Українською | English

НАЗАДГОЛОВНА


УДК: 330.43:336

 

С. О. Кораблін,

д. е. н., заступник директора, ДУ «Інститут економіки та прогнозування НАН України», м. Київ

С. С. Шумська,

к. е. н., провідний науковий співробітник, ДУ «Інститут економіки та прогнозування НАН України», м. Київ

 

МОДЕЛЬНА ОЦІНКА ЗАЛЕЖНОСТІ ІНФЛЯЦІЇ ТА ВВП УКРАЇНИ ВІД  СВІТОВИХ ЦІН НА СИРОВИНУ

 

S. O. Korablin,

Doctor of Economics, Deputy Director

Institute for Economics and Forecasting, NAS of Ukraine

S. S. Shumska,

Leading Researcher, PhD in Economics, Senior Research Fellow in Economics and Mathematical Modelling,

Institute for Economics and Forecasting, NAS of Ukraine

 

MODEL ESTIMATION OF UKRAINE’S INFLATION AND GDP DEPENDENCE ON THE WORLD COMMODITY PRICES

 

Проаналізовано вплив світових цін на сировину на рівень інфляції, валютний курс гривні та ВВП України. Інфляцію розглянуто за двома показниками – споживчої інфляції та інфляції за індексом (оптових) цін виробників промисловості. Світові ціни на сировину представлено у вигляді середньозваженого «композиту» зовнішніх цін на сталь, пшеницю, азотні добрива та соняшникову олію. Вибірку представлено квартальними даними у річному вимірі упродовж періоду 2002-2016 років. В ході аналізу проведено, а в статті детально описано етапи побудови VAR моделі оцінки взаємозв’язків зазначених показників. Представлено аналіз функцій імпульсних відгуків та декомпозиції дисперсій змінних моделі. Результати моделювання підтвердили гіпотезу щодо залежності темпів зміни ВВП України, інфляції та валютного курсу гривні від динаміки світових цін на сировинні товари, що експортує Україна.

 

Influence of the world commodity prices on the inflation rate, exchange rate, and GDP in Ukraine is analyzed. Inflation is examined through the two indices that is CPI ad PPI. The world commodity prices are studied as an average weighted composite of the prices on steel, wheat, urea, and sunflower oil. Data set presents the quarterly data on the annual basis for the period of 2002-2016. The paper  includes a detailed depiction of the VAR model as well as estimation of the interrelation among the indices mentioned. The article presents an analysis of impulse response functions and variance decomposition model variables. The analysis conducted supports the initial hypothesis as to essential influence of the world commodity prices on GDP, inflation and exchange rate of the hryvnia in Ukraine.

 

Ключові слова: VAR модель, ціни на сировину, експорт, ВВП, інфляція, індекс оптових цін виробників, індекс споживчих цін, обмінний курс, Україна.

 

Keywords: VAR model, commodity prices, export, GDP, inflation, PPI, CPI, exchange rate, Ukraine.

 

 

Постановка проблеми. Українські кризи 1998-1999, 2008-2009 та 2014-2016 рр. обумовлюють необхідність визначення їх закономірностей та можливих захисних механізмів. Достатньо відкритий характер вітчизняної економіки, а також синхронізація її спадів і підйомів зі світовою кон’юнктурою на сировину, підказують, що цей збіг не є випадковим. Адже від таких коливань наразі потерпають немало країн, чиї економіки спеціалізуються на випуску продукції з низьким рівнем технологічної обробки. Де-факто цей феномен набув сьогодні офіційного визнання. Для України він означає не лише встановлення факту такої залежності, але також і необхідність її кількісного оцінювання, визначення рівня впливу сировинної кон’юнктури на окремі параметри української економіки та розробки адекватного набору захисних механізмів.

Аналіз останніх досліджень і публікацій. В принципі, факт залежності ВВП, інфляції та обмінного курсу валюти малої, відкритої економіки від зміни зовнішніх умов її функціонування є не лише добре відомим, але навіть і загально визнаним явищем. Проте його аналіз останнім часом набув особливого звучання. Річ у тому, що після (формального) подолання Великої рецесії, багато країн світу опинилися перед новою реальністю – тривалим падінням цін на сировину. Звісно, що найбільш гостро воно постало перед країнами, що спеціалізуються на її видобутку, первинній обробці та експорті. Цей факт активно досліджується фахівцями МВФ. Зокрема, йому присвячено значну частину останнього випуску World Economy Outlook [1]. МВФ також визнає пряму залежність від падіння світових цін сировину і української економіки – на це прямо вказує звіт другого перегляду виконання Програми розширеного фінансування (EFF) [2]. Водночас, кількісних параметрів такого зв’язку для України зазначені дослідження не містять. Відсутні вони і у роботі T. Kinda, M. Mlachila, R. Ouedraogo [3], які аналізують вплив сировинних шоків на показники фінансових систем у 71 країні світу. У контексті політики, що реалізується на сучасному етапі в Україні [4-5] це питання є надзвичайно актуальним.

Постановка завдання. Метою статті є модельна оцінка залежності інфляції та ВВП України від світових цін на сировинні групи товарів, які вона експортує.

Виклад основного матеріалу дослідження. Українську економіку можна характеризувати як малу, від­криту, сировинну, зі спекулятивними суверенними рейтингами, оскільки:

- її частка у світовому ВВП становить близько 0,1%;

- співвідношення вітчизняного експорту та імпорту до ВВП стійко коливається навколо 50%;

- за міжнародною шкалою суверенні рейтинги країни є або критично спекулятивними ("B-", S&P's; "CCC", Fitch), або навіть переддефолтними  ("Caa3", Moody's); причому їх рівень ніколи не мав інвестиційно привабливого рівня;

- на світових ринках Україна найбільш успішно конкурує лише у сегменті сільськогосподарської продукції, виробництва чорних металів та найпростішої хімії.

Ясно, що динаміка такої економіки має суттєво залежати від коливань світових цін на сировину, яку вона виробляє та експортує. Адже визначального впливу на них вона не має, власних потужностей для заміщення технологічно місткого імпорту їй не вистачає, а розраховувати на серйозні інвестиційні та фінансові поштовхи із зовні вона просто не може.

На рис. 1 наведено динаміку світових цін на низку ключових товарів українського експорту: сталь, пшеницю, соняшникову олію та азотні добрива (у квартальному розрізі). Період – час життя гривні – 1996–2016 рр.

 

Рис. 1. Темпи зростання світових цін на ключові товари українського експорту: пшеницю, сталь, азотні добрива, соняшникову олію у 1996–2016 рр. (1990'12=1)

Джерело: розраховано за даними порталу IndexMundi: [Електронний ресурс]. – Доступний з : http://www.indexmundi.com/commodities/

 

Незважаючи на різну амплітуду коливань зазначених цін, усі вони мають приблизно однаковий профіль:

- "провал" наприкінці 1990-х років;

- відновлення та стрімкий злет у 2000–2007 рр.;

- глибоке падіння протягом 2008–2009 рр.;

- зростання у 2010–2011 рр.;

- затяжне падіння у 2012–2015 рр.

Зважування та агрегування наведених на рис. 1 цінових індексів дозволяє отримати приблизну оцінку динаміки цін на вітчизняний товарний експорт упродовж 1996–2016 рр. (рис. 2).

 

Рис. 2. Темпи зростання світових цін на сировину, що експортується Україною (1990'12 = 1), 1996–2016 рр.

Джерело: розраховано за даними порталу IndexMundi: [Електронний ресурс]. – Доступний з :

http://www.indexmundi.com/commodities/

 

Розрахований таким чином індекс цін дозволяє перейти до річних темпів його приросту у квартальному розрізі (рис. 3). Їх співставлення з аналогічними показниками реального ВВП України дає можливість дещо інакше подивитися на причини його циклічних коливань упродовж останніх 20 років.

 

Рис. 3. Динаміка світових цін на сировину і реального ВВП України, 2002–2015 рр.

Джерело: розраховано за даними Державної служби статистики України: [Електронний ресурс]. –

Доступний з : http://www.ukrstat.gov.ua/ та порталу IndexMundi: [Електронний ресурс]. – Доступний з :

http://www.indexmundi.com/commodities/

 

Зазначений рис. 3 виявляється своєрідною азбукою злетів і падінь української економіки. Адже якщо перші чітко корелюють з підвищенням зовнішніх цін на нашу експортну сировину, то другі – з їх зниженням. Це, зокрема, наочно пояснює, чому єдине стійке економічне піднесення незалежної України припало саме на 2000–2007 рр., хоча кричущих фактів корупції, контрабанди, тіньового бізнесу та політичного протистояння в ті роки було не менше, ніж зараз.

Здається, що одна з головних причин тодішнього зростання була цілком банальна: в його основі лежали не "радикальні структурні реформи", не особливий бізнес-клімат і не стабільне політичне середовище, а незалежний від них злет цін на сировину.

У 2002–2007 рр. його середньорічні темпи (для групи зазначених товарів) перевищували 12%. Це сприяло середньому зростанню вітчизняного ВВП на 7,5% на рік, що було вдвічі більше за загальносвітову динаміку (3,4%). Завдяки цьому Україна потрапила в "сировинний Едем", отримавши неочікуваний потік іноземної валюти, інвестицій і позик, ревальваційний тиск на гривню та її курсове посилення, рекордне зростання міжнародних резервів (фактично від нуля до 38 млрд. дол., серпень 2008 р.), шалені доходи населення і бюджетні надходження, кредитний і банківський бум, будівельну лихоманку, божевільні ціни на нерухомість і нескінченну кількість охочих її придбати.

Утім, усі це чудо розтануло буквально за два-три місяці, коли обвалилися світові ціни на сировину. У нашому випадку їхній річний приріст рухнув з +64% у ІІІ кв. 2008 р. до -11%, -36% і -39% у перших трьох кварталах 2009-го. От тоді український ВВП і поставив світовий антирекорд 2009 року, прова­лившись на 14,8%. Пов'язаних з цим проблем не вирішено досі: знецінення гривні, валютні борги, зовнішня заборгованість, неплатоспроможність позичальників і їхнє банкрутство, збанкрутілі банки, фінансова залежність від МВФ, падіння доходів, безробіття й масове відчуття безвиході.

На жаль, усе це виявилося лише прелюдією. Сплеск сировинної кон'юнктури тривав лише два роки (2010–2011 рр.). Його короткостроковість, як і не­вдала економічна політика України, не дозволили ані розігнати зростання ВВП (із середньорічних 4,7%), ані розв'язати клубок накопичених проблем.

Нинішня фаза вітчизняної кризи почалася у 2012 р. – з поновленням сировинної рецесії, яка триває понад чотири роки поспіль. Враховуючи це, можна впевнено сказати, що падіння ВВП, бюджетні проблеми й девальвація гривні у 2014–2015 рр. сталися б і без зовнішньої інтервенції. Адже структурна вразливість України та пригнічені ціни на сировину не обіцяли їй нічого хорошого й до початку 2014 р. За цих умов анексія Криму та війна в Донбасі лише підклали дров у тліюче багаття українських проблем.

Разом з тим, варто враховувати, що зовнішня кон’юнктура і, відповідно, динаміка українських експортних цін на сировину, яка є відображенням  впливу світових зовнішніх цін, має як прямий так і опосередкований вплив на внутрішні ціни країни – споживчого ринку, оптові виробників та  динаміку валютного курсу. Для кількісного визначення існуючих взаємозв’язків доречно використати інструментарій економіко-математичного моделювання, зокрема, VAR моделювання.

Для реалізації мети дослідження побудовано VAR модель оцінки взаємозв’язків зовнішніх і внутрішніх цін та їх впливу на українську економіку. Модель реалізовано в середовищі пакету Eviews 7.0 на квартальних статистичних даних  НБУ, Державної служби статистики України, МВФ, Світового банку, порталу IndexMundi у річному вимірі на часовому проміжку за 2 квартал 2003 р. – 2 квартал 2016 р. (відсоткова зміна за період у річному обчисленні). До змінних моделі включено: GDP – реальний ВВП, СРІ – споживча інфляція, РРІ – інфляція (оптових цін виробників) промислової продукції, CURS – офіційний курс гривні до долару США, COMPOSITE – «композит» світових цін на сировину, що експортує Україна (фактично, уособлює фактор зовнішньої кон’юнктури).

Перевірка рядів на стаціонарність за допомогою розширеного тесту Дікі-Фулера виявила, що 2 ряди із 5-ти обраних (GDP та COMPOSITE) є нестаціонарними у рівнях, тому модель побудовано з використанням їх перших різниць. У таблиці 1 наведено результати виконання тесту для об’єднаної групи часових рядів моделі. Розрахунки підтверджують, що ряди перших різниць є стаціонарними, значення t-статистики менше за критичні, р-value=0, що є меншим за 10%, а тому приймається нульова гіпотеза про відсутність одиничного кореня, і отже можна будувати VAR модель.

 

Таблиця 1.

Результати тесту Дікі-Фулера для часових рядів у перших різницях

Null Hypothesis: Unit root (individual unit root process) 

 

Series: GDP, COMPOSITE, CPI, PPI, CURS

 

 

 

Date: 12/03/16   Time: 13:35

 

 

 

 

Sample: 1996Q1 2016Q4

 

 

 

 

 

Exogenous variables: Individual effects

 

 

 

Automatic selection of maximum lags

 

 

 

Automatic lag length selection based on AIC: 3 to 7

 

Total number of observations: 345

 

 

 

Cross-sections included: 5

 

 

 

 

 

 

 

 

 

 

 

 

Method

 

 

 

Statistic

 

Prob.**

Im, Pesaran and Shin W-stat 

 

-9.94459

 

 0.0000

 

 

 

 

 

 

 

 

** Probabilities are computed assuming asympotic normality

 

 

 

 

 

 

 

 

 

Intermediate ADF test results

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Max

 

Series

t-Stat

Prob.

E(t)

E(Var)

Lag

Lag

Obs

D(GDP)

-5.9559

 0.0000

-1.488

 0.814

 3

 10

 53

D(COMPOSITE)

-5.9105

 0.0000

-1.444

 0.847

 7

 11

 73

D(CPI)

-4.7243

 0.0002

-1.442

 0.850

 7

 11

 71

D(PPI)

-5.4158

 0.0000

-1.444

 0.847

 7

 11

 73

D(CURS)

-5.5320

 0.0000

-1.498

 0.779

 3

 11

 75

 

 

 

 

 

 

 

 

Average

-5.5077

 

-1.463

 0.827

 

 

 

Джерело: авторські розрахунки.

 

Для визначення порядку VAR моделі (оптимальної кількості лагів (р)) використано тест на довжину лага VAR Lag Order Selection Criteria, результати якого наведено у таблиці 2. Як свідчать розрахунки за різними інформаційними критеріями оптимальною кількістю лагів є 4, оскільки три із п’яти  критеріїв (вони позначені зірочкою) вказують на це.

Слід відмітити, що хоча й найменш строгий критерій Акайке (АІС)  вказує на 7 лагів, однак подальший проведений аналіз моделі (де порядок р=7) на статистичну значимість лагів із використанням тесту на виключення лагів (Lag Exclusion Tests) засвідчив наявність значної кількості незначущих лагів які слід виключити, тому оптимальною кількістю лагів для досліджуваної моделі визначено 4.

 

Таблиця 2.

Результати виконання тесту на визначення лагової структури VAR моделі

VAR Lag Order Selection Criteria

 

 

 

 

Endogenous variables: D(GDP) D(COMPOSITE) D(CPI) D(PPI) D(CURS) 

Exogenous variables: C 

 

 

 

 

Date: 12/03/16   Time: 13:53

 

 

 

 

Sample: 1996Q1 2016Q4

 

 

 

 

Included observations: 50

 

 

 

 

 

 

 

 

 

 

 

 Lag

LogL

LR

FPE

AIC

SC

HQ

 

 

 

 

 

 

 

0

-814.3797

NA 

 1.18e+08

 32.77519

 32.96639

 32.84800

1

-743.7399

 124.3260

 19115712

 30.94960

  32.09681*

 31.38646

2

-709.2712

 53.77115

 13497627

 30.57085

 32.67407

 31.37177

3

-679.5995

 40.35356

 12128457

 30.38398

 33.44322

 31.54895

4

-629.4674

  58.15321*

  5210734.*

 29.37870

 33.39394

  30.90773*

5

-607.8488

 20.75388

 7944286.

 29.51395

 34.48521

 31.40704

6

-579.6654

 21.41937

 11379017

 29.38662

 35.31389

 31.64375

7

-539.4948

 22.49552

 14173121

  28.77979*

 35.66308

 31.40099

 

 

 

 

 

 

 

 * indicates lag order selected by the criterion

 

 

 

 LR: sequential modified LR test statistic (each test at 5% level)

 

 

 FPE: Final prediction error

 

 

 

 

 AIC: Akaike information criterion

 

 

 

 

 SC: Schwarz information criterion

 

 

 

 

 HQ: Hannan-Quinn information criterion

 

 

 

Джерело: авторські розрахунки.

 

Перевірка змінних моделі на екзогенність/ендогенність за допомогою тесту Грейнджера (Grander Causality/Block Exogeneity Tests) дала підстави для відхилення припущення, що всі змінні є екзогенні, отже у побудованій моделі вони є ендогенними.

Загалом перевірка ключових умов для побудови VAR моделі та аналіз статистичних характеристик при її оцінюванні (таблиця 3) дає підстави для висновку про коректність та адекватність досліджуваної моделі:

 

D(GDP) = 0.147219665658*D(GDP(-1)) + 0.0282664352735*D(GDP(-2)) + 0.497172883176*D(GDP(-3)) - 0.183303199213*D(GDP(-4)) - 0.0216098473184*D(COMPOSITE(-1)) - 0.0550257472642*D(COMPOSITE(-2)) - 0.0840607909962*D(COMPOSITE(-3)) - 0.0840003100198*D(COMPOSITE(-4)) + 0.499138273034*D(CPI(-1)) - 0.0733228957833*D(CPI(-2)) - 0.139481416539*D(CPI(-3)) - 0.0345800789462*D(CPI(-4)) - 0.0941607532857*D(PPI(-1)) - 0.334015718796*D(PPI(-2)) + 0.168524192421*D(PPI(-3)) + 0.0730487833856*D(PPI(-4)) + 0.099266536595*D(CURS(-1)) + 0.0331231338578*D(CURS(-2)) - 0.0609433624654*D(CURS(-3)) - 0.031579320385*D(CURS(-4)) - 0.303805552715

 

D(COMPOSITE) = 0.424631438358*D(GDP(-1)) + 0.647278193027*D(GDP(-2)) - 0.328158765117*D(GDP(-3)) + 0.261298118561*D(GDP(-4)) + 0.20456397492*D(COMPOSITE(-1)) - 0.496853963661*D(COMPOSITE(-2)) - 0.015259673674*D(COMPOSITE(-3)) - 0.812092131447*D(COMPOSITE(-4)) + 0.743122990941*D(CPI(-1)) - 1.08730501473*D(CPI(-2)) + 0.111945243698*D(CPI(-3)) - 0.402661393498*D(CPI(-4)) + 1.07112628891*D(PPI(-1)) - 0.551834065243*D(PPI(-2)) + 0.348429840111*D(PPI(-3)) + 1.40574586902*D(PPI(-4)) + 0.0748963682838*D(CURS(-1)) + 0.283951642671*D(CURS(-2)) - 0.120438461124*D(CURS(-3)) + 0.298179347235*D(CURS(-4)) - 0.469592277766

 

D(CPI) = 0.0952772250645*D(GDP(-1)) - 0.0354409980054*D(GDP(-2)) - 0.153719175109*D(GDP(-3)) - 0.0775613733098*D(GDP(-4)) - 0.0363792981811*D(COMPOSITE(-1)) - 0.0400401108172*D(COMPOSITE(-2)) - 0.207570185254*D(COMPOSITE(-3)) + 0.0403105380782*D(COMPOSITE(-4)) + 0.15817706027*D(CPI(-1)) - 0.351496214008*D(CPI(-2)) - 0.308874017329*D(CPI(-3)) - 0.357485321096*D(CPI(-4)) + 0.359534446973*D(PPI(-1)) + 0.420725434518*D(PPI(-2)) + 0.276684012302*D(PPI(-3)) + 0.281342544256*D(PPI(-4)) - 0.185568858914*D(CURS(-1)) + 0.0606379180984*D(CURS(-2)) - 0.0337873565997*D(CURS(-3)) - 0.0352435317858*D(CURS(-4)) + 0.0898892710942

 

D(PPI) =  - 0.0194116165327*D(GDP(-1)) + 0.38387782498*D(GDP(-2)) + 0.100358479607*D(GDP(-3)) + 0.387913148322*D(GDP(-4)) + 0.143090348962*D(COMPOSITE(-1)) - 0.313632641933*D(COMPOSITE(-2)) + 0.112444237308*D(COMPOSITE(-3)) - 0.126945835457*D(COMPOSITE(-4)) + 0.610377095473*D(CPI(-1)) - 0.618993068614*D(CPI(-2)) + 0.522623877652*D(CPI(-3)) - 0.0824246988357*D(CPI(-4)) + 0.638622648813*D(PPI(-1)) - 0.123963939291*D(PPI(-2)) - 0.381177796931*D(PPI(-3)) + 0.0330351986398*D(PPI(-4)) - 0.105923013795*D(CURS(-1)) + 0.128279848335*D(CURS(-2)) - 0.21185013559*D(CURS(-3)) + 0.135651644377*D(CURS(-4)) + 0.147822561397

 

D(CURS) = 1.82332087708*D(GDP(-1)) - 0.276080901238*D(GDP(-2)) + 0.203403032745*D(GDP(-3)) - 0.190362284647*D(GDP(-4)) + 0.235290155025*D(COMPOSITE(-1)) + 0.498521278605*D(COMPOSITE(-2)) - 0.24249891985*D(COMPOSITE(-3)) + 0.14688999486*D(COMPOSITE(-4)) + 1.79376490514*D(CPI(-1)) + 0.257443223718*D(CPI(-2)) - 1.97044299704*D(CPI(-3)) + 1.37098245616*D(CPI(-4)) - 1.17029998871*D(PPI(-1)) - 1.22804526005*D(PPI(-2)) + 0.516838560559*D(PPI(-3)) + 0.0444694049999*D(PPI(-4)) - 0.0347752896777*D(CURS(-1)) + 0.162190483116*D(CURS(-2)) + 0.248360439461*D(CURS(-3)) - 0.647175180231*D(CURS(-4)) - 0.694974545851

 

 

Таблиця 3.

Статистичні характеристики оцінки VAR моделі

 

D(GDP)

D(COMPOSITE)

D(CPI)

D(PPI)

D(CURS)

 R-squared

 0.689524

 0.789284

 0.866757

 0.823591

 0.692046

 Adj. R-squared

 0.495476

 0.657586

 0.783480

 0.713336

 0.499574

 Sum sq. resids

 303.6622

 1452.344

 264.0291

 379.6465

 4180.826

 S.E. equation

 3.080494

 6.736896

 2.872440

 3.444409

 11.43026

 F-statistic

 3.553371

 5.993153

 10.40811

 7.469853

 3.595574

 Log likelihood

-121.4628

-162.9358

-117.7566

-127.3809

-190.9550

 Akaike AIC

 5.375954

 6.940972

 5.236097

 5.599278

 7.998302

 Schwarz SC

 6.156635

 7.721654

 6.016779

 6.379960

 8.778984

 Mean dependent

-0.149057

-0.395467

 0.110848

 0.119260

-0.312621

 S.D. dependent

 4.336900

 11.51289

 6.173074

 6.433216

 16.15795

 

 

 

 

 

 

 Determinant resid covariance (dof adj.)

 1043650.

 

 

 

 Determinant resid covariance

 83738.52

 

 

 

 Log likelihood

-676.4083

 

 

 

 Akaike information criterion

 29.48710

 

 

 

 Schwarz criterion

 33.39051

 

 

 

Джерело: авторські розрахунки.

 

Серед переваг практичного використання VAR моделювання – можливість проведення аналізу чутливості показників моделі до дії зовнішніх шоків, що реалізовано через побудову функції імпульсних відгуків, які показують зміну  ендогенних показників у відповідь на шок  (зміну одного зі збурень  системи). Так, на рис.4 наведено функції імпульсних відгуків, які представляють зміну поточного та майбутніх значень ендогенної змінної ВВП  як реакцію на шок, що дорівнює одному  середньоквадратичному відхиленню (standard deviation) таких факторів як внутрішня інфляція (СРІ та РРІ), ціни експорту сировини (COMPOSITE), валютного курсу гривні (CURS).

Для побудови наведених вище імпульсних функцій  відгуків було використано  підхід на основі декомпозиції Чолеського. Форма представлених графіків свідчить про значну мінливість та різну величину ефектів від шокового впливу обраних показників. Хоча й напрямки впливу на кожному із розглянутих проміжків є різними, однак після 30 періоду вони затухають. Це  говорить про те, що індивідуальні шоки/зміни обраних показників мають тривалий вплив (більше 7 років) на економіку. На довгостроковому проміжку графіки збігаються до осі, що свідчить про стаціонарність рядів даних та стійкість системи.

 

Рис. 4. Імпульсні функції відгуку змінної D(GDP) побудованих на основі шоків (імпульсу в залишках у

 одне стандартне відхилення) змінних D(COMPOSITE), D(CPI), D(PPI), D(CURS)

 

Щоб проаналізувати  кумулятивний вплив  імпульсів та розглянути кількісні їх оцінки не у графічному вигляді, а у таблиці,  побудовано імпульсні функції з кумулятивним ефектом. Наприклад, у таблиці 4 наведено кількісні оцінки відхилень (S.E.) значень  ендогенних змінних системи D(GDP), D(CPI), D(PPI), D(CURS) в поточний та майбутні періоди часу, що викликані імпульсом показника D(COMPOSITE), його зміною в поточний період часу на одне середньоквадратичне відхилення.

 

Таблиця 4.

Кумулятивний  ефект імпульсних функцій від шоку зміни показника ціни на сировину COMPOSITE

 Period

D(GDP)

D(CPI)

D(PPI)

D(CURS)

 

 

 

 

 

 1

 0.000000

 1.196970

 2.527678

-0.850130

 2

 0.140129

 2.225705

 5.855983

-0.162530

 3

-0.978631

 3.636994

 6.100661

-0.670066

 4

-2.138156

 3.903357

 5.233890

-4.720775

 5

-2.937020

 4.162638

 2.362607

-4.064602

 6

-3.052985

 3.326175

-0.006050

-4.989777

 7

-2.028985

 1.945102

-0.332547

-2.509957

 8

-1.243314

 0.755256

-0.247403

 0.338320

 

Враховуючи взаємозв’язки між змінними, максимальний позитивний ефект від імпульсу зміни ціни на сировину спостерігається у змінах  оптових цін (РРІ) вже на третьому кварталі та споживчих цінах (СРІ) у п’ятому кварталі; максимальний негативний  ефект демонструють показники ВВП та курсу після півтора-річного часового періоду.

Для більш детального розуміння взаємозв’язків між показниками у VAR моделі корисно розглянути властивості помилок прогнозу, а також декомпозицію їх  дисперсій. Декомпозиція дисперсій дає змогу  оцінити пропорції дисперсії, викликані шоками  різних змінних, а отже дає можливість визначити на скільки відсотків зміна одного показника пояснюється зміною іншого. На рис.5 представлено графічне відображення декомпозиції дисперсій змінних VAR моделі протягом 50 періодів. Зокрема, перший графік на рисунку показує декомпозицію дисперсій змінної, яка характеризує динаміку ВВП, а в таблиці 4  наведено їх кількісний вимір.

 

Рис. 5. Графічне представлення декомпозиції дисперсій змінних VAR моделі

 

Таблиця 5.

Декомпозиція дисперсій змінної D(GDP)

 Variance Decomposition of D(GDP):

 Period

S.E.

D(GDP)

D(COMPOSITE)

D(CPI)

D(PPI)

D(CURS)

 

 

 

 

 

 

 

 1

 3.080494

 100.0000

 0.000000

 0.000000

 0.000000

 0.000000

 2

 3.579613

 79.19933

 0.153245

 10.08566

 3.639398

 6.922372

 3

 3.837490

 69.48332

 8.632567

 9.298403

 5.585195

 7.000515

 4

 4.216933

 61.02458

 14.70971

 13.84157

 4.626765

 5.797372

 5

 4.527967

 61.24701

 15.87097

 13.12878

 4.083322

 5.669914

 6

 4.808046

 58.29029

 14.13396

 12.33112

 4.511955

 10.73267

 7

 5.009148

 54.84588

 17.20087

 11.95825

 4.545088

 11.44991

 8

 5.115253

 53.28765

 18.85378

 12.38535

 4.422720

 11.05050

 

 

 

 

 

 

 

 16

 5.629639

 46.76268

 17.37098

 12.16399

 5.160451

 18.54190

 

 

 

 

 

 

 

 24

 5.853364

 44.40213

 19.43239

 11.57777

 6.724136

 17.86357

 

 

 

 

 

 

 

 28

 5.906158

 43.82265

 19.80193

 11.51218

 6.934246

 17.92899

Джерело: авторські розрахунки.

 

Розрахунки декомпозиції дисперсій показують, що зміни ВВП значною мірою пояснюються своєю динамікою (від 80 до 44 %), в основі якої лежить вплив фундаментальних факторів; а також шоками ціни на сировину (від 0,15 до 19,8%), волатильністю  курсу гривні (від 6,9 до 17,9%), інфляцією споживчих цін (від 10 до 11,5%) та цін виробників (від 3,6 до 6,9%). У контексті запровадження  інфляційного таргетування,  варто підкреслити неключову частку СРІ у декомпозиції дисперсії ВВП, яка у свою чергу відображає вагому, але неключову роль, що відіграє зниження інфляції у підтримці економічного зростання. Поступове зростання у середньостроковій перспективі частки впливу змін курсу (до 18,5% і перевищення у подальшому частки СРІ) більш привертає увагу до важливого значення валютної політики у  забезпеченні росту ВВП.

Виділення на графіках декомпозиції дисперсій усіх змінних моделі  (див. рис.5) частки впливу цін на сировину дає змогу підтвердити правильність гіпотези, що даний чинник відіграє значиму роль у динаміці змін цін виробників – зростання і стабілізація внеску на рівні (після 28 періодів дослідження) до 46,8%,  споживчих цін – до 20,5%, валютного курсу – до 10,9%.

Висновки. Модельна оцінка підтверджує початкову гіпотезу щодо суттєвого впливу світових цін на сировину на динаміку ВВП та інфляції в Україні, а також обмінний курс її національної валюти. Подальше поглиблення запропонованого підходу має передбачати удосконалення розрахунку «композиту» світових цін на сировину, що експортує Україна, а також введення в аналіз світових цін на енергоносії.

 

Список літератури.

1. World Economic Outlook (WEO) October 2016: Subdued Demand: Symptoms and Remedies, IMF.

2. Second Review Under the Extended Fund Facility. IMF Country Report No. 16/319, September 2016, IMF

3. T. Kinda, M. Mlachila, R. Ouedraogo. Commodity Price Shocks and Financial Sector Fragility. IMF Working Paper, WP/16/12, IMF, February 2016.

4. Кораблін С.О. Модель "відстаючого зростання": економічні фактори та наслідки для України / С.О. Кораблін // Економіка і прогнозування – 2016. – №2. – С. 74–85.

5. Шумська С.С. Монетарна політика та відновлення економічного зростання в Україні / С.С. Шумська // Економіка та прогнозування. – 2015. – № 3. – С. 2141.

 

References.

1. WEO (October 2016), Subdued Demand: Symptoms and Remedies”, World Economic Outlook, IMF.

2. Second Review Under the Extended Fund Facility, (September 2016), IMF Country Report , No.16/319.

3. Kinda, T. Mlachila, M. Ouedraogo, R. (2016), Commodity Price Shocks and Financial Sector Fragility”, IMF Working Paper, WP/16/12, vol. February.

4. Korablin, S.O. (2016), “The "lagging growth" model: economic factors and consequences for Ukraine”, Economics and Forecasting, vol. 2, pp. 74–85.

5. Shumska, S.S. (2015), “Monetary policy and recovery of economic growth in Ukraine”, Economics and Forecasting, vol. 3, pp. 21-41.

 

Стаття надійшла до редакції 07.12.2016 р.

 

bigmir)net TOP 100

ТОВ "ДКС Центр"