Практична реалізація немодельних алгоритмів побудови композитних індексів у випадку обмеження репрезентативної статистичної вибірки. Кореляційно-регресійний аналіз побудови співпадаючих і випереджувальних композитних індикаторів зміни значень ВВП.
Україна упродовж останніх десяти років переживає другу кризу поспіль у 2008-2009 рр. і 2014-2015 рр. З початку 2016 р. зафіксовано перший передвісник відновлення економіки (0,1% зростання ВВП по відношенню до аналогічного періоду минулого року), який у разі сприятливого розвитку подій має шанси набути ознак макростабілізації. Оскільки статистика ВВП у більшості країн світу обліковується на квартальній основі, інтегральним показником часто обирається змінна, що є наближеною за характеристиками і тенденцією до ВВП, у даному разі, обсяг випуску промислової продукції [3]. Тому у разі виникнення критичних шоків нестабільності адекватна реакція попередження негативних наслідків також проявляється з запізненням, що підвищує актуальність побудови композитних індексів для таких економік. Незадовільні результати побудови композитних індексів для економік, що розвиваються, були підтверджені на прикладі дослідження Аргентини, проведеного у 2001 р. й України - у 2009 р. Враховуючи обмеження репрезентативної бази статистичної вибірки, для побудови композитних індексів розвитку економіки України обрано один з немодельних підходів, який використано у роботі [6].Використання багатофакторного методу кореляційно-регресійного аналізу дало можливість побудувати співпадаючі і випереджувальні композитні індикатори динаміки реального ВВП України з використанням квартальної вибірки на періоді 2006 - І кв. Аналіз динаміки найбільш впливових складових співпадаючого композитного індексу показав, що упродовж кризового періоду 2014-2015 рр. відбулося зменшення провідної ролі промисловості та збільшення внеску сільського господарства, яке майже у 2,5 рази збільшило свою присутність за рангом впливу у процес утворення ВВП України.
Вывод
Проведене дослідження показало ефективність використання немодельних алгоритмів побудови композитних індексів у разі обмеження репрезентативної статистичної вибірки, що властиво емерджентним економікам і країнам, що розвиваються. Використання багатофакторного методу кореляційно-регресійного аналізу дало можливість побудувати співпадаючі і випереджувальні композитні індикатори динаміки реального ВВП України з використанням квартальної вибірки на періоді 2006 - І кв. 2016 р.
Аналіз динаміки найбільш впливових складових співпадаючого композитного індексу показав, що упродовж кризового періоду 2014-2015 рр. відбулося зменшення провідної ролі промисловості та збільшення внеску сільського господарства, яке майже у 2,5 рази збільшило свою присутність за рангом впливу у процес утворення ВВП України. Крім того, у будівництві на фоні незначного низхідного тренду починаючи з четвертого кварталу 2015 р. також відбулося збільшення рівня впливовості майже у два рази, що підтверджує тезу про високу ймовірність якісних (структурних) змін під впливом кризових шоків нестабільності.
На етапі відбору факторів та побудови співпадаючих і випереджувальних композитних індикаторів визначено найбільш дієві чинники формування короткострокової динаміки ВВП станом на початок ІІ кв. 2016 р. До таких чинників, зокрема, відносяться: промислове виробництво в Україні, ВВП країн найбільших імпортерів українських товарів, чисельність працездатного населення, вантажопотік і товарооборот. Результати короткострокового прогнозування ВВП, розробленого з використанням побудованих композитних індексів, показали, що ситуація з виходом економіки України з рецесії є досить хиткою і може у разі непередбаченого посилення впливу негативних чинників перейти у фазу перманентного коливання навколо нульових темпів зростання з ймовірним очікуванням відновлювальної позитивної динаміки не раніше 2017 р.
У подальшій роботі з вивчення тематики композитних індикаторів пропонується сконцентрувати увагу на дослідженні закономірностей прояву кризових шоків нестабільності, враховуючи порядок їх наслідування, тривалість та амплітуду.
Список литературы
1. Burns A. Measuring business cycles / A. Burns, W. Mitchell. - New York, 1946. - 590 с. - (NBER Book Series). - (Studies in Business Cycles).
2. Marcellino M. Leading indicators / M. Marcellino // Handbook of economic forecasting / M. Marcellino., 2006. - (Elsevier edition). - (Chapter 16). - С. 879-960.
3. Fukuda S. A new composite index of coincident economic indicators in Japan: how can we improve the forecast performance? / S. Fukuda, T. Onodera. // University of Tokyo CIRJE F-Series. - 2001. - №101. - 34 c.
4. Carriero A. A comparison of methods for the construction of composite coincident and leading indexes for the UK / A. Carriero, M. Marcellino // Queen Mary University of London School of Economics and Finance Working Papers. - 2007. - №590. - 33 c.
5. Composite Leading Indicators: helping forecasters forecast // OECD Observer. - 2002. - №234. - 34 с.
6. Mongardini J. Estimating indexes of coincident and leading indicators: an application to Jordan / J. Mongardini, T. Saadi-Sedik // IMF Working Paper. - 2003. - №170. - 33 c.
7. Simone A. In search of coincident and leading indicators of economic activity in Argentina / A. Simone // IMF Working Paper. - 2001. - №30. - 55 c.
8. Szyrmer J., Dubrovskiy V., Golodniuk I. Composite leading indicators for Ukraine: an early warning model / J. Szyrmer., 2008. - 59 с. - (CASE Ukraine).9. Бурлай Т. Особливості методичних підходів до прогнозування змін макроекономічної конюнктури / Т. Бурлай // Економіка і прогнозування. - 2002. - №3. - С. 126-148.
References
1. Burns A., Mitchell W. (1946) Measuring business cycles, NBER Book Series Studies in Business Cycles, New York, USA.
2. Marcellino M. (2006) “Leading indicators”, Handbook of economic forecasting, Elsevier edition, Chapter 16, pp. 879-960.
3. Fukuda S., Onodera T. (2001) “A new composite index of coincident economic indicators in Japan: how can we improve the forecast performance?”, University of Tokyo CIRJE F-Series, No. 101, 34 p.
4. Carriero A., Marcellino M. (2007) “A comparison of methods for the construction of composite coincident and leading indexes for the UK”, Queen Mary University of London School of Economics and Finance Working Papers, No. 590, 33 p.
5. (2002) “Composite Leading Indicators: helping forecasters forecast”, OECD Observer, No. 234, p. 34.
6. Mongardini J. and Saadi-Sedik T. (2003) “Estimating indexes of coincident and leading indicators: an application to Jordan”, IMF Working Paper, No. 170, 33 p.
7. Simone A. (2001) “In search of coincident and leading indicators of economic activity in Argentina”, IMF Working Paper, No. 30, 55 p.
8. Szyrmer J., Dubrovskiy V., Golodniuk I. (2008) “Composite leading indicators for Ukraine: an early warning model”, CASE Ukraine, 59 p.
9. Burlaj Т. (2002) “Features methodical approaches to forecasting changes in macroeconomic conditions”, Ekonomika i prohnozuvannia, No. 3, pp. 126-148.
Размещено на .ru
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
