МОДЕЛЮВАННЯ АНТИІНФЛЯЦІЙНОЇ ПОЛІТИКИ

Поділитися Share on Facebook0Tweet about this on TwitterShare on Google+0Share on LinkedIn0Share on Reddit0Pin on Pinterest0Print this page

У статті оцінено основні показники сучасного стану інфляції та антиінфляційної політики. Запропоновано заходи для удосконалення антиінфляційної політики.

Ключові слова: інфляція, антиінфляційна політика, індекс споживчих цін, індекс цін виробника, ARMA, VАR.

В статье оценены основные показатели современного состояния инфляции и антиинфляционной политики. Предложены меры по совершенствованию антиинфляционной политики.

Ключевые слова: инфляция, антиинфляционная политика, индекс потребительских цен, индекс цен производителя, АРМА, VAR.

In the article estimated the main indicators of the current state of inflation and anti-inflation policy. It proposes measures to improve anti-inflation policy.

Keywords: inflation, anti-inflation policy, consumer price index, producer price index, ARMA, VAR.

Постановка проблеми. Вітчизняні та міжнародні експерти вважають інфляцію головною загрозою для України, навіть більшою, ніж зменшення темпів економічного зростання. Саме тому на сучасному етапі в Україні надзвичайно актуальним є питання дослідження інфляційних процесів та антиінфляційної політики.

Інфляція – це знецінювання грошей у результаті перевищення кількості грошових знаків, що перебувають в обігу, порівняно з сумою товарних цін.

Антиінфляційна політика  — комплекс взаємопов’язаних заходів з метою запобігання високим темпам інфляції  та управління нею на незагрозливому для стабільності економічної системи рівні.

Аналіз останніх досліджень та публікацій. У своїх працях науковці прогнозування рівня інфляції робили на основі рівняння регресії, кривої Філіпса, використовуючи екзогенні чинники,  декомпозиції дисперсії прогнозних похибок за допомогою VAR моделей без накладання теоретичних специфікацій тощо.

Дослідженням антиінфляційної політики та інфляційних чинників України займалися такі вчені, як: В. Федоренко, А. Гриценко, А. Сменковський та ін. [6].

Серед структурних моделей можна виділити роботу Болгаріна, Махадеви і Стерна, що розробили структурну модель монетарного трансмісійного механізму в Україні (модель складається з окремих відкаліброваних рівнянь: попиту на гроші, кривої Філліпса, IS-кривої, грошового мультиплікатора, умови непокритого паритету процентних ставок з адаптивними очікуваннями, рівняння реального ВВП) [5]. Петрик і Половньов розробили економетричну модель для прогнозування інфляції на основі дезагрегації ІСЦ на окремі компоненти на основі різноманітних факторів [3], зокрема зростання грошової маси, обмінного курсу, випуску агропромислової продукції [4].

Мета і завдання дослідження. Мета дослідження полягає в побудові моделей та оцінці інфляції і антиінфляційної політики, розробленні заходів покращення антиінфляційної політики на основі моделей.

Об’єктом дослідження є антиінфляційна політика в Україні, а предметом- методологія і практичний інструментарій аналізу та моделювання інфляційних процесів й антиінфляційної політики.

Виклад основного матеріалу. Для багатьох економічних  процесів типово, що ефект від впливу деякого фактора на показник, який характеризує процес, виявляється не відразу, а поступово, через деякий час або протягом деякого часу. Таке явище називається запізнюванням (затримкою), а проміжок часу, у який спостерігається це запізнювання, – часовим лагом,  або просто лагом.

Моделі, у яких досліджуваний показник у момент часу t визначається своїми попередніми значеннями, називаються авторегресійними або динамічними моделями.

При побудові моделей перш за все потрібно перевірити часовий ряд на відповідність нормальному закону розподілу, на відсутність кореляції між факторами, провести тест на стаціонарність та на коінтеграцію.

Сучасна економетрика пропонує широкий спектр неказуальних моделей та відповідно методів оцінювання їх параметрів. До них відносяться: авторегресійні інтегровані моделі з ковзним середнім (ARIMA) та їх чисельні різновиди: авторегресійні умовно гетероскедастичні моделі (ARCH або GARCH-моделі) тощо, а також векторні авторегресійні моделі (VAR – мо-делі).

Необхідною умовою застосування неказуальних, зокрема ARIMA –моделей, є стаціонарність модельованого часового ряду.

Для моделювання рівня інфляції було обрано 6 вхідних змінних та дві вихідні.

Розрахункові дані:

  • рівень безробіття (unemployment);
  • значення валютного курсу на міжбанківському ринку (exchange_rate);
  • номінальна заробітна плата (salary);
  • облікова ставка (discount_rate);
  • грошова база (monetary_base);
  • грошовий мультиплікатор (mm).

Вихідні дані:

  • темп зростання ІСЦ (CPI);
  • темп зростання ІЦВ (PPI).

Було проведено візуальний аналіз вихідних даних.

ІСЦ ІЦВ

Рис. 1. Значення темпів росту індексу споживчих цін та індексу цін виробників в Україні за 2000 – 2014 роки

Як видно із рисунку 1, у 2014 році спостерігалося зростання індексу споживчих цін та індексу цін виробників, що є негативним показником і характеризує ріст інфляційних процесів в економіці країни.

Протягом досліджуваного періоду темп зростання індексу споживчих цін та індексу цін виробника суттєво не коливався, утримуючись на рівні 98 – 102 %. Найбільші значення даних показників припадають на кризовий період, для якого характерним був прояв інфляції. Наприкінці 2008 року спостерігається різке падіння темпу росту індексу цін виробників (до 93,5%), що при подальших дослідженнях може бути розцінене як аномальне значення. За 2014 рік також спостерігається різке падіння індексу цін виробника й підвищення індексу споживчих цін.

Проведення антиінфляційної політики залежить від співвідношення багатьох економічних процесів та ступеня їхньої активності. Найбільшої ефективності можна досягти лише за умов комплексного використання всіх можливих способів боротьби з інфляцією та засобів, спрямованих на зростання довіри населення країни до уряду.

Для того щоб визначити на які чинники необхідно звернути увагу при антиінфляційній політиці спершу необхідно побудувати модель рівня інфляції.

Для того щоб побудувати модель, було проведено ряд тестів та визначено тип моделі. Ряд було перевірено на відповідність нормальному закону Жарка-Бера.

Перевіримо ряд на відповідність нормальному закону розподілу за допомогою критерію Жарка-Бера. Результати представлені в табл.1.

Таблиця 1

Критерій Жарка-Бера

ЖБ

Отже, опираючись на розраховані показники асиметрії, ексцесу та критерію Жарке-Бера, можна зробити висновок, що вхідні дані наближено відповідають нормальному закону розподілу.

Було побудовано дві моделі. Перша-це модель впливу факторів на індекс споживчих цін, друга – модель впливу на індекс цін виробників.

Для побудуви першої моделі, було досліджено залежність ІСЦ від інших показників за допомогою кореляційної матриці ( таблиця 2).

Таблиця 2

Кореляційна матриця (ІСЦ)

Показник ІСЦ Рівень безробіття Валютний курс Облікова ставка Грошова база Грошовий мульти-плікатор Номі-нальна ЗП
ІСЦ 1
Рівень безробіття 0,0127 1
Валютний курс -0,0953 -0,1019 1
Облікова ставка -0,217 -0,10196 0,0802 1
Грошова база -0,0165 0,0806 0,1134 0,5198 1
Грошовий мультиплікатор -0,0020 0,0984 0,1154 0,4663 0,8004 1
Номінальна ЗП -0,0375 -0,0036 0,1074 0,1972 0,5510 0,7014 1

Виходячи із одержаних результатів, ми бачимо, що грошова база та номінальна ЗП корелюють із  грошовим мультиплікатором, тому показники грошової бази та номінальної ЗП краще не використовувати у подальшому моделюванні ІСЦ, оскільки це може призвести до не правильних висновків. При виключенні цих двох показників ми уникаємо проблеми кореляції між змінними.

Отже, побудова моделі ІСЦ буде здійснюватись за допомогою показників рівня безробіття, валютного курсу, облікової ставки та грошового мультиплікатора.

Проведемо каузальний аналіз для вибраних показників (табл. 3).

Таблиця 3

Результати тесту Грейнджера для ІСЦ

Зрівнюваний показник Показники chi2 Prob>chi2
ІСЦ Рівень безробіття 5,81 0,055
Валютний курс 1,89 0,048
Облікова ставка 1,33 0,041
Грошовий мультиплікатор 3,91 0,042

Використовуючи результати каузального аналізу, для моделювання величини ІСЦ доцільно залишити всі фактори, оскільки p відповідних пар показників знаходяться в межах 0,05. Коінтеграція відсутня.

Враховуючи результати кореляційного та каузального аналізу, нами було виявлено, що значення ІСЦ залежить як від поточних значень показників, так і від їх лагових значень. Тому для його прогнозування доцільно обрати модель розподіленого лагу. Дана модель враховує вплив деякого фактору на результативний показник із запізненням на один період часу або кілька часових періодів.

Для аналізу часового ряду на стаціонарність використаємо тест Дікі-Фулера на одиничний корінь.

Нульова гіпотеза H0 і її альтернатива H1 визначається співвідношеннями: H0: λ = 0; H1: λ < 0.

Якщо значення t-статистики Стьюдента для параметра λ менше нижнього порогового значення DF-статистики, то нульову гіпотезу λ = 0 (про наявність одиничного кореня α1=1) потрібно відкинути і прийняти альтернативну про стаціонарність процесу [19].

Представимо одержані результати у вигляді таблиці (табл. 4).

Таблиця 4

Результати тесту Дікі-Фулера для побудови моделі впливу факторів на ІСЦ

Показники Розраховане значення Табличне значення, 5%
ІСЦ -6,744 2,885
Рівень безробіття -13,628 2,885
Валютний курс -13,621 2,885
Облікова ставка -3,458 2,885
Грошовий мультиплікатор -1,745 2,885

За результатами, наведеними в таблиці 3.4, можна зробити висновок, що дані часові ряди є стаціонарними відносно детермінованого тренду, так як розраховані значення t-статистики перевищують табличне значення для 5-відсоткового рівня довірчої імовірності. Часовий ряд стає стаціонарним після взяття перших різниць. Дані висновки будуть використовуватися при підборі моделей відповідних факторних ознак.

Модель матиме вигляд ARIMA (1,0,1) – комбінована модель авторегресії і ковзної середньої.

CPI = 100.7692 – (1.49e-0.06)*unemployment – (3.18e-0.08)*exchange_r – – 0.0000116*discount_r +0.1563*mm +

t- статистика (unemployment) = (-0,46);

t- статистика (exchange_r) = (-0.1);

t- статистика (discount_r )= (-1,84);

t- статистика (mm) = 1.85;

t0,05= 1,96.

Таблиця 5

Модель ARIMA(1,0,1) для визначення впливу факторів на ІСЦ

CPI Coeficient Standart Error Z P>|z|
Cpi _constanta 0,8351 0.0337 24,81 0.000
ARMA AR(1) 0.3915 0.1017 3.85 0.001
MA(1) 0.3855 0,1138 3.91 0.000

Отже, автокореляційна та часткова автокореляційна функції скінченні, і зменшуються до 0 після перших лагованих різниць.

Валютний курс і грошовий мультиплікатор не значно впливають на ІСЦ.

Модель вважається прийнятною якщо залишки є білим шумом. Перевірка залишків на білий шум проводять за допомогою Q-статистики Бокса-Пірсона-Люнга.

Перевіримо гіпотези:

H0  : залишки є білим шумом (приймаємо модель).

H1: залишки не є білим шумом.

Отримали результат:

Portmanteau (Q) statistic =   212.5684

Prob > chi2(40)           =     0.0000

Отже, з ймовірністю в 95 % ми приймаємо , та можемо стверджувати про те, що залишки є білим шумом.

Побудуємо ARMA – модель для перевірки впливу факторів на індекс цін виробників.

Спершу, розрахуємо залежність ІЦВ від інших показників. Побудуємо кореляційну матрицю (таб. 6)

Таблиця 6

Кореляційна матриця (ІЦВ)

Показник ІЦВ Рівень безробіття Валютний курс Облікова ставка Грошова база Грошовий мульти-плікатор Номі-нальна ЗП
ІЦВ 1
Рівень безробіття 0,0062 1
Валютний курс -0,0135 -0,1019 1
Облікова ставка 0,0190 -0,10196 0,0802 1
Грошова база 0,0331 0,0806 0,1134 0,5198 1
Грошовий мультиплікатор 0,0763 0,0984 0,1154 0,4663 0,8004 1
Номінальна ЗП 0,0874 -0,0036 0,1074 0,1972 0,5510 0,7014 1

З таблиці 3.6 можна побачити, що грошовий показники облікової ставки, грошової бази та номінальної ЗП корелюють з грошовим мультиплікатором. Уникнути кореляції можна, якщо не використовувати показників облікової ставки, грошової бази та номінальної ЗП.

Отже, побудова моделі ІЦВ буде здійснюватись за допомогою показників рівня безробіття, валютного курсу та грошового мультиплікатора.

Проведемо тест на коінтеграцію (табл. 7).

Таблиця 7

Результати тесту Грейнджера для ІЦВ

Зрівнюваний показник Показники chi2 Prob>chi2
ІЦВ Рівень безробіття 2,8767 0,0237
Валютний курс 14,748 0,001
Грошовий мультиплікатор 2,0612 0,0357

Використовуючи результати каузального аналізу, для прогнозування величини ІЦВ доцільно залишити всі фактори, оскільки p відповідних пар показників знаходяться в межах 0,05. Ряди не коінтегровані.

Для перевірки ряду на стаціонарність використаємо тест Дікі-Фулера. З результатів можемо зробити висновок, що ряд стаціонарний (табл.3.8).

Для побудови моделі індексу цін виробників можемо використовувати ARIMA (1,0,1) – комбіновану модель авторегресії і ковзної середньої.

Таблиця 8

Результати тесту Дікі-Фулера для ІЦВ

Показники Розраховане значення Табличне значення, 5%
ІЦВ -7,925 2,885
Рівень безробіття -13,628 2,885
Валютний курс -13,621 2,885
Грошовий мультиплікатор -1,745 2,885

 

Модель матиме вигляд:

PPI = 100.6081 – (6.19e-0.06)*unemployment – (5.34e-0.07)*exchange_r +                          +0.2784*mm +\varepsilon

t- статистика (unemployment) = 0.65;

t- статистика (exchange_r )= 2.19;

t- статистика (mm) = 0.39;

t0,05= 1,96.

Отже, з рівнем значимості 95% можемо стверджувати, валютний курс вливає на індекс цін виробників, оскільки t- статистика (exchange_r ) > t-крит.

Таблиця 9

Модель ARIMA(1,0,1) для ІЦВ

CPI Coeficient Standart Error Z P>|z|
Cpi _constanta 1,4335 0.0514 27,91 0.000
ARMA AR(1) 0.6791 0.1112 5,57 0.321
MA(1) -0,1349 0,1359 -0,99 0.000

Отже, автокореляційна та часткова автокореляційна функції скінченні, і зменшуються до 0 після перших лагованих різниць.

Ті ж самі тести було проведено для моделі, де вихідною змінною є ІЦВ.

Тест на кореляцію показав, що показники облікової ставки, грошової бази та номінальної ЗП корелюють з грошовим мультиплікатором. Уникнути кореляції можна, якщо не використовувати цих показників.

За допомогою теста Грейнджера ми дізнались, що ряди не коінтегровані. Тест Діккі-Фуллера показав, що ряди стаціонарні.

Модель матиме вигляд:

PPI = 100.6081 – (6.19e-0.06)*unemployment – (5.34e-0.07)*exchange_r +0.2784*mm +\varepsilon

t- статистика (unemployment) = 0.65;

t- статистика (exchange_r )= 2.19;

t- статистика (mm) = 0.39;

t0,05= 1,96.

Отже, валютний курс вливає на індекс цін виробників.

Однак основним недоліком ARMA-моделей є те, що вони не дозволяють взаємо-зворотні зв’язки між показниками та їх лагованими значеннями.

На відміну від ARMA VAR-моделі дозволяють проводити економічний аналіз результатів. VAR-модель характеризуватиме взаємодію ІСЦ із вхідними показниками  в  Україні з 2000 року по 2014 рік.

Гіпотези VAR-моделі для ІСЦ:

Н0: в довгостроковому періоді  не існує  зворотної залежності  між  показниками;

Н1: в довгостроковому періоді існує  зворотна залежність між  показниками.

Рівняння регресії VAR-моделі для ІСЦ:

∆CPI=46.19+0,66*∆CPI_(t-1)+(8.71e-0.06)*∆Unemloyment_(t-1)-(1.13e-0.07)*∆ExchandeRate_(t-1)-(2.61e-0.06)*∆DiscountRate_(t-1)+1.62*∆MM_(t-1),,

t- статистика (∆CPI_(t-1)) = 8,88;

t- статистика (∆Unemloyment_(t-1)) = 1.97;

t- статистика (∆ExchandeRate_(t-1) ) = (-0.68);

t- статистика (DiscountRate_(t-1)) = (-0,42);

t- статистика ( ∆MM_(t-1)) = 1.85;

Було визначено, що темп інфляції в попередньому періоді й темп безробіття в попередньому періоді впливають на темп інфляції в поточний період, курс валют, облікова ставка та грошовий мультиплікатор в попередньому місяці не впливають на темп інфляції в поточний період.

Рівняння регресії VAR-моделі для ІЦВ має вигляд:

∆PPI=46.985+0,43*∆PPI_(t-1)+(2.9e-0.06)*∆Unemloyment_(t-1)-(1.09e-0.07)*∆ExchandeRate_(t-1)+1.09*∆MM_(t-1),

t- статистика (∆PPI_(t-1)) = 5.76;

t- статистика (∆Unemloyment_(t-1)) = 0.37;

t- статистика (∆ExchandeRate_(t-1) ) = (-3.83);

t- статистика (∆MM_(t-1) ) = 0.73;

t0,05= 1,96.

Отже, з рівнем значимості 95% ми можемо стверджувати, що ІЦВ в попередньому періоді  і валютний курсу у попередньому періоді впливають на темп інфляції в поточний період, рівень безробіття і грошовий мультиплікатор в попередньому місяці не впливають на темп інфляції в поточний період.

Висновки. Таким чином, було визначено, що на рівень інфляції найбільше впливають рівень безробіття й валютний курс, рівень ІСЦ й ІЦВ в попередніх періодах, тому антиінфляційну політику потрібно будувати з врахування цих чинників, а саме потрібно вносити зміни до грошово-кредитної та фіскальної політики.

Потрібно реалізувати  такі основні заходи:

– прийняття рішення щодо переходу до політики монетарного таргетування, законодавчо-нормативних актів щодо координації грошово-кредитної та бюджетно-фіскальної політики;

– розробка бюджетної стратегії на середньостроковий період;

– скасування валютних обмежень;

– регулювання відтоку та притоку короткострокового капіталу на валютному ринку;

– поліпшення функціонування валютного ринку, що має передбачати відновлення регулярного перегляду облікової ставки;

-зниження відсоткових ставок за депозитами в іноземній валюті, що зменшуватиме стимули для їх доларизації;

-зниження ставок за кредитами в національній валюті з метою підтримки розвитку економіки, що призведе до зростання попиту на кредити в національній валюті.

Має бути здійснений перехід до повного таргетування інфляції та створене підґрунтя для забезпечення цінової стабільності та сталого соціально-економічного розвитку в довгостроковій перспективі.

Отже, управління інфляцією є найважливішою проблемою грошово-кредитної і загалом економічної політики. Необхідно враховувати при цьому багатоскладовий, багатофакторний характер інфляції. В її основі лежать не тільки монетарні, але і інші чинники. При всій значущості скорочення державних витрат, поступового стиснення грошової емісії потрібне проведення широкого комплексу антиінфляційних заходів.

Література:

1. Вісник Національного Банку України № 5 (195) [ Електронний ресурс ]. – Режим доступу: http://www.bank.gov.ua/doccatalog/document?id=112888

2. Державний комітет статистики України [ Електронний ресурс ]. – Режим доступу: http://www.ukrstat.gov.ua

3. Петрик О.І. Шлях до цінової стабільності: світовий досвід та перспек- тиви для України: Монографія. – К.: НАН України, Інститут економіки та прогнозування; Університет бан- ківської справи НБУ, 2008. – 372 с. 3.

4. Петрик О.І., Ніколайчук С.А. Оптимальний режим монетарної політики для України / Банківська система Укра їни в умовах глобалізації фінансових рин- ків: науково-практична конференція, травень 2007 р.: Зб. наук. праць. – Чер-каси: Черкаський інститут банківської справи Університету банківської справи НБУ, 2007. – С. 54–57.

5. Федоренко В.Г., Діденко О.М., Руженський М.М., Іткін О.Ф. Політична економія: Підручник. / За науковою ред. доктора економ. наук проф. В.Г. Федоренка. – К.: Алерта, 2008. – 487 с.

6. Friedman, M. (Mar., 1968), “The Role of Monetary Policy”, The American Economic Review,  58, No. 1, pp. 1—17., с. 11]

Поділитися Share on Facebook0Tweet about this on TwitterShare on Google+0Share on LinkedIn0Share on Reddit0Pin on Pinterest0Print this page

Залишити відповідь


Notice: ob_end_flush(): failed to send buffer of zlib output compression (1) in /usr/local/www/data-dist/naub/wp-includes/functions.php on line 3720

Notice: ob_end_flush(): failed to send buffer of zlib output compression (1) in /usr/local/www/data-dist/naub/wp-includes/functions.php on line 3720