Перейти к аудиокниге
Все спекулятивные пузыри имеют примерно одинаковую траекторию развития и временные рамки, в которых пузырь надувается{44}. Пузыри нередко возникают на ожиданиях стабильного долгосрочного роста производительности и объемов производства в сочетании со стабильными ценами.
Почти четверть века с 1983 по 2007 г. продолжался период очень незначительных рецессий и внешне чрезвычайной стабильности. Но затянувшаяся экономическая стабильность – это фитиль, который способен взорвать пузырь. Нужно лишь, чтобы небольшая часть участников рынка воспринимала изменение как структурное. Четверть века стабильности очевидно ведет к интоксикации. Стадное поведение становится главенствующим и усиливает восходящий тренд.
Центральные банки столкнулись с тем, что их успех в обеспечении стабильности цен закладывает основу для формирования ценовых пузырей. Этот вопрос волновал меня в течение многих лет. Я поделился своими опасениями на заседании Комитета по операциям на открытом рынке ФРС в мае 1995 г. «Дисбаланс, который подразумевает этот [текущий] прогноз есть не что иное, как ценовой пузырь… Я не уверен, что мы на этом этапе знаем, как или каким именно образом следует реагировать на него, и отважимся ли мы… Я надеюсь, что экономика будет лишь немного менее спокойной, растущей и оживленной из-за того, что конечный результат этого оказался не слишком полезным»{45}.
Что делать с этим, остается проблемой, не имеющей простого решения, по крайней мере, на сегодняшний момент. Когда стадное поведение инвесторов превращает «скептиков» в «оптимистов», у цен на акции, капиталовложений и экономики не остается иного пути, кроме как вверх. Несмотря на разнообразие активов и игроков, многочисленные пузыри последнего столетия развивались по одной и той же схеме.
Все-таки, учитывая повторяемость истории, я никогда не мог отделаться от общей идеи о том, что годы экономического роста, прерываемые незначительными спадами, ведут нас в конечном счете к сокрушительным финансовым кризисам. Как я отмечал в 2000 г., «мы не знаем и, наверное, не можем знать точный характер следующего международного финансового кризиса. То, что он будет, настолько же очевидно, насколько очевидно упорное неблагоразумие людей в области финансов»{46}. Есть убедительные доказательства того, что такие события, хотя они и происходят один или два раза в столетие, слишком закономерны и похожи друг на друга по характеру.
В последующих главах я более детально рассмотрю причины нынешнего кризиса и его последствия, дам оценку инструментам, которые мы, экономисты, создали, чтобы заглядывать в будущее, а также разберу основные расхождения в политике, которыми страдала экономическая наука в последние годы. Каждая политическая инициатива отражает одновременно видение будущего и представления о том, как работает экономика. Нынешние дебаты являются частью непрерывной эволюции экономического прогнозирования.
Астрономы могут предсказать, во сколько именно взойдет солнце за окном моей спальни через шесть месяцев. У экономистов нет такой возможности. Чтобы увидеть будущее, мы обращаемся к истории, выделяем «движущие силы» прошлых экономических событий и считаем, что они продолжат действие и в будущем. Другими словами, мы стремимся понять, что определяло поток капиталовложений в прошлом и куда они пойдут, если те же силы продолжат действовать в будущем. Чтобы облегчить решение этой сложной задачи, экономисты обращаются к такой дисциплине, как регрессионный анализ{47} – статистическому методу, в основе которого лежит анализ вероятности, хорошо знакомый любителям азартных игр.
Исходные данные для прогнозирования деловой активности – это большие массивы временных рядов, которые относятся, например, к розничным продажам, промышленному производству или к объему строительства новых домов. Мы стараемся понять экономические факторы, которые определяют, скажем, месячный объем строительства односемейных домов, и пытаемся спрогнозировать его. В результате общения со строителями я могу для начала взять цены на дома и число создаваемых домохозяйств в качестве объясняющих переменных. Мы называем анализируемые временные ряды зависимыми переменными, а факторы, объясняющие их, – цены на дома и число создаваемых домохозяйств – независимыми переменными. Регрессионный анализ статистически показывает, как изменение любой независимой переменной влияет на объем строительства новых домов. Смысл такого фильтрования состоит в том, что он позволяет получить относительные статистические веса – коэффициенты, – которые в случае применения к ценам на дома и числу создаваемых домохозяйств дают «аппроксимированные» временные ряды, максимально близкие к историческим данным по объему строительства новых домов.
Обладая этими данными, мы можем измерить долю отклонений (дисперсию) зависимой переменной, которая «объясняется» флуктуациями независимых переменных в модели. Эту долю мы называем коэффициентом множественной регрессии (R2). Чем выше R2, тем ближе аппроксимированные временные ряды к историческим рядам. При значении 1,0 модель точно предсказывает реальные ряды данных и полностью объясняет дисперсию зависимой переменной.
Однако надежность результатов зависит от ряда математических условий, предъявляемых к регрессионным переменным. Например, независимые переменные не должны коррелировать друг с другом, т. е. цена дома не должна коррелировать с числом создаваемых домохозяйств. Плюс к этому регрессионные остатки, т. е. разница между фактическим объемом строительства новых домов и его аппроксимированным (расчетным) значением в каждом периоде, не могут быть «сериально коррелированными», другими словами, остатки одного периода не могут влиять на остатки следующего.
В реальности эти условия практически никогда не выполняются. Специалисты по статистике изобрели способы измерять и частично устранять эффект невыполнения необходимых допущений. Например, статистика Дарбина – Уотсона (D – W) характеризует степень сериальной корреляции остатков. D – W варьирует от 0 до 4,0. D – W, равная 2,0, означает, что остатки не коррелируют, а D – W менее 2,0 указывает на положительную сериальную корреляцию, которая приводит к завышению статистической значимости независимых переменных (см. обсуждение t-статистики и статистической значимости ниже){48}. Сериальная корреляция характерна практически для всех экономических временных рядов, так как остаток предыдущего квартала в реальности оказывают влияние на остаток текущего квартала. Преобразование уровня временных рядов в абсолютное изменение снижает сериальную корреляцию регрессии, однако при этом теряется важная информация. Лично я при анализе предпочитаю иметь дело с сериальной корреляцией.
T-статистика – это характеристика «статистической значимости» независимой переменной, т. е. вероятности, что ее коэффициент отличен от нуля{49}. Чем выше t-статистика, тем выше вероятность того, что взаимосвязь между независимой и зависимой переменными реальна, а не случайна. Чтобы экономисты приняли независимую переменную в качестве «причины» изменения зависимой переменной, t-статистика, положительная или отрицательная, должна быть выше 2,0. Оценочная функция Ньюи – Уэста характеризует смещение t-статистики в результате сериальной корреляции и корректирует ее значения так, чтобы они более точно отражали реальные вероятности.
Еще одно заметное смещение во многих экономических корреляциях возникает, когда два временных ряда, связанных очень слабо либо не связанных вовсе, демонстрируют высокий R2 при определении регрессионной зависимости относительно друг друга, поскольку оба ряда отражают рост населения. Это смещение в значительной мере устраняется, если представить зависимую и независимую переменные в расчете на душу населения.
В примере 7.3 представлен типичный образец регрессионного анализа. Зависимая переменная – капиталовложения как доля денежного потока в нефинансовых организациях. Мы собираем квартальные данные не только по зависимым переменным, но и по трем независимым{50} с 1970 г. по сей день. Регрессия зависимой переменной строится по трем независимым переменным, и в результате мы получаем аппроксимированную оценку доли капиталовложений от денежного потока. При R2, равном 0,76, мы фактически «объясняем» три четверти разброса этой доли. Как видно на графике в этом примере, аппроксимированный ряд близок к реальной доле. С учетом корректировки Ньюи – Уэста значения t-статистики значительно превышают 2,0, а значит вероятность того, что эта взаимосвязь случайна, можно исключить. D – W составляет всего 0,94, показывая, что сериальная корреляция умеренна. Но как следует из графика, это не мешает независимым переменным следовать за зависимыми во время взлетов и падений. Более того, если мы разделим 43-летний период регрессии на две равные части, результаты для более коротких периодов будут идентичны результатам полной регрессии. Это полезный тест, позволяющий понять, изменилось ли за 43 года влияние независимых переменных на зависимые. Результаты этого теста показывают, что не изменилось.
Кроме того, в примере B .1 я разделяю вклад независимых переменных в прогнозное значение. Это наглядно демонстрирует, что в разные моменты 40-летнего периода вклад каждой независимой переменной неодинаков. Так, коэффициент загрузки был преобладающим фактором в 2008 г., а в последующие кварталы наибольший вклад вносили дефицит бюджета с учетом цикличности и спред доходностей, а также, если взять шире, капиталовложения как доля денежного потока в нефинансовых организациях.
Деформации вероятностных распределений в поведенческой экономике не влияют на принципы эконометрики. Экономические действия руководителей компаний и потребителей определяются вероятностными распределениями, которые я привожу в приложении А. Они, являясь результатом взаимодействия рационального и иррационального начал, представляют собой зависимую переменную, и подходить к ним надо соответствующим образом. В конце концов, вероятностный анализ в равной мере применим и к объективным техническим данным, и к необъективным действиям людей.
Необходимо четко различать корреляцию (которую можно оценить с помощью регрессионного анализа) и причинную обусловленность (которую нельзя оценить). Высокий R2 и высокое значение t-статистики сами по себе не обязательно являются надежным показателем причинной обусловленности. Регрессионный анализ оказался одним из наиболее эффективных методов предсказания причин и следствий в экономике. Однако не следует забывать, что корреляция или взаимосвязь – это не то же самое, что причинная обусловленность. Ее необходимо подкреплять глубоким экономическим обоснованием взаимосвязи.
Регрессионные уравнения, как и экономические тождества (см. пояснение 9.3) являются наиболее значимыми входными параметрами макроэкономических моделей. Регрессионный анализ получил широкое распространение лишь с развитием вычислительной техники. В 1950-х гг. оценка регрессии на настольном калькуляторе того времени занимала у меня часы и даже дни. С современными компьютерами и программным обеспечением мне нужно нажать всего несколько клавиш, чтобы получить результат.
Токсичные секьюритизированные американские низкокачественные ипотечные кредиты спровоцировали финансовый кризис, но его причины зародились намного раньше, сразу после окончания холодной войны{51}. Падение Берлинской стены в 1989 г. обнажило руины, в которых лежала экономическая система советского блока. Как оказалось, после четырех десятилетий соперничества уровень производительности труда в Восточной Германии, считавшейся сильным конкурентом Западной Германии, составлял чуть более трети от уровня производительности западного соседа. Большинство же западных аналитиков, включая сотрудников хваленых спецслужб, оценивали уровень производительности труда в Восточной Германии в 75–80 % от уровня Западной Германии{52}. Реальное положение вещей поразило всех.
Конкурентные рынки спокойно и быстро отказались от дискредитировавшего себя централизованного планирования, доминировавшего в государствах советского блока и в значительной части третьего мира. Индия, в течение долгого времени остававшаяся бастионом фабианского социализма, в 1991 г. начала масштабные реформы под руководством министра финансов Манмохана Сингха (позднее ставшего премьер-министром Индии), открыла рынки и уменьшила регулирование (впрочем, по общему признанию, бюрократический аппарат там остался в неприкосновенности). Китай, с его коллективистской экономикой и Культурной революцией, завершившейся всего 15 лет назад, в основном перешел к экономике на основе свободного рынка, хотя и страдает от клановости, которая делает систему очень далекой от классического капитализма из учебников.
Китай, а также существенная часть бывших стран третьего мира, которые последовали этим путем, воспроизвел успешную экспортно-ориентированную модель экономики так называемых азиатских тигров (Гонконг, Сингапур, Южная Корея и Тайвань): довольно хорошо образованная, недорогая рабочая сила в сочетании с технологиями развитого мира обеспечили взрывной экономический рост{53}. Между 2000 и 2007 г. темпы роста ВВП в развивающихся странах были практически вдвое выше, чем в развитых странах. По оценкам Международного валютного фонда (МВФ), в 2005 г. более 800 млн человек были заняты в экспортно-ориентированной рыночной деятельности, рост с момента падения Берлинской стены составил 500 млн человек{54}. Еще сотни миллионов человек стали работать на внутренних конкурентных рынках, особенно в странах бывшего Советского Союза.
В связи с тем, что потребление в странах третьего мира всегда сдерживалось, то культурными особенностями, то неадекватным доступом к потребительским финансам, то последствиями азиатского финансового кризиса, оно не росло так же резко, как и доходы. В результате уровень сбережений в странах третьего мира вырос с 23 % от номинального ВВП в 1999 г. до 33 % в 2007 г., оставив далеко позади уровень инвестиций. С замедлением темпов инвестирования во всем мире в связи с избытком производственных мощностей в 2000–2005 гг. значительно снизились глобальные долгосрочные процентные ставки (пример 3.1){55}. Конечно, стало ли это результатом снижения инвестиционной активности или роста сбережений, представляет интерес только для экономистов. Результат один: реальные долгосрочные процентные ставки должны были упасть, и это произошло.
Долгосрочные процентные ставки в большинстве развитых стран и стран третьего мира к 2006 г. уменьшились до однозначных чисел{56}. Премия за инвестирование в акции (избыточная доходность, требуемая инвесторами при вложениях в акции относительно доходности суверенного долга) и ставка капитализации для недвижимости неизбежно снижаются при падении глобальных долгосрочных реальных процентных ставок. Стоимость активов, в частности цены на жилье, резко пошли вверх.
Обзоры журнала Economist ситуации примерно в 20 странах мира показывают, что рост стоимости жилой недвижимости на протяжении десятилетия носит глобальный характер{57}. Япония, Германия и Швейцария (по разным причинам) были единственными исключениями. На пике подъема рост цен на дома в США происходил не быстрее, чем в среднем в мире{58}.
Короче говоря, геополитические события привели к падению долгосрочных процентных ставок, включая процентные ставки по ипотечным кредитам, с которыми они связаны. Через некоторое время это породило ценовой бум на рынке жилья. В США, например, изменение ставки по 30-летним ипотечным кредитам приводит к ежемесячному изменению цены жилья (в противоположном направлении) с задержкой в три месяца (пример 3.3){59}.
Рынок низкокачественных ипотечных кредитов, сложившийся в 1990-е гг., представлял собой небольшой, но довольно успешный сегмент ипотек в основном с фиксированной ставкой. Он обслуживал тех потенциальных домовладельцев, которые не могли осилить первоначальный взнос по кредиту, но имели достаточный доход для внесения ежемесячных платежей по фиксированной ставке. Однако с ускорением роста цен на жилье после 1996 г. (пример 3.4) низкокачественные кредиты стали привлекательными для инвесторов. Так или иначе, на низкокачественные ипотечные кредиты в 2002 г. приходилось всего 7 % ипотечного финансирования, и только скромная их часть была секьюритизирована.
С запозданием заметив растущий рынок низкокачественных ипотек, многие крупные финансовые организации начали с конца 2003 г. объединять низкокачественные ипотечные кредиты в пулы и выпускать под них ценные бумаги (пример 3.5). Лидерами среди секьюритизаторов были Countrywide Financial и Lehman Brothers – компании, которые позже рухнули в результате использования именно этих инструментов. Вместе они выпустили около пятой части всех низкокачественных ипотечных бумаг в 2004 г .{60}. Очевидно, что компании нашли лояльных покупателей. Высокий спрос в Европе{61} на облигации, обеспеченные низкокачественными ипотечными кредитами, поддерживался хорошей доходностью и низким уровнем обращения взыскания на базовые кредиты, который падал на протяжении трех лет с конца 2000 г. Секьюритизаторы оказывали давление на таких ипотечных кредиторов, как Ameriquest, New Century и Countrywide, заставляя их активизировать предоставление кредитов, чтобы продать их. Это поставило с ног на голову традиционный подход ипотечных банков, которые при участии брокеров сначала выдавали кредиты и лишь потом принимали решение об их продаже секьюритизаторам.
Но намного более существенный спрос создавали Fannie Mae и Freddie Mac, крупнейшие компании, финансируемые государством (GSE), в стремлении выполнить целевые показатели по «доступному жилью», установленные Министерством жилищного строительства и городского развития{62}.
С учетом повышения обязательств GSE им не оставалось ничего другого кроме массированного инвестирования в низкокачественные ценные бумаги{63}. Как результат, к 2004 г. на GSE приходилась почти половина всех новых купленных низкокачественных ипотечных ценных бумаг, которые оседали на балансах инвесторов (пример 3.6){64}. Это в пять раз превышало их расчетную долю в 2002 г. Чтобы удовлетворить спрос, секьюритизаторы стали скупать и секьюритизировать низкокачественные ипотечные кредиты на миллиарды долларов, которые еще не попали в пулы, обеспечивающие уже выпущенные ипотечные бумаги. Но этого было слишком мало для удовлетворения потребностей GSE, и секьюритизаторы начали бездумно подталкивать оригинаторов низкокачественных ипотечных кредитов к наращиванию объемов кредитования. Но число домовладельцев, которым требовалась ипотека с фиксированной ставкой, было небольшим. И оригинаторы пошли в новый сегмент, где клиенты не могли не только внести первоначальный взнос, но и осуществлять ежемесячные платежи по кредитам с фиксированной ставкой. Единственной возможностью соблазнить новых покупателей с высоким уровнем риска была ипотека с изменяемой ставкой и низкими начальными ежемесячными платежами. Как результат, ко второму кварталу 2007 г .{65} доля первых низкокачественных кредитов с изменяемой ставкой подскочила почти до 62 %. Задолженность по ипотечным кредитам с изменяемой ставкой стала расти практически сразу же, многие заемщики не могли осуществить даже первый платеж. Начала накапливаться просрочка, превышающая 90 дней{66}.
К первому кварталу 2007 г. в стремлении удовлетворить спрос GSE на низкокачественные ипотечные ценные бумаги секьюритизации подверглись практически все ипотечные кредиты (в основном с изменяемой ставкой), тогда как в 2000 г. уровень секьюритизации составлял менее 50%{67}. Также к концу марта 2007 г. объем кредитов, вошедших в пулы, под которые выпускались ипотечные бумаги, составлял более $800 млрд, или около 80 % непогашенных низкокачественных ипотечных кредитов{68}, что в семь раз превышало уровень 2001 г.
После 2003 г. секьюритизаторы, успешно объединявшие в пулы этот новый источник ипотек с изменяемой ставкой и пользовавшиеся сильно завышенными кредитными рейтингами, получили возможность выбрасывать, казалось, неограниченные объемы ипотечных бумаг на огромный и готовый поглотить все глобальный рынок. Но это обернулось миражом.
К 2005–2006 гг. доля низкокачественных ипотечных кредитов в общем объеме новых жилищных ипотек в США выросла до 20 %, почти в три раза превысив уровень 2002 г .{69}. В начале десятилетия ФРС уже сталкивалась с ненадлежащей практикой предоставления низкокачественных ипотечных кредитов. Но, к сожалению, мы рассматривали эти случаи как локальные проблемы, устраняемые путем обычного надзора, а не как предвестник пузыря секьюритизации низкокачественных ипотек, который надулся несколько лет спустя. Квартальные данные за 2004 г., о которых я узнал в начале 2005 г. от сотрудников ФРС, очень удивили меня, учитывая, что в последних официальных данных ФРС, т. е. данных, публикуемых в соответствии с законом «О раскрытии информации по жилищным ипотекам», за 2003 г. практически не было признаков проблем. Я никогда ранее не слышал о таком частном источнике информации, как Inside Mortgage Finance. Но, оглядываясь назад, можно сказать, что его данные оказались верными.
Но даже если бы у нас в тот момент были официальные данные за 2005 г. (они появились только в декабре 2006 г.), ФРС вряд ли смогла сделать что-либо для сдерживания роста цен на жилую недвижимость.
Некоторые ученые считали возможным постепенное сдувание пузыря путем последовательного ужесточения денежно-кредитной политики, но такие подходы, похоже, никогда не работают в реальном мире. Постепенное ужесточение политики ФРС в 1994 г. перед лицом нарастающего бума доткомов, если обернуться назад, могло с равным успехом способствовать надуванию пузыря, а не сдерживанию его{70}. Лица, определяющие политику, привыкли иметь дело с нерыночными проблемами, большая часть которых легко разрешима. Мы можем распознавать пузыри, когда они надуваются, но не способны предсказать все аспекты их развития и схлопывания, и, как я покажу позже, вероятно, так никогда и не научимся этого делать. При решении таких проблем лица, определяющие политику, встают перед выбором, ограничивать ли широкий спектр рыночных практик и, соответственно, налагать ли связанные с этим неизбежные ограничения на экономический рост.
Эта и ещё 2 книги за 399 ₽
Чтобы воспользоваться акцией, добавьте нужные книги в корзину. Сделать это можно на странице каждой книги, либо в общем списке: