Автореферат (Спрос на деньги эволюция теоретических представлений и эмпирические исследования (на примере РФ)), страница 4
Описание файла
Файл "Автореферат" внутри архива находится в папке "Спрос на деньги эволюция теоретических представлений и эмпирические исследования (на примере РФ)". PDF-файл из архива "Спрос на деньги эволюция теоретических представлений и эмпирические исследования (на примере РФ)", который расположен в категории "". Всё это находится в предмете "экономика" из Аспирантура и докторантура, которые можно найти в файловом архиве НИУ ВШЭ. Не смотря на прямую связь этого архива с НИУ ВШЭ, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата экономических наук.
Просмотр PDF-файла онлайн
Текст 4 страницы из PDF
Данные об объемах операций с использованием банковских карт публикуются за отчетный квартал.13Данные, используемые для исследования, взяты из материалов Банка России и Росстата. Окончание периодаисследования определяется доступностью данных по реальному ВВП на момент осуществления расчетов.15объем операций по картам представлены на рис. 1., который показывает, чтооперации по снятию наличных средств являются доминирующими14.Источник: данные Банка России.Рис. 1. Объем операций по получению наличных денег, оплате товаров (работ, услуг)и суммарный объем операций, совершенных при помощи карт, млрд руб. (III квартал 2000 г.– IV квартал 2011 г.)В диссертации автором формулируется следующая гипотеза о влияниибанковских карт на спрос на деньги: рост объема операций по оплате товаров иуслуг при помощи банковских карт (как дебетовых, так и кредитных) снижаетспрос на традиционное средство платежа – наличные деньги.
Однако следуетучитывать,чтообычноширокоераспространениеплатежныхкартсопровождается увеличением числа банкоматов. Распространение банкоматовснижает (при прочих равных условиях) средние кассовые остатки на руках уэкономических агентов, так как у агентов появляется возможность частопользоваться банкоматами для снятия относительно небольших сумм натекущие нужды. Вместе с тем доступность банкоматов (при прочих равных14Для сравнения: в Германии операции по снятию наличности с карт также занимают более половины объемавсех операций по картам, в то время как во Франции, в Бельгии и Канаде, напротив, карты используются чащедля оплаты товаров и услуг. (Источник: данные Банка международных расчетов, www.bis.org.)16условиях) стимулирует использование наличности в качестве средства платежа,вытесняя безналичные платежи, поскольку ее получение становится болеелегким и удобным.
В некоторых ситуациях осуществление платежа возможнотолько благодаря доступности банкомата (оплата в местах, где карты непринимаются в качестве средства платежа или где карты принимаются, начинаяс некоторой величины операции, оплата в «сомнительных» местах, когдапокупатель опасается, что с его платежной картой могут быть совершенымошеннические действия).Таким образом, автор приходит к выводу, что существуют факторы,которые делают привлекательными платежи именно наличными деньгами.Кроме того, практика осуществления платежей и предпочтения экономическихагентов могут быть такими, что им удобнее платить именно наличнымиденьгами. Для таких агентов банковские карты выступают не столькосредством платежа, сколько аналогом электронного кошелька.
Эти выводы дляРоссииподтверждаютсярезультатаминекоторыхисследований15.Действительно, широкое распространение банковских карт в России насегодняшний день связано, прежде всего, с «зарплатными» и «социальными»проектами (выплата зарплат и пенсий на карты в ряде случаев независимо отжелания человека).Автор также выделяет следующие факторы, оказывающие влияние наразвитие банкоматов (или многофункциональных терминалов, приравненных кним в статистике). Первый фактор – это расширение систем электроннойоплаты, которые представляют собой усовершенствованный банкомат, помимотрадиционных функций, позволяющий оплачивать большое количество услуг(оплата ЖКХ, мобильного телефона и т.д.).
Второй фактор связан с тем, чтожелая повысить привлекательность кредитов, банки располагают банкоматы (свозможностью погашения кредита) в удобных для клиентов местах. Кроме того15См., например, доклад «Рынок безналичных розничных платежей в России: выгоды и перспективы развития»(2009), www.csr.ru.17все более привычным становится наличие хотя бы одного банкомата в каждомофисном здании.По отмеченным причинам, как показано в диссертации, увеличение числабанкоматов при фиксированном числе банковских карт может способствоватьросту денежного агрегата М0.
Исходя из этого, автор делает вывод о том, чтонаправление влияния числа банкоматов на агрегат М0 в общем случаенеизвестно.Данные по числу банкоматов доступны, начиная с I квартала 2008 г. Поэтой причине в качестве «прокси»-переменной для показателя числабанкоматов в России в диссертации используется число банковских карт иобъем операций по снятию наличных денег с карт.Результаты проверки исследуемых временных рядов экономическихпеременных на стационарность показали, что ряды логарифмов реального иноминального денежного агрегата М0 содержат один единичный корень, в товремя как ряды логарифмов реального ВВП и цен на рассматриваемомпромежутке времени стационарны около тренда.
Ряд процентной ставки подепозитам является рядом типа I(1). Ряды логарифмов BC_NUMBER иBC_CASHстационарныоколотренда,арядBC_PAYявляетсяинтегрированным первого порядка.В диссертационном исследовании построен целый ряд возможныхмоделей спроса на денежный агрегат М0 с учетом платежных инноваций. Приэтом оценка соответствующих коинтеграционных соотношений проводиласьдинамическим методом наименьших квадратов, который позволяет получитьдолгосрочныекоинтеграционныесоотношениямеждуисследуемымипеременными16.
Поскольку рассматриваемые показатели платежных инновацийблизки между собой, в каждую из моделей из-за возможной проблемымультиколлинеарности включался только один показатель. В то же время16См. Stock, James H., and Watson, Mark W. (1993). “A Simple Estimator of Cointegrating Vectors in Higher OrderIntegrated Systems”, Econometrica, Vol. 61, No. 4, pp. 783–820. Суть этого метода заключается в динамическойкорректировке результатов оценки коэффициентов модели обычным МНК.18динамика показателя объемов платежей по картам отличается от другихпоказателейменьшейскоростьюроста,чтоследуетучитыватьприинтерпретации полученных результатов.Первая модель описывает связь между логарифмом реальных наличныхденег и логарифмом реального ВВП, ставкой по депозитам и объемом платежейпо оплате товаров и услуг, совершенных при помощи банковских карт17:LNREALM 0 EST 12.12 2.00 LNRGDP 3.30 DEPOSIT 0.000336 BC _ PAY ( 6.12)(7.90)( 5.76)( 2.477130) 0.18 D1 0.12 D 2 0.11 D3 0.02 TREND.(4.46)(4.31)( 8.48)(1)(4.58)В скобках указаны t-статистики, R 2 0.99 .
Остатки полученной моделиявляются стационарными18. В пользу полученной модели свидетельствует еестабильность, что подтверждают результаты тестов CUSUM и анализ графиковрекурсивных коэффициентов.При этом оцененная эластичность спроса на деньги по доходу равна 2, аполуэластичность спроса на деньги по (депозитному) проценту отрицательна иравна по модулю 3.3. Таким образом, эмпирические данные свидетельствуют впользу того, что объем платежей по оплате товаров и услуг, совершенных припомощи карт, значимо отрицательно влияет на спрос на денежный агрегат М0 вреальном выражении.
Полуэластичность спроса на деньги по переменнойBC_PAY равна –0.336. Это означает, что при увеличении оплаты товаров иуслуг с помощью банковских карт на 1 трлн руб. спрос на наличные деньги(при прочих равных) снизится на 0.336%. Включенный в уравнение спроса наденьги тренд призван отразить догоняющий рост монетизации, свойственныйпереходным экономикам, по мере повышения доверия экономических агентов кполитике, проводимой монетарными властями, и дедолларизации экономики19.Вторая модель, построенная в диссертации, объясняет связь междулогарифмом денежного агрегата М0 и логарифмом уровня цен, логарифмом17D1, D2, D3 – квартальные «дамми»-переменные, необходимые для учета детерминированной сезонности вданных; TREND – линейный тренд.18Здесь и далее выбранный уровень значимости равен 5%.19Подробнее об этом см.
Дробышевский и др. (2010).19ВВП в реальном выражении, процентом, логарифмом объема операций пополучению наличных средств, совершенных при помощи банковских карт:LNM 0 EST 8.91 0.81 LNP 1.54 LNRGDP 1.66 DEPOSIT 0.25 LNBC _ CASH ( 4.89)(2.52)(6.58)( 1.76)(2.31) 0.11 D1 0.06 D 2 0.17 D3.(2.92)(2)( 3.46)(1.97)В скобках указаны t-статистики, R 2 0.998 . Остатки оцененной моделистационарны. В пользу построенной модели свидетельствует тот факт, чтокоэффициент при логарифме цен, согласно тесту Вальда, статистически равенединице на 5-ти процентном уровне значимости. Полученная эластичностьспроса на деньги по доходу равна 1.54, а полуэластичность спроса на деньги по(депозитному) проценту отрицательна и по модулю равна 1.66.
Кроме тогоданные свидетельствуют в пользу гипотезы о том, что спрос на наличныеденьги положительно зависит от объема операций по снятию наличных денег сбанковскихкарт,которыеявляются«прокси»-переменнойдлячислабанкоматов в России. Численная оценка соответствующего коэффициента илиэластичности, равная 0.25, может вызывать сомнения из-за высокой корреляциимежду рядами LNRGDP и LNBC_CASH (0.89). Однако для интерпретации вданном случае важнее не сама оценка, а ее положительный знак.
Проверкамодели (2) на стабильность приводит к противоречивым выводам. Тест CUSUMсвидетельствует в пользу стабильности уравнения спроса на деньги, в то времякак тест CUSUM-SQ и динамика рекурсивных коэффициентов указывают нанестабильность модели. На этой основе в работе сделан вывод о том, чтополученную модель нельзя считать достаточно стабильной и использовать дляпрогностических целей.Третья модель спроса на наличные деньги, оцененная автором,представляет собой функцию спроса на наличные деньги в номинальномвыражении от уровня цен, ВВП в реальном выражении, процента и числабанковских карт:LNM 0 EST 8.89 0.83 LNP 1.29 LNRGDP 1.24 DEPOSIT 0.34 LNBC _ NUMBER ( 7.48)(4.60)(6.46)( 1.87)(4.09) 0.07 D1 0.05 D 2 0.09 D3.(2.37)(2.59)( 7.49)20(3)В скобках указаны t-статистики, R 2 0.998 , а остатки модели (3)стационарны. Важным результатом оценки является то, что согласнорезультатам теста Вальда гипотеза о том, что коэффициент при логарифме ценравен единице, не отвергается.
Это позволяет говорить о правильнойспецификации модели и делает модель пригодной для использования в целяхпрогноза инфляции.Результаты формальных тестов на проверку стабильности модели (3)свидетельствуют в пользу устойчивости ее коэффициентов. В ходе оценкиуравнения спроса на наличные деньги (3) было получено, что полуэластичностьпо (депозитному) проценту равна –1.24.Результаты оценки свидетельствуют в пользу того, что число банковскихкарт, являющихся «прокси»-переменной для числа банкоматов, положительновлияетнаспроснаналичныеденьги.Этоможетбытьобъясненосформулированной выше гипотезой, согласно которой экономические агентыпредпочитают совершать платежи наличными деньгами (или не имеютвозможности платить картами) и используют карты в основном какэлектронные кошельки.
Численная оценка соответствующего коэффициента(0.34) может быть смещенной из-за корреляции между рядами LNRGDP иLNBC_NUMBER, равной 0.9. Содержательная интерпретацияданногокоэффициента может быть следующей: при увеличении числа банковских картна 1% спрос на денежный агрегат М0/Р20 увеличится на 0.34% (при прочихравных условиях). Однако такая интерпретация может быть недостаточнонадежной из-за слишком высокого значения эластичности. Поэтому автор вданном случае опирается только на знак оценки. В работе обосновываетсяпредположение о том, что высокие значения эластичностей по показателяминноваций в моделях (2) и (3) объясняются отсутствием в них тренда, которыйвключен в модель (1) и отражает рост монетизации экономики и повышение20В данном случае можно говорить о спросе на реальные, а не номинальные деньги, т.к.
коэффициент прилогарифме цен в модели (3) статистически равен единице, и показатель цен может быть перенесен в левуючасть уравнения.21доверия населения к проводимой денежно-кредитной политике. Однаковключение линейного тренда в модели (2) и (3) привело к получению регрессийс экономически неинтерпретируемыми оценками. По-видимому, в модели (2) и(3) необходимо включение более сложного тренда с изломами, что непредставляется возможным ввиду недостаточно длинных доступных рядовданных и относительно большого числа объясняющих переменных в модели.Наоснованиипроведенногоисследованиябылиполученыследующие основные выводы:1.