2025. т. 29. №4

Моделируется взаимодействие денег и долга, которое рассматривается как линейный, инвариантный во времени процесс гомеостазиса, реализуемого финансовым клирингом. Модель макрофинансового осциллятора объясняет циклическое поведение агрегата кредиторов, компенсирующих ожидаемые потери, вызванные расширением совокупных заимствований. Эмпирически этот процесс может выражаться в апериодических массовых распродажах дол­говых инструментов, известных как действия «bond vigilantes». На современной фазе глобальной финансиализации экономики такие реакции долгового рынка способны порождать серьезные стрессы и значительные социально-политические издержки.

Взаимосвязанные процессы осцилляций и ротации макрофинансовой системы раскрывают каузальные связи денег, займов, долгов и богатства. Эмиссия денег, и их трансформация в новые заимствования, моделируется импульсной функцией Дирака. Решение ОДУ осциллятора  методом функции Грина позволяет вычислять реакции долгового рынка и траектории его динамики для различных монетарных и макропруденциальных воздействий. Это, в частности, помогает объяснению парадокса «неограниченной» денежной эмиссии, известного с XVI в.

Численная имитация модели достаточно точно воспроизвела реакцию глобального долга на денежную эмиссию в условиях грандиозного «провала рынка», спровоцированного пандемией «COVID-19». Дальнейшее изучение макрофинансовых осцилляций позволит рассчитывать объемы совокупного долга, гарантированно погашаемых денежной массой, когерентной стоимости товаров и услуг.

Прямые иностранные инвестиции (ПИИ) выступают одним из ключевых двигателей экономического прогресса, инновационного развития и модернизации инфраструктуры. Формирование благоприятного инвестиционного климата и устранение барьеров для притока ПИИ – это приоритетные задачи правительств большинства стран. Среди важнейших факторов, определяющих приток ПИИ, выделяют стоимость производственных ресурсов, размер рынка, качество институтов и географическую близость – при этом все большее значение приобретают экологические факторы. В современном контексте климатические изменения и намерения стран по смягчению их негативных последствий могут определять характер и структуру инвестиционных потоков. Данное исследование посвящено изучению воздействия экологического регулирования на приток ПИИ. В рамках исследования формируются базы данных с панельной структурой за период 2000–2020 гг. Эмпирическое исследование использует методы динамических общих коррелированных эффектов (DCCE) и фиксированных эффектов Дрисколла – Края (D-K FE). Эмпирические результаты демонстрируют, что экологическое регулирование, рассматриваемое изолированно, может ограничивать приток ПИИ. Тем не менее в условиях высокого уровня эко­номического развития экологическое регулирование способно сигнализировать о качестве институтов и зрелости рынка, тем самым повышая инвестиционную привлекательность несмотря на более высокие издержки на соблюдение природоохранных норм. Полученные результаты свидетельствуют, что развивающиеся страны, балансирующие между привлечением ПИИ и защитой окружающей среды, подвергаются повышенному риску. Данным странам необходимо сосредоточить усилия на наращивании экономического по­тенциала и разработке экологической политики и регулирования, способной дополнительно стимулировать его рост.

В настоящем исследовании оцениваются эффекты от макропруденциальной политики (МПП) на сдерживание роста потребительского кредитова­ния в России на основе квартальных данных по 591 банку за период 2015–2021 гг. Работа затрагивает проблему обеспечения финансовой стабильности в развивающихся странах, где эмпирические данные об эффективности МПП остаются противоречивыми. Некоторые исследования указывают на ограниченные успехи макропруденциальных мер в стабилизации кредитных рынков, в то время как другие подтверждают их значимую роль в снижении системных рисков и сдерживании избыточного роста кредитования. Настоя­щая статья вносит вклад в эту дискуссию, предоставляя эмпирические оценки для российской экономики, которая остается недостаточно изученной в существующей литературе.

Основной исследовательский вопрос заключается в том, насколько эф­фективно МПП ограничивает потребительское кредитование в России, особенно в условиях изменяющейся макроэкономической и денежно-кредитной конъюнктуры. Методологический инструментарий основан на оценивании динамической панельной регрессии с использованием обобщенного метода моментов. Совокупный индекс макропруденциальной политики, используемый для количественной оценки воздействия МПП, построен на основе реестра мер из исследования [Kozlovtсeva et al., 2020], расширенного мерами, принятыми после 2019 г.

Эмпирический анализ оценивает эффекты от МПП, учитывая гетерогенность банков, взаимодействие с условиями денежно-кредитной политики, а также чувствительность к фазам делового цикла. Результаты показывают, что меры МПП оказывают статистически значимое сдерживающее влияние на потребительское кредитование, причем эффект проявляется примерно через два квартала после заявлений о введении меры и сохраняется около полугода. Кроме того, выявлены асимметричные эффекты от смягчения и ужесточения политики, а также показано, что политика сильнее воздействует на банки с более низким уровнем депозитного фондирования, меньшим размером и с относительно низкой долей потребительских кредитов в активах.

Исследование имеет как теоретическое, так и прикладное значение. С методологической точки зрения оно расширяет представление о количественных эффектах политики в России, развивая ряд работ российских экономистов, а также коллектива исследователей Банка международных расчетов. С практической стороны сформулированы конкретные предложения в части макропруденциального надзора для регулятора, а также перспективные направления для будущих исследований.

Матрицы социальных счетов являются по сути своей неотъемлемой частью Системы национальных счетов (СНС), удобным инструментом для анализа потоков ресурсов национальной экономики и социальных процессов, а также для калибровки вычислимых моделей общего равновесия и построе­ния различных моделей мультипликаторов в макроэкономике. В данной работе показан способ построения финансовых матриц социальных счетов ( FSAM) для РФ за 2012–2021 гг. на основе данных из интегрированной таблицы национальных счетов Росстата и статистики ЦБ РФ по финансовым счетам СНС. Предложенный способ при существующих ограничениях в публикуемой в РФ статистике СНС максимально использует имеющиеся данные без потери информации. На основе построенных FSAM был вычислен 10-лет­ний ряд матриц мультипликаторов счетов FSAM при предположении экзогенности счетов для транзакций с остальным миром. Такой набор экзогенных счетов (выбранный лишь из соображений простоты интерпретации результатов при демонстрации возможностей FSAM) позволяет использовать полученные подобным образом мультипликаторы для оценки эффектов на транзакции перераспределения добавленной стоимости внутри экономики РФ от шоков внешней торговли, потоков капитала и финансов РФ с остальным миром. Для понимания вклада различных транзакций между счетами FSAM была произведена декомпозиция найденных мультипликаторов с целью выделения прямого, косвенного и перекрестного эффектов согласно методологии нобелевского лауреата Р. Стоуна. Получившиеся мультипликаторы и их разложения на упомянутые три компоненты демонстрируют свою устойчивость на протяжении всего десятилетия 2012–2021 гг., что внушает осторожный оптимизм касательно их предсказательной силы.

Прогнозные математические модели макроэкономических показателей, использующие традиционные объясняющие переменные, в условиях структурных трансформаций экономики становятся малоэффективны. В связи с этим возрастающий интерес вызывают новостные индексы, отражающие те­кущие события, изменения в экономической политике, настроения участников рынка и другие факторы, оказывающие влияние на экономическую активность в режиме реального времени. Современные методы обработки естественного языка (Natural Language Processing, NLP) и технологии анализа больших данных существенно расширили возможности извлечения релевант­ной информации из новостных источников. В настоящей статье рассматривается применение большой языковой модели (Large Language Models, LLMs) в системе с генерацией, дополненной поиском (Retrieval-Augmented Genera­tion, RAG), для анализа крупных массивов новостных данных с учетом их контекстуальной значимости. Предложенный подход сопоставляется с традиционными моделями обработки текстовых данных при формировании но­востных индексов. Для проверки эффективности проводится анализ предсказательной способности сформированных индексов в эконометрических моделях прогнозирования ряда макроэкономических показателей.

Прогнозирование и анализ волатильности инструментов является одной из фундаментальных задач при работе на фондовом рынке. В литературе чаще всего предсказания рыночной волатильности строятся с помощью линейных моделей. Однако данный инструмент может быть не самым подходящим для поставленной задачи, поскольку рынок непостоянен и его волатильность имеет периоды высоких и низких значений. Одним из методов, позволяющих учесть это непостоянство, является марковская модель с переключением режимов, позволяющая рынку существовать, как минимум, в двух состояниях: высокой и низкой волатильности. В сочетании с регуляризацией, контролирующей модель от переобучения, марковская модель может продемонстрировать более высокие прогнозные результаты по сравнению с линейной моделью.

Демонстрации данного факта и посвящено проведенное исследование. Мы моделируем и прогнозируем волатильность фондового рынка на симулированных и реальных данных. В качестве примера реальных данных были взяты Московская и NASDAQ биржи. Симуляции показывают, что марковская модель с переключением режимов и применением регуляризации LASSO прогнозирует не хуже линейной модели на линейных данных и явно лучше на нелинейных. Результаты на реальных данных показывают, что в случае российского фондового рынка, для которого характерна нелинейность взаи­мосвязи в данных, модель, предполагающая линейную взаимосвязь, обладает низкой прогностической способностью. Марковская модель  увеличивает точность прогноза волатильности в случае нелинейной взаимосвязи данных. В то же время марковская модель не дает существенных преимуществ в ситуации NASDAQ биржи, где данные связаны линейно.