КАРТОЧКА ПРОЕКТА,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер 22-18-00588

НазваниеУстойчивые методы в эконометрике, экономике и финансах: от анализа кризисов, структурных шоков и финансовой зараженности до измерения неравенства и эффективности мер экономической политики

РуководительИбрагимов Рустам Маратович, Кандидат физико-математических наук

Организация финансирования, регионфедеральное государственное бюджетное образовательное учреждение высшего образования "Санкт-Петербургский государственный университет", г Санкт-Петербург

Годы выполнения при поддержке РНФ 2022 - 2024 

КонкурсКонкурс 2022 года «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами»

Область знания, основной код классификатора 08 - Гуманитарные и социальные науки, 08-155 - Прогнозирование социально-экономического развития, государственное регулирование экономики и управление социально-экономическими процессами

Ключевые словаУстойчивые методы, устойчивый эконометрический анализ, эконометрические модели, оценивание, прогнозирование, кризисы, структурные изменения, финансовая зараженность, неравенство дохода, распределение дохода, эффективность, меры экономической политики, рыночное регулирование, социально-экономическое развитие, межстрановые и межрегиональные сравнения

Код ГРНТИ06.35.51


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Аннотация
Эконометрический и статистический анализ, моделирование и прогнозирование в экономике и финансах существенным образом осложняются наличием проблем зависимости, гетерогенности и выбросов в исследуемых данных, а также проблем эндогенности в оцениваемых моделях. Вышеуказанные проблемы в экономических и финансовых наблюдениях и моделях возникают, в частности, вследствие взаимозависимости ключевых показателей в экономике и финансах; кластеризации волатильности, влияния кризисов и других структурных шоков, таких как Черный понедельник 19 октября 1987 г., Flash Crash 6 мая 2010 г. и начало пандемии COVID-19; а также вследствие финансовой зараженности и распространения кризисов, как в случае начала глобального финансового кризиса 2008 г. Присутствие зависимости, гетерогенности и выбросов в анализируемых данных естественным образом приводит к изменению асимптотики рассматриваемых статистических оценок, в частности, их предельных дисперсий и стандартных ошибок. Более того, наличие эндогенности в эконометрических, экономических и финансовых моделях делает оценки их параметров несостоятельными, т.е. смещенными - даже в больших выборках. Стандартными и широко используемыми подходами к эконометрическому и статистическому анализу и моделированию при проблемах эндогенности, зависимости, гетерогенности, выбросов и экстремальных значений в изучаемых экономических и финансовых показателях и величинах являются методы инструментальных переменных; асимптотические методы, основанные на состоятельных стандартных ошибках и аппроксимаций для распределений тестовых статистик в больших выборках и модели динамики финансовых и экономических временных рядов и их волатильности. Широко применяемыми методами асимптотического статистического и эконометрического анализа являются подходы, основанные на состоятельных при гетерогенности и автокоторреляции (Heteroskedasticity and autocorrelation consistent - HAC) стандартных ошибках для временных рядов и кластерных стандартных ошибках для панельных данных. Асимптотические методы часто используют сходимость t-статистик оцениваемых параметров экономических и финансовых моделей к стандартному нормальному распределению при нулевой гипотезе. Модели динамики ключевых экономических и финансовых показателей включают прогнозных регрессии, факторные модели и модели GARCH для финансовых доходностей и обменных курсов иностранных валют. Важный вклад в развитие и применение вышеуказанных подходов и методов был внесен, в частности, в исследованиях лауреатов Нобелевской премии по экономике J. D. Angrist, G. W. Imbens и D. Card (Нобелевская премия 2021 г.), A. Banerjee, E. Duflo и M. Kremer (Нобелевская премия 2019 г.), E. F. Fama, L. P. Hansen и R. J. Shiller (Нобелевская премих 2013 г.) и R. F. Engle и C. W. J. Granger (Нобелевская премия 2003 г.). Применение регрессий инструментальных переменных позволяет состоятельно оценить изучаемые экономические и финансовые модели, а использование состоятельных стандартных ошибок дает возможность использования стандартных асимптотических распределений, как в случае асимптотической нормальности HAC t-статистик в анализе параметров регрессий для временных рядов, например, предсказательных регрессий и моделей для финансовых доходностей и цен ценных бумаг. Хорошо разработана асимптотическая теория оценок регрессий инструментальных переменных, таких как двухшаговые регрессии наименьших квадратов, и асимптотическая теория статистического и эконометрического анализа на основе состоятельных стандартных ошибок. Однако, к сожалению, применение асимптотической теории и методов иструментальных переменных и состоятельных - при зависимости и гетерогенности - стандартных ошибок в случае выборок экономических и финансовых данных, наблюдаемых на практике, зачастую осложняется тем, что вышеуказанные методы асимптотического эконометрического анализа имеют плохие статистические свойства на конечных выборках (см., среди прочих, Andrews, 1991, Andrews и Monahan, 1992, den Haan и Levin, 1997, и Ibragimov и Muller, 2010). Эти проблемы имеют место даже в случае довольно простых эконометрических моделей и оценок, особенно при достаточно выраженной степени зависимости и гетерогенности. Поиск решений проблем с использованием асимптотических методов, основанных на состоятельных ошибках, в выборках экономических и финансовых данных и при структурах зависимости, гетерогенности и выбросов, наблюдаемых на практике, привел к развитию ряда сравнительно недавно предложенных методов устойчивого (robust) статистического и эконометрического анализа. В работе Ibragimov и Muller (2010) (см. также п. 3.3 в монографии Ibragimov, Ibragimov и Walden, 2015) предложены новые подходы к устойчивому тестированию гипотез для одного исследуемого параметра (например, параметра предсказательной регрессии для финансовых доходностей) при автокоррелированности и неоднородности в данных, которые не требуют состоятельного оценивания предельных дисперсий оценок параметра и их стандартных ошибок. Вышеуказанные подходы основаны на использовании t-статистик, вычисленным по группам наблюдений в рассматриваемой выборке, и критических значений стандартных распределений Стьюдента. Обширный численный анализ в Ibragimov и Muller (2010) и последующих работы в литературе показывает, что статистические свойства подходов к устойчивому анализу на основе t-статистик зачастую превосходят свойства широко используемых традиционных методов анализа, основанных на состоятельных стандартных ошибках, особенно при выраженной зависимости и гетерогенности в данных . Естественным образом, многие важные проблемы в экономике, финансах, эконометрике и смежных областях требуют анализа статистических гипотез для двух или более параметров. Как примеры, можно указать на фундаментальные проблемы анализа эффектов воздействия (treatment effects) и эффективности мер экономической политики, исследования структурных изменений и влияния кризисов и других структурных шоков на экономические и финансовые рынки, межстрановые и межрегиональные сравнения социально-экономического развития и его динамики, тесты совместных гипотез в регрессионных моделях, анализ причинности по Грейнджеру (Granger causality) в прогнозных моделях и моделях зависимости между ключевыми экономическими и финансовыми показателями и многие др. Кроме того, во многих задачах экономики, финансов и эконометрики используются двухшаговые подходы к статистическому и эконометрическому анализу и оцениванию. Стандартным примером являются двухшаговый метод наименьших квадратов (ДШНК - two-stage least squares, TSLS), используемый в инструментальном анализе в этих областях при проблемах эндогенности в рассматриваемых моделях и данных и вытекающей из нее несостоятельности оценок обычного метода наименьших квадратов (МНК - ordinary least squares, OLS). Двухшаговые методы также естественным образом используются и, по сути, являются единственно возможными методами анализа в исследовании факторов, влияющих на неравенство дохода и богатства, включая неравенство в хвостах распределений. Двухшаговые процедуры также составляют основу методов оценивания параметров копульных структур зависимости, скажем, моделей взаимозависимости экономических и финансовых рынков и их финансовой зараженности. Поскольку на втором этапе двухшаговых методов используются оценки или прогнозные значения зависимой переменной, полученные на первом этапе, это вносит дополнительную неопределенность (uncertainty) в оценки исследуемых параметров, полученные этими методами. Важными проблемами, таким образом, являются вычисление правильных предельных дисперсий и стандартных ошибок двухшаговых оценок и, более общо, асимптотическая обоснованность статистических тестов и анализа на основе полученных оценок. Поскольку на втором этапе двухшаговых методов используются оценки или прогнозные значения зависимой переменной, полученные на первом этапе, это вносит дополнительную неопределенность (uncertainty) в оценки исследуемых параметров, полученные этими методами. Важными проблемами, таким образом, являются вычисление правильных предельных дисперсий и стандартных ошибок двухшаговых оценок и, более общо, асимптотическая обоснованность статистических тестов и анализа на основе полученных оценок. Основными целями и вкладом проекта являются исследования в следующих двух направлениях и областях, смежных с ними: 1. Разработка эконометрического инструментария для устойчивого статистического и эконометрического анализа гипотез по двум и более параметрам в экономике и финансах с применениями в важных областях в экономике, финансах и эконометрике, включая устойчивые тесты на структурные сдвиги на экономических и финансовых рынках и в их динамике; устойчивый анализ эффективности мер экономической политики и эффектов воздействия (treatment effects); тесты совместных гипотез по нескольким регрессионным параметрам; межстрановые и межрегиональные сравнения динамики социально-экономического развития и моделей рынков; и анализ причинности по Грейнджеру (Granger causality) в прогнозных моделях, среди прочих. 2. Разработка новых и улучшенных подходов к устойчивому статистическому и эконометрическому анализу в двухшаговых методах оценивания при эндогенности, зависимости, гетерогенности и выбросах в моделях и данных. Исследовательская работа в данном направлении позволит объединить анализ на основе многих широко используемых в эконометрике, финансах и экономике методов, включая указанные выше подходы к инструментальному статистическому и эконометрическому анализу; определению и оцениванию факторов, влияющих на неравенство дохода и богатства как по всему распределению этих величин, так и в его хвостах; и анализу и оцениванию копульных структур зависимости для экономических и финансовых рынков и финансовой зараженности. Методы и подходы, используемые в исследованиях по проекту будут включать, среди прочих, вероятностные результаты по консервативности одно- и двухвыборочных t-тестов для средних значений малых выборок независимых неоднородных гауссовских наблюдений в литературе (см. Bakirov, 1989, 1998, Bakirov и Szekely, 2005, Ibragimov и Muller, 2010, 2016, и ссылки в этих работах), а также новые результаты по их уточнениям и обобщениям, включая обобщения на случай тяжелохвостных наблюдений, неравенства для сумм симметричных и унимодальных случайных величин, а также обобщения на важный случай F-тестов для совместных гипотез и верояностных неравенства для квадратичных форм. Методы и подходы также будут использовать новые результаты по обоснованию применимости устойчивых методов, основанных на свойствах консервативности тестовых статистик, включая t-статистики, в широкой сфере важных проблем, включая анализ нелинейной зависимости, кластеров волатильности и (не-)эффективности экономических и финансовых рынков, моделируемых на основе временных рядов GARCH и копульных структур зависимости; межстрановый и межрегиональный анализ социально-экономического развития, в т.ч. распредения и неравенства дохода; проблемы оценивания и прогнозирования экономической и финансовой динамики на основе предсказательных регрессий; а также инструментальные методы анализа при проблемах эндогенности, с применениями к анализу функций спроса в экономике и финансах, исследованию факторов, влияющих на финансовые доходности, обменные курсы валют, распределение и неравенство доходов и их тяжелохвостность.

Ожидаемые результаты
Эконометрический и статистический анализ, моделирование и прогнозирование в экономике и финансах существенным образом осложняются наличием проблем зависимости, гетерогенности и выбросов в исследуемых данных, а также проблем эндогенности в оцениваемых моделях. Вышеуказанные проблемы в экономических и финансовых наблюдениях и моделях возникают, в частности, вследствие взаимозависимости ключевых показателей в экономике и финансах; кластеризации волатильности, влияния кризисов и других структурных шоков, таких как Черный понедельник 19 октября 1987 г., Flash Crash 6 мая 2010 г. и начало пандемии COVID-19; а также вследствие финансовой зараженности и распространения кризисов, как в случае начала глобального финансового кризиса 2008 г. Присутствие зависимости, гетерогенности и выбросов в анализируемых данных естественным образом приводит к изменению асимптотики рассматриваемых статистических оценок, в частности, их предельных дисперсий и стандартных ошибок. Более того, наличие эндогенности в эконометрических, экономических и финансовых моделях делает оценки их параметров несостоятельными, т.е. смещенными - даже в больших выборках. Стандартными и широко используемыми подходами к эконометрическому и статистическому анализу и моделированию при проблемах эндогенности, зависимости, гетерогенности, выбросов и экстремальных значений в изучаемых экономических и финансовых показателях и величинах являются методы инструментальных переменных; асимптотические методы, основанные на состоятельных стандартных ошибках и аппроксимаций для распределений тестовых статистик в больших выборках и модели динамики финансовых и экономических временных рядов и их волатильности. Широко применяемыми методами асимптотического статистического и эконометрического анализа являются подходы, основанные на состоятельных при гетерогенности и автокоторреляции (Heteroskedasticity and autocorrelation consistent - HAC) стандартных ошибках для временных рядов и кластерных стандартных ошибках для панельных данных. Асимптотические методы часто используют сходимость t-статистик оцениваемых параметров экономических и финансовых моделей к стандартному нормальному распределению при нулевой гипотезе. Модели динамики ключевых экономических и финансовых показателей включают прогнозных регрессии, факторные модели и модели GARCH для финансовых доходностей и обменных курсов иностранных валют. Важный вклад в развитие и применение вышеуказанных подходов и методов был внесен, в частности, в исследованиях лауреатов Нобелевской премии по экономике J. D. Angrist, G. W. Imbens и D. Card (Нобелевская премия 2021 г.), A. Banerjee, E. Duflo и M. Kremer (Нобелевская премия 2019 г.), E. F. Fama, L. P. Hansen и R. J. Shiller (Нобелевская премих 2013 г.) и R. F. Engle и C. W. J. Granger (Нобелевская премия 2003 г.). Применение регрессий инструментальных переменных позволяет состоятельно оценить изучаемые экономические и финансовые модели, а использование состоятельных стандартных ошибок дает возможность использования стандартных асимптотических распределений, как в случае асимптотической нормальности HAC t-статистик в анализе параметров регрессий для временных рядов, например, предсказательных регрессий и моделей для финансовых доходностей и цен ценных бумаг. Хорошо разработана асимптотическая теория оценок регрессий инструментальных переменных, таких как двухшаговые регрессии наименьших квадратов, и асимптотическая теория статистического и эконометрического анализа на основе состоятельных стандартных ошибок. Однако, к сожалению, применение асимптотической теории и методов иструментальных переменных и состоятельных - при зависимости и гетерогенности - стандартных ошибок в случае выборок экономических и финансовых данных, наблюдаемых на практике, зачастую осложняется тем, что вышеуказанные методы асимптотического эконометрического анализа имеют плохие статистические свойства на конечных выборках (см., среди прочих, Andrews, 1991, Andrews и Monahan, 1992, den Haan и Levin, 1997, и Ibragimov и Muller, 2010; все указанные ссылки в доп. файле). Эти проблемы имеют место даже в случае довольно простых эконометрических моделей и оценок, особенно при достаточно выраженной степени зависимости и гетерогенности. Поиск решений проблем с использованием асимптотических методов, основанных на состоятельных ошибках, в выборках экономических и финансовых данных и при структурах зависимости, гетерогенности и выбросов, наблюдаемых на практике, привел к развитию ряда сравнительно недавно предложенных методов устойчивого (robust) статистического и эконометрического анализа. В частности, в работе Ibragimov и Muller (2010) предложены новые подходы к устойчивому тестированию гипотез для одного исследуемого параметра (например, параметра предсказательной регрессии для финансовых доходностей) при автокоррелированности и неоднородности в данных, которые не требуют состоятельного оценивания предельных дисперсий оценок параметра и их стандартных ошибок. Предложенные устойчивые тесты статистических и эконометрических гипотез для рассматриваемого параметра очень просты в применении: Следуя подходам к устойчивому статистическому анализу в Ibragimov и Muller (2010), выборка данных разбивается на определенное фиксированное число q групп (скажем, q=2, 4, 8 групп последовательных наблюдений во временных рядах, для которых оцениваются регрессионные модели); затем анализируемый параметер оценивается на основе данных в каждой группе наблюдений, и статистические выводы в тестах гипотез о значении параметра (например, гипотезы о равенстве коэффициента регрессии нулю) делаются на основе t-стастистик, вычисленных по групповым оценкам параметра, и критических значений стандартного распределения Стьюдента с q-1 степенями свободы. Так, в случае числа групп, равного q=4, используются квантили распределения Стьюдента с тремя числами свободы. Указанные подходы к устойчивому тестированию гипотез позволяют построения, стандартным образом на основе оценок параметра и квантилей распределения Стьюдента, устойчивых доверительных интервалов для неизвестных значений параметра анализируемых экономических и финансовых моделей. Согласно теоретическим результатам в Ibragimov и Muller (2010), предложенные подходы к устойчивому статистическому и эконометрическому анализу являются асимптотически обоснованными (asymptotically valid) при общих предположениях, что оценки исследуемого параметра по группам являются асимптотически нормальными и асимптотически независимыми. Эти условия выполняются для многих широко используемых в экономике и финансах моделей и структур зависимости/гетерогенности в экономике и финансах, включая модели зависимости временных рядов, структуры кластерной и пространственной зависимости, а также панельные данные. В частности, важно отметить, что асимптотическая нормальность оценок параметра по группам, как правило, имеет место при тех же предположениях, как и асимптотическая нормальность оценок по всей выборке наблюдений (full-sample estimators). Обширный численный анализ в Ibragimov и Muller (2010) и последующих работах в литературе показывает, что статистические свойства подходов к устойчивому анализу на основе t-статистик зачастую превосходят свойства широко используемых традиционных методов анализа, основанных на состоятельных стандартных ошибках, особенно при выраженной завимости и гетерогенности в данных (см. также п. 3.3 в монографии Ibragimov, Ibragimov и Walden, 2015, а тажке недавние исследования в Esarey и Menger, 2019). Устойчивые статистические и эконометрические методы и подходы, предложенные в Ibragimov и Muller (2010) использовались в прикладном и теоретическом анализе в целом ряде работ по эконометрике, экономике и финансах, см., среди прочих, Bloom и др. (2013), Krueger и др. (2017), Blinder и Watson (2016), Verner и Gyongyosi (2018), Anatolyev (2019), Chen and Ibragimov (2019) и Gargano et al. (2019). Естественным образом, многие важные проблемы в экономике, финансах, эконометрике и смежных областях требуют анализа статистических гипотез для двух или более параметров. Как примеры, можно указать на фундаментальные проблемы анализа эффектов воздействия (treatment effects) и эффективности мер экономической политики, исследования структурных изменений и влияния кризисов и других структурных шоков на экономические и финансовые рынки, межстрановые и межрегиональные сравнения социально-экономического развития и его динамики, тесты совместных гипотез в регрессионных моделях, анализ причинности по Грейнджеру (Granger causality) в прогнозных моделях и моделях зависимости между ключевыми экономическими и финансовыми показателями и многие др. Кроме того, во многих задачах экономики, финансов и эконометрики, используются двухшаговые подходы к статистическому и эконометрическому анализу и оцениванию. Стандартным примером являются двухшаговые методы наименьших квадратов (ДШНК - two-stage least squares, TSLS), используемые в инструментальном анализе в этих областях при проблемах эндогенности в рассматриваемых моделях и данных и вытекающей из нее несостоятельности оценок обычного метода наименьших квадратов (МНК - ordinary least squares, OLS): На первом шаге оцениваются регрессии эндогенных регрессоров на инструменты, а на втором, регрессии зависимой переменной на предказанные на первом этапе значения этих регрессоров. Двухшаговые методы также естественным образом используются и, по сути, являются единственно возможными методами анализа, в исследовании факторов, влияющих на неравенство дохода и богатства, включая неравенство в хвостах распределений: Здесь анализируются регрессии оценок мер неравенства (для всего распределения дохода или богатства или в его хвостах). Важные схожие задачи двухшагового оценивания возникают в (факторных) регрессиях для индексов тяжести хвостов распределений, например, распределений финансовых доходностей, при исследовании детерминант тяжелохвостности, с регрессионными моделями для оценок индексов тяжести. Двухшаговые процедуры также составляют основу методов оценивания параметров копульных структур зависимости, скажем, моделей взаимозависимости экономических и финансовых рынков и их финансовой зараженности. На первом шаге методов оцениваются параметры одномерных распределений рассматриваемых экономических и финансовых показателей, а на втором, на основе методов максимального правдопобия, параметры копул. Вышеизложенное подчеркивает научную и прикладную значимость и актуальность исследований в следующих двух направлениях и смежных областях, на которых будет сконцентрирована работа над проектом: 1. Разработка эконометрического инструментария для устойчивого статистического и эконометрического анализа гипотез по двум и более параметрам в экономике и финансах, с применениями в важных областях в экономике, финансах и эконометрике, включая устойчивые тесты структурных сдвигов на экономических и финансовых рынкам и в их динамике; устойчивый анализ эффективности мер экономической политики и эффектов воздействия (treatment effects); тесты совместных гипотез по нескольким регрессионным параметрам; межстрановые и межрегиональные сравнения динамики социально-экономического развития и моделей рынков; и анализ причинности по Грейнджеру (Granger causality) в прогнозных моделях, среди прочих. 2. Разработка новых и улучшенных подходов к устойчивому статистическому и эконометрическому анализу в двухшаговых методах оценивания при эндогенности, зависимости, гетерогенности и выбросах в моделях и данных. Исследовательская работа в данном направлении позволит объединить анализ на основе многих широко используемых в эконометрике, финансах и экономике методов, включая указанные выше подходы, к инструментальному статистическому и эконометрическому анализу; определению и оцениванию факторов, влияющих на неравенство дохода и богатства как по всему распределению этих величин, так и в его хвостах; и анализу и оцениванию копульных структур зависимости для экономических и финансовых рынков и финансовой зараженности. Результатом работы по проекту будут являться новые методы и подходы к устойчивому статистическому и эконометрическому анализу и тестам гипотез по нескольким анализируемым параметрам экономических и финансовых моделей, а также новые и улучшенные методы статистически обоснованного анализа при помощи двухшаговых процедур. Об'единяющей характеристикой разрабатывамых методов и подходов является использование в них свойств консервативности тестовых статистик, таких как двухвыборочные t-статистики в тестах гипотез о равенстве двух параметров в анализе структурных изменений, эффектов воздействия (treatment effects) и анализе эффективности мер экономической политики и регулирования и t- и F-статистики в тестах гипотез по одному, двум или нескольким параметров регрессий МНК, ДШНК, моделей с применением инструментальных переменных. Ключевой их отличительной чертой также является предоставляемая возможность анализа важных проблемах в различных областях исследований в экономике и финансах с единой точки зрения. Как обсуждалось выше, эти области включают инструментальные методы анализа в экономике и финансах при проблемах эндогенности в рассматриваемых моделях и величинах; методы оценивания копульных структур зависимости, характеризующих взаимозависимость и свойства финансовой зараженности исследуемых экономик и рынков; межстрановые и межрегиональные сравнения социально-экономического развития и его составляющих, таких как распределение и неравенство дохода; анализ факторов, влияющих на динамику ключевых экономических и финансовых показателей, включая финансовые доходности, обменные курсы иностранных валют, инфляцию и неравенство дохода; смежные проблемы исследования причинности по Грейнджеру (Granger causality) в прогнозных моделях, и др. В проекте будет представлен широкий спектр применений разрабатываемых новые и улучшенных методов устойчивого статистического и эконометрического анализа при проблемах эндогенности, зависимости, гетерогенности и выбросах в исследуемых данных и моделях. Планируется проведение широкомасштабного критического анализа результатов в литературе по ключевым моделям в экономике и финансах, анализируемым на основе методов инструментальных регрессий, таких как стандартные модели и оценки функций спроса на экономических и финансовых рынках; модели кривой Филлипса (Phillips curve) и закона Оукена (Okun's law), связывающих динамику инфляции, уровня занятости и экономического роста; модели влияния уровня образования на заработную плату и доходы (см. работы нобелевских лауреатов по экономике в нынешнем году J. D. Angrist, G. W. Imbens и их соавторов), и др. В ходе работы по проекту также будет преставлен широкий спектр эмпирических применений разрабатываемых устойчивых статистических и эконометрических методов в анализе и сравнении динамики социально-экономического развития современных развитых экономик и рынков периода становления (emerging markets), включая рынки России, ее регионов и стран бывшего СССР. Эти применения будут включать в себя устойчивые оценки структурных сдвигов в динамике рассматриваемых рынков вследствие кризисов и других структурных шоков, таких как начало пандемии COVID-19; статистический анализ и оценивание копульных структур взаимозависимости и финансовой зараженности в исследуемых экономиках, с выводами о распространении кризисов, как в случае глобального финансового кризиса 2008 г.; а также разработку и применения прогнозных моделей динамики ключевых экономических и финансовых показателей развитых рынков и экономик периода становления, включая показатели экономического роста, финансовые доходности, обменные курсы иностранных валют, уровень инфляции и заработной платы. Важной составляющей эмпирических результатов будет являться широкомасштабные межстрановые и межрегиональные сравнения ключевых экономических, финансовых и социальных показателей рассматриваемых экономик, включая рост ВВП, распределение и неравенство дохода и факторы, влияющие на них. Методы и подходы, используемые в исследованиях по проекту будут включать, среди прочих, вероятностные результаты по консервативности одно- и двухвыборочных t-тестов для средних значений малых выборок независимых неоднородных гауссовских наблюдений в литературе (см. Bakirov, 1989, 1998, Bakirov и Szekely, 2005, Ibragimov и Muller, 2010, 2016, и ссылки в этих работах), а также новые результаты по их уточнениям и обобщениям, включая обобщения на случай тяжелохвостных наблюдений, неравенства для сумм симметричных и унимодальных случайных величин, а также обобщения на важный случай F-тестов для совместных гипотез и верояностных неравенства для квадратичных форм. Методы и подходы также будут использовать новые результаты по обоснованию применимости устойчивых методов, основанных на свойствах консервативности тестовых статистик, включая t-статистики, в широкой сфере важных проблем. Эти проблемы включают анализ нелинейной зависимости, кластеров волатильности и (не-)эффективности экономических и финансовых рынков, моделируемых на основе временных рядов GARCH и копульных структур зависимости; межстрановый и межрегиональный анализ социально-экономического развития, в т.ч. распредения и неравенства дохода; проблемы оценивания и прогнозирования экономической и финансовой динамики на основе предсказательных регрессий; а также инструментальные методы анализа при проблемах эндогенности, с применениями к анализу функций спроса в экономике и финансах, исследованию факторов, влияющих на финансовые доходности, обменные курсы валют, распределение и неравенство доходов и их тяжелохвостность. В рамках работы над проектом также планируется исследование ряда приложений полученных точных вероятностных неравенств для сумм независимых и зависимых случайных величин, включая их применения в задачах машинного обучения и процедур принятия статистических и экономических решений на основе систем MAB (multi-armed bandit systems). В рамках проекта будет развита активная научно-исследовательская и преподавательская деятельность сформировавшейся группы российских и зарубежных ученых в области статистического, эконометрического и компьютерного анализа и математического и компьютерного моделирования финансовых и экономических процессов и рынков. Вклад проекта в научные исследования и образование будет включать в себя, в частности, исследования и работу по следующим важным направлениям и получение следующих ожидаемых результатов. - Развитие научно-исследовательского и образовательного центра (Центр по эконометрике и бизнес аналитике - ЦЭБА, https://ceba-lab.org) на базе Санкт-Петербургского Государственного Университета с ее дальнейшим финансированием за счет внутренних ресурсов университета в рамках его организационной структуры. - Развитие научно-исследовательского и образовательного сотрудничества между участниками исследовательской группы, Центра по эконометрике и бизнес аналитике - ЦЭБА, Санкт-Петербургского государственного университета, Школой бизнеса Имперского колледжа Лондона (Imperial College Business School), Школой бизнеса Сиднейского университета (the University of Sydney Business School), ведущими учеными в области эконометрики, статистики и компьютерного анализа в России и за рубежом, включая членов Научного совета проекта (С. Анатольев, Российская Экономическая Школа; U. K. Müller, Department of Economics, Princeton University; P. C. B. Phillips, Department of Economics, Yale University) и других специалистов мирового уровня. - Обучение студентов и молодых ученых Санкт-Петербургского Государственного Университета и других высших учебных заведений России; разработка и преподавание курсов по эконометрике, бизнес аналитике, компьютерному и математическому моделированию финансовых и экономических рынков и явлений, компьютерному и статистическому анализу больших баз финансовых и экономических данных и анализу финансовых и экономических временных рядов в Санкт-Петербургском Государственном Университете и других вузах Российской Федерации. Организация авторских краткосрочных, семестровых и годовых курсов ведущих российских и зарубежных ученых на базе Центра в вышеуказанных областях (https://ceba-lab.org/courses). - Организация и проведение международных конференций, семинаров и летних школ на базе Центра по эконометрике и бизнес аналитике - ЦЭБА, Санкт-Петербургском Государственном Университете и других высших учебных заведениях Российской Федерации с участием ученых и научных работников, специалистов, работающих на финансовых рынках, государственных структурах и сфере ИТ, и ведущих исследователей в области проекта в России и за рубежом. Организация непрерывной работы еженедельных онлайн семинаров по эконометрике, бизнес аналитике и смежным областям ЦЭБА (https://ceba-lab.org/seminars); организация ежегодных конференций iCEBA на базе Центра (https://ceba-lab.org/conference22, https://ceba-lab.org/conference). - Развитие и статистический и компьютерный анализ крупномасштабного банка данных по анализируемым в ходе работы по проекту иключевым экономическим и финансовым показателям социально-экономического развития различных экономик, включая рынки России, ее регионов и стран бывшего СССР. - Разработка новых и усовершенствованных методов устойчивого статистического и эконометрического анализа больших баз зависимых и гетерогенных финансовых и экономических данных, с концентрацией основных направлений исследований на разработке устойчивых статистических и эконометрических методов анализа гипотез по двум и нескольким параметрам, гипотез равенства параметров экономических и финансовых моделей и совместных гипотез, а также статистически обоснованных двухшаговых процедур эконометрического анализа. Применения разработанных в ходе работы по проекту новых и улучшенных методов в эконометрических моделях инструментального анализа, межстрановых и межрегиональных сравнениях моделей социально-экономического развития, тестах структурных сдвигов вследствие кризисов и их распространения и др. важных задачах. - Внедрение разработанных новых устойчивых статистических и эконометрических методов в широко используемые пакеты программного обеспечения компьютерного, математического и статистического моделирования и анализа таких как R, Python и Stata; разработка и применения нового программного обеспечения на их основе. - Разработка и применение разработанных в ходе работы по проекту устойчивых методов и подходов в статистическом, математическом и компьютерном моделировании и прогнозировании динамики ключевых финансовых и экономических величин и показателей развитых экономик и рынков периода становления, включая рынки России, ее регионов и стран бывшего СССР, а также моделированию и прогнозированию влияния кризисов и их распространения и процессов финансового заражения на рассматриваемые экономики и рынки. - Адаптация современных и разработанных в ходе проекта устойчивых методов статистического, математического и компьютерного моделирования и анализа финансовых и экономических рынков для эффективной работы на высокопроизводительных (параллельных и распределенных) вычислительных системах и их программное обеспечение. - Применения современных компьютерных и информационно-коммуникационных технологий, высокопроизводительных (параллельных и распределенных) вычислительных систем и их программного обеспечения в моделировании и устойчивом статистическом анализе больших баз данных по финансовым и экономическим рынкам, подверженным влиянию кризисов, их распространения и финансового заражения. - Применения современных и разработанных в ходе проекта устойчивых методов к статистического, математического и компьютерного моделирования и анализа в изучении динамики экономического развития в России, постсоветских экономиках и формирующихся рынках, подверженных влиянию текущего мирового финансового и экономического кризиса, финансового заражения и взаимозависимости. Применения результатов исследований в подготовке рекомендаций по экономической политике. - Публикация результатов работы по проекту в статьях в ведущих рецензируемых зарубежных и международных научных журналах и представление докладов по ним на ведущих международных конференциях и семинарах по экономике, финансам, эконометрике и статистике, компьютерному и математическому моделированию, компьютерным и информационным технологиям и на собраниях международных профессиональных обществ в этих областях. - В целом, проект будет широкомасштабным вкладом в развитие международного сотрудничества в сфере научных исследований и образования в области статистического, математического и компьютерного моделирования финансовых и экономических рынков и процессов, включая кризисы и финансовое заражение, и статистического и эконометрического анализа больших баз финансовых и экономических данных. Он будет включать разработку и применение современных методов компьютерного и математического моделирования и устойчивого статистического и эконометрического анализа больших баз данных по финансовым и экономическим рынкам; исследование баз данных по России, постсоветским экономикам и формирующимся рынкам; а также междисциплинарное и широкое международное научное и образовательное сотрудничество в областях проекта. Проект внесет вклад в развитие ключевых приоритетных областей в России, включая развитие информационных и компьютерных систем и технологий, применения высокопроизводительных вычислительных систем в анализе финансовых и экономических рынков, развитие программного обеспечения устойчивого статистического и компьютерного анализа и моделирования, обучение и повышение образования студентов и молодых ученых и разработку рекомендаций по статистически обоснованному экономическому и финансовому анализу, экономической политике и антикризисным мерам в России и за рубежом.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2022 году
В отчетный период, участниками проекта велись исследования в следующих направлениях и смежных областях: 1. Разработка эконометрического инструментария для устойчивого статистического и эконометрического анализа гипотез по двум и более параметрам в экономике и финансах, с применениями в важных областях в экономике, финансах и эконометрике. 2. Разработка новых и улучшенных подходов к устойчивому статистическому и эконометрическому анализу в двухшаговых методах оценивания при эндогенности, зависимости, гетерогенности и выбросах в моделях и данных. Вкладом проекта в первый год его выполнения являются полученные научные результаты по разработке новых методов и подходов к устойчивому статистическому и эконометрическому анализу и тестам гипотез по нескольким анализируемым параметрам экономических и финансовых моделей, а также новые и улучшенные методы статистически обоснованного анализа при помощи двухшаговых процедур. Также получены научные результаты по примениям разработанных подходов в инструментальных методах анализа в экономике и финансах при проблемах эндогенности в рассматриваемых моделях и величинах; методах оценивания копульных структур зависимости; межстрановых и межрегиональных сравнениях социально-экономического развития и его составляющих, таких как распределение и неравенство дохода; анализе факторов, влияющих на динамику ключевых экономических и финансовых показателей, включая финансовые доходности, обменные курсы иностранных валют, инфляцию и неравенство дохода; устойчивом анализе прогнозных моделей; устойчивом оценивании структурных сдвигов в динамике рассматриваемых рынков вследствие кризисов и других структурных шоков, таких как начало пандемии COVID-19; разработку и применения прогнозных моделей динамики ключевых экономических и финансовых показателей развитых рынков и экономик периода становления, включая показатели экономического роста, финансовые доходности, обменные курсы иностранных валют, уровень инфляции и заработной платы. В рамках проекта велась активная научно-исследовательская и преподавательская деятельность сформировавшейся группы российских и зарубежных ученых в области статистического, эконометрического и компьютерного анализа и математического и компьютерного моделирования финансовых и экономических процессов и рынков. Вклад проекта в научные исследования и образование включает в себя, в частности, исследования и работу по следующим важным направлениям и следующие полученные езультаты. - Продолжение развития научно-исследовательского и образовательного центра (Центр по эконометрике и бизнес аналитике - ЦЭБА, https://ceba-lab.org) на базе Санкт-Петербургского Государственного Университета с ее дальнейшим финансированием за счет внутренних ресурсов университета в рамках его организационной структуры. - Продолжение развития научно-исследовательского и образовательного сотрудничества между участниками исследовательской группы, Центра по эконометрике и бизнес аналитике - ЦЭБА, Санкт-Петербургского государственного университета, Школой бизнеса Имперского колледжа Лондона (Imperial College Business School), Школой бизнеса Сиднейского университета (the University of Sydney Business School), ведущими учеными в области эконометрики, статистики и компьютерного анализа в России и за рубежом, включая членов Научного совета проекта (С. Анатольев, Российская Экономическая Школа; U. K. Müller, Department of Economics, Princeton University; P. C. B. Phillips, Department of Economics, Yale University) и других специалистов мирового уровня. - Обучение студентов и молодых ученых Санкт-Петербургского Государственного Университета и других высших учебных заведений России; разработка и преподавание курсов по эконометрике, бизнес аналитике, компьютерному и математическому моделированию финансовых и экономических рынков и явлений, компьютерному и статистическому анализу больших баз финансовых и экономических данных и анализу финансовых и экономических временных рядов в Санкт-Петербургском Государственном Университете и других вузах Российской Федерации. Организация авторских краткосрочных, семестровых и годовых курсов ведущих российских и зарубежных ученых на базе Центра в вышеуказанных областях (https://ceba-lab.org/courses). - Организация и проведение международных конференций, семинаров и летних школ на базе Центра по эконометрике и бизнес аналитике - ЦЭБА, Санкт-Петербургском Государственном Университете и других высших учебных заведениях Российской Федерации с участием ученых и научных работников, специалистов, работающих на финансовых рынках, государственных структурах и сфере ИТ, и ведущих исследователей в области проекта в России и за рубежом. Организация непрерывной работы еженедельных онлайн семинаров по эконометрике, бизнес аналитике и смежным областям ЦЭБА (https://ceba-lab.org/seminars); организация 2-й Международной ежегодной конференции iCEBA на базе Центра (https://ceba-lab.org/conference). - Развитие и статистический и компьютерный анализ крупномасштабного банка данных по анализируемым в ходе работы по проекту иключевым экономическим и финансовым показателям социально-экономического развития различных экономик, включая рынки России, ее регионов и стран бывшего СССР. - Разработка новых и усовершенствованных методов устойчивого статистического и эконометрического анализа больших баз зависимых и гетерогенных финансовых и экономических данных, с концентрацией основных направлений исследований на разработке устойчивых статистических и эконометрических методов анализа гипотез по двум и нескольким параметрам, гипотез равенства параметров экономических и финансовых моделей и совместных гипотез, а также статистически обоснованных двухшаговых процедур эконометрического анализа. Применения разработанных в ходе работы по проекту новых и улучшенных методов в эконометрических моделях инструментального анализа, межстрановых и межрегиональных сравнениях моделей социально-экономического развития, тестах структурных сдвигов вследствие кризисов и их распространения и др. важных задачах. - Внедрение разработанных новых устойчивых статистических и эконометрических методов в широко используемые пакеты программного обеспечения компьютерного, математического и статистического моделирования и анализа таких как R, Python и Stata; разработка и применения нового программного обеспечения на их основе. - Разработка и применение разработанных в ходе работы по проекту устойчивых методов и подходов в статистическом, математическом и компьютерном моделировании и прогнозировании динамики ключевых финансовых и экономических величин и показателей развитых экономик и рынков периода становления, включая рынки России, ее регионов и стран бывшего СССР, а также моделированию и прогнозированию влияния кризисов и их распространения и процессов финансового заражения на рассматриваемые экономики и рынки. - Применения современных и разработанных в ходе проекта устойчивых методов к статистического, математического и компьютерного моделирования и анализа в изучении динамики экономического развития в России, постсоветских экономиках и формирующихся рынках, подверженных влиянию текущего мирового финансового и экономического кризиса, финансового заражения и взаимозависимости. Применения результатов исследований в подготовке рекомендаций по экономической политике. - Публикация результатов работы по проекту в статьях в ведущих рецензируемых зарубежных и международных научных журналах и представление докладов по ним на ведущих международных конференциях и семинарах по экономике, финансам, эконометрике и статистике, компьютерному и математическому моделированию, компьютерным и информационным технологиям и на собраниях международных профессиональных обществ в этих областях.

 

Публикации

1. Дистасо У., Ибрагимов Р. М., Семенов А. В., Скроботов А. А. COVID-19: Tail risk and predictive regressions PLoS One, 17 (12) (год публикации - 2022).

2. Жинг, З., Ибрагимов, Р. М. A Market Crash or Tail Risk? Heavy Tails and Asymmetry of Returns in the Chinese Stock Market Advances in Econometrics, - (год публикации - 2022).

3. Мусаев, А., Макшанов, А., Григорьев, Д. Dynamic Robustification of Trading Management Strategies for Unstable Immersion Environments Montenegrin Journal of Economics, Vol. 19, No. 1, pp. 19-30 (год публикации - 2023).