Текст сотрудников кафедры политэкономии ЭФ МГУ о поведенческой экономике. По-настоящему междисциплинарно — в "толстом" литературном журнале 🤝

Любопытны воспоминания о становлении преподавания микро- и макроэкономики в России

Страны: коды, валюты, координаты

Сборка через код в R

library("rvest")
library("countrycode")
library("data.table")
library("ggplot2")

yr="2023"
mon="October"
url_cntrs <- paste0("https://www.imf.org/en/Publications/WEO/weo-database/",yr,"/",mon,"/select-countries?grp=2001&sg=All%20countries")
site_cntr <- read_html(url_cntrs)
Name_IMF <- site_cntr %>% html_nodes("[class='p-icon p-toggle p-plain']") %>% html_element("label") %>% html_text()
Code_IMF <- site_cntr %>% html_nodes("[class='weo-check']") %>% html_attr("value")
Curr_IMF <- site_cntr %>% html_nodes("[class='tooltip fade']") %>% html_attr("data-title")
Curr_IMF <- do.call(rbind,strsplit(Curr_IMF,"\n"))
Curr_IMF <- gsub("Primary domestic currency: ","",Curr_IMF[,1])
DATA <- as.data.frame(cbind(Name_IMF,Code_IMF,Curr_IMF))
DATA$Vers_WEO <- paste(yr, mon, sep="_")
DATA$Code_ISO3 <- countrycode(as.numeric(DATA$Code_IMF),'imf','iso3c')
DATA$Code_ISO2 <- countrycode(as.numeric(DATA$Code_IMF),'imf','iso2c')
DATA <- subset(DATA, is.na(DATA$Code_ISO3)==F & is.na(DATA$Code_ISO3)==F)

url_un <- "https://comtradeapi.un.org/files/v1/app/reference/Reporters.json"
y <- rjson::fromJSON(file=url_un)
rr <- lapply(y[1]$results, function(x) do.call("cbind",x))
ll <- lapply(y[1]$results, function(x) length(x))
un_cntrs_8 <- as.data.frame(do.call("rbind",rr[ll==8]))
un_cntrs_8[un_cntrs_8$reporterCode=="490",5] <- "TW"
un_cntrs_8[un_cntrs_8$reporterCode=="490",6] <- "TWN"
un_cntrs_actual <- as.data.frame(do.call("rbind",rr[ll==9]))
un_cntrs_retro1 <- as.data.frame(do.call("rbind",rr[ll==10]))
un_cntrs_retro2 <- subset(un_cntrs_actual, nchar(un_cntrs_actual$reporterCodeIsoAlpha2)>2)
un_cntrs_actual <- subset(un_cntrs_actual, nchar(un_cntrs_actual$reporterCodeIsoAlpha2)==2)
names(un_cntrs_retro2)[7:8] <- names(un_cntrs_retro1)[8:9]
full <- dplyr::bind_rows(un_cntrs_actual, un_cntrs_8, un_cntrs_retro1, un_cntrs_retro2)
DATA$Code_UN <- full$reporterCode[match(DATA$Code_ISO3, full$reporterCodeIsoAlpha3)]

url_cap <- "https://raw.githubusercontent.com/reganjohn/BHI/master/topology/country-capitals.csv"
cap <- fread(url_cap, na.strings="NULL")
cap <- subset(cap, is.na(cap$countryCode)==F)
DATA$continent <- cap$continent[match(DATA$Code_ISO2, cap$countryCode)]
DATA$capital <- cap$capital[match(DATA$Code_ISO2, cap$countryCode)]
DATA$lat_capital <- cap$latitude[match(DATA$Code_ISO2, cap$countryCode)]
DATA$lon_capital <- cap$longitude[match(DATA$Code_ISO2, cap$countryCode)]

url_coord <- "https://developers.google.com/public-data/docs/canonical/countries_csv"
site_coord <- read_html(url_coord)
crds <- site_coord %>% html_nodes("[class='devsite-article-body clearfix
  ']") %>% html_table()
crds <- crds[[1]]; crds$country[crds$name=="Namibia"] <- "NA"
DATA$lat_center <- crds$latitude[match(DATA$Code_ISO2, crds$country)]
DATA$lon_center <- crds$longitude[match(DATA$Code_ISO2, crds$country)]

DATA$lat_center[is.na(DATA$lat_center)==T] <- DATA$lat_capital[is.na(DATA$lat_center)==T]
DATA$lon_center[is.na(DATA$lon_center)==T] <- DATA$lon_capital[is.na(DATA$lon_center)==T]

world <- ggplot2::map_data("world")
mp <- ggplot(DATA) + geom_map(data = world, map = world, aes(map_id = region), fill=alpha("palegreen1",0.33), col="grey") + 
  geom_point(aes(lon_capital, lat_capital), col="sienna", size=0.7) + geom_point(aes(lon_center, lat_center), col="palegreen4", size=0.5) + 
  theme_void() + scale_y_continuous(limits=c(-50,80))
png(paste0(getwd(), '/mp_coord',substr(Sys.Date(),3,10),'.png'), 
    width = 8, height = 6, units = 'in', res = 700)
mp
dev.off()

Файл — в первом комментарии

У Красного моря

С конца 2023 года работает бета-версия портала PortWatch — совместного проекта МВФ и Оксфорда по мониторингу шоков морской торговли (по данным AIS о координатах судов и их маршрутах). На этих данных построен растиражированный на днях график о падении транзита через Суэцкий канал и росте морских перевозок вдоль мыса Доброй Надежды.

Особенность методологии (см. препринт МВФ 2021 года) — аккуратная процедура выявления пункта назначения каждого рейса: при отсутствии такой информации в порту отправления используются либо данные, обновленные позже (перед прибытием в пункт назначения), либо оценка на основе истории перевозок судна из конкретного порта.

Еще один источник, отслеживающий ситуацию в Красном море (и не только) — Kiel Trade Indicator. Там данные уже не по всем грузам, а по контейнерам.

Сравнение источников — на графике.

P.S. На PortWatch есть и раздел с информацией о 13 морских коридорах и 1388 портах мира (координаты, страна, отраслевая специализация, активность)

Псевдоинтеграция Балкан

Бывший советник министра финансов Северной Македонии, сотрудник wiiw Бранимир Йованович разобрал план интеграции Западных Балкан в ЕС, представленный Еврокомиссией в ноябре прошлого года. Резюме: много благих пожеланий и мало конкретики.


Любопытные детали:

🛂 Сейчас многим желающим работать в ЕС проще получить паспорт Болгарии, чем пройти стандартную процедуру

💰 На весь регион выделили морковку всего на 6 млрд евро за 4 года, причем две трети из них — кредитами (в прошлом 4-летнем плане — 30 млрд евро)

👑 Условие получения денег — проведение трудных реформ и гармонизация многочисленных стандартов с законодательством ЕС

В общем, до 2028 года на новости об интеграции Балкан с ЕС можно не обращать внимания 🍸

«Как я, но не я»

Джейсон Кэмпбелл из Университета Сан Диего на примере китайских фирм обнаружил положительную связь между долей импорта сырья и комплектующих из стран-партнеров и долей экспорта в эти же страны (статья-24, препринт-18).

Он связал это с эффектом «комплементарности издержек» (КИ): импортируя из какой-либо страны, фирма снижает барьеры входа на ее рынок (за счет повышения информированности и установления деловых контактов).

Эффект КИ в статье отделен от эффекта повышения качества конечного товара через импорт комплектующих. Например, фирма, ввозящая много комплектующих из Германии, может активно экспортировать «именно в Германию» (первый эффект) или «в развитые страны, в том числе в Германию» (второй эффект). Эффекты разделены с помощью учета в регрессии доли импорта комплектующих как из страны-партнера, так и из схожих с ней стран по географии или уровню среднедушевого дохода («как я, но не я»).

Почему это может быть важно?

Во-первых, эффект КИ может закреплять сложившиеся отношения экономического партнерства между странами. Он, конечно, не будет барьером при появлении стимулов переориентации торговли на другие страны, но в спокойные времена станет аргументом за сохранение и углубление партнерства.

Во-вторых, для выпуска товаров, экспортируемых в развивающиеся страны, с большей вероятностью будут использоваться комплектующие также из развивающихся стран (как правило, относительно простые или не такие качественные). То есть в целом ряде случаев такие комплектующие будут приоритетны, даже если более качественные комплектующие также доступны

Метрики расстояний

Посчитали с коллегами несколько метрик расстояний между российскими регионами (прямые, ж/д, авто). Статья и данные — в открытом доступе (pdf, xlsx).

Оценки расстояний часто используются в регрессиях на региональных данных, но раньше у исследователей не было возможности найти готовые оценки отдельно по разным видам транспорта. Считать самому == отвлекать существенные ресурсы на боковую задачу. Надеюсь, наша работа окажется кому-то полезной.

При использовании данных, пожалуйста, ссылайтесь на статью:

Галимов Д.И., Гнидченко А.А., Сальников В.А. Оценка расстояний между российскими регионами с учетом транспортной инфраструктуры // Пространственная экономика. 2024. Т. 20. № 1. С. 96–124. https://dx.doi.org/10.14530/se.2024.1.096-124

Милота

Круговорот ресурсов в торговле

В марте на портале resourcetrade.earth — очень удобной платформе для анализа и визуализации мировой торговли ресурсами — были добавлены данные за 2022 год.

Портал позволяет наглядно увидеть торговые потоки между крупнейшими экспортерами и импортерами как по ресурсам в целом, так и по отдельным видам ресурсов (по таким категориям как продовольствие, удобрения, древесина, топливо, металлы, драгоценные камни).

На картинке — пример визуализации по палладию: видим, что США ввозят этот металл из России и ЮАР, а затем частично реэкспортируют его в Европу (проекты Boeing в Европе, в том числе военные). Данные за 2018-2022 гг. можно скачать напрямую с сайта, или прямо отсюда по двум периодам:

✔️ 2018-2022 (по палладию)
✔️ 2013-2017 (по палладию)

✔️ 2018-2022 (по всем ресурсам)
✔️ 2014-2018 (по всем ресурсам)

Виновники торможения

Вчера в блоге МВФ вышел пост на тему перспектив мирового роста, по мотивам 3 главы еще не вышедшего, но уже частично опубликованного апрельского IMF WEO. Глобальный рост в ближайшую пятилетку может оказаться в среднем на 1 проц. п. ниже, чем до пандемии. Пессимизм МВФ по поводу перспектив роста сохранился (первая картинка).

В то же время, эксперты показали, за счет каких компонент замедлился глобальный рост (вторая картинка). Они указывают на СФП* как основную причину замедления и винят неэффективное межфирменное распределение факторов производства — капитала и труда (часто они достаются не самым продуктивным фирмам). Вывод: нужна политика по снятию барьеров на рынке труда, повышение конкурентности рынков, открытости торговли (преодоление геофрагментации) и доступа к финансовым ресурсам. А также, вероятно, развитие применения ИИ**.

И немного личного мнения.

Что здесь смущает? Эксперты явно сравниваются с периодом не до пандемии, а еще до мирового финансового кризиса 2009 года, что видно из второй картинки. Но тогда работал разгоняемый Китаем сырьевой суперцикл. После 2009 г. вклад СФП уже был низкий, а вот вклад капитала (инвестиций) продолжал расти. Отличительная особенность периода после пандемии — резкое снижение вклада капитала, а не СФП. Вернуть тот романтически высокий СФП, вероятно, уже невозможно в текущей реальности. Поэтому стоит ли делать на этом главный акцент?

* СФП — совокупная факторная производительность
** ИИ — искусственный интеллект

Сдвиги в мировой торговле

Вчера показал пару слайдов, иллюстрирующих сдвиги в мировой торговле глазами США и Китая. За последние 5 лет мировая торговля прошла 3 качественно различающихся этапа: «торговая война» — «постковидный трамплин» — «набат геополитики».

Слайды иллюстрируют торговлю США и Китая с ключевыми группами стран-партнеров. Например, можно увидеть, насколько разной была динамика торговли каждой из двух крупнейших экономик мира со странами АСЕАН и странами альянса Chip 4 (Япония, Южная Корея, Тайвань).

Блоки, конечно, формируются — страны внутри блоков более активно торгуют между собой и все такое. Но у Китая с 2022 года держится исторически высокий профицит торговли. Продукция находит сбыт, несмотря на все разговоры, и косвенно этому способствует реэкспорт в США через страны АСЕАН и Северной Америки. Так что Китай все еще «на коне», кто бы что ни говорил

И о питании

Еще одна совместная с коллегами статья в этом году, начинающаяся со слова "оценка". Заиспользовали продовольственные балансы FAO (страничка с данными — здесь).

Продбалансы — интересная штука: определение продуктов завязано в первую очередь на ресурсную базу (привет, ОКОНХ), а не на сферу потребления (как в буржуйском ОКВЭД). Благодаря этому можно посмотреть на продовольственный баланс сквозным образом — по всей цепочке переработки: например, в группу "пшеница и продукты из нее" входят пшеница, мука, хлеб, хлопья для завтрака.

Еще можно увидеть, как потребляется тот или иной продукт — напрямую (food) / на корм скоту (feed) / на посевы (seed) / перерабатывается (processed) и т.д. Правда, зачастую это не прямые данные, а оценка экспертов FAO — но на то и нужны эксперты, чтобы им верить, хотя бы иногда

Коллеги из ЦЦИ опубликовали новый индекс сырьевых цен с фокусом на российский экспорт. Из чего он состоит и какой разной может быть динамика экспортных цен на разных "полюсах" Земли — на этом графике из презентации ЦЦИ

Европошлины на зерновые

На прошлой неделе Совет ЕС утвердил обсуждавшиеся с марта запретительные пошлины на импорт зерна и масел из России (вступят в силу с 1 июля). Значимых негативных эффектов не будет ни для России, ни для ЕС (и в том, и в другом случае доля взаимной торговли этими товарами составляет не более 3-4%). Но на этом фоне стало любопытно, кто из стран ЕС активно покупает злаки и масла в России. Увидеть это можно на прикрепленном графике.

Более детально посмотреть на данные можно на сайте Евростата по запросу

Трудовые перспективы

В период с 01.06.24 по 31.07.24 Минтруд проводит опрос работодателей для определения перспективной потребности в кадрах аж до 29г, а с 25г в России будет запущен нацпроект «Кадры». А пока готовится официальный прогноз...

...коллеги по ЦМАКП в рамках ежегодного проекта «13 тезисов» выпустили спецсюжет «Обеспеченность экономики кадрами: о важнейших структурных дисбалансах», где проанализировали перспективы спроса и предложения работников с высшим профобразованием (ВПО) до 35г. Среди источников данных — Обследование рабочей силы Росстата и новый Мониторинг трудоустройства выпускников (размещен на портале «Работа в России», но требуется авторизация через Госуслуги).

Дисбаланс между ВПО и средним профессиональным образованием (СПО) в последние несколько лет начинает выравниваться (см. картинку), но на уровне многих профессий в будущем сохранятся огромные дисбалансы.

В материал также включены содержательные замечания к проекту официальной методики прогноза потребности в кадрах

Неравенство девальвации

На прошлой неделе в открытом доступе на сайте журнала International Economic Review появилась статья о влиянии девальвации нацвалюты на стоимость потребкорзины разнодоходных групп покупателей. Оценки сделаны на максимально детальных данных супермаркетов METRO в Казахстане.

За год с августа 2015 г. (момент девальвации) стоимость потребкорзины в среднем возросла на 20%, но для бедных покупателей подорожание составило 24%, а для богатых — лишь 16%. Это произошло за счет снижения надбавок ритейлера на импортные товары (преобладающие в структуре потребления богатых) и изменения продуктового ассортимента.

🍯 Одна рука в меду, другая в патоке

Производственный очерк 21 века. Про БАМ и людей

Пересобираем ОЭСР

На следующей неделе старый сайт с данными ОЭСР перестает работать, вся статистика переползает на новый портал. Есть очень удобный excel-файл с переходной таблицей между старыми и новыми рядами. Для пользователей R на основе этого файла подготовил пару функций, позволяющих:

(а) искать в нем нужный код

OecdCode = function(search_phrase) {
  require("data.table")
  require("openxlsx")
  url <- "https://gitlab.com/sis-cc/topologies/oecd-migration/-/raw/main/OECDDatasetsCorrespondence.xlsx"
  corresp <- openxlsx::read.xlsx(url)
  names(corresp) <- corresp[8,]
  corresp <- corresp[-c(1:8),-c(8:9)]
  row.names(corresp) <- c()
  CODES1 <- corresp[tolower(corresp$`OECD.Stat Dataset name (EN)`) %like% tolower(search_phrase), c(1:2,5)]
  CODES2 <- corresp[tolower(corresp$`OECD Data Explorer dataset name (EN)`) %like% tolower(search_phrase), c(1:2,5)]
  CODES <- rbind(CODES1, CODES2)
  CODES <- CODES[duplicated(CODES$`OECD.Stat Dataset code`)==F,]
}

(б) загружать по найденному коду полный ряд

OecdBulk = function(code) {
  require("data.table")
  require("openxlsx")
  require("glue")
  url <- "https://gitlab.com/sis-cc/topologies/oecd-migration/-/raw/main/OECDDatasetsCorrespondence.xlsx"
  corresp <- openxlsx::read.xlsx(url)
  names(corresp) <- corresp[8,]
  corresp <- corresp[-c(1:8),-c(8:9)]
  row.names(corresp) <- c()
  
  rw <- which(corresp[,1] == code)
  link <- corresp[rw,"OECD Data Explorer link"]
  pos1 <- as.numeric(gregexpr(pattern = '\\[ag]=',link))
  pos2 <- as.numeric(gregexpr(pattern = '\\[id]=',link))
  AG <- substr(link,pos1+5,nchar(link))
  ID <- substr(link,pos2+5,pos1-4)
  link_dwnl <- glue::glue("https://sdmx.oecd.org/public/rest/data/{AG},{ID},/all?dimensionAtObservation=AllDimensions&format=csvfilewithlabels")
  DATA <- data.table::fread(link_dwnl)
}

Пример использования:

CODE <- OecdCode("gdp") # таблица с кодами по запросу "gdp"
DATA <- OecdBulk("PDB_GR") # данные по выбранному коду из таблицы