Экономическое развитие и циклические настроения российских предпринимателей после рецессии 2014-2016 годов

Ключевой вопрос исследования, результаты которого представлены в данной статье, состоит в определении эффективности использования в практике анализа отраслевого и макроэкономического развития оценок непосредственных участников отраслевых событий - хозяйствующих субъектов. В работе тестируется гипотеза о взаимном влиянии экономического роста и предпринимательского поведения. Предполагается, что экономическая цикличность продуцируется не только макроэкономическими шоками, но и импульсами, генерируемыми в предпринимательской среде. Настроения и ожидания предпринимателей рассматриваются в этом случае и как следствие происходящих экономических событий, и как предупреждающий фактор, влияющий на принятие экономических решений.

Для проверки гипотезы авторы используют результаты всех секторальных конъюнктурных мониторингов НИУ ВШЭ и Росстата, отражающие совокупные настроения и ожидания около 24 тыс. предпринимателей и 5 тыс. потребителей. Результаты мониторингов объединяются в индекс экономических настроений (ИЭН), алгоритм расчета которого основан на общепринятой международной методологии и актуализирован с учетом особенностей российской экономики.

Совместная декомпозиция временных рядов ИЭН и референтного индекса физического объема ВВП (ИФО ВВП) с выделением циклов роста и датировка поворотных точек подтверждают циклическое соответствие в динамике анализируемых индикаторов. Эмпирическая закономерность в динамике ИЭН и ИФО ВВП выявляется на основе кросскорреляций, долгосрочной линейной регрессии, а также посредством двумерной модели векторной авторегрессии, на основе которой затем прогнозируются краткосрочные значения исходных индикаторов. Результаты прогнозирования позволяют предположить медленное и неустойчивое ускорение роста ВВП в 2020 г.

С учетом оперативности расчета ИЭН и заметного опережения его публикации по сравнению с официальным представлением данных о росте ВВП, а также статистической эффективности в статье сделан вывод о допустимости и надежности использования накопленных за 20-летний период обобщенных оценок предпринимательских и потребительских настроений в качестве опережающей информации об экономическом росте в стране.

1. Всемирный банк. Доклад об экономике России № 42: Повышение роли внутренних реформ на фоне ухудшения прогноза мировой экономики. 2019. URL: http://pubdocs.worldbank.org/en/493311575429783105/rer-42-rus.pdf.

2. МВФ. Российская Федерация. Доклад МВФ по стране № 19/260. 2019. URL: https://www.imf.org/~/media/Files/Publications/CR/2019/Russian/1RUSRA2019001.ashx.

3. Министерство экономического развития Российской Федерации. Картина экономики. Июль 2019 года. URL: http://old.economy.gov.ru/minec/about/structure/depmacro/2019080703.

4. Всемирный банк. Доклад об экономике России № 41: Умеренные темпы роста экономики; в центре внимания - неформальный сектор. 2019. URL: http://pubdocs.worldbank.org/en/908421560108417755/rer-41-russian.pdf.

5. МВФ. Перспективы развития мировой экономики. 2019. URL: https://www.imf.org/ru/Publications/WEO/Issues/2019/10/01/world-economic-outlookoctober-2019.

6. Министерство экономического развития Российской Федерации. О предварительной оценке ВВП за III квартал 2019 года. URL: https://www.economy.gov.ru/material/news/o_predvaritelnoy_ocenke_vvp_za_iii_kvartal_2019_goda.html.

7. UNECE. Guidelines on Producing Leading, Composite and Sentiment Indicators. Geneva: UN, 2019. URL: https://www.unece.org/fileadmin/DAM/stats/publications/2019/ECECESSTAT20192.pdf.

8. European Commission. The Joint Harmonised EU Programme of Business and Consumer Surveys. User Guide. 2019. URL: https://ec.europa.eu/info/sites/info/files/bcs_user_guide_en_0.pdf.

9. Китрар Л.А., Липкинд Т.М., Остапкович Г.В. Декомпозиция и совместный анализ циклов роста в динамике индикатора экономического настроения и индекса физического объема валового внутреннего продукта // Вопросы статистики. 2014. № 9. С. 41-46.

10. Kitrar L. et al. The HSE ESI and Short-Term Cycles in the Russian Economy // Papers and Studies of Research Institute for Economic Development SGH. 2015. No. 97.

11. Cesaroni T. The Cyclical Behavior of the Italian Business Survey Data // Empirical Economics. 2011. Vol. 41. Iss. 3. P. 747-768.

12. Biau O., D’Elia A. Is There a Decoupling Between Soft and Hard Data? The Relationship Between GDP Growth and the ESI. Paper Presented at the Fifth Joint EU-OECD Workshop on International Developments in Business and Consumers Tendency Surveys, Bruxelles, November 17-18, 2011.

13. European Commission. European Business Cycle Indicators - 3rd Quarter 2016. ‘New Normal’? - The Impact of the Financial Crisis on Business and Consumer Survey Data. Technical Papers 11. Luxembourg: Publications Office of the European Union, 2016. URL: https://ec.europa.eu/info/sites/info/files/file_import/tp011_en_2.pdf.

14. Gayer C., Marc B. A ‘New Modesty’? Level Shifts in Survey Data and the Decreasing Trend of ‘Normal’ Growth. European Economy Discussion Paper 083. July 2018. Luxembourg: Publications Office of the European Union, 2018. URL: https://ec.europa.eu/info/sites/info/files/economyfinance/dp083_en_new_modesty.pdf.

15. European Commission. European Business Cycle Indicators - 2nd Quarter 2017. ESI and Other BCS Indicators vs PMI - Properties and Empirical Performance. Technical Papers 017. Luxembourg: Publications Office of the European Union, 2017. URL: http://publications.europa.eu/resource/cellar/1c954f82-87ef-11e7-b5c601aa75ed71a1.0001.03/DOC_1.

16. Astolfi R. et al. The Use of Short-Term Indicators and Survey Data for Predicting Turning Points in Economic Activity: A Performance Analysis of the OECD System of CLIs During the Great Recession. OECD Statistics Working Papers. No. 2016/08. Paris: OECD Publishing, 2016. doi: https://doi.org/10.1787/5jlz4gs2pkhf-en.

17. Cesaroni T., Iezzi S. The Predictive Content of Business Survey Indicators: Evidence from SIGE // Journal of Business Cycle Research. 2017. Vol. 13. Iss. 1. P. 75-104.

18. Nilsson R., Gyomai G. Cycle Extraction. A Comparison of the PAT Method, the Hodrick-Prescott and Christiano-Fitzgerald Filters. OECD Statistics Directorate Working Paper No. 39. 2011. URL: http://www.oecd.org/std/leading-indicators/41520591.pdf.

19. OECD. OECD System of Composite Leading Indicators. April 2012. URL: http://www.oecd.org/std/leading-indicators/41629509.pdf.

20. Mayr J., Ulbricht D. VAR Model Averaging for Multi-Step Forecasting. Ifo Working Paper No. 48. 2007.

21. Kitrar L. Industrial Development in CIS Countries. Analytical Report. UNIDO, 2017. URL: https://stat.unido.org/content/publications/industrial-development-in-ciscountries.

22. Bry G., Boschan C. Cyclical Analysis of Time Series: Selected Procedures and Computer Programs. New York: NBER. 1971.

23. European Commission. European Business Cycle Indicators - 2nd Quarter 2019. Technical Papers 033. Luxembourg: Publications Office of the European Union, 2019. URL: https://ec.europa.eu/info/sites/info/files/economyfinance/tp033_en.pdf.

24. Gayer С. Report: The Economic Climate Tracer. A Tool to Visualise the Cyclical Stance of the Economy Using Survey Data. 2008. URL: http://ec.europa.eu/economy_finance/db_indicators/surveys/documents/studies/economic_climate_tracer_en.pdf.

25. Китрар Л.А., Остапкович Г.В. Интегрированный подход к построению композитных индикаторов со встроенным алгоритмом оценки цикличности результатов конъюнктурного мониторинга // Вопросы статистики. 2013. № 12. С. 23-34.

26. European Commission. European Business Cycle Indicators - 1st Quarter 2016. European Commission. Results From Quarterly Surveys of Managers in the Manufacturing Industry. Radar Charts - a Tool for Presenting Trends in Sectoral Survey Data. Technical Papers 007. Luxembourg: Publications Office of the European Union, 2016. URL: https://ec.europa.eu/info/sites/info/files/file_import/tp007_en_2.pdf.