Upload
ishi
View
53
Download
0
Embed Size (px)
DESCRIPTION
HANDEL A WALUTY. Modelowanie handlu zagranicznego. Mapa drogowa . Podejście ilościowe: Tradycyjna analiza szeregów czasowych ogółem [Chowdhury, 1993 i Bini-Smaghi, 1991] Nowocześniejsze metody szeregów czasowych dla Europy [Flam&Johnson, 2000] Podejście teorii grawitacyjnych - PowerPoint PPT Presentation
Citation preview
HANDEL A WALUTY
Modelowanie handlu zagranicznego
Mapa drogowa
Podejście ilościowe:– Tradycyjna analiza szeregów czasowych ogółem
[Chowdhury, 1993 i Bini-Smaghi, 1991]– Nowocześniejsze metody szeregów czasowych dla Europy
[Flam&Johnson, 2000]
Podejście teorii grawitacyjnych – Modele panelowe
[Frankel&Rose 2000, Rose&Rose&Rose... ]
Dlaczego miałby być wpływ?
Koszty transakcyjne– Jacques Delors (1989) – raport KE– Ryzyko (kosz hedgingu)– Kwestia konkurencyjności
Różnice między FDI oraz handlem międzynarodowym
Zwiększenie efektywności– Różnice cenowe bardziej widoczne
Konwergencja cen i konwergencja realna?
Analiza szeregów czasowych
Modele VAR i SVAR– Czy zmienność kursu ma wpływ?
Bini-Smaghi 1991– Kraje EMS w latach 1980– Jest wpływ
Modele ECM– Czy zmienność kursu ma wpływ?
Chowdhury 1993– Kraje G7– Wpływ jest istotny (statystycznie i ekonomicznie)– Wcześniej go nie znaleziono, bo zła specyfikacja (stochastyczny
komponent modelu + multivariate ECM
Analiza szeregów czasowych
Modele ECM (cd.)– Czy zmienność kursu ma wpływ?
Arize 1997– Kraje EMS versus inne– Nie ma żadnej statystycznie istotnej różnicy
Symulacje– Czy efekt jest realny
Gagnon 1997– Kraje EU– Efekt jest ale niewielki...
Analiza szeregów czasowych
Przypadek Japonii, Australii...– Daly 1998 (Japonia)
Badania z najważniejszymi partnerami na poziomie sektora
Pozytywny wpływ dla 5 z 14 importowych i 7 z 14 eksportowych
– McKenzie 1998 (Austrialia) Badania z najważniejszymi partnerami na poziomie
sektora Podobne wyniki
Podejście grawitacyjne
1) Czy dwa kraje o wspólnej walucie handlują więcej?
Frankel&Rose Rose, Rose, Rose...
2) Czy przyjęcie EURO zwiększa wymianę handlową?
Flam & Jansson Flam & Nordstrom ???
Typowe badanie
Duże zbiory danych: – roczne obserwacje– 1948-1997 dla 217 “krajów” (dominia też!)– bilateralne model grawitacyjne
Wnioski:– wpływ „unii walutowej” jest duży– wejście do „unii walutowej” podwaja handel
Czym jest unia walutowa?
Waluta wymienialna w stałej przez dłuższy okres czasu
EMU jako jeden z przypadków
– Inne: CFA Franc zone (15 krajów Afryki Zachodniej) ECCA (8 krajów regionu Karaibów) Panama, Ecuador, Guatemala, El Salvador [USD] Many others (Pacific, South Africa, Europe, …)
Sztywny reżim kursowy się nie kwalifikuje (Argentyna nie!)
Konsekwencje? Belgia i Holandia – jaki efekt można złapać po 1999 roku? A Skandynawii?
Kwestia endogeniczności (waluta-> handel czy odwrotnie?)
Źródła danych
Dane handlowe:– IMF – bazy Helliwela (NBER)
Dane gospodarcze:– IMF (International Financial Statistics)– Penn World Tables (Pennsylvania University)– World Development Indicators,
Inne dane– CIA– Co komu przyjdzie do głowy ...
Problemy?– panele niezrównoważone (quasi-panele!)– kraje biedne: zazwyczaj mniej/gorsze dane
ln(Xijt) = 0 + 1lnDij + 2ln(YiYj)t + 3ln(YiYj/PopiPopj)t + 4Langij + 5Contij +
6Landlij + 7Islandij +8ln(AreaiAreaj) + 9ComColij + 10CurColijt +
11Colonyij + 12ComNatij + 13FTAijt + γ CUijt, + ttTt + ijt
gdzie i oraz j oznaczają parę handlującą, a t oznacza czas Metoda estymacji:
– MNK panelowe grupowane po roku, – dynamiczny efekt stały (dla pary!), – robust błędy standardowe
Model grawitacyjny
Wyjście unii walutowej
Impact of Currency Union Exit on TradeCoefficients for years after exit with +/- 2 s.e.
0 10 20 300
.5
1
1.5
2
Badania przypadków
Trade and Currency Union DissolutionsLog Real $ Trade; vertical scales differ. Currency Union Exit marked.
Cameroon: Equatorial GuineaCU Entrance
1948 1973 19974
6
8
10
12
UK: Ireland
1948 1973 199716
17
18
UK: New Zealand
1948 1973 199715
15.5
16
16.5
17
UK: Gambia
1948 1973 1997
11.5
12
12.5
13
UK: Malawi
1948 1973 199712
12.5
13
13.5
14
UK: Sierra Leone
1948 1973 199712
13
14
15
UK: Tanzania
1948 1973 199713
13.5
14
14.5
15
UK: Uganda
1948 1973 199712
12.5
13
13.5
14
UK: Zambia
1948 1973 199712
14
16
Portugal: Sao Tome&Principe
1948 1973 199710
10.5
11
11.5
Grenada: Guyana
1948 1973 19977
8
9
10
Aden/Yemen: Kenya
1948 1973 19974
6
8
10
12
Brunei: Malaysia
1948 1973 199712
13
14
Burma/Myanmar: India
1948 1973 199710
12
14
16
Madagascar: Reunion
1948 1973 199710.5
11
11.5
12
12.5
New Caledonia: Vanuatu
1948 1973 19978
9
10
11
Standardowe wyniki badań
γ=.65 (błąd standardowy = .05)– Wpływ na handel duży: exp(.65)-1 = .92 „unia walutowa” podwaja handel
Takich badań jest ok. 40 – wzrost handlu od 30% do 90%
Dla EMU też robione:– Statystycznie istotny dodatni wpływ 1999 roku
Efekt kreacji czy efekt dywersji handlu?
Podejście Flama i Nordstroma
Czy wejście do EMU zwiększy handel?– Model grawitacyjny– Poziom sektora (one-digit SITC)– 1998-2002 wobec 1989-1997 wzrost o 15% w strefie euro– 1998-2002 wobec 1989-1997 wzrost o 8% poza strefą euro– Efekt rośnie w czasie– Efekt wynika z koncentracji w wysokoprzetworzonych
produktach przemysłowych, wskazując na rosnącą specjalizację wertykalną jako przyczynę
Jak to się robi samemu?
Wykorzystamy wyjściowe dane z CEPR
Spróbujemy zreplikować wyniki Rose
Spróbujemy wyciągnąć z danych może coś więcej?
Dane z CEPR
Dane udostępnione są w postaci .dct Konieczny import przez STATę
– infile using "C:\... cepr.dct"
Obejrzyjmy je– des– sum /wszystko poza country1 i country2/
Dane nie zawierają identyfikatora pary– gen code=cty1*cty2– xtset code year
Ooops, nie działa …
Dane z CEPR (cd.)
Skorzystajmy z pięknej funkcjonalności:– duplicates list code year
/mamy sześć kolejnych obserwacji z powtarzaniem//obejrzyjmy je/
– duplicates tag code year, gen(duplicates)– list if duplicates==1
/jest to kilka tylko obserwacji i to przypadkowych/– duplicates drop code year, force– drop duplicates
I tym sposobem otrzymaliśmy wyczyszczony dataset– xtset code year– save cepr.dta, replace
O czym był artykuł Frankel & Rose?
Mamy model grawitacyjny Po uwzględnieniu ważnych czyników (ekonomicznych i
geograficznych sprawdźmy czy:– wystąpienie „unii monetarnej” wpływa na handel– wystąpienie „unii monetarnej” wpływa na gdp przez handel– wystąpienie „unii monetarnej” wpływa na gdp samo z siebie
O czym był artykuł Frankel & Rose?
Jak dostać wyniki Frankel & Rose?
Po pierwsze, spróbujmy sami zrobić regresję– xtreg lvalue ldist lrgdp lpop cu comlang border comcol
comctry regional ll colonial island, fe– estimates store stale– xtreg lvalue ldist lrgdp lpop cu comlang border comcol
comctry regional ll colonial island– hausman stale .
/powinny być efekty stałe, no to jedziemy/– xtreg lvalue ldist lrgdp lpop cu comlang border comcol
comctry regional ll colonial island, fe
/wyniki są inne /
Wyniki Frankel & Rose
Jak dostać wyniki Frankel & Rose
Kiedy robimy efekty stałe, dużo zmiennych tracimy Rozwiązanie: oszacowanie between effects
– xtreg lvalue ldist lrgdp lpop cu comlang border comcol comctry regional ll colonial island, be/wyniki już zaczynają wyglądać bardziej podobnie/
Uwzględnijmy efekt poszczególnych lat– xi: xtreg lvalue ldist lrgdp lpop cu comlang border comcol
comctry regional ll colonial island i.year, robust/fixed czy random?/
– xtreg lvalue ldist lrgdp lpop cu comlang border comcol comctry regional ll colonial island _Iy*, fe robust
– estimates store stale2– xtreg lvalue ldist lrgdp lpop cu comlang border comcol comctry
regional ll colonial island _Iy*, robust/stale…/
No to jeszcze raz
Robimy regresję z efektami stałymi– xtreg lvalue ldist lrgdp lpop cu comlang border comcol
comctry regional ll colonial island _Iy*, fe robust
Robimy regresję between effects– xtreg lvalue ldist lrgdp lpop cu comlang border comcol
comctry regional ll colonial island _Iy*, be robust
No to zróbmy jeszcze tzw MLE– xtreg lvalue ldist lrgdp lpop cu comlang border comcol
comctry regional ll colonial island _Iy*, mle iterate(20)– xtreg lvalue ldist lrgdp lpop cu comlang border comcol
comctry regional ll colonial island _Iy*, mle vce(bootstrap) iterate(16)
No to po raz ostatni
Można byłoby explicite pokazać panel i efekt kraju… (tzw. opcja LSVD)
– areg lvalue ldist lrgdp lpop cu comlang border comcol comctry regional ll colonial island, absorb(year) vce(cluster code)
/ to standardowa regresja z DV dla każdego zdefiniowanego wydarzenia absorb/
– areg lvalue ldist lrgdp lpop cu comlang border comcol comctry regional ll colonial island _Iy*, absorb(cty1) vce(cluster code)
/to umożliwia efekt dla kraju i dla roku z błędem specyficznym dla pary krajów/
Wnioski
Jak widać opcji jest dużo… … a to dopiero początek, bo jeszcze nie
sprawdzaliśmy – podgrup krajów– interakcji– nie zrobiliśmy także nic do „drugiego etapu badania” =>
będzie za tydzień
Dostać dużo wyników, to nie jest jakiś problem => wyzwaniem jest je zrozumieć i coś z tego wybrać
Pomysły na rozszerzenia: różnice w latach, różnice w grupach (EMU vs reszta świata?), itp.