Внутренние факторы денежно-кредитной политики России

Наиболее часто называются три механизма денежной трансмиссии:

1)      Процентный канал;

2)      Кредитный канал;

3)      Канал цен активов.

Схема функционирования процентного канала денежной трансмиссии может быть представлена в следующем виде: денежная масса­ Þ процентная ставка¯ Þ инвестиции­ Þ выпуск­.

Механизм действия кредитного канала представляется более разнообразным. Схема функционирования канала банковского кредитования может быть представлена как: денежная масса­ Þ депозиты­ = кредиты­ Þ инвестиции­ Þ выпуск­. Канал баланса активов и пассивов выглядит следующим образом: денежная масса­ Þ капитализация­ Þ риск (асимметрия информации)¯ = кредиты­ Þ инвестиции­ Þ выпуск­. В случае канала денежных потоков: денежная масса­ Þ денежные потоки­ Þ риск (асимметрия информации)¯ = кредиты­ Þ инвестиции­ Þ выпуск­. Для канала непредвиденного роста уровня цен: денежная масса­ Þ цены­ (неожидаемый рост) Þ чистые активы­ Þ риск (асимметрия информации)¯ = кредиты­ Þ инвестиции­ Þ выпуск­. Канал денежной трансмиссии, связанный с эффектом ликвидности домохозяйств устроен как: денежная масса­ Þ цены финансовых активов­ Þ чистые активы домохозяйств­ Þ вероятность финансовых затруднений¯ Þ потребление товаров длительного пользования и расходы на недвижимость­ Þ выпуск­.

Третьим механизмом денежной трансмиссии в экономике называется канал цен активов. Исторически первым вариантом данного механизма трансмиссии является теория q Тобина: денежная масса­ Þ капитализация­ Þ q Тобина­ Þ инвестиции­ Þ выпуск­. Другой важной разновидностью механизма денежной трансмиссии на основе цен активов является курсовой канал: денежная масса­ Þ внутренняя процентная ставка¯ Þ обменный курс национальной валюты¯ Þ чистый экспорт­ Þ выпуск­. Последним вариантом механизма цен активов, близким по сути к эффекту ликвидности домохозяйств, является канал эффекта богатства: денежная масса­ Þ цены финансовых активов­ Þ богатство домохозяйств­ Þ потребление­ Þ выпуск­.

Таким образом, механизм денежной трансмиссии в общем виде может быть схематично представлен как:

1) изменение денежного предложения

ss

2) влияние на финансовый сектор
(процентные ставки, курс, цены финансовых активов, премия за риск)

ss

3) влияние на реальный сектор (инвестиции, потребление, чистый экспорт)

ss

4) изменение выпуска.

Различия между каналами денежной трансмиссии проводятся на основе предположений о характере взаимосвязей в экономике при переходе от первой ко второй и от второй к третьей ступеням.

Основные подходы к эмпирическому анализу механизма денежной трансмиссии и выявлению фактических целей денежно-кредитной политики

В настоящее время в экономической литературе господствует подход к анализу влияния шоков денежной политики на реальный сектор экономики и, соответственно, каналы денежной трансмиссии в краткосрочном периоде на основе так называемого «подхода векторных авторегрессий» (VAR approach), предложенного Симсом в 1970-х годах [4] . Основное отличие данного подхода от традиционного эконометрического моделирования экономических процессов и так называемого подхода Лондонской школы экономики заключается в том, что он направлен не на получение выводов относительно оптимальной экономической политики, необходимой для достижения заявленных экономических целей, а на демонстрацию эмпирических свидетельств относительно реакции макроэкономических переменных на шоки экономической политики для выявления адекватной теоретической модели экономики [5] . Так же как и в подходе Лондонской школы экономики теоретические знания относительно природы экономических процессов определяют лишь набор переменных, включаемых в модель, тогда как конечная спецификация эконометрической модели (количество лагов переменных) определяется эмпирически.

В сокращенном виде модель векторной авторегрессии может быть записана как:

,

где Y – вектор рассматриваемых переменных, Z – вектор экзогенных (внешних по отношению к вектору Y) переменных, E – вектор случайных ошибок, A(Lⁱ) – матрица лаговых операторов. Таким образом, переменные в модели (за исключением строго экзогенных) являются эндогенными, а их лаговые значения – предетерминированными.

В первых работах по анализу эффектов денежно-кредитной политики на основе подхода векторных авторегрессий (Симс, Айхенбаум [6] ) рассматривались модели чистой векторной авторегрессии, т.е. отсутствовал вектор экзогенных переменных. Применение векторных авторегрессионных моделей с экзогенными переменными (VARX model) для анализа так называемых «закономерностей» (“stylized facts”) при денежных шоках связано с работами Кристиано, Айхенбаума, Эванса, Бернанки, Михова и Шиоджи [7] . Наиболее полный обзор основных результатов анализа краткосрочных эффектов денежно-кредитной политики и сравнение вариантов эконометрических спецификаций в рамках подхода векторных авторегрессий приведен в работе Липера, Симса и Жа 1996 года [8] .

Подход векторных авторегрессий является также преобладающим при анализе механизма денежной трансмиссии, что отмечается в работе Б. Маккалума [9] . Отвечая на критику Рудебуша, он предлагает расширить «структурную» часть векторных авторегрессионных моделей, включив в вектор экзогенных переменных текущие и лаговые значения экзогенных переменных, логические переменные, отвечающие за смену режимов в экономической политике или отдельные шоки в экономике. Аналогичный подход предложен также в работе, посвященной анализу каналов денежной трансмиссии в Израиле [10] . При анализе механизма денежной трансмиссии в число эндогенных переменных включается дополнительная переменная, ассоциируемая с определенным каналом денежной трансмиссии. Таким образом, вывод о преобладающем типе механизма делается на основе анализа импульсных функций отклика как «характерной» переменной на денежный шок, так и выпуска на изменения в денежной политике и динамике «характерной» переменной.

Правила денежно-кредитной политики. Эмпирическая проверка фактических правил (промежуточных целей) денежно-кредитной политики является относительно новой частью анализа денежно-кредитной политики. Основополагающая работа по данному вопросу [11] , предлагающая методологию анализа и представляющая результаты соответствующих оценок для США, ФРГ, Японии, Великобритании, Франции и Италии, подготовленная Кларидой, Гали и Гертлером, была опубликована только в 1997 году [12] . Альтернативные подходы представляют собой, по сути, упрощенную версию метода Клариды, Гали и Гертлера [13] .

Эмпирическая модель Клариды, Гали и Гертлера предполагает, что основным инструментом политики, которым пользуются денежные власти для достижения своей цели, является базовая процентная ставка. Таким образом, целевое значение базовой процентной ставки, r*, устанавливается исходя из ожидаемых в момент времени t отклонений значений основных макроэкономических величин, являющихся целями при реализации денежно-кредитной политики (выпуска, y, и инфляции, p), от целевых значений, т.е.:

,

где  – долгосрочная равновесная номинальная процентная ставка.

Предположим, что фактическое значение базовой процентной ставки является линейной комбинацией целевого значения ставки и фактического значения ставки в предыдущий момент времени:

,

где r – коэффициент, отвечающий за степень сглаживания динамики процентной ставки.

Объединяя оба условия, а также заменяя ненаблюдаемые ожидаемые значения переменных их фактическими значениями, мы получаем следующую спецификацию уравнения для проверки правил денежно-кредитной политики:

.

Теперь предположим, что существует вектор U_t, состоящий из переменных, входящих в информационное множество, доступное денежным властям при выборе значения базовой ставки, ортогональный к e_t. Обычно элементы вектора U_t включают в себя лаговые значения переменных, используемые для прогнозирования выпуска и инфляции, а также текущие значения переменных, не коррелированных с текущими шоками в процентной ставке u_t. Тогда, поскольку , оценки параметров модели (a, b, g, r) могут быть получены с помощью обобщенного метода моментов.

Поскольку в нашем случае размерность множества доступной денежным властям информации и, следовательно, число ортогональных условий, превышают число параметров, модель является переопределенной, и мы имеем право проверить выполнение наложенных ограничений. Другими словами, нулевая гипотеза предполагает, что существуют такие значения параметров (a, b, g, r), что выполняется условие ортогональности между остатками и информационным вектором.

Базовая спецификация модели Клариды, Гали и Гертлера предполагает проверку гипотезы относительно таргетирования инфляции денежными властями, при этом целевое значение инфляции может быть рассчитано на основе полученных оценок коэффициентов в модели как:

,

где  – долгосрочное равновесное значение реальной процентной ставки, которая принимается равной средней реальной процентной ставки за период наблюдений.

Для проверки гипотезы относительно альтернативных неявных целей денежно-кредитной политики базовая модель может быть расширена в виде:

,

где z_t – альтернативная целевая для денежных властей переменная (например, темп роста денежного агрегата, номинального или реального курса, текущее значение инфляции и т.д.) Соответственно, лаговые значения данной переменной должны быть добавлены в вектор инструментальных переменных.

Экономическая интерпретация оценок коэффициентов ( b, g, f) предполагает, что коэффициенты имеют знак, соответствующий направлению изменения процентной ставки денежными властями для уменьшения разрыва между ожидаемым и целевым значением таргетируемого параметра (например, «плюс» – для коэффициентов при инфляции и выпуске). Статистическая значимость нескольких коэффициентов означает, что денежные власти стараются учитывать в своей политике сразу несколько целей, другими словами, в базовом случае таргетирование инфляции осуществляется с учетом ожидаемых изменений в выпуске. В зависимости от абсолютного значения коэффициента выделяют два режима политики денежных властей: 1) «адаптация» ( ) – денежные власти реагируют изменением процентной ставки на отклонение таргетируемого показателя от целевого значения, но реакция недостаточна для достижения целевого значения; 2) «стабилизация» ( ) – денежные власти изменяют процентную ставку при отклонении таргетируемого показателя от целевого значения на величину, достаточную для достижения целевого значения.

В числе основных работ, посвященных анализу неявных правил денежно-кредитной политики на основе подхода Клариды, Гали и Гертлера, следует назвать исследования Бернанкии, Гали, Гертлера, Дули, Клариды, Кларка, Лэкстона, Роуза, Рудебуша и Чинна [14] .

2. Анализ механизмов трансмиссии денежно-кредитной политики в российской экономике

Прежде чем приступить к анализу механизмов денежной трансмиссии в экономике России, мы провели анализ влияния денежного предложения и цен на динамику реального выпуска. Анализ проводился на основе построения импульсных функций отклика векторной авторегрессионной модели:

,

где lnM – показатель денежного предложения, lnY – реальный выпуск, lnP – уровень цен, X₁ …X_n – экзогенные переменные.

В качестве показателя реального выпуска мы выбираем индекс промышленного производства (очищенный от сезонных и календарных эффектов). Мы будем рассматривать четыре показателя денежного предложения – наличные деньги М₀ (M0), денежную базу (резервные деньги, H), денежную массу М₁ (M1) и денежную массу М₂ (M2). Аналогично методике, использованной при исследовании спроса на деньги, уровень цен рассчитан путем построения базового индекса цен на основе данных об индексе потребительских цен (уровень цен на конец января 1992 года принят равным единице). Вектор экзогенных переменных включает темпы прироста номинального курса рубля (DER) к доллару США, реальный эффективный обменный курс к доллару США (RER), и логические переменные, отвечающие за финансовый кризис в августе и сентябре 1998 года (D₈₉₈, D₉₉₈). Данные о денежных агрегатах и номинальном курсе рубля взяты из материалов Банка России, индексе потребительских цен – Госкомстата РФ, реальном эффективном курсе рубля – МВФ (International Financial Statistics), индексе промышленного производства – ЦЭК при Правительстве РФ и ГУ-ВШЭ.

Оценка модели проводится на 4 временных интервалах, месячные данные: с января 1992 года по декабрь 2001 года (120 наблюдений), с января 1992 года и июль 1998 года (79 наблюдений), с октября 1998 года по декабрь 2001 года (39 наблюдений) и с июня 1995 года по декабрь 2001 года (79 наблюдений). Последний временной интервал выбран для сопоставимости с периодом, на котором будет проведен анализ каналов денежной трансмиссии (определяется временным интервалом для которого имеется ряд наблюдений резервных денег, которые мы будем использовать в качестве показателя денежного предложения).

Результаты тестов на единичный корень для рассматриваемых временных рядов на выбранных временных интервалах (мы руководствовались статистиками теста Филлипса-Перрона для временных интервалов 01.1992–12.2001 и 06.1995–12.2001, поскольку эти периоды включают момент структурного сдвига в августе–сентябре 1998 года, наблюдавшегося во всех временных рядах, и статистиками расширенного теста Дикки-Фуллера на двух других временных интервалах) свидетельствуют, что большинство переменных на рассматриваемых временных интервалах являются интегрированными первого порядка, и в дальнейшем мы будем оценивать векторные авторегрессионные модели с учетом коинтеграционных соотношений между эндогенными переменными. Исключение составляют темп прироста номинального обменного курса рубля к доллару США (на всех периодах) и логарифм цен (на периоде с октября 1998 года по декабрь 2001 года). Поскольку последний временной ряд является стационарным относительно детерминированного линейного тренда в модели векторной авторегрессии будет включен ряд отклонений от линейного тренда (остатков от регрессии логарифма цен на константу и линейный временной тренд).

Оценка на периоде 01.1992–12.2001. Результаты теста Йохансена свидетельствуют о существовании единственного коинтеграционного соотношения для трехмерного вектора рассматриваемых переменных как при использовании в качестве показателя денежного предложения денежной массы М₀, так и денежной массы М₂. Для выбора количества лагов в модели векторной авторегрессии с коррекцией ошибок мы оценили варианты модели с количеством лагов от 1 до 12. Согласно информационному критерию Шварца для обоих показателей денежного предложения наилучшие статистические качества имеют модели с количеством лагов, равным четырем. Согласно двум другим статистическим критериям – Акаике и LogLikelihood Ratio – статистические качества моделей возрастают с увеличением количества лагов. Однако поскольку с увеличением числа лагов у нас сильно сокращается число степеней свободы, при выборе конечной спецификации мы в данном случае больше полагаемся на критерий Шварца.

Импульсные функции отклика изменения логарифма выпуска на шоки цен и денежного предложения (М₀ и М₂) для моделей векторной авторегрессии с коррекцией ошибок с учетом четырех лагов приведены на рисунке 1. Как видно из представленных графиков, значения функций откликов во всех случаях статистически незначимы, т.е. гипотеза о влиянии денег на объем выпуска на всем периоде отвергается на 95% уровне значимости.

Рисунок 1.

Оценка на периоде 01.1992–07.1998. Результаты теста Йохансена свидетельствуют о существовании двух коинтеграционных соотношений для трехмерных векторов рассматриваемых переменных в случаях М₀ и М₂ и единственного коинтеграционного соотношения в случаях М₁ и резервных денег.

Выбор количества лагов в моделях векторной авторегрессии с коррекцией ошибок осуществлялся по алгоритму, аналогичному тому, который был применен на всем периоде наблюдений. Cогласно информационному критерию Шварца наилучшие статистические качества имеют модели с количеством лагов, равным четырем – для денежного агрегата М₀, и шести – в случае М₂. Для моделей, включающих денежные агрегаты М₁ и резервные деньги, оценки проводились до 7 лагов включительно, так как наблюдения данных показателей доступны на более коротком периоде (06.1995–07.1998, 38 наблюдений). Согласно всем статистическим критериям статистические качества последних моделей возрастают с увеличением количества лагов, однако, принимая во внимание малое число степеней свободы при большом количестве лагов, мы не можем рассматривать такие спецификации векторных авторегрессий как адекватные наблюдаемым данным и использовать оцененные импульсные функции отклика для анализа влияния денежных шоков на выпуск.

Таким образом, на данном подпериоде мы построили две импульсные функции отклика изменения логарифма выпуска на шоки цен и денежного предложения. В случае М₀ модель оценена с учетом четырех лагов, а в случае М₂ – шести лагов рассматриваемых переменных. Как видно из представленных графиков (рисунок 2), значения функций откликов выпуска на денежные шоки также как и на всем периоде статистически незначимы. В то же время, на протяжении первых 5–6 месяцев наблюдается отрицательный отклик выпуска на ценовой шок, т.е. резкое ускорение темпов инфляции в данный период вызывало сокращение объема выпуска на протяжении около полугода. Такая реакция выпуска на ценовой шок соответствует ситуации высокой инфляции, а также снижению инфляции при сохранении высоких инфляционных ожиданий экономических агентов (например, при низком доверии экономических агентов к проводимой политики финансовой стабилизации), что наблюдалось в России в рассматриваемый период времени.

Рисунок 2.

Оценка на периоде 10.1998–12.2001. Так как на данном временном интервале ряд логарифмов цен является стационарным относительно линейного тренда, мы предполагаем возможность коинтеграции в системе только между двумя переменными – логарифмом выпуска и логарифмом денежного предложения. Результаты теста Йохансена свидетельствуют о существовании одного коинтеграционного соотношения во всех четырех случаях разных денежных агрегатов (М₀, резервные деньги, М₁, М₂).

Вследствие небольшого числа наблюдений, доступных к настоящему времени (39), для выбора числа лагов в векторных авторегрессионных моделях с коррекцией ошибок мы оценили варианты моделей лишь до 7 лагов включительно. Однако согласно всем статистическим критериям наилучшие статистические качества моделей достигаются при максимально возможном при данном числе наблюдений количестве лагов. В таком случае мы не можем рассматривать такие спецификации векторных авторегрессий как адекватные наблюдаемым данным и использовать оцененные импульсные функции отклика для анализа влияния денежных шоков на выпуск.

Оценка на периоде 06.1995–12.2001. Результаты теста Йохансена свидетельствует о существовании единственного коинтеграционного соотношения для трехмерных векторов рассматриваемых переменных в случаях М₀, М₁ и М₂. В то же время, отрицается гипотеза о коинтеграции между переменными в случае резервных денег.

Cогласно информационному критерию Шварца для всех денежных агрегатов наилучшие статистические качества имеют модели с количеством лагов, равным четырем. Также как и в других случаях, значения двух других статистических критериев (Акаике и LogLikelihood Ratio) говорят в пользу улучшения статистических качеств моделей при увеличении количества лагов и не могут служить руководством для выбора наилучшей спецификации.

Графики импульсных функций отклика выпуска на ценовые денежные и ценовые шоки показаны на рисунке 3. Как видно из представленных графиков, отклики выпуска на денежные шоки являются статистически незначимыми на 95% уровне значимости, т.е. мы не может отвергнуть гипотезу об отсутствии влияния денег на выпуск в экономике России на рассматриваемом периоде. В то же время, на периоде до 7–8 месяцев наблюдается отличный от нуля положительный отклик выпуска на положительный ценовой шок (наиболее значим в случаях резервных денег и М₂). Такая реакция выпуска соответствует случаю, описываемому кривой предложения Лукаса, когда экономические агенты увеличивают объем выпуска, рассматривая ценовые шоки как рост относительных цен, а не повышение общего уровня цен. По нашему мнению, подход Лукаса применим для интерпретации полученных результатов, поскольку на протяжении рассматриваемого периода времени преобладали низкие (менее 3% в месяц) значения инфляции, наблюдался последевальвационный импортозамещающий рост экономики.

Рисунок 3.

* * *

Проведенный анализ взаимосвязи денег, цен и выпуска в экономике России позволяет сделать четыре основных вывода:

1) Шоки денежного предложения не оказывали прямого влияния на динамику выпуска на рассматриваемом периоде времени (1992–2001 годы);

2) Количество имеющихся наблюдений на посткризисном периоде (с осени 1998 года до конца 2001 года) пока не достаточно для поверки гипотезы об изменении характера взаимодействия между деньгами и выпуском в экономике России по сравнению с докризисным периодом;

3) В период высоких значений инфляции и низкого доверия экономических агентов к политике финансовой стабилизации (1992–1996 годы) ценовые шоки имели негативный эффект на динамику выпуска: наблюдалось сокращение объема выпуска на протяжении примерно полугода после шока.

4) В период низких значений инфляции и последевальвационного импортозамещающего роста (1997–2001 годы) ценовые шоки имели положительный эффект на динамику выпуска: наблюдалось ускорение темпов роста выпуска на протяжении 7–8 месяцев после шока.

На наш взгляд, полученные выводы об отсутствии влияния денег на выпуск объясняются, во-первых, особенностями и быстротечностью процессов в реальном секторе экономики на протяжении рассматриваемого, достаточно короткого, периода времени. Так, традиционный анализ взаимосвязи денег и выпуска проводится на основе данных, очищенных не только от сезонных и календарных, но и циклических компонент. В нашем случае, все данные приходятся, фактически, на один цикл экономической конъюнктуры, т.е. мы проводим анализ взаимодействия денег и выпуска внутри одного среднесрочного экономического цикла.

Во-вторых, на динамику выпуска накладываются трансформационный спад, вызванный переходом от административно-командной к рыночной экономике, и рост экономики после кризиса 1998 года, все влияние которого не может быть учтено включенными в модель экзогенными переменными.

В-третьих, на протяжении преобладающей части рассматриваемого периода в экономике России нарушались стандартные предпосылки относительно роли и значения денег. В частности, большую роль играли неденежные формы расчетов между экономическими агентами, частным сектором и государством (бартер, зачеты, неплатежи), экономика России характеризуется высокой степенью долларизации. Таким образом, роль шоков рублевого денежного предложения, очевидно, была ограниченной.

Анализ каналов денежной трансмиссии. Проведенный выше анализ не позволил выявить характер влияния денег на реальный выпуск в экономике России, однако в силу указанных объективных условий развития российской экономики мы не можем также отвергнуть гипотезу о том, что такое влияние отсутствовало. В частности, отличные от нуля отклики выпуска на ценовые шоки в условиях преимущественно монетарной природы инфляции свидетельствуют о том, что номинальные денежные шоки не были полностью нейтральны. Это дает нам право провести анализ возможных каналов денежной трансмиссии в экономике России, хотя a priori можно ожидать, что большинство результатов такого исследования окажутся отрицательными, т.е. нам не удастся строго формально выделить какой-либо преобладающий механизм денежной трансмиссии, и мы можем лишь получить свидетельства в пользу возможности существования одного либо нескольких каналов.

Для эмпирического исследования каналов денежной трансмиссии в экономике России мы будем использовать традиционный подход [15] , основанный на анализе импульсных функций откликов и статистических качеств уравнения выпуска в модели векторной авторегрессии (с учетом коррекции ошибок, где необходимо). Нами рассматривалась следующая спецификация модели:

,

где X обозначает переменные, характеризующие тот или иной канал денежной трансмиссии. Модель включает одну экзогенную переменную – логическую переменную, отвечающую за кризисные явления в сентябре 1998 года [16] . В качестве показателя денежной предложения  мы будем использовать резервные деньги (lnH) как агрегат, в наибольшей степени контролируемый и управляемый Центральным банком РФ и, соответственно, отражающий расширение или сжатие денежного предложения в результате проводимой денежно-кредитной политики.

В качестве переменных, отвечающих за отдельные каналы денежной трансмиссии, нами выбраны:

1) Процентный канал (%) – средневзвешенная ставка по кредитам юридических лиц в коммерческих банках (включая Сбербанк России) сроком до 1 года (данные Банка России, IL);

2) Канал банковского кредитования (BL) – доля кредитов нефинансовому сектору экономике в общем объеме активов банковской системы (данные Банка России, );

3) Канал денежных потоков (CF) – денежная масса М₂ как показатель общего объема рублевых платежных средств в экономике (