The impact of the transition to inflation targeting policy on Russian regions

Начиная с 2015 года, Банк России принимает решения по денежно-кредитной политике в рамках инфляционного таргетирования. Основным инструментом, используемым Банком России для контроля инфляции, является ключевая ставка. Она влияет на уровень процентных ставок на денежном рынке, которые затем передаются в ставки по кредитам и депозитам. В свою очередь, учитывая эти изменения, домохозяйства и компании принимают собственные решения относительно своего потребления, сбережений и инвестиций (Рисунок 1).

Рисунок 1 – Описание процентного канала трансмиссионного механизма ДКП

Источник : составлено авторами на основе статьи Могилат (2017) [1]

Это означает, что изменение ключевой ставки денежно-кредитной политики оказывает влияние на общий спрос и его компоненты, а также на изменение уровня цен. Поэтому, перед принятием решения о изменении ключевой ставки, Банк России проводит анализ состояния всей экономики.

Переход к таргетированию инфляции является существенной темой изучения в современной научной литературе, посвященной денежно-кредитной политике.

Исследование Bernanke et al [2] основано на анализе международного опыта в области таргетирования инфляции и имеет важное значение для понимания эффективности данной политики. В первую очередь, в исследовании было обнаружено, что таргетирование инфляции является эффективным инструментом денежно-кредитной политики, который способствует достижению и поддержанию целевой инфляции.

Проанализированный международный опыт показывает, что страны, применяющие таргетирование инфляции, обычно имеют более низкие уровни инфляции и более стабильный экономический рост. А также, данная политика способствуют снижению неопределенности в экономике, приводит к укреплению долгосрочных инвестиций и повышению прозрачности в денежно-кредитной политике.

Несмотря на положительные результаты, исследователи отмечают, что успешная реализация таргетирования инфляции требует постоянного мониторинга и адаптации стратегий к конкретным условиям каждой страны. Это подчеркивает необходимость тщательного рассмотрения особенностей каждой экономики и правильного выбора инструментов денежно-кредитной политики.

В работе Ball L.M., Sheridan N. [3] оценивается влияние перехода к инфляционному таргетированию на различные макроэкономические показатели, такие как уровень инфляции и её волатильность, уровень выпуска и процентные ставки, на основе данных по странам ОЭСР. Исследование не подтвердило гипотезу о значимом улучшении динамики макроэкономических показателей после перехода к инфляционному таргетированию. Однако также не было обнаружено подтверждений отрицательного влияния инфляционного таргетирования на экономику.

В своем последующем исследовании Brito R.D., Bystedt B. [5] оценивают влияние перехода к инфляционному таргетированию на инфляцию, выпуск и их волатильность. В качестве основного метода авторы используют методы инструментальных оценок, представленные в Arellano M., Bond S. [6] Arellano M., Bover O. [7] и Blundell R., Bond S. [8] Авторы приходят к выводу, что введение инфляционного таргетирования приводит не только к снижению уровня инфляции, но и к уменьшению темпов роста выпуска. Зубарев А. и Трунин П. в своей работе [9] подтверждают замедление динамики потребительских цен и снижение волатильности инфляции и опровергают устойчивое негативное воздействие на выпуск как в развитых так и в развивающихся странах.

Российской экономике свойственна высокая региональная неоднородность потребительских цен и темпов их прироста. В сентябре 2022 г. уровень годовой инфляции в регионах изменялся от 6,3 в Чукотском автономном округе до 19,7% в Республике Ингушетия (рисунок 2).

4                           8                          12                          16                          20

Инфляция (e % к соответствующему месяцу предыдущего года)

Сентябрь 2021                 Август 2022          ' ■ Сентябрь 2022          1     1 Средняя инфляция за два года

Рисунок 2 – Распределение регионов по уровням годовой инфляции

Источник: Банк России, 2022 (Динамика потребительских цен. Банк России. Информационно-аналитический комментарий. № 9 (81) сентябрь 2022 года.). С. 11

Показатель инфляции в России представляет собой средневзвешенное значение региональных темпов роста цен, поэтому при достижении таргета по инфляции по стране в некоторых регионах темп роста цен будет выше, а в некоторых – ниже. После перехода Банка России в 2015 г. к политике инфляционного таргетирования, которая предполагает поддержание стабильно уровня инфляции около 4% по всей стране, возрос интерес к исследованию гетерогенности региональной инфляции, а также ее устойчивым уровням в регионах (см. работы Жемков М. (2019) [10], Семитуркин О. и др. (2021) [11]).

Поскольку влияние перехода к политике таргетирования инфляции на инфляцию и её волатильность по странам уже изучен, в своей работе мы хотим проверить гипотезу об уменьшении уровня инфляции и её волатильности на данных регионов Российской Федерации.

Данные и модель

Для построения модели использовались данные Росстата (Федеральная служба государственной статистики https://rosstat.gov.ru/ ) по квартальной инфляции 79 регионов Российской Федерации в период с первого квартала 2010 г. по второй квартал 2019 г. На рисунке 3 продемонстрирована неоднородность индекса потребительских цен по рассматриваемым в данной статье регионам России во втором квартале 2019 г.

Рисунок 3 – Индекс потребительских цен в рассматриваемых регионах России за второй квартал 2019 г.

Источник : построено авторами на основе данных Росстат

Для учета перехода к политике таргетирования инфляции использовалась фиктивная переменная, равная нулю в период 2010 – 2015 гг. и единице в период 2015 – 2019 гг.

Ук = Xttp + ру№_г + at+ yIT_dummytt + Elt

Vtt Xit

Где

«i

– зависимая переменная i-го региона в период времени t. – изменяющаяся во времени матрица регрессора, – индивидуальные эффекты, – фиктивная переменная перехода к IT „dummy      политике инфляционного таргетирования, – ошибки.

Перейдя к первым разностям можно избавиться от индивидуальных эффектов (2):

^ytt = AXit/? + pbytt-i + yAIT_dummyit + Eit

Или в матричной форме (3):

Ду = ARn + Де

Для получения оценок параметров можно воспользоваться формулой эффективного обобщенного метода оценки моментов (Efficient Generalized

Method of Moments Estimator, EGMM):

Kegmm = V^R,Z(Z,QZy1ZrARy1AR,Z(Z,QZy1Z,Ay

Где – инструментальная матрица для .

Z AR

Матрицу можно посчитать по дисперсии ошибки для одношаговой оценки Ареллано-Бонда или использовать остатки одношаговой оценки Ареллано-Бода для двух шаговой оценки, которая является состоятельной и асимптотически эффективной при наличии гетероскедастичности.

Для получения оценок моделей в своей работе мы использовали пакет plm для языка R (plm package for R https://cran.r-project.org/web/packages/plm/index.html ).

Результаты

В таблице 1 представлены результаты оценки модели динамической панельной регрессии с использованием индекса потребительских цен регионов России и фиктивной переменной перехода к политике таргетирования инфляции.

Таблица 1 – Результаты оценки модели темпа роста цен в регионах РФ

Переменные	GMM
lag((cpi), 1)	0.2489*** (0.0055)
it_dummy	-0.0051*** (0.0001)
Наблюдений	3002
Число групп	79
AR(1) p-value	8.6939e-14
AR(2) p-value	0.1532
Тест Вальда, p-value	2.22e-16

Примечание : в скобках предоставлены стандартные ошибки,

*** p-value < 0.001, ** p-value < 0.01, * p-value < 0.05

Источник : расчеты авторов

Коэффициент при фиктивной переменной отрицательный и статистически значимый (p-value < 0.001), что означает снижение уровня инфляции по регионам России от перехода к политике таргетирования инфляции.

Для расчета волатильности мы использовали оценки стандартного отклонения в скользящем окне за 3 года (12 кварталов) за период 2010 – 2014 гг. и за 2015 – 2019 гг. Полученные оценки модели панельной регрессии по волатильности инфляции представлены в таблице 2.

Таблица 2 – Результаты оценки модели волатильности инфляции в регионах РФ

Переменные	GMM
lag((cpi), 1)	0.5148***
	(0.0111)
it_dummy	-0.0008***
	(0.00004)
Наблюдений	1264
Число групп	79
AR(1) p-value	2.5974e-10
AR(2) p-value	0.0140

Тест Вальда, p-value 2.22e-16

Примечание : в скобках предоставлены стандартные ошибки,

*** p-value < 0.001, ** p- value < 0.01, * p-value < 0.05

Источник : расчеты авторов

Коэффициент при фиктивной переменной IT_dummy отрицательный и статистически значимый (p-value < 0.001), что означает снижение волатильности региональных индексов потребительских цен от перехода к политике таргетирования инфляции.

В дополнение мы оценили волатильность инфляции как среднее стандартное отклонение индекса потребительских цен по регионам за два периода: с первого квартала 2010 г. по второй квартал 2014 г. и с третьего квартала 2015 г по второй квартал 2019 г. И получили, что средняя волатильность уменьшилась с 0.01 до 0.008, что подтверждает гипотезу о том, что переход к таргетированию инфляции снизил также и волатильность индекса потребительских цен в регионах России.

Заключение

С использованием модели динамической панельной регрессии и оценок эффективного обобщенного метода моментов на данных по индексам потребительских цен по 79 регионам Российской Федерации за период с первого квартала 2010 г. по второй квартал 2019 г. было показано, что переход к политике таргетирования инфляции снизил индекс потребительских цен и его волатильность в регионах Российской Федерации.

Таким образом, реализация политики таргетирования инфляции позволяет экономике устойчиво справляться с внешними шоками и успешно достигать обозначенные цели монетарной политики.