Стресс-тестирование в статистическом моделировании деловой активности в условиях шоков конъюнктуры

Авторами предложена оригинальная методика стресс-тестирования в статистическом моделировании деловой активности на основе результатов конъюнктурных обследований для изучения возможных сценариев развития, спровоцированной внешними непредвиденными шоками со стороны спроса и предложения, как в случае с пандемией COVID-19. Кроме того, в статье представлен обзор существующих подходов в области стресс-тестирования и построения стресс-индексов с акцентом на методах, базирующихся на моделях векторной авторегрессии и их различных модификациях. Таким образом, целью статьи является адаптация существующих методик макроуровневого стресс-тестирования для их использования на базе результатов конъюнктурных обследований.

Основой для эмпирических расчетов являются данные конъюнктурных опросов руководителей российских предприятий обрабатывающей промышленности, отражающие их совокупные оценки сложившегося состояния деловой активности. Используемые в статье методы включают: во-первых, формирование на базе результатов конъюнктурных обследований c 2008 г. по март 2020 г. четырех композитных индексов, отражающих различные аспекты деловой активности предприятий (индекса спроса, индекса производства, индекса финансов и индекса занятости); во-вторых, построение модели BVAR (Bayesian Vector Autoregression) и ее применение для изучения и сравнения различных прогнозных сценариев реакций индексов на шоки конъюнктуры.

В результате исследования были получены прогнозы динамики индексов как реакции на четыре возможных шоковых сценария: кратковременный, V-, W-, и U-образный. При этом для каждого из сценариев представлены случаи шока со стороны спроса, производства и их одновременного воздействия.

Выводы на основе результатов данного исследования указывают на ключевую роль спроса в динамике всех рассматриваемых индексов и на сравнительно большую чувствительность индекса занятости по отношению к индексу спроса и индекса финансов по отношению к индексу производства. W-образный шок оказался наихудшим из четырех рассмотренных сценариев.

1. Fornaro L., Wolf M. Covid-19 Coronavirus and Macroeconomic Policy. CEPR Discussion Paper No. DP14529. March 2020. URL: https://ssrn.com/abstract=3560337.

2. Baldwin R., di Mauro B.W. (eds.) Economics in the Time of COVID-19. London: CEPR Press, 2020. URL: http://www.amcham-egypt.org/bic/pdf/corona1/CEPR%20COVID-19.pdf.

3. EIOPA. Methodological Principles of Insurance Stress Testing. EIOPA-BoS-19/568. 2019. URL: https://www.eiopa.europa.eu/sites/default/files/publications/methodological-principles-insurance-stress-testing.pdf.

4. Aymanns C. et al. Models of Financial Stability and Their Application in Stress Tests // Handbook of Computational Economics. 2018. Vol. 4. P. 329-391.

5. Сальников В.А., Могилат А.Н., Маслов И.Ю. Стресс-тестирование компаний реального сектора для России: первый подход (методологические аспекты) // Журнал Новой экономической ассоциации. 2012. № 4(16). С. 46-70.

6. So J.Y., U T. VAR and Stress Tests: The Impact of FatTail Risk and Systemic Risk on Commercial Banks in Hong Kong and China // HKIMR Working Paper No. 14/2017. doi: http://dx.doi.org/10.2139/ssrn.2996297.

7. Boucher C., Maillet B. La macroéconomie-en-risque // Revue économique. 2015. Vol. 66. No. 4. P. 769-781.

8. Covas F.B., Rump B., Zakrajšek E. Stress-Testing US Bank Holding Companies: A Dynamic Panel Quantile Regression Approach // International Journal of Forecasting. 2014. Vol. 30. No. 3. P. 691-713.

9. Hoggarth G., Sorensen S., Zicchino L. Stress Tests of UK Banks Using a VAR Approach. Bank of England Working Paper Series No. 282. November 2005. doi: http://dx.doi.org/10.2139/ssrn.872693.

10. Drehmann M., Patton A., Sorensen S. Non-Linearities and Stress Testing // Risk Measurement and Systemic Risk: Proc. of the Fourth Joint Central Bank Research Conference, ECB, 2007. P. 281-308.

11. Sims C.A., Zha T. Were There Regime Switches in US Monetary Policy? // American Economic Review. 2006. Vol. 96. No. 1. P. 54-81.

12. Barnett A., Groen J.J., Haroon M. Time-Varying Inflation Expectations and Economic Fluctuations in the United Kingdom: A Structural VAR Analysis // Bank of England Working Paper No. 392. June 3, 2010. doi: http://dx.doi.org/10.2139/ssrn.1619793.

13. Mallick S.K., Sousa R.M. Commodity Prices, Inflationary Pressures, and Monetary Policy: Evidence from BRICS Economies // Open Economies Review. 2013. Vol. 24. Iss. 4. P. 677-694. doi: https://doi.org/10.1007/s11079-012-9261-5.

14. Демешев Б.Б., Малаховская О.М. Макроэкономическое прогнозирование с помощью BVAR Литтермана // Экономический журнал Высшей школы экономики. 2016. Т. 20. № 4. С. 691-710.

15. Illing M., Liu Y. Measuring Financial Stress in a Developed Country: An Application to Canada // Journal of Financial Stability. 2006. Vol. 2. Iss. 3. P. 243-265.

16. Hakkio C.S., Keeton W.R. Financial Stress: What Is It, How Can It Be Measured, and Why Does It Matter? // Federal Reserve Bank of Kansas City. Economic Review. 2009. Vol. 94. Iss. Q II. P. 5-50.

17. Hollo D., Kremer M., Lo D.M. CISS A Composite Indicator of Systemic Stress in the Financial System // ECB Working Paper No. 1426. March 9, 2012. URL: https://ssrn.com/abstract=2018792.

18. Misina M., Tkacz G. Credit, Asset Prices, and Financial Stress // International Journal of Central Banking. 2009. Vol. 5. No. 4. P. 95-122.

19. Yiu M.S., Ho W.-Y.A., Jin L. A Measure of Fnancial Stress in Hong Kong Financial Market The Financial Stress Index // Hong Kong Monetary Authority Research Note 02/2010. URL: https://www.hkma.gov.hk/media/eng/publication-and-research/research/research-notes/RN-02-2010.pdf.

20. Davig T., Hakkio C. What is the Effect of Financial Stress on Economic Activity /Federal Reserve Bank of Kansas City. Economic Review. 2010. Vol. 95. Iss. Q II. P. 35-62.

21. Ng T. The Predictive Content of Financial Cycle Measures for Output Fluctuations // BIS Quarterly Review. June 2011. URL: https://ssrn.com/abstract=1864708.

22. Brooks C., Tsolacos S. Real Estate Modelling and Forecasting. Cambridge: Cambridge University Press, 2010.

23. Bańbura M., Giannone D., Reichlin L. Large Bayesian Vector Auto Regressions // Journal of Applied Econometrics. 2010. Vol. 25. Iss. 1. P. 71-92. doi: https://doi.org/10.1002/jae.1137.

24. PotterS.M.Nonlinear Impulse Response Functions//Journal of Economic Dynamics and Control. 2000. Vol. 24. Iss. 10. P. 1425-1446.

25. Лола И.С., Глуздовский С.В. Применение методов векторной авторегрессии в исследовании влияния малого розничного предпринимательства на динамику торговли // Вопросы статистики. 2018. Т. 25. № 11. С. 3-12.