Факторы прямых иностранных инвестиций

Основные подходы к оценке влияния внешней политики на макроэкономические параметры. Методы эконометрического анализа изучаемого эффекта. Эффект воздействия политики инфляционного таргетирования на приток прямых иностранных инвестиций в экономику.

Рубрика Экономика и экономическая теория
Вид дипломная работа
Язык русский
Дата добавления 11.02.2017
Размер файла 391,7 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

В Таблице 5 представлен список всех используемых в исследовании переменных, а также базы данных, откуда данные по этим переменным были взяты.

Таблица 5. Переменные, используемые в исследовании, и источники данных.

Переменная

Описание

Источник

SoftIT и FullIT

Дамми - переменная, принимающая значение 1, если в данный год страна таргетировала инфляцию, и 0, в противном случае. Поскольку год введения режима инфляционного таргетирования можно определить по-разному, используется две дамми - для “soft” и “fully - fledged” режимов.

Rose (2007), Vega и Winkelried (2005), Хеммонд Джилл (2012)

FDI

Чистый приток прямых иностранных инвестиций (% от ВВП).

World Development Indicators (2015), World Bank

DEVTYPE

Индикатор для отнесения страны к категории развитых (1) и развивающихся стран (0).

Классификация ООН (2014)

CPI

Индекс потребительских цен (с базовым годом - 2005), дамми для уровня инфляции.

World Economic Outlook (April 2016), IMF

SIZE

Валовый внутренний продукт в текущих ценах, млрд. долларов США, дамми для размера экономики страны.

World Development Indicators (2015), World Bank

OPEN

Отношение суммы экспорта и импорта к номинальному ВВП (%), как дамми торговой открытости экономики страны.

World Development Indicators (2015), World Bank

FINDEV

Отношение внутреннего кредита со стороны финансового сектора к ВВП (%). Включает все кредиты разным секторам, за исключением кредитов государству. Используется как дамми развитости финансового сектора страны.

World Development Indicators (2015), World Bank

FINOPEN

Индекс финансовой открытости (The Chinn-Ito index). Оценивается по большому числу параметров, характеризующих открытость финансовых рынков страны. Подробнее: http://web.pdx.edu/~ito/Readme_kaopen2013.pdf.

Chinn and Ito (2008)

UNEM

Уровень безработицы (процент от рабочей силы).

World Economic Outlook (April 2016), IMF

DEBT

Совокупный валовый государственный долг (как процент от ВВП). Характеризует устойчивость фискальной политики и уровень политического давления на монетарные власти.

World Economic Outlook (April 2016), IMF

EXRATE

Классификационный код для режима обменного курса, принимающий значения от 1 (“no separate legal tender”) до 15(“Dual markets in which parallel market data is missing”). Чем выше значение индикатора, тем ближе обменный валютный курс к плавающему.

Reinhart and Rogoff (2004), обновленный Обновленная база доступна в интернете: http://www.carmenreinhart.com/data/browse-by-topic/topics/11/ [дата доступа: 30.03.2016].

INFLATION

Ежегодный темп роста среднего индекса потребительских цен (%).

World Economic Outlook (April 2016), IMF

Для стран, таргетирующих инфляцию, переменные, входящие в регрессию - это средние значения за пять лет, предшествующих году введения режима инфляционного таргетирования. Таким образом, для стран, которые таргетируют инфляцию, мы имеем два набора данных - классификации по “soft” и “fully - fledged” режимам. Обозначим их, соответственно, Классификация 1 и Классификация 2. Следует объяснить, почему для оценки мер склонности мы используем усредненные значения переменных за некоторый период. Мера склонности отражает условную вероятность введения режима инфляционного таргетирования в странах, которые обладают к моменту введения режима определенным набором ковариат. Поскольку решение о введении новой монетарной политики не принимается вдруг, а является результатом долгого анализа в течение нескольких лет, будет правильным учитывать это при оценке логит - модели.

Для контроля робастности оценок для стран из контрольной группы мы используем несколько классификаций Здесь мы следуем подходу, использованному в работе Vega и Winlerlied (2005), стр. 164. . Во - первых, используем средние значения переменных с 1990 по 2008 годы. Выбор таких границ не случаен, а объяснятся несколькими причинами. 1990 год - это год начала применения режима инфляционного таргетирования (в Новой Зеландии), кроме того с 1990 года начал проявляться новый тренд на снижение инфляции и ее волатильности по всему миру. 2008 год - это год мирового финансового кризиса, в результате которого связи между многими экономическими параметрами претерпели изменения. Поскольку, все страны, таргетирующие инфляцию, выбрали эту политику до 2008 года, а страны, сделавшие этот выбор позже (например, Россия) в нашем исследовании не рассматриваются, верно полагать, что значения переменных после 2008 года никак не влияли на вероятность выбора той или иной монетарной политики. Второй классификацией для стран из контрольной группы является использование усредненного значения переменных за пять лет, предшествующих 1999 году. Здесь 1999 год - это «средний» год введения “soft” режимов инфляционного таргетирования. Аналогично, мы используем усредненные значения переменных за пять лет, предшествующих 2001 году, где 2001 год - это «средний» год введения “fully - fledged” режимов инфляционного таргетирования. Выбор пятилетнего отрезка для усреднения не объясняется какими - либо объективными конкретными факторами, а скорее основан на здравом смысле и подобной практике в предшествующих исследованиях.

Таким образом, мы получаем четыре возможных сочетания классификаций (Таблица 6). Для каждого из этих сочетаний мы оценим логит - модель.

Таблица 6. Классификации в зависимости от отрезка для расчета средних значений.

ИТ - страны

Классификация 1

(“soft”)

Классификация 2

(“fully - fledged”)

Классификация 1

(“soft”)

Классификация 2

(“fully - fledged”)

Контрольная группа

1990 - 2008

1990 - 2008

1999

2001

4. Результаты оценки

Как мы уже отмечали в описании методологии, которую использовали Ball и Sheridan (2003), разброс годов введения режима инфляционного таргетирования для получения менее смещенных оценок не должен быть слишком большим.

В нашем наборе данных разброс значительно больше, чем у Ball и Sheridan - с 1990 года для Новой Зеландии по 2007 год для Ганы (для “fully - fledged” дат), поэтому нам придется ограничиться набором стран, которые ввели режим инфляционного в 1990-е. Таким образом, в выборку попадут 12 стран, таргетирующих инфляцию, а «средним» годом введения режима инфляционного таргетирования будет 1996 год. Следовательно, для стран, которые не таргетируют инфляцию, выборка разбивается на два периода - с1980 по 1995 и с 1996 по 2014. Для этих двух периодов мы тоже считаем среднее значение X.

Теперь попробуем оценить влияние политики инфляционного таргетирования на динамику прямых иностранных инвестиций, используя подход Ball и Sheridan. В нашем случае причину регрессии к среднему можно предположить той же, что у Ball и Sheridan. Политику инфляционного таргетирования с большой вероятностью будут начинать использовать те страны, которые столкнулись с высокой и волатильной инфляцией. Но в этом случае, у них также будут проблемы и с привлечением прямых иностранных инвестиций, поскольку мы уже показали, что стабильная инфляция - важный фактор ПИИ. Следовательно, относительно высокое улучшение притока ПИИ в странах, таргетирующих инфляцию, будет объясняться не эффективностью политики, а плохими начальными условиями.

Мы сгенерировали ряды и . Оценка моделей (1) и (2) дает следующие результаты (Таблица 2):

Таблица 2. Результаты оценки модели Ball и Sheridan для прямых иностранных инвестиций.

Зависимая переменная: доля прямых иностранных инвестиций в ВВП, %

Регрессор

Модель 1

Модель 2 (с включением в качестве регрессора)

Коэффициент

Стандартная ошибка

Значимость

Коэффициент

Стандартная ошибка

Значимость

(Intercept)

3.0511

0.3997

***

2.3715

0.4756

***

IT

-0.8385

1.2583

-0.9110

1.2288

Xpre

0.4512

0.1805

*

Значимость: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 `' 1

Adj. R^2

-0.005174

0.04182

В обеих спецификациях модели оказывается, что введение режима инфляционного таргетирования отрицательно сказывается на притоке прямых иностранных инвестиций. Однако, коэффициент перед дамми - переменной IT оказывается незначимым на любом разумном уровне значимости.

На самом деле, это результат показывает один из главных недостатков подхода Ball и Sheridan к анализу панельного типа данных. Поскольку «средним» годом для стран, которые не таргетируют инфляцию, мы выбрали 1995, то к этому моменту ряд стран, таргетирующих инфляцию, уже ввели этот режим, и могли получить эффект от действия этого режима. Таким образом, оказывается, что разница для стран таргетирующих инфляцию оказывается не столь высокой, как для стран, которые инфляцию не таргетировали (Рисунок 9, таргетирующие инфляцию страны - красный плюс). Особенно выделяется здесь Мальта, для который после 1995 года отношение прямых иностранных инвестиций к ВВП в среднем составляло почти 30 процентов.

Рисунок 9. Разница Xpost - Xpre для развитых и развивающихся стран.

Удалим из выборки выбросы, оставив в ней страны, для которых лежит в диапазоне от 0 до 5 процентов и оценим модели (1) и (2) по этим данным. Также мы удалили страны, для которых разность не определена. В итоге мы получили выборку из 89 стран, среди которых 10 таргетируют инфляцию. Как видно из Рисунка 10, для стран, таргетирующих инфляцию, выигрыш от введения политики инфляционного таргетирования по отношению к прямым иностранным инвестициям в среднем не выше, чем для других стран.

Рисунок 10. Разница Xpost - Xpre для 89 развитых и развивающихся стран

Оценка моделей (1) и (2) для новой выборки дает следующие результаты (Таблица 3):

Таблица 3. Результаты оценки модели Ball и Sheridan для прямых иностранных инвестиций для ограниченной выборки.

Зависимая переменная: доля прямых иностранных инвестиций в ВВП, %

Регрессор

Модель 1

Модель 2 (с включением в качестве регрессора)

Коэффициент

Стандартная ошибка

Значимость

Коэффициент

Стандартная ошибка

Значимость

(Intercept)

2.0186

0.1428

***

1.6983

0.1832

***

IT

0.4447

0.4260

0.2829

0.4163

Xpre

0.3134

0.1178

**

Значимость: 0 `***' 0.001 `**' 0.01 `*' 0.05 `.' 0.1 `' 1

Adj. R^2

0.001021

0.01953

В этот раз оказывается, что политика инфляционного таргетирования положительно влияет на приток прямых иностранных инвестиций. Коэффициенты при дамми - переменной IT снова оказываются незначимыми. Однако, при оценке модели 2, когда мы добавляем регрессор , коэффициент перед дамми - переменной монетарной политики оказывается значительно ниже, что подтверждает гипотезу о наличии регрессии к среднему.

Теперь, чтобы получить менее смещенные оценки, перейдем к методу мэтчинга.

Оценка мер склонности.

Теперь перейдем к оценке методом мэтчинга, основанного на оценке мер склонности.

В Таблице 7 представлены результаты оценивания четырех логит - моделей, спецификации которых отобраны на основании теста отношения правдоподобия и теста Вальда.

Таблица 7. Оценка логит - моделей для четырех сочетаний классификаций.

Модель 1

Модель 2

Модель 3

Модель 4

ИТ - страны

Классификация 1

(“soft”)

Классификация 2

(“fully - fledged”)

Классификация 1

(“soft”)

Классификация 2

(“fully - fledged”)

Контрольная группа

1990 - 2008

1990 - 2008

1999

2001

Intercept

OPEN

SIZE

DEBT

FINOPEN

EXRATE

-3.072 (1.59) .

-0.019 (0.011)

-0.0006 (0.0005)

-0.0166 (0.0116)

0.528 (0.226) *

0.426 (0.116) ***

-2.23 (1.55)

-0.021 (0.012) .

-0.00059 (0.0005)

-0.021 (0.012) .

0.545 (0.223) *

0.38 (0.1) ***

-2.39 (1.456)

-0.015 (0.009)

-0.001 (0.0008)

-0.018 (0.012)

0.522 (0.247) *

0.373 (0.113) ***

-2.01 (1.4)

-0.013 (0.0099)

-0.0004 (0.0006)

-0.033 (0.012) **

0.478 (0.234) *

0.392 (0.113) ***

Pseudo R^2

LR

0.405

34.02

0.397

34.05

0.395

27.14

0.443

34.92

Common support region

Число стран в CSR

[0.087; 0.913]

46

[0.031; 0.934]

66

[0.115; 0.926]

30

[0.045; 0.948]

50

Знаки коэффициентов во всех моделях оказались такими, какими мы их ожидали увидеть: положительными для финансовой открытости и режима обменного курса, отрицательными для торговой открытости, размера экономики и уровня государственного долга. Значимыми на любом уровне значимости оказываются только оценки коэффициентов для режима обменного курса, на уровне значимости один процент оценки коэффициентов для финансовой открытости. Во второй модели значимыми на уровне значимости 5 процентов оказываются оценки коэффициентов для торговой открытости и уровня государственного долга.

В последней строке Таблицы 7 указаны границы common support region и число стран из контрольной группы, которые туда попадают.

На Рисунке 11 построены плотности распределения мер склонности для стран, таргетирующих инфляцию, и стран из контрольной группы для четырех оцениваемых моделей. Внутри каждой из групп графики достаточно похожи, в то же время, для стран, которые не таргетируют инфляцию, они смещены влево, тогда как для стран, таргетирующих инфляцию они больше похожи на график нормального распределения. Это говорит о том, что, действительно, страны, таргетирующие инфляцию, обладают набором ковариат, «способствующим» введению нового монетарного режима.

Рисунок 11. Плотности распределения мер склонности для разных классификаций стартовых дат.

После того, как мы оценили меры склонности, мы можем непосредственно перейти к получению мэтчинг - оценок и вычислению их стандартных ошибок с помощью бутсрепа.

Результаты мэтчинга.

В Таблице 8 представлены оцененные средние эффекты воздействия инфляционного таргетирования на динамику прямых иностранных инвестиций для стран, которые таргетируют инфляцию.

Таблица 8. Средний эффект воздействия на подвергшихся воздействию.

Классификация 1

(“soft”)

1990 - 2008

Классификация 2

(“fully - fledged”)

1990 - 2008

Классификация 1

(“soft”)

1999

Классификация 2

(“fully - fledged”)

2001

Kernel matching:

- весь период

- 1 год

- 3 года

- 5 лет

-0.037 (0.287)

0.17 (0.166)

0.101 (0.18)

0.198 (0.182)

-0.837 (0.26)

0.336 (0.239)

-0.078 (0.231)

0.188 (0.266)

-0.297 (0.385)

-0.276 (0.326)

0.374 (0.314)

-0.217 (0.346)

-1.39 (0.836)

0.202 (0.287)

0.256 (0.364)

-0.08 (0.46)

Nearest neighbor matching:

1 сосед

2 соседа

0.423 (0.583)

-0.30 (0.687)

0.568 (0.39)

-0.453 (0.62)

0.756 (0.439)

0.219 (0.488)

0.468 (0.481)

0.207 (0.556)

Radius matching:

R = 0.005

R = 0.01

R=0.05

0.827 (0.606)

0.38 (0.39)

0.372 (0.414)

0.873 (0.492)

0.502 (0.439)

-0.77 (0.498)

0.74 (0.757)

1.109 (0.68)

0.242 (0.424)

0.095 (0.341)

-0.112 (0.462)

-0.101 (0.457)

Эффекты воздействия приведены для четырех вариантов классификаций, а также для трех способов мэтчинга: kernel, nearest neighbor и radius. Для kernel мэтчинга мы оценили эффекты воздействия для всего периода, через 1 год после введения режима инфляционного таргетирования, а также за 3 года и 5 лет после введения режима инфляционного таргетирования. В скобках указаны оцененные с помощью бутстрепа стандартные ошибки.

В случае kernel мэтчинга мы получаем разные оценки эффекта воздействия для разных моделей и для разных периодов. В целом, оказывается, что в краткосрочном периоде (от одного до трех лет) эффект политики инфляционного таргетирования скорее положителен, хотя этот эффект и не особо явный. В частности, любой положительный эффект с учетом стандартной ошибки оказывается незначимым. В долгосрочном периоде эффект воздействия оказывается отрицательным для любой модели.

Для nearest neighbor мэтчинга мы получили оценки примерно в том же диапазоне, что и для kernel мэтчинга. Следует отметить, что в этот раз шесть из восьми оценок свидетельствуют о положительном незначимом эффекте воздействия. Однако, как мы отмечали ранее, эти оценки очень чувствительны к изменению состава контрольной группы, поэтому могут рассматриваться лишь в качестве некоторого ориентира. Подтверждением этого являются высокие стандартные ошибки, рассчитанные с помощью бутстрепа. Однако, видно, что мы не получаем таких эффектов воздействия, как у Rene Tapsoba (2012).

Оценки эффекта воздействия для radius мэтчинга также принимают примерно те же значения. Снова можно сказать, что влияние скорее положительное, однако незначимое.

Такие результаты противоположны выводам Rene Tapsoba (2012), у которого эффект воздействия получился положительным и значимым. Отличие в результатах может вызвано несколькими причинами. Во - первых, мы использовали гораздо более широкую группу стран для контрольной группы, что могло снизить смещенность оценок вверх, вызванную влиянием ненаблюдаемых факторов. Во - вторых, в нашем исследовании мы рассматриваем период с 1980 до 2014 года, что позволяет нам учесть тренды, которые проявились после мирового финансового кризиса в 2008 году. В частности, значимость тех факторов, которые определяются инфляционным таргетированием (прозрачность макроэкономической политики, предсказуемость экономической среды), могла снизиться после 2008 года. Это, в частности, подтверждается тем фактом, что на временном горизонте более пяти лет, эффект политики инфляционного таргетирования оказывается незначимым или даже отрицательным. Поскольку по двум классификациям в среднем инфляционное таргетирование вводилось в 1999 и 2001 годах, прибавив 7-8 лет, мы как раз получим 2008 год. И именно на этом временном горизонте политика инфляционного таргетирования теряет свой положительный эффект в отношении прямых иностранных инвестиций. Отрицательные же эффекты на горизонте более пяти лет могут быть связаны с неправильной оценкой эффекта воздействия мирового финансового кризиса на динамику прямых иностранных инвестиций во всем мире.

Заключение

В работе была проанализирована возможная с теоретической точки зрения связь между политикой инфляционного таргетирования и динамикой прямых иностранных инвестиций. Насколько нам известно, в данной работе впервые анализ проводился для такого большого числа стран, а также для такого широкого временного интервала.

Также, на основе изучения литературы, посвященной факторам прямых иностранных инвестиций, мы выделили несколько потенциальных каналов влияния режима инфляционного таргетирования на приток прямых иностранных инвестиций: через снижение и стабилизацию уровня инфляции, через повышение устойчивости макроэкономической среды, через повышение прозрачности монетарной политики и через развитие государственной системы управления и основных институтов рыночной экономики. Ранее, в теоретических работах в качестве таких каналов выделялись низкий уровень инфляции и предсказуемость и стабильность макроэкономической среды.

Еще одним важным аспектом данной исследовательской работы являлась практическая реализация оценки методом мэтчинга и расчета бутстреп - стандартных ошибок. В настоящее время методы мэтчинг - анализа панельных данных только разрабатываются. В стандартных программных пакетах R или Stata, предназначенных для автоматизации оценки методом мэтчинга, предполагается наличие всего двух временных периодов. По этой причине нам пришлось реализовывать процедуру мэтчинга с нуля, используя только базовые функции языка программирования R и стандартную функцию оценки логит - модели. Это же касается и бутстреп - оценок - мы реализуем их вручную, не используя какие - либо стандартные пакеты. Таким образом, написание кода оказалось отдельной существенной частью нашего исследования. Использовавшийся код приведен в Приложении B.

Эмпирический анализ с помощью мэтчинга, основанного на оценке мер склонности, не показал наличия положительного и значимого среднего эффекта воздействия для стран, которые таргетируют инфляцию. Более того, оказалось, что на горизонте 7-10 лет эффект политики инфляционного таргетирования оказывается незначимым, но отрицательным. Исчезновение положительных эффектов, очевидно, связано с мировым финансовым кризисом 2008 года.

Такой результат противоречит выводам, сделанным в работе Rene Tapsoba (2012) и ставит вопрос о необходимости дальнейших исследований в этой области. Нам кажется интересным и важным проанализировать не только эффект воздействия политики инфляционного таргетирования методами анализа панельных данных, но и изучить влияние мирового финансового кризиса на динамику прямых иностранных инвестиций. В частности, важно понять, как изменилось соотношение ролей, которые играют разные факторы прямых иностранных инвестиций, после 2008 года. Кроме того, с точки зрения методологии очень важно использовать подходы, которые бы позволили выделить и отдельно оценить влияние политики инфляционного таргетирования и влияние мирового финансового кризиса на динамику прямых иностранных инвестиций.

Размещено на Allbest.ru


Подобные документы

  • Теории и концепции зависимости объемов прямых иностранных инвестиций от различных факторов. Политика и нормативно-правовые акты государства в сфере привлечения прямых иностранных инвестиций. Зависимость инвестиций от характеристик регионального развития.

    курсовая работа [111,5 K], добавлен 08.06.2013

  • Виды прямых иностранных инвестиций. Теории иностранных инвестиций. Риски для иностранных инвесторов. Иностранное инвестирование в регионы России. Инвестиционное законодательство и преодоление инвестиционных рисков с помощью законодательных инициатив.

    дипломная работа [1,9 M], добавлен 30.09.2016

  • Сущность прямых иностранных инвестиций для экономики государства. Инвестиционный климат Республики Беларусь. Основные проекты по привлечению иностранных инвестиций в Беларусь. Анализ потоков иностранных прямых инвестиций в малый и средний бизнес.

    курсовая работа [1,1 M], добавлен 22.10.2011

  • Понятие и виды иностранных инвестиций, их сущность и влияние на экономику РФ; факторы, способствующие и препятствующие их развитию. Анализ содержания инвестиционной политики России, средства ее осуществления; проблемы и перспективы прямых инвестиций.

    курсовая работа [156,9 K], добавлен 03.02.2013

  • Правовые основы иностранных инвестиций, понятие иностранного инвестора в соответствии с Законом "Об иностранных инвестициях в РФ". Понятие и черты, характерные для прямых портфельных инвестиций. Поступление иностранных инвестиций по видам деятельности.

    контрольная работа [58,2 K], добавлен 24.04.2010

  • Сущность и виды иностранных инвестиций. Правовой аспект регулирования иностранных инвестиций в РФ. Проблемы и перспективы привлечения иностранных инвестиций в экономику России. Причины и следствия иностранных инвестиций. Меры на ближайшую перспективу.

    курсовая работа [147,8 K], добавлен 21.01.2011

  • Виды иностранных инвестиций. Влияние иностранных инвестиций на экономику государства. Средства инвестиционной политики принимающего государства. Структура иностранных инвестиций в Республике Беларусь. Стратегия совершенствования инвестиционной политики.

    курсовая работа [316,6 K], добавлен 27.11.2014

  • Состояние инвестиционного климата в России. Динамика и структура иностранных инвестиций. Основные сдерживающие факторы для роста прямых инвестиций: сырьевая зависимость экономики страны; неблагоприятный инвестиционный климат; высокий уровень коррупции.

    курсовая работа [37,3 K], добавлен 05.12.2014

  • Понятие иностранных инвестиций, их роль в экономике. Значение вложений иностранного капитала. Исследование проблем привлечения иностранных инвестиций в российскую экономику. Методы, способы, проблемы и перспективы привлечения иностранных инвестиций.

    курсовая работа [478,6 K], добавлен 19.07.2014

  • Понятие иностранных инвестиций как экономической категории, их виды и формы. Анализ государственного регулирования иностранных инвестиций в современной России. Основные направления политики в области стимулирования притока международных капиталов.

    курсовая работа [774,6 K], добавлен 10.10.2012

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.