Анализ краткосрочных и долгосрочных взаимосвязей между электропотреблением, объемом промышленного производства и инвестициями с учетом сезонного фактора в частотно-временном диапазоне

В статье представлен анализ влияния объема промышленного производства и доли инвестиций в ВВП на электропотребление в ЕЭС России. Научная новизна публикации заключается в том, что данный анализ проводился на временных рядах с учетом сезонного фактора. В этом исследовании применялся метод многомерного вейвлетанализа, включающий в себя множественную и частичную когерентность вейвлетов с целью анализа взаимосвязи между анализируемыми переменными в различных частотных и временных диапазонах, частичную разность фаз и коэффициент частичного вейвлет-усиления для оценки величины взаимосвязи. Диаграмма частичной когерентности между электропотреблением и объемом промышленного производства свидетельствует о том, что между сезонными временными рядами этих переменных существует лишь краткосрочная взаимосвязь, обусловленная корреляцией сезонных циклов исследуемых рядов. Диаграмма частичной когерентности между электропотреблением и долей инвестиций в ВВП свидетельствует о том, что между сезонными временными рядами этих переменных существует краткосрочная взаимосвязь в ограниченном временном интервале и среднесрочная взаимосвязь, занимающая временной отрезок от 2017 до начала 2021 года. Диаграммы частичной разности фаз позволили определить изменение какой из переменных является опережающим по отношению к изменению другой переменной при заданном значении третьего показателя. Анализ коэффициентов частичного вейвлет-усиления (эластичностей) показал существенное снижение их в период с 2019 по конец 2020 года для всех частотных диапазонов. Такой провал эластичностей связан с тем, что именно в этот период протекала инфекция COVID-19. Результаты анализа циклов высокой частоты интересны для лиц, принимающих краткосрочные решения. Результаты, полученные для циклов средней и низкой частоты, интересны лицам, разрабатывающим планы на среднесрочную и долгосрочную перспективу.

1. Астафьева, Н. (1996). Вейвлет-анализ: основ ы теории и примеры применения. Успехи физических наук, 166(11), 1145–1170. https://ufn.ru/ufn96/ufn96_11/Russian/r9611a.pdf.

2. Мицель, А., & Шемякина, А. (2013). Анализ затрат предприятия с помощью вейвлет – преобразований. Экономико-математическое моделирование, 46(349), 52–60. https://vital.lib.tsu.ru/vital/access/services/Download/vtls:000467801/SOURCE1?view=true

3. Витязев, В. В. (2001). Вейвлет-анализ временных рядов. СПб: СПбГУ, 58 с.

4. Бессонов, В., & Петроневич, А. (2013). Сезонная корректировка как источник ложных сигналов. Экономический журнал ВШЭ, 4, 586–616. https://ej.hse.ru/data/2014/11/18/1101174164/Бессонов.pdf.

5. Системный оператор единой энергетической системы (2024). Отчеты о функционировании энергосистемы России. https://www.so-ups.ru/FUNCTIONING/TECHDISC/TECH-DISC-UPS/.

6. Центральный банк Российской Федерации. 2015. Основные направления единой государственной денежно-кредитной политики на 2016 год и период 2017 и 2018 годов. https://www.cbr.ru/content/document/file/87371/on_2016(2017-2018).pdf.

7. Aguiar-Conrariaa, L., Azevedob, N., & Soares, M. J. . (2008). Using wavelets to decompose the time–frequency eff ects of monetary policy. Physica A, 387, 2863–2878. https://doi.org/10.1016/j.physa.2008.01.063.

8. Aguiar-Conraria, L., Martinsy, M. M. F., & Soares, M. J. (2018). Estimating the Taylor Rule in the Time-Frequency Domain, NIPE WP 04, 35. https://nipe.eeg.uminho.pt/Uploads/WP_2018/NIPE_WP_04_2018.pdf.

9. Avdakovic, S., Ademovic, A., & Nuhanovic, A. (2013). Correlation between air temperature and electricity demand by linear regression and wavelet coherence approach: UK, Slovakia and Bosnia and Herzegovina case study. Archives of Electrical Engineering, 62, 521–532. https://doi.org/10.2478/aee-2013-0042.

10. Butter F. A. G. den, & Fase M. M. G. (1991). Seasonal Adjustment as a Practical Problem. North — Holland, 226.

11. Connor, J., & Rossiter, R. (2005). Wavelet transforms and commodity prices, Studies in Nonlinear Dynamics. Econometrics, 9(1), 1–22. https://doi.org/10.2202/1558-3708.1170.

12. Crowley, P. (2007). A guide to wavelets for economists. Journal of Economic Surveys, 21(2), 207–267. https://doi.org/10.1111/j.1467-6419.2006.00502.x.

13. Foufoula-Georgiou, E., & Kumar, P. (1994). Wavelets in Geophysics in Wavelet Analysis and Its Applications. Academic Press, New York, 373.

14. Grinsted, A., Moore, J. C., & Jevrejeva, S. (2004). Application of the cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Processes in Geophysics, 11, 561–566. https://doi.org/10.5194/npg-11-561-2004.

15. Labat, D. (2010). Cross wavelet analyses of annual continental freshwater discharge and selected climate indices. Journal of Hydrology, 385, 269–278. https://doi.org/10.1016/j.jhydrol.2010.02.029.

16. Magazzino, C., & Giolli, L.. (2021). The relationship among railway networks, energy consumption, and real added value in Italy. Evidence form ARDL and Wavelet analysis. Research in Transportation Economics, 90, 101126–101137. https://doi.org/10.1016/j.retrec.2021.101126.

17. Senjyu, T., Tamaki, Y., Takara, H., & Uezato, K. (2002). Next day load curve forecasting using wavelet analysis with neural network. Electric Power Components and Systems, 30, 1167– 1178. https://doi.org/10.1080/15325000290085398.

18. Torrence C., & Compo, G. P. (1998). A practical guide to wavelet analysis. Bulletin of the American Meteorological Society, 79, 61–78. https://journals.ametsoc.org/view/journals/bams/79/1/1520-0477_1998_079_0061_apgtwa_2_0_co_2.xml?tab_body=pdf.

19. Wu, J., Abban, O. J., Boadi, A. D., Addae, E. A., Akhtar, M., Hongxing, Ya., & Ofori, C. (2022). Time–frequency contained co-movement of renewable electricity production, globalization, and co2 emissions: A wavelet-based analysis in Asia. Energy Reports, 8, 15189–15205. https://doi.org/10.1016/j.egyr.2022.11.054.

20. Zhang, Q., & Liu, T. (2010). Research on mid-long term load forecasting base on wavelet neural network. in Proceedings of the Computer Engineering and Applications (ICCEA), 217– 220. https://doi.org/10.1109/ICCEA.2010.195.