Статьи автора : Вдовиченко А. Н.№ 2/2013
Экономика в условиях современных трансформацийВДОВИЧЕНКО А. Н.1
1Научно-исследовательский институт финансового права (Ирпень)
Цикличность фискальной и монетарной политики в Украине
| Ekon. prognozuvannâ 2013; 2:55-67 | |
АННОТАЦИЯ ▼
Поставлена цель проанализировать параметры цикличности фискальной и монетарной политики в Украине. Указано на высокую вероятность наличия стохастического тренда у ВВП Украины. Как результат, в статье проводится выделение циклических колебаний ВВП Украины не путем использования детерминистического тренда (линейного или полиномиального), а с использованием фильтра Ходрика – Прескотта. При помощи эконометрических методов рассчитаны коэффициенты корелляции между выделенной циклической компонентой ВВП Украины и различными инструментами фискальной и монетарной политики. В результате проведенного анализа выявлено, что фискальная политика в Украине является ациклической, монетарная политика имеет гетерогенний характер цикличности
Ключевые слова:тренд, единичный корень, стационарный процесс, авторегрессия, перманентные и транзитивные шоки, экономический цикл, цикличность политики, дискреционная фискальная и монетарная политика
| Статья на украинском языке (cтр. 55 - 67) | Загрузить | Загрузок : 536 |
ПЕРЕЧЕНЬ ЛИТЕРАТУРЫ ▼
1. Зимовець В. В. Державна фінансова політика економічного розвитку / В.В.Зимовець. – К., 2010. – 356 с.
2. Barro R. J. Macroeconomics (5th edition) / R.J.Barro. – MIT Press, 1998. – 867 p.
3. Nelson C. R. Trends and random walks in macroeconmic time series: some evidence and implications / C.R.Nelson, C.R.Plosser // Journal of Monetary Economics – 1982. –Vol. 10, Іs. 2. – Р. 139–162.
4. Libanio G. Unit roots in macroeconomic time series: theory, implications, and evidence / G. Libanio // Nova Economia. – 2005. – Vol. 15, Is. 3. – Р. 145–176.
5. Box G. E. P.Time Series Analysis: Forecasting and Control / G.E.P.Box, G.M.Jenkins. – Holden day, San Francisco, 1970. – 500 p.
6. Nelson C. R. Spurious Periodicity in Inappropriately Detrended Time Series/ C.R.Nelson, H.Kang // Econometrica. – 1981. – Vol. 45, Is. 3. – Р. 741–751.
7. Durlauf S. N. Trends versus Random Walks in Time Series Analysis / S.N.Durlauf, P.C.Phillips // Econometrica. – 1988.– Vol. 56, Is. 6. – Р. 1333–1354.
8. Granger C. W. Spurious regressions in econometrics / C.W.J.Granger, P.Newbold // Journal of Econometrics. – 1974. – Vol. 2, Is. 2. – Р. 111–120.
9. Nelson C. R. Pitfalls in the use of Time as an Explanatory Variable in Regression / C.R.Nelson, H.Kang // Journal of business and economic statistics. – 1984. – Vol. 2, № 1. – Р. 73–82.
10. Campbell J. Pitfalls and opportunities: what macroeconomists should know about unit roots / J.Campbell, P.Perron // NBER Macroeconomics annual. – 1991. – Vol. 6. – Р. 141–220.
11. Cochrane J. H. HowBigIstheRandomWalkin GNP? / J.H.Cochrane // Journal of Political Economy. – 1988. – Vol. 96, Is. 5. – Р. 893–920.
12. Perron P. The Great Crash, the Oil Price Shock and the Unit Root Hypothesis / P.Perron // Econometrica. – 1989. – Vol. 57, Is. 6. – Р. 1361–1401.
13. Charemza W. W. Joint application of the Dickey-Fuller and KPSS tests / W.W.Charemza, E.M.Syczewska // Economics Letters. – 1998. – Vol. 61. Is. 1. – Р.17–21.
14. Okun A. M. The Political Economy of Prosperity / A.M.Okun. – Brookings Institution, Washington D.C., 1970. – 152 р.
15. Gradzewicz M. Demand Gap Estimation In the Polish Economy On the Basis of VECM Method / M.Gradzewicz, M.Kolasa // Bank i Kredyt. – 2004. – Vol. 35, № 2. – Р. 14–30.
16. Canova F. Detrendingandbusinesscyclefacts / F.Canova // Journal of Monetary Economics. – 1998. – Vol. 41, № 3. – Р. 475–512.
17. Canova F. Does Detrending Matter for the Determination of the Reference Cycle and the Selection of Turning Points? / F. Canova // Economic Journal. – 1999. – Vol. 109, № 452. – Р. 126–150.
18. Половньов Ю. Оцінка циклу ділової активності української економіки / Ю.Половньов, С.Ніколайчук // Вісник НБУ. – 2005. – № 8. – С. 4–8.
19. Ніколайчук С. Оцінка рівноважних та циклічних компонент макроекономічних показників за допомогою фільтра Кальмана / С. Ніколайчук, Є. Марійко // Вісник НБУ. – 2007. – № 5. – С. 58–64.
20. Harvey A. C. Detrending, Stylized Facts and the Business Cycle / A. C. Harvey, A. Jaeger // Journal of Applied Econometrics. – 1993. – Vol. 8, Is. 3. – Р.231–247.
21. Cogley T. Effectsofthe Hodrick-Prescott filter on trend and difference stationary time series: implications for business cycle research / T.Cogley, J.M.Nason // Journal of Economic Dynamics and Control. – 1995. – Vol.19, Is. 1–2. – Р. 253–278.
22. Harvey A. Trends, Cycles and Autoregressions / A.Harvey // Economic Journal. – 1997. – Vol. 107, № 440. – Р. 192–201.
23. Zarnowitz V. Time Series Decomposition and Measurement of Business Cycles, Trends and Growth Cycles [Електронний ресурс]. / V.Zarnowitz, A.Ozyildirim // NBER Working Paper. – January 2002. – WP8736. – 50 p. – Доступний з : <
www.nber.org/papers/w8736>.
24. Blanchard O. Suggestions for a New Set of Fiscal Indicators / O.Blanchard // OECD Economics Department Working Papers. – 1990. – № 79. – Р. 34.
25. Вдовиченко А. М. До проблем інтерпретації циклічно скоригованого бюджетного балансу країни [Електронний ресурс]. / А.М.Вдовиченко // Ефективна економіка. – 2012. – № 12. – Доступний з : <
www.economy.nayka.com.ua/index.php?operation=1&iid=1618>.
№ 2/2015
Методы и модели прогнозированияМОКЛЯК М. В.1, ЧЕРНОВ П. С.2, ВДОВИЧЕНКО А. Н.3, ЗУБРИЦКИЙ А. И.4
1Координационно-мониторинговый департамент Государственной фискальной службы Украины
2Координационно-мониторинговый департамент Государственной фискальной службы Украины
3Научно-исследовательский институт финансового права (Ирпень)
4Научно-исследовательский институт финансового права (Ирпень)
Пространственный подход в прогнозировании налоговых поступлений
АННОТАЦИЯ ▼
Статья посвящена проблеме прогнозирования налоговых поступлений. Авторы де-монстрируют возможность прогнозирования не только в формате временных рядов, но и динамических и пространственных панельных регрессий. В частности, показано, что учет пространственных лагов привносит в статистические модели информацию, значимую для точности прогнозирования. Особенно актуально это для случаев, когда длина временных рядов для каждого из объектов прогнозирования ограничена.
Ключевые слова: налоговые поступления, временные ряды, динамические панельные регрессии, пространственные панельные регрессии
| Статья на украинском языке (cтр. 7 - 20) | Загрузить | Загрузок : 845 |
ПЕРЕЧЕНЬ ЛИТЕРАТУРЫ ▼
1. Barnard, Jerald R., Dent, Warren T. State tax revenues-new methods of forecasting // The Annals of Regional Science. – 1979. – Vol. 13, Is. 3. – Рp. 1–14. doi:
doi.org/10.1007/BF01287742
2. Litterman, Robert B., Supel, Thomas M. Using Vector Autoregressions to Measure the Uncertainty in Minnesota's Revenue Forecasts // Federal Reserve Bank of Minneapolis Quarterly Review. – 1983. – Vol. 7, No. 2. – Рp. 10–22.
3. Gianakis, Gerasimos A. and Frank, Howard A. Implementing Time Series Forecasting Models: Considerations for Local Governments // State & Local Government Review. – 1993. – Vol. 25, No. 2. – Рp. 130–144.
4. Mocan, H. Naci, Azad, Sam. Accuracy and rationality of state General Fund Revenue forecasts: Evidence from panel data // International Journal of Forecasting. – 1995. – No. 11. – Pp. 417–427. doi:
doi.org/10.1016/0169-2070(95)00592-9
5. Cirincione C., Gurrieri G. A., Van De Sande B. Municipal Government Revenue Forecasting: Issues of Method and Data // Public Budgeting & Finance. – 1999. – Vol. 19, Is. 1. – Pp. 26–46. doi:
doi.org/10.1046/j.0275-1100.1999.01155.x
6. Forecasting Local Revenues and Expenditures // Local Budgeting / A. Shah (ed.). – Washington, DC : The World Bank, 2007. – Pp. 53–77.
7. Nemeth, Adam. Assessment of Quantitative Techniques for Local Business Tax Forecasting in Cities with County Status [Eлектронний ресурс] // Master of Arts in Public Policy Thesis. CEU eTD Collection. – 2012. – Доступний з :
www.etd.ceu.hu/2012/nemeth_adam.pdf
8. McNichol, Elizabeth C. Improving State Revenue Forecasting: Best Practices for a More Trusted and Reliable Revenue Estimate [Електронний ресурс] / Center for Budget and Policy Priorities Report. – 2014. – Доступний з :
www.cbpp.org/cms/index.cfm?faview&id4185
9. Getis, Arthur. A History of the Concept of Spatial Autocorrelation: A Geographer’s Perspective // Geographical Analysis. – 2008. – № 40. – Рp. 297–309. doi:
doi.org/10.1111/j.1538-4632.2008.00727.x
10. Cliff, A.D., and Ord J.K. Spatial Autocorrelation. – London: Pion, 1973.
11. Paelinck, J. H. P., and Klaassen, L. H. Spatial Econometrics. – Westmead, Farnborough, England: Saxon House, 1979.
12. Anselin, L. Spatial Econometrics: Methods and Models. – Dordrecht, The Netherlands: Kluwer Academic Publishers, 1988. doi:
doi.org/10.1007/978-94-015-7799-1
13. Getis, A., and Griffith, D. Comparative Spatial Filtering in Regression Analysis // Geographical Analysis. – 2002. – № 34. – Рp. 130–40. doi:
doi.org/10.1111/j.1538-4632.2002.tb01080.x
14. Arellano, M. and Bond, S. Some tests of specification for panel data: Monte Carlo evidence and an application to employment // Review of Economic Studies. – 1991. – Vol. 58. – Рp. 277–297. doi:
doi.org/10.2307/2297968
15. Baltagi, Badi H. Forecasting with panel data // Deutsche Bundesbank Discussion Paper Series 1: Economic Studies. – 2006. – № 25. – 28 р.
16. Baltagi, Badi H., Fingleton, Bernard, Pirotte, Alain. Estimating and Forecasting with a Dynamic Spatial Panel Data Model // Oxford Bulletin of Economics and Statistics. – 2014. – № 1 (76). – Рp. 112–138. doi:
doi.org/10.1111/obes.12011
17. Drukker, David M., Peng, Hua, Prucha, Ingmar R. Creating and managing spatial-weighting matrices with the spmat command // The Stata Journal. – 2013. – № 2. – Рp. 242–286.
18. Drukker,David M., Prucha, Ingmar R., Raciborski, Rafal. A command for estimating spatial-autoregressive models with spatial-autoregressive disturbances and additional endogenous variables // The Stata Journal. – 2013. – № 2. – Рp. 242–286.
19. Практичне застосування методів прогнозування доходів бюджету на прикладі України. – Ірпінь : НДІ фінансового права, 2014. – 29 с.
20. Tobler W. A computer movie simulating urban growth in the Detroit region // Economic Geography. – 1970. – № 46 (2). –Рр. 234–240. doi:
doi.org/10.2307/143141
Русский
English 
Ukrainian 
