GVAR-модель с различными весами для анализа финансового канала распространения реальных шоков между странами и регионами
DOI:
https://doi.org/10.17059/ekon.reg.2026-1-15Ключевые слова:
глобальная векторная авторегрессия, региональная торговля, мировая торговля, функции импульсных откликов, цены на нефть, российский выпускАннотация
При анализе внешних шоков, влияющих на российскую экономику, требуется учёт большого количества каналов связи, по которым данные шоки могут передаваться. Одним из подходов для оценивания реакции макроэкономических показателей на внешние шоки является модель глобальной векторной авторегрессии (GVAR). В большинстве работ с использованием моделей GVAR авторы прибегают к стандартному способу снижения размерности, одновременно являющемуся способом моделирования канала передачи шоков: вычислению весов на основе объёмов внешней торговли. Иногда вместо торговли используются потоки капитала между странами и регионами для изучения распространения финансовых шоков. Мы предлагаем рассмотреть модель, учитывающую и реальный, и финансовый сектор. При этом в нашей модели используются два вида весов: на основе внешней торговли и на основе потоков прямых иностранных инвестиций. Мы сравниваем результаты оценивания модели с более простым вариантом, учитывающим только реальный сектор и содержащий только торговые веса. Рассматриваются импульсные отклики макроэкономических показателей на шок выпуска в Китае и шок нефтяных цен. Одним из результатов является то, что использование финансового сектора приводит к получению заметной реакции показателей на оба шока в течение первых четырёх кварталов. В нашей модели получена куполообразная реакция в ответ на шоки, которая часто описывается в эмпирической литературе. Стандартные же модели GVAR демонстрируют более персистентную реакцию. Вторым результатом является то, что после первого года с момента возникновения шока разница между откликами основной и более простой моделей перестаёт быть значимой. Таким образом, можно предположить, что добавленный нами финансовый канал связи вносит коррективы в краткосрочном и среднесрочном периодах. Данные результаты могут быть полезны для уточнения сценарных прогнозов развития российской экономики под воздействием внешних шоков.
Библиографические ссылки
Altig, D., Christiano, L. J., Eichenbaum, M., & Lindé, J. (2011). Firm-Specific Capital, Nominal Rigidities and the Business Cycle. Review of Economic Dynamics, 14 (2), 225–247 https://doi.org/10.1016/j.red.2010.01.001
Bailey, N., Pesaran, M. H., & Smith, L. V. (2014). A Multiple Testing Approach to the Regularisation of Large Sample Correlation Matrices. CESifo Working Paper, (No. 4834). CESifo.
Bettendorf, T. (2019). Spillover Effects of Credit Default Risk in the Euro Area and the Effects on the Euro: A GVAR Approach. International Journal of Finance & Economics, 24 (1), 296–312.
Blanchard, O., & Quah, D. (1989). The Dynamic Effects of Aggregate Demand and Supply Disturbances. American Economic Review, 79 (4).
Charfeddine, L., Klein, T., & Walther, T. (2020). Reviewing the Oil Price — GDP growth relationship: A replication study. Energy Economics, 88 (1), 104786 https://doi.org/10.1016/j.eneco.2020.104786
Chudik, A., & Fratzscher, M. (2011). Identifying the Global Transmission of the 2007–2009 Financial Crisis in a GVAR Model. European Economic Review, 55, 325–339. https://doi.org/10.1016/j.euroecorev.2010.12.003
Colabella, A. (2021). Do ECB’s Monetary Policies Benefit EMEs? A GVAR Analysis on the Global Financial and Sovereign Debt Crises and Postcrises Period. Oxford Bulletin of Economics and Statistics, 83 (2), 472–494. https://doi.org/10.1111/obes.12403
Copestake, A., Firat, M., Furceri, D., & Redl, C. (2023). China Spillovers: Aggregate and Firm-Level Evidence. IMF Working Paper, (No. 2023/206). International Monetary Fund. https://doi.org/10.5089/9798400257353.001
Dees, S., Mauro, F., & Pesaran, M. H. (2007). Exploring the International Linkages of the Euro Area: A Global VAR Analysis. Journal of Applied Econometrics, 22 (1), 1–38. https://doi.org/10.1002/jae.932
Dedola, L., & Neri, S. (2007). What Does a Technology Shock Do? A VAR Analysis with Model-Based Sign Restrictions. Journal of Monetary Economics, 54 (2).
Eickmeier, S., & Ng, T. (2011). How Do Credit Supply Shocks Propagate Internationally? A GVAR Approach. Deutsche Bundesbank Discussion Paper, (No. 27/2011). Deutsche Bundesbank.
Feldkircher, M., Gruber, T., & Huber, F. (2020). International Effects of a Compression of Euro Area Yield Curves. Journal of Banking & Finance, 113, 1–14. https://doi.org/10.1016/j.jbankfin.2019.03.017
Galesi, A., & Sgherri, S. (2009). Regional Financial Spillovers Across Europe: A Global VAR Analysis. IMF Working Paper, (No. 09/23). International Monetary Fund.
Gong, M., & Li, W. (2010). Assessing the Role of Aggregate Demand and Supply Shocks in China’s Macroeconomic Fluctuation. Frontiers of Economics in China, 5 (3), 464–488. https://doi.org/10.1007/s11459-010-0108-y
Kilian, L. (2009). Not All Oil Price Shocks Are Alike: Disentangling Demand and Supply Shocks in the Crude Oil Market. American Economic Review, 99 (3), 1053–1069. https://doi.org/10.1257/aer.99.3.1053
King, R. G., Plosser, C. I., Stock, J. H., & Watson, M. W. (1991). Stochastic Trends and Economic Fluctuations. American Economic Review, 81 (4), 819–840.
Lomonosov, D. (2023). Shocks of Business Activity and Specific Shocks to Oil Market in DSGE Model of Russian Economy and Their Influence Under Different Monetary Policy Regimes. Dengi i Kredit [Russian Journal of Money and Finance], 82 (4), 44–79. (In Russ.)
Mohaddes, K., & Pesaran, M. H. (2016). Country-Specific Oil Supply Shocks and the Global Economy: A counterfactual Analysis. Energy Economics, 59, 382–399. https://doi.org/10.1016/j.eneco.2016.08.007
Mohaddes, K., & Raissi, M. (2019). The U.S. Oil Supply Revolution and the Global Economy. Empirical Economics, 57, 1515–1546. https://doi.org/10.1007/s00181-018-1505-9
Pesaran, M. H., Schuermann, T., & Weiner, S. M. (2004). Modeling Regional Interdependencies Using a Global Error-Correcting Macroeconometric Model. Journal of Business & Economic Statistics, 22 (2), 129–162. https://doi.org/10.1198/073500104000000019
Pestova, A., & Mamonov, M. (2019). Should We Care? The Economic Effects of Financial Sanctions on the Russian Economy. BOFIT Discussion Papers, (No. 2019-008). Bank of Finland Institute for Emerging Economies.
Polbin, A., & Skrobotov, A. (2016). Testing for Structural Breaks in the Long-Run Growth Rate of the Russian Economy. Ekonomicheskiy Zhurnal VShE [HSE Economic Journal], 20 (4), 588–623. (In Russ.)
Polbin, A. (2020). Estimating Time-Varying Long-Run Growth Rate of Russian GDP in ARX Model with Oil Prices. Ekonomicheskaya Politika [Economic Policy], 15 (1), 40–63. (In Russ.)
Zubarev, A. V., & Kirillova, M. A. (2023a). Building a Global Vector Autoregression with Account for Trade and Financial Interconnections Between Countries to Forecast Russian Macroeconomic Indicators. Working paper, (No. w20220275, pp. 15–28). RANEPA. (In Russ.)
Zubarev, A., & Kirillova, M. (2023b). Building a GVAR Model for the Russian Economy. Ekonomicheskiy Zhurnal VShE [HSE Economic Journal], 27 (1), 9–32. http://doi.org/10.17323/1813-8691-2023-27-1-9-32 (In Russ.)
Zubarev, A., & Rybak, K. (2020). The Impact of Risk Premium on Russian Macroeconomic Indicators. Ekonomicheskiy Zhurnal VShE [HSE Economic Journal], 24 (3), 391–414. http://doi.org/10.17323/1813-8691-2020-24-3-391-414 (In Russ.)
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Зубарев Андрей Витальевич , Кириллова Мария Андреевна
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
