Перейти к основному содержимому

Анализ государственного долга

Назначение и аудитория​

Для аналитиков макропоказателей и долговой устойчивости, которым нужны официальные ряды по федеральному долгу и своды по субъектам/МО, с возможностью сверить агрегаты с регламентированным контуром (долговые книги, отчётность) без подмены определений показателей.

Входные данные​

Инструменты​

  • Python 3 с requests и csv (как в how-to по каталогу Минфина); далее pandas для временных рядов после выбора конкретного CSV.
  • Excel/LibreOffice — для разового просмотра XLSX по субъектам.
  • Осмысленный User-Agent при HTTP-запросах к minfin.gov.ru.

Шаги​

  1. Зафиксируйте уровень — федеральный долг РФ, субнациональный агрегат или муниципальный контур; не смешивайте определения в одном ряду.
  2. Загрузите list.csv, найдите наборы по ключевым словам в title или по известным идентификаторам (например внутренний долг — 7710168360-DomesticDebt).
  3. Разберите паспорт meta.csv, выберите актуальный файл structure-… / data-… по дате в имени ключа и по полю modified.
  4. Постройте ряды — приведите даты к типу даты, проверьте единицы (млн руб. / руб. в зависимости от файла).
  5. Добавьте знаменатель — ВВП или номинальный бюджет только из согласованного источника и той же методики периода.
  6. Сверьте смысл с формами долга и долговой книгой там, где сравнение уместно по методике.

Воспроизводимый пример​

Минимальный сценарий: найти набор «Внутренний долг» в list.csv, открыть паспорт и вывести URL последнего structure-*.csv (как ориентир для скачивания ряда). Полный разбор каталога — в Открытые данные Минфина (каталог и паспорта).

import csv
import io

import requests

LIST_URL = "https://minfin.gov.ru/opendata/list.csv"
DATASET_ID = "7710168360-DomesticDebt"
HEADERS = {"User-Agent": "Mozilla/5.0 (compatible; finguide-howto/1.0)"}


def get_text(url: str) -> str:
    resp = requests.get(url, headers=HEADERS, timeout=60)
    resp.raise_for_status()
    resp.encoding = resp.apparent_encoding or resp.encoding or "utf-8"
    return resp.text


def rows_from_list_csv(text: str) -> list[dict[str, str]]:
    reader = csv.DictReader(io.StringIO(text))
    return [r for r in reader if r.get("property", "").startswith("7710168360")]


def meta_as_dict(meta_url: str) -> dict[str, str]:
    text = get_text(meta_url)
    reader = csv.DictReader(io.StringIO(text))
    return {row["property"]: row["value"] for row in reader}


text = get_text(LIST_URL)
registry = rows_from_list_csv(text)
row = next(r for r in registry if r["property"] == DATASET_ID)
meta = meta_as_dict(row["value"])
structure_keys = sorted(
    k for k, v in meta.items() if k.startswith("structure-") and v.endswith(".csv")
)
print("identifier:", meta.get("identifier"))
print("modified:", meta.get("modified"))
print("structure keys:", len(structure_keys))
print("latest structure URL:", meta[structure_keys[-1]])

Проверка результата​

  • Ответ на list.csv — CSV с заголовком, а не HTML-страница ограничения доступа.
  • В паспорте присутствует identifier, совпадающий с выбранной строкой каталога (7710168360-DomesticDebt).
  • Хотя бы один URL structure-*.csv непустой; после скачивания файла — sanity-check чисел (порядок величины, отсутствие только нулей в ключевых столбцах).

Ограничения и типовые ошибки​

  • Разные каналы — агрегаты в XLSX на сайте Минфина и строки в каталоге opendata не обязаны совпадать построчно; сверяйте определение показателя и дату.
  • Курс и валюта — для внешнего долга используйте набор 7710168360-ExternalDebt и поля паспорта, не смешивайте с внутренним без явной методики.
  • Субнациональные XLSX — это не замена долговых книг; для регламентированного учёта см. Казначейство.
  • Без User-Agent minfin.gov.ru может отдать HTML вместо CSV.

Связанные страницы​