Аннотация результатов, полученных в 2021 году
В рамках первого года работ по разработке подходов к описанию структурных особенностей развивающихся экономик в рамках динамических стохастических моделей общего равновесия (DSGE-моделей) главный акцент, как и планировалось, был сделан на специфике описания отдельных явлений и блоков моделей общего равновесия, специфичных именно для развивающихся экономик и поэтому не нашедших подробное описание в стандартных моделях, используемых для США и стран Европы. Первое из таких явлений, не характерное большую часть прошлого и начало этого века для развитых западных экономик, это рост основных макроэкономических переменных вокруг разных трендов (причем, часть этих трендов могут характеризоваться и отрицательными темпами роста). В рамках работ этого года показано на примере российских данных, насколько принципиально может быть такое ограничение и как при отказе от него работать с моделями. Второй важный блок исследований – это описание финансового сектора экономики (и как его элемент – банковской системы) и его взаимодействия с остальными макроэкономическими агентами (особенно реальным сектором экономики, описываемым в рамках блока Производителя). И хотя внимание к этому блоку все в большей степени возникает и в моделях развитых экономик, однако для решения поставленной в проекте задачи оказывается необходимым более детальное описание. Третий важный элемент работ этого года – описание в динамических моделях экономического равновесия смены принципов государственной экономической политики. В случае с моделями типа DSGE чаще всего пристальное внимание уделяется именно политики центрального банка, поскольку считается, что монетарная политика реализуется меньшим количеством управляемых переменных, чем, например, фискальная политика. Кроме того, есть и другой аргумент – именно монетарная политика чаще описывается отдельными правилами, изменение которых означает фактический переход к новому режиму функционирования экономической системы. Такие переходы нетипичны для развитых экономик, но для развивающихся имеют место довольно регулярно. Изначально в рамках данного исследования планировалось, что особое внимание будет уделено переходу Банка России к политики инфляционного таргетирования, однако события отчетного года предоставили более актуальное изменение политики: переход к повышению ставок на фоне укрепления национальной валюты и растущих рисков инфляции. Именно на примере этого изменения было показано, как изменение режима монетарной политики может влиять на описания общего равновесия в экономике. Наконец, в рамках работ 2021 года удалось, опережая изначально намеченный план, начать разработку принципов и методов формирования эконометрических надстроек над моделями общего экономического равновесия для экзогенных переменных. Модели такого типа были использованы для описания внешних условий функционирования банковской системы России и доведены до прикладного использования в части подготовки вариантных сценариев развития этого сектора экономики. В ходе работы над статьей «Влияние добавления нестандартных нестационарных процессов на характеристики DSGE-моделей» был разработан и проанализирован набор отличающихся по основным характеристикам DSGE-моделей, основное отличие которых заключается в использовании различных подходов к моделированию наличия долгосрочных трендов в данных. Предложенный в рамках исследования подход к учету таких трендов позволяет значительно увеличить качество получаемых оценок. Так, отдельное внимание уделялось альтернативным подходам к оценке параметров модели, в частности к введению в модель ошибок измерения. Согласно полученным симуляционным результатам, такой подход позволяет значительно сократить «проблему» наличия трендов, но с точки зрения значения функции апостериорной плотности несколько уступает введению в модель экзогенных процессов. В ходе работы над статьей «The Model of the Production Side of the Russian Economy» была предложена модель, описывающая производственный сектор российской экономики, в терминах моделей общего равновесия – блок «Производитель». Модель получена как решение нелинейной динамической оптимизационной задачи с ограничениями. Задача агента состоит в максимизации приведенного ожидаемого потока прибыли, ограничения задачи соответствуют технологическим, демографическим и финансовым ограничениям. Задача агента сформулирована в намного более подробном виде, чем принято в существующей литературе – так, в производственную функцию добавлены факторы загрузки производственного и человеческого капитала, учтено взаимодействие производителя с финансовым сектором. В ходе работы над статьей «Прогнозирование процентных ставок и показателей срочности в российской банковской системе» получены сценарные прогнозы процентных ставок и дюраций кредитов и депозитов нефинансовых организаций и физических лиц в национальной и иностранной валютах в банковской системе России в зависимости от прогнозируемой динамики ключевой ставки и обменного курса. Помесячные прогнозы на горизонте одного года получены с помощью краткосрочных моделей распределенных лагов. Главная специфика моделей состоит в использовании модифицированного функционала ошибок в соответствии с подходом, аналогичным многошаговому прогнозированию. В ходе работы над статьей «Сценарный анализ реакции банковской системы России на внешние шоки» получены несколько сценариев развития ситуации в российской банковской системе в зависимости от разных вариантов изменения ключевой ставки, спада экономической активности и ослабления курса рубля до конца 2022 года. Сценарии рассчитаны с помощью оптимизационной модели банковской системы России, построенной по принципам моделей общего равновесия, и эконометрической надстройки, позволяющей использовать согласованные сценарии экзогенных переменных. В рамках работы над вопросом о влиянии предпосылок о структуре производства и порядке взаимодействия между внутренней экономикой и внешним миром на роль финансовых фрикций была подготовлена статья «Роль финансового сектора в трансмиссии шоков макроэкономической политики в российской экономике: оценка при различных предпосылках о структуре производства». В статье анализируется, как меняется роль финансовых фрикций и их влияние на трансмиссионные механизмы экономической политики при переходе от упрощающей предпосылки об односекторной экономике к предпосылке о существовании торгуемого и неторгуемого секторов. Анализ проводится на примере российской экономики.

Аннотация результатов, полученных в 2022 году
В рамках второго года работ по разработке подходов к описанию структурных особенностей развивающихся экономик в рамках динамических стохастических моделей общего равновесия (DSGE-моделей) главный акцент был сделан на описании и исследовании взаимосвязей отдельных блоков моделей общего равновесия, содержащих элементы и механизмы специфичные именно для развивающихся экономик, а также явления, ставшие актуальными только в течение последних нескольких лет. В данном случае речь идет об ограничениях функционирования экономики, возникших по естественным (типа пандемии COVID-19) и искусственным (различные санкционные ограничения) причинам. Первый важный блок исследований - это описание финансового сектора экономики (и как его элемента – банковской системы) и его взаимодействия с остальными макроэкономическими агентами (особенно реальным сектором экономики, описываемым в рамках блока Производителя). К этой же тематике относятся работы по моделированию несовершенства финансового рынка, связанного с наличием специфических финансовых фрикций, существование которых может существенно исказить результаты проводимой государственной политики. Второй важный блок исследований – включение в макроэкономические модели общего равновесия отраслевой структуры экономики. Как показывает практика, такого рода модификации обычно радикально усложняют модели, однако в современных условиях подход, учитывающий только агрегированное описание реального сектора экономики представляется недостаточным. Кроме того, в текущих условиях необходим более детальный подход к описанию эффектов стимулирующей государственной политики, поэтому учет межотраслевых связей, которые могут существенно исказить итоговые результаты участия государства в экономике, представляется крайне важным. Наконец, третий важный элемент работ этого года – адаптация моделей к специфики доступных на настоящий момент статистических данных по российской экономике. В данном случае сложности, с одной стороны, возникают с более старыми данными, которые в силу общей трансформации экономики очень часто оказываются уже недостаточно релевантны для описания актуальных процессов, поэтому вынуждают работать на коротких временных рядах. С другой стороны, в начале 2022 года был существенно ограничен и поток данных о текущем состоянии экономики, что привело к необходимости внесения в модель соответствующих досчетов и дооценок. В рамках задачи по анализу альтернативных подходов к моделированию финансовых фрикций в российской экономике в 2022 г. были разработаны и сопоставлены три альтернативные модели: базовая двухсекторная модель малой открытой экономики без финанансовых фрикций; модель с финансовым акселератором, основанная на подходе [Bernanke, Gertler, Gilchrist, 1999] (BGG-модель); модель с агентской проблемой между банкирами и владельцами депозитов, основанная на подходе [Gertler, Kiyotaki, Queralto, 2012]. Далее три альтернативные модели были оценены на российских данных. Этому предшествовала подготовка данных по девяти макроэкономическим переменным за 2004 – 2021 гг. Так как для российских данных характерны различные тренды в компонентах ВВП и заработной плате, которые к тому же меняются во времени, большинство рядов подвергались детрендированию с помощью одностороннего фильтра Ходрика-Прескота. Моделирование различных и меняющихся во времени трендов выходит за рамки этой части проекта по изучению финансовых фрикций. Затем модели оценивались на двух различных наборах данных. Учитывая оценки значений функции предельного правдоподобия и различия в количественных оценках реакции переменных на макроэкономические шоки, мы заключаем, что при анализе и прогнозировании экономики и принятии решений по экономической политике следует пользоваться пулом из моделей, в который входят базовая модель и модель с финансовым акселератором. Также мы отмечаем, что шоки, связанные с динамикой премии за риск (которые возникают только в моделях с финансовыми фрикциями), играют хотя не доминирующую, но заметную роль в описании динамики выпуска и других переменных в прошлом. Например, часть резкого спада выпуска в COVID-19 объясняется возросшими рисками. В ходе реализации Гранта в 2022 году была разработана модель общего равновесия с большим количеством сектором, что предполагает межсекторальное взаимодействие между фирмами. Традиционно в DSGE-моделях отсутствует детальное описание производственного сектора, что можно связать, во-первых, со сложностью разработки таких моделей, во-вторых, с отсутствием интереса к данному направлению, и, наконец, к отсутствию длинных статистических рядов. В рамках Гранта делается акцент именно на структурных особенностях экономики, поэтому межотраслевое взаимодействие представляется крайне важным. В ходе исследования был предложен и описан подход, который позволяет добавлять межсекторальное взаимодействие в DSGE-модель, причем данный подход может быть достаточно легко масштабирован на произвольное количество секторов. Было показано, что учет взаимодействия фирм из разных отраслей влияет (причем довольно существенно) на трансмиссионные механизмы фискальной и монетарной политики. Наконец, была учтена особенность данных межотраслевого баланса, связанная с невозможностью получения длинных рядов. Был разработан подход, который позволяет получать надежную калибровку параметров DSGE-модели с учетом таких коротких рядов данных. В течение отчетного года представлен метод получения прогнозов в стохастических терминах для моделей, сформулированных и оцененных в рамках детерминированного подхода. Метод состоит в оценке параметров модели в детерминированной парадигме и оценке вектора выборочных средних и матрицы ковариаций для приращений экзогенных переменных на внутривыборочном интервале. Далее на вневыборочном интервале в соответствии с принципом Монте-Карло траектории приращений экзогенных переменных рассматриваются как реализации многомерного нормального распределения с вектором средних и матрицей ковариаций, оцененными на внутривыборочном интервале. Подход проиллюстрирован на модели банковской системы России, с высокой точностью воспроизводящей широкий набор показателей ее деятельности. Был получен ряд интересных вероятностных свойств полученных стохастических прогнозов, в том числе нарушение нормальности их распределения и нетривиальная динамика доверительных интервалов. Рассмотрено несколько сценариев динамики ключевой ставки и обменного курса, сходных с фактической динамикой этих показателей в начале 2022 года. Был сделан ряд выводов о влиянии шоков ключевой ставки и обменного курса на основные показатели банковской системы. В частности, найдены эффекты, которые не могли бы быть обнаружены в чисто детерминированной парадигме моделирования. Была предложена модель, описывающая производственный сектор российской экономики, в терминах моделей общего равновесия – блок «Производитель». Модель была оценена на официальных статистических данных России с учетом статистики за 2022 год. Рассматривается широкий набор модельных показателей: ВВП, численность занятых, основной капитал, объем займов производителя в рублях и в иностранной валюте, текущие счета производителя, прибыль, фонд заработной платы. По всем рассмотренным показателям модель демонстрирует достаточно высокое качество воспроизведения фактических показателей. Модель основана на решении задачи оптимизации агента, максимизирующего свой дисконтированный поток прибыли при технологических, демографических и финансовых ограничениях в духе стандартного микроэкономического описания фирмы. Модель содержит более широкий набор экономических инструментов, доступных Производителю – она связана не только с рынками труда и капитала, но и с банковской системой через кредиты как в национальной, так и в иностранной валюте. Несколько эвристических методов, таких как смягчение дополнительных условий нежесткости, используются для построения модели, которая способна воспроизводить российские макроэкономические переменные с достаточно высокой точностью.

Аннотация результатов, полученных в 2023 году
Активное восстановление российской экономики в 2023 году, связанное как с проводимыми мерами государственной политики, так и общим изменением структуры экономики, не только радикально улучшило ожидаемые в течение года и итоговые показатели социально-экономического развития, но и выявило новые закономерности в ее развитии. В этом плане в течение всего года продолжал оставаться крайне актуальным вопрос о необходимости адаптации используемых подходов, методов и моделей к новым условиям. С одной стороны, это привело к необходимости проведения ряда дополнительных работ по актуализации и модификациям моделей (хотя и остающихся в общей канве исследований в рамках гранта). Но, с другой стороны, разработанные методы и результаты, полученные в течение года и либо уже опубликованные, либо принятые в печать, позволяют говорить о не уменьшившейся актуальности проводимых исследований. В ходе исследования был разработан подход к калибровке параметров модели в части налогово-бюджетного сектора, что позволяет получить наиболее надежную с точки зрения текущей структуры экономики и статистических данных, а также на основе результатов аналогичных исследований. Полученная в ходе исследования модель была использована для анализа трансмиссионного механизма влияния государственных капитальных расходов на экономическую активность, уровень инфляции и другие показатели, включая уровень долга. Было предложено несколько подходов к добавлению государственных инвестиций в модель с учетом различных дополнительных эффектов, связанных с эффектом вытеснения. Так, дополнительно к стандартному эффекту вытеснения, вызванного конкуренцией на рынке заимствований, добавлен эффект «взаимозаменяемости» государственных и частных инвестиций. Было показано, что если данный эффект присутствует, то фискальный мультипликатор государственных инвестиций сильно ниже. Добавление государственных инвестиций в разрабатываемую фискальную DSGE-модель является последним из крупнейших доходных и расходных элементов налогово-бюджетной политики. Полученные в ходе исследования результаты могут быть использованы для анализа эффективности различных подходов к проведению фискальной политики, включая различные комбинации изменения налоговых ставок по крупнейшим агрегатам, а также корректировку расходных инструментом с учетом функционирующих фискальных правил. В рамках направления, посвященного моделированию финансовых фрикций в российской экономике, в 2023 году была опубликована статья «Финансовые фрикции в DSGE-модели российской экономики». В этой статье были разработаны три версии DSGE-модели российской экономики: базовая версия без несовершенств финансового рынка; модель с финансовым акселератором, в которой существует проблема асимметрии информации между заемщиками-предпринимателями и кредиторами; модель с агентской проблемой между банками и держателями депозитов. Модели были оценены на квартальных российских данных за 2004-2021 гг., после чего сравнивалось качество воспроизведения данных моделью. Был сделан вывод о том, что модель без финансовых фрикций и модель с финансовым акселератором обладают близким качеством воспроизведения данных, в то время как модель с агентской проблемой между банками и держателями депозитов заметно хуже воспроизводит данные. Как следствие, моделирование финансовых фрикций на основе агентской проблемы между банками и держателями депозитов не представляется оптимальным. Делается вывод о том, что на практике может быть рекомендовано комбинирование этих двух типов моделей. Подготовленная в 2023 году статья «Влияние учета несовершенств финансового рынка на прогнозную силу DSGE-модели российской экономики» является развитием этого направления исследований. В рамках этой статьи исследуется то, как прогнозная сила модели зависит от подхода к описанию финансового рынка и его особенностей. Так как на предыдущем этапе было выявлено, что модель с агентской проблемой между банками и держателями депозитов заметно хуже воспроизводит данные, прогнозная сила этой модели не тестировалась. Иными словами, сравнивалась прогнозная сила модели без финансовых фрикций и прогнозная сила модели с финансовым акселератором. При этом перед сравнением прогнозной силы модели, разработанные в рамках статьи «Финансовые фрикции в DSGE-модели российской экономики», были доработаны. Ключевым изменением стал отказ от предпосылки о том, что различные компоненты выпуска являются гомогенными и торгуются на одном рынке. Так, были учтены различия в структуре потребительского, инвестиционного товаров, а также товаров государственного потребления. Это в существенной мере повысило реалистичность модели, что сказалось на выводах о точности прогнозов. Модель без финансовых фрикций и модель с финансовым акселератором были оценены на российских данных квартальной частоты, причем модель с финансовым акселератором оценивалась на двух наборах данных: первый набор включал основные макроэкономические ряды, на которых оценивалась и модель без финансовых фрикций, а второй набор был расширен за счет включения в него данных по премии за риск. В результате точность прогнозов оценивалась для трех моделей: модели без несовершенств финансового рынка, оцененной на базовом наборе данных; модели с финансовым акселератором, оцененной на базовом наборе данных; модели с финансовым акселератором, оцененной на расширенном наборе данных. Прогнозная сила оценивалась на различных горизонтах прогнозирования: от 1 до 8 кварталов. Согласно полученным выводам, ни одна из моделей не обладает однозначным преимуществом в точности прогнозов. Как следствие, можно сделать вывод о том, что использование моделей с финансовым акселератором при прогнозировании макроэкономической динамики является целесообразным. В то же время оптимальным является не использование одной из моделей, а комбинирование нескольких. В отчетном периоде был сформулирован метод получения прогнозов в стохастических терминах для моделей, сформулированных и оцененных в рамках детерминированного подхода. Предложенный метод является более простым с вычислительной точки зрения, чем применяемый в моделях динамического стохастического общего равновесия (DSGE). Метод состоит в оценке параметров модели в детерминированной парадигме и оценке вектора выборочных средних и матрицы ковариаций для приращений экзогенных переменных на внутривыборочном интервале. Далее на вневыборочном интервале, в соответствии с принципом Монте-Карло, траектории приращений экзогенных переменных рассматриваются как реализации многомерного нормального. Для каждой реализации экзогенных переменных рассчитываются траектории эндогенных переменных, к которым становится возможным применение методов математической статистики – вычисление моментов, построение доверительных интервалов, проверка различных гипотез и т.д. Наконец, в рамках отчетного периода была разработана и новая версия модели банковской системы России, описывающая динамику широкого набора срочных показателей баланса, характеризующих деятельность банковской системы. По сравнению с предыдущей версией модели добавлена разбивка по срочности объемов кредитов и депозитов фирм и домохозяйств в рублях. Показано, что модель позволяет с высокой точностью воспроизводить широкий набор показателей деятельности банковской системы России, превосходя эконометрические аналоги для большинства переменных. В целом, можно сказать, что одним из наиболее важных результатов работы в рамках выполнения гранта стало создание системы прикладных макроэкономических моделей, основанных на принципах экономического равновесия, которые имеют явную прикладную направленность. Представляется, что этот инструмент в дальнейшем сможет занять свою нишу в процессе разработки экономической политики, оценки ее эффектов на уровне сценарного анализа (наличие таких сценариев было обязательным условием тестирования всех разработок текущего года) и определения основных направлений государственной экономической политики.