Economy: problems and practical issues



Yüklə 1,07 Mb.
Pdf görüntüsü
səhifə1/3
tarix09.05.2017
ölçüsü1,07 Mb.
  1   2   3

Munich Personal RePEc Archive

Modeling and forecasting of

macroeconomic variables of the national

economy: problems and practical issues

Mehdi Mehdiyev and Vugar Ahmadov and Salman Huseynov

and Fuad Mammadov

Central Bank of the Republic of Azerbaijan

25 March 2015

Online at

https://mpra.ub.uni-muenchen.de/63517/

MPRA Paper No. 63517, posted 2 May 2015 11:46 UTC


Ölkə iqtisadiyyatı üzrə göstəricilərin 

modelləşdirilməsi və proqnozlaşdırılması: 

problemlər və praktiki çətinliklər

1

 

Mehdi Mehdiyev

2

, Vüqar Əhmədov



3

Salman Hüseynov



4

, Fuad Məmmədov

25 Mart 2015 



 

ABSTRAKT 

Bu  məqalədə  ölkə  iqtisadiyyatı  üzrə  makroiqtisadi  göstəricilərin  modelləşdirilməsi  və 

proqnozlaşdırılması  zamanı  qarşıya çıxan  əsas problemlər və praktiki  çətinliklər tədqiq  olunur. 

Bu  məqsədlə  qeyri-struktur  modellər  hesab  olunan  Vektor  Avtoreqressiv  (VAR)  modellərdən 

istifadə edilir və müxtəlif göstəricilər arasında qarşılıqlı asılılıqlar qiymətləndirilir. Modelə daxil 

olan  göstəricilərin  ilkin  müayinəsi  və  təhlili  göstərir  ki,  onların  dövrü  dinamikasında 

anomaliyalar  və  yüksək  volatillik  mövcuddur.  Təkcə  bu  faktorun  özü  göstəricilər  arasında 

qarşılıqlı  asılılıqları zəiflədən əsas  amillərdən hesab oluna bilər. Heç də  təəccüblü  deyil ki,  bir 

çox hallarda müxtəlif göstəricilərdən istifadə edərək ekonometrik modellər quran araşdırmacılar 

onlar  arasında  statistik  əhəmiyyətli  asılılıqlar  aşkar  etməkdə  çətinlik  çəkirlər.  Burada  bir  sıra 

statistik metodlardan istifadə etməklə həmin göstəricilərin dinamikasında mövcud olan volatillik 

və  anomaliyalar  azaldılmağa  çalışılır.  Tərkibinə  müxtəlif  sayda  dəyişənlər  daxil  edilən  VAR 

modelləri qiymətləndirilir və iki metodologiya (Vaqqoner və Zha (1999) və Banbura, Giannone 

və Lenza (2014)) əsasında müxtəlif göstəricilər üzrə şərtsiz və şərti proqnozlar hesablanır. Sonda 

modelləşdirmə  və  proqnozlaşdırama  zamanı  qarşıya  çıxan  praktiki  çətinliklər  göstərilir  və 

statistik məlumatların keyfiyyətinin yaxşılaşdırılması üçün təkliflər verilir. 



 

JEL klassifikasiyası: C11, C13, C32, C53 

Açar sözlər: proqnozlaşdırma, zaman sırası metodları, Bayez metodları 

 

                                                           

1

 Məqalədə səsləndirilən fikirlər yalnız müəlliflərə məxsusdur, Mərkəzi Bankın rəsmi mövqeyi ilə üst-üstə düşməyə 



bilər. 

2

 Azərbaycan Respublikası Mərkəzi Bankı, Tədqiqatlar və inkişaf mərkəzi, email: mehdi_mehdiyev@cbar.az 



3

 Azərbaycan Respublikası Mərkəzi Bankı, Tədqiqatlar və inkişaf mərkəzi, email: vugar_ahmadov@cbar.az 

4

 Azərbaycan Respublikası Mərkəzi Bankı, Tədqiqatlar və inkişaf mərkəzi və Azərbaycan Milli Elmlər 



Akademiyası, İdarəetmə Sistemləri İnstitutu, email: salman_huseynov@cbar.az 

5

 Azərbaycan Respublikası Mərkəzi Bankı, Tədqiqatlar və inkişaf mərkəzi, email: fuad_mammadov@cbar.az



 

1.

 

Giriş 

Tənzimləyici qurumlar üçün ölkə iqtisadiyyatının vəziyyətini düzgün və dolğun əks etdirən, 

həmçinin  vaxtlı-vaxtında  nəşr  olunan  statistik  göstəricilərin  əhəmiyyəti  böyükdür.  Böhran 

idarəetməsinin  müvəffəqiyyəti  əksər  hallarda  əldə  olunan  statistik  məlumatların  keyfiyyətinə, 

həmçinin  onların  operativ və müntəzəm  qaydada  əldə  olunmasına birbaşa bağlıdır.  Başqa ifadə 

ilə,  anti-böhran  tədbirlərinin  uğuru  iqtisadi  vəziyyət  haqqında  təqdim  olunan  informasiyanın 

düzgünlüyü ilə yüksək asılılıq nümayiş etdirir.  

Aydındır  ki,  tənzimləyici  qurumun  iqtisadi  vəziyyətə  vaxtında  düzgün  diaqnoz  qoyması 

iqtisadiyyatı  böhranlardan  və  onların  dərinləşməsindən  qoruyur.  Burada  obrazlı  ifadəyə  və  ya 

təşbehə  müraciət  edib  tənzimləyici  qurumları  həkimlərə  də  bənzətmək  olar.  Şübhəsiz,  həkimin 

xəstəliyi  düzgün  təşxisdəki  müvəffəqiyyəti  ön  diaqnoz  aparatları  və  laboratoriya  alətlərinin 

dürüst  işləməsinə  birbaşa  bağlıdır.  Oxşar  olaraq,  yalnız  iqtisadi  vəziyyət  haqqında  düzgün 

təsəvvür  formalaşdıran  statistik  məlumatlar  tənzimləyici  qurumun  tədbirlərinin  effektivliyini 

təmin edə bilər. Başqa bir ifadə ilə, problemin təbiəti haqqında düzgün diaqnozunun qoyulması 

və  vaxtında  zəruri  tədbirlərin  görülməsi  iqtisadi  vəziyyətlə  bağlı  qəbul  edilən  siqnalların  və 

məlumatların keyfiyyəti ilə düz mütənasibdir. 

Heç  şübhəsiz,  hər  bir  göstəricinin  keyfiyyəti  onun  daşıdığı  informasiya  yükünün  baş  verən 

prosesləri  dolğun  və  dürüst  əks  etdirmə  dərəcəsinə  əhəmiyyətli  bağlıdır.  Göstəricinin  keyfiyyət 

diapazonu  üzrə  aşağı  səviyyəli  qiymətləndirilməsi  isə  bir  sıra  amillərdən  asılı  ola  bilər. 

Göstəricilərin  keyfiyyətini  aşağı  salan  faktorlara  nümunə  olaraq  onların  emalı  zamanı  yanlış 

tətbiq olunan metodologiyadan qaynaqlanan xətaları, onların toplanması və aqqreqatlaşdırılması 

zamanı buraxılan texniki qüsurları, ixtiyari və ya qeyri-ixtiyari təhrifləri göstərmək olar.  

Bir çox hallarda göstəricilər üzrə ortaya çıxan keyfiyyət problemləri daha ilkin mərhələlərlə 

bağlı olur. İstifadə etdiyimiz bir çox göstəricilər sorğular vasitəsi ilə əldə olunur və bu mərhələdə 

baş  verən  xətalar  sonda  əldə  etdiyimiz  nəticələrə  təsir  göstərir.  Sorğulardakı  problemlər  isə 

onların  reprezentativlik  və əhatəlilik  dərəcəsi,  onları  dolduran  respondentlərin qoyulan suallara 

səmimi  cavab  verib-verməməsi,  sorğu  toplayanın  təftiş  imkanının  olub-olmaması  və  bunu 

respondentin bilməsi, və s. misal göstərmək olar. 

Bu  məqalədə  ölkə  iqtisadiyyatı  üzrə  makroiqtisadi  göstəricilərin  modelləşdirilməsi  və 

proqnozlaşdırılması zamanı qarşıya çıxan praktiki çətinliklər, statistik göstəricilərin keyfiyyəti ilə 

bağlı  problemlər  və  onların  qiymətləndirmə  nəticələrinə  təsirləri  tədqiq  edilir.  Burada 

göstəricilərin  empirik  modellərə  daxil  edilmədən  öncəki  ilkin  müayinəsi,  onların  dövrü 

dinamikasının  tədqiqi,  mövsümi  amillərdən  təmizlənmə  prosesi  və  bu  zaman  ortaya  çıxan 

problemlər,  göstəricilər  arasında  ilkin  asılılıqların  təhlili  və  onların  nəzəri  əsaslandırılması 

məsələlərinə toxunulur.  

Statistik göstəricilərin empirik modellərə daxil edilməsindən öncəki təhlilinin vacibliyi aşkar 

olsa  da,  bir  çox  hallarda  tədqiqatçılar  bu  mərhələni  sürətlə  və  səbirsizliklə  qət  edirlər.  Lakin 


yadda saxlamaq lazımdır ki, model nəticələri statistik göstəricilərin keyfiyyətinə birbaşa bağlıdır 

– yüksək keyfiyyətli nəticələr yüksək keyfiyyətli göstəricilərlə əldə olunur və ya əksinə. Bir çox 

hallarda  tədqiqatçılar  məhz  statististik  məlumatların  ilkin  tədqiqi  və  müayinəsinə  az  vaxt  sərf 

etmələri səbəbindən göstəricilərin nəzəri əlaqələri doğrultmaması nəticəsinə gəlirlər.  

Bu  məqalədə  bütün  statistik  göstəricilərin  ilkin  müayinəsini  və  onlar  arasındakı  əlaqələrin 

təhlilini  aparmaq  fiziki  baxımdan  mümkün  deyil.  Buradakı  məqsəd  əsas  makroiqtisadi 

göstəricilərin  (q/n  ÜDM,  inflyasiya,  büdcə  xərcləri,  sənayə  istehsalı,  faizlər,  və  s.)  ilkin 

müayinəsini  və  mövsümi  təmizlənməsini  apardıqdan  sonra  onlar  arasındakı  əlaqələri  tədqiq 

etmək  və  bu  zaman  qarşıya  çıxan  problemləri  nümayiş  etdirməkdir.  Qeyd  etmək  lazımdır  ki, 

məqalədə  istifadə  edilən  göstəricilər  bir  çox  tədqiqatçıların  və  siyasət  qurucuların  tez-tez 

müraciət etdiyi makroiqtisadi dəyişənlərdir. 

Burada  biz  ilk  olaraq  bəzi  makroiqtisadi  göstəricilərin  ilkin  müayinəsini  və  aralarındakı 

nəzəri əlaqələrin ön tədqiqini aparırıq. Biz ilkin müayinə zamanı göstəririk ki, ümumiyyətlə, bir 

çox göstəricilərin dinamikasında yüksək volatillik mövcuddur. İlkin təhlillər həmin göstəricilərin 

dövrü  dinamikasında  mövcud  olan  anomaliyaları  və  ekstrim  qiymətləri  aşkarlamağa,  bununla 

bağlı  ekspert  qiymətləndirməsi  aparmağa  imkan  verir.  Sonrakı  mərhələdə  biz  bir  sıra 

interpolyasiya metodlarından istifadə etməklə anomaliya hesab etdiyimiz qiymətləri əvəzləyirik. 

Burada  biz  həm  də  mövsümi  təmizləmə  üsullarına  müraciət  etməklə  göstəriciləri  mövsümi 

amillərdən təmizləyirik.  

Sonrakı  mərhələdə  biz  həmin  göstəriciləri  ekonometrik  modellərə  daxil  edirik.  Burada 

istifadə olunan modellər göstəricilər arasındakı əlaqələri struktura (nəzəri çərçivəyə) salmağa səy 

göstərmir.  Başqa  sözlə  müraciət  edilən  modellər  qeyri-struktur  modellər  olub  daha  çox 

proqnozlaşdırmağa xidmət  edir. Bu məqalədə istifadə olunan modellər müxtəlif miqyaslı (7 və 

32  dəyişənli)  Vektor  Avtoreqressiv  (VAR)  modellərdir.  Həmin  modellərdən  istifadə  etməklə 

göstəricilərin  dinamikasının  qarşıdakı  dövr  üçün  proqnozlaşdırması  aparılır.  Bu  zaman 

proqnozlaşdırma  işi  şərtsiz  və  gələcəkdə  bir  sıra  göstəricilərin  öncədən  müəyyən  olunmuş 

trayektoriya izləyəcəyi şərtini nəzərə alan şərtli formada həyata keçirilir. 

Qiymətləndirmə  və  proqnozlaşdırma  işi  göstərir  ki,  ölkə  üzrə  bəzi  makroiqtisadi 

göstəricilərin  proqnozlaşdırılma  imkanı  aşağıdır.  Bir  sıra  təhlillər  onların  proqnozlaşdırmağa 

imkan verən ətalətli komponentinin, demək olar ki, mövcud olmadığına işarə edir.  Bu nəticəni 

həmin  göstəricilərin  kifayət  qədər  geniş  proqnoz  intervalları  da  dəstəkləyir.  Digər  tərəfdən  biz 

müəyyən  edirik  ki,  əsas  makroiqtisadi  göstəricilər  arasında  əlaqələr  zəifdir.  Məsələn,  büdcənin 

kapital  xərclərinin  q/n  iqtisadi  fəaliyyət  sahəsi  üçün  lokomativ  rolunu  oynadığını  güman  etsək 

də, biz  müvafiq  makroiqtisadi  göstəricilər arasında statistik  əhəmiyyətli asılılıqlar  aşkarlamırıq. 

Bu faktı həm ilkin asılılıqların təhlili ilə bağlı apardığımız qiymətləndirmələr, həm də şərtsiz və 

şərti proqnozlaşdırma nəticələri təsdiqləyir. 



Beləliklə, məqalənin strukturu belədir: 2-ci fəsildə biz bir sıra göstəricilərin ilkin müayinəsini 

aparır, onlar arasında mümkün qarşılıqlı əlaqələri təhlil edir, qiymətləndirmə və proqnozlaşdırma 

zamanı istafdə etdiyimiz metodologiyalar haqqında məlumat veririk. 3-cü fəsildə biz iki müxtəlif 

şərtli  proqnozlaşdırma  metodologiyasından  istifadə  etməklə  üç  müxtəlif  ssenari  üzrə  əsas 

göstəricilərin  proqnozlarını  hazırlayırıq.  4-cü  fəsildə  biz  ölkə  üzrə  statistik  göstəricilərin 

keyfiyyətinin  yaxşılaşdırılması  üçün öz təkliflərimizi  verir, 5-ci  fəsildə  isə  ümumi  nəticlərimizi 

qeyd edirik. 

 

2.



 

Statistik məlumatlar və metodologiya 

Bu  fəsil  üç  alt  bölməyə  ayırlır.  Birinci  bölmədə  qiymətləndirmələrə  daxil  edilən  statistik 

göstəricilərin  ilkin  müayinəsi  və  mövsümi  təmizlənməsi  aparılır.  İkinci  bölmədə  göstəricilər 

arasında  asılılıqlar  təhlil  olunur.  Üçüncü  bölmədə  isə  empirik  qiymətləndirmə  və 

proqnozlaşdırma metodologiyası təsvir olunur.  

 

2.1.



 

İlkin müayinə və mövsümi təmizləmə 

Məqalədə  istifadə  edilən  statistik  göstəricilər  rüblük  əsasda  olub  2003,  R1  –  2014,  R4 

dövrlərini  əhatə  edir.  Aylıq  göstəricilərdən  müvafiq  rüblük  göstəriciləri  əldə  edərkən  onların 

aylıq qiymətlərinin ədədi ortası götürülür (məsələn, İQİ, faiz dərəcələri, və s.).  Qiymətləndirmə 

və  proqnozlaşdırma  zamanı  az  dəyişənli  (7  göstərici)  və  çox  dəyişənli  (32  göstərici)  VAR 

modellərindən  istifadə  olunsa  da,  bu  bölmədə  modellərə  daxil  olunan  bütün  göstəricilərin 

dinamikasını  tədqiq  etmək  və  bu  zaman  qarşıya  çıxan  problemləri  qeyd  etmək  qeyri-

mümkündür. Lakin nümayiş məqsədi ilə biz bir sıra əsas göstəricilərin dinamikasını təhlil edir, 

mövsümi  təmizləmə,  qarşılıqlı  asılılıqların  tədqiqi  və  modelin  qiymətləndirməsi  zamanı  ortaya 

çıxan praktiki çətinlikləri göstəririk.  



Şəkil 1. Sənaye istehsalının həcmi                           Şəkil 2. Sənaye istehsalının həcmi (son) 

 

Mənbə: DSK 



Bu  fəsildə  tədqiqat  obyekti  olan  əsas  göstəricilər  q/n  ÜDM-i,  sənaye  istehsalının  həcmi, 

büdcənin kapital və cari xərcləri, 1-3 aylıq manat kreditləri üzrə faiz dərəcəsi və İQİ indeksidir. 

Qeyd  etmək  yerində  düşərdi  ki,  Dövlət  Statistika  Komitəsi  (DSK)  ÜDM  və  onun 

komponentlərinin  real  həcminin  hesablanmasını  iki  müxtəlif  metodologiya  əsasında  aparır. 

Burada istifadə edilən real q/n ÜDM-i 2005-ci ilin sabit qiymətləri (orta) ilə hesablanan rüblük 

göstəricidir. 



Şəkil 3. Büdcənin kapital xərcləri                          Şəkil 4. Büdcənin kapital xərcləri (mövsümi təmiz) 

 

Mənbə: DSK 

İlk öncə bəzi göstəricilərin dinamikasının ilkin müayinəsinə nəzər  yetirək. Cari qiymətlərlə 

rüblük  sənaye istehsalı  göstəricisinin  dinamikası Şəkil 1-də  təsvir  edilmişdir.  Qrafikdən məlum 

olur ki, bəzi dövrlərdə sənaye istehsalının həcmi bir rüb ərzində kəskin dəyişmişdir (2006 R4 – 

46%, 2007 R4 – 115%, 2008 R3 – 84%). Bəzi rüblərdə isə sənaye istehsalının həcmi keçən ilin 

müvafiq  rübünə  nəzərən  əhəmiyyətli  artım  nümayiş  etdirir  (2006 R4  –  59%, 2008 R3  –  131%, 

2010  R4  -58%).  Hesab  edirik  ki,  buradakı  dəyişmələr  mövsümi  xarakter  daşımır,  çünki 

mövsümilik il ərzində təkrarlanan qanunauyğunluğu əks etdirməlidir. Biz burada sənaye istehsalı 

həcminin  kəskin  dəyişdiyi  dövrləri  interpolyasiya  etməyi  üstün  tuturuq.  Nəzərə  almaq  lazımdır 

ki, tədqiqat apararkən istifadə etdiyimiz modellər əksər hallarda xətti modellərdir və onların belə 

kəskin  dəyişmələri  izah  etməsi  qeyri-mümkündür.  Qeyd  edək  ki,  sənaye  istehsalının  aylıq 

göstəricilərinin dinamikasında mövcud olan problemlər və onların volatilliyi rüblük göstəricilərə 

nəzərən daha dərindir. 

Şəkil  2-də  interpolyasiya  olunmuş  sənaye  istehsalının  həcmi  təsvir  olunmuşdur.  Bu 

göstəricinin dinamikasına nəzər yetirdikdə ölkə iqtisadiyyatında baş verən bəzi mühim hadisələr 

qabarıq olaraq önə çıxır. Xüsusilə, sənaye istehsalının həcminin 2008-2009-cu illəri əhatə edən 

dünya  maliyyə  böhranı  zamanı  əhəmiyyətli  aşağı  düşdüyü  aydın  olur.  Müqayisə  üçün  həmin 

göstəricinin  orjinal  dinamikasına  (Şəkil  1)  nəzər  yetirsək  eyni  mülahizələri  söyləmək  və  ya 

iqtisadiyyatda  baş  verən  prosesləri  anlamaq  çətindir.  Ümumiyyətlə,  statistik  göstəricinin 

dinamikası təsvir etdiyi prosesi dolğun və düzgün əks etdirməlidir. Əks halda, siyasət qurucuları 


və  təhlilçilər  iqtisadi  vəziyyət  haqqında  təhrif  olunmuş  siqnallar  əsasında  fikir  yürütməli  və 

yanlış nəticələr çıxartmalı olurlar. 



Şəkil 5. Büdcənin kapital xərcləri (son)                   Şəkil 6. Orta faiz dərəcəsi 

 

Mənbə: DSK, AMB 

Şəkil  3-də  büdcənin  kapital  xərclərinin  dinamikasına  nəzər  yetirək.  Bu  dinamikadan  ölkə 

iqtisadiyyatında baş verən mühim hadisələri oxumaq qeyri-mümkündür. Bir çox hallarda rüblük 

dəyişmələrin miqyası 100%-dən yüksəkdir (məsələn, 2007 R2 – 117%, 2008 R2 134%, 2009 R4 

–  294%,  və  s.).  Həmin  dövr  ərzində  göstəricinin  rüblük  həcminin  keçən  ilin  müvafiq  rübünə 

nəzərən  dəyişməsi  də  böyük  volatillik  nümayiş  etdirir  (məsələn,  2006  R4  –  151%,  2007  R2  – 

108%,  2008  R4  –  155%,  və  s.).  Göstərici  üzərində  mövsümi  təmizləmənin  aparılması  belə 

mövcud problemləri həll etmir

6

 (Şəkil 4). Məsələn, mövsümi təmizləmə nəticəsində 2009-cu ilin 



4-cü  rübündə  2,310  mln  manat  təşkil  edən  büdcənin  kapital  xərci  1,470  mln  manata  ensə  də, 

həmin  məbləğ  hələ  də  yüksək  olaraq  qalmaqdadır.  Göstərici  üzrə  mövsümi  faktorların  təhlili 

göstərir ki, mövsümi amillər son rübdə büdcənin kapital xərclərinin trenddən yüksək qalmasına 

səbəb  olur.    4-cü  rüb  üzrə  müvafiq  məbləğin  mövsümi  amillərdən  təmizlənməsi  onun  57% 

azalmasını təmin etsə də, qalan məbləğdə hələ də mövsümilikdən qaynaqlanan şişmənin olduğu 

aşkardır.

7

  Bu  səbəbdən  mövsümi  amillərdən  adekvat  təmizlənmədiyini  düşündüyümüz  dövrləri 



interpolyasiya  edirik  (Şəkil  5).  Beləliklə,  göstəricinin  sonda  əldə  olunmuş  dinamikasının  təhlili 

ölkə iqtisadiyyatında baş verən proseslər haqqında nisbətən əsaslı mülahizələr yürütməyə imkan 

verir.  Qrafikdən  də  aydın  olduğu  kimi  büdcənin  kapital  xərcləri  ilk  dövrlərdə  sürətlə  artsa  da, 

sənaye  istehsalında  olduğu  kimi  2008-2009-cu  illərinin  maliyyə  böhranı  ilə  əlaqədar  kəskin 

düşmüşdür. Oxşar düşməni biz 2013-cü və 2014-cü illərdə də müşahidə edirik. Bu mülahizələri 

göstəricinin  orjinal  dinamikasına  (Şəkil  3)  baxaraq  söyləmək  xeyli  çətin  olsa  da,  göstərici 

üzərində  aparılan  bir  sıra  təmizləmə  işləri  onun  son  dinamikasının  iqtisadi  vəziyyəti  nisbətən 

adekvat əks etdirməsini təmin edir. 

                                                           

6

 Bütün göstəricilər üzrə mövsümi təmizləmə TRAMO-SEATS paketi əsasında aparılır. 



7

  Ölkə  üzrə  əsas  göstəricilərin  mövsümi  amillərdən  təmizlənməsi  məsələsi  kifayət  qədər  problemlidir  və  bu 

mövzunun  özü  müstəqil  təqdiqat  işi  tələb  edir.  Təcrübə  göstərir  ki,  mövsümi  təmizləmə  metodlarının  ölkə  üzrə 

makroiqtisadi göstəricilərə mexaniki tətbiqi bir çox hallarda yanıldıcı nəticələrə gətirib çıxara bilər. 



Şəkil 7. Faiz dərəcələri (müqayisəli)                     Şəkil 8. Avtokorrelasiya funksiyası (q/n ÜDM) 

 

Mənbə: AMB 

1-3  aylıq  manatda  kreditlər  üzrə  orta  faiz  dərəcəsinin  (aylıq)  dinamikasına  nəzər  yetirək 

(Şəkil 6). Bu göstərici 2006-cı ilin dekabr ayında 17.3% ətrafında qərarlaşsa da, onun qiyməti 3 

ay  sonra  (2007-ci  ilin  mart  ayında)  6.8%  təşkil  etmişdir.  Orta  faiz  dərəcəsi  iki  ay  ərzində 

yüksələrək yenidən 16.6% ətrafında bərqərar olmuşdur. Həmin dövrün diqqətli təhlili göstərir ki, 

bu göstəricinin kəskin qalxıb-düşməsi baş verən iqtisadi proseslərlə bağlı deyil. Həmçinin, hesab 

edirik  ki,  bu  götəricinin  müvafiq  dövrdə  belə  volatillik  nümayiş  etdirməsi  bazar 

fundamentallarını  əks  etdirmir  və  bazar  faizləri  üçün  xarakterik  hesab  oluna  bilməz.  Bank 

sektoru  üzrə  orta  faiz  dərəcəsinin  hesablanması  və  qarşıya  çıxan  metodoloji  problemlər 

Hüseynov (2014) tərəfindən geniş təhlil olunmuşdur. Biz də həmin qeydləri nəzərə alaraq bank 

sektoru üzrə median faiz göstəricisindən istifadə edirik (Şəkil 7).  



Şəkil 9. Avtokorrelasiya funksiyası (inflyasiya)    Şəkil 10. Avtokorrelasiya funksiyası (büdcə) 

 

Oxşar müayinə və təmizləmə işləri (mövsümi, və s.) digər istifadə edilən göstəricilər üçün də 



aparılır.  Lakin  biz  burada  onları  təfsilatı  ilə  təsvir  etməyi  lazım  bilmirik.  Daha  çox  digər  bir 

mühim məsələyə də toxunmaq istərdik. Məqalə makroiqtisadi göstəricilərin proqnozlaşdırılması 

işini tədqiq etdiyindən istifadə olunan göstəricilərin digər xüsusiyyətləri də əhəmiyyət kəsb edir. 

Məsələn,  q/n  ÜDM-i  üzrə  real  artım  tempinin  (rüblük)  avtokorrelasiya  (AC)  və  natamam 

avtokorrelasiya (PC) funksiyasına nəzər salaq (Şəkil 8). Tədqiq edilən dövr ərzində göstəricinin 


(şərtsiz)  avtokorrelasiya  funksiyası  ağ  küyün  avtokorrelasiya  funksiyasından  əhəmiyyətli 

fərqlənmir. Məlumdur ki, ağ küyün proqnozlaşdırılması praktiki olaraq qeyri-mümkündür. Bunu 

ağ  küy  ilə  oxşarlıq  nümayiş  etdirən  q/n  ÜDM-nin  artım  tempi  haqqında  da  söyləmək 

mümkündür. Ümumiyyətlə, bir göstərici üzrə proqnozlaşdırma işinin müvəffəqiyyətlə aparılması 

üçün həmin göstəricinin dövr ərzində ətalət (inersiya) nümayiş etdirməsi vacibdir. 

Şəkil  9-da  inflyasiya  göstəricisinin  2010  –  2014-cü  illəri  əhatə  edən  dövrdəki  dinamikası 

əsasında  hesablanan  avtokorrelasiya  funksiyası,  Şəkil  10-da  isə  büdcənin  kapital  xərclərinin 

avtokorrelasiya  funksiyası  təsvir  edilmişdir.  Aydındır  ki,  q/n  ÜDM-nin  artım  tempi  haqqında 

söylədiyimiz  mülahizələri  müvafiq  göstəricilər  üçün  də  təkrarlaya  bilərik.  Post-neft  bumu 

dövründəki  inflyasiya  proqnozlaşdırmasının  çətinlikləri  haqqında  Huseynov,  Ahmadov  və 

Adigozalov  (2014)  öz  məqalələrində  geniş  söhbət  açır  və  qurulan  modellərin  proqnozlaşdırma 

qabiliyyətinin aşağı düşməsini qeyd edirlər. 

 

2.2.

 

Asılılıqların təhlili 

Əvvəlki bölmədə bəzi göstəricilərin şərtsiz momentləri üzrə avtokorrelasiya funksiyası təhlil 

olunmuşdur.  Yaxşı  olar  ki,  istifadə  edilən  göstəricilər  üzrə  şərti  momentlər  tədqiq  olunmaqla 

onlar  arasında  korrelasiya  asılılıqlarına  və  dövrü  inersiya  dərəcəsinə  baxılsın.  Bu  məqsədlə 

dəyişənlər  üzrə  öncədən  struktur  fərziyyəsinə  əsaslanmayan  ixtisar  VAR  modellərinə  müraciət 

edirik.  Qeyd  etmək  lazımdır  ki,  qurulan  ixtisar  formalı  VAR  modelləri  əsasında  nəzəri 

asılılıqlara  söykənən  struktur  VAR  (SVAR)  modellərini  əldə  etmək  mümkündür.  SVAR 

modelləri  göstəricilər  arasındakı  nəzəri  asılılıqları  müəyyənləşdirmək  üçün  struktur  şoklarının 

identifikasiyası fərziyyəsinə əsaslanır. Bəzən identifikasiya üçün kifayət qədər güclü fərziyyələrə 

əsaslanmalı  oluruq. 

Lakin 

bizim 


bu 

bölmədəki 

təhlilimiz 

nəzəri 


asılılıqların 

qiymətləndirilməsindən  daha  çox  təsviri  xarakter  daşıyan  korrelasiya  əlaqələrinin  ortaya 

çıxarılmasına xidmət edir.   

Biz  2003,  R1  –  2014,  R4  dövrlərini  əhatə  edən  məlumatlara  dayanaraq  7  göstəricinin  (q/n 

ÜDM-i,  neft  qiymətləri,  büdcənin  kapital  xərcləri,  büdcənin  cari  xərcləri,  ehtiyat  pullar,  faiz 

dərəcəsi  və  İQİ)  rüblük  artım  templəri  əsasında  (faiz  dərəcəsi  istisna  olmaqla)  klassik  VAR 

modeli  qururuq.  VAR  modelinin  optimal  tərtibi  və  onun  adekvatlıq  diaqnostikası  aparıldıqdan 

sonra, müvafiq model əsasında avtokorrelasiya funksiyası hesablanır.   

Qeyd etmək lazımdır ki, qurulan avtokorrelasiya funksiyaları vahid statistik nümunə əsasında 

hesablanır. Hər bir təsadüfi dəyişən kimi qiymətləndirilən avtokorrelasiya funksiyasının statistik 

əhəmiyyətliliyini  müəyyənləşdirmək  üçün  etibarlılıq  intervalları  qurula  bilər.  Bunun  üçün 

Coenen  (2000)  təklif  etdiyi  analitik  metodologiya  əsasında  VAR  modelinin  asimptotik 

avtokorrelasiya  funksiyasınının  etibarlılıq  intervallarını  hesablamaq  mümkündür.  Lakin 

qiymətləndirmə dövrünün qısa  və müşahidələrin  sayının nisbətən az olmasını nəzərə  alaraq  biz 

avtokorrelasiya  funksiyasının  etibarlılıq  intervallarının  hesablanması  üçün  “butstrap”  metoduna 


müraciət  edirik.  Məlumdur  ki,  VAR  modellərinə  daxil  edilən  göstəricilər  üzrə  müşahidə  dövrü 

qısaldıqca  modeldən  əldə  olunan  əmsalların  statistik  meyillilik  problemi  kəskinləşir.  Bu 

səbəbdən  biz  etibarlılıq  intervallarını  hesablayarkən  VAR  modellərindəki  əmsalların 

meyilliliyinə  korreksiya  verən  qeyri-parametrik  “butstrap  arxasınca  butstrap”  metodundan 

(Kilian (1998)) istifadə edirik.

8

  



Şəkil  11-15-də  (bax  Əlavələr)  istifadə  olunan  göstəricilərin  90%-lik  etibarlılıq  intervalı 

daxilində neft qiymətləri (cari və gecikməli) ilə şərti avtokorrelasiya funksiyası təsvir edilmişdir. 

Qrafiklərin təhlilindən məlum olur ki,  neft qiymətləri ilə  q/n  ÜDM-i,  büdcənin  kapital  xərcləri, 

həmçinin  inflyasiya  arasında  asılılıqlar  statistik  əhəmiyyət  kəsb  etsə  də,  pul  kütləsi  və  faiz 

dərəcələri  ilə  korrelasiya  statistik  əhəmiyyətsizdir.  Neft  qiymətləri  ilə  q/n  ÜDM-i  və  inflyasiya 

arasında  korrelasiya  asılılıqlarının  statistik  əhəmiyyətli  olmasına  baxmayaraq  etibarlılıq 

intervallarının  nisbətən  geniş  olması  avtokorresiya  funksiyasının  qiyməti  ilə  bağlı  qeyri-

müəyyənliyin böyük olduğuna işarədir. 

Ölkə  iqtisadiyyatının  dövrü  strukturundan  məlumdur  ki,  büdcənin  kapital  xərcləri 

makroiqtisadi  vəziyyətin  konturlarının  müəyyən  olunmasında  əhəmiyyətli  rol  oynayır.  Bunu 

nəzərə alaraq Şəkil 16-19-da (cari və  gecikməli) büdcə xərcləri ilə q/n ÜDM-i, pul kütləsi, faiz 

dərəcəsi  və  inflyasiya  arasında  avtokorrelasiya  funksiyası  təqdim  olunmuşdur.  Qrafiklərdən 

aydın  olur  ki,  büdcənin  kapital  xərcləri  ilə  q/n  ÜDM-i  arasında  əhəmiyyətli  statistik  əlaqə 

mövcud olmasa da, onunla pul kütləsi, faiz dərəcəsi və inflyasiya arasında əhəmiyyətli asılılıqlar 

mövcuddur. Yerə qənaət etmək üçün büdcənin cari xərclərinin müvafiq qrafikləri burada təqdim 

edilməsə də, oxşaraq olaraq onun da q/n ÜDM-i ilə asılılığı statistik əhəmiyyətli deyil. Əsasən, 

büdcə  xərclərinin  qeyri-neft  sektorunu  həm  investisiya,  həm  də  tələb  kanalı  vasitəsi  ilə 

dəstəklədiyini düşünsək, belə bir nəticənin əldə olunması xeyli təəccüb doğurur. 

Pul  kütləsi  ilə faiz dərəcələri və inflyasiya  arasında  əhəmiyyətli  statistik əlaqə  mövcud olsa 

da,  onunla  q/n  ÜDM-i  arasında  asılılıqlar  zəifdir  (Şəkil  20-22).  Digər  maraqlı  əlaqələr  faiz 

dərəcəsi ilə q/n ÜDM-i və inflyasiya arasındadır (Şəkil 23-24). 

Şəkil 25-29-da göstəricilərin variansı  və öz gecikmələrindən dövrü asılılığı (inersiyası) təsvir 

olunmuşdur.  Qrafiklərdən  məlum  olur  ki,  büdcənin  kapital  xərclərinin  və  ehtiyat  pullarının 

rüblük artım templərinin standard kənarlaşmaları müvafiq olaraq təqribən 20% və 10%-dir. Əgər 

həmin göstəricilərin qiymətləndirmə dövrü ərzində orta artım templərinin 0%-ə yaxın olduğunu 

nəzərə alsaq, belə standard kənərlaşmalar kifayət qədər böyük hesab oluna bilər. Digər tərəfdən, 

inersiyası  yüksək olan  göstəricilərə pul  kütləsini, faiz dərəcəsini və  inflyasiyanı  göstərə  bilərik. 

Digər göstəricilərin dövrü inersiya əmsalları mənfi və müsbət qiymətlər arasında dəyişdiyindən, 

                                                           

8

 Qurulan VAR modelinin optimal tərtibi 2 olaraq müəyyənləşdirilmişdir. Butstrap qiymətləndirməsi apararkən ilk 



1,000  replikasiya  əsasında  əmsalların  statistik  meyilliliyi  hesablanır.  Digər  2,000  replikasiya  əsasında  hesablanan 

əmsallar  meyilliliyə  görə  korreksiya  olunur  və  həmin  əmsallar  əsasında  hər  bir  replikasiya  üçün  avtokorrelasiya 

funksiyası hesablanır. 


böyümə  və  daralma  tsikllərinin  bir-birini  əvəzləməsinə,  həmçinin  göstəricilərin  qiymətlərində 

sönmələrin müşahidə olunmasına imkan yaranır. 



 

2.3.

 

Metodologiya 

Bu məqalədə istifadə olunan qiymətləndirmə metodologiyaları klassik və Bayez əsaslı VAR 

(BVAR)  modelləri  yanaşmasıdır.  Biz  kiçik  miqyaslı  (7  dəyişənli)  modeli  qiymətləndirərkən 

klassik  VAR  yanaşmasından,  iri  miqyaslı  (32  dəyişənli)  modeli  qiymətləndirərkən  isə  BVAR 

yanaşmasından istifadə edirik. Klassik VAR yanaşması standard qiymətləndirmə metodologiyası 

olduğundan  ondan  geniş  söhbət  açmaq  istəmirik.  Biz  burada  daha  çox  BVAR  qiymətləndirmə 

metodologiyası üzərində dayanacağıq. 

Ümumiyyətlə,  praktikada  makroiqtisadi  göstəricilərin  proqnozlaşdırılması  üçün  BVAR 

modellərinə  geniş  müraciət  olunur  və  bunun  əsas  səbəbi  digər  modellərə  görə  onların 

proqnozlaşdırma dəqiqliyinin daha yüksək olmasıdır. Klassik VAR yanaşmasından fərqli olaraq 

BVAR  yanaşması  Bayez  düsturu  vasitəsi  ilə  ilkin  qənaətlərin  (təsəvvürlərin)  statistik 

məlumatlardan  əldə  olunan  yeni  informasiya  əsasında  yenilənməsinə  əsaslanır.  Başqa  sözlə, 

tədqiqatçının statistik məlumatlara baxmadan modellərin əmsalları haqqında malik olduğu ilkin 

təsəvvürlər  göstəricilərin  daşıdığı  informasiya  yükü  əsasında  yenilənir.  Belə  ki,  əmsalların 

qiymətləri ilə bağlı ilkin qənaətlərin (prior) müştərək ehtimal paylanması statistik məlumatların 

mümkünlük  funksiyası  ilə  qarşılaşdırılaraq  əmsallar  üzrə  posterior  ehtimal  paylanması  əldə 

olunur.  Qeyd  etmək  lazımdır  ki,  əgər  statistik  məlumatlardakı  informasiya  yükü  ilkin 

qənaətlərdən fərqlənmirsə, bu zaman qiymətləndirilən əmsalların yenilənməsi həyata keçirilmir.   

Bu  məqalədə  Banbura,  Giannone  və  Lenzanın  (2010)  təklif  etdiyi  metodologiya  əsasında 

modelin əmsalları ilə bağlı ilkin qənaətlər süni (fiktiv) dəyişənlər vasitəsi ilə modelə daxil edilir. 

Belə ki, istifadə edilən göstəricilər üzrə müşahidələrə süni dəyişənlər əlavə edilir və ekonometrik 

qiymətləndirmə  aparılır.  Birinci  qrup  süni  dəyişənlər  avtoreqressiv  əmsallar,  ikinci  qrup  süni 

dəyişənlər isə kovarians matrisi haqqında ilkin qənaətləri modelə inteqrasiya etmək üçün istifadə 

olunur. Üçüncü qrup süni dəyişənlər reqressiya sabiti ilə bağlı qeyri-informativ ilkin qənaətləri, 

nəhayət  dördüncü  qrup  süni  dəyişənlər  isə  Doan,  Litterman  və  Sims  (1984)  tərəfindən  təklif 

olunan  reqressiya  əmsallarının  cəmi  ilə  bağlı  qənaətləri  modelə  daxil  edir.  Əmsalların  ilkin 

(prior)  ehtimal  paylanmasının  kiplik  dərəcəsinə  nəzarət  edən

  parametrinin  qiyməti  0.1,  cəmi 



əmsallar  üzrə  ilkin  qənəatin  kiplik  dərəcəsini  tənzimləyən  parametrin  qiyməti 



10

olaraq 



müəyyənləşdirilir.  

Əmsalların  qiymətləndirilməsi  Qibbs  nümunə  götürmə  alqoritmi  əsasında  həyata  keçirilir. 

Başqa  sözlə,  əmsallar  üzrə  posterior  ehtimal  paylanması  Qibbs  alqoritmi  vasitəsi  ilə 

approksimasiya  edilir.  Belə  ki,  Qibbs  alqoritmindən  istifadə  etməklə  şərti  posterior  ehtimal 

paylanmasından nümunə götürülməsi 10,000 dəfə təkrarlanır, onlardan ilk 9,000-i atılır və qalan 

1,000 nümunə əsasında qiymətləndirmə aparılır. 



 Bu  məqalədə  biz  şərtsiz  proqnozlar  üzərində  deyil,  daha  çox  müxtəlif  ssenari  analizlərinin 

aparılmasına  imkan  verən,  həmçinin  siyasət  qurucularının  da  maraq  dairəsində  olan  şərti 

proqnozlar üzərində dayanacağıq. Praktikada tez-tez çox tənlikli sistemlər üzrə şərti proqnozların 

hesablanması  və  onlar  üzrə  etibarlılıq  intervallarının  qurulması  Vaqqoner  və  Zha  (1999) 

tərəfindən  təklif  olunmuş  alqoritm  əsasında  həyata  keçirilir.  Qeyd  etmək  lazımdır  ki,  şərti 

proqnozlaşdırma  aparılarkən  modeldəki  stoxastik  şoklarının  gözlənilən  qiyməti  şərtsiz 

proqnozlaşdırmadan fərqli olaraq sıfır olmur. Vaqqoner və Zha (1999) yanaşması imkan verir ki, 

müştərək  ehtimal  paylanma  əsasında  gələcək  şokların  trayektoriyası  əldə  olunarkən  müşahidə 

olunan dəyişənlərin şərti trayektoriyası nəzərə alınsın. Bizim burada istifadə edəcəyimiz birinici 

şərti proqnozlaşdırma metodologiyası Vaqqoner və Zha (1999) yanaşması olsa da, bu sahədə bir 

sıra digər yanaşmalar da mövcuddur (Benes, Binning and Lees (2008), Banbura, Giannone and 

Reichlin  (2014),  və  s.).  Bu  məqalədə  şərti  proqnozların  qurulması  üçün  istifadə  edəcəyimiz 

ikinci yanaşma Kalman filterinə əsaslanan Banbura, Giannone və Reichlinin (2014) təklif etdiyi 

metodologiyadır.  Bu  yanaşma  göstəricilər  üzrə  müəyyən  tarixlərdə  mövcud  olmayan 

müşahidələrin  Kalman  filteri  əsasında  generasiyası  prinsipinə  əsaslanır.  Kalman  filteri  dövrü 

diapazonda  rekursiv  alqoritm  olduğundan  proqnoz  dövrünün  uzunluğu  və  modelə  daxil  edilən 

dəyişənlərin  sayı  artdıqca  Banbura,  Giannone  və  Reichlin  (2014)  yanaşmasının  hesablama 

üstünlyü qabarıq olaraq üzə çıxır. 

 


Yüklə 1,07 Mb.

Dostları ilə paylaş:
  1   2   3




Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©www.azkurs.org 2020
rəhbərliyinə müraciət

    Ana səhifə