Работа измеряет, где в открытых данных раньше всего видна реакция на решения Банка России по ключевой ставке. Используются два источника. Первый — недельный индекс потребительской активности СберИндекса по четырём возрастным группам: 300 недель с января 2021 по октябрь 2026 года и 33 изменения ставки. Второй — региональная панель цен объявлений Домклик и цен сделок СберИндекса по 75–83 регионам за 2022–2026 годы. Реакция трат оценивается локальными проекциями на отклонении каждой группы от общей динамики, что снимает сезонность и общий макрошок. В неделю решения от общей динамики отклоняется только группа 15–24 лет: −1,3 % трат на процентный пункт планового повышения. Группы 25–64 лет, несущие основную долговую нагрузку, не отклоняются, что указывает на канал ожиданий, а не обслуживания долга. Отсутствие реакции на снижения в общей выборке создают снижения 2022 года; на снижениях 2025–2026 годов оценка того же знака, но незначима. На рынке жилья первый сигнал — разрыв между ценой объявления и ценой сделки: на мере, очищенной от сдвига состава сделок по возрасту жилья, он расширяется на 0,52 п. п. на процентный пункт ставки за квартал. Результаты по тратам проверены перестановочными тестами, плацебо-датами и исключением событий по одному, результаты по рынку жилья — на подвыборках и альтернативных мерах цены сделки. Разложение решений на неожиданную и ожидаемую части по кривой ОФЗ даёт знаки, согласные с гипотезой Холла, но мощности данных для вывода не хватает. Предлагаются два ранних индикатора трансмиссии и перечислены данные, которые закрыли бы открытые вопросы. Код и данные опубликованы.

We measure where in open data the response to Bank of Russia key-rate decisions appears first. We use two sources. The first is SberIndex’s weekly consumer-activity index for four age groups: 300 weeks from January 2021 to October 2026 and 33 rate changes. The second is a regional panel of Domclick listing prices and SberIndex transaction prices for 75–83 regions in 2022–2026. Spending responses are estimated with local projections on each group’s deviation from aggregate activity, which removes seasonality and the common macro shock. Only the 15–24 group deviates from aggregate spending in the decision week: by −1.3% per percentage point of a scheduled hike. The 25–64 groups, which hold most household debt, do not deviate, pointing to an expectations channel rather than a debt-service channel. The apparent absence of a response to cuts is driven by the 2022 cuts; for the 2025–2026 cuts the estimate has the same sign but is not significant. In housing, the first signal is the gap between listing and transaction prices: on a measure purged of the shift in transaction composition by building age, it widens by 0.52 pp per percentage point of the key rate within a quarter. Spending results are checked with permutation tests, placebo dates and leave-one-event-out estimates; housing results with subsamples and alternative transaction-price measures. Decomposing decisions into surprise and expected parts with the OFZ curve gives signs consistent with Hall’s hypothesis, but the data lack power. We propose two early transmission indicators and list the data that would resolve the open questions. Code and data are public.

Классификация JEL: E52, E21, E58, R31, C22.
Ключевые слова: трансмиссия денежно-кредитной политики; ключевая ставка; высокочастотные данные; локальные проекции; ожидания; возрастная неоднородность; рынок жилья; перестановочные тесты.
Для цитирования: Ахтямов Р. (2026). Кто первым реагирует на ключевую ставку: ранние сигналы трансмиссии в открытых высокочастотных данных. Digital Economy Lab, WP-2026-06.
Версия: 1.0, октябрь 2026 г. Данные: траты — по 4 октября 2026 года, цены — по сентябрь 2026 года.

JEL classification: E52, E21, E58, R31, C22.
Keywords: monetary transmission; key rate; high-frequency data; local projections; expectations; age heterogeneity; housing market; permutation tests.
Cite as: Akhtyamov R. (2026). Who Responds First to the Key Rate? Early Signals of Monetary Transmission in Open High-Frequency Data. Digital Economy Lab, WP-2026-06.
Version: 1.0, October 2026. Data: spending through 4 October 2026, prices through September 2026.

Трансмиссию денежно-кредитной политики обычно оценивают на квартальных и месячных данных: кредит, потребление, инфляция откликаются на ставку с лагом в несколько кварталов. Для регулятора, который принимает решения восемь раз в год, полезен и другой вопрос: где и у кого реакция видна сразу, в первые дни и недели после объявления. Короткий отклик не заменяет оценку полного эффекта, но служит ранним индикатором того, что решение услышано.

Monetary transmission is usually estimated on quarterly and monthly data: credit, consumption and inflation respond to the rate with a lag of several quarters. For a regulator that takes decisions eight times a year another question is also useful: where, and for whom, is the response visible at once, in the first days and weeks after the announcement? A short response does not replace an estimate of the full effect, but it serves as an early indicator that the decision has been heard.

Открытые высокочастотные данные позволяют на этот вопрос ответить. СберИндекс публикует недельный индекс потребительской активности по возрастным группам, а также помесячные цены объявлений и цены сделок с жильём по регионам. Работа использует эти ряды и задаёт два вопроса. Какая группа потребителей реагирует на решение по ставке первой и через какой канал? Какая величина на рынке жилья откликается раньше цен?

Open high-frequency data make it possible to answer this question. SberIndex publishes a weekly consumer-activity index by age group, as well as monthly listing and transaction prices for housing by region. The paper uses these series and asks two questions. Which group of consumers responds to a rate decision first, and through which channel? Which quantity in the housing market responds before prices?

Вклад работы состоит в трёх результатах. Первый: в неделю решения отвечают траты самой молодой группы, 15–24 лет, а у групп с основной долговой нагрузкой реакции нет. Это указывает на канал ожиданий, описанный в работах о коммуникации центральных банков, а не на канал денежного потока заёмщиков. Второй: на рынке жилья первым откликается разрыв между ценой объявления и ценой сделки, и этот результат усиливается после поправки на состав сделок. Третий результат методический. Часть популярных выводов на этих данных не выдерживает проверок: асимметрия реакции на повышения и снижения, сближение цен объявлений и сделок, опережающая сила разрыва для прогноза цен и различие реакции на неожиданную и ожидаемую части решения. Мы показываем, какие проверки их снимают и каких данных не хватает.

The paper contributes three results. First, in the decision week it is spending of the youngest group, 15–24, that responds, while the groups carrying most of the debt do not. This points to the expectations channel described in work on central bank communication, not to the cash-flow channel of borrowers. Second, in the housing market the first quantity to respond is the gap between listing and transaction prices, and this result strengthens after adjusting for the composition of transactions. The third result is methodological. Several popular conclusions do not survive checks on these data: an asymmetric response to hikes and cuts, convergence of listing and transaction prices, the predictive power of the gap for prices, and a different response to the surprise and expected parts of a decision. We show which checks remove them and which data are missing.

Работа построена так. Раздел 2 связывает её с литературой. Раздел 3 описывает данные, раздел 4 — метод и схему проверок. Раздел 5 посвящён тратам, раздел 6 — рынку жилья, раздел 7 — пределам идентификации. Раздел 8 формулирует выводы для мониторинга трансмиссии, раздел 9 — ограничения.

The paper is organised as follows. Section 2 relates it to the literature. Section 3 describes the data, Section 4 the method and the set of checks. Section 5 covers spending, Section 6 the housing market, Section 7 the limits of identification. Section 8 draws conclusions for monitoring transmission, Section 9 lists limitations.

Работа опирается на три линии исследований. Первая — неоднородность трансмиссии по домохозяйствам. Модели с неоднородными агентами (Kaplan, Moll, Violante, 2018) показывают, что прямой эффект ставки через межвременное замещение невелик, а основная часть отклика проходит через доходы и балансы. Эмпирические работы на микроданных находят, что реакция потребления зависит от долговой позиции и ликвидности: заёмщики с ипотекой реагируют сильнее арендаторов и владельцев без долга (Cloyne, Ferreira, Surico, 2020), а отклик неоднороден по ликвидным активам и распределён во времени (Holm, Paul, Tischbirek, 2021). Наш результат дополняет эту литературу на коротком горизонте: в первую неделю долговой канал не виден, а реагирует группа почти без долга.

The paper builds on three strands of research. The first is household heterogeneity in transmission. Heterogeneous-agent models (Kaplan, Moll, Violante, 2018) show that the direct effect of the rate through intertemporal substitution is small, and most of the response runs through incomes and balance sheets. Empirical work on micro data finds that the consumption response depends on debt position and liquidity: mortgagors respond more strongly than renters and outright owners (Cloyne, Ferreira, Surico, 2020), and the response is heterogeneous across liquid assets and spread out over time (Holm, Paul, Tischbirek, 2021). Our result complements this literature at a short horizon: in the first week the debt channel is not visible, and it is the group with almost no debt that responds.

Вторая линия — роль ожиданий и коммуникации. Ставка действует через ожидаемую траекторию, а не только через текущий уровень (Woodford, 2003). Коммуникация центрального банка может менять инфляционные ожидания домохозяйств, хотя эффект сильно зависит от формы сообщения (Coibion, Gorodnichenko, Weber, 2022). Гипотеза постоянного дохода предсказывает, что потребление реагирует только на новости (Hall, 1978). Неожиданную часть решения принято измерять сдвигом короткого конца рыночной кривой в день решения (Kuttner, 2001; Gürkaynak, Sack, Swanson, 2005; Nakamura, Steinsson, 2018). Мы применяем эту схему к кривой ОФЗ и показываем, где на российских данных она упирается в мощность.

The second strand concerns expectations and communication. The rate works through its expected path, not only through its current level (Woodford, 2003). Central bank communication can move household inflation expectations, although the effect depends strongly on the form of the message (Coibion, Gorodnichenko, Weber, 2022). The permanent-income hypothesis predicts that consumption responds only to news (Hall, 1978). The surprise component of a decision is usually measured by the shift in the short end of the market curve on the decision day (Kuttner, 2001; Gürkaynak, Sack, Swanson, 2005; Nakamura, Steinsson, 2018). We apply this scheme to the OFZ curve and show where it runs into power limits on Russian data.

Третья линия — рынок жилья, где цена объявления и цена сделки расходятся из-за поведения продавцов (Genesove, Mayer, 2001). Мы используем это расхождение как индикатор и показываем, что его тренд на российских данных определяется составом сделок, а не дисциплиной продавцов. Методически работа следует подходу локальных проекций (Jordà, 2005) с поправкой на автокорреляцию по Ньюи и Уэсту (1987). Из-за малого числа событий основным критерием служат перестановочные тесты (о выводах по локальным проекциям см. Montiel Olea, Plagborg-Møller, 2021).

The third strand is the housing market, where listing and transaction prices diverge because of seller behaviour (Genesove, Mayer, 2001). We use this divergence as an indicator and show that its trend on Russian data is determined by the composition of transactions, not by seller discipline. Methodologically the paper follows the local-projections approach (Jordà, 2005) with Newey–West (1987) autocorrelation correction. Because of the small number of events, permutation tests serve as the main criterion (on inference with local projections see Montiel Olea, Plagborg-Møller, 2021).

3.1. Недельные траты по возрастам

3.1. Weekly spending by age

Набор СберИндекса «Потребительская активность по категориям товаров в разрезе возрастов» содержит недельный индекс безналичных трат по картам Сбербанка для четырёх групп (15–24, 25–34, 35–64, 65+ лет) и для всех возрастов вместе, по России целиком. Период — 10 января 2021 года — 4 октября 2026 года, 300 недель. Недели в выгрузке помечены воскресеньем; плановые решения Банка России объявляются в пятницу, поэтому новость попадает в ту же неделю, что соответствует горизонту h = 0. Внеочередные решения (понедельник, четверг, вторник) относятся к неделе, которая заканчивается не раньше дня решения. Регионального разреза в этом наборе нет.

The SberIndex dataset “Consumer activity by product category and age” contains a weekly index of cashless card spending at Sberbank for four groups (15–24, 25–34, 35–64, 65+) and for all ages together, for Russia as a whole. The period is 10 January 2021 to 4 October 2026, 300 weeks. Weeks in the release are labelled by Sunday; scheduled Bank of Russia decisions are announced on Friday, so the news falls in the same week, which corresponds to horizon h = 0. Extraordinary decisions (Monday, Thursday, Tuesday) are assigned to the week ending on or after the decision day. The dataset has no regional breakdown.

3.2. Цены объявлений и цены сделок

3.2. Listing and transaction prices

Цены предложения — набор «Динамика цен объявлений» (Домклик), цены сделок — «Цены сделок с жилой недвижимостью» СберИндекса: 83 региона на вторичном рынке и 65 на первичном, январь 2022 — сентябрь 2026 года, 57 месяцев. Для поправки на состав используется третий набор, «Цены на жилую недвижимость», с разбивкой вторичного рынка по возрасту жилья (моложе и старше пяти лет): 75 регионов с полным набором рядов, октябрь 2022 — сентябрь 2026 года, 48 месяцев. Агрегат «Россия», который лежит в выгрузках в одном измерении с регионами, из панели исключён.

Asking prices come from the dataset “Listing price dynamics” (Domclick), transaction prices from SberIndex’s “Residential real estate transaction prices”: 83 regions in the secondary market and 65 in the primary market, January 2022 to September 2026, 57 months. For the composition adjustment we use a third dataset, “Residential real estate prices”, which splits the secondary market by building age (under and over five years): 75 regions with the full set of series, October 2022 to September 2026, 48 months. The “Russia” aggregate, which sits in the same dimension as the regions in the releases, is excluded from the panel.

3.3. Решения по ставке и неожиданная часть

3.3. Rate decisions and the surprise component

Реестр решений собран по календарю заседаний Банка России; даты вступления в силу сверены с правовой базой. В периоде 33 изменения ставки: 15 плановых повышений (2021–2024), 15 плановых снижений (5 в 2022 году и 10 в 2025–2026 годах) и 3 внеочередных решения (28 февраля 2022, 26 мая 2022, 15 августа 2023 года). Полный реестр — в приложении А. Для разложения решений используется дневная кривая бескупонной доходности ОФЗ Банка России (1453 торговых дня).

The decision registry is built from the Bank of Russia meeting calendar; effective dates are checked against the legal database. The period contains 33 rate changes: 15 scheduled hikes (2021–2024), 15 scheduled cuts (5 in 2022 and 10 in 2025–2026) and 3 extraordinary decisions (28 February 2022, 26 May 2022, 15 August 2023). The full registry is in Appendix A. For the decomposition of decisions we use the Bank of Russia daily zero-coupon OFZ yield curve (1,453 trading days).

Все выгрузки скачаны 12 октября 2026 года; их контрольные суммы зафиксированы в репозитории (Ахтямов, 2026а), и прогон на другой версии данных это обнаружит.

All releases were downloaded on 12 October 2026; their checksums are recorded in the repository (Akhtyamov, 2026a), and a run on a different version of the data will detect it.

4.1. Относительная мера

4.1. The relative measure

Вопрос «кто первым» — это вопрос о разнице между группами, а не об уровне трат. Поэтому основная переменная — отклонение логарифма активности группы g от логарифма активности всех возрастов:

The question “who is first” is about the difference between groups, not about the level of spending. The main variable is therefore the deviation of the log activity of group g from the log activity of all ages:

Праздники, погода, выплаты зарплат и общий макрошок входят в обе части и сокращаются. Остаётся различие в поведении групп. На абсолютной мере (логарифм активности самой группы) в неделю решения значимы коэффициенты у всех групп, кроме самой молодой, и с одним знаком: это общий компонент (в том числе ажиотажный спрос конца февраля — марта 2022 года), который относительная мера и убирает. Обратная сторона приёма: агрегат «все возрасты» в основном состоит из трат групп 25–64 лет, поэтому их отклонение от него мало по построению. Утверждение работы — о различии между молодыми и основной массой потребителей, а не об отсутствии реакции у средних групп в абсолютном выражении.

Holidays, weather, wage payments and the common macro shock enter both parts and cancel out. What remains is the difference in group behaviour. On the absolute measure (the group’s own log activity), coefficients in the decision week are significant for all groups except the youngest, and with the same sign: this is the common component (including the panic buying of late February–March 2022) that the relative measure removes. The other side of the device: the “all ages” aggregate consists mostly of spending by the 25–64 groups, so their deviation from it is small by construction. The claim of the paper is about the difference between the young and the bulk of consumers, not about the absence of a response by the middle groups in absolute terms.

4.2. Локальные проекции

4.2. Local projections

Для каждого горизонта h = 0, …, 8 недель оценивается отдельная регрессия:

For each horizon h = 0, …, 8 weeks a separate regression is estimated:

где Δi_t — изменение ключевой ставки в процентных пунктах, отнесённое к неделе решения (ноль в остальные недели), а X_t включает эффекты недели года, позицию недели в месяце (зарплатные циклы), линейный тренд, два лага прироста зависимой переменной и два лага изменения ставки. Коэффициент β_h умножен на 100 и читается как процент трат группы относительно всех возрастов на процентный пункт изменения ставки. Стандартные ошибки — Ньюи–Уэста с лагом h + 1. При оценке на подмножестве решений недели остальных решений входят в выборку как обычные недели с нулевым шоком.

where Δi_t is the change in the key rate in percentage points, assigned to the decision week (zero in other weeks), and X_t includes week-of-year effects, the position of the week in the month (pay cycles), a linear trend, two lags of the growth of the dependent variable and two lags of the rate change. The coefficient β_h is multiplied by 100 and reads as the percentage of the group’s spending relative to all ages per percentage point of rate change. Standard errors are Newey–West with lag h + 1. When estimating on a subset of decisions, the weeks of the other decisions enter the sample as ordinary weeks with a zero shock.

4.3. Проверки

4.3. Checks

При 15–33 событиях асимптотические p-значения ненадёжны, а при перекрывающихся окнах локальные проекции склонны к ложным срабатываниям. Поэтому каждый результат проходит четыре проверки:

With 15–33 events asymptotic p-values are unreliable, and with overlapping windows local projections are prone to false positives. Each result therefore goes through four checks:

• перестановочный тест: те же величины изменений ставки 500 раз раскладываются по случайным неделям; p — доля расстановок с коэффициентом не меньше наблюдаемого по модулю;
• плацебо: набор всех решений сдвигается на 4 недели вперёд и на 6 недель назад;
• исключение по одному: каждое заседание поочерёдно выбрасывается из выборки;
• разные наборы событий: все изменения, плановые, плановые без 2022 года, отдельно повышения и снижения.

• permutation test: the same rate-change magnitudes are placed in random weeks 500 times; p is the share of draws with a coefficient at least as large in absolute value as observed;
• placebo: the set of all decisions is shifted 4 weeks forward and 6 weeks back;
• leave one out: each meeting is dropped from the sample in turn;
• different sets of events: all changes, scheduled, scheduled excluding 2022, hikes and cuts separately.

При 500 перестановках погрешность оценки p вблизи 0,05 составляет около ±0,01. Поэтому значения 0,042 и 0,054 мы читаем одинаково — как пограничные, а не как «проходит» и «не проходит». Для рынка жилья, где событие — непрерывный ряд ставки, а не набор дат, перестановочный тест не применяется; там устойчивость проверяется подвыборками и альтернативными мерами.

With 500 permutations the error of the p estimate near 0.05 is about ±0.01. We therefore read 0.042 and 0.054 the same way — as borderline, not as “passes” and “fails”. For the housing market, where the event is a continuous rate series rather than a set of dates, the permutation test does not apply; robustness there is checked with subsamples and alternative measures.

4.4. Разрыв «объявление минус сделка»

4.4. The listing-minus-transaction gap

Разрыв определён как gap_r,t = ln P^объявл_r,t − ln P^сделка_r,t. Уровень разрыва не читается как скидка при торге: совокупности объявлений и сделок различаются составом и охватом. Выводы строятся только на изменениях внутри региона. Реакция на ставку оценивается в первых разностях с распределёнными лагами (0–3 месяца), эффектами региона и стандартными ошибками, кластеризованными по региону и месяцу. Накопленная реакция — сумма коэффициентов при лагах.

The gap is defined as gap_r,t = ln P^list_r,t − ln P^deal_r,t. The level of the gap is not read as a bargaining discount: the populations of listings and transactions differ in composition and coverage. Conclusions are based only on changes within a region. The response to the rate is estimated in first differences with distributed lags (0–3 months), region effects and standard errors clustered by region and month. The cumulative response is the sum of the lag coefficients.

Для поправки на состав цена сделки измеряется на однородной группе «жильё старше 5 лет». Ряд «всего» СберИндекса не равен смеси двух возрастных срезов по уровню (у него шире охват), поэтому опознаются только изменения: вес молодого жилья в сделках оценивается из регрессии с эффектами региона и растёт на 4,2 п. п. в год (ст. ош. 0,9).

For the composition adjustment, the transaction price is measured on the homogeneous group “housing older than 5 years”. SberIndex’s “total” series is not a mix of the two age slices in levels (its coverage is wider), so only changes are identified: the weight of young housing in transactions is estimated from a regression with region effects and grows by 4.2 pp a year (s.e. 0.9).

5.1. Основной результат

5.1. Main result

В неделю решения траты группы 15–24 лет относительно всех возрастов меняются в сторону, противоположную ставке. Группы 25–34 и 35–64 лет от общей динамики не отклоняются. Таблица 1 показывает оценки на плановых повышениях — наборе с наибольшими по величине и самыми однородными решениями.

In the decision week, spending of the 15–24 group relative to all ages moves in the direction opposite to the rate. The 25–34 and 35–64 groups do not deviate from aggregate dynamics. Table 1 shows estimates on scheduled hikes — the set with the largest and most homogeneous decisions.

Повышение на 2 п. п., как 27 октября 2023 и 25 октября 2024 года, соответствует снижению трат группы 15–24 примерно на 2,6 % за неделю относительно её обычной динамики. Реакция короткая: к третьей неделе она неотличима от нуля. Оценка устойчива к исключению любого одного заседания: коэффициент остаётся в диапазоне от −1,50 до −1,00, без 2022 года — от −1,28 до −0,98 (p ≤ 0,018).

A hike of 2 pp, as on 27 October 2023 and 25 October 2024, corresponds to a fall in spending of the 15–24 group of about 2.6% in a week relative to its usual dynamics. The response is short: by the third week it is indistinguishable from zero. The estimate is robust to dropping any single meeting: the coefficient stays between −1.50 and −1.00, and without 2022 between −1.28 and −0.98 (p ≤ 0.018).

Коэффициент группы 65+ (+1,74) положителен и проходит перестановочный тест (p = 0,042), но рассыпается при исключении событий: p доходит до 0,49, без 2022 года интервал пересекает ноль, а в сыром окне вокруг событий медианы этой группы отрицательны. Этот результат мы не утверждаем.

The 65+ coefficient (+1.74) is positive and passes the permutation test (p = 0.042), but falls apart when events are dropped: p rises to 0.49, without 2022 the interval crosses zero, and in the raw window around events the medians for this group are negative. We do not claim this result.

5.2. Наборы событий и вопрос об асимметрии

5.2. Sets of events and the question of asymmetry

Таблица 2 показывает оценку для группы 15–24 на разных наборах решений. Знак одинаков везде, кроме плановых снижений 2022 года. Это пять решений в апреле — сентябре 2022 года, которые возвращали ставку после экстренного повышения до 20 % 28 февраля. По природе они отличаются от снижений 2025–2026 годов, проводившихся по мере замедления инфляции.

Table 2 shows the estimate for the 15–24 group on different sets of decisions. The sign is the same everywhere except the scheduled cuts of 2022. These are five decisions in April–September 2022 that brought the rate back after the emergency hike to 20% on 28 February. In nature they differ from the 2025–2026 cuts, made as inflation slowed.

Отсюда два вывода. Первый: нулевая реакция на все плановые снижения (−0,22) складывается из реакции противоположного знака в 2022 году и реакции, похожей на реакцию на повышения, в 2025–2026 годах. Поэтому утверждение «на ужесточение реагируют, на смягчение нет» на этих данных не подтверждается. Второй: на снижениях 2025–2026 годов точечная оценка близка к оценке на повышениях, но десяти решений по 0,25–2 п. п. недостаточно, чтобы отличить её от нуля по перестановочному тесту. Набор «плановые без 2022 года», где повышения и снижения входят вместе и реакция предполагается симметричной, проходит перестановочный тест (p = 0,042).

Two conclusions follow. First, the zero response to all scheduled cuts (−0.22) combines a response of the opposite sign in 2022 with a response similar to that to hikes in 2025–2026. The statement “people respond to tightening but not to easing” is therefore not supported by these data. Second, for the 2025–2026 cuts the point estimate is close to the one for hikes, but ten decisions of 0.25–2 pp are not enough to distinguish it from zero by the permutation test. The set “scheduled excluding 2022”, where hikes and cuts enter together and the response is assumed symmetric, passes the permutation test (p = 0.042).

5.3. Плацебо и горизонт выводов

5.3. Placebo and the horizon of conclusions

При сдвиге всех событий на 4 недели вперёд и на 6 недель назад в неделю фиктивного решения ни у одной группы нет значимой реакции (p ≥ 0,095). Но на горизонтах от двух-трёх недель плацебо даёт значимые коэффициенты не реже настоящих событий: например, у группы 65+ при сдвиге на 6 недель назад на горизонте 2 недель p < 0,001. Поэтому выводы работы ограничены первыми двумя неделями, а дальние горизонты в них не входят.

When all events are shifted 4 weeks forward or 6 weeks back, no group shows a significant response in the week of the fictitious decision (p ≥ 0.095). But at horizons from two to three weeks the placebo yields significant coefficients as often as real events: for example, for the 65+ group with a 6-week backward shift p < 0.001 at a 2-week horizon. The conclusions of the paper are therefore limited to the first two weeks; longer horizons are not included.

5.4. Как это читать

5.4. How to read this

Группа 15–24 лет почти не имеет ипотеки и крупных кредитов, а платёж по уже выданному кредиту в неделю решения не меняется: новые условия доходят до заёмщиков неделями. Мгновенная реакция этой группы поэтому идёт не через денежный поток, а через информацию: решение о ставке меняет готовность тратить раньше, чем меняются условия кредита. Группы 25–34 и 35–64 лет, на которые приходится основная долговая нагрузка, в неделю решения от общей динамики не отклоняются. Канал долга, по-видимому, работает медленнее и в недельных данных не виден. Этот вывод получен через исключение: долговую позицию групп агрегированный индекс не содержит, и прямо проверить канал ликвидности по нему нельзя. Это не противоречит выводу литературы о его силе на горизонте кварталов (Cloyne, Ferreira, Surico, 2020), а дополняет его: два канала разнесены во времени.

The 15–24 group has almost no mortgages or large loans, and the payment on an existing loan does not change in the decision week: new terms reach borrowers over weeks. The immediate response of this group therefore runs not through cash flow but through information: a rate decision changes the willingness to spend before credit conditions change. The 25–34 and 35–64 groups, which carry most of the debt, do not deviate from aggregate dynamics in the decision week. The debt channel apparently works more slowly and is not visible in weekly data. This conclusion is reached by elimination: the aggregated index contains no information on the groups’ debt positions, and the liquidity channel cannot be tested directly with it. This does not contradict the literature’s finding on its strength at a horizon of quarters (Cloyne, Ferreira, Surico, 2020), but complements it: the two channels are separated in time.

Почему ожидания сильнее всего влияют на траты молодых, эти данные не говорят. Правдоподобные объяснения — более высокая доля дискреционных трат, меньшие буферы ликвидности и большая чувствительность к новостному фону, — но проверить их по агрегированному индексу нельзя.

Why expectations affect the spending of the young most, these data do not say. Plausible explanations are a higher share of discretionary spending, smaller liquidity buffers and greater sensitivity to news, but they cannot be tested with an aggregated index.

6.1. Реакция разрыва на ставку

6.1. Response of the gap to the rate

Цена в объявлении не снижается первой: продавец держит запрос, а покупатель с подорожавшей ипотекой уходит с рынка. Поэтому первым сигналом ужесточения должна быть не цена, а расхождение между ценой объявления и ценой сделки. Данные это подтверждают, но с важной оговоркой о выборке. Мгновенная реакция разрыва на исходной мере (+0,18 п. п. на п. п. ставки, p < 0,0001) держится на одном эпизоде: скачок среднемесячной ставки в феврале — марте 2022 года (более 10 п. п.) даёт больше половины всей дисперсии месячных изменений ставки за период. Устойчив накопленный эффект (табл. 3).

The listing price is not cut first: the seller holds the asking price, while the buyer facing a more expensive mortgage leaves the market. The first signal of tightening should therefore be not the price but the divergence between the listing and transaction prices. The data confirm this, with an important caveat about the sample. The instantaneous response of the gap on the original measure (+0.18 pp per pp of the rate, p < 0.0001) rests on one episode: the jump of the average monthly rate in February–March 2022 (more than 10 pp) accounts for more than half of the total variance of monthly rate changes over the period. The cumulative effect is robust (Table 3).

Распределённые лаги показывают профиль: в месяц изменения ставки реакции нет (0,00), в следующем месяце +0,23 п. п. (p = 0,003), на третьем около трети отыгрывается назад (−0,08, p = 0,035). Подъём ставки на 2 п. п. расширяет разрыв на исходной мере примерно на 0,35–0,45 п. п. в течение квартала. Регионы с большим числом объявлений реагируют сильнее (+0,07 п. п. на стандартное отклонение предложения, p = 0,02), уровень цены ничего не добавляет (p = 0,31). При двух проверяемых взаимодействиях это наблюдение, а не результат.

Distributed lags show the profile: in the month of the rate change there is no response (0.00), in the next month +0.23 pp (p = 0.003), and by the third about a third reverses (−0.08, p = 0.035). A 2 pp rate hike widens the gap on the original measure by about 0.35–0.45 pp within a quarter. Regions with more listings respond more strongly (+0.07 pp per standard deviation of supply, p = 0.02), while the price level adds nothing (p = 0.31). With two interactions tested, this is an observation rather than a result.

6.2. Поправка на состав сделок

6.2. Adjusting for transaction composition

На вторичном рынке разрыв за 2022–2026 годы сжался почти вдвое: медиана по регионам упала с 13,9 до 6,1 %, тренд −1,35 п. п. в год. Естественное прочтение — продавцы стали дисциплинированнее. Оно неверно. Вес жилья моложе пяти лет в сделках растёт примерно на 4 п. п. в год, а такое жильё дороже старого на 18,9 логарифмического пункта, около 21 % (медиана по регионам за весь период). Правдоподобное объяснение премии — льготная ипотека прошлых лет, привязанная к первичному рынку: построенное тогда жильё перешло во вторичку вместе с ценой (об оценке капитализации субсидии см. Ахтямов, 2026б), но по этим данным это не проверяется. Средняя цена сделки росла быстрее цены сопоставимого жилья, и разрыв с объявлениями сжимался механически. Если измерять цену сделки на однородной группе «старше 5 лет», тренд разрыва исчезает (табл. 4).

In the secondary market the gap almost halved over 2022–2026: the median across regions fell from 13.9 to 6.1%, a trend of −1.35 pp a year. The natural reading is that sellers became more disciplined. It is wrong. The weight of housing under five years old in transactions grows by about 4 pp a year, and such housing is 18.9 log points more expensive than older housing, about 21% (median across regions over the whole period). A plausible explanation of the premium is the subsidised mortgage of previous years, tied to the primary market: housing built then moved into the secondary market together with its price (on the capitalisation of the subsidy see Akhtyamov, 2026b), but these data cannot test it. The average transaction price grew faster than the price of comparable housing, and the gap with listings narrowed mechanically. If the transaction price is measured on the homogeneous group “older than 5 years”, the trend of the gap disappears (Table 4).

Реакция на ставку поправку переживает и становится втрое сильнее: +0,52 п. п. на процентный пункт на однородной по возрасту мере против +0,16 на исходной. Сдвиг состава — медленный тренд, а реакция на ставку — движение внутри квартала. Тренд не создавал цикл, а размывал его. Состав объявлений проверить нельзя: возрастного среза по ним нет. Если объявления молодели так же быстро, как сделки, эффекты частично гасили бы друг друга.

The response to the rate survives the adjustment and becomes three times stronger: +0.52 pp per percentage point on the age-homogeneous measure against +0.16 on the original. The composition shift is a slow trend, while the response to the rate is a movement within a quarter. The trend did not create the cycle; it blurred it. The composition of listings cannot be checked: there is no age breakdown for them. If listings were getting younger as fast as transactions, the effects would partly cancel out.

6.3. Чего разрыв не делает

6.3. What the gap does not do

Популярная идея — использовать разрыв как опережающий индикатор цен. Внутривыборочно она выглядит убедительно: разрыв прошлого месяца объясняет прирост цены сделки за следующие 6 месяцев с коэффициентом 0,20 (p ≈ 0,001). Однако тот же разрыв «объясняет» и прошлый прирост с обратным знаком (−0,26), что невозможно для содержательного предсказания. Ограничение равных коэффициентов при цене объявления и цене сделки отвергается на всех горизонтах, работает цена сделки со своим возвратом к уровню. Во вневыборочной проверке (27 скользящих точек) выигрыш неустойчив: около 2 % в спецификации с эффектами региона, которая сама прогнозирует хуже, и нет выигрыша в лучшей спецификации. Прогнозная сила разрыва — это возврат к среднему шумной средней цены сделки, а не информация в запросе продавца. Для мониторинга трансмиссии разрыв полезен как индикатор реакции, но не как прогноз цен.

A popular idea is to use the gap as a leading indicator of prices. In sample it looks convincing: last month’s gap explains the growth of the transaction price over the next 6 months with a coefficient of 0.20 (p ≈ 0.001). But the same gap also “explains” past growth with the opposite sign (−0.26), which is impossible for a genuine prediction. The restriction of equal coefficients on the listing and transaction prices is rejected at all horizons; it is the transaction price with its own mean reversion that does the work. In the out-of-sample check (27 rolling origins) the gain is unstable: about 2% in the specification with region effects, which itself forecasts worse, and no gain in the best specification. The predictive power of the gap is mean reversion of a noisy average transaction price, not information in the seller’s asking price. For monitoring transmission the gap is useful as an indicator of the response, not as a price forecast.

Решение о ставке не случайно, и бо́льшая его часть ожидается рынком. Гипотеза постоянного дохода (Hall, 1978) предсказывает, что траты реагируют только на неожиданную часть. Мы раскладываем каждое решение на сюрприз — изменение доходности ОФЗ на сроке 0,25 года между последним торговым днём до заседания и днём заседания — и ожидаемую часть (остаток). Решение объявляется в 13:30 по московскому времени, торги закрываются позже, поэтому дневное значение за день решения новость уже содержит. Заседание 28 февраля 2022 года выпадает: торги были остановлены. В оценку входят 32 изменения.

A rate decision is not random, and most of it is expected by the market. The permanent-income hypothesis (Hall, 1978) predicts that spending responds only to the surprise. We split each decision into a surprise — the change in the 0.25-year OFZ yield between the last trading day before the meeting and the meeting day — and an expected part (the remainder). The decision is announced at 13:30 Moscow time and trading closes later, so the daily value for the decision day already contains the news. The meeting of 28 February 2022 drops out: trading was suspended. 32 changes enter the estimation.

Разложение ведёт себя разумно. Экстренное повышение 15 августа 2023 года на 3,5 п. п. даёт сюрприз 2,3 п. п., плановое повышение 25 октября 2024 года на 2 п. п. — 0,83 п. п., ожидавшееся снижение 25 июля 2025 года на 2 п. п. — около нуля.

The decomposition behaves sensibly. The emergency hike of 3.5 pp on 15 August 2023 gives a surprise of 2.3 pp, the scheduled 2 pp hike of 25 October 2024 gives 0.83 pp, and the expected 2 pp cut of 25 July 2025 gives about zero.

Знаки соответствуют гипотезе Холла, и соотношение устойчиво к выбору срока (0,25, 0,5 и 1 год) и окна: коэффициент при сюрпризе лежит в диапазоне от −2,1 до −3,2, при ожидаемой части — от −0,7 до −1,0. Но перестановочный тест не подтверждает ни одну оценку (p от 0,21 до 0,63 по наборам). На наборе «плановые без 2022 года» по Ньюи–Уэсту значим коэффициент при ожидаемой части (−0,95, p = 0,036), то есть именно то, чего по Холлу быть не должно, и перестановочный тест не держит и его (p = 0,21). На этих данных легко получить «значимый» результат любого знака.

The signs match Hall’s hypothesis, and the ratio is robust to the choice of maturity (0.25, 0.5 and 1 year) and window: the coefficient on the surprise lies between −2.1 and −3.2, on the expected part between −0.7 and −1.0. But the permutation test confirms none of the estimates (p from 0.21 to 0.63 across sets). On the set “scheduled excluding 2022” the Newey–West test finds the coefficient on the expected part significant (−0.95, p = 0.036), exactly what should not happen under Hall, and the permutation test does not hold it either (p = 0.21). On these data it is easy to obtain a “significant” result of either sign.

Причина — в мощности. На плановых повышениях стандартное отклонение изменения ставки 0,58 п. п., сюрприза — 0,38 п. п., корреляция между ними 0,70. Минимальный обнаружимый эффект при такой вариации — 3,7 % на процентный пункт сюрприза при оценке −2,4 %. Чтобы опустить его до наблюдаемой величины, выборка должна вырасти примерно в два с половиной раза, или нужна мера сюрприза без премии за срок. Ряд свопов на RUONIA (ROISfix) закончился 1 марта 2022 года. Поэтому вывод основного раздела остаётся сформулирован для изменения ставки целиком.

The reason is power. For scheduled hikes the standard deviation of the rate change is 0.58 pp, of the surprise 0.38 pp, with a correlation of 0.70 between them. The minimum detectable effect with this variation is 3.7% per percentage point of surprise, against an estimate of −2.4%. To bring it down to the observed value the sample would have to grow about two and a half times, or a surprise measure without a term premium is needed. The RUONIA swap series (ROISfix) ended on 1 March 2022. The main conclusion therefore remains formulated for the rate change as a whole.

Результаты дают два ранних индикатора, доступных по открытым данным в течение недели — месяца после решения.

The results give two early indicators available from open data within a week to a month after a decision.

Открытые вопросы закрываются данными, которые есть у Банка России или у участников рынка, но не публикуются:

The open questions can be closed with data that the Bank of Russia or market participants have but do not publish:

• траты по возрасту в сочетании с долговой позицией — чтобы отделить канал ожиданий от канала ликвидности внутри группы;
• ряд ожиданий по ставке без премии за срок (свопы на RUONIA после 2022 года) — чтобы проверить реакцию на сюрприз;
• муниципальный разрез цен объявлений и сделок и возрастной срез объявлений — чтобы проверить пространственную неоднородность реакции и состав предложения.

• spending by age combined with debt position — to separate the expectations channel from the liquidity channel within a group;
• a series of rate expectations without a term premium (RUONIA swaps after 2022) — to test the response to the surprise;
• a municipal breakdown of listing and transaction prices and an age breakdown of listings — to test spatial heterogeneity of the response and the composition of supply.

Методика и код открыты и воспроизводятся на любой панели такого вида; на внутренних данных проверка займёт недели.

The method and code are open and reproduce on any panel of this kind; on internal data the check would take weeks.

• Индекс СберИндекса измеряет безналичные траты по картам одного банка в товарных категориях, а не потребление. Группа 15–24 — самая малочисленная; недельное стандартное отклонение её прироста 5,1 % против 4,8 % у всех возрастов (у 65+ — 7,3 %).
• Решение о ставке эндогенно: оно принимается в ответ на инфляцию и другие условия, которые сами влияют на траты. Относительная мера убирает общую часть, но если ужесточение систематически совпадает с шоками, бьющими именно по молодым, оценка их захватит.
• Данные по тратам — только по России целиком; региональные выводы для них невозможны.
• Панель цен покрывает 48–57 месяцев и по сути один цикл ставки. Отделить ставку от всего, что менялось вместе с ней, эти данные не позволяют.
• Граница «5 лет» скользящая: жильё 2020 года постройки в 2022 году было молодым, а в 2026 году уже нет.
• Неожиданная часть решения не отделена надёжно от ожидаемой (раздел 7).
• Относительная мера сравнивает группу с агрегатом, в котором доминируют группы 25–64 лет; их отклонение от агрегата мало по построению (раздел 4.1).

• The SberIndex index measures cashless card spending at one bank in product categories, not consumption. The 15–24 group is the smallest; the weekly standard deviation of its growth is 5.1% against 4.8% for all ages (7.3% for 65+).
• The rate decision is endogenous: it is taken in response to inflation and other conditions that themselves affect spending. The relative measure removes the common part, but if tightening systematically coincides with shocks hitting the young in particular, the estimate will capture them.
• Spending data are for Russia as a whole only; regional conclusions are impossible for them.
• The price panel covers 48–57 months and essentially one rate cycle. These data do not allow the rate to be separated from everything that changed with it.
• The “5 years” boundary is moving: housing built in 2020 was young in 2022 and no longer is in 2026.
• The surprise part of a decision is not reliably separated from the expected part (Section 7).
• The relative measure compares the group with an aggregate dominated by the 25–64 groups; their deviation from the aggregate is small by construction (Section 4.1).

На открытых высокочастотных данных реакция на решения по ключевой ставке видна раньше всего в двух местах: в недельных тратах самой молодой группы и в разрыве между ценой объявления и ценой сделки на рынке жилья. Первое указывает на канал ожиданий, который работает в ту же неделю и не зависит от долговой нагрузки. Второе показывает, что рынок жилья откликается через исчезновение покупателей раньше, чем через цены. Первый результат проходит перестановочные тесты на границе 5 % и проверки на плацебо, второй устойчив к выбору подвыборки и меры цены сделки. Не менее важно то, что эти данные сказать не позволяют: асимметрию реакции на повышения и снижения, реакцию только на неожиданную часть решения и прогнозную силу разрыва для цен. С каждым новым заседанием выборка растёт, и часть этих вопросов закроется в ближайшие годы. Остальные требуют данных, которые пока не публикуются.

In open high-frequency data the response to key-rate decisions is visible earliest in two places: in the weekly spending of the youngest group and in the gap between listing and transaction prices in the housing market. The first points to an expectations channel that works in the same week and does not depend on debt. The second shows that the housing market responds through the disappearance of buyers before prices move. The first result passes permutation tests at the 5% boundary and placebo checks, the second is robust to the choice of subsample and transaction-price measure. No less important is what these data do not allow us to say: an asymmetric response to hikes and cuts, a response only to the surprise part of a decision, and predictive power of the gap for prices. With each new meeting the sample grows, and some of these questions will be resolved in the coming years. The rest require data that are not yet published.

Код, конфигурации и контрольные суммы выгрузок — github.com/rav11l/sberindex-regions, депозит Zenodo DOI 10.5281/zenodo.23318082 (лицензия MIT). Команды прогона: python -m siregions.cli rate | gap | novelty | surprise --config configs/<имя>.yaml. Числа в тексте совпадают с результатами прогона от 16 октября 2026 года; разбивка снижений по периодам (табл. 2) получена тем же кодом с фильтром по году решения.

Code, configurations and checksums of the releases — github.com/rav11l/sberindex-regions, Zenodo deposit DOI 10.5281/zenodo.23318082 (MIT licence). Run commands: python -m siregions.cli rate | gap | novelty | surprise --config configs/<name>.yaml. The numbers in the text match the run of 16 October 2026; the split of cuts by period (Table 2) was obtained with the same code, filtering by decision year.

1. Ахтямов Р. (2026а). Региональные панели СберИндекса: код и данные. Digital Economy Lab. DOI: 10.5281/zenodo.23318082.
2. Ахтямов Р. (2026б). Капитализация ипотечной субсидии в цене жилья: оценка по региональным данным России. Digital Economy Lab, WP-2026-04.
3. СберИндекс (2026). Открытые данные: «Потребительская активность по категориям товаров в разрезе возрастов», «Динамика цен объявлений», «Цены сделок с жилой недвижимостью», «Цены на жилую недвижимость». URL: sberindex.ru. Дата выгрузки 12.10.2026.
4. Банк России (2021–2026). Кривая бескупонной доходности государственных облигаций. URL: cbr.ru/hd_base/zcyc_params.
5. Cloyne J., Ferreira C., Surico P. (2020). Monetary policy when households have debt: New evidence on the transmission mechanism. Review of Economic Studies, 87(1), 102–129.
6. Coibion O., Gorodnichenko Y., Weber M. (2022). Monetary policy communications and their effects on household inflation expectations. Journal of Political Economy, 130(6), 1537–1584.
7. Genesove D., Mayer C. (2001). Loss aversion and seller behavior: Evidence from the housing market. Quarterly Journal of Economics, 116(4), 1233–1260.
8. Gürkaynak R. S., Sack B., Swanson E. T. (2005). Do actions speak louder than words? The response of asset prices to monetary policy actions and statements. International Journal of Central Banking, 1(1), 55–93.
9. Hall R. E. (1978). Stochastic implications of the life cycle–permanent income hypothesis: Theory and evidence. Journal of Political Economy, 86(6), 971–987.
10. Holm M. B., Paul P., Tischbirek A. (2021). The transmission of monetary policy under the microscope. Journal of Political Economy, 129(10), 2861–2904.
11. Jordà Ò. (2005). Estimation and inference of impulse responses by local projections. American Economic Review, 95(1), 161–182.
12. Kaplan G., Moll B., Violante G. L. (2018). Monetary policy according to HANK. American Economic Review, 108(3), 697–743.
13. Kuttner K. N. (2001). Monetary policy surprises and interest rates: Evidence from the Fed funds futures market. Journal of Monetary Economics, 47(3), 523–544.
14. Montiel Olea J. L., Plagborg-Møller M. (2021). Local projection inference is simpler and more robust than you think. Econometrica, 89(4), 1789–1823.
15. Nakamura E., Steinsson J. (2018). High-frequency identification of monetary non-neutrality: The information effect. Quarterly Journal of Economics, 133(3), 1283–1330.
16. Newey W. K., West K. D. (1987). A simple, positive semi-definite, heteroskedasticity and autocorrelation consistent covariance matrix. Econometrica, 55(3), 703–708.
17. Woodford M. (2003). Interest and Prices: Foundations of a Theory of Monetary Policy. Princeton: Princeton University Press.

1. Akhtyamov R. (2026a). SberIndex regional panels: code and data. Digital Economy Lab. DOI: 10.5281/zenodo.23318082.
2. Akhtyamov R. (2026b). Capitalisation of mortgage subsidies into house prices: evidence from Russian regional data. Digital Economy Lab, WP-2026-04.
3. SberIndex (2026). Open data: “Consumer activity by product category and age”, “Listing price dynamics”, “Residential real estate transaction prices”, “Residential real estate prices” (in Russian). URL: sberindex.ru. Downloaded 12.10.2026.
4. Bank of Russia (2021–2026). Zero-coupon yield curve of government bonds (in Russian). URL: cbr.ru/hd_base/zcyc_params.
5. Cloyne J., Ferreira C., Surico P. (2020). Monetary policy when households have debt: New evidence on the transmission mechanism. Review of Economic Studies, 87(1), 102–129.
6. Coibion O., Gorodnichenko Y., Weber M. (2022). Monetary policy communications and their effects on household inflation expectations. Journal of Political Economy, 130(6), 1537–1584.
7. Genesove D., Mayer C. (2001). Loss aversion and seller behavior: Evidence from the housing market. Quarterly Journal of Economics, 116(4), 1233–1260.
8. Gürkaynak R. S., Sack B., Swanson E. T. (2005). Do actions speak louder than words? The response of asset prices to monetary policy actions and statements. International Journal of Central Banking, 1(1), 55–93.
9. Hall R. E. (1978). Stochastic implications of the life cycle–permanent income hypothesis: Theory and evidence. Journal of Political Economy, 86(6), 971–987.
10. Holm M. B., Paul P., Tischbirek A. (2021). The transmission of monetary policy under the microscope. Journal of Political Economy, 129(10), 2861–2904.
11. Jordà Ò. (2005). Estimation and inference of impulse responses by local projections. American Economic Review, 95(1), 161–182.
12. Kaplan G., Moll B., Violante G. L. (2018). Monetary policy according to HANK. American Economic Review, 108(3), 697–743.
13. Kuttner K. N. (2001). Monetary policy surprises and interest rates: Evidence from the Fed funds futures market. Journal of Monetary Economics, 47(3), 523–544.
14. Montiel Olea J. L., Plagborg-Møller M. (2021). Local projection inference is simpler and more robust than you think. Econometrica, 89(4), 1789–1823.
15. Nakamura E., Steinsson J. (2018). High-frequency identification of monetary non-neutrality: The information effect. Quarterly Journal of Economics, 133(3), 1283–1330.
16. Newey W. K., West K. D. (1987). A simple, positive semi-definite, heteroskedasticity and autocorrelation consistent covariance matrix. Econometrica, 55(3), 703–708.
17. Woodford M. (2003). Interest and Prices: Foundations of a Theory of Monetary Policy. Princeton: Princeton University Press.

Решение 11 сентября 2026 года о сохранении ставки на уровне 14 % включено в реестр с нулевым изменением и на оценку не влияет.

The decision of 11 September 2026 to keep the rate at 14% is included in the registry with a zero change and does not affect the estimates.