Межрегиональные перетоки инфляции в Российской Федерации

Обложка

Цитировать

Полный текст

Аннотация

Введение. Исследованию спилловер-эффектов во многих отраслях экономики посвящено большое количество работ. Однако переливы инфляции на региональных данных России изучаются впервые. Теоретический анализ. Данное исследование направлено на изучение перетоков инфляции в совокупной и 12 подгруппах ИПЦ в 26 регионов РФ. Для достижения этой цели мы используем методологию Diebold и Yilmaz (далее D-Y) для количественной оценки спилловер-эффекта для индекса потребительских цен. D-Y предложили для характеристики связности системы на различных уровнях, от попарного до общесистемного, рассчитывать ряд индексов, основанных на разложении дисперсии модели векторной авторегрессии. Разложение дисперсии показывает, какая часть будущей неопределенности региона i связана с шоками региона j. В статье реализованы три векторные авторегрессионные модели (VAR) с прореживанием коэффициентов (со штрафом) – модели Elastic Net, Lasso и Ridge VAR. Эмпирический анализ. Исследуется динамическая связь случайных шоков (спилловер-эффектов) инфляции между регионами РФ и устойчивость выбранных методов. Для расчета мер переливов используется методика на основании разложения дисперсии прогноза многомерных временных рядов. Применяются методы кластеризации для выявления пространственных макрорегионов распространения инфляционных переливов. Результаты. Передача случайных потрясений на региональной основе в период с января 2002 г. по июнь 2024 г. происходит от центральных регионов к Сибири и дальневосточным регионам. Результаты исследования дают новую информацию о неоднородности переливов инфляции между российскими регионами.

Об авторах

Юлия Игоревна Кротова

Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского

ORCID iD: 0000-0002-9434-9806
410028, Россия, г. Саратов, ул. Астраханская, 83

Владимир Алексеевич Балаш

Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского

ORCID iD: 0000-0002-6987-4799
410028, Россия, г. Саратов, ул. Астраханская, 83

Алексей Раисович Файзлиев

Саратовский национальный исследовательский государственный университет имени Н. Г. Чернышевского

ORCID iD: 0000-0001-6442-4361
410028, Россия, г. Саратов, ул. Астраханская, 83

Список литературы

  1. Файзлиев А. Р., Балаш В. А. Устойчивость методов оценки переливов волатильности // Математическое и компьютерное моделирование в экономике, страховании и управлении рисками : сб. материалов конференций. 2023. Вып. 8. С. 174–178. EDN: GNCHOC
  2. Cecchetti S. G., Mark N. C., Sonora R. J. Price index convergence among United States cities // International Economic Review. 2002. Vol. 43, iss. 4. P. 1081–1099. https://doi.org/10.1111/1468-2354.t01-1-00049
  3. Huang H.-Ch., Lin P.-Ch., Yeh Ch.-Ch. Price level convergence across cities? Evidence from panel unit root tests // Applied Economics Letters. 2010. Vol. 18, iss. 1. P. 87–93. https://doi.org/10.1080/13504850903425157
  4. Kitenge E. M., Morshed A. K. M. Price convergence among Indian cities: The role of linguistic differences, topography, and aggreg ation // Journal of Asian Economics. 2019. Vol. 61. P. 34–50. https://doi.org/10.1016/j.asieco.2019.02.002
  5. Yazgan M. E., Yilmazkuday H. Price-level convergence: New evidence from U.S. cities // Economics Letters. 2011. Vol. 110. iss. 2. P. 76–78. https://doi.org/10.1016/j.econlet.2010.10.013
  6. Балаш О. С. Пространственный анализ конвергенции регионов России // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2012. Т. 12, вып. 4. P. 45–52. https://doi.org/10.18500/1994-2540-2012-12-4-45-52
  7. Мамонтов Д. С., Островская Е. А. Региональная конвергенция: подход на основе географически взвешенной регрессии // Доклады об экономических исследованиях. 2022. № 98. 37 с. URL: https://cbr.ru/StaticHtml/File/138725/wp_98.pdf (дата обращения: 08.09.2024).
  8. Diebold F. X., Yilmaz K. Measuring fi nancial asset return and volatility spillovers, with application to global equity markets // The Economic Journal. 2009. Vol. 119, iss. 534. P. 158–171. https://doi.org/10.1111/j.1468-0297.2008.02208.x
  9. Diebold F. X., Yilmaz K. Better to give than to receive: Predictive directional measurement of volatility spillovers // International Journal of Forecasting. 2012. Vol. 28, iss. 1. P. 57–66. https://doi.org/10.1016/j.ijforecast.2011.02.006
  10. Chow W. W., Fung M. K., Cheng A. C. S. Convergence and spillover of house prices in Chinese cities // Applied Economics. 2016. Vol. 48, iss. 51. P. 4922–4941. https://doi.org/10.1080/00036846.2016.1167829
  11. Cronin D. The interaction between money and asset markets: A spillover index approach // Journal of Macroeconomics. 2014. Vol. 39, pt. A. P. 185–202. https://doi.org/10.1016/j.jmacro.2013.09.006
  12. Diebold F. X., Yilmaz K. On the network topology of variance decompositions: Measuring the connectedness of financial firms // Journal of Econometrics. 2014. Vol. 182, iss. 1. P. 119–134. https://doi.org/10.1016/j.jeconom.2014.04.012
  13. Yang X., Zhang, Y., Li Q. The role of price spillovers: What is different in China // Empirical Economics. 2021. Vol. 60, iss. 1. P. 459–485. https://doi.org/10.1007/s00181-020-01989-y
  14. Balcilar M., Bekun F. V. Spillover dynamics across price infl ation and selected agricultural commodity prices // Journal of Economic Structures. 2020. Vol. 9. Art. 2. P. 1–17. https://doi.org/10.1186/S40008-020-0180-0
  15. Tiwari A. K., Shahbaz M., Hasim H. M., Elheddad M. M. Analysing the spillover of infl ation in selected Euroarea countries // Journal of Quantitative Economics. 2019. Vol. 17, iss. 3. P. 551–577. https://doi.org/10.1007/s40953-018-0152-5
  16. Çakır M. Regional infl ation spillovers in Turkey // Economic Change and Restructuring. 2023. Vol. 56, iss. 2. P. 959–980. https://doi.org/10.1007/s10644-022-09455-8
  17. Koop G., Pesaran M. H., Potter S. M. Impulse response analysis in nonlinear multivariate models // Journal of Econometrics. 1996. Vol. 74, iss. 1. P. 119–147. https://doi.org/10.1016/0304-4076(95)01753-4
  18. Pesaran H. H., Shin Y. Generalized impulse response analysis in linear multivariate models // Economics Letters. 1998. Vol. 58, iss. 1. P. 17–29. https://doi.org/10.1016/s0165-1765(97)00214-0
  19. Zou H., Hastie T. Regularization and variable selection via the elastic net // Journal of the Royal Statistical Society. Series B: Statistical Methodology. 2005. Vol. 67, iss. 2. P. 301–320. https://doi.org/10.1111/j.1467-9868.2005.00503.x
  20. Tibshirani R. Regression shrinkage and selection via the lasso: A retrospective // Journal of the Royal Statistical Society. Series B: Statistical Methodology. 2011. Vol. 73, iss. 3. P. 273–282. https://doi.org/10.1111/j.1467-9868.2011.00771.x

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).