RUS · ENG

УДК: 336.7
https://doi.org/10.25198/2077-7175-2026-2-66

МЕТОДИЧЕСКИЙ ПОДХОД К ОЦЕНКЕ ИНДЕКСА ВОЛАТИЛЬНОСТИ ДЕНЕЖНЫХ ПОТОКОВ

А. В. Ларионов
Московский государственный университет имени М.В. Ломоносова, Москва, Россия
e-mail: larionov.av.hse@yandex.ru

Аннотация. Актуальность исследования определяется необходимостью создания системы оперативного мониторинга экономики России для снижения негативного воздействия глубокой неопределенности. Для обеспечения устойчивого экономического роста Банк России должен иметь возможность на ранней стадии идентифицировать факт возникновения кризиса и своевременно применить инструменты управления, в частности специализированные механизмы рефинансирования. Создание системы оперативного мониторинга экономики возможно реализовать с использованием высокочастотных данных Платежной системы Банка России, обеспечивающей безналичное движение денежных потоков физических и юридических лиц. Многообразие формируемых денежных потоков определяет необходимость их комплексного мониторинга, что возможно реализовать за счет оценки индекса волатильности денежных потоков.

Целью исследования является разработка и апробация методического подхода к оценке индекса волатильности денежных потоков.

Апробация методического подхода осуществляется с использованием данных Мониторинга отраслевых финансовых потоков Банка России. Методы исследования выбраны с учетом рекомендаций стандарта ОЭСР «Handbook on Constructing Composite Indicators: Methodology and User Guide». Были рассчитаны коэффициенты корреляции Спирмена для выявления показателей денежных потоков, демонстрирующих противоположную динамику. В дальнейшем, проведено нормирование показателей волатильности денежных потоков с использованием отраслевых данных. Для полученных нормированных значений рассчитано среднее геометрическое значение, выступающее индексом волатильности денежных потоков.

Новизна исследования заключается в разработке индекса, позволяющего комплексно учитывать денежные потоки со схожими направлениями движения. Результаты апробации предложенного методического подхода продемонстрировали, что полученные оценки индекса показывают динамику, аналогичную показателям прироста ВВП России. Таким образом, индекс волатильности денежных потоков может применяться для оперативного мониторинга состояния экономики. Рассчитанный индекс может быть интегрирован в существующую систему оперативного мониторинга состояния экономики, в т.ч. использован для совершенствования Мониторинга отраслевых финансовых потоков Банка России. Дальнейшие исследования должны быть направлены на изучение взаимосвязи индекса волатильности денежных потоков с иными макроэкономическими показателями, включая инфляцию, безработицу, оборот розничной торговли.

Ключевые слова: волатильность, денежные потоки, финансовые потоки, Банк России, Платежная система Банка России, финансовая стабильность, государственное управление.

Для цитирования: Ларионов А. В. Методический подход к оценке индекса волатильности денежных потоков // Интеллект. Инновации. Инвестиции. – 2026. – № 2. – С. 66–76. – https://doi.org/10.25198/2077-7175-2026-2-66.

Литература

1. Головнин М. Ю., Лыкова Л. Н., Букина И. С. Реакция денежно-кредитной и бюджетно-налоговой политики России на вызовы глобализации // Финансы: теория и практика. – 2017. – Т. 21, № 5(101). – С. 6–21. – EDN: ZSUVRD.
2. Контрольные карты Шухарта – простой, но не лёгкий для применения инструмент анализа данных / В. Л. Шпер [и др.] // Известия высших учебных заведений. Черная Металлургия. – 2024. – Т. 67, № 1. – С. 121–131. – https://doi.org/10.17073/0368-0797-2024-1-121-131. – EDN: BYVLBO.
3. Ларионов А. В. Обеспечение финaнсовой стaбильности экономики нa основе регүлировaния волaтильности денежных потоков : монография. – М. : Издательский дом «НАУЧНАЯ БИБЛИОТЕКА», 2024. – 200 с. – EDN: LKBYXE.
4. Ларионова Е. С. Влияние небанковских поставщиков платежных услуг на правовой механизм функционирования платежных систем // Банковское право. – 2022. – № 3. – С. 68–77. – https://doi.org/10.18572/1812-3945-2022-3-68-77. – EDN: AMSVLC.
5. Масленников В. В., Ларионов А. В. Концептуальные подходы к разработке классификатора денежных потоков // Вестник Российского экономического университета имени Г.В. Плеханова. – 2023. – Т. 20, № 3(129). – С. 90–101. – https://doi.org/10.21686/2413-2829-2023-3-90-101. – EDN: EAVHKU.
6. Методический подход к организации мониторинга общественного здоровья Российской Федерации / Т. П. Васильева [и др.] // Здоровье населения и среда обитания – ЗНиСО. – 2022. – Т. 30, № 7. – С. 7–17. – https://doi.org/10.35627/2219-5238/2022-30-7-7-17. – EDN: HHJBMS.
7. Сенчагов В. К., Митяков С. Н. Использование индексного метода для оценки уровня экономической безопасности // Вестник Академии экономической безопасности МВД России. – 2011. – № 5. – С. 41–50. – EDN: OGXLJL.
8. Ситник А. А. Платежная система Банка России // Lex Russica (Русский закон). – 2018. – № 2(135). – С. 45–56. – https://doi.org/10.17803/1729-5920.2018.135.2.045-056. – EDN: YSOQNH.
9. Хоменко Е. Г. Роль Банка России в цифровизации банковской системы // Право и цифровая экономика. – 2021. – № 2(12). – С. 5–11. – https://doi.org/10.17803/2618-8198.2021.12.2.005-011. – EDN: KMZQQJ.
10. Armerin F., Song H. S. (2021) A framework for modelling cash flow lags. SN Business & Economics. – Vol. 1. – No. 130. – https://doi.org/10.1007/s43546-021-00137-7. (In Eng.).
11. Chandra Babu A., Arivarignan G., Pandian P. (2003) A Study of Longterm Memory in Stock Market Prices Using Rescaled Range Analysis. Journal of Quantitative Economics. – Vol. 1, pp. 134–146. – https://doi.org/10.1007/BF03404654. (In Eng.).
12. Chapyshev I., Shaidullin A. (2024). Study of the Problem of Interoperability of the Bank of Russia’s Digital Currency. Russian Journal of Money and Finance. – Vol. 83. – No. 1, pp. 104–126. (In Eng.).
13. Duda J., Gurgul H., Syrek R. (2022) Multi-feature evaluation of financial contagion. Central European Journal of Operations Research. – Vol. 30, pp. 1167–1194. – https://doi.org/10.1007/s10100-021-00756-3. (In Eng.).
14. Eckert F., et al. (2025) Tracking economic activity with alternative high-frequency data. Journal of Applied Econometrics. – Vol. 40. – No. 3, pp. 270–290. – https://doi.org/10.1002/jae.3104. (In Eng.).
15. Gómez-Águila A., Trinidad-Segovia J. E., Sánchez-Granero M. A. (2022) Improvement in Hurst exponent estimation and its application to financial markets. Financial Innovation. – Vol. 8. – No. 86. – https://doi.org/10.1186/s40854-022-00394-x. (In Eng.).
16. Harding D., Pagan A. (2002) Dissecting the cycle: a methodological investigation. Journal of Monetary Economics. – Vol. 49. – No. 2, pp. 365–381. – https://doi.org/10.1016/S0304-3932(01)00108-8. (In Eng.).
17. Heijmans R., Wendt F. (2023) Measuring the impact of a failing participant in payment systems. Latin American Journal of Central Banking. – Vol. 4. – No. 4. – Art. 100106. – https://doi.org/10.1016/j.latcb.2023.100106. (In Eng.).
18. Stanton M. C. B., Roelich K. (2021) Decision making under deep uncertainties: A review of the applicability of methods in practice. Technological Forecasting and Social Change. – Vol. 171. – Art. 120939. – https://doi.org10.1016/j.techfore.2021.120939. (In Eng.).
19. Turdyeva N., et al. (2021). Data of Sectoral Financial Flows as a High-Frequency Indicator of Economic Activity. Russian Journal of Money and Finance. – Vol. 80. – No. 2, pp. 28–49. – https://doi.org/10.31477/rjmf.202102.28. – EDN: SLSAJN. (In Eng.).
20. Zhang Y., et al. (2019) Retail payments and the real economy. Journal of Financial Stability. – Vol. 44. – Art. 100690. – https://doi.org/10.1016/j.jfs.2019.100690. (In Eng.).
21. Zhao L., Li Y., Wu Y. J. (2022) An Identification Algorithm of Systemically Important Financial Institutions Based on Adjacency Information Entropy. Computational Economics. – Vol. 59, pp. 1735–1753. – https://doi.org/10.1007/s10614-021-10096-8. (In Eng.).

Показать весь списокСвернуть список

---