Моделювання інфляційних очікувань на основі Марківської авторегресійної моделі з перемикачами

Автор(и)

DOI:

https://doi.org/10.18523/2519-4739.20205.1.82-88

Ключові слова:

інфляційні очікування, Марківська модель із перемикачами, грошово-кредитна політика, інфляція, монетарні режими

Анотація

Впровадження Національним банком інфляційного таргетування (ІТ) наприкінці 2016 р. значно вплинуло на інфляційні процеси в Україні, зокрема, інфляція сповільнилася з майже 60 % у середині 2015-го до 2,3 % у 2020 р. До того ж канал інфляційних очікувань став більш значущим, що актуалізувало потребу поглибленого аналізу механізму його дії, а також основних факторів впливу на інфляційні очікування. Метою статті є проведення емпіричного аналізу динаміки інфляційних очікувань, а також дослідження впливу на неї таких важливих показників, як інфляція, облікова ставка та індекс реальної заробітної плати, на основі застосування сучасного економетричного інструментарію, зокрема Марківської авторегресійної моделі з двома режимами. Основними особливостями обраного модельного інструментарію є можливість виокремлення двох станів – з високою волатильністю інфляційних очікувань та з низькою, а також оцінювання ймовірностей переходу між ними з розрахунком тривалості кожного зі станів, що значно підвищує цінність та практичну значущість отриманих результатів моделювання для підтримки ухвалення фінансових управлінських рішень. Побудована та оцінена на реальних даних економетрична модель складається з двох рівнянь, одне з них визначає режим із високою волатильністю, а друге – з низькою. Отримані результати розрахунків свідчать про домінування режиму високої волатильності протягом майже всього періоду дослідження через істотну невизначеність щодо інфляції та нестабільну ситуацію в країні загалом, спричинену кризою. Зокрема, інфляційні очікування протягом 2013–2019 рр. характеризувалися високою волатильністю з ймовірністю 91 %, водночас утриматись у стані помірних коливань було ймовірно лише на 33 %. Режим високої волатильності згідно з розрахунками на основі розробленої моделі триває значно довше, ніж період помірних та низьких коливань інфляційних очікувань, а саме 11 місяців, тоді як тривалість низької волатильності в середньому становить близько одного місяця. Загалом, розрахунки на основі Марківської авторегресійної моделі з перемикачами дають змогу детальніше дослідити динаміку інфляційних процесів в Україні, наприклад, визначити ймовірність переходу від одного режиму до іншого, розрахувати їхню тривалість, отримати значення еластичностей між залежною та незалежними змінними тощо. Подальші дослідження щодо оцінювання наслідків зміни режимів грошово-кредитної політики на цінову стабільність можуть базуватись на ускладненій версії Марківської моделі, а саме з трьома або чотирма перемикачами для високої, низької, помірної волатильності тощо. Крім того, можливе проведення експериментів із використанням додаткових незалежних змінних з метою підвищення точності розробленої моделі та її застосування для дослідження й прогнозування широкого спектра монетарних показників, зокрема облікової ставки та інфляції.

 

JEL classification: E42, E58, C34

 

Матеріал надійшов 10.04.2020

Біографії авторів

Iryna Lukianenko, Національний університет «Києво-Могилянська академія»

доктор економічних наук, професор, завідувач кафедри фінансів

Maria Nasachenko, Національний університет «Києво-Могилянська академія»

аспірантка кафедри фінансів

Посилання

Amisano, G., & Fagan, G. (2010). Money Growth and Inflation. A Regime Switching Approach. Working paper series, European Central Bank, 1207. https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp1207.pdf

Bazhenova, O. (2018). Determinants of the current account in Ukraine: Empirical proofs. Scientific Papers NaUKMA. Economics, 3(1), 4–7. https://doi.org/10.18523/2519-4739312018148754 [in Ukr.].

Bussière, M., & Fratzscher, M. (2002). Towards a new early warning system of financial crises. Working paper series, European Central Bank, 145. https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp145.pdf

Davig, T., & Doh, T. (2009). Monetary Policy Regime Shifts and Inflation Persistence. Research Working Papers, The Federal Reserves Bank of Kansas City, Economic Research Department, 08-16. https://www.kansascityfed.org/PUBLICAT/RESWKPAP/PDF/RWP08-16.pdf

Diebold, F., Lee, J-H., & Weinbach, G. (1994). Regime switching with time-varying transition probabilities. In Hargreaves, C. (ed.) Nonstationary Time Series Analysis and Cointegration. (Advanced Texts in Econometrics, C.W.J. Granger and G. Mizon, eds.) (pp. 283–303). Oxford University Press.

Dionne, G., Gauthier, G., Hammami, K., Maurice, M., & Simonato, J.-G. (2011). A reduced form model of default spreads with Markov-switching macroeconomic factors. Journal of Banking & Finance, 35(8), 1984–2000.

Duprey, T., & Klaus, B. (2017) How to predict financial stress? An assessment of Markov switching models. Working paper series, European Central Bank, 2057. https://www.ecb.europa.eu/pub/pdf/scpwps/ecb.wp2057.en.pdf

Frankel, J., & Wei, S.-J. (2004). Managing macroeconomic crises. NBER Working Paper, 10907. https://www.researchgate.net/publication/5185587_Managing_Macroeconomic_Crises

Hamilton, J. (1989). A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica, 57(2), 357–384. https://doi.org/10.2307/1912559

Kaminsky, G., Lizondo, S., & Reinhart, C. (1998). Leading indicators of currency crises. IMF Staff Papers, 45(1), 1–48.

Lukianenko, I., & Faryna, O. (2016). Macro-financial stability: models and methods of assessment. Kyiv: NaUKMA. http://www.ekmair.ukma.edu.ua/handle/123456789/10878 [in Ukr.].

Lukianenko, I., & Zhuk, V. (2011). Modeling the impact of changing monetary regimes on the financial and economic development of transition economies. Economy and Forecasting, 2, 130–152. http://eip.org.ua/?page_id=523&aid=92 [in Ukr.].

Nasr, A., Balcilar, M., Ajmi, A., Aye, G. C., Gupta, R., & van Eyden, R. (2015). Causality between inflation uncertainty in South Africa: Evidence from a Markov-switching vector autoregressive model. Emerging Markets Review, 24, 46–68. https://doi.org/10.1016/j.ememar.2015.05.003

Sclove, L. (1983). Time-Series Segmentation: A Model and a Method. Information Science, 29, 7–25. https://doi.org/10.1016/0020-0255(83)90007-5

##submission.downloads##

Опубліковано

2020-09-30