Voprosy_economiki_2021_09

ВСЕРОССИЙСКОЕ ЭКОНОМИЧЕСКОЕ ИЗДАНИЕ ™ ОРДЕНА ТРУДОВОГО КРАСНОГО ЗНАМЕНИ ЕЖЕМЕСЯЧНЫЙ ЖУРНАЛ ВЫХОДИТ С 1929 г. сентябрь 2021 Редакционная коллегия О.  И  .    А  наньин, Р.  С  .  Г  ринберг,  Н  .  И  .  И  ванова, А. Я  . К  отковский­ (исполняющий обязанности главного редактора), Я. И  . К  узьминов, В. А  . М  ау, А. Д  . Н  екипелов, Р. М  . Н  уреев, Г. Х  . П  опов, С. Н  . П  опов (ответственный­ секретарь)­, Вад. В  . Р  адаев, А. Я  .  Р  убин­штейн, Е. Г  . Я  син Х. Канамори (Япония), Гж. Колодко (Польша), Л. Конг (Китай), Л. Чаба (Венгрия), М. Эллман (Нидерланды), М. Эмерсон (Великобритания) МОСКВА

Voprosy  Ekonomiki [Issues  of  Economics] Since 1929 September 2021 EDITORIAL BOARD Oleg Ananyin Alexander Nekipelov National Research University Higher School Moscow School of Economics, of Economics, Russian Federation Lomonosov Moscow State University, Ruslan Grinberg Russian Federation Institute of Economics, Rustem Nureev Russian Academy of Sciences, National Research University Higher School Russian Federation of Economics, Russian Federation Natalya Ivanova Gavriil Popov Primakov Institute of World Economy and International University in Moscow, International Relations, R­ ussian Federation Russian Academy of Sciences, Sergey Popov (Executive Secretary) Russian Federation NP “Voprosy Ekonomiki”, Andrey Kotkovsky (Executive Editor) Russian Federation NP “Voprosy Ekonomiki”, Vadim Radaev Russian Federation National Research University Higher School Yaroslav Kouzminov of Economics, Russian Federation National Research University Higher School Alexander Rubinstein of Economics, Russian Federation Institute of Economics, Vladimir Mau Russian Academy of Sciences, Russian Presidential Academy of Russian Federation National Economy and Evgeny Yasin Public Administration, National Research University Higher School Russian Federation of Economics, Russian Federation Hisao Kanamori (Japan), Grzegorz Kolodko (Poland), Li Cong (China), László Csaba (Hungary­), Michael Ellman (Netherlands), Michael Emerson (Great Britain) AIMS AND SCOPE Voprosy Ekonomiki is a leading Russian economic journal. It publishes the top theoretical and empirical­ research on macroeconomic policies and institutional reforms in Russia. The journal also welcomes more general submissions dealing with the political economy of institutional change as well as economic sociology, economic history, regional economic studies, analysis of particular markets and industries, international economics, and history of economic thought. Voprosy Ekonomiki serves as an important forum for the Russian economic community. All articles are subject to a rigorous peer-review process. ISSN 0042-8736. Frequency: published monthly—12 Issues per year. Publisher: NP “Redaktsiya zhurnala ‘Voprosy Ekonomiki’”. Homepage: www.vopreco.ru. Email: [email protected] © 2021 NP “Voprosy Ekonomiki”. All rights reserved.

СОДЕРЖАНИЕ ДЕНЕЖНО-КРЕДИТНАЯ ПОЛИТИКА С. М. Дробышевский, П. В. Трунин, Е. В. Синельникова-Мурылева, Н. В. Макеева, А. М. Гребенкина — Оценка реальной нейтральной ставки процента в России в период инфляционного таргетирования............ 5 Д. П. Колесник, А. А. Пестова, М. Е. Мамонов — Шоки предложения банковского кредитования и потребление домашних хозяйств в России....... 24 О. Н. Семитуркин, А. А. Шевелев, М. И. Квактун — Анализ факторов гетерогенности и оценка структурных уровней инфляции в регионах России................................................................................................... 51 ВОПРОСЫ ТЕОРИИ Д. П. Фролов — Трансплантация экономических институтов: расширенная (постинституциональная) теория.......................................... 69 И. В. Березинец, А. Е. Иванов — Типология агентских моделей коррупции и кейс тоталитарной коррупции............................................... 109 ДИСКУССИОННЫЙ КЛУБ И. С. Иванченко — Новый неомеркантилизм как вызов для глобализированной экономики........................................................... 132 НАУЧНЫЕ СООБЩЕНИЯ Н. Н. Куницына, Е. И. Дюдикова — Цифровой рубль или рубль в цифровой среде: перспективы институциональных перемен...................... 149 https://doi.org/10.32609/0042-8736-2021-9 © НП «Вопросы экономики», 2021 3

CONTENTS MONETARY POLICY S. M. Drobyshevsky, P. V. Trunin, E. V. Sinelnikova-Muryleva, N. V. Makeeva, A. M. Grebenkina — Estimating a neutral real interest rate in Russia during inflation targeting..................................................... 5 D. P. Kolesnik, A. A. Pestova, M. E. Mamonov — Credit supply shocks and household consumption in Russia......................................................... 24 O. N. Semiturkin, A. A. Shevelev, M. I. Kvaktun — Analysis of the heterogeneity factors and assessment of the structural levels of inflation in Russian regions................................................................................... 51 ISSUES OF THEORY D. P. Frolov — Transplantation of economic institutions: An extended (post‑institutional) theory...................................................... 69 I. V. Beresinets, A. E. Ivanov — The typology of agency models of corruption and the totalitarian corruption case............................................ 109 DEBATING SOCIETY I. S. Ivanchenko — New neomercantilism as a challenge for a globalized economy. .............................................................................. 132 RESEARCH NOTES N. N. Kunitsyna, E. I. Dyudikova — Digital ruble or ruble in the digital system: Prospects for institutional change................................................... 149 https://doi.org/10.32609/0042-8736-2021-9 © 2021 NP “Voprosy Ekonomiki” 4

Вопросы экономики. 2021. № 9. С. 5—23. Voprosy Ekonomiki, 2021, No.  9, pp. 5—23. ДЕНЕЖНО-КРЕДИТНАЯ ПОЛИТИКА Оценка реальной нейтральной ставки процента в России в период инфляционного таргетирования* С. М. Дробышевский 1, П. В. Трунин 1,2, Е. В. Синельникова-Мурылева 2, Н. В. Макеева 2, А. М. Гребенкина 2 1 Институт экономической политики имени Е. Т. Гайдара (Москва, Россия) 2 Российская академия народного хозяйства и государственной службы при Президенте РФ (Москва, Россия) В работе оценивается величина краткосрочной реальной нейтральной став- ки процента в России после перехода к режиму инфляционного таргетирования. Представлен обзор теоретически обоснованных факторов, который демонстри- рует различие кратко- и долгосрочной реальной нейтральной ставки процен- та. Анализ оценок последней для разных стран показывает, что ее снижение в развитых и развивающихся странах обусловлено различными факторами. Проведен сравнительный анализ преимуществ и недостатков основных подходов к оценке величины реальной нейтральной ставки процента — с применением показателей финансового рынка, статистических методов и многоуровневых теоретических моделей. На основании многомерной модели ненаблюдаемых компонент для российской экономики сделан вывод о снижении краткосроч- ной реальной нейтральной ставки процента с 5 до 1% в 2016—2020 гг., а также о нейтральности денежно-кредитной политики в этот период. Дробышевский Сергей Михайлович ([email protected]), д. э. н., директор по научной работе Института Гайдара; Трунин Павел Вячеславович ([email protected]), д. э. н., директор Центра изучения проблем центральных банков Института прикладных экономических исследований (ИПЭИ) РАНХиГС, руководитель направления «Макроэкономика и финансы» Института Гайдара; Синельникова-Мурылева Елена Владимировна ([email protected]), к. э. н., с. н. с. Центра изучения проблем центральных банков ИПЭИ РАНХиГС; Макеева Наталья Владимировна ([email protected]), н. с. Центра изучения проблем центральных банков­ ИПЭИ РАНХиГС; Гребенкина Алина Михайловна ([email protected]), н. с  . Центра изучения проблем центральных банков ИПЭИ РАНХиГС. * С  татья подготовлена в рамках выполнения научно-исследовательской работы государст- венного задания РАНХиГС. https://doi.org/10.32609/0042-8736-2021-9-5-23 © НП «Вопросы экономики», 2021 5

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Ключевые слова: монетарная политика, реальная нейтральная ставка процента, модель ненаблюдаемых компонент, инфляционное таргетирование. JEL: C22, E43, E47, E52. Теоретическое обоснование реальной нейтральной ставки процента Концепция реальной нейтральной ставки процента (neutral rate of interest, NRI) в последние годы приобретает все большую попу- лярность. Согласно широко используемому определению новой кейн- сианской школы, реальная нейтральная ставка — это краткосрочная реальная ставка процента, достигаемая в экономике при потенциальном выпуске и в отсутствие номинальных жесткостей (Woodford, 2003). В краткосрочном периоде отклонение выпуска от потенциального со- пряжено с отклонением инфляции от долгосрочного оптимального уровня. В свою очередь, последнее сигнализирует об отклонении реаль- ной ставки процента центрального банка (ЦБ) от нейтрального уров- ня. Поскольку при режиме инфляционного таргетирования (ИТ) ЦБ управляет ключевой ставкой процента, учет NRI в монетарном правиле (см., например: Банк России, 2017) позволяет регулятору в явном виде контролировать отклонение фактической ставки процента от нейт­ ральной. Таким образом, NRI в терминах новой кейнсианской школы оказывается удобным инструментом оценки нейтральности денежно- кредитной политики (ДКП) в краткосрочном периоде, хотя расчет ненаблюдаемой величины NRI представляет собой сложную задачу. NRI в новом кейнсианском определении часто используется в моде- лях общего равновесия (см., например: Brubakk et al., 2018; Eggertsson, Mehrotla, 2014). Отдельным объектом исследования NRI выступает в рамках подходов австрийской и стокгольмской экономических школ, со- гласно которым реальная нейтральная ставка — это долгосрочная равно­ весная норма прибыли в экономике, определенная фундаментальными факторами (Wicksell, 1936; De-Juan, 2007; Salerno, 2016). В упрощенной форме различия кратко- и долгосрочной NRI показаны на рисунке 1. Кратко- и долгосрочная NRI Источник: составлено авторами. Рис. 1 6

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Как следует из сопоставления кратко- и долгосрочной NRI, под- ход новой кейнсианской школы, который предполагает колебание краткосрочной реальной нейтральной ставки процента относительно долгосрочной траектории, достаточно уязвим. Однако, согласно кри- тике нового кейнсианского подхода (Borio et al., 2019; Salerno, 2016; De‑Juan, 2007), расширение финансового сектора, особенно в разви- тых странах, приводит к тому, что ставка процента на рынке заем­ ных средств содержит все меньше информации о реальном секторе экономики. Увеличение разрыва между кратко- и долгосрочной NRI обусловлено в том числе и действиями самих ЦБ, которые в рамках программ количественного смягчения наращивают предложение фи- нансовых ресурсов посредством масштабных операций на открытом рынке, а значит, оказывают понижательное давление на краткосрочную NRI, тогда как долгосрочная NRI не подвержена этому влиянию1. В та- ком случае действия ЦБ на финансовых рынках делают концепцию краткосрочной NRI не только бесполезной, но и вредной на практике, например, если он отказывается выводить фактическую реальную ставку процента из области околонулевых значений, аргументируя это низкой краткосрочной NRI, а предельная производительность капитала реального сектора остается положительной (Salerno, 2016). Из изложенного следует, что кратко- и долгосрочная NRI сущест- венно различаются. Долгосрочная NRI определяется фундаменталь- ными, структурными факторами и в этом смысле выступает равно- весной, естественной ставкой процента в экономике; краткосрочная NRI находится под влиянием циклических факторов. Таким образом, последняя — именно нейтральная, не ускоряющая инфляцию став- ка процента, то есть NAIRI2. Теоретическое соответствие определений долго-­ и краткосрочной NRI, а также фактической реальной и номи- нальной ставок процента представлено в таблице 1. Таблица 1 Теоретическая декомпозиция наблюдаемой номинальной ставки процента с учетом предположений о долго- и краткосрочной реальной нейтральной ставке процента Наблюдаемая номинальная ставка процента Реальная ставка процента центрального банка ex ante Краткосрочная NRI = NAIRI + Реакция монетарных (реальная нейтральная ставка процента) властей на прочие факторы разрыва ­ Долгосрочная NRI + Прочие факто- выпуска и инфляции + Ожидаем­ ая (определяется фундамен- ры, вызывающие ин­фляция тальными структурными колебания на + запаздывание факторами, то есть реаль- рынке сбережений р­ еакции ная естественная ставка и инвестиций п­ роцента) + номинальные ­жесткости Источник: составлено авторами на основе: Grui et al., 2018; De-Juan, 2007. 1 Согласно позиции новой кейнсианской школы, ЦБ не оказывает воздействия на NRI, однако, как считают представители австрийской школы, может оказывать, будучи крупным участником рынка сбережений и инвестиций. 2 NAIRI (non-accelerating inflation rate of interest) — не ускоряющая инфляцию ставка процента. 7

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Заметно различаются и факторы кратко- и долгосрочной реальной нейтральной ставки процента (табл. 2). К числу факторов долгосрочной ставки относятся межвременные предпочтения экономических агентов, а также темп роста потенциального выпуска. Таблица 2 Механизмы действия факторов долго- и краткосрочной NRI Фактор NRI Механизм фактора Источник 1. Фундаментальные факторы NRI (или факторы долгосрочной NRI) Межвременные пред­ ↑ ценности будущего потребления → ↑ склонности Carrillo et al., почтения в потреблении к  сбережению → ↑ предложения сбережений → 2017 («терпеливость» общества) ↓ NRI Темп роста потенциально- ↑ темп роста потенциального выпуска → ↑ спроса Carrillo et al., го выпуска на инвестиции → ↑ NRI 2017 Факторы темпа роста потенциального выпуска Производительность ↑ факторной производительности или темпа роста­ факторов производства: научно-технического прогресса → ↑ отдачи от Okazaki, Sudo, изменение нейтральной капитала → ↑ стимула фирм к  инвестированию 2018 либо инвестиционно-­ → ↑ спроса на инвестиции → ↑ NRI специфической техно- ↑ факторной производительности или темпа рос- логии производства та научно-технического прогресса → снижение Eichengreen, относительной цены капитала → ↓ NRI 2015 ↑ доли молодого населения → ↑ доли активных Carvalho заемщиков → ↑ спроса на заемные средства → ↑ NRI et al., 2016 ↑ доли населения среднего возраста → Демографические ↑ доли активных сберегателей → Zhu, 2016 факторы ↑ предложения­сбере­жений → ↓ NRI ↑ ожидаемой продолжительности жизни → Okazaki, Sudo, ↑ склонности к  сбережению в  старшем возрасте 2018 → ↑ предложения сбережений → ↓ NRI 2. Прочие факторы NRI (или факторы краткосрочной NRI или NAIRI) Изменение инвестицион- ↓ аппетита инвесторов к риску → ↓ спроса Us, 2018 ного поведения на инвестиции → ↓ NRI Неполнота информации агентов о финансовом Асимметрия информации на финансовом рынке → Amato, 2005 рынке ↑ рост премии за риск вложения в активы → ↑ NRI Углубление национально- ↑ доступности финансовых инструментов, Teodoru, го финансового рынка ↑ защиты прав инвесторов → ↓ премии за риск Toktonalieva, вложения в активы → ↓ NRI 2020 Совершенствование Улучшение работы банковского канала механизма Okazaki, Sudo, (либо сбой) финансового денежной трансмиссии → ↑ спроса на заемные 2018 посредничества средства → ↑ NRI Усугубление неравенства ↑ концентрации богатства → ↑ сбережений богатых Eggertsson, доходов населения домохозяйств → ↑ предложения сбережений → ↓ NRI Mehrotra, 2014 Факторы NRI в открытой экономике Конвергенция ставок ↑ NRI страны — эмитента резервной валюты → и наличие глобального ↑ национальной NRI с поправкой на премию за Borio et al., «якоря» NRI страновой риск (при выполнении условия пари- 2019 тета процентных ставок) Глобальный финансовый дисбаланс и нехватка ↑ спроса на безопасные активы развитых стран безопасных активов со стороны стран с формирующимся рынком → Del Negro Глобальный финансовый ↑ предложения безопасных активов → et al., 2017 делеверидж (мировой ↓ NRI развитых стран экономический кризис) Шок ограничения величины долговой нагрузки («момент Мински», ужесточение финансовых Krustev, 2018 условий) → ↓ спроса на заемные средства → ↓ NRI Примечание. «↑» — увеличение показателя, «↓» — его снижение, «→» — «как следствие». Источник: составлено авторами. 8

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Межвременные предпочтения в потреблении расцениваются как ин- дикатор «терпеливости» общества. Чем большую ценность представляет будущее потребление, тем выше, при прочих равных условиях, склонность к сбережению и ниже долгосрочная NRI. Показатель межвременных предпочтений выступает ключевой детерминантой равновесной ставки процента на рынке капитала в модели роста Ф. Рамсея (Ramsey, 1928), а также в модели реального делового цикла Ф. Кидланда и Э. Прескотта (Kydland, Prescott, 1982). Большинство современных моделей общего равновесия учитывают данный показатель при определении NRI (см., например: Carrillo et al., 2017; Eggertsson, Mehrotra, 2014 и др.). Темп роста потенциального выпуска также влияет на долгосрочную NRI, поскольку в широком смысле определяет инвестиционный спрос и меняет равновесие на рынке сбережений и инвестиций. В свою оче- редь, темп роста потенциального выпуска зависит от динамики факторов производства — капитала, труда и технологии, поэтому их изменение тоже относится к факторам долгосрочной NRI (изменение инвестиционно-­ специфической либо нейтральной технологии, а также демографическая структура населения). На величину краткосрочной реальной нейтральной ставки процента влияют все факторы рынка сбережений и инвестиций, изменяющие премию за риск вложения в активы (например, степень полноты информации и защиты прав инвесторов на рынке, сбои или, наоборот, улучшение финансового посредничества и др.). Отдельно изучают глобальные факторы реальной нейтральной ставки процента. Они приводят к синхронному изменению NRI различ- ных стран в зависимости от фазы делового цикла. Также известным в литературе кросс-страновым фактором NRI выступает глобальный финансовый дисбаланс, подробно описанный Б. Бернанке (Bernanke, 2007). Оценка роли этих факторов имеет особое значение для малых открытых экономик, зависящих от трансграничных потоков капитала. Таким образом, факторы долгосрочной NRI более инертны, их влияние ощущается по мере изменения наделенности стран факторами производства, старения населения, роста ожидаемой продолжитель- ности жизни, а также изменения межвременных предпочтений в по- треблении. Краткосрочная NRI учитывает конъюнктурные изменения рынка сбережений и инвестиций. Ее использование при проведении ДКП позволяет центральному банку оперативно реагировать на разрыв выпуска и обеспечивать нейтральность ставки. Динамика реальной нейтральной ставки процента в разных странах Широкое распространение получила практика оценки NRI для стран, придерживающихся режима ИТ, прежде всего развитых. Т. Лаубах и Дж. Уильямс (Laubach, Williams, 2003) предложили методологию оценки, базирующуюся на полуструктурных моделях и применении фильтра Калмана (впоследствии она была доработана в работе: Holston et al., 2017) и позволяющую получить надежные оценки для стран с редкими структурными сдвигами и качественны- 9

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 ми статистическими данными. Тем не менее в последние годы NRI оценивают и для стран, не относящихся к числу развитых: Бразилия (Moreira, Portugal, 2019), Турция (Us, 2018), Индия (Behera et al., 2017), Мексика (Carrillo et al., 2017) и т. д., с применением как стан- дартного, так и альтернативных подходов. Согласно эмпирическим свидетельствам, в разных странах фак- торы NRI проявляются с неодинаковой интенсивностью, что должно сказываться на уровне NRI. Результаты оценки NRI для отдельных стран подтверждают существование разрыва в уровнях реальной нейт­ ральной ставки процента (табл. 3) в развитых странах и странах, не относящихся к их числу. Таблица 3 Оценка реальной нейтральной ставки процента в разных группах стран Развитые страны Страны, не относящиеся к числу развитых страна (работа) оценка NRI страна (работа) оценка NRI Норвегия 2003—2017 гг.: Киргизия 2003—2019 гг.: (Brubakk et al., снижение с 3 до 0% (Teodoru, снижение с 18% и стабили­ 2018) Toktonalieva, 2020) зация на уровне 4% Япония 1985—2017 гг.: Бразилия 1999—2018 гг.: (Okazaki, Sudo, снижение с 4 до 0—1% (Moreira, Portugal, снижение с 7 до 3,8 2018) 2019) либо 1,3% Швеция 1995—2017 гг.: Украина 2005—2018 гг. (Armelius et al., снижение с 3 до –2% (Grui et al., 2018) Рост до 13% к 2013 г., 2018) снижение до 2,5% в 2018 г. Польша, 1996—2017 гг.: Турция 2002—2015 гг.: Чехия, Венгрия снижение с 6 до 1% снижение с 10 до 2% (Stefański, 2018) в Чехии, до 3% в Польше, (Us, 2018) 6% в Венгрии США, Канада, 1961—2017 гг.: Индия 1999—2014 гг.: Великобритания, снижение с 3—5 до (Behera et al., снижение с 4 ЕС (Holston 0—1,5% 2017) до 1,6—1,8% et al., 2017) США 1960—2016 гг.: Мексика 2001—2016 гг.: (Del Negro et al., снижение с 2,5 до 1% (Carrillo et al., снижение с 3—4 2017) 2017) до 0—1% Развитые страны 1985—2015 гг.: Страны Латинской 2000—2012 гг.: снижение (Rachel, Smith, снижение в среднем Америки (Magud, в среднем по выборке на 2015) по группе стран на 4 п. п. Tsounta, 2012) 2 п. п. Источник: составлено авторами. Данные таблицы 3 также подтверждают, что снижение NRI наблю- дается и в развитых, и в развивающихся странах, несмотря на ее отличающиеся уровни, но оно обусловлено разными причинами. В раз- витых странах это снижение в большей степени связано с действием долгосрочных факторов: сильной склонностью к сбережению, высо- кой ожидаемой продолжительностью жизни, более низкими темпами экономического роста и факторной производительности, стагнацией НТП. В остальных странах роль фундаментальных факторов (рис. 2) не так заметна, и снижение NRI связывают, скорее, с действием про- чих факторов: устранением барьеров для трансграничного движения капитала, ростом доступности национальных финансовых рынков, снижением премии за страновой риск и др. 10

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Наблюдаемые факторы NRI в разных группах стран Примечание. WPR  — World Population Review; ILOSTAT  — International Labour Organization statistics. Источник: составлено авторами. Рис. 2 По данным Всемирной организации здравоохранения, в 2020 г. в число 30 стран — лидеров по ожидаемой продолжительности жизни вошли 27 развитых стран. Высокая ожидаемая продолжительность жизни, характерная для них, оказывает понижательное давление на NRI. Согласно данным ООН, в развитых странах доля молодого на- селения составляет 23%, а в наименее развитых — 51%. Напротив, 11

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 в первых доля населения старше 50 лет равна 39%, а во вторых — 12%. Это значит, что в менее развитых странах велика доля активных заем- щиков, а в развитых — активных сберегателей, что долгосрочно увели­ чивает разрыв в уровнях NRI в этих группах стран. К сохранению и углублению разрыва в уровне долгосрочной NRI ведет также темп роста населения: если в наименее развитых странах его усредненный темп остается стабильным на отметке более 2% в год, то в развитых он неуклонно снижается в течение последних 60 лет, составляя в настоя- щее время менее 0,3% в год. Другим важным теоретическим фактором NRI выступает темп рос- та потенциального выпуска. Согласно данным МВФ, спред темпов роста ВВП в двух группах стран достигает в среднем 2—3 п. п. Более высокие темпы роста менее развитых стран создают предпосылки для опере­ жающего увеличения факторной производительности и формируют­ повышательное давление на NRI. Аналогично, страны, не относящие­ ся к числу развитых, сохраняют потенциал роста NRI со стороны параметров рынка труда. В течение последних 20 лет спред уровней безработицы в этих группах стран составлял до 5 п. п. Снижение уров- ня безработицы по мере экономического роста менее развитых стран в будущем обеспечит большую факторную производительность, что, при прочих равных условиях, будет оказывать повышательное давление на NRI. Напротив, в группе развитых стран в последнее десятилетие безработица устойчиво снижается и в настоящее время приближается к естественному уровню (согласно оценкам в работе: Punnoose, Wong, 2018, в таких странах он находится в диапазоне 4—5,5%). Большое влияние на NRI оказывает неравенство. Как можно видеть на рисунке 2, среднее значение индекса Джини в развитых странах в 2020 г. составило 30,5 п., а в странах, не относящихся к их числу, — 40 п. В ряде работ (см.: Stefański, 2018; Eggertsson, Mehrotra, 2014), отмечено, что концентрация богатства у небольшой доли экономических агентов приводит к росту сбережений наиболее богатой части общества (при более равномерном распределении богатства часть этих сбережений была бы направлена на потребление). В результате предложение сбере- жений со стороны богатых домохозяйств снижает NRI. Иными словами, фактор неравенства в среднем оказывает более значимое понижательное давление на NRI в странах, не относящихся к числу развитых. Фактором NRI, специфичным для менее развитых стран, выступает­ наличие институциональных и финансовых ограничений. К первым можно отнести высокий уровень бюрократии, коррупции и недостаточ- ную защиту прав инвесторов, в том числе иностранных. Например, индекс восприятия коррупции составляет в среднем 69,4 п. в развитых странах и 36,8 п. — в остальных (по данным 2019 г.). Коррупция обусловливает повышенный страновой риск, что оказывает повыша- тельное давление на NRI в странах, не относящихся к числу развитых. К финансовым можно отнести наличие ограничений на транс- граничное движение капитала. Согласно данным индекса Kaopen (рассчитывается по методологии, представленной в работе: Chinn, Ito, 2008), 82% развитых стран характеризуются полной финансовой открытостью и отсутствием ограничений на трансграничное движе- 12

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 ние капитала. Среди стран, не относящихся к числу развитых, это характерно только для 20%. Ограничение трансграничного движения капитала и барьеры для входа иностранных инвесторов на внутренний рынок приводят к сохранению более высоких ставок процента в них. Неполная финансовая открытость менее развитых стран препятствует конвергенции ставок национальной и мировой экономик, закрепляя разрыв в уровне реальных нейтральных ставок. Ключевые факторы снижения NRI в двух группах стран обобщены в таблице 4. Исследование международного опыта, оценок и факторов NRI в странах, не относящихся к числу развитых, позволяет предположить, что схожие выводы о NRI могут быть справедливы и для России. В частности, вероятно снижение краткосрочной NRI в силу развития национального финансового рынка, снятия ограничений на трансгра- ничное движение капитала, снижения страновых рисков в широком смысле (маленького государственного долга, большого объема между- народных резервов и др.) на фоне повышения прозрачности ДКП при новом режиме инфляционного таргетирования. Для проверки данных гипотез оценим динамику краткосрочной реальной нейтральной ставки процента в России после перехода к указанному режиму. Таблица 4 Сравнение доминирующих факторов снижения NRI в разных группах стран Факторы снижения NRI Факторы снижения NRI в странах, в развитых странах не относящихся к числу развитых Хроническая избыточность сбережений: Развитие институтов: снижение коррупции, высокая склонность к сбережениям при бюрократии, повышение защиты прав инвес- низкой склонности к инвестированию торов (приводит к снижению премии за (Krugman, 1998) страновой риск и к росту спроса иностранных инвесторов) (Teodoru, Toktonalieva, 2020) Нехватка безопасных активов, высокий спрос Снятие ограничений на трансграничное движе- на активы развитых стран со стороны стран ние капитала (приводит к конвергенции NRI с формирующимся рынком (Bernanke, 2007) с развитыми странами) (Carrillo et al., 2017) Рост ожидаемой продолжительности жизни Углубление национального финансового и коэффициента демографической нагрузки рынка, повышение доступности финансовых (Okazaki, Sudo, 2018) инструментов (Magud, Tsounta, 2012) Более низкие темпы экономического роста Снижение величины и стоимости обслужи- и роста факторной производительности вания государственного долга (Reinhart, (Rachel, Smith, 2015) Rogoff, 2010) Стагнация научно-технического прогресса Сохранение социального неравенства (Fernald, Jones, 2014) (Stefański, 2018) Низкая премия за страновой риск (Holston Глобальное непринятие риска инвесторами­пос- et al., 2017) ле мирового финансового кризиса (Us, 2018) Рост значимости некапиталоемких компаний (Brubakk et al., 2018)* Общие факторы снижения NRI Конвергенция NRI стран, не имеющих ограничений на трансграничное движение капитала Конвергенция NRI стран со схожими факторами потенциального выпуска (Clarida, 2018) Смягчение ДКП стран — эмитентов резервных валют (Holston et al., 2017) * Согласно идее авторов упомянутой работы, в экономике развитых стран в последние десятилетия возрастала роль крупных предприятий сферы услуг, таких как Google и Amazon. Данные компании предъявляют меньший спрос на физические инвестиции (они не капиталоем- кие), что в определенной степени объясняет снижение реальной нейтральной ставки процента. Источник: составлено авторами. 13

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Оценка краткосрочной NRI для России В отечественной и зарубежной литературе имеется несколько иссле- дований, посвященных анализу реальной нейтральной ставки процента в России. Обзор ключевых работ и используемые при расчетах методы представлены в таблице 5. Полученные в исследованиях оценки значи- тельно варьируют: в разные годы NRI в России составляла от –3 до +5%. Таблица 5 Оценки реальной нейтральной ставки процента в России Работа Метод, данные Оценка NRI для России Банк России, Экспертная оценка 1—2% в 2020 г. 2020 Поршаков, Модель реального делового цикла Неопределенность Синяков, Полуструктурная модель для России (подход из: оценок­(широкие дове- 2019 Laubach, Williams, 2003), (2003—2015 гг.) рительные интервалы) Оценка на панельных данных для 30 стран –1,5—2,5% (1970—2014 гг.) 1% (0,7% для России на выборке 17 стран); широкие доверитель- ные интервалы Isakov, Оценка на выборке 14 стран с формирующимся рынком 1,5—2,5% Latypov, 2019 с использованием пятилетних средних значений оценок IMF, 2019 Полуструктурная модель для России (подход из: 2003 г.: 2—5% Laubach, Williams, 2003), (2003—2018 гг.) 2018 г.: 1—3% Графе и др., Новая кейнсианская модель общего равновесия 2007 г.: (–2,9%) 2018 для России как малой открытой экономики, 2017 г.: 3,4% метод максимального правдоподобия (1990—2017 гг.) Perrelli, Фильтр Ходрика—Прескотта (2002—2013 гг.) 2002 г.: 3,7% Roache, 2014 2008 г.: 0,3% 2013 г.: 1,1% Источник: составлено авторами. Некоторые из приведенных в таблице 5 оценок характеризуют- ся широкими доверительными интервалами, не позволяющими до- стоверно определить, находится NRI в положительной зоне или нет. Исследователи нередко подчеркивают сложность расчета NRI в стра- нах с формирующимся рынком (например, в случае Венгрии см.: Stefański, 2018 и Бразилии см.: Moreira, Portugal, 2019) и связывают это с недостаточным качеством национальной статистики, отсутствием продолжительного периода успешного таргетирования инфляции3 или с проблемой частых структурных сдвигов в экономике. В результате не все методы оценки NRI, успешно используемые для развитых стран, могут быть без ограничений применены для остальных. 3 Хотя NRI можно оценить для любого режима ДКП, именно в случае ИТ политика процентных ставок ориентирована на стабильность темпа роста цен. В этом случае фактическая ставка процента ЦБ будет приближена к краткосрочной NRI, и сама эта ставка процента будет наблюдаться в данных после их фильтрации. При прочих режимах ДКП фактическая ставка процента может сколь угодно отклоняться от SR (short-run, краткосрочной) NRI, и потребуются альтернативные методы ее оценки, помимо фильтрации. 14

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Можно выделить три группы подходов к вычислению реальной нейтральной ставки процента: — расчеты, основанные на показателях финансового рынка, с целью­ извлечь информацию о (ненаблюдаемой) реальной нейтральной ставке из наблюдаемых спредов между кратко- и долгосрочными процентными ставками; — оценка, основанная на теоретических моделях, как правило, динамического стохастического общего равновесия (DSGE); — статистические методы, которые варьируют от вычисления прос­тых исторических средних реальных процентных ставок, исхо- дя из предположения, что в среднем фактические ставки находятся на уровне или вблизи их равновесных значений, до более сложных статистических подходов и полуструктурных моделей. Анализ данных подходов свидетельствует о том, что результаты оценки реальной нейтральной ставки на основе показателей финансо- вого рынка (Basdevant et al., 2004; Bomfim, 2001) недостаточно точ- ны для аппроксимации рассматриваемого ненаблюдаемого показателя, поскольку не учитывают трения вне финансового рынка. Реализация модельного подхода сопряжена с многоуровневой оценкой и решением­ модели, из которой извлекаются оценки динамики нейтральной реаль- ной ставки (Neiss, Nelson, 2003). Однако соответствующие резуль- таты чувствительны как к спецификации самой модели, так и к ка- либровке ее параметров, поскольку получаются не непосредственно из нее, а путем усреднения показателей (Giammarioli, Valla, 2003). Статистические подходы, базирующиеся на сглаживании фактичес­ ких данных с помощью различных фильтров, решают обе проблемы. Оценка изменяющейся во времени реальной нейтральной процентной ставки, полученная таким методом, не обладает однозначной теоре- тической интерпретируемостью, в отличие от полученной на основе DSGE-моделей, но учитывает все фактически отражаемые данными реалии экономики (Laubach, Williams, 2003). Таким образом, именно группа статистических методов позволяет получить корректные оценки нейтральной реальной ставки для российской экономики. Класс статистических подходов, в свою очередь, можно разделить на методы, включающие, помимо сглаживания, полуструктурные моде- ли (Laubach, Williams, 2003; Wynne, Zhang, 2018; Wang, 2019), и на технические статистические методы (Basdevant et al., 2004; Cuaresma et al., 2004). Применение структурных моделей к странам с формирую­ щимся рынком связано с рядом проблем. В частности, при расчете реальной нейтральной процентной ставки сотрудники ЦБ Бразилии (Moreira, Portugal, 2019) отмечают, что даже расширенная специфи- кация модели Лаубаха и Уильямса (Holston et al., 2017) не полностью отражает экономику страны и требует значительно более жестких огра- ничений. В свою очередь, дальнейшее усложнение модели приводит к тому, что реализация подхода приближается к модельным DSGE- оценкам, то есть характеризуется высокой чувствительностью оценок к спецификациям и калибровке параметров. Эта проблема объясняется тем, что Лаубах и Уильямс позиционируют свою модель как подходя- щую для США и развитых стран, на что обращают внимание и другие 15

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 авторы. Например, отмечается, что в обсуждаемой структурной модели не учитывается премия за риск, которая важна для стран с формирую­ щимся рынком (Teodoru, Toktonalieva, 2020). Авторы уходят от этой проблемы, задавая уравнение реальной нейтральной процентной ставки случайным блужданием, а не суммой темпа роста потенциального ВВП и других факторов нейтральной ставки, что еще больше усиливает разрыв между теоретическим обоснованием и оценками NRI. В нашем исследовании мы будем опираться на методологию, из- ложенную в работе Национального банка Австрии (Cuaresma et al., 2003, 2004), и построим многомерную модель ненаблюдаемых ком- понент (multivariate UCM) (Harvey, 1990) для выделения динамики ненаблюдаемой компоненты — реальной нейтральной ставки процента. Рассмотрим вектор zt = (rt, yt, πt,)′, включающий данные о реальной про- центной ставке (rt), логарифмированном сезонно скорректированном ВВП (yt) и инфляции (πt). Выбранный подход заключается в аддитив- ном разложении данного вектора zt на трендовую (μt), циклическую (ϕt) и стохастическую (ut) составляющие: zt = μt  +  ϕt  +  ut, (1) где ut ~ NID(0, Σu). Компонента μt в уравнении (1) — это многомерная трендовая со- ставляющая, которая строится согласно предположению о сглаженном тренде (smooth trend): μt = μt –1  +  βt –1, (2) где снос (βt) выступает случайным блужданием: βt = βt –1  +  ξt, (3) а ξt ~ NID(0, Σϕ). Ошибка в спецификации тренда, представленная в уравнении (3), ξt, предполагается не коррелированной с μt, содер- жащейся в уравнении (1). Циклическая компонента задается как синусно-косинусная волна с изменяющимися во времени параметрами: ( ) [( ) ]( ) ( ) ϕt =ρ cos λ sin λ  ⨂I ϕt –1  +   ωt , (4) ϕt* –sin λ cos λ ϕ* ωt* t –1 где: (ωt, ωt* )′ ~ NID(0, I⨂Σω); ρ ∈ (0, 1); λ ∈ (0, π). Как и в случае спецификации трендовой составляющей, ошиб- ка в циклической компоненте предполагается не коррелированной с ошибками в других компонентах. Угловая частота, λ, и коэффициент затухания цикла, ρ, предполагаются не изменяющимися во времени и равными для всех переменных, составляющих вектор zt. Представленная структурная модель временных рядов позволяет использовать общие статистические характеристики каждого отдель- ного ряда из составляющих вектора zt одновременно, допуская при необходимости корреляцию между отдельными процессами ошибок в анализируемой ненаблюдаемой компоненте. Оценка параметров про- водится с использованием метода максимального правдоподобия после 16

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 декомпозиции ошибки прогноза с использованием фильтра Калмана (Kalman, 1960). Предсказанная моделью декомпозиция ошибок позво- ляет получить два вида оценок: сглаженные и фильтрованные оценки ненаблюдаемых состояний. При таком подходе сглаженные оценки ис- пользуют информацию, содержащуюся во всей выборке, инициализируя процесс сглаживания на полученном фильтрованном ряде данных, то есть выступая двухсторонними оценками. В то же время фильтрован- ные оценки формируют условные ожидания ненаблюдаемого состояния в момент времени t с использованием информации до t – 1 периода включительно, то есть их можно назвать односторонними оценками. Таким образом, модель UCM, в рамках которой будет извле- каться составляющая тренда из ex ante реальной процентной ставки, выступающ­ ей заменителем (прокси) для ненаблюдаемой реальной нейт­ ральной ставки, имеет следующую спецификацию: ( ) ( ) ( ) ( )πt μtπ ϕtπ utπ rt μtr ϕtr utr yt  = μty  +   ϕty  +   uty , (5) где: rt — ex ante квартальная реальная процентная ставка, выраженная в процентах годовых; yt — логарифм реального квартального ВВП; πt — квартальная инфляция, выраженная в процентах годовых; μtr — трендо- вая компонента, очищенная от циклических и стохастических составляю- щих ряда реальных ставок, интерпретируемая как реальная нейтральная процентная ставка; μty — трендовая компонента ряда реального ВВП, интерпретируемая как потенциальный уровень выпуска; μtπ — трендовая компонента ряда инфляции, интерпретируемая как трендовая инфляция. В уравнении (5) в качестве реального выпуска, yt, взят ряд кварталь- ного ВВП в ценах 2008 г.4 В качестве инфляции, πt, использован накоп­ ленный за четыре последних квартала прирост индекса потребительских цен. Реальная ставка процента, rt, получена на основе квартальной ставки MIACR при предположении об адаптивности инфляционных ожиданий. Все данные были взяты за период с I кв. 2004 г. по III кв. 2020 г. Как было отмечено выше, выбранный способ дает возможность сформировать как прогнозные оценки, так и сглаженную траекторию NRI. Таким образом, анализируемый временной промежуток позво- ляет получить оценки реальной нейтральной ставки процента с III кв. 2004 г. до IV кв. 2020 г. Продление временного ряда результатов на один дополнительный квартал объясняется тем, что фильтрованные оценки дают прогноз на шаг вперед, то есть в последней точке вы- борки по всем данным имеющегося ряда делается прогноз на IV кв. 2020 г., и уже из этой точки инициализируется процесс сглаживания. Результаты оценивания приведены в таблице 6. Для целей ДКП большой интерес представляют прогнозные оценки, которые можно получить на данных, имеющихся к текущему моменту. В то же время более точное приближение NRI дают имен- 4 Коррекция сезонности проводилась на основе процедуры сглаживания X13. 17

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Таблица 6 Количественная оценка NRI Последняя точка выборки (III кв. 2020 г.) Прогноз на квартал вперед (IV кв. 2020 г.) NRI доверительный интервал NRI доверительный интервал 1,44 –1,04—3,92 1,04 –1,94—4,03 Источник: расчеты авторов. но сглаженные, двухсторонние оценки, полученные на основе всей выборки. На рисунке 3 представлена односторонняя, фильтрованная оценка изменяющейся во времени реальной нейтральной ставки про- цента, а на рисунке 4 — сглаженная оценка, что позволяет нагляднее продемонстрировать различие между ними. Ex ante реальная процентная ставка, оценка NRI на один шаг вперед и 95%-й доверительный интервал (III кв. 2004 г. — IV кв. 2020 г., в % годовых) Источник: расчеты авторов. Рис. 3 Ex ante реальная процентная ставка, оценка NRI и 95%-й доверительный интервал (III кв. 2004 г. — IV кв. 2020 г., в % годовых) Источник: расчеты авторов. Рис. 4 18

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Отметим, что доверительный интервал для оценки на один шаг вперед шире, чем для итоговой оценки динамики реальной нейтраль- ной процентной ставки (см. рис. 4), что объясняется методологией расчета. При прогнозе на момент времени t  +  1 используются данные, известные только на момент t, что определяет широкие доверительные интервалы. На рисунке 4 показана динамика ex ante реальной ставки MIACR и полученной сглаженной оценки реальной краткосрочной нейтральной ставки процента — по сути, ставки NAIRI, то есть не ускоряющей и не замедляющей инфляцию. Хотя Банк России официально перешел к режиму ИТ только в нояб­ ре 2014 г., начиная с 2003 г. он публиковал ориентиры по инфляции, не беря на себя обязательства по их достижению. В этот период ЦБ РФ придерживался, скорее, режима таргетирования обменного курса рубля, а переход к новому режиму ДКП был постепенным и ускорился после кризиса 2008 г. Это позволяет интерпретировать отклонения реальной процентной ставки МИАКР от NRI как показатель жесткости/мягкости ДКП на всем исследуемом промежутке, несмотря на действовавший ре- жим. Согласно полученным результатам, краткосрочная NRI в России продолжительное время находилась в диапазоне отрицательных значе- ний (с начала периода исследований до 2012—2013 гг. с учетом довери- тельного интервала). Причиной этого выступали избыток внутренних сбережений благодаря притоку доходов от внешней торговли, в первую очередь от экспорта нефти, а в отдельные периоды — приток иностран- ного капитала и высокая инфляция (в среднем 11,3% в 2004—2008 гг.) в условиях мягкой ДКП. Как видно на рисунке 4, реальная процентная ставка находилась преимущественно внутри доверительного интервала оценки NRI, что не позволяло снизить инфляцию до отметки, кото- рую Банк России рассматривал в качестве ориентира. Иными словами, уровень процентных ставок был слишком низким, чтобы замедлить инфляцию в тот период. Жесткая ДКП наблюдалась в конце 2008 — начале 2009 г. и соот- ветствовала замедлению инфляции с 13,3% в 2008 г. до 8,8% в 2009 г., несмотря на резкое изменение условий внешней торговли России (па- дение мировых цен на нефть), а также обесценение рубля примерно на 25%. Следующий эпизод жестких монетарных условий отмечен в 2012 г. и связан с возникновением структурного дефицита ликвид- ности в российском банковском секторе. Начиная с 2013 г. NRI в России вышла в положительную зону, что может быть вызвано, с одной стороны, переходом к режиму ИТ и повышением роли ставок на межбанковском рынке для проведения ДКП, а с другой — нарастанием негативных процессов в экономике из‑за оттока капитала из страны, сжатия внутренних финансовых рын- ков и расчистки российской банковской системы. В 2014—2015 гг. рост NRI можно также объяснять ухудшением условий торговли (падение­ цен на нефть) и внешними финансовыми и экономическими санкциями. В итоге в 2016 г. NRI достигла 5%. С начала внедрения режима ИТ и объявления среднесрочной цели по инфляции на уровне 4% Банк России был вынужден резко ужесто- чить ДКП, поскольку первоначальный график снижения инфляции 19

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 был нарушен валютным кризисом в декабре 2014 г. и ее всплеском в 2015 г. В результате, как видно на рисунке 4, для снижения инфля- ции фактическая реальная ставка процента в первой половине 2015 г. оказалась примерно на 5 п. п. выше уровня NRI. Начиная с 2017 г. в России краткосрочная реальная нейтральная ставка процента снижалась с 5 до 1% в IV кв. 2020 г. Это в целом согласуется с результатами более ранних исследований (см., напри- мер: IMF, 2019; Isakov, Latypov, 2019; Поршаков, Синяков, 2019). Указанная тенденция связана с общемировым трендом ее снижения до околонулевых значений в развитых странах, а также с постепенным уменьшением премии за страновой риск (в частности, после перехода к режиму ИТ ставка CDS для России планомерно снижалась с 600 п. в начале 2015 г. до 100—150 п. в 2017—2021 гг.) в условиях более предсказуемой и прозрачной ДКП (Банк России, 2020). Согласно ри- сунку 4, уже во второй половине 2015 г. реальные процентные ставки находились в пределах доверительного интервала NRI, то есть Банк России проводил преимущественно нейтральную ДКП. Заключение Реальная нейтральная ставка процента выступает важной концепцией­ макроэкономической теории. Исследование NRI — нетривиальная задача как с теоретической (из-за существенных различий долго- и краткосроч- ной NRI), так и с практической точек зрения (по причине ненаблюдае­ мости показателя). Анализ теоретических факторов NRI и странового опыта показывает, что в последние годы реальная нейтральная ставка процента в большинстве стран имеет тенденцию к снижению. Оценка модели ненаблюдаемых компонент для России также подтверждает вывод о снижении краткосрочной NRI в нашей стране после перехода к режиму инфляционного таргетирования, что согласуется с результатами иссле- дований краткосрочной NRI в других развивающихся странах. Форсирование формального перехода к режиму ИТ в России было обусловлено кризисом второй половины 2014 г., вынудившим Банк России перейти к жесткой ДКП, которая затем, согласно полученным оценкам, постепенно становилась нейтральной. Наша оценка кратко- срочной NRI для России на уровне 1% к началу 2021 г. согласуется с заявленным Банком России уровнем реальной нейтральной ставки, а также с результатами других оценок. Снижение краткосрочной NRI за 2020 г. составило 1,5 п. п., что можно объяснить ростом сбережений исходя из мотива предосторожности, в ситуации повышенной неопре- деленности вследствие распространения COVID-19 и сопутствующих ограничений. В отсутствие экзогенных макроэкономических и финансовых шо- ков реальная нейтральная ставка процента, скорее всего, останется на уровне 1—1,5%, по крайней мере в среднесрочном периоде. Таким образом, значение ключевой ставки процента, соответствующей нейт­ ральной, с учетом цели по инфляции на уровне 4% в настоящее время составляет 5—5,5%. 20

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Список литературы / References Банк России (2017). Концепция макропруденциального стресс-тестирования. Доклад для общественных консультаций. [Bank of Russia (2017). Macroprudential stress testing concept. Report for public consultations. (In Russian).] Банк России (2020). Основные направления единой государственной денежно-кредит- ной политики на 2021 год и период 2022 и 2023 годов. [Bank of Russia (2020). Monetary policy guidelines for 2021—2023. (In Russian).] Графе К., Грут С., Ригон Л. (2018). Нейтральные процентные ставки в странах СЕЕМЕА: Движение в унисон с глобальными факторами // Деньги и кредит. Т. 77, № 1. С. 6—25. [Grafe C., Grut S., Rigon L. (2018). Neutral rates in CEEMEA — moving in tandem with global factors. Russian Journal of Money and Finance, Vol. 77, No. 1, pp. 6—25. (In Russian).] http://doi.org/10.31477/ rjmf.201801.06 Поршаков А., Синяков А. (2019). Оценки равновесной процентной ставки для России: полезна ли «навигация по звездам»? // Деньги и кредит. Т. 78, № 4. С. 3—47. [Porshakov A., Sinyakov A. (2019). Estimates of the equilibrium interest rate for Russia: Is ‘navigating by the stars’ useful? Russian Journal of Money and Finance, Vol. 78, No. 4, pp. 3—47. (In Russian).] http://doi.org/10.31477/rjmf.201904.03 Amato J. (2005). The role of the natural rate of interest in monetary policy. BIS Working Paper, No. 171. https://doi.org/10.2139/ssrn.699221 Armelius H., Solberger M., Spanberg E. (2018). Is the Swedish neutral interest rate affected by international developments? Sveriges Riksbank Economic Review, No. 1, pp. 22—37. Basdevant O., Björksten N., Karagedikli Ö. (2004). Estimating a time varying neutral real interest rate for New Zealand. Reserve Bank of New Zealand Discussion Paper Series, No. 2004/01. Behera H., Pattanaik S., Kavediya R. (2017). Natural interest rate: Assessing the stance of India’s monetary policy under uncertainty. Journal of Policy Modeling, Vol. 39, No. 3, pp. 482—498. http://doi.org/10.1016/j.jpolmod.2017.03.002 Bernanke B. (2007). Global imbalances: Recent developments and prospects. Board of Governors of the FRS Speech, No. 317. Bomfim A. (2001). Measuring equilibrium real interest rates: What can we learn from yields on indexed bonds? Journal of Fixed Income, Vol. 11, No. 3, pp. 61—69. https://doi.org/10.3905/jfi.2001.319306 Borio C., Disyatat P., Rungcharoenkitkul P. (2019). What anchors for the natural rate of interest? BIS Working Paper, No. 777. Brubakk L., Ellingsen J., Robstad Ø. (2018). Estimates of the neutral rate of interest in Norway. Norges Bank Staff Paper, No. 7. Carrillo J., Elizondo R., Rodriguez-Perez C. (2017). What determines the neutral rate of interest in an emerging economy? Banco de Mexico Working Paper, No. 22. Carvalho C., Ferrero A., Nechio F. (2016). Demographics and real interest rates: Inspecting the mechanism. European Economic Review, Vol. 88, pp. 208—226. https://doi.org/10.1016/j.euroecorev.2016.04.002 Chinn M., Ito H. (2008). A  new measure of financial openness. Journal of Comparative Policy Analysis, Vol. 10, No. 3, pp. 309—322. https://doi.org/ 10.1080/13876980802231123 Clarida R. (2018). The global factor in neutral policy rates: Some implications for exchange rates, monetary policy and policy coordination. BIS Working Paper, No. 732. Cuaresma J., Gnan E., Ritzberger-Gruenwald D. (2003). Searching for the natural rate of interest: A euro area perspective. Oesterreichische Nationalbank Working Paper, No. 84. Cuaresma J., Gnan E., Ritzberger-Gruenwald D. (2004). Searching for the natural rate of interest: A euro area perspective. Empirica, Vol. 31, No. 2—3, pp. 185—204. https://doi.org/10.1007/s10663-004-0914-5 21

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 De-Juan O. (2007). The conventional versus the natural rate of interst: Implications for central bank autonomy. Journal of Post Keynesian Economics, Vol. 29, No. 4, pp. 645—666. https://doi.org/10.2753/PKE0160-3477290406 Del Negro M., Giannone D., Giannoni M., Tambalotti T. (2017). Safety, liquidity, and the natural rate of interest. Brookings Papers on Economic Activity, No. 1, pp. 235—316. http://doi.org/10.1353/eca.2017.0003 Eggertsson G., Mehrotra N. (2014). A model of secular stagnation. NBER Working Paper, No. 20574. https://doi.org/10.3386/w20574 Eichengreen B. (2015). Secular stagnation: The long view. NBER Working Paper, No. 20836. https://doi.org/10.3386/w20836 Fernald J., Jones C. (2014). The future of US economic growth. American Economic Review, Vol. 104, No. 5, pp. 44—49. https://doi.org/10.1257/aer.104.5.44 Giammarioli N., Valla N. (2003). The natural real rate of interest in the euro area. European Central Bank Working Paper Series, No. 233. Grui A., Lepushnskyi V., Nikolaychuk S. (2018). A neutral real interest rate in the case of a small open economy: Application to Ukraine. Visnyk of the National Bank of Ukraine, No. 243, pp. 4—20. http://doi.org/10.26531/vnbu2018.243.004 Harvey A. (1990). Forecasting, structural time series models and the Kalman filter. New York: Cambridge University Press. Holston K., Laubach T., Williams J. (2017). Measuring the natural rate of interest: International trends and determinants. Journal of International Economics, Vol. 108, pp. 559—575. http://doi.org/10.1016/j.jinteco.2017.01.004 IMF (2019). Russian Federation. Selected issues. IMF Country Report, No. 19/260. Isakov A., Latypov R. (2019). The Ibsen manoeuvre: Yet another R* estimate. VTB Capital Research Alert, July 15. Kalman R. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, Vol. 82, pp. 35—45. https://doi.org/10.1115/1.3662552 Krugman P. (1998). It’s Baaack: Japan’s slump, and the return of the liquidity trap. Brookings Papers on Economic Activity, No. 2, pp. 137—205. https://doi.org/ 10.2307/2534694 Krustev G. (2018). The natural rate of interest and the financial cycle. ECB Working Paper, No. 2168. Kydland F., Prescott E. (1982). Time to build and aggregate fluctuations. Econometrica, Vol. 50, No. 6, pp. 1345—1370. https://doi.org/10.2307/1913386 Laubach T., Williams J. (2003). Measuring the natural rate of interest. Review of Economics and Statistics, Vol. 85, No. 4, pp. 1063—1070. https://doi.org/ 10.1162/003465303772815934 Magud N., Tsounta E. (2012). To cut or not to cut? That is the (central bank’s) question. IMF Working Paper, No. WP/12/243. https://doi.org/10.5089/9781475512502.001 Moreira J., Portugal M. (2019). Natural rate of interest estimates for Brazil after adop- tion of the inflation-targeting regime. Bank of Brazil Staff Paper. Neiss K., Nelson E. (2003). The real interest rate gap as an inflation indicator. Macroeconomic Dynamics, Vol. 7, No. 2, pp. 239—262. http://doi.org/10.1017/ S1365100502020011 Okazaki Y., Sudo N. (2018). Natural rate of interest in Japan — measuring its size and identifying drivers based on a DSGE model. Bank of Japan Working Paper Series, No. 18. Perrelli P., Roache S. K. (2014). Time-varying neutral interest rate — the case of Brazil. IMF Working Paper, No. WP/14/84. https://doi.org/10.5089/9781484385210.001 Punnoose J., Wong M. (2018). Estimating the NAIRU and the natural rate of unemploy- ment for New Zealand. Reserve Bank of New Zealand Analytical Notes, No. 2498. Rachel L., Smith T. (2015). Secular drivers of the global real interest rate. Bank of England Staff Working Paper, No. 571. https://doi.org/10.2139/ssrn.2702441 Ramsey F. (1928). A mathematical theory of saving. Economic Journal, Vol. 38, No. 152, pp. 543—559. https://doi.org/10.2307/2224098 Reinhart C., Rogoff F. (2010). Growth in a time of debt. NBER Working Paper, No. 15639. https://doi.org/10.3386/w15639 22

С. М. Дробышевский и др. / Вопросы экономики. 2021. № 9. С. 5—23 Salerno T. (2016). The Fed and Bernanke are wrong about the natural interest rate. Mises Institute Wires, June 26. https://mises.org/wire/fed-and-bernanke-are- wrong-about-natural-interest-rate Stefański M. (2018). Natural rate of interest in a small open economy with application to CEE countries. Narodowy Bank Polski Workshop, June 18. https://www.nbp. pl/badania/konferencje/2018/summer/papers/11_Stefanski_M.pdf Teodoru R., Toktonalieva A. (2020). Estimating the neutral interest rate in the Kyrgyz Republic. IMF Working Paper, No. 20/87. https://doi.org/10.5089/9781513536934.001 Us V. (2018). Measuring the natural interest rate for the Turkish economy. International Journal of Central Banking, Vol. 14, No. 1, pp. 259—316. Wang B. (2019). Measuring the natural rate of interest of China: A time varying per- spective. Economics Letters, Vol. 176, pp. 117—120. https://doi.org/10.1016/ j.econlet.2019.01.011 Wicksell K. (1936 [1898]). Interest and prices. London: Royal Economic Society. Woodford M. (2003). Interest and prices: Foundations of a theory of monetary policy. Princeton University Press. Wynne M., Zhang R. (2018). Estimating the natural rate of interest in an open economy. Empirical Economics, Vol. 55, No. 3, pp. 1291—1318. http://doi.org/10.1007/ s00181-017-1315-5 Zhu F. (2016). Understanding the changing equilibrium real interest rates in Asia-Pacific. BIS Working Paper, No. 567. Estimating a neutral real interest rate in Russia during inflation targeting Sergey M. Drobyshevsky 1, Pavel V. Trunin 1,2, Elena V. Sinelnikova-Muryleva 2,*, Natalja V. Makeeva 2, Alina M. Grebenkina 2 Authors affiliation: 1 Gaidar Institute for Economic Policy (Moscow, Russia); 2 Russian Presidential Academy of National Economy and Public Administration (Moscow, Russia). * Corresponding author, email: [email protected] The article aims to estimate a short-term neutral real interest rate (NRI) in Russia after transition to inflation targeting. The article provides a review of theoretical factors, which demonstrates the difference between short-term and long-term neutral real interest rate. The following analysis of estimates of NRI in different countries shows that its decline in developed and developing countries is due to various factors. Further, the article provides a comparative analysis of advantages and disadvantages of three main approaches to NRI estimation: using financial market indicators, statistical methods and multilevel theoretical models. Based on multivariate unobserved components model (UCM) for the Russian economy, the article concludes that the short-term NRI decreased from 5 to 1% in 2016—2020, whereas monetary policy was predominantly neutral. Keywords: monetary policy, neutral real interest rate, unobserved compo- nents model, inflation targeting. JEL: C22, E43, E47, E52. 23

Вопросы экономики. 2021. № 9. С. 24—50. Voprosy Ekonomiki, 2021, No.  9, pp. 24—50. Шоки предложения банковского кредитования и потребление домашних хозяйств в России* Д. П. Колесник 1, А. А. Пестова1,2, М. Е. Мамонов1,2 1 Московский государственный институт международных отношений (университет) МИД России (Москва, Россия) 2 CERGE-EI, Карлов университет (Прага, Чехия) В работе проводится сравнительный анализ реакции различных групп потребителей на шоки предложения банковского кредитования. В качестве параметров гетерогенности потребителей рассматриваются различия в фор- ме владения жильем (владельцы жилья с ипотекой и без нее и арендаторы) и в виде кредита — домохозяйства с крупным долгом (ипотекой, автокреди- том), домохозяйства с умеренным (потребительским) кредитом и без кредитов. Для эмпирического анализа используются данные лонгитюдного панельного обследования домохозяйств RLMS-HSE НИУ ВШЭ за 2006—2019 гг., охва- тывающие два эпизода кредитного кризиса и посткризисного восстановления. Шоки предложения банковского кредитования оцениваются при помощи стан- дартной модели структурной векторной авторегрессии (SVAR), в которой иден- тифицируются шоки совокупного спроса и предложения и шоки монетарной политики. При положительном шоке предложения банковского кредитования, эквивалентном сокращению процентной ставки по кредитам на 0,5 п. п., домо- хозяйства с ипотекой увеличивают свое потребление на 2,1—2,5% больше, чем владельцы жилья без ипотеки. Обнаруженный эффект существен, поскольку среднегодовые темпы прироста потребления домашних хозяйств с ипотекой в выборке составляют 3,8%. Результаты указывают на то, что макропру- Колесник Дарья Павловна ([email protected]), эксперт Центра ис- следований международной экономики Института международных исследо- ваний (ИМИ) МГИМО; Пестова Анна Андреевна ([email protected]), к. э. н., с. н. с. Центра исследований международной экономики ИМИ МГИМО, PhD-кандидат CERGE-EI, Карлов университет; Мамонов Михаил Евгеньевич ([email protected]), к.  э.  н., директор, старший научный сотрудник Центра исследований международной экономики ИМИ МГИМО, PhD-кандидат CERGE-EI, Карлов университет. * А  вторы выражают благодарность анонимным рецензентам, чьи замечания и  предложения позволили существенно улучшить статью. https://doi.org/10.32609/0042-8736-2021-9-24-50 © НП «Вопросы экономики», 2021 24

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 денциальная политика Банка России, в которой инструментом выступают контрциклические буферы капитала (Базель-III), может быть эффективной в сглаживании потребления домашних хозяйств с задолженностью по ипотеке. Ключевые слова: кредиты населению, ипотека, потребление, агрегиро- ванные шоки, опросные данные РМЭЗ НИУ ВШЭ, модели SVAR. JEL: E21, E51. В последние 15 лет в российской экономике наблюдаются перио­ дические бумы розничного кредитования, в результате чего доля кредитов населению в ВВП выросла за это время на 10 п. п. (до 16% ВВП к концу 2019 г., накануне кризиса из-за пандемии COVID-19), что неоднократно вызывало обеспокоенность со стороны Банка России и профессиональ- ного сообщества. В связи с этим возникает вопрос о том, как подобные розничные кредитные бумы, сопровождающиеся масштабным наращива- нием банками предложения кредитов, влияют­на потребление домашних хозяйств. Насколько может быть эффективна передача положительных шоков банковского кредитования в экономику через канал потребления домохозяйств? Более того, как различаетс­я действие этого канала, если учесть гетерогенность домохозяйств по критериям наличия/отсутствия собственности на жилье и по виду кредита (потребительский, ипотечный и т. д.)? Этим вопросам и посвящается данная работа. Влияние макроэкономических шоков на потребительское поведе- ние домашних хозяйств давно стало объектом теоретических и эмпи- рических исследований, однако вопросу гетерогенности потребителей до недавнего времени не уделялось большого внимания. В последние годы изучение гетерогенности и неравенства домохозяйств в потреб­ лении и доходах находится в центре внимания исследователей. Это произошло в том числе потому, что в современной макроэкономической науке произошел отказ от предпосылки о «репрезентативном агенте» и признано, что распределение потребителей влияет на трансмиссию агрегированных шоков (Krueger et al., 2016; Kaplan, Violante, 2018). В ряде зарубежных исследований показано, что потребители могут по-разному реагировать на макроэкономические шоки в зависимости от уровня своего богатства или ликвидности активов. Например, бедные группы населения иначе реагируют на фискальные шоки по сравнению с богатыми потребителями: в ответ на положительный фискальный шок бедные наращивают потребление (в соответствии с классической моделью IS-LM), а богатые — сокращают (как предсказывается в мо- дели RBC) (Anderson et al., 2016). Данные по США показывают, что бедные домохозяйства сильнее изменяют потребление в ответ на шоки государственных расходов (De Giorgi, Gambetti, 2012). Домохозяйства с ограниченным ликвидным богатством больше изменяют склонность к потреблению при шоках дохода по сравнению с богатыми потреби- телями (Christelis et al., 2019). Чуть более дробное — и важное для целей нашего исследования — деление домашних хозяйств анализируется в работе Г. Каплана и соав- торов (Kaplan et al., 2014), на основе данных по США выделяющих три группы потребителей: бедных, богатых и «богатых бедняков» (wealthy 25

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 hand-to-mouth) в зависимости от уровня ликвидного и неликвидного богатства. Потребители из разных групп имеют различную склонность к потреблению и по-разному реагируют на шоки дохода. Бедные не имеют ни ликвидного, ни неликвидного богатства. Богатые обладают и тем, и другим. «Богатые бедняки» имеют высокий уровень нелик- видного богатства, но низкий уровень ликвидного. Например, к ним можно отнести людей, имеющих недвижимость в ипотеке. Именно эта группа, по мнению авторов, характеризуется самой высокой склон- ностью к потреблению. Наблюдаемые различия в реакции групп по- требителей теоретически обосновываются с помощью модели HANK (Heterogenous Agents New Keynesian model) — новой кейнсианской модели с гетерогенными агентами (Kaplan, Violante, 2018). Поскольку определить богатство домохозяйства или индивидов часто не представляется возможным, исследователи используют раз- личные приближения или переменные-заменители (proxy) для клас- сификации потребителей. Например, группы потребителей аппрокси- мируются по форме владения жильем: владельцы жилья без ипотеки классифицируются как богатые, арендаторы — как бедные, а имеющие ипотеку — как «богатые бедняки» (Cloyne et al., 2020). Заемщики с ипотекой наиболее сильно реагируют на монетарные шоки; арен- даторы реагируют меньше; владельцы жилья, не имеющие ипотеки, вообще не меняют свое потребление в значимых объемах. Согласно аналогичному результату, «богатые бедняки» сильнее реагируют на монетарные шоки по сравнению с бедными при разных уровнях дол- говой нагрузки (Ozkan et al., 2017). Однако различие в реакции потребителей разного типа на шоки не всегда подтверждается. Например, эмпирически показано, что при контроле на параметры композиции выборки различия между груп- пами бедных и богатых в реакции на монетарные шоки отсутствуют (Kehoe et al., 2020). Исследования реакции потребителей на монетарные шоки и шоки предложения банковского кредитования преимущественно основаны на данных по США, Великобритании или странам Европы, а для России подобные исследования практически не проводились. Существующие работы по российским данным (Баташев, 2016; Ниворожкина, 2014, 2016) посвящены прямому влиянию кредитов или величины выплат на потребление, но влияние шоков кредитного предложения, то есть экзогенной вариации в динамике готовности банков кредитовать, и тем более через призму гетерогенности потребителей — еще не получило должной разработки. Мы рассматриваем две классификации гетерогенности потреби- телей: по форме владения жильем (Cloyne et al., 2020), а также по виду кредита, чтобы оценить, существуют ли различия в реакции разных групп на шоки банковского кредитования. Эти шоки (ина- че называемые кредитными шоками) выделяются на основе модели структурной векторной авторегрессии SVAR (Gambetti, Musso, 2017). Предположительно, потребители, имеющие ипотеку или не владею- щие собственным жильем (арендаторы), будут сильнее реагировать на шоки кредитного предложения, а владельцы жилья без ипотеки 26

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 должны реагировать меньше. Однако возможно, что на потребитель- ское поведение влияет наличие большого кредита любого типа, не только ипотеки, поэтому мы также различаем виды кредита, сравни- вая реакцию домохозяйств без кредита, с потребительским кредитом, ипотекой и автокредитом. Мы предполагаем, что люди с ипотекой или автокредитом в силу большей величины задолженности, а также из-за низкого уровня ликвидности активов будут сильнее реагировать на положительные шоки кредитного предложения, так как последние позволяют рефинансировать долг и улучшить финансовое положение домохозяйства в краткосрочном периоде. Соответственно, домохозяйст- ва без кредитов предположительно характеризуются самой слабой реакцией. Для проверки предположений применяются дескриптив- ный и регрессионный анализ с использованием опросных данных RLMS‑HSE по российским домохозяйствам, публикуемых НИУ ВШЭ. Согласно нашим результатам, положительный шок предложения банковского кредитования стимулирует потребление домохозяйств на значительном уровне и при этом в реакции домохозяйств присутствует гетерогенность. При положительном шоке предложения банковского кре- дитования, эквивалентном сокращению процентной ставки по кредитам на 0,5 п. п., домохозяйства с ипотекой увеличивают свое потребление на 2,1—2,5% больше, чем владельцы жилья без ипотеки. Этот эффект эквивалентен 2/3 от среднего значения годового темпа прироста потреб- ления группы домашних хозяйств с ипотекой. Также домохозяйства с крупными кредитами (ипотекой, автокредитом) статистически значимо реагируют на шок кредитного предложения, в отличие от домохозяйств без кредита или с небольшим (потребительским) кредитом. Результаты исследования могут быть полезны для монетарных властей, имеющих возможность мерами микро- и макропруденциаль- ной политики оказывать влияние на кредитную политику банковского сектора. В частности, наш результат о наличии существенного воздей- ствия положительного шока банковского кредитования на потребление домашних хозяйств с ипотекой указывает на то, что контрцикличес­ кие буферы капитала, вводимые в рамках стандарта регулирования Базель‑III, могут быть эффективны в сглаживании колебаний потреб- ления и бизнес-цикла в целом. Эмпирический дизайн Влияние монетарных шоков на потребление гетерогенных домо- хозяйств шире освещено в литературе, чем влияние шоков кредитного предложения, на котором сосредоточен наш анализ. В связи с этим мы опираемся на работы о влиянии монетарных шоков (Cloyne et al., 2020; Ozkan et al., 2017; Kehoe et al., 2020 и др.) для выбора эмпи- рической стратегии оценок. Под монетарным шоком понимается шок денежно-кредитной политики, в основном связанный с неожиданным изменением ключевой ставки или валютного курса. Шок кредитного предложения включает неожиданное изменение условий кредитова- ния: изменение ставок по кредитам, условий выдачи кредитов, тре- 27

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 бований к заемщикам и т.  д. Мы идентифицируем и используем для эмпирических оценок положительный шок кредитного предложения и сдерживающий монетарный шок (см. ниже). При моделировании мы хотим избежать ситуации, когда в мо- дели потребления учитывается только эффект от кредитного шока и упускаетс­ я из виду эффект от монетарного шока. Проблема в том, что в таком случае эффект от кредитного шока оказался бы смещен- ным, так как он также улавливал бы эффект от монетарного шока, определяющего базовую цену заемных средств в экономике (или сме- шивался бы с этим эффектом). Действительно, на данных по Великобритании и/или США по- казано, что потребление различных категорий домашних хозяйств существенно зависит от монетарного шока (Cloyne et al., 2020; Kehoe et al., 2020; Wong, 2018). Поэтому мы будем специфицировать модель потребления, в которой кредитный шок будет входить в состав объ- ясняющих переменных наряду с монетарным шоком. Если в такой спецификации кредитный шок окажется статистически значимым, это будет указывать на то, что он имеет добавленную стоимость при объяснении наблюдаемой вариации в потреблении; если нет, то его эффект полностью абсорбируется монетарным шоком. В рамках выбранной таким образом модели потребления даль- нейший анализ гетерогенности реакции потребителей разного типа на шоки предложения банковского кредитования в данной работе состоит из двух частей: дескриптивной и регрессионной. В рамках дескрип- тивного анализа мы сопоставляем характеристики групп потребите- лей на основе двух классификаций: по форме владения жильем и по виду кредита. Сопоставление денежных и неденежных характеристик различных групп дает представление о гетерогенности потребителей и возможности различий в их реакции на шоки предложения банков- ского кредитования. Регрессионный анализ, нацеленный на выявление гетерогенных эффектов от кредитных шоков, основан на применении двух альтер- нативных подходов: (i) использовании моделей с попарными произве- дениями переменных кредитного шока и типа домашних хозяйств (мо- дель с интеракциями) и (ii) оценки влияния на подвыборках. В обоих­ случаях применяются модели с фиксированными эффектами на уровне домашних хозяйств. Модель с интеракциями имеет следующую форму: 22 ln Cit = ∑ α1k CS-shockt–k  + ∑ ∑ γ1gk(Typei,g,t–k × CS-shockt–k) +  k = 0    g ∈ G k = 0 22 + ∑ α2k OtherShockt–k + ∑ ∑ γ2gk(Typei,g,t–k × OtherShockt–k) +  k = 0 g ∈ G k = 0 2 + ∑ ∑ βgk Typei,g,t–k +  X'it λ +  θ ln Ci,t –1 +  δi  +  F(t) +  uit, (1)  g ∈ G k = 0 где: ln Cit — логарифм потребления домохозяйства i в период t; α1k — средние эффекты шока кредитного предложения (CS-shock) и его вре- менных лагов; γ1gk — гетерогенные эффекты шока кредитного пред- 28

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 ложения, то есть эффекты для определенной группы домохозяйств Typei,g,t–k, которые следует интерпретировать относительно базовой группы. В случае с формой владения жильем за базовую группу при- няты «владельцы жилья без ипотеки», в случае с видом кредита — «без кредита»; Type — индикаторная переменная, группировка осуществ- ляется по форме владения жильем или виду кредита; G — множество групп домашних хозяйств g, включающее все группы, кроме базовой; α2k — коэффициент при OtherShock,который отражает эффекты мо- нетарного шока (MP-shock) или шока совокупного предложения (AS- shock) и его лагов в зависимости от спецификации; γ2gk — эффект мо- нетарного шока или шока совокупного предложения для определенной группы домохозяйств; βgk — эффекты группы относительно базовой в период (t – k); Xit — вектор контрольных переменных1, характеризую­ щих домохозяйство i в период t; θ — коэффициент зависимости от потребления в предыдущем периоде; δi — фиксированный эффект домо- хозяйства; F(t) — функция времени (в базовой версии — индикаторная функция для каждого года); uit — регрессионная ошибка в уравнении. Коэффициент интереса γ1gk— параметр при произведении кре- дитного шока и группы g, который показывает, как домохозяйства из этой группы реагируют на шок в период (t – k) по сравнению с домо- хозяйствами из базовой группы. В уравнении (1) шок совокупного предложения (AS-shock) мы рассматриваем в связи с тем, что данный показатель включает мно- жество факторов, оказывающих потенциально важное влияние на потребление: например, изменение цен на нефть, что особенно важно в условиях российской экономики2. Использование лагированных зна- чений переменных CS-, MP- и AS-shock позволяет определить наличие отложенных или циклических эффектов. Модель на подвыборках подразумевает разделение выборки на основе переменной Type и оценки следующей регрессии на каждой из подвыборок: 22 ln Cit = ∑ α1k CS-shockt–k  +  ∑ α2k OtherShockt–k +  X'it λ +  k = 0 k = 0 +  θ ln Ci,t –1 +  δi  +  F(t) +  uit, (2) где значения переменных и коэффициентов совпадают с описанными выше. В уравнении (2) коэффициенты интереса — α1k, значение которых мы сравниваем между различными выборками. Это позволяет нам выявить, в какой из групп домохозяйства сильнее реагируют на шоки кредитного предложения. 1 К таким переменным были отнесены социальные и демографические показатели: возраст, пол, образование и профессиональная группа главы домохозяйства, количество членов семьи и количество детей в семье. Каждая из этих характеристик в среднем по домохозяйствам имеет достаточную вариацию для идентификации их влияния на потребление (например, в нашей выборке есть случаи смены главы домохозяйства, в результате чего такой показатель, как «пол главы домохозяйства», меняется внутри домохозяйства во времени). 2 Более детальное описание того, какие факторы включаются в шоки, представлено ниже. 29

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 Выбранные формы моделей потребления (1) и (2) основаны на междун­ ародном опыте исследования гетерогенности потребителей (Cloyne et al., 2020; Attanasio et al., 2009) с поправкой на особенности доступных данных по России. Мы используем модель с фиксирован- ными эффектами в связи со структурой данных (лонгитюдная панель домохозяйств) и в дальнейшем подтверждаем ее выбор соответствую- щими статистическими тестами. Помимо регрессий на индивидуальном уровне в зарубежных работах используется и альтернативный подход: агрегирование данных по группам и временным периодам, когда еди- ницей наблюдения выступает средний показатель для группы в опре- деленный период (Cloyne et al., 2020). Однако для российских дан- ных, имеющих годовую структуру, агрегирование данных по группам оставило бы слишком мало наблюдений, в связи с чем эта методология была отклонена в пользу оценок на микроуровне. Данные Для оценки влияния шоков кредитного предложения на потреби- тельское поведение использовались данные лонгитюдного панельного обследования домохозяйств РМЭЗ НИУ ВШЭ3, которые состоят из индивидуальных данных и данных о домохозяйствах за 2006—2019 гг. Начальная дата использования данных обусловлена доступностью ин- формации о кредитах: вопросы о долгах по кредитам и о том, брал ли кто-то из членов семьи кредит за прошедший год, начали задавать только с 2006 г. В силу того, что рынок кредитования в России до этого периода не отличался высоким уровнем развития, отсутствие данных до 2006 г. не должно оказывать сильного влияния на полученные результаты. Формирование выборки и создание переменных Первоначальная выборка включала данные по домохозяйст- вам, в которых есть работающие члены семьи в возрасте от 20 до 60 лет и для которых можно установить форму владения жильем. Проживающие в общежитии были исключены из выборки. Факт наличия работающих членов семьи был определен на основе комбинации ответов на вопросы «Какой ответ лучше всего описывает Ваше основное занятие в настоящее время?» и «Профессиональная группа — по коду J2COD08»: индивид учитывался как работающий, если он давал ответ, что работает, на первый вопрос, или указывал валидную профессиональную группу — в ответ на второй. В качестве социально-демографических контрольных переменных использовались характеристики главы домохозяйства: возраст, пол, 3 «Российский мониторинг экономического положения и здоровья населения НИУ ВШЭ (RLMS HSE)», проводимый Национальным исследовательским университетом «Высшая школа экономики» и ООО «Демоскоп» при участии Центра народонаселения Университета Северной Каролины в Чапел Хилле и Института социологии Федерального научно-исследовательского социологического центра РАН (сайты обследования RLMS HSE: http://www.cpc.unc.edu/ projects/rlms и http://www.hse.ru/rlms). 30

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 образование, профессиональная группа. Глава домохозяйства опре- делялся как старший из работающих мужчин в возрасте от 20 до 60 лет. При отсутствии такого человека главой определялась старшая из работающих женщин от 20 до 60 лет. Помимо демографических характеристик главы домохозяйства в качестве контрольных перемен- ных использовались количество членов домохозяйства младше 18 лет и количество детей. Форма владения жильем определялась на основе двух показате- лей: ответа на вопрос «Жилье, в котором Ваша семья живет в настоя- щее время, это общежитие, Вы его снимаете или это Ваше жилье?» и факта наличия ипотеки4. При наличии ипотеки домохозяйство опре- делялось в группу «владеющие жильем с ипотекой» начиная с момента взятия ипотеки. Также рассматривалась альтернативная классификация потребите- лей — по виду кредита. Домохозяйства, не имеющие кредитов, опре- делялись в группу «нет кредита». Домохозяйства, ответившие «да» на вопрос о получении кредита и указавшие целью покупку какого-либо товара или услуги, за исключением образования и автомобиля, или выбравшие целью «Потребительский кредит в банке на любые цели», определялись в группу имеющих потребительский кредит, но только для года, в котором кредит был взят5. Домохозяйства, взявшие кредит с целью покупки автомобиля, были отнесены к группе домохозяйств с автокредитом. Домохозяйства, указавшие целью ипотечный кре- дит, определялись в группу имеющих ипотеку до конца обозреваемого периода. В связи с тем, что в выборке количество домохозяйств с ипо- текой или автокредитом сравнительно невелико, в базовом анализе мы объединили их в группу «домохозяйства с крупным кредитом», отличая их от групп с небольшим (потребительским) кредитом и без кредита6. В дополнительном анализе мы оцениваем регрессии с более точной классификацией, включающей разделение на домохозяйства с автокредитом и домохозяйства с ипотекой. Разделение на две группы представляет интерес, так как на российских данных было показано, что получение только автокредита играет существенную роль в измене- нии потребления, в то время как ипотека не оказывает такого влияния (Ниворожкина, 2016). Возможно, группа домохозяйств с автокреди- том будет сильнее реагировать на шоки кредитного предложения, чем группа домохозяйств с ипотекой. Основные денежные переменные — потребление и доход — были получены из данных о расходах и доходах за последний месяц, после чего они были приведены к годовым значениям и переведены в цены 4 На основе ответа «да» на вопрос «Кто-то из членов Вашей семьи брал кредит в течение последних 12 месяцев?» и указания «Ипотечный кредит на покупку жилья, недвижимости» в качестве цели взятия кредита. 5 В  связи с  ограниченностью информации о  выплате кредитов предполагается, что потребительский кредит выплачивается в течение года. 6 В базовом анализе данные группы не пересекаются: домохозяйства, имеющие кредиты нескольких типов, исключались из анализа. Для проверки наших результатов мы меняли подход к классификации, относя домохозяйства с двумя кредитами к группе с более крупным кредитом (например, домохозяйства с  потребительским кредитом и  ипотекой относились к  группе «с ипотекой»). Результаты оказались устойчивы к изменению подхода к классификации. 31

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 2019  г. на основе индекса потребительских цен, рассчитываемого Росстатом7. Потребление определялось как сумма расходов на раз- личные категории товаров и услуг: еду, одежду, коммунальные услу- ги, культурные мероприятия и т. д.8 Пример вопроса, ответ на кото- рый использовался как одно из слагаемых при расчете потребления: «Вспомните, сколько примерно денег все члены Вашей семьи израс- ходовали на питание дома и вне дома в течение последних 30 дней?». Помимо ограничений выборки, обусловленных доступностью дан- ных, была проведена работа по исключению выбросов. Для годовых показателей потребления и дохода были удалены нижний 1% и верхние 5% распределения. Описательные статистики по выборке до и после удаления выбросов данных представлены в таблице 1. Таблица 1 Описательные статистики денежных показателей до и после удаления выбросов (тыс. руб. в сопоставимых ценах 2019 г.) До удаления выбросов После удаления выбросов потребление доход потребление доход Минимум 0,0 0,0 29,9 72,9 1% 29,9 72,9 46,5 94,9 5% 76,9 133,0 81,9 139,8 50% 311,3 495,6 299,3 476,5 95% 1197,8 1590,7 869,2 1248,0 99% 2738,0 2864,7 1102,0 1496,4 Максимум 36 884,4 34 9309,4 1197,8 1590,7 Средняя 452,6 663,9 360,7 552,8 Примечание. Все номинальные показатели переведены в сопоставимые цены 2019 г. Все величины отражают годовые показатели для домохозяйств. Источник: составлено авторами. После удаления выбросов выборка сократилась на 12%. Число наблюдений после этой процедуры составило 42 439. В последующем регрессионном анализе число наблюдений снижается в силу исполь- зования лагов до 23 626 (около 2,5 тыс. в каждом году). Идентификация шоков кредитного предложения Мы исследуем влияние шоков банковского кредитования на по- требительское поведение. В основу анализа легли шоки, идентифици- 7 https://rosstat.gov.ru/price 8 Полный перечень категорий: еда, одежда, топливо, древесина, газ, медицинские препара- ты, моющие средства, товары по уходу за собой, косметика, товары для животных, обучающие занятия или секции для взрослых, общественный транспорт, пошив и ремонт одежды и обуви, ремонт культтоваров, ремонт жилья, ремонт автомобилей, запчасти, химчистка, услуги парик­ махера, услуги прачечной, посещение бани и другие бытовые услуги, почтово-телеграфные услуги, ритуальные услуги, мобильные и интернет-сервисы, юридические услуги, услуги теле- видения, аренда и коммунальные услуги, занятия для детей, услуги по уходу за детьми, путевки в санатории и другие места отдыха, билеты на концерты, в цирк и другие развлекательные меро- приятия, медицинские услуги, стоянка транспорта, аренда гаража, членские взносы в гаражных или дачных кооперативах. 32

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 рованные с применением модели SVAR, а для проверки результатов применяются показатели условий банковского кредитования (УБК), публикуемые Банком России9. Оценка макроэкономических шоков для России на основе модели структурной векторной авторегрессии (SVAR), которую мы используем, подробно описана А. Киселевым с соавторами (Kiselev et al., 2020), которые, опираясь на работу Л. Гамбетти и А. Муссо (Gambetti, Musso, 2017), оценивают модель SVAR со следующими эндогенными перемен- ными: выпуск, ИПЦ, краткосрочная (регулируемая) ставка процента, комбинированная процентная ставка по банковским кредитам и сово- купный объем банковских кредитов экономике. Для идентификации шоков используется следующий ряд ограничений, предложенный Гамбетти и Муссо: на положительный шок предложения кредитов процентные ставки по кредитам должны реагировать отрицательно, а совокупные объемы кредитов — положительно. Выпуск, цены и ре- гулируемая ставка должны увеличиваться10. Таким образом, Киселев и соавторы, следуя зарубежной литера- туре, понимают под шоками банковского кредитования (предложения кредитов) инновации в динамике кредитов, не связанные с состоя- нием совокупного спроса и спроса на кредит в целом, а определяе- мые в первую очередь состоянием банковских балансов (финансовой устойчивостью банков, их прибыльностью и капитализацией). Эти шоки отражают экзогенные сдвиги в готовности банков кредитовать вследствие изменений склонности к риску, стандартов выдачи кредитов, издержек мониторинга заемщиков, неожиданных шоков фондирования банков или регуляторных шоков. Подчеркнем, что применение модели SVAR с наложением огра- ничений на знаки импульсных функций позволяет идентифицировать шоки кредитного предложения, монетарные шоки, шоки совокупного спроса и шоки совокупного предложения, которые не зависят друг от друга. При этом такие факторы, как изменение цен на нефть или другие аналогичные шоки мировой экономики, внутри модели могут «улавливаться» шоком совокупного предложения, что делает иденти- фицированные шоки кредитного предложения экзогенными к подоб- ным факторам. В результате мы получили временной ряд шоков кредитного пред- ложения, проиллюстрированный на рисунке 1 (правая шкала). На рисунке мы сравниваем этот ряд с темпами роста потребления домо- хозяйств, рассчитанных на основе данных RLMS-HSE. Динамика двух показателей схожа, и это позволяет нам предположить, что шоки кредитного предложения могут играть важную роль в формировании потребительского поведения домохозяйств. Это предположение мы далее проверяем с помощью регрессионного анализа. Для проверки того, насколько реалистичны идентифицированные шоки кредитного предложения, а также для проверки робастности 9 https://www.cbr.ru/statistics/dkp/bank _lending _terms/ 10 Схожие схемы идентификации шоков кредитного предложения применяются, например, в: Eickmeier, Ng, 2015; Mumtaz et al., 2018. 33

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 результатов регрессионного анализа мы используем показатель УБК в качестве альтернативной меры шоков кредитного предложения11. Мы используем показатели «изменения УБК в целом», а также УБК для потребительских кредитов и ипотечных кредитов: квартальные величины были усреднены для получения среднегодовых величин и инвертированы относительно нуля для удобства сопоставления. После инвертирования показатель УБК принимает положительные значения в случаях, когда условия кредитования были смягчены, и от- рицательные, когда условия ужесточались. На рисунке 2 представлено Потребление домохозяйства и шоки предложения банковского кредитования Источник: расчеты авторов. Рис. 1 Доступность банковского кредитования Источник: расчеты авторов. Рис. 2 11 Опросные показатели УБК часто используются в исследовательской литературе для определения предложения кредитов и шоков на кредитном рынке (Lown, Morgan, 2006; Bassett et al., 2014; Cunningham, 2006 — для США; de Bondt et al., 2010; Del Giovane et al., 2011, 2013; Maddaloni, Peydró, 2013 — для стран Европы; Deryugina, 2015 — для России). 34

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 сопоставление шоков кредитного предложения, идентифицированных с помощью SVAR, и различных показателей УБК. Показатели УБК и шоков предложения банковского кредитования имеют схожую динамику, однако их изменения не всегда синхронны. В связи с тем, что шоки кредитного предложения охватывают больший период, мы используем их в качестве базового показателя в дальнейшем анализе, а УБК используется для проверки робастности результатов. Описательные статистики анализируемых переменных В таблице 2 представлены описательные статистики по группам потребителей, классифицированных по форме владения жильем и по виду кредита12. Из представленных описательных статистик по форме владения жи- льем следует, что моложе всех арендаторы, а старше всех — владельцы жилья без ипотеки. Это согласуется с предсказаниями теории жизнен- ного цикла, согласно которой более молодые индивиды реже обладают существенным богатством, владеют собственным жильем и имеют доста- точно высокие доходы, чтобы взять ипотеку, по сравнению с индивидами в более зрелом возрасте. Больше всего членов семьи и детей в группе владельцев жилья с ипотекой, что также ожидаемо: рост размера домо- Таблица 2 Описательные статистики основных характеристик домохозяйств по группам Группировка по форме Группировка по виду ­кредита ­владения жильем владель- владель- аренда нет небольшой крупный цы жилья цы жилья кредита (потреби- кредит тельский) (ипотека, без с ипоте- авто­ ипотеки кой кредит кредит) Средний возраст 43,0 38,7 34,9 43,1 40,6 39,2 г­лавы, лет Средний размер семьи 2,7 3,4 2,8 2,5 3,2 3,4 Среднее количество 0,5 1,1 0,8 0,5 0,8 1,0 детей Доля семей 21 14 19 24 19 10 с г­лавой-женщиной, % Средний доход, тыс. 546 784 574 505 634 796 руб. в с.ц. 2019 г. Среднее потребление, 355 493 396 330 431 509 тыс. руб. в с.ц. 2019 г. Средний объем задол- женности, 55 1123 52 0 127 728 тыс. руб. в с.ц. 2019 г. Доля в выборке, % 89 3 9 74 19 7 Примечание. Денежные показатели указаны в среднем за год на одно домохозяйство. Источник: составлено авторами. 12 Домохозяйства, в которых глава не был определен при проведении опросов, исключены из выборки. 35

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 хозяйства ассоциируется с ростом спроса на расширение площади жилья и ведет, по-видимому, к покупке нового жилья в ипотеку. В классификации по видам кредита демографические различия домохозяйств между группами с разными видами кредита оказываются небольшими. Обращает на себя внимание, во-первых, что группа без кредитов характеризуется большим возрастом главы домохозяйства, меньшими размером домохозяйства и количеством детей. Возможно, кредит помог бы этим домохозяйствам в расширении их размеров и повышении фертильности. Во-вторых, наибольшая доля домохо- зяйств с главой-женщиной характерна для группы владельцев жилья без ипотеки и для группы потребителей без кредита. Кроме того, для этих групп характерны более высокий средний возраст главы домо- хозяйства и более низкие доходы и потребление. Это может указы- вать на проявление эффекта дискриминации женщин на рынке труда (gender gap), в результате у них меньше доходы и, соответственно, возможности заимствований на кредитном рынке. Для рассматриваемых групп домохозяйств характерны значи- тельные различия в денежных показателях — уровнях потребления и дохода. Оба показателя были пересчитаны в годовом исчислении на основе ответов респондентов о расходах и доходах за последний месяц. На рисунках 3—4 представлена плотность распределения до- ходов и потребления в рамках обеих классификаций. Анализ показывает, что наиболее низкие уровни доходов и по- требления характерны для домохозяйств, владеющих жильем без ипотеки и не имеющих кредитов. Выше всего доходы и потребление в домохозяйствах, имеющих крупные кредиты (ипотеку или автокре- дит). Это может быть связано с тем, что индивиды с высоким уровнем­ доходов и потребления представляют наибольший интерес для банков, выдающих ипотечные кредиты. Иными словами, им проще взять ипо- течный кредит и, следовательно, происходит отбор таких индивидов в данную группу. Для подтверждения выводов дескриптивного анализа были про- ведены тесты на различия групп (так называемый Independent t-test): сначала на равенство дисперсий, а затем — на равенство средних между группами. Для всех парных тестов (по два теста для каждой класси- фикации) были отклонены гипотезы о равенстве дисперсий и средних13 между группами в обоих вариантах теста на 1%-м уровне значимости. Во всех тестах были подтверждены альтернативные гипотезы о соотно- шении средних, которое можно предположить по визуальному анализу распределений, например, что домохозяйства с ипотекой в среднем по- требляют больше, чем домохозяйства-арендаторы (см. рис. 4а). В сравнении с данными по США и Великобритании, где самые богатые владеют жильем без ипотеки, а беднее всех — арендаторы (Cloyne et al., 2020), в России данное соответствие не выполняется, по крайней мере для показателей дохода и потребления. Как показал анализ выше, у российских владельцев жилья без ипотеки в среднем 13 Тесты на равенство средних проводились в предположении о неравных дисперсиях между группами. 36

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 Плотность распределения дохода различных групп потребителей Источник: расчеты авторов. Рис. 3 Плотность распределения потребления различных групп потребителей Источник: расчеты авторов. Рис. 4 меньше доход и потребление, в таких домохозяйствах меньше несо- вершеннолетних детей, а главы домохозяйств старше. Мы можем дать два объяснения для данного наблюдения. Во‑первых, в отличие от США, где владение собственным жильем чаще связано с высокими доходами, для России скорее верна парадигма о наследо- вании жилья, когда члены домохозяйства живут вместе со старшими родственниками и в дальнейшем получают это жилье в наследство14. Во-вторых, в группу владельцев жилья без ипотеки попадают домо- 14 Более низкий уровень доходов в данном случае можно объяснить или недостаточными стимулами наращивать доход, поскольку нет необходимости в  ипотеке, или отсутствием возможности увеличить доход по иным причинам и, как следствие, невозможностью взять ипотеку и получить отдельное жилье. 37

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 хозяйства с главами старшего возраста, получившие жилье в период приватизации или более ранние периоды, чьи доходы к периоду опросов (2006—2019 гг.) оказались низкими в силу возраста или иных причин. Другая особенность используемых данных — высокая доля до- мохозяйств, владеющих жильем или не имеющих кредитов (в зависи- мости от классификации). Хотя распределение доходов и потребления разных групп отличается, количество индивидов из наибольшей груп- пы составляет существенную часть на любом уровне доходов или потребления. Это проиллюстрировано на рисунке 5, где отображены доли каждой группы в каждом дециле по доходу. Дециль для каждого домохозяйства определялся на основе среднего дохода за период, когда это домохозяйство участвовало в опросах (доходы в сопоставимых ценах 2019 г.). Процентное соотношение разных групп потребителей в децилях по доходу Источник: расчеты авторов. Рис. 5 Сопоставление соотношения разных групп по децилям дохода показывает, что доля домохозяйств с жильем без ипотеки (см. рис. 5а) или без кредита (см. рис. 5б) составляет значительную часть вы- борки независимо от уровня доходов. При этом доля домохозяйств, арендующих жилье или имеющих потребительский кредит, сущест- венно увеличивается к 4—6-му децилям, а доля домохозяйств с ипо- текой или автокредитом — к 9—10-му децилям. Иными словами, значительная часть тех, кто имеет ипотеку, входят в верхнюю область распределения по доходам. Схожая особенность: чем выше дециль по доходу, тем больше домохозяйств обращались за кредитом (Мамедли, Синяков, 2017). Дескриптивный анализ позволяет предположить, что наиболее заметно изменять свое потребление в ответ на шок предложения бан- ковского кредитования будут домохозяйства, которые уже имеют ипо- течный кредит, так как данная группа характеризуется высоким уров- нем потребления и наибольшей величиной долгового бремени (в обеих 38

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 рассматриваемых нами классификациях). Кроме того домохозяйства с ипотечными кредитами отличаются низким уровнем ликвидности: хотя используемые нами данные по России не позволяют оценить лик- видность богатства российских домохозяйств, зарубежные источники подтверждают данную характеристику (Cloyne et al., 2020; Kaplan et al., 2014; Kaplan, Violante, 2018). Ряд международных исследо- ваний показывает, что перечисленные характеристики увеличивают чувствительность домохозяйств к макроэкономическим шокам (Ozkan et al., 2017; Altissimo et al., 2005; Gross, Souleles, 2002; Christelis et al., 2019). Предположительно, шоки кредитного предложения (изменение доступности кредитов) будут сильнее влиять на домохозяйства с низ- кой ликвидностью богатства (арендаторы и домохозяйства с ипотекой в одной классификации и домохозяйства с кредитом — в другой), так как для таких домохозяйств возможность взять кредит для финанси- рования потребления более актуальна. Помимо канала, связанного с изменением доступности кредитов в целом, мы можем предположить два других возможных канала, объясняющих влияние шоков предложения банковского кредитования на потребление группы домохозяйств с крупными кредитами: пря- мой — через рефинансирование долга, косвенный — через доходы. Канал рефинансирования похож на канал увеличения доступности кредитов, однако он важнее всего для группы домохозяйств с круп- ными кредитами, так как рефинансирование позволяет снизить объем регулярных выплат и увеличить текущее потребление. Данный канал также увеличивает ликвидность богатства, но в отличие от предыду- щего затрагивает только домохозяйства с крупным долгом. Альтернативный канал  — косвенный канал доходов. Шоки кредитного предложения влияют не только на домохозяйства, но и на фирмы: например, под влиянием негативного кредитного шока фирмы могут снизить уровень инвестиций или уменьшить расходы, что приведет к снижению доходов домохозяйств. Так как у домо- хозяйств с крупными кредитами в среднем выше потребление, это дает им больше возможностей корректировать потребление в ответ на снижение доходов в результате шока. В связи с этим можно ожи- дать более заметную реакцию данной группы на шоки кредитного предложения. Доступные данные не позволяют нам четко определить, какой канал важнее для передачи влияния шоков кредитного предложения на потребление — для этого нужны гранулярные данные кредит- ного регистра, в котором записывается вся информация на уровне «банк—заемщик (физическое лицо)», по типу тех, которые исполь- зовались в недавних исследованиях по Венгрии (Verner, Gyöngyösi, 2020) и Дании (Jensen, Johannesen, 2017). Такие данные должны быть в Банке России, однако, к сожалению, они закрыты и не доступны для исследований. По этой причине в данной работе мы сосредоточиваемся на оценке среднего эффекта от кредитных шоков для потребления и анализируем гетерогенность этого эффекта по разным группам домо­ хозяйств с помощью стандартных методов регрессионного анализа на панельных данных. 39

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 Результаты регрессионных оценок Средние эффекты положительных кредитных шоков В таблице 3 представлены оценки среднего эффекта влияния шоков кредитного предложения на потребление домохозяйств, прове- денные с помощью модели с фиксированными эффектами15. Первые два столбца соответствуют регрессиям с контролем на монетарные шоки (MP), вторые два столбца — с контролем на шоки совокупного предложения (AS). В регрессиях, оценки которых показаны в чет- ных столбцах, в качестве дополнительной контрольной переменной использовалось значение потребления предыдущего периода для учета инерции в потребительском поведении домохозяйств. Результаты, представленные в  таблице 3, свидетельствуют о статистич­ ески значимом немонотонном влиянии шоков кредитного предложения на потребление домохозяйств в России. Положительный шок кредитного предложения оказывает стимулирующее воздействие на потребление в краткосрочном периоде (в текущем и следующем году), однако в более отдаленном периоде (с лагом два года) эффект меняет знак на противоположный. Иными словами, положительный шок кредитного предложения позволяет домохозяйствам увеличить объем ликвидных средств в момент шока и тем самым увеличить по- требление, однако в дальнейшем они вынуждены снизить потребление из-за необходимости тратить средства на выплату выросшего долга. Помимо обнаруженных нами немонотонных эффектов от шоков кредитного предложения, результаты, представленные в таблице 3, подтверждают отрицательное влияние сдерживающих монетарных шо- ков16 и положительное влияние стимулирующих шоков совокупного предложения на потребление. Эти результаты согласуются с ожидания­ ми и подтверждают, что идентифицированные шоки содержательны. Кроме того, подчеркнем, что лаговая структура каждого из трех шоков идентична (с нулевого по второй годовые лаги), то есть обнаружен- ный немонотонный эффект от кредитных шоков — самостоятельное явление, а не артефакт пропущенной лаговой структуры при оценке эффектов от монетарных шоков или шоков совокупного предложения. Отрицательный коэффициент при лаге зависимой переменной в этой и следующих таблицах можно объяснить либо цикличностью 15 Выбор модели с фиксированными эффектами обусловлен в первую очередь панельной структурой данных: лонгитюдная панель домохозяйств RLMS-HSE подразумевает, что одни и те же (а не случайно выбранные) домохозяйства проходят опрос ежегодно. Также мы провели тест Хаусмана на выбор модели, указавший на предпочтительность модели с фиксированными эффектами по сравнению с  моделью случайных эффектов. Тест множителей Лагранжа Бройша—Пагана также позволил отвергнуть гипотезу о необходимости использования моделей со случайными эффектами. Дополнительно мы провели тест на наличие временных эффектов, указавший на необходимость контролировать на эффект года. Все перечисленные тесты давали результаты с p-значениями равными 0,000. Тест Бройша—Пагана и тест на пространственную корреляцию случайных ошибок позволяют сделать вывод об отсутствии гетероскедастичности ошибок и зависимости поперечных сечений. 16 В случае монетарных шоков мы также обнаружили немонотонные эффекты, которые могут быть интерпретированы аналогичным образом, как и  немонотонные эффекты от кредитных шоков. Однако этот момент остается за пределами нашего исследования. 40

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 Таблица 3 Модели потребления домохозяйств под воздействием финансовых и реальных шоков Финансовые шоки Финансовые и реальные шоки 1234 CS-шокt 0,559** 0,550* 0,073* 0,071* (0,275) (0,282) (0,041) (0,042) CS-шокt–1 1,134** 1,117** 0,137*** 0,137** (0,538) (0,552) (0,053) (0,055) CS-шокt–2 –1,495** –1,476** –0,382*** –0,390*** (0,719) (0,738) (0,137) (0,141) MP-шокt –1,633** –1,613** (0,771) (0,791) 0,557*** 0,568*** MP-шокt–1 –1,979** –1,957** (0,185) (0,190) (0,927) (0,952) 1,055*** 1,072*** MP-шокt–2 1,007** 0,989* (0,364) (0,374) (0,502) (0,515) 0,322*** 0,334*** AS-шок (0,085) (0,087) AS-шокt–1 25 843 –0,061*** –0,061*** 8403 (0,009) 25 843 (0,009) AS-шокt–2 0,072 24 510 8403 24 510 Зависимая переменная, 8127 0,072 8127 лаг = 1 год + 0,075 0,075 Количество наблюдений + + Количество групп + + + + R2-within + + Год + + Фиксированные эффекты д­ омохозяйства + Прочие контрольные переменные Примечание. Здесь и далее: CS-, MP-, AS-шоки — положительные шоки предложения банковского кредитования, рестриктивные монетарные шоки и положительные шоки сово- купного предложения. К прочим контрольным переменным относятся: количество членов домохозяйства; количество детей в домохозяйстве; возраст, пол, образование и форма заня- тости главы домохозяйства. Зависимая переменная во всех регрессиях — логарифм реаль- ного потребления. В скобках под оцененными коэффициентами представлены их робастные стандартные ошибки; *** p < 0,01, ** p < 0,05, * p < 0,1. Источник: расчеты авторов. потребления и эффектом межвременного сглаживания, либо (что более вероятно) спецификой временного горизонта в российской экономике, который доступен нам для анализа. Напомним, что в силу ограниче- ний по данным о кредитах домохозяйств в базе RLMS-HSE (данные доступны только с 2006 г.) мы анализируем период 2006—2019 гг., содержащий два эпизода рецессии, сопровождавшиеся существенным ослаблением рубля, ростом процентных ставок и инфляции — до 2016 г., с последующим медленным восстановлением экономики. В та- ких условиях потребление могло вести себя как стационарный процесс, для которого характерен эффект «возвращения к среднему», что может объяснять отрицательный коэффициент при лаге зависимой перемен- ной в представленных моделях. Однако, и это важно, лаг зависимой 41

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 переменной появляется только в версиях модели, представленных в столбцах 2 и 4, и мы видим, что оценки эффектов от кредитных шоков практически не меняются по сравнению с теми, что представ- лены в столбцах 1 и 3. Это свидетельствует о том, что кредитные шоки ортогональны потребительским предпочтениям домо­хозяйств и, по-видимому, действительно отражают неожиданные изменения в бизнес-моделях банков. Для проверки робастности результатов мы рассматриваем альтер- нативную меру шоков предложения банковского кредитования — пока- затели УБК: общие, для потребительских кредитов и для ипотечных кредитов. Данные показатели проиллюстрированы на рисунке 2. Так как временные ряды показателей УБК характеризуются меньшей про- должительностью и, соответственно, оставляют меньше наблюдений для эмпирических оценок, мы предполагаем, что оцененные коэффи- циенты будут характеризоваться меньшей статистической значимо- стью, нежели результаты для идентифицированных шоков кредитного предложения. Однако направление влияния обоих показателей долж- но совпадать, так как они представляют собой альтернативные меры шоков банковского кредитования. Результаты эмпирических оценок общего эффекта представлены в столбцах 1 и 2 в таблице 4 (результаты Таблица 4 Модели шоков условий банковского кредитования (УБК) на панели домохозяйств (группировка по виду кредита) Общий эффект Группировка по виду кредита (с общим УБК) общий УБК по без кредита небольшие крупные показатель потреби- (потреби- кредиты тельским тельские) (ипотеки/ УБК кредитам кредиты автокредиты) 12345 УБКt 0,003 0,015*** –0,003 0,000 0,001 (0,004) (0,003) (0,006) (0,013) (0,014) УБКt –1 –0,011 –0,043*** 0,003 –0,004 0,005 (0,010) (0,007) (0,014) (0,030) (0,030) УБКt –2 0,015 0,057*** –0,004 0,008 –0,008 Количество (0,013) (0,009) (0,019) (0,040) (0,042) наблюдений Количество групп 22 442 19 498 13 848 3167 1551 6066 5644 4783 1921 859 R2-within 0,075 0,078 0,076 0,146 0,196 Год + + + + + Фиксированные эффекты +++++ домохозяйства Прочие контроль- + + + + + ные переменные Примечание. К прочим контрольным переменным относятся монетарные шоки, количест- во членов домохозяйства, количество детей в домохозяйстве, возраст, пол, образование и форма занятости главы домохозяйства. В скобках под оцененными коэффициентами представлены их робастные стандартные ошибки; *** p < 0,01, ** p < 0,05, * p < 0,1. Источник: расчеты авторов. 42

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 представлены только для общего показателя УБК и показателя для потребительских кредитов в целях краткости изложения). Данные результаты подтверждают положительное влияние шоков на потребление в текущем периоде и наличие немонотонности во времени. При этом коэффициенты в регрессиях с общим показателем УБК статис- тически незначимы, а коэффициенты в регрессиях с показателем более узкой направленности — показателем потребительского кредитования — имеют статистически важное влияние на потребление домохозяйств. Гетерогенные эффекты положительных кредитных шоков Далее перейдем к исследованию гетерогенности реакции домо- хозяйств на шоки кредитного предложения. Для начала рассмотрим модель с интеракциями и классификацию по форме владения жильем. В таблице 5 приведены результаты эмпирических оценок коэффи- циентов при интеракциях, прочие коэффициенты опущены в целях краткости изложения. Результаты регрессионного анализа обнаруживают статистичес- ки значимые различия в реакции домохозяйств с ипотекой и домо- хозяйств без нее на положительные шоки предложения банковского кредитования. С точки зрения экономических эффектов полученные оценки свидетельствуют о том, что домохозяйства с ипотекой увели- чивают потребление на 2,1—2,5% больше, чем владельцы жилья без ипотеки, в ответ на положительный шок кредитного предложения17. Эти эффекты существенны, так как среднее значение годовых темпов прироста потребления домохозяйств с ипотекой составляет всего 3,8%. Как и в предыдущем случае, наши выводы устойчивы к контролю на эффекты от монетарных шоков и шоков совокупного предложе- ния. Однако в отличие от оценок средних эффектов, представленных выше, мы обнаруживаем гетерогенные эффекты только в краткосроч- ном периоде; эффекты на более длительных горизонтах согласуются с идеей немонотонности, обсуждавшейся выше, однако сами оценки (при вторых лагах шоков) оказываются статистически незначимыми. В целом результаты подтверждают гипотезу о  том, что домо- хозяйства с ипотекой, характеризующиеся в среднем более высоким потреблением (согласно данным, см. выше) и более низким ликвидным богатством (согласно зарубежным исследованиям, см.: Cloyne et al., 2020; Kaplan et al., 2014; Kaplan, Violante, 2018), сильнее изменяют свое потребление в ответ на шоки кредитного предложения. Проверка робастности полученных результатов приводится в таб- лице 6. В целях краткости изложения мы приводим результаты оценки моделей с интеракциями, используя только общий показатель УБК, однако и два других показателя дали схожие результаты (доступны по запросу читателей). Аналогично с оценками среднего эффекта, приме- нение УБК для оценки гетерогенных эффектов подтвердило наличие 17 Напомним, что кредитный шок нормализован таким образом, что он соответствует снижению ставки на 0,5 п. п. (Kiselev et al., 2020). 43

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 Таблица 5 Модели потребления домохозяйств под воздействием финансовых и реальных шоков: оценки гетерогенных эффектов по форме владения жильем MP-шок AS-шок 1234 Панель 1: интеракции с шоком кредитного предложения (CS-shock) Форма владения (ипотека)t 0,023** 0,025** 0,021** 0,024** × CS-шокt (0,010) (0,011) (0,010) (0,011) Форма владения (аренда)t 0,011 0,012 0,018** 0,019** × CS-шокt (0,008) (0,008) (0,009) (0,009) Форма владения (ипотека)t –1 0,008 0,004 0,009 0,007 × CS-шокt –1 (0,014) (0,015) (0,010) (0,011) Форма владения (аренда)t –1 –0,007 –0,008 –0,002 –0,003 × CS-шокt –1 (0,013) (0,014) (0,008) (0,008) Форма владения (ипотека)t –2 –0,001 0,006 0,010 0,015 × CS-шокt –2 (0,023) (0,024) (0,013) (0,014) Форма владения (аренда)t –2 –0,018 –0,022 –0,006 –0,007 × CS-шокt –2 (0,016) (0,017) (0,010) (0,010) Панель 2: интеракции с прочими шоками (MP-shock или AS-shock) Форма владения (ипотека)t –0,003 0,002 –0,008 –0,004 × OtherShockt (0,016) (0,017) (0,024) (0,026) Форма владения (аренда)t 0,014 0,012 0,010 0,011 × OtherShockt (0,018) (0,018) (0,022) (0,022) Форма владения (ипотека)t –1 0,009 0,018 –0,000 –0,014 × OtherShockt –1 (0,027) (0,029) (0,031) (0,032) Форма владения (аренда)t –1 0,030 0,034 –0,020 –0,021 × Other_shockt –1 (0,027) (0,027) (0,028) (0,029) Форма владения (ипотека)t –2 0,022 0,012 –0,007 –0,001 × Other_shockt –2 (0,035) (0,038) (0,028) (0,030) Форма владения (аренда)t –2 0,037 0,042* –0,034 –0,037 × Other_shockt –2 (0,023) (0,023) (0,022) (0,023) Зависимая переменная, –0,061*** –0,061*** лаг = 1 год 25 843 (0,009) 25 843 (0,009) 8403 24 510 8403 24 510 Количество наблюдений 0,073 0,073 8127 8127 Количество групп + 0,077 + 0,076 R2-within + + + + Год + + + + Фиксированные эффекты + + домохозяйства Прочие контрольные переменные Примечание. К прочим контрольным переменным относятся: количество членов домо- хозяйства; количество детей в домохозяйстве; возраст, пол, образование и форма занятости главы домохозяйства. Зависимая переменная во всех регрессиях — логарифм потребления. Базовая форма владения — домохозяйства, владеющие жильем без ипотеки. В скобках под оцененными коэффициентами представлены их робастные стандартные ошибки; *** p < 0,01, ** p < 0,05, * p < 0,1. Источник: составлено авторами. гетерогенности в реакции на шок: домохозяйства с ипотекой больше меняют свое потребление в ответ на положительный шок кредитного предложения. Однако эти результаты не обладают достаточной ста- тистической значимостью и служат только для подтверждения наших основных результатов. 44

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 Дополнительно в таблице 6 мы приводим результаты оценок мето- дом Ареллано—Бонда (Arellano, Bond, 1991), повторяя спецификацию модели с интеракциями (см. табл. 5, столбец 2). Метод Ареллано— Бонда позволяет решить проблему эндогенности, которая возникает при использовании лага потребления в качестве контрольной пере- менной. Как показано в таблице 6, оценивание методом Ареллано— Бонда дает результат, схожий с основными оценками (см. табл. 5), и подтверждает наличие статистически значимого большего отклика домохозяйств с ипотекой на шоки кредитного предложения. Таким образом, проблема эндогенности в нашем случае не создает сущест- венного искажения базовых оценок, представленных выше. Таблица 6 Модели шоков УБК на панели домохозяйств (группировка по форме владения) Условия банковского кредитования (УБК) CS-шок общий УБК модель показатель по потребительским Ареллано—Бонда кредитам для CS-шоков УБК Интеракции × ипотека × аренда × ипотека × аренда × ипотека × аренда УБКt/ CS-шокt 0,000 0,001 0,001 0,001 0,027** 0,005 УБКt –1/ CS-шокt –1 (0,001) (0,001) (0,001) (0,001) (0,013) (0,011) УБКt –2/ CS-шокt –2 0,002 0,000 0,002 0,001 0,001 –0,033* (0,001) (0,001) (0,001) (0,001) (0,020) (0,018) –0,000 –0,001 –0,001 –0,001 –0,002 –0,029 (0,001) (0,001) (0,001) (0,001) (0,028) (0,018) Количество наблюдений 22 442 19 498 15 047 Количество групп 6066 5644 4570 R2-within 0,077 0,081 Год + Фиксированные эффекты + + + домохозяйства Прочие контрольные + + + переменные 0,000 AR(1) тест + + 0,183 AR(2) тест 0,355 Тест Хансена Примечание. К прочим контрольным переменным относятся: монетарные шоки и соот­ ветствующие интеракции; количество членов домохозяйства; количество детей в домохозяйстве; возраст, пол, образование и форма занятости главы домохозяйства. Базовая форма владения — владение без ипотеки. В скобках под оцененными коэффициентами представлены их робастные стандартные ошибки; *** p < 0,01, ** p < 0,05, * p < 0,1. Источник: составлено авторами Помимо классификации по форме владения мы также рассматриваем альтернативную классификацию домохозяйств — по виду кредита. Мы выделили три основные группы домохозяйств: без кредита, с небольшим (потребительским) кредитом и крупным кредитом, куда вошли домо- хозяйства с ипотекой и кредитом на автомобиль. В таблице 7 приводятся оценки модели, описанной в уравнении (2), для данной классификации. Результаты регрессионного анализа показывают, что немонотонный эффект положительного кредитного шока для потребления, обнаружен- 45

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 Таблица 7 Модели потребления домохозяйств под воздействием финансовых и реальных шоков: оценки гетерогенных эффектов по виду кредита Без Небольшие Крупные Авто­ Ипотека кредита (потреби- кредиты кредиты тельские) (ипотеки + кредиты автокреди- ты) 12345 CS-шокt 0,277 –0,171 0,424* 0,102** 0,037 CS-шокt –1 (0,340) (0,157) (0,233) (0,047) (0,026) 0,579 –0,278 0,873* 5,067*** 0,180*** CS-шокt –2 (0,665) (0,303) (0,447) (0,917) (0,068) –0,754 0,423 –1,125* 1,358*** 0,057* MP-шокt (0,888) (0,410) (0,613) (0,214) (0,034) –0,840 0,398 –1,290** –3,458*** –0,179*** MP-шокt –1 (0,952) (0,431) (0,644) (0,587) (0,061) –1,027 0,430 –1,557** –6,212*** –0,346*** MP-шокt –2 (1,145) (0,514) (0,766) (1,159) (0,109) Зависимая переменная, 0,487 –0,360 0,701 –4,014*** –0,210*** лаг = 1 год (0,620) (0,300) (0,444) (0,732) (0,056) Количество наблюдений –0,052*** –0,111*** –0,170*** –1,554*** –0,219*** Количество групп (0,013) (0,031) (0,045) (0,253) (0,060) R2-within 15 118 Год 3614 1687 591 893 Фиксированные эффекты 6051 2367 994 537 444 домохозяйства 0,070 0,146 0,199 0,992 0,263 Прочие контрольные + + + переменные + + + + + + + + + + + + Примечание. К прочим контрольным переменным относятся: количество членов домо- хозяйства; количество детей в домохозяйстве; возраст, пол, образование и форма занятости главы домохозяйства. Зависимая переменная во всех регрессиях — логарифм потребления. В скобках под оцененными коэффициентами представлены их робастные стандартные ошибки; *** p < 0,01, ** p < 0,05, * p < 0,1. Источник: составлено авторами. ный ранее, характерен для группы домохозяйств с крупными кредитами (ипотека и автокредиты), но не для групп с потребительскими кредитами или без кредитов. В частности, для групп домохозяйств без кредита (столбец 1) или с потребительским кредитом (столбец 2) не выявлено значимых эффектов со стороны шоков кредитного предложения. Для домохозяйств с крупными кредитами (столбец 3), наоборот, шок кредит- ного предложения играет статистически значимую роль. Дополнительно (в столбцах 4 и 5) мы приводим оценки отдельно для подгрупп домохо- зяйств с ипотекой и  домохозяйств с автокредитом. Сравнивая коэффи- циенты в двух последних столбцах, можно заключить, что домохозяйст- ва с автокредитом быстрее реагируют на шок кредитного предложения, а домохозяйства с ипотекой показывают значимую реакцию лишь на более длительных горизонтах. Это соответствует ожиданиям, посколь- ку автокредиты в среднем меньше по размеру и короче по сроку, чем ипотечные кредиты, и за счет этого предоставляют заемщикам больше возможностей для маневра в случае положительных кредитных шоков. 46

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 В представленных регрессиях мы контролируем также немоне- тарный шок, оценки коэффициентов которого согласуются с ожида- ниями и дополнительно подтверждают корректность наших расчетов. В регрессиях с шоком совокупного спроса мы получили аналогичные результаты (доступны по запросу). Дополнительно в качестве проверки робастности мы оцениваем регрессии с общим показателем УБК вмес­ то идентифицированных шоков кредитного предложения. Результаты представлены в последних трех столбцах таблицы 4. Результаты для группы домохозяйств с крупными кредитами совпадают по знакам коэффициентов с основными оценками, однако в силу указанных ра- нее недостатков показателя УБК статистически незначимы и служат только для подтверждения наших основных выводов. *** В данной работе рассматривается влияние шоков кредитного пред- ложения на потребительские расходы различных групп домохозяйств: в  классификации по форме владения жильем и  по виду кредита. Понимание того, какая из групп сильнее реагирует на шоки кредитного предложения, может быть полезно при разработке мер микро- и макро­ пруденциальной политики Банка России. Мы получили два основных вывода по результатам нашей ра- боты. Во-первых, мы обнаружили немонотонные эффекты от поло- жительных кредитных шоков для потребления российских домохо- зяйств и показали, что эти немонотонные эффекты сохраняют свою значимость даже при контроле на монетарные шоки и шоки сово- купного предложения в российской экономике в последние 15 лет. Мгновенные эффекты от положительных кредитных шоков состоят для заемщиков в возможности частично увеличить потребление, однако на более длительных горизонтах эффект становится отрицательным. Положительный мгновенный эффект, вероятно, связан с возможностью рефинансировать прежний долг под более низкую ставку процента и, соответственно, перенаправить высвободившийся денежный поток на потребление. Альтернативное объяснение — собственно кредит на те- кущее потребление. Отрицательный отложенный эффект, по-видимому, связан с необходимостью расплачиваться по вновь взятым кредитам. Это обратная сторона положительных кредитных шоков. Второй вывод — выявлена статистически значимая более сильная реакция домохозяйств с крупным кредитом (ипотека и/или авто- кредит) на шоки кредитного предложения по сравнению с домохо- зяйствами, владеющими жильем без ипотеки, и домохозяйствами без кредита. Аналогичный вывод был получен при исследовании влияния монетарных шоков на потребление (Cloyne et al., 2020): владельцы жилья, обремененного ипотекой, сильнее всех реагируют на монетарные шоки. Таким образом, несмотря на отличия в со- отношении доходов и потребления, обнаруживаются определенные сходства между домохозяйствами с ипотекой в России и в США или Великобритании. Полученный результат устойчив к изменению 47

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 способа оценки шока (мы использовали оценку шоков кредитного предложения на основе модели SVAR и показатель изменения УБК, публикуемый Банком России). В целом тема гетерогенности в реакции российских потребителей на финансовые и реальные шоки остается относительно малоизученной и оставляет большой простор для дальнейших исследований. Такие исследования имеют ценность не только для академического сообщест- ва, но и для Банка России, который активно применяет механизмы контрциклического регулирования российского кредитного рынка. Список литературы / References Баташев Р. В. (2016). Статистический подход к оцениванию влияния кредитов на уровень потребления российских семей // Известия высших учебных заведений. Северо- Кавказский регион. Общественные науки. № 3. С. 67—72. [Batashev R. V. (2016). The statistical approach to the estimation of loans influence on the level of consuming of Russian families. University News. North-Caucasian Region. Social Sciences Series, No. 3, pp. 67—72. (In Russian).] https://doi.org/10.18522/0321-3056-2016-3-67-72 Мамедли М., Синяков А. (2017). Потребительское кредитование в России: перс- пективы и  риски на основе обследований финансов домашних хозяйств. Аналитическая записка Департамента исследований и прогнозирования Банка России. [Mamedli M., Sinyakov A. (2017). Consumer lending in Russia: Prospects and risks based on household finance survey. Analytical note of the Bank of Russia Research and Forecasting Department.] Ниворожкина Л. И. (2014). Воздействие потребительского кредитования на уро- вень неравенства и бедности домохозяйств // Известия высших учебных за- ведений. Северо-Кавказский регион. Общественные науки. № 4. С. 76—83. [Nivorozhkina L. I. (2014). Impact of consumer credit on the level of household inequality and poverty. University News. North-Caucasian Region. Social Sciences Series, No. 4, pp. 76—83. (In Russian).] Ниворожкина Л. И. (2016). Воздействие кредитования на потребление домашних хозяйств: экономико-статистическое исследование // Вопросы статистики. № 1. С. 47—53. [Nivorozhkina L. I. (2016). Impact of consumer crediting on household consumption: Еconomic and statistical study. Voprosy Statistiki, No. 1, pp. 47—53. (In Russian).] https://doi.org/10.34023/2313-6383-2016-0-1-47-53 Altissimo F., Georgiou E., Sastre T., Valderrama M. T., Sterne G., Stocker M., Weth M., Willman A. (2005). Wealth and asset price effects on economic activity. ECB Occasional Paper, No. 29. Anderson E., Inoue A., Rossi B. (2016). Heterogeneous consumers and fiscal policy shocks. Journal of Money, Credit and Banking, Vol. 48, No. 8, pp. 1877­—­ 1888. https://doi.org/10.1111/jmcb.12366 Arellano M., Bond S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies, Vol. 58, No. 2, pp. 277—297. https://doi.org/10.2307/2297968 Attanasio O. P., Blow L., Hamilton R., Leicester A. (2009). Booms and busts: Consumption, house prices and expectations. Economica, Vol. 76, No. 301, pp. 20—50. https:// doi.org/10.1111/j.1468-0335.2008.00708.x Bassett W. F., Chosak M. B., Driscoll J. C., Zakrajsek E. (2014). Changes in bank lending standards and the macroeconomy. Journal of Monetary Economics, Vol. 62, pp. 23—40. https://doi.org/10.1016/j.jmoneco.2013.12.005 Christelis D., Georgarakos D., Jappelli T., Pistaferri L., Van Rooij M. (2019). Wealth shocks and MPC heterogeneity. NBER Working Рapers, No. 25999. https://doi.org/ 10.3386/w25999 48

Д. П. Колесник и др. / Вопросы экономики. 2021. № 9. С. 24—50 Cloyne J., Ferreira C., Surico P. (2020). Monetary policy when households have debt: New evidence on the transmission mechanism. The Review of Economic Studies, Vol. 87, No. 1, pp. 102—129. https://doi.org/10.1093/restud/rdy074 Cunningham T. J. (2006). The predictive power of the senior loan officer survey: Do lending officers know anything special? Federal Reserve Bank of Atlanta Working Paper, No. 24. http://dx.doi.org/10.2139/ssrn.948711 De Bondt G., Maddaloni A., Peydro J.-L., Scopel S. (2010). The Euro area bank lending survey matters: Empirical evidence for credit and output growth. ECB Working Paper Series, No. 1160. De Giorgi G., Gambetti L. (2012). The effects of government spending on the distribu- tion of consumption. Barcelona GSE Working Paper, No. 645. Del Giovane P., Eramo G., Nobili A. (2011). Disentangling demand and supply in credit developments: A survey-based analysis for Italy. Journal of Banking & Finance, Vol. 35, No. 10, pp. 2719—2732. https://doi.org/10.1016/j.jbankfin.2011.03.001 Del Giovane P., Eramo G., Nobili A. (2013). Supply tightening or lack of demand? An analysis­of credit developments during the Lehman Brothers and the sovereign debt crises­. Banca d’Italia Working Paper, No. 942. https://doi.org/10.2139/ssrn.2409009 Deryugina E., Kovalenko O., Pantina I., Ponomarenko A. (2015). Disentangling loan demand and supply shocks in Russia. Bank of Russia Working Paper Series, No. 3. Eickmeier S., Ng T. (2015). How do US credit supply shocks propagate internationally? A GVAR Approach. European Economic Review, Vol. 74, pp. 128—145. https:// doi.org/10.1016/j.euroecorev.2014.11.011 Gambetti L., Musso A. (2017). Loan supply shocks and the business cycle. Journal of Applied Econometrics, Vol. 32, No. 4, pp. 764—782. https://doi.org/10.1002/jae.2537 Gross D. B., Souleles N. S. (2002). Do liquidity constraints and interest rates matter for consumer behavior? Evidence from credit card data. Quarterly Journal of Еconomics, Vol. 117, No. 1, pp. 149—185. https://doi.org/10.1162/003355302753399472 Jensen T.L., Johannesen N. (2017). The consumption effects of the 2007—2008 financial crisis: Еvidence from households in Denmark. American Economic Review, Vol. 107, No. 11, pp. 3386—3414. https://doi.org/10.1257/aer.20151497 Kaplan G., Violante G. L., Weidner J. (2014). The wealthy hand-to-mouth. NBER Working Рaper, No. 20073. https://doi.org/10.3386/w20073 Kaplan G., Violante G. L. (2018). Microeconomic heterogeneity and macroeconomic shocks. Journal of Economic Perspectives, Vol. 32, No. 3, pp. 167—194. https:// doi.org/10.1257/jep.32.3.167 Kehoe P. J., Midrigan V., Pastorino E., Salgado S. (2020). On the dynamic effects of monetary policy with heterogeneous agents. Unpublished manuscript. https:// drive.google.com/file/d/1lscoqsGIjjbIq6aDVQGtyOcXiKBa28Pv/view Kiselev A., Mamonov M., Pestova A. (2020). Credit supply shocks and their macroeco- nomic implications in an emerging economy. Unpublished manuscript. https:// drive.google.com/file/d/1qUy3KmwrkK3V5kYACHPK00sMJ5Dsu_xE/view Krueger D., Mitman K., Perri F. (2016). Macroeconomics and household heterogeneity. In: J. B. Taylor, H. Uhlig (eds.). Handbook of macroeconomics, Vol. 2. Elsevier, pp. 843—921. https://doi.org/10.1016/bs.hesmac.2016.04.003 Lown C., Morgan D.P. (2006). The credit cycle and the business cycle: New finding using the loan officer opinion survey. Journal of Money, Credit and Banking, Vol. 38, No. 6, pp. 1575—1597. https://doi.org/10.1353/mcb.2006.0086 Maddaloni A., Peydró J.-L. (2013). Monetary policy, macroprudential policy, and banking stability: Еvidence from the euro area. Working Paper Series in European Central Bank, Vol. 9, No. 1, pp. 121—169. Mumtaz H., Pinter G., Theodoridis K. (2018). What do VARs tell us about the im- pact of a credit supply shock? International Economic Review, Vol. 59, No. 2, pp. 625—646. https://doi.org/10.1111/iere.12282 Ozkan S., Mitman K., Karahan F., Hedlund A. (2017). Monetary policy, heterogeneity and the housing channel. Technical report. 2017 Meeting Papers, No. 1610, Society for Economic Dynamics. 49