ჟურნალი ნომერი 2 ∘ ირაკლი დოღონაძე ∘
მონეტარული პოლიტიკის გავლენა სახელმწიფო ფასიანი ქაღალდების ბაზარზე

რეზიუმე

წინამდებარე სტატიაში საქართველოს მაგალითზე გამოკვლეულ იქნა მონეტარული შოკების გავლენა სახელმწიფო ფასიან ქაღალდებსა და უძრავი ქონების ბაზარზე. ამისათვის ვექტორული ავტორეგრესიის მოდელის ფარგლებში განხორციელდა იმპულსზე რეაქციის ფუნქციების გამოკვლევა. კვლევის პროცესში გამოყენებული იყო ორი ტიპის მოდელი. მოდელების გამიჯვნის მიზეზი საკვანძო ცვლადებში დაკვირვებების არასაკმარისი რაოდენობა იყო. კვლევის შედეგად გამოიკვეთა, რომ ფულის მასის შოკი სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთებზე მნიშვნელოვან გავლენას არ ახდენს და მის მნიშვნელოვნებაზე მხოლოდ მოკლევადიან პერიოდში შეგვიძლია ვისაუბროთ, ხოლო საშუალო და გრძელვადიან პერიოდში ფულის მასის შოკის გავლენა შეზღუდულია.  კვლევის შედეგად აგრეთვე ჩანს, რომ მნიშვნელოვანია ფულის მასის შოკის უძრავი ქონების ფასების ინდექსზე ზეგავლენა. ზემოაღნიშნული სრულად ეხმიანება, ეკონომიკურ თეორიაში არსებულ მოსაზრებას ფულის მასით მოკლევადიან პერიოდში ეკონომიკის წახალისების შესახებ, სადაც უძრავი ქონების ბაზარიც არ არის გამონაკლისი.

საკვანძოსიტყვები: მონეტარული პოლიტიკა, სახელმწიფო ფასიანი ქაღალდები, კაპიტალის ბაზარი, უძრავი ქონების ბაზარი, ვექტორული ავტორეგრესული მოდელი.

შესავალი

აღსანიშნავია, რომ საქართველოში 1996-2015 წლებში მიმოქცევაში ეროვნული ვალუტის მოცულობა დაახლოებით 13-ჯერ გაიზარდა, ხოლო საშუალო წლიურმა ზრდის ტემპმა დაახლოებით 16% შეადგინა. ფულის მიწოდების ტემპი განსაკუთრებით მაღალი იყო 2004 _ 2007 წლებში. ამის ფონზე რეალური მშპ 2.7-ჯერ, ოფიციალური სტატისტიკური მონაცემებით სამომხმარებლო ფასების ინდექსი 2.8-ჯერ გაიზარდა, საშუალო წლიურმა რეალური მშპ-ს ზრდის ტემპმა 5,8%, ხოლო საშუალო წლიურმა ინფლაციამ 6% შეადგინა. მონეტარული პოლიტიკის სირთულეები დაკავშირებული იყო აგრეთვე უცხოური ვალუტის დიდი რაოდენობით შემოდინებასთან, კერძოდ, საქართველოს საგადამხდელო ბალანსის ფინანსური ანგარიშის მიხედვით, უცხოური ინვესტიციების მოცულობამ მხოლოდ 2002-2008 წლების მანძილზე 8.5 მილიარდ აშშ დოლარს მიაღწია, ხოლო ეროვნული ბანკის უცხოური ვალუტის რეზერვები 1,372 მლნ აშშ დოლარით გაიზარდა. უცხოური ვალუტის დიდი რაოდენობით შემოდინება, დადებით ფაქტორთან ერთად, ორი მნიშვნელოვანი უარყოფითი ტენდენციით ხასიათდება: პირველი, უცხოური ვალუტის შემოდინებით ეროვნული ვალუტის კურსის გამყარება აუარესებს საქართველოს სავაჭრო პირობებს და აფერხებს ექსპორტის ზრდის ტემპებს; მეორე, უცხოური სავალუტო რეზერვების დაგროვება და ეროვნული ვალუტის კურსის სტაბილურობის უზრუნველყოფა ინფლაციურ ზეწოლას ახდენს ეკონომიკაზე და ზრდის ეროვნული ვალუტის ჭარბ მიწოდებას ეკონომიკაში.

ორივე ეს ტენდენცია განსახილველ პერიოდში დამახასიათებელი იყო საქართველოსათვის. ეროვნული ვალუტის ჭარბი მიწოდება თავის მხრივ გარკვეულ გავლენას ახდენს ქვეყანაში კაპიტალის ბაზარზეც.

აღნიშნულ სტატიაში ჩვენი კვლევის მიზანია, შევისწავლოთ მონეტარული შოკების გავლენა სახელმწიფო ფასიან ქაღალდებზე, რომელიც, თავის მხრივ, გამოვიყენეთ იმის გამო, რომ კაპიტალის ბაზრის შესაფასებელი სხვა მაჩვენებლები შედარებით სუსტად ასახავდა ბაზრის რეალობას. ჩვენს კვლევაში შემუშავებულ მოდელში ასევე ჩავრთეთ უძრავი ქონების ბაზრის ინდექსიც [ბერაია…... 2015, #4].

მონაცემები და ეკონომეტრიკული მოდელი. კვლევის პროცესში გამოყენებულია ორი ტიპის მოდელი. მოდელების გამიჯვნის მიზეზი საკვანძო ცვლადებში არასაკმარისი დაკვირვების რაოდენობაა. პირველი მოდელი მოიცავს 2007-2015 წლების კვარტალურ მაჩვენებლებს[1], ხოლო მეორე _ 2009-2015 წლების კვარტალურ მაჩვენებლებს. კვლევა ეყრდნობა ვექტორული ავტორეგრესიის მოდელის ფარგლებში იმპულსზე რეაქციის ფუნქციების გამოკვლევას:

პირველი მოდელი:

 

მეორე მოდელი:

 

სადაც, Y_t არის ენდოგენური ცვლადების ვექტორი, Z_t-ეგზოგენური ცვლადების ვექტორი, E_t-ნარჩენობითი წევრის ვექტორი.

ენდოგენური ცვლადებისათვის გამოყენებულ იქნა შემდეგი დროითი მწკრივები[2]: რეალური მთლიანი შიდა პროდუქტი (GDP); სამომხმარებლო ფასების ინდექსი (CPI); ეროვნულ ვალუტაში სესხებზე საშუალო კვარტლის რეალური საპროცენტო განაკვეთები (R); რეალური ეფექტური გაცვლითი კურის (REER); საოჯახო მეურნეობების მოხმარება რეალურ გამოსახულებაში[3] (RC); უძრავი ქონების ფასების ინდექსი [ბერაია…... 2015, #4] (AP); სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთები (GR); ფულის მიწოდების მაჩვენებლის დასახასიათებლად გამოვიყენეთ სამი მაჩვენებელი: სარეზერვო ფული (CC); მონეტარული აგრეგატი (M3), მონეტარული აგრეგატი (M2).  ეგზოგენური ცვლადის სახით გამოყენებულ იქნა საზღვარგარეთიდან ნატურალური სახით მიღებული (მიმდინარე და კაპიტალური) ტრანსფერტების (Y_tr _ტრ) და საზღვარგარეთიდან მიღებული ფაქტორული შემოსავლების (Y_f_ფ) ჯამი (TR), აღნიშნული მაჩვენებელი იმ მოსაზრებით იქნა გამოყენებული, რომ ჩვენი შეხედულებით ეს ცვლადი ყველაზე მეტად იყო ეროვნული ეკონომიკის კონიუნქტურის განმსაზღვრელი შესაფასებელ პერიოდზე, ამასთან, ის ყველაზე მეტად ეგზოგენური ფაქტორი და მნიშვნელოვანი საგარეო შოკის მახასიათებელია.

მოდელში განხილულია მონეტარული შოკის გავლენა კაპიტალის ბაზრებზე. იმის გათვალისწინებით, რომ საქართველოს საფონდო ბირჟის ინდექსები არასაკმარისად ახასიათებს ფინანსური ბაზრების მაკროეკონომიკურ დონეს (არასაბირჟო გარიგებების დიდი ოდენობა), მის ნაცვლად გამოვიყენეთ ორი ცვლადი, ერთ წლამდე სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთები და უძრავი ქონების ფასების ინდექსი. მიგვაჩნია, რომ უძრავი ქონების ფასების ინდექსი დაბალი ფინანსური განვითარების ქვეყნებისათვის კარგი ინდიკატორია ქონების სექტორის დასახასიათებლად, თანაც ფინანსური ბაზრის განუვითარებლობამ საქართველოში წარმოშვა ფულის დაბანდების ტენდენცია უპირატესად უძრავ ქონებაში. ყოველ შემთხვევაში, დღემდე ამ ტენდენციას ჰქონდა ადგილი.

კვარტალური მონაცემების ანალიზის დროს მნიშვნელოვან საკითხს წარმოადგენს სეზონურობა. წინამდებარე ნაშრომში ყველა ცვლადი სეზონურად შესწორებულია. შესაბამისად,  ყველა მონაცემის ტესტირება მოხდა სეზონური კომპონენტის არსებობაზე  X12[4]  მეთოდის გამოყენებით.

რაც შეეხება სტაციონალურობის საკითხს, მისი ანალიზისთვის გამოყენებული იქნა რამდენიმე ტესტი: გაფართოვებული დიკი-ფულერის (ADF), ფილიპს-პერონის (PP), დიკი-ფულერის (DF-GLS), კვიატკოვსკი-ფილიპს-შმიდტი-შინის (KPSS) ტესტები. ამასთან, დროითი მწკრივების სტაციონალურობის შემოწმება ჩატარდა  სეზონურად მოუსწორებელ და გაუფილტრავ  მწკრივზე[5].

ქვემოთ მოცემულ 1 და მე-2 ცხრილში, 1996-2015 წლების დროით შუალედში წარმოდგენილია, ერთეულოვანი ფესვის ტესტების შედეგები სხვადასხვა ტესტების გამოყენებით 5%-იანი მნიშვნელოვნების დონისათვის. ტესტები ჩატარებულია ყველა სპეციფიკაციისათვის[6]: ტრენდისა და კონსტანტასთვის, მხოლოდ კონსტანტასთვის და ტრენდის და კონსტანტის გარეშე.

 ცხრილი 1

ერთეულოვანი ფესვის ტესტები (ADF, PP, DF-GLS, KPSS)

 ცხრილი 2

ერთეულოვანი ფესვის ტესტები (ADF, PP, DF-GLS, KPSS)

 

ტესტები		ცვლადები
		RGDP	ΔRGDP	CR	ΔCR	TR	ΔTR	AP	ΔAP	GR	ΔGR
ADF-ტსტი	სპეციპიკაცია	T,4	T,0	T,0	-	T,3	T,2	T,6	-	C,1	N
	ADF-სტატისტიკა	-2.49	-2.49	-4.35	-	-2.07	-12.16	-5.97	-	-2.05	-2.23
	კრიტიკული მნიშვნელობები	-3.47	-3.46	-3.46	-	-3.47	-3.47	-3.58	-	-2.99	-1.95
PP-tტესტი	სპეციპიკაცია	T	T	T	-	T	-	C	-	C	N
	PPსტატისტიკა	-8,21	-2.47	-4.3	-	-6.81	-	-2.93	-	-1.38	-2.43
	კრიტიკული მნიშვნელობები	-3.46	-3.46	-3.46	-	-3.46	-	-2.95	--	-2.99	-1.95
DF-GLS-ტესტი	სპეციპიკაცია	T,4	T,0	T,3	T,3	T,3	T,4	T,6	-	C	C
	DF-GLS–სტატისტიკა	-2.22	-2.27	-1.12	-3.95	-2.12	-2.48	-5.86	-	-1.38	-2.17
	კრიტიკული მნიშვნელობები	-3.11	-3.10	-3.11	-3.11	-3.11	-3.11	-3.19	-	-2.99	-1.95
KPSS-tტესტი	სპეციპიკაცია	T	T	T	T	T	T	T	-	T	C
	KPSS –სტატისტიკა	0.22	0.13	0.19	0.12	0.24	0.141	0.08	-	0.10	0.18
	კრიტიკული მნიშვნელობები	0.14	0.14	0.14	0.14	0.14	0.146	0.14	-	0.14	0.46
შედეგი		I(1)	I(0)	ND	I(0)	I(1)	I(0)	I(0)	-	ND	I(0)

სტაციონალურობის  ანალიზის შედეგად მივიღეთ:

• ADF, PP, DF-GLS da KPSS ტესტების მიხედვით REER პირველი რიგის ინტეგრაციული პროცესია, ხოლო AP - TS[7]-პროცესია.

•ADF, PP და DF-GLS  ტესტების მიხედვით GR,CPI, CC da M2  პირველი რიგის ინტეგრაციული პროცესია, თუმცა KPSS ტესტის მიხედვით _ TS პროცესია. მიღებული წინააღმდეგობრივი შედეგი არ გვაძლევს საშუალებას, დროითი მწკრივები დანამდვილებით მივაკუთვნოთ TS ან DS[8] პროცესს. ამიტომ გამოვიყენეთ კოხრეინის[9] პროცედურა, რომლის მიხედვითაც, CPI და GR განისაზღვრა, როგორც TS პროცესი. ხოლო CC და M2 დროითი მწკრივების DS პროცესისათვის მიკუთვნება საკმაოდ რთუ¬ლია, თუმცა იგი უპირატესად DS პროცესისათვის დამახასიათებელი  ვარიაციის დინამიკით ხასიათდება.

• PP, DF-GLS და KPSS ტესტების მიხედვით M3 პირველი რიგის ინტეგრაციული პროცესია, თუმცა ADF ტესტის მიხედვით, ის მეორე რიგის ინტეგრაციული პროცესია, რაც კოხრეინის პროცედურითაც დასტურდება.

• ADF და PP  ტესტების მიხედვით R სტაციონალური პროცესია, რასაც ეწინააღმდეგება DF-GLS და KPSS ტესტების შედეგები. თუმცა კოხრეინის პროცედურით იგი უპირატესად სტაციონალური პროცესისათვის დამახასიათებელი ვარიაციის დინამიკით ხასიათდება.

• ADF, DF-GLS და KPSS ტესტების მიხედვით RGDP და RC პირველი რიგის ინტეგრაციული პროცესია. ხოლო ტესტის და კოხრეინის პროცედურის მიხედვით  _ TS -პროცესი.

• ADF, DF-GLS და KPSS ტესტების მიხედვით TR პირველი რიგის ინტეგრაციული პროცესია. ხოლოP PP ტესტის და კოხრეინის პროცედურის მიხედვით _ TS -პროცესი.

ზემოაღნიშნული შედეგების გათვალისწინებით და აგრეთვე იმის გათვალისწინებით, რომ საქართველო 1996_2015 წლებში მნიშვნელოვან სტრუქტურულ ძვრებს განიცდიდა[10], მიგვაჩნია, რომ: REER, CC, M2, M3, TR ინტერპრეტირებული უნდა იქნეს DS -პროცესებად, ხოლო CPI, R, RGDP, AP, GR და CR_TS პროცესებად[11].

მაშასადამე, ცვლადების უმეტესობა მოცემულ დროით მონაკვეთზე განისაზღვრა, როგორც ტრენდის მიმართ სტაციონალური დროთი მწკრივები, ამიტომაც ეგზოგენურ ცვლადებში ჩვენ ჩავრთეთ წრფივი ტრენდის ფაქტორი.  მოდელში ცვლადები, რომელიც იდენტიფიცირდა, როგორც პირველი რიგის ინტეგრირებული პროცესები,  განიხილება პირველი რიგის სხვაობებში.

ტექნიკურად მხოლოდ სამი[12]  ცვლადი განისაზღვრა, როგორც არანულოვანი რიგის ინტეგრირებული პროცესი, ამიტომ კოინტეგრაციული კავშირები საანა¬ლიზო მწკრივებისათვის არ შეიძლება განისაზღვროს და ჩვენ განვიხილავთ ვექტორულ ავტორეგრესიას შეცდომის კორექციის გარეშე. ცვლადების სტანდარ¬ტიზებისათვის აღებულია მათი ლოგარითმული მნიშვნელობები.

ჩვენ შევაფასეთ სამი მოდელი, რომელიც შეიძლება ორ ჯგუფად დაჯგუფდეს: პირველი ტიპის მოდელში ფინანსური ბაზრების დასახასათებლად ავიღეთ ორი ცვლადი ერთ წლამდე სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთები და უძრავი ქონების ფასების ინდექსი. ფულის მიწოდების მაჩვენებლის დასახასიათებლად გამოვიყენეთ სხვადასხვა მაჩვენებლები: სარეზერვო ფული (CC); მონეტარული აგრეგატი (M3); მონეტარული აგრეგატი (M2). მეორე ტიპის მოდელში ფინანსური ბაზრების დასახასათებლად აღებული იყო მხოლოდ უძრავი ქონების ფასების ინდექსი, რომლის საფუძველზე აიგო სამი მოდელი, სადაც ფულის მიწოდების მაჩვენებლის დასახასიათებლად გამოვიყენეთ სხვადასხვა მაჩვენებლები: სარეზერვო ფული (CC); მონეტარული აგრეგატი (M3); მონეტარული აგრეგატი (M2).

ლაგის რიგის განსაზღვრის პირველი ჯგუფის მოდელებში გამოვიყენეთ მოდელები 2 ლაგით, ხოლო მეორე ტიპის მოდელებში  _ 3 ლაგით. ოპტიმალური ლაგის სრულყოფილი გამოკვლევა ვერ მოხერხდა შესასწავლი დროითი დია¬პაზონის სიმცირის გამო. ამიტომ ზემოთ განხილული ლაგების სიღრმე ოპტიმალურია აღნიშნული შეზღუდვის გათვალისწინებით.

მოდელების ავტორეგრესიული პოლინომის მახასიათებელი შებრუნებული ფესვები მოდულით ერთზე ნაკლებია, რაც VAR მოდელის სტაციონალურობაზე მიუთითებს.

ცვლადების ენდოგენურობის/ეგზოგენურობის ანალიზისთვის გრეინჯერის წყვილური მიზეზშედეგობრიობის ტესტის მიხედვით (ცხრილი 4), ჩვენი მოდელისთვის ჩანს, რომ ვლინდება:

პირველი ტიპის მოდელისათვის 1) სამივე მოდელისათვის GR ცვლადი ეგზოგენურია; 2) პირველი მოდელისათვის გრეინჯერის მიხედვით კავშირი AP→CC; AP ცვლადის ეგზოგენურობა;  3) მეორე მოდელისათვის M2 და AP ცვლადების ეგზოგენურობა;  4) მესამე მოდელისათვის გრეინჯერის მიხედვით კავშირი →AP da GR→M3 მიმართულებით;

ზემოაღნიშნულიდან გამომდინარე, შემდეგი მიზეზშედეგობრივი სქემის აგება შეიძლება : GR¾® CC/M2/ M3 ¾®AP

მეორე ტიპის მოდელისათვის შემდეგი მიზეზშედეგობრივი სქემის აგება შეიძლება: REER ¾®AP¾®CC/M2/ M3¾®RC ¾® R ¾® CPI ¾® GDP

ცხრილი 4

გრეინჯერის  წყვილური  მიზეზშედეგობრიობის ტესტის შედეგები

 

შემთხვევითი სიდიდის ერთჯერად შოკზე ენდოგენური ცვლადების სისტემის რეაქციის ანალიზისათვის უნდა შევისწავლოთ იმპულსზე რეაქციის ფუნქციები. პრობლემას ამ ტიპის მოდელში სისტემის განტოლებების შოკების კორელირებულობა წარმოადგენს. ამ პრობლემის გადაწყვეტა შეგვიძლია ქოლესკის დეკომპოზიციის გამოყენებით იმპულსების ორთოგონალიზაციის საშუალებით. თუ დავუშვებთ მიმდევრობის ცვლილებას მაშინ ფუნქცია შეიცვლის სახეს. თუ ფუნქცია მნიშვნელოვნად იცვლება, მაშინ უნდა ვივარაუდოთ, რომ ადგილი აქვს ინოვაციების ჯვარედინ მნიშვნელოვან კორელაციას. 

საქართველოს მაგალითზე, რეალურ გამოშვებაზე ფულის მიწოდების გავლენის გაცნობის დროს შესწავლილ იქნა უფრო დიდი დიაპაზონი, კერძოდ 1996_2015 წლამდე პერიოდის კვარტალური მონაცემები, სადაც, გრეინჯერის მიხედვით, სხვა  მიზეზშედეგობრივი კავშირები გამოვლინდა[13].  იმის გათვალის-წინებით, რომ ჩვენი მოდელის შესასწავლი პერიოდი შეზღუდულია 2007_2015 და 2009_2015 წლების დიაპაზონით (არასრული მონაცემების გამო) ძველ პერიოდებში, ამიტომ მიზანშეწონილად მიმაჩნია ზემოაღნიშნული კვლევის შედეგების გაზიარება მოდელის ასაგებად, ამიტომ ჩვენს მეორე მოდელში ცვლადები შემდეგი რეგითობით არის დალაგებული: 

CC/M2/ M3¾® RC¾® REER ¾® CPI ¾®R ¾® GDP¾® GDP

ასევე გაკეთდა ორივე ტიპის მოდელში ალტერნატიული სქემების ანალიზიც. ალტერნატიული სქემების ანალიზის შედეგად ფუნქციებს არსებითი ცვლილებები არ განუცდია, რაც იმას ნიშნავს, რომ ნარჩენობითი წევრების ჯვარედინ კორელაციას ადგილი არ აქვს.

შედეგები. ჩვენ მიერ იდენტიფიცირებულ მოდელებში სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთების ფულის მიწოდების შოკის იმპულსზე რეაქციის ფუნქციები სტატისტიკურად არამნიშვნელოვანია. არამნიშვნელოვანია სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთების ვარიაციაში ფულადი აგრეგატების ვარიაციაც. ამასთან, სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთების მაჩვენებელი რყევებით უბრუნდება წონასწორულ მნიშვნელობას, რაც წონასწორობის აღდგების ადაპტაციურ მექანიზმზე მიუთითებს. აღსანიშნავია, რომ მასზე მაქსიმალური  გავლენა M2 და M3 ფულად აგრეგატებს გააჩნია, სადაც მხოლოდ კომერციული ბანკების დეპოზიტებია თავმოყრილი. ასეთი გავლენის მიზეზი, პირველ რიგში, სახელმწიფოსთვის სესხის გაცემის ბაზა უნდა მივიჩიოთ, კერძოდ ეროვნულ ვალუტაში დეპოზიტების მოულოდნელად ზრდამ უნდა გამოიწვიოს საპროცენტო განაკვეთების შემცირების შოკი.

გრაფიკი 1

     

 

  

პირველი მოდელისათვის სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთების და უძრავი ქონების ფასების ინდექსის იმპულსზე რეაქციის ფუნქციები ფულის მიწოდების შოკებზე.

 გრაფიკი 2

  

 

მეორე მოდელისათვის უძრავი ქონების ფასების ინდექსის იმპულსზე რეაქციის ფუნქციები ფულის მიწოდების შოკებზე.

უძრავი ქონების ფასების ინდექსის ფულადი აგრეგატების (CC, M2 da M3) ცვლილების იმპულსზე რეაქციის ფუნქციები სტატისტიკურად მნიშვნელოვანია.  უძრავი ქონების ფასების ინდექსის ვარიაციის დეკომპოზიცია გვიჩვენებს, რომ უძრავი ქონების ფასების ინდექსის ვარიაციაში ფულის მასის აგრეგატების ცვლილების ვარიაცია მაღალი მნიშვნელოვნების დონით ხასიათდება. ამასთან, დინამიკური წონასწორობის აღდგენის პროცესი ატარებს რყევით ხასიათს და მისი გავლენა სხვადასხვა მოდელებში განსხვავებული დროითი ლაგის შემდეგ აღწევს მაქსიმუმს, ინდექსის მაჩვენებელი ძირითადად რყევებით უბრუნდება წონასწორულ მნიშვნელობას.

აღსანიშნავია, რომ განსხვავდება პირველი და მეორე მოდელის შედეგები, თუმცა მიზეზი მოდელების არასრულფასოვნებაში უნდა ვეძებოთ. ვფიქრობთ, მეორე მოდელი უძრავი ქონების ფასების ინდექსზე ფულის ბაზრის გავლენის თვალსაზრისით უფრო სრულ ინფორმაციას იძლევა. შესაბამისად, შეგვიძლია დავასკვნათ, რომ ფულადი აგრეგატების ზრდა საწყის ეტაპზე მნიშვნელოვნად ზრდის უძრავი ქონების ფასების ინდექსს, თუმცა შოკი საკმაოდ ხანგრძლივი პერიოდის განმავლობაში[14] უძრავი ქონების ბაზარზე დინამიკური არასტაბილურობის მიზეზია.

ცხრილი 5.1

სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთების და უძრავი ქონების ფასების ინდექსის ვარიაციის დეკომპოზიცია 

ცხრილი 5.2

უძრავი ქონების ფასების ინდექსის ვარიაციის დეკომპოზიცია

ფულის მასის და უძრავი ქონების ფასების ინდექსის, როგორც საქართველოში ფინანსური ბაზრის მახასიათებელი მაჩვენებლის ამგვარი დამოკიდებულება დასტურდება სხვა კვლევებითაც (Bernanke and Kuttner 2004, Campbell and Cochrane 1999, Brandt and Wang 2003).

ჩვენი აზრით, მოდელის ეკონომიკური ინტერპრეტაცია შესაძლებელია შემდეგი სახით: ფულის მიწოდების მოულოდნელ ზრდას შეუძლია გამოიწვიოს საპროცენტო განაკვეთების შემცირება, შეამცირებს საინვესტიციო პროქტების რისკიანობას.  იმის გათვალისწინებით, რომ ფასიანი ქაღალდების ბაზრის განუვითარებლობის გამო საქართველოში ფულის დაბანდების მხოლოდ სამი ალტერნატივაა (უძრავი ქონება, დეპოზიტები და ბიზნესპროექტები), ბიზნეს¬პროექტი კი მაღალ ფინანსურ დაბანდებებს გულისხმობს, რისთვისაც საკუთარი სახსრები არასაკმარსია და  საფინანსო სექტორიდან სესხის აღების გარეშე განხორციელება საკმაოდ რთულია. საფინანსო სექტორში საპროცენტო განაკვეთები, შემცირების მიუხედავად, მაღალ დონეზეა, რაც ქვეყნის რისკის პრემიის _ მაღალი მაჩვენებლით და საფინანსო სექტორში დაბალი კონკურენციით არის განპირობებული. ამასთან, უძრავი ქონების ბაზარზე დაბანდებები ნაკლებრისკიანია, ბიზნესპროექტებთან შედარებით. ამიტომ, ერთი მხრივ, ბიზნესსექტორის წახალისებით, ხოლო მეორე მხრივ, მოხმარების წახალისებით გაიზრდება მოთხოვნაც და, მოგვიანებით, მიწოდებაც  უძრავი ქონების ბაზარზე.

დასკვნა

ამრიგად, მოცემულ სტატიაში ჩვენ მიერ განხორციელებული კვლევის შედეგად გამოიკვეთა შემდეგი დასკვნები:

ფულის მასის შოკი სახელმწიფო ფასიანი ქაღალდების საპროცენტო განაკვეთებზე მნიშვნელოვან გავლენას არ ახდენს და მის მნიშვნელოვნებაზე მხოლოდ მოკლევადიან პერიოდში შეგვიძლია ვისაუბროთ, ხოლო საშუალო და გრძელვადიან პერიოდში ფულის მასის შოკის გავლენა შეზღუდულია.

კვლევის შედეგად აგრეთვე ჩანს, რომ მნიშვნელოვანია ფულის მასის შოკის უძრავი ქონების ფასების ინდექსზე ზეგავლენა. ზემოაღნიშნული სრულად ეხმიანება ეკონომიკურ თეორიაში არსებულ მოსაზრებას, ფულის მასით მოკლევადიან პერიოდში ეკონომიკის წახალისების შესახებ, სადაც უძრავი ქონების ბაზარიც არ არის გამონაკლისი.

კვლევამ აჩვენა რომ უძრავი ქონების ფასების ინდექსზე მონეტარული შოკები უფრო ძლიერია, ვიდრე მთლიან გამოშვებაზე მონეტარული შოკების გავლენა, რაც შეიძლება ინტერპრეტირდეს, როგორც საქართველოში უძრავი ქონების ბაზრისადმი დაბანდებების მაღალ მიდრეკილებად, ვიდრე ეკონომიკის სხვა დარგებში, რაც ფინანსური ბაზრების ინსტიტუციური შეზღუდვით და განუვითარებლობით არის განპირობებული.

აღსანიშნავია, რომ განსხვავდება პირველი და მეორე მოდელის შედეგები, თუმცა მიზეზი მოდელების არასრულფასოვნებაში უნდა ვეძებოთ. ვფიქრობთ, მეორე მოდელი, უძრავი ქონების ფასების ინდექსზე ფულის ბაზრის გავლენის თვალსაზრისით, უფრო სრულ ინფორმაციას იძლევა. შესაბამისად, შეგვიძლია დავასკვნათ, რომ ფულადი აგრეგატების ზრდა საწყის ეტაპზე მნიშვნელოვნად ზრდის უძრავი ქონების ფასების ინდექსს, თუმცა შოკი საკმაოდ ხანგრძლივი პერიოდის განმავლობაში[15] უძრავი ქონების ბაზარზე დინამიკური არასტაბი-ლურობის მიზეზია.

გამოყენებული ლიტერატურა

1. ბლუაშვილი ა., 2013, „მონეტარული პოლიტიკის გადაცემის მექანიზმები საქართველოში: ბოლოდროინდელი დინამიკა“, ჟურნალი ეკონომიკა და საბანკო საქმე - ტომი I, N 3, გვ. 57-74.
2. Кейнс Дж.м., 1978, Обшая теория занятости, просента и денег. М.
3. Angeloni, I., A. Kashyap, B. Mojon and D. Terlizzese, 2003, “Monetary transmission in the euro area: does the interest rate channel explain all?”
4. Barro R., Sala-i-Martin X., 1995,  Economic Growth. New York.
5. Bakradze, G, and Andreas B., 2008, “InflationTargeting in Georgia: Are We There Yet?.” NBGWP. no. 04.
6. Bernanke B. S., Blinder A.S., 1992, “The Federal Funds Rate andthe Channels of Monetary Transmission”, American EconomicReview, Vol. 82, № 4, pp. 901–921.
7. Bierens  H.J., 1997,  “Testing the unit root with drift hypothesis against nonlinear trend stationarity, with an application to the US price level and interest rate”, Journal of Econometrics, Vol. 81, pp. 29-64.
8. Brissimis S. N., Magginas N.S., 2006,  “Forward-looking information inVAR models and the price puzzle”, Journal of Monetary Economics,Vol. 53, Issue 6, pp. 1225–1234.
9. Canova F., Ciccarelli M., 2006, “Estimating Multi-Country VARModels”, European Central Bank, Working Paper № 603/
10. Cochrane J.H., 1988, “How Big is the Random Walk in GNP?” Journal of Political Economy,  Vol. 96, pp. 893-920.
11. Christiano L.J., 1988, “Searching for a Break in GNP”, NBER,Working Papers No. 2695
12. Modigliani F., 1971, Monetary Policy and Consumption: Linkages via Interest Rate and Wealth
13. Effects in the FMP Model. Federal Reserve Bank of Boston Conference Series 5, pp. 9-84.
14. Ghysels E. &Perron P., 1990, “The Effect of Seasonal  Adjustment Filters on Tests for a Unit Root” Econometrics Research Program, Princeton University, Research Memorandum no. 355,
15. Golodniuk I., 2006, “Evidence on the bank-lending channel inUkraine”, Research in International Business and Finance, Vol. 20,Issue 2, pp. 180–199.
16. Hamilton J.D., 1994, Time Series Analysis, Princeton University Press, Princeton.
17. HicksJ. R., 1937,  „Mr. Keynes and the "Classics"; A Suggested Interpretation“,Econometrica, Vol. 5, no. 2, pp. 147-159
18. Friedman, M., 1968, The Role of Monetary Policy. American Economic Review, Vol. 58, no. 1, pp. 1-17.
19. Leeper E. M., Sims Ch. A., Zha T., 1996, “What Does MonetaryPolicy Do?”, Brookings Papers on Economic Activity, (2),pp. 1–63.
20. Lucas R., 1980, “Methods and Problems in Business Cycle Theory”, Journal of Money, Credit andBanking, Vol 12, no.4, pp. 696-715.
21. Lucas R., 1972, Expectations and the Neutrality of Money, Journal of Economic Theory, , Vol 4, no.2, pp. 103-124.
22. McCallum, B., 1999, «Analysis of the monetary transmissionmechanism: Methodological issues», NBER Working paper, 7395.
23. Maddala G.S., Kim I.M., 1998,  “Unit roots, cointegratio and structural change”, Cambridge University Press, Cambridge.
24. Nunes L.S.,Newbold P., Kuan C.M., 1997, “Testing for Unit Roots With Breaks. Evidence on the Great Crash and the Unit Root Hypothesis Reconsidered”, Journal of American Statistical Association, Vol. 90, pp. 268-281
25. Phelps E.S., 1967, Phillips Curves, Expectations of Inflation and OptimalUnemployment over Time. EconomicaVol. 34 no. 135 pp. 254-281.
26. Phelps E.S., 1968,  Money-Wage Dynamics and Labor-Market Equilibrium. Journalof Political Economy,Vol. 76, no. 4, pp. 678-711.
27. Perron P., 1989, “The great crash, the oil price shock, and the unit root hypothesis”, Econometrica, Vol. 57, no. 6, pp. 1361-1401.
28. Perron P., 1994, Trend, unit root, and structural change in macroeconomic time series. In: Cointegration for the Applied Economist, Rao, B.B. (ed.), Basingstoke: Macmillan Press, 113-146.
29. Perron P., 2006, Dealing with structural breaks. Palgrave Handbook of Econometrics Vol.1 Econometric Theory, K. Patterson and T.C. Mills (eds.), Palgrave Macmillan, 278-352 (working paper version) 
30. Perron P., Vogelsang T., 1991, Nonstationarity and level shifts with an application to purchasing power parity. Econometrics Research Program, Princeton University, Research Memorandum no. 359,
31. Perron P., 1997, Further evidence from breaking trend functions inmacroeconomic variables. Journal of Econometrics, 80, 55-385.
32. Perron P., Yabu, T., 2005, Testing for shifts in trend with an integrated or stationary noise component. Department of Economics, Boston University.
33. Kydland F.E., Prescott E.C., 1977, “Rules Rather than Discretion: The Inconsistency of OptimalPlans.”The Journal of Political Economy, Vol. 85, No. 3. pp. 473-491.
34. Rousseas S., 1998, Post Keynesian Monetary Economics, Macmillan Press,N.Y.
35. Samkharadze, Besik. “Monetary TransmissionMechanism in Georgia: Analyzing Pass-Throughto Different Channels.” NBG WP.no. 02 (2008)
36. Sarno L., Taylor P.M., 1998, “Real Interest Rates, Liquidity Constraints and Financial Deregulation: Private Consumption Behaviour in the UK”,  Journal of Macroeconomics, Vol. 20, no.3,pp. 221-42.
37. Sidrauski M., 1967, Rational choices and patterns of growth in a monetary economy. AmericanEconomic Review Vol. 57, Issue 2,pp. 534-544.
38. Sims C., 1972, “Money, income and causality”, American EconomicReview, 652, pp. 540–542.
39. Sims C., 1980, “Comparison of interwar and postwar businesscycles”, American Economic Review, 70, pp. 250–257.
40. Sims Ch. A., Zha T.A., 1998, “Does Monetary Policy GenerateRecessions?”, Federal Reserve Bank of Atlanta, Working Paper 98-12/ July 1998.
41. Taylor P.M., 1999, Real interest rates and macroeconomic activity // Oxford review economic policy. Vol. 15. no. 2, pp. 95-113.
42. Zivot E.,  Andrews D., 1992,  “Further evidence on the Great crash, the oil price shock and the Unit root hypothesis”, Journal of Business and Economic Statistics, Vol. 10, no. 3, pp. 251–287.     

---