Прогнозирование развития экономики на основе стохастической модели экономического роста с учетом точки поворота

  • Алексей Владимирович Воронцовский Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7–9 https://orcid.org/0000-0001-6473-1951
  • Людмила Федоровна Вьюненко Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7–9 https://orcid.org/0000-0002-9741-3949

Аннотация

В статье отмечается, что в современных условиях возрастает влияние факторов неопределенности и риска на экономическое развитие, и определенные возможности учета их воздействия связаны с использованием стохастических моделей экономического роста. Рассматриваются методы прогнозирования развития экономики на основе дискретной аппроксимации ограничений стохастической модели экономического роста для закрытой экономики по методу Эйлера—Маруямы, опирающиеся на учет текущего (начального) состояния экономики
и построение средней расчетной траектории роста. Дана характеристика особенностей реализации предлагаемого подхода к прогнозированию в режиме имитации с учетом точки поворота, обусловленной мировым экономическим кризисом 2008 г. Выполнены расчеты ВВП и расходов на потребление по данным экономики Греции, Дании и Испании на двух временных периодах — до и после кризиса 2008 г. Определены параметры модели, обеспечивающие согласие
фактических траекторий и построенных 50%-ных доверительных интервалов для указанных макроэкономических показателей. Особое внимание уделено проблеме калибровки условий стохастической модели экономического роста. Показано, что использование исходных данных в постоянных ценах 1970 г. для построения прогнозов в режиме имитации позволяет улучшить согласие. Библиогр. 36 назв. Ил. 12. Табл. 12.

Ключевые слова:

экономическое развитие, методы прогнозирования, макроэкономические показатели, стохастическая модель, дискретная аппроксимация, имитационное моделирование, траектория роста, доверительный интервал, точка поворота

Скачивания

Данные скачивания пока недоступны.
 

Биографии авторов

Алексей Владимирович Воронцовский, Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7–9

доктор экономических наук, профессор

Людмила Федоровна Вьюненко, Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7–9

канд. физ.-мат. наук, доцент

Литература

Литература на русском языке

Банди Б. Методы оптимизации. Вводный курс / пер. с англ. М.: Радио и связь, 1988. 128 с.

Барро Р., Сала-и-Мартин Х. Экономический рост / пер. с англ. М.: БИНОМ. Лаборатория знаний, 2010. 824 с.

Бланшар О., Фишер Ст. Лекции по макроэкономике / пер. с англ. М.: Издательский дом «Дело» РАНХиГС, 2014. 680 с.

Вадзинский Р. Н. Справочник по вероятностным распределениям. М.: Изд-во Наука, 2001. 296 с.

Воронцовский А. В. Современные подходы к моделированию экономического роста // Вестн. С.-Петерб. ун-та. Серия 5. Экономика. 2010. Вып. 3. С. 105–119.

Воронцовский А. В., Вьюненко Л. Ф. Построение траекторий развития экономики на основе аппроксимации условий стохастических моделей экономического роста // Вестн. С.-Петерб. ун-та. Серия 5. Экономика. 2014. Вып. 3. С. 123–147.

Воронцовский А. В., Дикарев А. Ю. Прогнозирование макроэкономических показателей в режиме имитации на основе стохастических моделей экономического роста // Финансы и Бизнес. 2013. № 2. С. 33–51.

Воронцовский А. В., Лебедев Т. А. Моделирование технического развития с учетом диффузии техники и технологии // Финансы и бизнес. 2015. Вып. 2. С. 6–21.

Доугерти К. Введение в эконометрику: учебник. 2-е изд. / пер. с англ. М.: ИНФРА-М, 2004. 432 с.

Ермаков С. М. Метод Монте-Карло в вычислительной математике. СПб.: Невский Диалект, Бином. Лаборатория знаний, 2009. 192 с.

Кузнецов Д. Ф. Стохастические дифференциальные уравнения: теория и практика численного решения. СПб.: Изд-во Политехнического ун-та, 2007. 776 c.

Люу Ю.-Д. Методы и алгоритмы финансовой математики / пер. с англ. М.: БИНОМ. Лаборатория знаний, 2007. 751 с.

Моделирование экономического роста в условиях современной экономики / под ред. А. В. Воронцовского. СПб.: Изд-во С.-Петерб. ун-та, 2011. 284 с.

Современная макроэкономика: избранные главы: учебник / под ред. А. В. Воронцовского. М.: РГ-Пресс, 2013. 408 с.

Сток Дж., Уотсон М. Введение в эконометрику / пер. с англ. М.: Издательский дом «Дело» РАНХиГС, 2015. 864 с.

Уикенс М. Макроэкономическая теория: подход динамического общего равновесия / пер. с англ. М.: Издательский дом «Дело», 2015. 736 с.


References in Latin Alphabet

Brock W., Mirman L. Optimal Economic Growth under Uncertainty: Discounted Case // Journal Economic Theory. 1972. Vol. 4 (3). P. 479–513.

Cass D. Optimal growth in an aggregate model of capital accumulation // Review of Economic Studies. 1965. Vol. 32. P. 233–240.

Frankel M. The Production Function in Allocation and Growth: a Synthesis // American Economic Review. 1962. Vol. 52. P. 996–1022.

García-Peñalosa C., Turnovsky S. J. Growth and Income Inequality: A Canonical Model // Economic Theory. 2006. Vol. 28. P. 25–49.

Griliches Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth // Bell Journal of Economics. 1979. Vol. 10. P. 92–116.

Kim H. H., Swanson N. R. Forecasting financial and macroeconomic variables using data reduction methods: New empirical evidence // Journal of Econometrics. 2014. Vol. 178. Р. 352–368.

Koopmans T. J. Objectives, constraints and outcomes in optimal growth models // Econometrica. 1967. Vol. 46. P. 185–200.

Li H., Xiao L., Ye J. Strong predictor-corrector Euler–Maruyama methods for stochastic differential equations with Markovian switching // Journal of Computational and Applied Mathematics. 2013. Vol. 237, issue 1. P. 5–17.

Loll T. Forecasting economic time series using locally stationary processes (a new approach with applications). Frankfurt am Main [u.a.], Lang, 2012. 138 p.

Lukas R. On the Mechanism of Economics Development // Journal of Monetary Economics. 1988. Vol. 22. P. 3–42.

Niederreiter H. Random number generation and quasi-Monte Carlo methods. Philadelphia, Pa: Society for Industrial and Applied Mathematics, 1992. 241 p.

Romer P. Increasing Returns and Long-Run Growth // Journal of Political Economy. 1986. Vol. 94. P. 1002–1037.

Smets F., Wouters R. An Estimated Dynamic Stochastic General Equilibrium Model of the Euro Area // Journal of European Economic Association. 2003. Vol. 1, no. 5. P. 1123–1175.

Tkacz Gr. Macroeconomic forecasting. London: Routledge, 2013. 288 p.

Turnovsky S. Optimal Stabilization Policies for Deterministic and Stochastic Linear System // Review of Economic Studies. 1973. Vol. 40, no. 121. P. 79–96.

Turnovsky S. J. Methods of Macroeconomic Dynamics. Cambridge: MIT Press, 2000. 671 p.

Turnovsky S. J. On the Role of Small Models in Macrodynamics // Journal of Economic Dynamics and Control. 2011.Vol. 35. P. 1605–1613.

Turnovsky S. J., Yu-chin Chen. Growth and Inequality Tradeoffs in a Small Open Economy // Journal of Macroeconomics. 2010. Vol. 32. Р. 497–514.

Waelde K. Production technologies in stochastic continuous time models // Journal of Economic Dynamics & Control. 2011.Vol. 35. P. 616–622.

Wu Fuke, Mao Xuerong, Kloeden P. E. Almost sure exponential stability of the Euler-Maruyama approximations for stochastic functional differential equations // Random Operators and Stochastic Equations. 2011. Vol. 19(2). Р. 165–186.


Translation of references in Russian into English

Bandi B. Metody optimizatsii. Vvodnyi kurs [Optimization methods. Introductory course] . Transl. from engl. Moscow, Radio i sviaz’ Publ., 1988. 128 p. (In Russian)

Barro R., Sala-i-Martin Kh. Ekonomicheskii rost [Economic Growth] . Transl. from engl. Moscow, BINOM. Laboratoriia znanii Publ., 2010. 824 p. (In Russian)

Blanshar O., Fisher St. Lektsii po makroekonomike [Lectures on Macroeconomics] . Transl. from engl. Moscow, Publ. House “Delo” RANKhiGS, 2014. 680 p. (In Russian)

Vadzinskii R. N. Spravochnik po veroiatnostnym raspredeleniiam [Handbook of probability distributions] . Moscow, Nauka Publ., 2001. 296 p. (In Russian)

Vorontsovskii A. V. Sovremennye podkhody k modelirovaniiu ekonomicheskogo rosta [Modern approaches to the modeling of economic growth]. Vestnik of Saint Petersburg University. Series 5. Economics, 2010, issue 3, pp. 105–119. (In Russian)

Vorontsovskii A. V., V’iunenko L. F. Postroenie traektorii razvitiia ekonomiki na osnove approksimatsii uslovii stokhasticheskikh modelei ekonomicheskogo rosta [Construction of Economic Development Trajectories by Approximating of Conditions of Stochastic models of Economic Growth]. Vestnik of Saint Petersburg University. Series 5. Economics, 2014, issue 3, pp. 123–147. (In Russian)

Vorontsovskii A. V., Dikarev A. Iu. Prognozirovanie makroekonomicheskikh pokazatelei v rezhime imitatsii na osnove stokhasticheskikh modelei ekonomicheskogo rosta [Forecasting macroeconomic indicators in simulation mode based on stochastic models of economic growth]. Finansy i Biznes, 2013, no. 2, pp. 33–51. (In Russian)

Vorontsovskii A. V., Lebedev T. A. Modelirovanie tekhnicheskogo razvitiia s uchetom diffuzii tekhniki i tekhnologii [Modeling of technological development based on the diffusion techniques and technology]. Finansy i biznes, 2015, issue 2, pp. 6–21. (In Russian)

Dougerti K. Vvedenie v ekonometriku: uchebnik [Introduction to Econometrics] . 2nd ed. Transl. from engl. Moscow, INFRA-M Publ., 2004. 432 p. (In Russian)

Ermakov S. M. Metod Monte-Karlo v vychislitel‘noi matematike [The Monte Carlo method in computational mathematics] . St. Petersburg, Nevskii Dialekt, Binom. Laboratoriia znanii Publ., 2009. 192 p. (In Russian) Kuznetsov D. F. Stokhasticheskie differentsial’nye uravneniia: teoriia i praktika chislennogo resheniia [Stochastic differential equations: theory and practice of numerical solution] . St. Petersburg, Publ. Politekhnicheskiy univ., 2007. 776 p. (In Russian)

Liuu Iu.-D. Metody i algoritmy finansovoi matematiki [Financial Engineering and Computation] . Transl. from engl. Moscow, BINOM. Laboratoriia znanii Publ., 2007. 751 p. (In Russian)

Modelirovanie ekonomicheskogo rosta v usloviiakh sovremennoi ekonomiki [Modeling economic growth in the modern economy] . Ed. by A. V. Vorontsovskii. St. Petersburg, St. Petersburg Univ. Press, 2011. 284 p. (In Russian)

Sovremennaia makroekonomika: izbrannye glavy: uchebnik [Modern macroeconomics: selected chapters] . Ed. by A. V. Vorontsovskii. Moscow, RG-Press, 2013. 408 p. (In Russian)

Stok Dzh., Uotson M. Vvedenie v ekonometriku [Introduction to Econometrics] . Transl. from engl. Moscow, Publ. House “Delo” RANKhiGS, 2015. 864 p. (In Russian)

Uikens M. Makroekonomicheskaia teoriia: podkhod dinamicheskogo obshchego ravnovesiia [Macroeconomic Theory: A Dynamic General Equilibrium Approach] . Transl. from engl. Moscow, Publ. House “Delo”, 2015. 736 p. (In Russian)

Brock W., Mirman L. Optimal Economic Growth under Uncertainty: Discounted Case. Journal Economic Theory, 1972, vol. 4 (3), pp. 479–513.

Cass D. Optimal growth in an aggregate model of capital accumulation. Review of Economic Studies, 1965, vol. 32, pp. 233–240.

Frankel M. The Production Function in Allocation and Growth: a Synthesis. American Economic Review, 1962, vol. 52, pp. 996–1022.

García-Peñalosa C., Turnovsky S. J. Growth and Income Inequality: A Canonical Model. Economic Theory, 2006, vol. 28, pp. 25–49.

Griliches Z. Issues in Assessing the Contribution of Research and Development to Productivity Growth. Bell Journal of Economics, 1979, vol. 10, pp. 92–116.

Kim H. H., Swanson N. R. Forecasting financial and macroeconomic variables using data reduction methods: New empirical evidence. Journal of Econometrics, 2014, vol. 178, pp. 352–368.

Koopmans T. J. Objectives, constraints and outcomes in optimal growth models. Econometrica, 1967, vol. 46, pp. 185–200.

Li H., Xiao L., Ye J. Strong predictor-corrector Euler-Maruyama methods for stochastic differential equations with Markovian switching. Journal of Computational and Applied Mathematics, 2013, vol. 237, issue 1, pp. 5–17.

Loll T. Forecasting economic time series using locally stationary processes (a new approach with applications). Frankfurt am Main [u.a.], Lang, 2012. 138 p.

Lukas R. On the Mechanism of Economics Development. Journal of Monetary Economics, 1988, vol. 22, pp. 3–42. Niederreiter H. Random number generation and quasi-Monte Carlo methods. Philadelphia, Pa, Society for Industrial and Applied Mathematics, 1992. 241 p.

Romer P. Increasing Returns and Long-Run Growth. Journal of Political Economy, 1986, vol. 94, pp. 1002–1037.

Smets F., Wouters R. An Estimated Dynamic Stochastic General Equilibrium Model of the Euro Area. Journal of European Economic Association, 2003, vol. 1, no. 5, pp. 1123–1175.

Tkacz Gr. Macroeconomic forecasting. London, Routledge, 2013. 288 p.

Turnovsky S. Optimal Stabilization Policies for Deterministic and Stochastic Linear System. Review of Economic Studies, 1973, vol. 40, no. 121, pp. 79–96.

Turnovsky S. J. Methods of Macroeconomic Dynamics. Cambridge, MIT Press, 2000. 671 p.

Turnovsky S. J. On the Role of Small Models in Macrodynamics. Journal of Economic Dynamics and Control, 2011, vol. 35, pp. 1605–1613.

Turnovsky S. J., Yu-chin Chen. Growth and Inequality Tradeoffs in a Small Open Economy. Journal of Macroeconomics, 2010, vol. 32, pp. 497–514.

Waelde K. Production technologies in stochastic continuous time models. Journal of Economic Dynamics and Control, 2011, vol. 35, pp. 616–622.

Wu Fuke, Mao Xuerong, Kloeden P. E. Almost sure exponential stability of the Euler-Maruyama approximations functional differential equations. Random Operators and Stochastic Equations, 2011, vol. 19(2), pp. 165–186.

Опубликован
2016-12-30
Как цитировать
Воронцовский, А. В., & Вьюненко, Л. Ф. (2016). Прогнозирование развития экономики на основе стохастической модели экономического роста с учетом точки поворота. Вестник Санкт-Петербургского университета. Экономика, (4), 004 - 032. https://doi.org/10.21638/11701/spbu05.2016.401
Выпуск
Раздел
Макроэкономические исследования

Наиболее читаемые статьи этого автора (авторов)

1 2 > >>