Диссертация (Влияние индивидуальных характеристик российских банков на работу канала банковского кредитования в российской экономике), страница 13
Описание файла
Файл "Диссертация" внутри архива находится в папке "Влияние индивидуальных характеристик российских банков на работу канала банковского кредитования в российской экономике". PDF-файл из архива "Влияние индивидуальных характеристик российских банков на работу канала банковского кредитования в российской экономике", 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 13 страницы из PDF
В данной модели уравнение (1) является уравнением состояния, описывающимдинамику ненаблюдаемых переменных Ft . Уравнение (2) является уравнением наблюдения,связывающим ненаблюдаемые переменные состояния с наблюдаемыми переменными Yt и X t .Запись TVP-FAVAR модели в форме модели «состояние–наблюдение» позволяет применитьдля ее оценки алгоритм, разработанный в статье Carter, Kohn (1994).2.3.2 ДанныеИсточниками данных являются Банк России, Росстат, Всемирный банк и Бюроэкономического анализа США.В качестве единственной ключевой переменной, являющейся индикатором денежнокредитнойполитикиБанкаРоссии,выбранаставкаденежногорынкаMIACR—средневзвешенная фактическая ставка по кредитам, предоставленным московскими банками(среднеарифметическое значение за месяц, рассчитанное на основе однодневных ставок).
Хотяданный показатель не является инструментом денежно-кредитной политики, выбор ставкиMIACR в качестве ее индикатора обусловлен следующими причинами. Во-первых, прииспользовании в расчетах редко меняющейся ключевой ставки Банка России многие матрицыполучаются вырожденными, из-за чего весь алгоритм оценивания не сходится, а программныйпакет MATLAB выдает ошибки. В этом смысле более волатильная ставка MIACR являетсяболее предпочтительной. Во-вторых, c сентября 2013 года ставка MIACR являетсяоперационным ориентиром Банка России и поэтому поддерживается денежно-кредитнымивластями на уровне, близком к ключевой ставке (рис. 5).
В этом смысле можно говорить о том,что обратного влияния ставки MIACR на ключевую ставку не существует: ключевая ставкаменяется с целью повлиять на конечную цель — инфляцию, а изменение ставок денежногорынка — это, фактически, первая ступень трансмиссионного механизма денежно-кредитнойполитики. Другими словами, Банк России сначала принимает решение об изменении уровняключевой ставки, что сдвигает весь процентный коридор. Только потом «вступает в силу»неявное обещание центрального банка удерживать ставки денежного рынка в границахкоридора и близко к уровню ключевой ставки, что должно способствовать достижению цели по- 50 инфляции.
В-третьих, уровень ключевой ставки Банка России не является единственныминдикаторомденежно-кредитнойполитики.Характерпроводимойденежно-кредитнойполитики определяется также неценовыми параметрами операций Банка России, которыенаходят отражение в уровне ставок денежного рынка (например, размер лимита по операциямРЕПО Банка России). Таким образом, можно говорить о том, что ставка MIACR являетсяхорошим прокси для импульса денежно-кредитной политики.3030Корреляция = 0.97Ключевая ставка Банка РоссииПроцентный коридор16.12.201516.11.201516.10.201516.09.201516.08.201516.07.201516.06.201516.05.201516.04.201516.02.201516.03.201516.01.201516.12.201416.11.201416.10.201416.09.2014016.08.2014016.07.2014516.06.2014516.05.20141016.04.20141016.02.201416.03.20141516.01.20141516.12.20132016.11.20132016.10.20132516.09.201325MIACRРис.
5. Процентный коридор Банка РоссииИсточник: Банк России.Справедливости ради стоит отметить, что использование ставки MIACR в качествеиндикатора денежно-кредитной политики Банка России имеет некоторые ограничения. Строгоговоря, MIACR зависит не только от ставки Банка России. Значимое влияние оказывают,например, ситуация с ликвидностью банковского сектора, спрос и предложение кредитныхорганизаций на денежном рынке, в том числе, со стороны отдельных его участников. В связи сэтим изменение ключевой ставки на один процентный пункт (п.п.) в большинстве случаевприведет к меньшему, хотя и схожему, изменению ставки MIACR.Несмотря на описанные ограничения, использование ставки MIACR в качестве прокси дляиндикатора политики Банка России в целях данного исследования оправдано для периода соктября 2013 года21.
Как видно из рис. 6, в указанный период действие системы процентного21Одним из интересных направлений развития данного исследования может быть усовершенствованиепостроенной TVP-FAVAR модели таким образом, чтобы в ней учитывалась разовая смена режима денежнокредитной политики. Оценить отдельно TVP-FAVAR модель для периода с октября 2013 года не представляется- 51 коридора удерживало равновесную ставку денежного рынка на уровне, близком к ключевойставке (коридор симметричен относительно центра, его ширина составляет 2 п.п.). При этоммоментов, когда в отсутствие изменения ключевой ставки уровень ставки MIACR изменялсяпочти на один процентный пункт, было очень мало.
Более того, чем ближе к концурассматриваемого периода, тем меньше ставка MIACR отклонялась от середины коридора —ключевой ставки.В более ранние периоды (до 2013 года) до фактического формирования процентногокоридора использование ставки MIACR в качестве прокси для инструмента денежно-кредитнойполитики не является оправданным22.
Как известно, до момента введения основной системыинструментов инфляционного таргетирования — ключевой ставки и процентного коридора —операционным ориентиром Банка России была стоимость бивалютной корзины. Проводявалютные интервенции с целью поддержать стоимость бивалютной корзины на неизменномуровне, Банк России постоянно влиял на объем ликвидности банковского сектора — объемкорреспондентских счетов кредитных организаций в Банке России, которые используются, втом числе, для проведения операций на внутреннем валютном рынке. При этом банки такжеиспользуют корреспондентские счета для проведения операций на денежном рынке. Поэтому,когда Банк России покупал иностранную валюту на рынке, он тем самым увеличивалкорреспондентские счета банков-продавцов валюты, что вело к росту предложения наденежном рынке и, следовательно, снижению равновесных ставок.
И наоборот, продаваяиностранную валюту банкам, Банк России изымал рубли из экономики, что снижалопредложение средств на денежном рынке и, следовательно, приводило к росту равновесныхставок.Такимобразом,периоддосуществованиясистемыпроцентногокоридорахарактеризовался высокой волатильностью ставок денежного рынка (см. рис. 6). В связи с этимшоки ставок денежного рынка часто были вызваны не «шоками» в политике Банка России(например, изменением целевого уровня стоимости бивалютной корзины), а внешними шоками,которые Банк России вынужден был сглаживать с помощью крупных интервенций на валютномрынке.возможным из-за слишком малого числа наблюдений (27 точек во времени) в сравнении с числом оцениваемыхпараметров модели.22В этом смысле, по мнению автора, оценка более простой модели FAVAR, не предполагающей динамикукоэффициентов во времени, не позволит получить ответ на поставленный вопрос.
При оценке более простоймодели коэффициенты и, следовательно, функции импульсного отклика, будут едины для всего анализируемогопериода. При этом сложно найти обоснование тому, что реакция экономики при разных режимах денежнокредитной политики на шок одной и той же переменной, которая сначала не является операционным ориентиром, азатем является таковым, одна и та же.- 52 3030Введение коридора13.09.20132525Ключевая ставка05.01.201505.07.201505.01.201305.07.201305.01.201405.07.2014005.01.201205.07.2012005.01.201105.07.2011505.01.201005.07.2010505.01.200905.07.20091005.01.200805.07.20081005.01.200705.07.20071505.01.200605.07.20061505.01.200505.07.20052005.01.200405.07.200420MIACRРис. 6. Ставка MIACR и ключевая ставка23 до и после введения системы процентного коридораИсточник: Банк России.Информационное множество состоит из 56 переменных24. Они характеризуют реальныйсектор, банковский сектор, государственный сектор, а также внешний сектор экономикиРоссии. Объемы банковских корпоративных кредитных портфелей, реакция которых наимпульсы денежно-кредитной политики представляет основной интерес данного исследования,также включены в информационное множество.В таблице 1 приведены описательные статистики ключевой переменной и объемоврублевого и валютного корпоративных кредитных портфелей банков.В анализе используются месячные данные за период с января 2004 по декабрь 2015 года(всего 144 наблюдения)25.
Для рядов, имеющих выраженную сезонную составляющую, былапроведена сезонная корректировка методом X13-ARIMA. В первую очередь, это временныеряды индексов выпуска в различных отраслях экономики.23До сентября 2013 года вместо ключевой ставки изображена минимальная ставка по недельным аукционампрямого РЕПО с Банком России, на основе которой была создана ключевая ставка Банка России (см. Пресс-релизБанка России от 13.09.2013 «О системе процентных инструментов денежно-кредитной политики Банка России»).24Полный список показателей, вошедших в информационное множество, приведен в Приложении 1.25Выбор левой границы временного интервала обусловлен доступностью данных по используемым показателям.- 53 Таблица 1 — Описательные статистики основных переменныхСреднееСтандартноеМинимумМаксимумотклонениеMIACR (%)5,583,330,9216,9610166,545903,901592,4620257,04110,5247,7928,71182,45Портфель рублевыхкредитов фирмам(млрд руб.)Портфель валютныхкредитов фирмам(млрд долл.
США)Источник: Банк России, расчеты автора.2.3.3 Метод оценивания TVP-FAVAR модели и идентификацияПервоначально все ряды данных были трансформированы следующим образом26.Процентные ставки были оставлены без изменений (например, 13% годовых), для показателей,изначально представленных в миллиардах рублей, были рассчитаны их ежемесячные приростыв процентах, а все индексы были переведены в показатель «прирост по отношению кпредыдущему месяцу в %».
После обработки данных были получены первоначальные значения Ft для вектора факторов Ft и стохастических волатильностей hi ,t элементов вектора . В Yt первом случае был применен метод главных компонент, во втором — алгоритм Метрополиса–Гастингса для «обучающей» выборки из первых T0 наблюдений (всего — 36), которые вдальнейшем исключаются из выборки. Полученные таким образом первоначальные оценкииспользовались в алгоритме Гиббса для получения апостериорных значений параметровмодели.
Как было отмечено ранее, оценка динамики коэффициентов в уравнении (1)основывается на алгоритме из Carter, Kohn (1994). Общее число итераций составляет 8000,первые 3000 из которых отбрасываются как «burn-in», а оставшиеся 5000 используются дляполучения характеристик апостериорных распределений параметров. Подробное описаниепостроения марковской цепи, лежащей в данном случае в основе алгоритма Гиббса, а такжеиспользуемых априорных распределений приведено в работе Ellis et al.