Влияние гибкости цен и лаговых переменных на саморазвитие ожиданий при адаптивном обучении агентов Текст научной статьи по специальности «Экономика и бизнес»

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №2/2016 ISSN 2410-700Х_

национальным планом счетов; системой организации бухгалтерского учета в масштабе фирм; методологии определения конечного финансового результата; системой финансовой отчетности.

Различные подходы к формированию систем учета затрудняет международную деятельность национальных предприятий.

По нашему мнению на создание и функционирование национальных систем бухгалтерского учета влияют следующие факторы: влияние ведущих теоретиков и профессиональных организаций; правовая система; общая экономическая ситуация в стране; налоговая политика; влияние других стран на систему бухгалтерского учета. Правовая система является одним из факторов, определяющих существенные различия в финансовой отчетности различных государств.

При довольно большом приближении обновленных учетных стандартов в России к общемировой практике отдельные положения и методика бухгалтерского учета и отчетности предприятий в Российской Федерации все еще отличаются от стандартов, принятых в западных странах. Но постепенно традиционную систему бухгалтерского учета в Российской Федерации сменяет более гибкая система учета, которая продолжает развиваться, приближаясь к международным стандартам.

Поэтому для успешного развития бухгалтерского учета в России, а как следствие, развития бизнеса и экономики страны в целом, немаловажное значение имеет ознакомление с опытом в этой области, накопленным, прежде всего, в экономически развитых странах мира, а также внедрение зарубежной практики ведения бухгалтерского учета.

Список использованной литературы

1. Куряков Л.П. «Международные бухгалтерские стандарты: справочное пособие» / Л.П. Кураков М.: Гелиос АРВ, 2000. — 267 с.

2. Матвеева В.М «Международный бухгалтерский учет GAAP и IAS». Справочник бухгалтера от А до Я /

B.М. Матвеева — М.: Изд-во "Дело и Сервис", 1998. — 192 с.

3. Саченок Л.И., Никитина А.П. «Проблемы учета дебиторской задолженности в период перехода на МСФО» // Международная научно-практическая конференция «Научный взгляд на современное общество» Том 1. г.Уфа, РФ MEGA SCIENCE» 2015. C. 65-67.

4. Соколов Я. В., Семенова М. В. Бухгалтерский учет во Франции. // Бухгалтерский учет.— 2000.— № 5.—

C. 69-77.

© Саченок Л.И., Никитина А.П., 2016

УДК 332.012.2+332.1

Серков Леонид Александрович

канд.физ.-мат.наук, доцент УрИБУ, г. Екатеринбург, РФ E-mail: [email protected] Шарова Юлия Евгеньевна ст. преподаватель УрИБУ, г. Екатеринбург, РФ Елизаров Дмитрий Борисович канд.техн. наук, доцент УрГЭУ, г. Екатеринбург, РФ

ВЛИЯНИЕ ГИБКОСТИ ЦЕН И ЛАГОВЫХ ПЕРЕМЕННЫХ НА САМОРАЗВИТИЕ ОЖИДАНИЙ

ПРИ АДАПТИВНОМ ОБУЧЕНИИ АГЕНТОВ

Аннотация

Рассматривается формирование ожиданий на основе адаптивного обучения как один из механизмов

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №2/2016 ISSN 2410-700Х_

континуальной самоорганизации ожиданий экономических агентов на микроэкономическом уровне. В рамках неоклассической модели исследуется данное саморазвитие как процесс схождения ожиданий с ограниченной рациональностью к равновесию рациональных ожиданий. Показано, что ключевыми факторами, влияющими на схождение, являются гибкость цен и наличие лаговых переменных в воспринимаемом агентами законе движения уровня цен.

Ключевые слова

DSGE-модели, рациональные ожидания, ограниченная рациональность, гибкость цен, лаговые переменные.

Большинство современных макроэкономических моделей используют гипотезу рациональных ожиданий (ГРО), предполагающую существование идеальной экономической системы, где все предусмотренные авторами модели параметры имеются налицо. Рациональные ожидания предполагают, что экономические агенты обладают всей полнотой информации, необходимой для построения прогнозов, а также навыками ее мгновенной и безошибочной обработки. Очевидно, в своей практической работе экономисты, исследователи, политики сталкиваются с серьезными информационными ограничениями и невозможностью достоверно судить о природе экономических взаимосвязей. Кроме того, в рамках моделей с рациональными ожиданиями не всегда удается объяснить наблюдаемое поведение макроэкономических переменных.

В качестве одного из альтернативных подходов моделирования ожиданий в последнее время рассматривается процесс обучения экономических агентов, в рамках которого предполагается, что экономические агенты формируют ожидания, обучаясь на прошлых ошибках. Рассматриваемая проблема изучается в литературе с использованием, в основном, с использованием двух моделей: рациональной (или байесовской) модели обучения и модели обучения с ограниченной рациональностью [2].

Рациональная модель обучения предполагает, что агенты правильно специфицируют экономическую модель, но не уверены относительно значений некоторых параметров. На первый взгляд, кажется, что это та же проблема оценки, знакомая из эконометрической литературы. Однако при более тщательном рассмотрении становится ясно, что в процессе обучения, при котором имеется обратная связь между ожиданиями и результатами, экономическая среда, в которой происходит оценка, изменяется во времени, и обычные доказательства сходимости параметрических оценок к их истинным значениям оказываются неприменимыми. Главный источник трудностей заключается в том факте, что в процессе обучения ошибки ожиданий не удовлетворяют свойству ортогональности и агентам приходится отделять систематическое влияние ошибок ожиданий от влияния других переменных. Кроме того, гипотеза рационального обучения требует такого же количества информации, что и ГРО.

В качестве альтернативного подхода к обучению предлагается процесс обучения с ограниченной рациональностью. Одним из наиболее широко обсуждаемым в литературе представителем этого подхода является адаптивное обучение, в рамках которого предполагается, что экономические агенты формируют ожидания, следуя определенному правилу. При этом они обладают ограниченной рациональностью о структуре и взаимосвязях в экономике, но с течением времени, по мере поступления новой информации, корректируют свои знания (правила) и соответственно прогнозы, которые строятся на их основе [3]. Именно корректировка знаний отличает формулируемый подход к моделированию от подхода на основе обычных адаптивных ожиданий. При адаптивном обучении агенты эконометрически (чаще всего с помощью рекурсивного метода наименьших квадратов) оценивают уравнения динамики переменных, формируя свои правила - собственный воспринимаемый закон движения (perceived law of motion - PLM). Функциональная форма этого закона обычно совпадает с формой решений уравнений динамики переменных при выполнении ГРО, но параметры уравнений PLM зависят от времени и постоянно обновляются (как только поступает новая информация).

В ряде работ доказывается, что динамические стохастические модели общего равновесия, в основе которых лежит формирование прогнозов с помощью адаптивного обучения более адекватно описывают экономическую систему и политику экономических агентов (по сравнению с моделями, основой которых является концепция рациональных ожиданий).

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №2/2016 ISSN 2410-700Х_

Следует отметить, что модели с адаптивным обучением также не свободны от критики. Главным недостатком этого подхода является то, что он не допускает возможности пересмотра правил обучения. Поэтому подход к моделированию на основе адаптивного обучения оправдан в том случае, если выбранное правило обучения гарантирует сходимость к уравнению рациональных ожиданий.

Не имеется никаких общих результатов относительно сходимости моделей с адаптивным обучением агентов к равновесию рациональных ожиданий. Так как процесс сходимости определяет саморазвитие ожиданий, то представляет интерес исследовать сам этот процесс и факторы, влияющие на него. Так как гипотеза рациональных ожиданий является, в первую очередь, продуктом новейшей эволюции неоклассицизма, то целесообразно рассмотреть процесс сходимости (саморазвитие ожиданий), и факторы, влияющие на него, в рамках простой неоклассической модели, описываемой следующими уравнениями.

У =r*(Pt — EtPt+i), (1)

yt = m — p, > (2)

m, = f +Pm * m-i +et, (3)

где все переменные выражены в логарифмах, y — отклонение объема выпуска от потенциального объема, pt — уровень цен, mt — номинальная денежная масса, Etpt+l — ожидания (не обязательно

рациональные), формируемые агентами (производителями) в момент времени t на основе информации, доступной в этот момент времени, относительно уровня цен в момент t+1. Уравнение (1) описывает совокупное предложение в контексте теории несовершенной информации Р.Лукаса [1] (параметр корректировки у > 0). Уравнение (2) описывает совокупный спрос со стороны частного сектора3. Наконец, уравнение (3) описывает денежную политику монетарных властей. Правая часть этого уравнения состоит из двух частей: авторегрессионное (первого порядка) слагаемое, включающее стохастический в виде белого

шума монетарный шок St ~ , и слагаемое flt G{f!ow,fhigh}, описывающее бинарный режим

переключения монетарной политики. Эта переменная с одной стороны введена для качественной оценки скорости схождения к равновесию рациональных ожиданий, с другой стороны переключение режимов имеет вполне определенное экономическое обоснование, связанное, например, с изменением государственных расходов. Для упрощения примем, что fllow = —fhigh и вероятность переключения режимов равна (1-р).

Так как нас интересуют чисто колебательные режимы, то в уравнение (7) сознательно не включено трендовое слагаемое, связанное с ростом номинальной денежной массы. В уравнениях модели (5) - (7) все переменные являются агрегированными, то есть эта модель описывает экономику репрезентативного агента (все агенты при обучении используют один и тот же алгоритм).

Приравнивая спрос и предложение получим уравнение для равновесного уровня цен

pt = mt /(1 + у) + у * Etpt+l /(1 + у), (4)

где изменение денежной массы описывается уравнением (3).

Саморазвитие ожиданий проявляется в формировании агентами в процессе адаптивного обучения закона движения (PLM) для информационной переменной р х с помощью метода наименьших квадратов,

прогнозировании Etpt+l и определении равновесной рыночной цены р на основе уравнения (8).

Предположим, что при формировании PLM агенты используют регрессионную модель без лаговых значений ценовых уровней

3 Это уравнение при переходе от логарифмов к исходным уровням определяет объем выпуска в номинальном денежном выражении.

МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ»

№2/2016

ISSN 2410-700Х

pt = ß + А,, * i+ ß * mt+ß * i * m

(5)

где I Е {—1,1} — индикаторная переменная, идентифицирующая один из двух режимов переключения, тх {- авторегрессионная часть уравнения (3), не включающая переменную . Процесс саморазвития заключается в постоянном обновлении после каждого периода оценок параметров / ( с помощью рекурсивного метода наименьших квадратов4 [3].

Рисунок 1 - Временные колебания равновесной цены при рациональных ожиданиях агентов (более светлые

линии) и при адаптивном обучении (более темные линии). Значение параметра у = 0.5. Значения остальных параметров:

2

и =-0.01, р = 0.5, р = 0.99, ст2 = 0.01. low m

Рисунок 2 - То же, что на рис.1, но при значении параметра у = 2.

В результате проведенного численного исследования модели5 установлено, что процесс схождения равновесной цены при адаптивном обучении агентов к равновесной цене при рациональных ожиданиях

4 Алгоритм рекурсивного метода наименьших квадратов состоит из двух уравнений обновления: одного для обновления параметров, входящих в прогнозные функции, и другого - для обновления оценок матрицы вторых моментов этих параметров.

5 Численный анализ уравнений модели проводился в п/п Matlab.

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» №2/2016 ISSN 2410-700Х_

очень чувствителен к значению параметра корректировки у (рис.1,2). Так как этот параметр определяет

наклон кривой совокупного предложения (А^ / AYt = 1/у), то из анализа рисунков 1,2 следует, что с

увеличением крутизны этой кривой (уменьшением у) процесс схождения к равновесию рациональных

ожиданий ускоряется (рис.1). Напротив, при больших значениях у (более пологая кривая совокупного

предложения) этот процесс замедляется (рис.2). Таким образом, в рамках исследуемой неоклассической модели гибкость цен является определяющим фактором при самоорганизации ожиданий и саморазвитии этой самоорганизации. Чем более гибкие цены, тем быстрее экономический агент может правильно прогнозировать будущие значения этих информационных переменных. Сопоставление процессов схождения к равновесию рациональных ожиданий (рис.1) и режимов переключения монетарной политики показывает достаточно медленную скорость сходимости (даже при очень низкой вероятности переключения режимов). Еще раз отметим, что приведенные результаты справедливы для экономических агентов, обучающихся по одному алгоритму. В случае неоднородных агентов результаты могут измениться.

Отметим, что вышеприведенные результаты справедливы при формировании агентами воспринимаемого закона движения (PLM) переменной pi модели без лаговых значений уровня цен. При наличии лаговых значений закон движения (PLM) принимает вид

pt = ßott + ß1,t * it + ß2,t * mi,t + ß3,t * it * mi,t + ß4,t * pt—1 + ß5,t * h * pt—1 . (6)

Результатом такого закона движения (PLM) является практически мгновенная скорость процесса схождения равновесной цены при адаптивном обучении агентов к равновесной цене при рациональных ожиданиях при любых значениях параметра корректировки у (рис.3).

Приведенные в публикации результаты необходимо учитывать при разработке макроэкономических моделей, учитывающих ожидания экономических агентов.

Рисунок 3 - То же, что на рис.1, 2 при значении параметра у = 2 и законе движения (РЬМ), описываемым

уравнением (6).

Список использованной литературы

1. Lucas R.J. Expectations and the neutrality of money // Journal of Economic Theory. 1972. p.103-124.

2. Pesaran M. H. The Limits to Rational Expectations. Oxford: Basil Blackwell, 1987. Reprinted with corrections, 1989.

3. Slobodyan S., Wouters R. Learning in a Medium-Scale DSGE Model with Expectations Based on Small Forecasting Models // American Economic Journal: Macroeconomics. 2012. p.65-101.

© Серков Л.А., Шарова Ю.Е., Елизаров Д.Б., 2016