Дементьев А. В., Бессонов И. О. Тезисы доклада на XIII

Дементьев А. В., Бессонов И. О.
Тезисы доклада на XIII Апрельской международной научной конференции по
проблемам развития экономики и общества
Влияние информационной негибкости на инфляционную динамику в России
Давно было замечено, что инфляционная динамика откликается на различные виды шоков
постепенно. Данное явление получило название персистентности инфляции (inflation persistence) или
инфляционной инерции (inflation inertia). В данной работе авторы не делают различия между этими двумя
терминами и используют их как синонимы.
До 2000-х годов модели инфляции основывались на предположениях о неодновременном
приспособлении цен и гипотезе о рациональных ожиданиях, (см. работы Taylor (1980), Rotemberg (1982) и
Calvo (1983)). Данные модели хорошо зарекомендовали себя и легли в основу так называемой «новой
кейнсианской кривой Филлипса». Тем не менее, данные модели имеют весьма существенные ограничения
при прогнозировании инфляционной динамики, так как не объясняют ряд весьма важных явлений.
Например, Ball (1994) показал, что ожидания дезинфляции согласно моделям «новой кейнсианской кривой
Филлипса» должны служить причиной бума, а в реальности ожидания дезинфляции предшествуют
рецессии. Fuhrer and Moore (1995) показывают, что данные модели не могут объяснить, почему инфляция
является настолько персистентной. Mankiw (2001) заметил, что монетарные шоки оказывают
запаздывающее и ступенчатое влияние на инфляцию. В общем случае, проблема заключается в том, что в
моделях «новой кейнсианской кривой Филипса» цены являются негибкими, но при этом инфляция
мгновенно реагирует на шоки. Эмпирические же работы показывают (например, Gordon, 1996), что
инфляционная динамика обладает значительной инерцией, другими словами, отклик на шоки происходит с
существенным запаздыванием и растянут во времени.
В попытке объяснить персистентность инфляции, разрабатываются модели с backward-looking
агентами, несовершенным доверием (imperfect credibility), модели с обучением и жесткостью со стороны
предложения. В частности, Clarida, Gali and Gertler (1999) модифицировали модель Calvo, добавив в
рассмотрение backward-looking агентов, которые строят свои инфляционные ожидания на основе данных об
инфляции за предшествующий период. Хорошо известное объяснение инфляционной инерции в периоды
дезинфляции – отсутствие доверия – представлено в работе Ball (1995). Модели с обучением способны
частично объяснить инфляционную инерцию, так как поведение экономических агентов содержит backwardlooking элементы, заключающиеся в предположении о сохранении правил монетарной политики в будущем
такими же, как в прошлом. Примеры моделей с обучением представлены в работах Woodford (2001) и Erceg
and Levin (2002). В 2000-х годах появляется ряд работ, пытающихся объяснить инфляционную инерцию
через информационную негибкость. Негибкость информации означает, что данные о макроэкономическом и
отраслевом состоянии медленно «просачиваются» среди экономических агентов и не доступны всем в один
момент. И это далеко не полный набор различных подходов к объяснению персистентности инфляции.
В рамках данной работы, авторами предпринята попытка проанализировать причины
инфляционной инерции в России. Анализ всех возможных оснований для персистентности инфляции
является долгой и трудоемкой процедурой. В данной работе авторы фокусируются на двух возможных
причинах инфляционной инерции:

наличие backward-looking агентов;

наличие информационной негибкости.
Данный выбор связан с наличием у авторов данных, позволяющих произвести соответствующий
анализ. Остановимся подробнее на анализируемых причинах инфляционной инерции.
С работы Clarida, Gali and Gertler (1999) в экономическую науку были введены модели с backwardlooking агентами, хорошо описывающие наблюдаемую инфляционную динамику. Данные модели
основываются на предположении об ограниченной рациональности экономических агентов и неполной
информации, доступной им. Таким образом, часто фирмы используют данные о ретроспективной
инфляционной динамике для определения оптимального уровня цен в будущем. Данные модели получили
название гибридной модели с негибкими ценами (hybrid sticky price model).
Альтернативной популярной гипотезой объяснения инфляционной инерции является
предположение об информационной негибкости (Mankiw and Reis, 2002). Данные модели получили
название модели с информационной негибкостью (sticky information models), в то время как старые модели
называются моделями с ценовой негибкостью (sticky prices models). Основная идея данной гипотезы
заключается в том, что в каждый момент времени часть экономических агентов узнает новую информацию,
и меняет в связи с ней свои цены (или план изменения цены), оставшаяся часть экономических агентов
следует старым планам. Таким образом, данная модель комбинирует в себе элементы модели случайного
приспособления Calvo (1983) и модели несовершенной информации Lucas (1973).
Эмпирические исследования показывают, что гибридная модель лучше объясняет инфляционную
динамику, чем модель с негибкой информацией (см. Kiley (2007), Laforte (2007)). C другой стороны модель с
негибкой информацией имеет более правдоподобные микроэкономические основания, чем гибридная
модель. В стремлении повысить предсказательную способность модели с негибкой информацией возник
класс моделей с двойной негибкостью (dual-stickiness models). Данная модель представлена, в частности, в
работе Dupor, Kitamura and Tsuruga (2008).
В настоящей работе авторы не приводят вывод функциональных зависимостей для различных
типов моделей. При необходимости, читатель может найти соответствующие выкладки в указанных статьях.
В таблице ниже представлены две рассматриваемые в настоящей работе модели (гибридная модель
и модель с двойной негибкостью).
Таблица 1. Модель с двойной негибкостью и гибридная модель
Dual
Hybrid
Зависимость от
прошлой
инфляции
Фирмы, имеющие доступ к
информации
t   t 1 
1D 1   
D
t  H t 1 
 


 jE t mc nt  j  p t 
Фирмы, не имеющие доступ к информации
j0


D
2 1  
k 0

  jEt k 1mc t  j  t  j 
k 1   
j 0
  jEt mc nt  j  pt 
1Н 1   

j0
Где  t - темп роста общего уровня цен за период времени t,
mcnt  j - предельные номинальные издержки в период времени t+j,
p t - уровень цен в период времени t,
 - доля фирм, которые в каждый период времени не могут поменять свою цену,
φ - доля фирм, которые в каждый период времени не могут получить доступ к новой информации
 H  w w    w  , 1H  1   1  w  w    w  ,
 D         , 1D  1   1         ,  D2  1          , mc t  mc nt  p t
w – доля backward-looking агентов
Структура представленных моделей наглядно демонстрирует, что введение в модель Calvo агентов,
формирующих свои ожидания на основе ретроспективных данных, в том числе об инфляции, приводит к
возникновению зависимости текущей инфляции от предшествующей, что и отражает механизм
инфляционной инерции.
Оценка параметров моделей на российских данных осложняется целым рядом факторов.
Во-первых, для анализа доступны лишь короткие временные ряды. Авторам доступны данные об
ИПЦ с 1992 г. При этом использовать данные за весь временной интервал не представляется возможным,
так как очевидно, что из-за институциональных изменений параметры модели серьезно изменялись. Данные
по прогнозам ИПЦ доступны с 1999 г. (прогнозы МВФ), прогнозы по составляющим ИПЦ, в частности по
регулируемым услугам доступны с 2006 г. Прогнозы на основе VAR-моделей, к сожалению, обладают
плохой предсказательной способностью. Короткие временные ряды вынуждают использовать помесячные
данные, а не годовые, что приводит к проблеме наличия сезонности и перевод прогнозов с годовых данных
на помесячные.
Во-вторых, значительная часть экономики России представляет собой регулируемый сектор с
принципиально нерыночным подходом к ценообразованию, что заставляет экономистов и политиков искать
объяснение ряда инфляционных процессов в стране в динамике регулируемых цен (см. Николаев,
Дементьев, Шульга, 2002). В этой связи вопрос о роли регулируемых цен в объяснении инфляционной
инерции в России представляется чрезвычайно интересным и практически неизученным. Экономическая
интуиция и некоторые эмпирические исследования (см. например, Dexter, Levi, Nault, 1993) указывают на
то, что реакция на внешние шоки и монетарную политику должна происходить быстрее в нерегулируемых
секторах экономики, поскольку для пересмотра регулируемых цен обычно требуется прохождение
длительных бюрократически процедур. При этом ценообразование в регулируемых секторах экономики
происходит на основе информации о предшествующей инфляционной динамике, а не на основе ожиданий
агентов. Данная особенность заставляет искать способы очистить используемые индексы от регулируемой
составляющей, либо производить оценку при допущении о том, что ценообразование в регулируемых
секторах экономики происходит в соответствии с принятыми в моделях механизмами ценообразования.
В-третьих, отсутствует возможность оценить ожидания экономических агентов в отношении
изменения предельных издержек. В качестве решения данной проблемы, предлагается использовать в
качестве прокси для ожидания изменения предельных издержек линейную комбинацию прогнозов основных
факторов, влияющих на предельные издержки:

прогноз темпов роста регулируемых тарифов;

прогноз изменения реального курса доллара;

прогноз изменения реальной заработной платы.
Таким образом, для оценки параметров моделей необходимо построить помесячные прогнозы,
которые будут являться прокси для помесячных ожиданий:

инфляции;

роста регулируемых тарифов;

изменения курса доллара;

изменение заработной платы.
Инфляционные ожидания строятся на основании прогнозов МВФ с рядом корректировок,
позволяющих учитывать сезонные колебания – переход от годовых ожиданий на помесячные
осуществляется с учетом структуры сезонности за предшествующие моменту построения прогноза 12
месяцев
На рисунке ниже приведена фактическая инфляция в нерегулируемом секторе и инфляция,
спрогнозированная на данный период за 12 месяцев до этого за 2001-2010 гг.
Рис. 1. Сравнение фактического уровня инфляции в России и прогноза, созданного на основе
данных МВФ за 12 месяцев
В таблице ниже приведены оценки параметров моделей и сумма квадратов отклонений фактической
инфляции от инфляции, объясненной в рамках той или иной модели для периода 2004-2010 гг.
Таблица 2. Результаты оценки параметров моделей
Dual
Hybrid
Доля backwardlooking агентов
(w)
Доля фирм, не
меняющих свои
цены в месяц (  )
0,39
0,60
0,60
Доля фирм, не
получающих доступ
к новой информации
(φ)
0,96

1
2
0,59
0,52
0,02
0,32
0,39
Сумма
квадратов
отклонений от
факта
0,0011
0,0026
Тестирование показало, что Тестирование показало, что модель с двойной негибкостью лучше
описывает инфляционную динамику в России, чем гибридная модель, что позволяет сделать вывод о
наличии ограниченной рациональности в виде информационной негибкости.
Также стоит отметить, что результаты оценки обладают достаточно низкой робастностью.
Изменение периода для оценки или формата оценки прогнозов приводит к существенным колебаниям
оцененных показателей.
Если говорить в рамках гипотезы об информационной негибкости, то можно утверждать, что в
течение года лишь 39% экономических агентов обновляют свои ожидания в соответствии с доступной
информацией, в то время как практически 99% фирм меняют свои цены, что выглядит вполне реалистично в
условиях высокой и нестабильной инфляции. В рамках гипотезы о наличии backward-looking агентов, можно
утверждать, что в России 39% фирм формируют свои цены на основе backward-looking правила
ценообразования, и около 99% фирм за год меняют свои цены.
Рис. 2. Сравнение фактической и смоделированной инфляции
Высокая информационная негибкость (равно как и нерациональность в форме backward-looking
поведения) может объясняться наличием у экономических агентов существенной неопределенности
относительно будущего, что затрудняет построение прогнозов. Другим важным фактором выступает
ограниченный доступ к отраслевой информации, в том числе, об изменении отраслевой конъюнктуры, об
изменениях в поведении конкурентов и т. п. Кроме того, экономические агенты крайне ограничены в
возможности обработки имеющейся информации для построения прогнозов. Эти факторы в целом должны
выливаться в наличие в той или иной форме нерационального поведения фирм.
Следует отметить, что оцененные показатели представляют собой некоторое усреднение для
экономики России. Очевидно, что в различных секторах экономики степень ценовой и информационной
негибкости различаются, также может различаться доля backward-looking фирм.
Для примера рассмотрим ценовую негибкость. В работе Blinder (1994) описываются следующие
причины негибкого приспособления цен: наличие контрактов, психологических барьеров, ценовая реакция
на поведение конкурентов и партнеров, задержки в принятии решения в больших корпорациях. В
зависимости от специфики отрасли или сектора экономики, на первое место среди причин негибкости цен
выходят различные факторы. В работе Boivin, Giannoni, Mihov (2007) отмечен тот факт, что чем более
развита конкуренция в отрасли, тем быстрее происходит реакция на различные шоки, и тем более гибкими
оказываются цены. Также было замечено в исследованиях Erceg and Levin (2002) и Barshy, House and
Kimball (2003), что цены на товары длительного пользования более гибки, чем на товары краткосрочного
пользования. Эмпирические исследования Bils и Klenow (2004), Dhyne et al. (2004) показывают, что цены на
услуги менее гибкие, чем, к примеру, цены на продовольственные товары. Различие степеней ценовой и
информационной негибкости для различных секторов экономики и возникающие в связи с этим эффекты
являются направлением дальнейшего исследования в рамках данной работы.
Результаты проведённого исследования показывают, что в России присутствует значительная
нерациональность экономических агентов при ценообразовании, что приводит к неоптимальному
ценообразованию, снижает эффективность стабилизационной политики и делает ее последствия менее
эффективными и менее предсказуемыми. В связи с этим, для целей улучшения качества монетарной
политики, необходим ряд действий, снижающих степень информационной негибкости и/или долю backwardlooking агентов. В частности, необходимо повышать доступность информации о состоянии экономики,
предоставлять более информативную, прозрачную и актуальную макроэкономическую и отраслевую
статистику, и при этом, повышать грамотность экономических агентов в отношении использования и
интерпретирования макроэкономической и отраслевой информации, а также снизить неопределенность
экономических агентов, в частности, увеличивая степень доверия к инфляционным прогнозам монетарных
властей.
Список литературы
Ball, L. (1994), “Credible Disinflation with Staggered Price Setting”, American Economic Review, 84,
282-289
Barsky, R., C. L. House, and M. Kimball (2003), «Do Flexible Goods Prices Undermine Sticky Price
Models?» NBER Working Paper 9832.
Boivin J., Giannoni M., Mihov I. (2007) «Sticky prices and monetary policy: evidence from disaggregated
U. S. data» //NBER Working Paper N 12824
Bils M., Klenow P. J. (2004) «Some Evidence on the Importance of Sticky Prices» //Journal of Political
Economy 112(5): 947-985.
Blinder A.S. (1994) «On sticky prices: academic theories meet the real world» //In: N.G. Mankiw, Editor,
Monetary Policy, University of Chicago Press, Chicago, IL (1994), pp. 117–150.
Calvo, G. (1983) «Staggered Prices in a Utility Maximizing Framework», Journal of Monetary Economics,
12 (3) 282-398
Clarida, R., J. Gali, and M. Gertler (1999), «The Science of Monetary Policy» Journal of Economic
Literature 37, 161-1707.
Christiano, L.J., Eichenbaum, M. and Evans, C. (2001), “Nominal Rigidities and the Dynamic Effects of a
Shock to Monetary Policy”, Working Paper, Northwestern University
Dexter A., Levi M., Nault B. (2002) Sticky Prices: The Impact of Regulation //Journal of Monetary
Economics Volume 49, Issue 4 , May 2002, Pages 797-821
Dhyne E., Álvarez L., Le Bihan H., Veronese G., Dias D., Hoffmann J., Jonker N., Lünnemann P., Rumler
F., Vilmunen J. (2004): «Price setting in the Euro Area: Some Stylised Facts From Micro Consumer Price Data»//
manuscript. http://www.ecb.int/pub/pdf/scpwps/ecbwp524.pdf
Dupor B., T. Kitamura, T. Tsuruga (2008) «Integrating Sticky Prices and Sticky Information», Review of
Economic Studies
Erceg, C., and A. T. Levin (2002), «Optimal Monetary Policy with Durable and Non-Durable Goods»,
International Finance Discussion Paper N748, Board of Governors of the Federal Reserve System, July
Fuhrer, J. and Moore, G. (1995), “Inflation Persistence”, Quarterly Journal of Economics, 110, 127-159.
Kiley, Michael T. (2007). “A Quantitative Comparison of Sticky-Price and Sticky-Information Models of
Price Setting,” Journal of Money, Credit and Banking, vol. 39 (February, Supplement), pp. 101-25.
Laforte, Jean‐Philippe (2007). “Pricing Models: A Bayesian DSGE approach for the US Economy.” Journal
of Money, Credit and Banking, 39 (S1), 127‐154.
Lucas R. E. Jr. (1973) «Some International Evidence on Output-Inflation Tradeoffs», American Economic
Review, June, 63, 362-34
Mankiw, G. N. (2001), “The Inexorable and Mysterious Tradeoff Between Inflation and Unemployment”,
Economic Journal, 111, 45-61.
Mankiw, N. G.; R. Reis, (2002) «Sticky Information Versus Sticky Prices: A proposal to Replace The New
Keynesian Phillips Curve», The Quarterly Journal of Economics, p.1295 – 1328
Rotemberg, J. (1982), “Sticky Prices in the United States”, Journal of Political Economy, 90, 1187-1211.
Taylor, J.B. (1980), “Aggregate Dynamics and Staggered Contracts”, Journal of Political Economy 88, 124
Woodford, M. (2003) «Interest and Prices», Princeton University Press: Princeton, NJ
Николаев И., Дементьев А., Шульга И. Тарифы на электроэнергию и инфляция //Общество и
экономика, №2, 2002, с. 167-175.