Теории волнообразного или циклического развития систем являются наиболее перспективным направлением изучения тенденций экономической динамики. Данное направление основывается на представлении экономического развития как неравномерного, неравновесного и неопределенного процесса со сложной внутренней структурой. Последняя рассматривается как единство технологических, экономических, политических, социальных элементов, взаимодействие которых обусловливает волнообразное развитие экономики.
Согласно одной из классификации существует 4 концепции циклического развития:
1. Концепция инвестиций (Кондратьев, Форрестер, Стерман), по которой длинная волна (по Кондратьеву - 50 лет) определяется периодически происходящим накоплением, а затем обесцениванием капитальных благ длительного пользования.
2. Инновационная концепция (Шумпетер, Менш), согласно которой ключевую роль в образовании волны играют кластеры нововведений, создающие лидирующий сектор в экономике, расширение которого обуславливает соответствующий цикл экономической конъюнктуры (в настоящее время говорят о завершении цикла информационных технологий, следующий инновационный цикл предрекают нанотехнологиям).
|
|
3. Теория капиталистический кризисов (Мандель, Дэй), в соответствии с которой тенденция нормы прибыли к понижению вызывает кризис, преодолеваемый благодаря экзогенным по отношению к экономике факторам, что повышает на некоторое время норму прибыли и создает условия для нового длительного подъема экономической конъюнктуры.
Основным методом, к которому прибегали в эмпирических исследованиях, является выделение трендов.
При наличии во временном ряде циклических колебаний, значение каждого последующего уровня ряда зависит от предыдущего, т.е. нахдятся в автокорреляционной зависимости.
Количественно автокорреляцию можно измерить с помощью линейного коэффициента корреляции между уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на один или несколько шагов во времени.
Одна из рабочих формул для расчета коэффициента корреляции имеет вид:
В качестве переменной у рассматривается ряд y2, y3, ……., yn; в качестве переменной х – ряд у1, у2, …….уn-1. Таким образом, рассчитывается линейный коэффициент корреляции между двумя временными рядами:
yi | yi-1 |
Эту величину называют коэффициентом автокорреляции уровней ряда первого порядка, так как он измеряет зависимость между соседними уровнями ряда t и t-1, то есть при лаге 1.
Аналогично можно определить коэффициенты автокорреляции второго и более высоких порядков. Число периодов, по которым рассчитывается коэффициент автокорреляции, называют лагом. С увеличением лага число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается. Некоторые авторы считают целесообразным для обеспечения статистической достоверности коэффициентов автокорреляции использовать правило – максимальный лаг должен быть не больше n/4.
|
|
Отметим два важных свойства коэффициента автокорреляции.
Во-первых, он строится по аналогии с линейным коэффициентом корреляции и таким образом характеризует тесноту только линейной связи текущего и предыдущего уровней. Поэтому по коэффициенту автокорреляции можно судить о наличии линейной (или близкой к линейной) тенденции. Для некоторых временных рядов, имеющих сильную нелинейную тенденцию (например, параболу второго порядка или экспоненту), коэффициент автокорреляции уровней исходного ряда может приближаться к нулю.
Во-вторых, по знаку коэффициента автокорреляции нельзя делать вывод о возрастающей или убывающей тенденции в уровнях ряда. Большинство временных рядов экономических данных содержит положительную автокорреляцию уровней, однако при этом могут иметь убывающую тенденцию.
Последовательность коэффициентов автокорреляции уровней: первого, второго и т.д. порядков называют автокорреляционной функцией временного ряда. График зависимости её значений от величины лага (порядка коэффициента корреляции) называется коррелограммой.
Основное правило: если наиболее высоким оказался коэффициент автокорреляции первого порядка, исследуемый ряд содержит только тенденцию и не содержит циклических составляющих. Если наиболее высоким оказался коэффициент автокорреляции порядка r, ряд содержит циклические колебания с периодичностью в r моментов времени.
В случае если не один из коэффициентов автокорреляции не является значимым, то можно сделать два предположения:
- ряд не содержит тенденции и циклических колебаний является стационарным или имеет случайные колебания:
- ряд содержит сильную нелинейную тенденцию, для выявления которой необходимы дополнительные исследования.