Полезна ли кривая Филлипса для прогнозирования инфляции в России?

В работе проанализирован опыт применения кривой Филлипса для моделирования инфляции в России с учетом специфических особенностей отечественного рынка труда. На основе российских данных за период с 2000 по 2022 г. построен широкий спектр моделей прогнозирования инфляции как основанных на кривой Филлипса, так и альтернативных. В качестве эконометрического инструментария использованы модели авторегрессии со скользящим средним в остатках с учетом сезонности (SARIMA) и их обобщения, авторегрессионные модели распределенных лагов (ARDL) и их обобщения, а также другие методы оценивания. В ходе моделирования использованы данные об инфляции, инфляционных ожиданиях, динамике производства, безработицы, заработной платы, валютных курсов, денежной массы и других переменных. Модели сопоставлены на основе точности однопериодных и многопериодных вневыборочных прогнозов. На основе результатов моделирования получен вывод о том, что одномерные модели хорошо работают в периоды стабильности экономической динамики, однако проигрывают в своей прогностической силе «треугольной» кривой Филлипса в кризисные годы. Сопоставление моделей для прогнозирования инфляции показывает, что в условиях устойчивой экономической ситуации более надежный прогноз дают одномерные модели. Однако в условиях структурной трансформации, с которой российская экономика столкнулась в 2022 г., максимальное качество прогноза демонстрируют «треугольные» модели кривой Филлипса. Хотя в условиях ускорения инфляции в 2022 г., очевидно, снижается точность любых прогнозных уравнений, однако «треугольная» модель на основе лагов инфляции, лагов безработицы и лагов индекса промышленного производства демонстрирует наилучшие результаты. Этот вывод остается устойчивым к изменению длины временно го ряда, используемого для прогнозирования, а также к изменению горизонта прогнозирования. 

1. Байбуза, И. (2018). Прогнозирование инфляции с помощью методов машинного обучения. Деньги и кредит, (4), 42-59. https://doi.org/10.31477/rjmf.201804.42

2. Гафаров, Б. Н. (2010). Эконометрическое исследование связи безработицы и инфляции в России в рамках трехфакторной модели с адаптивными ожиданиями. Высшая школа экономики. WP2/2010/04., 1-32.

3. Горностаев, Д., Пономаренко, А., Селезнев, С., & Стерхова, А. (2022). База данных пересмотров макроэкономических показателей в России. Деньги и кредит, 81(1), 88-103. https://doi.org/10.31477/rjmf.202201.88

4. Зубарев, А. В. (2018). Об оценке кривой Филлипса для российской экономики. Экономический журнал Высшей школы экономики, 22(1), 40-58. https://doi.org/10.17323/1813-8691-2018-22-1-40-58

5. Мавлютов, М. К., & Орлов, Ю. Н. (2017). Методы оценки NAIRU и кривая Филлипса для России в 2002-2016 гг. Труды Международной Научной Конференции, CPT1617, 267-270.

6. Орлов, Д., & Постников, Е. (2022). Кривая Филлипса: инфляция и NAIRU в российских регионах. Журнал Новой экономической ассоциации, 3(55), 61-80. https://doi.org/10.31737/2221-2264-2022-55-3-4

7. Павлов, Е. (2020). Прогнозирование инфляции в России с помощью нейронных сетей. Деньги и кредит, 79(1), 57-73. https://doi.org/10.31477/rjmf.202001.57

8. Стырин, К. (2019). Прогнозирование инфляции в России методом динамического усреднения моделей. Деньги и кредит, (1), 3-18. https://doi.org/10.31477/rjmf.201901.03

9. Третьяков, Д. В., & Фокин, Н. Д. (2021). Помогают ли высокочастотные данные в прогнозировании российской инфляции? Вестник Санкт-Петербургского университета. Экономика, 37(2), 318-343. https://doi.org/10.21638/spbu05.2021.206

10. Хабибуллин, Р. (2019). Какие показатели разрывов выпуска и реальной деловой активности позволяют прогнозировать инфляцию в России. Серия докладов Банка России об экономических исследованиях, (50).

11. Atkinson, T., & Koenig, E. F. (2012). Inflation, slack, and Fed credibility. Staff Papers, (Jan).

12. Atkeson, A., & Ohanian, L. E. (2001). Are Phillips curves useful for forecasting inflation? Federal Reserve bank of Minneapolis quarterly review, 25(1), 2-11. https://doi.org/10.21034/qr.2511

13. Faust, J., & Wright, J. H. (2013). Forecasting inflation. Handbook of economic forecasting (Vol. 2, pp. 2-56). Elsevier. https://doi.org/10.1016/b978-0-444-53683-9.00001-3

14. Fisher, Jonas D.M., Chin T. Liu, Ruilin Zhou (2002). When Can We Forecast Inflation? Federal Reserve Bank of Chicago Economic Perspectives, 1Q/2002, 30–42.

15. Frankel, J., Parsley, D., & Wei, S. J. (2012). Slow pass-through around the world: a new import for developing countries? Open Economies Review, 23, 213-251.

16. Gasparian, M. S., Kiseleva, I. A., Titov, V. A., Sysoev, N. A., & Chernysheva, E. N. (2021). Socioeconomic development: search for optimal models for forecasting inflationary processes. International Journal of Criminology and Sociology, 10, 479-485. https://doi.org/10.6000/1929-4409.2021.10.55

17. Gimpelson, V. (2019). The labor market in Russia, 2000-2017. IZA World of Labor. https://doi.org/10.15185/izawol.466

18. Gordon, R. J., King, S. R., & Modigliani, F. (1982). The output cost of disinflation in traditional and vector autoregressive models. Brookings Papers on Economic Activity, 1982(1), 205-244. https://doi.org/10.2307/2534320

19. Gordon, R. J. (1988). US inflation, labor's share, and the natural rate of unemployment. https://doi.org/10.3386/w2585

20. Marcellino, M., Stock, J. H., & Watson, M. W. (2006). A comparison of direct and iterated multistep AR methods for forecasting macroeconomic time series. Journal of econometrics, 135(1-2), 499-526. https://doi.org/10.1016/j.jeconom.2005.07.020

21. Orphanides, A., & Van Norden, S. (2005). The reliability of inflation forecasts based on output gap estimates in real time. Journal of Money, Credit and Banking, 583-601. https://doi.org/10.1353/mcb.2005.0033

22. Saul, S. (2021). Do global output gaps help forecast inflation in Russia (No. 85). Bank of Russia working paper series.

23. Stock, J. H., & Watson, M. W. (2007). Why has US inflation become harder to forecast?. Journal of Money, Credit and banking, 39, 3-33. https://doi.org/10.1111/j.1538-4616.2007.00014.x

24. Stock, J. H., & Watson, M. W. (2008). Phillips curve inflation forecasts. https://doi.org/10.3386/w14322

25. Wright, J. H. (2009). Forecasting US inflation by Bayesian model averaging. Journal of Forecasting, 28(2), 131-144. https://doi.org/10.1002/for.1088