При разработке DSGE-моделей, которые впоследствии будут использоваться для анализа проводимой фискальной или монетарной политики, важно учитывать все наблюдаемые в данных особенности. При несоответствии модели данным оценки параметров становятся неточными, а получае­мые выводы ненадежными. Важной характеристикой данных, которой часто уделяют мало внимания, является наличие трендов. Обычно тренды либо удаляются с помощью различных фильтрационных техник, либо моделируются. В первом случае из данных удаляется большое количество информации, что приводит к значительному снижению точности оценивания параметров. Во втором случае чаще всего используется только тренд в производительности труда. Моделирование всего одного тренда означает, что, например, компоненты ВВП в реальном выражении в среднем должны расти с одним темпом роста, что на самом деле далеко не так. Эта проблема особенно остро стоит для развивающихся стран, в том числе для Российской Федерации.

В настоящей работе были проанализированы российский данные, в которых обнаружены существенно разные средние темпы роста компонент ВВП. Был предложен подход к моделированию сектор-специфичных нестационарных производительностей. Полученные оценки позволяют сделать вывод о том, что включение дополнительных трендов позволяет добиться более качественных с точки зрения разложения наблюдаемых рядов на трендовую и циклическую составляющие результатов. Также в рамках симуляционного анализа было обнаружено, что использование модели с дополнительными трендами приводит к значительному увеличению точности оценивания параметров. Таким образом, было показано, что при создании практико-ориен­тированных DSGE-моделей необходимо учитывать наличие трен­дов в данных.