|
| | | | Проблемы современной экономики, N 2 (86), 2023 | | | | ЭКОНОМИЧЕСКАЯ ГЛОБАЛИЗАЦИЯ И ПРОБЛЕМЫ НАЦИОНАЛЬНОЙ И МЕЖДУНАРОДНОЙ БЕЗОПАСНОСТИ | | | Бали М.
научный сотрудник лаборатории изучения международной безопасности и европейского сотрудничества
Университета Гренобль Альпы (Франция),
доктор экономики
Бурова Н. В.
профессор кафедры статистики и эконометрики
Санкт-Петербургского государственного экономического университета,
доктор экономических наук
Фейгин Г. Ф.
профессор кафедры общей экономической теории и истории экономической мысли
Санкт-Петербургского государственного экономического университета,
доктор экономических наук, доктор управления (Высшая школа управления, г. Шпейер, Германия)
| |
| | | | | В статье показаны основы политической экономии санкций в контексте антироссийских санкций после 2014 года. Охарактеризованы результаты эконометрического моделирования воздействия санкций. Подтверждена эффективность такого объясняющего фактора как «индекс санкций». | | Ключевые слова: политическая экономия санкций, индекс санкций, модель структурной векторной авторегрессии, функция импульсного отклика | | УДК 330.43; ББК 65.59 Стр: 64 - 69 |
Теоретические предпосылки. Экономические санкции становятся все более популярным инструментом, используемым одной или группой стран, чтобы заставить «целевую» страну остановить или отменить какое-то действие или изменить свое «поведение» [1]. Ученых и политиков очень интересует вопрос об эффективности санкций в достижении тех или иных целей [2–9]. В ходе развития экономической теории образовался самостоятельный раздел — политическая экономия санкций [10]. Становление данного раздела произошло задолго до начала санкционной войны между странами коллективного Запада и Россией. Ещё в 1990 г. В. Хафбауер предложил классификацию примеров введения экономических санкций, содержащую 116 случаев, начиная с 1914 г [11]. Интенсивность применения санкций периодически варьировала. Так, с 1945 по 1990 гг. Совет Безопасности ООН ввел обязательные многосторонние санкции только в отношении Родезии (в связи с провозглашением независимости расистского правительства) и эмбарго на поставки оружия в Южную Африку (в связи с режимом апартеида). При этом в течение 1990-х гг. Совет Безопасности ООН применял санкции не менее 13 раз, т.е. интенсивность их применения резко возросла. Соединенные Штаты только в период с 1993 по 1996 гг. применили санкции против 35 стран [12].
Центральными терминами политической экономии санкций являются государство — инициатор (sender-state) и целевая страна (targer state). Санкции рассматриваются как один из инструментов, с помощью которых одна страна (инициатор) может добиться изменения политики другой (целевой) страны. В качестве других инструментов могут также использоваться дипломатические каналы, различные ограничения в области культурного сотрудничества и т.д. Крайней мерой является военное вмешательство. Природа воздействия экономических санкций на целевую страну в «идеальном случае» объясняется следующим образом. В результате введения торговых или инвестиционных ограничений экономика целевой страны перестает функционировать в привычном режиме и впадает в рецессию. Использование более узконаправленных («умных») санкций, например, замораживание оффшорных активов отдельных членов правящей элиты или запрет на въезд некоторых государственных чиновников, создает дополнительные проблемы руководству целевой страны. На определенном этапе эти проблемы становятся столь острыми, что правительство целевой страны вносит изменения в политику с целью смягчения санкций и недопущения большего ущерба. В ряде исследований отмечается прямая связь между тяжестью «санкционного бремени» и направленностью политических изменений в целевой стране. В ряде случаев правительства целевых стран ведут расчет убытков от применения санкций и строго в зависимости от их размера (фактического или потенциального). Также находящиеся под санкциями группы граждан целевой страны начинают оказывать давление на свое правительство и сила этого давления напрямую зависит от тяжести санкций [13].
В то же время, в политической экономии санкций признано, что введение санкций не всегда оказывает однозначное влияние на экономику целевой страны. Во-первых, санкционные механизмы приводят к снижению благосостояния как в целевых странах, так и в странах-инициаторах. Во-вторых, обуславливаются различные эффекты перераспределения, затрагивающие интересы различных групп населения в обоих типах стран. Наконец, характер воздействия санкционных мер на целевую страну может быть далеко не однозначным. В большинстве случаев санкции негативно влияют на уровень благосостояния в целевой стране. Однако, это может привести и к усилению политической интеграции в целевой стране. И. Галтунг был одним из первых исследователей санкций, обративших внимание на повышение уровня политической интеграции в целевой стране вслед за введением санкций. Этот феномен получил название эффект «сплочения вокруг флага» [14]. Введение санкций периодически усиливает национальную сплоченность, так как возникает решимость вместе преодолеть «все невзгоды» [15]. Также контрпродуктивность санкций может быть обусловлена появлением в целевых странах правящих элит, извлекающих выгоды от международной изоляции. В частности, это может быть вызвано развитием отечественной промышленности в результате импортозамещения. Тем самым, целевая страна обретает сравнительную независимость от внешнего влияния.
Внимание исследователей привлекает и тот факт, что в ряде случаев введение санкций не направлено на достижение реальных результатов, а преследует сугубо демонстративные цели. Зачастую введение санкций является средством обретения определенной репутации в глазах некоторых групп населения в странах-инициаторах, а также у союзников или врагов [16–18].
Понятие об эффективности санкционного воздействия. Большую роль в исследованиях феномена санкций играет вопрос об оценке их эффективности. В данном контексте определенный интерес представляет термин «работающие санкции». Он трактуется разными исследователями достаточно широко. Так, некоторые исследователи утверждают, что санкции могут работать и в том случае, если они непосредственно не заставляют целевую страну изменять политические приоритеты. Положительный эффект может проявляться, например, в формировании определенной репутации у страны-инициатора и целевой страны [19]. Однако, встречаются и противоположные оценки. Отмечается, что санкции можно считать эффективными только в том случае, если целевая страна непосредственно после введения санкций идет на уступки стране-инициатору. И при таком подходе эффективными признаются не более 5 % введенных санкций [6]. Также встречаются и другие оценки результативности санкций. Так, санкции могут выполнять информационную функцию, т.е. показывать решимость сторон при возникновении конфликтных ситуаций [20]. По некоторым оценкам, введение санкций может быть признано неудачным в том случае, если не происходит ожидаемое немедленное изменение политики в целевой стране. Но при этом отмечается, что наказание «провинившейся» целевой страны само по себе приносит эффект. В некоторых случаях санкции признаются успешными даже в том случае, если они не были главной причиной для изменения политики в целевой стране [21].
Таким образом, проблема эффективности экономических санкций и их воздействие как на целевую страну, так и на страну-инициатора, уже многие годы является предметом многочисленных исследований и научных дискуссий. При этом приводятся не только теоретические аргументы, но и строятся эконометрические модели с использованием формул и графических построений. Авторы данной статьи в разные годы принимали участие в научной дискуссии по данным и сопряженным вопросам [22–25].
В данном исследовании основное внимание уделяется санкциям, введенным Европейским союзом (далее — ЕС) против Российской Федерации (далее — Россия), включая обе волны санкций (2014 и 2022 гг.). Только за последние 13 месяцев, начиная с февраля 2022 года, ЕС принял 10 пакетов санкций против России. Начиная с 2014 года, предпринятые коллективным Западом (США, Великобританией, ЕС, др.) санкции были направлены против отдельных секторов и видов деятельности российской экономики, отдельных российских компаний, отдельных физических лиц, и несмотря на ответные меры (контрсанкции, продовольственное эмбарго), оказали определенное воздействие на российскую экономику. Оценка степени и длительности такого воздействия представляет несомненный интерес.
В ряде исследований уже изучалась эффективность санкций, введенных в 2014 г., см., в частности [26–30]. При этом в настоящее время практически нет исследований, в которых одновременно были бы изучены последствия санкций 2014 г. и санкций 2022 г. Кроме того, большинство этих исследований основано на использовании фиктивных переменных (принимающих значения ноль или единица) в качестве санкций.
Методология исследования. В данной статье мы рассмотрим результаты моделирования санкционного воздействия при помощи такого метода анализа как авторегрессионное векторное моделирование. Санкции ЕС в нашем исследовании моделируются «индексом санкций», созданным на основе методологической базы, представленной в [31]. Целью эконометрического анализа является желание отделить последствия экономических санкций ЕС на такие важнейшие элементы макроэкономической системы как ВВП страны от воздействия на него других ключевых переменных, таких как цена на нефть, инфляция, государственные расходы и другие, а также оценить временной лаг санкционного воздействия.
В анализе нами была задействована модификация модели векторной авторегрессии — структурная модель (общепринятое обозначение — SVAR- Structural Vector Autoregressive Model). Приведем определение векторной авторегрессионной модели, взятое из работы Каменского Д.А. [32]: «это некоторая эконометрическая модель, одновременно описывающая действия совместно зависимых переменных через изменение своих значений предшествующих периодов и значений других совместно зависимых переменных».
Модели VAR обладают сильными прогностическими возможностями и могут быть легко протестированы на отсутствие причинно-следственной связи по Грэнджеру. Однако главное преимущество этих моделей перед классической линейной регрессией состоит в их спецификации. Действительно, исследователи могут каким-то образом избавиться от теоретической предвзятости, поскольку им не нужно оценивать, какие переменные модели являются эндогенными или экзогенными, поскольку все они являются эндогенными.
Некоторые исследователи утверждают, что способность VAR пренебрегать экономической теорией и экономическими предположениями является ее недостатком; но в мире, полном неопределенностей, можно больше доверять тому факту, что эти модели могут освободить нас от субъективных политических ограничений.
Общие предпосылки проведенного моделирования при помощи моделей структурной векторной авторегрессии (SVAR) таковы:
• модели SVAR позволяют использовать функции импульсного отклика (IRF), которые позволяют имитировать шок переменной и наблюдать реакцию других переменных модели (продолжая при этом оценивать влияние одних переменных на другие);
• для того чтобы санкции оставались эндогенной переменной (что позволяет генерировать функции импульсного отклика), накладываются ограничения на основе разложения Холецкого (см, например, [34]);
• порядок размещения переменных в модели имеет значение: первая переменная (фактор) модели оказывает влияние на все последующие, вторая переменная (фактор) модели оказывает влияние на все последующие, кроме первой, и т.п., до последней переменной (фактора) модели, на которую оказывают влияние все предшествующие переменные (факторы);
• «индекс санкций» является воздействующей (объясняющей) переменной и поэтому занимает первое место в модели;
• «индекс санкций» построен по схеме, созданной Бали и Рапеланоро (2021 г.), согласно которой он зависит от типа санкций, от внешнеторговых отношений между «целевой» страной и страной, выставляющей санкции, а также от фактора «время», то есть времени адаптации «целевой» страны к предъявляемым санкциям;
• все задействованные временные ряды являются стационарными, за исключением индекса санкций. Это не препятствует сходимости модели и не влияет на ее устойчивость (подтверждение тому расчеты устойчивости собственного вектора в ППП STATA).
Проанализируем результаты двух моделей, позволяющих оценить эффективность экономических санкций, каждая из которых статистически значима. Первая модель состоит из семи переменных (см. табл. 1), представленных поквартально. Временной период моделирования охватывает 77 кварталов, начиная с первого квартала 2003 года и заканчивая первым кварталом 2022 года.
Валовой внутренний продукт (ВВП) в модели занимает последнее место, потому что это переменная, представляющая интерес (объясняемая). Индекс санкций занимает первое место, а промежуточные переменные, оставаясь эндогенными, являются своего рода контрольными переменными. Наш вектор эндогенных переменных Y(t) для (t = 1, ..., 77) определяется как:
Y(t)=(St, OILt, REERt, CPIt, Rt, GXt, GDPt) (1)
Таблица 1
Перечень факторов (переменных), задействованных в модели 1 структурной векторной авторегрессии| Обозначение переменной | Расшифровка |
|---|
| GDPt | Валовой внутренний продукт — Федеральный резервный банк Сент-Луиса. Валовой внутренний продукт по расходам в постоянных ценах: общий валовой внутренний продукт России, в ценах 2000 г., руб., ежеквартально, с сезонной корректировкой. | | REERt | Реальный широкий эффективный обменный курс — Федеральный резервный банк Сент-Луиса. Реальный широкий эффективный обменный курс для России, индекс 2010 = 100, ежемесячно, без сезонной корректировки. | | GXt | Государственные расходы на конечное потребление в России — Федеральный резервный банк Сент-Луиса; государственные расходы на конечное потребление в России, руб., ежеквартально, с сезонной корректировкой. | | CPIt | Индекс потребительских цен в России — Федеральный резервный банк Сент-Луиса; Индекс потребительских цен сводный; индекс 2015 = 100, ежеквартальный, без сезонной корректировки. | | Rt | 3-месячные или 90-дневные ставки и доходность: Межбанковские ставки для России — Федеральный резервный банк Сент-Луиса; процент, ежеквартально, без сезонной корректировки. | | St,i | Индекс санкций (санкции ЕС) [31]. | | OILt | Цены на сырую нефть: Brent — Европа — Федеральный резервный банк Сент-Луиса; Цены на сырую нефть: долл. за баррель, ежемесячно, без сезонной корректировки. |
Пять из выбранных переменных являются «домашними» (то есть Россия может влиять на них) переменными, а именно: трехмесячная процентная ставка (Rt), реальный эффективный обменный курс (REERt), индекс потребительских цен (CPIt), государственные расходы (GXt) и ВВП (GDPt). Еще две переменные — это индекс санкций (St) и цена на нефть для региона Европы (OILt) — являются «внешними» (то есть независящими от действий России). Определенные трудности в построении значимой модели были связаны с исходными данными, а именно: с очень большим количеством нулей в индексе санкций (в период с 2003 до 2014 г.), поскольку первые европейские санкции против российской экономики были предприняты в 2014 г.
Итак, основной объясняющей переменной модели является «индекс санкций». Что касается оставшихся, т.н. «контрольных» переменных, то был введен фактор — цена на нефть, поскольку немалая доля российского ВВП напрямую связана с экспортом нефти — некоторые исследования также показывают, что на цену рубля влияет цена нефти [35]. Реальный эффективный обменный курс включён в модель для того, чтобы оценить взаимосвязь между экономическим ростом и национальной валютой [36–37]. Это позволяет свидетельствовать о конкурентоспособности российской валюты по отношению к набору иностранных валют, а не фокусироваться на одной валюте (долларе США или евро). Инфляция (через индекс цен) включена в модель, поскольку она может оказывать влияние на экономический рост [38–39]. Трехмесячная процентная ставка присутствует взамен ключевой процентной ставки, так как последняя не была полностью доступна в течение исследуемого периода. Взаимосвязь между экономическим ростом и процентными ставками широко изучалась [40–41]. Наконец, государственные расходы интегрированы в модель, чтобы иметь небольшой теоретический противовес другим переменным, присутствующим в модели.
Эмпирические результаты первой модели. Комментируя результаты SVAR-моделирования, можно отметить, что увеличение индекса санкций на один пункт приводит к (статистически значимым):
– увеличению (0,167 процентных пункта) инфляции от одного квартала к следующему, которое длится не менее двух кварталов (на 0,621 процентных пункта больше в совокупности за два квартала, или одно полугодие);
– заметному росту процентной ставки от одного квартала к другому, которое длится два семестра, прежде чем возвращается к норме. Мы не можем указать единицу измерения, потому что процентная ставка измеряется первыми разностями, но наблюдаем сильное увеличение;
– резкому падению (2,169 п.п.) роста реального эффективного обменного курса (и вывод: санкции замедляют укрепление российского рубля по отношению к другим валютам) от квартала к кварталу. Это снижение является длительным, и его последствия ощущаются до 4 кварталов после санкционного шока (общее кумулятивное снижение за 4 квартала (то есть год) составляет «-4,73 процентных пункта»).
– небольшому падению («-0,061 п.п.») поквартального прироста ВВП России, наибольшие эффекты которого исчезают через три квартала (суммарно -0,705 п.п.), но долговременные эффекты которых сохраняются (что означает, что санкции все-таки несколько тормозят рост российского ВВП).
Вторая модель, задействованная в изучении длительности воздействия экономических санкций, состоит из четырех переменных (см. табл. 2), представленных еженедельно. Временной период моделирования охватывает 464 недели, начиная с пятой недели 2014 года и заканчивая пятьдесят второй неделей 2022 года.
Таблица 2
Перечень факторов (переменных), задействованных в модели 2 структурной векторной авторегрессии| Обозначение переменной | Расшифровка |
|---|
| st | Индекс санкций (санкции ЕС) [31]. | | ruot | Взвешенная процентная ставка, по которой крупные кредитные организации предоставляют необеспеченные кредиты друг другу на один рабочий день, средние за неделю. Рассчитывается Центральным Банком России. | | bret | Цены на сырую нефть: Brent — Европа — Федеральный резервный банк Сент-Луиса; доллары за баррель, еженедельно, без сезонной корректировки. | | eurt | Курс рубля по отношению к евро, еженедельный. |
Порядок расположения переменных в модели, как было отмечено выше, имеет значение. Именно поэтому курс рубля по отношению к евро (eurt) в модели занимает последнее место, потому что это переменная, представляющая интерес [42]. Индекс санкций (st) является воздействующей переменной и занимает первое место, а промежуточные переменные, оставаясь эндогенными, и выступают своего рода контрольными переменными.
Наш вектор эндогенных переменных Y(t) для (t = 1, ..., 463) определяется как:
Y(t) = (st, ruot, bret, eurt) (2)
Две из выбранных переменных являются «домашними» переменными, а именно: процентная ставка RUONIA (ruot) и курс рубля по отношению к евро. Еще две переменные — это индекс санкций (st) и цена на нефть для региона Европы (bret) — являются «внешними». В качестве контрольной переменной был введен фактор — цена на нефть. Эталонная процентная ставка RUONIA включена в модель для того, чтобы оценить взаимосвязь между экономическим ростом и национальной валютой [36–37].
Все временные ряды были преобразованы в коэффициенты роста показателя для обеспечения их стационарности. Число наблюдений таким образом уменьшилось на единицу и составило 463. Модель стабильна, что демонстрируется набором функций импульсных откликов (IRF — Impulse Response Functions) (см. рис. 1) | | |  | Рис.1. Функции импульсного отклика обменного курса рубля по отношению к евро на экономические санкции
Источник: Рассчитано при помощи ППП Stata, где «95% CI» — пунктирная линия -размах доверительного 95-процентного интервала, «ortogonalized IRF» — полученная в результате моделирования функция импульсного отклика, с разными лагами (1, 2, 3, 4, 5, 6). |
Были построены 6 моделей SVAR, отличие каждой от последующей состоит в наличии лагов: в первой модели — лаг один, во второй модели — лагов два, в третьей модели — лагов три, в четвертой модели — 4 лага, и т.п. до шестой модели.
Эмпирические результаты второй модели. Процесс тестирования модели на определение оптимального лага был запущен с рассмотрением возможности 12 лагов (недель). Мы выбрали модель с запаздыванием 6 недель (лаг, равный шести неделям), так как она соответствует результатам оценки качества моделей с помощью ряда критериев: информационного критерия Акаике (AIC), информационного критерия Ханнана-Куина (HQIC) и критерия итоговой ошибки прогноза (FPE). Эти три критерия имеют аналогичную интерпретацию, а наименьшие значения данных критериев пришлись на модель с 6-недельным лагом [43].
Для каждой модели определена своя функция импульсного отклика (или, IRF), который включает по 20 шагов (то есть 20 недель). На графиках рис.1 показано как курс рубля по отношению к евро реагирует на шок экономических санкций для лага 1, 2, 3, ..., 6. По оси абсцисс на шести графиках рис. 1 указаны недели (0–20), по оси ординат — показано изменение обменного курса рубля в отношении к евро, в коэффициентах.
На первом графике рис. 1 (лаг 1) видно позитивное воздействие экономических санкций на курс рубль/евро, которое полностью обнуляется на четвертой неделе. На втором графике рис.1 (лаг 2) ситуация от первоначально позитивного меняется после четвертой недели на негативное воздействие санкций на курс рубль/евро, которое также обнуляется, но на 10–11 неделе. Похожая ситуация с лагом 3. На четвертом — шестом графиках рис. 1 (лаги 4, 5 и 6) наблюдается заметный переход функции импульсного отклика (IRF) ниже отметки 0, что свидетельствует о более значительном негативном воздействии экономических санкций на курс рубль/евро (для лага 5 — максимум достигается на 5 неделе, для лага 6 — на шестой).
Поскольку переменная «курс рубль/евро» выступала в модели 2 как объясняемая, а также потому что в модели был задействован «коэффициент роста курса рубль/евро», то стоит пояснить понятия «положительное воздействие» и «негативное воздействие». Если обменный курс рубль/евро реагирует положительно на воздействие санкций, это означает, что рубль обесценивается (на графиках рис.1 это линии, расположенные выше линии 0); если обменный курс рубль/евро реагирует негативно на воздействие санкций, это означает, что рубль укрепляется (на графиках рис.1 см. линии, расположенные ниже линии 0). В частности, на графике 1 рис.1 положительное воздействие, равное 0,01 (пик кривой), обозначает обесценение рубля в среднем на 1% на первой неделе после введения очередного пакета санкций. Однако, графики 5 и 6 рис.1 свидетельствуют об укреплении курса рубля на 5 — 6 неделе на +0,8, +0,9%, после краткого первоначального обесценения.
Заключение. Комментируя результаты проведенного SVAR-моделирования, можно отметить:
• поквартальный рост «индекса санкций» сопровождается ростом инфляции и ростом процентной ставки (темп изменения которых уменьшается со временем);
• поквартальный рост «индекса санкций» приводит к относительно заметному падению реального эффективного обменного курса рубля (также в поквартальном рассмотрении) и незначительному снижению темпов роста ВВП;
• в итоге моделирования с добавлением временных лагов, можно констатировать, что первоначально экономические санкции приводят к обесценению российского рубля, но, с течением времени, те же самые санкции имеют негативное воздействие на коэффициент роста рубль/евро, то есть рубль стабилизируется и укрепляется. Точнее говоря, не те же самые санкции, а шок от одних и тех же санкций замедляется и сходит на нет, с течением времени;
• важно также отметить, что поскольку в анализе были задействованы 2014–2022 гг., то очевидно, что переменная «индекс санкций» (как инструмент оценки воздействия экономических санкций) не только в состоянии демонстрировать эффект от санкционного воздействия (а именно, обесценение или восстановление курса рубля по отношению к евро), но и причинно-следственную связь между экономическими санкциями и курсом российской валюты. |
| |
|
|
