TGViewer
Kartaev Macro Kartaev Macro @kartaevmacro · 1.99K subscribers
Post #20 1.54K
Прочитал пост «Смешать, но не взбалтывать» на Канале влияния и решил, что это отличный повод поделиться тремя мыслями:

Во-первых, Канал влияния — один из моих любимых в Телеграме. Анна и Ольга регулярно пишут о новых подходах к оценке причинно-следственных связей — а это, по сути, самое увлекательное в современном эмпирическом анализе. Например, их свежий пост рассказывает о работе Имбенса и соавторов о том, как элегантно можно объединять экспериментальные и исторические данные в одном исследовании.

Во-вторых, легендарная фраза Джеймса Бонда «Shaken, not stirred» на русский язык переводится как угодно. Иногда — «смешать, но не взбалтывать», иногда наоборот — «взболтать, но не смешивать», а иногда ещё как-нибудь. Вот подборка.

В-третьих, у меня самого есть статья, озаглавленная «Shaken, not stirred». В ней мы с Ириной Луневой анализировали последствия выбора между различными вариантами таргетирования инфляции и столкнулись с проблемой: чтобы корректно сравнивать разные стратегии таргетирования, нужно правильно классифицировать страны по режиму валютного курса.

Самый простой вариант — взять классификацию МВФ. Но у неё есть существенный недостаток: номинально объявленный режим не всегда совпадает с тем, как центробанк ведёт себя на практике. Много стран формально заявляют о «свободном плавании», но фактически активно вмешиваются в курсообразование. Это явление получило название fear of floating — «боязнь плавания» (Calvo & Reinhart, 2002).

Поэтому мы пошли другим путём и использовали классификацию, основанную не на заявлениях, а на реальном поведении денежно-кредитных властей. Идея простая:

🟤если курс сильно колеблется, а интервенции почти отсутствуют — это свободное плавание;
🟤если курс стабилен, а интервенции волатильны, значит, курс контролируется.

Эти два параметра — волатильность курса и волатильность интервенций — позволяют распределить страны по группам автоматически. Мы собрали данные и классифицировали страны с помощью кластерного анализа.

Результаты оказались показательными: центральные банки не всегда делают то, что декларируют. И выбор — ориентироваться на слова или на факты — иногда меняет выводы исследования.

Мне кажется, это особенно важно помнить на фоне недавних дискуссий о работе сотрудников МВФ, которые анализировали (не)эффективность инфляционного таргетирования. Коллеги использовали формальную классификацию МВФ — а она, как мы видим, не всегда отражает реальность.
Telegram Канал влияния 🍸 Смешать, но не взбалтывать: как объединить эксперимент и наблюдаемые данные? Прикладные исследователи часто сталкиваются с дихотомией выбора: 🟤Использовать экспериментальные данные – надёжные, но дорогие и почти всегда маленькие 🟤Или наблюдаемые данные…
  • ❤ 24
  • 🔥 13
More from @kartaevmacro
  1. Oct 2, 2026Всем привет со Школы городской экономики, которую факультет проводит вместе с департаменто…
  2. Sep 25, 2026Почему повышение ставки может повысить инфляционные ожидания? На днях на замечательном онл…
  3. Sep 24, 2026Сегодня в гостях в Вышке рассказываю про то, как учитывать поведенческие ожидания при пров…
  4. Sep 18, 2026Наслаждаюсь работой на конференции дата-аналитиков на экономическом факультете МГУ. Тут со…
  5. Sep 17, 2026Побеседовал о возможностях и проблемах интеграции ИИ в университетское образование с велик…
  6. Sep 15, 2026Что из этого следует для России? Российская ситуация сейчас далека от фискального доминиро…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →