CC BY
205
13 (37) - 2010
Экономическое прогнозирование
СИСТЕМА РАСЧЕТА ПРОГНОЗНЫХ ПОКАЗАТЕЛЕЙ МАКРОЭКОНОМИКИ РОССИИ
в. и. гришин,
доктор экономических наук, профессор кафедры национальной и региональной экономики, ректор
E-mail: press@rea. ru н. м. абдикеев, доктор технических наук, профессор кафедры когнитивной экономики, проректор по инновационной деятельности и информатизации
E-mail: kognitek@bk. ru и. Б. КолмАКов, доктор экономических наук, доцент, профессор кафедры когнитивной экономики
E-mail: kognitek@bk. ru т. А. вороновА, доктор экономических наук, профессор, заведующая кафедрой внешнеэкономической деятельности
E-mail: rea_ved@mail. ru в. А. турлАК,
кандидат экономических наук, доцент кафедры
национальной экономики, директор Центра ситуационного анализа и прогнозирования экономики России E-mail: prognozrea@gmail. com д. и. Филиппов,
ведущий специалист Центра ситуационного анализа и прогнозирования экономики России E-mail: prognozrea@gmail. com Российский экономический университет имени Г. В. Плеханова
В статье описывается модель краткосрочного прогнозирования макроэкономических показателей РФ, разработанная на кафедре когнитивной экономики факультета информатики РЭУ им. Г. В. Плеханова. Авторская разработка позволяет на основе сценарных показателей производить прогнозы социально-экономического развития России. Используемые в модели уравнения формируют имитационную модель, характеризующую важнейшие аспекты развития экономики России, а также прогноз показателей развития российской экономики в системе национальных счетов.
Ключевые слова: экономико-математический, модель, краткосрочный, прогнозирование, макроэкономический, показатель, система национального счетоводства, сценарный, регрессионный.
Переход к рыночной экономике создал предпосылки для реформирования системы сбора и обработки государственной статистической отчетности. В России процесс перехода на Систему
национального счетоводства (СНС) совпал с ее реформированием в рамках мировой экономики (1993 г.). Переход этот на государственном и отраслевом уровне завершен, однако остаются проблемы совершенствования отчетности предприятий, банковской и таможенной системы. В целом же это открыло перспективу использования накопленного опыта для моделирования процессов прогнозирования показателей социально-экономического развития РФ, включая индикаторы внешнеэкономической деятельности, финансовой системы, макроэкономики, уровня жизни, труда и занятости населения.
На кафедре когнитивной экономики факультета информатики Российского экономического университета им. Г. В. Плеханова (РЭУ) разработан программно-технологический комплекс для решения систем взаимосвязанных регрессионных уравнений, ориентированный на возможность использования в программной платформе Office (Word, Excel, VBA) и информационной среде СНС сотрудниками — экспертами соответствующих кафедр университета. Основное преимущество предлагаемого подхода — оперативная возможность изменения сценарных условий и незамедлительный расчет варианта прогноза. Практически на любое сценарно-фиксируемое изменение внешней среды можно получать адекватную прогностическую реакцию модели.
Модели расчетов прогнозных показателей представляются в виде систем регрессионных уравнений и тождеств. В них исследуется поведение взаимозависимых переменных, отражающих прогнозные показатели развития российской экономики в системе национальных счетов и ряд сценарных индикаторов, являющихся экзогенными по отношению к показателям модели. По итогам математических экспериментов для каждого уравнения отбираются статистически значимые аргументы, влияние которых соответствует логике экономических процессов.
Первые страновые регрессионные модели появились в США в 1950-х гг. и успешно применялись для прогнозирования развития экономики в целом, отдельных ее секторов и отраслей, денежно-кредитной системы, монополий, корпораций и т. д. До начала 1980-х гг. были изданы на русском языке известные книги Г. Тинтнера, Т. Андерсона, Дж. Джонсона, М. Дж. Кендалла, А. Стьюарта, Э. Кейна и др.
В предлагаемой статье описывается экономико-математическая модель краткосрочного прогнозирования макроэкономических показате-
лей РФ, отражающая инерционное развитие при сохранении сложившихся тенденций возмущенных траекторий. Возможны расчеты оптимистичного и пессимистичного, а также любых других сценарных вариантов.
Под инерционным развитием экономики России понимается изменение основных экономических показателей при сохранении существующих тенденций факторных зависимостей и отсутствии серьезных финансовых, а также внешне- и внутриполитических возмущений.
Возмущенные траектории определяются управляющими воздействиями правительства, конъюнктурой мировых рынков и другими факторами, отражающими особенности исследуемой проблемы. Поэтому именно сценарные показатели, задаваемые экспертно (экзогенно), определяют вид траектории прогноза.
К сценарным показателям относятся:
• долл. /баррель — средние экспортные цены на нефть;
• REZ — международные золотовалютные резервы;
• М2 — денежная масса;
• — ставка рефинансирования ЦБ. Разработка в описываемой модели методологии и образцов для прогноза показателей развития отраслей и секторов российской экономики в системе национальных счетов в увязке со сценарными условиями развития страны базируется на использовании:
• системы национальных счетов;
• системы и принципов эконометрического имитационного моделирования;
• системы экспертных оценок (вариантных наборов сценарных показателей и соответствующих результатов расчетов).
Система национальных счетов. Показатели секторов экономики входят в состав показателей Системы национального счетоводства и являются составными частями валового внутреннего продукта (ВВП).
Все показатели, используемые в методических разработках и моделях, занимают обусловленное системой место среди других макроэкономических показателей и при динамично развивающемся режиме могут принимать значения только в обусловленном диапазоне значений для каждого показателя. Все отчетные данные, используемые в настоящей модели, основаны на методиках Рос-стата и, если не оговорено другое, базируются на информации Росстата.
Эконометрические имитационные модели. Среди разрабатываемых и используемых в настоящее время для изучения экономики макроэкономических моделей важное место занимают эконометрические модели. Основная их особенность состоит в использовании вероятностных методов количественной оценки взаимосвязей системы. Элементами моделей этого типа являются регрессионные уравнения, описывающие с определенной вероятностью динамику системы в целом и отдельных ее частей через изменение показателей, определяющих экономические процессы. Соответствующий выбор расчетной базы и структуры моделей позволяет использовать их в качестве инструмента прогнозирования.
Построение макроэкономической модели осуществляется в несколько этапов. На первом этапе в соответствии с поставленными проблемами и задачами анализа экономики и с учетом имеющейся информации определяется уровень агрегации и создается общая структура модели. Общая структура модели строится в соответствии со статистическими данными, основу которых составляет отчетность в СНС.
Вторым, наиболее трудоемким этапом в разработке модели является выбор структуры отдельных взаимосвязей (уравнений). Далее производится оценка с помощью тех или иных методов параметров установленных взаимосвязей и, наконец, выбор вариантов, которые в соответствии с общей структурой образовали бы единую систему, в рамках которой при минимальном использовании макроэкономических показателей рассчитывались бы прогнозные оценки индикаторов других блоков модели.
На третьем этапе проходит отладка модели, т. е. проверка ее соответствия реальной экономической системе, которую она описывает, а также оценка применимости для прогнозирования исследуемых показателей.
Все три этапа образуют единый итеративный процесс. Выбор общей структуры модели отражает доминирующий характер спроса в рыночной экономике. Предложение учитывается в виде возможностей производства. Совокупный спрос дезагрегируется на потребительский, инвестиционный, государственный и спрос со стороны внешней торговли (сальдо экспорта и импорта товаров и услуг). Поскольку различные категории спроса формируются на базе полученных доходов под влиянием таких факторов, как цены, общее состояние конъюнктуры в экономике в целом и отдельных
ее секторах, модель включает в себя уравнения, описывающие динамику этих факторов.
Система экспертных оценок (вариантных наборов сценарных показателей и соответствующих им результатов расчетов). Повышение качества прогноза достигается за счет многократного уточнения сценарных условий, использования различных механизмов сглаживания исходной информации, уточнения системы регрессионных уравнений и отбора варианта прогноза по заданным критериям (правдоподобия сценарных условий и степени доверия возможностям их выполнения).
Экономические явления, как правило, определяются большим числом одновременно и совокупно действующих факторов. В связи с этим часто возникает задача исследования зависимости одной переменной от нескольких объясняющих переменных. Это задача решается с помощью множественного регрессионного анализа.
Применение эконометрических моделей требует качественного анализа исследуемого объекта, причинно-следственной интерпретации как предпосылок, так и результатов исследований, поскольку используемый математический аппарат регрессионного анализа дает лишь формальные количественные оценки.
Качество эконометрических регрессионных моделей оценивается адекватностью и точностью. Адекватность регрессионных моделей может быть установлена на основе анализа остаточной последовательности. При этом расчетные значения получают подстановкой в модель фактических значений всех включенных в модель факторов. Остаточная последовательность проводится теми же методами и с использованием тех же статистических критериев, что и для трендовых моделей.
Для прогнозирования зависимой переменной (результативного признака) необходимо знать прогнозные значения всех входящих в модель факторов. Эти значения могут быть получены на основе экстраполяционных методов. Они могут быть также определены способами экспертных оценок или непосредственно заданы экспертом — исследователем экономического процесса. Прогнозные значения факторов подставляют в модель и получают точечные прогнозные оценки изучаемого показателя.
В рассматриваемой системе моделей производится пошаговый прогноз показателей всех уравнений, и, следовательно, значения всех показателей к следующему шагу становятся доступными для использования их в качестве факторов.
Несмотря на кажущуюся громоздкость регрессионных моделей, расчет прогнозов с их помощью технологически является достаточно простой процедурой. Однако не следует пытаться заглянуть слишком далеко — это может привести к грубым ошибкам.
Оптимальная длина периода упреждения определяется отдельно для каждого экономического явления с учетом статистической погрешности изучаемых данных на основе содержательного суждения о стабильности явления. Длина прогноза, как правило, не превышает для рядов годовых наблюдений одной трети объема данных, а для квартальных рядов — двух лет.
При использовании регрессионных моделей приходится решать, какой длины должен быть временной ряд, выбираемый для прогнозирования. Очевидно, если длина ряда экономической динамики слишком мала, то можно и не обнаружить тенденций развития. С другой стороны, очень длинный ряд может охватывать периоды с различными тенденциями, и его описание с помощью одного уравнения может не дать положительных результатов.
Среди исследуемых показателей и факторов следует различать номинальные и аномальные. Например, все показатели СНС — номинальные. К аномальным следует отнести показатели, используемые в отечественной статистике в настоящее время. Например, задолженность по заработной плате, кредиторская задолженность предприятиям, скрытая оплата труда, численность незарегистрированных мигрантов, занятых в экономике, и др. подобные индикаторы, не характерные для стабильной экономики.
Для прогноза номинальных показателей рекомендуется не использовать в качестве факторов аномальные показатели. Или применять аномальные факторы в исключительных случаях, когда они наилучшим образом объясняют (временно) количественные и качественные явления. Кроме того, следует иметь в виду, что номинальные показатели могут иметь как номинальные значения, так и аномальные.
При экстраполяционном прогнозировании экономической динамики с использованием регрессионных моделей весьма важным является заключительный этап — верификация прогноза. Верификация любых дескриптивных моделей, к которым относятся регрессионные модели, сводится к сопоставлению расчетных результатов по модели с соответствующими данными действительности — массовыми фактами и закономерностями экономического развития.
Верификация прогнозной модели представляет собой совокупность критериев, способов и процедур, позволяющих на основе многостороннего анализа оценивать качество получаемого прогноза. Однако чаще всего на этапе верификации в большей степени осуществляется оценка метода прогнозирования, с помощью которого был получен результат, чем оценка качества самого результата. Это связано с тем, что до сих пор не найдено эффективного подхода к оценке качества прогноза до его реализации. О точности прогноза можно судить по разности между фактическими значениями исследуемого показателя и его прогнозным значением. Очевидно, что определить указанную разность можно лишь в двух случаях: либо если период упреждения уже закончился и известно значение прогнозируемого показателя (известна его реализация), либо если прогнозирование осуществлялось для некоторого момента времени в прошлом, для которого известны фактические данные.
Проверка точности одного прогноза недостаточна для оценки качества прогнозирования, так как она может быть результатом случайного совпадения. Наиболее простой мерой качества прогнозов при условии, что имеются данные об их реализации, является отношение числа случаев, когда фактическая реализация охватывалась интервальным прогнозом, к общему числу прогнозов.
Однако на практике проблему качества прогнозов чаще приходится решать, когда период упреждения еще не закончился и фактическое значение прогнозируемого показателя неизвестно. В этом случае более точной считается модель, дающая более узкие доверительные интервалы прогноза. На практике не всегда удается сразу построить достаточно хорошую модель прогнозирования. Поэтому процедуры перестроения регрессионных моделей экономической динамики выполняются итеративно, до достижения заданных критериев.
Модель, представленная в статье, является авторской разработкой. Многие осуществленные авторами методологические подходы и решения оказались традиционными для систем такого типа. Когда авторам стала доступна «Компьютерная имитационно-прогнозная модель немецкой экономики» профессора Геттингенского университета Гюнтера Габиша, обнаружились совпадения по многим методическим решениям. Блоки сценарных условий методически оказались очень близкими. Модельная (программно-технологическая) реализация сценарных условий отличается весьма существенно. Предлагаемая модель имеет повышенную мощность
(допускает синхронную обработку нескольких сотен регрессионных уравнений).
Обычно в стандартах для сравнения последствий воздействия различных мероприятий используется некоторый эталон — опорная траектория экономического развития. В качестве таковой предлагается использовать инерционный прогноз развития экономики России, составленный для неизменного технологического уклада, затухающей инфляции и стабильного социального развития общества. Такой прогноз обычно каждый год составляется Министерством экономического развития РФ для 10-летнего периода упреждения. Реально экономика страны так развиваться не будет, но это удобная рабочая гипотеза, на основе которой различные отделы и департаменты единообразно производят оценки последствий различных мероприятий в различных отраслях и секторах экономики.
Формирование сценарных вариантов происходит с участием заказчика в постановке и обсуждении целей и управляющих параметров прогнозирования. Каждый набор сценарных показателей идентифицируется, и для него производится расчет возмущенной прогнозной траектории развития экономики. Сравнение по известным сценарным условиям опорной и прогнозной траекторий позволяет экспертам получать количественные оценки отличий.
Для экономики переходного периода отдельные уравнения скорее всего носят ситуационно-зависимый характер. Поэтому работа экспертов сводится к составлению уравнений, встраиваемых в структуру страновых моделей.
Профессиональный опыт позволяет при наличии разработанных программно-методических, технологических и информационных средств для исследования таких процессов оперативно проводить расчеты сотен взаимосвязанных показателей для различных сценарных вариантов прогноза и получать ответы на многие вопросы. При этом реализована возможность не только комплексно исследовать взаимозависимость индикаторов, но и получать результаты в удобной форме за короткое время.
На основе тождеств, обычных и регрессионных уравнений, полученных при проектировании блоков, формируются имитационная модель как система взаимосвязанных блоков, отражающих динамику основных показателей и характеризующих важнейшие аспекты развития экономики России, и прогноз показателей развития отраслей и секторов российской экономики в системе национальных счетов.
Подразумевается, что модель описывает с определенной степенью достоверности основные процессы и взаимосвязи реальной экономической системы. Это позволяет полагать, что реакция модели на те или иные внешние и внутренние изменения аналогична в количественном и качественном аспектах реакции описываемой системы. Имитационно-прогнозные расчеты в определенной степени опираются на сценарные экспертные оценки будущих значений экзогенных переменных и параметров взаимосвязей.
Описываемая модель проверена на 200 уравнениях, но может объединять и решать их гораздо больше (1 500—2 000). Известны зарубежные аналоги, реально функционирующие и включающие более 1 500 уравнений.
Опираясь на достигнутые результаты, можно привести некоторые показатели финансового и внешнеэкономического блоков и экспертные оценки к ним.
Экспертные оценки и прогноз, выдаваемый моделью, могут как совпадать, так и расходиться. С появлением статистических данных по произведенным прогнозам происходит критический анализ с поиском расхождений и их последующее устранение. Стоит подчеркнуть, что только увязка человеческого фактора и отлаженной системы могут дать желаемый результат.
Изменения на валютном рынке далеко не всегда определяются фундаментальными факторами. Большое значение имеют ожидания участников рынка или спекулятивные игры со стороны крупнейших игроков. Однако в конечном счете долгосрочная тенденция задается именно ключевыми параметрами мировой экономики.
Нормализация ситуации на мировых финансовых рынках, возобновление роста цен на сырьевые товары на фоне постепенного восстановления мировой экономики и повышение интереса участников рынка к российским финансовым активам создали условия для укрепления рубля. Вместе с тем сохранение повышенной чувствительности инвесторов к рискам и неопределенности на развивающихся рынках обусловило увеличение волатильности трансграничных потоков капитала, что оказало влияние на конъюнктуру внутреннего валютного рынка.
В I кв. 2010 г. Банк России проводил политику укрепления курса рубля для сдерживания инфляции. Курс отечественной валюты по отношению к доллару США в I полугодии оставался достаточно стабильным (на 01.01.2010 курс составлял 30,1851,
Рис. 1. Компьютерное изображение: динамика курса доллара США в 2000—2010 гг.
а на 01.07.2010 — 31,2554). Исходя из анализа фундаментальных данных, с большой вероятностью можно предположить, что к концу года за один
доллар будут платить около 33—34 руб. Динамика курса доллара США и ее покупательная способность приведены на рис. 1 и 2. Следует заметить, что
Рис. 2. Компьютерное изображение: динамика покупательной способности доллара в 2000—2010 гг.
7х"
7
Рис. 3. Компьютерное изображение: динамика ставки рефинансирования Банка России в 2000—2010 гг.
Рис. 4. Компьютерное изображение: темп прироста денежной массы М2 в 2000—2010 гг.
в этом показателе данные, выдаваемые моделью, и экспертные оценки расходятся.
Вследствие государственной политики, направленной на снижение процентных ставок по кредитам, с большой вероятностью можно сказать, что нисходящий тренд ставки рефинан-
сирования, начавшийся в апреле 2010 г., сохранится с возможным движением к отметке 7 %. Соответственно в III кв. 2010 г. можно ожидать понижения ставки рефинансирования до 7,5 % с возможным последующим снижением в IV кв. до 7 % (рис. 3).
Выбор показателя_| ю rez
№ ВЕРСИЯ Вариант и параметры расчета
Переменная | RF7 10 ЦСАП R70 ИНЕРЦИОННЫЙ ВАРИАНТ(40,4,0) 0 Критерий Дарбина-Уотсона
ОТЧЕТ | РАСЧЕТ Статистики Коэффициенты МАХ ЛАГ |
1 KB 1)1) 3,072 0 5,464 5,464 4,001 4,001 2,975 2,975 1,737 1,737 5,344 5,344 2.904 2,904 -1,295 -1,295 0,633 0,633 6,284 6,284 2,040 2,04 2,174 2,174 7,732 7,732 8.905 8,905 -2,357 -2,357 14,865 14,865 6,460 6,46 4,828 4,828 6,856 6,856 29,459 29,459 12,840 12,84 14,197 14,197 7,982 7,982 22,680 22,68 23,641 23,641 44,680 44,68 15,636 15,636 37,535 37,535 35,098 35,098 67,011 67,011 19,537 19,537 53,384 53,384 33,822 33,822 56,382 56,382 -12,153 -12,153 -129,733 -129,733 43,180 -43,18 28,700 28,7 0,900 0,9 25,500 25,5 8,000 15,600 7,000 14,000 г2 f-stat аО al а2 аЗ а4 а5 аб
1
Стандартные значения сшибок Sel) Sel Se2 Se3 Se 4 Se 5 Se6
1 Kill) 1 1кв02 1KB 1)3 1кв04 1кв05 Вычисление Т-статистики aO'SeO al/Sel a2/Se2 a3/Se3 a4/Se4 aS/SeS a6/Se6
| REZ =
Изменение международных резервов Российской Федерации
».ООО • /
1 / — / \ / \ / \ \ \ >
1KB 06 1кв07 1 кв08 I ■> 1 -50,000 • -100.000 ■ J J ! i J
1
I кв 10 1кэ11 1
Рис. 5. Компьютерное изображение: динамика изменения международных резервов РФ в 2000—2010 гг.
Методично снижающаяся ставка рефинансирования, с одной стороны, снижает привлекательность сбережений, с другой — должна делать кредиты более доступными. Однако в действительности на фоне снижающихся ставок по депозитам кредитные ставки в I полугодии 2010 г. практически не изменились. Запаздывающая динамика является сдерживающим фактором роста денежной массы, который в 2009 г. зафиксирован на отметке 16,3 %. Предполагается, что положительная динамика денежной массы в 2010 г. может составить около 20 %.
По данным Банка России, объем денежной массы М2 в нашей стране (национальное определение) на 01.04.2010 составил 15 996,5 трлн руб., что на 32 % больше, чем годом ранее (12 111,7 трлн руб.). Сумма наличных денег в обращении (агрегат М0, входящий в состав денежной массы) увеличилась с 3 278,3 до 3 986,1 трлн руб., на 21,5 %, объем безналичных средств — на 35,9 %, с 8 833,4 до 12 010,4 трлн руб.
Денежная масса растет фактически с докризисными темпами с сентября 2009 г., что косвенно подтверждает высокие темпы роста экономики в этот период. В январе 2010 г. динамика М2 оказалась даже лучше докризисной (в предшествующее десятилетие агрегат М2 в январе сокращался в
среднем на 3 %). Столь быстрый рост М2, наблюдаемый на протяжении длительного периода, может привести к ускорению инфляции уже в конце текущего года.
Увеличение сбережений свидетельствует о том, что большую часть годовых премий население сберегло на банковских депозитах. Очевидно, что даже при сохранении осторожного отношения к потреблению прирост депозитов в I полугодии 2010 г. был меньше предыдущего периода. При этом динамика кредитования не могла увеличиться значительно. Можно предположить, что темпы прироста денежной массы в 2010 г. будут достаточно высокими. В III кв. рост этого показателя может составить около 3 %, а в IV кв. — около 8 % по отношению к предыдущему периоду.
Рост денежной массы М2 в I кв. 2010 г. произошел на фоне снижения денежной базы, что предполагает рост денежного мультипликатора1 и свидетельствует о росте доверия к банковскому сектору. Соотношение темпов роста денежной массы М2 и денежной базы в широком определении обусловило увеличение в I кв. 2010 г. денежного мультипликатора до 2,513 на 01.04.2010. График темпа прироста денежной массы М2 приведен на рис. 4.
1 Денежный мультипликатор представляет собой соотношение денежного агрегата М2 и денежной базы в широком определении.
Темп роста международных (золотовалютных) резервов определяется в первую очередь темпом роста цен на нефть и драгоценные металлы. В краткосрочном периоде предполагается временная стабилизация данных показателей, но, несмотря на это, можно ожидать увеличения данных резервов в III кв. 2010 г. на 1—2 %, а в IV кв. — на 2—3 % (см. рис. 4). При повышении цен на энергоносители на мировом рынке прирост транснациональных резервов также будет увеличиваться.
Перспективы изменения конъюнктуры кредитного рынка менее определенны, так как в значительной степени определяются политикой государственных банков. Теоретически понижение учетной ставки ЦБ должно быть воспринято кредитными учреждениями как сигнал к понижению кредитных ставок.
Стабилизация ситуации на внутреннем валютном рынке в IV кв. 2009 г. и в I кв. 2010 г. способствовала снижению девальвационных ожиданий и укреплению рубля по отношению к бивалютной корзине. В то же время, несмотря на предпринятые Банком России меры по увеличению предоставления рублевых средств кредитным организациям, стоимость кредитных ресурсов в I полугодии оставалась на высоком уровне, отражая осторожность банков из-за неплатежеспособности частных и корпоративных заемщиков.
Доля просроченной кредиторской задолженности зависит от величины государственных крат-
косрочных обязательств, денежной массы, доли валюты в расходах населения и состояния бюджета. Учитывая эти данные, во II полугодии 2010 г. можно ожидать небольшого повышения просроченной кредиторской задолженности с сохранением восходящего тренда и выходом в конце года на показатели I кв. 2009 г. (рис. 6).
В сложившейся структуре национальной экономики внешнеэкономическая деятельность продолжает играть практически основную роль в формировании доходной части бюджета. Так, поступления от Федеральной таможенной службы в настоящее время составляют порядка 50 % доходной части федерального бюджета. За январь — июнь 2010 г. ФТС России перечислила в бюджет 1,95 трлн руб. Это выше аналогичного показателя за прошлый год, но ниже докризисного уровня I полугодия 2008 г.
Почти на 30 % доходная часть федерального бюджета формируется за счет вывозных таможенных пошлин, в том числе на 20 % — за счет экспортных пошлин на сырую нефть. Около 12 % составляют доходы при импорте, получаемые за счет взимания налога на добавленную стоимость, и порядка 6 % — пошлины с ввозимых товаров. По прогнозным оценкам авторов, уровень доходов консолидированного бюджета от внешнеэкономической деятельности в процентах от ВВП во II полугодии 2010 г. составит примерно 7,5 %.
Восстановление экспорта и импорта в тот же период будет определяться не только действием
Рис. 6. Компьютерное изображение: динамика просроченной кредиторской задолженности в 2000—2010гг.
финансовая аналитика
новых факторов внешней и внутренней конъюнктуры, но и тенденциями, сформировавшимися в товарной и географической структуре оборота в январе — июне текущего года.
Так, в I полугодии 2010 г. по сравнению с 2009 г. в условиях улучшения конъюнктуры на мировых рынках, укрепления российской национальной валюты, а также восстановления инвестиционного и потребительского спроса экспорт и импорт возросли в стоимостном выражении на 40 и 50 % соответственно. Но по сравнению с аналогичным периодом 2008 г. общий объем внешнеторгового оборота не превысил 93 %.
Наибольший удельный вес в общем объеме товарооборота приходится на экспорт — около 65 %. Коэффициент несбалансированности внешнеторгового оборота имеет тенденцию к снижению, что связано с опережающими темпами роста импорта по сравнению с экспортными поставками.
Так, в первые четыре месяца 2010 г. при нулевом значении среднемесячного роста экспорта в сопоставимых ценах прирост импорта составлял примерно 4,5 %. Но прогноз сохранения высоких цен на нефть и нефтепродукты, доля которых в экспорте России составляет почти 50 %, и рост мирового спроса на энергоносители до конца года обеспечат сохранение положительного сальдо торгового баланса и увеличение золотовалютных резервов страны. По оценкам Международного энергетического агентства, в 2010 г. увеличение спроса на нефть в основном произойдет за счет роста потребления в государствах, не входящих в ОЭСР, и в североамериканских странах.
Изменение конъюнктуры мировых рынков нефти, газа, черных и цветных металлов продолжает оставаться главным фактором формирования российского экспорта, характеризующегося низким уровнем товарной диверсификации, при которой две товарные группы — топливно-энергетические товары и металлы — составляют более 82 % стоимостного объема экспортных поставок из РФ.
По оценкам авторов, несмотря на наблюдающееся к концу I полугодия снижение цен на основные товарные позиции российского экспорта (нефть, газ, черные и цветные металлы), средняя цена на нефть марки Urals до конца года будет достаточно высокой (в пределах 76—78 долл. за баррель). Это будет способствовать снижению дефицита федерального бюджета. Прогноз такого ценового диапазона на нефть объясняется следующими факторами: восстановлением экономического роста в ведущих промышленно развитых странах
(США, Германия и Франция); продолжением динамики роста развивающихся рынков, избежавших экономического спада (Китай, Индия, Бразилия); возможным ограничением предложения нефти со стороны стран ОПЕК и других нефтедобывающих государств.
Во II полугодии 2010 г. в товарной структуре российского экспорта в основном сохранятся тенденции, сложившиеся в январе — июне:
• увеличение российского экспорта за счет опережающих темпов роста средних цен по сравнению с физическими объемами вывозимых из РФ товаров;
• сохранение максимально высоких показателей в экспорте топливно-энергетических ресурсов, доля которых на 01.07.2010 составила 71 % в общем объеме экспортных поставок при сохранении невысокого удельного веса машин, оборудования и транспортных средств (3,6 %), доля которых за 2000-е гг. сократилась в три раза (рис. 7).
Что касается импорта, то во II полугодии 2010 г. для него будут характерны те же основные тенденции, которые сложились в январе — июне:
• низкий уровень товарной диверсификации, при котором около 60 % приходится на две товарные группы: машины, оборудование, транспортные средства (42,0 %) и продукцию химической промышленности, каучук (17,3 %);
• продолжающееся увеличение стоимостных объемов импорта за счет опережающих темпов роста индекса физического объема по сравнению с индексом средних цен в 6—7 раз;
• сохранение удельного веса импорта в товарных ресурсах розничной торговли в стоимостном выражении на уровне 44—46 %, что вызвано опережающими темпами роста физического объема импорта ввозимой продукции по сравнению с отечественным производством.
К основным факторам, оказывающим влияние на формирование указанных тенденций, следует отнести: рост национальной экономики, что косвенно подтверждается более быстрыми темпами роста физического объема ввоза промежуточной продукции по сравнению с потребительскими и инвестиционными товарами; восстановление внутреннего спроса как за счет увеличения потребления домохозяйств, вызванного ростом доходов населения, так и за счет пополнения товарно-материальных запасов, а также укрепление рубля по сравнению с кризисным уровнем.
Рис. 7. Компьютерное изображение: динамика экспорта в 2000—2010 гг.
В то же время необходимо учитывать, что рост реальных доходов населения должен происходить на фоне эффективной реализации государственных программ сокращения безработицы и дальнейшего роста капиталовложений в реальный сектор при условии улучшения конъюнктуры кредитного рынка.
В географической структуре внешнеторгового оборота России наибольший удельный вес приходится на страны дальнего зарубежья — около 85 %. Европейский союз останется главным российским партнером во внешней торговле. Его доля в настоящее время составляет более 50 %. В экспорте лидирующие позиции будут занимать три страны ЕС (Нидерланды, Германия и Италия), на долю которых сейчас приходится почти 30 % всех экспортных поставок РФ.
По всей вероятности, значительное отрицательное сальдо торгового баланса России во II половине 2010 г. сохранится с такими странами, как Китай, Бразилия, Аргентина и Норвегия.
Ведущие партнеры России в импорте — страны Азиатско-Тихоокеанского экономического сотрудничества (АТЭС), за счет которых обеспечивается пятая часть всего внешнеторгового оборота. В целом
географическая структура импорта по сравнению с экспортом характеризуется более высоким уровнем страновой и региональной диверсификации с уверенно растущей долей азиатских государств. Это один из факторов, повышающих уровень экономической безопасности в сфере промежуточного и конечного потребления. Лидирующие позиции в торговле с Россией среди стран АТЭС сохранят Китай, Япония, США и Республика Корея, на которые будет приходиться более 85 % российского товарооборота со странами этой группы, или около трети общего объема российского импорта.
Прогнозные расчеты показывают, что во втором полугодии 2010 г. продолжится тенденция восстановления внешнеторгового оборота с превышением аналогичного показателя 2009 г. примерно на 20 % (по методологии платежного баланса). В то же время величина общего объема оборота, полученная на основе разработанной экономико-математической модели, будет на 10—12 % ниже уровня соответствующего периода 2008 г. (рис. 8).
В заключение приведем сводную таблицу автоматического расчета прогнозных показателей на 2010 г.
финансовая аналитика
Рис. 8. Компьютерное изображение: динамика импорта в 2000—2010 гг.
Сводная таблица автоматизированного расчета прогнозного варианта на 2010 г.
№ Обозначение Наименование основных показателей и параметров Единица измерения Квартальный прогноз на 2010 г., инерционный вариант
I кв. II кв. III кв. IV кв.
1 BLOK 1 Блок сценарных показателей
2 S1 Сезонный фактор (I квартал) 0/1 1 0 0 0
3 S2 Сезонный фактор (II квартал) 0/1 0 1 0 0
4 S3 Сезонный фактор (III квартал) 0/1 0 0 1 0
5 S4 Сезонный фактор (IV квартал) 0/1 0 0 0 1
7 Rref Ставка рефинансирования Банка России % годовых 8,46 8,00 7,75 7,50
8 M2 Темп прироста денежной массы М2 % к предыдущему кварталу 102 107 103 108
9 FW Средние экспортные цены на нефть Долл. за баррель 70,00 75,00 78,00 80,00
10 REZ Изменение международных резервов Российской Федерации Млрд долл. 8,000 15,600 7,000 14,000
14 Ex Экспорт Млрд долл. 92,5751 97,6672 101,959 109,1037
15 K$ Курс доллара Руб. /долл., % к предыдущему кварталу 1,02414 1,00173 1,00639 0,991988
16 Nal Покупка иностранной валюты населением (доля в доходах) Доля от денежных доходов 0,06082 0.05628 0.06745 0.067039
17 Ip Индекс цен производителей промышленных товаров Доля к предыдущему кварталу 1,04915 1,07844 0,99586 0,999105
18 S/p Покупательная способность доллара Доля к предыдущему кварталу 0,99292 0,96927 0,97978 0,962678
19 SEI Сальдо экспортно-импортных операций Млрд долл. 36,8819 39,9242 41,4347 41,30623
20 Im Импорт Млрд долл. 58,6409 59,3555 59,0319 64,39368
21 ZZ Просроченная задолженность организаций по заработной плате %, относительно к ВВП 0,20312 0,21092 0,23014 0,253688
22 ZK Задолженность кредиторская просроченная Доля от ВВП 0,11299 0,11771 0,11637 0,127507
23 BTEI Доходы консолидированного бюджета от внешнеэкономической деятельности % от ВВП 7,23822 7,59217 7,96848 8,618627
проблемы и решения ' 13
Окончание таблицы
№ Обозначение Наименование основных показателей и параметров Единица измерения Квартальный прогноз на 2010 г., инерционным вариант
I кв. II кв. III кв. IV кв.
24 ZBT Дефицит (профицит) консолидированного бюджета % от ВВП —3,1126 —3,1814 —2,4834 —2,76451
25 BTEIF Доходы консолидированного бюджета от внешнеэкономической деятельности % от ВВП 7,03615 7,42597 7,80986 8,452941
27 IZK Индекс кредиторской просроченной задолженности % к предыдущему кварталу 1.03746 0.79056 0.85969 0.339602
29 Rmbc Ставка по межбанковским кредитам (МБК, 1 день) % годовых/100 0,05182 0,04548 0,04302 0,038826
31 Rcrd Ставка по кредитам предприятиям % годовых/100 0,13538 0,12911 0,12449 0,121207
32 Rdep Средневзвешенная ставка по рублевым депозитам для физлиц (до года) % годовых/100 0,08206 0,0814 0,07963 0,079315
82 BLOK 2 Вспомогательный блок (индексы цен)
83 IP1 Индекс потребительских цен 1 1,04748 1,03714 1,00878 1,022486
84 IP2 Индекс потребительских цен 2 1,03237 1,02838 1,02124 1,027636
85 IP3 Индекс потребительских цен 3 1,03589 1,01787 1,00663 1,017057
89 IPT
93 BLOK 3 Блок макропоказателей
99 CE3 Оплата труда наемных работников 3 (отчетные данные Росстата) % от ВВП 48,4544 48,2398 43,8343 47,01797
103 PBT2 Валовая прибыль экономики 2 (валовой смешанный доход ВВП 2) % от ВВП 34,2069 33,2483 38,8509 36,18024
105 TI2 Чистые налоги на производство и экспортно-импортные операции 2 % от ВВП 19,1565 19,119 16,8669 18,41363
108 СКЗ Расходы на конечное потребление 3 % от ВВП 74,1635 73,4223 66,1648 68,4182
113 Gi1 Валовое накопление 1 % от ВВП 14,9838 18,8443 25,729 23,06649
118 SE2 Чистый экспорт товаров и услуг % от ВВП 8,95382 8,84893 8,51263 8,368767
119 BLOK 4 Блок показателей баланса доходов и расходов населения
120 C1 Покупка товаров и оплата услуг % от расходов населения 71,5035 67,7722 69,0364 68,17789
124 P12 Денежные доходы населения % от ВВП 67,7468 67,2555 62,4016 68,71001
166 VVP Валовой внутренний продукт (квартальные значения) Млрд руб. 9 895,74 10 913,9 12 657,1 12 661,34
168 IVPT Валовой внутренний продукт (циклический темп роста) % к предыдущему кварталу 0,90964 1,09943 1,17157 1,013921
Список литературы
1. Ермилов А. П. Макроэкономическое прогнозирование в США. Новосибирск: Наука, 1987.
2. Источники средств существования населения России. М.: Росстат, 1995. 402 с.
3. Йохансен Л. Очерки макроэкономического моделирования. М.: Прогресс, 1992.
4. Колмаков И. Б. Методы и модели прогнозирования показателей дифференциации денежных доходов населения. М.: Изд-во РЭА им. Г. В. Плеханова, 2004.
5. Колмаков И. Б. Основы моделирования. Имитационные макромодели рыночной экономики. М.: Изд-во РЭА им. Г. В. Плеханова, 1995.
6. Левицкий Е. М, Меньшиков С. М, Чижов Ю. А Моделирование американской экономики. Новосибирск: Наука, 1975.
7. Леонтьев В. В. Межотраслевая экономика: пер. с англ. М.: Экономика, 1997. 497 с.
8. Методологические положения по статистике: вып. 1—6. М.: Росстат, 1996—2010.
9. Национальные счета в переходный период (рабочий инструмент по СНС). М.: Росстат, 1992. 385 с.
10. Национальные счета России: стат. сб. М.: Росстат, 1995—2010.
11. Подунов А. А., Климов В. Г., Морозов А. В. США: измерение экономического роста. Анализ исходных статистических показателей. М.: Наука, 1976.
12. Промышленность России. М.: Росстат, 2002—2010.
13. Российский статистический ежегодник: стат. сб. М.: Росстат, 2001—2010.
14. Россия в цифрах: крат. стат. сб. М.: Финансы и статистика, 2001—2010.
15. Рябушкин Б. Т., Хоменко Т. А. Система национальных счетов. М.: Финансы и статистика, 1993.
16. Социальное положение и уровень жизни населения России: стат. сб. М.: Росстат, 2001—2010.
17. Социально-экономическое положение России. М.: Росстат, 2001—2010.
18. Статистическое обозрение. М.: Росстат, 2000—2010.
19. ТинбергенЯ., БосХ. Математические модели экономического роста. М.: Прогресс, 1967.
20. Финансы России. М.: Росстат, 2001—2010.
21. Хансен Э. Послевоенная экономика США. М.: Прогресс, 1966. 176 с.
22. Харрод Р. Ф. К теории экономической динамики: пер. с англ. М.: Прогресс, 1959.
23. Цены в России в 2001—2010 гг.: стат. сб. М.: Росстат, 2001—2010.
24. Чижов Ю. А. Модель экономики США. Новосибирск: Наука, 1977. 205 с.
25. Klein L. R., Goldberger A. S. An econometric model of the United States, 1929—1952, Amsterdam, 1955.
26. URL: http://www. cbr. ru.
27. URL: http://www. ccip. ru.
28. URL: http://www. economy. gov. ru.
29. URL: http://www. gks. ru.
30. URL: http://www. minfin. ru.
31. URL: http://www. worldbank. org.
32. URL: http://www. wto. org.
ВНИМАНИЕ! На сайте Электронной библиотеки <^ШЬ> собран архив электронных версий журналов Издательского дома «ФИНАНСЫ и КРЕДИТ» с 2006 года и регулярно пополняется свежими номерами. Подробности на сайте библиотеки:
www.dilib.ru
