Файл: Сравнительный анализ эффективности валютного и процентного каналов трансмиссионного механизма денежнокредитной политики нбрк.docx

Примечание:РеализовановRstudio
Получившуюся модель можно записать так: y_t=X_tβ+Z_tα+A⁻¹Σε_t,

где: y_t – вектор эндогенных переменных; Z_t– вектор экзогенных переменных;X_tβ=???????????????? ⨂ (????????_????????₋₁, ????????_????????₋₂)

β,α–матрицы коэффициентов перед регрессорами

A–матрица параметров, отвечающая за декомпозицию шоков

Σ-диагональная матрица стандартных отклонений шоков эндогенных переменных

εt–ортонормированные шоки
Далее проводим проверку VAR-модели на стационарность. Построенная VAR-модель является стационарной, так как все корни по модулю меньше единицы и лежат внутри единичной окружности (см. Рисунок 6). В случае если VAR модель была бы нестационарной, то некоторые результаты (например, стандартные ошибки импульсных откликов) считались бы недействительными.

Рисунок 6 – Проверка построенной VAR-модели на стационарностьПримечание: Реализовано в Eviews с помощью теста Inverse Roots of AR CharacteristicsPolynomial

Для определения и выбора порядок авторегрессии был проведен тест на критерий выбор порядка лага VAR, реализованного в Eviews. Данный тест, исходя из критериев Ханнана-Куина (HQ), Шварца (SC), Финальная ошибка прогноза (FPE), указывает что третий

порядок авторегрессии (лаг 3) будет оптимальным в модели (см. Рисунок 7).

Рисунок 7 – Тест на критерий выбор порядка лага VAR-модели

Примечание:Реализованов Rstudio
Теперь проанализируем так называемые ошибки выборки, т.е. проведем анализ временных рядов переменных на наличие выбросов за пределы доверительного интервала. Таким образом, построенные графики переменных, в принципе показывают нам, что преобладающие большинство значений находятся в доверительном интервале, однако присутствуют довольно выраженные выбросы, у всех переменных (см. Рисунок 8). Остановимся на некоторых из них и попробуем дать им объяснение.

Для переменной D(CPI) ярко выраженные ошибки приходятся на после кризисный 2010 год, в котором ситуация на мировом рынке резко оказало влияния на уровень инфляции в стране, а следом произошла девальвация тенге, а также особо яркий выброс наблюдается к концу в 2016 года, в котором в режиме плавающего валютного курса доллар США по отношению к тенге постоянно рос, достигнув пиковых значений в размере порядка 342,2 тенге за 1 доллар США. Также, стоит отметить 2020-21 года, обуславливается коронавирусным кризисом.

Для переменной D(REER) ярко выраженные ошибки приходятся на послекризисный 2009 год, в котором произошла девальвация тенге, а также особо яркий выброс наблюдается к концу 2015 года, чему есть довольно оправданное объяснение, так, в

этот период произошел переход к свободно плавающему валютному курсу, в следствии чего произошла девальвация тенге.

Для переменной D(TONIA) ярко выраженные ошибки также приходятся на кризисный 2015-2016 годы. К слову, следует отметить, что в сентябре 2015 года была внедрена ранее не применявшийся инструмент как «базовая ставка». Тогда как для расчета TONIA до внедрения базовой ставки применялась ставка рефинансирования. Также наблюдается выбросы в конце 2021 года, что непременно связана с соответствующими решениями НБРК по базовой ставке.

Рисунок 8 – Ошибки (остатки) VAR-модели

Примечание:РеализовановEviews

Для переменной D(OUT_G) ярко выраженные ошибки приходятся в послекризисный период с 2009 по 2012 годы, когда показатели разрыва выпуска реагировали на глобальные колебания во время коронакризиса в 2020 – 21 годах, которые, непременно, сказывались и на инфляции, и на обменном курсе, и на ценах на энергоносители. Это позволяет нам предположить, что экономика Казахстана находится в тесной зависимости от импорта и поэтому в значительной мере реагирует на мировые экономические колебания и процессы.

Далее рассмотрим корреляционную матрицу ошибок (см. Рисунок 9). Исходя из показателей данной матрицы, видно, значения, находящиеся, вне диагонали, показанной на рисунки в виде красной линии, близки к нулю. Это говорит нам о том, что ошибки не коррелируют между собой.

Рисунок 9 – Корреляционная матрица ошибок

Примечание:РеализовановEviews
Согласно матрице, корреляция между инфляцией и каналами передаточного механизма показывают согласно предыдущей линейной регрессии построение. По процентному каналу значительна и с положительным значением. По валютному каналу показатели тоже значительны, но с отрицательным значением.

Вышеуказанная кореляционная матрица не дает явного ответа на наличие или отсутствие автокорреляции. В регрессионном анализе автокорреляция остатков

регрессии имеется в случае, если модель плохо согласуется с выбранными переменными или данными. Это может быть, в следствии того, что на зависимую переменную воздействуют факторы, которые не были учтены в модели. Поэтому проведен тест модели на серийную корреляцию, результаты которого свидетельствуют об отсутствии автокорреляции (см. Рисунок 10).

Если Prob. > 0.05, то нулевая гипотеза принимается и следовательно автокорреляция отсутствует. Отсюда следует, что модель хорошо согласуется с выбранными данными.

Рисунок 10 – Serial-тест остаточной последовательной корреляции VAR

Примечание:РеализовановRstudio
Последний тест который мы проводим для тестирования нашей модели является тест на стабильность, который определяет структурные изменения и разрывы в остатках модели путем визуализации рекурсивных остатков методом наименьших квадратов с доверительным интервалом (см. Рисунок 11). Мы можем сделать вывод что структурных разрывов в нашей модели отсутствуют, что благоприятно сказывается на нашей модели.