авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 | 5 |   ...   | 12 |

«РОССИЙСКАЯ АКАДЕМИЯ НАУК УРАЛЬСКОЕ ОТДЕЛЕНИЕ ИНСТИТУТ ЭКОНОМИКИ Сборник статей I Научной школы молодых ученых ...»

-- [ Страница 3 ] --

Уровень демографического капитала во всех субъектах УрФО по округу в целом классифицируется как низкий, в Курганской области – как весьма низкий. Такая ситуация складывается главным образом за счет весьма низких и убывающих в динамике показателей удельной численности населения моложе трудоспособного возраста (в среднем по УрФО – 17%), крайне высокому уровню заболеваемости населения (815 случаев на 1000 чел.

населения), невысоким показателям ожидаемой продолжительности жизни во всех субъектах округа (69,5 лет). Состояние демографического капитала УрФО в целом полностью соответствует общероссийским тенденциям развития народонаселения. Уровень образовательного капитала низкий в Курганской, Свердловской и Челябинской областях, в Тюменской области с автономными округами – весьма низкий. Сложившаяся ситуация объясняется усиливающимися диспропорциями между системой образования и рынком труда, крайне низким кадровым капиталом системы образования во всех субъектах округа (превышение нагрузки на преподавателей в среднем в 5-7 раз), а также высокой изношенностью фондов системы образования (более 40%) и низким уровнем финансирования (менее 3% бюджета субъектов).

В силу ежегодно усиливающихся диспропорций между системой образования и рынком труда, молодые специалисты оказываются неконкурентоспособны по причине несоответствия спроса и предложения квалифицированных кадров, а также ежегодно снижающегося качества получаемого образования. Положение в сфере среднего и начального профессионального образования удручающее. Число студентов и учащихся резко снижалось на протяжении прошедших 10 лет, что привело к ситуации, в которой потребность экономики в специалистах со средним и начальным профессиональным образованием удовлетворяется менее чем наполовину. Правда, для нынешней структуры российской экономики ситуацию, складывающуюся на рынке образовательных услуг, ещ можно назвать приемлемой, но в условиях актуальной направленности на скорейшую и масштабную модернизацию страны и ее инновационное развитие становится очевидно, что на данный момент нет человеческого капитала, необходимого для ее реализации, и нет предпосылок к изменению ситуации, поскольку образовательные учреждения игнорируют потребности рынка труда, ориентируясь на запросы потребителей образовательных услуг.

В сложившихся условиях целесообразно создание системы мониторинга и координации специальностей в рамках долгосрочной стратегии развития государства, которая позволит вовремя проинформировать население о специальностях, которые будут востребованы на рынке труда в ближайшие годы. Свою роль в этот процесс могут внести компании, которые в рамках своих среднесрочных стратегий развития, заявляют потребность в специальностях на перспективный период. Уровень трудового капитала удовлетворительный в Челябинской области и Тюменской области с автономными округами, а в Свердловской и Курганской области – низкий. В Свердловской области это связано, в первую очередь, недостаточной для уровня промышленного потенциала области численностью занятых в производстве (менее 40%) и весьма низким показателем стоимости ВРП на одного занятого в экономике (421 тыс.

руб. чел.). В Курганской области – с крайне низкой долей экономически активного населения в общей численности населения (менее 50%) и весьма низким показателем отношения заработной платы к прожиточному минимуму (2,44). Уровень научно-исследовательского капитала УрФО на протяжении последних десяти лет колеблется в пределах удовлетворительного состояния. Удовлетворительный уровень научно-исследовательского капитала в Свердловской области сочетает хороший уровень научно-исследовательского потенциала и высокий уровень результативности сферы исследований и разработок наряду с весьма низким состоянием фондов и финансирования сферы исследований и разработок.

Низкий уровень научно-исследовательского капитала Челябинской, Курганской и Тюменская области в целом сложился вследствие весьма низкого уровня состояния фондов и финансирования научно-исследовательской деятельности и низкого уровня показателей научно-исследовательского потенциала и результативности научно-исследовательской деятельности. В Ханты-Мансийском и Ямало-Ненецком автономных округах большинство индикаторов оценки состояния научно-исследовательского капитала соответствуют весьма низкому уровню. Что касается динамики изменения уровня научно-исследовательского капитала УрФО в целом, то при наличии весьма существенных колебаний за период 2000 2010 гг., наблюдалось незначительное его повышение, за счет Курганской области и Ямало Ненецкого автономного округа. В остальных территориях округа уровень капитала за исследуемый период несколько снизился, наиболее заметно – в Ханты-Мансийском автономном круге и в регионе-лидере по уровню развитости сферы исследований и разработок – Свердловской области. Особую обеспокоенность вызывает абсолютное сокращение исследователей (2,6 тыс. человек) при крайне низком уровне внутренних затрат на НИОКР (0,514% ВРП), прогрессирующее ухудшение состояния основных фондов сферы исследований и разработок (износ ОФ более 50%), и в целом нестабильные и невысокие показатели результативности, особенно на фоне нарастающих масштабов ресурсного обеспечения науки в ведущих странах мира. Учитывая критически важное для национальных социально-экономических систем значение сферы научных исследований и разработок, такое положение представляет серьезную угрозу переходу на инновационный путь развития.

Уровень социокультурного капитала удовлетворительный только в Курганской и Свердловской областях, в остальных территориях округа – низкий. На ситуацию неблагоприятно влияют, наряду со стабильно(относительно) низким уровнем благосостояния населения субъектов УрФО, показатели потребительских предпочтений. Стоит обратить внимание на настораживающе высокие среднедушевые показатели потребления алкогольной продукции, соответствующие весьма низкому уровню социокультурного капитала. В качестве общего вывода из складывающихся за прошедшее десятилетние тенденций развития человеческого капитала в УрФО, можно сделать вывод о наличии расхождений между проводимой социально-экономической политикой в округе и средне- и долгосрочными целями его социально-экономического развития. Предыдущее изложение показало, что состояние национального капитала территорий является многогранным, не сводящимся полностью к оценке в единых системах измерения, поэтому для его оценки перспективными являются методы многокритериального анализа и многомерной классификации. Кроме того, для оценки национального капитала отсутствуют какие-либо фиксированные стандарты таких уровней, а сама оценка находится под большим влиянием господствующих в обществе представлений о том, в чем заключается богатство, и требований как к составу показателей, определяющих национальный капитал, так и к их необходимым уровням. В этих условиях индикативный метод анализа и оценки представляется наиболее объективным.

к.э.н. Драпкин И.М., Трофимов А.А., Тюрина Ю.А.

Высшая школа экономики и менеджмента УрФУ г.Екатеринбург СОБЕННОСТИ МОДЕЛИРОВАНИЯ БАНКОВСКИХ КРИЗИСОВ НА ОСНОВЕ КЛАСТЕРИЗАЦИИ Исследование поддержано грантом Президента РФ для государственной поддержки молодых российских ученых МК-5400.2011.6.

Финансовая глобализация является в настоящее время одним из самых сложных и наиболее развитых с точки зрения интернационализации процессом. Она представляет собой результат углубления финансовых связей между странами, либерализации цен и увеличения инвестиционных потоков, создания транснациональных финансовых институтов. Вместе с тем финансовая глобализация, как объективный процесс в развитии современного общества, породила и новые риски, которые необходимо своевременно идентифицировать. Рост уровня и расширение спектра финансовых рисков повысили уязвимость национальных банковских систем, что выражается в увеличении количества финансовых кризисов. В последние несколько десятилетий многие страны – как развитые, так и развивающиеся – пережили банковские кризисы. Только в 1990-е гг. в мировой экономике прошли несколько волн банковских кризисов, охвативших целые группы стран. В 1992-1993 гг. банковские кризисы испытали Великобритания, Италия, Швеция, Норвегия. В 1994-1995 гг. сильный кризис, начавшийся в Мексике, распространился на другие страны Латинской Америки. Финансовый кризис в странах Юго-Восточной Азии в 1997-1998 гг. инфицировавший в последствии банковские системы стран Восточной Европы (Россия и др. страны бывшего СССР) и Латинской Америки. В настоящее время мир переживает последствия глобального финансово-экономического кризиса 2007-2009, который затронул, в том числе и банковскую систему.

В контексте сложившейся международной финансовой нестабильности выделение эффективных индикаторов банковских кризисов и разработка моделей, прогнозирующих системные банковские потрясения, приобретают особенную значимость и актуальность для проведения научных изысканий. Экономисты всего мира уже долгое время ведут исследования относительно причин, механизма протекания и последствий банковских кризисов. Для этого они привлекают широкий методологический арсенал: от математических моделей до эконометрических исследований. Возможность полно и адекватно реальности описать кризис означала бы то, что мы получили бы мощный инструмент для их прогнозирования и выработки эффективной антикризисной политики.

Проблема определения банковского кризиса включает в себя раскрытие его понятия и выделение критериев, на базе которых ситуация в банковской сфере может быть названа «банковским кризисом». В научной литературе понятие банковского кризиса, а также типологизация кризисов определяются неоднозначно в зависимости от направления исследования различных ученых. Однако общепризнанно наиболее опасными по своим последствиям являются системные банковские кризисы. Системный банковский кризис означает несостоятельность большей части банковской системы – неспособность банка выполнять условия контракта, заключенного с вкладчиками в силу невыполнения обязательства заемщиками банка, контракта с банком, либо в результате обесценения банковских активов. 1 При открытой форме кризиса несостоятельность выражается в прекращении банками выдачи депозитов по требованию вкладчиков. Прекращение платежей по вкладам большим числом банков – наиболее явное проявление открытого системного кризиса. Банки берут на себя и управляют рисками, и некоторые банкиры умеют это делать лучше, а другие хуже. Поэтому всегда будут существовать случайные банковские неудачи даже в здоровой и стабильной финансовой системе. Фактически, отдельные провалы банков положительно влияют на эффективность финансовой системы, так как они позволяют перераспределить ресурсы из плохо управляемых и неэффективных банков в эффективные.

Даже если эффективные банки сталкиваются с проблемами в результате незащищенности от рисков случайных событий, хотя это и маловероятно, так как такие риски, как правило, учитываются банками до того, как происходят неблагоприятные события, такие случаи имеют ограниченное влияние на финансовую систему и на доверие людей банкам.

Рудый К.В. Финансовые кризисы: теория, история, политика. - М., 2003. – С.151- В случае системного кризиса происходит множественное банкротство банков одновременно, что уменьшает общий капитал банковской системы и сильно влияет на экономическую систему в целом таким образом, что требуется вмешательство правительства. Многочисленные исследования показывают, что эпизоды банковских кризисов, а также периоды, предшествующие им, имеют общие основные элементы.

Кризисные эпизоды можно подразделить на ряд типов, каждый из которых обладает своими характерными признаками. Банковская система может пострадать от нехватки ликвидности и банковской паники, от ухудшения внутристрановых фундаментальных факторов, либо от пагубного влияния внешнеэкономической среды.

Нами был проведен анализ факторов, которые могут спровоцировать начало и развитие кризиса, и на их основе были выбраны индикаторы (показатели) для дальнейшего эконометрического моделирования банковских кризисов. Макроэкономические показатели используются для оценки степени эффективности использования кредитов в экономике, а также платежеспособности заемщиков. Темп роста ВВП. Является одним из основных показателей развития экономики страны. Падение темпов роста ВВП увеличивает риски экономических агентов, повышается вероятность банкротства фирм. 1 В связи с этим происходит рост кредитных рисков в банковской сфере – все больше заемщиков не может вернуть полученные кредиты. Темп инфляции. Рассчитывается как процентное изменение дефлятора ВВП за год. Инфляция достаточно сильно влияет на банковскую систему страны.

Она воздействует на процентные ставки, ослабляет стимулы для сбережений и сужение депозитной базы, влияет на бегство национальных капиталов за границу и изменение структуры активных и пассивных операций2. Эмпирические данные свидетельствуют, что темпы инфляции свыше 20%, как правило, ведут к финансовой нестабильности. Во время инфляции банковские активы могут неуклонно расти, может расти прибыль банков, если им удается поддерживать на высоком уровне процентную маржу. Финансовые институты с гораздо более долгосрочными активами по сравнению с пассивами попадают в тяжелое положение. Вкладчики могут негативно для банков реагировать на снижение реальных процентных ставок, прежде всего, в случае существования альтернативных вариантов выгодного вложения сбережений. Для поддержания депозитной базы банки вынуждены повышать процентные ставки по вкладам. Если возможности повышения доходности по активным операциям при этом ограниченны в силу низко ликвидных долгосрочных активов, банки испытывают резкое падение прибыли. Показатели банковской сферы позволяют описать специфическую для этой финансовой отрасли ситуацию, которая сложилась в результате ее развития. Эти показатели зависят, прежде всего, от качества банковского менеджмента, а также от остальных экономических переменных, определяющих общую динамику экономики.

Доля обязательств по депозитам банковской системы в ВВП. Данная переменная отражает размер банковской системы, источников финансирования выдаваемых займов.

Большие значения этого показателя свидетельствуют о доверии вкладчиков банковскому сектору. Это в свою очередь показывает высокую финансовую прочность банковской системы страны.

Доля банковского кредита частному сектору в ВВП. Эта переменная позволяет оценить долю от объема производства, полученную за счет займов кредитных организаций частным предприятиям. Также ее можно рассматривать как показатель величины банковского сектора экономики. Высокий рост внутреннего кредита в условиях фиксированного валютного курса приводит к сокращению резервов. 3 Кроме того, Demirguc-Kunt A, Detragiache E. The Determinants of Banking Crises in Developing and Developed Countries. // IMF Staff Papers, 45:1, 1998. – P. 81.

Hardy D, Pazarbasioglu C. Determinants and Leading Indicators of Banking Crises: Further Evidence. // IMF Staff Papers, 46:3, 1999, P. 247.

Demirguc-Kunt A, Detragiache E. The Determinants of Banking Crises in Developing and Developed Countries. // IMF Staff Papers, 45:1, 1998, P. 79.

облегчение условий доступа банков к ликвидным ресурсам часто ведет к принятию ими излишних рисков. Очень высокий рост внутреннего кредита может служить индикатором хрупкости банковской системы. Отношение внутреннего кредита к ВВП обычно растет в начале банковского кризиса: появляется риск возникновения большого количества «плохих»

кредитов. Доля международных обязательств банковской системы в ВВП. Высокие и постоянные значения данной переменной (депозиты нерезидентов) свидетельствуют об устойчивости национальной банковской системы. При снижении же финансовой стабильности в стране происходит отток средств из ее банковской системы, особенно остро реагируют на изменения иностранные вкладчики.

Доля банковских резервов в ВВП также отражает стабильность и надежность банковской системы. Большие значения переменной показывают более высокую способность банковского сектора выполнять свои обязательства по отношению к вкладчикам. Чистые иностранные активы банковской системы - сальдо активных и пассивных операций банковской системы. Более высокие значения данного показателя могут свидетельствовать об эффективности работы банковского сектора. Однако в ситуации, когда внутренние инвесторы не вкладывают средства в национальную банковскую систему, необходимо привлечение капиталов иностранных вкладчиков. Доля ликвидных банковских резервов в банковских активах. Ликвидные банковские резервы здесь трактуются как резервы в национальной валюте и средства на счетах в Центральном Банке. Общие банковские активы также включают в себя займы, выданные некоммерческим предприятиям, частному сектору, другим банкам и другим государствам. Данная переменная позволяет адекватно оценить ликвидность банковского сектора экономики, отражающую, в том числе, устойчивость системы к внешним шокам. В условиях современной глобализированной среды показатели, демонстрирующие связь отечественной экономики с зарубежными, а также с общемировыми финансовыми рынками, являются важными определяющими финансовой стабильности банковского сектора открытой экономики. Изменение золотовалютных резервов.

Используется показатель годового процентного изменения резервов. Исчерпание резервов может означать неспособность страны оплачивать внешний долг или поддерживать режим валютного курса, что в свою очередь может вылиться в бегство капитала и проблемы с ликвидностью. Изменение реального валютного курса. Колебания реального валютного курса могут оказывать дестабилизирующее воздействие на банковский сектор страны.

Ослабление реального валютного курса может вызвать серьезные проблемы, если в структуре задолженности финансового и нефинансового сектора преобладают валютные займы. Резкое укрепление валютного курса может негативно сказаться на экспортоориентированных предприятиях, которые не смогут эффективно конкурировать с мировым рынком, что вызовет ухудшение состояния отечественной экономики и рост «плохой» задолженности. Реальный валютный курс рассчитывается как e CPIUSA rer e* PPP CPIi где: е - номинальный валютный курс, выраженный в долларах за единицу национальной валюты, PPP – паритет покупательной способности – количество единиц национальной валюты, необходимое для покупки такого же количества товаров и услуг на внутреннем рынке, которое можно купить на один доллар в США. В качестве объясняющей переменной используется процентное изменение RER.

Рост импорта. Изменение совокупной стоимости всех товаров и услуг, импортированных из других стран. Повышение объемов импорта является одним из факторов наступления валютного кризиса, однако может также оказывать и значимое воздействие и на вероятность наступления банковского кризиса. Отношение денежного агрегата М2 к золотовалютным резервам. Позволяет оценить, в какой степени обязательства банковской системы обеспечиваются золотовалютными резервами.

При повышении вероятности наступления кризиса, может запуститься механизм бегства вкладчиков в валютные вклады. Увеличение показателя может быть одним из признаков нестабильности банковской системы. Изменение денежного агрегата М2. Объем денежной массы М2 позволяет оценить предложение денег. При избыточной денежной массе, подверженной значительной волатильности, вероятность наступления финансовой нестабильности повышается. В качестве объясняющей переменной мы используем годовое процентное изменение показателя. Реальная процентная ставка. Реальная процентная ставка рассчитывается по формуле i, rir где i – номинальная процентная ставка, p - ежегодный темп инфляции. Высокие процентные ставки могут указывать на кризис ликвидности, либо их увеличивают в случае отражения спекулятивных атак на валюту. 1 Высокие реальные ставки по депозитам (свыше 10%) могут отражать излишне рискованное поведение банков, в то время как чрезмерно высокие реальные ставки по кредитам (свыше 30%) могут быть вызваны кризисной финансовой ситуацией и вести к притоку краткосрочных капиталов, оказывающему дестабилизирующее влияние на экономику. Заниженные ставки предопределяют нарушение процесса трансформации сбережений в инвестиции, диспропорцию в распределении кредитов по отраслям экономики и ослабление банковской системы. Кроме того, избыточно высокая маржа по кредитам над ставкой рефинансирования отражает наличие негативных стимулов в банковской системе.

Также нами был принят в рассмотрение институциональный показатель наличия системы страхования депозитов. Страхование депозитов стоит в центре дискуссий об эффективности регулирования банковского сектора. Модели таких ученых как Даймонд и Дибвиг2, поддерживают необходимость некоторых видов страхования депозитов. Эти авторы указывают, что страхование депозитов снижает или даже полностью ликвидирует возможность набегов на банки, потому что вкладчики полностью доверяют банковской системе даже в периоды финансового бедствия. Однако хотя страхование депозитов может ликвидировать отрицательные эффекты банковских набегов, оно приводит к потерям в эффективности в банковском секторе. Более того, страхование депозитов ответственно за снижение рыночной дисциплины в банковских инвестициях и операциях3.

Страхование вкладов повышает стимулы для банков брать дополнительные риски, а, следовательно, такое поведение имеет более негативные последствия в ситуации финансового бедствия. Эмпирические исследования по данному вопросу Demirg-Kunt и Detragiache 4 свидетельствуют о том, что схемы страхования могут оказывают негативное влияние на стабильность. Для проведения эконометрического анализа мы выбрали подход, основанный на построении многомерной логит-модели, позволяющий не только выяснить, насколько значимыми являются переменные для прогнозирования банковских кризисов, но и оценить вероятность наступления таких событий. Выборкой служат данные по 45 странам за период с 1978 по 2008 гг.. В качестве источников данных использовались следующие публикации и базы данных:

Demirguc-Kunt A, Detragiache E. The Determinants of Banking Crises in Developing and Developed Countries. // IMF Staff Papers, 45:1, 1998. – P. 81.

Diamond, Dybvig Bank runs, deposit insurance, and liquidity // Journal of Political Economy.- 1983.- №91.- P.401 Klausner M., White L.J. Structural Change in Banking // Business One Irwin: Illinois. –1993.

Demirg-Kunt A., Detragiache E. Does Deposit Insurance Increase Banking System Stability? An Empirical Investigation // Journal of Monetary Economics.- 2002.- vol.49.- №7, P.1373- 1. Классификация и датировка банковских кризисов, представленная Laeven L., Valencia F. в их работе «Resolution of Banking Crises: The Good, the Bad, and the Ugly», 2. База данных World Development Indicators 2010 (World Bank);

3. International Financial Statistics 2009 (International Monetary Fund).

В качестве объясняемой переменной используется традиционная для такого рода исследований дамми-переменная crisis, принимающая значение 1 в случае, когда в экономике страны имеет место системный банковский кризис, и 0 в спокойные периоды.

Системный банковский кризис констатируется в случае присутствия произвольной комбинации следующих условий:

доля нефункционирующих кредитов достигла 10% от банковских активов;

были осуществлены государственные интервенции в целях сохранения статуса кво в банковской системе («банковские каникулы», или замораживание средств на депозитах);

общий объем государственной поддержки банковскому сектору превысил 2% ВВП.

В каждом периоде объясняемая дамми-переменная crisis(i,t) принимает значение нуля, если кризиса нет, и единицы, если кризис есть. В рамках модели мы предполагаем, что вероятность наступления кризиса в конкретный момент времени в определенной стране, является функцией от вектора n объясняющих переменных x(i,t), при этом – это вектор n неизвестных коэффициентов и F ( X (i, t )) – это функция распределения вероятности. Тогда функция максимального правдоподобия в модели принимает вид:

T n crisis (i, t ) ln F ( € (i, t )) (1 crisis (i, t )) ln 1 F ( € (i, t )) ln L X X t1i Коэффициенты, таким образом, отражают эффект изменения объясняющей переменной на ln[crisis(i,t)/(1 – crisis(i,t)]. Вероятность наступления банковского кризиса оценивается как:

exp( €X ) prob(crisis i 1) 1 exp( €X ) Значение этой функции рассчитывается на основе вектора оценок коэффициентов для каждого наблюдения вне зависимости от того, был в этом году кризис в данной стране или нет.

Для оценки качества прогнозирующей способности модели необходимо выбрать оптимальный сигнальный порог. При превышении рассчитываемой вероятностью наступления кризиса prob(crisis i 1) этого порога, модель подает сигнал о наступлении банковского кризиса. Если значение вероятности кризиса меньше сигнального порога, сигнал о кризисе отсутствует. Чем больше модель подает правильных сигналов (т.е. верно предсказывает как кризисные, так и спокойные периоды), тем выше ее прогнозирующая способность. Оптимальный порог может быть рассчитан путем минимизации некой обобщенной функции ошибок. В качестве подобной меры качества модели мы использовали сумму отношений ошибок первого и второго рода к фактическому количеству кризисных эпизодов и спокойных периодов соответственно (по сути, это процент совершенных ошибок от общего числа случаев, когда эти ошибки могли быть совершены):

B C optp min( ) BD AC где: А – верный сигнал о наступления кризиса;

B – модель прогнозирует наступление кризиса, в то время как фактически его не было (ошибка первого рода);

C – сигнал о кризисе не был подан, однако в реальности он был (ошибка второго рода);

D – верный сигнал об отсутствии кризиса.

Laeven L., Valencia F. Resolution of Banking Crises: The Good, the Bad, and the Ugly // IMF WP 2010/146.-36p.

Для выбора корректной спецификации модели были оценены модели с фиксированными и случайными эффектами. Модель с фиксированными эффектами должна отражать влияние неких значимых внутристрановых факторов, которые, тем не менее, не могут быть выражены в явном виде в качестве одной из объясняющих переменных (менталитет экономических агентов, обычаи делового оборота, господствующая политическая система). Модель со случайными эффектами предполагает, что между странами нет неявных различий, и на поведение дамми-переменной помимо объясняющих переменных влияет только случайное возмущение. Для определения правильной спецификаций модели мы провели тест Хаусмана. Результаты теста показали, что у нас нет оснований отвергнуть предположение о том, что корректной спецификацией модели является модель со случайными эффектами (иными словами, введение индивидуальных эффектов не дало значимой прибавки в объясняющей способности). Что касается анализа коэффициентов при значимых переменных (см. Таблицу 1), то вероятность появления системного банковского кризиса снижается под влиянием роста ВВП и роста импорта. Остальные значимые переменные – доля банковского кредита частному сектору в ВВП, отношение ликвидных резервов банков к банковским активам, отношение денежного агрегата М2 к золотовалютным резервам и показатель системы страхования депозитов – при своем росте оказывают дестабилизирующий эффект на банковский сектор и способствуют повышению вероятности наступления системного кризиса.

В соответствии с уже обозначенным подходом к определению оптимального порогового значения вероятности наступления банковского кризиса, были рассчитаны «хорошие» и «ложные» сигналы для каждого порогового значения от 0 до 1 с шагом 0,01.

Затем была найдена точка минимума функции суммы долей ошибок первого и второго родов, что позволило найти оптимальное значение сигнального порога (при котором исходная модель допускает наименьшее количество ошибок в процентном отношении).

Минимизируемая функция достигает своего наименьшего значения при значении порога 0,20. Таким образом, оптимальный порог для нашей модели со случайными эффектами, при превышении которого она должна давать сигнал о наступлении кризиса, равен 0,20. Модель при данном пороге верно прогнозирует около 40% кризисных эпизодов и 88% спокойных периодов. Такое значение достигается благодаря выбору оптимального порога вероятности наступления банковского кризиса: при ином значении порога можно достигнуть большего числа верных прогнозов кризисных периодов, но при этом также и большее число спокойных периодов будет ошибочно принято за кризисные эпизоды. В целом, нельзя сказать, что прогнозирующая способность базовой модели отличается большой точностью: хотя спокойные периоды предсказываются правильно почти 88% случаев, вероятность предсказать правильно кризис не превышает 41% – результат похож на случайное угадывание. Таким образом, несмотря на то, что построенная модель дает меньший процент «ложных срабатываний», она также довольно часто не сигнализирует о наступлении кризиса тогда, когда ей следовало бы это делать. Одной из потенциальных возможностей значительно повысить качество прогнозирования эконометрических моделей банковских кризисов является их кластеризация, т.е. деление на типы и анализ каждого из типов по-отдельности. Теоретически, движущими силами развития различных типов кризисов являются различные факторы, поэтому построение адекватной модели для каждой группы банковских кризисов должно позволить с большей точностью оценить, с помощью каких индикаторов можно надежно предсказать приближение того или иного типа кризиса.

Такой подход уже использовался в литературе. Например, Фонтенла в своей работе (которая так и называется – «Не все кризисы созданы одинаковыми» 1 ) пытался преодолеть ограничения стандартного подхода к эконометрическому моделированию кризисов, когда в рамках эмпирического анализа факторов кризиса не делается различий между разными типами банковских кризисов.

Fontenla M. All Banking Crises Are Not Created Equal // Financial Crises in Developing Countries. – The University of Texas in Austen, 2003. – P. 19-49. В рамках этого исследования автор подразделяет все кризисные эпизоды на «фундаментальные» (вызванные ухудшением макроэкономических показателей) и «самосбывающиеся» (связанные с резким исчерпанием ликвидности из-за реализации сценария набега на банки). Для целей классификации конкретной выборки (данные по развивающейся стране за период 1974-1997 гг.) Фонтенла использует простой метод, основанный на расчете одного индекса. Индекс представляет собой взвешенную среднюю темпа роста ВВП, реальной процентной ставки и инфляции (все переменные берутся с лагом). В данном исследовании мы также сделали попытку воспользоваться возможными выгодами от классификации кризисов при анализе эмпирических данных. Однако в качестве базы деления на кластеры нами был выбран несколько другой критерий, а именно: вызван ли кризис внешними или внутренними факторами. Не секрет, что в условиях развивающихся процессов глобализации экономики стран становятся все более открытыми, что привносит дополнительные потенциальные опасности для их финансовой стабильности. Нашей задачей являлось выяснение того, насколько оправданно выделение «внешних» и «внутренних»

типов кризисов по сравнению с базовой, недифференцированной моделью.

Связь между режимом валютного курса и банковскими кризисами подверглась исследованию в работах российских и зарубежных ученых (например Артета и Эйхенгрин, Петровой 2 и др.). Таким образом, наличие зависимости между банковскими кризисами и волатильностью валютного курса можно считать достаточно достоверно установленным.

Поэтому мы посчитали возможным избрать в качестве базиса разбиения кризисов на группы именно показатель девальвации национальной валюты. Этот фактор является наиболее сильнодействующим каналом привнесения нестабильности в финансовую систему из внешнеэкономической среды. Кроме того, девальвация валюты может быть свидетельством влияния и такого внешнеэкономического фактора, как отток капитала. В имеющейся выборке нами было идентифицировано 52 кризисных эпизода, которые датированы годом, когда объясняемая переменная crisis приняла единичное значение. В случаях, когда кризисные периоды прерывались единичными годами с нулевым значением переменной crisis, мы считали их входящими в один эпизод банковского кризиса. В целях классификации кризисных эпизодов мы рассчитали среднегодовое изменение реального валютного курса за период трех лет: кризисный год, а также лаговые значения предыдущего года и года, следующего за первым кризисным. Такой подход позволяет учесть развертывающуюся динамику кризиса, а также скорректировать неточности классификации, которые могли бы возникнуть при кластеризации на основе только одного кризисного года (связанные с неравномерным распределением изменений внутри одного календарного года).

На основе рассчитанного индекса изменения реального валютного курса было произведено разбиение всех эпизодов на два кластера. Порогом отсечения была избрана величина, равная девальвации национальной валюты в среднем на 1% в год (за трехлетний период). Таким образом, во первый кластер (А) попали все кризисы, которые можно ассоциировать с падением курса национальной валюты (в среднем по кластеру на 13% в год), все остальные кризисные эпизоды оказались в втором кластере (В) как связанные с внутренними факторами. К кластеру, соответствующему типу кризисного эпизода, относились все спокойные периоды, предшествующие данному кризису, а также первый кризисный год. В тех странах, где имеются случаи повторных кризисов, в выборку соответствующего кластера включались все года начиная от конца предыдущего кризиса до первого года следующего. Обратим внимание, что при выбранном пороге отсечения количество кризисных эпизодов в двух кластерах получилось примерно одинаковым. Это позволяет сделать вывод, что системные банковские кризисы, обусловленные внешними факторами, встречаются по крайней мере так же часто как и кризисы, вызванные внутренней Arteta C., Eichengreen B. Banking Crises in Emerging Markets: Presumptions and Evidence. – University of California, 2000. – P.57.

Petrova I. K. Currency Mismatches and Banking Crises // Three Essays in Financial Liberalization. – Michigan State University, 2004. – P. 93-123.

макроэкономической динамикой. Кроме того, ряд стран испытал на себе за рассматриваемый промежуток времени оба типа кризисов. Так же как и в случае оценки базовой модели, для каждого кластера мы строили регрессию со случайными эффектами на основе многомерного логит-подхода. Результаты оценки многомерных логит-моделей для исходной спецификации и обоих кластеров представлены в Таблице 1.

Таблица 1 – Результаты оценки logit-моделей Регрессоры Базовая А B Темп инфляции Infl 0,00018 -0, Рост ВВП -0, Gdpgr -0,11334 * *** Обязательства по депозитам банковской системы в % к Depl -0,02171 0, ВВП Совокупный банковский кредит частному сектору в % Dmcr 0,002672* 0,003748 -0, к ВВП Международные обязательства банковской Fliab 0,001427 0, системы в % к ВВП Банковские резервы в % к Brsv -0,85842 -0, ВВП Чистые банковские иностранные активы в % к Foras -0,02673 0, ВВП Отношение ликвидных резервов банков к банковским Resas 0,014819 0, активам Изменение золотовалютных Rsvch -3,9E-05 -0,0149** -0, резервов Изменение реального Rer 0,005271 0,024929 * -0,03111* обменного курса Рост импорта Impgr -0,0097633** -0,03197** -0,0223** Отношение денежного агрегата М2 к m2rsv 0,0090258 * -0, золотовалютным резервам Изменение денежного m2gr -0,00236 -0, агрегата М Реальная процентная ставка rir 0,000292 0,003056 0,000275* Система страхования dins 0,4312882 * 0,944224 * депозитов Константа - _cons -2,005477*** 2,79445*** 1,91385*** Неудивительно, что в модели для первого кластера динамика реального валютного курса является значимой объясняющей переменной. Шоковая девальвация национальной валюты приводит к стремительному развитию кризисного сценария в банковском секторе экономики. Следует также отметить, что базовая модель не учитывала влияния динамики курса национальной валюты на вероятность кризиса (вероятно из-за разнонаправленных эффектов этого индикаторы в разных кризисных эпизодах).

Среди других значимых объясняющих переменных в данном кластере помимо изменения реального валютного курса фигурируют рост ВВП, изменение золотовалютных резервов, рост импорта и наличие системы страхования депозитов. Таким образом, согласно выводам нашей модели стабильные темпы экономического роста, объемов импорта и золотовалютных резервов государства являются показателями устойчивости банковского сектора. Система страхования депозитов приводит к проблеме морального риска и снижению дисциплины рыночных агентов, что является серьезной угрозой стабильности банковской системы. Что касается многомерной логит-модели для второго кластера, который включает в себя банковские кризисы, вызванные внутренними факторами, то при включении в модель всех рассматриваемых индикаторов регрессия в целом оказалась незначимой. Мы были готовы к подобному результату, так как анализируемая выборка при кластеризации была сильно урезана. Путем исключения из анализа лишних переменных нами была найдена устойчивая спецификация модели, которая и использовалась в дальнейшей работе. Для второго кластера снижение курса национальной валюты служит индикатором стабильности банковской системы. Отрицательный знак коэффициента при переменной изменения реального валютного курса можно объяснить с точки зрения отрицательного влияния ревальвации национальной валюты на конкурентоспособность экспортного сектора экономики. При этом растущие объемы импорта и для этого кластера являются фактором устойчивости банковского сектора. Ну и конечно среди значимых переменных для данного кластера фигурирует реальная процентная ставка. Это согласуется с результатами других исследований 1, согласно которым шоки процентной ставки и инфляции являются признаками приближающегося фундаментального банковского кризиса. Используя тот же алгоритм, что и для базовой модели мы рассчитали оптимальные сигнальные пороги и прогнозирующие способности для обеих спецификаций. Для модели А, прогнозирующей банковские кризисы первого типа, значение оптимального сигнального порога равно 0,07.

Модель А успешно прогнозирует 78% кризисных эпизодов и 67% спокойных периодов.

Оптимальный порог модели В для второго типа кризисов, вызванных внутренними факторами, равен 0,11. Модели В при данном пороге прогнозирует 54% кризисных эпизодов и 85% спокойных периодов. Сравнение объясняющей способности базовой модели и моделей, построенных для двух выделенных кластеров, представлено на рисунке 1.

100,00% 90,00% 80,00% 70,00% Верно предсказанные 60,00% кризисы, % 50,00% Верно предсказанные 40,00% спокойные периоды, % 30,00% 20,00% 10,00% 0,00% Базовая модель Кластер 1 Кластер Рисунок 1 – Сравнительные результаты оценки моделей Как видим, дифференцированный подход к разным типам банковских кризисов и разбиение выборки на кластеры дал свой результат. Модели для обоих кластеров показали в целом более высокую способность прогнозировать кризисные эпизоды. Однако из-за очень ограниченной выборки кластера 2, модель В не намного превосходит результаты базовой модели. Несмотря на это, мы все-таки можем сделать вывод, что кластеризация действительно улучшает качество прогнозирования.

Demirguc-Kunt A., Detragiache E. The Determinants of Banking Crises: Evidence from Developing and Developed Countries. – The World Bank, 1997. – P. 23. Получив результаты оценки эконометрических моделей для разных типов кризисов, далее мы применили их для идентификации и прогнозирования системных банковских кризисов в случаях, лежащих вне рассмотренной выборки, а именно для анализа сложившейся экономической ситуации в России. Достаточная прогнозирующая способность моделей позволяет предполагать, что уравнения с оцененными коэффициентами могут достаточно адекватно отражать степень риска развития кризисной ситуации в российском банковском секторе. Российская экономика очень тяжело пережила резкое падение цен на нефть, произошедшее в 2008г. После практически непрерывного роста в течение почти десятка лет, цена «черного золота» за несколько месяцев просела до уровня конца 2004 г., однако, начиная с 2009 года, наблюдается постепенное восстановление докризисного уровня цен на нефть. Динамика цен на нефть отразилась и на курсе рубля, дав толчок для его резкой девальвации в 2008-2009гг. Это в свою очередь повлияло на объемы импорта РФ, упавшие в 2009 году на 30%. Растущее напряжение финансовой системы, связанное с усилением давления извне в начале и середине 2000-х годов, сделало проведение девальвации рубля лишь вопросом времени. В результате дисбаланс разрешился в период с августа 2008 г. по март 2009 г., когда было проведено мягкое снижение курса рубля почти на 40% более чем на 36% в номинальном выражении. Нами была выдвинута гипотеза о том, что с точки зрения нашей классификации банковских кризисов, российские экономические реалии 2008- больше напоминают банковский кризис второго типа, т.е. спровоцированный внешнеэкономическими факторами. То есть, вероятность развития в России системного банковского кризиса как результата шоковых колебаний валютного курса значительно выше, чем вероятность кризиса, вызванного некими чисто внутренними проблемами. Для приложения построенных эконометрических моделей к российской специфике мы сконструировали временной ряд требующихся индикаторов за период 1997-2011. На данном временном отрезке в Российской Федерации было официально зафиксировано два системных банковских кризиса в 1998 и 2008-2009 годах1. Часть фактических данных была взята из World Development Indicators database (World Bank), остальная статистика – с сайтов Центрального Банка Российской Федерации и Госкомстата. Также нами было произведено прогнозирование динамики ключевых индикаторов на период 2012-2013 гг. Мы рассмотрели два макроэкономических сценария, различающиеся, прежде всего, внешнеэкономическими условиями развития российской экономики (см. Таблицу 2), по примеру работы Солнцева О.Г. 2. В целом необходимо отметить, что 2012 год по прогнозам МВФ и других международных организаций будет менее успешным для России, нежели чем 2011.

Таблица 2 – Основные параметры макроэкономических прогнозов на 2012-2013 гг Пессимистический Оптимистический сценарий сценарий Колебания цен на нефть, $US/бар. в 2012 80-100 100- Рост ВВП, 2012 2 3, % 2013 -3 Изменение 2012 2 - RER, % 2013 5 - Таким образом, наш оптимистический сценарий предполагает, что развитие экономики РФ незначительно замедлится в 2012 году, ввиду колебаний мировых цен на нефть не ниже границы в 100 $US/бар.

Laeven L., Valencia F. Resolution of Banking Crises: The Good, the Bad, and the Ugly // IMF WP 2010/146.-36p.

Солнцев О.Г. Опыт разработки системы раннего оповещения о финансовых кризисах и прогноз развития банковского сектора России на 2012 г. // Журнал Новой Экономической Ассоциации. – 2011. - №12. – С.62.

И данная тенденция будет сохраняться и в 2013. Пессимистический сценарий основан на предположении о том, что нестабильность ведущий развитых экономик (США, Еврозона и пр.) приведет к спаду мировой экономики и снижению цен на нефть до 80-100 $US/бар.

Это приведет к сокращению объемов нефтегазового экспорта России и возможностей банковского сектора во внешнем финансировании. Что в свою очередь, безусловно, будет сопровождаться значительным ослаблением курса рубля, а также объемов импорта. В этом случае российскую экономику ждет рецессия. Отметим также, что при существенном отклонении фактических данных за 2012 г. от текущих прогнозных, предсказания моделей могут измениться. В идеале для более достоверного прогнозирования кризисных периодов необходимо рассматривать большее количество сценариев. Кроме того прогнозные значения макроэкономических показателей должны быть рассчитаны с высокой вероятностью.

Апробация всех трех моделей (базовой и для обоих кластеров) доказала преимущества подхода к прогнозированию банковских кризисов, основанного на кластеризации. При этом выдвинутая нами гипотеза о том, что российский кризис соответствует второму кластеру полностью подтвердилась. На рисунке 2 приведена в графическом виде динамика рассчитанной вероятности банковского кризиса, полученной путем подстановки значений индикаторов по России в уравнения с коэффициентами модели А (первый кластер).

0, 0, 0, 0, 0, 0, 0, 0, 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Модель A Сигнальный порог Рисунок 2 – Прогнозирование банковского кризиса в России с использованием модели для первого кластера А, 1997-2013 гг.

Горизонтальной линией отмечен оптимальный сигнальный порог. Модель для второго кластера на всем рассматриваемом временном периоде не дала явного сигнала о системном банковском кризисе. В то время как модель для первого кластера уверенно идентифицировала оба кризисных эпизода 1998 и 2009 годов. В случае с кризисом 2008 2009, модель показывает развитие кризисной ситуации в российском банковском секторе, начиная с небольшого роста индекса в 2008г. Пик вероятности кризиса приходится на 2009г.

Эти выводы согласуются с прогнозом базовой модели, однако ее прогноз был значительно менее выражен и, как мы полагаем, является менее адекватным. В модели для первого кластера превышение порогового значения настолько велико, что можно констатировать наступление системного банковского кризиса с чрезвычайно большой долей вероятности.

После 2009г. сигнальный индикатор идет на спад, однако оставаясь лишь немного ниже сигнального порога, что указывает на затяжной характер кризиса при условии сохранения (или усугубления) негативных внешнеэкономических тенденций. Как мы видим по результатам пессимистического прогноза, иллюстрирующего ухудшение внешнеэкономических факторов для РФ, высока вероятность наступления нового кризисного периода в банковской системе.

Таким образом, построенные и оцененные модели для различных типов банковских кризисов продемонстрировали улучшенную прогнозирующую способность по сравнению с базовой моделью, что в свою очередь свидетельствует о практической ценности классификации банковских кризисов как инструмента повышения качества прогнозирования, а также о верном направлении исследований в отношении выбора критерия классификации. Применение построенных моделей к анализу макроэкономических данных по России за период 1997-2011 гг. и 2012-1013 гг.(прогноз) позволило протестировать модели на практике. Различие в прогнозах моделей говорит в пользу использования пары моделей, оцененных на кластерах для кризисов разных типов. Кроме того модели для первого кластера, описывающие динамику кризиса внешнеэкономических факторов, наиболее адекватно реальности идентифицируют системные банковские кризисы, произошедшие в период с 1997 по 2011 в России, и согласуется с оценкой текущей ситуации в российской экономике. Предложенный подход к улучшению качества прогнозирования эконометрических моделей имеет значительный потенциал к дальнейшему развитию.

Однако для более точных и актуальных результатов необходимо обновление и пополнение баз данных. Перспективным нам представляется использование для кластеризации программных пакетов, предназначенных для выделения из массивов данных закономерностей, которые содержатся в них в неявном виде. Помимо традиционных методов «ка средних» и иерархической кластеризации, интересные результаты может дать применение к данной задаче нейронных сетей – например, самоорганизующихся карт Кохонена.

к.э.н. Кац И.С., к.э.н.. Симонова В.Л, к.э.н. Мезенцева Е.С.

Институт экономики УрО РАН г. Екатеринбург НОРМАТИВНЫЙ ПОДХОД К АНАЛИЗУ И ПРОГНОЗИРОВАНИЮ РАЗВИТИЯ ОБЩЕСТВЕННОГО СЕКТОРА ЭКОНОМИКИ Статья подготовлена при поддержке Российского гуманитарного научного фонда и Правительства Свердловской области, проект № 12-12-66002а/р. Проблема анализа общественного сектора экономики сопряжена с наличием феномена общественной полезности, максимизация которого является задачей государства 1. Свойств, характеризующих общественные блага, в литературе выделяется множество (неконкурентность, неисключаемость, социальная значимость, универсальность и т.д.) 2, однако наиболее характерным из них, в равной степени относимый и к чистым общественным, к клубным, и к мериторным, и к публичным, и к социальным благам, выделяемым в литературе как разновидности общественных благ, является эмерджентность, т.е. несводимость полезности этого блага для общества в целом к сумме индивидуальных полезностей для каждого из его членов. Именно это его свойство определяет необходимость государственного участия в той или иной форме (от координации объемов производства и/или цен до полностью государственного производства и распределения). И наиболее важным следствием наличия этого свойства является, согласно Самуэльсону 3, «невозможность децентрализованного спонтанного решения» и необходимость участия Белоусова С.В. Проблемы учета особенностей феномена «общественное благо» // Журнал экономической теории. 2007. № 4. С. 60.

См. подробнее: Samuelson P.A. The Pure Theory of Public Expenditure // Review of Economics and Statistics. 1954;

Рубинштейн А.Я. К вопросу расширения «чистой теории общественных расходов». – М.: ИЭ УрО РАН, 2007;

Белоусова С.В. Указ.соч.;

Попов Е.В., Кац И.С. Институциональная эволюция сектора общественных благ // Вестник ЮРГТУ. 2009. №4.

Samuelson P.A. Указ.соч.

«эксперта по этике» для принятия решения о производстве такого количества общественных благ, которое бы максимизировало общественное благосостояние.

Действительно, в условиях, когда потребление благ происходит совместно, и другие члены общества также получают пользу и от того, что Вы потребляете это благо, создавая положительные внешние эффекты (благоприятное информационное поле и высокая работоспособность в результате высокого уровня образования;

чистота и гигиена в результате пользования прачечной и т.д.), и оттого, что они сами тоже потребляют это благо, не уменьшая или уменьшая незначительно полезность этого блага для прочих потребителей, выявление индивидуальной полезности, полностью соответствующей готовности платить за это благо, становится невозможно. Исходя из этого, совокупность частных потребителей никогда не обеспечит спрос в том объеме, который полностью бы покрывал общественные потребности. Цели индивидуальных потребителей (максимизация индивидуальной полезности при минимуме затрат) и цели общества в целом (максимизация общественного благосостояния) в общественном секторе никогда не образуют полностью идентичного вектора развития. Таким образом, для достижения целей максимизации общественного благосостояния необходимо участие «третьей» стороны, независимого эксперта, определяющего истинный объем потребностей в общественных благах, функцию которого, как правило, выполняет государство. Наделяя его такой функцией, общество дилигирует ему полномочия по выявлению и достоверной оценке тех потребностей, которые относятся к области «провалов рынка», и предоставлению их посредством различных институциональных механизмов1 на уровне «социального оптимума»2. При этом государство представляет собой некую безличную структуру, реализующую концепцию общественной справедливости (по Д. Ролзу3). Справедливое, согласно Ролзу, устройство общества может быть достигнуто путем выбора государства, свободного от влияния частных интересов.


«Незаинтересованность индивидов – существенный момент в выборе справедливого общественного устройства. В таком состоянии индивиды «как бы» заключают соглашение или социальный контракт относительно характера общества, при этом завеса неведения не позволяет им знать то положение, которое они займут в этом обществе»4. Однако очевидно, что как и общество представляет собой совокупность индивидов, обладающих разнонаправленными максимизационными функциями, так и государство представляет собой не безличный общественный орган, а совокупность тех же индивидов, стремящихся к реализации собственных функций, зачастую различных с функциями максимизации общественного благосостояния5.

См., напр., Шаховская Л.С., Басюк А.В. Государственно-частное партнерство как экономический институт:

сущность, принципы организации, российская практика // Известия Волгоградского государственного технического университета. 2011. № 11.;

Корчагина А.С. Развитие форм государственно-частного партнерства в экономике России // Известия Саратовского университета. Сер. Экономика. Управление. Право. 2010. Т. 10.;

Ерзнкян Б.А. Выращивание структур социального сектора: проблемы публичности благ // Журнал экономической теории. 2005. № 3.

Наиболее известные модели «социального оптимума» - функция общественного благосостояния Бергсона (Bergson M.A. Reformulation of Certain Aspects of Welfare Economic // Quarterly Journal of Economics. February 1938), чистая теория общественных расходов П. Самуэльсона (Samuelson P.A. Указ.соч.), теория общественных финансов Р. Масгрейва (Musgrave R.A. The Theory of Public Finance. N.Y.-London, 1959), экономическая социодинамика Р. Гринберга и А. Рубинштейна (Гринберг Р.С., Рубинштейн А.Я. Экономическая социодинамика. М.: ИЭ РАН, 2000. Прочие известные теории оптимального распределения бюджетных средств см. в: Либман А.М. Политико-экономические исследования и экономическая теория. – М.: ИЭ РАН, 2008.

Rawls J.A. Theory of Justice. Cambridge, Mass.: Harward University Press, 1971.

Rawls J.A. Указ.соч.

Имеется в виду ситуация Парето-эффективности в отношении распределения бюджетных средств. При этом, согласно парадоксу К. Эрроу, следует учитывать, что такое согласование интересов различных групп населения при определении бюджетных приоритетов, которое приводило бы к максимуму по Парето, в рамках обычной системы голосования невозможно.

В теории общественного выбора базовой является идея, что механизм выборов посредством контроля избирателя сам по себе обеспечивает приближение целей органов власти к целям общества в целом. Также Ч. Тибу выявил как основной инструмент влияния населения на формирование корзины общественных благ эффект «голосования ногами» 1 :

«При наличии большого числа территориальных единиц и интенсивной миграции населения бюджетная децентрализация способствует Парето-улучшениям, так как она создает предпосылки для адекватного выявления предпочтений, касающихся локальных общественных благ, и наиболее полной реализации этих предпочтений 2 ». Однако, как отмечают С. Осипов и Е. Кизиль, это идеальное представление проблемы, так как высокие издержки миграции, неполнота и недостоверность информации, отрицательные внешние эффекты не позволяют найти полного применения данной гипотезы 3. К невозвратным издержкам, ограничивающим миграцию населения, также можно отнести «годы их детства, потраченные на изучение языка родной страны, формальных и неформальных правил поведения в ней, ее религии, культуры в целом и т.п. Специфическими инвестициями являются, кроме того, затраты, которые индивиды безвозвратно вкладывают в свои семьи, дружбу и деловые отношения. Граждане, таким образом, оказываются «запертыми» в родных государствах в гораздо большей степени, нежели работники в фирме, данная ситуация может поощрять правительство, любого рода правительство, действовать оппортунистически 4 ». В результате политическая функция оптимизации общественного благосостояния заметно отличается от действительного оптимума с точки зрения общества.

В. Нисканен 5 обобщает исследуемые в литературе по общественному выбору эффекты, связанные с функционированием системы государственных финансов, выделяя следующие пять гипотез.

1. Гипотеза чрезмерных расходов — государственные бюджеты превышают бюджеты, предпочитаемые медианным законодателем, а последние превышают бюджеты, предпочитаемые медианным избирателем.

2. Гипотеза неэффективного производства — избыточный бюджет позволяет также поддерживать завышенные расходы производства единицы общественных благ.

3. Гипотеза избыточного предложения — предложение со стороны исполнительной власти большего объема услуг, чем тот, который был бы одобрен законодательной ветвью власти. (Здесь также возникает проблема диспропорционального производства — одни блага производятся в избыточном количестве, другие в недостаточном. К разряду первых относятся те, которые либо приносят ренту бюрократу, либо экономят его усилия. К разряду вторых — те, которые требуют сложных решений или являются с точки зрения целевой функции бюрократа малопроизводительными. Также нужно учитывать избыточное производство общественных квазиблаг6).

4. Гипотеза чрезмерной капитализации — государство предпочитает более капиталоемкие способы производства, по сравнению с частным сектором. Такие способы означают увеличение расходов в текущем периоде и масштабов деятельности власти. Кроме того, они приводят к снижению доли эксплуатационных затрат, что также в интересах власти. (Для России эта гипотеза проявляется в виде увеличения капитального строительства Tiebout C. A Pure Theory of Local Expenditures // The Journal of Political Economy. 1956. Vol.64. #5. P. 416-424.

Якобсон Л.И. Государственный сектор экономики. Экономическая теория и политика. – М.: ГУ-ВШЭ, 2000.

С.275.

Осипов С.Л., Кизиль Е.В Объективные предпосылки производства и распределения общественных благ в государственном и муниципальном секторах экономики: теоретические аспекты //Власть и управление на востоке России. 2010. № 1. С. 70.

Малкина М.Ю. Институциональные ловушки системы государственных финансов Российской Федерации // Журнал институциональных исследований. 2011. Т. 3. №4. С.50.

Нисканен В. А. Бюрократы и политики // Вехи экономической мысли. Экономика благосостояния и общественный выбор. Т. 4. Под общ. ред. А.П. Заостровцева. СПб.: Экономическая школа, 2004.

Малкина М.Ю. Институциональные ловушки государственных финансов. – Журнал институциональных исследований. №4 – стр. — бюрократия нередко возводит для себя шикарные многоэтажные здания, где оказывается множество дополнительных услуг, часто надуманных и ненужных 1).

5. Гипотеза бюрократической структуры — тенденция к укрупнению властных органов и министерств, поставляющих близкие по характеру услуги. Целью является повышение эффективности управления самим бюро и контроля за его деятельностью со стороны президента.

Таким образом, вслед за политической практикой происходит смещение акцентов исследователей с максимизации общественного интереса к интересу правящей партии. Как отмечает А. Рубинштейн, «мы исходим из того, что нормативный интерес общества – это некий идеал. В реальной практике принятия политических решений его всегда подменяет иной нормативный интерес, который формирует группа людей, имеющая на это право» 2. И хотя нормативный подход, основанный на анализе интересов членов правительства и лобби представляется менее обоснованным с позиции разработки стратегии максимизации общественной полезности, с практической точки зрения этот подход представляется как наиболее перспективный, поскольку позволяет приблизить математические модели к практике действительного функционирования общественного сектора экономики.

к.э.н. Мариев О.С., Савин И.В., к.э.н. Е.Д. Игнатьева ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ АНАЛИЗА РЕГИОНАЛЬНЫХ ФАКТОРОВ ИННОВАЦИОННОГО РАЗВИТИЯ ПРОИЗВОДИТЕЛЬНЫХ СИЛ Исследование проведено при поддержке ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы (поддержка научных исследований, проводимых коллективами научно-образовательных центров в области экономических наук, соглашение № 14.A18.21.0018). Инновационное развитие производительных сил в современных условиях является основным источником экономического роста, что обусловливает необходимость совершенствования подходов к моделированию и анализу факторов, обусловливающих данное развитие. Выбор наиболее существенных факторов является непростой задачей. В реальной действительности эти факторы переплетены и взаимосвязаны, и для оценки их влияния на инновационное развитие производительных сил необходимо решать проблемы их агрегирования и группировки. Результаты существующих эмпирических исследований факторов инновационной деятельности, отраженные в экономической литературе, нередко противоречат друг другу. Одной из причин тому может служить в известном смысле «интуитивный» (произвольный) выбор факторов, включаемых в эмпирическую модель исследования. В рамках проведенного исследования мы используем современные методы составления и тестирования эконометрических моделей, позволяющие получать более обоснованные результаты.


Можно согласиться с мнением ряда исследователей, что применительно к современным российским условиям основной фактор экономического роста – региональный, что обусловливает целесообразность использования для оценки факторов инновационного развития производительных сил показателей, агрегированных на региональном уровне. В качестве обобщающего результирующего показателя инновационного развития производительных сил, по нашему мнению, можно рассматривать показатель объема инновационной продукции (товаров, работ, услуг) организаций региона в денежном выражении. Показатель можно использовать в качестве объясняемой переменной в Малкина М.Ю. Институциональные ловушки государственных финансов. – Журнал институциональных исследований. №4 – стр. Рубинштейн А. К теории опекаемых благ. Неэффективные и эффективные равновесия // Вопросы экономики.

2011. № 3. С. 84.

эконометрическом анализе влияния региональных факторов на инновационное развитие производительных сил.

Показатели объема инновационной продукции, агрегированные по субъектам Российской Федерации, ежегодно представляются Федеральной Службой Государственной Статистики (Росстат), при этом, в соответствии с принятым определением, под инновационной продукцией понимается продукция, в течение последних трех лет подвергавшаяся технологическим изменениям разной степени, а под объемом инновационной продукции – продукция, произведенная в текущем году на основе разного рода технологических инноваций. При этом в качестве технологических инноваций рассматриваются не только кардинально новые технологии на мировом рынке, знаменующие технологический прорыв в производстве того или иного вида продукции, но также адаптация и вовлечение в производство уже существующих идей и технологий для достижения относительно небольших частных улучшений в производстве. Однако даже относительно небольшие инновации предполагают совершенствование средств производства, а также необходимость вложения капитала в повышение уровня квалификации и образования работников, то есть качественные изменения всех элементов производительных сил.

В экономической литературе в качестве инновационных свойств производительных сил, от которых зависит объем и динамика производства инновационной продукции, выделяются инновационная способность и инновационная восприимчивость. От уровня инновационной восприимчивости производительных сил, которая выражается в возможности большего вовлечения в производство новых ресурсов, зависит скорость и масштаб распространения инноваций. Инновационная способность зависит от того, насколько полно работники способны использовать возможности новых средств производства, модернизировать, совершенствовать и обновлять производство. Таким образом, главным элементом инновационного развития производительных сил является совокупный работник с его знаниями и опытом 1. В качестве информационной основы исследования влияния региональных факторов на инновационное развитие производительных сил нами были использованы показатели Федеральной Службы Государственной Статистики по 75 регионам за 2000-2007 гг., опубликованные в официальных изданиях 2, а также содержащиеся в базах данных Росстата. Для выявления основных факторов и оценки их влияния на инновационное развитие производительных сил нами выдвинут ряд гипотез, согласно которым показатели, характеризующие инновационное развитие производительных сил, были разделены на следующие группы:

1. Уровень конкуренции на региональном рынке инновационной продукции. Гипотеза о влиянии уровня конкуренции на инновационное развитие производительных сил региона, характеризуемое объемом произведенной инновационной продукции, является достаточно сложной с точки зрения эконометрического тестирования. Инновационное развитие производства, как указывают многие исследователи, является источником создания конкурентных преимуществ, поэтому предприятия стремятся к увеличению выпуска инновационной продукции. Это выражается в том, что конкуренция, являясь одним из главных факторов восприимчивости предприятий к инновациям, способствует внедрению современных технологий и освоению новых видов продукции и услуг в соответствии с потребностями рынка, а научно-техническое превосходство новой продукции становится основной формой конкуренции в инновационной сфере3.

Инновационная экономика. Информационная технология САПФИР (Раздел 2.1. Фазовый анализ производительных сил) [Электронный ресурс]. URL: http://mmop.vstu.ru/Khosenkov/?page_id= Регионы России. Социально-экономические показатели. 2008: Стат. сб. / Росстат. - М., 2008. - 999 с Огородникова Ю.Г. Конкурентные отношения в инновационной деятельности// Вестник ТИСБИ. 2000.

Выпуск № 2. [Электронный ресурс]. URL: http://www.tisbi.org/science/vestnik/2000/issue2/11.html Ряд авторов указывает на «перевернутую» зависимость инновационной зависимости уровня инновационной активности предприятий от уровня конкуренции 1, которая заключается в том, что «умеренная» конкуренция способствует ускорению процесса внедрения инноваций, однако с усилением конкурентной борьбы ресурсы предприятий истощаются, а инновационный процесс замедляется или прекращается вовсе 2. Известны результаты эмпирических исследований на базе российских данных, подтверждающих данную гипотезу 3. В данном исследовании для тестирования гипотезы о влиянии конкуренции на объем инновационной продукции мы использовали показатели, агрегированные на региональном уровне, такие, как число организаций, осуществляющих инновационную деятельность, число поданных заявок и выданных патентов на изобретения, число использованных передовых производственных технологий и ряд других показателей.

2. Развитие малого предпринимательства. Вопрос о роли малого предпринимательства в увеличении объема выпуска инновационной продукции в регионе также является предметом дискуссии в экономической литературе. Размер фирмы влияет на ее способность концентрировать финансовые и человеческие ресурсы для проведения НИОКР и осуществления инноваций. Чем крупнее фирма, тем у нее больше возможностей для перераспределения производственных ресурсов в инновационную сферу, а, следовательно, увеличения объема инновационной продукции 4. Кроме того, крупные компании заинтересованы в увеличении масштабов производства инновационной продукции, поскольку эффект от масштаба производства позволяет экономить необходимые для этого ресурсы. С другой стороны, малые предприятия с большей готовностью идут на риск и быстрее перестраиваются к изменениям предпочтений потребителей 5. Малые предприятия обеспечивают организационную и экономическую гибкость всего производственного комплекса региона, что обеспечивает более высокую инновационную активность малых наукоемких предприятий по сравнению с крупными корпорациями 6. Развитие малых наукоемких предприятий, способных противостоять монополистам на рынке инновационной продукции, способствует развитию конкурентной среды и инновационной активности в регионе 7. В свою очередь, уровень конкуренции на рынке инновационной продукции и инновационную активность мы рассматриваем в качестве важнейших факторов инновационного развития производительных сил региона. В данном исследовании мы тестировали гипотезу о влиянии развития малого предпринимательства на выпуск инновационной продукции в регионе с помощью таких индикаторов, как доля малых предприятий в общем количестве предприятий региона и доля их выпуска в валовом региональном продукте (ВРП).

3. Инвестиционная активность в регионе. Инвестиционная составляющая играет важную роль в инновационных процессах, и инновационное развитие производительных сил во многом определяется инвестиционной активностью в регионе. Для оценки этого влияния необходимо учитывать не только объем инвестиций, но также их структуру по формам собственности, источникам финансирования и видам экономической деятельности.

Симачев Ю.В. Направления и факторы реформирования промышленных предприятий //Экономический журнал ВШЭ. 2001. № 3. С.328- Сидоренко В.Г. Факторы развития инновационной активности предприятий [Электронный ресурс]. URL:

http://oad.rags.ru/vestnikrags/issues/issue0307/030715.htm Kozlov K., Yudaeva K. Imitations and innovations in a transition economy. Technical report. BOFIT. 2004.

[Электронный ресурс]. URL: http://www.bof.fi/bofit/seminar/bofcef05/innovations.pdf Сидоренко В.Г. Факторы развития инновационной активности предприятий [Электронный ресурс]. URL:

http://oad.rags.ru/vestnikrags/issues/issue0307/030715.htm Merivate E. J., Pernias J. C. Innovation complementarity and scale of production // Journal of Industrial Economics.

2006. № 54(1), p. 1– Суховей А.Ф., Голова И.М. Инновационные возможности само-развития региона. – Екатеринбург: Институт экономики УрО РАН, 2010. – с. 51- Реализация конкуренции в инновационной деятельности [Элек-тронный ресурс]. URL:

http://projects.innovbusiness.ru/content/document_r_8DEC07FD-526D-4941-B380-55BB5EA5E039.html Каждая из составляющих инвестиционных ресурсов играет определенную роль в инновационном развитии производительных сил, и только взаимодействие в сфере финансирования НИОКР государства, корпоративного сектора и научного сообщества призвано обеспечить прирост объема производства инновационной продукции. При этом государство играет организующую и регулирующую роль в финансировании инновационной деятельности1.

Прямые иностранные инвестиции являются не только источником, но и одним из каналов трансфера технологий, наряду с покупкой лицензий, внешней торговлей, сотрудничеством с зарубежными специалистами. Однако ряд эмпирических исследований свидетельствует о том, что прямых связей между объемом прямых иностранных инвестиций и экономическим ростом нет;

кроме того, может наблюдаться и обратная причинная связь.

Эффективность прямых иностранных инвестиций зависит от стратегии зарубежного инвестора, направленной либо на развитие российской экономики, либо на вытеснение отечественных предприятий. Поэтому прямые иностранные инвестиции должны быть объектом тщательно продуманного регулирования со стороны государства, лишь в этом случае они становятся источником инновационного развития2.

В формировании источников инвестиций важную роль играет кредитная система региона. Одним из направлений банковского кредитования является инвестирование инновационного бизнеса, следовательно, объем инновационной продукции должен зависеть от объема инвестиций, полученных за счет данного источника. Масштабы выпуска инновационной продукции в регионе во многом определяются развитостью обрабатывающего сектора экономики и его ключевым элементом – машиностроением, поскольку конкурентоспособность данного сектора напрямую зависит от применяемых технологий, а он, в свою очередь, определяет общий технологический уровень производства 3. Поэтому необходимо уделять особое внимание стимулированию инвестиционной активности в данном секторе. Таким образом, среди тестируемых переменных нами были представлены объемы прямых и портфельных зарубежных инвестиций, доли инвестиций за счет различных источников финансирования и форм собственности в общем объеме инвестиций в основной капитал организаций, а также долевые соотношения объемов инвестиций по видам деятельности.

4. Финансовое состояние предприятий региона. Финансовое положение и финансовая устойчивость предприятий и организаций, функционирующих на территории региона, определяют размеры и стабильность финансовых ресурсов для осуществления инноваций.

Рядом авторов финансовые трудности предприятий рассматриваются в качестве дополнительного стимула для внедрения инноваций 4, поскольку это позволит им в ближайшей перспективе добиться конкурентных преимуществ, увеличить объем выпуска инновационной продукции и повысить свою платежеспособность. Однако чем лучше финансовые показатели деятельности предприятий, тем выше возможности для привлечения собственных средств в инвестирование инноваций. От финансовой устойчивости деятельности предприятий зависят возможность и масштабы привлечения заемных средств в инвестирование инноваций и увеличение объема инновационного выпуска в регионе. Для тестирования этой гипотезы мы использовали ряд показателей, характеризующих финансовое состояние предприятий и организаций региона, в том числе сальдированный финансовый результат их деятельности, размеры задолженности предприятий и организаций Тюрина А.В. Инновационное финансирование как фактор социально-экономического развития стран//Финансовый менеджмент. 2004. № 3 [Электронный ресурс] URL:

http://www.finman.ru/articles/2004/3/2299.html.

Создавать технологии или заимствовать их? Наука и технологии России [Электронный ресурс]. URL:

http://www.strf.ru/material.aspx?CatalogId=223&d_no= Суховей А.Ф., Голова И.М. Инновационные возможности само-развития региона. – Екатеринбург: Институт экономики УрО РАН, 2010. – с. Funk M. Business cycles and research investment // Applied Economics. 2006. № 38, p. 1775– по кредитам, предоставленными кредитными организациями, в рублях и иностранной валюте.

5. Уровень развития инфраструктуры. Инфраструктура региона играет важную роль в инновационном развитии производительных сил, поскольку от уровня ее развития зависит размер трансакционных издержек и рыночная эффективность производства инновационной продукции. Для характеристики «инфраструктурного» фактора обычно используют показатели развития транспортной, телекоммуникационной, а также финансовой инфраструктуры1, которые мы также тестируем в данном исследовании.

6. Условия для генерации, восприятия и адаптации новых знаний. В данном исследовании мы тестировали ряд индикаторов, характеризующих способность предприятий и организаций регионов создавать, воспринимать и адаптировать новые знания и технологии для производства инновационной продукции. Как отмечается в экономической литературе, восприимчивость предприятий к новым знаниям и готовность к их использованию для производства инновационного продукта зависит от уровня образования населения и уровня торговой активности региона 2[15]. Для проверки данной гипотезы были использованы показатели, характеризующие объем подготовки и обеспеченности регионов кадрами высокой квалификации, способными осуществлять НИОКР, а также показатели, характеризующие объем и интенсивность экспорта и импорта технологий и услуг технического характера в регионах.

7. Форма собственности на средства производства. Форма собственности на средства производства определяет характер экономических интересов хозяйствующих субъектов, а, следовательно, и стимулы для развития эффективного инновационного бизнеса. В экономической литературе в качестве наиболее эффективного собственника инновационных предприятий рассматривается местный частный капитал 3. В данном исследовании исследуется взаимосвязь между долей приватизированных государственных и муниципальных организаций и объемом выпуска инновационной продукции в регионе.

Влияние формы собственности предприятий на объем выпуска инновационной продукции в регионе в нашем исследовании исследуется также на основе показателей объема инвестиций по формам собственности, которые вошли в состав группы факторов инвестиционной активности в регионе.

8. Уровень инновационной активности в соседних регионах. В данном исследовании для характеристики уровня инновационной активности в соседних регионах мы использовали средние арифметические значения показателей инновационной активности предприятий в регионах, непосредственно граничащих с каждым из исследуемых регионов, хотя в экономической литературе предлагаются также и другие способы оценки факторов данной группы (например, посредством «матриц смежности» или «функций длины распада» 4 ).

Способность экономики каждого региона к восприятию и адаптации новых знаний, а также уровень инновационной активности в соседних по отношению к нему регионов, то есть факторы групп 6 и 7 в совокупности, определяют возможность и масштабы диффузии знаний и технологий. Роль последней в инновационном развитии производительных сил исключительна важна, особенно для России, экономика которой характеризуется технологическим отставанием от экономически развитых стран в целом ряде отраслей.

9. Индикаторы социально-экономических условий для инновационной деятельности в регионе («контрольные переменные»).

Cainelli G., Evangelista R., Savona M. Innovation and economic per-formance in services: a firm-level analysis // Cambridge Journal of Economics. 2006. № 30(3), p. 435– Bilbao-Osorio, B. and A. Rodriguez-Pose (2004). From R&D to innovation and economic growth in the EU. Growth and Change 35(4), 434– Jefferson, G., A. G. Z. Hu, X. Guan and X. Yu (2003). Ownership, performance, and innovation in China’s large- and medium-size industrial enterprise sector. China Economic Review 14(1), 89–113.

Klotz S. Econometric models with spatial autocorrelation - an introductory survey // Jahrbcher f. Nationalkonomie u. Statistik. 1997. 218(1+2), p. 168–196.

В рамках данной группы мы тестировали ряд переменных, оказывающих влияние на инновационное развитие производительных сил, характеризующие «внешние эффекты» или условия социально-экономической среды в регионе. В частности, нами рассматривались такие показатели, как уровень ВРП на душу населения, доходы консолидированных бюджетов субъекта РФ, объем накопленного основного капитала, уровень безработицы, уровень преступности и другие индикаторы.

Необходимо отметить возможность замещения одних факторов другими, то есть ряд индикаторов, характеризующих ту или иную группу факторов, можно использовать в качестве индикаторов для характеристики другой группы. Например, показатель численности сотрудников отделов НИОКР предприятий, характеризующий способность экономики региона к восприятию и адаптации новых знаний, можно заместить переменными, характеризующими затраты на НИОКР и результативность проводимых исследований в виде количества зарегистрированных патентов и использованных передовых производственных технологий, которые представлены в группе факторов конкуренции на региональном рынке инновационной продукции. В свою очередь, переменные, характеризующие уровень конкуренции, можно рассматривать в качестве индикаторов «внешних эффектов» в группе «контрольные переменные».

Полный перечень тестируемых переменных приведен в таблице 1.

Таблица 1 – Список тестируемых переменных Группы факторов Показатели Доля организаций, осуществляющих инновационную деятельность в общем числе организаций.

Логарифм внутренних затрат на исследования и разработки (в то числе, по Уровень конкуренции на видам затрат).

Доля организаций, выполнявших научные исследования и разработки в общем рынке числе организаций.

инновационной Логарифм количества поданных заявок на выдачу патентов на изобретения.

продукции Логарифм количества выданных патентов на изобретения.

Логарифм числа используемых передовых производственных технологий.

Развитие малого Доля малых предприятий в регионе.

предпринима Доля выпуска малых предприятий в валовом региональном продукте (ВРП).



Pages:     | 1 | 2 || 4 | 5 |   ...   | 12 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.