Том 28, № 1 (2024)
Статьи
Вклад человеческого капитала в рост российской экономики
Аннотация
Человеческий капитал, включающий знания, навыки и способности работников, является одним из ключевых факторов экономического роста. Вместе с тем количественные оценки его вклада в рост российской экономики немногочисленны и имеют различные ограничения, связанные с используемыми подходами и данными. В настоящей работе были получены новые оценки вклада человеческого капитала, отражающие его влияние на производительность труда. Для оценки динамики человеческого капитала использован индекс, характеризующий продолжительность полученного образования и состояние здоровья работников. Возможность включения в индекс других показателей человеческого капитала ограничена доступностью и качеством данных. Для оценки вклада человеческого капитала использованы счета экономического роста. Согласно полученным результатам, в 2004–2017 гг. накопление человеческого капитала обеспечивало в среднем порядка +0,6 п.п. ежегодного роста экономики. Наиболее высокие вклады пришлись на вторую половину 2000-х годов. В этот период накоплению человеческого капитала способствовал ряд благоприятных факторов, среди которых предшествующий рост доходов населения и многочисленность выходивших на рынок труда молодых и образованных поколений. Однако в 2010-е годы экономические и демографические факторы ухудшились, накопление человеческого капитала замедлилось, и к 2018–2019 гг. его вклад в экономический рост приблизился к нулевому. Последовавшее за этим ухудшение здоровья населения в период коронакризиса негативно отразилось на темпах экономического роста в 2020–2021 гг.



Имитационный анализ OLG-модели с гетерогенными предпочтениями и способностями к обучению
Аннотация
Данная публикация является продолжением статьи[1] соавторов, посвященной разработке OLG-модели с сектором высшего образования для репрезентативной страны, где сдается единый государственный экзамен. Ключевыми предпосылками модели, отличающими ее от ряда других, являются гетерогенность индивидов по параметру несклонности к риску, коэффициенту дисконтирования и набираемым баллам ЕГЭ. На основе предложенной модели можно исследовать реакцию ключевых макроэкономических показателей, таких как потребление, инвестиции, государственные расходы и выпуск в ответ на различные меры государственной политики в области высшего образования. В этой части работы проводится численное имитационное моделирование на основе спецификации, предложенной авторами в предыдущей статье. В работе анализируются различные сценарии государственной политики, направленные на стимулирование накопления человеческого капитала. Рассматриваются сценарии с выделением государством дополнительных денежных средств на высшее образование, иным распределением бюджетных ассигнований, изменением налоговых ставок и структуры бюджета. Также мы анализируем реакцию переменных на изменение дисперсии заработных плат индивидов. Калибровка модели проводится с использованием российских статистических данных. С помощью предлагаемой модели мы показываем важность учета микрооснований в анализе образовательной политики. Анализ на устойчивость оценок на примере калибровки распределений гетерогенных параметров из альтернативных распределений показал сильную чувствительность результатов исследования к выбору параметров функций распределения предпочтений и способностей индивидов, что указывает на необходимость корректного учета гетерогенности в рассматриваемых задачах. Без корректного учета гетерогенности в рассматриваемых задачах никакие оценки сценариев изменения образовательной политики не могут быть адекватными.
[1] См.: Экономический журнал ВШЭ, т. 27, № 3, с. 449–469.



Прогнозирование региональной инфляции: эконометрические модели или методы машинного обучения?
Аннотация
В статье строится прогноз региональной инфляции на примере субъектов, входящих в Приволжский федеральный округ (ПФО). Цель исследования – определить модель, которая точнее остальных прогнозирует региональную инфляцию. В работе производится сравнение инструментов машинного обучения – метода опорных векторов, градиентного бустинга и случайного леса с эконометрическими моделями временных рядов, авторегрессией и интегрированной авторегрессией-скользящего среднего, – моделями, которые чаще используются для прогнозирования общероссийской инфляции. По результатам исследования выявлены ключевые макроэкономические показатели, наиболее существенно влияющие на региональную инфляцию. В тройку таких для каждого региона ПФО входит значение инфляции в прошлом месяце, среднее значение инфляции и номер месяца. Показано, что модели машинного обучения не хуже справляются с задачей прогнозирования региональной инфляции на длительных временных периодах, в то время как эконометрические модели достаточно точно прогнозируют на краткосрочных временных горизонтах.



Временной риск-профиль опционов
Аннотация
Оценка риска опционов в целях маржирования определяется на биржах с использованием коэффициентов чувствительности или фиксированных сценариев изменения риск-параметров. Подобные методы не могут точно оценить риск, так как не учитывают зависимость риска опционов от времени до исполнения. Эту зависимость необходимо принимать в расчет при моделировании ввиду изменчивости коэффициентов чувствительности с течением времени до исполнения и временной структуры риск-факторов. В работе осуществлена оценка влияния на риск опционов времени до исполнения и риск-параметров, обладающих зависимостью от времени: подразумеваемая волатильность, структура подразумеваемой волатильности и риск-премия за волатильность. Было доказано существование значимого тренда на возрастание оценки риска по мере приближения опциона к дате исполнения. При том возрастает не только средняя оценка риска, но и ее дисперсия. Для опционов со страйком, отличным от стоимости базового актива, тренд становится менее выраженным и точность оценки снижается по мере отдаления от центрального страйка. Но при равенстве страйка и стоимости базового актива тренд описывает динамику риска почти полностью. Было выявлено, что существует зависимость риска опциона от структуры подразумеваемой волатильности: относительное смещение волатильности значимо снижает уровень риска на центральном страйке, а расстояние смещения – повышает уровень риска. Важно отметить, что подразумеваемая волатильность хоть и фактически описывает волатильность стоимости опционов, но не влияет на уровень риска опционов. Риск-премия за волатильность является значимым фактором для описания риска опционов, но только для случаев парной регрессии.



Сравнительный анализ моделей машинного обучения для прогнозирования спроса на деньги в экономике Индии
Аннотация
В исследовании изучается прогностическая эффективность различных методологий машинного обучения, включая регрессию случайного леса (RF), градиентное усиление (GB), экстремальное градиентное усиление (XGBoost), регрессию опорных векторов (SVR), регрессию наименьшего абсолютного сокращения и оператора выбора (LASSO) и метод глубокого обучения, в частности, долгосрочную краткосрочную память (LSTM). В качестве эталонного метода используется модель авторегрессии (AR) первого порядка. С акцентом на прогнозирование спроса на деньги для экономики Индии, важнейшего компонента для достижения цели таргетирования инфляции Центральным банком Индии, используется полный ежемесячный набор данных с 1997 по 2021 год.
Полученные результаты подчеркивают надежные прогностические возможности используемых моделей в отношении как узких, так и широких прогнозов спроса на деньги. Используя ряд оценочных показателей, исследование строго сравнивает прогностическую эффективность этих моделей. Используя перекрестную проверку расширяющегося окна с разделением временных рядов, модели подвергаются перекрестной проверке для обеспечения точных прогнозов денежных агрегатов. Кроме того, тест Диболда – Мариано используется для оценки и сравнения качества прогнозов.
В частности, исследование обнаруживает превосходство LSTM и LASSO в прогностических возможностях для узкого и широкого спроса на деньги соответственно. Эти результаты в совокупности способствуют улучшению понимания прогнозирования спроса на деньги, тем самым облегчая принятие обоснованных решений в сфере денежно-кредитной политики.



Раскрывая секреты: частные инвестиции и значительная эволюция экономики Вьетнама
Аннотация
В последние годы экономика Вьетнама достигла значительных успехов, причем частные инвестиции сыграли решающую роль в этом вкладе. По мере того, как страна вступила в ХХI век, значимость частного сектора в экономическом развитии Вьетнама становилась все более очевидной благодаря росту уровня инвестиций, росту занятости, увеличению взносов в государственный бюджет и общему росту ВВП. Целью данной статьи является предоставление надежных доказательств краткосрочного и долгосрочного вклада частных инвестиций в значительный экономический рост Вьетнама с 2000 по 2022 год. В исследовании собраны данные из всех 63 провинций и муниципалитетов Вьетнама за период с 2000 по 2022 годы. На основе собранных данных исследование использовало результаты модели средней группы панели (PMG), выбранной из трех моделей (PMG, MG, DFE) с помощью тестирования Хаусмана. С помощью динамической пороговой модели панели исследование точно определило максимальное пороговое отношение частных инвестиций к ВВП на уровне 32,2754%. Превышение этого отношения привело бы к ситуации высокой инфляции, перегрева экономики и превышения пределов производства. Наконец, причинно-следственный вывод из данных панели использовался для анализа связи между частными инвестициями и другими переменными в модели. Исследование расширило перспективу влияния частных инвестиций на экономический рост. В начальный период частная инвестиционная деятельность столкнулась с трудностями, что привело к неэффективным инвестициям и отрицательному влиянию на экономический рост. Однако, благодаря гибкости и хорошей адаптации к рынку, а также эффективному использованию факторов ввода, частные инвестиции со временем внесли положительный вклад в экономическое развитие. Кроме того, посредством проверки причинно-следственных связей исследование продемонстрировало причинно-следственную связь между частными инвестициями и инвестициями в инфраструктуру, человеческим капиталом, занятостью, государственными расходами и открытостью торговли. Наконец, исследование предложило политические последствия для правительства Вьетнама для повышения эффективности частных инвестиций и дальнейшего содействия экономическому росту.


