Диссертация (1138570), страница 25

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 25)

Однако зачастую широкое распространение платежных картсопровождается увеличением числа банкоматов. С одной стороны,распространение банкоматов (при прочих равных) снижает средниекассовые остатки на руках у экономических агентов, т.к. у агентовпоявляется возможность часто пользоваться банкоматами для снятияотносительно небольших сумм на текущие нужды. С другой стороны,доступность банкоматов (опять-таки при прочих равных) стимулируетиспользование наличности в качестве средства платежа,вытесняябезналичные платежи, поскольку ее получение становится более легким иудобным.

Направление совокупного влияния числа банкоматов на агрегатМ0 в общем случае неизвестно. В некоторых ситуациях осуществление127платежа возможно только благодаря доступности банкомата. К такимситуациям можно отнести: оплату в местах, где карты не принимаются в качестве средстваплатежа или где карты принимаются, начиная с некоторого объемаоперации; оплату в «сомнительных» местах, когда покупатель опасается, что сего платежной картой могут совершить мошеннические действия.Такимобразом,существуютфакторы,которыеделаютпривлекательными платежи именно наличными деньгами. Кроме того,практика осуществления платежей и предпочтения агентов могут бытьтаковыми, что агентам удобнее платить именно наличными деньгами.

Вэтом смысле для таких агентов банковские карты выступают не столькосредством платежа, сколько аналогом электронного кошелька. И по этойпричине увеличение числа банкоматов может способствовать ростуденежного агрегата М0. В последнее время на развитие банкоматов (илимногофункциональных терминалов, приравненных к ним в статистике)оказывают влияние также следующие факторы. Первый фактор – эторасширение систем электронной оплаты, которые представляют собойусовершенствованныйбанкомат,помимотрадиционныхфункций,позволяющий оплачивать большое количество услуг (оплата ЖКХ,мобильного телефона и т.д.). Второй фактор связан с тем, что желаяповысить привлекательность кредитов, банки располагают банкоматы (свозможностью погашения кредита) в удобных для клиентов местах.

Крометого существующий тренд указывает на то, что в каждом коммерческомздании должен располагаться хотя бы один банкомат.По этой причине увеличение числа банкоматов при фиксированномчисле банковских карт может способствовать росту денежного агрегата М0.Мы можем сделать вывод о том, что направление совокупного влияниячисла банкоматов на агрегат М0 в общем случае неизвестно.Данные по числу банкоматов доступны начиная с I квартала 2008 г.По этой причине в качестве прокси переменной для показателя числа128банкоматов в России будут выступать число банковских карт и объемопераций по снятию наличных денег с карт (именно эти операции являютсядоминирующими операциями по картам в России).Также ожидается, что рост числа банковских карт, т.е.

рост числасчетов до востребования, положительно влияет на агрегат М1 за счетэффекта мультипликации депозитов и появления новых транзакционныхсчетов.Данные гипотезы можно проиллюстрировать на простом условномпримере. Предположим, что в первый момент времени фирма выплачивалазаработную плату своим работникам наличными деньгами, а во второймомент времени она выплачивает ее через специально открытые для этогобанковские карты. Раньше фирма для выплаты заработной платыобналичивала деньги со своих расчетных счетов и выплачивала ихработникам: такой операцией фирма увеличивала спрос на наличныеденьги.

Теперь фирма переводит безналичные деньги на банковские«зарплатные» счета своих работников, т.е. по сравнению с первоначальнойситуацией снижает спрос на наличные деньги. У экономических агентов(работников) появляются средства на счетах до востребования в банках.Теперь агенты могут снимать деньги с карт, что будет увеличивать агрегатМ0, а могут оплачивать товары и услуги безналично, что будет снижатьэтот агрегат. Появление новых депозитных счетов у коммерческих банков,т.е.

увеличение их ресурсов, позволяет банкам выдавать новые кредиты, т.е.увеличивать денежную массу М1 посредством мультипликации.§ 2. Оценка модели спроса на деньгиОценке модели спроса на деньги в России с учетом инноваций всфере денежных платежей предшествовал анализ традиционного уравненияспроса на деньги, подробное описание которого приводится в ПриложенииB к диссертации. Основной вывод из проведенного анализа состоит в том,что уравнение спроса на наличные деньги, в котором в качестве129объясняющих переменных используются только показатели экономическойактивности иальтернативной стоимости хранения денег, не можетсчитаться достаточно стабильным. Как следствие, для повышениястабильности уравнения спроса на деньги в России в диссертациипредлагаетсявключениевоцениваемуюфункциюпоказателя,характеризующего развитие технологии платежей.Определение влияния платежных инноваций на спрос на деньги вРоссии связано со следующими сложностями.

Во-первых, для анализа намдоступны данные с III квартала 2000 г. по III квартал 2010 г., что составляетвсего 41 точку. Малая выборка может стать существенным препятствиемдля разделения влияния реального ВВП и показателя, характеризующегоплатежные инновации, корреляция между которыми составляет от 0.8 до0.9.Такимобразом,мыможемстолкнутьсяспроблемоймультиколлинеарности в модели. Как следствие, мы не исключаем, чтовысокий коэффициент при ВВП, полученный нами в предшествующейглаве, может исказить влияние платежных инноваций на спрос на деньги.Мы склонны связывать столь высокую эластичность спроса на деньги подоходу с происходящим ростом монетизации экономики, повышениемдоверия населения к денежной политике по мере снижения инфляции иволатильности обменного курса. В этом смысле рост использованиябанковских карт также отражает рост доверия экономических агентов кпроводимой политике.

В ходе дальнейшего исследования мы попытаемсяучесть данные взаимосвязи при помощи показателя глубины финансовогорынка, который рассчитывается как отношение кредитов нефинансовомусектору к номинальному ВВП (ряд FINANCIALDEPTH, см. рис. 3.2.1).Проверка этого ряда на стационарность показала, что тесты Дики-Фуллераи Филипса-Перрона отвергают гипотезу о наличии в ряде вторых разностейединичного корня против альтернативы, что ряд FINANCIALDEPTHявляется стационарным в разностях, т.е. рядом I(1).1302400200016001200800400001020304050607080910FINANCIALDEPTHИсточник: данные Банка России и Росстата.Рис. 3.2.1. Показатель глубины финансового сектора (III квартал 2000 г. – IIIквартал 2010 г.)Помимо рассмотренных выше показателей платежных инноваций, входе анализа мы используем также показатель отношения платежей,совершенных при помощи карт, к общему объему операций по картам(PAYTOALL, см.

рис. 3.2.2). Тесты Дики-Фуллера и Филипса-Перронаотвергают гипотезу о нестационарности ряда против альтернативы, что рядPAYTOALL стационарен в уровнях с константой. То есть мы делаем вывод,что данный ряд есть ряд типа I(0).На основании рис. 3.2.2 можно говорить о том, что на отдельнорассматриваемых промежутках времени с 2000 по 2004 г.

и с 2005 по 2010г. имела место тенденция к увеличению использования банковских картнепосредственно как средства платежа (для удобства на рисункеизображены линии тренда для каждого из подпериодов). Период с 2004 по2005 г. мы относим к структурному сдвигу в данных, по всей видимости,явившемуся следствием кризиса на рынке межбанковского кредитования.Мы полагаем, что снижение доверия населения к банковскому сектору131стимулировало агентов к масштабному снятию наличных денег сбанковских карт..18.16.14.12.10.08.0601020304050607080910PAYTOALLИсточник: данные Банка России.Рис.

3.2.2. Отношение объема операций по оплате товаров (работ, услуг) кобщему объему операций по банковским картам (III квартал 2000 г. – III квартал2010 г.)В качестве основного метода оценки нами был выбран динамическийметод наименьших квадратов (DOLS, dynamic ordinary least squares).Процедура DOLS была разработана в работах Филлипса и Лоретана(Phillips, Loretan, 1991), Сайконена (Saikkonen, 1991), Стока и Уотсона(Stock, Watson, 1993) для нестационарных рядов. В случае примененияпроцедуры DOLS оценки демонстрируют меньшее смещение, чем OLS, наотносительно малых выборках. Немаловажно, что DOLS имеет те жесвойства оптимальности, что и процедура Йохансена (Johansen, 1988). Приэтом статистическое моделирование показывает (Carrion-i-Silvestre, Sansó-iRosselló, 2004), что в случае малых выборок, имеющих место в нашемисследовании, DOLS позволяет получить более точные оценки, чем другаямодификация МНК (с теми же свойствами оптимальности) – FM OLS (FullModified OLS).132Для проверки гипотез о коэффициентах можно использоватьстандартные процедуры, основанные на t- и F-статистиках (посколькуDOLS оценки являются асимптотически нормальными).Для эконометрического пакета Eviews, который был использован прирасчетах, схема применения DOLS может быть описана следующимобразом:–зависимая1.Методомytxit , i  1, Nпеременная,–объясняющиеквадратовоцениваетсяпеременные.Шагкоинтеграционноенаименьшихсоотношение,т.е.регрессиявида:yt  0  1 x1t  ...

  N x Nt   t . Осуществляется проверка стационарности рядаостатков модели. Если остатки модели признаются нестационарными,дальнейшеевыполнениепроцедурыDOLSневозможно.Вслучаестационарности остатков мы переходим к шагу 2 процедуры.Шаг2.Строятсякросс-коррелограммыобъясняющих переменных xit  xit  xit 1 , i  1, Nрядов107приращенийи остатков регрессии,полученных на шаге 1, êt .Шаг 3. Анализируется N кросс-коррелограмм, построенных на шаге2:определяетсяколичествозначимыхзапаздывающих( Ki  )иопережающих ( K i  ) выходов коэффициентов взаимной корреляции заграницы ( 2 T , Т – число наблюдений) для каждого случая.Шаг 4.

По результатам шага 3 выбирается максимальное количествозначимых запаздывающих и опережающих всплесков по всем переменным,т.е. K  max  max K i  , K i   .i 1, N K i , Ki Шаг 5. Методом наименьших квадратов оценивается регрессия вида:yt   0  1 x1t  ...   N x Nt  Kj  K1jx1,t  j  ...   Nj x N ,t  j    t , т.е. регрессия шага1 с добавлением текущих, запаздывающих (lags) и опережающих (leads)107Ряды значенийxitиêtвыборочно некоррелированы по самой сути метода наименьшихквадратов.133приращений переменных.

Отметим, что если xit не является причиной поГрэнжеру êt( i  1, N ), то на шаге 5 можно оценивать уравнение,включающеетолькозапаздывающиеприращенияпеременных,т.е.уравнение вида: yt   0  1 x1t  ...   N x Nt    1 j x1,t  j  ...   Nj x N ,t  j    t .Kj 0Шаг 6. Оценивается значение статистики Дарбина–Уотсона (иликоррелограмма остатков, или тест Бройша–Годфри) для уравнения,полученного на шаге 5.

Характеристики

Список файлов диссертации