Смирнов В.В.кандидат экономических наук, доцент кафедры отраслевой экономики факультета управления и социальных технологий, Чувашский государственный университет имени И.Н. Ульянова (ЧувГУ), Чебоксары, Российская Федерация v2v3s4@mail.ru https://orcid.org/0000-0002-6198-3157 SPIN-код: 3120-4077
Предмет. Финансовые детерминанты современной российской экономики. Цели. Определить финансовые детерминанты современной российской экономики. Методология. Использован системный подход с применением метода статистического, нейросетевого и кластерного анализа. Результаты. Выявлена важность реальных денежных доходов и индекса тарифов на грузовые перевозки, которая закрепляет значимость динамики роста цен на мазут, нефть и уголь. Выделяется необходимость роста реальных денежных доходов для снижения темпов роста объема общей задолженности и снижения просроченной, которая существенно влияет на темпы прироста объема по ипотечным жилищным кредитам. Обнаружено, что ПАО «Сбербанк России», обладающий большим лимитом на льготное ипотечное кредитование, в текущем моменте фиксирует снижение рисков, двигаясь в тренде с валютным курсом. В то же время динамика индекса государственных облигаций и валютного курса указывает на риски по государственным облигациям. Номинальное снижение объема общей задолженности и роста объема по ипотечным жилищным кредитам возможно при значительном росте денежной массы, который может быть при стабильной ключевой ставке и низкой инфляции. Область применения. Положения исследования расширяют сферу знаний и развивают компетенции членов правительства и Банка России для обеспечения устойчивости финансовой системы. Выводы. Выделенные финансовые детерминанты указывают на степень их влияния и способ действия органов государственной власти для обеспечения устойчивости финансовой системы, роста и развития экономики.
Горюнов Е.Л., Дробышевский С.М., Мау В.А., Трунин П.В. Что мы (не) знаем об эффективности инструментов ДКП в современном мире? // Вопросы экономики. 2021. № 2. С. 5—34. URL: Link
Павлов П.Н., Дробышевский С.М. Структура темпов роста ВВП России на перспективу до 2024 г. // Вопросы экономики. 2022. № 3. С. 29—51. URL: Link
Seven Ü. Finance, Talent and Income Inequality: Cross-Country Evidence. Borsa Istanbul Review, 2022, vol. 22, iss. 1, pp. 57‒68. URL: Link
Naeem M.A., Pham L., Senthilkumar A., Karim S. Oil Shocks and BRIC Markets: Evidence from Extreme Quantile Approach. Energy Economics, 2022, vol. 108, 105932. URL: Link
Шохин А.Н., Акиндинова Н.В., Астров В.Ю. и др. Макроэкономические эффекты пандемии и перспективы восстановления экономики (По материалам круглого стола в рамках XXII Апрельской международной научной конференции НИУ ВШЭ) // Вопросы экономики. 2021. № 7. С. 5—30. URL: Link
King A.P., Eckersley R.J. Chapter 1: Descriptive Statistics I: Univariate Statistics. In: Statistics for Biomedical Engineers and Scientists: How to Visualize and Analyze Data. Academic Press, 2019, pp. 1–21. URL: Link
Brownstein N.C., Adolfsson A., Ackerman M. Descriptive Statistics and Visualization of Data from the R Datasets Package with Implications for Clusterability. Data in Brief, 2019, vol. 25, no. 104004. URL: Link
Fávero L.P., Belfiore P. Chapter 3: Univariate Descriptive Statistics. In: Data Science for Business and Decision Making. Academic Press, 2019, pp. 21–91. URL: Link
Urlacher B.R. Complexity, Causality, and Control in Statistical Modeling. American Behavioral Scientist (ABS), 2020, vol. 64, iss. 1, pp. 55–73. URL: Link
Fávero L.P., Belfiore P. Chapter 11: Cluster Analysis. In: Data Science for Business and Decision Making. Academic Press, 2019, pp. 311–382. URL: Link
Adolfsson A., Ackerman M., Brownstein N.C. To Cluster, or Not to Cluster: An Analysis of Clusterability Methods. Pattern Recognition, 2019, vol. 88, pp. 13–26. URL: Link
Караваева Ю.С. Оценка детерминант воздействия на формирование процентных ставок российских коммерческих банков // Вопросы региональной экономики. 2020. № 3. С. 146—152.
