pobierz artykuł - PTE Oddział w Krakowie

Transkrypt

Zeszyty
Naukowe nr 13
Kraków 2012
POLSKIE TOWARZYSTWO EKONOMICZNE
Joanna Wyrobek
Zbigniew Stańczyk
Uniwersytet Ekonomiczny w Krakowie
Kryzys subprime a hipoteza
decouplingu
1. Wprowadzenie
Hipoteza decouplingu, czyli odłączenia się, mówi o tym, że nastąpiła względna
niezależność gospodarek rozwijających się (wschodzących) od gospodarek rozwiniętych1. Hipoteza decouplingu, podobnie jak wiele innych hipotez głoszonych
w ekonomii, jest wieloznaczna, bo może dotyczyć zmian w różnych dziedzinach
życia gospodarczego (zarówno w sferze realnej, w tym zmian PKB lub zmian
w wolumenie wymiany handlowej, jak i w sferze finansowej) rozpatrywanych
w różnych horyzontach czasowych. W niniejszym opracowaniu termin „decoupling” użyty został w jego najbardziej popularnym w literaturze ekonomicznej
znaczeniu: zbadane zostały relacje pomiędzy wahaniami PKB w krótkim okresie
(czyli inaczej mówiąc: cyklami koniunkturalnymi mierzonymi zmianami PKB).
Hipoteza decouplingu wywodzi się ze spektakularnych sukcesów gospodarek Azji, a w szczególności Chin, których ogromne tempo rozwoju nie ulegało
istotnym zaburzeniom niezależnie od stanu koniunktury i sytuacji gospodarczej
w krajach rozwiniętych. T.D. Willett, P. Liang i N. Zhang [2011, s. 217–219] twierdzą, że o decouplingu zaczęto mówić już w latach 80. i 90. ubiegłego wieku, ale
kryzys, który wystąpił w Azji w latach 1997 i 1998, spowodował, że przestano
się tą kategorią zajmować. Zdaniem tych autorów pojęcie decouplingu pojawiło
się znowu w dyskusjach ekonomistów i finansistów po 11 września 2001 r., kiedy
1
W polskiej literaturze ekonomicznej nie ustalony został jeszcze jeden odpowiednik angielskiego terminu decoupling. Różni autorzy piszą o odłączeniu, rozłączeniu, oddzieleniu lub po
prostu o decouplingu. Por. np. [Wojtyna 2010].
10
Joanna Wyrobek, Zbigniew Stańczyk
to w USA i Europie zaczęto obserwować objawy recesji, a w Chinach i Indiach
występowały nadal wysokie stopy wzrostu gospodarczego. W pierwszym dziesięcioleciu XXI w. zaczęto też głosić tezy, że decoupling może mieć miejsce
w odniesieniu do gospodarek rozwijających się spoza Azji.
Do popularyzacji hipotezy decouplingu przyczynili się ekonomiści związani
z bankiem Goldman Sachs, w tym główny ekonomista tego banku Jim O’Neill.
Jeszcze u progu kryzysu związanego z instrumentami subprime w publikacjach
ekonomistów tego banku (zob. [Liang i Qiao 2007]) można było znaleźć wyliczenia, w których autorzy starali się dowieść prawdziwości hipotezy decouplingu.
Do ugruntowania opinii o tej hipotezie przyczynił się też raport IMF [2007] oraz
publikacja M.E. Kose’a, Ch. Otroka i E.S. Prasada [2008].
Dotychczasowe badania empirycznie nigdy nie dały jednoznacznego potwierdzenia lub zaprzeczenia hipotezy decouplingu (przed kryzysem subprime), gdyż
istnieje równie wiele opracowań potwierdzających tę hipotezę, jak też jej zaprzeczających. Najczęściej cytowanym opracowaniem potwierdzającym hipotezę
decouplingu jest praca [Kose, Otrok i Prasad 2008]. Badacze ci przeanalizowali
stopień synchronizacji cykli dla lat 1960–2005, obejmując badaniami 106 krajów, które podzielili na trzy grupy: kraje uprzemysłowione, rynki wschodzące
oraz pozostałe kraje rozwijające się, a w obliczeniach wykorzystali trzy szeregi
czasowe: PKB, inwestycje i konsumpcję. Wspomniane szeregi czasowe zostały
poddane dekompozycji na cztery elementy: czynnik globalny, który związany
był z wahaniami wszystkich szeregów we wszystkich krajach; czynnik charakterystyczny dla danej grupy krajów, czynnik specyficzny dla danego kraju
i wspólny dla wszystkich szeregów czasowych dla danego kraju i wreszcie czynnik specyficzny dla danego szeregu czasowego. Najważniejszym rezultatem ich
badań było odkrycie, że w określanych jako okres globalizacji latach 1985–2005
występowała synchronizacja cykli w grupie krajów uprzemysłowionych oraz dla
gospodarek wschodzących. Nie stwierdzili oni natomiast synchronizacji cykli na
poziomie globalnym. Nieistotność czynnika globalnego może być zinterpretowana jako decoupling (oddzielenie się) ścieżki zmian w gospodarkach wschodzących i w krajach rozwiniętych.
Wyniki M.E. Kose’a, Ch. Otroka i E.S. Prasada [2008] potwierdzał także
Międzynarodowy Fundusz Walutowy [IMF 2007, s. 139–143], ale zamiast dzielenia próby krajów na grupy o różnym poziomie rozwoju, uwzględniał przede
wszystkim kryteria regionalne. Tabela 1 przedstawia wyniki wyliczeń dotyczących procentowego udziału czterech czynników oddziałujących na wahania PKB:
czynnik globalny, czynnik regionalny, czynnik specyficzny dla danego regionu
oraz czynnik specyficzny związany z danym szeregiem czasowym. Okazuje się,
że w ostatnim badanym okresie (1986–2005) na kształtowanie się zmian PKB
większy wpływ miały czynniki regionalne niż czynnik globalny.
Kryzys subprime a hipoteza decouplingu
11
Tabela 1. Udział czynników wpływających na wahania PKB (średnie arytmetyczne
dla każdego regionu, w %)
Wyszczególnienie
Ameryka Północna
Europa Zachodnia
Wschodzące gospodarki azjatyckie
i Japonia
Ameryka Łacińska
Ameryka Północna
Europa Zachodnia
i Japonia
Ameryka Łacińska
Ameryka Północna
Europa Zachodnia
i Japonia
Ameryka Łacińska
Czynnik
Czynnik
globalny
regionalny
1960–2005
16,9
51,7
22,7
21,6
7,0
21,9
9,1
1960–1985
31,4
26,6
10,6
16,2
1986–2005
5,0
5,6
6,5
7,8
Czynnik
krajowy
Czynnik
specyficzny
14,8
34,6
47,4
16,6
21,1
23,7
16,6
48,6
25,7
36,4
20,5
9,5
15,7
31,6
50,5
16,5
21,3
29,4
19,4
41,2
23,2
62,8
38,3
34,7
8,2
27,6
31,1
24,0
28,5
27,7
8,7
51,7
31,8
Źródło: [IMF 2007, s. 14].
Ważną publikacją, której autor zaprzeczył decouplingowi, była praca [Wälti
2009]. S. Wälti przeanalizował odchylenia PKB gospodarek rozwiniętych i rozwijających się od ich długookresowego trendu i porównał je ze sobą dla różnych
opóźnień czasowych. Obliczenia wykonał dla 34 rozwijających się gospodarek
(Chiny, Indie, Indonezja, Malezja, Palistan, Filipy, Tajlandia, Wietnam, Argentyna, Brazylia, Chile, Kolumbia, Ekwador, Meksyk, Peru, Urugwaj, Wenezuela,
Bułgaria, Chorwacja, Czechy, Estonia, Węgry, Łotwa, Litwa, Polska, Rumunia,
Rosja, Słowacja, Turcja, Ukraina, Egipt, Jordania, Maroko, RPA) oraz dla 29 rozwiniętych gospodarek, grupy G7, grupy rozwiniętych gospodarek w Europie.
Obliczenia wykonał on dla okresu 1980–2007, wykorzystując analizę widmową
i filtr Hodricka-Prescotta. Uzyskane wyniki zaprzeczyły hipotezie decouplingu
– powiązania były niemalże tak samo silne pomiędzy krajami na różnych kontynentach i pomiędzy gospodarkami rozwiniętymi i rozwijającymi się (S. Wälti
odwołuje się również do innych badań zaprzeczających decouplingowi).
Wątpliwości co do występowania decouplingu narosły szczególnie w dobie
kryzysu subprime, kiedy okazało się, że kryzys światowy dotknął praktycznie
12
wszystkich krajów niezależnie od regionu geograficznego i poziomu rozwoju.
Jedni badacze, np. [Krugman 2010], po prostu stwierdzili, że oddzielenie gospodarek nie występuje, inni sugerowali, że nastąpiła zmiana warunków otoczenia
i po etapie decouplingu nastąpił etap recouplingu [Korinek, Roitman i Vegh
2010], czyli powtórne uzależnienie się od siebie cykli gospodarczych pomiędzy
krajami rozwijającymi się a rozwiniętymi i pomiędzy różnymi kontynentami.
Celem niniejszej publikacji jest zweryfikowanie, czy dane empiryczne
potwierdzają hipotezę decouplingu, w szczególności gdy w badaniach uwzględnione zostaną dane z początku kryzysu subprime. Jeżeli przed tym okresem rzeczywiście nie występowało podobieństwo odchyleń PKB od trendu długookresowego w krajach rozwijających się i rozwiniętych, a potem takie podobieństwo
zostałoby zaobserwowane, to należałoby przyjąć hipotezę decouplingu dla okresu
przed kryzysem i hipotezę recouplingu w czasie kryzysu. Jeżeli natomiast przed
2008 r. występowały silne powiązania zmian PKB pomiędzy krajami, wówczas
bardziej logiczne wydawało się odrzucenie hipotezy decoplingu, a co za tym
idzie – także recouplingu. Za kraj odniesienia w porównaniach zmian koniunkturalnych przyjęto Polskę.
2. Krótkie omówienie metody badawczej
2.1. Uwagi ogólne
Aby ocenić powiązania odchyleń PKB od długookresowego trendu pomiędzy
krajami, najpierw konieczne było usunięcie trendu czasowego z szeregu zawierającego realne wartości PKB wyrażone w USD (dane z Banku Światowego).
Po tym zabiegu i ewentualnym usunięciu dryfu, za pomocą filtru ChristianoFitzgeralda rozdzielono z szeregów część cykliczną i niecykliczyną zmian PKB.
Uzyskane szeregi czasowe cyklicznych części zmian PKB poddano analizie widmowej, aby sprawdzić podobieństwo zmian tych szeregów pomiędzy krajami.
Poniżej przedstawiono krótko zastosowane metody obliczeniowe.
2.2. Zarys idei filtru band-pass Christiano-Fitzgeralda
Do wyodrębnienia części cyklicznych z szeregu czasowego zastosowano
filtr band-pass Christiano-Fitzgeralda, co wynikało z możliwości zastosowania
go do wszystkich szeregów czasowych oraz z jego zalet nad innymi metodami
(uwzględnia strukturę stochastyczną dekomponowanej zmiennej, usuwa wszystkie wahania o charakterze niesezonowym, działa dla prawie wszystkich szeregów
czasowych itd.).
13
Jak podaje P. Skrzypczyński [2008, s. 13–14], filtr Christiano-Fitzgeralda
wymaga sprawdzenia stacjonarności szeregu czasowego (filtr I(0)) i w przypadku
jej braku – czy niestacjonarność jest przyrostowa pierwszego rzędu, czy trendo‑stacjonarna. W pierwszym przypadku dla I(1) usuwa się dryf (filtr I(1)), dla drugiego przypadku niestacjonarności należy usunąć trend deterministyczny.
Idea wyliczenia części cyklicznej c(t) w filtrze band-pass opiera się na zastosowaniu następującej formuły [Nilsson i Gyomai 2011, s. 7–8]:
yˆ tc = Bˆ t (L ) yt , gdzie Bˆ t (L ) =
t −1
∑ Bˆ j ,t L j
j = −(T − t )
ˆ
Zestaw wag B j, t stanowi rozwiązanie równania:
Bˆ j ,t ,
π
∫ B (e
j = −(T − t),..., t −1
min
−π
− iω
dla t = 1, 2, K, T .
2
) − Bˆ t (e − iω ) S y (ω) dω dla t = 1, 2, K, T .
Dodatkowym warunkiem ograniczającym w przypadku filtra I(1) jest:
t −1
∑ Bˆ j ,t = 0
j = −(T − t )
dla t = 1, 2, K, T , który zapewnia usuwanie przez filtr trendu
stochastycznego. Działanie filtra, usuwające częstotliwości zbyt niskie lub zbyt
wysokie, aby traktować je jako cykl gospodarczy, opiera się na funkcji B(e–iω),
która jest określona następująco:
1 dla ω ∈ [− ω, −ω] ∪ [ ω, ω ] ,
B ( e − iω ) ≡ 
0 dla ω ∈ [− π,− ω) ∪ (− ω, ω) ∪ ( ω, π],
gdzie: ω = 2π/τ to częstotliwość wyrażona w radianach o okresie równym τ. Wielkości ω = 2π / τU oraz ω = 2π / τ L (0 < ω < ω < π ) wyznaczają dolną i górną częstotliwość działania filtra, przez co filtr odcina wahania o okresie dłuższym niż
τU oraz krótszym niż τL. W obliczeniach przyjęto τU = 32 oraz τL = 6.
2.3. Zarys metody analizy pojedynczego widma
Analiza widmowa (spektralna) opiera się na idei zapisania szeregu czasowego
za pomocą sumy prostych fal, z których każdą definiuje się jako sumę sinusów
i cosinusów, które w swojej dziedzinie wykorzystują różne narzucone częstotliwości (wartości). Analiza widmowa wymaga poddania danych cyklicznych transformacji Fouriera, która wykorzystuje wzór Eulera2: eiλ = cos λ + i sin λ, aby ana2
Ze wzoru wynika, że zmienną szeregu czasowego można zapisać jako funkcję sinusów i cosinusów przez pomnożenie jej przez liczbę urojoną i oraz podniesienie liczby e do tej potęgi. Techniczne przeprowadzenie tego przekształcenia jest dość skomplikowane i metody jego wykonania
zostaną tutaj pominięte. W wyniku transformacji Fouriera uzyskuje się ciąg liczb zespolonych
14
lizować proces w dziedzinie częstości (a nie w czasie). Celem analizy spektralnej
jest bowiem wyznaczenie spektrum mocy, czyli widma rozpatrywanego szeregu
czasowego. Spektrum mocy stanowi rozkład wariancji analizowanego szeregu
czasowego i umożliwia identyfikację cykli o określonych częstotliwościach i ich
udziału w całkowitej wariancji. Innymi słowy, dzięki transformacji Fouriera uzyskuje się pary (długość fali, wariancja), które umieszczone na wykresie tworzą
spektrogram, z którego odczytuje się, które długości fali (długości cykli) są najistotniejsze dla danego szeregu.
Jak pisze P. Skrzypczyński [2008, s. 16], „spektrum mocy procesu stocha+∞
stycznego z czasem dyskretnym {yt}t = −∞ o zerowej średniej i stacjonarnej funkcji kowariancyjnej jest zdefiniowane jako transformata Fouriera ciągu autokowav +∞
riancyjnego {yk }k = −∞ tego procesu i jest dane jako:
Sy (ω) =
1 +∞ y −iϖk
dla ω ∈ [− π, π],
∑γ e
2π k = −∞ k
2π
jest częstotliwością odpowiadającą okresowi τ”.
τ
Z uwagi na to, że periodogram obliczony za pomocą powyższej metody jest
bardzo „postrzępiony”, stosuje się metody mające na celu zredukowanie tej zmienności (wygładzające), z których jedną z popularniejszych jest okno Parzena.
gdzie ω =
2.4. Zarys analizy widma wzajemnego (cross-spektralnej)
Istnieje kilka metod obliczania widma wzajemnego, jedną z nich podaje
P. Bloomfield [1976, s. 210–212]. Szeregi czasowe X i Y mogą zostać najpierw
połączone w dziedzinie czasu (przed transformacją Fouriera) przez obliczenie
funkcji kowariancji krzyżowej (korelogramu) z opóźnieniami czasowymi (lagged
cross-covariance function). Uzyskaną funkcję poddaje się następnie transformacji Fouriera i uzyskuje periodogram widma wzajemnego. Kowariancję krzyżową
można zapisać następująco:
1
c x, y , r = ∑ xt yt − r ,
n
gdzie t oraz t – r = 0, 1, 2, …, n – 1, a r oznacza opóźnienie czasowe jednego szeregu względem drugiego.
Następnie przeprowadza się transformację Fouriera, aby otrzymać periodogram widma wzajemnego:
postaci a + bi. Uzyskane współczynniki a i b podają współczynniki pozwalające dopasować sinusoidy do szeregu czasowego, stąd na ich podstawie można także obliczyć amplitudę, przesunięcia
fazowe i wariancję dla komponentów cyklicznych.
I x, y (ω) =
15
1
c x, y , r e − irϖ .
∑
2π r < n
Podobnie do periodogramu pojedynczego widma, periodogram widma wzajemnego także się wygładza, np. oknem Parzena.
W przypadku analizy widma wzajemnego liczby zespolone tworzące periodogram widma wzajemnego (cross-periodogram) można przekształcić i obliczyć:
kwadrat koherencji, wzmocnienie (ang. gain) oraz przesunięcie fazowe. Aby
obliczyć te statystki, należy wyliczyć wielkość c yx (ω) = 2π −1
+∞
∑ γ kyx cos(ωk ),
k = −∞
która nazywana jest co-spectrum i stanowi część rzeczywistą cross-spectrum.
Na podstawie cross-spectrum możliwe jest właśnie zdefiniowanie trzech wyżej
wspomnianych statystyk cross-spektralnych (wzmocnienia (Gyx(ω)), przesunięcia
2
fazowego (φyx(ω)) oraz koherencji K yx (ω)) :
1
G yx (ω) =
(c 2yx (ω) + q 2yx (ω)) 2
S x (ω)
 − q yx (ω) 

ϕ yx (ω) = tan−1
 c yx (ω) 


2
(ω) =
K yx
c 2yx (ω) + q 2yx (ω)
S y (ω) S x (ω)
dla ω ∈ [− π, π],
dla ω ∈ [− π, π],
dla ω ∈ [− π, π],
gdzie Sx(ω) oznacza spektrum mocy procesu {xt}, natomiast Sy (ω) odpowiada
spektrum mocy procesu {yt} [Skrzypczyński 2008, s. 17–18].
3. Uzyskane wyniki
W tabelach 2 i 3 przedstawiono wartości koherencji mierzącej podobieństwo
zmian cyklicznych części PKB pomiędzy krajami (z uwzględnieniem ewentualnych opóźnień czasowych pomiędzy krajami) dla różnych długości wahań
cyklicznych. Uzyskane wyniki pokazują, że silne podobieństwo zmian wahań
cyklicznych zachodziło już przed wystąpieniem kryzysu subprime, szczególnie
dla wahań o dłuższej amplitudzie oraz dla amplitud bardzo krótkich. Rzeczywiście, nieco silniejsze powiązania występowały w obrębie tego samego kontynentu (wyniki w tabelach 2 i 3 pokazują porównanie podobieństwa cykli pomiędzy różnymi krajami a Polską), ale bardzo silny wpływ wywierały także USA
16
oraz Chiny3. Polska też jest zaliczana do grupy gospodarek wschodzących (rozwijających się) i jej przypadek przeczy hipotezie decouplingu. Wyniki zawarte
w wielu uznanych pracach oraz wyniki obliczeń dokonanych przez autorów
artykułu potwierdzają tezę, że występuje silna synchronizacja wielu wschodzących europejskich gospodarek (w większości są to nowe kraje członkowskie UE)
i gospodarek najbardziej rozwiniętych, w tym rozwiniętych gospodarek UE (zob.
[Skrzypczyński 2010]).
Tabela 2. Kwadraty koherencji pomiędzy cyklem gospodarczym Polski a innych krajów
świata (różne długości cyklu), obliczenia dla lat 1995–2006. Pogrupowanie według
kontynentów (w %)*
Europa
Kraj
Austria
Belgia
Chorwacja
Czechy
Dania
Estonia
Finlandia
Francja
Gruzja
Hiszpania
Holandia
Irlandia
Islandia
Litwa
Łotwa
Niemcy
Norwegia
Portugalia
Rosja
Szwajcaria
Szwecja
Słowacja
Słowenia
Turcja
Węgry
Wielka Brytania
Włochy
EU-27
Euro-17
24
85,5
83,3
83,3
86,3
81,6
26,6
85,4
92,5
15,4
92,0
94,3
83,1
26,8
1,6
61,7
87,3
10,9
90,7
94,7
84,8
87,1
51,1
79,9
67,6
76,4
93,2
87,5
90,3
90,1
16
56,7
59,6
55,6
44,6
49,1
6,7
67,3
81,8
7,2
68,1
77,7
53,5
5,1
6,6
22,4
65,1
10,4
59,2
81,5
64,9
62,2
56,8
42,8
48,4
41,1
80,8
76,2
73,3
73,2
12
30,7
43,9
68,2
4,9
24,7
15,5
60,7
64,7
8,8
53,3
48,8
45,6
16,2
12,2
16,7
50,0
19,1
8,4
79,6
64,0
50,4
49,1
40,5
63,3
28,7
62,9
68,2
62,7
62,9
9,6
59,7
83,8
79,1
6,4
10,4
32,2
34,2
59,0
4,8
72,1
27,3
31,9
54,6
41,1
34,2
33,2
70,2
46,6
74,7
75,2
53,3
65,0
38,7
49,7
28,8
34,7
61,0
47,6
52,0
8
49,2
87,0
63,8
46,5
5,9
51,4
8,3
44,5
14,5
66,3
26,7
26,3
79,6
48,6
37,0
35,1
81,0
57,0
72,0
48,0
46,1
84,1
4,4
32,7
17,9
45,6
39,8
45,2
48,5
6,90
51,4
74,9
62,6
70,6
10,2
62,4
5,6
58,3
7,2
56,4
57,1
28,9
65,9
47,4
56,1
66,4
64,2
75,0
73,7
4,8
32,9
66,5
5,9
2,0
42,2
62,5
45,2
63,2
65,8
6
50,8
51,9
52,5
73,4
5,8
44,1
23,6
68,3
55,8
67,5
59,9
41,8
48,4
31,7
62,4
59,0
48,2
71,3
80,0
4,7
40,7
17,8
30,1
20,4
29,3
55,4
72,4
71,0
78,6
3
Autorzy opracowania obliczyli także koherencje dla USA i innych krajów świata (wyniki
te przygotowywane są do przedstawienia w kolejnych publikacjach autorów) i uzyskane wyniki
okazały się bardzo podobne do przedstawionych w tabelach 2 i 3.
Ameryka Północna i Południowa
Kraj
24
16
Argentyna
64,6
28,4
Boliwia
60,2
32,8
81,0
Brazylia
65,4
Chile
2,2
16,7
88,5
Kanada
69,4
Kolumbia
58,2
35,1
80,3
Meksyk
58,9
Peru
49,8
7,6
94,3
81,6
USA
17
12
54,0
18,3
40,8
38,6
66,8
49,6
59,1
48,4
62,1
9,6
28,5
64,9
24,3
73,7
45,3
78,2
37,4
62,5
23,2
8
13,2
67,4
2,0
81,5
2,6
83,3
34,8
19,5
7,3
6,90
27,7
39,6
12,4
83,6
15,3
84,6
50,5
2,8
16,3
6
54,2
31,9
24,8
76,2
20,5
62,0
45,9
11,5
7,6
Azja
Kraj
Chiny
Filipiny
Hongkong
Indie
Indonezja
Iran
Izrael
Japonia
Korea Płd.
Malezja
Singapur
Tajlandia
Tajwan
24
62,3
22,4
68,7
63,9
68,5
53,0
87,6
61,8
76,4
38,8
84,7
50,9
98,6
16
27,3
4,7
51,2
32,2
24,2
11,4
86,3
49,1
28,1
22,0
77,8
17,3
97,5
12
19,1
40,4
42,0
0,9
15,7
7,7
73,1
36,3
40,6
52,0
64,6
31,9
86,7
9,6
3,2
14,5
51,0
26,6
63,7
15,4
55,7
5,5
66,0
72,5
52,0
53,1
34,5
8
29,6
23,8
30,1
34,0
79,0
37,2
34,6
12,7
42,3
65,4
33,6
45,6
7,9
6,90
48,0
3,3
35,4
57,6
72,9
30,0
2,7
6,7
45,5
70,0
41,5
68,2
3,3
6
58,0
14,7
39,7
71,1
64,1
15,4
26,7
16,4
56,9
69,6
35,9
79,0
22,5
Australia i Oceania
Kraj
24
Australia
56,8
Nowa Zelandia
39,8
16
42,5
45,1
12
19,1
77,8
9,6
10,0
85,0
8
2,0
70,2
6,90
8,1
40,1
6
23,9
9,7
Afryka
Kraj
24
16
12
9,6
8
6,90
6
Maroko
45,1
45,4
43,2
46,4
56,3
67,0
36,9
87,4
RPA
45,5
19,9
17,2
10,5
37,1
61,3
*
W ciemnych polach pogrubioną czcionką wyróżniono wartości powyżej 80, w jaśniejszych –
wartości z przedziału 60–79,9.
Źródło: obliczenia własne na podstawie danych [World Bank 2012].
Otrzymane przez autorów wyniki mogą służyć też do sformułowania wielu
szczegółowych wniosków związanych z hipotezą decouplingu. Na przykład gospodarka Meksyku jest silnie powiązana z gospodarką USA i jak można zauważyć,
analizując obie poniżej zamieszczone tabele, występuje silna synchronizacja cykli
polskich oraz cykli amerykańskich i meksykańskich, ale synchronizacja z cyklami
meksykańskimi nie jest oczywiście związana z występowaniem silnych bezpośrednich relacji Polski i Meksyku. Można też zauważyć, że występują dość wysokie
18
Tabela 3. Kwadraty koherencji pomiędzy cyklem gospodarczym Polski a innych krajów
świata (różne długości cyklu), obliczenia dla lat 1995–2009. Pogrupowanie według
kontynentów (w %)*
Europa
Kraj
Austria
Belgia
Chorwacja
Czechy
Dania
Estonia
Finlandia
Francja
Gruzja
Hiszpania
Holandia
Irlandia
Islandia
Litwa
Łotwa
Niemcy
Norwegia
Portugalia
Rosja
Szwajcaria
Szwecja
Słowacja
Słowenia
Turcja
Węgry
Wielka
Brytania
Włochy
EU-27
Euro-17
30
84,8
65,1
68,3
63,9
83,2
63,4
87,4
85,2
32,6
90,1
91,7
80,0
75,1
49,9
77,4
79,6
60,7
81,3
83,8
87,4
90,0
37,0
85,2
71,4
88,4
20
76,1
51,3
60,7
55,2
75,1
43,7
82,9
80,8
32,2
84,9
88,4
71,8
47,4
30,9
60,0
69,2
40,0
72,5
83,2
72,5
90,4
30,1
76,7
63,3
83,8
15
72,2
57,7
62,1
58,8
71,4
36,9
82,0
82,3
58,4
82,3
84,6
73,6
53,9
33,7
52,6
72,3
61,3
67,8
92,0
57,8
83,6
37,9
72,5
77,7
73,4
12
46,7
35,4
64,8
50,7
78,2
64,2
82,7
85,4
73,2
72,9
80,4
85,8
58,0
58,6
62,0
85,0
64,2
45,8
95,2
69,9
77,1
45,9
64,9
89,7
72,7
10
46,4
41,7
80,9
42,4
77,7
84,7
83,9
87,3
46,9
71,6
77,2
89,4
24,9
73,3
76,7
89,0
78,9
43,6
91,2
87,6
86,5
35,1
66,3
83,7
80,6
8,57
60,5
63,4
77,2
14,0
56,0
71,5
68,2
80,1
45,7
73,7
71,0
77,2
0,4
59,2
71,8
74,4
85,0
70,6
82,8
77,9
76,4
10,9
63,9
42,5
65,2
7,5
39,0
59,9
51,6
1,2
11,9
14,0
17,3
45,6
54,9
50,2
38,8
33,8
32,1
17,8
33,4
27,3
66,6
71,2
51,3
25,7
25,2
6,2
22,2
3,2
22,5
6,67
14,4
49,9
70,2
44,7
4,5
26,2
6,0
9,8
27,6
2,8
8,8
15,6
70,3
21,0
8,4
21,2
12,4
30,9
18,4
8,9
6,0
17,6
7,5
1,9
16,7
6
20,3
25,0
77,3
84,0
38,9
65,4
44,1
28,2
88,7
28,6
59,1
2,0
84,5
61,5
19,0
65,9
19,1
29,1
60,3
38,0
35,3
25,1
44,0
35,0
67,8
86,3
84,4
84,9
81,3
79,9
70,7
30,2
12,1
63,7
76,9
86,5
86,5
67,5
83,0
81,5
68,5
82,1
80,0
81,1
83,8
83,7
88,5
86,8
87,9
77,7
76,3
78,4
33,4
30,0
33,0
8,6
13,8
14,0
28,2
63,2
63,9
Ameryka Północna i Południowa
Kraj
30
20
15
Argentyna
64,0
20,3
25,2
Boliwia
14,0
25,1
52,0
89,9
Brazylia
78,9
79,6
Chile
37,6
19,5
56,6
88,6
84,9
Kanada
78,6
Kolumbia
10,0
19,5
32,7
81,3
80,1
Meksyk
78,1
Peru
44,1
35,0
34,3
88,4
89,7
88,2
USA
12
22,5
28,9
69,9
65,1
81,0
48,4
88,0
27,6
88,0
10
17,1
73,7
69,6
87,3
87,5
76,9
90,1
67,3
81,2
8,57
3,9
62,3
54,4
86,7
66,8
77,7
58,2
79,6
57,9
7,5
3,1
32,2
6,2
59,7
15,4
67,9
8,8
31,5
11,4
6,67
40,2
34,4
21,2
72,4
4,6
64,7
18,0
23,8
7,7
6
88,0
18,8
18,3
83,5
29,4
43,9
61,5
35,8
24,1
19
Azja
Kraj
Chiny
Filipiny
Hongkong
Indie
Indonezja
Iran
Izrael
Japonia
Korea Płd.
Malezja
Singapur
Tajlandia
Tajwan
30
83,1
54,9
53,0
51,7
53,0
1,6
64,1
50,2
36,0
12,3
68,7
9,4
77,9
Australia i Oceania
Kraj
30
Australia
16,8
Nowa
66,7
Zelandia
20
60,7
4,9
53,5
18,9
36,2
14,4
52,7
54,6
41,2
41,6
68,1
38,2
83,2
15
31,3
40,2
70,9
62,6
43,4
54,7
62,1
79,8
62,8
79,9
81,4
75,8
90,1
12
43,9
31,5
70,0
43,6
2,4
58,9
76,7
85,6
49,8
75,8
86,6
62,6
87,7
10
57,8
10,5
86,1
9,4
31,2
29,0
77,1
72,7
72,6
83,1
84,8
60,2
80,6
8,57
63,2
29,9
78,0
22,2
66,8
20,3
44,3
45,0
78,5
80,0
71,6
68,1
48,1
7,5
38,9
24,7
36,6
5,4
60,1
15,6
4,1
16,0
42,3
45,1
40,7
40,4
9,3
6,67
1,7
24,8
13,3
61,5
76,8
20,7
11,7
1,9
27,4
29,5
42,2
29,9
2,4
6
61,1
44,7
45,4
84,4
81,0
44,5
6,5
14,2
61,9
65,1
52,5
67,8
36,9
20
7,5
15
36,9
12
63,2
10
49,1
8,57
25,9
7,5
3,5
6,67
26,8
6
27,6
70,2
86,1
77,4
81,2
78,5
53,9
26,8
2,7
Afryka
Kraj
30
20
15
12
10
8,57
7,5
Maroko
36,6
17,4
28,2
49,5
76,3
57,2
15,7
RPA
68,0
60,7
65,5
60,7
63,3
51,1
6,4
*
W ciemnych polach pogrubioną czcionką wyróżniono wartości powyżej 80,
wartości z przedziału 60–79,9.
Źródło: obliczenia własne na podstawie danych [World Bank 2012].
6,67
6
33,1
35,5
17,4
67,4
w jaśniejszych –
koherencje pomiędzy Polską a Brazylią, co świadczy o tym, że gospodarka brazylijska nie uniezależniła się od zmian w największych gospodarkach rozwiniętych.
Porównując dane zamieszczone w tabelach 2 i 3, można zauważyć, że powiązania cykli koniunkturalnych uległy jeszcze silniejszemu umocnieniu w okresie 2008–2009. Gdy uwzględnimy ten okres w oknie czasowym objętym analizą spektralną, wartość współczynników koherencji wzrasta od 10% do 25%.
W okresie tym PKB wielu gospodarek rozwijających spadał i w tym samym
czasie występowały spadki PKB w większości krajów rozwiniętych. Polska
i niektóre gospodarki azjatyckie nie odnotowały spadku PKB, nastąpił jednak
znaczący spadek ich stóp wzrostu PKB (w porównaniu ze średnimi długookresowymi stopami wzrostu PKB danego kraju)4.
Indonezja jest najważniejszym wyjątkiem wśród gospodarek wschodzących: stopy wzrostu
PKB Indonezji nie uległy wyraźnemu załamaniu po kryzysie subprime. Koherencje Indonezji nie
uległy też wyraźnej zmianie. Innym ciekawym do przeanalizowania przypadkiem jest Iran. Wyliczone koherencje są niskie i być może ich wysokość jest rezultatem odizolowania Iranu na skutek
wprowadzenia sankcji gospodarczych przez USA.
4
20
Przyczyny synchronizacji i sposoby oddziaływania gospodarek na siebie
wymagają dodatkowych badań. Gospodarki mogą na siebie wpływać poprzez
przepływy finansowe (krótko- i długoterminowe), kanał handlu zagranicznego,
globalne działania korporacji międzynarodowych, zmiany w koordynacji polityki
makroekonomicznej, lub nawet w szczególnych przypadkach w przepływie transferów prywatnych. Również relacje pomiędzy poszczególnymi krajami mogą
tworzyć skomplikowaną strukturę. Na przykład eksport do Niemiec ma obecnie duże znaczenie dla gospodarki polskiej, a z kolei na gospodarkę niemiecką
wpływa silnie gospodarka Stanów Zjednoczonych. Wpływ gospodarki Stanów
Zjednoczonych na gospodarkę Niemiec ma zarówno charakter bezpośredni (np.
przez wzajemną wymianę handlową), ale także pośredni, gdyż Ameryka kupuje
w Chinach towary konsumpcyjne, a Chińczycy nabywają w Niemczech dobra
inwestycyjne.
4. Podsumowanie i wnioski
Z uwagi na możliwość występowania związków pozornych bardzo trudno
w ekonomii udowodnić jednoznacznie podobieństwo zmian dwóch zmiennych
ekonomicznych, gdyż zawsze taki związek może wynikać z przypadkowego
podobieństwa dwóch szeregów czasowych. Zakładając jednak, że uzyskane
wyniki nie są efektem niedoskonałości metod ekonometrycznych, można stwierdzić, że uzyskane wyniki podważają hipotezę decouplingu i skłaniają do przyjęcia stanowiska, że istnieją silne powiązania zmian koniunktury pomiędzy krajami. Szczególnie widoczne stało się to w okresie ostatniego światowego kryzysu
finansowego. Niektóre kraje, na przykład Chiny, których średnia wzrostu PKB
nawet w czasie kryzysu PKB przekraczała 5, wykazały stosunkowo dużą odporność na wstrząsy w gospodarce światowej (wpływając także na pozostałe kraje
na świecie – zob. [Kim, Lee i Park 2009]), ale ogólnie rzecz biorąc, zarówno kraje
rozwinięte, jak i rozwijające się odczuły silną presję na negatywne odchylenie od
długookresowego trendu PKB.
Literatura
Bloomfield P. [1976], Fourier Analysis of Time Series, Wiley, New York.
IMF [2007], World Economic Outlook. Spillovers and Cycles in the Global Economy,
IMF, Washington, D.C.
Kim S., Lee J.-L., Park C.-Y. [2009], Emerging Asia: Decoupling or Recoupling, ADB
Working Paper Series on Regional Economic Integration, nr 31.
21
Korinek A., Roitman A., Vegh C. [2010], Decoupling and Recoupling, „American Economic Review”, nr 100(2).
Kose M.A., Otrok Ch., Prasad E.S. [2008], Global Business Cycles: Convergence or
Decoupling? NBER Working Paper nr 14292.
Krugman P. [2010], We Are Not the World, „The New York Times”, 9 November.
Liang H., Qiao H. [2007], Assesing the Impact of a Potential US Slowdown in China,
„China Economics Quarterly”, nr 3.
Nilsson R., Gyomai G. [2011], Cycle Extraction, OECD, http://www.oecd.org (30.09.2011).
Skrzypczyński P. [2008], Wahania aktywności gospodarczej w Polsce i strefie euro,
NBP, Materiały i Studia, nr 227, Warszawa.
Skrzypczyński P. [2010], Metody spektralne w analizie cyklu koniunkturalnego gospodarki polskiej, NBP, Materiały i Studia, nr 252, Warszawa.
Wälti S. [2009], The Myth of Decoupling, Swiss National Bank, Zurych.
Willett T.D., Liang P., Zhang N. [2011], Global Contagion and the Decoupling Debate
[w:] The Evolving Role of Asia in Global Finance, red. Y.-W. Cheung, V. Kakkar,
G. Ma, Emerald Group Publishing, Bingley.
Wojtyna A. [2010], Gospodarki wschodzące w obliczu kryzysu finansowego: duża odporność czy podatność? „Gospodarka Narodowa”, nr 9(229).
World Bank [2012], Databank, http://databank.worldbank.org/ddp/home.do (30.06.2012).
The Subprime Crisis vs the Decoupling Hypothesis
The objective of the paper is to present the decoupling hypothesis, i.e. the idea that developing
economies are relatively independent of advanced economies, and to empirically verify this
hypothesis in the context of the subprime crisis. The calculations and analyses of GDP deviations
from the long-term trend indicate that synchronisation between business cycles in advanced
and emerging economies is relatively high and similar in the period preceding the crisis. The
global crisis has had a similar effect on advanced and developing economies (considering time
shifts between changing business cycles in particular countries), leading to greater business cycle
synchronisation. In conclusion, the paper presents arguments against the decoupling hypothesis.
Joanna Wyrobek – doktor, Uniwersytet Ekonomiczny w Krakowie, Wydział Finansów, Katedra
Finansów Przedsiębiorstw.
Zainteresowania naukowo-badawcze: analiza finansowa przedsiębiorstw, controlling, metody ekonometryczne w finansach.
e-mail: [email protected]
Zbigniew Stańczyk – doktor, Uniwersytet Ekonomiczny w Krakowie, Wydział Ekonomii i Stosunków
Międzynarodowych, Katedra Makroekonomii.
Zainteresowania naukowo-badawcze: makroekonomia, transformacja polskiej gospodarki, nowa
ekonomia instytucjonalna.
e-mail: [email protected]

pobierz artykuł - PTE Oddział w Krakowie

Transkrypt

Podobne dokumenty

Polski Nowy Złoty Wiek

Problemy gospodarki światowej - Instytut Badań Gospodarczych

Nr 8 (932) - Uniwersytet Ekonomiczny w Krakowie

Instrukcja do analizatora Tukan8k