В современных экономических условиях жизнь каждого человека так или иначе связана с термином финансы. Данное понятие может трактоваться по – разному, но наиболее общим определением, встречающимся у большинства исследователей, можно обозначить следующее: финансы – это совокупность экономических отношений, возникающих в процессе формирования, распределения и использования централизованных и децентрализованных фондов денежных средств [1]. Финансы прошли долгий путь от того момента, когда они обозначали лишь завершение сделки, до сегодняшнего дня, когда данная сфера общественной жизни развивается опережающими темпами, стимулируя внедрение инновационных технологий в самые разные аспекты экономической деятельности. Постепенно развиваются финансовые технологии, которые позволяют осуществить перемещение основного объёма финансовых операций в онлайн. Можно предположить, что одним из основополагающих вопросов в отношении как финансов, так и уровня жизни будет задача проверки гипотезы о наличии взаимосвязи между инновационным развитием финансовых операций и уровнем жизни в целом.

Для того, чтобы в полной мере разобраться в теории о взаимосвязи уровня жизни и финансовых операций, следует сначала дать соответствующее определение этим понятиям.

В соответствии с отечественной практикой, финансовые операции можно охарактеризовать как совокупность сделок и прочих действий граждан и юридических лиц с финансовыми средствами, вне зависимости от формы и способа их осуществления, связанных с переходом права собственности и иных прав, включая операции с использованием финансовых средств, эквивалентно средству платежа [2].

К наиболее распространённым примерам использования финансовых операций можно отнести:

денежные переводы (на территории страны и международные);

кредитование (процесс получения и предоставления кредитов);

вложения в уставной капитал;

прямые и портфельные инвестиции;

выплата пенсий, пособий, заработной платы;

переводы, связанные с движением капитала (выплата процентов, дивидендов и иных доходов по вкладам, инвестициям и кредитам);

приобретение ценных бумаг.

Определимся с понятием уровня жизни ввиду его многозначности. Будем полагать, что уровень жизни — это показатель, отражающий благосостояние населения (уровень доходов, возможность удовлетворения базовых потребностей граждан в еде, жилье, лекарствах и т. д.) [3, С. 34]. Для оценки данного показателя начинает всё чаще использоваться значение индекса человеческого развития, который не только учитывает экономические показатели через валовой национальный доход на душу населения по паритету покупательной способности в долларах США, но и делает акцент на важности таких аспектов уровня жизни как ожидаемая продолжительность жизни и уровень грамотности населения [4, С.353].

Учитывая более высокую точность оценки уровня жизни, получаемую посредством использования ИЧР, для целей последующего исследования данный показатель следует использовать в качестве результативного признака. Значение ИЧР находится в интервале от 0 до 1, где 0 – это нижняя граница совокупности, а 1, соответственно, верхняя.

Но для того, чтобы в полной мере оценить влияние различных факторов на показатель ИЧР, следует также не забывать о наличии макроэкономических показателей, которые в той или иной степени могут влиять на значение ИЧР, так как этот показатель по своей сути используется для сравнения различных стран и регионов по целому спектру социально и экономически значимых параметров.

Для целей анализа было построено несколько возможных вариантов эконометрических моделей, но после их проверки исследование свелось к использованию простейшей спецификации с одним регрессором, вида:

Y = a0 +a1*x +u,

где Y – показатель ИЧР, x - рейтинг конкурентоспособности стран по уровню развития информационных технологий, u – случайные возмущения.

Подобное решение выглядит достаточно странным с учётом вышеописанных фактов, которые говорят о важности большого числа параметров, но практическая проверка различных вариантов составления эконометрических моделей приводит к выводу о релевантности подобного вида модели, доказательства подобного вывода более подробно описаны в практической части.

Для целей дальнейшей оценки была собрана статистика по большому числу финансовых и макроэкономических показателей, которые так или иначе могли воздействовать на показатель ИЧР.

Основными объектами статистики были страны ЕС, так как имеются предположения о том, что данную модель можно будет доработать для прогнозирования ситуации в Российской Федерации, а страны ЕС достаточно близки к нашей по территориальному, экономическому, социальному и многим другим аспектам в целом.

Данные по конкретным значениям Индекса человеческого развития для разных стран можно найти в Отчёте о развитии человечества, который ежегодно выпускается Организацией Объединённых Наций, информацию об объёме финансовых активов на душу населения ежегодно публикует одна из крупнейших швейцарских финансовых корпораций Credit Suisse в своём докладе (Global wealth report). Все данные доступны за 2018 год [5], [6].

Ещё один показатель, который может не только оказывать влияние на уровень жизни, но и связан с объёмом финансовых операций — это AuM (в дословном переводе - активы под управлением, т.е. общая сумма активов, которые находятся в ведении различных финансовых посредников, таких как пенсионные фонды, страховые компании, банки и прочие институциональные игроки финансового рынка.

Для дальнейших расчётов следует использовать данные Отчёта о развитии человечества, где можно обнаружить конкретные значения ИЧР, но будет немаловажным снова их модифицировать, новая выборка будет составлена из стран ЕС. Данные по объёму активов под управлением были собраны в обзоре рынка управления активами Ассоциации европейских фондов и управляющих компаний (EFAMA) [5], [7]. Данные по выше обозначенным показателям также были рассчитаны по состоянию на 2018 год.

Для оценки возможного влияния информационных технологий на ИЧР был использован показатель рейтинг конкурентоспособности стран по уровню развития информационных технологий, который рассчитывается международным центром IMD World Digital Competitiveness Center. Данные были взяты из отчёта 2020 года, для использования в совокупности с этим индексом были использованы данные по ИЧР по отчёту 2020 года [8], [9].

Для оценки влияния макроэкономических факторов использовались показатели ВВП по ППС и ВНД по ППС за 2018 год, взятые из расчётов Всемирного банка, а также показатели безработицы (по данным расчётов Всемирного банка и Международной организации труда), а также значения индекса экономической свободы, рассчитываемого канадским исследовательским институтом Fraser Institute [10], [11].

Но в процессе построения эконометрических моделей были выявлены определённые проблемы, которые дали понять, что единственным релевантным видом модели будет являться модель парной линейной регрессии, которая включает в себя значения показателя ИЧР в качестве эндогенной переменной и рейтинг конкурентоспособности стран по уровню развития информационных технологий в качестве регрессора.

Проблемы, которые были обнаружены при построении других типов моделей:

Модель из финансовых показателей – AuM, объём финансовых активов и рейтинг конкурентоспособности стран по уровню развития информационных технологий (При использовании только финансовых показателей (без использования макроэкономических) фактор AuM становится незначимым, а между двумя оставшимися наблюдается высокая корреляционная зависимость, что говорит о невыполнении предпосылки теоремы Гаусса – Маркова о линейной независимости столбцов матрицы X);

Комбинированная модель из финансовых и макроэкономических показателей - рейтинг конкурентоспособности стран по уровню развития информационных технологий, уровень безработицы и ВВП по ППС (По результатам анализа симптомов ошибки второго типа становится понятно, что три из четырёх регрессоров незначимы);

Модель из макроэкономических показателей – уровень безработицы, индекс экономической свободы и ВВП по ППС (У модели слишком низкие показатели коэффициента детерминации);

Экспоненциальный вид итоговой модели - рейтинг конкурентоспособности стран по уровню развития информационных технологий в качестве регрессора (Коэффициент детерминации в экспоненциальном виде модели несколько выше, чем в линейном, а автокорреляция также отсутствует, но присутствует гетероскедастичность случайных остатков, поэтому был выбран линейный вид модели);

Комбинированная модель из финансовых и макроэкономических показателей – ВНД по ППС и рейтинг конкурентоспособности стран по уровню развития информационных технологий (Коэффициент корреляции между регрессорами равняется 0,87, что говорит о наличии прямой связи высокой силы между ними. Соответственно существует мультиколлинеарность, что в свою очередь ведёт к невыполнению первой предпосылки теоремы Гаусса - Маркова (о линейной независимости столбцов матрицы X);

Было проведено также несколько попыток по построению итоговой модели с использованием показателей AuM и объёма финансовых активов на душу населения, однако все они демонстрировали одинаковый результат – значимым регрессором являлся лишь рейтинг конкурентоспособности стран по уровню развития информационных технологий.

Исходя из проведённых расчётов была получен следующий оценённый вид эконометрической модели, для которой выполняются все предпосылки теоремы Гаусса – Маркова:

Y = 0,71+ 2,6E-06 * X + u

(0,024) (3,2E-07) (0,023)

R^2=0,75; DW=2,24

В качестве исходных данных были использованы показатели ИЧР и конкурентоспособности стран по уровню развития информационных технологий из отчётов 2020 года [8], [9].

Был проведён анализ данной модели на выполнение предпосылок теоремы Гаусса – Маркова, и были получены следующие выводы:

1) Модель является моделью парной регрессии, соответственно нет смысла проверять гипотезу о мультиколлинеарности за неимением прочих регрессоров, а предпосылка теоремы Гаусса - Маркова о линейной независимости столбцов матрицы X выполняется.

2) Fнабл> F крит (66,25 > 4,3), следовательно выполняется предпосылка теоремы Гаусса - Маркова о нулевом математическом ожидании случайных остатков.

3) Значения GQ и 1/GQ ниже уровня F крит (2,97 и 0,33 < 2,98), что позволяет судить о выполнении предпосылки теоремы Гаусса - Маркова о гомоскедастичности случайных остатков.

4) Статистика DW находится в промежутке от DU до 4-DU (1,45 < 2,24 < 2,55), что позволяет судить о выполнении предпосылки теоремы Гаусса - Маркова об отсутствии автокорреляции между случайными остатками.

5) Можно наблюдать равенство значений по главной диагонали матрицы P^-1, что говорит об отсутствии автокорреляции более высоких порядков, что также позволяет принять гипотезу о выполнении пятой предпосылки теоремы Гаусса – Маркова.

Таблица 1

Проверка 1, 2 и 4 предпосылок теоремы Гаусса - Маркова

F набл	66,25030897	DW	2,236643
T набл	8,139429278	DL	1,27
F крит	4,300949502	DU	1,45
T крит	2,073873068	4-DU	2,55

Источник: составлено автором на основе данных Отчёта о развитии человечества и IMDWorldDigitalCompetitivenessRanking 2020 [8][9].

Таблица 2

Проверка 3 и 5 предпосылок теоремы Гаусса – Маркова

P		P^-1			GQ	2,969805
1	0,866435		4,011378	-3,4756	1/GQ		0,336722
0,866435	1		-3,4756	4,011378	F крит		2,978237

Источник: составлено автором на основе данных Отчёта о развитии человечества и IMDWorldDigitalCompetitivenessRanking 2020 [8][9].

В таблице 1 и таблице 2 представлены числовые характеристики, описывающие результаты проверки модели на оптимальность прогнозов. После проверки выполнения предпосылок теоремы Гаусса – Маркова был проведён анализ модели на типичные ошибки 1, 2 и 3 типов, что позволило оценить, правильным ли является выбранная математическая функция, не добавились ли в модель незначимые регрессоры, а также не исключены ли из модели некоторые значимые регрессоры. Было решено не проводить анализ модели на наличие ошибок 4 типа, так как нет точной информации о точке сдвига, которую можно было бы использовать при разделении совокупности на отдельные группы для дальнейшего проведения теста Чоу.

Анализ на ошибки первого типа:

В знаках Ut не наблюдается длительного постоянства в упорядоченных по возрастанию значений объясняющей переменной уравнениях наблюдений;

Оценки модели по двум одинаковым частям уравнений наблюдений не демонстрируют существенных различий;

Диаграмма рассеивания соответствует графику функции, с учётом действия случайных факторов, что достаточно хорошо видно на рис. 1

Рис. 1. Рейтинг конкурентоспособности стран по уровню развития информационных технологий

Источник: составлено автором на основе данных Отчёта о развитии человечества и IMDWorldDigitalCompetitivenessRanking 2020 [8][9].

Анализ на ошибки второго и третьего типа был проведён, его результаты представлены в таблице 1, можно заметить, что по t – критерию используемый регрессор значим, а автокорреляция отсутствует.

На основе анализа типичных ошибок можно сделать вывод о том, что тип функции выбран правильно, в модели не присутствуют лишние переменные, а также не наблюдается пропуск значимых переменных.

Для оценки модели на адекватность прогнозов были выделены два набора значений в контрольную выборку, результаты анализа представлены в таблице 3.

Таблица 3

Проверка модели на адекватность прогнозов

q2	0,046699	q22	0,055266
y2	0,910173	y22	0,88511
Sy2	0,024729	Sy22	0,02427
Y2-	0,858589	Y22-	0,834485
Y2+	0,961756	Y22+	0,935736
Y2 факт	0,901	Y22 факт	0,9

Источник: составлено автором на основе данных Отчёта о развитии человечества и IMDWorldDigitalCompetitivenessRanking 2020 [8][9].

На основании полученных результатов можно сделать вывод о том, что модель даёт адекватные прогнозы с вероятностью 95%, так как фактические значения эндогенных переменных из контрольной выборки попадают в прогнозный интервал на уровне значимости 5%.

Крайне странным выглядит тот факт, что большинство параметров, которые экономически связаны с ИЧР не вошли в эконометрическую модель, объясняющую его значение, но ещё более удивительным кажется то, что именно уровень конкурентоспособности в области развития и внедрения инновационных финансовых технологий является показателем, который с высокой степенью вероятности объясняет значения ИЧР. Полученные оценки эконометрической модели являются оптимальными, а модель даёт адекватные прогнозы. С экономической точки зрения можно сделать вывод о растущей роли финансовых технологий не только в нашей повседневной жизни, но и в рамках социально – экономических оценок регионального и даже международного масштаба.

Есть предпололожение, что в данной модели имеются неучтённые переменные, которые могут влиять на эндогенную переменную, хотя это и не заметно по фактическим результатам проведённого исследования, однако показатели статистики GQ, которая близка к критическим значениям, а также коэффициента R^2, который также демонстрирует не самую высокую результативность, дают основания полагать, что, возможно, в модели пропущены объясняющие переменные. Они могут быть макроэкономическими факторами или некими показателями, связанными с финансовыми технологиями. Дальнейшее исследование автора будет нацелено на их поиск и построение более значимой эконометрической модели.

Список источников

Современный экономический словарь: словарь // Б. А. Райзберг, Л. Ш. Лозовский, Е. Б. Стародубцева. – 6 - е изд., перераб. и доп. - М." (ИНФРА - М, 2011): [Электронный ресурс] – Режим доступа: http://www.consultant.ru/document/cons_doc_LAW_67315/c151b760696d665265187501c51f38cd84503634/ (дата обращения 20.12.2020)

Модельный закон “О противодействии легализации (“отмыванию”) доходов, полученных незаконным путём” (принят постановлением на двенадцатом пленарном заседании Межпарламентской Ассамблеи государств – участников СНГ от 8 декабря 1998 г. № 12 – 8) // СПС КонсультантПлюс: [Электронный ресурс] – Режим доступа: https://official.academic.ru/28671/%D0%A4%D0%B8%D0%BD%D0%B0%D0%BD%D1%81%D0%BE%D0%B2%D0%B0%D1%8F (дата обращения 20.12.2020)

Говор О. М. Сущность понятия «Уровень жизни». Соотношение понятий уровень жизни, качество жизни, благосостояние // Проблемы науки. - 2016. - №3 (4). – 52 с.

Донателла Медоуз, Йорген Рандерс, Деннис Медоуз. Пределы роста: 30 лет спустя // Донателла Медоуз, Йорген Рандерс, Деннис Медоуз. - М.: БИНОМ. Лаборатория знаний, 2012. – 358 с.

Программа развития Организации Объединённых Наций (ПРООН) Индексы и индикаторы человеческого развития Обновлённые статистические данные 2018: [Электронный ресурс] – Режим доступа: http://hdr.undp.org/sites/default/files/2018_human_development_statistical_update_ru.pdf (дата обращения 20.12.2020)

Credit Suisse - The Global wealth report 2019: [Электронный ресурс] – Режим доступа: https://www.credit-suisse.com/about-us/en/reports-research/global-wealth-report.html (дата обращения 20.12.2020)

Ассоциация европейских фондов и управляющих компаний (EFAMA) - Asset Management in Europe 2019: [Электронный ресурс] – Режим доступа: http://www.efama.org/Publications/Statistics/Asset%20Management%20Report/AssetManagementReport2019.pdf (дата обращения 20.12.2020)

Программа развития Организации Объединённых Наций (ПРООН) Human Development Report 2020: [Электронный ресурс] – Режим доступа: http://hdr.undp.org/sites/default/files/hdr2020.pdf (дата обращения 20.12.2020)

IMD World Competitiveness Center – IMD World Digital Competitiveness Ranking 2020: [Электронныйресурс] – Режимдоступа: https://vk.com/doc172090338_574971981?hash=70475f34a0502d5659&dl=162bd2474cf01ebef7 (датаобращения 20.12.2020)

Уровень безработицы, ВВП по ППС и ВНД по ППС по данным Всемирного банка и Международной организации труда // nonews – информационный портал: [Электронный ресурс] – Режим доступа: https://nonews.co/directory/lists/countries (дата обращения 20.12.2020)

Индекс экономической свободы стран мира на основе данных отчета Economic Freedom of the World by Fraser Institute // nonews – информационный портал: [Электронный ресурс] – Режим доступа: https://nonews.co/directory/lists/countries/economic-freedom-fraser (дата обращения 20.12.2020)

Код для цитирования: Скопировать