Развитие композитных индикаторов циклического реагирования в конъюнктурных обследованиях
https://doi.org/10.34023/2313-6383-2021-28-2-24-41
Аннотация
В статье предложен новый набор композитных индикаторов – предикторов в конъюнктурных обследованиях, которые позволяют выявлять ранние информационные сигналы циклического характера в экономическом поведении хозяйствующих субъектов.Основным критерием эффективности индикаторов служит их чувствительность к циклическому паттерну и смене режимов в динамике статистических референтов. При этом такое свойство, как статистически значимое опережение временных рядов или технического выпуска и публикации данных, позволяет объединить их в группу индикаторов раннего предупреждения.
Индекс деловой активности (ИДА) в базовых отраслях экономики России – это композитный индикатор, впервые рассчитанный авторами на основе результатов регулярных (ежемесячных и ежеквартальных) обследований Росстата деловой активности организаций за период 1998–2020 гг. с широкомасштабным охватом единиц выборочного наблюдения. В 2020 г. количество респондентов обследований составило в среднем около 20 тыс. организаций всех категорий численности. Индекс отражает «общий» профиль краткосрочных колебаний ключевых параметров экономической конъюнктуры. Первичную информацию для объединения в ИДА составляют «балансы мнений» респондентов в отношении вопросов, унифицированных для всех секторальных обследований Росстата, а также взаимосвязанных с референтной количественной статистикой с коэффициентами кросс-корреляции, статистически значимо отличных от нуля при опережении не менее чем на один квартал. В этом заключается основное отличие нового композитного индикатора обследований от известных индексов экономических настроений и предпринимательской уверенности. Основными компонентами ИДА являются композитные индексы реального спроса, фактического выпуска, реальной занятости, совокупной прибыли и общей экономической ситуации. Они агрегируют соответствующую «порядковую» статистику по базовым видам экономической деятельности страны, включающим промышленное производство, розничную торговлю, строительство и услуги.
В статье приводятся методологическое обоснование и расширенная процедура идентификации компонент ИДА, сформирован их состав для всей совокупности ретроспективных результатов конъюнктурного наблюдения в стране. В качестве основного ограничителя деловой активности вводится новый индекс экономической уязвимости (ИЭУ) с контрнаправленным профилем и различной степенью симметричности его динамики относительно краткосрочного движения ИДА. Превентивный мониторинг формирующихся уязвимостей в деловой среде необходим для предупреждения их масштабных накоплений, предотвращения рисков экономических спадов и обеспечения максимально возможной макроэкономической стабильности. Такой комплексный подход определяет новизну предложенных авторами измерений краткосрочных колебаний циклического характера в экономическом развитии.
Ключевые слова
Об авторах
Л. А. КитрарРоссия
Китрар Людмила Анатольевна – канд. экон. наук, заместитель директора, Центр конъюнктурных исследований Института статистических исследований и экономики знаний
101000, г. Москва, Славянская пл., д. 4, стр. 2
Т. М. Липкинд
Россия
Липкинд Тамара Михайловна – ведущий эксперт, Центр конъюнктурных исследований Института статистических исследований и экономики знаний
101000, г. Москва, Славянская пл., д. 4, стр. 2
Список литературы
1. Cesaroni T. The Cyclical Behavior of the Italian Business Survey Data // Empirical Economics. 2011. Vol. 41. Iss. 3. P. 747-768. doi: https://doi.org/10.1007/s00181-010-0390-7.
2. Mourougane A., Roma M. Can Confidence Indicators Be Useful to Predict Short Term Real GDP Growth? // Applied Economics Letters. 2003. Vol. 10. Iss. 8. P. 519–522. doi: https://doi.org/10.1080/1350485032000100305.
3. Taylor K., McNabb R. Business Cycle and the Role of Confidence: Evidence for Europe // Oxford Bulletin of Economics and Statistics. 2007. Vol. 69. Iss. 2. P. 185–208. doi: https://doi.org/10.1111/j.1468-0084.2007.00472.x.
4. De Bondt G.J., Schiaffi S. Confidence Matters for Current Economic Growth: Empirical Evidence for the Euro Area and the United States // Social Science Quarterly. 2015. Vol. 96. Iss. 4. P. 1027–1040. doi: https://doi.org/10.1111/ssqu.12181.
5. Christiansen C., Eriksen J.N., Moller S.V. Forecasting US Recessions: The Role of Sentiment // Journal of Banking and Finance. 2014. Vol. 49. P. 459–468. doi: https://doi.org/10.1016/j.jbankfin.2014.06.017.
6. Claveria O., Pons E., Ramos R. Business and Consumer Expectations and Macroeconomic Forecasts // International Journal of Forecasting. 2007. Vol. 23. Iss. 1. P. 47–69. doi: https://doi.org/10.1016/j.ijforecast.2006.04.004.
7. Angeletos G.-M., Lian Ch. Confidence and the Propagation of Demand Shocks // NBER Working Paper No. 27702. Cambridge, MA: National Bureau of Economic Research, 2020. doi: https://doi.org/10.3386/w27702.
8. Farboodi M., Kondor P. Rational Sentiments and Economic Cycles // NBER Working Paper No. 27472. Cambridge, MA: National Bureau of Economic Research, 2020. doi: https://doi.org/10.3386/w27472.
9. Benhabib J., Spiegel M.M. Sentiments and Economic Activity: Evidence from U.S. States // NBER Working Paper No. 23899. Cambridge, MA: National Bureau of Economic Research, 2017. doi: https://doi.org/10.3386/w23899.
10. Acharya S., Benhabib J., Huo Zh. The Anatomy of Sentiment-Driven Fluctuations // NBER Working Paper No. 23136. Cambridge, MA: National Bureau of Economic Research, 2017. doi: https://doi.org/10.3386/w23136.
11. Китрар Л., Липкинд Т. Анализ взаимосвязи индикатора экономических настроений и роста ВВП // Экономическая политика. 2020. T. 15. № 6. С. 8–41. doi: https://doi.org/10.18288/1994-5124-2020-6-8-41.
12. Китрар Л.А., Остапкович Г.В. Интегрированный подход к построению композитных индикаторов со встроенным алгоритмом оценки цикличности в динамике результатов конъюнктурного мониторинга // Вопросы статистики. 2013. № 12. С. 23–34.
13. Lipkind T., Kitrar L., Ostapkovich G. Russian Business Tendency Surveys by HSE and Rosstat // Business Cycles in BRICS / еd. by S. Smirnov, A. Ozyildirim, P. Picchetti. Springer International Publ., 2019. Ch. 13. P. 233–251. doi: https://doi.org/10.1007/978-3-319-90017-9.
14. International Monetary Fund. World Economic Outlook Update. January 2021. URL: https://www.imf.org/-/media/Files/Publications/WEO/2021/Update/January/English/text.ashx.
15. The World Bank. Russia: Recession and Growth Under the Shadow of a Pandemic. Special Focus: Education. Russia Economic Report, No. 43, July 2020. Washington, DC: World Bank, 2020. URL: http://hdl.handle.net/10986/34219.
16. The World Bank. Russia's Economy Loses Momentum Amidst COVID-19 Resurgence; Awaits Relief from Vaccine. Russia Economic Report, No. 44, December 2020. Washington, DC: World Bank, 2020. URL: http://hdl.handle.net/10986/34950.
17. Китрар Л.А., Липкинд Т.М., Остапкович Г.В. Квантификация качественных признаков в конъюнктурных обследованиях // Вопросы статистики. 2018. Т. 25. № 4. С. 49–63.
18. European Commission. The Joint Harmonised EU Programme of Business and Consumer Surveys. User Guide (Updated February 2020). URL: https://ec.europa.eu/info/sites/info/files/bcs_user_guide_2020_02_en.pdf.
19. United Nations Economic Commission for Europe. Guidelines on Producing Leading, Composite and Sentiment Indicators. Geneva: UN, 2019. URL: https://www.unece.org/fileadmin/DAM/stats/publications/2019/ECECESSTAT20192.pdf.
20. Китрар Л.А., Липкинд Т.М., Остапкович Г.В. Новый Индекс делового климата в обрабатывающей промышленности России // Вопросы статистики. 2018. Т. 25. № 8. С. 15–24.
21. Malgarini M. Industrial Production and Confidence after the Crisis: What’s Going on? // Munich Personal RePEc Archive Paper No. 53813. 2012. URL: https://mpra.ub.uni-muenchen.de/53813/.
22. European Commission. European Business Cycle Indicators – 2nd Quarter 2017. ESI and other BCS indicators vs PMI – Properties and Empirical Performance. Technical Papers 17. Luxembourg: Publication Office of the European Union, 2017. doi: https://doi.org/10.2765/283995.
23. OECD. OECD System of Composite Leading Indicators. April 2012. URL: http://www.oecd.org/std/leading-indicators/41629509.pdf.
24. Hodrick R.J., Prescott E.C. Postwar U.S. Business Cycles: An Empirical Investigation // Journal of Money Credit and Banking. 1997. Vol. 29. No. 1. P. 1–16.
25. 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: https://ec.europa.eu/economy_finance/db_indicators/surveys/documents/workshops/2008/ec_meeting/nilsson_gyomai_oecd.pdf.
26. European Commission. European Business Cycle Indicators – 4th Quarter 2019. A New Employment Index for the Euro Area Based on Sectoral Employment Expectations. Technical Papers 37. Luxembourg: Publication Office of the European Union, 2019. doi: https://doi.org/10.2765/548029.
Рецензия
Для цитирования:
Китрар Л.А., Липкинд Т.М. Развитие композитных индикаторов циклического реагирования в конъюнктурных обследованиях. Вопросы статистики. 2021;28(2):24-41. https://doi.org/10.34023/2313-6383-2021-28-2-24-41
For citation:
Kitrar L.A., Lipkind T.M. Development of Composite Indicators of Cyclical Response in Business Surveys. Voprosy statistiki. 2021;28(2):24-41. (In Russ.) https://doi.org/10.34023/2313-6383-2021-28-2-24-41