27 Feb'24 20:47
Хотя разрыв выпуска исчез из докладов о денежной политике - нет ни его оценок, ни ссылок на размер разрыва выпуска - вот члены Совета директоров вполне мыслят в терминах аутпут гэпа
@c0ldness
@c0ldness
27 Feb'24 20:57
🐍 Что по рублю? Отвечает Совет директоров:
• Продажи валюты на рынке снизились за прошедший период вслед за сокращением стоимостного
объема экспорта
• Жесткая денежно-кредитная политика продолжает вносить вклад в охлаждение спроса на импорт
в рублевом выражении, что способствует более стабильной динамике курса
• Высокие рублевые процентные ставки также поддерживают спрос на рублевые финансовые инструменты как средство сбережения
• В случае непродления указа об обязательной продаже валютной выручки крупнейшими экспортерами это не станет значимым фактором последующей динамики обменного курса
@c0ldness
• Продажи валюты на рынке снизились за прошедший период вслед за сокращением стоимостного
объема экспорта
• Жесткая денежно-кредитная политика продолжает вносить вклад в охлаждение спроса на импорт
в рублевом выражении, что способствует более стабильной динамике курса
• Высокие рублевые процентные ставки также поддерживают спрос на рублевые финансовые инструменты как средство сбережения
• В случае непродления указа об обязательной продаже валютной выручки крупнейшими экспортерами это не станет значимым фактором последующей динамики обменного курса
@c0ldness
27 Feb'24 21:07
😇Продолжительный период жестких денежных условий ≠ продолжительный период ключевой ставки в 16%
@c0ldness
Вместе с тем все участники согласились, что важно избежать трактовки этого сигнала как прямого указания на неизменность самой ключевой ставки в течение продолжительного времени. При устойчивом снижении инфляции и инфляционных ожиданий той же степени жесткости денежнокредитных условий (то есть тому же уровню реальных процентных ставок) будет соответствовать постепенно снижающаяся ключевая ставка.
@c0ldness
27 Feb'24 21:13
Осталось понять входят ли товары, рост производства которых происходит на Урале, в корзину ИПЦ
@c0ldness
@c0ldness
27 Feb'24 21:30
😇 Что если резкие изменения ключевой ставки последних 2-х лет связаны с нестабильной оценкой разрыва выпуска Банком России?
Благодаря публикации резюме обсуждения СД решения по ставке мы знаем, что оценка разрыва выпуска (отклонения уровня деловой активности от траектории устойчивого роста) играет более значительную роль, чем было принято думать ранее
Банк России давано исключил обсуждения разрыва выпуска из релизов и докладов, соотв. принято было считать, что разрыв не является для СД важной вводной
Февральское резюме показывает, что разрыв не просто центральная тема СД, но у членов СД есть различные и зрелые теории о его динамике:
Что это значит для нас?
🎯 Новое понимание роли разрыва выпуска - делает задачу прогнозирования решений Банка России одновременно легче и тяжелее
@c0ldness
Благодаря публикации резюме обсуждения СД решения по ставке мы знаем, что оценка разрыва выпуска (отклонения уровня деловой активности от траектории устойчивого роста) играет более значительную роль, чем было принято думать ранее
Банк России давано исключил обсуждения разрыва выпуска из релизов и докладов, соотв. принято было считать, что разрыв не является для СД важной вводной
Февральское резюме показывает, что разрыв не просто центральная тема СД, но у членов СД есть различные и зрелые теории о его динамике:
Устойчивость инфляционного давления зависит от экономических условий, от того, где экономика находится относительно своего потенциала, поэтому участники детально обсудили характер сильного роста ВВП в 2023 году
Что это значит для нас?
🎯 Новое понимание роли разрыва выпуска - делает задачу прогнозирования решений Банка России одновременно легче и тяжелее
@c0ldness
20 Mar'24 00:19
👑 Хорошая и плохая новость
Хорошая новость в том, что внимание СД к отклонению деловой активности от траектории устойчивого роста делает решения Банка России более структурированным и прогнозируемым
Этот подход хорошо укладывается в рамки правила Тэйлора, где ключевая ставка зависит от разрыва выпуска и ожидаемого отклонения инфляции от цели
Плохая новость состоит в том, что Деда Мороза не существует, что разрыв выпуска - это величина которую мы не наблюдаем напрямую
Разрыв выпуска - это оценка, которую мы должны извлекать из данных. Итоговая оценка будет зависеть от нашего метода и модели не меньше, чем от исходных сырых данных
🕊 Разберемся с этой проблемой на примере
@c0ldness
Хорошая новость в том, что внимание СД к отклонению деловой активности от траектории устойчивого роста делает решения Банка России более структурированным и прогнозируемым
Этот подход хорошо укладывается в рамки правила Тэйлора, где ключевая ставка зависит от разрыва выпуска и ожидаемого отклонения инфляции от цели
Плохая новость состоит в том, что Деда Мороза не существует, что разрыв выпуска - это величина которую мы не наблюдаем напрямую
Разрыв выпуска - это оценка, которую мы должны извлекать из данных. Итоговая оценка будет зависеть от нашего метода и модели не меньше, чем от исходных сырых данных
🕊 Разберемся с этой проблемой на примере
@c0ldness
20 Mar'24 00:26
🦅 Есть несколько стандартных алгортимов оценки разрыва выпуска: одномерные фильтры, многомерные фильтры, структруктурыне и полуструктурные модели и прочий зоопарк
Для практических целей их можно разеделить на два класса:
(1) модели которые проводят гладкую линию через ряд и называют отклонения от нее разрывом выпуска без учета поведения других переменных
и (2) модели, которые идентифицируют изменения в уровне активности как рост потенциала или разрыва выпуска на основе поведения других переменных (+ теоретических соображений в духе "когда деловая активность ускоряется вместе с ценами, то это происходит за счет роста разрыва")
👑 Сравним оценки характерных преставителей этих двух семейств на наших данных: фильтра Ходрика-Прескотта и структурного VAR с идентификацией на основне долгосрочных ограничений по Бланшару-Куа
@c0ldness
Для практических целей их можно разеделить на два класса:
(1) модели которые проводят гладкую линию через ряд и называют отклонения от нее разрывом выпуска без учета поведения других переменных
и (2) модели, которые идентифицируют изменения в уровне активности как рост потенциала или разрыва выпуска на основе поведения других переменных (+ теоретических соображений в духе "когда деловая активность ускоряется вместе с ценами, то это происходит за счет роста разрыва")
👑 Сравним оценки характерных преставителей этих двух семейств на наших данных: фильтра Ходрика-Прескотта и структурного VAR с идентификацией на основне долгосрочных ограничений по Бланшару-Куа
@c0ldness
20 Mar'24 00:36
Наши результаты показывают 4 вещи:
- прямая статистическая оценка HP фильтра и SVAR хорошо согласованы большую часть спокойного времени
- статистическая оценка плохо идентифицирует шоки со стороны предложения: провалы в деловой активности из-за локдаунов в 2020 году, из-за закрытие части обрабатывающих производств в 2022 выглядят для фильтра проблемой со стороны спроса
- структурная модель дает более стабильные и интуитивные оценки разрыва выпуска - идентифицирует локдауны и приостановку обработки как шоки со стороны предложения, а и не показывают отрицательного разрыва в середине 2022
- траектория ключевой ставки в последние 3-4 года существенно лучше согласуется с оценка оценками HP - фильтра: большой отрицательный разрыв хорошо согласуется с исторически аномальной скорости снижения ключевой ставки с 20% до 7.5%
Но это все прошлое - что эти оценки говорят о будущем?
@c0ldness
- прямая статистическая оценка HP фильтра и SVAR хорошо согласованы большую часть спокойного времени
- статистическая оценка плохо идентифицирует шоки со стороны предложения: провалы в деловой активности из-за локдаунов в 2020 году, из-за закрытие части обрабатывающих производств в 2022 выглядят для фильтра проблемой со стороны спроса
- структурная модель дает более стабильные и интуитивные оценки разрыва выпуска - идентифицирует локдауны и приостановку обработки как шоки со стороны предложения, а и не показывают отрицательного разрыва в середине 2022
- траектория ключевой ставки в последние 3-4 года существенно лучше согласуется с оценка оценками HP - фильтра: большой отрицательный разрыв хорошо согласуется с исторически аномальной скорости снижения ключевой ставки с 20% до 7.5%
Но это все прошлое - что эти оценки говорят о будущем?
@c0ldness
20 Mar'24 00:53
😇 HP говорит держать, BQ говорит снижать
• Оценки разрыв на начало 1кв24 серьезно разошлись
• Статистический фильтр HP говорит, что деловая активность чуть выше потенциала - и СД скорее воспример это как подсказку держать ставку 16%
• Наша стркутурная модель (SVAR) говорит о том, что разрыв выпуска был положителным в конце 3кв23, но стал быстро падать в последующие месяцы - это хорошо согласуется с теорией про рост потенциала, о которой говорили отдельные члены СД в феврале
На наш взгляд альтернативные оценки фильтра на основе SVAR более устойчивы и более интуитивно описывают историю последних 4-5 лет
💀 Еще важнее то, что различия в оценках двух моделей неплохо предсказывает ошибки денежной политки - периоды, когда избыточно быстро снижение ставок оборачивается перелетом по инфляции (и наоборот)
Время покажет
Cтатистика роста цен в ближайшие 3-4 месяца будет критерием того, насколько верным оказались суждения СД о размере разрыва выпуска и основанные на этих суждения сигналы о необходимости держать ставку в 16% до конца 2кв24
@c0ldness
• Оценки разрыв на начало 1кв24 серьезно разошлись
• Статистический фильтр HP говорит, что деловая активность чуть выше потенциала - и СД скорее воспример это как подсказку держать ставку 16%
• Наша стркутурная модель (SVAR) говорит о том, что разрыв выпуска был положителным в конце 3кв23, но стал быстро падать в последующие месяцы - это хорошо согласуется с теорией про рост потенциала, о которой говорили отдельные члены СД в феврале
На наш взгляд альтернативные оценки фильтра на основе SVAR более устойчивы и более интуитивно описывают историю последних 4-5 лет
💀 Еще важнее то, что различия в оценках двух моделей неплохо предсказывает ошибки денежной политки - периоды, когда избыточно быстро снижение ставок оборачивается перелетом по инфляции (и наоборот)
Время покажет
Cтатистика роста цен в ближайшие 3-4 месяца будет критерием того, насколько верным оказались суждения СД о размере разрыва выпуска и основанные на этих суждения сигналы о необходимости держать ставку в 16% до конца 2кв24
@c0ldness
20 Mar'24 01:03
🐍 Резюме: Резкие изменения ключевой ставки последних 3-4-х лет скорее всего связаны с нестабильными оценками разрыва выпуска Банком России
Альтернативные оценки говорят о возможности снижения ключевой ставки уже в марте - и вероятно более стабильны и строго согласованы с экономической теорией
@c0ldness
Альтернативные оценки говорят о возможности снижения ключевой ставки уже в марте - и вероятно более стабильны и строго согласованы с экономической теорией
@c0ldness
20 Mar'24 01:05
🐍 На сколько перегрета экономика? Считаем вместе: Оценка разрывы выпуска с помощью структруного VARа и идентицикацией по Бланшару-Куа
Оценка отклонения выпуска от устойчивой траектори (разрыва выпуска) - это один из ключевых ингридиентов оценки "правильного уровня ключевой ставки"
Мы разбирали теорию вопроса вот здесь: Что если резкие изменения ключевой ставки последних 2-х лет связаны с нестабильной оценкой разрыва выпуска Банком России?
Ниже лишь хочу поделиться кодом для репликации наших расчетов на MATLAB и Wolfram.
Данные для расчетов в коммменте к этому посту
Поехали
@c0ldness
Оценка отклонения выпуска от устойчивой траектори (разрыва выпуска) - это один из ключевых ингридиентов оценки "правильного уровня ключевой ставки"
Мы разбирали теорию вопроса вот здесь: Что если резкие изменения ключевой ставки последних 2-х лет связаны с нестабильной оценкой разрыва выпуска Банком России?
Ниже лишь хочу поделиться кодом для репликации наших расчетов на MATLAB и Wolfram.
Данные для расчетов в коммменте к этому посту
Поехали
@c0ldness
15 Apr'24 17:46
😇 BQ-SVAR: MATLAB
1. Забираем VAR Toolbox 3.0 отсюда
2. Собираем данные и оцениваем VAR
addpath(genpath('F:/RussiaCEE/tools/matlab/v3dot0'))
clear all; clear session; close all; clc
warning off all
% Load data
[xlsdata, xlstext] = xlsread("databq.xlsx",'Sheet1');
X = xlsdata;
dates = xlstext(2:end,1);
vnames_long = xlstext(1,2:end);
vnames = xlstext(1,2:end);
nvar = length(vnames);
data = Num2NaN(xlsdata);
% Store variables in the structure DATA
for ii=1:length(vnames)
DATA.(vnames{ii}) = data(:,ii);
end
% Convert the first date to numeric
year = str2double(xlstext{3,1}(1:4));
quarter = str2double(xlstext{3,1}(6));
% Observations
nobs = size(data,1);
% Define number of variables and of observations
[nobs, nvar] = size(X);
% Set deterministics for the VAR
det = 1;
% Set number of nlags
nlags = 12;
% Estimate VAR
[VAR, VARopt] = VARmodel(X,nlags,det);
2. Идетифицируем SVAR
VARopt.nsteps = 40;
VARopt.ident = 'long';
VARopt.vnames = vnames_long;
VARopt.FigSize = [26,12];
% Compute IR
[IR, VAR] = VARir(VAR,VARopt);
3. Делаем историческую декомпозицию вкладов структурных шоков:
[HD, VAR] = VARhd(VAR,VARopt)
4. Наш целевой ряд - это накопленная сумма вкладов "собственных" шоков выпуска:
tsio = HD.init(:,1) + HD.const(:,1) + HD.shock(:,1,1);
@c0ldness
1. Забираем VAR Toolbox 3.0 отсюда
2. Собираем данные и оцениваем VAR
addpath(genpath('F:/RussiaCEE/tools/matlab/v3dot0'))
clear all; clear session; close all; clc
warning off all
% Load data
[xlsdata, xlstext] = xlsread("databq.xlsx",'Sheet1');
X = xlsdata;
dates = xlstext(2:end,1);
vnames_long = xlstext(1,2:end);
vnames = xlstext(1,2:end);
nvar = length(vnames);
data = Num2NaN(xlsdata);
% Store variables in the structure DATA
for ii=1:length(vnames)
DATA.(vnames{ii}) = data(:,ii);
end
% Convert the first date to numeric
year = str2double(xlstext{3,1}(1:4));
quarter = str2double(xlstext{3,1}(6));
% Observations
nobs = size(data,1);
% Define number of variables and of observations
[nobs, nvar] = size(X);
% Set deterministics for the VAR
det = 1;
% Set number of nlags
nlags = 12;
% Estimate VAR
[VAR, VARopt] = VARmodel(X,nlags,det);
2. Идетифицируем SVAR
VARopt.nsteps = 40;
VARopt.ident = 'long';
VARopt.vnames = vnames_long;
VARopt.FigSize = [26,12];
% Compute IR
[IR, VAR] = VARir(VAR,VARopt);
3. Делаем историческую декомпозицию вкладов структурных шоков:
[HD, VAR] = VARhd(VAR,VARopt)
4. Наш целевой ряд - это накопленная сумма вкладов "собственных" шоков выпуска:
tsio = HD.init(:,1) + HD.const(:,1) + HD.shock(:,1,1);
@c0ldness
15 Apr'24 17:51
😇 BQ-SVAR: Wolfram
1. Забираем мой пакет Economica отсюда (не спрашивайте - у каждого человека есть в жизни период, когда он не вполне понимает, что он делает)
2. Собираем данные и оцениваем VAR:
dfoi = TimeSeriesImport["databq.xlsx"]
val = Values[dfoi];
data = Transpose[#@"Values" & /@ val];
dates = First[val]["Dates"];
varlag = 12
varm = VARModelFit[data, varlag];
2. Идетифицируем SVAR:
svar = VARImpulseResponse[varm, Length@data - varm["nlags"], "BlanchardQuah", 0];
irf = svar["IRF"];
irfs = Chop@irf[[ ;; ]];
structuralResiduals =
varm["FitResiduals"] . Inverse[svar["invA"]]\[Transpose];
3. Делаем историческую декомпозицию вкладов структурных шоков:
empirf = irfs[[All, 1, All]];
histDecomp = ((Plus @@ (Reverse[empirf[[;; #]]]*
structuralResiduals[[;; #]]))) & /@
Range[(Length@data - varm["nlags"])];
resid = Total /@ histDecomp;
bchart = (Join[
histDecomp, {yd[[-(Length@data - varm["nlags"]) ;;]] -
resid}\[Transpose], 2]);
4. Наш целевой ряд - это накопленная сумма вкладов "собственных" шоков выпуска:
trendbq =
TimeSeries[{dates[[varlag +1 ;;]],
Total /@ (bchart[[All, {1, 5}]])}\[Transpose]]
tsoi = TimeSeriesIntegrate[trendbq]
@c0ldness
1. Забираем мой пакет Economica отсюда (не спрашивайте - у каждого человека есть в жизни период, когда он не вполне понимает, что он делает)
2. Собираем данные и оцениваем VAR:
dfoi = TimeSeriesImport["databq.xlsx"]
val = Values[dfoi];
data = Transpose[#@"Values" & /@ val];
dates = First[val]["Dates"];
varlag = 12
varm = VARModelFit[data, varlag];
2. Идетифицируем SVAR:
svar = VARImpulseResponse[varm, Length@data - varm["nlags"], "BlanchardQuah", 0];
irf = svar["IRF"];
irfs = Chop@irf[[ ;; ]];
structuralResiduals =
varm["FitResiduals"] . Inverse[svar["invA"]]\[Transpose];
3. Делаем историческую декомпозицию вкладов структурных шоков:
empirf = irfs[[All, 1, All]];
histDecomp = ((Plus @@ (Reverse[empirf[[;; #]]]*
structuralResiduals[[;; #]]))) & /@
Range[(Length@data - varm["nlags"])];
resid = Total /@ histDecomp;
bchart = (Join[
histDecomp, {yd[[-(Length@data - varm["nlags"]) ;;]] -
resid}\[Transpose], 2]);
4. Наш целевой ряд - это накопленная сумма вкладов "собственных" шоков выпуска:
trendbq =
TimeSeries[{dates[[varlag +1 ;;]],
Total /@ (bchart[[All, {1, 5}]])}\[Transpose]]
tsoi = TimeSeriesIntegrate[trendbq]
@c0ldness
15 Apr'24 17:58
📛🚒 Риски "перегрева" растут
Состояние, когда спрос растёт быстрее возможностей экономики, называется «перегревом» или, в терминологии экономистов/ЦБ, «положительным разрывом выпуска». Он всегда ведёт к росту инфляции и импорта (отсюда давление на курс), но его величина прямо ненаблюдаема и обычно оценивается сложными (для обывателя) методами.
Пример таких hi-end оценок совсем недавно давал @c0ldness, но попробуем прикинуть масштабы проблемы "на глаз":
📌 сравним выпуск с внутренним спросом в постоянных ценах без сезонности
📌 оценим тренд в динамике ВВП и сравним с довольно широким консенсусом потенциального роста в РФ на 1-2% в год
По графикам неплохо видно, почему инфляция была выше целевых 4% в 2011-14, после пандемии в 2021 (хотя тут чуть менее явно) и, наконец, в 2П22-2023.
Видно и то, как с начала 2010х экономика устойчиво замедлялась, если говорить об общем тренде – в зависимости от подпериода он варьировался от 1.2% до 2.1%. В некоторой степени это позволяет чуть шире взглянуть на экономические успехи последних 10 лет.
📊 На основе этих цифр «положительный разрыв выпуска» в 4К23 можно грубо оценить от 1.5 до 2.5%. В нашем базовом (скорректированном) прогнозе ВВП +2-2.2% разрыв должен был постепенно закрываться с конца 2К24, но при сохранении прежнего (3%+) импульса в экономике ЦБ пришлось бы тормозить спрос сильнее, чем предполагалось до этого
Состояние, когда спрос растёт быстрее возможностей экономики, называется «перегревом» или, в терминологии экономистов/ЦБ, «положительным разрывом выпуска». Он всегда ведёт к росту инфляции и импорта (отсюда давление на курс), но его величина прямо ненаблюдаема и обычно оценивается сложными (для обывателя) методами.
Пример таких hi-end оценок совсем недавно давал @c0ldness, но попробуем прикинуть масштабы проблемы "на глаз":
📌 сравним выпуск с внутренним спросом в постоянных ценах без сезонности
📌 оценим тренд в динамике ВВП и сравним с довольно широким консенсусом потенциального роста в РФ на 1-2% в год
По графикам неплохо видно, почему инфляция была выше целевых 4% в 2011-14, после пандемии в 2021 (хотя тут чуть менее явно) и, наконец, в 2П22-2023.
Видно и то, как с начала 2010х экономика устойчиво замедлялась, если говорить об общем тренде – в зависимости от подпериода он варьировался от 1.2% до 2.1%. В некоторой степени это позволяет чуть шире взглянуть на экономические успехи последних 10 лет.
📊 На основе этих цифр «положительный разрыв выпуска» в 4К23 можно грубо оценить от 1.5 до 2.5%. В нашем базовом (скорректированном) прогнозе ВВП +2-2.2% разрыв должен был постепенно закрываться с конца 2К24, но при сохранении прежнего (3%+) импульса в экономике ЦБ пришлось бы тормозить спрос сильнее, чем предполагалось до этого
16 Apr'24 20:51