Анализ взаимосвязи индикатора экономических настроений и роста ВВП

В анализируемом периоде мы определили доминирующие циклы роста в динамике исследуемых индикаторов с I квартала 1998 года до середины 2020-го. В этот период было идентифицировано четыре (пик к пику) завершенных цикла роста с фазами расширения и полными фазами сжатия. В частности, четвертый цикл в динамике ИЭН начался со II квартала 2012 года вслед за очередным перегревом экономической системы (с пиком в IV квартале 2011-го) и последующим бумом наиболее выраженных оптимистичных настроений хозяйствующих субъектов. Этот цикл стал самым затяжным в истории циклического анализа современной экономической динамики в России. При этом почти год, начиная уже с середины 2014-го, экономика функционировала в фазе рецессионных и кризисных событий, а также депрессивных экономических настроений, оценки которых после прохождения циклического дна развернулись в направлении замедления спада. С конца 2017 года и на протяжении следующих двух лет укрепилась восстановительная фаза четвертого цикла роста, хотя его новое замедление в 2019-м вновь вызвало в экономическом сообществе рассуждения о технической рецессии. Особенно явно циклическое движение проявилось в динамике настроений экономических агентов. Такая посткризисная динамика всех статистических показателей была слишком незначительной по потенциалу роста и неустойчивой по амплитуде колебаний вплоть до конца I квартала 2020-го. Пандемия коронавируса и карантинные меры, принятые в связи с ней в апреле-мае 2020-го, привели к резкому и глубокому спаду экономической активности. В соответствии с оценками роста ВВП во IIквартале этот период правомерно определить как погружение экономики в новый кризис, начало которого вызвали преимущественно неэкономические факторы К такому же выводу пришли эксперты Комитета по датировке бизнес-циклов Национально-го бюро экономических исследований США (NBER),определившие пик квартальной экономиче-ской активности в США в IVквартале 2019 года. Комитет признал, что пандемия и ответные меры общественного здравоохранения привели к рецессии с необычными характеристиками и динами-кой. Тем не менее эксперты NBERсчитают, что беспрецедентно масштабное сокращение занятости и производства и его широкое влияние на всю экономику оправдывают обозначение этого эпизода как рецессии, даже если она окажется короче предыдущих рецессий. https://www.nber.org/cycles/june2020.html..

Визуализация циклического движения экономических настроений (краткосрочных циклов роста со сглаженной амплитудой в динамике ИЭН) достигается путем использования механизма трейсера. Такая диаграмма основана на концепции Европейской комиссии с заранее установленными расположением квадрантов и направлением движения циклического компонента индикатора [Gayer, 2008] (рис. 8). Трейсер отображает одновременно уровень и изменение динамики краткосрочных циклов роста ИЭН. Четыре квадранта траектории его движения соответствуют следующим фазам цикла:

• верхний правый квадрант -- ускорение роста, нарастание, бум оптимизма;

• верхний левый квадрант -- замедление роста, сжатие оптимизма;

• нижний левый квадрант -- ускорение спада, нарастание пессимизма, рецессия;

• нижний правый квадрант -- замедление спада, сжатие пессимизма.

Четыре квадранта, соответствующие четырем фазам цикла, пересекаются трейсером против часовой стрелки. Верхние и нижние значения, расположенные в пределах центральной вертикальной линии, свидетельствуют о поворотных точках циклов роста экономических настроений: пике перегрева (оптимизма) и впадине кризиса (депрессии) соответственно. Значения, сгруппированные около нуля, в большей степени соответствуют неопределенным настроениям.

Примечание. Фильтр Ходрика -- Прескотта пройден однократно.

Источники:https://ec.europa.eu/info/sites/info/files/economy-finance/tp043_en.pdf.

Рис. 8. Трейсер циклического профиля в динамике ИЭН: уровень (ось ординат, стандартные отклонения) и ежеквартальные изменения (ось абсцисс, стандартные отклонения)

На трейсере наглядно представлены два последних полных цикла роста в динамике ИЭН начиная с III квартала 2007 года. Последнее циклическое дно было пройдено во второй половине

2015- го, когда совокупная оценка экономических настроений достигла минимального значения за последние семь лет. Начало циклической фазы восстановления роста ИЭН отразило его переход в квадрант замедления спада и сжатия пессимизма в I квартале

2016- го. Фазы укрепления слабого роста, а затем его замедления зафиксированы в период с III квартала 2017 года по I квартал 2019-го. Далее трейсер ИЭН двигался вглубь третьего квадранта, сигнализируя об усугублении пессимизма и выраженных рецес- сионных настроениях во IIквартале 2020 года.

Таким образом, совместная декомпозиция исходных временных рядов ИЭН и ИФО ВВП с выделением краткосрочных (сглаженных) циклических профилей, а также датировка в них циклических поворотных точек позволяют отметить наличие в анализируемых динамиках экономических индикаторов циклического соответствия. При этом мы считаем, что ИЭН по своей природе уже обладает опережающими возможностями, так как оперативность сбора соответствующих данных позволяет публиковать его значительно раньше относительно такого количественного измерителя, как рост ВВП.

Заключение

Эмпирические результаты проведенного исследования позволяют сделать вывод о чувствительности агрегированных результатов обследований деловой активности Росстата к росту ВВП, их релевантности для выявления отраслевых драйверов и тестирования циклических профилей в макроэкономической динамике. Мы отдельно проанализировали возможность привлечения индикаторов опросов к оценке краткосрочных циклов роста. Для этого определили, является ли коллапс тех или иных настроений экономических агентов важным фактором смены циклических фаз, а российский индекс экономических настроений -- флэш- оценкой экономической динамики, как это принято в практике краткосрочных индикаторов бизнес-циклов в странах ЕС. Совместная декомпозиция временных рядов ИЭН и ИФО ВВП с выделением краткосрочных (сглаженных) циклических профилей, а также датировка в них циклических поворотных точек наглядно отразили наличие в анализируемых динамиках циклического соответствия. При этом оперативность расчета ИЭН позволяет публиковать его заметно раньше количественного измерителя роста ВВП.

В таком контексте сформулирован ряд тезисов, которые проиллюстрированы в статье на примере результатов визуального сопоставления показателей ИЭН и ИФО ВВП. В частности, в анализируемом периоде с I квартала 1998 года по II квартал 2020-го ИЭН в фазах ускорения экономического роста являлся одним из тех опережающих краткосрочных показателей, которые предвещают циклические развороты к замедлению роста, особенно с того момента, когда фиксировалось устойчивое превышение его значений над темпами роста ВВП. В фазе рецессии ИЭН также можно определить как индикатор, заранее оповещающий об усугублении кризисных событий с момента, когда его значения меньше 100 становятся заметно ниже аналогичных значений ИФО ВВП. После каждого явного кризисного периода наблюдался существенный разрыв и запаздывание между интенсивным ростом ВВП и менее выраженным улучшением экономических настроений. Уровень агрегированного предпринимательского доверия за период затяжной рецессии 2015-2016 годов впервые снизился настолько, что даже при повышении значений ИЭН вся его последующая четырехлетняя динамика характеризовалась самым невысоким потенциалом по сравнению с восстановительными периодами после предыдущих кризисов, заметно ниже соответствующей интенсивности экономического роста. И, наконец, наибольший потенциал предпринимательской уверенности заложен в тех отраслях, где ее уровень не только высокий, но и стремится к интенсивному расширению. Отрасли, в которых отмечается высокий уровень деловой активности, растущей, однако, более медленными темпами, определяются как «догоняющие» с точки зрения возможной интенсивности развития.

Таким образом, многолетние результаты совместных мониторингов Росстата и НИУ ВШЭ, которые обобщают оценки предпринимательских и потребительских настроений в России за последние двадцать три года, достоверны в качестве упреждающей информации экономического роста. Статистическая релевантность результатов опросов определяется их измерительной способностью отражать фазы и развороты реального циклического развития. Поэтому при выборе оперативных стратегий экономического развития следует ориентироваться не только на количественные измерители текущих экономических тенденций, но и на оценки перспектив экономического роста, полученные по результатам обследований деловой активности Росстата и отражающие весомую часть действий и намерений менеджеров и домашних хозяйств.

При этом мы предполагаем расширить исследование оценками краткосрочных эффектов влияния на индекс роста ВВП результатов обследований, охваченных ИЭН и другими композитными индикаторами совместно с рядом количественных экономических переменных циклического характера, в том числе экономического роста в ЕС, сводного индикатора экономических настроений ЕС, опережающего индикатора ОЭСР, количественных индикаторов цифровизации, сырьевых цен и т. д. Кроме этого, в настоящее время особое прикладное значение имеют ранние оценки ВВП в условиях распространения кризисных тенденций на национальном уровне, вызванных не только экономическими факторами. Это обусловливает поиск и более широкое использование альтернативных индикаторов, актуальных для измерения и прогнозирования экономического роста в условиях внезапных потрясений и шоков, в частности порожденных распространением инфекций в мире.

Результаты исследования, проведенного на примере российской статистической информации, уместны для оценки влияния кризисных явлений на деловые тенденции и экономический рост в любой сырьевой и сервиснозависимой экономике с глубоким институциональным интервенционизмом, в том числе для стран с формирующимся рынком. Качество статистического мониторинга явлений, процессов, событий кризисного характера для таких национальных экономик повышается при учете сбора оперативных данных, которые отражают непосредственные мнения бизнеса и потребителей, сигнализируя об ожидаемых экономических последствиях.

Литература

экономическое настроение ввп опрос

1. Безруков В., Остапкович Г., Глисин Ф., Воронина Г., Китрар Л., Лукашина Ж., Бауман М. Организация системы конъюнктурных обследований деловой активности в сфере услуг. М.: Статистика России, 2003.

2. Дубовский Д., Кофанов Д., Сосунов К. Датировка российского бизнес-цикла // Экономический журнал ВШЭ. 2015. Т. 19. № 4. С. 554-575.

3. Китрар Л., Липкинд Т., Остапкович Г. Декомпозиция и совместный анализ циклов роста в динамике индикатора экономического настроения и индекса физического объема валового внутреннего продукта // Вопросы статистики. 2014. № 9. С. 41-46.

4. Китрар Л., Липкинд Т., Остапкович Г. Квантификация качественных признаков в конъюнктурных обследованиях // Вопросы статистики. 2018. Т. 25. № 4. С. 49-63.

5. Китрар Л., Липкинд Т., Остапкович Г. Экономическое развитие и циклические настроения российских предпринимателей после рецессии 2014-2016 годов // Вопросы статистики. 2020. Т. 27. № 1. С. 53-70.

6. Китрар Л., Остапкович Г. Интегрированный подход к построению композитных индикаторов со встроенным алгоритмом оценки цикличности в динамике результатов конъюнктурного мониторинга // Вопросы статистики. 2013. № 12. С. 23-34.

7. Миронов В., Коновалова Л. О взаимосвязи структурных изменений и экономического роста в мировой экономике и России // Вопросы экономики. 2019. № 1. С. 54-78.

8. Пестова А. Предсказание поворотных точек бизнес-цикла: помогают ли переменные финансового сектора? // Вопросы экономики. 2013. № 7. С. 63-81.

9. Полбин А. Оценка траектории темпов трендового роста ВВП России в ARX-модели с ценами на нефть // Экономическая политика. 2020. Т. 15. № 1. С. 40-63.

10. Райская Н., Сергиенко Я., Френкель А., Матвеева О. Индикатор экономики // Экономические стратегии. 2012. № 9. С. 32-39.

11. Синельников-МурылевC., Дробышевский С., Казакова М., Алексеев М. Декомпозиция темпов роста ВВП России. Научные труды Института экономической политики им. Е. Т Гайдара. № 167Р. 2015.

12. Смирнов С. Предсказание поворотных точек российского экономического цикла с помощью сводных опережающих индексов // Вопросы статистики. 2020. Т 27. № 4. С. 53-65.

13. Смирнов С., Кондрашов Н., Петроневич А. Поворотные точки российского экономического цикла, 1981-2015 гг. // Экономический журнал ВШЭ. 2015. Т. 19. № 4. С. 534-553.

14. Astolfi R., Gamba M., Guidetti E., Pionnier P A. The Use of Short-Term Indicators and Survey Data for Predicting Turning Points in Economic Activity: A Performance Analysis of the OECD System of CLIs During the Great Recession. OECD StatisticsWorkingPapers. No 2016/08. 2016.

15. Biau O., D'Elia A. Is There a Decoupling Between Soft and Hard Data? The Relationship Between GDP Growth and the ESI // Fifth Joint EU-OECD Workshop on International Developments in Business and Consumer Tendency Surveys. Brussels, 2011. https://www. oecd.org/sdd/leading-indicators/49016412.pdf.

16. Bondt G. J. A PMI-Based Real GDP Tracker for the Euro Area // Journal of Business Cycle Research. 2019. Vol. 15. No 2. P 147-170.

17. Bondt G. J., Schiaffi S. Confidence Matters for Current Economic Growth: Empirical Evidence for the Euro Area and the United States // Social Science Quarterly. 2015. Vol. 96. No 4. P. 1027-1040.

18. Bry G., Boschan C. Cyclical Analysis of Time Series: Selected Procedures and Computer Programs. NewYork, NY: NationalBureauofEconomicResearch, 1971.

19. Chien Y., Morris P. PMI and GDP: Do They Correlate for the United States? ForChina? // EconomicSynopses. 2016. No 6.

20. Christiansen C., Eriksen J., M0ller S. Forecasting US Recessions: The Role of Sentiment // Journal of Banking & Finance. 2014. No 49(C). P 459-468.

21. Claveria O., Pons E., Ramos R. Business and Consumer Expectations and Macroeconomic Forecasts // International Journal of Forecasting. 2015. Vol. 23. No 1. P 47-69.

22. D'Agostino A., Schnatz B. Survey-Based Nowcasting of US Growth: A Real-Time Forecast Comparison over More Than 40 Years. EuropeanCentralBankWorkingPaper. No 1455. 2012.

23. Gayer С. Report: The Economic Climate Tracer. A Tool to Visualise the Cyclical Stance of the Economy Using Survey Data. 2008. https://www.oecd.org/sdd/leading- indicators/39578745.pdf.

24. Gayer C., MarcB. A “New Modesty”? Level Shifts in Survey Data and the Decreasing Trend of “Normal” Growth. EuropeanEconomyDiscussionPaper. No 083. 2018.

25. Hodrick R. J., Prescott E. C. Postwar U.S. Business Cycles: An Empirical Investigation // Journal of Money, Credit and Banking. 1997. Vol. 29. No 1. P 1-16.

26. Kitrar L., Lipkind T., Lola I., Ostapkovich G., Chusovlyanov D. The HSE ESI and Short-Term Cycles in the Russian Economy. Papers and Studies of Research Institute for Economic Development SGH. 2015. No 97. P 45-66.

27. Kitrar L., Nilsson R. Business Cycles and Cyclical Indicators in Russia. Paris: OECD, 2003.

28. Lahiri K., Monokroussos G. Nowcasting US GDP: The Role of ISM Business Surveys // International Journal of Forecasting. 2013. Vol. 29. No 4. P 644-658.

29. Lipkind T., Kitrar L., Ostapkovich G. Russian Business Tendency Surveys by HSE and Rosstat // Business Cycles in BRICS / S. Smirnov, A. Ozyildirim, P Picchetti (eds.). Cham: Springer, 2019. P 233-251.

30. Malgarini M. Industrial Production and Confidence After the Crisis: What's Going On? MunichPersonalRePEcArchiveWorkingPaper. No 53813. 2012.

31. McNabb R., Taylor K. Business Cycles and the Role of Confidence: Evidence for Europe // Oxford Bulletin of Economics and Statistics. 2007. Vol. 69. No 2. P. 185-208.

32. Mourougane A., Roma M. Can Confidence Indicators Be Useful to Predict Short Term Real GDP Growth? // Applied Economics Letters. 2003. Vol. 10. No 8. P 519-522.

33. Nilsson R., Gyomai G. Cycle Extraction: A Comparison of the Phase-Average Trend Method, the Hodrick-Prescott and Christiano-Fitzgerald Filters // OECD Statistics Directorate Working Paper. No 39. 2011.

34. Van Aarle B., Moons C. Sentiment and Uncertainty Fluctuations and Their Effects on the Euro Area Business Cycle // Journal of Business Cycle Research. 2017. Vol. 13. No 2. P 225-251.

References

1. BezrukovV., Ostapkovich G., Glisin F., Voronina G., Kitrar L., LukashinaZh., Bauman M. Organizatsiyasistemykon'yunkturnykhobsledovaniydelovoyaktivnosti v sfereuslug [Organization of the System of Business Activity Surveys in the Service Sector]. Moscow, StatistikaRossii, 2003.

2. Dubovskiy D., Kofanov D., Sosunov K. Datirovkarossiyskogobiznes-tsikla [Dating of the Russian Business Cycle]. EkonomicheskiyzhurnalVShE [HSE Economic Journal], 2015, vol. 19, no. 4, pp. 554-575.

3. Kitrar L. A., Lipkind T. M., Ostapkovich G. V Dekompozitsiyaisovmestnyyanaliztsiklovrosta v dinamikeindikatoraekonomicheskogonastroeniyaiindeksafizicheskogoob'emavalovogovnutrennegoprodukta [Decomposition and Joined Analysis of Growth Cycles in the Dynamics of Economic Sentiment Indicator and Volume Index of the Gross Domestic Product]. Voprosystatistiki, 2014, no. 9, pp. 41-47.

4. Kitrar L. A., Lipkind T. M., Ostapkovich G. V Kvantifikatsiyakachestvennykhpriznakov v kon'yunkturnykhobsledovaniyakh [Quantification of Qualitative Variables in Business Surveys]. Voprosystatistiki, 2018, vol. 25, no. 4, pp. 49-63.

5. Kitrar L. A., Lipkind T. M., Ostapkovich G. V Ekonomicheskoerazvitieitsiklicheskienastroeniyarossiyskikhpredprinimateleyposleretsessii 2014-2016 godov [Economic Development and Cyclical Sentiment of Russian Entrepreneurs After the Recession in 20142016]. Voprosystatistiki, 2020, vol. 27, no. 1, pp. 53-70.

6. Kitrar L. A., Ostapkovich G. V Integrirovannyypodkhod k postroeniyukompozitnykhindikatorov so vstroennymalgoritmomotsenkitsiklichnosti v dinamikerezul'tatovkon'yunkturnogomonitoringa [An Integrated Approach to the Construction of Composite Indicators with a Built-in Algorithm for Assessing Cyclicality in the Dynamics of Market Monitoring Results]. Voprosystatistiki, 2013, no. 9, pp. 23-34.

7. Mironov V V, Konovalova I. D. O vzaimosvyazistrukturnykhizmeneniyiekonomicheskogorosta v mirovoyekonomikeiRossii [On the Relationship of Structural Changes and Economic Growth in the World Economy and Russia]. Voprosyekonomiki, 2019, no. 1, pp. 54-78.

8. Pestova A. Predskazaniepovorotnykhtochekbiznes-tsikla: pomogayut li peremennyefinansovogosektora? [Predicting Turning Points of the Business Cycle: Do Financial Sector Variables Help?]. Voprosyekonomiki, 2013, no. 7, pp. 63-81.

9. Polbin A. Otsenkatraektoriitempovtrendovogorosta VVP Rossii v ARX-modeli s tsenaminaneft' [Estimating Time-Varying Long-Run Growth Rate of Russian GDP in the ARX Model with Oil Prices]. Ekonomicheskayapolitika [Economic Policy], 2020, vol. 15, no. 1, pp. 40-63.

10. Rayskaya N., SergienkoYa., Frenkel A., Matveeva O. Indikatorekonomiki [Economy Indicator]. Ekonomicheskiestrategii [Economic Strategies], 2012, no. 9, pp. 32-39.

11. Sinelnikov-Murylev S., Drobyshevsky S., Kazakova M., Alexeev M. Dekompozitsiyatempovrosta VVP Rossii [Decomposition of Russia's GDP Growth Rates]. NauchnyetrudyInstitutaekonomicheskojpolitikiim. E. T. Gaydara [Gaidar Institute for Economic Policy Working Paper], no. 167P, 2015.

12. Smirnov S. V. Predskazaniepovorotnykhtochekrossiyskogoekonomicheskogotsikla s pomoshch'yusvodnykhoperezhayushchikhindeksov [Predicting Turning Points of the Russian Economic Cycle Using Composite Leading Indicators]. Voprosystatistiki, 2020, vol. 27, no. 4, pp. 53-65.

13. Smirnov S., Kondrashov N., Petronevich A. Povorotnyetochkirossiyskogoekonomicheskogotsikla, 1981-2015 gg. [Dating Turning Points of the Russian Economic Cycle, 1981-2015]. EkonomicheskiyzhurnalVShE [HSE Economic Journal], 2015, vol. 19, no. 4, pp. 534-553.

14. Astolfi R., Gamba M., Guidetti E., Pionnier P. A. The Use of Short-Term Indicators and Survey Data for Predicting Turning Points in Economic Activity: A Performance Analysis of the OECD System of CLIs during the Great Recession. OECD Statistics Working Papers, no. 2016/08, 2016.

15. Biau O., D'Elia A. Is There a Decoupling Between Soft and Hard Data? The Relationship Between GDP Growth and the ESI. Fifth Joint EU-OECD Workshop on International Developments in Business and Consumer Tendency Surveys, Brussels, 2011. https://www.oecd. org/sdd/leading-indicators/49016412.pdf.

16. Bondt G. J. A PMI-Based Real GDP Tracker for the Euro Area. Journal of Business Cycle Research, 2019, vol. 15, no. 2, pp. 147-170.

17. Bondt G. J., Schiaffi S. Confidence Matters for Current Economic Growth: Empirical Evidence for the Euro Area and the United States. Social Science Quarterly, 2015, vol. 96, no. 4, pp. 1027-1040.

18. Bry G., Boschan C. Cyclical Analysis of Time Series: Selected Procedures and Computer Programs.N. Y., NY, NationalBureauofEconomicResearch, 1971.

19. Chien Y., Morris P. PMI and GDP: Do They Correlate for the United States? ForChina? Economic Synopses, 2016, no. 6.

20. Christiansen C., Eriksen J., Moller S. Forecasting US Recessions: The Role of Sentiment. Journal of Banking&Finance, 2014, no. 49(C), pp. 459-468.

21. Claveria O., Pons E., Ramos R. Business and Consumer Expectations and Macroeconomic Forecasts. International Journal of Forecasting, 2015, vol. 23, no. 1, pp. 47-69.

22. D'Agostino A., Schnatz B. Survey-Based Nowcasting of US Growth: A Real-Time Forecast Comparison over More Than 40 Years. European Central Bank Working Paper,no. 1455, 2012.

23. Gayer С. Report: The Economic Climate Tracer. A Tool to Visualise the Cyclical Stance of the Economy Using Survey Data, 2008. https://www.oecd.org/sdd/leading-indicators/39578745. pdf.

24. Gayer C., Marc B. A “New Modesty”? Level Shifts in Survey Data and the Decreasing Trend of “Normal” Growth. European Economy Discussion Paper,no. 083, 2018.

25. Hodrick R. J., Prescott E. C. Postwar U.S. Business Cycles: An Empirical Investigation. Journal of Money, Credit and Banking, 1997, vol. 29, no. 1, pp. 1-16.

26. Kitrar L., Lipkind T., Lola I., Ostapkovich G., Chusovlyanov D. The HSE ESI and ShortTerm Cycles in the Russian Economy. Papers and Studies of Research Institute for Economic Development SGH, 2015, no. 97, pp. 45-66.

27. Kitrar L., Nilsson R. Business Cycles and Cyclical Indicators in Russia. P., OECD, 2003.

28. Lahiri K., Monokroussos G. Nowcasting US GDP: The Role of ISM Business Surveys. International Journal of Forecasting, 2013, vol. 29, no. 4, pp. 644-658.

29. Lipkind T., Kitrar L., Ostapkovich G. Russian Business Tendency Surveys by HSE and Rosstat. In: Smirnov S., Ozyildirim A., Picchetti P. (eds.). Business Cycles in BRICS.Cham, Springer, 2019, pp. 233-251.

30. Malgarini M. Industrial Production and Confidence After the Crisis: What's Going On? Munich Personal RePEc Archive Working Paper,no. 53813, 2012.

31. McNabb R., Taylor K. Business Cycles and the Role of Confidence: Evidence for Europe. Oxford Bulletin of Economics and Statistics, 2007, vol. 69, no. 2, pp. 185-208.

32. Mourougane A., Roma M. Can Confidence Indicators Be Useful to Predict Short Term Real GDP Growth? Applied Economics Letters, 2003, vol. 10, no. 8, pp. 519-522.

33. Nilsson R., Gyomai G. Cycle Extraction: A Comparison of the Phase-Average Trend Method, the Hodrick-Prescott and Christiano-Fitzgerald Filters. OECD Statistics Directorate Working Paper,no. 39, 2011.

34.Van Aarle B., Moons C. Sentiment and Uncertainty Fluctuations and Their Effects on the Euro Area Business Cycle. Journal of Business Cycle Research, 2017, vol. 13, no. 2, pp. 225-251.

Размещено на Allbest.ru