Przyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR

Transkrypt

1

2 Przyczyny wahań realnego kursu walutowego w Polsce wyniki badań z wykorzystaniem bayesowskich strukturalnych modeli VAR dr Marek A. Dąbrowski Uniwersytet Ekonomiczny w Krakowie Katedra Makroekonomii marek.dabrowski@uek.krakow.pl dr Justyna Wróblewska Uniwersytet Ekonomiczny w Krakowie Katedra Ekonometrii i Badań Operacyjnych eowroble@cyf-kr.edu.pl Artykuł powstał w ramach realizacji projektu sfinansowanego ze środków Narodowego Centrum Nauki przyznanych na podstawie decyzji numer DEC-2012/07/B/HS4/00723.

3 Plan wystąpienia Wprowadzenie i cel badawczy Makroekonomiczny model gospodarki otwartej Reakcje na wstrząsy strukturalne Opis metody badawczej Dane i rozkłady a priori Wyniki empiryczne Podsumowanie

4 Wprowadzenie i cel badań Dwie role kursu walutowego: jako źródło wstrząsów jako amortyzator wstrząsów Cel: ustalenie przyczyn fluktuacji realnego kursu walutowego złotego w latach Wcześniejsze opracowania: Clarida i Galí (1994): Kanada, Japonia, Niemcy, W. Brytania; (kwartalne), trzy wstrząsy Farrant i Peersman (2005): Kanada, Japonia, strefa euro, W. Brytania, (kwartalne) Artis i Ehrmann (2006): Dania, Kanada, Szwecja i W. Brytania, (miesięczne), pięć wstrząsów Bjørnland (2009): Australia, Kanada, N. Zelandia i Szwecja, (kwartalne), pięć wstrząsów

5 Kurs złotego jako amortyzator/źródło wstrząsów Borowski (2007): realny efektywny kurs złotego słabo reagował na sytuację w sferze realnej, a jego zmiany były źródłem wstrząsów dla polskiej gospodarki Raport NBP (2009) i opracowania cząstkowe: chociaż kurs złotego stanowi mechanizm absorbujący szoki realne, to nie należy postrzegać rezygnacji z niezależnej polityki walutowej wyłącznie w kategoriach wyrzeczenia się możliwości wykorzystania zmienności kursu walutowego jako amortyzatora niekorzystnych dla gospodarki wstrząsów [ponieważ daje ona] szansę uniknięcia kosztów, jakie pociągają za sobą duże wahania nominalnego kursu walutowego, niezwiązane z czynnikami fundamentalnymi Stążka-Gawrysiak (2009): nominalny kurs złotego pełnił rolę amortyzatora wstrząsów rozszerzenie próbki na okres światowego kryzysu finansowego skutkowało zwiększeniem znaczenia wstrząsów finansowych; ich udział w objaśnianiu zmienności tak nominalnego, jak i realnego kursu walutowego pozostawał jednak na bardzo niskim poziomie (w krótkim okresie od 2,9% do 4,4%)

6 Model strukturalny (Clarida i Galí, 1994) Makroekonomiczny: krzywe IS i LM Gospodarka otwartej: warunek UIP Lepkość cen: równanie dostosowania cen (PS) Racjonalne oczekiwania Stochastyczny: wstrząsy podażowe, popytowe i pieniężne Zmienne: różnica między zmienną krajową, a zagraniczną (logarytm, z wyjątkiem stóp procentowych)

7 Strona stochastyczna (Clarida i Galí, 1994) Trzy procesy stochastyczne opisują: podaż zagregowaną, zaburzenia popytowe, zasób pieniądza Modelowane jako błądzenie losowe (komponent trwały) Dodatkowo komponent przejściowy w zaburzeniu popytowym Trzy wstrząsy strukturalne: podażowe, popytowe i pieniężne wartości oczekiwane zero stałe (niekoniecznie równe) wariancje nieskorelowane

8 Rozszerzenie modelu Premia za ryzyko i zaburzenia finansowe Strona stochastyczna dodatkowo wstrząs finansowy Realny kurs walutowy (RKW): Dekompozycja RKW (zob. np. Betts i Kehoe, 2008)

9 Model rozszerzony Równania podstawowe Procesy stochastyczne podaż zagregowana zaburzenia popytowe zasób pieniądza premia za ryzyko

10 Zmienne w modelu Podstawowe zmienne endogeniczne: Pozostałe zmienne endogeniczne: Wstrząsy strukturalne:

11 Długookresowe reakcje na wstrząsy strukturalne Zmienna Wstrząs podażowy popytowy finansowy Pieniężny Produkcja Ceny względne dóbr typu N 0 0 Realny kurs walutowy dla dóbr T + 0 Poziom cen Uwagi: + oznacza wzrost, oznacza spadek, 0 oznacza brak zmian. Źródło: opracowanie własne.

12 Strukturalny model wektorowej autoregresji à la Blanchard i Quah Rozważmy n-wymiarowy kowariancyjnie stacjonarny proces VAR(k): Zgodnie z twierdzeniem Wolda proces ten ma następującą reprezentację VMA: gdzie parametryφ i są funkcjami parametrów A i procesu VAR. Naszym celem jest wyznaczenie strukturalnej postaci VMA:

13 Strukturalny model wektorowej autoregresji à la Blanchard i Quah Innowacje występujące w zredukowanej postaci VMA są liniową kombinacją wstrząsów strukturalnych, a więc istnieje nieosobliwa macierz S taka, że u t = Sε t, czyli: Dla identyfikacji wstrząsów strukturalnych należy zatem oszacować macierz C 0 (n n) potrzebujemy n 2 restrykcji identyfikujących. Z założeń Var(u t ) = Σ U, Var(ε t ) oraz związku u t = C 0 ε t wynika, że Σ U = C 0 C 0T, co daje n(n+1)/2 restrykcji.

14 Strukturalny model wektorowej autoregresji à la Blanchard i Quah Brakujące restrykcje zostaną nałożone z wykorzystaniem metody [Blancharda i Quaha, 1989], która zakłada wykluczenie długookresowego wpływu wybranych wstrząsów na ustalone zmienne. Macierz grupuje parametry opisujące długookresowy wpływ wstrząsów. Wykluczenie skumulowanego oddziaływania j-tego wstrząsu na i-tą zmienną jest równoznaczne z przyjęciem założenia,że element (i, j) macierzyξ jest równy zero.

15 Przyjęty schemat identyfikacji wstrząsów strukturalnych Uwagi: 0 oznacza brak zmian. Źródło: opracowanie własne.

16 Przyjęty schemat identyfikacji wstrząsów strukturalnych Uwagi: 0 oznacza brak zmian. Źródło: opracowanie własne.

17 Analiza empiryczna - dane Wyrównane sezonowo obserwacje kwartalne z okresu 1998Q1 2011Q4 dla czterech szeregów czasowych: względny dochód (y), ceny względne dóbr typu N (q N ), realny kurs walutowy dla dóbr typu T (q T ), względny poziom cen (p). Uwagi: Przyjęto, że stan gospodarki zagranicznej opisują dane dla strefy euro (17 krajów). Analizie poddano roczne tempa wzrostu oryginalnych wartości. Źródło danych: OECD, Eurostat

18 Analiza empiryczna, c.d. Ustalając rozkłady a priori dla parametrów modeli, przyjęto powszechnie stosowaną strukturę Wishart-Normalny. Łączny rozkład a priori został ucięty przez warunek stabilności nałożony na parametry modelu. Porównano modele VAR(3) VAR(8). Oszacowane prawdopodobieństwa a posteriori porównywanych modeli: W dalszych analizach wykorzystano technikę bayesowskiego łączenia wiedzy.

19 Funkcje reakcji na egzogeniczne zaburzenia losowe (linie ciągłe prezentują mediany rozkładów a posteriori, linie przerywane kwantyle rzędu 0,1 i 0,9)

20 Dekompozycja wariancji błędu prognoz rocznego tempa zmian realnego kursu walutowego horyzont prognozy wstrząs podażowy popytowy finansowy pieniężny Źródło: opracowanie własne z wykorzystaniem techniki bayesowskiego łączenia wiedzy w grupie modeli VAR(3),, VAR(8), na podstawie 100 tys. zaakceptowanych cykli Gibbsa, po odrzuceniu 500 tys. cykli wstępnych.

21 Rozbieżności między modelem teoretycznym a empirycznymi IRF Problem ogólniejszy dotyczący także innych opracowań; przykłady: Clarida i Galí (1994): reakcja realnego kursu na wstrząs podażowy sprzeczna z modelem (DE/US UK/US) Farrant i Peersman (2005): brak neutralności pieniądza: wstrząs monetarny trwale wpływał na produkcję (UK, CA) i realny kurs walutowy (UK, EA, JP) wstrząs podażowy nie wpływał w długim okresie na realny kurs (UK, JP, CA) wstrząs popytowy nie wpływał w długim okresie na ceny (EA, CA) Rozbieżności ograniczone do reakcji jednej zmiennej różnicy we względnym poziomie cen dóbr typu N

22 Zmienność realnego kursu złotego Reakcje na wstrząsy statystycznie istotne potencjał objaśniania wahań realnego kursu walutowego Stabilizująca rola zmian realnego kursu walutowego: silniejsza reakcja w średnim i długim okresie na wstrząsy realne (ok. 9-12%) niż na wstrząsy finansowe (1,5-3%) i pieniężne (ok. 4,5-7%) dekompozycja wariancji błędu prognozy rocznego przyrostu realnego kursu walutowego: dominują wstrząsy realne: popytowe (51-62%), podażowe (9-15%) pieniężne (14-18%), a finansowe (13-16%)

23 Podsumowanie Celem było rozpoznanie przyczyn wahań realnego kursu złotego uwzględniono występowanie wstrząsów finansowych (pełniejszy obraz i lepsze dopasowanie wstrząsów implikowanych przez teorię do ich empirycznych odpowiedników) Dominującą rolę w kształtowaniu wahań realnego kursu złotego odgrywały wstrząsy realne (kurs jako amortyzator zaburzeń) Wstrząsy finansowe nie były dominującym źródłem zmienności realnego kursu walutowego, ale ich znaczenie było znacznie większe niż sugerowały wyniki wcześniejszych badań Ostrożność: wyniki empiryczne są»tak dobre jak schemat identyfikacji [wstrząsów], który został zastosowany, aby nadać sens składnikom resztowym«(artis i Ehrmann, 2006) rozbieżności między teoretycznymi i empirycznymi funkcjami reakcji na impuls

24 Dziękujemy za uwagę! dr Marek A. Dąbrowski Uniwersytet Ekonomiczny w Krakowie Katedra Makroekonomii marek.dabrowski@uek.krakow.pl dr Justyna Wróblewska Uniwersytet Ekonomiczny w Krakowie Katedra Ekonometrii i Badań Operacyjnych eowroble@cyf-kr.edu.pl