Спектральная оценка компоненты бизнес-цикла ВВП России с учетом высокой зависимости от условий торговли

В статье предложен новый подход декомпозиции реального ВВП российской экономики на трендовую и циклическую компоненты на основе модели коинтегрирующей регрессии. Особенность подхода заключается в том, что при построении компоненты долгосрочного тренда мы, во-первых, учитываем наличие долгосрочной зависимости уровня реального ВВП РФ от нефтяных цен. В рамках данной предпосылки при падении нефтяных цен также происходит и снижение перманентного уровня реального ВВП. Во-вторых, мы допускаем наличие изломов в структурной компоненте выпуска (очищенной от влияния нефтяных цен составляющей российского ВВП). Это позволяет нам учитывать изменения в долгосрочных фазах экономического развития России и выделять такие периоды, как период трансформационного спада и восстановительного роста. При построении компоненты бизнес-цикла на первом шаге из временного ряда логарифма ВВП удаляется нестационарная компонента, состоящая из детерминированного тренда со структурными сдвигами и компоненты, характеризующей долгосрочное влияние нефтяных цен на отечественную экономику. На втором шаге из стационарного остатка с помощью методов спектрального анализа выделяется компонента бизнес-цикла с периодичностью колебаний от 6 до 32 кварталов. Согласно полученным результатам на периоде 2014–2016 гг. компонента бизнес-цикла была нулевой, а не отрицательной, о чем могут свидетельствовать альтернативные подходы. Режим денежно-кредитной политики плавающего обменного курса рубля позволил реальному ВВП РФ достаточно мягко скорректироваться к своему новому (более низкому из-за падения нефтяных цен) потенциальному уровню, циклические колебания же оказались достаточно умеренными.

1. Апокин А., Белоусов Д., Голощапова И., Ипатова И., Солнцев О. О фундаментальных недостатках современной денежно-кредитной политики // Вопросы экономики. 2014. №. 12. С. 80–100.

2. Банк России. Доклад о денежно-кредитной политике. 2015. № 3. Cент. М.: Центральный банк Российской Федерации, 2015.

3. Дубовский Д.Л., Кофанов Д.А., Сосунов К.А. Датировка российского бизнес-цикла // Экономический журнал ВШЭ. 2015. Т. 19. № 4. C. 554–575.

4. Дробышевский С., Полбин А. О роли плавающего курса рубля в стабилизации деловой активности при внешнеэкономических шоках // Проблемы теории и практики управления. 2016. № 6. С. 66–71.

5. Замулин О.А. Россия в 2015 г.: рецессия со стороны предложения // Журнал новой экономической ассоциации. 2016. Т. 29. № 1. С. 181–185.

6. Идрисов Г., Синельников-Мурылев С. Формирование предпосылок долгосрочного роста: как их понимать? // Вопросы экономики. 2014. № 3. С. 4–20.

7. Клепач А., Куранов Г. О циклических волнах в развитии экономики США и России // Вопросы экономики. 2013. № 11. С. 4–33.

8. Кудрин А., Гурвич Е. Новая модель роста для российской экономики // Вопросы экономики. 2014. № 12. С. 4–36.

9. Формирование бюджетно-налоговой политики Рос-сии в условиях внешних шоков // Вестник Института экономики Российской академии наук. 2016. №. 6. С. 52–65.

10. Орлова Н., Егиев С. Структурные факторы замедления роста российской экономики // Вопросы экономики. 2015. № 12. С. 69–84.

11. Полбин А.В., Скроботов А.А. Тестирование наличия изломов в тренде структурной компоненты ВВП Российской Федерации // Экономический журнал ВШЭ. 2016. Т. 20. № 4. С. 588–623.

12. Синельников-Мурылев С., Дробышевский С., Казакова М. Декомпозиция темпов роста ВВП Рос-сии в 1999–2014 годах // Экономическая политика. 2014. № 5. С. 7–37.

13. Шульгин А.Г. Сколько правил монетарной политики необходимо при оценке DSGE-модели для России? // Прикладная эконометрика. 2014. № 36 (4). С. 3–31.

14. Andrews D.W.K. Heteroskedasticity and autocorrelation consistent covariance matrix estimation // Econometrica. 1991. Vol. 59. P. 817–858.

15. Alquist R., Kilian L., Vigfusson R.J. Forecasting the price of oil // Handbook of Economic Forecasting. 2013. Vol. 2. P. 427–507.

16. Baxter M., King R.G. Measuring business cycles: Approximate band-pass filters for economic time series // Review of Economics and Statistics. 1999. Vol. 81. № 4. P. 575–593.

17. Beveridge S., Nelson C. A new approach to decomposition of economic time series into permanent and transitory components with particular attention to the measurement of the business cycle // Journal of Monetary Economics. 1981. Vol. 7. P. 151–174.

18. Blanchard O., Quah D. The dynamic effect of aggregate demand and supply disturbances // American Economic Review. 1989. Vol. 79. P. 655–673.

19. Burns A.M., Mitchell W.C. Measuring business cycles.

20. N.Y.: NBER, 1946.

21. Canova F. Methods for applied macroeconomic research.

22. Princeton University Press, 2007.

23. Chari V.V., Kehoe P.J., McGrattan E.R. New Keynesian models: Not yet useful for policy analysis // American Economic Journal: Macroeconomics. 2009. Vol. 1. № 1. P. 242–266.

24. Christiano L.J., Fitzgerald T.J. The band pass filter // International Economic Review. 2003. Vol. 44. № 2. P. 435–465.

25. Clark P.K. The cyclical component of US economic activity // The Quarterly Journal of Economics. 1987. Vol. 102. № 4. P. 797–814.

26. Cramér H., Leadbetter M.R. Stationary and related stochastic processes: Sample function properties and their applications. N.Y.: Wiley, 1967.

27. Esfahani H.S., Mohaddes K., Pesaran M.H. An empirical growth model for major oil exporters // Journal of Applied Econometrics. 2014. Vol. 29. P. 1–21.

28. Evans G., Reichlin L. Information, forecasts, and measurement of the business cycle // Journal of Monetary Economics. 1994. Vol. 33. № 2. P. 233–254.

29. Guay A., St.-Amant P. Do the Hodrick–Prescott and Baxter-King filters provide a good approximation of business cycles? // Annales d'Economie et de Statistique. 2005. № 77. P. 133–155.

30. Harvey A.C. Trends and cycles in macroeconomic time series // Journal of Business & Economic Statistics. 1985. Vol. 3. № 3. P. 216–227.

31. Harvey A.C., Jaeger A. Detrending, stylized facts and the business cycle // Journal of Applied Econometrics. 1993. Vol. 8. № 3. P. 231–247.

32. Hodrick R., Prescott E. Post-War US business cycles: An empirical investigation // Journal of Money Banking and Credit. 1997. Vol. 29. P. 1–16.

33. Idrisov G., Kazakova M., Polbin A. A theoretical interpretation of the oil prices impact on economic growth in contemporary Russia // Russian Journal of Economics. 2015. Vol. 1. № 3. P. 257–272.

34. King R., Plosser C., Stock J., Watson M. Stochastic trends and economic fluctuations // American Economic Review. 1991. Vol. 81 P. 819–840.

35. Kydland F., Prescott E.C. Time to build and aggregate fluctuations // Econometrica. 1982. Vol. 50. № 6. P. 1345–1370.

36. Kuboniwa M. A comparative analysis of the impact of oil prices on oil-rich emerging economies in the Pacific Rim // Journal of Comparative Economics. 2014. Vol. 42. P. 328–339.

37. Lucas R.E. Some international evidence on output-inflation tradeoffs // The American Economic Review. 1973. Vol. 63. № 3. P. 326–334.

38. Morley J.C. A state-space approach to calculating the Beveridge–Nelson decomposition // Economics Letters. 2002. Vol. 75. № 1. P. 123–127.

39. Morley J.C., Nelson C.R., Zivot E. Why are the Beveridge–Nelson and unobserved-components decompositions of GDP so different? // Review of Economics and Statistics. 2003. Vol. 85. № 2. P. 235–243.

40. Oomes N., Dynnikova O. The utilization-adjusted output gap: Is the Russian economy overheating? // IMF Working Papers WP/06/68. 2006.

41. Perron P. The great crash, the oil price shock, and the unit root hypothesis // Econometrica. 1989. Vol. 57. P. 1361–1401.

42. Perron P., Wada T. Let's take a break: Trends and cycles in U.S. real GDP // Journal of Monetary Economics. 2009. Vol. 56. P. 749–765.

43. Sargent T.J. Estimation of dynamic labor demand schedules under rational expectations // Journal of Political Economy. 1978. Vol. 86. № 6. P. 1009–1044.

44. Stock J.H., Watson M.W. A simple estimator of cointegrating vectors in higher order integrated systems // Econometrica. 1993. Vol. 61. P. 783–820.

45. Sul D., Phillips P.C.B., Choi C.Y. Prewhitening bias in HAC estimation // Oxford Bulletin of Economics and Statistics. 2005. Vol. 67. 517–546.

46. Vetlov I., Hlédik T., Jonsson M., Kucsera H., Pisani M. Potential output in DSGE models. European Central Bank Working Paper Series № 1351. 2011.

47. Zubarev A.V., Trunin P.V. The analysis of the dynamics of the Russian economy using the output gap indicator // Studies on Russian Economic Development. 2017. Vol. 28. № 2. P. 126–132.