Rozdziaª 6. Strukturalne modele VAR

Transkrypt

1 Rozdziaª 6. Strukturalne modele VAR MODELOWANIE POLSKIEJ GOSPODARKI z R MPGzR (rozdz. 6) Modele SVAR 1 / 25

2 Wprowadzenie do modeli SVAR Krytyka modeli wielorównaniowych z lat 50-tych i 60-tych postaci: By t + Γx t = ϵ t, arbitralny podziaª zmiennych modelu na endogeniczne i egzogeniczne; narzucenie a-priori postaci dynamicznej modelu; narzucanie warunków zerowych na macierze B i Γ (niekoniecznie spójnych z danymi oraz teori ekonomii) w celu zapewnienia identykowalno±ci modelu; sªabe wªasno±ci prognostyczne oraz symulacyjne; brak odporno±ci na krytyk Lucasa, tj. nieuwzgl dnienie oczekiwa«podmiotów gospodarczych. MPGzR (rozdz. 6) Modele SVAR 2 / 25

3 Wprowadzenie do modeli SVAR Sims (1980) zaproponowaª nowe podstawy ª cznego modelowania wielu zmiennych ekonomicznych za pomoc strukturalnych modeli VAR, które: nie zakªadaj podziaªu a-priori na zmienne endogeniczne i egzogeniczne; nie nakªadaj warunków zerowych; maj bogat specykacj dynamiczn ; s odporne na krytyk Lucasa. MPGzR (rozdz. 6) Modele SVAR 3 / 25

4 Wprowadzenie do modeli SVAR Modele SVAR a zmiana my±lenia o funkcjonowaniu gospodarki: Tradycyjny model wielorównaniowy: Interpretacja pojedynczych wspóªczynników, okre±lanych jako mno»niki Model SVAR Interpretacja dynamicznej reakcji na zewn trzne szoki strukturalne MPGzR (rozdz. 6) Modele SVAR 4 / 25

5 Przyczynowo± Uwzgl dnienie zale»no±ci mi dzy zmiennymi z i x: Tradycyjny model wielorównaniowy: Uwzgl dnienie zmiennej x w roli regresora w równaniu dla zmiennej z Model VAR Testy przyczynowo±ci Denicja przyczynowo±ci (Granger, 1969): Zmienna x jest przyczyn z, je»eli bie» ce warto±ci z mo»na prognozowa z wi ksz dokªadno±ci przy u»yciu przeszªych warto±ci x ni» bez ich wykorzystania, przy nie zmienionej pozostaªej informacji. MPGzR (rozdz. 6) Modele SVAR 5 / 25

6 Przyczynowo± Niech wektor zmiennych endogenicznych y t = [z t, x t ], gdzie z t i x t s wymiarów N 1 oraz N 2, N 1 + N 2 = N. Model VAR mo»na zapisa jako: [ zt x t ] = P [ ] [ Ap(11) A p(12) zt i p=1 A p(21) A p(22) x t i W celu ustalenia czy x jest przyczyn wektora z testujemy: ] + [ ϵ z t ϵ x t ]. H 0 : 1 p P A p(12) = 0 H 1 : i p P A p(12) 0. Przy prawdziwo±ci H 0 statystyka testu Walda ma rozkªad F -Snedecora o v 1 = P N 1 N 2 oraz v 2 = TN PN 2 stopniach swobody. MPGzR (rozdz. 6) Modele SVAR 6 / 25

7 Przyczynowo± Przyczynowo± w sensie Grangera nie analizuje wyst powania jednoczesnych zale»no±ci (instantaneous causality), które s opisywane przez macierz kowariancji: [ ] Σ11 Σ Σ = 12, Σ 21 Σ 22 Zespóª hipotez dla jednoczesnej przyczynowo±ci: H 0 :Σ 12 = 0 H 1 :Σ Przy prawdziwo±ci H 0 odpowiednia statystyka ma rozkªad χ 2 o N 1 N 2 stopniach swobody. Symetryczno± testu: je»eli z jest jednoczesn przyczyn dla x to jest to równoznaczne z faktem,»e x jest jednoczesn przyczyn dla z MPGzR (rozdz. 6) Modele SVAR 7 / 25

8 Posta modelu SVAR Model VAR w postaci strukturalnej (posta SVAR): Ay t = C 0 + C 1 y t C P y t P + Bη t, η t N(0, I N ) Skªadniki losowe η nt wzgl dem siebie niezale»ne - mo»na im nada interpretacji ekonomicznej. Z tego wzgl du okre±lane s jako szoki strukturalne A i B okre±laj jednoczesne zale»no±ci mi dzy zmiennymi endogenicznymi, za± macierze {C i : i = 1, 2,..., P} dynamiczne wªasno±ci modelu Bezpo±rednia estymacja modelu SVAR niemo»liwa ze wzgl du na problem identykowalno±ci: parametry modelu SVAR s uzyskiwane na podstawie oszacowa«modelu VAR, za± proces okre±lany jest jako strukturalizacja modelu VAR. MPGzR (rozdz. 6) Modele SVAR 8 / 25

9 Funkcja reakcji na impuls W modelu SVAR analiza funkcjonowania gospodarki dokonywana poprzez analiz dynamicznej reakcji {y i : i = 1, 2,..., N} na szoki strukturalne {η j : j = 1, 2,..., N}. Reakcja okre±lana jako funkcja reakcji na impuls (impulse-response function, IRF): IRF k(ij) = y i,t+k η jt. Warto± IRF dla wszystkich zmiennych wzgl dem wszystkich szoków: IRF k = y t+k η t = [IRF k(ij) ] N N. mo»na obliczy poprzez zapisanie modelu w postaci SVMA( ): y t = µ + Ψ k η t k. k=0 gdzie Ψ k = IRF k s macierzami o wymiarach N N.: MPGzR (rozdz. 6) Modele SVAR 9 / 25

10 Funkcja reakcji na impuls Etapy przeksztaªcenia modelu SVAR do postaci SVMA( ) dokonuje si w nast puj cych krokach. 1. Zapisa model SVAR w postaci zredukowanej (model VAR): y t = A 1 C 0 + A 1 C 1 y t A 1 C P y t P + A 1 Bη t, ϵ t = A 1 Bη t 2. Zapisa model VAR w postaci VMA( ): y t = µ + ϵ t + Θ i ϵ t i. 3. Bior pod uwag zale¹no± ϵ t = A 1 Bη t warto±ci IRF liczymymy jako: i=1 Ψ i = Θ i A 1 B. MPGzR (rozdz. 6) Modele SVAR 10 / 25

11 Funkcja skumulowanej reakcji na impuls Niech y it = z it, np. y it jest dynamik PKB, za± z it okre±la poziom PKB. W modelu VAR wyst puje zmienna y it, a nas interesuje wpªyw j-tego szoku strukturalnego η j na zmienn z i W takim przypadku liczy si skumulowany IRF: AIRF k(ij) = z i,t+k η jt = k m=0 IRF k(ij) MPGzR (rozdz. 6) Modele SVAR 11 / 25

12 FEVD Wariancja bª du losowego prognozy dla y t na k okresów do przodu wynosi: k 1 Σ k = Var(y T +k y f T +k) = Ψ mψ m. Warto± bª du losowego prognozy dla y it na k okresów do przodu wynosi: Σ k(ii) = m=0 N (Ψ 2 0(ij) + Ψ 2 1(ij) Ψ 2 k 1(ij)). j=1 Dekompozycja wariancji bª du prognozy (forecast error variance decomposition, FEVD) okre±la jaka cz ± Σ k(ii) wynika z wyst powania kolejnych szoków strukturalnych {η jt : j = 1, 2,..., N}. FEVD k(ij) = Ψ2 0(ij) + Ψ 2 1(ij) Ψ 2 k 1(ij) Σ k(ii) Dla k FEVD jest interpretowana jako dekompozycja wariancji dla zmiennych endogenicznych modelu VAR MPGzR (rozdz. 6) Modele SVAR 12 / 25

13 Strukturalizacja modelu VAR Parametry modelu SVAR uzyskujemy na podstawie oszacowa«parametrów modelu VAR postaci: Model SVAR : Ay t = C 0 + C 1 y t C P y t P + Bη t, Var(η t ) = I Model VAR : y t = A 0 + A 1 y t A P y t P + ϵ t, Var(ϵ t ) = Σ. Liczba parametrów modelu SVAR: K SVAR = (P + 2)N 2 + N, modelu VAR: K VAR = PN 2 + N + N(N+1). Ostatnia cz ± sumy dla K 2 VAR wynika z wyst powania parametrów w macierzy Σ Liczba niezb dnych restrykcji (tj. warunków identykuj cych): K = K SVAR K VAR = N 2 + Zale»no±ci: ϵ t = A 1 Bη t oraz Σ = A 1 BB (A 1 ). N(N 1) 2 MPGzR (rozdz. 6) Modele SVAR 13 / 25

14 Strukturalizacja krótkookresowa Strukturalizacja rekursywna: A = oraz B = Parametry no»na wyznaczy rozwi zuj c ukªad N(N + 1)/2 równa«z N(N + 1)/2 niewiadomymi postaci Σ = A 1 BB (A 1 ) Dekompozycja Cholesky'ego: dla ka»dej dodatnio okre±lonej symetrycznej macierzy kwadratowej Σ wymiaru N N o warto±ciach rzeczywistych istnieje unikalna (co do znaku), nieosobliwa dolnotrójk tna macierz P, taka»e Σ = PP. MPGzR (rozdz. 6) Modele SVAR 14 / 25

15 Strukturalizacja krótkookresowa Przykªad strukturalizacji nierekursywnej (Kim i Roubini, 2000): dla wektora y t skªadaj cego si z pi ciu zmiennych: PKB, cen, poda»y pieni dza, stóp procentowych oraz kursu walutowego: A = Strukturalizacja ta oznacza,»e: oraz B = PKB nie reaguje na bie» ce warto±ci pozostaªych zmiennych; Ceny reaguj jedynie na zmiany PKB; Pieni dz reaguje na zmiany PKB, cen i stopy procentowej; Bank centralny ustala stopy procentowe wykorzystuj c informacj na temat poda»y pieni dza oraz kursy walutowego, a tak»e po±rednio poziomu PKB i cen; Kurs walutowy dyskontuje wszystkie dost pne informacje. MPGzR (rozdz. 6) Modele SVAR 15 / 25

16 Strukturalizacja dªugookresowa W wielu przypadkach teoria ekonomii wskazuje,»e pewne szoki nie maj dªugookresowego wpªywu na jedn ze zmiennych wyst puj cych w modelu SVAR (np. szok monetarny nie ma dªugookresowego wpªywu na wielko± produktu) strukturalizacji modelu VAR poprzez narzucenie dªugookresowych restrykcji identykuj cych (metoda Blancharda i Quah) Nakªadanie restrykcji na macierz: Φ = lim k AIRF k = (I A 1... A P ) 1 A 1 B. MPGzR (rozdz. 6) Modele SVAR 16 / 25

17 Przykªad - model pass-through dla Polski Zmienne wchodz ce w skªad wektora y t : Dynamika cen ropy: OIL t ; Dynamika produkcji przemysªowej w Polsce: PROD t ; Dynamika nominalnego, efektywnego kursu zªotego: NEER t ; Inacja cen importu: PM t ; Inacja cen produkcji w przemy±le: PPI t ; Inacja cen konsumenta: CPI t. Próba: 1993:2-2010:5. MPGzR (rozdz. 6) Modele SVAR 17 / 25

18 Przykªad - model pass-through dla Polski doil dprod dneer dpm dppi dcpi MPGzR (rozdz. 6) Modele SVAR 18 / 25

19 Przykªad - model pass-through dla Polski Oszacowanie macierzy B modelu SVAR: doil dprod dneer dpm dppi dcpi doil dprod dneer dpm dppi dcpi MPGzR (rozdz. 6) Modele SVAR 19 / 25

20 Przykªad - model pass-through dla Polski Skumulowany IRF na szok kursowy NEER PM PPI CPI k= k= k= k= k= k= k= k= MPGzR (rozdz. 6) Modele SVAR 20 / 25

21 Przykªad - model pass-through dla Polski Dekompozycja wariancji prognozy dla dcpi doil dprod dneer dpm dppi dcpi FEVD, k= FEVD, k= FEVD, k= FEVD, k= FEVD, k= FEVD, k= FEVD, k= FEVD, k= MPGzR (rozdz. 6) Modele SVAR 21 / 25

22 Przykªad - model BQ dla Polski Model SVAR dla tempa wzrostu PKB oraz stopy bezrobocia w Polsce (model VAR analizowany w rozdziale 5) Oszacowania modelu SVAR: Reakcja natychmiastowa (macierz B): eta_1 eta_2 dy U Reakcja dªugookresowa (macierz Phi): eta_1 eta_2 dy U MPGzR (rozdz. 6) Modele SVAR 22 / 25

23 Przykªad - model BQ dla Polski Funkcja reakcji na impuls Szok podazowy: Y Szok podazowy: U Szok popytowy: Y Szok popytowy: U MPGzR (rozdz. 6) Modele SVAR 23 / 25

24 Egzogeniczno± w modelach VAR Model VARX (dynamiczny model o równaniach wspóªzale»nych) y t = A 0 + A 1 y t A P y t P + B 0 x t B S x t S + ϵ t, Zmienne x t s egzogeniczne, tj. nie s obja±niane przez model Ró»ne denicje egzogeniczno±ci MPGzR (rozdz. 6) Modele SVAR 24 / 25

25 Egzogeniczno± w modelach VAR Sªaba egzogeniczno± : oszacowania parametrów θ rozkªadu warunkowego g(y x) nie zale» od rozkªadu brzegowego h(x), tj. Cov(y E(y x), x E(x)) = 0 Silna egzogeniczno± : warunkowa prognoza y wzgl dem x nieistotnie ró»na od prognozy na podstawie caªego modelu (w którym x zale»y tak»e od y). Czyli, wynik prognozy dla y nie wpªywa na zaªo»enia dla przyszªych warto±ci x (poª czenie sªabej egzogeniczno±ci z przyczynowo±ci Grangera). Super egzogeniczno± : ksztaªt IRF dla y nie zale»y od tego, czy jest obliczany na podstawie modelu warunkowego g(y x) (np. VARX) czy peªnego modelu f (y, x) (np. VAR). Caªkowita egzogeniczno± : warto±ci skªadnika losowego ω = y E(y x) s niezale»ne wzgl dem przeszªych, tera¹niejszych oraz przyszªych warto±ci zmiennej x, tj. Cov(ω t, x t+s ) = 0 dla s C. MPGzR (rozdz. 6) Modele SVAR 25 / 25