English
Polianskyi, V.
(2022).
TVAR-models of financial security indicators for macroeconomic systems: Impact assessment of energy “shock”.
Development Management,
21(1),
18-24.
https://doi.org/10.57111/devt.20(1).2022.18-24
Українська
Стаття
TVAR-моделі індикаторів фінансової безпеки макроекономічних систем: оцінка впливу енергетичного “шоку”
Отримано 22.11.2021, Доопрацьовано 14.02.2022, Прийнято 16.03.2022
Анотація
При порушенні зв’язків в економічних системах виникає розбалансування та існує теоретична ймовірність загрозливого стану для їх розвитку. Звідси постає питання проблематики пошуку ефективного механізму економічної безпеки загалом та фінансової безпеки зокрема є важливими елементами роботи макроекономічних складових. Метою дослідження є розробка моделей, що дозволяють оцінити вплив енергетичного «шоку» на індикатори фінансової безпеки, виявити порогові значення екзогенних змінних, при яких «шок» має деструктивний характер на рівень фінансової безпеки та може призвести до дестабілізації фінансової системи. У роботі використано розгалужену структуру наукових методів, які полягають у теоретичному та емпіричному дослідженні фінансової безпеки макроекономічних систем. Основні результати роботи присвячені розгляду проблеми проектування ефективних механізмів забезпечення фінансової безпеки за умов дії екзогенних «шоків» глобальної економіки. Розглянуто поняття «шоку», наведено приклади впливу «шоків» на макроекономічні індикатори. У роботі виділено енергетичний «шок» як домінантний для аналізу та формування ефективної політики макроекономічної стабільності. Обґрунтовано інформаційний простір ознак дослідження, що включає дані ціни на нафту марки BRENT та такі індикатори грошово-кредитної та валютної безпеки, як темп інфляції та валютний курс. Акцент на підсистемах грошово-кредитної та валютної безпеки зроблено через значущість даних каналів інфікування кризою задля забезпечення фінансової безпеки. Обґрунтовано величину лага в моделі за допомогою інформаційних критеріїв; проведено оцінювання та тестування якості моделі; здійснено оцінку стабільності системи на основі функції імпульсних відгуків, розроблено TVAR-модель. Проаналізовано галузі зміни екзогенної змінної, що відображають статистично значущий вплив енергетичного «шоку» на темп інфляції. Таким чином, отримані результати дозволили виділити режими енергетичної безпеки, які стають каналом інфікування фінансової сфери та суттєвого зростання рівня інфляції. Практична значущість включає універсальність та можливість застосування підходу оцінки для досліджень через можливість використовувати увесь алгоритм як повноцінний ансамбль моделей. Результати даного матеріалу можуть використані при формуванні державних політик фінансової безпеки та реакції на дестабілізуючі зовнішні впливи
Ключові слова:
безпека макрорегіонів, ризики та загрози, індикатори безпеки, ціна нафти, порогові режими
- 1 601 Перегляд
- Читати статтю
Використані джерела
[1] Data commons. Place explorer. Earth. (2020). Retrieved from https://datacommons.org/place/Earth.
[2] Strelchenko, I.I. (2020). Mathematical modeling of processes of cross-border spread of crisis phenomena in financial markets (Doctoral thesis, Kyiv National Economic University named after Vadym Hetman, Kyiv, Ukraine).
[3] The 12 global economic indicators to watch. (2022). Retrieved from https://www.bloomberg.com/graphics/world-economic-indicators-dashboard.
[4] Macrotrends – The premier research platform for long term investors. (2022). Retrieved from https://www.macrotrends.net.
[5] FINVIZ – financial visualization. (2022). Retrieved from https://finviz.com.
[6] Ermoshenko, M.M. (2001). Financial security of the state: national interests, real threats, security strategy. Kyiv: KNTEU.
[7] Mekshun, P.V. (2013). The evolution of scientific investments to the dealing of the essence of the economic security of the national economy and the necessity of state security. Economic Forum, 3, 24-29.
[8] Khomin, O.Y., & Vasyuk, S.V. (2017). Indicators of financial security in Ukraine. Lviv: LvDUVS.
[9] Vinas, F. (2021). How financial shocks transmit to the real economy? Banking business models and firm size. Journal of Banking & Finance, 123, article number 106009. doi: 10.1016/j.jbankfin.2020.106009.
[10] Poledna, S., Martínez-Jaramillo, S., Caccioli, F., & Thurner, S. (2021). Quantification of systemic risk from overlapping portfolios in the financial system. Journal of Financial Stability, 52, article number 100808. doi: 10.1016/j.jfs.2020.100808.
[11] Faryna, O. (2016). Dynamic models for assessing the stability of the financial system of Ukraine (Doctoral thesis, Taras Shevchenko National University of Kyiv, Kyiv, Ukraine).
[12] Bazhenova, Yu.V. (2009). Modeling the impact of monetary and fiscal policy on the economy of Ukraine for the help of an additional dynamic stochastic model of global currency. Economics and State, 7, 33-36.
[13] Guryanova, L., Klebanova, T., Razumovskiy, S., & Nepomnyashchiy, V. (2017). Dynamic effects of the “shocks” influence on the economic safety of macroregions. Vestnik Volgogradskogo Gosudarstvennogo Universiteta, 19(3), 46-60. doi: 10.15688/jvolsu3.2017.3.5.
[14] Huang, A., Qiu, L., & Li, Z. (2021). Applying deep learning method in TVP-VAR model under systematic financial risk monitoring and early warning. Journal of Computational and Applied Mathematics, 382, article number 113065. doi: 10.1016/j.cam.2020.113065.
[15] Wen, F., Zhang, M., Deng, M., Zhao, Y., & Ouyang, J. (2019). Exploring the dynamic effects of financial factors on oil prices based on a TVP-VAR model. Physica A: Statistical Mechanics and Its Applications, 532, article number 121881. doi: 10.1016/j.physa.2019.121881.
[16] Podmazko, O.M. (2014). National economic security: Analysis of basic approaches. Market Economy: Modern Theory and Practice of Management, 1(2), 140-150.
[17] The Order of the Ministry of Economic Development and Trade of Ukraine No. 1277 “On Statement of Methodical Recommendations Concerning Calculation of Level of Economic Safety of Ukraine”. (2013, October). Retrieved from https://zakon.rada.gov.ua/rada/show/v1277731-13#Text.
[18] Evans, C.L., & Marshall, D.A. (2009). Fundamental economic shocks and the macroeconomy. Journal of Money, Credit and Banking, 41(8), 1515-1555.
[19] Shinkorenko, T.P. (2010). Macroeconomic shocks: Theoretical and empirical aspects. Economics and Forecasting, 2, 44-60.
[20] Guryanova, L.S., Klebanova, T.S., Milevskiy, S.V., Nepomnyaschiy, V.V., & Rudachenko, O.A. (2017). Models for the analysis of the state’s financial security indicators dynamics. Financial and Credit Activity Problems of Theory and Practice, 1(22), 254-264. doi: 10.18371/fcaptp.v1i22.110179.
[21] Minfin. Rates, indices, tariffs. (2022). Retrieved from https://index.minfin.com.ua/.
[22] IndexMundi. Commodity prices. (2022). Retrieved from https://www.indexmundi.com/commodities.
[23] Official website of the National Bank of Ukraine. (2022). Retrieved from https://bank.gov.ua/.
[24] Bauer, P.V., & Komkov, V.N. (2019). Construction of a vector autoregression model with an error correction mechanism for inflation forecasting in the Republic of Belarus. Retrieved from https://elib.bsu.by/bitstream/123456789/237878/1/214-217.pdf.
[25] Esmaeili, P., & Rafei, M. (2021). Dynamics analysis of factors affecting electricity consumption fluctuations based on economic conditions: Application of SVAR and TVP-Var models. Energy, 226, article number 120340. doi: 10.1016/j.energy.2021.120340.
[26] Gouriéroux, C., Monfort, A., & Renne, J.-P. (2017). Statistical inference for independent component analysis: Application to structural VAR models. Journal of Econometrics, 196(1), 111-126. doi: 10.1016/j.jeconom.2016.09.007.
[27] Gelrud, Ya.D., Ugryumov, Y.A., & Rybak, V.L. (2018). Vector model of autoregression of indicators of industrial activity of a construction enterprise, Bulletin of the YuUU University. Series: Computational Mathematics and Computer Science, 7(3), 19-30. doi: 10.14529/cmse180302.
[28] Kalinkova, I.Yu. (2012). Economic shocks in macroeconomic theory: Methodological determinism. Modern Science: Actual Problems of Theory and Practice. Economy and law,7, 3-10. doi: 10.26730/2587-5574-2022-4-18-27.
[29] Cesa-Bianchi, A., & Sokol, A. (2022). Financial shocks, credit spreads, and the international credit channel. Journal of International Economics, 135, article number 103543. doi: 10.1016/j.jinteco.2021.103543.
[30] Kang, W., Ratti, R.A., & Vespignani, J. (2021). Financial and nonfinancial Global Stock Market Volatility shocks. Economic Modelling, 96, 128-134. doi: 10.1016/j.econmod.2020.12.031.
[31] Pesaran, M.H., & Mauro, D.F. (2013). The Gvar handbook: Structure and applications of a macro model of the global economy for Policy Analysis. Oxford: Oxford University Press.
[32] Chen, Z., Liang, C., & Umar, M. (2021). Is investor sentiment stronger than Vix and uncertainty indices in predicting energy volatility? Resources Policy, 74, article number 102391. doi: 10.1016/j.resourpol.2021.102391.
[33] Economic policy uncertainty index. (2022). Retrieved from https://www.policyuncertainty.com/global_monthly.html.
[34] Yuhan, R.J., & Sohibien, G.P. (2018). Relationship between inflation, exchange rate and money supply in Indonesia using Threshold Vector Autoregressive (TVAR). In AIP Conference Proceedings (article number 020128). Geneva: University of Geneva. doi: 10.1063/1.5054532.
[35] Aleem, A., & Lahiani, A. (2014). A threshold vector autoregression model of exchange rate pass-through in Mexico. Research in International Business and Finance, 30, 24-33. doi: 10.1016/j.ribaf.2013.05.001.