Базовым инструментом денежно-кредитной политики Центрального Банка является ключевая ставка. В рамках задачи таргетирования инфляции ЦБ принимает решение о ее повышении либо понижении в зависимости от текущих внешних и внутренних макроэкономических условий.
Из-за сложности экономических процессов инфляция реагирует на изменение ключевой ставки не мгновенно: между решением регулятора и его влиянием на текущие цены существует определенный лаг.
В рамках статьи мы на основе данных за 2019-2026 годы проанализируем, какой временной лаг исторически фиксировался между изменением темпов инфляции за 12 месяцев и изменением ключевой ставки.
Простой корреляционный анализ – то есть, расчет корреляции двух рядов с временным сдвигом одного из них – в данном случае не подходит:
● Во-первых, за рассматриваемый период ключевая ставка может пересматриваться несколько раз и на итоговый результат влияет кумулятивный эффект.
● Во-вторых, не стоит ожидать мгновенного отклика инфляции, так как эффект от изменения ключевой ставки распределен во времени.
Вместо этого представим изменение темпов инфляции как сумму изменений ключевой ставки за предыдущие периоды – от 1 до 18 месяцев:
На основе величины коэффициентов wi (по модулю), определим искомый временной лаг. Очевидно, что для сохранения экономического смысла коэффициенты w должны быть отрицательными. При этом коэффициент, наибольший по модулю, указывает на порядковый номер временного лага, оказывающего наибольший эффект на наблюдаемое изменение темпов инфляции.
Вместо оценки 18 параметров wi, что является достаточно сложной задачей, воспользуемся методом, предложенным Ширли Элмонд. Это способ оценки параметров модели с распределенными лагами на основе гипотезы о том, что лаговые коэффициенты регрессии аппроксимируются полиномом.
Весовые коэффициенты представим в виде функции от порядкового номера лага:
Таким образом, оценка 18 параметров сводится к анализу всего трех.
Стоит также отметить, что в рамках рассматриваемой задачи нас интересует не точная аппроксимация изменения темпов инфляции функцией от ключевой ставки, а только выявление временного лага.
Ввиду подверженности экономики структурным шокам (финансовым, экономическим и геополитическим), важна предварительная очистка данных от аномальных «выбросов»: экстремально высокой ключевой ставки, снижения показателя инфляции из-за эффекта высокой базы и т.д.
Анализ данных свидетельствует о наличии временного лага: значимый эффект от изменения ставки проявляется в период не менее 9-12 месяцев.
При этом прослеживается четкая закономерность (заложенная при выборе функции весовых коэффициентов): изменения ключевой ставки, произошедшие ранее этого срока, еще не успевают в полной мере отразиться на темпах инфляции. В то же время эффект от более поздних решений постепенно ослабевает, что говорит о затухающем характере воздействия.
С точки зрения экономической логики положительные весовые коэффициенты w не имеют смысла: повышение ключевой ставки не должно ускорять инфляцию. По этой причине такие коэффициенты признаются статистически незначимыми и исключаются из дальнейшего рассмотрения.
Полученные выводы полностью согласуются с позицией регулятора. Они коррелируют с разъяснениями Центрального банка о характере трансмиссионного механизма денежно-кредитной политики. Так, по оценкам ЦБ, полный эффект от изменения ключевой ставки раскрывается в горизонте от 12 до 18 месяцев. Как отмечал регулятор:
«Ключевая ставка влияет на экономику не мгновенно. Хотя трансмиссия начинается сразу же, но, для того чтобы она сработала полностью, требуется год-полтора».
Благодаря интеграции сервисов RUDATA в Excel через надстройку, работать с макроэкономическими данными становится легче. Сложные расчеты на базе макростатистики и ключевых параметров можно выполнять прямо внутри рабочей книги, без необходимости переключаться между приложениями, копировать данные вручную или импортировать их из внешних источников.
Такой подход существенно повышает эффективность аналитического процесса. Пользователь сохраняет контекст работы: все формулы, промежуточные вычисления и итоговые модели остаются в единой среде, что снижает риск ошибок и упрощает контроль за логикой расчетов. Кроме того, данные RUDATA можно напрямую «подтягивать» в ячейки, связывать с существующими таблицами и автоматически обновлять при появлении свежей статистики – это особенно ценно для регулярного мониторинга экономических показателей.
#RUDATA #Интерфакс #ключевая_ставка #макропоказатели #регулирование