|сгенерировать QR код
Открытый доступ
Только для подписчиков
Сокращение числа и размера суверенных дефолтов в мире: долгосрочный тренд или временное явление?
https://doi.org/10.32609/0042-8736-2024-5-5-20
Аннотация
В работе предложено объяснение сложившихся мировых тенденций снижения числа и размера суверенных дефолтов. Использован новый подход к моделированию их вероятности и размера на основе нелинейных (обобщенных аддитивных) моделей. Полученные эмпирические оценки подтверждают значительную нелинейность связей между факторами. На основе предложенного подхода выявлен дисциплинирующий эффект скорости увеличения процентных расходов, в развитие прежних работ подтверждена значимость скорости накопления долга. Основной вклад в указанную тенденцию вносит институциональный фактор — эффективность правительства: чем она выше, тем лучше обеспечивается долговая устойчивость, что снижает количество дефолтов и их размер. Еще одним важным фактором выступает мягкая денежно-кредитная политика развитых стран. При этом она уменьшает величину дефолтов, но не служит причиной снижения их количества (вероятности) в мире. Сложившаяся тенденция представляет собой долгосрочный тренд и отражает успешность усилий отдельных стран и международных организаций по снижению рисков мировой финансовой системы.
При поддержке: Работа выполнена при поддержке А.С. Смирнова.
Об авторах
А. О. Трофимов
Центральный экономико-математический институт РАН
Россия
Россия
Трофимов Александр Олегович.
Москва
Д. В. Скрыпник
http://www.cemi.rssi.ru/about/persons/index.php?SECTION_ID=6&ELEMENT_ID=10364
Центральный экономико-математический институт РАН
Россия
Центральный экономико-математический институт РАН
Россия
Скрыпник Дмитрий Владимирович - ведущий научный сотрудник лаборатории математической экономики ЦЭМИ РАН, кандидат экономических наук.
Москва
Список литературы
1. Винокуров Е. Ю., Левенков А. С. (2021). Глобальная сеть финансовой безопасности: эволюция антикризисной функции в мировой финансовой архитектуре // Вопросы экономики. № 5. С. 26—42. https://doi.org/10.32609/0042-8736-2021-5-26-42
2. Asonuma T., Trebesch C. (2016). Sovereign debt restructurings: Preemptive or post-default. Journal of the European Economic Association, Vol. 14, No. 1, pp. 175—214. https://doi.org/10.1111/jeea.12156
3. Athey S., Imbens G. W. (2019). Machine learning methods that economists should know about. Annual Review of Economics, Vol. 11, No. 1, pp. 685—725. https://doi.org/10.1146/annurev-economics-080217-053433
4. Bassanetti A., Cottarelli C., Presbitero A. F. (2019). Lost and found: Market access and public debt dynamics. Oxford Economic Papers, Vol. 71, No. 2, pp. 445—471. https://doi.org/10.1093/oep/gpy040
5. Denbee E., Jung C., Paternò F. (2016). Stitching together the global financial safety net. Bank of England Financial Stability Paper, No. 36. https://doi.org/10.2139/ssrn.2732680
6. Frankel J., Saravelos G. (2012). Can leading indicators assess country vulnerability? Evidence from the 2008—09 global financial crisis. Journal of International Economics, Vol. 87, No. 2, pp. 216—231. https://doi.org/10.1016/j.jinteco.2011.12.009
7. Georgievska A., Georgievska L., Stojanovic A., Todorovic N. (2008). Sovereign rescheduling probabilities in emerging markets: A comparison with credit rating agencies’ ratings. Journal of Applied Statistics, Vol. 35, No. 9, pp. 1031—1051. https://doi.org/10.1080/02664760802193112
8. Coulombe P. G., Leroux M., Stevanovic D., Surprenant S. (2022). How is machine learning useful for macroeconomic forecasting? Journal of Applied Econometrics, Vol. 37, No. 5, pp. 920—964. https://doi.org/10.1002/jae.2910
9. Kaminsky G., Lizondo S., Reinhart C. (1998). Leading indicators of currency crises. IMF Staff Papers, Vol. 45, No. 1, 1—48.
10. Law S. H., Ng C. H., Kutan A. M., Law Z. K. (2021). Public debt and economic growth in developing countries: Nonlinearity and threshold analysis. Economic Modelling, Vol. 98, No. C, pp. 26—40. https://doi.org/10.1016/j.econmod.2021.02.004
11. Leiva-Leon D., Pérez-Quirós G., Rots E. (2020). Real-time weakness of the global economy: A first assessment of the coronavirus crisis. ECB Working Paper Series, No. 2381.
12. Marra G., Wood S. N. (2011). Practical variable selection for generalized additive models. Computational Statistics & Data Analysis, Vol. 55, No. 7, pp. 2372—2387. https://doi.org/10.1016/j.csda.2011.02.004
13. Perks M., Rao Y., Shin J., Tokuoka K. (2021). Evolution of bilateral swap lines. IMF Working Paper, No. 2021/210. https://doi.org/10.5089/9781513590134.001
14. Reinhart C., Rogoff K., Savastano M. (2003). Debt intolerance. Brookings Papers on Economic Activity, Vol. 34, No. 1, pp. 1—74. https://doi.org/10.1353/eca.2003.0018
15. Rho C., Saenz M. (2021). Financial stress and the probability of sovereign default. Journal of International Money and Finance, Vol. 110, article 102305. https://doi.org/10.1016/j.jimonfin.2020.102305
16. Siliverstovs B., Wochner D. (2019). Recessions as breadwinner for forecasters state-dependent evaluation of predictive ability: Evidence from big macroeconomic US data. KOF Working Papers, No. 19-463.
Дополнительные файлы
Рецензия
Для цитирования:
Трофимов А.О., Скрыпник Д.В. Сокращение числа и размера суверенных дефолтов в мире: долгосрочный тренд или временное явление? Вопросы экономики. 2024;(5):5-20. https://doi.org/10.32609/0042-8736-2024-5-5-20
For citation:
Trofimov A.O., Skrypnik D.V. Reducing the number and the size of sovereign defaults in the world: Long-term trend or temporary phenomenon? Voprosy Ekonomiki. 2024;(5):5-20. (In Russ.) https://doi.org/10.32609/0042-8736-2024-5-5-20
Просмотров:
648
Послать статью по эл. почте 
