Моделі оцінки стійкості макроекономічних систем до екзогенних «шоків»
Анотація
У статті пропонується підхід до розробки моделей оцінки стійкості макроекономічних систем до впливу екзогенних «шоків» з акцентом на дослідження питань оцінки стійкості діагностичних класів. Актуальність обраної теми дослідження пояснюється тим, що розвиток світової економіки відбувається за умов посилення глобалізаційних процесів. У цьому економічному середовищі формуються як позитивні, і негативні ефекти зазначених процесів. Через неможливість контролювати вплив зовнішніх дестабілізуючих факторів виникає проблема оцінки стійкості елементів економіки до «шоків». Розгляд тематичних, літературних джерел дозволив підтвердити важливість заявленого дослідження та недостатню опрацьованість питань оцінки стійкості кластерних утворень макрорегіонів. Метою статті є розробка моделей класифікації, які на основі ієрархічних агломеративних методів кластерного аналізу, ітеративних методів кластерного аналізу, нейронних мереж Кохонена, дозволяють провести аналіз стійкості кластерних утворень макроекономічних систем, аналіз міграції елементів із кластера в кластер та на цій основі підвищити якість оцінки стійкості макроекономічних систем до дії екзогенних «шоків». Основні завдання дослідження полягали у розробці моделей класифікації країн за рівнем стійкості до дії екзогенних «шоків» на основі агломераційних методів кластерного аналізу, ітеративних методів кластерного аналізу, нейронних мереж Кохонена; оцінці якості класифікації, обґрунтування вибору підсумкового розбиття; аналізі міграції елементів з кластера в кластер, оцінці структурної динаміки. Отримані результати дозволили зробити висновок про те, що нейронні мережі Кохонена дають можливість отримати більш якісну та економічно інтерпретовану класифікацію з урахуванням моделей розвитку кризи у країнах-елементах, схильних до міграції із кластера в кластер. Аналіз структурної динаміки кластерів у передкризовий, кризовий, посткризовий період показує зниження рівня глобальної стійкості, оскільки спостерігається висока питома вага країн із середнім та низьким рівнем стійкості до впливу екзогенних «шоків», а також міграція великої кількості елементів у нижчий кластер у посткризовий період. Аналіз характеристик кластерів показав, що для країн із низьким рівнем стійкості до екзогенних «шоків» критичною підсистемою залишається підсистема фінансової безпеки, що потребує трансформації механізмів захисту каналів фінансового «зараження». Отримані результати можуть бути використані в системах проактивного антикризового управління.
Завантаження
Посилання
KOF Globalisation Index. (2022). Retrieved from https://kof.ethz.ch.
FINVIZ. Financial visualizations. (2022). Retrieved from https://finviz.com.
FRED Graph. Unemployment Rate. (2022). Retrieved from https://fred.stlouisfed.org/series/UNRATE.
Selmi, R., Hammoudeh, S., Kasmaoui, K., Sousa, R. M., & Errami, Y. (2022). The dual shocks of the COVID-19 and the oil price collapse: A spark or a setback for the circular economy? Energy Economics, 109, 105913. doi: https://doi.org/10.1016/j.eneco.2022.105913.
Janus, J. (2021). The COVID-19 shock and long-term interest rates in emerging market economies. Finance Research Letters, 43, 101976. doi: https://doi.org/10.1016/j.frl.2021.101976.
Zarikas, V., Poulopoulos, S. G., Gareiou, Z., & Zervas, E. (2020). Clustering analysis of countries using the COVID-19 cases dataset. Data in Brief, 31, 105787. doi: https://doi.org/10.1016/j.dib.2020.105787.
Alexeev, M., & Chih, Y. Y. (2021). Energy price shocks and economic growth in the US: A state-level analysis. Energy Economics, 98, 105242. doi: https://doi.org/10.1016/j.eneco.2021.105242.
Bozhko, L. (2018). Development scenarios for the interregional economic interaction in the context of economy clustering in the Republic of Kazakhstan. Energy Procedia, 147, 397-401. doi: https://doi.org/10.1016/j.egypro.2018.07.109.
Faryna, O., & Simola, H. (2021). The transmission of international shocks to CIS economies: A global VAR approach. Economic Systems, 45(2), 100769. doi: https://doi.org/10.1016/j.ecosys.2020.100769.
Vinas, F. (2021). How financial shocks transmit to the real economy? Banking business models and firm size. Journal of Banking & Finance, 123, 106009. doi: https://doi.org/10.1016/j.jbankfin.2020.106009.
Zhang, B., & Dai, W. (2020). Trend inflation and macroeconomic stability in a small open economy. Economic Modelling, 91, 769-778. doi: https://doi.org/10.1016/j.econmod.2019.10.029.
Chen, G., Liu, Y., & Zhang, Y. (2021). Systemic risk measures and distribution forecasting of macroeconomic shocks. International Review of Economics & Finance, 75, 178-196. doi: https://doi.org/10.1016/j.iref.2021.04.019.
Rojas, H., & Dias, D. (2021). Transfer of macroeconomic shocks in stress tests modeling. Physica A: Statistical Mechanics and Its Applications, 572, 125571. doi: https://doi.org/10.1016/j.physa.2020.125571.
Mumtaz, H., & Theodoridis, K. (2020). Dynamic effects of monetary policy shocks on macroeconomic volatility. Journal of Monetary Economics, 114, 262-282. doi: https://doi.org/10.1016/j.jmoneco.2019.03.011.
Strelchenko, I. I. (2020). Mathematical modeling of processes of cross-border spread of crisis phenomena in financial markets. (Unpublished doctoral dissertation.) Kyiv National Economic University named after Vadym Hetman, Kyiv, Ukraine. (in Ukrainian)
Kharlamova, G.O. (2020). Economic and mathematical modeling and forecasting of socio-economic systems of national security of Ukraine.(Unpublished doctoral dissertation.) Taras Shevchenko National University of Kyiv, Kyiv, Ukraine. (in Ukrainian)
Guryanova, L., Kuchuk, A. (2021). Models for assessing the socio-economic consequences of shock induced by COVID-19. Current issues of business entities in the context of the COVID-19 pandemic, 243-249. (in Ukrainian)
Guryanova, L., Prokopovich, S. (2013). Models for assessing the impact of interregional interaction on the processes of convergence of territorial development. Business Inform, 1, 62-67. (in Russian)
Guryanova, L., Nepomnyashchiy, V. (2013). Methods of choosing diagnostic indicators of financial security. Business Inform, 4, 377-381. (in Russian)
International Monetary Fund (IMF). (2022). Retrieved from https://www.imf.org/en/Home.
Klimchuk, V. (2006) Cluster analysis: use in psychological research. Practical Psychology and Social Work, 4. 30-36. (in Ukrainian)
Lecture 12: Neural networks. Kohonen's self-organizing maps. Intuition.(2022) Retrieved from http://www.intuit.ru/studies/courses/6/6/lecture/180. (in Russian)
