La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

1 Venerdì 3 Novembre 2006 Un’analisi preliminare del ciclo economico regionale in Italia Bologna, 3 Novembre 2006.

Presentazioni simili


Presentazione sul tema: "1 Venerdì 3 Novembre 2006 Un’analisi preliminare del ciclo economico regionale in Italia Bologna, 3 Novembre 2006."— Transcript della presentazione:

1 1 Venerdì 3 Novembre 2006 Un’analisi preliminare del ciclo economico regionale in Italia Bologna, 3 Novembre 2006

2 2 Venerdì 3 Novembre 2006 Indice  La rilevanza dell’analisi del ciclo economico per regione  La costruzione di indicatori regionali di ciclo economico Applicazioni  1 - L’evoluzione ciclica delle regioni: similarità e differenze  2 - L’evoluzione ciclica delle regioni: l’impatto differenziale di shocks comuni  3 - La previsione dell’andamento delle economie regionali: “a practitioner methodology”

3 3 Venerdì 3 Novembre 2006 La definizione di ciclo economico fa riferimento ai pionieristici lavori di Burns e Mitchell negli anni ’40. Essi definiscono il ciclo come il comovimento diffuso e comune delle principali variabili economiche che rappresentano l’attività economica stessa. La definizione spesso riportata di business cycle è che questo “consists of expansions occurring at about the same time in many economic activities, followed by similarly general recessions, contractions and revivals...” (Burns Mitchell 1946) Questo comovimento viene definito come ciclo di riferimento. Cos’è il ciclo economico?

4 4 Venerdì 3 Novembre 2006 Due metodologie per il calcolo del ciclo di riferimento: La prima, consiste nell’analisi delle proprietà statistiche di un ampio insieme di variabili da confrontare con i punti di svolta del ciclo così come individuati, negli USA dal NBER. Le serie che presentano inversioni di tendenza corrispondenti alle date della cronologia sono definite coincidenti, quelle che le precedono, anticipatori. Cos’è il ciclo economico?

5 5 Venerdì 3 Novembre 2006 Un esempio per l’Italia è Altissimo, Marchetti e Oneto (1999) che utilizzano non una cronologia di riferimento ma tre serie storiche: l’andamento del Pil, della produzione industriale e dell’indicatore coincidente elaborato dall’ISCO, e sulla base dell’entità dei comovimenti di un ampio insieme di indicatori di attività economica con queste tre, propongono un set di variabili da utilizzare come elementi per costruire un nuovo indicatore coincidente e un nuovo indicatore anticipatore. Il secondo approccio invece è legato direttamente ai lavori di Stock e Watson che, per fornire una metodologia puramente statistica per individuare il ciclo di riferimento, definiscono il ciclo come variabile latente in un modello stato spazio. In questo caso utilizzando un numero ristretto di variabili rilevanti si determina la variabile latente “ciclo economico” e sulla base dei risultati statistici della stima si determina l’andamento dell’indicatore coincidente e di quello anticipatore.

6 6 Venerdì 3 Novembre 2006 Il ciclo economico risulta dall’aggregazione delle azioni di operatori individuali.La scelta del livello di aggregazione è rilevante e risponde alla necessità di operare un trade off tra accuratezza e ammontare dell’informazione da un lato, capacità di generalizzazione dall’altro. L’attenzione all’evoluzione delle economie locali è in linea con gli sviluppi di un’ampia letteratura di spatial o geographical economics (i cui ovvi riferimenti sono Hotelling 1929, Krugman 1991) e con le analisi di policy legate alla politica economica comunitaria. Per gli interessi di una banca occorre accentuare la disaggregazione dai dati macroeconomici, da un lato verso le dinamiche settoriali dall’altro verso quelle regionali. Lo scopo è quello di disporre di una visione dell’andamento delle economie locali che consenta di fornire scenari di sviluppo territoriale e nutrire i modelli di previsione degli aggregati creditizi.

7 7 Venerdì 3 Novembre 2006 Vi è una crescente letteratura (soprattutto negli USA) volta a descrivere il ciclo delle regioni (degli Stati). Due filoni principali: la descrizione del ciclo di per se, cioè la valutazione delle condizioni congiunturali di una regione ha interesse in se. Le risposte a shock non idiosincratici (non locali): una decisione di politica monetaria uno shock sui prezzi energetici shocks sulle ragioni di scambio o sulla struttura della domanda Perché misurare il ciclo regionale?

8 8 Venerdì 3 Novembre 2006 Chrone (2003) costruisce un set di indicatori di ciclo economico per i singoli Stati dell'unione Business cycle phases in the US States. Owyang, Piger, Wall FRB S.Louis WP July 2003 Indagano le fasi cicliche dei singoli Stati dell’Unione facendo uso di un set di indicatori coincidenti calcolati su ogni singola regione. La finalità è valutare se vi è sincronia nei cicli regionali fornendone in maniera automatica una datazione. I risultati testimoniano una notevole difformità nelle fasi: nonostante in generale i singoli stati siano in recessione quando lo è l’economia US nel complesso, ad esempio nel molti stati erano in recessione da più di un anno prima (o più di un anno dopo) l’intera economia. Alcuni Stati competamente out of synch. Quindi: la concordanza con il ciclo nazionale è molto differenziata. 1a– il ciclo in se

9 9 Venerdì 3 Novembre 2006 Regional income fluctuations (Carlino Sill The review of economics and Statistics 2001) “la componente ciclica nella regione più volatile è 5 volte maggiore che nella più stabile” Understanding US regional cyclical comovement: How important are spillovers and common shocks? (Kouparitsas FRB Chicago Economic perspectives Q4 2002) “Gli spillover contano poco, sono molto più importanti i common shocks per spigare l’alto grado di comovimento ciclico.” 1b – il ciclo in se

10 10 Venerdì 3 Novembre 2006 The differential regional effects of monetary policy Carlino DeFina The review of economics and Statistics 1998 Is the United States an optimum currency area? Kouparitsas FRB Chicago WP 2001 n 22 2 – impatto locale di shocks comuni

11 11 Venerdì 3 Novembre 2006 Policy making Sapere se alcune regioni attraversano una fase ciclica differente dalle altre è importante, per la scelta del mix di politica da utilizzare. L’ottica comunitaria è sempre più “regionale”. In presenza di politica monetaria comune, la politica fiscale dovrebbe essere articolata. Le riforme di impronta federalista dovrebbero andare in questa direzione in realtà lo fanno molto confusamente. Essenziale per la capacità di distinguere se un rallentamento è da considerare un fenomeno congiunturale oppure di natura strutturale e con questo?...

12 12 Venerdì 3 Novembre 2006 Negli USA sono disponibili molte statistiche a livello regionale: al di la del GDP annuale infatti vi sono statistiche trimestrali accurate su reddito disponibile e consumi da un lato e sull'occupazione dall'altro. Oltre alla sistematica costuzione di indicatori coincidenti basata sull’approccio di Chrone, si veda anche la produzione di indici coincidenti o di attività economica della Fed di Chicago e di quella di St.Louis Per l'Italia? Perchè gli USA?

13 13 Venerdì 3 Novembre 2006 Il ciclo economico regionale Pur con molti caveat, il prodotto interno lordo (il valore aggiunto nel caso delle province) sono le variabili maggiormente utilizzate nel definire il ciclo economico. L’Istat rende disponibili i dati del valore aggiunto a livello regionale e provinciale con frequenza annua. I database aggiornati contengono solo pochi anni di dati. Problema 1: il dato viene fornito con un lag temporale di 2 anni per le province, 2 anni per i dati regionali completi, 1 anno per la rilevazione parziale (ricca ma soggetta a revisioni marcate) dei dati regionali, sette mesi circa per la rilevazione di dati aggregati per macroarea. Lo scorso anno (a settembre) l'Istat ha fornito, insieme ai dati completi del 2002, serie regionali "lunghe": dal 1980 ad oggi. Qualche settimana fa è stato diffuso l’aggiornamento di queste serie al Problema 2: vi sono revisioni piuttosto corpose rispetto alle rilevazioni preliminari.

14 14 Venerdì 3 Novembre 2006 I dati regionali disponibili 1. esportazioni e importazioni (fonte Istat); 2. variabili relative ai livelli di occupazione (fonte Istat); 3. Inchiesta dell’ISAE sulla fiducia delle imprese; 4. Inchiesta dell’ISAE sulla fiducia dei consumatori; 5. Prezzi al consumo (fonte Istat); 6. Demografia delle imprese (fonte Unioncamere); 7. Immatricolazioni di auto (fonte ANFIA);

15 15 Venerdì 3 Novembre 2006 Import - export L’Istat rileva i flussi di commercio estero da e verso le regioni italiane. I flussi di esportazioni sono registrate mensilmente. Le importazioni trimestralmente sono registrate trimestralmente. I dati sono disponibili sul sito dell’Istat nella banca dati Coeweb (accesso gratuito) I dati sono disponibili a partire dal 1991 e sono attualmente aggiornati al luglio 2005 per le esportazioni e al secondo trimestre per le importazioni. I dati sono in termini nominali, l’eventuale correzione per i prezzi è fatta con gli indici di prezzo all’export nazionali aggregati.

16 16 Venerdì 3 Novembre 2006 Occupazione e forza lavoro Le rilevazioni trimestrali sulla forza lavoro contengono informazioni su numerosi aspetti del mercato del lavoro riferiti sia all’aggregato nazionale che alle singole regioni. Le serie storiche partono dall’ottobre Le rilevazioni avvengono in gennaio, aprile, luglio e ottobre. I dati sulle regioni venivano diffuso in cd-rom, da luglio 2003 i dati compaiono anche sul sito dell’Istat. Lo storico è un po’ più difficile da rintracciare. L'Istat ha rivisto quest'anno le modalità con cui rileva la forza lavoro, la ricostruzione storica delle serie riviste non è ancora stata effettuata. Le variabili potenzialmente interessanti sono gli occupati, il tasso di disoccupazione, il tasso di attività, gli occupati nell’industria, gli occupati in altre attività.

17 17 Venerdì 3 Novembre 2006 Isae: fiducia delle imprese L’Isae diffonde mensilmente e trimestralmente i risultati di una indagine campionaria sulle imprese. Le serie storiche non sono disponibili sul sito dell’ISAE, vi è però una pubblicazione trimestrale che ne raccoglie con questa frequenza, i risultati per regione. Le domande rivolte alle imprese riguardano giudizi sulla situazione corrente e aspettative per il prossimo futuro in relazione al livello degli ordini (dall’interno del paese o dall’estero) della produzione, del costo del lavoro, dei prezzi. La significatività delle survey come indicatori del ciclo economico è spesso dibattuta ma, tranne in alcune fasi vi è evidenza che funzionino, considerando poi che l’Isae ha diffuso già la fiducia delle imprese di ottobre mentre i dati di produzione industriale sono riferiti ad agosto è chiara l’utilità dell’informazione proveniente da questi indicatori.

18 18 Venerdì 3 Novembre 2006 Isae: fiducia delle imprese

19 19 Venerdì 3 Novembre 2006 Isae: fiducia dei consumatori L’isae calcola anche un indicatore di fiducia dei consumatori. In questo caso però, data l’esiguità del campione per regione le serie disponibili riguardano le macroaree: nord-est nord-ovest, centro e sud. Le domande formulate riguardano in questo caso i giudizi sulla situazione economica generale, la percezione dell’andamento dei prezzi e le attese sull’occupazione e sui risparmi. In questo caso la correlazione con l’andamento dei consumi è meno evidente.

20 20 Venerdì 3 Novembre 2006 Isae: fiducia dei consumatori

21 21 Venerdì 3 Novembre 2006 I dati dell’Emilia Romagna: esportazioni

22 22 Venerdì 3 Novembre 2006 I dati della Liguria: esportazioni

23 23 Venerdì 3 Novembre 2006 Quindi? Identify an indicator of economic activity for the 20 Italian regions that is available earlier and with more frequency than the indicator published by Istat:  Our presentation will propose a monthly indicator available with only a few months delay.

24 24 Venerdì 3 Novembre 2006 The Data about GDP Release by Istat:  Regional economic accounts: (released in October 2005);  The main items of regional economic accounts: (available since December 2005);  GDP estimate for macroareas: (released in June 2006).

25 25 Venerdì 3 Novembre 2006 The Variables Set

26 26 Venerdì 3 Novembre 2006 The Dynamic Factor Model (Stock and Watson 1999) X t = ΛF t +e t X t set of data F t vector of common factors Λ coefficients matrix e t idiosyncratic part

27 27 Venerdì 3 Novembre 2006 An Indicator of Economic Activityfor Italian Regions An Indicator of Economic Activity for Italian Regions  The information contained in the 40 variables has been summarized in three common factors, except for Lazio (five factors), Valle d’Aosta, Trentino-Alto Adige, Molise, Calabria and Sardegna (four factors);  To determine the number of factors we used the Baj and Ng test (2002, Determining the Number of Factors in approximate Factor Models);  The variance explained by the common factors is higher than the 33% for all regions.

28 28 Venerdì 3 Novembre 2006 The Common Factors (Emilia-Romagna Region)

29 29 Venerdì 3 Novembre 2006 The Correlation between each Series and the Three Factors The Correlation between each Series and the Three Factors (Emilia-Romagna) Source: Our processing on Isae, Istat, Anfia and Unioncamere data

30 30 Venerdì 3 Novembre 2006 Annual Growth Rate of GDP and the First Factor (Lombardia Region)

31 31 Venerdì 3 Novembre 2006 Bdl Coincident Indicator and the First Factor (Veneto Region)

32 32 Venerdì 3 Novembre 2006 EM Algorithm It is customary in the literature to make use of the EM algorithm (Engle and Watson (1983) and Stock and Watson (2002)) in order to “fill the blanks”. Usually the application of the algorithm in approximate factor analysis is made for completing shorter time series or for interpolating variables with different frequencies. How does it work? Extract the factors from a balanced panel, use them to get an estimate of the missing values, extract again the factors from the now-complete panel and iterate until convergence.

33 33 Venerdì 3 Novembre 2006 EM Algorithm The unobserved monthly series X it, is measured only as the time aggregate X q it where: X q it = (1/12)*(X i,t-12 +X i,t-11 +….+X it ) for t=12,24,36….. and X q it is missing for all other values of t.

34 34 Venerdì 3 Novembre 2006 An Indicator of Economic Activityfor Italian Regions An Indicator of Economic Activity for Italian Regions Phase 1: - Re-estimate a factor model inserting GDP annual data and applying the EM algorithm to interpolate the series of the growth rate of GDP ( ). Phase 2: - Run another round of the EM algorithm considering the last 12 observations of yearly growth of GDP at a monthly frequency as missing values; - Project yearly growth rate at a monthly frequency for the whole 2005, and add it to the previously interpolated monthly GDP.

35 35 Venerdì 3 Novembre 2006 An Indicator of Economic Activity (Emilia-Romagna Region)

36 36 Venerdì 3 Novembre 2006 An Indicator of Economic Activity (Emilia-Romagna Region)

37 37 Venerdì 3 Novembre 2006 An Indicator of Economic Activity (North-East)

38 38 Venerdì 3 Novembre 2006 An Indicator of Economic Activity (Macroareas)

39 39 Venerdì 3 Novembre 2006 Conclusions  An indicator of economic activity at high frequency and updated is very important to evaluate the impact of the common exogenous or idiosyncratic shocks, and to study the business cycle at a regional level;  The indicator of economic activity estimated for Italian regions is at high frequency and easily updatable (with a delay of only two or three months);  This indicator could well be used to analyse the characteristics of business local cycle, and it is potentially useful in order to evaluate the impact of local policies or events.

40 40 Venerdì 3 Novembre 2006 An Indicator of Economic Activity (North-East) Source: Our processing on Isae, Istat, Anfia and Unioncamere data

41 41 Venerdì 3 Novembre 2006 An Indicator of Economic Activity (North-West) Source: Our processing on Isae, Istat, Anfia and Unioncamere data

42 42 Venerdì 3 Novembre 2006 An Indicator of Economic Activity (Centre) Source: Our processing on Isae, Istat, Anfia and Unioncamere data

43 43 Venerdì 3 Novembre 2006 An Indicator of Economic Activity (South) Source: Our processing on Isae, Istat, Anfia and Unioncamere data

44 44 Venerdì 3 Novembre 2006 An Indicator of Economic Activity (South) Source: Our processing on Isae, Istat, Anfia and Unioncamere data

45 45 Venerdì 3 Novembre 2006 Applicazioni  1 - L’evoluzione ciclica delle regioni: similarità e differenze  2 - L’evoluzione ciclica delle regioni: l’impatto differenziale di shocks comuni  3 - La previsione dell’andamento delle economie regionali: “a practitioner methodology”

46 46 Venerdì 3 Novembre 2006 Objectives: The data set utilised of 20 regional high frequency indicators developed in Benni and Brasili (2006). The aim of the paper is to provide a retrospective analysis of the characteristic of regional cycles, their co-movements and their relation to the nation-wide cycles.

47 47 Venerdì 3 Novembre 2006 Outline The analysis of business cycle synchronization Camacho and Perez-Quiros 2006) The Methodology of multivariate Markov-switching (Camacho and Perez-Quiros 2006) The data and the results of the matrices of distances of the business cycle among the Italian regions, using the high frequency indicator of economic activities (Brasili A., Benni F. 2006) The measure of dissimilarities (Croux C., Forni F. and Reichlin L. 2001). The regional business cycles versus national cycle (Bry and Boschan, 1971).

48 48 Venerdì 3 Novembre 2006 The Methodology The analysis of business cycle synchronization The Methodology The Multivariate Markov-switching approach (Camacho and Perez-Quiros 2006; Bengochea, Camacho and Perez-Quiros 2006) We are interested in measuring the degree of business cycle synchronization between two Italian regions a e b. The growth of the regions are driven by two Markov- switching processes, s a,t and s b,t. Where s a,t =s b,t =1 are the expansion states in regions a and b at time t and s a,t =s b,t =2 are the recession states in regions a and b at time t

49 49 Venerdì 3 Novembre 2006 Multivariate Markov-switching approach y a,t -  s a,t =  aa (L) (y a,t-1 -  a,s a,t-1 ) +  a,t y b,t -  s b,t =  bb (L) (y b,t-1 -  b,s b,t-1 ) +  b,t (  a,t,  b,t )’ is an identically and independently distributed bivariate Gaussian process with zero mean and covariance matrix  ab  ij (L) are the p-th order lag polynomials (in the next specification of order zero) The Methodology The analysis of business cycle synchronization The Methodology

50 50 Venerdì 3 Novembre 2006 Multivariate Markov-switching approach We consider that actual business cycle synchronization is: δ ab times the case of independence and (1 - δ ab ) times the case of perfect dependence, where 0 <= δ ab <= 1. The weights δ ab measure the business cycle desynchronization, they evaluate the proximity of their business cycles to the case of complete independence. It follows that an intuitive measure of business cycle comovement is then 1 - δ ab The Methodology The analysis of business cycle synchronization The Methodology

51 51 Venerdì 3 Novembre 2006 Measures of Distances (δ ab ) among the Business Cycle of the Italian Regions

52 52 Venerdì 3 Novembre 2006 Business Cycle Estimation of Italian Regions

53 53 Venerdì 3 Novembre 2006 Representation of Italian Regions in a Plane According to their Business Cycle Synchronization

54 54 Venerdì 3 Novembre 2006

55 55 Venerdì 3 Novembre 2006 Comparing the results of the two measure of the distances among the Italian regional business cycles ……… 1.The cohesion approach show that the “core” regions, with the closer business cycles, are more numerous than that of the Multivariate Markov Switching (MMS) approach. 2. In both cases Emilia-Romagna, Piemonte and Lombardia are included in the more synchronized cluster. 3.The “dissimilarity” approach gives “less weight”, than the MMS approach, to the distance between the business cycles of two regions that have the same phase anticipated/posticipated of some months.

56 56 Venerdì 3 Novembre 2006 Italian Regional Recessions and Expansions by Months: 1993:1-2005:12 1.We are interested to know the level of regional business cycle synchronisation respect to the national one. 2.The algorithm given in Bry and Boschan (1971), to identify business cycle turning points of Italian regional data. 3.We apply the Bry and Boschan algorithm to the 20 regional business cycle, then we will compare the timing of regional recessions in relation to that of national business cycle. 4.The dating of Business Cycle for Italy comes from Brasili and Federico (2006).

57 57 Venerdì 3 Novembre 2006 Italian Regional Recessions and Expansions by Months: 1993:1-2005:12

58 58 Venerdì 3 Novembre 2006 Italian Regional Recessions and Expansions by Months: 1993:1-2005:12 (continued)

59 59 Venerdì 3 Novembre 2006 Italian Regional Recessions and Expansions by Months: 1993:1-2005:12 (continued)

60 60 Venerdì 3 Novembre 2006 Conclusions The comparison of the regional business cycles with respect to the national one shows that, from 1993 up to June 1999, the greater part of the regions follows the national phases with some relevant exceptions. While in the national expansion from 1999 to January 2001 and in the following long recession phase (February 2001 to July 2005) the greater part of the regions has a business cycle far from the national one. From the “distance” business cycles analysis it emerges that the regions having the closer cycle to each other - Lombardia, Emilia-Romagna, Piemonte - are also the regions that guide the national cycle. Recession and expansion at national level are determined by the economic structure and the industrial specialization of these three regions. 28 th CIRET Conference, Rome September 20th-23th, 2006

61 61 Venerdì 3 Novembre 2006 Applicazioni  1 - L’evoluzione ciclica delle regioni: similarità e differenze  2 - L’evoluzione ciclica delle regioni: l’impatto differenziale di shocks comuni  3 - La previsione dell’andamento delle economie regionali: “a practitioner methodology”

62 62 Venerdì 3 Novembre 2006 Dynamic factor model 1 Of dimension (N*T) = (N*r) * (r*T) + (r*T) With the aim of forecasting Y t+1 = β’F t + ε t +1 How big is r? Bai and Ng (2002) provided a set of information criteria (with a penalty function) to determine r.

63 63 Venerdì 3 Novembre 2006 Dynamic factor model2 X t = ΛF t + e t X t = Common t + idiosync t This however, according to SW 1999, includes the more general representation F 0 t = (f t, f t-1 ….. f t-q ) … and it must be taken into account that factors are not identified, and so: X t = Λ G’GF t + e t where G’G = I

64 64 Venerdì 3 Novembre 2006 Static vs dynamic factor models x it = λ’ i (L)f t + e it f t =C(L)ε t where εt are iid vectors and hence: where λ(L) is the (dynamic) matrix of loading of dynamic factors and has order s; moreover x it = λ’ i (L)C(L)ε t + e it (2) The dimension of f is the same of ε. It is the number of dynamic factors or “primitive shocks” and is in general different from the dimension of F, that could include leads and lags of f

65 65 Venerdì 3 Novembre 2006 as Bai and Ng (2005) show, (2) can always be mapped into a static model like (1) assuming that F is modelled as a dynamic process that evolves like a VAR of appropriate order: Dynamic factor model: static and dynamic and with R appropriately chosen in order to get orthogonal innovations

66 66 Venerdì 3 Novembre 2006 But ε and u have the same dimension? As said in general no. Bai and Ng (2005) provided a test for determining the number of primitive shocks that is based on the rank of the varcov matrix of the residual of the VAR in the factors. R is a “rotation matrix” that can be easily parametrized (details in Canova - De Nicolò (2002) or Peersman (2005)) and the opportune rotation chosen in order to satisfy identifying restrictions. Dynamic factor model: static and dynamic

67 67 Venerdì 3 Novembre 2006 Summarizing: estimate the approximate DFM in its static form by PCE run a VAR (it is common to use a VAR(1)) on estimated factors. Run another PCE on the residuals in order to get the primitive or dynamic shocks (after having properly chosen the number of primitive shocks) identifyied by chosing R. Dynamic factor model: static and dynamic

68 68 Venerdì 3 Novembre 2006 The empirical application The dataset includes CPI figures (16 series on different goods), PPI figures (16 series), disaggregated industrial production indices (25 series that are the main objective of the analysis) some financial variables orders and sales (foreign, domestic and total) and on export and import (both in volume and values), plus 20 regional indicators. 96 series from January 1993 to December 2005 (156 observations).

69 69 Venerdì 3 Novembre Zero contemporaneous impact on CPI education of the commodity shocks + signs of impulse response function on main CPI indices and industrial production indices were opposite 2.Zero contemporaneous impact on volume of exports of a shocks on domestic demand + stronger impact on imports’ volume than on exports’) 3.Zero impact on mineral extraction (mainly devoted to domestic use) of a shock on external demand. Both shocks on demand should show equal signs on CPI and industrial output. Dynamic factor model: identification Identification, just like in SVAR literature, with long term neutrality restrictions, short term or zero contemporaneous restrictions, or, as in Peerson (2005) with sign restriction for impulse response function. We opt for a mix of the two, imposing short term neutrality conditions and verifying that the signs of then obtained impulse response functions are sensible.

70 70 Venerdì 3 Novembre 2006 Impulse response functions

71 71 Venerdì 3 Novembre 2006 Impulse response functions

72 72 Venerdì 3 Novembre 2006 Impulse response functions

73 73 Venerdì 3 Novembre 2006 industries more sensitive to - external demand shock: electric and electronic devices, machinery, textiles, footwear and leather goods, and rubber and plastics domestic demand shock: transport vehicles, metallurgy, and again electric and electronic devices and rubber and plastics. commodities shock: non metallic materials, transport vehicles, rubber and plastics, chemicals and wood industry. Impulse response functions

74 74 Venerdì 3 Novembre 2006 Applicazioni  1 - L’evoluzione ciclica delle regioni: similarità e differenze  2 - L’evoluzione ciclica delle regioni: l’impatto differenziale di shocks comuni  3 - La previsione dell’andamento delle economie regionali: “a practitioner methodology”

75 75 Venerdì 3 Novembre 2006 Once we labelled our primitive shocks, we could try to relate them to variables for which it simple to define a scenario. - Commodities shock with oil price, exchange rate, CRB index - External demand shock with exchange rate and US consumers’ demand or world trade - Domestic demand shock with domestic consumption, government consumption and investment 4 - Dynamic factor model: forecasting

76 76 Venerdì 3 Novembre 2006 Projections on “labelled” shocks Cumulated impulse response function and we get our “cross sectional” forecast (on the common component) It is easy to do scenario analysis by projecting different shocks in different scenarios if the researcher has specific information (idiosyncratic) he has to combine the two. The “reverted flunnel”

77 77 Venerdì 3 Novembre 2006 Dynamic factor model: forecasting

78 78 Venerdì 3 Novembre 2006 Industrial output forecasts in different scenarios

79 79 Venerdì 3 Novembre 2006 Base case - textile and leather goods one should continue to suffer, together with electronics. Machine and mechanics should recover a bit in 2005 and strongly in High oil prices - the sectors that are more sensible to a commodity shock, will receive a stronger blow: chemicals, rubber and plastics will be the most significantly hit. Exchange rate appreciation - consumer goods will be the most severely hit. (note that the difference worst case -base case is about 4% for mineral extraction and 0.5% for food). Main results

80 80 Venerdì 3 Novembre 2006 Cons: a lot of discretional decisions on number of factors, both static and henceforth, dynamic) on identification, a lot of very recent contributions A little unconfortable to make projections on something we called shocks. In projections their variance is hugely lower. Pros: a lot of discretional decisions a lot of very recent contributions It allows to forecast the path of members of a cross section coherently, taking into account both comovements and reactions to common shocks. Pros and cons

81 81 Venerdì 3 Novembre 2006 For comments or queries please don't hesitate to write to or send us a fax at


Scaricare ppt "1 Venerdì 3 Novembre 2006 Un’analisi preliminare del ciclo economico regionale in Italia Bologna, 3 Novembre 2006."

Presentazioni simili


Annunci Google