Фальшивомонетчество в России: опыт эконометрического анализа

Фальшивомонетчество как экономическое явление относится к особо опасным государственным преступлениям, ибо фальшивые деньги разрушают экономику страны.

Интенсивность данного процесса зависит от многих факторов. Это может быть и растущая инфляция, и увеличение в обороте денежной массы валют ведущих стран, неустойчивость экономики, а также такие неэкономические факторы, как широкие возможности приобретения материалов и совершенствование полиграфического оборудования. Проблема фальшивомонетчества актуальна и в наше время.

На основе информационно-аналитических материалов Центрального Банка РФ в работе исследуется динамика состояния фальшивомонетчества в России в период 2006-2011 гг. с точки зрения объемов выявления поддельных денежных знаков.

До 2009 года достаточно явно прослеживалась тенденция роста фальшивомонетчества. В последующие два года наблюдается снижение данного показателя. На основе помесячных данных о количестве поддельных рублевых купюр была построена классическая тренд-сезонная модель, включающая трендовую, сезонную и случайную компоненты.

Можно отметить определенную неупорядоченность значений сезонной компоненты. Тем не менее, отчетливо выделяются предновогоднее повышение количества поддельных купюр и, напротив, труднообъяснимое снижение показателя в феврале, апреле и мае.

Построенная тренд-сезонная модель, несмотря на удовлетворительные в целом статистические характеристики качества, не вполне адекватно описывает динамику исследуемого ряда, ввиду того, что не учитывает изменение его тренда, случившееся на рубеже 2009-2010 гг. Поэтому были рассмотрены и построены несколько адаптивных моделей, позволяющих учесть трендовые и сезонные изменения в периоде наблюдения. Инструментом для построения адаптивных моделей послужил пакет прикладных программ STATISTICA 8.0.

Отметим, что, за исключением февраля, в другие месяцы прогноз дает заниженные результаты. При этом большему периоду упреждения соответствует большая погрешность. В целом за полгода относительная погрешность прогноза составила чуть более 6%. Таким образом, построенная модель достаточно адекватно оценивает развитие рассматриваемого процесса в первые три месяца.

В дальнейшем исследовано влияние ряда макроэкономических факторов на интенсивность рассматриваемого процесса.

Карпухина А.Н.