Равновесная модель спроса и предложения на украинском межбанковском валютном рынке: анализ и выводы

Содержание

1. Introduction & Overview

Данное исследование изучает равновесную динамику спроса и предложения иностранной валюты в безналичном сегменте Украинского межбанковского валютного рынка (UIEM). Исследование мотивировано устойчивыми проблемами, с которыми сталкиваются развивающиеся экономики, такие как Украина, в управлении волатильностью обменного курса и движением капитала. Авторы предполагают, что наблюдаемые компромиссы на валютном рынке являются прямым результатом существующего валютного механизма, административных мер, принятых Национальным банком Украины (НБУ), и ряда фундаментальных экономических переменных, критически важных для контекста Украины.

Ключевая цель заключается в построении и анализе равновесной модели для выявления проблемных аспектов функционирования рынка, что обеспечивает основу для более эффективной денежно-кредитной политики.

2. Research Methodology & Model Framework

В исследовании используется подход моделирования факторно-расширенной векторной авторегрессии (FAVAR) для построения модели равновесия. Используются эмпирические данные из UIEM, разделенные на различные периоды, как предложено авторами, для учета структурных сдвигов или изменений режима.

2.1. Методология моделирования FAVAR

Модель FAVAR расширяет традиционную VAR-модель, включая большой набор информационных переменных, обобщенных несколькими оцененными факторами. Это особенно полезно для учета влияния множества потенциальных фундаментальных переменных без столкновения с "проклятием размерности". Модель может быть представлена в пространственно-временной форме, где факторы рассматриваются как латентные переменные.

2.2. Data Segmentation & Periods

Ключевым шагом стало разделение данных временных рядов на определенные периоды. Эта сегментация, вероятно, соответствует различным фазам политики НБУ (например, периодам строгого административного контроля по сравнению с более либерализованными этапами) или значительным экономическим событиям, что позволяет модели учитывать нелинейности и структурные сдвиги в равновесных отношениях.

3. Model Specification & Technical Details

3.1. Лог-линеаризованная спецификация

В статье представлена лог-линеаризованная спецификация модели равновесия. Лог-линеаризация — это распространенный метод преобразования нелинейных экономических зависимостей в линейную форму, пригодную для оценки, часто в окрестности устойчивого состояния. Для условия равновесия $S(P, Z) = D(P, X)$, где $S$ — предложение, $D$ — спрос, $P$ — цена (обменный курс), а $Z$ и $X$ — векторы факторов сдвига предложения и спроса, лог-линеаризованная версия может иметь вид:
$\hat{s}_t = \alpha_s \hat{p}_t + \beta_s' \hat{z}_t$
$\hat{d}_t = -\alpha_d \hat{p}_t + \beta_d' \hat{x}_t$
Равновесие подразумевает $\hat{s}_t = \hat{d}_t$, что позволяет найти равновесную лог-цену $\hat{p}_t^*$.

3.2. Анализ коинтеграции

Представлена эффективность тестирования на коинтеграцию временных рядов фундаментальных переменных. Тесты на коинтеграцию (например, тест Йохансена) необходимы для определения наличия долгосрочного равновесного соотношения между нестационарными переменными. Результаты представлены в виде критических значений статистик, указывающих на наличие или отсутствие устойчивой долгосрочной связи между спросом, предложением и их детерминантами.

4. Empirical Results & Analysis

4.1. GAP-анализ отклонений от равновесия

Авторы предлагают и реализуют инструмент GAP-анализа. Он включает расчет отклонения фактического обменного курса или состояния рынка от подразумеваемого моделью равновесного пути ($GAP_t = Y_t - Y_t^*$). Анализ этих разрывов помогает выявлять периоды переоценки или недооценки рынка и оценивать устойчивость неравновесия.

4.2. Свойства разрывов в модели

Важным результатом, обсуждаемым в работе, являются "свойства разрыва связей" в рамках модели. Вероятно, это относится к случаям, когда традиционная взаимосвязь между фундаментальными переменными (например, разницей процентных ставок, торговым балансом) и обменным курсом нарушается или ослабевает, возможно, из-за доминирующих административных интервенций или сегментации рынка.

5. Policy Implications & Regulatory Analysis

В исследовании представлен детальный анализ стиля регулирования НБУ. В нем критически рассматривается влияние административного контроля по сравнению с рыночными механизмами. Ключевой тезис заключается в том, что жесткие вмешательства, хотя и могут стабилизировать ситуацию в краткосрочной перспективе, способны создавать искажения, дефицит и повышенную волатильность, что подтверждается выводами о "разрыве связей".

6. Key Findings & Conclusions

Исследование приходит к выводу, что увеличение доли наличных денег, хранящихся вне банковской системы (дедолларизация в форме накопления физической наличности), существенно подорвало ценовую стабильность в Украине. Основная рекомендация политики, предлагаемая в статье, заключается в том, что интервенции НБУ были бы более эффективными, если бы гибкий валютный режим сочетался с надежными и гибкими рамками таргетирования инфляции. Такое сочетание могло бы помочь закрепить ожидания и снизить необходимость в деструктивных административных мерах.

7. Original Analysis: Core Insight & Critical Evaluation

Core Insight: В данной работе представлен критически важный, хотя и болезненный, диагноз: дисфункция валютного рынка Украины является самонанесенной раной. Историческая зависимость НБУ от грубых административных мер контроля, будучи политически целесообразной, систематически подрывала сами рыночные механизмы, необходимые для стабильного равновесия. Выявленные "свойства разрыва" — это не статистическая аномалия; это рубцовая ткань от повторяющихся политических вмешательств, разрывающая связь между экономическими фундаменталами и ценовыми сигналами. Это согласуется с более широкой литературой по валютным режимам развивающихся рынков, такой как работа Calvo и Reinhart (2002) о "страхе свободного плавания", где стремление к стабильности парадоксальным образом порождает хрупкость.

Logical Flow: Логика авторов убедительна. Они исходят из наблюдаемой дилеммы (волатильность против дефицита), строят сложную модель FAVAR для количественной оценки равновесия и используют её сбои (разрывы и рассогласования) в качестве доказательств для точного определения политических ошибок. Использование GAP-анализа особенно проницательно — оно превращает абстрактные результаты модели в конкретную панель для измерения ошибок политики.

Strengths & Flaws: Основное достоинство — применение высокоразмерной модели FAVAR к хаотичному, подверженному интервенциям рынку. Это значительный технический вклад, выход за рамки простого OLS или стандартных VAR-моделей, которые в данной среде не работают. Однако недостаток статьи — её расплывчатость в отношении «фундаментальных переменных». Для статьи, сфокусированной на модели, непрозрачность состава факторов является критическим слабым местом. Это перекликается с критикой «чёрного ящика», иногда высказываемой в адрес машинного обучения в финансах — отличная прогностическая сила, но ограниченная объяснительная способность. Кроме того, хотя ссылки на BIS или МВФ по таргетированию инфляции усилили бы аргументацию, внешние ссылки представлены скудно.

Практические выводы: Для НБУ и подобных институтов посыл ясен: прекратите бороться с рынком. Путь вперед — не в более изощренном контроле, а в надежной приверженности правилам. В документе неявно аргументируется переход, аналогичный успешному переходу Польши к таргетированию инфляции. Техническая рекомендация заключается в институционализации анализа GAP в качестве инструмента мониторинга в реальном времени для руководства market-conforming вмешательства (например, операции по сглаживанию), а не противостоящие рынку таковых (например, жестких ограничений). Будущее денежной стабильности Украины зависит не столько от совершенствования модели искаженного рынка, сколько от смелости перестать его искажать.

8. Техническое приложение

8.1. Математические формулировки

Основное условие равновесия может быть выведено из лог-линеаризованных функций предложения и спроса:
$\hat{p}_t^* = \frac{\beta_d' \hat{x}_t - \beta_s' \hat{z}_t}{\alpha_s + \alpha_d}$
Где $\hat{p}_t^*$ — логарифмическое отклонение равновесного обменного курса. Модель FAVAR включает динамические факторы $(F_t)$, представляющие ненаблюдаемые фундаментальные драйверы:
$\begin{pmatrix} Y_t \\ F_t \end{pmatrix} = \Phi(L) \begin{pmatrix} Y_{t-1} \\ F_{t-1} \end{pmatrix} + v_t$
где $Y_t$ содержит наблюдаемые рыночные переменные (обменный курс, объемы), а $F_t$ оценивается на основе большого набора данных потенциальных фундаментальных факторов.

8.2. Experimental Results & Chart Descriptions

Рисунок 1 (Гипотетическая реконструкция): Likely depicts the estimated equilibrium exchange rate path ($\hat{p}_t^*$) against the actual observed exchange rate. Periods of significant and persistent positive GAP (actual > equilibrium) would indicate overvaluation, often preceding a correction or requiring NBU supply interventions.

Рисунок 2: Вероятно, иллюстрирует расчетные динамические факторы $(F_t)$, извлеченные моделью FAVAR. Один фактор может коррелировать с глобальными настроениями на рынках риска (например, с индексом, подобным VIX, для Украины), другой — с позицией внутренней денежно-кредитной политики, а третий — с условиями торговли или динамикой счета текущих операций.

Рисунок 3: Может отображать результаты анализа GAP в динамике, выделяя конкретные периоды (например, кризис 2014 года, стабилизация после 2015 года), когда отклонения от равновесия были экстремальными, вместе с аннотациями основных мер политики НБУ в те периоды.

Таблицы (1-5): Будут представлены описательные статистики, результаты тестов на единичные корни и коинтеграцию (статистики следа и максимального собственного значения Йохансена), результаты оценки модели FAVAR (факторные нагрузки, декомпозиции дисперсии) и результаты регрессионного анализа GAP для переменных политики.

8.3. Аналитическая структура: Концептуальный пример

Сценарий: Анализ влияния внезапной остановки притока капитала.
Применение методологии:
1. Ввод данных: Обновить набор данных высокочастотными индикаторами: данные о резервах НБУ, данные о портфельных потоках нерезидентов, спреды CDS и спреды межбанковских ставок предложения.
2. Оценка факторов: Модель FAVAR немедленно покажет сдвиг в "факторе движения капитала" и "факторе восприятия риска".
3. Смещение равновесия: Подразумеваемый моделью равновесный обменный курс ($p_t^*$) обесценился бы, что отражает сокращение предложения иностранной валюты из-за уменьшения притока.
4. Анализ разрыва (GAP): If the actual exchange rate is pegged or slow to move, a large negative GAP (actual < equilibrium) emerges, signaling mounting devaluation pressure.
5. Анализ политики: Модель количественно оценивает давление. Небольшой, временный GAP может быть проигнорирован. Большой, растущий GAP указывает на необходимость ответных мер политики: либо позволить обменному курсу скорректироваться (гибкий режим), либо подготовиться к значительным расходам резервов для защиты привязки, при этом модель оценивает потенциальный масштаб необходимого вмешательства.

9. Future Applications & Research Directions

1. Система Мониторинга в Реальном Времени: Данная структура FAVAR-GAP может быть реализована в виде информационной панели реального времени для центральных банков, обеспечивая ранние предупреждающие сигналы о дисбалансах и напряженности на рынках.
2. Интеграция Машинного Обучения: В будущих исследованиях можно заменить или дополнить факторную оценку FAVAR нелинейными методами понижения размерности из машинного обучения (например, автоэнкодерами, как при извлечении признаков для изображений в рамках CycleGAN, но примененными к финансовым временным рядам), чтобы улавливать более сложные нелинейные взаимосвязи между фундаментальными показателями.
3. Межстрановой анализ: Применение той же методологии к панели данных развивающихся рынков (например, Грузии, Молдовы, Сербии) может выявить общие модели дисбаланса и эффективность различных мер политики, что внесет вклад в академическую литературу об оптимальных валютных режимах в переходных экономиках.
4. Калибровка агент-ориентированной модели (ABM): Эмпирические результаты этой равновесной модели, в особенности свойства разрывов связей, могут быть использованы для калибровки параметров агент-ориентированной модели UIEM, моделирующей взаимодействие различных типов поведения трейдеров (например, стадного чувства, гетерогенных ожиданий) с правилами центрального банка.

10. References

1. Bernanke, B. S., Boivin, J., & Eliasz, P. (2005). Measuring the effects of monetary policy: a factor-augmented vector autoregressive (FAVAR) approach. The Quarterly Journal of Economics, 120(1), 387-422.
2. Calvo, G. A., & Reinhart, C. M. (2002). Fear of floating. The Quarterly Journal of Economics, 117(2), 379-408.
3. Международный валютный фонд. (2020). Ежегодный доклад о валютных режимах и валютных ограничениях (AREAER). Вашингтон, округ Колумбия: МВФ.
4. Johansen, S. (1991). Estimation and hypothesis testing of cointegration vectors in Gaussian vector autoregressive models. Econometrica, 59(6), 1551-1580.
5. Kuznyetsova, A., Misiats, N., & Klishchuk, O. (2017). The equilibrium model of demand and supply at the Ukrainian Interbank Foreign Exchange Market: disclosure of problematic aspects. Банки и банковские системы, 12(4), 31-43.
6. National Bank of Ukraine. (Various Years). Отчеты по денежно-кредитной политике. Киев: НБУ.
7. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE international conference on computer vision (стр. 2223-2232).