Запасник экономиста

Оценка Михаила Расстригина на основе открытых данных о плановом потреблении «АТС»

P.S. Подозреваю, что используются эти данные

Эх, соединить бы то и это 🙄

Сетевое и феноменальное

Я сегодня не выпил кофе с лимоном, поэтому нет настроя писать два поста. На той неделе у меня в ЖНЭА вышла статья о сетевых эффектах мировой торговли, а сегодня рассказал в Вышке о феномене китайского экспорта.

(ЖНЭА) Интересно скорее как рассуждение о том, что из сетевого анализа применимо к мировой торговле — так, взвешенные индексы центральности превращаются в банальность, а невзвешенные отражают мелочевку, зато по коэффициентам кластеризации различия между взвешенной и невзвешенной версией содержательны; прикладнуха не очень интересна из-за публикационного лага в год

(ВШЭ) Интересно как набор фактов (сплетенных вокруг темы расхождений в динамике экспорта Китая в текущих и сопоставимых ценах), которые поясняют, за счет чего Китай смог дико нарастить экспорт в последние годы и кого он подвинул; прикладнуха здесь детальная и, на мой взгляд, довольно показательная, но 2025 год все-таки не охвачен (т.к. использовалась БД BACI)

На картинке — пара слайдов из сегодняшней презентации

Запасливый хомячок

Китайский импорт в марте прибавил 27.8% г/г, а в первом квартале увеличился на 22.7% г/г. Четверть вклада дали нерасшифрованные в предварительных данных страны. Заметно возросли поставки из Южной Кореи, Австралии, стран Латинской Америки. Импорт из «Малайзии» упал на 27% (на 7 млрд долл.), но зато из «Гонконга» — возрос в 3.3 раза (на 11.3 млрд долл.).

В общем, все идет согласно пятилетнему плану.

P.S. Не подумайте, что про Малайзию — это намек на падение импорта Китая из Ирана в связи с Ормузом (на добавленном графике такого и близко нет). Скорее речь об общем постепенном снижении в течение всего 2025 г.

11/11

Если верить Блумбергу, избыточный навес "плавающей в море" российской нефти, державшийся весь первый квартал 2026 года, был ликвидирован за 2 недели 🚀

Границы поколений

К посту ЦЭП ГПБ о поколенческих различиях в структуре потребления на примере доли расходов на еду вне дома в доходах д/х (опрос RLMS-HSE от 2024 г., "глава" д/х = респондент).

1️⃣ Получил схожий результат при оценке средней доли по поколениям (рис 1) — но для макро полезно считать средневзвешенную долю, что соотносится с вкладом в спрос. Тогда различия будут не такими яркими.

2️⃣ По годам рождения респондентов видим, что зависимость после 1990 г. слабеет (рис 2), если считать взвешенную среднюю. По простой средней зависимость почти линейна от возраста, начиная с поколения X (рис 3).

3️⃣ Зумеры выбиваются за счет д/х из 1 человека (рис 4). Доля таких д/х для зумеров выше, что и формирует результат. Это можно увидеть и по годам рождения (рис 5, рис 6).

Что в итоге?

🍡 Границы поколений в России размыты: миллениалы распадаются надвое по рубежу 1980-90-х гг.

🍔 Склонность к "рестикам" у зумеров связана скорее с жизненной стадией (много одиночных д/х c низкими доходами), чем с установками

Попурри отраслевого анализа

На прошлой неделе выступал в Банке России с рассказом об опыте отраслевого анализа экономики. В процессе подготовки сделал несколько экспериментальных расчетов (визуализация по каждому отражена на картинке):

✔️ оценил разнообразие видов занятий по видам деятельности (впереди всех — обрабатывающая промышленность, что отражает ее значимость как места приложения усилий для самых разных профессиональных групп населения)

✔️ сопоставил индексы потребительских цен и цен производителей отдельно по продам и непродам (в целом динамика оказалась достаточно близкой, но по непродам после 2022 г. наметился разрыв)

✔️ выделил динамику ВДС группы отраслей, не связанных с энергоресурсами, ОПК, инфраструктурным развитием и финансами (такие «прочие отрасли» фактически составили половину экономики по ВДС, и эта половина прекратила расти уже по итогам 2025 г.)

Дискуссия получилась содержательная, умных вопросов — много: есть над чем поразмышлять 🧩

Аналитик ищет где глубже

Недавно вгляделся в официальные альтернативы внешнеторговой статистики от ФТС России (косвенные зеркальные данные стран-партнеров — отдельная тема: они по определению не могут быть полными, и в данном случае подробно не рассматривались).

По форме — прошерстил ЕМИСС на предмет того, что есть по внешней торговле или около нее от Росстата и других ведомств (навигатор по тому, что нашел — на картинке и в презентации на слайде 7, со всеми ссылками).

По содержанию — рассмотрел 3 кейса:
✔️ Объем отгруженных товаров на экспорт (Росстат)
✔️ Средние цены производителей по каналу реализации на экспорт (Росстат)
✔️ Объем междупортовых перевозок грузов на экспорт (Росморречфлот)

Общий вывод такой. Данные по ценам (на примере нефти) в целом и с маленькими оговорками использовать можно, а вот остальные источники — проблемные (охват по отгрузке лишь 55-60% от ФТС, к тому же нестабильный по отраслям; междупортовые перевозки не могут аппроксимировать экспорт в динамике из-за различий в методологии)

Грани торговой войны

Пожалуй, первое системное исследование влияния прошлогоднего шока торговой войны США и Китая на весь ландшафт мировой торговли. Местами — с забавными результатами

Рассматривая Ормуз (2)

Чего мне не хватило в инфографике Блумберга — так это наглядного представления о том, «что мы теряем». Оценил по данным IMF PortWatch долю транзита через Ормузский пролив по классам судов.

Танкеры, конечно, оказались затронуты в наибольшей степени. Меньше всего пострадали перевозки навалочных (балкеры) грузов. А вот приостановка перевозок почти 5% контейнерных и накатных (ролкеры) грузов может быть существенной, по крайней мере для региона.

P.S. В комментариях по итогам прошлого поста коллеги поделились расширенной подборкой инфографики.

P.P.S. Код для получения данных:

require("jsonlite")
url <- paste0("https://services9.arcgis.com/weJ1QsnbMYJlCHdG/arcgis/rest/services/Daily_Chokepoints_Data/FeatureServer/0/query?where=1%3D1&maxRecordCountFactor=5&outFields=*&outSR=4326&orderByFields=date%20DESC&f=json")
x <- readLines(url)
y <- fromJSON(x)
df <- y$features$attributes
df$date <- as.Date(as.POSIXct(df$date/1000, origin="1970-01-01", tz="UTC"))

Рассматривая Ормуз (1)

Актуальная инфографика от Блумберга по состоянию на вчера-сегодня: (один) инфраструктура под ударом; (два) трафик через Ормузский пролив, в том числе: (три) отправления по классам судов, (четыре) прибытия по классам судов

Формула диванной экспертизы:

Сначала надо чисто интуитивно приписать амбиции автора определенный коэффициент, обозначив его как А, а другой коэффициент – знанию, которым он располагает, и обозначить K (который всегда должен быть больше 0, поскольку нет такого человека, который бы буквально ничего не знал). А тоже должно быть положительной величиной, поскольку, если у кого-то литературная амбиция является нулевой, он ничего и не напишет, а потому наше уравнение применять будет не к чему. V в нашей формуле означает словоблудие в форме жаргона. Таким образом, наше уравнение выглядит так:

A/K − 1 = V.

Почему “−1”? Потому что, когда знание совпадает с амбицией, никакого словоблудия не будет. Когда знание превышает амбицию, V становится отрицательной величиной, а отрицательное словоблудие означает краткость. Однако, поскольку у лаконичности есть предел, V никогда не может стать меньше −1, а у словоблудия предела нет, а потому V растет, пока растет амбиция, а знаний становится все меньше.

[из книги С. Андрески "Социальные науки как колдовство", цит. по рецензии в журнале "Стимул"]