По всем вопросам звоните:

+7 495 274-22-22

Оценка перспектив реализации торгово-экономического сотрудничества России с Китаем в рамках реализации проекта «Один пояс — один путь» на основе использования методов DSGE-моделирования

Мария Александровна Шапор кандидат экономических наук, доцент, главный эксперт управления международного развития, ФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации», Россия, 123298, г. Москва, ул. Маршала Бирюзова, д. 2, E-mail: chursina17@gmail.com, ORCID: 0000-0002-9762-2695
Ксения Петровна Вольтер магистр Института экономики, математики и информационных технологий, ФГБОУ ВО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации», Россия, 119333, г. Москва, пр-т Вернадского, д. 82, корп. 3, E-mail: ialtukh@gmail.com

Представленная работа посвящена оценке перспектив осуществления торгово-экономического сотрудничества России с Китаем в рамках реализации Инициативы «Один пояс — один путь» на основе методов DSGE-моделирования при использовании программного обеспечения Dynare в пакете MATLAB. DSGE-моделирование используется в макроэкономике для анализа и прогнозирования экономических переменных в динамических условиях неопределенности. Путем анализа имеющихся статистических данных и параметров модели можно сделать выводы о том, как экономики могут развиваться в будущем с учетом различных условий, формирующих сценарии их развития. Анализируя исследуемый период (2012–2022 гг.) в России, можно сказать об общей тенденции стабильности экономики, поскольку, несмотря на несколько кризисных лет, стабильно высокие значения коэффициентов автокорреляции для ВВП и потенциальной производительности указывают на стабильный экономический рост и инвестиционную активность. В то же время постоянные отрицательные значения автокорреляции для государственных расходов на первых лагах свидетельствуют о бесконечной переменчивости государственной политики или ее адаптации к текущим экономическим условиям и вызовам. В целом анализ автокорреляции для периода с 2016 по 2022 г. показал уменьшение внутренней стабильности российской экономики к 2022 г., более выраженное влияние внешних и случайных факторов (западные санкции), а также изменения в бюджетной и монетарной политике, что требует более гибкого и адаптивного подхода к управлению экономикой страны для обеспечения устойчивого развития в условиях общей экономической неопределенности. В целом можно сказать, что анализ для Китая с 2018 по 2022 г. показывает стабильность в экономическом росте, умеренное снижение влияния государственных расходов и инфляции, а также умеренное влияние технологических шоков на экономику. Номинальная процентная ставка остается стабильной, что может свидетельствовать об устойчивости монетарной политики страны.

Литература:

1. Ireland, P. N. A method for taking models to the data // Journal of Economic dynamics and control. — 2004. — Т. 28. — № 6. — С. 1205–1226

2. Indicators // World Bank Group. [Электронный ресурс]. URL: https://data.worldbank.org/indicator/ (дата обращения: 16.04.2024)

3. Industry Overview. All industries and related sub-industries // Statista. [Электронный ресурс]. URL: https://www.statista.com/markets/ (дата обращения: 16.04.2024)

4. The Global Economy. [Электронный ресурс]. URL: https://www.theglobaleconomy.com/ (дата обращения: 17.04.2024)

5. Trading Economics. [Электронный ресурс]. URL: https://tradingeconomics.com/ (дата обращения: 16.04.2024)

6. Rankings about energy in the World // U.S. Energy Information Administration. [Электронный ресурс]. URL: https://www.eia.gov/international/data/country/ (дата обращения: 16.04.2024)

1. Ireland, P. N. (2004). A method for taking models to the data. Journal of Economic Dynamics and Control. Vol. 28, no. 6, pp. 1205–1226

2. World Bank Group (2024). Indicators. — Available at: https://data.worldbank.org/indicator/ (accessed: 16.04.2024)

3. Statista (2024). Industry Overview. All industries and related sub-industries. — Available at: https://www.statista.com/markets/ (accessed: 16.04.2024)

4. The Global Economy (2024). — Available at: https://www.theglobaleconomy.com/ (accessed: 17.04.2024)

5. Trading Economics (2024). — Available at: https://tradingeconomics.com/ (accessed: 16.04.2024)

6. U.S. Energy Information Administration (2024). Rankings about energy in the World. — Available at: https:// www.eia.gov/international/data/country/ (accessed: 16.04.2024)

Дата поступления рукописи в редакцию: 25.05.2024

Дата принятия рукописи в печать: 30.06.2024

В контексте настоящей работы авторами предложено использовать механизмы DSGE-моделирования, реализуемые на основе использования программного обеспечения Dynare, интегрируемого с программой MATLAB, что полезно для проведения прогнозирования состояния экономик исследуемых стран и их ключевых макроэкономических переменных. Отметим, что для анализа в рамках представленной работы для обозначенного исследовательского интервала были выбраны 2012, 2015, 2019, 2020 и 2022 гг.

Для проведения оценки перспектив реализации торгово-экономического сотрудничества между Россией и Китаем при помощи метода DSGE-моделирования применена модель, предложенная в работе Питера Айрленда [1], где использованы следующие уравнения: кривая IS, кривая Филлипса, разрыв ВВП, рост ВВП, спрос, издержки и технологические шоки, правило Тейлора, которые выглядят следующим образом:

Данные уравнения при помощи языка программирования, использующегося в программе MATLAB, были занесены в рабочее пространство Dynare. Далее были заданы следующие переменные: y (ВВП экономики); x (разница между фактическим производством экономики и потенциальной производительностью);g (государственные расходы); r (номинальная процентная ставка); π (инфляция); a (технологические шоки); e (внешнеэкономические шоки) и z (случайные шоки). Также задаются значения параметров (beta, omega, psi, rho_pi, rho_g, rho_x, rho_a, rho_e), которые соответствуют следующим восьми макроэкономическим индикаторам: темпы роста ВВП каждой из стран; объем инвестиций в исследуемые отрасли экономики (инвестиции в транспортный сектор, годовое энергопотребление, показатель ВВП от строительства) каждой из стран; итоговый торговый оборот (экспорт) между Россией и Китаем; уровень инфляции; инвестиционный климат (годовой объем прямых иностранных инвестиций) и уровень (индекс) политической стабильности в странах. Все статистические значения взяты из официальных сайтов Всемирного банка [2], Statista [3], The Global Economy [4], Trading Economics [5] и U. S. Energy Information Administration [6]. Поскольку большинство полученных в пакете Dynare коэффициентов являются схожими или одинаковыми по описанию, считаем целесообразным в дальнейшем анализе давать интерпретацию только по полученным коэффициентам автокорреляции, так как они следуют из всех представленных до этого. Также программа генерирует графики импульсного отклика по четырем видам шоков.

Для Цитирования:
Мария Александровна Шапор, Ксения Петровна Вольтер, Оценка перспектив реализации торгово-экономического сотрудничества России с Китаем в рамках реализации проекта «Один пояс — один путь» на основе использования методов DSGE-моделирования. Международная экономика. 2024;9.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: