Nuovi strumenti per lo studio del cicloeconomico
Matteo M. PelagattiDipartimento di Statistica
Università degli Studi di [email protected]
Bergamo, 10 maggio 2004
Due lavori
1. Ciclo macroeconomico e cicli settoriali: un nuovo approccio basatosui modelli strutturali.(Settembre 2004, Volume Studi in ricordo di Marco Martini).
2. Modelli VAR a regimi markoviani con matrice di transizione dipen-dente dalla durata dello stato: applicazione al ciclo economico ita-liano .(OxMetrics Conference, Londra 2003; sottoposto all’Econometrics Jour-nal; software DDMSVAR liberamente scaricabile da:www.statistica.unimib.it/utenti/p matteo)
1
Motivazione
• È efficiente un politica anti-ciclica “spalmata” sull’intera economia?
• Cogliere per tempo le diverse dinamiche che contraddistinguono i setto-ri è utile anche per organizzare la formazione professionale in mododa “convertire” le professionalità di un settore in declino verso settori increscita.
• Interpretazione pasinettiana dei cicli economici: generati dai diversitassi di crescita settoriali e dalla non fluidità delle risorse nel trasferirsida un settore all’altro.
2
Finalità
• Costruire un indicatore congiunturale per l’intera economia estraen-do i movimenti comuni ai diversi settori alle frequenze del cicloeconomico (banda 1.5 – 8 anni circa).
• Costruire indicatori congiunturali settoriali al netto del ciclo comune.
• Costruire indicatori strutturali (trend) settoriali.
3
Approccio
Si è utilizzato l’approccio dei modelli strutturali alla A.C. Harvey nellasua versione più aggiornata.
⇓Il modello a componenti non osservabili deve essere coerente da due puntidi vista:
1. le componenti e la loro somma devono essere ben specificate dal puntodi vista economico (integrazione massima 2, ciclo stazionario);
2. i filtri MSE-ottimali corrispondenti alle componenti devono avere buoneproprietà spettrali (il filtro del ciclo deve avere un guadagno alto nellabanda corrispondente a 1.5 – 8 anni).
4
Le componenti
Sono i processi stocastici a cui corrispondono i filtri (passa bassoe passa banda) MSE-ottimali di Butterworth generalizzati (che possonoapprossimare arbitrariamene bene i filtri ideali).
Trend stocastico di ordine m
µ1,t = µ1,t−1 + ζt,µi,t = µi,t−1 + µi−1,t−1, i = 2, . . . ,m,
con ζt ∼WN(0, σ2ζ).
5
Ciclo stocastico di ordine n
[ψ1,t
ψ∗1,t
]= ρ
[cosλc sinλc
− sinλc cosλc
] [ψ1,t−1
ψ∗1,t−1
]+
[κt
0
],
[ψi,t
ψ∗i,t
]= ρ
[cosλc sinλc
− sinλc cosλc
] [ψi,t−1
ψ∗i,t−1
]+
[ψi−1,t
0
],
i = 2, . . . , n,
con κt ∼WN(0, σ2κ).
6
Primo passo: stima del ciclo comune
La serie del valore aggiunto (detagionalizzata) del settore k-esimo è cosìmodellata
yk,t = µk,t + ψt + εt
per k = 1, . . . ,K settori.
Il VA del settore al netto del ciclo economico comune è quindi
yk,t = µk,t + εt.
In ψt vengono catturati i movimenti comuni alle frequenze del cicloeconomico.
7
Secondo passo: stima dei cicli idiosincratici
La stima dei cicli idiosincratici avviene attraverso il modello
yk,t = µk,t + ψk,t + εt,
e l’estrazione delle componenti trend e ciclo.
La componente ψk,t raccoglie l’energia (varianza) rimasta alle frequenzedel ciclo economico dopo avere estratto la parte comune del ciclo stesso, equindi rappresenta il ciclo idiosincratico del settore k.
8
Applicazione ai dati italiani
Serie trimestrali del valore aggiunto a prezzi costanti (destagionalizzate)di:
1. PIL
2. Prodotti energetici ed industria estrattiva;
3. Alimentari, bevande e tabacco;
4. Tessile, abbigliamento, cuoio, calzature;
5. Industrie chimiche;
9
6. Metalli e prodotti in metallo;
7. Industrie meccaniche;
8. Mezzi di trasporto;
9. Commercio, riparazioni, alberghi, pubblici esercizi;
10. Trasporti e comunicazioni;
11. Credito, assicurazioni, serv. immobiliari, noleggio, serv. professionali.
Agricoltura e costruzioni sono stati esclusi perché non legati al ciclo osfasati rispetto ad esso.
10
Prima fase: stima del ciclo comune
Trend ordine m = 1 (random walk), ciclo di ordine n = 4 con spettro:
0.00 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00 2.25 2.50 2.75 3.00
500000
1e6
1.5e6
2e6
2.5e6
3e6
3.5e6
Common Cycle Spectrum
11
Il peso del ciclo comune nei settori considerati
settore load sd(diff) peso ciclo
commercio 0.24 249 1.29PIL 1.00 1357 1.00meccanica 0.15 210 0.96mezzi di trasporto 0.06 86 0.92tessile 0.08 137 0.83metalli 0.10 194 0.70comunicazioni 0.07 265 0.33chimica 0.02 99 0.28 non sig.credito 0.05 314 0.23 non sig.alimentari 0.01 139 0.12 non sig.
13
Commercio
1980 1985 1990 1995 2000 2005
30000
35000
40000
Trend Series
1980 1985 1990 1995 2000 2005
−500
0
500Cycle Common x Loading
14
Meccanica
1980 1985 1990 1995 2000 2005
7000
8000
9000
10000
11000Trend Series
1980 1985 1990 1995 2000 2005
−500
−250
0
250Cycle Common x Loading
15
Mezzi di trasporto
1980 1985 1990 1995 2000 2005
2500
2750
3000
3250 Trend Series
1980 1985 1990 1995 2000 2005
−200
−100
0
100
Cycle Common x Loading
16
Tessile
1980 1985 1990 1995 2000 2005
6000
6500
7000 Trend Series
1980 1985 1990 1995 2000 2005
−200
−100
0
100
200 Cycle Common x Loading
17
Metalli
1980 1985 1990 1995 2000 2005
6000
7000
Trend Series
1980 1985 1990 1995 2000 2005
−200
0
200Cycle Common x Loading
18
Trasporti e comunicazioni
1980 1985 1990 1995 2000 2005
10000
12500
15000
17500Trend Series
1980 1985 1990 1995 2000 2005
−200
−100
0
100
Cycle Common x Loading
19
Chimica
1980 1985 1990 1995 2000 2005
2000
3000
4000
Trend Series
1980 1985 1990 1995 2000 2005
−50
0
50
100
150Cycle Common x Loading
20
Credito
1980 1985 1990 1995 2000 2005
40000
50000
60000
Trend Series
1980 1985 1990 1995 2000 2005
−200
−100
0
100
200 Cycle Common x Loading
21
Alimentari
1980 1985 1990 1995 2000 2005
4000
5000
6000
Trend Series
1980 1985 1990 1995 2000 2005
−50
0
50Cycle Common x Loading
22
Secondo lavoro molto in breve
Principali risultati dell’applicazione di modelli VAR a regimi markovianicon matrice di transizione dipendente dalla durata dello stato a datiitaliani.
Dati usati:
1. Produzione Industriale totale
2. Incidenza ore straordinarie sulle ore ordinarie totali (grandi imprese)
3. Merci trasportate su ferrovia
4. Importazioni di beni investimento
23
Probabilità del regime di contrazione
1975 1980 1985 1990 1995 2000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
Probabilità di essere nel regime "contrazione"
24