Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості

Виявлено переваги та недоліки моделей у контексті монетарного стимулювання розвитку смарт-промисловості. Встановлено, що у всіх розглянутих моделях існують певні недоліки, такі як складність використання та недостатня чіткість у тлумаченні результатів, а також обмеженість урахування чинників, які є...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Економіка промисловості
Datum:	2024
1. Verfasser:	Логвіненко, Б.І.
Format:	Artikel
Sprache:	Ukrainian
Veröffentlicht:	Інститут економіки промисловості НАН України 2024
Schlagworte:	Проблеми стратегії розвитку та фінансово-економічного регулювання промисловості
Online Zugang:	https://nasplib.isofts.kiev.ua/handle/123456789/197139
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості / Б.І. Логвіненко // Економіка промисловості. — 2024. — № 1 (105). — С. 39-54. — Бібліогр.: 37 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	nasplib_isofts_kiev_ua-123456789-197139
record_format	dspace
spelling	Логвіненко, Б.І. 2024-04-19T16:00:33Z 2024-04-19T16:00:33Z 2024 Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості / Б.І. Логвіненко // Економіка промисловості. — 2024. — № 1 (105). — С. 39-54. — Бібліогр.: 37 назв. — укр. 1562-109Х DOI: http://doi.org/10.15407/econindustry2024.01.039 https://nasplib.isofts.kiev.ua/handle/123456789/197139 330.34:330.4:336.7 Виявлено переваги та недоліки моделей у контексті монетарного стимулювання розвитку смарт-промисловості. Встановлено, що у всіх розглянутих моделях існують певні недоліки, такі як складність використання та недостатня чіткість у тлумаченні результатів, а також обмеженість урахування чинників, які є важливими при монетарному стимулюванні розвитку смарт-промисловості. Розглянута модель VAR обмежена у врахуванні всіх чинників, що впливають на економічні змінні, та проявляє чутливість до специфікації, що призводить до значних змін кінцевих результатів залежно від включених змінних та їхньої специфікації. Модель CAP ґрунтується на припущеннях про ринкову ефективність, які не завжди відповідають реальності, тоді як RBC характеризується відсутністю нестабільності та нереалістичними припущеннями про ринкову поведінку. Модель Phillips Curve проявляє нестабільність у випадку, коли інфляція та безробіття реагують на економічні шоки неоднаково, що є неприпустимим у контексті монетарного стимулювання розвитку смарт-промисловості. Виявлено переваги та недоліки всіх моделей, що дозволило об’єктивно оцінити реальні умови функціонування моделей. Обґрунтовано, що з урахуванням вищезазначених недоліків і специфіки сучасного економічного середовища модель Кобба-Дугласа є найбільш ефективною для аналізу та прогнозування розвитку смарт-промисловості в Україні. Інші розглянуті моделі можуть бути також корисними для процесів стимулювання розвитку смарт-промисловості, проте вони не забезпечують такої самої гнучкості та простоти в застосуванні, як модель Кобба-Дугласа. Порівняльний аналіз свідчить, що модель Кобба-Дугласа є найбільш відповідним інструментом для аналізу та прогнозування монетарного стимулювання розвитку смарт-промисловості в Україні. Вона дозволяє врахувати широкий спектр чинників виробництва та є простою в аналізі й інтерпретації кінцевих результатів, що робить її найбільш придатною для вирішення складних питань монетарного стимулювання в контексті розвитку смарт-промисловості. The article considers economic and mathematical models in the context of monetary stimulation of financial and economic development of the smart industry. The article analyses AD-AS, DSGE, VAR, CAP, RBC, Phillips Curve and Cobb-Douglas models. The advantages and disadvantages of the models in the context of monetary stimulation of smart industry development are identified. The analysis has revealed that all the considered models have certain disadvantages, such as complexity of use and lack of clarity in interpreting the results, as well as limited consideration of factors that are important in monetary stimulation of the smart industry. The reviewed VAR model is limited in taking into account all factors affecting economic variables and is sensitive to specification, which leads to significant changes in the final results depending on the included variables and their specification. The CAP model is based on assumptions about market efficiency that do not always correspond to reality, while the RBC model is characterised by the absence of instability and unrealistic assumptions about market behaviour. The Phillips Curve model shows instability when inflation and unemployment respond to economic shocks in different ways, which is unacceptable in the context of monetary stimulation for the development of the smart industry. The analysis identified the advantages and disadvantages of all models, which allowed us to objectively assess the actual conditions of the models. The analysis has shown that, given the above shortcomings and the specifics of the current economic environment, the Cobb-Douglas model is the most effective for analysing and forecasting the development of the smart industry in Ukraine. The other models considered may also be useful for stimulating the development of the smart industry, but they do not provide the same flexibility and ease of use as the Cobb-Douglas model. Thus, given the specifics of monetary policy, the Cobb-Douglas model seems to be the most appropriate tool for analysing and forecasting monetary stimulus for the development of the smart industry in Ukraine. It allows for a wide range of production factors and is simple to analyse and interpret the final results, making it the most suitable for addressing complex issues of monetary stimulation in the context of smart industry development. uk Інститут економіки промисловості НАН України Економіка промисловості Проблеми стратегії розвитку та фінансово-економічного регулювання промисловості Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості Analysis of economic and mathematical models of monetary stimulation for the development of smart industry Article published earlier
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
title	Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості
spellingShingle	Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості Логвіненко, Б.І. Проблеми стратегії розвитку та фінансово-економічного регулювання промисловості
title_short	Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості
title_full	Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості
title_fullStr	Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості
title_full_unstemmed	Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості
title_sort	аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості
author	Логвіненко, Б.І.
author_facet	Логвіненко, Б.І.
topic	Проблеми стратегії розвитку та фінансово-економічного регулювання промисловості
topic_facet	Проблеми стратегії розвитку та фінансово-економічного регулювання промисловості
publishDate	2024
language	Ukrainian
container_title	Економіка промисловості
publisher	Інститут економіки промисловості НАН України
format	Article
title_alt	Analysis of economic and mathematical models of monetary stimulation for the development of smart industry
description	Виявлено переваги та недоліки моделей у контексті монетарного стимулювання розвитку смарт-промисловості. Встановлено, що у всіх розглянутих моделях існують певні недоліки, такі як складність використання та недостатня чіткість у тлумаченні результатів, а також обмеженість урахування чинників, які є важливими при монетарному стимулюванні розвитку смарт-промисловості. Розглянута модель VAR обмежена у врахуванні всіх чинників, що впливають на економічні змінні, та проявляє чутливість до специфікації, що призводить до значних змін кінцевих результатів залежно від включених змінних та їхньої специфікації. Модель CAP ґрунтується на припущеннях про ринкову ефективність, які не завжди відповідають реальності, тоді як RBC характеризується відсутністю нестабільності та нереалістичними припущеннями про ринкову поведінку. Модель Phillips Curve проявляє нестабільність у випадку, коли інфляція та безробіття реагують на економічні шоки неоднаково, що є неприпустимим у контексті монетарного стимулювання розвитку смарт-промисловості. Виявлено переваги та недоліки всіх моделей, що дозволило об’єктивно оцінити реальні умови функціонування моделей. Обґрунтовано, що з урахуванням вищезазначених недоліків і специфіки сучасного економічного середовища модель Кобба-Дугласа є найбільш ефективною для аналізу та прогнозування розвитку смарт-промисловості в Україні. Інші розглянуті моделі можуть бути також корисними для процесів стимулювання розвитку смарт-промисловості, проте вони не забезпечують такої самої гнучкості та простоти в застосуванні, як модель Кобба-Дугласа. Порівняльний аналіз свідчить, що модель Кобба-Дугласа є найбільш відповідним інструментом для аналізу та прогнозування монетарного стимулювання розвитку смарт-промисловості в Україні. Вона дозволяє врахувати широкий спектр чинників виробництва та є простою в аналізі й інтерпретації кінцевих результатів, що робить її найбільш придатною для вирішення складних питань монетарного стимулювання в контексті розвитку смарт-промисловості. The article considers economic and mathematical models in the context of monetary stimulation of financial and economic development of the smart industry. The article analyses AD-AS, DSGE, VAR, CAP, RBC, Phillips Curve and Cobb-Douglas models. The advantages and disadvantages of the models in the context of monetary stimulation of smart industry development are identified. The analysis has revealed that all the considered models have certain disadvantages, such as complexity of use and lack of clarity in interpreting the results, as well as limited consideration of factors that are important in monetary stimulation of the smart industry. The reviewed VAR model is limited in taking into account all factors affecting economic variables and is sensitive to specification, which leads to significant changes in the final results depending on the included variables and their specification. The CAP model is based on assumptions about market efficiency that do not always correspond to reality, while the RBC model is characterised by the absence of instability and unrealistic assumptions about market behaviour. The Phillips Curve model shows instability when inflation and unemployment respond to economic shocks in different ways, which is unacceptable in the context of monetary stimulation for the development of the smart industry. The analysis identified the advantages and disadvantages of all models, which allowed us to objectively assess the actual conditions of the models. The analysis has shown that, given the above shortcomings and the specifics of the current economic environment, the Cobb-Douglas model is the most effective for analysing and forecasting the development of the smart industry in Ukraine. The other models considered may also be useful for stimulating the development of the smart industry, but they do not provide the same flexibility and ease of use as the Cobb-Douglas model. Thus, given the specifics of monetary policy, the Cobb-Douglas model seems to be the most appropriate tool for analysing and forecasting monetary stimulus for the development of the smart industry in Ukraine. It allows for a wide range of production factors and is simple to analyse and interpret the final results, making it the most suitable for addressing complex issues of monetary stimulation in the context of smart industry development.
issn	1562-109Х
url	https://nasplib.isofts.kiev.ua/handle/123456789/197139
citation_txt	Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості / Б.І. Логвіненко // Економіка промисловості. — 2024. — № 1 (105). — С. 39-54. — Бібліогр.: 37 назв. — укр.
work_keys_str_mv	AT logvínenkobí analízekonomíkomatematičnihmodeleimonetarnogostimulûvannârozvitkusmartpromislovostí AT logvínenkobí analysisofeconomicandmathematicalmodelsofmonetarystimulationforthedevelopmentofsmartindustry
first_indexed	2025-11-26T21:57:38Z
last_indexed	2025-11-26T21:57:38Z
_version_	1850778053186158592
fulltext	–––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– ISSN 1562-109X Econ. promisl. 39 2024, № 1 (105) УДК 330.34:330.4:336.7 DOI: http://doi.org/10.15407/econindustry2024.01.039 Богдан Ігорович Логвіненко, PhD in Economics Інститут економіки промисловості НАН України вул. Марії Капніст, 2, м. Київ, 03057, Україна E-mail: bodya00728@gmail.com https://orcid.org/0000-0002-7956-2916 АНАЛІЗ ЕКОНОМІКО-МАТЕМАТИЧНИХ МОДЕЛЕЙ МОНЕТАРНОГО СТИМУЛЮВАННЯ РОЗВИТКУ СМАРТ-ПРОМИСЛОВОСТІ У статті розглянуто економіко-математичні моделі в контексті монетарного стимулю- вання фінансово-економічного розвитку смарт-промисловості. Проаналізовано моделі AD-AS, DSGE, VAR, CAP, RBC, Phillips Curve та модель Кобба-Дугласа. Виявлено переваги та недоліки моделей у контексті монетарного стимулювання роз- витку смарт-промисловості. Встановлено, що у всіх розглянутих моделях існують певні не- доліки, такі як складність використання та недостатня чіткість у тлумаченні результатів, а також обмеженість урахування чинників, які є важливими при монетарному стимулюванні розвитку смарт-промисловості. Розглянута модель VAR обмежена у врахуванні всіх чинників, що впливають на еко- номічні змінні, та проявляє чутливість до специфікації, що призводить до значних змін кін- цевих результатів залежно від включених змінних та їхньої специфікації. Модель CAP ґрун- тується на припущеннях про ринкову ефективність, які не завжди відповідають реальності, тоді як RBC характеризується відсутністю нестабільності та нереалістичними припущен- нями про ринкову поведінку. Модель Phillips Curve проявляє нестабільність у випадку, коли інфляція та безробіття реагують на економічні шоки неоднаково, що є неприпустимим у кон- тексті монетарного стимулювання розвитку смарт-промисловості. Виявлено переваги та не- доліки всіх моделей, що дозволило об’єктивно оцінити реальні умови функціонування мо- делей. Обґрунтовано, що з урахуванням вищезазначених недоліків і специфіки сучасного еко- номічного середовища модель Кобба-Дугласа є найбільш ефективною для аналізу та прогно- зування розвитку смарт-промисловості в Україні. Інші розглянуті моделі можуть бути також корисними для процесів стимулювання розвитку смарт-промисловості, проте вони не забез- печують такої самої гнучкості та простоти в застосуванні, як модель Кобба-Дугласа. Порів- няльний аналіз свідчить, що модель Кобба-Дугласа є найбільш відповідним інструментом для аналізу та прогнозування монетарного стимулювання розвитку смарт-промисловості в Україні. Вона дозволяє врахувати широкий спектр чинників виробництва та є простою в аналізі й інтерпретації кінцевих результатів, що робить її найбільш придатною для вирі- шення складних питань монетарного стимулювання в контексті розвитку смарт-промисло- вості. Ключові слова: монетарне стимулювання, смарт-промисловість, розвиток, моделю- вання. JEL: C61, Е50, Е60, Н20, O30 У сучасному світі смарт-промисло- вість відіграє ключову роль при визначенні перспектив економічного розвитку (Виш- невський, 2019). Цей напрям виробництва, © Видавець ВД «Академперіодика» НАН України, 2024 –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– 40 ISSN 1562-109X Econ. promisl. 2024, № 1 (105) який базується на передових технологіях та інноваціях, стає драйвером змін у багатьох галузях господарства. Ефективне монетар- не стимулювання в цій сфері стає надзви- чайно важливим, оскільки воно значною мі- рою впливає на обсяги інвестицій у розви- ток смарт-промисловості та її конкуренто- спроможність на світовому ринку (Князєв, 2020). Монетарне стимулювання ‒ це набір заходів, здійснюваних центральним банком або урядом для впливу на грошову масу в економіці та рівень процентних ставок з ме- тою активізації економічного зростання та стимулювання підприємств до інвестування та розвитку нових технологій (Журавка, 2008). Одним із ключових інструментів мо- нетарного стимулювання є регулювання ключової ставки (Турлакова та ін., 2023) ‒ мінімальної процентної ставки, за якою центральний банк кредитує комерційні ба- нки. Підвищення цієї ставки призводить до збільшення вартості позик, що може ускла- днити доступ до кредитів для бізнесу та на- селення. Навпаки, зниження цієї ставки зме- ншує вартість позик, що робить їх більш до- ступними, зокрема для впровадження пере- дових технологій у промисловості. Дослідження МВФ (Financial Time, 2023), ЄЦБ (Національний банк України, 2023), Світового банку (World Bank Group, 2022) та ОЕСР (OECD Economic, 2023) сві- дчать, що зниження процентних ставок та програми кількісного пом'якшення приво- дять до значного зростання обсягу інвести- цій у смарт-промисловість. Наприклад, зни- ження процентних ставок на 1% може при- вести до збільшення інвестицій у цей сектор на 2-7%, а програми кількісного пом'як- шення можуть сприяти зростанню ВВП на 1-2%. Крім того, приклади країн, таких як США, ЄС та Китай, підтверджують (Financial Times, 2023) успішне викорис- тання цих інструментів монетарної полі- тики для стимулювання розвитку смарт- промисловості. У той же час глобальні інвестиції в смарт-промисловість постійно збільшу- ються. Зокрема, відзначається значне зрос- тання обсягу інвестицій у Північній Америці (15%), Європі (12%) та Азії (20%). Оцінки також свідчать про значний вплив смарт-промисловості на ВВП і створення робочих місць (Jurgens, 2022). Наприклад, до 2025 р. очікується збільшення ВВП на 1,5 трлн дол. і створення 20 млн нових ро- бочих місць. Однак щодо джерел фінансування, то слід відзначити зростання обсягу держав- них інвестицій, особливо у 2022 р. Приватні інвестиції також збільшуються (Fox, 2022). До того ж деякі країни вже розпочали програми стимулювання для підтримки смарт-промисловості, такі як «Industrie 4.0» в Німеччині та «Made in China 2025» в Ки- таї. Тож постає питання вибору еконо- міко-математичної моделі, яка б дозволила враховувати широкий спектр чинників ви- робництва й одночасно бути простою в ана- лізі та інтерпретації кінцевих результатів. Саме тому вибір оптимальної моделі моне- тарного стимулювання потребує об'єктив- ного аналізу різних підходів та їхніх можли- вих наслідків. Слід відзначити, що тематика впливу моделей монетарного стимулювання на фі- нансово-економічний розвиток смарт-про- мисловості є відомою та дослідженою як у зарубіжних, так і у вітчизняних публікаціях. Однак загального порівняльного аналізу з вибором економіко-математичних моделей не виконано. Таким чином, вибір оптималь- ної моделі монетарного стимулювання стає актуальним і потребує об'єктивного аналізу різних підходів та їхніх можливих наслід- ків. У сучасних умовах економічного роз- витку неможливо переоцінити значення по- шуку оптимальних інструментів стимулю- вання економічного зростання. У цьому контексті дослідження різноманітних моде- лей монетарного стимулювання стає не –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– ISSN 1562-109X Econ. promisl. 41 2024, № 1 (105) лише надзвичайно важливим завданням для економічної науки, але і значущим етапом ефективної економічної політики. У роботі (Турлакова та ін., 2023) роз- глянуто особливості моделювання складо- вих системи фінансово-економічного сти- мулювання впровадження передових техно- логій смарт-промислового розвитку, а саме проаналізовано моделі за напрямами сти- мулювання, які націлені на дослідження впливу стимулів на економічні показники ефективності функціонування підприємств, галузі чи економіки загалом; моделі DCF, GARCH, які одночасно з методами оціню- вання ефективності окремих стимулів CBA, ROI, NPV потребують певної модифікації, введення додаткових чинників і нагрома- дження змінних для оцінювання загального впливу на економіку. Серед досліджень, присвячених впливу монетарного стимулювання на фінансово-економічний розвиток смарт- промисловості, слід відзначити роботу (Охтень, Дасів, 2021), де проаналізовано складові системи фінансово-економічного стимулювання розвитку смарт-промислово- сті; на прикладі показників переробної про- мисловості Німеччини за 2000-2019 рр. здійснено моделювання відповідної вироб- ничої функції. У публікації (Дадашова, 2016) розгля- нуто концепцію моделювання монетарного сектору України на основі динамічної сис- теми симультативних рівнянь, яка відрізня- ється від наявних включенням механізму коригування відхилення від довгострокової рівноваги; доведено, що найбільш чутли- вими до змін у монетарному секторі вияви- лися рівень ставок за короткостроковими депозитами та валютний курс. Зарубіжними авторами (Simmons та ін., 2021) розкрито роль грошей у реальній та монетарній економіці; проаналізовано ін- новаційні підходи до монетарного стиму- лювання. Роботу (Troy, Leeper, 2011) присвя- чено проблематиці взаємодії монетарної та фіскальної політики, існуючим моделям стимулювання, але не зосереджено увагу на конкретному впливі цих заходів на розви- ток смарт-промисловості. Також виявлено закономірність ефективного стимулювання саме у взаємодії фіскальної та монетарної політики і відзначено неможливість розви- тку одного без іншого. Як зазначено вище, різні економіко- математичні моделі виявляють різні аспе- кти монетарного стимулювання розвитку смарт-промисловості. Більшість із них є уні- версальними економічними інструментами. У даній статті зосереджено увагу на аналізі моделей монетарного стимулювання фінан- сово-економічного розвитку смарт-промис- ловості. Сьогодні немає однозначної моделі, яка б повністю враховувала всі аспекти мо- нетарного стимулювання для стимулю- вання фінансово-економічного розвитку смарт-промисловості. Обмеження вибору економіко-математичних моделей у рамках даного дослідження виправдане кількома науковими міркуваннями. По-перше, обрані моделі вже визнані у світі економічної науки та широко засто- совуються для аналізу монетарного стиму- лювання та його впливу на сектор смарт- промисловості. Це гарантує наявність від- повідної методологічної бази для дослід- ження та порівняння результатів із попере- дніми доробками в цій галузі. По-друге, обрані моделі відповідають різноманітним аспектам економічних про- цесів, що враховується в контексті сучасних умов розвитку смарт-промисловості. Та- кий підхід дозволяє забезпечити комплекс- ний аналіз впливу монетарного стимулю- вання на різні аспекти цього сектору еконо- міки. По-третє, обрані моделі мають відомі переваги у вигляді можливості кількісного аналізу та прогнозування ефективності мо- нетарної політики, що є важливою умовою для формування раціональних стратегій розвитку смарт-промисловості в Україні. –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– 42 ISSN 1562-109X Econ. promisl. 2024, № 1 (105) Таким чином, обмеження кола еконо- міко-математичних моделей до вищевказа- них обумовлене їхньою науковою обґрунто- ваністю та спроможністю забезпечити необ- хідний рівень аналітичної глибини і репре- зентативності в контексті даного дослід- ження. Метою статті є розгляд обмеженого кола економіко-математичних моделей у контексті монетарного стимулювання фінансово-економічного розвитку смарт- промисловості для виявлення їхніх пере- ваг, недоліків і можливостей доопрацю- вання. 1. Модель AD-AS (Aggregate De- mand - Aggregate Supply): передбачає ана- ліз взаємозв'язку між загальним попитом на товари і послуги (AD) та загальним пропо- зиційним обсягом (AS) в економіці. Тобто можна дослідити, яким чином монетарне стимулювання впливає на загальний попит і пропозиційну функцію, що позначається на виробництві та рівні цін у смарт-промисло- вості. Модель AD-AS є дієвим інструмен- том аналізу макроекономічних змін в еконо- міці та включає агрегований попит (AD) й агреговану пропозицію (AS). У контексті монетарного стимулювання смарт-промис- ловості ця модель використовується для оцінювання впливу змін у грошовій полі- тиці на загальний попит і пропозицію това- рів і послуг; належить до інструментів впливу на загальний попит і загальну про- позицію в монетарній економіці. Модель AD-AS має свої переваги, оскільки дозволяє аналізувати монетарну політику в рамках досягнення конкретних цілей, таких як збалансоване економічне зростання та стійка інфляція, а також дослі- дити, яким чином монетарні заходи, такі як зміна процентних ставок або рівня грошової маси, впливають на економічні змінні в смарт-промисловості. Проте є і недоліки. По-перше, вона передбачає стаціонарний або стабільний економічний контекст, що не завжди відображає реальність, особливо в сучас- них умовах швидких технологічних змін і геополітичної турбулентності (Asada та ін., 2006). Крім того, модель може недоо- цінювати складні взаємозв'язки між різ- ними секторами економіки й ігнорувати такі чинники, як неочікувані шоки, нестабі- льність. Отже, незважаючи на те що модель AD-AS може бути корисною для аналізу за- гальних тенденцій в економіці та впливу монетарних заходів, вона бути небезпечним інструментом у контексті сучасних динамі- чних умов України. Наприклад, автори (Niemira, 2023; Bernanke, 2004) підтверджують, що вико- ристання моделі в монетарному стимулю- ванні може бути ефективним для збіль- шення сукупного попиту та виходу з реце- сії, а також є дієвим інструментом для під- тримки економічного зростання та бороть- би з фінансовими кризами. Однак у роботі (Friedman, 1968) зазна- чено про можливість довгострокових нега- тивних наслідків монетарного стимулю- вання, таких як інфляція, що може піді- рвати стабільність економіки, тому реко- мендовано використовувати монетарну по- літику для підтримання стабільності цін, а не для стимулювання економічного зрос- тання. У контексті монетарного стимулю- вання смарт-промисловості України мо- дель AD-AS є ризиковим інструментом в умовах швидких технологічних змін і гео- політичної турбулентності. 2. Модель DSGE (Dynamic Stochas- tic General Equilibrium): використовується для аналізу взаємодії між різними секто- рами економіки та динамікою цих взаємо- дій у часі. У контексті монетарного стиму- лювання смарт-промисловості вона засто- совується для оцінювання впливу змін у грошовій політиці на економічні змінні, зо- крема на рівень виробництва, інвестиції та зайнятість. Серед переваг моделі DSGE слід від- значити здатність ураховувати динаміку економічних процесів у часі, що дозволяє –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– ISSN 1562-109X Econ. promisl. 43 2024, № 1 (105) аналізувати вплив монетарного стимулю- вання на довго- і короткостроковий розви- ток смарт-промисловості. Крім того, вона враховує взаємозв'язки між різними секто- рами економіки та їх взаємодію в умовах рі- зних економічних умов, що дозволяє отри- мати комплексне уявлення про вплив моне- тарного стимулювання. Проте модель DSGE має недоліки. Зо- крема, вона потребує складного математич- ного апарату та великої кількості парамет- рів, що може зробити її застосування склад- ним для розуміння та інтерпретації. Також вона базується на деяких спрощених припу- щеннях щодо поведінки різних економіч- них агентів, що може призводити до недо- оцінки складних взаємодій та нелінійностей в економіці. Модель DSGE підтверджує правило Тейлора, яке описує дії центрального банку при підвищенні процентної ставки, коли інфляція перевищує цільовий рівень і зни- жувати процентну ставку неможливо. Вона може бути використана для аналізу оптима- льного правила грошово-кредитної полі- тики (Lawler, 2019) та аналізу впливу моне- тарної політики на зайнятість (Feldstein, 1983). Отже, з одного боку, простежується багатофакторність використання моделі в процесах монетарного стимулювання, а з іншого ‒ багатофакторність у реальних умо- вах переходить у складність її застосування, а брак даних при розрахунках спричиняє ви- сокий відсоток похибки, що практично ро- бить її неефективною в умовах монетарного стимулювання смарт-промисловості в Ук- раїні. 3. Модель VAR (Vector Autoregres- sion) ‒ це модель динаміки кількох часових рядів, у якій їхні поточні значення залежать від колишніх. Використовується для аналізу взаємозв'язку між кількома часовими ря- дами економічних змінних та ймовірності потенційних втрат. Основна перевага полягає в тому, що модель є потужним інструментом для аналізу взаємозв'язків між різними змін- ними в економіці (Kenton, 2003). Вона до- зволяє враховувати динаміку взаємодії та прогнозувати майбутні значення, а отже, оцінювати комплексний вплив інструментів монетарної політики на економічний розви- ток у реальному часі. Недоліки полягають у такому: модель може потребувати значних обчислюваль- них ресурсів та експертизи для побудови та інтерпретації результатів. Крім того, ре- зультати можуть бути чутливими до обра- них специфікацій, таких як кількість змін- них і вибір часового періоду. У роботі (Kuttner, 2018) виконано ем- піричну оцінку даної моделі в умовах моне- тарної політики. Виявлено, що вона не до- зволяє будувати якісні прогнози. Доведено, що дані, отримані за допомогою звичайних VAR-специфікацій, часто зашумлені, та для виправлення цього недоліку треба постійно оновлювати дані. Однак у дослідженні, здійсненому в Австралії (Jääskelä, Jennings, 2011), обґрун- товано, що порівняно з DSGE VAR-модель досить добре оцінює реакції макроекономі- чних змінних монетарної політики. Однією з відмінностей моделі VAR є те, що вона не використовує рекурсивні обмеження нульо- вого типу. Це означає, що в ній можливі си- туації, коли інфляція зростає після неочіку- ваного підвищення відсоткової ставки або коли обмінний курс підвищується або зни- жується залежно від порядку змінних. Це ві- дбувається через те, що модель VAR дозво- ляє змінювати різні економічні змінні одно- часно, без потреби встановлювати чіткі пе- редбачення щодо порядку чи причинності цих змінних. Такий підхід уможливлює більш гнучкий аналіз взаємозв'язків між економічними змінними та їх взаємодії в реальних економічних умовах (Amisano, Giannini, 1997). Модель VAR може виявитися неефек- тивною для монетарного стимулювання смарт-промисловості в Україні через низку причин. По-перше, для успішного функ- –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– 44 ISSN 1562-109X Econ. promisl. 2024, № 1 (105) ціонування вона потребує значної кількості даних для калібрування, а доступність та- ких даних є обмеженою, особливо в галузі смарт-промисловості, яка перебуває на ста- дії розвитку. Друга причина полягає в недо- ліках самої моделі, яка може давати неточні результати в разі ненадійних вихідних да- них або бути складною для інтерпретації, що ускладнює її застосування для практич- них цілей. Крім того, модель VAR може вияви- тися негнучкою і неспроможною адаптува- тися до швидких змін в економіці, що є вра- зливим для такої швидкозростаючої галузі, як смарт-промисловість. Нарешті, основ- ним недоліком моделі VAR є нездатність ураховувати політичні обмеження. Це може призвести до того, що рекомендована мо- деллю політика буде нездійсненною. Отже, використання моделі VAR у сфері монетар- ного стимулювання смарт-промисловості в Україні є недоцільним. 4. Модель CAP (Capital Asset Pricing): використовується для оцінювання ризику та дохідності фінансових активів. У результаті дослідження взаємозв'язку між рівнем ризику та дохідності в секторі смарт- промисловості під впливом монетарного стимулювання можна сформувати законо- мірність впливу цих заходів на інвести- ційну активність у даному секторі (Fernan- dez, 2014). У контексті монетарного стиму- лювання смарт-промисловості модель мо- же бути використана для оцінювання впливу грошової політики на вартість капі- талу та інвестиції в секторі смарт-промис- ловості. Переваги: модель надає зручний ме- тод оцінювання ризику та дохідності акти- вів, що дозволяє швидко і точно аналізувати фінансові можливості в секторі смарт-про- мисловості. Крім того, сьогодні вона успі- шно застосовується до різних класів активів і ринків, що дозволяє враховувати різнома- нітність інвестиційних можливостей та уни- кнути звуження перспективи аналізу. Недоліки: перш за все модель САР ба- зується на ряді передпосилань, таких як ефективність ринку, поведінка інвесторів, які можуть бути не завжди реалізовані, що призводить до недооцінки або неправиль- ного розуміння ризиків і дохідності в стиму- люванні смарт-промисловості; передбачає використання спрощених припущень про структуру ринку та ризики, що призводить до непридатності моделі в умовах ринкової нестабільності чи інших асиметрій, які ча- сто спостерігаються в динамічному середо- вищі смарт-промисловості. У роботі (Li, 2023) модель CAP вико- ристано для порівняльного аналізу різних країн; визначено, що вона є зручною для розрахунку даних, але в реальних ринкових умовах є недоцільною для інвесторів, щоб покладатися на неї, через занадто ідеалізо- вані припущення та коефіцієнт ризику. У результаті аналізу використання САР на індійському ринку капіталу шляхом порівняння між обмеженою та звичайною моделями встановлено, що вона в рази перевершила традиційну (Rabha, Singh, 2022). У роботі (Ren, 2023) розглянуто про- гнозні можливості CAP і трифакторної мо- делі Фама-Френча (FF3F) на ринку акцій го- тельного та ресторанного бізнесу. Визна- чено, що трифакторна модель перевершує CAP як у пояснювальній, так і в прогности- чній здатності. На сьогодні модель оцінки капіталь- них активів широко досліджена в різних контекстах. Обґрунтовано, що CAP може бути використана для оцінювання співвід- ношення між ризиком й очікуваним прибу- тком (Fernandez, 2014). Однак в емпіричних дослідженнях наголошено на обмеженнях CAP. Незважаючи на це, CAP залишається актуальною моделлю у фінансово-економі- чному моделюванні, яка створює компро- міси між ризиком і прибутком і служить ос- новою для розрахунку вартості капіталу та надлишкового прибутку. –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– ISSN 1562-109X Econ. promisl. 45 2024, № 1 (105) У контексті монетарного стимулю- вання смарт-промисловості в Україні вико- ристання моделі CAP може бути неефекти- вним. Це обумовлено специфічними ризи- ками та обмеженнями моделі, а також недо- статньою репрезентативністю даних внутрі- шнього ринку. Для досягнення кращих ре- зультатів рекомендовано розглядати альте- рнативні моделі оцінювання ризику та до- хідності. 5. Модель RBC (Real Business Cycle) ‒ модель нової класичної макроеко- номіки, згідно з якою циклічні коливання значною мірою виникають через реальні (а не номінальні) шоки. Модель RBC пропо- нує унікальний погляд на макроекономічні флуктуації, акцентуючи увагу на технологі- чних шоках як основній причині економіч- них циклів. Переваги: здатність відтворювати де- які ключові емпіричні спостереження, на- приклад варіабельність інвестицій, що перевищує варіабельність споживання, та кореляції між основними макроекономіч- ними змінними, що добре узгоджуються з післявоєнними даними США (Smith, Zin, 1997). Недоліки: висока кореляція між виро- бництвом, відпрацьованими годинами та продуктивністю, яка не відповідає реаль- ним спостереженням, а також недостатня увага до інших потенційних джерел флукту- ацій, зокрема монетарної політики. Ці обме- ження підкреслюють необхідність додатко- вих досліджень для розрізнення джерел флуктуацій. У роботі (McCallum, 1988) виявлено всі недоліки моделі. На думку автора, немо- жливо не погодитися з тим, що модель здій- снила значний внесок у макроекономічний аналіз, пропонуючи інноваційні технічні розробки, які матимуть довгострокове значення для дослідження динаміки еко- номік. Важливим досягненням є розроб- лення моделі динамічної рівноваги з опти- мізаційними агентами, яка дозволяє вико- нувати кількісний аналіз без припущення соціальної оптимальності економічних про- цесів. Саме завдяки цій моделі визначено, що багато коливань у реальних економіках є результатом зовнішніх шоків, не пов'я- заних із монетарною чи фіскальною по- літикою. Однак питання про те, якою мірою ці шоки можуть пояснити коливан- ня в економіці, залишається відкритим і продовжує бути предметом активних до- сліджень. Однак у контексті монетарного сти- мулювання, незважаючи на те що RBC-мо- дель наголошує на мінімальному впливі мо- нетарної політики на економічні цикли (Deng, 2009), критичний аналіз та інтеграція додаткових емпіричних даних можуть за- безпечити більш збалансоване розуміння взаємозв'язків між технологічними шоками, монетарною політикою та економічною ак- тивністю. Отже, використання моделі RBC у формуванні монетарної політики потре- бує подальших досліджень. 6. Модель Phillips Curve є ключовим інструментом аналізу взаємозв'язку між безробіттям й інфляцією в економіці. Ця мо- дель передбачає використання математич- них виразів для визначення того, які зміни в рівні безробіття впливають на рівень інфля- ції та навпаки. Переваги: можливість використання для прогнозування інфляції та впливу на монетарну політику, що наддасть централь- ним банкам можливість регулювати еконо- мічну активність. Проте модель є менш ефе- ктивною в умовах високої економічної во- латильності, політичної нестабільності та економічної відкритості, а її застосування буває ускладненим у країнах зі структур- ними проблемами. Крива Філліпса відображає взаємо- зв'язок між інфляцією та розривом випуску, що становить ключовий момент для моне- тарної політики. Зростання виробництва по- над потенційний рівень спричиняє інфля- ційний тиск, оскільки підвищений попит змушує компанії підвищувати ціни на –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– 46 ISSN 1562-109X Econ. promisl. 2024, № 1 (105) власну продукцію. Модель є корисним ін- струментом для прогнозування інфляції, до- зволяючи центральним банкам балансувати між стимулюванням економічної активно- сті та запобіганням інфляції через регулю- вання облікових ставок й інших інструмен- тів (Cato Institute, 2020). Виконаний Drago Bergholt та його ко- мандою експеримент показав, що, незважа- ючи на велику кількість переваг, у складних технологічно орієнтованих промислових системах, де чинники, що впливають на ін- фляцію, можуть бути більш складними, ніж просто обсяг виробництва та безробіття, мо- дель може проявляти себе менш ефектив- ною (CEPR, 2023). Наприклад, інновації, швидкість змін у виробничих процесах і глобальні чинники можуть мати значний вплив на інфляційний процес, який може бути недостатньо врахований у моделі Phillips Curve (Team, 2003). Проте в умовах сучасних економічних реалій України крива Філліпса буде вида- вати дуже обмежені пронози, ефектив- ність яких не підтверджена, а висока вола- тильність економіки та політична нестабі- льність тільки ускладнять прогнозування інфляції. 7. Неокласична мультиплікативна виробнича функція Кобба-Дугласа (Cobb-Douglas production function) Модель Кобба-Дугласа є неокласич- ною моделлю, що відображає залежність обсягу виробництва Q від чинників вироб- ництва, які його створюють, ‒ витрат праці L і капіталу K. Модель дозволяє встано- вити, яким чином зміна кількості праці та капіталу впливає на обсяг виробництва, що дозволяє аналізувати оптимальні стратегії використання ресурсів і прогнозувати ефек- тивність виробництва за різними сценарі- ями. Однією з переваг моделі є простота та зрозумілість, що дозволяє застосовувати її для аналізу виробництва в різних галузях економіки (Засядько, Королюк, 2017). У контексті монетарного стимулювання смарт-промисловості вона може бути вико- ристана для аналізу впливу зміни відсотко- вих ставок на інвестиції у смарт-промисло- вість. Головним недоліком є нереалістичні припущення. Наприклад, модель передба- чає постійні відносини між виробництвом і чинниками виробництва, що не завжди від- повідає складній реальності економічних процесів. Крім того, вона часто не враховує нелінійних зв'язків між цими чинниками та може недооцінювати їхні взаємодії в реаль- них умовах. Такі нереалістичні припущення можуть призвести до неточностей у прогно- зуванні й ускладнювати аналіз економічних ситуацій. О. Охтень та А. Дасів виконали моде- лювання виробничої функції з урахуванням зміни віддачі чинників із часом на прикладі переробної промисловості Німеччини, ви- користовуючи модель Кобба-Дугласа. Та- кий вибір обумовлений тим, що модель ура- ховує асиметричні закони суспільного ви- робництва, нерівномірність розподілу еко- номічних ресурсів між структурними ком- понентами національного господарства й у такий спосіб забезпечує найбільш точні ма- кроекономічні прогнози (Охтень, Дасів, 2021). Крім того, виробнича функція Кобба- Дугласа може служити базою для розроб- лення прогностичних моделей, що допомо- жуть прогнозувати розвиток смарт-промис- ловості відповідно до різних сценаріїв мо- нетарної політики. Це дозволить урядам і центральним банкам приймати обґрунто- вані рішення щодо регулювання грошового обігу та інших макроекономічних показни- ків з метою сприяння сталому розвитку смарт-промисловості. Отже, використання виробничої фун- кції Кобба-Дугласа може стати важливим інструментом у формуванні та здійсненні монетарної політики, спрямованої на під- тримку та розвиток смарт-промисловості. Незважаючи на те що використання виробничої функції Кобба-Дугласа в еконо- –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– ISSN 1562-109X Econ. promisl. 47 2024, № 1 (105) міці викликає безліч дебатів, вона є най- більш простим і дієвим інструментом для аналізу взаємозв'язків між виробництвом та чинниками виробництва. Для застосування в Україні, яка ще перебуває на стадії пере- ходу до смарт-промисловості (Черкашина, 2020), ця модель є найбільш доцільною, оскільки дозволяє аналізувати оптимальні стратегії використання ресурсів та прогно- зувати ефективність виробництва в умовах постійної технологічної трансформації Ук- раїни. У рамках даного дослідження для оці- нювання різних економіко-математичних моделей згідно із встановленими критері- ями доцільним є порівняльний аналіз (див. таблицю). Його мета полягає в ідентифіка- ції моделі, яка найбільшою мірою відпові- дає вимогам аналізу та прогнозування кри- теріїв монетарного стимулювання розвитку смарт-промисловості. Такий аналіз є крити- чним для формулювання науково обґрунто- ваних висновків та рекомендацій щодо ви- бору оптимальної моделі для дослідження смарт-промисловості, оскільки передбачає комплексне та систематичне врахування широкого спектру чинників і показників. Таблиця – Порівняльний аналіз економіко-математичних моделей згідно з критерія- ми відповідності до монетарного стимулювання розвитку смарт-промисло- вості Критерії AD-AS DSGE VAR CAP RBC Крива Філліпса Функція Кобба-Дугласа Простота 0,7 0,3 0,5 0,8 0,4 0,7 0,8 Точність 0,5 0,7 0,4 0,6 0,5 0,6 0,8 Можливість прогнозування 0,4 0,6 0,5 0,5 0,6 0,5 0,6 Багатофакторність 0,8 0,8 0,6 0,7 0,8 0,7 0,7 Оцінка ризику 0,3 0,5 0,4 0,5 0,4 0,4 0,4 Оцінка складних взає- мозв'язків 0,4 0,7 0,5 0,4 0,6 0,5 0,6 Урахування динаміки економічних процесів 0,5 0,6 0,7 0,4 0,7 0,6 0,8 Урахування нелінійних ефектів 0,8 0,8 0,7 0,7 0,6 0,7 0,7 Середня оцінка 0,55 0,63 0,56 0,58 0,58 0,59 0,68 Джерело: складено автором. Відсоткова метрика відображає сту- пінь відповідності кожної моделі встанов- леним критеріям, що дозволяє отримати кі- лькісну оцінку ефективності кожної з них. Використання десяткової форми відсотків (за шкалою від 0 до 1) надає можливість то- чніше визначити рівень відповідності кож- ної моделі вимогам до заданих критеріїв. Такий підхід спрощує процес порів- няння моделей, оскільки відсоткові оцінки легко порівнюються між собою та дозволя- ють чітко визначити переваги і недоліки кожної з них; забезпечує об'єктивність і надійність результатів порівняльного ана- лізу. Отже, модель виробничої функції Кобба-Дугласа має найвищу оцінку 0,68 се- ред інших економіко-математичних моде- лей, що на 8% більше від моделі DSGE та на 15% ‒ від середньої оцінки за всіма моде- лями. Висновки. Процеси монетарного сти- мулювання смарт-промисловості є важли- вим завданням для урядів і центральних –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– 48 ISSN 1562-109X Econ. promisl. 2024, № 1 (105) банків у сучасних умовах. Саме від вибору ефективної економіко-математичної моделі залежить якість монетарного стимулювання смарт-промисловості. Розглянуто такі економіко-математи- чні моделі: AD-AS (Aggregate Demand- Aggregate Supply), DSGE (Dynamic Sto- chastic General Equilibrium), VAR (Vector Autoregression), CAP (Capital Asset Pricing), (RBC) Real Business Cycle, Phillips Curve та виробнича модель Кобба-Дугласа. Встановлено, що всі ці моделі мають такі недоліки, як складність використання та нерозкриті питання до інтерпретації ре- зультатів, обмеженість урахування чинни- ків, а саме: AD-AS характеризується схематичні- стю, що може призводити до недостатнього врахування реальних ризиків і чинників, які впливають на попит та пропозицію, а також статичністю, що обмежує її здатність урахо- вувати динаміку зміни економічних параме- трів із часом; DSGE потребує складного математич- ного апарату та обчислень, що ускладнює її застосування. Також вона не має гнучкості, коли деякі варіанти можуть бути досить жо- рсткими в розгляді реальних економічних ситуацій; VAR обмежена врахуванням чинни- ків, що впливають на економічні змінні, та проявляє чутливість до специфікації, коли результати можуть значною мірою зміню- ватися залежно від включених змінних та їх специфікації; CAP базується на припущеннях про ринкову ефективність, які не завжди відпо- відають реальності; RBC характеризується відсутністю нестабільності та нереалістичними припу- щеннями про ринкову поведінку; Phillips Curve може бути нестабіль- ною, коли інфляція та безробіття реагують на економічні шоки неоднаково; модель Кобба-Дугласа характеризу- ється спрощеними припущеннями та відсу- тністю врахування нелінійних ефектів, що обмежує її здатність ураховувати складні динамічні процеси та взаємозв'язки між різ- ними чинниками виробництва. Однак, незважаючи на перелічені не- доліки, модель Кобба-Дугласа відома своєю простотою в аналізі та інтерпретації резуль- татів. Це є важливим у контексті моделю- вання складних економічних систем, де ро- зуміння результатів моделі та їх практичне застосування можуть бути вирішальними для прийняття стратегічних рішень. Таким чином, модель Кобба-Дугласа є найбільш ефективною для аналізу та про- гнозування розвитку смарт-промисловості в Україні. Вона дозволяє врахувати широкий спектр чинників і є простою для застосу- вання в аналізі та інтерпретації результатів. Література Дадашова П. (2016). Моделювання монета- рного сектора України на основі динамі- чної системи симультативних рівнянь. Наукові записки НаУКМА. Економічні науки. № 1 (1). С. 54-61. URL: https://ek- mair.ukma.edu.ua/server/api/core/bitstre ams/5c383362-a00a-413c-9d38-490bc79b 4732/content (дата звернення: 29.01. 2024). Журавка Ф. О. (2008). Валютна політика в умовах трансформаційних змін еконо- міки України: монографія. Суми: Ділові перспективи; ДВНЗ «УАБС НБУ». 334 с. Засядько А. А., Королюк С. С. (2017). Моде- лювання максимізації прибутку на ос- нові виробничої функції Кобба-Дугласа. Системи обробки інформації. № 2 (148). С. 168-173. DOI: https://doi.org/10.30748/ soi.2017.148.31 Звіт про фінансову стабільність 2023 (2023). Національний банк України. URL: https://bank.gov.ua/admin_uploads/article/ FSR_2023-H1.pdf?v=4 (дата звернення: 29.01.2024). Князєв С. І. (2020). Смарт-промисловість: формування базису нового етапу еко- номічного зростання у світі. Бізнес –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– ISSN 1562-109X Econ. promisl. 49 2024, № 1 (105) Інформ. № 4. C. 150-162. DOI: https://doi.org/10.32983/2222-4459-2020- 4-150-162 Охтень О., Дасів А. (2021). Моделювання виробничої функції з урахуванням змі- ни віддачі факторів із часом на прикладі переробної промисловості Німеччини. Економіка промисловості. № 1 (93). С. 79-91. DOI: https://doi.org/10.15407/ econindustry2021.01.079 Смарт-промисловість: напрями становлен- ня, проблеми і рішення: монографія (2019). В.П. Вишневський, О.В. Вієць- ка, О.А. Вієцький та ін.; за ред. В.П. Ви- шневського; НАН України, Ін-т еконо- міки пром-сті. Київ, 464 c. URL: https://iie.org.ua/wp-content/uploads/2020/ 04/2019-smart-promyslovist_napriamy-sta novlennia-problemy-i-rishennia_compres sed-1.pdf (дата звернення: 29.01.2024). Турлакова С., Шуміло Я., Логвіненко Б. (2023). Особливості моделювання скла- дових системи фінансово-економічного стимулювання впровадження передових технологій смарт-промислового роз- витку. Економіка промисловості, № 2 (102). С. 24-46. DOI: https://doi.org/ 10.15407/ econindustry2023.02.024 Черкашина Т. С. (2020). Моделювання ви- робничої функції з урахуванням зміни віддачі факторів. Виробнича функція Кобба-Дугласа як інструмент політики економічного зростання України в умо- вах ринкових реформ. Економіка та су- спільство. № 21. DOI: https://doi.org/ 10.32782/2524-0072/2019-20-15 Amisano G., Giannini C. (1997). From VAR models to Structural VAR models. Topics in Structural VAR Econometrics (pp. 1- 28). Springer Berlin Heidelberg. DOI: https://doi.org/10.1007/978-3-642-60623- 6_1 Asada T., Chen P., Chiarella C., Flaschel P. (2006). Chapter 7 AD–AS and the Phillips Curve: A Baseline Disequilibrium Model. Contributions to Economic Analysis. Con- tributions to Economic Analysis. Vol. 277. Р. 173-227. DOI: https://doi.org/10.1016/ s0573-8555(05)77007-3 Bernanke B., Reinhart V., Sack B. (2004). Monetary Policy Alternatives at the Zero Bound: An Empirical Assessment. Brookings Papers on Economic Activity, 70. DOI: https://doi.org/10.2139/ssrn.63 2381 Davig T., Leeper E. (2011). Monetary-Fiscal Policy Interactions and Fiscal Stimulus. European Economic Review. Vol. 55. P. 211-227. DOI: https://doi.org/10.1016/ j.euroecorev.2010.04.004. Deng B. (2009). Real Business Cycle Theory- A Systematic Review. Department of Eco- nomics, Hong Kong University of Science and Technology. URL: https://mpra.ub. uni-muenchen.de/17932/ (дата звернення: 22.01.2024). Feldstein M. (1983). The fiscal framework of monetary policy. Economic Inquiry. Vol. 21(1). P. 11-23. DOI: https://doi.org/ 10.1111/j.1465-7295.1983.tb00613.x Fernandez P. (2014). CAPM: un modelo ab- surdo (CAPM: An Absurd Model). SSRN Electronic Journal. DOI: https://doi.org/ 10.2139/ssrn.2499455 Fox M. (2023). Chart of the day: There will be 152 rate cuts next year from central banks around the world, Bank of America says. Yahoo Finance. URL: https://finance.ya- hoo.com/news/chart-day-152-rate-cuts- 011650419.html (дата звернення: 22.01. 2024). Friedman M. (1968). The role of monetary po- licy. The American Economic Review. Vol. LVIII (1). URL: https://www.aeaweb. org/aer/top20/58.1.1-17.pdf (дата звер- нення: 22.01.2024). Growth continuing at a modest pace through 2025, inflation declining to central bank targets (2023). OECD Economic. URL: https://www.oecd.org/newsroom/growth- continuing-at-a-modest-pace-through- 2025-inflation-declining-to-central-bank- targets.htm (дата звернення: 29.01.2024). –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– 50 ISSN 1562-109X Econ. promisl. 2024, № 1 (105) IMF urges central banks to remain firm on inflation (2023, 10 October). Financial Times. URL: https://www.ft.com/content/ acff8ce0-61f3-4ddd-9dde-61a933ee70c6 (дата звернення: 29.01.2024). Jääskelä J. P., Jennings D. (2011). Monetary policy and the exchange rate: Evaluation of VAR models. Journal of International Money and Finance. Vol. 30. Iss. 7. P. 1358-1374. DOI: https://doi.org/10. 1016/j.jimonfin.2011.06.014 Jurgens J., Swan Gin B. (2022). The Global Smart Industry Readiness Index Initiative: Manufacturing Transformation Insights Re- port 2022. URL: https://www3.weforum. org/docs/WEF_The_Global_Smart_Indus- try_Readiness_Index_Initiative_2022.pdf (дата звернення: 29.01.2024). Kenton W. (2003). Understanding Value at Risk (VaR) and How It’s Computed. Investopedia. URL: https://www.investo- pedia.com/terms/v/var.asp (дата звер- нення: 29.01.2024). Kuttner K. N. (2018). Outside the Box: Uncon- ventional Monetary Policy in the Great Recession and Beyond. Journal of Eco- nomic Perspectives. Vol. 32. Iss. 4. P. 121- 146. DOI: https://doi.org/10.1257/jep.32.4. 121 Lawler K., Vlasova T., Moscardini A. (2019). Using System Dynamics in Macroeconom- ics. Bulletin of Taras Shevchenko National University of Kyiv. Economics. Vol. 3. Iss. 204. P. 34-40. DOI: https://doi.org/10. 17721/1728-2667.2019/204-3/5 Li S. (2023). The Development of CAPM Model and Its Application in the Field of Corporate Finance. Advances in Econo- mics, Management and Political Scien- ces, Vol. 41. Iss. 1. P. 172-178. DOI: https://doi.org/10.54254/2754-1169/41/20 232062 McCallum B. (1988, January). Real Business Cycle Models. National Bureau of Eco- nomic Research. NBER Working Paper № 2480. DOI: https://doi.org/10.3386/ w2480 Monetary policy and the Phillips curve: Some simple arithmetics. (2023). CEPR. URL: https://cepr.org/voxeu/columns/monetary- policy-and-phillips-curve-some-simple- arithmetics (дата звернення: 20.01.2024). Niemira M. (2023). Revisiting the Aggregate Demand-Aggregate Supply Model on its 75th Anniversary. SSRN. URL: https://ssrn.com/abstract=4541947 (дата звернення: 20.01.2024). Rabha D., Singh R. G. (2022). Is CAPM Still Valid in Today’s Market Scenario? Indian Journal of Finance, Vol. 16. Iss. 5. Art. 57. DOI: https://doi.org/10.17010/ijf/2022/v16 i5/169518 Ren T., Wang H., Zhang Y. (2023). Evaluation of CAPM and Three-factor Model During the COVID-19: Evidence from Chinese Catering Industry. У Proceedings of the 2023 2nd International Conference on Eco- nomics, Smart Finance and Contemporary Trade (ESFCT 2023). Atlantis Press Inter- national BV. DOI: https://doi.org/10.2991/ 978-94-6463-268-2_10 Simmons R., Dini P., Culkin N., Littera G. (2021). Crisis and the Role of Money in the Real and Financial Economies – An Inno- vative Approach to Monetary Stimulus. Journal of Risk and Financial Manage- ment. Vol. 14. Iss. 3. Art. 129. DOI: https://doi.org/10.3390/jrfm14030129 Smith G. W., Zin S. E. (1997). Real business- cycle realizations. Carnegie-Rochester Conference Series on Public Policy. Vol. 47. P. 243-280. DOI: https://doi.org/ 10.1016/s0167-2231(98)00012-8 Team T. I. (2003). The Phillips Curve Eco- nomic Theory Explained. Investopedia. URL: https://www.investopedia.com/terms/ p/phillipscurve.asp (дата звернення: 29.01.2024). The Phillips Curve: A Poor Guide for Mone- tary Policy. (2020). Cato Institute. URL: https://www.cato.org/cato-journal/winter- 2020/phillips-curve-poor-guide-monetary- policy (дата звернення: 29.01.2024). https://www.ft.com/content/ https://doi.org/10 https://doi.org/10 https://doi.org/10.54254/2754-1169/41/20%2023 https://doi.org/10.54254/2754-1169/41/20%2023 https://doi.org/10.3386/ https://doi.org/10.17010/ijf/2022/v16 https://doi.org/10.2991/ https://doi.org/ https://www.investopedia.com/terms/ –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– ISSN 1562-109X Econ. promisl. 51 2024, № 1 (105) US well placed for interest rate cuts, says OECD. (2023). Financial Times. URL: https://www.ft.com/content/2a65f6e5-02fb- 46d7-9e03-612cd9a9f6ee (дата звернен- ня: 29.01.2024). World Bank Group (2022). Risk of Global Re- cession in 2023 Rises Amid Simultaneous Rate Hikes. URL: https://www.worldbank. org/en/news/press-release/2022/09/15/risk- of-global-recession-in-2023-rises-amid-si multaneous-rate-hikes (дата звернення: 29.01.2024). References Dadashova, P. (2016). Modeling the monetary sector of Ukraine on the basis of a dynamic system of simultaneous equations. Scientific notes of NaUKMA. Economic Sciences, 1(1), pp. 54-61. Retrieved from https://ek- mair.ukma.edu.ua/server/api/core/bitstre ams/5c383362-a00a-413c-9d38-490bc79 b4732/content [in Ukrainian]. Zhuravka, F.O. (2008). Currency policy in the conditions of transformational changes in the Ukrainian economy: monograph. Sumy: Business Perspectives. 334 p. [in Uk- rainian]. Zasyadko, A. A., & Korolyuk, S. S. (2017). Modeling profit maximization based on the Cobb-Douglas production function. Information Processing Systems, 2 (148), pp. 168-173. DOI: https://doi.org/10.307 48/soi.2017.148.31 [in Ukrainian]. Financial Stability Report 2023 (2023). Na- tional Bank of Ukraine. Retrieved from https://bank.gov.ua/admin_uploads/article/ FSR_2023-H1.pdf?v=4 [in Ukrainian]. Knyazev, S.I. (2020). Smart industry: for- mation of the basis for a new stage of economic growth in the world. Business Inform, 4. pp. 150-162. DOI: https://doi. org/10.32983/22 22-4459-2020-4-150-162 [in Ukrainian]. Okhten, O., & Dasiv, A. (2021). Modeling the production function with the account for the change of factors’ output over time on the example of manufacturing industry in Germany. Econ. promisl., 1 (93), pp. 79-91. DOI: https://doi.org/10.15407/econindus- try2021.01.079 [in Ukrainian]. Smart industry: Directions of development, problems and solutions: monograph (2019). Vishnevsky, V., Viyetska, O., Viyetskyi, O. еt al. In V. Vishnevsky (Ed.). National Academy of Sciences of Ukraine, Institute of Industrial Economics. 464 p. Retrie- ved from https://iie.org.ua/wp-content/up- loads/2020/04/2019-smart-promyslovist_ napriamy-stanovlennia-problemy-i-rishen- nia_compres sed-1.pdf [in Ukrainian]. Turlakova, S., Shumilo, Y., & Logvinenko, B. (2023). Features of modelling the compo- nents of the financial and economic stimu- lation system of the advanced technologies’ introduction of smart industrial develop- ment. Econ. promisl., 2 (102), pp. 24-46. DOI: https://doi.org/10.15407/econindus- try2023.02.024 [in Ukrainian]. Cherkashyna, T. (2019). Cobb-douglas produc- tion function as an instrument of economic growth policy of ukraine under markeт re- forms. Ekonomika ta suspilstvo, 20. DOI: https://doi.org/10.32782/2524-0072/2019- 20-15 [in Ukrainian]. Amisano, G., & Giannini, C. (1997). From VAR models to Structural VAR models. Topics in Structural VAR Econometrics (pp. 1-28). Springer Berlin Heidelberg. DOI: https://doi.org/10.1007/978-3-642- 60623-6_1 Asada, T., Chen, P., Chiarella, C., & Flaschel, P. (2006). Chapter 7. AD–AS and the Phillips Curve: A Baseline Disequilibrium Model. Contributions to Economic Analysis, 277, рр. 173-227. DOI: https://doi.org/10.1016/ s0573-8555(05)77007-3 Bernanke, B., Reinhart, V., & Sack, B. (2004). Monetary Policy Alternatives at the Zero Bound: An Empirical Assessment. Brook- ings Papers on Economic Activity, 70. DOI: https://doi.org/10.2139/ssrn.632381 Deng, B. (2009). Real Business Cycle Theory- A Systematic Review. Department of Eco- nomics, Hong Kong University of Scien- https://ekmair.ukma.edu.ua/server/api/core/bitstre%20ams/5c383362-a00a-413c-9d38-490bc79%20b4732/content https://ekmair.ukma.edu.ua/server/api/core/bitstre%20ams/5c383362-a00a-413c-9d38-490bc79%20b4732/content https://ekmair.ukma.edu.ua/server/api/core/bitstre%20ams/5c383362-a00a-413c-9d38-490bc79%20b4732/content https://ekmair.ukma.edu.ua/server/api/core/bitstre%20ams/5c383362-a00a-413c-9d38-490bc79%20b4732/content https://bank.gov.ua/admin_uploads/article/%20FSR_2023-H1.pdf?v=4 https://bank.gov.ua/admin_uploads/article/%20FSR_2023-H1.pdf?v=4 https://doi.org/10.15407/econindustry2021.01.079 https://doi.org/10.15407/econindustry2021.01.079 https://iie.org.ua/wp-content/uploads/2020/04/2019-smart-promyslovist_%20napriamy-stanovlennia-problemy-i-rishennia_compres%20sed-1.pdf https://iie.org.ua/wp-content/uploads/2020/04/2019-smart-promyslovist_%20napriamy-stanovlennia-problemy-i-rishennia_compres%20sed-1.pdf https://iie.org.ua/wp-content/uploads/2020/04/2019-smart-promyslovist_%20napriamy-stanovlennia-problemy-i-rishennia_compres%20sed-1.pdf https://iie.org.ua/wp-content/uploads/2020/04/2019-smart-promyslovist_%20napriamy-stanovlennia-problemy-i-rishennia_compres%20sed-1.pdf https://doi.org/10.32782/2524-0072/2019-20-15 https://doi.org/10.32782/2524-0072/2019-20-15 https://doi/ –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– 52 ISSN 1562-109X Econ. promisl. 2024, № 1 (105) ce and Technology. Retrieved from https://mpra.ub.uni-muenchen.de/17932/ Feldstein, M. (1983). The fiscal framework of monetary policy. Economic Inquiry, 21 (1), pp. 11-23. DOI: https://doi.org/10.1111/j. 1465-7295.1983.tb00613.x Fernandez, P. (2014). CAPM: un modelo ab- surdo (CAPM: An Absurd Model). SSRN Electronic Journal. DOI: https://doi.org/10. 2139/ssrn.2499455 Fox, M. (2023). Chart of the day: There will be 152 rate cuts next year from central banks around the world, Bank of America says. Yahoo Finance. Retrieved from https://fi- nance.yahoo.com/news/chart-day-152-rate- cuts-011650419.html Friedman, M. (1968). The role of monetary policy. The American Economic Review, LVIII(1). Retrieved from https://www.aea- web.org/aer/top20/58.1.1-17.pdf Growth continuing at a modest pace through 2025, inflation declining to central bank targets. (2023). OECD Economic. Retrie- ved from https://www.oecd.org/news- room/growth-continuing-at-a-modest-pace- through-2025-inflation-declining-to-cen- tral-bank-targets.htm IMF urges central banks to remain firm on in- flation. (2023, 10 October). Financial Times. Retrieved from https://www.ft.com/ content/acff8ce0-61f3-4ddd-9dde-61a933 ee70c6 Jääskelä, J. P., & Jennings, D. (2011). Mone- tary policy and the exchange rate: Evalua- tion of VAR models. Journal of Interna- tional Money and Finance, 30 (7), pp. 1358-1374. DOI: https://doi.org/10. 1016/j.jimonfin.2011.06.014 Jurgens, J., & Swan Gin, B. (2022). The Global Smart Industry Readiness Index Initiative: Manufacturing Transformation Insights Re- port 2022. Retrieved from https://www3. weforum.org/docs/WEF_The_Global_Smart_ Industry_Readiness_Index_Initiative_2022. pdf Kenton, W. (2003). Understanding Value at Risk (VaR) and How It’s Computed. Investopedia. Retrieved from https://www.investopedia.com/terms/v/var. asp Kuttner, K. N. (2018). Outside the Box: Un- conventional Monetary Policy in the Great Recession and Beyond. Journal of Eco- nomic Perspectives, 32(4), pp. 121-146. DOI: https://doi.org/10.1257/jep.32.4.121 Lawler, K., Vlasova, T., & Moscardini, A. (2019). Using System Dynamics in Macro- economics. Bulletin of Taras Shevchenko National University of Kyiv. Economics, 204 (3), pp. 34-40. DOI: https://doi.org/10. 17721/1728-2667.2019/204-3/5 Li, S. (2023). The Development of CAPM Model and Its Application in the Field of Corporate Finance. Advances in Economics, Management and Political Sciences, 41 (1), pp. 172-178. DOI: https://doi.org/10.542 54/2754-1169/41/20232062 McCallum, B. (1988, January). Real Business Cycle Models. National Bureau of Eco- nomic Research. NBER Working Paper № 2480. DOI: https://doi.org/10.3386/w 2480 Monetary policy and the Phillips curve: Some simple arithmetics. (2023). CEPR. Retrieved from https://cepr.org/voxeu/ columns/monetary-policy-and-phillips- curve-some-simple-arithmetics Niemira, M. (2023). Revisiting the Aggregate Demand-Aggregate Supply Model on its 75th Anniversary. SSRN. Retrieved from https://ssrn.com/abstract=4541947 Rabha, D., & Singh, R. G. (2022). Is CAPM Still Valid in Today’s Market Scenario? In- dian Journal of Finance, 16 (5), 57. DOI: https://doi.org/10.17010/ijf/2022/v16i5/169 518 Ren, T., Wang, H., & Zhang, Y. (2023). Eval- uation of CAPM and Three-factor Model During the COVID-19: Evidence from Chi- nese Catering Industry. У Proceedings of the 2023 2nd International Conference on Economics, Smart Finance and Contempo- rary Trade (ESFCT 2023). Atlantis Press https://doi.org/10.1111/ https://doi.org/10 https://www.ft.com/ https://www3/ https://doi.org/10 https://doi.org/10 https://doi.org/10 https://doi.org/10.17010/ijf/2022/v16i5/ –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– ISSN 1562-109X Econ. promisl. 53 2024, № 1 (105) International BV. DOI: https://doi.org/10. 2991/978-94-6463-268-2_10 Simmons, R., Dini, P., Culkin, N., & Littera, G. (2021). Crisis and the Role of Money in the Real and Financial Economies – An Innova- tive Approach to Monetary Stimulus. Jour- nal of Risk and Financial Management, 14 (3), 129. DOI: https://doi.org/10.3390/ jrfm14030129 Smith, G. W., & Zin, S. E. (1997). Real busi- ness-cycle realizations. Carnegie-Rochester Conference Series on Public Policy, 47, pp. 243-280. DOI: https://doi.org/10.1016/ s0167-2231(98)00012-8 Team, T. I. (2003). The Phillips Curve Eco- nomic Theory Explained. Investopedia. Retrieved from https://www.investopedia. com/terms/p/phillipscurve.asp The Phillips Curve: A Poor Guide for Mone- tary Policy. (2020). Cato Institute. Retrieved from https://www.cato.org/cato- journal/winter-2020/phillips-curve-poor- guide-monetary-policy Troy, D., & Leeper, E. (2011). Monetary- Fiscal Policy Interactions and Fiscal Stimu- lus. European Economic Review, 55, pp. 211-227. DOI: https://doi.org/10.1016/j. euroecorev.2010.04.004. US well placed for interest rate cuts, says OECD. (2023). Financial Times. Retrieved from https://www.ft.com/content/2a65f6e5- 02fb-46d7-9e03-612cd9a9f6ee World Bank Group (2022). Risk of Global Recession in 2023 Rises Amid Simulta- neous Rate Hikes. Retrieved from https://www.worldbank.org/en/news/press- release/2022/09/15/risk-of-global-reces- sion-in-2023-rises-amid-simultaneous-rate- hikes Bohdan I. Lohvinenko, PhD in Economics Institute of Industrial Economics of NAS of Ukraine 2 Maria Kapnist Street, Kyiv, 03057, Ukraine E-mail: bodya00728@gmail.com https://orcid.org/0000-0002-7956-2916 ANALYSIS OF ECONOMIC AND MATHEMATICAL MODELS OF MONETARY STIMULATION FOR THE DEVELOPMENT OF SMART INDUSTRY The article considers economic and mathematical models in the context of monetary stimu- lation of financial and economic development of the smart industry. The article analyses AD-AS, DSGE, VAR, CAP, RBC, Phillips Curve and Cobb-Douglas models. The advantages and disadvantages of the models in the context of monetary stimulation of smart industry development are identified. The analysis has revealed that all the considered models have certain disadvantages, such as complexity of use and lack of clarity in interpreting the results, as well as limited consideration of factors that are important in monetary stimulation of the smart industry. The reviewed VAR model is limited in taking into account all factors affecting economic variables and is sensitive to specification, which leads to significant changes in the final results depending on the included variables and their specification. The CAP model is based on assump- tions about market efficiency that do not always correspond to reality, while the RBC model is characterised by the absence of instability and unrealistic assumptions about market behaviour. The Phillips Curve model shows instability when inflation and unemployment respond to economic shocks in different ways, which is unacceptable in the context of monetary stimulation for the de- velopment of the smart industry. The analysis identified the advantages and disadvantages of all models, which allowed us to objectively assess the actual conditions of the models. https://doi.org/10 https://doi.org/10 https://www.investopedia/ –––––––––––––––––––––––––– Економіка промисловості Economy of Industry –––––––––––––––––––––––––––––– 54 ISSN 1562-109X Econ. promisl. 2024, № 1 (105) The analysis has shown that, given the above shortcomings and the specifics of the current economic environment, the Cobb-Douglas model is the most effective for analysing and forecasting the development of the smart industry in Ukraine. The other models considered may also be useful for stimulating the development of the smart industry, but they do not provide the same flexibility and ease of use as the Cobb-Douglas model. Thus, given the specifics of monetary policy, the Cobb-Douglas model seems to be the most appro- priate tool for analysing and forecasting monetary stimulus for the development of the smart indus- try in Ukraine. It allows for a wide range of production factors and is simple to analyse and interpret the final results, making it the most suitable for addressing complex issues of monetary stimulation in the context of smart industry development. Keywords: monetary stimulation, smart industry, development, modeling. JEL: C61, E50, E60, H20, O30 Формат цитування: Логвіненко Б. І. (2024). Аналіз економіко-математичних моделей монетарного стиму- лювання розвитку смарт-промисловості. Економіка промисловості. № 1 (105). С. 39-54. DOI: http://doi.org/10.15407/econindustry2024.01.039 Lohvinenko, B. I. (2024). Analysis of economic and mathematical models of monetary stimulation for the development of smart industry. Econ. promisl., 1 (105), рр. 39-54. DOI: http://doi.org/10.15407/econindustry2024.01.039 Надійшла до редакції 22.02.2024 р.

Аналіз економіко-математичних моделей монетарного стимулювання розвитку смарт-промисловості

Institution

Ähnliche Einträge