Два спора о прогнозах
Одним из сюжетов в обсуждении макроэкономических моделей на недавнем семинаре ЦМАКП (напомню, что запись доступна здесь) был спор о прогнозах как о критерии качества. Должны ли мы требовать от моделей точного прогноза? Олег Шибанов (РЭШ) настаивал на том, что это критически важно для прикладного экономиста. А Александр Исаков (ЦМИ Сбербанка) возражал, что этот критерий важен не всегда.
Мой взгляд на эту историю компромиссный:
— С одной стороны, я думаю, мы должны требовать хороших вневыборочных краткосрочных прогнозов. Например, на квартал вперед. Потому что это одна из немногих объективных метрик качества, по которым мы можем сравнивать модели очень разной природы.
— С другой стороны, требовать точных (в статистическом смысле) долгосрочных прогнозов от моделей бессмысленно. Они все равно не умеют их давать. Особенно в России с её частыми структурными изменениями.
На длинном горизонте хорошие модели могут быть скорее инструментами сценарного анализа и содержательного исследования взаимосвязей.
Вот, например, одна из самых цитируемых обзорных работ на эту тему:
Carriero, Clark, Marcellino — “A comprehensive evaluation of macroeconomic forecasting methods” (International Journal of Forecasting, 2019)
Авторы собирают тысячи сравнений точности из большого набора моделей/горизонтов и проводят мета-регрессии по факторам, влияющим на относительную точность (класс модели, размер информационного набора, горизонт и т.п.). Они как раз рассматривают горизонты от квартала до двух лет.
Общие выводы по поводу способности моделей качественно прогнозировать:
На квартал вперед: скорее да. Многие современные модели (BVAR/DFM/смешанные MIDAS-подходы, DSGE в некоторых конфигурациях) конкурентоспособны. В мета-регрессионной оценке по литературе горизонт 1 квартал — типично среди наиболее предсказуемых.
На два года вперед: скорее нет, если под «качественно» понимать стабильно низкие ошибки и надежное распознавание режимных сдвигов. Именно на горизонтах порядка 1–2 лет резко проявляется роль непредсказуемых шоков, пересмотров статистики и ошибок в сценарных допущениях.
***
Второй спор про прогнозы возник у нас Владимиром Вертоградовым. Владимир полагает, что в отраслевом анализе, в отличие от макро, долгосрочные прогнозы возможны. А я считаю, что и там экономисты на два года вперед тоже прогнозировать не умеют.
В связи с этим у меня просьба к читателям: развейте мой пессимизм. Покажите мне работу про долгосрочное прогнозирование спроса — например, на автомобильные марки/бренды — в авторитетном международном журнале. Если это работа демонстрирует хорошее (в статистическом смысле) качество долгосрочного прогноза, то с меня приз и благодарность. Да и Владимир, вероятно, в долгу не останется;)
Одним из сюжетов в обсуждении макроэкономических моделей на недавнем семинаре ЦМАКП (напомню, что запись доступна здесь) был спор о прогнозах как о критерии качества. Должны ли мы требовать от моделей точного прогноза? Олег Шибанов (РЭШ) настаивал на том, что это критически важно для прикладного экономиста. А Александр Исаков (ЦМИ Сбербанка) возражал, что этот критерий важен не всегда.
Мой взгляд на эту историю компромиссный:
— С одной стороны, я думаю, мы должны требовать хороших вневыборочных краткосрочных прогнозов. Например, на квартал вперед. Потому что это одна из немногих объективных метрик качества, по которым мы можем сравнивать модели очень разной природы.
— С другой стороны, требовать точных (в статистическом смысле) долгосрочных прогнозов от моделей бессмысленно. Они все равно не умеют их давать. Особенно в России с её частыми структурными изменениями.
На длинном горизонте хорошие модели могут быть скорее инструментами сценарного анализа и содержательного исследования взаимосвязей.
Вот, например, одна из самых цитируемых обзорных работ на эту тему:
Carriero, Clark, Marcellino — “A comprehensive evaluation of macroeconomic forecasting methods” (International Journal of Forecasting, 2019)
Авторы собирают тысячи сравнений точности из большого набора моделей/горизонтов и проводят мета-регрессии по факторам, влияющим на относительную точность (класс модели, размер информационного набора, горизонт и т.п.). Они как раз рассматривают горизонты от квартала до двух лет.
Общие выводы по поводу способности моделей качественно прогнозировать:
На квартал вперед: скорее да. Многие современные модели (BVAR/DFM/смешанные MIDAS-подходы, DSGE в некоторых конфигурациях) конкурентоспособны. В мета-регрессионной оценке по литературе горизонт 1 квартал — типично среди наиболее предсказуемых.
На два года вперед: скорее нет, если под «качественно» понимать стабильно низкие ошибки и надежное распознавание режимных сдвигов. Именно на горизонтах порядка 1–2 лет резко проявляется роль непредсказуемых шоков, пересмотров статистики и ошибок в сценарных допущениях.
***
Второй спор про прогнозы возник у нас Владимиром Вертоградовым. Владимир полагает, что в отраслевом анализе, в отличие от макро, долгосрочные прогнозы возможны. А я считаю, что и там экономисты на два года вперед тоже прогнозировать не умеют.
В связи с этим у меня просьба к читателям: развейте мой пессимизм. Покажите мне работу про долгосрочное прогнозирование спроса — например, на автомобильные марки/бренды — в авторитетном международном журнале. Если это работа демонстрирует хорошее (в статистическом смысле) качество долгосрочного прогноза, то с меня приз и благодарность. Да и Владимир, вероятно, в долгу не останется;)
Яндекс Диск
sem45_260209.mp4
Посмотреть и скачать с Яндекс Диска
👍28❤11
На этой неделе наша кафедра провела методический семинар «Монетарная политика в учебниках и в центральных банках».
Мне кажется очень важным сверять учебные программы с точкой зрения внешних экспертов. Поэтому в этот раз пригласил выступить заместителя начальника Управления экономических исследований Департамента исследований и прогнозирования Банка России Вадима Грищенко.
Вадим не только глубоко погружен в тему, но ещё и рассказывает отлично, так что было здорово. Хочу отметить его ключевые рекомендации и написать, что я сам про них думаю. Такой комментарий нужен, иначе наши студенты еще не раз припомнят мне тезисы Вадима, показанные на фото к этому посту😉
Про бакалавриат
От себя добавлю, что для этой цели также подойдет модель IS-MP, предложенная Дэвидом Ромером, или модель DAD-DAS в том виде, в котором она изложена в свежих изданиях учебника Mankiw (2019).
Я тоже считаю очень важным показывать логику подобных моделей с правилом монетарной политики. Моя позиция менее радикальная: я все-таки рассказываю модель IS-LM. Однако не ограничиваюсь ею и демонстрирую более современные постановки (типа IS-MP, IS-PC-MR, DAD-DAS). Сочетание двух подходов дает лучшую экономическую интуицию.
Аналогично с денежным мультипликатором: я рассказываю эту теорию, но одновременно сообщаю о ее ограничениях применительно к современной реальности. Это важно, так как ограничения весьма существенны!
Про магистратуру
И про DSGE, и про КПМ я полностью согласен: показываю их в рамках своего продвинутого курса «Моделирование монетарной политики».
Что касается ОНЕГДКП, то я уверен, что встречу с ними не нужно откладывать до магистратуры. Этот документ написан достаточно понятно, чтобы знакомить с ним людей уже на 1-2 годах обучения в бакалавриате. Что я с удовольствием и делаю: отличный способ связать теорию из учебников с практикой монетарной политики!
Мне кажется очень важным сверять учебные программы с точкой зрения внешних экспертов. Поэтому в этот раз пригласил выступить заместителя начальника Управления экономических исследований Департамента исследований и прогнозирования Банка России Вадима Грищенко.
Вадим не только глубоко погружен в тему, но ещё и рассказывает отлично, так что было здорово. Хочу отметить его ключевые рекомендации и написать, что я сам про них думаю. Такой комментарий нужен, иначе наши студенты еще не раз припомнят мне тезисы Вадима, показанные на фото к этому посту😉
Про бакалавриат
Вадим советует рассказывать основы бухучета и анализ на упрощенных балансах (Т-счетах), а затем излагать создание денег в современном формате, не опираясь на теорию денежного мультипликатора. См., например, McLeay et al. (2014).
Вместо модели IS-LM-(BP), нужно изучать модель, где кривая IS сразу дополняется кривой Филлипса и правилом монетарной политики. То есть модель, где делается фокус на том, что современные центральные банки в первую очередь управляют процентными ставками. Вадим тут рекомендует модель IS-PC-MR, которая представлена в учебнике Carlin&Soskice (2023).
От себя добавлю, что для этой цели также подойдет модель IS-MP, предложенная Дэвидом Ромером, или модель DAD-DAS в том виде, в котором она изложена в свежих изданиях учебника Mankiw (2019).
Я тоже считаю очень важным показывать логику подобных моделей с правилом монетарной политики. Моя позиция менее радикальная: я все-таки рассказываю модель IS-LM. Однако не ограничиваюсь ею и демонстрирую более современные постановки (типа IS-MP, IS-PC-MR, DAD-DAS). Сочетание двух подходов дает лучшую экономическую интуицию.
Аналогично с денежным мультипликатором: я рассказываю эту теорию, но одновременно сообщаю о ее ограничениях применительно к современной реальности. Это важно, так как ограничения весьма существенны!
Про магистратуру
Вадим отмечает, что в магистерских курсах нужно подробно рассказывать про создание денег как в аналитическом материале
«Фиатные деньги».
И обсуждать сложные вопросы стратегии ДКП в объеме Основных направлений единой государственной денежно-кредитной политики (
ОНЕГДКП
), а также дополняющих их обзоров и аналитических записок Банка России.
Наконец, нужно сочетать изучение динамических стохастических моделей общего равновесия (DSGE-моделей) с анализом квартальной прогнозной модели (КПМ) Банка России.
И про DSGE, и про КПМ я полностью согласен: показываю их в рамках своего продвинутого курса «Моделирование монетарной политики».
Что касается ОНЕГДКП, то я уверен, что встречу с ними не нужно откладывать до магистратуры. Этот документ написан достаточно понятно, чтобы знакомить с ним людей уже на 1-2 годах обучения в бакалавриате. Что я с удовольствием и делаю: отличный способ связать теорию из учебников с практикой монетарной политики!
❤49👍21
Команда The Experts: School of Finance опубликовала запись моей лекции «Долгосрочная нейтральность денег: миф или реальность?»
Спасибо коллегам и приятного просмотра всем заинтересованным!
YouTube:
https://youtu.be/phlbhLEaSU4?si=Y05txcsEsUiCJQZR
VK:
https://vk.com/video-125749731_456239442
Спасибо коллегам и приятного просмотра всем заинтересованным!
YouTube:
https://youtu.be/phlbhLEaSU4?si=Y05txcsEsUiCJQZR
VK:
https://vk.com/video-125749731_456239442
YouTube
Долгосрочная нейтральность денег: мифы и реальность
Филипп Картаев — доктор экономических наук, заведующий кафедрой микро- и макроэкономического анализа экономического факультета МГУ, главный редактор научного журнала Банка России «Деньги и кредит»
0:00 - Представление спикера
1:03 - Концепция долгосрочной…
0:00 - Представление спикера
1:03 - Концепция долгосрочной…
🔥50❤14
На «Макромастерской» в Казани я говорил про ДКП и экономический рост. Но об этом в моём исполнении уже можно послушать по ссылке в предыдущем посте. Здесь — о прогнозировании.
Мне кажется важной мысль, которую на круглом столе по ИИ высказал Александр Исаков: при использовании генеративных моделей искусственного интеллекта для построения прогнозов возникает серьёзная методологическая проблема.
Она состоит в том, что для таких моделей фактически не существует тестовой выборки.
Как мы обычно проверяем качество прогноза в машинном обучении или эконометрике? Мы делим данные на обучающую выборку (например, 2014–2023 годы) и тестовую выборку (например, 2024–2025 годы).
Сначала оцениваем параметры модели на обучающей выборке, не «показывая» ей тестовые данные. Затем смотрим, насколько хорошо модель предсказывает, что произойдет с прогнозируемой переменной 2024-2025 году. И сравниваем модельный прогноз с фактическими данными. Это называется процедурой псевдовневыборочного прогнизрования. По сути, это единственный честный способ проверить, способна ли модель предсказывать неизвестное ей будущее, а не просто хорошо описывать прошлое.
Проблема в том, что генеративные модели ИИ обучены на огромных массивах данных из интернета. Мы не можем гарантированно «скрыть» от них тестовую выборку. Всё, что известно о данных нам, потенциально известно и модели. Даже если мы попросим её не «подглядывать» в статистику 2024–2025 годов — и даже если она формально пообещает этого не делать, — у нас нет способа проверить, что она не жульничает. Такие модели остаются чёрным ящиком.
Поэтому к заявлениям о том, что большие языковые модели превосходят традиционные методы ML или эконометрику в прогнозировании, стоит относиться осторожно. Убедительность таких утверждений определяется тем, в какой мере авторы смогли решить описанную проблему.
Мне кажется важной мысль, которую на круглом столе по ИИ высказал Александр Исаков: при использовании генеративных моделей искусственного интеллекта для построения прогнозов возникает серьёзная методологическая проблема.
Она состоит в том, что для таких моделей фактически не существует тестовой выборки.
Как мы обычно проверяем качество прогноза в машинном обучении или эконометрике? Мы делим данные на обучающую выборку (например, 2014–2023 годы) и тестовую выборку (например, 2024–2025 годы).
Сначала оцениваем параметры модели на обучающей выборке, не «показывая» ей тестовые данные. Затем смотрим, насколько хорошо модель предсказывает, что произойдет с прогнозируемой переменной 2024-2025 году. И сравниваем модельный прогноз с фактическими данными. Это называется процедурой псевдовневыборочного прогнизрования. По сути, это единственный честный способ проверить, способна ли модель предсказывать неизвестное ей будущее, а не просто хорошо описывать прошлое.
Проблема в том, что генеративные модели ИИ обучены на огромных массивах данных из интернета. Мы не можем гарантированно «скрыть» от них тестовую выборку. Всё, что известно о данных нам, потенциально известно и модели. Даже если мы попросим её не «подглядывать» в статистику 2024–2025 годов — и даже если она формально пообещает этого не делать, — у нас нет способа проверить, что она не жульничает. Такие модели остаются чёрным ящиком.
Поэтому к заявлениям о том, что большие языковые модели превосходят традиционные методы ML или эконометрику в прогнозировании, стоит относиться осторожно. Убедительность таких утверждений определяется тем, в какой мере авторы смогли решить описанную проблему.
👍63🤝13💅2❤1🗿1
Съездил прочитать лекцию для любимой Экономико-математической школы экономического факультета МГУ. Беседовал со студентами и школьниками о монетарной политике.
После лекции выступил в роли лорда Ланнистера в настольной версии Игры престолов.
Схлестнулся с разными замечательными выпускникам ЭМШ и МГУ, среди которых был и профессор РЭШ Тимур Соболев, игравший за Старков.
Лорд-профессор РЭШ сражался храбро, но поле в этот раз осталось за Ланнистерами из МГУ:)
После лекции выступил в роли лорда Ланнистера в настольной версии Игры престолов.
Схлестнулся с разными замечательными выпускникам ЭМШ и МГУ, среди которых был и профессор РЭШ Тимур Соболев, игравший за Старков.
Лорд-профессор РЭШ сражался храбро, но поле в этот раз осталось за Ланнистерами из МГУ:)
❤62👍27😁10👾2✍1👏1
Forwarded from Банк России
Банк России
Video message
#заметки
об экономике
Вопрос, который мне задают люди: в январе инфляция скакнула, а ЦБ снизил ставку. Как же вы собираетесь снизить инфляцию?
Да, ЦБ часто говорит, что повышает ставку, чтобы снизить инфляцию, а тут наоборот. Но противоречия здесь нет. Почему?
Во-первых, для решений по ставке важен не рост цен за отдельно взятый месяц, а устойчивая инфляция.
В ноябре-декабре общий рост цен был низкий, а в январе — высокий. Это случилось:
1/ и из-за разового эффекта повышения НДС в январе,
2/ и из-за того, что в декабре продавцы стремились распродать остатки товаров до повышения НДС и поэтому не торопились повышать цены.
3/ А еще из-за того, что зимнее подорожание огурцов и помидоров в этом году пришлось не на ноябрь-декабрь (которые были теплыми), а на январь (который оказался даже более морозным, чем обычно).
Но в итоге на конец января годовая инфляция составила 6%. Это ниже, чем прогноз Банка России на конец 2025 года — 6,5-7,0%, т.е. суммарный рост цен за последние месяцы меньше, чем мы ожидали.
Во-вторых, на инфляцию влияет не столько изменение ставки, сколько ее уровень. Причем этот процесс растянут во времени, поэтому на инфляцию 2026 года будут продолжать влиять те высокие значения ключевой ставки, которые мы поддерживали в течение 2025 года. Другими словами: если ставка очень постепенно снижается с высоких значений, то полагать, что очередное ее снижение, которое происходит в рамках прогноза, спровоцирует резкое ускорение инфляции, точно неуместно.
Это, кстати, очень важный посыл.
Если:
1/ инфляция замедляется в соответствии с прогнозом,
2/ новых, ранее неизвестных шоков для инфляции не возникло,
3/ и прогноз предполагал постепенное снижение ставки (а на 2026 год наш октябрьский прогноз это предполагал),
то центральный банк как раз и будет реализовывать это постепенное снижение ставки.
И в-третьих, ключевая ставка 15,5% при заметно замедлившейся инфляции — это по-прежнему жесткая политика. Такая политика сдерживает кредитную активность. И, соответственно, не позволит спросу опять уйти «в отрыв» от прироста производственных возможностей и спровоцировать тем самым еще один виток инфляции.
Алексей Заботкин,
заместитель Председателя Банка России
об экономике
Вопрос, который мне задают люди: в январе инфляция скакнула, а ЦБ снизил ставку. Как же вы собираетесь снизить инфляцию?
Да, ЦБ часто говорит, что повышает ставку, чтобы снизить инфляцию, а тут наоборот. Но противоречия здесь нет. Почему?
Во-первых, для решений по ставке важен не рост цен за отдельно взятый месяц, а устойчивая инфляция.
В ноябре-декабре общий рост цен был низкий, а в январе — высокий. Это случилось:
1/ и из-за разового эффекта повышения НДС в январе,
2/ и из-за того, что в декабре продавцы стремились распродать остатки товаров до повышения НДС и поэтому не торопились повышать цены.
3/ А еще из-за того, что зимнее подорожание огурцов и помидоров в этом году пришлось не на ноябрь-декабрь (которые были теплыми), а на январь (который оказался даже более морозным, чем обычно).
Но в итоге на конец января годовая инфляция составила 6%. Это ниже, чем прогноз Банка России на конец 2025 года — 6,5-7,0%, т.е. суммарный рост цен за последние месяцы меньше, чем мы ожидали.
Во-вторых, на инфляцию влияет не столько изменение ставки, сколько ее уровень. Причем этот процесс растянут во времени, поэтому на инфляцию 2026 года будут продолжать влиять те высокие значения ключевой ставки, которые мы поддерживали в течение 2025 года. Другими словами: если ставка очень постепенно снижается с высоких значений, то полагать, что очередное ее снижение, которое происходит в рамках прогноза, спровоцирует резкое ускорение инфляции, точно неуместно.
Это, кстати, очень важный посыл.
Если:
1/ инфляция замедляется в соответствии с прогнозом,
2/ новых, ранее неизвестных шоков для инфляции не возникло,
3/ и прогноз предполагал постепенное снижение ставки (а на 2026 год наш октябрьский прогноз это предполагал),
то центральный банк как раз и будет реализовывать это постепенное снижение ставки.
И в-третьих, ключевая ставка 15,5% при заметно замедлившейся инфляции — это по-прежнему жесткая политика. Такая политика сдерживает кредитную активность. И, соответственно, не позволит спросу опять уйти «в отрыв» от прироста производственных возможностей и спровоцировать тем самым еще один виток инфляции.
Алексей Заботкин,
заместитель Председателя Банка России
❤21👍1💊1🤷1
Банк России
#заметки об экономике Вопрос, который мне задают люди: в январе инфляция скакнула, а ЦБ снизил ставку. Как же вы собираетесь снизить инфляцию? Да, ЦБ часто говорит, что повышает ставку, чтобы снизить инфляцию, а тут наоборот. Но противоречия здесь нет.…
У Банка России появился новый формат, с непосредственным комментарием по поводу, пожалуй, самого актуального вопроса о монетарной политике начала этого года.
Мне кажется, крутой формат. Даёшь больше кружочков от регулятора!
Мне кажется, крутой формат. Даёшь больше кружочков от регулятора!
🔥27❤15💯5👍2🤗2
***
В поисках правила Тейлора. Часть 1
Собираясь написать пост о современных результатах в оценивании правила Тейлора, я подумал, что не все читатели этого блога знают, что это такое. Поэтому сначала — краткое объяснение самого правила, а о свежих результатах я расскажу во второй части.
Правило Тейлора — это простая формула для определения ключевой ставки центрального банка, в которой ставка зависит от инфляции и реального выпуска. Точнее — от разрыва выпуска, то есть процентного отклонения фактического ВВП потенциального ВВП (ВВП, соответствующего долгосрочному равновесию экономики).
Первоначальная версия формулы, предложенная Джоном Тейлором в 1993 году для США, показана на картинке к этому посту.
Логика правила довольно проста:
Во-первых, если инфляция растёт, необходимо проводить более жёсткую политику — повышать ставку. В исходной формуле на каждый дополнительный процентный пункт инфляции центральный банк должен реагировать повышением ключевой ставки на полтора процентного пункта.
И наоборот: если инфляция снижается, ставку можно уменьшить.
Во-вторых, если выпуск сокращается, ставку следует снижать, чтобы поддержать экономику. В оригинальной формуле на снижение выпуска на один процент центральный банк реагирует уменьшением ставки на половину процентного пункта.
И наоборот: если выпуск растет, ставку стоит повышать, чтобы избежать перегрева и будущего разгона инфляции.
Важно подчеркнуть: центральные банки обычно не применяют правило Тейлора механически. Это скорее ориентир, помогающий принимать решение. Он нужен:
• чтобы проверять, насколько текущие решения согласуются с целями по инфляции и стабильности экономики;
• чтобы оценивать, является ли политика «жёсткой» или «мягкой» по историческим меркам;
• чтобы объяснять рынку и обществу логику действий регулятора.
Например, в оригинальных работах Тейлора показано, что в конце прошлого века фактическая ставка ФРС достаточно хорошо соответствовала формуле (см. рисунок), а в начале 2000-х была ниже уровня, рекомендованного правилом. Некоторые критики используют этот факт как аргумент в пользу того, что излишне мягкая политика ФРС стала одной из причин мирового финансового кризиса 2008–2009 годов.
Современные версии правила Тейлора могут отличаться от первоначальной в двух отношениях:
Во-первых, в них могут добавляться дополнительные переменные помимо инфляции и разрыва выпуска. Например, в формуле, используемой Банком России, текущая ключевая ставка зависит от ставки в предыдущем периоде — это делает изменения более плавными.
Во-вторых, коэффициенты (числа) в формуле правила различаются от страны к стране. Ведь они зависят от структуры экономики и целей центрального банка.
Именно обсуждению того, какие коэффициенты можно считать оптимальными и как их оценивать на данных, будет посвящён следующий пост.
В поисках правила Тейлора. Часть 1
Собираясь написать пост о современных результатах в оценивании правила Тейлора, я подумал, что не все читатели этого блога знают, что это такое. Поэтому сначала — краткое объяснение самого правила, а о свежих результатах я расскажу во второй части.
Правило Тейлора — это простая формула для определения ключевой ставки центрального банка, в которой ставка зависит от инфляции и реального выпуска. Точнее — от разрыва выпуска, то есть процентного отклонения фактического ВВП потенциального ВВП (ВВП, соответствующего долгосрочному равновесию экономики).
Первоначальная версия формулы, предложенная Джоном Тейлором в 1993 году для США, показана на картинке к этому посту.
Логика правила довольно проста:
Во-первых, если инфляция растёт, необходимо проводить более жёсткую политику — повышать ставку. В исходной формуле на каждый дополнительный процентный пункт инфляции центральный банк должен реагировать повышением ключевой ставки на полтора процентного пункта.
И наоборот: если инфляция снижается, ставку можно уменьшить.
Во-вторых, если выпуск сокращается, ставку следует снижать, чтобы поддержать экономику. В оригинальной формуле на снижение выпуска на один процент центральный банк реагирует уменьшением ставки на половину процентного пункта.
И наоборот: если выпуск растет, ставку стоит повышать, чтобы избежать перегрева и будущего разгона инфляции.
Важно подчеркнуть: центральные банки обычно не применяют правило Тейлора механически. Это скорее ориентир, помогающий принимать решение. Он нужен:
• чтобы проверять, насколько текущие решения согласуются с целями по инфляции и стабильности экономики;
• чтобы оценивать, является ли политика «жёсткой» или «мягкой» по историческим меркам;
• чтобы объяснять рынку и обществу логику действий регулятора.
Например, в оригинальных работах Тейлора показано, что в конце прошлого века фактическая ставка ФРС достаточно хорошо соответствовала формуле (см. рисунок), а в начале 2000-х была ниже уровня, рекомендованного правилом. Некоторые критики используют этот факт как аргумент в пользу того, что излишне мягкая политика ФРС стала одной из причин мирового финансового кризиса 2008–2009 годов.
Современные версии правила Тейлора могут отличаться от первоначальной в двух отношениях:
Во-первых, в них могут добавляться дополнительные переменные помимо инфляции и разрыва выпуска. Например, в формуле, используемой Банком России, текущая ключевая ставка зависит от ставки в предыдущем периоде — это делает изменения более плавными.
Во-вторых, коэффициенты (числа) в формуле правила различаются от страны к стране. Ведь они зависят от структуры экономики и целей центрального банка.
Именно обсуждению того, какие коэффициенты можно считать оптимальными и как их оценивать на данных, будет посвящён следующий пост.
👍31🔥14❤7✍5
В поисках правила Тейлора. Часть 2
В недавней статье по российской экономике мы с соавторами исследовали, как меняется оптимальная денежно-кредитная политика, если ожидания участников рынка формируются не вполне рационально.
Мы рассматривали диагностические ожидания — ситуацию, когда люди и компании чрезмерно реагируют на свежую информацию и склонны преувеличивать её влияние на будущее. На российских данных мы обнаружили устойчивые подтверждения тому, что такая поведенческая особенность действительно присутствует.
После этого мы оценили «оптимальное» правило Тейлора — то есть такую реакцию ставки, которая в рамках модели минимизирует потери от инфляции и колебаний выпуска.
Оказалось, что в модели с диагностическими ожиданиями:
(1) оптимальное правило предполагает более плавное изменение ставки по сравнению со случаем рациональных ожиданий;
(2) оптимальный коэффициент при разрыве выпуска в формуле правила Тейлора равен нулю (точнее говоря, оказывается статистически неотличимым от нуля).
Иначе говоря, в данной постановке модели включение разрыва выпуска в формулу правила Тейлора не улучшает, а может даже ухудшать макроэкономический результат.
Почему это неочевидно?
В стандартной логике положительный разрыв выпуска — важный индикатор будущей инфляции. Поэтому во многих моделях с рациональными ожиданиями положительный коэффициент при выпуске выглядит вполне оправданным — даже в режиме таргетирования инфляции.
Но если ожидания диагностические, ситуация меняется. Активная реакция на изменения выпуска может усиливать инфляционные колебания через канал ожиданий: агенты начинают экстраполировать краткосрочные сигналы слишком далеко в будущее.
Что это означает для России?
— В среде, где ожидания чувствительны к новостям, особенно важно сохранять фокус на инфляции и управлении инфляционными ожиданиями.
— Реакция на разрыв выпуска как на точно измеряемую величину может быть рискованной — особенно в экономике со структурными сдвигами и высокой неопределённостью оценки потенциального ВВП.
— Плавность траектории ставки при этом выступает самостоятельным стабилизирующим инструментом.
Важно подчеркнуть: из того, что в модели оптимальный коэффициент при разрыве выпуска равен нулю, не следует, что центральный банк должен игнорировать реальный сектор. Разрыв выпуска остаётся значимым элементом прогноза инфляции и индикатором природы шоков, с которыми сталкивается экономика (наприме, он помогает определить, идет ли речь о шоке спроса или предложения).
Кроме того, результат, конечно, зависит от структуры модели, выбранной функции потерь и рассматриваемого периода.
Поэтому аккуратно вывод можно сформулировать так: если ожидания действительно имеют диагностический характер, чрезмерная чувствительность ставки к краткосрочным колебаниям выпуска может не улучшать макроэкономический баланс. В такой среде приоритет инфляции и управления ожиданиями становится ещё более важным, чем в экономике с полностью рациональными ожиданиями.
В недавней статье по российской экономике мы с соавторами исследовали, как меняется оптимальная денежно-кредитная политика, если ожидания участников рынка формируются не вполне рационально.
Мы рассматривали диагностические ожидания — ситуацию, когда люди и компании чрезмерно реагируют на свежую информацию и склонны преувеличивать её влияние на будущее. На российских данных мы обнаружили устойчивые подтверждения тому, что такая поведенческая особенность действительно присутствует.
После этого мы оценили «оптимальное» правило Тейлора — то есть такую реакцию ставки, которая в рамках модели минимизирует потери от инфляции и колебаний выпуска.
Оказалось, что в модели с диагностическими ожиданиями:
(1) оптимальное правило предполагает более плавное изменение ставки по сравнению со случаем рациональных ожиданий;
(2) оптимальный коэффициент при разрыве выпуска в формуле правила Тейлора равен нулю (точнее говоря, оказывается статистически неотличимым от нуля).
Иначе говоря, в данной постановке модели включение разрыва выпуска в формулу правила Тейлора не улучшает, а может даже ухудшать макроэкономический результат.
Почему это неочевидно?
В стандартной логике положительный разрыв выпуска — важный индикатор будущей инфляции. Поэтому во многих моделях с рациональными ожиданиями положительный коэффициент при выпуске выглядит вполне оправданным — даже в режиме таргетирования инфляции.
Но если ожидания диагностические, ситуация меняется. Активная реакция на изменения выпуска может усиливать инфляционные колебания через канал ожиданий: агенты начинают экстраполировать краткосрочные сигналы слишком далеко в будущее.
Что это означает для России?
— В среде, где ожидания чувствительны к новостям, особенно важно сохранять фокус на инфляции и управлении инфляционными ожиданиями.
— Реакция на разрыв выпуска как на точно измеряемую величину может быть рискованной — особенно в экономике со структурными сдвигами и высокой неопределённостью оценки потенциального ВВП.
— Плавность траектории ставки при этом выступает самостоятельным стабилизирующим инструментом.
Важно подчеркнуть: из того, что в модели оптимальный коэффициент при разрыве выпуска равен нулю, не следует, что центральный банк должен игнорировать реальный сектор. Разрыв выпуска остаётся значимым элементом прогноза инфляции и индикатором природы шоков, с которыми сталкивается экономика (наприме, он помогает определить, идет ли речь о шоке спроса или предложения).
Кроме того, результат, конечно, зависит от структуры модели, выбранной функции потерь и рассматриваемого периода.
Поэтому аккуратно вывод можно сформулировать так: если ожидания действительно имеют диагностический характер, чрезмерная чувствительность ставки к краткосрочным колебаниям выпуска может не улучшать макроэкономический баланс. В такой среде приоритет инфляции и управления ожиданиями становится ещё более важным, чем в экономике с полностью рациональными ожиданиями.
👍28❤9🔥6
Продуктивно провожу время в Минске.
Здорово, когда можно посоревноваться не только с замечательными российскими коллегами-конкурентами (конечно, тут была команда Вышки), но и с представителями университетов разных стран ЕАЭС
Здорово, когда можно посоревноваться не только с замечательными российскими коллегами-конкурентами (конечно, тут была команда Вышки), но и с представителями университетов разных стран ЕАЭС
❤22
Forwarded from Экономический факультет МГУ им. М. В. Ломоносова
🎉 Команда #ЭФМГУ выиграла XII Евразийскую студенческую олимпиаду по аналитической экономике и прогнозированию в Минске!
Состав команды - студенты 4 курса бакалавриата (ПАН-группа):
⭐️Полина Башаренко;
⭐️Роман Ермольчук;
⭐️Роман Каипов;
⭐️Екатерина Потапова.
🌟Ментор:
Филипп Картаев
Подробности об Олимпиаде ⤵️
https://ecogames.bsu.by/olimpiada/
Поздравляем 👏
#НашиПобеды_ЭФМГУ
Состав команды - студенты 4 курса бакалавриата (ПАН-группа):
⭐️Полина Башаренко;
⭐️Роман Ермольчук;
⭐️Роман Каипов;
⭐️Екатерина Потапова.
🌟Ментор:
Филипп Картаев
Подробности об Олимпиаде ⤵️
https://ecogames.bsu.by/olimpiada/
Поздравляем 👏
#НашиПобеды_ЭФМГУ
❤56👍14🔥7🤣6💅3🏆2🦄1
Рассказал про диагностические ожидания на площадке Национального Банка Республики Беларусь. Спасибо коллегам из БГУ за отличную конференцию!
🔥34❤16🌚8💅4🤣3👍2❤🔥1🗿1