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

Моделирование экономических процессов в России с учетом внутриотраслевой и территориальной неоднородности

Приоритетные направления развития: экономика
2017

Объект исследования – сектора российской экономики.

Целью работы является развитие новых и модификация разработанных в лаборатории моделей российской экономики в целом и ее отдельных составляющих к новым условиям экономического развития, а также реализация на их основе прогнозных расчетов в отдельных секторах российской экономики. Требуется актуализировать ранее разработанную систему расчетов, учитывая ощутимый спад российской экономики и заметное снижение темпов роста мировой экономики. Важной составляющей является проведение фундаментальных и прикладных исследований силами преподавателей, аспирантов и студентов НИУ ВШЭ.

Методология исследования сочетает в себе эконометрические, балансовые и аналитические подходы к моделированию экономических процессов в современной российской экономике.

В процессе исследований внесены существенные изменения в ряд моделей секторов российской экономики в среднесрочном периоде, разработанной коллективом лаборатории в предыдущие годы. Также были внесены усовершенствования в систему расчетов показателей функционирования российской экономики. Стагнация мировой и рецессия российской экономики потребовали учета в блоках модели новых реалий, проверки применимости разработанной модели в новых условиях. Предложены пути решения выявленных проблемных вопросов. В том числе, моделирования банковской системы России, применение метода оценки риска, основанного на учете скорости сходимости в рамках Центральной Предельной Теоремы, анализ взаимосвязи результатов деятельности компаний российской пищевой промышленности с присутствием в них иностранного капитала, построение нелинейной системы функций спроса, оценки теневых доходов российских домашних хозяйств, динамики внутренних миграционных потоков между муниципальными образованиями.

К основным результатам работы можно отнести следующие:

Разработана модель банка, описывающая его поведение как результат решения оптимизационной задачи. Получено аналитическое решение задачи и описаны основные режимы, отличающиеся способом разрешения условий дополняющей нежесткости. Показана специфика смешанных режимов для произвольного решения и при наличии магистрального свойства. Показаны особенности перевода описания системы, действующей в непрерывном времени, в дискретное время.

Предположение о частой смене режимов на оптимальной траектории позволяет существенно усилить магистральное свойство. Показано, что при достаточно частом чередовании данных режимов крайне неудобные с точки зрения прикладного использования условия дополняющей нежесткости могут быть приближены их смягченными аналогами.

В работе показано, что использование сезонной корректировки оправдано в случаях, когда необходимо оценивать связи между переменными. Но для случая оценки авторегрессионных моделей, можно рекомендовать использовать нескорректированные данные, потому что сезонная корректировка может привести к смещениям в тестах на единичные корни, необходимых для корректного выбора авторегрессионной модели. В целом, корректировка сезонности необходима, но требуется учитывать возможные смещения в тестах на единичные корни.

В ходе исследования построена динамическая нелинейная модель поведения агрегированного домохозяйства в экономике Российской Федерации. Найдено аналитическое решение задачи агрегированного домохозяйства, подготовленное для использования на статистических данных. На модельном уровне воспроизведена траектория занятости, чего пока не удавалось получить в моделях подобного типа применительно к экономике России.

Также построена модель взаимодействия между пятью макроагентами – собственника-потребителя, фирмы-производителя, банка, Центрального Банка и Государства. По отдельности решены задачи оптимального поведения трёх агентов. Центральный Банк и Государство рассматривались как независимые институты, напрямую влияющие на проводимую в системе монетарную и фискальную политики путем регулирования ставки резервирования и параметров налогообложения соответственно.

Дальнейшее развитие инновационного метода оценки финансовых рисков подтвердило, что аналитически построенные G-границы хорошо согласуются с соответствующими значениями левых хвостов распределений логарифмов доходностей фондовых индексов России, а потому могут быть использованы инвесторами в качестве меры риска больших потерь на финансовых рынках. По результатам исследования, котирующиеся на Московской бирже фондовые индексы, были разделены на три неравных по величине группы, различающиеся скоростью приближения эмпирического распределения логарифмических доходностей к нормальному закону.

В результате анализа ПИИ в пищевую промышленность России было установлено, что на результаты деятельности компаний статистически значимо влияние объёма накопленных инвестиций в пищевую отрасли именно в тот в регион, в котором находится компания, при это влияние объёмов накопленных ПИИ в другие регионы (пространственный лаг ПИИ) незначимо. Это говорит о положительном агломерационном эффекте, который может трактоваться как благоприятный инвестиционный климат для иностранного инвестора.

Для исследования последствия санкций и контрсанкций на продовольственных рынках была построена модель, которая сочетает в себе достоинства моделей QUAIDS и Уоркинга-Лесера, и дополнена конструированием индивидуальных цен. Оценивание модели позволило выяснить, что введение продовольственных контрсанкций действительно привело к изменениям характеристик спроса на товары, подверженные запретам.

В работе этого года сделана попытка оценить динамику доли скрываемых доходов российских домохозяйств на основании данных РМЭЗ за период с 2006 по 2015 гг. На основе построенной модели получены оценки доли скрываемого дохода в разрезе доходных и поселенческих групп домохозяйств. Полученные оценки подтверждили гипотезу о том, что бедные домохозяйства имеют наибольший уровень сокрытия доходов. Не подтвердилась гипотеза о высокой доле сокрытии в городах-миллионниках; при этом сокрытие доходов в Москве несколько выше, чем в других городах-миллионниках. В кризис 2008–2009 сокрытие доходов самозанятыми несколько увеличивалось. 

В результате исследования миграционных процессов в Российской Федерации по данным муниципальной статистики было выявлено, что наибольшая пространственная корреляция присуща такому показателю как среднемесячная заработная плата. Важным результатом исследования является то, что миграционные процессы отличны для территорий Крайнего Севера и остальных территорий. Выявлено, что для территорий, не относящихся к районам Крайнего Севера, коэффициент миграционного прироста значимо связан с уровнем заработной платы. Для районов с более высоким уровнем оплаты труда большее значение имеет заработная плата близлежащих районов. Таким территориям свойственна маятниковая трудовая миграция. Для территорий Крайнего Севера заработная плата не оказывает значимого влияния на коэффициент миграционного прироста.

Публикации по проекту:


Gurvich E., Vakulenko E. Macroeconomic and structural properties of the Russian labor market: A cross-country comparison // Russian Journal of Economics. 2017. Vol. 3. No. 4. P. 411-424. doi
Murashov Y., Ratnikova T. A. Estimation of the Russian informal economy size on the household budget survey data // Cogent Economics and Finance. 2017. No. 5. P. 1-13. doi
Мурашов Я. В., Ратникова Т. А. Динамика неучтенных доходов российских домашних хозяйств // Прикладная эконометрика. 2017. Т. 46. С.  30-54.
Vakulenko E., Leukhin R. Wage discrimination against foreign workers in Russia / Пер. с рус. // Russian Journal of Economics. 2017. Vol. 3. No. 1. P. 83-100. doi
Борзых Д. А., Хасыков М. А., Языков А. А. Новый способ обнаружения структурных сдвигов в GARCH-моделях // Вестник Воронежского государственного университета. Серия: Экономика и управление. 2017. № 2. С. 97-105.
Пильник Н. П., Шайхутдинова М. Ф. Моделирование состояния платежного баланса России // Государственный университет Минфина России. Финансовый журнал. 2017. № 5. С. 84-101.
Дедова М. С., Пильник Н. П., Малахов Д. И. Измерение риска ликвидности системы кредитных организаций на примере банковской системы России. // Вестник Санкт-Петербургского университета. Серия 5. Экономика. 2017. Т. 33. № 1. С. 78-103. doi
Корищенко К. Н., Пильник Н. П. О пределах возможности инфляционного таргетирования // Вопросы экономики. 2017. № 10. С. 71-87.

См. также

Ключевые слова