 1992] и [Sims, 1992]. Авторы этих исследований делают вывод о том, что ужесточение денежно-кредитной политики ФРС влечет рост цен в США в течение 2 лет.

В известном исследовании [Hnatovska et al, 2014] на выборке из 25 развитых и 47 развивающихся стран авторы доказывают что рост ставок влечет рост инфляции для 73% развитых и 80% развивающихся стран.

Ситуация когда рост процентных ставок влечет падение номинального курса валюты называется «exchange rate puzzle». Такая зависимость также многократно описана в научной литературе. К примеру, в исследовании [Grilli and Roubini, 1993] авторы, проанализировав монетарную политику стран G-7, пришли к выводу, что за исключением США во всех странах G-7 имеет место отрицательная зависимость между процентными ставками и номинальным курсом национальной валюты.

В исследовании [Hnatovska et al, 2014] на выборке из 47 развивающихся стран авторы доказывают, что рост ставок влечет ослабление курса национальной валюты для 73% развивающихся стран.

Объяснение перечисленных отклонений от классической теории не является сложным. Дело в том, что повышение процентных ставок по-разному влияет на прямые и портфельные инвестиции. Прямые инвестиции от повышения процентных ставок сокращаются, портфельные - растут. Т.е. при повышении процентных ставок мы имеем 2 противоположных эффекта: приток портфельных инвестиции в страну и отток прямых (долгосрочных) инвестиций из страны. Соответственно, если первый эффект (приток краткосрочного капитала в страну) сильнее второго, то курс национальной валюты растет. В противном случае падает. В первом случае имеем место падение темпов роста цен, во втором случае - рост инфляции.

Таким образом, классическая теория работает только в том случае, когда финансовый рынок является развитым и сопоставимым по своим объемам с экономикой страны. В этом случае действительно повышение процентных ставок влечет приток краткосрочного капитала в страну и отток прямых инвестиций, то есть долгосрочного капитала и, соответственно, укрепление курса национальной валюты. Но в России финансовый рынок невелик в сравнении с ВВП и потому классическая модель не работает.

Приложение 1.

Спецификация VECMмодели зависимости PPI от процентных ставок, номинального курса рубля, и денежной массы

Vector Error Correction Estimates Date: 11/19/14 Time: 18:09 Sample (adjusted): 2003M01 2014M08 Included observations: 140 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEq1 CointEq2

PPI(-1) 1.000000 0.000000

NER(-1) 0.000000 1.000000

LIR(-1) 0.007591 (0.00065) [ 11.7673] 0.031584 (0.00642) [ 4.91940]

M3G(-1) -0.087692 (0.04739) [-1.85061] 1.381197 (0.47162) [ 2.92865]

C -0.975452 -2.642396

Error Correction: D(PPI) D(NER) D(LIR) D(M3G)

CointEq1 -0.074869 (0.15534) [-0.48196] -0.200695 (0.22364) [-0.89742] -12.64735 (15.8761) [-0.79663] 0.105364 (0.12287) [ 0.85752]

CointEq2 0.024343 (0.01504) [ 1.61832] -0.027177 (0.02166) [-1.25499] -4.441820 (1.53734) [-2.88928] 0.023671 (0.01190) [ 1.98947]

D(PPI(-1)) 0.811659 (0.41147) [ 1.97257] -0.705380 (0.59237) [-1.19077] -64.41082 (42.0533) [-1.53165] -0.575061 (0.32547) [-1.76689]

D(PPI(-2)) -0.727610 (0.40720) [-1.78685] 0.469385 (0.58623) [ 0.80069] 86.51078 (41.6169) [ 2.07874] 0.236616 (0.32209) [ 0.73463]

D(NER(-1)) -0.083852 (0.05987) [-1.40055] 0.391663 (0.08619) [ 4.54404] 9.608547 (6.11893) [ 1.57030] 0.037819 (0.04736) [ 0.79860]

D(NER(-2)) 0.068232 (0.05392) [ 1.26542] -0.230495 (0.07763) [-2.96930] -6.352467 (5.51076) [-1.15274] 0.087981 (0.04265) [ 2.06289]

D(LIR(-1)) 0.000880 (0.00403) [ 0.21858] -0.009365 (0.00580) [-1.61576] 0.094250 (0.41147) [ 0.22906] -0.006226 (0.00318) [-1.95508]

D(LIR(-2)) -0.006655 (0.00401) [-1.65952] 0.003778 (0.00577) [ 0.65430] 0.848349 (0.40987) [ 2.06980] 0.002136 (0.00317) [ 0.67327]

D(M3G(-1)) 0.275106 (0.10990) [ 2.50323] -0.058949 (0.15822) [-0.37258] -22.94859 (11.2320) [-2.04314] 0.667679 (0.08693) [ 7.68078]

D(M3G(-2)) C -0.386296 (0.10920) [-3.53746] -0.000656 (0.00126) 0.398642 (0.15721) [ 2.53572] 0.000522 (0.00181) 36.88827 (11.1606) [ 3.30523] 0.048292 (0.12881) -0.303330 (0.08638) [-3.51175] -0.001283 (0.00100)

[-0.52080] [ 0.28778] [ 0.37490] [-1.28735]

R-squared Adj. R-squared Sum sq. resids S.E. equation F-statistic Log likelihood Akaike AIC Schwarz SC Mean dependent S.D. dependent 0.559877 0.525759 0.026965 0.014458 16.41001 400.1887 -5.559838 -5.328709 -0.000507 0.020995 0.394946 0.348043 0.055887 0.020814 8.420420 349.1735 -4.831050 -4.599921 0.000295 0.025778 0.573967 0.540941 281.6554 1.477625 17.37931 -247.5843 3.694062 3.925191 0.013500 2.180870 0.513705 0.476008 0.016870 0.011436 13.62711 433.0171 -6.028816 -5.797687 -0.001711 0.015798

Determinant resid covariance

7.33E-13

(dof adj.)

Determinant resid covariance 5.28E-13

Log likelihood 1184.253

Akaike information criterion -16.17504

Schwarz criterion -15.08243

Приложение 2.

Спецификация VECMмодели базовой инфляции от процентных ставок, денежной массы и номинального курса рубля

Vector Error Correction Estimates Date: 11/05/14 Time: 20:59 Sample (adjusted): 2006M04 2014M07 Included observations: 100 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEql CointEq2

BIN(-1) 1.000000 0.000000

MPR(-1) 0.000000 1.000000

M3G(-1) NER(-1) -6.201538 (7.74598) [-0.80061] 0.471641 (0.25566) [ 1.84476] -30.53422 (7.05789) [-4.32626] -1.143797 (0.23295) [-4.90998]

C -14.33253 66.24840

Error Correction: D(BIN) D(MPR) D(M3G) D(NER)

CointEql -0.023940 (0.01461) [-1.63898] -0.134652 (0.07022) [-1.91744] -0.001371 (0.00060) [-2.29667] -0.168123 (0.04623) [-3.63627]

CointEq2 -0.021215 -0.005126 0.000417 0.226939

(0.01469) (0.07062) (0.00060) (0.04650)

[-1.44432] [-0.07259] [ 0.69395] [ 4.88091]

D(BIN(-1)) 0.746896 -0.454787 -0.006273 0.041049

(0.10122) (0.48664) (0.00414) (0.32040)

[ 7.37895] [-0.93455] [-1.51674] [ 0.12812]

D(BIN(-2)) -0.124570 -0.101271 -0.002785 0.081689

(0.09845) (0.47332) (0.00402) (0.31163)

[-1.26531] [-0.21396] [-0.69228] [ 0.26214]

D(MPR(-1)) 0.061697 -0.388412 -0.002303 0.040718

(0.02483) (0.11938) (0.00101) (0.07860)

[ 2.48466] [-3.25352] [-2.27029] [ 0.51805]

D(MPR(-2)) 0.044227 -0.155510 -0.001502 -0.051603

(0.02381) (0.11446) (0.00097) (0.07536)

[ 1.85765] [-1.35860] [-1.54438] [-0.68475]

D(M3G(-1)) -3.258260 -12.98583 0.760239 6.398934

(2.39035) (11.4922) (0.09767) (7.56626)

[-1.36309] [-1.12997] [ 7.78374] [ 0.84572]

D(M3G(-2)) -3.377802 -28.31102 -0.455322 -1.176040

(2.56298) (12.3221) (0.10472) (8.11272)

[-1.31792] [-2.29757] [-4.34783] [-0.14496]

D(NER(-1)) 0.030346 0.032036 -0.001718 0.335619

(0.03098) (0.14896) (0.00127) (0.09808)

[ 0.97939] [ 0.21506] [-1.35710] [ 3.42204]

D(NER(-2)) -0.015250 0.088341 0.000840 0.020150

(0.03029) (0.14562) (0.00124) (0.09587)

[-0.50349] [ 0.60665] [ 0.67877] [ 0.21017]

C -0.024143 -0.028536 -0.001605 0.060059

(0.02757) (0.13256) (0.00113) (0.08728)

[-0.87565] [-0.21527] [-1.42436] [ 0.68816]

R-squared 0.724935 0.211424 0.607512 0.380688

Adj. R-squared 0.694029 0.122820 0.563412 0.311102

Sum sq. resids 6.266501 144.8455 0.010462 62.78638

S.E. equation 0.265349 1.275726 0.010842 0.839920

F-statistic 23.45600 2.386165 13.77583 5.470775

Log likelihood -3.396248 -160.4187 316.3637 -118.6223

Akaike AIC 0.287925 3.428375 -6.107273 2.592445

Schwarz SC 0.574494 3.714943 -5.820704 2.879014

Mean dependent -0.009000 0.054004 -0.002510 0.067570

S.D. dependent 0.479708 1.362113 0.016409 1.011953

Determinant resid covariance (dof adj.) 8.07E-06

Determinant resid covariance 5.06E-06

Log likelihood 42.11613

Akaike information criterion 0.197677

Schwarz criterion 1.552366

Приложение 3.

Спецификация модели с 2 переменными: базовая инфляция и денежная масса

Vector Error Correction Estimates Date: 11/06/14 Time: 19:23 Sample (adjusted): 2006M06 2014M07 Included observations: 98 after adjustments Standard errors in ( ) & t-statistics in [ ]

Cointegrating Eq: CointEql

BIN(-1) 1.000000

M3G(-1) -21.53241

(4.08585)

[-5.27000]

C 18.46302

Error Correction: D(BIN) D(M3G)

CointEq1 -0.055685 (0.01173) [-4.74737] -0.001011 (0.00053) [-1.90455]

D(BIN(-1)) 0.690327 (0.10574) [ 6.52876] -0.010483 (0.00479) [-2.19018]

D(BIN(-2)) -0.267587 (0.12216) [-2.19049] 0.003384 (0.00553) [ 0.61205]

D(BIN(-3)) 0.165697 (0.12185) [ 1.35986] -0.005479 (0.00552) [-0.99333]

D(BIN(-4)) -0.071116 (0.09143) [-0.77786] -3.40E-07 (0.00414) [-8.2e-05]

D(M3G(-1)) -7.713161 (2.53222) [-3.04601] 0.800180 (0.11462) [ 6.98094]

D(M3G(-2)) 1.553803 (3.14186) [ 0.49455] -0.632222 (0.14222) [-4.44540]

D(M3G(-3)) -9.814617 (3.06841) [-3.19860] 0.249243 (0.13889) [ 1.79447]

D(M3G(-4)) 0.548140 (2.81711) [ 0.19458] -0.205359 (0.12752) [-1.61042]

C -0.034433 (0.02742) [-1.25554] -0.002225 (0.00124) [-1.79197]

R-squared 0.757058 0.575866

Adj. R-squared 0.732212 0.532489

Sum sq. resids 5.454013 0.011175

S.E. equation 0.248953 0.011269

F-statistic 30.46968 13.27574

Log likelihood 2.486202 305.8157

Akaike AIC 0.153343 -6.037055

Schwarz SC 0.417115 -5.773283

Mean dependent -0.001020 -0.002729

S.D. dependent 0.481084 0.016481

Determinant resid covariance

7.05E-06

(dof adj.)

Determinant resid covariance 5.69E-06

Log likelihood 313.6753

Akaike information criterion -5.952558

Schwarz criterion -5.372259

Список литературы / References

1. The Price Puzzle: An Update and a Lesson. M.J. Dueker, 2006.

2. Understanding the Price Puzzle. N.S. Balke, K M. Emery, 1994.

3. Risk premium shocks, monetary policy and exchange rate pass-through in the Czech Republic, Hungary and Poland. Balazs Vonnak, 2010.

4. An alternative explanation of the price puzzle. P. Giordani. 2004.

5. The link between interest rates and exchange rates. Do contractionary depreciation make a difference? M. Sanchez. 2005.

6. Comment on interpreting the macroeconomic time series facts: the effect of monetary policy. M. Eichenbaum, 1992.

7. Interpreting the macroeconomic time series fact: the effect of monetary policy. C. Sims, 1992.

8. Identifying Monetary Policy in a Small Open Economy under Flexible Exchange Rates. David O. Cushman and Tao Zha. 1995.

9. V. Grilli, N. Roubini, 1993. Liquidity and exchange rate: Puzzling evidence from the G-7 countries.

10. Viktoria Hnatkovska, Amartya Lahiri, and Carlos A. Vegh. The Exchange Rate Response Puzzle. 2014.

ДАННЫЕ ОБ АВТОРЕ Поляков Егор Николаевич

Санкт-Петербургский государственный университет экономики и финансов Наб. канала Грибоедова 30/32, г. Санкт-Петербург, 191023, Россия e-mail: [email protected]

DATA ABOUT THE AUTHOR Polyakov Egor Nikolaevich

Saint Petersburg State University of Economics and Finance Griboedov emb 30/32, Saint Petersburg, 191023, Russia e-mail: [email protected]