Краткосрочное прогнозирование инфляции в российской экономике
https://doi.org/10.18288/1994-5124-2022-5-8-25
Аннотация
С использованием методики VECM в статье оценена эконометрическая модель российской экономики в период 2010–2022 годов для четырех переменных: индекса потребительских цен, курса рубля к доллару США, потребительского спроса, ставки процента RUONIA. На основе этой модели построен краткосрочный прогноз инфляции до конца 2022 года, предполагающий замедление годовой инфляции к декабрю до 10,1%. С использованием модели оценен вклад ценового шока, который не объясняется динамикой фундаментальных факторов, в мартовскую инфляцию. Точечная оценка шока составляет 6,6 п.п. из 7,4% сезонно сглаженной мартовской инфляции, то есть порядка 89% инфляционного всплеска пришлось на разовые факторы (логистику, переключение на других поставщиков и т. д.). Точность прогноза предложенной VECM-модели в текущих условиях (высокой волатильности инфляции) выше, чем точность одномерных бенчмарк-моделей на горизонте одного — трех месяцев. Построенные на основе предложенной VECM-модели прогнозы на винтажных данных в период с декабря 2021 года по июнь 2022-го оказались близкими по значению к консенсус-прогнозам аналитиков и Банка России, сформированным на сопоставимом информационном множестве. Построенные в рамках модели прогнозы, основанные на данных начиная с апреля, предполагают значительное замедление инфляции, что позволяет объяснить активные снижения ключевой ставки Банком России с 20% в начале апреля до 8% к концу июля. Факторная векторная модель коррекции ошибок в условиях быстро меняющихся инфляционных тенденций позволяет оперативно получать относительно точный краткосрочный прогноз инфляции, что может использоваться для поддержки принятия решений в сфере денежно-кредитной политики.
Об авторе
Ю. Н. ПеревышинРоссия
Юрий Николаевич Перевышин, кандидат экономических наук, старший научный сотрудник Центра изучения проблем центральных банков Института прикладных экономических исследований
119571, Москва, пр. Вернадского, 84
Список литературы
1. Прогнозирование инфляции с помощью методов машинного обучения // Деньги и кредит. 2018. Т. 77. № 4. С. 42–59.
2. Балацкий Е. В., Юревич М. А.2. Прогнозирование инфляции: практика использования синтетических процедур // Мир новой экономики. 2018. Т. 12. № 4. С. 20–31.
3. Павлов Е.3. Прогнозирование инфляции в России с помощью нейронных сетей // Деньги и кредит. 2020. Т. 79. № 1. С. 57–73.
4. Петрова Д. А.4. Прогнозирование инфляции на основе интернет-запросов // Экономическое развитие России. 2019. Т. 26. № 11. С. 55–62.
5. Сапова А. К.5. Прогнозирование инфляции на основе индекса потребительских цен с учетом влияния сезонного фактора // Статистика и экономика. 2017. № 6. С. 46–58.
6. Стырин К.6. Прогнозирование инфляции в России методом динамического усреднения моделей // Деньги и кредит. 2019. Т. 78. № 1. С. 3–18.
7. Турунцева М. Ю., Астафьева Е. В., Петренко В. Д.7. Прогнозирование инфляции: эмпирика и реальность // Экономика. Налоги. Право. 2014. № 1. С. 53–57.
8. Bessonovs A., Krasnopjorovs O.8. Short-Term Inflation Projections Model and its Assessment in Latvia // Baltic Journal of Economics. 2021. Vol. 21. No 2. P. 184–204.
9. Canova F.9. G-7 Inflation Forecasts: Random Walk, Phillips Curve or What Else? // Macroeconomic Dynamics. 2007. Vol. 11. No 1. P. 1–30.
10. Krušec D.10. Short Term Inflation Projections for Slovenia: Comparing Factor Models with AR and VAR Models // Banka Slovenije. Prikazi in analize. 2007. No XIV/1. Р. 57–75.
11. Mamedli M., Shibitov D.11. Forecasting Russian CPI with Data Vintages and Machine Learning Techniques. Bank of Russia Working Papers. 2021.
12. Sims C. A.12. Macroeconomics and Reality // Econometrica. 1980. Vol. 48. No 1. P. 1–48.
13. Stock J. H., Watson M. W. Forecasting Inflation // Journal of Monetary Economics. 1999. Vol. 44. No 2. P. 293–335.
14. Stock J. H., Watson M. W.14. Modeling Inflation After the Crisis. NBER Working Papers. No 16488. 2010.
15. Stock J. H., Watson M. W.15. Phillips Curve Inflation Forecasts // Understanding Inflation and the Implications for Monetary Policy / J. Fuhrer, Y. Kodrzycki, J. Little, G. Olivei (eds.). Cambridge MA: MIT Press, 2009. P. 99–202.
16. Stock J. H., Watson M. W.16. Why Has US Inflation Become Harder to Forecast? // Journal of Money, Credit and Banking. 2007. Vol. 39. No S1. P. 3–33.
Рецензия
Для цитирования:
Перевышин Ю.Н. Краткосрочное прогнозирование инфляции в российской экономике. Экономическая политика. 2022;17(5):8-25. https://doi.org/10.18288/1994-5124-2022-5-8-25
For citation:
Perevyshin Yu.N. Short-Term Inflation Forecasting in the Russian Economy. Economic Policy. 2022;17(5):8-25. (In Russ.) https://doi.org/10.18288/1994-5124-2022-5-8-25