Методы анализа и прогнозирования, применяемые в процессе исполнения бюджета в США

Методы  анализа и прогнозирования, применяемые в  процессе исполнения бюджета в США

Прогнозированию в экономике США  отводится значительное место. На разных уровнях  власти (федеральном, региональном и местном) существует и развивается  множество методов  и моделей прогнозирования.  
 
В связи с большими объемами накопленной статистической информации в США особой популярностью пользуются методы экономического анализа и прогнозирования, основанные на использовании статистических данных. Среди различных методов следует выделить теорию эконометрических моделей. В историю разработки данной теории и ее применения в практических целях значительный вклад внес нобелевский лауреат Лоуренс Клейн, профессор Университета Пенсильвании. В частности, он разработал высокочастотную эконометрическую макроэкономическую модель экономики США. В основе теории Клейна лежит применение экстраполяционных и факторных методов прогнозирования экономических данных.  
Особенностью экстраполяционных методов прогнозирования экономических данных является использование в качестве необходимой информации только собственных значений конкретного показателя за предыдущие периоды. Основная идея – выявление сложившихся тенденций в динамике значений показателя, оценка устойчивости этих тенденций, вычленение структурных составляющих временного ряда (тренд, сезонная составляющая, случайная величина) и прогнозирование будущих значений путем «продления» закономерности.  
Модели с одной переменной просты в интерпретации, не требуют большого объема первичной информации и зачастую в краткосрочном периоде обладают лучшей объясняющей способностью, чем более сложные комплексные структурные модели. С другой стороны, применение факторного метода прогнозирования экономических данных позволяет выявлять и анализировать причинно-следственные взаимосвязи между исследуемым показателем и показателями-факторами и затем на основе полученных зависимостей строить модели и получать прогнозные значения.  
Основной предпосылкой применения теории эконометрических моделей является устойчивость тенденций в динамике показателей, что особенно важно при рассмотрении вопросов оценки качества полученных результатов прогнозирования экономических данных. Данная теория достаточно широко используется в бюджетном процессе.  
Теория эконометрических моделей в ходе составления федерального бюджета обеспечивает получение достоверной макроэкономической информации при анализе эффективности функционирования экономики в кратко- и среднесрочном периодах, при оценке взаимодействия и взаимозависимости основных секторов экономики, определении важных параметров, влияющих на функционирование экономики.  
В процессе исполнения федерального бюджета большое внимание уделяется прогнозированию доходов, расходов, источников покрытия дефицита бюджета и кассовых потоков. При составлении прогноза применяют два метода: высокочастотное и структурное прогнозирование. Прогнозирование доходов, например, ведется на краткосрочный (до двух лет), среднесрочный (до пяти лет) и долгосрочный (до 30 лет) периоды. В течение финансового (бюджетного) года составляется годовой прогноз исполнения бюджета, который разделяется на кварталы, месяцы и дни. Вся вышеуказанная работа выполняется специалистами Казначейства США.  
В число полномочий Казначейства входят осуществление выплат, накопление (сбор) федеральных доходов, бюджетный учет и отчетность, оказание методической помощи агентствам. Для составления прогноза в части баланса кассовых операций Казначейство собирает с агентств информацию о предполагаемых крупных расходах и устанавливает требования к прогнозированию у них потоков денежных средств.  
Прогноз и отчетные данные об исполнении бюджета (сведения о доходах и расходах – как укрупненно, так и с детализацией по видам, а также с детализацией расходов по видам федеральных агентств (распорядителей средств)) публикуются на сайте Казначейства США. Информация представляется за отчетный период, нарастающим итогом с начала года и в сравнении с прошлыми периодами. Отдельно указываются пассивы и активы счета, дефицит/профицит. Специальный раздел посвящен кассовым операциям и операциям по обслуживанию долга, здесь приведены данные об остатках средств на счете и о привлечении и размещении средств в государственные ценные бумаги.  
Следует отметить, что информация, публикуемая Казначейством США, интересна для финансового рынка и способна в определенной степени повлиять на движение инвестиционного капитала.  
Следует отметить, что управление кассовыми средствами и управление долгом в Казначействе максимально взаимоувязано. Однако здесь только оценивают ситуацию и принимают решение размещать или привлекать средства, а выполняют эту работу сторонние организации.  
Все кассовые потоки денежных средств федерального правительства проходят по счету Казначейства, открытому в Федеральном резервном банке США – центральном государственном банке страны. В его задачи входит вести счет Казначейства и обеспечивать проведение платежей через электронную платежную систему. Как и центральные банки во многих странах мира, Федеральный резервный банк осуществляет монетарную политику и регулирование банковской деятельности, а также ведет экономическую статистику.  
Отличительной особенностью платежей, проводимых Казначейством, является преобладание безналичной формы перечисления средств. С этой целью в Федеральном резервном банке, Казначействе и агентствах внедрены разнообразные системы электронных расчетов и платежные системы. Масштабное распространение таких систем по всей цепочке прохождения бюджетных средств позволило централизовать и оптимизировать потоки средств, максимально сократить время их прохождения и предоставить участникам процесса разнообразные возможности осуществления платежей и получения денежных средств.  
В процессе составления и исполнения бюджетов на уровне регионального и местного бюджетов (бюджетов штатов и муниципалитетов) использование теории эконометрических моделей также нашло широкое применение. В региональном прогнозировании США присутствуют два способа построения моделей: «сверху вниз» и «снизу вверх». Первый характеризуется применением единой модели с учетом трендов макроэкономических показателей экономики США, второй основывается на внутренней динамике и дифференцированном подходе к каждому региону.  
Региональные модели характеризуются такими особенностями, как высокий уровень детализации и квартальная периодичность; результаты расчетов указаны в номинальных и реальных ценах, период прогнозирования составляет до 25 лет. В структуре применяемых моделей можно выделить блоки, ориентированные на экспорт сектора экономики, внутреннее потребление сектора экономики, население и демографию. Например, модель для прогнозирования бюджета штата Вирджиния состоит из более чем 200 уравнений, сгруппированных в три основных блока. Кроме того, здесь используется порядка 270 экзогенных и около 260 эндогенных переменных.  
В США более 3 100 муниципальных образований, в каждом из которых применяются свои небольшие эконометрические модели, основными отличительными особенностями которых являются подход «сверху вниз» и использование динамики макроэкономических индикаторов штата либо страны в целом в качестве основных трендов. Муниципальные модели обычно менее детализированы, чем региональные, причем основной упор в них делается на прогнозировании домашних хозяйств. Муниципальные модели имеют меньшую частоту (в основном годовые модели) и меньший период прогнозирования. Так, муниципальная модель для города Филадельфия состоит из 80 уравнений, 50 экзогенных и более 40 эндогенных переменных.  
Среди ключевых факторов, влияющих на экономическое состояние регионального и местного бюджета, которые находят свое отражение в моделях (переменные в уравнениях), можно выделить налоги и другие поступления, а также налоговые льготы и возвраты налоговых платежей; выплаты и расходы на образовательные программы и программы трудоустройства.  
В качестве практической реализации модели и с целью проведения анализа и прогнозирования параметров, необходимых, в частности, для исполнения бюджета, в США повсеместно используются средства информационно-аналитической поддержки работы специалистов при сборе и анализе данных, проведении расчетов, подготовке отчетной информации и предложений для принятия решений. Вся информация в таких системах накапливается и обрабатывается в имитационной модели, позволяющей выполнять многовариантные расчеты на основе различных наборов сценарных воздействий и сравнения результатов. Среди отличительных особенностей систем информационно-аналитической поддержки можно выделить:  
- централизованное хранилище данных, позволяющее накапливать и хранить исторические данные, интегрировать информацию из различных источников;  
- подсистему мониторинга, позволяющую обрабатывать и визуализировать разнообразную статистическую и аналитическую информацию, формировать стандартные и нерегламентированные аналитические отчеты на основе накопленных данных с использованием деловой графики и картограмм;  
- аналитическую подсистему, поддерживающую анализ тенденций и закономерностей в динамике контролируемых показателей, многоаспектный анализ ситуаций (динамический, структурный, кластерный анализ основных показателей), выявление и статистическую оценку степени взаимозависимости показателей (факторный анализ), расчет комплексных интегральных оценок развития контролируемых объектов на основе стандартных и формируемых методик;  
- подсистему моделирования и прогнозирования, позволяющую выполнять прогнозирование на основе комплекса имитационных моделей состояния и взаимосвязей функциональных показателей; многовариантное сценарное прогнозирование параметров развития подведомственных структур по принципу «что будет, если» при различных сочетаниях управляющих воздействий на основе комплекса динамических моделей; сравнение и ранжирование результатов сценарных расчетов по различным критериям, выбор наилучшего варианта; расчет условий достижения заданного уровня показателей, выбранных в качестве целевых индикаторов по принципу «что необходимо, чтобы» на основе динамических моделей.  
 
 

Экстраполяционное прогнозирование

Из формализованных  методов наиболее широко применяются  экстраполяционные, при которых прогноз производится по такому алгоритму: 
1. Упорядочение прошлых данных; 
2. Сглаживание временного ряда; 
3. Выделение тренда; 
4. Определение уравнения тренда; 
5. Расчет прогнозного значения; 
6. Оценка доверительного интервала с заданной вероятностью.

Наиболее простым  является экстраполяция с линейным сглаживанием.

Прогнозное значение определяется подстановкой нужного  значения времени в уравнение тренда y = f(t), а доверительный интервал - по формуле

где t_a - табличное значение t-критерия Стьюдента при вероятности p и n-1 степени свободы (табл.15.1); n - число прошлых значений объекта прогноза,  ; y - текущее значение объекта прогнозирования в прошлом, y* - текущее теоретическое значение объекта прогнозирования (исходя из уравнения тренда).

Таблица 15.1

Таблица значений t-критерия Стьюдента

Этот метод  имеет смысл при сравнительно краткосрочном прогнозировании (5-7 лет) и уверенности в том, что  основная модель процесса (а, следовательно, и тренд) за это время не меняются.

Ясно, что с  целью несмещенности оценки уравнение тренда следует выбирать таким образом, чтобы S было минимальным (т.е. по методу наименьших квадратов). Практически допустимо использовать критерий

В том случае, если тренд целесообразно аппроксимировать монотонной произвольной кривой, то можно  использовать преобразование масштабов  осей ординат с целью «выпрямления»  кривой (практически удобно преобразовывать  только ось y-ов). Такое преобразование выполняют последовательно согласно следующей «лестнице преобразований»:

Движение в  ту или иную сторону по «лестнице  преобразований» определяется направлением выпуклости непреобразованной кривой тренда (куда направлена, туда и надо двигаться по «лестнице»). Критерием достижения цели является равенство тангенсов углов наклона, построенных на трех характерных точках кривой (обычно начало, конец и зона изменения угла наклона). В результате получаем уравнение прямой линии преобразованной величины (например, ). Обратное преобразование дает уравнение тренда (соответственно, ). Далее нахождение доверительного интервала и прогнозного значения исследуемой величины осуществляется по вышеприведенным формулам.

В некоторых  случаях первоначальному выделению  тренда мешает неопределенность исходных данных (их «кучность» или «разреженность»). В этом случае возникает необходимость  предварительного сглаживания. Наиболее прост метод сглаживания «по  медианам троек». Его просто показать на следующем примере. Предположим, что есть числовой ряд

10 1 3 5 20 7 4 10 24 25 30.

Выписываем медианы  троек, последовательно передвигаясь на одно число:

3 3 3 5 7 7 25 25 25 30 30.

Эффект сглаживания очевиден. В целях сохранения числа данных добавляем по одному числу в начале и в конце ряда. Если полное сглаживание не достигнуто, процедура повторяется.