Инструментарий моделирования
Для моделирования последствия налогово-бюджетной политики обычно используют три основных класса моделей:
- 1) расчетные модели (accounting model — AM);
- 2) модели общего вычисляемого равновесия (computable general equilibrium — CGE);
- 3) системно-динамические модели (system dynamics — SD).
AM-модели опираются на базовые неоклассические постулаты: экономические агенты максимизируют свою полезность, что ведет к максимизации полезности общества; имеет место свободная конкуренция; рынки самоочищаются (т.е. производство равно потреблению) и на них устанавливаются равновесные цены. Параметры моделей получают эконометрическими методами по ретроспективным данным или заимствуют из уравнений, построенных для других объектов (стран). Уравнения могут быть как линейными, так и нелинейными, могут охватывать всю экономику (общее равновесие) или только ее фрагменты (частичное равновесие).
AM-модели рекурсивны, их относительно легко построить и параметризиро- вать. Однако данный тип моделей неприменим для среднесрочных и долгосрочных прогнозов. Это связано с тем, что они не содержат внутренних регулируемых параметров и прогнозные значения многих показателей требуется задавать извне (отсутствуют обратные связи). Примерами AM-моделей являются «Financial Planning Framework» (МВФ) и «Revised Minimum Standard Model-Extended» (Мировой банк)[1].
CGE-модели опираются на концепцию рыночного равновесия. Они основаны на матрице социальных счетов (Social Accounting Matrix), которая описывает движение товаров между отраслями и базируется на методологии «затраты- выпуск» В. Леонтьева, согласно которой продукция одних отраслей экономики является «входом» для других.
CGE-модели, как и модели расчетные, построены на принципе «очищения рынков» — спрос равен предложению и производство равно потреблению. Моделирование предполагает построение систем нелинейных уравнений, решением которых является общее экономическое равновесие, в частности, цены, уравнивающей спрос и предложение. Очистка рынка достигается не путем имитации реального поведения экономических агентов в условиях несбалансированности, а с помощью специальных математических алгоритмов.
На практике, однако, рынки редко находятся в равновесии: потребительские вкусы изменяются, появляются новые продукты, технологии, предприятия и т.д. Поэтому CGE-модели обычно не используются для выявления долгосрочных тенденций и структурных изменений. Примерами CGE-моделей являются «Dynamic Revenue Analysis for California» (США)[2] и «Россия: Центр — Федеральные округа» (РФ)[3].
SD-модели, в отличие AM- и CGE-моделей, не требуют постулирования рыночного равновесия. Имитируемые объекты в них представлены как динамические информационные системы с обратной связью, которые состоят из открытых резервуаров (например, запасов товаров, капитала, труда и др.), связанных между собой управляемыми потоками (товаров, капитала, труда и др.). Количественно каждый резервуар описывается объемом его содержимого, а каждый поток — темпом (скоростью) перемещения. Моделируются такие системы, поведение которых определяется обратными связями между ее элементами, а регулирующие параметры задают только начальные условия ее функционирования.
В SD-моделях причинно-следственные связи носят бесконечный характер. Поэтому такие модели хорошо описывают самоподдерживающие процессы (например, рост населения), но меньше подходят для имитации систем, которые характеризуются изменчивостью поведения экономических агентов (например, когда последние учатся на своем опыте). Кроме того, выражаясь математическим языком, существует проблема затухания колебаний конечно-разностных уравнений, или в экономических терминах — на больших временных интервалах возможно «зацикливание» SD-модели на одной из возможных тенденций развития экономической системы. Примерами этого типа моделей являются «Vorld3»[4], «Threshold 21»[5].
Для создания НАС за основу был взят метод SD-моделирования. Этот выбор обусловлен следующими аргументами.
Во-первых, исходя из поставленной цели, необходимо оценивать не сиюминутные, а среднесрочные, т.е. измеряемые несколькими годами, последствия альтернативных решений в сфере налогово-бюджетной политики. Для этого SD- модели, как следует уже из самого их названия, подходят лучше, чем AM- и CGE-модели.
Во-вторых, поскольку объектами моделирования в НАС выступают экономики отдельно взятых областей, которые по очевидным причинам являются более открытыми системами, чем экономика страны в целом (производство и потребление продукции не замыкаются внутри регионов), постольку предпосылки о рыночном равновесии и «очищение рынков» AM- и CGE-моделей в данном случае не являются реалистичными.
В-третьих, что касается проблем с изменчивостью поведения экономических агентов и затуханием конечно-разностных уравнений, то для среднесрочного периода времени они не имеют принципиального значения.
В НАС структура SD-моделей представлена моделями объектов и моделями поведения этих объектов под воздействием экономических и финансовых регуляторов.
- [1] Model Building: RMSM-X Reference Guide. Washington, DC: World Bank, Development DataGroup, Development Economics, 1995.
- [2] Режим доступа: http://www.dof.ca.gov/HTML/FS_DATA/DYNA-REV/DYNREV.HTM
- [3] CGE модель социально-экономической системы России со встроенными нейронными сетями.Режим доступа: http://data.cemi.rssi.ru/GRAF/center/models/cge/cge7.htm.
- [4] Meadows D.H., Jorgen R., Meadows D.L. The limits to growth: the 30-year update. Vermont: ChelseaGreen Publishing Company, 2004. 338 p.
- [5] Bassia A.M., Yudkenc J.S., Ruthd M. Climate policy impacts on the competitiveness of energy-intensivemanufacturing sectors // Energy Policy. 2009. V. 37. Is. 8. P. 3052—3060.
