Streszczenie. Karolina Konopczak 1

Transkrypt

1 Karolina Konopczak Analiza zbieŝności cyklu koniunkuralnego gospodarki polskiej ze srefą euro na le krajów Europy Środkowo-Wschodniej oraz pańsw członkowskich srefy Sreszczenie Synchronizacja cykli koniunkuralnych sanowi zw. mea kryerium opymalności wspólnych obszarów waluowych, czyli syneyczny wskaźniki ego, czy korzyści wynikające z parycypacji krajów w unii monearnej przewyŝszają koszy związane z uraą przez nie niezaleŝnej poliyki pienięŝnej i kursowej jako narzędzi akomodacji szoków. W niniejszym arykule pojęa zosała próba określenia zbieŝności cyklu gospodarki polskiej z cyklem srefy euro jako całości w laach na le pozosałych pańsw regionu oraz krajów członkowskich srefy. Analiza przeprowadzona zosała przy pomocy szeregu echnik ekonomerycznych: () algorymu daowania cykli Bry i Boschan (97), (2) jedno- i wielowymiarowych modeli przełącznikowych Markowa, (3) dekompozycji szoków na popyowe i podaŝowe (Blanchard i Quah, 989), (4) dekompozycji szoków na symeryczne i asymeryczne. Wyniki analizy wskazują, iŝ w zakresie cykli klasycznych zbieŝność cyklu polskiego z cyklem srefy euro jako całości jes znaczna jes średnio najwyŝsza spośród krajów regionu i nie odbiega od najsilniej zsynchronizowanych krajów członkowskich srefy euro. Co więcej, dane empiryczne pozyywnie weryfikują hipoezę o isnieniu wspólnego czynnika, odpowiedzialnego za synchronizację cyklu w Polsce i największych krajach członkowskich srefy euro. Analiza symeryczności szoków srukuralnych i odpowiedzi na nie wskazuje, iŝ średnio niŝszy sopień synchronizacji cykli krajów Europy Środkowo-Wschodniej w porównaniu do krajów członkowskich srefy euro wyniki z bardzo niskiej zbieŝności szoków, doykających e gospodarki oraz srefę euro jako całość. Z kolei reakcje gospodarek na szoki jednoskowe są z nielicznymi wyjąkami bardzo zbliŝone we wszyskich krajach objęych analizą. NajwyŜsza spośród pańsw regionu synchronizacja Polski ze srefą euro moŝe być rezulaem znacznej symerii reakcji gospodarki względem srefy euro jako całości w przeciwieńswie do większości pańsw regionu na szoki wspólne. Biuro ds. Inegracji ze Srefą Euro, Narodowy Bank Polski, Karolina.Konopczak@mail.nbp.pl.

2 Wprowadzenie Sopień synchronizacji cykli koniunkuralnych jes powszechnie uoŝsamiany w lieraurze z prawdopodobieńswem spełnienia kryeriów opymalności obszarów waluowych (Böwer, 2006). Innymi słowy, sopień zbieŝności cyklicznej jes syneycznym wskaźnikiem, pozwalającym odpowiedzieć na pyanie, czy korzyści wynikające z parycypacji krajów w unii monearnej przewyŝszają koszy związane z uraą przez nie niezaleŝnej poliyki pienięŝnej i kursowej jako narzędzi akomodacji szoków. Isona w ym zakresie jes równieŝ analiza symeryczności szoków i odpowiedzi na szoki w poszczególnych gospodarkach, czyli zw. synchronizacja neo a część zbieŝności, kóra wynika z podobnych odpowiedzi na podobne szoki. Celem niniejszego arykułu jes prezenacja wyników badania z zakresu zbieŝności cyklicznej gospodarki polskiej ze srefą euro na le pozosałych krajów regionu oraz krajów członkowskich srefy. Dzięki zasosowaniu róŝnorodnej meodyki algorym daowania cykli opary na definicji Burnsa i Michella (946), modele przełącznikowe Markowa, srukuralne modele wekorowej auoregresji moŝliwe było zbadanie zjawiska synchronizacji cyklicznej w wielu wymiarach, w ym: () analiza zbieŝności punków zwronych zw. cykli klasycznych, reprezenujących okresy bezwzględnego wzrosu lub spadku poziomu akywności gospodarczej, (2) weryfikacja hipoezy o isnieniu wspólnego czynnika, deerminującego przebieg cyklu w Polsce i największych gospodarkach srefy euro, (3) analiza symerii szoków srukuralnych doykających poszczególne gospodarki, (4) analiza podobieńswa reakcji gospodarek na szoki jednoskowe oraz na szoki wspólne dla całej srefy euro.. Meodyka.. Analiza zbieŝności cykli klasycznych Badania nad synchronizacją prowadzone są w ramach dwóch definicji cykli koniunkuralnych klasycznej oraz wzrosowej (growh cycle) czy inaczej odchyleniowej (deviaion cycle). Pierwsza, kórej podsawę sanowi koncepcja cyklu Burnsa i Michella (946), zakłada badanie dynamiki akywności gospodarczej w ujęciu absolunym, zaś druga, bardziej współczesna koncenruje się na cyklach odchyleniowych, czyli na odchyleniach bieŝącej akywności gospodarczej od rendu. RóŜnica definicji w sposób isony rzuuje na przebieg cyklu, zidenyfikowanego przy pomocy oparych na nich meod. Cykle klasyczne reprezenują zidenyfikowane recesje i ekspansje, czyli okresy bezwzględnego wzrosu lub 2

3 spadku poziomu analizowanej miary akywności gospodarczej. Z kolei w ramach cykli wzrosowych wyodrębniane są okresy, w kórych nasępował spadek lub wzros dynamiki akywności w sosunku do poencjału. Z ego względu na podsawie meodyki cykli odchyleniowych moŝliwa jes idenyfikacja spowolnienia mimo dodaniego empa wzrosu akywności. Analizowane w niniejszym arykule cykle klasyczne pod względem popularności usępują we współczesnych zasosowaniach empirycznych cyklom odchyleniowym. Tym niemniej, pewne cechy ego podejścia sprawiają, iŝ jes ono niezbędnym uzupełnieniem analizy synchronizacji cykli wzrosowych. Po pierwsze, zasosowanie cykli odchyleniowych jes nierozłącznie związane z wyborem rodzaju rendu (sochasyczny, deerminisyczny) i echniki jego eksrakcji z wyjściowego szeregu, zaś wybór en ma przełoŝenie na uzyskiwane wyniki (Darvas i Vadas, 2005). Tego elemenu subiekywizmu pozbawione są cykle klasyczne. Co więcej, sanowią one równieŝ waŝniejszą informację z punku widzenia poliyki pienięŝnej (Harding i Pagan, 999).... Algorymy daowania cykli W zakresie cykli klasycznych będących przedmioem niniejszej analizy we współczesnych zasosowaniach empirycznych dominują dwa podejścia pierwsze sanowi konynuację działalności Naional Bureau of Economic Research (NBER), drugie zaś wykorzysuje zaproponowany przez Hamilona (989) model przełącznikowy Markowa. Działalność w zakresie daowania cykli dla gospodarki Sanów Zjednoczonych NBER rozpoczęło w laach dwudziesych dwudziesego wieku. Sosowana meodyka uległa formalizacji zgodnie z uszczegółowieniem definicji w zakresie minimalnej długości rwania całego cyklu i jego poszczególnych faz, dokonanym przez Burnsa i Michella (946). Od la osiemdziesiąych działa w ramach NBER ciało kolegialne Business Cycle Daing Commiee kóre idenyfikuje punky zwrone na zasadzie konsensusu między członkami. W celu auomayzacji procedury daowania cykli sosowanej przez NBER Bry i Boschan (97) opracowali algorym odwołujący się bezpośrednio do definicji Burnsa i Michella przeznaczony dla danych o częsoliwości miesięcznej. Harding i Pagan (999) dososowali go do danych kwaralnych. Według ego osaniego algorymu idenyfikacja punków zwronych dokonywana jes na podsawie nasępujących reguł (gdzie produku lub innej miary akywności ekonomicznej): y oznacza dynamikę 3

4 w okresie cykl koniunkuralny osiąga szczy, jeŝeli: {( y y ) < y > ( y y )} = 2, +, + 2 w okresie cykl koniunkuralny osiąga dołek, jeŝeli: {( y y ) > y < ( y y )} = 2, +, + 2 Zapis en oznacza, Ŝe w danym okresie miał miejsce zwro cyklu, jeŝeli dynamika produku była w nim wyŝsza (lub odpowiednio niŝsza) niŝ maksymalnie dwa kwarały wcześniej i dwa kwarały później. Podejście o jes kompaybilne z powszechnie sosowaną definicją, w myśl kórej recesja (lub oŝywienie) ma miejsce, gdy akywność gospodarcza spada (rośnie) przez dwa kwarały. W przypadku danych miesięcznych maksima i minima lokalne wyznacza się w analogiczny sposób dynamika produku w danym okresie jes porównywana z pięcioma wcześniejszymi i późniejszym miesiącami. Dodakowo algorym nakłada dodakowe resrykcje (censoring procedures) w zakresie minimalnej długości rwania kaŝdej z faz (dwa kwarały w procedurze Hardinga i Pagana oraz sześć miesięcy w algorymie Bry i Boschan) oraz całego cyklu (odpowiednio pięnaście miesięcy i pięć kwarałów), a akŝe zakłada przemienność wysępowania szczyów i dołków...2. Modele przełącznikowe Markowa Bardziej współczesnym podejściem do idenyfikacji punków zwronych cykli koniunkuralnych jes zasosowanie modeli przełącznikowych Markowa (Markov Swiching Models). Za jego prekursorów uznać moŝna Goldfelda i Quanda (973), jednak szersze zaineresowanie wśród badaczy wzbudziło dopiero rozszerzenie modelu zaproponowane przez Hamilona (989). U podsaw ej meodyki leŝy załoŝenie o nieliniowej naurze analizowanego zjawiska paramery procesu generującego dynamikę wzrosu gospodarczego róŝnią się w zaleŝności od realizacji innego, ukryego procesu, czyli od fazy cyklu koniunkuralnego. Jes o więc model ze zmiennymi paramerami, przy czym w poszczególnych podokresach (zidenyfikowanych fazach cyklu) zmienna objaśniana generowana jes przez proces liniowy. Zmiany pomiędzy ymi liniowymi modelami mają charaker dyskreny. Nieobserwowalnym procesem serującym zmianami faz ( przełączeniami ) jes jednorodny łańcuch Markowa (oznaczany jako S ) o M sanach (reŝimach) i macierzy prawdopodobieńsw przejścia P. Wymiar przesrzeni sanów jes w prakyce określany a priori lub wybierany na zasadzie dyskryminacji między 4

5 konkurencyjnymi modelami na podsawie kryerium największej wiarygodności. We wcześniejszych pracach przyjmowano zwykle dwie moŝliwe realizacje łańcucha, oznaczające odpowiednio recesję i oŝywienie. Bardziej współczesne analizy zakładają isnienie rzech sanów obok dwóch podsawowych równieŝ okresu bardzo silnego wzrosu. Aris i in. (2004b) isnienie dodakowego sanu uzasadniają zjawiskiem konwergencji poziomów PKB między krajami o róŝnym sopniu rozwoju. W ramach Unii Europejskiej faza bardzo silnego wzrosu była szczególnie isona dla relaywnie mniej rozwinięych krajów Europy południowej Włoch, Hiszpanii i Porugalii i nie zaobserwowano jej wysąpienia od końca la siedemdziesiąych. W najogólniejszej posaci model przełącznikowy moŝna zapisać w nasępujący sposób (gdzie y oznacza wekor dynamiki produku lub innej miary akywności gospodarczej, zaś X macierz zmiennych objaśniających) : y ε ( S = α ( S ) + Φ( S ) Χ + ε ( S 2 ) ~ nid(0, σ ( S )) ) PowyŜszy zapis implikuje, Ŝe zarówno wyraz wolny równania, jak i paramery przy zmiennych objaśniających, a akŝe zmienność dynamiki wzrosu zaleŝą od sanu, w kórym znajduje się łańcuch Markowa. Zasosowanie opisanej meodyki pozwala na uchwycenie asymeryczności wysępującej pomiędzy fazami cyklu w zakresie długości rwania, zmienności i ampliudy. W zasosowaniach empirycznych ylko część paramerów jes zaleŝna od sanu, w kórym znajduje się łańcuch. W zaleŝności od ego, kóre paramery są zmienne, wyróŝnia się róŝne ypy modeli przełącznikowych o zmiennej średniej (oznaczany jako MSM mean), wyrazie wolnym równania regresji (MSI inercep), paramerach auoregresyjnych (MSA auoregressive parameers), zmienności wyrazu wolnego (MSH heeroscedasiciy). W prakyce zesaw regresorów ogranicza się zwykle do opóźnionych szeregów zmiennej objaśnianej, czyli model ma charaker auoregresyjny, co zwyczajowo zapisywane jes jako MS(M)-AR(p) (M sanów łańcucha, proces auoregresyjny rzędu p): y = α S ) + φ ( S ) y φ ( S ) y + ε ( S ( p p ) W badaniach cykli koniunkuralnych wykorzysuje się najczęściej modele ze zmiennym wyrazem wolnym lub wersję modelu, w kórej średnia dynamika produku zaleŝy od fazy cyklu (Krozlig, 2003). Wersję ę zaproponował Hamilon (989) i ma ona nasępującą posać: 5

6 y µ ( S ) = φ( y µ ( S )) φ4 ( y4 µ ( S4 )) + ε 2 ε ~ nid(0, σ ) Zakłada się dodakowo, Ŝe średni wzros w fazie ekspansji jes dodani, zaś w czasie recesji ujemny lub przynajmniej, Ŝe w pierwszym sanie jes wyŝszy niŝ w drugim. Modele przełącznikowe esymowane są meodą największej wiarygodności za pomocą opracowanej przez Hamilona (994) wersji algorymu maksymalizacji warości oczekiwanej (Expecaion Maximisaion). Za jej pomocą paramery równań regresji, macierz (lub macierze) wariancji-kowariancji składnika losowego oraz macierz przejścia łańcucha szacowane są w sposób ieracyjny ak, aby zmaksymalizować prawdopodobieńswo realizacji orzymanego szeregu dynamiki produku. Za pomocą algorymu zaproponowanego przez Kima (994) dla kaŝdej obserwacji moŝna wyliczyć prawdopodobieńswo ego, Ŝe zosała ona wygenerowana przez proces o specyfikacji charakerysycznej dla danego sanu łańcucha, czyli prawdopodobieńswo ego, Ŝe w danym okresie gospodarka była w określonej fazie cyklu koniunkuralnego. Są o zw. wygładzone prawdopodobieńswa (smoohed probabiliy), wyznaczane przy uŝyciu wszyskich dosępnych obserwacji 2. Na ich podsawie poszczególnym obserwacjom przypisywana jes określona faza cyklu. Przyporządkowanie dokonywane jes na zasadzie najwyŝszego prawdopodobieńswa spośród wszyskich moŝliwych reŝimów, co w przypadku łańcucha o dwóch sanach oznacza, Ŝe danemu okresowi przypisywana jes dana faza, jeŝeli jej prawdopodobieńswo przekracza 0,5. Ten prosy algorym bywa korygowany zgodnie z załoŝeniami o minimalnej długości faz (Maciejowska i Zwiernik, 2006)...3. Miary synchronizacji cykli klasycznych W zakresie badań nad synchronizacją cykli klasycznych najpowszechniejszymi wskaźnikami są indeks zgodności (concordance index) Hardinga i Pagana (2002) oraz indeks dyfuzji (diffusion index) zaproponowany przez Arisa i in. (2002). Pierwszy wskaźnik odzwierciedla procenowy udział liczby okresów, w kórych dwa szeregi są w ym samym sanie (recesja lub ekspansja) w długości próby i ma nasępującą posać (gdzie S i jes binarnym szeregiem, odzwierciedlającym san cyklu w okresie w kraju i): 2 W odróŝnieniu od prawdopodobieńsw filrowanych (filer probabiliy), szacowanych dla kaŝdego okresu na podsawie obserwacji od począku próby do ego okresu włącznie. 6

7 I ij = T T [ Si S j + ( Si )( S j )] i= Indeks dyfuzji sanowi uogólnienie poprzedniego wskaźnika na grupę więcej niŝ dwóch krajów odzwierciedla procen gospodarek, kóre są w ym samym sanie, w kórym znajduje się cała grupa (np. srefa euro) 3. W najprosszej posaci wskaźnik dla N gospodarek ma nasępującą posać (oznaczenia analogicznie do indeksu zgodności): N D = Si =,.., T N i= Alernaywną miarą jes współczynnik konyngencji Pearsona (coningency coefficien), będący miarą zaleŝności między dwiema zmiennymi jakościowymi. W ramach analizy synchronizacji cykli zidenyfikowanych na podsawie modeli przełącznikowych szacowanych oddzielnie dla poszczególnych krajów, najczęściej sosowane wskaźniki o współczynnik korelacji między szeregami wygładzonych prawdopodobieńsw bycia w recesji dla poszczególnych krajów oraz indeks zgodności i dyfuzji dla binarnych szeregów orzymanych dzięki przypisaniu kaŝdemu okresowi najbardziej prawdopodobnego sanu...4. Isoność wspólnego czynnika deerminującego flukuacje gospodarcze w grupie krajów Na weryfikację hipoezy o isnieniu wspólnego czynnika, odpowiedzialnego za synchronizację cykli koniunkuralnych w grupie krajów pozwala wielowymiarowe rozszerzenie modelu Hamilona przełącznikowy model wekorowej auoregresji (MS-VAR), o nasępującej posaci: y ε S µ ( S ) = A ( y µ ( S )) Ap ( y ~ NID(0, Σ) p µ ( S p )) + ε Wekor zmiennych endogenicznych modelu y zawiera dynamiki akywności gospodarczej dla poszczególnych krajów objęych badaniem. Jako pierwszy, model dwuwymiarowy zasosował Phillips (99), rójwymiarowy Filardo i Gordon (994), zaś wielowymiarowego rozszerzenia dokonał Krolzig (997). Odzwierciedleniem hipoezy o isnieniu wspólnego czynnika jes załoŝenie, iŝ przełączenia między sanami odbywają się 3 Idenyfikacja punków zwronych grupy jako całości dokonywana jes na podsawie zagregowanego produku. 7

8 równocześnie dla wszyskich krajów, czyli rządzi nimi wspólny łańcuch Markowa. Specyfikacja modelu pozwala na oszacowanie dla kaŝdego kraju średniej dynamiki produku w obu sanach. Hipoeza o wspólnym czynniku weryfikowana jes poprzez es isoności róŝnicy między średnią dynamiką produku w obu sanach dla poszczególnych gospodarek..2. Analiza symeryczności szoków i odpowiedzi na szoki Podejściem do badania synchronizacji odmiennym wobec analizy cykli koniunkuralnych w ramach ich klasycznej i odchyleniowej definicji jes analiza symeryczności szoków oraz symeryczności reakcji gospodarek na szoki. Badania e najczęściej prowadzone są w ramach srukuralnych modeli wekorowej auoregresji (svar), a w osanich laach akŝe przy uŝyciu dynamicznych modeli czynnikowych (dynamic facor models). Ten nur badań pozwala na wyabsrahowanie miary neo synchronizacji, czyli ej części wspólnych flukuacji, kórych źródłem są szoki wspólne (de Haan i in., 2005). Podejście o nadaje się szczególnie do analizy opymalności obszarów waluowych, poniewaŝ pozwala na ocenę podobieńswa gospodarek grupy krajów w zakresie zdolności do absorpcji szoków i szybkości dososowań, czyli kluczowych paramerów w przypadku rezygnacji z narzędzi sabilizacyjnych, związanej ze wsąpieniem do unii waluowej..2.. Dekompozycja Blancharda i Quah Najczęściej sosowaną meodyką wyodrębniania szoków srukuralnych jes dekompozycja Blancharda i Quah (989). Polega ona na idenyfikacji szoków popyowych i podaŝowych ze względu na ich konsekwencje w róŝnym horyzoncie czasowym dla dynamiki produku i inflacji. 4 Pierwszy raz podejście o wykorzysano do badania synchronizacji w pracach Bayoumi (99) oraz Bayoumi i Eichengreen (992). Sandardowo w ego ypu analizach idenyfikacja szoków przebiega w ramach dwurównaniowego modelu svar z empem wzrosu PKB ( y ) i poziomu cen ( p ) jako zmiennymi endogenicznymi: γ y γ p 22 = γ p + 2 = γ y 2 + p i= p i= β β i yy i py y y i i + + p i= p i= β β i yp i pp p i p i + ε y + ε p 4 Blanchard i Quah (989) zamias poziomu cen uwzględnili w swoim modelu sopę bezrobocia. Zmiany w oryginalnym modelu dokonał Bayoumi (99). 8

9 9 Zakłada się, Ŝe składniki losowe modelu ε y i ε p są niezaleŝnymi gaussowskimi białymi szumami i oznaczają odpowiednio szok podaŝowy i popyowy. Są o szoki srukuralne, będące pierwonymi (primiive) siłami sprawczymi w gospodarce. Model w posaci wekorowej moŝna zapisać jako: + = p y pp py yp yy p y L B L B L B L B p y ε ε γ γ γ γ ) ( ) ( ) ( ) ( Y L B Y ε + = Γ ) ( Model moŝe być szacowany jedynie w posaci zredukowanej (VAR). Zakładając odwracalność macierzy Γ ma on nasępującą posać: e L B L A gdzie e Y L A Y Y L B Y ε ε ), ( ) (, ) ( ) ( = Γ = Γ + = + Γ = Γ Składniki losowe równań modelu zredukowanego są ze sobą skorelowane. Przy załoŝeniu sacjonarności model moŝna zapisać w posaci nieskończonej wekorowej średniej ruchomej (MA( )):......) ) ( ) ( ( )) ( ( )) ( ( = = = = e C C e e Y e L A L A I Y e L A I Y e Y L A I Składniki losowe modelu zredukowanego nie mają inerpreacji ekonomicznej sanowią liniową kombinację szoków srukuralnych (popyowych i podaŝowych), jako Ŝe e ε Γ =. Wykorzysując ę równość, model moŝna zapisać za pomocą szoków srukuralnych: ,... = = Γ = = Γ = + Γ + Γ + = Γ i i i i i i i i C D D Y C Y C C Y ε ε ε ε ε Zapis en oznacza, Ŝe dynamika produku i poziomu cen deerminowana jes przez bieŝące i przeszłe realizacje dwóch rodzajów szoków srukuralnych popyowego i podaŝowego 5. Elemeny macierzy D i sanowią odpowiedzi ceeris paribus poszczególnych zmiennych na 5 Blanchard i Quah (989) zakładają, Ŝe zachowanie sysemu gospodarczego kszałowane jes przez m szoków, przy czym kaŝdy z nich moŝna zakwalifikować jako popyowy lub podaŝowy.

10 jednoskowe szoki (odpowiednio popyowe i podaŝowe), kóre miały miejsce i okresów wcześniej. Aby orzymać szeregi szoków popyowych i podaŝowych oraz warości odpowiedzi na impuls, konieczna jes idenyfikacja modelu svar poprzez nałoŝenie odpowiednich resrykcji na nieznane paramery modelu. Meodyka Blancharda i Quah polega na przyjęciu obok sandardowych resrykcji (niezaleŝność szoków, sandaryzacja ich wariancji) zesawu załoŝeń odnośnie do wpływu szoków na gospodarkę. Zgodnie z nim pozyywny szok popyowy prowadzi do zwiększenia produku i poziomu cen w krókim okresie, a w długim jedynie do wzrosu cen, zaś pozyywny szok podaŝowy prowadzi zarówno w krókim, jak i długim okresie do wzrosu produku i spadku poziomu cen. Z racji ego, Ŝe przedsawiony sysem składa się ylko z dwóch zmiennych, konieczne jes nałoŝenie (poza oronormalizacją szoków) ylko jednej resrykcji 6 zgodnej z przyjęymi załoŝeniami: y p i= 0 D = i d = d d d d ε 2i y, i d ε 22i p i 0 = i= 0 2i, 2 i d d 2 22 NałoŜenie powyŝszej resrykcji zerowej oznacza, Ŝe szok popyowy nie ma długookresowego wpływu na dynamikę produku. Resza resrykcji nie jes porzebna do idenyfikacji sysemu dwurównaniowego. Meodykę Blancharda i Quah moŝna rozszerzyć poprzez dodanie innych zmiennych do oryginalnego modelu ze sopą wzrosu produku i inflacją. Do najczęściej uwzględnianych dodakowych zmiennych naleŝy realna krókoerminowa sopa procenowa i realny efekywny kurs waluowy, dzięki kórym moŝliwa jes analiza odpowiedzi na impuls poliyki pienięŝnej zjawiska niezwykle isonego z punku widzenia opymalności wspólnych obszarów waluowych. Analiza symeryczności szoków dla pary krajów polega na wyznaczeniu bilaeralnych współczynników korelacji między szeregami szoków odpowiednio popyowych (ε p ) i podaŝowych (ε y ). Symeryczność reakcji gospodarek na wspólny szok analizowana jes przy pomocy szeregów reakcji odpowiednio inflacji i produku dla poszczególnych krajów na jednoskowy dodani szok popyowy i podaŝowy. 6 Liczba resrykcji dla sysemu z n zmiennymi wynosi n 2. W analizowanym modelu naleŝy ich w związku z ym nałoŝyć czery dwie o sandaryzacja wariancji szoków, zaś rzecia o orogonalizacja, czyli załoŝenie o niezaleŝności szoku podaŝowego i popyowego. 0

11 .2.2. Dekompozycja na szoki symeryczne i asymeryczne Rozszerzeniem meodyki Blancharda i Quah jes dekompozycja dynamiki produku i ogólnego poziomu cen na komponeny symeryczne (wspólne) i asymeryczne (specyficzne dla danego kraju), a dopiero w ich ramach na szoki podaŝowe i popyowe. MoŜliwe saje się o po uwzględnieniu w wyjściowym modelu, szacowanym oddzielnie dla kaŝdego kraju, zmiennych odzwierciedlających wspólne dla całej grupy szoki, akich jak empo wzrosu PKB dla grupy jako całości czy ceny ropy (Kouparisas, 999). Przykładowo, w pracy Ide i Moës (2003) wekor zmiennych endogenicznych modelu VAR dla kaŝdego kraju zawiera empo wzrosu jego realnego PKB ( y euro _ area ) i krajowy wskaźnik inflacji - deflaor PKB ( p euro _ area ) oraz analogiczne szeregi dla srefy jako całości (odpowiednio yi i pi ). W reprezenacji nieskończonej wekorowej średniej ruchomej kaŝda z ych zmiennych jes kombinacją bieŝących i opóźnionych warości czerech szoków srukuralnych wspólnego common D szoku popyowego ( ε ) i podaŝowego ( ε counryspecific D common S odpowiedników idiosynkraycznych ( ε oraz ε ): ) (szoki symeryczne) oraz ich counryspecific S yeuro _ peuro _ yi pi area area a = a a a ( L) ( L) ( L) ( L) a a a a ( L) ( L) ( L) ( L) a a a a ( L) ( L) ( L) ( L) a a a a ( L) ε S ( L) ε D ( L) ε S ( L) ε D common common counryspecific counryspecific a ij (L) oznacza nieskończony wielomian opóźnień. Auorzy nakładają resrykcje w celu idenyfikacji dwóch par szoków: symerycznych i asymerycznych (przy załoŝeniu, Ŝe w długim okresie zmienne dla srefy jako całości deerminowane są jedynie szokami symerycznymi): a ( ) = a ( ) = a ( ) = a ( ) = 0 3 L 4 L 23 L 24 L popyowych i podaŝowych (dekompozycja Blancharda i Quah): a ( ) = a ( ) = a ( ) = 0 2 L 32 L 34 L

12 2. Wyniki analizy empirycznej 7 W niniejszym rozdziale zaprezenowane zosały wyniki przeprowadzonych analiz zbieŝności cyklicznej oraz symeryczności szoków i odpowiedzi gospodarek na szoki. Na począku opisane zosały dane, na podsawie kórych oszacowane zosały poszczególne modele. 2.. Dane W analizie empirycznej jako miary akywności gospodarczej wykorzysano nasępujące dane: () miesięczne szeregi produkcji przemysłowej w cenach sałych z 2000 roku, (2) kwaralne szeregi Produku Krajowego Bruo (PKB) w cenach sałych z 2000 roku. PKB i produkcja przemysłowa naleŝą do najczęściej sosowanych wskaźników akywności gospodarczej sosowanych w badaniach nad synchronizacji cykli koniunkuralnych. Ze względu na własności szeregów, analizy na podsawie ych dwóch agregaów są wobec siebie w duŝym sopniu komplemenarne. Produk Krajowy Bruo jes najbardziej inkluzywną miarą akywności gospodarczej, jednak wielu auorów wskazuje na problemy związane z ym miernikiem niska (kwaralna) częsoliwość danych, krókie szeregi, częse rewizje dokonywane przez urzędy saysyczne i mała zmienność w porównaniu do alernaywnych wskaźników. Z ego względu jako alernaywa sosowane są najczęściej miesięczne dane doyczące produkcji przemysłowej. Zdaniem de Haana i in. (2005) uŝycie ej zmiennej jes mało przekonujące, gdyŝ sanowi ona około 20-30% zagregowanego produku krajów rozwinięych, co nie pozwala na wyciąganie na jej podsawie reprezenaywnych wniosków doyczących całości akywności gospodarczej. Jes ona akŝe bardziej zmienna niŝ sam produk. Tym niemniej wpływ przemysłu na całą gospodarkę jes więcej niŝ proporcjonalny względem jego udziału w produkcie, jako Ŝe zmiany akywności w ym sekorze rzuują na inne gałęzie handel i ranspor, zaś szeregi mają większą częsoliwość i są zwykle dłuŝsze niŝ w przypadku PKB. W modelach wekorowej auoregresji jako zmienną odzwierciedlającą dynamikę ogólnego poziomu cen uŝyo inflacji HICP (Harmonized Index of Consumer Prices). Zmienna a wydaje się właściwsza od sosowanego równieŝ w podobnych badaniach deflaora PKB, jako Ŝe uwzględnia zmiany cen owarów imporowanych, kóre są isonym kanałem ransmisji szoków koniunkuralnych. 7 Wszyskie abulogramy z wynikami analizy wraz z pełną diagnosyką modeli dosępne są u auorki arykułu. 2

13 Analizą objęo nasępujące kraje: () kraje członkowskie srefy euro (san na koniec 2007 roku) Ausria, Belgia, Finlandia, Francja, Grecja, Hiszpania, Holandia, Irlandia, Luksemburg, Niemcy, Porugalia, Włochy, Słowenia oraz (2) kraje Europy Środkowo- Wschodniej, kóre w 2004 roku wsąpiły do Unii Europejskiej Polska, Czechy, Esonia, Liwa, Łowa, Słowacja i Węgry. Wszyskie dane pochodziły z bazy danych Eurosau i obejmowały okres od pierwszego kwarału (lub w przypadku danych miesięcznych od sycznia) 996 roku do pierwszego kwarału (odpowiednio czerwca) 2008 roku. Ze względu na braki danych (do 999 roku w przypadku Czech, Esonii, Liwy, Węgier, Słowacji i Słowenii i do 200 roku dla Ausrii i Łowy) szeregi produkcji przemysłowej są dla niekórych krajów krósze. Dane zosały oczyszczone z wahań sezonowych i ze względu na liczbę dni roboczych Analiza zbieŝności faz cyklu klasycznego zidenyfikowanego na podsawie algorymu Bry-Boschan Celem idenyfikacji punków zwronych cyklu klasycznego, do danych doyczących produkcji przemysłowej zasosowany zosał algorym Bry-Boschan. Zidenyfikowany cykl dla gospodarki srefy euro oraz dla gospodarki polskiej przedsawiony jes odpowiednio na rysunkach i 2. Warości indeksu zgodności (rysunek 3) w poszczególnych krajach objęych analizą wskazują, iŝ Polska naleŝy do grupy pańsw o cyklach w największym sopniu zbieŝnych z cyklem referencyjnym srefy euro nie usępuje w ym zakresie Niemcom, Włochom czy Hiszpanii, kórych gospodarki były w ej samej fazie cyklu, co srefa euro jako całość w co najmniej 80% okresów. Spośród krajów Europy Środkowo-Wschodniej do grupy najlepiej zsynchronizowanych gospodarek naleŝy równieŝ Łowa. NajniŜsze warości indeksów zgodności zanoowano w przypadku Liwy, Irlandii i Porugalii. Tym niemniej warości e są równieŝ relaywnie duŝe. NaleŜy jednak pamięać, iŝ wynika o równieŝ po części z faku, iŝ gospodarki na ogół przez większość czasu znajdują się w fazie ekspansji. 3

14 Rys. Cykl koniunkuralny srefy euro zidenyfikowany na podsawie algorymu Bry- Boschan na danych doyczących produkcji przemysłowej w laach Źródło: Opracowanie własne na podsawie danych Eurosau Rys 2. Cykl koniunkuralny gospodarki polskiej zidenyfikowany na podsawie algorymu Bry-Boschan na danych doyczących produkcji przemysłowej w laach Źródło: Opracowanie własne na podsawie danych Eurosau 4

15 Rys 3. ZbieŜność faz cykli klasycznych (algorym Bry-Boschan) poszczególnych krajów ze srefą euro w laach Źródło: Opracowanie własne na podsawie danych Eurosau 2.3. Analiza zbieŝności cyklu klasycznego zidenyfikowanego na podsawie modelu przełącznikowego Markowa Do daowania cykli koniunkuralnych poszczególnych krajów zasosowany zosał jednowymiarowy model przełącznikowy Markowa. Modele oszacowane zosały dla danych doyczących zarówno PKB, jak i produkcji przemysłowej. Specyfikacja modelu dobrana zosała na podsawie warości kryeriów informacyjnych oraz własności zidenyfikowanego cyklu 8 dla danych doyczących srefy euro. Rząd auoregresji wyznaczony zosał na podsawie procedury from general o specific. Celem uzyskania porównywalnych wyników zasosowana zosała idenyczna specyfikacja dla wszyskich krajów objęych analizą. A priori przyjęo dwa moŝliwe sany gospodarki recesję i ekspansję. 8 Ze względu na auomayzm i aeoreyczość procedury isnieje ryzyko, iŝ zidenyfikowany cykl nie będzie odzwierciedlał sylizowanych faków doyczących wahań koniunkuralnych. 5

16 2.3.. Produkcja przemysłowa W przypadku modelu szacowanego na danych doyczących produkcji przemysłowej w osaecznej specyfikacji zaleŝnymi od sanu paramerami były wyraz wolny równania regresji oraz zmienność składnika losowego. Rząd auoregresji zosał wyznaczony na 3, przy czym celem uwzględniania efeku bazy do modelu dołączono 2-e opóźnienie produkcji przemysłowej, co znaczenie poprawia warości kryeriów informacyjnych. Rysunki 4 i 5 przedsawiają prawdopodobieńswa poszczególnych faz cyklu (Regime oznacza recesję, Regime 2 ekspansję) odpowiednio w srefie euro oraz w Polsce. Rys 4. Cykl gospodarki srefy euro zidenyfikowany na podsawie modelu przełącznikowego Markowa dla szeregu produkcji przemysłowej w laach MSIH(2)-AR(2), 997 () (7) ea_ip Mean(ea_ip) Probabiliies of Regime filered prediced smoohed Probabiliies of Regime Źródło: Opracowanie własne 6

17 Rys 5. Cykl gospodarki polskiej zidenyfikowany na podsawie modelu przełącznikowego Markowa dla szeregu produkcji przemysłowej w laach MSIH(2)-AR(2), 997 () (6) pl_ip Mean(pl_ip) Probabiliies of Regime.0 filered smoohed prediced Probabiliies of Regime Źródło: Opracowanie własne 7

18 Rys 6. Skorelowanie współczynników prawdopodobieńsw recesji (modele przełącznikowe Markowa produkcja przemysłowa) w poszczególnych krajach i srefie euro jako całości w laach Źródło: Opracowanie własne na podsawie danych Eurosau Analiza skorelowania prawdopodobieńsw recesji w poszczególnych krajach i srefie euro jako całości (rysunek 6) wskazuje na duŝe zróŝnicowanie pod ym względem. NajwyŜsze współczynniki osiągnęły Finlandia, Belgia, Niemcy i Włochy. Polska wykazuje w ym zakresie nieco niŝszy sopień synchronizacji, ym niemniej wyŝszy od Francji kraju powszechnie uznawanego za silnie zbieŝny ze srefą euro jako całością. NajniŜszy sopień korelacji spośród pańsw członkowskich charakeryzuje Holandię, Luksemburg, Francję i Grecję. Spośród krajów Europy Środkowo-Wschodniej jako jedyne isonie dodanie skorelowanie z cyklem referencyjnym wykazują oprócz Polski Czechy i Słowacja. 8

19 Rys 7. ZbieŜność faz cykli klasycznych (modele przełącznikowe Markowa produkcja przemysłowa) poszczególnych krajów ze srefą euro w laach Źródło: Opracowanie własne na podsawie danych Eurosau ZbieŜność cykli zidenyfikowanych na podsawie modelu przełącznikowego Markowa dla produkcji przemysłowej (rysunek 7) jes w większym sopniu zróŝnicowana niŝ w przypadku zasosowania algorymu daującego. Tym niemniej równieŝ w ym przypadku Polska naleŝy do czołówki pańsw obok Niemiec i Belgii pod względem synchronizacji ze srefą euro. Do gospodarek najmniej zbieŝnych względem cyklu referencyjnego naleŝą Holandia, Węgry, Grecja i co zaskakujące Francja. Co ciekawe, średnio kraje Europy Środkowo- Wschodniej wydają się nie usępować krajom członkowskim srefy euro w ym zakresie. SposrzeŜenie o powierdza zbliŝona w obu grupach warość indeksu dyfuzji (rysunek 8). 9

20 Rys 8. ZbieŜność faz cyklu (modele przełącznikowe Markowa produkcja przemysłowa) ze srefą euro w grupie pańsw członkowskich i nowych krajach członkowskich srefy euro (NMS8) w laach Źródło: Opracowanie własne na podsawie danych Eurosau Produk Krajowy Bruo W przypadku modelu przełącznikowego szacowanego na danych doyczących PKB rząd modelu auoregresyjnego wynosi 2, zmiennymi paramerami są ponownie wariancja składnika losowego oraz wyraz wolny równania. Rysunki 9 i 0 przedsawiają prawdopodobieńswa poszczególnych faz cyklu (Regime recesja, Regime 2 ekspansja) odpowiednio dla Polski i srefy euro. 20

21 Rys 9. Cykl gospodarki srefy euro zidenyfikowany na podsawie modelu przełącznikowego Markowa dla szeregu PKB w laach MSIH(2)-AR(2), 996 (3) (4) 4 euro_area_gdp Mean(euro_area_gdp) Probabiliies of Regime 0.5 filered prediced smoohed Probabiliies of Regime 2 filered prediced 0.5 smoohed Źródło: Opracowanie własne na podsawie danych Eurosau 2

22 Rys 0. Cykl gospodarki srefy euro zidenyfikowany na podsawie modelu przełącznikowego Markowa dla szeregu PKB w laach MSIH(2)-AR(2), 996 (3) (4) poland_gdp Mean(poland_gdp) Probabiliies of Regime 0.5 filered prediced smoohed Probabiliies of Regime 2 filered prediced smoohed Źródło: Opracowanie własne na podsawie danych Eurosau 22

23 Rys. Skorelowanie współczynników prawdopodobieńsw recesji (modele przełącznikowe Markowa PKB) w poszczególnych krajach i srefie euro jako całości w laach Źródło: Opracowanie własne na podsawie danych Eurosau Wyniki skorelowania prawdopodobieńsw recesji w przypadku modelu szacowanego na PKB (rysunek ) są nieco odmienne w sosunku do produkcji przemysłowej. Polska jes bowiem jedynym krajem regionu isonie dodanio skorelowanym ze srefą euro jako całością. Co więcej, równieŝ niekóre spośród pańsw członkowskich srefy euro Belgia, Finlandia, Holandia wykazują nieisoną korelację. W przypadku Grecji oraz Liwy zanoowano isone ujemne współczynniki korelacji. Najsilniejsze skorelowanie wysępuje w przypadku Włoch, Słowenii, Luksemburga i Ausrii. 23

24 Rys 2. ZbieŜność faz cykli klasycznych (modele przełącznikowe Markowa PKB) poszczególnych krajów ze srefą euro w laach Źródło: Opracowanie własne na podsawie danych Eurosau W zakresie zgodności faz cyklu koniunkuralnego ze srefą euro (rysunek 2) Polska naleŝy do grupy gospodarek zbieŝnych w relaywnie duŝym sopniu na poziomie Niemiec czy Hiszpanii. NajwyŜsze indeksy zgodności zanoowano w przypadku Włoch, Luksemburga i Ausrii. W przeciwieńswie do modelu szacowanego na danych doyczących produkcji przemysłowej średnia zbieŝność cykli z cyklem referencyjnym jes niŝsza wśród krajów Europy Środkowo-Wschodniej niŝ w obrębie krajów członkowskich (rysunek 3). 24

25 Rys 3. ZbieŜność faz cyklu (modele przełącznikowe Markowa PKB) ze srefą euro w grupie pańsw członkowskich i nowych krajach członkowskich srefy euro (NMS8) w laach Źródło: Opracowanie własne na podsawie danych Eurosau 2.4. Weryfikacja hipoezy o isnieniu wspólnego czynnika deerminującego przebieg cyklu w grupie krajów Za pomocą przełącznikowego modelu wekorowej auoregresji (MS-VAR) zbadano, czy cykl koniunkuralny zidenyfikowany na podsawie przełączeń wspólnego łańcucha oszacowanego na podsawie danych doyczących produkcji przemysłowej w Niemczech, we Francji, we Włoszech i w Polsce jes w sanie poprawnie odzwierciedlić flukuacje akywności gospodarczej w poszczególnych krajach. W ym celu przeprowadzony zosał es równości średnich emp wzrosu produkcji przemysłowej w fazie ekspansji i recesji wspólnego cyklu. Wyniki esu (abela ) wskazują, iŝ we wszyskich objęych analizą krajach naleŝy odrzucić hipoezę zerową esu o równości średnich przy wszyskich sosowanych w lieraurze poziomach isoności. Tym samym dane empiryczne pozyywnie weryfikują hipoezę o wspólnym czynniku deerminującym przebieg flukuacji akywności gospodarczej w Polsce oraz rzech największych krajach srefy euro. 25

26 Tab. Tes isoności średnich dla empa wzrosu produkcji przemysłowej w fazie recesji i ekspansji w poszczególnych krajach. Kraj Średnie empo wzrosu produkcji przemysłowej saysyka -Sudena p-value faza ekspansji faza recesji Niemcy 4,4% -0,25%,9 <0,0000 Francja 2,32% -0,7% 7,02 <0,0000 Włochy,30% -,45% 6,4 <0,0000 Polska 9,48% 2,93% 8,4 <0,0000 Źródło: Opracowanie własne na podsawie danych Eurosau Przykładowe porównanie wyników esymacji analogicznego modelu dla Liwy (abela 2) wskazuje, iŝ w przypadku ego kraju wspólny cykl nieprawidłowo idenyfikuje okresy wyŝszej i niŝszej akywności gospodarczej, jako Ŝe średnie empo wzrosu liewskiej produkcji przemysłowej w zidenyfikowanej fazie ekspansji jes niŝsze niŝ w fazie recesji. Tab 2. Średnie empa wzrosu produkcji przemysłowej w fazie ekspansji i recesji dla modelu szacowanego dla danych doyczących Niemiec, Francji, Włoch i Liwy. Kraj Średnie empo wzrosu produkcji przemysłowej faza ekspansji faza recesji Niemcy 5,08% 0,23% Francja 2,07% 0,5% Włochy,46% -,3% Liwa 4,30% 9,35% Źródło: Opracowanie własne na podsawie danych Eurosau 26

27 2.5. Analiza symeryczności szoków i odpowiedzi na szoki W niniejszym rozdziale omówione zosaną wyniki korelacji wyodrębnionych na podsawie dwóch srukuralizacji (Blancharda i Quah oraz dekompozycji na szoki symeryczne i asymeryczne) szoków srukuralnych doykających gospodarki oraz korelacji odpowiedzi akywności gospodarczej w poszczególnych krajach na e szoki. W przypadku niekórych krajów modele VAR okazały się niesabilne (Węgry, Słowenia i Słowacja w dekompozycji Blancharda i Quah), w związku z czym oszacowanie współczynnika korelacji funkcji odpowiedzi na impuls ze srefą euro było w ych przypadkach niemoŝliwe Analiza symeryczności szoków srukuralnych Rys 4. Korelacja szoków popyowych (dekompozycja Blancharda-Quah) poszczególnych krajów ze srefą euro w laach Źródło: Opracowanie własne na podsawie danych Eurosau 27

28 Rys 5. Korelacja szoków podaŝowych (dekompozycja Blancharda-Quah) poszczególnych krajów ze srefą euro w laach Źródło: Opracowanie własne na podsawie danych Eurosau W przeciwieńswie do wyników analizy zbieŝności cyklicznej, w zakresie szoków popyowych i podaŝowych kraje Europy Środkowo-Wschodniej są w znacznie mniejszym sopniu skorelowane ze srefą euro jako całością niŝ kraje członkowskie (rysunek 4 i 5). Jedynym krajem regionu wykazującym isoną dodanią korelację jes Esonia. Polska jes w zakresie obu szoków skorelowana dodanio, ale nieisonie. Wśród krajów srefy euro wysępuje relaywnie duŝa heerogeniczność wyników. Niemcy, Włochy, Francja, Hiszpania, a akŝe Finlandia są w obu przypadkach silnie dodanio zsynchronizowane ze srefą euro jako całością. Spośród pańsw członkowskich w zakresie obu szoków nieisone skorelowanie wykazują Grecja, Porugalia, Luksemburg i Irlandia. 28

29 Analiza podobieńswa reakcji gospodarek na szoki srukuralne Rys 6. Korelacja odpowiedzi PKB poszczególnych krajów na szok popyowy z reakcją gospodarki srefy euro w laach (dekompozycja Blancharda-Quah) Źródło: Opracowanie własne na podsawie danych Eurosau Reakcje PKB na jednoskowy szok popyowy są w niemal wszyskich krajach objęych analizą bardzo podobne do odpowiedzi PKB srefy euro (rysunek 6). Jedynym wyjąkiem jes Łowa, w przypadku kórej wysępuje isona ujemna korelacja. Fak en spowodowany jes syuacją gospodarczą w ym kraju pod koniec próby, kiedy o spadkowi dynamiki PKB owarzyszył wzros dynamiki poziomu cen. Funkcja reakcji na impuls modelu oszacowanego bez uwzględnienia osanich kwarałów jes zbliŝona dla ej gospodarki do pozosałych krajów. 29

30 Rys 7. Korelacja odpowiedzi PKB poszczególnych krajów na szok podaŝowy z reakcją gospodarki srefy euro w laach (dekompozycja Blancharda-Quah) Źródło: Opracowanie własne na podsawie danych Eurosau W przypadku szoków podaŝowych reakcje wszyskich gospodarek są isonie dodanio skorelowane z odpowiedziami PKB srefy euro jako całości (rysunek 7). W przypadku większości z nich współczynniki korelacji bliskie są jedności. Wyjąek w ym zakresie sanowią jedynie Polska i Belgia. 30

31 Analiza reakcji gospodarek na szok wspólny Rys 8. Korelacja odpowiedzi PKB poszczególnych krajów na wspólny szok popyowy z reakcją gospodarki srefy euro w laach Źródło: Opracowanie własne na podsawie danych Eurosau Rys 9. Korelacja odpowiedzi PKB poszczególnych krajów na wspólny szok podaŝowy z reakcją gospodarki srefy euro w laach Źródło: Opracowanie własne na podsawie danych Eurosau 3

32 W zakresie reakcji PKB na wspólne szoki (rysunek 8 i 9) wysępuje znaczna heerogeniczność krajów objęych analizą. W ramach krajów członkowskich odpowiedzi sa bardzo silnie skorelowane ze srefą euro jako całością. Jedynym wyjąkiem pod ym względem jes Grecja, kórej reakcja jes silnie ujemnie skorelowana. Zasanawiająca jes równieŝ nieznaczna dodania korelacja odpowiedzi na wspólny szok popyowy w przypadku Niemiec największej gospodarki składającej się na srefę euro. Spośród krajów Europy Środkowo-Wschodniej najwyŝszą korelację w zakresie reakcji na oba szoki wykazuje Polska. Kraj en ylko nieznacznie usępuje pod ym względem pańswom członkowskich srefy euro. Isonie dodania korelacja w obu przypadkach wysępuje równieŝ w przypadku Esonii. Podsumowanie wyników Wyniki przeprowadzonej analizy wskazują, iŝ gospodarka polska na le krajów regionu, jak równieŝ krajów członkowskich srefy euro wykazuje duŝy sopień synchronizacji z cyklem srefy jako całości. W zakresie zbieŝności cykli klasycznych, czyli zgodności faz cyklu, w kórej znajduje się dany kraj i gospodarka referencyjna (srefa euro), Polska naleŝy do czołówki krajów objęych analizą. Co więcej, cykl wspólny dla Polski oraz największych gospodarek srefy euro (Niemiec, Francji i Włoch) prawidłowo odzwierciedla flukuacje polskiej akywności gospodarczej, co świadczy o ym, iŝ isnieje wspólny czynnik odpowiedzialny za synchronizację cykliczną w ramach ej grupy pańsw. Tym niemniej, niepokojącym zjawiskiem jes nieisone skorelowanie szoków srukuralnych doykających Polskę i gospodarkę referencyjną. Fak en przy braku auonomicznych narzędzi akomodacji szoków w posaci kursu waluowego i poliyki pienięŝnej na poziomie kraju moŝe sanowić kosz parycypacji Polski w srefie euro. NaleŜy jednak pamięać, iŝ samo wsąpienie do unii waluowej, a akŝe przeprowadzane w okresie przygoowawczym reformy srukuralne niezbędne do spełnienia kryeriów nominalnych, wiąŝe się z uspójnieniem części szoków, w ym wynikających ze wspólnej poliyki pienięŝnej i z koordynacji poliyki fiskalnej (Pak Sabilności i Wzrosu). Co więcej, problem en wysępuje równieŝ w przypadku większości małych gospodarek srefy (Grecja, Porugalia, Irlandia, Luksemburg, Ausria, Holandia, Belgia). Odpowiedzi gospodarki polskiej na szoki są silnie dodanio skorelowane z reakcjami srefy euro jako całości. Doyczy o zarówno odpowiedzi na szoki jednoskowe, jak i szoki wspólne, pochodzące z gospodarki referencyjnej. W związku z ym w konekście uspójnienia części szoków wraz z przysąpieniem do unii waluowej moŝna przypuszczać, 32

33 iŝ nasąpi proces konwergencji cyklicznej, zaś kryeria opymalności wspólnych obszarów waluowych okaŝą się w przypadku Polski endogeniczne. W ramach pańsw członkowskich wysępuje znaczna heerogeniczność pod względem synchronizacji ze srefą euro jako całością. Do zbieŝnych w największym sopniu gospodarek naleŝą - zgodnie z wynikami większości badań - Niemcy oraz Włochy. W przeciwieńswie do wyników wielu innych analiz, Francja wykazuje umiarkowany sopień zbieŝności cyklu ze srefą euro jako całością. NajniŜszy sopień synchronizacji z cyklem referencyjnym wysępuje w przypadku Grecji i Porugalii. Z kolei dla Belgii, Holandii, Finlandii czy Irlandii wyniki nie są jednoznaczne. Analiza symeryczności szoków popyowych i podaŝowych, doykających gospodarkę srefy euro jako całości i poszczególne kraje członkowskie wskazuje, iŝ ylko w przypadku części z nich wysępuje isona dodania korelacja. W zakresie obu ypów szoków jako jedyne dodanią korelację wykazują Francja, Hiszpania, Niemcy i Włochy, czyli kraje o największym udziale w gospodarce srefy euro, a akŝe Finlandia. W przypadku Grecji, Porugalii, Luksemburga i Irlandii w zakresie obu ypów szoków korelacja z szokami doykającymi srefy euro jes saysycznie nieisona. Z kolei odpowiedzi gospodarek na jednoskowe szoki srukuralne są we wszyskich krajach członkowskich srefy euro bardzo podobne. RównieŜ reakcje gospodarek na szoki wspólne wykazują bardzo duŝy sopień skorelowania ze srefą euro jako całością. Jedynym wyjąkiem w ym zakresie jes Grecja, w przypadku kórej odpowiedzi na szoki wspólne mają przeciwny kierunek niŝ w pozosałych pańswach członkowskich. Bibliografia Anas J., Billio M., Ferrara L., Lo Duca M. (2004): Business cycle analysis wih mulivariae Markov swiching models, GRETA Working Paper Series 2; Aris M., Krolzig H., Toro J. (2004a): The European business cycle, Oxford Economic Paper 56 (): -44; Aris M., Marcellino M., Proiei T. (2002): Daing he Euro Area business cycle, EUI Economics Working Paper 24; Aris M., Marcellino M., Proiei T. (2004b): Characerising he business cycle for accession counries, CEPR Discussion Paper 4457; 33

34 Bayoumi T. (99): The effec of he ERM on paricipaing economies, IMF Working Paper 86; Bayoumi T., Eichengreen B. (992): Shocking aspecs of European moneary inegraion, NBER Working Paper 3949; Beine M., Candelon B., Sekka K. (999): Sabilizaion policy and business cycle phases in Europe a Markov swiching VAR analysis, Sonderforschungsbereich Paper 373, Quanificaion and Simulaion of Economic Processes 9; Benczur P., Koren M., Rafai A. (2004): The ransmission of Eurozone shocks o CEECs, hp:// Blanchard O., Quah D. (989): The dynamic effecs of aggregae demand and supply disurbances, The American Economic Review 79 (4): ; Bry G., Boschan C. (97): Cyclical analysis of economic ime series: seleced procedures and compuer programs, NBER Technical Working Paper 20; Burns A., Michell W., (946): Measuring Business Cycles, NBER, New York; Caccioi M., Cerciello B., de Arcangelis G., Giovannei G. (2003): The business cycles and is inernaional ransmission: recen changes for he Ialian economy, hp:// Darvas Z., Vadas G. (2005): A new mehod for combining derending echniques wih applicaion o business cycle synchronizaion of he new EU members, Magyar Nemzei Bank Working Paper 5 de Haan J., Inklaar R., Jong-A-Pin R. (2005): Will business cycles in he Euro Area converge: a criical survey of empirical research, CCSO Working Papers, (8) Ehrmann M., Ellison M., Valla N. (2003): Regime dependen impulse response funcions in a vecor Markov-swiching model, Bank of Finland Discussion Paper Series ; Fidrmuc J., Korhonen I. (2006): Mea-analysis of he business cycle correlaion beween he euro area and he CEECs, CESifo Working Paper 693; Filardo A., Gordon S. (994): Inernaional co-movemens of business cycles, Federal Reserve Bank of Kansas Frenkel M., Nickel C. (2002): How symmeric are he shocks and he shock adjusmen dynamics beween he Euro Area and Cenral and Easern European Counries?, IMF Working Paper 222; Goldfeld S., Quand R. (973): A Markov model for swiching regressions, Journal of Economerics : 3-6; Hamilon J. (989): A new approach o he economic analysis of nonsaionary ime series and he business cycle, Economerica 57 (2): ; Hamilon J. (994): Time Series Analysis, Princeon Universiy Press, Princeon, New York; Harding (2002): The Ausralian business cycle: a new view, MPRA Paper 3698; 34

35 Harding D., Pagan A. (999): Dissecing he cycle, Melbourne Insiue Working Paper Series 3; Harding D., Pagan A. (2002): Dissecing he cycle: a mehodological invesigaion, Journal of Moneary Economics 49 (2): ; Harding D., Pagan A. (2003): A comparison of wo business cycle daing mehods, Journal of Economic Dynamics and Conrol 27 (9): ; Harding, D., Pagan, A. (999), Knowing he cycle, Melbourne Insiue Working Paper, nr 2 Ide S., Moës P. (2003): Scope of asymmeries in he Euro Area, NBB Documens Series 03; Kim C. (994): Dynamic linear models wih Markov-Swiching, Journal of Economerics 60 (-2): -22; Kouparisas M. (999): Is he EMU a viable common currency area? A VAR analysis of regional business cycles, Economic Perspecives, Federal Reserve Bank of Chicago 4; Krolzig, H. (997): Markov Swiching Vecor Auoregressions: Modelling, Saisical Inference and Applicaion o Business Cycle Analysis: Lecure Noes in Economics and Mahemaical Sysems, 454, Springer-Verlag; Krolzig H. (200): Markov-Swiching procedures for daing he Euro-Zone business cycle, Viereljahrshefe zur Wirschafsforschung 70 (3): ; Krolzig H. (2003): Consrucing urning poin chronologies wih Markov-Swiching Vecor Auoregressive model: he Euro-Zone business cycle, [w:] Proceedings on Modern Tools for Business Cycle Analysis. Monography in Official Saisics, Eurosa; Krolzig H., Toro J. (200): Classical and modern business cycle measuremen: he European case, Universiy of Oxford Deparmen of Economics Working Paper Series 60; Lucas R. (977): Undersanding business cycles, Carnegie-Rocheser Conference Series on Public Policy 5: 7-29; Maciejowska K., Zwiernik P. (2006): Modelowanie nieliniowe w analizie wskaźników koniunkury, Prace i Maeriały Insyuu Rozwoju Gospodarczego 77; Osińska M. (2006): Ekonomeria finansowa, Polskie Wydawnicwo Ekonomiczne SA, Warszawa Phillips K. (99): A wo-counry model of sochasic oupu wih changes in regime, Journal of Inernaional Economics 3 (-2): 2-42; Smih S., Summers P. (2004): How well do Markov-Swiching models describe acual business cycles? The case of synchronizaion, Melbourne Insiue Working Paper Series 9; Xiaoshan C. (2007): Evaluaing he synchronisaion of he Eurozone business cycles using mulivariae coinciden macroeconomic indicaors, Deparmen of Economics Loughborough Universiy Discussion Paper Series 27; 35