Том 28, № 4 (2024)

В настоящей работе на данных Российского мониторинга экономического положения и здоровья населения НИУ ВШЭ впервые рассматриваются потоки рабочей силы, направленные в/из состояния неформальной занятости в 2007–2023 гг., позволяющие уточнить реакцию российской неформальной занятости на резкое ухудшение макроэкономической ситуации различного типа – мировой финансовый кризис 2008–2010 гг., введение санкций в 2014–2015 гг. и 2022–2023 гг., а также пандемию COVID-19 в 2020–2021 гг. Полученные результаты свидетельствуют о том, что неформальные работники теряют работу во время экономических кризисов чаще, чем формальные, однако неформальность может выступать и важным механизмом подстройки российского рынка труда. Так, первый санкционный шок 2014–2015 гг. и пандемия COVID-19 не привели к увеличению показателей ухода неформальных работников с рынка труда, в отличие от аналогичных показателей для формальных работников, а показатели неформального найма после безработицы или нахождения вне состава рабочей силы сократились в 2020 г. в гораздо меньшей степени, чем соответствующие потоки, направленные в формальную занятость. При этом второй санкционный шок 2022–2023 гг. сопровождался сокращением показателей потери работы вне зависимости от типа предшествующей занятости, увеличением вероятности трудоустройства на формальных рабочих местах после безработицы и сокращением показателей трудоустройства на неформальной основе, что, по всей видимости, отражает возросшую конкуренцию за работников со стороны корпоративного сектора. Вместе с тем реакция потоков рабочей силы в период мирового финансового кризиса в России, напротив, демонстрирует значительное сокращение вероятности трудоустройства на неформальных рабочих местах, что согласуется с выводами предшествующих исследований о падении показателей найма неформальных работников в 2008–2010 гг. в неторгуемых секторах экономики.

В данной работе эмпирически оценивается асимметрия информации на рынках криптовалют с использованием метрик вероятности информированного трейдинга (PIN) и Adjusted PIN. Эти рынки, характеризующиеся высоким уровнем алгоритмической торговли и большими объемами данных высокой частоты, представляют собой перспективную среду для анализа информированной торговой активности. Мы вводим модифицированную процедуру оценки для Adjusted PIN, устраняя ошибки с плавающей запятой и проблемы с локальными экстремумами, что повышает точность модели по сравнению с традиционными подходами, широко применяемыми в литературе. Кроме того, мы предлагаем альтернативный метод агрегации сделок на более высоких частотах, чем традиционное ежедневное агрегирование, с целью повышения эффективности как моделей PIN, так и Adjusted PIN. На основе анализа как симулированных, так и реальных данных мы показываем, что агрегирование общего числа покупок и продаж за день приводит к менее значимым оценкам из-за шумности входных данных, что затрудняет выявление активности информированных трейдеров. Истинную оптимальную частоту агрегирования сделок еще предстоит исследовать, так как с увеличением частоты возрастает гетерогенность дисбалансов ордеров, а конкретные частоты, на которых действуют информированные трейдеры, пока не установлены. Наконец, в ходе  ряда эмпирических исследований мы оцениваем поведение метрик, выявляя, что неликвидные криптовалюты демонстрируют относительно более высокие вероятности информированного трейдинга. Этот вывод соответствует аналогичным результатам, полученным на рынках акций.

В данном обзоре рассматриваются методы тестирования на единичный корень в панельных данных. Обсуждается вопрос о предпочтительности рассмотрения нескольких временных рядов совместно вместо анализа каждого по отдельности и мотивация тестирования на панельный единичный корень. Обзор начинается с рассмотрения простейших тестов на панельный единичный корень с независимыми ошибками и двух типов альтернативной гипотезы: однородной и неоднородной. Для простейших тестов описывается их асимптотическое поведение при различных типах сходимости числа объектов и временного горизонта. После рассматривается вопрос включения детерминированной компоненты и изменение асимптотических результатов, а также методы учета слабой зависимости ошибок. Завершается первый раздел методами на основе р-значений.

Следующий раздел посвящен важной проблеме учета пространственной корреляции в панелях и ее влиянию на классические тесты на панельный единичный корень. Пространственная корреляция имеет место согласно некоторым макроэкономическим теориям, которые утверждают, что существуют некоторые общие факторы (например, технологические шоки), которые влияют не на одну, а на некоторое множество переменных. Описываются модификации классических тестов, основанные на факторизации, когда пространственная корреляция аппроксимируется (возможно нестационарными) общими факторами на основе метода главных компонент и на основе аппроксимации факторов при помощи кросс-секционных средних. Рассматриваются альтернативные методы, основанные на методах ресемплинга. Завершается раздел сравнительным анализом различных тестов, которые были описаны в обзоре, на основе симуляций Монте-Карло. Обсуждается проблема, связанная с несбалансированностью панелей. В заключении приводятся ссылки на существующие пакеты, которые позволяют реализовать некоторые из описанных методов.