• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Комплексный анализ и прогнозирование развития российской экономики на этапе перехода от экономического кризиса к посткризисному росту. Стратегический анализ проблем долгосрочного развития российской экономики, её важнейших отраслей и секторов

Приоритетные направления развития: экономика
2016

Цель работы: Развитие методологии экономического анализа и эмпирических экономических исследований (включая анализ и прогнозирование отдельных сфер и отраслей российской экономики), направленных на поддержку усилий по переводу российской экономики на путь интенсивного инновационного развития. Разработка комплексных сценарных кратко-, средне- и долгосрочных социально-экономических прогнозов, в том числе, ориентированных на потребности федеральных органов исполнительной власти.

Используемые методы: SFA для оценки эффективности издержек российских банков и их потенциала по наращиванию предложения долгосрочных кредитов экономике; двухшаговый разностный обобщенный метод моментов в модификации Ареллано и Бонда для динамических панельных данных (Arellano-Bond Dynamic Panel 2-Step Difference GMM); Байесовский подход к оценке параметров векторной авторегрессионной модели российской экономики со структурной идентификацией шоков (Bayesian SVAR); неструктурные методы оценки конкуренции, разработанные в Новой эмпирической литературе по отраслевым рынкам (NEIO); для оценки экспортного потенциала экономики России использоваль эконометрическая модель на основе подхода Хаусманна-Клингера; Методы SFA и DEA для оценки динамики совокупной факторной производительности (СФП) и ее компонент; многомерный фильтр Калмана для оценки потенциального ВВП и разрыва выпуска России; метод главных компонент для анализа согласованности движения цен на рынках государств-членов ЕАЭС; оценивание коинтеграционных соотношений и причинности по Грейнджеру для оценки взаимного влияния инвестиций в основной капитал в государствах-членах ЕАЭС, для анализа устойчивости долга субъектов РФ использовались эконометрические оценки модели функции реакции фискальной политики на уровень долговой нагрузки. Широко применялись статистические и графические методы анализа, а также иные аналитические методы (ранжирование, сегментация и т.п.).

Эмпирическая база исследования: в рамках работы использован широкий круг источников, включая данные Росстата, Минфина, Банка России, Минпромторга, Минэкономразвития, ФТС, международные базы данных, сообщения СМИ, официальные информационные источники, содержащие сведения как о принимаемых решениях, так  и об оценках ситуации. В работе использовалась специально созданная сотрудниками ЛАПЭП уникальная по широте охвата база статистической информации, содержащей свыше 5 тыс. динамических рядов.  Также использованы базы данных: Cbonds-PRO RU (база данных, содержащая сведения об эмиссии российских корпоративных ценных бумаг); Loans-PRO (база данных, содержащая сведения о синдицированных кредитах); БИР-Аналитик (база данных, содержащая данные о бухгалтерской отчетности юридических лиц) и ряд других данных.

Результаты работы:

1. В развитии методологии были получены следующие результаты:

1.1. Была продолжена разработка прогнозных моделей российской экономики в рамках Байесовских векторных авторегрессий (BVAR) с различными спецификациями априорных распределений параметров модели и наложением ограничений малой открытой экономики. Были разработаны условные (сценарные) прогнозы на среднесрочную перспективу (на 2017 год), результаты которых были сопоставлены с прогнозами Минэкономразвития. Показано, что в рамках одних и тех же сценарных условий BVAR-модель предсказывает более глубокую и более затяжную рецессию на среднесрочном горизонте по сравнению с прогнозом МЭР. На основе проведенного сопоставительного анализа сценарных прогнозов удалось выявить узкие места в прогнозировании и по модели Минэкономразвития, и в рамках BVAR маделей, потенциально способные ухудшать качество прогнозов.

1.2 В продолжение исследований по разработке модельного аппарата для оценки уровня конкуренции в российской банковской системе, описанных в предыдущих Отчетах по проекту, был разработан комплекс регрессионных моделей для (1) сравнительной оценки уровня конкуренции в рамках четырех комплементарных методик на различных фазах бизнес-цикла и (2) последующего анализа нелинейных эффектов связи конкуренции и кредитной активности банков. Модельные расчеты проводились с использованием данных банковских балансов за период с I кв. 2005 по IV кв. 2012 г. Во-первых, сравнительная оценка конкуренции показала, что до кризиса 2008–2009 гг. наблюдалось ощутимое усиление и ценовой, и количественной конкуренции, однако кризис нивелировал эти достижения. После кризиса ценовая конкуренция вновь стала усиливаться из-за очередного бума на рынке розничного кредитования, но количественная конкуренция оставалась ограниченной. Во-вторых, влияние конкуренции на кредитную активность банков действительно нелинейно — были выявлены пороги, показывающие, что при слишком жесткой и слишком слабой конкуренции кредитная активность банков ослабевает.

1.3. Была разработана пилотная версия квартальной системы опережающих индикаторов фискального стресса регионов на основе сигнального подхода. Эпизоды фискального стресса определены на основе данных о динамике G-спреда по каждой из региональных ценных бумаг, находившихся в обращении с августа 2003 г. по сентябрь 2015 г. В состав сводного индикатора фискального стресса вошли 4 частных фискальных индикатора, показавших наилучшие результаты. Полученная пилотная версия сводного опережающего индикатора позволяет говорить о возможности прогнозирования сложностей с привлечением средств на облигационном рынке у регионов на основе мониторинга динамики отдельных показателей бюджетов субъектов РФ.

1.4. Продолжено исследование, направленное на обоснование индекса чистых сравнительных преимуществ, разработанного ранее. В частности, подтверждена взаимосвязь между положительным значением чистого экспорта и наличием сравнительного преимущества (в форме достаточного запаса необходимых для выпуска продукции факторов производства), обосновано применение для масштабирования такого показателя как ВВП объяснена необходимость одновременного учета интенсивности торговли и чистого экспорта. Предложен ряд предварительных способов построения простых фильтров для учета качества товаров: через уровень диверсификации мирового экспорта, средневзвешенный подушевой ВВП стран-импортеров российских товаров, средневзвешенный подушевой ВВП стран-экспортеров и удельную стоимость единицы продукции.

1.5. Уточнены оценки динамики совокупной факторной производительности 65 стран мира в структуре элементов с учетом технической эффективности производства с помощью одно- и двухшагового методов стохастической производственной границы (SFA) и модифицированного (O’Donnell, 2008) метода огибающей (DEA) на двух выборках в период 1990-2011 гг. Оценки учитывают влияние контрольных факторов, включая структуру экономики, институциональное и инфраструктурное развитие, и расходы на НИОКР. Полученные оценки СФП высоко коррелированы с оценками ОЭСР, The Conference Board и PWT, а ранжировки стран по оценке эффективности сходны с другими исследованиями. Влияние контрольных факторов соответствует содержательной интерпретации.

1.6. Проведена количественная оценка влияния параметров научно-технологического развития (расходов на НИОКР) на социально-экономические параметры (компоненты совокупной факторной производительности) методами стохастической производственной границы и панельной регрессии с фиксированными эффектами. Всего оценено около 500 моделей и их спецификаций, учитывающих влияние контрольных факторов, включая структуру экономики, институциональное и инфраструктурное развитие и других.

Согласно оценкам, эффект роста расходов на научно-технологическое развитие высок, но существенно зависит от выборки. Так, увеличение интенсивности совокупных расходов на НИОКР на 1,0% ВВП через десять лет увеличивает темпы прироста совокупной факторной производительности в среднем на 5,0 проц. п. для выборки «Мир» и на 7,7 проц. п. для выборки «ОЭСР-1990+Россия». Увеличение удельных совокупных расходов на НИОКР на 1 тыс. долл. на одного исследователя через пять лет повысит темп прироста совокупной факторной производительности для выборки «Мир» в среднем на 0,013 проц.  п., а для выборки «ОЭСР-1990+Россия» – в среднем на 0,025 проц. п.

1.7. В целях оценки влияния научно-технологического фактора на экономическую динамику с использованием малоразмерной модели построен прогноз темпов прироста, позволяющий оценить, по сценарным вариантам, воздействие расходов на НИОКР на совокупную факторную производительность в российской экономике (СФП). Разница между государственными расходами в двух основных сценариях составляет 0,2% ВВП, для частных расходов она выше и составляет около 0,3% ВВП. Средние темпы прироста СФП достигают 1,5% в год для сценария «собственный центр силы» и 1,15% в год – для сценария «умный сырьевой» .

2 В получении новых эмпирических знаний:

2.1. В рамках реализации данного проекта получила продолжение работа по мониторингу и анализу развития российской экономики и ее важнейших сфер (макроэкономика, реальный сектор, бюджетная сфера, денежно-кредитная сфера, банковская сфера, социальная сфера, внешнеторговая сфера и др.). Основное внимание уделялось факторам устойчивости сложившейся в текущем году экономической стагнации. Выявлено, что её затяжной характер обуславливается действием нескольких групп факторов, которые приведены в работе. Выход из затяжной стагнации видится в задействовании в дополнительных факторов роста, в частности, стимулирования экспорта (докапитализациия ЭКСАР и ВЭБ), поддержки «вторичного» (базирующегося на неценовой конкурентоспособности) импортозамещения и инвестиционного процесса (включая инфраструктурное строительство) за счет снижения жесткости денежно-кредитной и бюджетной политики.  Еще одним направлением работ была разработка  сценарных прогнозов развития российской экономики на кратко- и среднесрочную перспективу.

2.2 Анализ тенденций в денежно-кредитной сфере в 2016 гг. показал, что замедление процесса смягчения процентной политики Банка России, высокая доля «плохих долгов» и низкий уровень достаточности капитала банков привели рынок корпоративного кредитования от сжатия к стагнации. Это, в свою очередь, сдерживает переход к положительной экономической динамике.

2.3. Было начата разработка эмпирического подхода к оценке потенциала расширения банками предложения долгосрочных кредитов экономике и зависимости этого потенциала от рыночной власти банков на рынке кредитов. За основу была взята техника стохастического анализа границы производственных возможностей банков.  Первые расчеты были проведены на данных по банковским балансам за период с I кв. 2005 по IV кв. 2015 гг. Расчеты показали, что, во-первых, российские банки весьма неэффективны в предоставлении долгосрочных кредитов как в сфере розничного, так и в сфере корпоративного кредитования. Медианные значения индексов эффективности колеблются в диапазоне от 26% до 37% из потенциально допустимых 100%. Это говорит о том, что даже в текущих макроэкономических, общеотраслевых и микроэкономических условиях банки обладают колоссальным потенциалом наращивания предложения долгосрочных кредитов. Во-вторых, банки с ростом своей рыночной власти склонны сокращать предложение долгосрочных кредитов предприятиям (удаление от эффективной границы), но наращивать его в сфере долгосрочного розничного кредитования (приближение к эффективной границе). Это указывает на то, что риски долгосрочного кредитования в розничном сегменте, по-видимому, оказываются меньше, чем в корпоративном сегменте.

2.4. Была проанализирована принятая на среднесрочную перспективу фискальная политика. Было показано, что ее реализация приведет к консервации стабильно низких темпов экономического роста. Предложен альтернативный пакет бюджетно-налоговых мер, направленный на стимулирование инвестиций, расходов на НИОКР и экспорта. Пакет включает снижение ставки взносов на социальное страхование с компенсацией выпадающих доходов ПФР за счет постепенного повышения пенсионного возраста;           введение гибкой системы налоговых зачетов по расходам на НИОКР, специального льготного налогового режима для компаний НТИ и создание «патентного окна»; возврат инвестиционной налоговой льготы; увеличение расходов на поддержку экспорта и государственных инвестиций на софинансирование высокотехнологичных проектов НТИ.

2.5. Были проанализированы основные тенденции в сфере благосостояния населения и его социальной дифференциации в 2016 г. Установлено, что беднеющее население адаптируется к кризису, приобретающему затяжной характер посредством изменения в структуре потребления (снижения потребления ряда видов непродовольственных товаров и услуг, переключения на более дешевые продукты питания), а также путем создания запасов товаров в ожидании дальнейшего снижения уровня благосостояния.

На фоне кризиса и общего снижения реальных доходов населения сохраняется высокий уровень социальной дифференциации. Соответственно, продолжает обостряться проблема бедности. Основными группами риска являются семьи с двумя и более детьми, семьи с одним родителем, а также пенсионеры.

2.6. В рамках анализа ключевых тенденций 2016 года в реальном секторе экономики показано, что произошел разворот от стагнации производства к восстановительному росту. К концу года в большинстве отраслей просматриваются признаки роста (по тренду, с устранением сезонного фактора). Также наметились признаки оживления инвестиционной активности, правда, преимущественно в сырьевых секторах. Однако, несмотря на в целом позитивные результаты, в секторах инвестиционного комплекса (машиностроение, производство стройматериалов) положение остается крайне напряженным – масштабы падения рынков были значительны и до полного восстановления еще далеко, наиболее значимая проблема здесь – высокие риски неплатежеспособности компаний.

2.7. На основе разработанной методологии оценки воздействия валютных и кредитных шоков на финансовое положение секторов экономики с использованием матриц финансовых потоков было установлено, что для большинства секторов ослабление национальной валюты, как правило, ведёт к потерям от курсовых переоценок чистой задолженности в иностранной валюте.  Однако у значительного числа секторов большие потери возникают из-за удорожания импортного сырья, материалов и комплектующих и обусловленного девальвацией ухудшения доступа к привлечению новых заимствований. Отрасли нефинансового сектора переносят часть этих потерь на потребителей – через ценовую политику.

2.8. В результате моделирования качества корпоративного кредитного портфеля банков с применением  методологии оценки индивидуальных регрессионных уравнений и использованием метода Зельнера был выявлен механизм «финансового заражения» между различными секторами экономики, ведущий к росту неплатежей по кредитам. В частности, было обнаружено, что в периоды экономических кризисов система взаимного коммерческого кредитования фирм способствует распространению «заражения» между отраслями. Удалось установить, что в условиях резкого ухудшения внешнеэкономической конъюнктуры происходит распространение неплатёжеспособности от компаний, занимающихся добычей природных ресурсов, и от компаний-производителей инвестиционных товаров, к компаниям-производителям конструкционных материалов и к компаниям-производителям потребительских товаров.

2.9. На регулярной основе выпускались аналитические материалы: «Тренды российской экономики»; «Тренды развития крупнейших экономик мира»; «Тренды развития экономик стран-партнеров России по ЕАЭС», «Что показывают опережающие индикаторы системных финансовых и макроэкономических рисков?», «Тенденции развития промышленности» и ряд ежемесячных аналитических записок. Проводился анализ важнейших мер экономической политики, а также сценариев и прогнозов развития российской экономики, разрабатываемых Минэкономразвития России, и осуществлялось построение аналогичных прогнозов с их сценарными условиями (вариантами развития), анализ Основных направлений денежно-кредитной политики.

Степень внедрения, рекомендации по внедрению или итоги внедрения результатов НИР

Реализация целей исследования обеспечит решение проблемы повышения качества социально-экономического анализа и прогнозирования. Кроме того, результаты проведенного исследования могут служить базой для дальнейших работ по аналитическому сопровождению подготовки крупных решений и документов стратегического характера.

В рамках реализации данного проекта большое внимание было уделено подготовке записок и аналитических материалов, иллюстративных материалов, прогнозов, которые передавались в органы исполнительной и законодательной власти (Экспертное управление Администрации Президента, Аппарат Правительства, Государственная Дума, Минэкономразвития, Минпромторг, Минобрнауки, Банк России). 

Публикации по проекту:


A. V. Deshko, I. B. Ipatova, O. G. Solntsev. Government bond market: Potential for establishing a system of primary dealers in Russia based on relevant world experience / Пер. с рус. // Studies on Russian Economic Development. 2016. Vol. 27. No. 3. P. 237-253. doi
Гнидченко А. А. Импортозамещение в российской промышленности: текущая ситуация и перспективы // Журнал Новой экономической ассоциации. 2016. Т. 4. № 32. С. 154-161.
Alexander Yu. Apokin, Irina B. Ipatova. Structural Breaks in Potential GDP of Three Major Economies: Just Impaired Credit or the “New Normal”? / National Research University Higher School of Economics. Series WP BRP "Basic research program". 2016. No. 142.
Mikhail E. Mamonov, Vernikov A. V. Bank ownership and cost efficiency: New empirical evidence from Russia // Economic Systems. 2017. Vol. 41. No. 2. P. 305-319. doi

См. также

Анализ и прогнозирование перспектив преодоления стагнации в российской экономике. Оценки возможных сценариев долгосрочного развития в условиях значительных изменений научно-технологической и геоэкономической среды

Анализ и прогнозирование развития российской экономики в условиях посткризисного роста. Оценка перспектив и рисков ускорения социально-экономического развития страны в условиях нестабильности внешней среды

Анализ тенденций развития российской экономики в условиях исчерпания потенциала прежней модели роста и ужесточения внешнеэкономических условий. Разработка кратко- и среднесрочных комплексных прогнозов социально-экономического развития

Анализ и прогнозирование развития российской экономики, оценка перспектив преодоления экономической стагнации

Анализ развития российской экономики, ее важнейших сфер и секторов, определение возможных сценариев выхода российской и мировой экономики из затяжного экономического кризиса. Разработка средне- и долгосрочных комплексных прогнозов социально-экономического развития

Разработка сценариев развития российской экономики на перспективу до 2034 года: факторы роста и структурные изменения

Современные подходы к моделированию макроэкономической динамики и построению оптимальной макроэкономической политики

Ключевые слова