Введение

В последние годы роль Центрального банка Российской Федерации (ЦБ РФ) в осуществлении монетарной политики значительно возросла, фактически превратив его из макро– в мегарегулятора. Так, традиционное понятие регулятора (или макрорегулятора) предполагает орган исполнительной власти, который направляет развитие национального хозяйства (или его отдельных сегментов). Как правило, макрорегулятор имеет широкое, но ограниченное поле деятельности и объект регулирования, тогда как мегарегулятор обладает расширенными полномочиями в части управления объекта регулирования, а также чрезвычайно обширным самим объектом регулирования. Напомним, что на сегодняшний день мегарегулятором в России является только Центральный банк РФ.

Данная трансформация началась в 2012 г., когда первый заместитель председателя Правительства РФ И.И.Шувалов выступил с идеей создания регулятора финансовых рынков на базе Банка России. Проект предполагал, что укрупненная Федеральная служба по финансовым рынкам, ведущая надзор за рынком ценных бумаг и страховыми компаниями, вольется в структуру Банка России (БР). Концепцию создания мегарегулятора одобрил президент России В.В.Путин и в 2013 г. законодательные органы приняли Федеральный закон от 23.07.2013 №251–ФЗ "О внесении изменений в отдельные законодательные акты Российской Федерации в связи с передачей Центральному банку Российской Федерации полномочий по регулированию, контролю и надзору в сфере финансовых рынков" и с 1 сентября 2013 г. Банку России перешли функции упраздненной Федеральной службы по финансовым рынкам, превратив его в единый регулятор финансового сектора.

В 2017 г. Банк России получил возможность непосредственного участия в санации банков. Для этого был создан подконтрольный БР Фонд консолидации банковского сектора (ФКБС). В законе о банкротстве было прописано, что «прекращение обязательств банка» перед топ–менеджерами и бенефициарами является одним из условий внесения фондом денег в уставный капитал банка. Тем самым полномочия ЦБ РФ возросли еще больше, что позволяет говорить о том, что в стране окончательно сложился и действует полноценный мегарегулятор.

Вместе с тем названные нововведения в отношении полномочий БР вызывают вопросы об эффективности их применения. Например, не вполне ясно, что происходит в монетарной сфере страны – ситуаций в ней в целом улучшается или ухудшается? Как могут сказаться действия БР на экономическом росте? Не грозят ли стране новые экономические потрясения?

Сегодня имеется огромный арсенал аналитических средств, способных в той или иной степени ответить на поставленные вопросы. Однако за все время развития кредитной сферы и экономической теории так и не обозначились общепризнанные методы и подходы для ответов на поставленные вопросы. Условно их можно разделить на две группы. Первая представляет собой индикативные показатели упреждающей диагностики, т.е. набор показателей, анализ и мониторинг которых позволяет предсказывать возможные наступления кризисных ситуаций в экономике. Вторая группа ориентирована на построение упреждающей эконометрической диагностики, т.е. установление взаимосвязи между финансовыми показателями, с одной стороны, и темпами экономического роста и макроэкономической стабильностью, с другой. Именно вторая группа методов и подходов упреждающей диагностики является предметом рассмотрения данной статьи.

2. Зарубежная практика построения эконометрических моделей опережающей оценки эффективности денежно–кредитной политики (ДКП)

Данная практика получила берет свое начало в 1969 году, когда американский экономист Реймонд Голдсмит (Goldsmith) установил наличие положительной корреляции между развитием финансовой системы и экономическим ростом [1]. Изучив данные по банковскому сектору 35 стран в период между 1860 и 1963 гг., он показал, что более высокие темпы роста экономики сопровождаются более высокими темпами финансового развития. Однако исследование причинно-следственной связи между этими показателями Голдсмитом проведено не было [2].

Полноценные исследования причинно–следственной связи между показателями развития финансового рынка и экономическим ростом начались в начале 90-х годов, когда Р.Кинг (King) и Р.Левин (Levine), исследовав 77 стран за период 1960–1989 гг., попытались ответить на вопрос о том, может ли уровень финансового развития определять будущие темпы экономического роста, накопления капитала и производительности труда [3]. Среди показателей финансового развития были исследованы такие факторы, как: финансовая глубина (отношение ликвидных пассивов кредитных институтов к ВВП); доля частных банков в кредитах; доля кредитов частному бизнесу в общей сумме кредитов; доля кредитов частным предприятиям в ВВП. В качестве выходных показателей рассматривались темпы роста ВВП на душу населения, темпы роста производительности труда, темпы роста основного капитала на душу населения [2]. В результате проведения корреляционно–регрессионного анализа было установлено, что показатели финансового развития являются предикторами экономического роста.

Несколько позже, в 1998 году, Р.Левин (Levine) совместно с С.Зервос (Zervos) продолжили начатое ранее исследование и показали, что уровень ликвидности рынка акций также является показателем, по которому можно прогнозировать экономический рост [4].

Исследования, проведенные в последующие годы, неоднократно подтверждали сделанные ранее выводы о влиянии финансового развития на экономический рост [5, 6, 7]. Однако в более поздних работах показано, что при достижении некоего порога уровень развития финансового сектора оказывается чрезмерным и, в свою очередь, приводит к негативным экономическим эффектам [8]. Например, для показателя отношение кредита к ВВП такое пороговое значение составляет 80–100% [6].

3. Российский опыт упреждающей эконометрической диагностики

Немалый вклад в изучение воздействия финансового развития на экономический рост внесли и российские исследователи. Так, в своей работе [9] авторы исследовали влияние таких показателей финансовой глубины, как внутренний кредитный рынок (отношение банковских кредитов частному сектору к ВВП), внутренний рынок корпоративных облигаций (отношение объема внутренних корпоративных облигаций к ВВП) и рынок внешних корпоративных заимствований (отношение объема внешнего корпоративного долга к ВВП), на темпы экономического роста и макроэкономическую стабильность. Полученные результаты позволили сделать вывод, что влияние глубины каждого из рассматриваемых сегментов финансового сектора на рост может быть описано перевернутой U–образной кривой, а их влияние на стабильность – прямой U–образной кривой. Кроме того, была определена оптимальная глубина рассматриваемых сегментов: для кредитного рынка – 96% ВВП, для рынка корпоративных облигаций – 22% ВВП, для рынка внешних корпоративных заимствований – 15% ВВП [9].

Еще одна методика определения зависимости макроэкономических показателей от инструментов ДКП предложена Г.Тарасовой и Т.Энхтуяа [10]. Согласно предлагаемой методике зависимость устанавливается последовательно в два этапа. На первом этапе определяется оценка влияния инструментов ДКП на уровень инфляции, снижение которой, по мнению авторов, является промежуточной целью проводимой центральным банком ДКП. Для выявления монетарных инструментов, наиболее сильно влияющих на уровень инфляции, авторами проведен корреляционно–регрессионный анализ, который показал, что наиболее значимое влияние на уровень инфляции в России оказывают следующие показателями: ставка рефинансирования; норма обязательных резервов; курс доллара США к рублю (с лагом в 7 месяцев). Полученная зависимость имеет вид (1):

(1)

где Y – уровень инфляции; Х₁ – ставка рефинансирования; Х₂ – ставка обязательных резервов; Х₁ – курс доллара США к рублю (с 7–ми месячным лагом) [10].

Задачей второго этапа методики является проведение корреляционно-регрессионного анализа между показателями ВВП и уровнем инфляции, а также показателями уровня безработицы и уровня инфляции, результатом которого является построение эконометрической зависимости между указанными показателями.

Согласно полученным авторами результатам ВВП в России на 13,8% определяется уровнем инфляции и со снижением последней на 1% увеличивается в среднем на 10,87 млрд. руб. Связь между уровнем безработицы и уровнем инфляции в России менее значима: со снижением инфляции на 1% уровень безработицы увеличивается в среднем на 0,0014%.

К достоинствам данной методики можно отнести возможность выявления монетарных инструментов, оказывающих наибольшее воздействие на макроэкономические показатели, и их последующей корректировки с целью влияния на экономику. Тем не менее, в работе рассмотрен достаточно узкий спектр показателей ДКП, что не позволяет всесторонне оценить влияние монетарных инструментов на экономический рост в стране.

4. Опыт Казахстана использования упреждающей эконометрической диагностики при проведении денежно-кредитной политики

Квартальная прогностическая модель (КПМ), позволяющая оценивать экономические взаимосвязи и прогнозировать динамику макроэкономических показателей на среднесрочную перспективу, широко применяется в работе Национального Банка Республики Казахстан (НБРК) [11]. Данная модель включает в себя систему уравнений, все компоненты которых (за исключением инфляции) рассматриваются в виде отклонений от своих потенциальных значений. В модели предусмотрены три блока, моделирующие основные процессы в экономике Казахстана: инфляционные, образование ВВП, монетарная политика. При этом каждый блок описывается группой уравнений. Более того, в каждом уравнении содержится переменная, отражающая шоки, которые не учитываются объясняющими переменными. Например, в модели учитывается шок предложения на мясо птицы в конце 2016 года, который был вызван вспышкой сальмонеллеза в Карагандинской области. Для понимания КПМ и ее характеристик в отношении взаимосвязей между основными макроэкономическими переменными используется технология импульсных откликов, когда проверяется реакция основных макроэкономических показателей на возможные внутренние и внешние шоки, способные повлиять на экономическую ситуацию в стране. В результате формируется некая разновидность макроэкономической модели с монетарными инструментами. В этом случае решение по корректировке монетарных инструментов принимается на основе прогнозных и ожидаемых значений переменных модели на 4 квартала вперед. Тем самым упреждающим эффектом обладает реальная экономика по отношению к ДКП.

Особый интерес представляет опыт Казахстана в отношении построения и использования ежемесячного опережающего индикатора делового цикла в ДКП Национального Банка страны [12]. Дело в том, что в международной практике нашли широкое применение месячные индикаторы, описывающие конъюнктуру реального сектора экономики. Самым популярным и известным среди них является американский Индекс деловой активности (ИДА) (Purchasing Managers’ Index – PMI). Аналогичный инструмент имеется в Японии – Tankan, который ежеквартально рассчитывается и публикуется Центральным Банком Японии. Расчет индикатора строится на базе опроса порядка 11 тыс. предприятий по следующим экономическим показателям: условия ведения бизнеса; производство и сбыт; спрос и предложение, уровень цен; доходы; прямые инвестиции; занятость; налоговые условия. Индекс Tankan используется для прогнозирования объемов промышленного производства, индекса цен производителей, объема заказов предприятий промышленности, уровня занятости в промышленности и является официально объявленным ориентиром в принятии решений, касающихся ДКП.

С 2000 года НБРК проводит ежеквартальный мониторинг предприятий реального сектора экономики. В 2016 году НБРК начал также проводить ежемесячные обследования реального сектора и рассчитывать индикаторы деловой активности. Использование подобных индикаторов позволяет заранее определить поворотные точки деловой активности. Также результаты опережающих показателей могут быть использованы в качестве объясняющих факторов при прогнозировании и моделировании краткосрочного экономического индикатора (прокси показатель деловой активности) Казахстана. В частности, ИДА Казахстана встраиваются с определенным лагом в более общую эконометрическую модель роста, позволяя тем самым предсказывать реальные экономические агрегаты и учитывать данный факт при разработке ДКП.

Непосредственным развитием методологии оценки ИДА является ведущаяся во многих странах работа по построению так называемых композитных опережающих индикаторов (КОИ). В этом же направлении идет Казахстан, где НБРК внедрил методику построения КОИ на основе конъюнктурных опросов предприятий реального сектора экономики с 2005 г. по 2016 г. Данный обобщенный индекс является индикатором изменения бизнес условий и представляет собой простой и полезный инструмент для анализа текущего состояния экономики, текущей фазы экономического бизнес-цикла и прогнозирования динамики экономического развития в краткосрочной перспективе, в том числе путем встраивания в модели экономического роста [13].

5. Макропруденциальное регулирование

На основе описанной выше практики упреждающего эконометрического диагностирования сегодня активно используется так называемая макропруденциальная политика, под которой понимается использование пруденциальных инструментов для снижения системного риска в финансовом секторе, в частности ограничения формирования «пузырей» на финансовых и кредитных рынках. Конечной целью этой политики является стабилизация экономических колебаний, поскольку формирование «пузырей» часто ведет к перегреву экономики, а этапы «схлопывания пузырей» сопровождаются экономическим спадом и дли­тельным периодом пониженных темпов роста [14].

Достаточно большой аналитический опыт и материал накоплен ЦБ РФ совместно с Центром макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП) в рамках решения задач макропруденциального регулирования. Так, опыт глобального кризиса 2007–2009 гг., показал, что чрезмерное (существенно опережающее развитие «реальной» экономики) увеличение глубины финансового сектора может таить в себе и определенные опасности: образование «пузырей», систематическую недооценку рисков, повышение хрупкости финансовой системы, ее уязвимости к шокам. Обусловленная этим финансовая нестабильность оказывает негативное воздействие на экономическую активность. Согласно различным исследованиям, пороговый уровень отношения кредита частному сектору к ВВП, после прохождения которого реализуются негативные макроэкономические эффекты, находится в интервале 90–100% [15]. В связи с этим в ЦБ РФ и в ЦМАКП продолжается изучение нелинейного воздействия финансового развития на макроэкономическую ситуацию, для чего строятся специальные модели, в которых точкой оптимума для финансового рынка считается такое значение глубины его сегмента, при котором достигается максимально возможное значение «целевой функции регулятора». В свою очередь под последней понимается разница нормированных модельных величин темпов прироста ВВП и волатильности темпов прироста ВВП. Так, расчеты показывают, что с 2011 г. страны БРИКС превосходят Россию по глубине внутреннего рынка банковского кредита частному сектору. При этом Индия и Бразилия еще не достигли точки оптимума, но находятся к ней ближе, чем Россия, тогда как Китай уже «перескочил» ее [15].

Работа по оценке нелинейных форм связей между показателями глубины развития финансового сектора, с одной стороны, и темпами экономического роста на уровне национальных экономик, с другой стороны, продолжается и постоянно углубляется. В частности, как было сказано ранее, в качестве показателей финансовой глубины используются: внутренний кредитный рынок, внутренний рынок корпоративных облигаций и рынок внешних корпоративных заимствований [9]. Результаты модельных расчетов позволили выявить траектории движения стран в координатах «рост – стабильность роста» при углублении каждого из трех сегментов финансового сектора. При этом была оценена оптимальная глубина рассмотренных сегментов финансового рынка, характеризуемая достижением максимальных темпов экономического роста и их минимальной волатильности: 96% ВВП – для российского кредитного рынка, 22% ВВП – для рынка корпоративных облигаций 15% ВВП – для рынка внешних корпоративных заимствований [9, 15].

Тем самым переход наблюдаемых показателей границу идентифицированных значений сигнализирует о ближайших позитивных или негативных сдвигах в уровне экономического роста. Иными словами, эконометрические зависимости позволяют расширять спектр параметров макропруденциальной политики, подлежащих контролю и регулированию.

6. Проблемы использования существующей упреждающей эконометрической диагностики

Несмотря на обилие существующих методов и моделей на практике применяется лишь незначительная их часть. Это связано с наличием в этих методах и подходах специфических недостатков. Рассмотрим их более подробно.

Во-первых, построение многих эконометрических моделей сопряжено с трудностями использования отдельных ключевых индикаторов (например, ВВП). Это связано с тем, что в большинстве случаев национальные органы статистики представляют оценки ВВП лишь на квартальной градации, что не позволяет проводить, например, ежемесячные расчеты, а также использовать показатель ВВП в качестве базового ряда. Подобная практика присуща большинству развитых стран. В ряде стран, преимущественно с переходной экономикой, данные о динамике ВВП публикуются ежемесячно. Однако эти данные предоставляются в виде темпов прироста нарастающим итогом за соответствующий период года и корректируются по прошествии определенного периода, в связи с чем относительная погрешность месячных данных достаточна велика. Это в свою очередь создает определенные трудности в получении качественного ряда реального ВВП (в абсолютных значениях или в виде цепного индекса) с месячной периодичностью [16]. России также присуща данная проблема, поскольку ежемесячные данные по ВВП российской официальной статистической службой (Росстат) не публикуются. Оперативная ежемесячная оценка ВВП России предоставляет только Внешэкономбанком [17], но и она в дальнейшем подвергается корректировке.

Во-вторых, многофакторность самого процесса экономического роста затрудняет отбор тех монетарных показателей, которые должны выступать в качестве реальных драйверов роста. Более того, на разных этапах экономического развития страны меняется и состав «активных» факторов, которые действительно предопределяют рост производства. В связи с этим в аналитических анналах накоплено огромное число возможных индикаторов и моделей при том, что все они не универсальны и не могут быть превращены в постоянные индикаторы монетарной среды наподобие индекса Доу–Джонса в отношении экономической конъюнктуры. Тем самым выбор наиболее приемлемого упреждающего монетарного индикатора сам по себе превращается в серьезную проблему.

В-третьих, наличие нелинейности между некоторыми важными монетарными показателям и параметрами экономического роста осложняет построение простого упреждающего индикатора. Как правило, сама логика опережающего индикатора предполагает, что данный индикатор и ВВП всегда движутся в одинаковом направлении. Многие современные эконометрические исследования показывают, что это не так. В связи с этим нужны какие-то иные методологические основы и аргументы для конструирования эффективного упреждающего индекса.

В-четвертых, практически во всех известных монетарных индикаторах отсутствует внятная идеология его построения. В данном случае речь идет о том, что такого рода индикаторы хаотично «собираются» из разных частных показателей, без наличия внутренней логики. Складывается впечатление, что набор частных объясняющих переменных формируется методом проб и ошибок. В лучшем случае все возможные варианты проверяются различными методами на работоспособность. Однако даже наличие таковых индикаторов не дает системного представления об ошибках и недочетах монетарного регулятора. Более того, остается под вопросом соотношение и эффективность разрешительных и запретительных мер центрального банка.

В-пятых, большинство методов направлено на идентификацию неких кризисных точек, которые априори являются чрезвычайно опасными для национальной экономики. Однако нацеленность рассмотренных методов на прогнозирование неких масштабных проблем типа надвигающегося экономического кризиса автоматически ведет к тому, что все эти методы являются «грубыми» в том смысле, что они улавливают грядущие коллизии, но игнорируют мелкие изменения монетарного климата. Между тем в практике регулятора имеет значение любой прогноз экономической активности, в том числе лежащие в их основе мелкие ухудшения монетарных условий функционирования экономики, которые могут накапливаться в течение длительного времени и, в конечном счете, давать заметное снижение темпов экономического роста. Иными словами, методы упреждающей диагностики сегодня построены по дискретному принципу, улавливая «большие» проблемные события, тогда как в идеале они должны строиться по непрерывному принципу, направленному на обследование каждой точки временной оси и выявлении любых, в том числе не слишком значительных, изменений.

В-шестых, деятельность центральных монетарных институтов моделируется фактически в полном отрыве от имеющейся институциональной теории. Тем самым макроэкономические построения почти никак не согласуются с институциональными принципами, что превращает все индикаторы и модели в подобие эвристических конструкций – они могут работать на практике, но никаких новых системных знаний об экономике они не дают.

В-седьмых, лаги, которые присутствуют в упреждающих индикаторах довольно редко бывают достаточно длинными. Следование одного показателя за другим с запаздыванием в 2–3 месяца не дают монетарным властям ни на подготовку к нежелательному событию, ни на исправление и корректировку сформировавшейся регулятивной линии. Желательно, чтобы опережение составляло, по крайней мере, полгода. В этом случае можно говорить о среднесрочном прогнозировании; в противном случае речь идет о краткосрочном прогнозировании, не дающим монетарным властям достаточно времени и свободы для реакции на выявленные проблемы.

В-восьмых, сама практика применения различных упреждающих индикаторов так и не выявила не только общепризнанного «лидера», использование которого может тиражироваться максимально широко как во времени, так и в пространстве, но и не позволила даже очертить круг наиболее эффективных методов и моделей. Фактически сегодня монетарные ведомства разных стран действуют по своим собственным, уникальным методикам.

6. Выводы

Таким образом, построение эконометрических моделей, в которых присутствуют лаговые переменные, отражающие либо действия центрального банка, либо настроения бизнес–сообщества, стало традиционным методом по отысканию опережающих индикаторов и статистических сигналов к пересмотру ДКП. Однако наличие разных подходов к упреждающей монетарной диагностике дезориентирует не только аналитиков, но и сами монетарные власти. В связи с этим возникает потребность в построении некоего обобщенного индикатора монетарного климата, который был бы способен, во-первых, на основе имеющихся статистических данных ЦБ РФ, всесторонне охватить его деятельность, во-вторых, диагностировать текущую ДКП и ее эффективность, в-третьих, предсказывать экономический рост на несколько месяцев вперед. Поиск и конструирование подобного индикатора является одним из перспективных направлений развития российской научной мысли.

Литература

1. Goldsmith R.W. Financial structure and development. New Haven: Yale University Press, 1969. 561 p.

2. Рубцов Б.Б. Эволюция институтов финансового рынка и развитие экономики: глава монографии «Финансовые институты и экономическое развитие». – М.: ИМЭМО РАН, 2006. [Электронный ресурс]. URL: http://www.mirkin.ru/_docs/Rub_evolfin.pdf (дата обращения: 26.10.2017).

3. King R. G., Levine R. Finance and growth: Schumpeter might be right // The Quarterly Journal of Economics. 1993. Vol. 108. No. 3. Pp. 717–737.

4. Levine R., Zervos S. Stock markets, banks, and economic growth // The American Economic Review. 1998. Vol. 88. No. 3. Pp.537–558.

5. Rajan R.G., Zingales L. (1998). Financial Dependence and Growth // American Economic Review. 1998. Vol. 88. No. 3. Pp. 559–586.

6. Arcand, J. L., Berkes E., Panizza U. (2012). Too Much Finance? // Journal of Economic Growth. 2012. Vol. 20. No. 2. Pp. 105–148.

7. Cecchetti, G., Kharroubi, E. (2012). Reassessing the Impact of Finance on Growth // Bank for International Settlements. BIS Working Papers. 2012. No. 381. [Электронный ресурс]. URL: http://www.bis.org/publ/work381.pdf (дата обращения: 26.10.2017).

8. Sahay R., Cihak M., N’Diaye P., Barajas A., Bi R., Ayala D., Gao Y., Kyobe A., Nguyen L., Saborowski C., Svirydzenka K., Yousefi S. R. Rethinking Financial Deepening: Stability and Growth in Emerging Markets // International Monetary Fund. 2015. [Электронный ресурс]. URL: http://www.imf.org/external/pubs/ft/sdn/2015/sdn1508.pdf (дата обращения: 26.10.2017).

9. Мамонов М., Пестова А., Панкова В., Ахметов Р., Солнцев О. Серия докладов об экономических исследованиях. Финансовый сектор, экономический рост и макроэкономическая стабильность // Центральный банк Российской Федерации. 2017. № 21/ Июль. С. 33. [Электронный ресурс]. URL: http://www.cbr.ru/Content/Document/File/16718/wp_21.pdf (дата обращения: 26.10.2017).

10. Тарасова Г.М., Энхтуяа Т. Сравнительная характеристика денежно-кредитной политики центральных банков Монголии и России // Международные финансы. 2013. № 27 (165). С. 6–12.

11. Чернявский Д.О. Квартальная прогностическая модель Республики Казахстан и ее роль в принятии решений по монетарной политике // Экономическое обозрение Национального Банка Республики Казахстан. 2016. №4. [Электронный ресурс]. URL: http://www.nationalbank.kz/cont/EV_2016_4.pdf (дата обращения: 26.10.2017).

12. Жузбаев А.М. Международный опыт и перспективы использования ежемесячного опережающего индикатора делового цикла в денежно-кредитной политике Национального Банка РК // Экономическое обозрение Национального Банка Республики Казахстан. 2016. №4. [Электронный ресурс]. URL: http://www.nationalbank.kz/cont/EV_2016_4.pdf (дата обращения: 26.10.2017).

13. Мекенбаева К.Б. Композитный опережающий индикатор – инструмент для мониторинга делового климата и краткосрочного прогнозирования // Экономическое обозрение Национального Банка Республики Казахстан. 2016. №4. [Электронный ресурс]. URL: http://www.nationalbank.kz/cont/EV_2016_4.pdf (дата обращения: 26.10.2017).

14. Роль макропруденциальной политики в условиях корреляции сырьевых циклов с потоками капитала и финансовым циклом: аналитическая записка Департамента финансовой стабильности Банка России // Центральный банк Российской Федерации. Август 2017. [Электронный ресурс]. URL: http://www.cbr.ru/Content/Document/File/16743/analytic_note_170808.pdf(дата обращения: 26.10.2017).

15. Мамонов М., Панкова В., Ахметов Р., Пестова А., Солнцев О. Влияние развития финансового сектора на экономический рост и его волатильность: аналитическая записка // Центральный банк Российской Федерации. 2017. №8. URL: http://www.cbr.ru/Content/Document/File/16747/03.pdf (дата обращения: 26.10.2017).

16. Крук Д., Зарецкий А. Методология построения сводного индекса опережающих индикаторов для Беларуси // Рабочий материал Исследовательского центра ИМП WP/11/01. 2011. [Электронный ресурс]. URL: http://www.research.by/webroot/delivery/files/wp2011r01.pdf (дата обращения: 26.10.2017).

17. ВВП России – Индекс ВЭБ // Официальный сайт Банка Развития. URL: http://www.veb.ru/analytics/iVEB/ [Электронный ресурс]. (дата обращения: 26.10.2017).

Официальная ссылка на статью:

Екимова Н.А. Упреждающая эконометрическая диагностика: в поисках новой парадигмы// «Мир новой экономики», №4, 2017. С.40–47.