Применение метода Койка для оценки влияния волатильности экономических индикаторов на финансовую нестабильность региона

Размещено на http://allbest.ru

Института экономики и предпринимательства ННГУ

Применение метода Койка для оценки влияния волатильности экономических индикаторов на финансовую нестабильность региона Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 19-010-00716 «Разработка методологии и нетрадиционных методов оценки финансовой нестабильности».

Граница Ю.В. к.э.н., доцент

Прогнозирование состояния экономической системы региона - это основная задача, реализуемая при выборе стратегических приоритетов его инновационного развития.

Исследования в области прогнозирования преимущественно связаны с выбором экономических детерминант, характеризующих положение регионов [1, 2, 3, 4, 5], индикаторов, подающих сигналы о наступлении рецессии [6, 7, 8, 9, 10 ] , показателей в большей степени чем другие подверженных изменениям [11,12].

Нами была предпринята попытка прогнозировать состояния рецессии в экономической системе региона с помощью коинтеграционной модели Энгла-Гренджера путем построения модели линейной регрессии с использованием моделей бинарного выбора.

Все эти методы, а также вышеуказанные исследования, связанные с оценкой стабильности региона, позволили нам отобрать ряд экономических показателей пригодных, как нам кажется, для прогнозирования региональной устойчивости.

Для оценки взаимосвязи временных рядов параметров, характеризующих различные сферы деятельности региона, нами предложен метод Койка - метод анализа моделей с распределённым лагом, в которых в уравнение регрессии включено как текущее значение объясняющей переменной, так и значения этой переменной в предыдущих периодах.

Уравнение модели с распределенными лагами определяется по формуле 1.

(1)

Модель, сформированная по методу Койка, представлена формулой 2.

 (2)

Статистические данные для анализа финансового положения регионов были получены на сайтах Министерства Финансов РФ [13] и Государственного комитета статистики РФ [14].

В нашем исследовании ставим перед собой следующие задачи:

1. Выявить показатели, характеризующие экономическую систему региона, между которыми наблюдаются значимые взаимосвязи.

2. Оценить количественные параметры зависимости.

Для реализации поставленных задач мы выделяем на первом этапе лаг для объясняемой переменной, равный единице, и строим модель зависимости среднедушевого дохода от валового регионального продукта на душу населения в Центральном федеральном округе методом наименьших квадратов. Используем для этих целей эконометрический пакет свободного доступа Gretl. Полученная модель описана в таблице 1.

Таблица 1

Характеристика модели зависимости среднедушевого дохода от валового регионального продукта на душу населения в Центральном федеральном округе

Оценивая модель, отметим, что остатки в модели распределены по нормальному закону (рис. 1), отсутствует гетероскедастичность и автокорреляция остатков. Таким образом, можно утверждать что мы получили состоятельные и несмещенные оценки коэффициентов в регрессионной модели.

Определим также - коэффициенты при лаговых переменных по формуле 3

(3)

= 0,019*0,645 = 0,012

= 0,019*0,645² = 0,008

Таким образом, уравнение, полученное путем преобразования, выглядит следующим образом:

Среднедушевой доход = 10 442,79+0,019*ВРП_t+0,012*ВРП_t-1+0,008*ВРП_t-2+……

Рисунок 1. Распределение остатков с модели

На втором этапе вычислим параметры модели Койка (таблица 2)

Таблица 2

Параметры модели, построенной путем преобразований Койка

Средний лаг модели определяется по формуле 4

= (4)

= 1,82

Построим теперь модели с распределенными лагами, где будет отражена зависимость показателей, представленных в таблице 3, от валового регионального продукта для остальных регионов России, явившихся объектами исследования в данной статье.

При этом будем анализировать только такие модели регрессии, которые содержат значимые коэффициенты и при регрессоре, и при зависимой переменной с лагом равным единице.

Произведем расчет среднего лага для количественной оценки влияния экономических показателей.

Результаты отобразим в таблице 3.

В ячейках таблицы 3 указан средний временной период, через который осуществляется влияние регрессора на зависимую переменную. Обращаем внимание, что временной лаг отмечен напротив зависимой переменной.

Таблица 3 Анализ взаимосвязей между региональными экономическими индикаторами

Рассчитанный временной лаг отражает период, через который изменение валового регионального продукта окажет влияние на показатели региона, например, рост валового регионального продукта на душу населения в Центральном округе оказывает влияние на среднедушевой доход через 1 год 10 месяцев. моделирование экономика финансовый региональный

Очевидно, что целесообразно учитывать средний лаг в пределах полутора лет. Пролонгированное влияние на больший период, по нашему мнению, не является информативным. Периоды, которые, по нашему мнению, значимы для прогноза финансовой устойчивости региона, отмечены в таблице 3 жирным шрифтом.

Кроме оценки периода влияния, приведем примеры расчета соотношений между значимо зависимыми индикаторами. Обратим внимание, что регрессором во всех случаях является валовой региональный продукт на душу населения (таблица 4).

Таблица 4

Параметры моделей взаимосвязей между экономическими индикаторами

Согласно произведенным расчетам, например, при изменении валового регионального продукта на душу населения на 10 000 рублей, среднедушевой доход увеличится на 10628,76 рублей, а в долгосрочной перспективе при изменении валового регионального продукта на 10 000 рублей среднедушевой доход увеличится на 10972,76 рублей.

Таким образом, метод Койка для оценки моделей с распределенными лагами позволяет, во-первых, качественно и количественно оценить взаимосвязи региональных экономических данных, во-вторых, установить период времени, когда влияние показателей друг на друга становится значимым.

Продемонстрированные возможности метода (преобразований) Койка делают очевидным его результативное использование в прогнозирование финансовой стабильности регионов.

Ключевые слова: финансовая неустойчивость, волатильность, регион, экономический индикатор, временной лаг, метод Койка, долгосрочный мультипликатор.

Keywords: financial instability, volatility, region, economic indicator, time lag, Koik method, long-term multiplier.

Список литературы

1. Малкина М.Ю. Нестабильность финансовой доходности региональных экономик и ее детерминанты // Пространственная экономика. 2018. - № 3. - С. 88-114. DOI: 10.14530/se.2018.3.088-114

2. Малкина М.Ю. Вклад регионов и отраслей в финансовую нестабильность российской экономики // Terra economicus. 2018. - Т. 16, № 3. - С. 118-130. DOI: 10.23683/2073-6606-2018-16-3-118-130

3. Иванова З.Ш., Махошева С.А. Моделирование региональной устойчивости и регионального развития // Известия Кабардино-Балкарского научного центра РАН. 2014. - № 5 (61). - С. 118-125.

4. Зоидов К.Х., Янкаускас К.С., Пирогов Н.Л. Моделирование системы финансово-бюджетных отношений России в рамках развития и расширения ЕАЭС в условиях нестабильности. Ч. 2 // Научное обозрение. Серия 1: Экономика и право. 2016. - № 6. - С. 81-100.

5. Зоидов К.Х., Янкаускас К.С., Пирогов Н.Л. Моделирование системы финансово-бюджетных отношений России в рамках развития ЕАЭС в условиях нестабильности. Ч. 3 // Сегодня и завтра Российской экономики. 2016. - № 79-80. - С. 91-114.

6. Карепина О.И., Короченцева О.А. Обеспечение сбалансированности региональных бюджетов в контексте сокращения финансовой асимметрии в условиях финансовой нестабильности // Региональная экономика: теория и практика. 2016. - № 9 (432). - С. 113-128.

7. Садыков Р.М., Мигунова Ю.В., Гаврикова А.В., Ишмуратова Д.Ф. Ключевые аспекты социального развития региона в условиях экономической нестабильности // Региональная экономика: теория и практика. 2017. - Т. 15, № 10. - С. 1906-1919. https://doi.org/10.24891/re.15.10.1906

8. Фёдорова Е.А., Фёдоров Ф.Ю., Лазарев М.П. Разработка пороговых критических значений макроэкономических показателей для предсказания кризисных ситуаций // Финансы и кредит. 2016. - № 22 (694). - С. 17-26.

9. Фёдорова Е.А., Лукасевич И.Я. Прогнозирование финансовых кризисов с помощью экономических индикаторов в странах СНГ // Проблемы прогнозирования. - М., 2012. - № 2 (131). - С. 112-122.

10. Улюкаев А.В., Трунин П.В. Применение сигнального подхода к разработке индикаторов - предвестников финансовой нестабильности в РФ // Проблемы прогнозирования. - М., 2008. - № 5 (110). - С. 100-108.

11. Иванов П.А., Сахапова Г.Р. Финансовая нестабильность региона: методы оценки и инструменты элиминирования // Экономические и социальные перемены: факты, тенденции, прогноз. 2014. - № 6 (36). - С. 183-198. DOI: 10.15838/esc/2014.6.36.14

12. Пестова А.А., Панкова В.А., Ахметов Р.Р., Голощапова И.О. Разработка системы индикаторов финансовой нестабильности на основе высокочастотных данных // Деньги и кредит. 2017. № 6. С. 49-58.

13. https://www.minfin.ru/ru/perfomance/public_debt/subdbt/2010/

14. http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/publications/catalog/doc_1138623506156

Размещено на Allbest.ru