@ARTICLE{26543120_252578004_2019, 
	author = {М. И. Столбов}, 
	keywords = {, индекс финансового стресса, снижение размерности, метод главных компонент, динамическая факторная модель, машинное обучение, метод локальных прогнозовбайесовское усреднение моделей},
	title = {Индекс финансового стресса для России: новые подходы},
	journal = {Экономический журнал ВШЭ},
	year = {2019},
	volume = {23},
	number = {1},
	pages = {32-60},
	url = {https://ej.hse.ru/2019-23-1/252578004.html},
	publisher = {},
	abstract = {В работе предложен индекс финансового стресса для России за период с марта 2008 г. по март 2018 г. При его построении использовались 12 апробированных и в большинстве своем публично доступных индивидуальных метрик финансовой нестабильности, в том числе предложенные Банком международных расчетов в Базеле показатели кредитного разрыва, обслуживания долга и динамики цен на недвижимость. Решается проблема выбора оптимального метода агрегирования панели показателей в сводный индекс. С помощью метода локальных прогнозов [Jordá, 2005, 2009] и байесовского усреднения моделей показано, что конвенциональный подход к построению подобных индексов на основе метода главных компонент уступает способам снижения размерности, учитывающим нелинейный и негауссовый характер индивидуальных метрик финансовой нестабильности. Среди рассмотренных методов наилучший результат показала динамическая факторная модель (dynamic factor model) с выделением одного фактора.Сводный индекс финансового стресса, построенный на основе динамической факторной модели, адекватно отражает основные периоды нарастания нестабильности в российском финансовом секторе осенью 2008 г. и в конце 2014 - начале 2015 гг. Посредством метода локальных прогнозов демонстрируется, что финансовый стресс оказывает статистически значимый негативный эффект на динамику индекса промышленного производства, наряду с индексом глобальной волатильности VIX, но независимо от него, с учетом включения в тестируемую модель нефтяных цен, глобальных и национальных индексов неопределенности экономической политики и геополитических рисков. Выявленный отрицательный эффект оказывается устой­чивым на среднесрочном временном горизонте.},
	annote = {В работе предложен индекс финансового стресса для России за период с марта 2008 г. по март 2018 г. При его построении использовались 12 апробированных и в большинстве своем публично доступных индивидуальных метрик финансовой нестабильности, в том числе предложенные Банком международных расчетов в Базеле показатели кредитного разрыва, обслуживания долга и динамики цен на недвижимость. Решается проблема выбора оптимального метода агрегирования панели показателей в сводный индекс. С помощью метода локальных прогнозов [Jordá, 2005, 2009] и байесовского усреднения моделей показано, что конвенциональный подход к построению подобных индексов на основе метода главных компонент уступает способам снижения размерности, учитывающим нелинейный и негауссовый характер индивидуальных метрик финансовой нестабильности. Среди рассмотренных методов наилучший результат показала динамическая факторная модель (dynamic factor model) с выделением одного фактора.Сводный индекс финансового стресса, построенный на основе динамической факторной модели, адекватно отражает основные периоды нарастания нестабильности в российском финансовом секторе осенью 2008 г. и в конце 2014 - начале 2015 гг. Посредством метода локальных прогнозов демонстрируется, что финансовый стресс оказывает статистически значимый негативный эффект на динамику индекса промышленного производства, наряду с индексом глобальной волатильности VIX, но независимо от него, с учетом включения в тестируемую модель нефтяных цен, глобальных и национальных индексов неопределенности экономической политики и геополитических рисков. Выявленный отрицательный эффект оказывается устой­чивым на среднесрочном временном горизонте.}
}