litceysel.ru
добавить свой файл
1 2 3 4
Фетисов Роман 4 курс.



Моделирование взаимосвязи между мировыми ценами на энергоносители и макроэкономическими показателями России.


1. Цели и задачи.


Цель:



Определить, существует ли математическое обоснование для того, чтобы безапелляционно называть РФ сырьевым государством? Или иными словами выявить степень взаимосвязи между мировыми ценами на энергоносители и макроэкономическими показателями РФ?


Задачи:


1. Протестировать взаимосвязь между ценой на нефть на мировом рынке и ВВП Российской Федерации.

2. Протестировать взаимосвязь между ценой на нефть на мировом рынке и номинальным курсом Российского рубля относительно доллара США.

3. Протестировать взаимосвязь между ценой на нефть на мировом рынке и ИПЦ Российской Федерации.

4. Экономически проинтерпретировать полученные результаты.

5. Сформулировать основные выводы.


2. Обзор работ на данную тему.



Теория

Авторы

Описание

«Революция цен» (Испания и другие страны Европы XVI-XVII вв)

Hamilton E.J

1934

Flynn DO

1982

John Munro

2003


Освоение месторождений золота и серебра, введение технологий, позволяющих разрабатывать их эффективно, по стандартам того времени, - все это привело к беспрецедентному в истории росту поступления драгоценных металлов в Европу. Рост предложения золота и серебра в условиях еще медленно растущей европейской экономики приводит к резкому - по стандартам общества, привыкшего к стабильности цен, - удорожанию товаров. В Испании, куда в первую очередь поступают драгоценные металлы, цены растут быстрее, чем в остальных европейских странах.


Гипотеза «Пребиша – Зингера»

Singer, 1950

Prebish, 1950

Указали на наличие определенной тенденции к снижению относительных цен на сырье по сравнению с продукцией обрабатывающей промышленности, а также сделали предположение о том, что доля сырьевых производств в ВВП будет снижаться ввиду технического прогресса.

«Ловушка сырьевой специализации» (staple trap theory)

Innis 1954; Baldwin 1956; Hirshman 1977

Согласно теории развития, опирающегося на главные экспортные продукты (staple theory of economic development), предложенной Иннисом, экономики богатых ресурсами стран, в частности экономика Канады, формировались и интегрировались вокруг главных экспортных сырьевых отраслей. Развитие же экономик в большой степени определялось сменой одних экспортных продуктов другими (в Канаде в хронологическом порядке — пушнина, зерно, древесина, минералы и топливо).

Исторические исследования развития многих стран, богатых ресурсами, показывают, однако, что теория ловушек сырьевой специализации, хотя и полезна, но не достаточна, поскольку не учитывает макроэкономические и политэкономические факторы, ответственные за негативное воздействие ресурсного богатства на эк.рост

Модель с эффектом перехлеста (оvershooting model)

Rodriguez, Sachs, 1999

Предположили, что страны, богатые ресурсами, имеют более высокий, а не более низкий уровень подушевого ВВП по сравнению с другими странами. Они

ввели в модель Рамсея фактор производства, предположив, что он растет медленнее, чем капитал и труд. Оказалось, что в этом случае имеет место эффект перехлеста: сначала экономика превосходит стационарный уровень подушевого дохода, а затем возвращается к нему, демонстрируя отрицательные темпы роста. Авторы показывают, что отрицательные темпы экономического роста в Венесуэле в 1972—1993 гг. могут быть объяснены такой теорией. Недостаток модели с эффектом перехлеста состоит, конечно, в том, что она не объясняет, почему сам равновесный уровень дохода в развивающихся странах не подтягивается к уровню западных стран.





Описание переменных.

В качестве объясняющей (независимой) переменной для данной модели предлагается номинальная цена на нефть марки BREND в долларах США за баррель.

Базой для сбора статистики послужили данные по рыночным котировкам с лондонской товарной биржи на закрытия торгов 1ых чисел каждого месяца, начиная с 1.01.2000 и заканчивая 1.01.2009 годами, в случаях, когда 1ые числа являлись выходными или праздничными днями, мы использовали котировки на закрытия предшествующих празднику торговых дней. Далее из ежемесячных данных были получены среднеквартальные путем вычисления обыкновенных средних. В результате, был сформирован временной ряд из среднеквартальных цен на нефть за период с 1 квартала 2000 года по четвертый квартал 2008 года. Графическое представление полученного ряда представлено на нижестоящем графике:





Для проверки данного ряда на стационарность используется тест Дики-Фуллера (ADF-тест) на наличие единичного корня, основанный на модели:

OILt = β1 + β2 OILt-1 + γT + εt

Мы проверяем нулевую гипотезу о не стационарности Hₒ: β2=0

Как показал анализ при условии включения в тестовую модель тренда, коэффициент при переменной OIL является отрицательным (-0.591843) , а значение тестовой статистики (-3.787986) по модулю превышает критическое на уровне значимости в 5%. Следовательно, мы можем отклонить нулевую гипотезу о не стационарности. И использовать данный ряд для построения регрессии.



ADF Test Statistic

-3.787986

1% Critical Value*

-4.2505








5% Critical Value

-3.5468







10% Critical Value

-3.2056

*MacKinnon critical values for rejection of hypothesis of a unit root.































Augmented Dickey-Fuller Test Equation

Dependent Variable: D(OIL)

Method: Least Squares

Date: 04/22/09 Time: 20:34

Sample(adjusted): 2000:3 2008:4

Included observations: 34 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

OIL(-1)

-0.591843

0.156242


-3.787986

0.0007

D(OIL(-1))

0.850917

0.274068

3.104773

0.0041

C

5.647381

3.915083

1.442468

0.1595

@TREND(2000:1)

1.198518

0.416824

2.875354

0.0074

R-squared

0.381698

Mean dependent var

0.792941

Adjusted R-squared

0.319867

S.D. dependent var

12.71790

S.E. of regression

10.48847

Akaike info criterion

7.648561

Sum squared resid

3300.241

Schwarz criterion

7.828133

Log likelihood

-126.0255

F-statistic

6.173316

Durbin-Watson stat

1.698317

Prob(F-statistic)


0.002141


Также покажем, что ряд первых разностей OILM является стационарным






ADF Test Statistic

-3.468798

1% Critical Value*

-3.6422







5% Critical Value

-2.9527







10% Critical Value

-2.6148

*MacKinnon critical values for rejection of hypothesis of a unit root.































Augmented Dickey-Fuller Test Equation

Dependent Variable: D(OILM)

Method: Least Squares

Date: 04/22/09 Time: 21:16


Sample(adjusted): 2000:4 2008:4

Included observations: 33 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

OILM(-1)

-1.510081

0.435333

-3.468798

0.0016

D(OILM(-1))

0.832124

0.299977

2.773954

0.0094

C

2.469567

2.353075

1.049506

0.3023

R-squared

0.286436

Mean dependent var

-1.803636

Adjusted R-squared

0.238865

S.D. dependent var

13.19839

S.E. of regression

11.51468

Akaike info criterion

7.811630

Sum squared resid

3977.633

Schwarz criterion


7.947676

Log likelihood

-125.8919

F-statistic

6.021251

Durbin-Watson stat

1.836956

Prob(F-statistic)

0.006331



следующая страница >>