Управление базовой ставкой с целью противодействия циклическому сокращению доходов

Обложка

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье предлагается подход к формализации количественной зависимости между базовой ставкой и вариациями дохода, базирующийся на стохастическом описании инвестиций Установление этой зависимости обеспечивает возможность управления доходами в соответствии с принятым целеполаганием. В частности, рассматривается пример преодоления циклического сжатия дохода соответствующим изменением базовой ставки. Предложена стратегия управления доходами, в основе которой лежит установленная функциональная связь между составляющими инвестиций и базовой ставкой. Показано, что при обратно пропорциональной зависимости долгосрочного тренда инвестиций от значений ставки, траектория цикла зависит через корень квадратный от ее значения. Поэтому изменение базовой ставки приводит к разнонаправленным результатам в значениях тренда и траектории цикла. Этот факт послужил основой для разработки алгоритма преодоления циклического снижения доходов. Модель цикла в виде случайных колебаний упругой системы под действием белого шума позволила получить количественную оценку вариации базовой ставки, обеспечивающей требуемое изменение величины дохода. Поскольку рассмотренный подход основан на наиболее вероятной траектории цикла, то полученные выражения будут приводить и к наиболее вероятным оценкам. Возможность применять предлагаемый подход к анализу поведения цикла продемонстрирован на примере текущих отклонений доходов США. 

Об авторах

Вячеслав Алексеевич Кармалита

Частный консультант

Автор, ответственный за переписку.
Email: karmalita@videotron.ca
Канада,

Список литературы

  1. Karmalita V.A. (2022). Predicting the trajectory of economic cycles // Экономика и математические методы. Т. 58. № 2. С. 140–144 (in English).
  2. Karmalita V.A. (2023). Recovering the actual trajectory of economic cycles // Экономика и математические методы. Т. 59. № 2. С. 19–25.
  3. Павлейно М.А., Ромаданов В.М. (2007). Спектральные преобразования в MATLAB. Учебно-методическое пособие. Санкт-Петербург: Санкт-Петербургский государственный университет. 160 c.
  4. Blanchard O.J. (2017). Macroeconomics. 7th ed. Boston: Pearson. 576 p.
  5. Bolotin V.V. (1984). Random vibrations of elastic systems. Heidelberg: Springer. 468 p.
  6. Brandt S. (2014). Data analysis: Statistical and computational methods for scientists and engineers. 4th ed. Cham, Switzerland: Springer. 523 p.
  7. Cho S. (2018). Fourier transform and its applications using Microsoft EXCEL®. San Rafael, CA: Morgan & Claypool. 123 p.
  8. Cooley T.F., Prescott E.C. (1995). Economic growth and business cycles. In: Frontiers of business cycle research. T.F. Cooley (ed.). Princeton: Princeton University Press, 1–38.
  9. Golosov M., Menzio G. (2020). Agency business cycles. Theoretical Economics, 15 (1), 123–158.
  10. Karmalita V. (2020). Stochastic dynamics of economic cycles. Berlin: De Gruyter. 106 p.
  11. Kehoe P.J., Midrigan V., Pastorino E. (2018). Evolution of modern business cycle models: Accounting for the great recession. Economic Perspectives, 32 (3), 141–166.
  12. Korotaev A.V., Tsirel S.V. (2010). Spectral analysis of world GDP dynamics: Kondratieff waves, Kuznets swings, Juglar and Kitchin cycles in global economic development, and the 2008–2009 economic crisis. Structure and Dynamics, 4 (1), 3–57.
  13. Kydland F., Prescott E. (1982). Time to build and aggregate fluctuations. Econometrica, 50 (6), 1345–1370.

© Российская академия наук, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».