• Nie Znaleziono Wyników

Rozdział 4. Analiza wahań aktywności gospodarczej w Polsce na podstawie

4.1. Ogólna charakterystyka cykli koniunkturalnych

Do cech morfologicznych cyklu koniunkturalnego zaliczamy jego podstawowe własności i chy budowy. Poniżej wymieniono i omówiono pewne z nich. Należy zwrócić uwagę, ze ce-chy morfologiczne cykli koniunkturalnych ewoluują, przez co pojawiają sie pewne nowe cece-chy a pewne zanikają.

Rozważania zaczniemy od podstawowej cechy wahań koniunkturalnych – wynikającej wprost z definicji – jaką jest ich cykliczność. Pod pojęciem cykliczności należy rozumieć następujące kolejno po sobie okresy wyższej i niższej aktywności gospodarczej. Należy jednak zaznaczyć, iż następstwo po sobie kolejnych okresów o niższej i wyższej aktywności gospodarczej nie ma charakteru periodycznego. Okresy trwania niższej i wyższej aktywności gospodarczej mogą się od siebie różnić. W przypadku, gdy wahania aktywności gospodarczej są cykliczne, wtedy mamy do czynienia z pojęciem cyklu koniunkturalnego. Zauważmy bowiem, że nie wszystkie zmiany aktywności gospodarczej mają charakter cykliczny. Podstawową cechą cyklu koniunk-turalnego jest fakt, iż wahania koniunktury są możliwe do zaobserwowania w wielu dziedzinach gospodarczych.

Kolejną z podstawowych cech budowy cyklu koniunkturalnego jest występowanie w nim punktów zwrotnych oraz faz. Punkty, w których następuje zmiana fazy cyklu koniunktural-nego z fazy ekspansji (inaczej wysokiej aktywności gospodarczej) na fazę recesji (inaczej niskiej aktywności gospodarczej) lub odwrotnie nazywamy punktami zwrotnymi (ang. turning points) cyklu koniunkturalnego. Punkty zwrotne dzielimy na dolne punkty zwrotne (ang. trough) będące punktem zmiany fazy z fazy recesji w fazę ekspansji oraz górne punkty zwrotne (ang.

peak) będące punktem zmiany fazy z fazy ekspansji w fazę recesji. Przyjmuje się również inne

koncepcje, w których zamiast klasycznych określeń dolny punkt zwrotny i górny punkt zwrotny używa się określeń punktu poprawy (ang. upturns) oraz punktu pogorszenia (ang. downturns). Fazę często definiuje się w odniesieniu do punktów zwrotnych jako okres czasu pomiędzy dwoma najbliższymi różnoimiennymi punktami zwrotnymi1.

Długość cyklu koniunkturalnego to suma długości trwania kolejnych dwóch faz. Inaczej mówiąc długość cyklu to okres czasu pomiędzy dwoma kolejnymi jednoimiennymi punktami zwrotnymi. Jest rzeczą powszechnie znaną, iż cykle koniunkturalne charakteryzują sie zmienną długością (patrz Mintz (1969), Mintz (1972), Zarnowitz (1992)).

Kolejną cechą cyklu koniunkturalnego jest jego amplituda. Wprowadzając pojęcie am-plitudy, cykl koniunkturalny będziemy utożsamiać z wahaniami jednowymiarowego szeregu czasowego. Poprzez amplitudę cyklu koniunkturalnego bardzo często w literaturze przedmiotu rozumie się różnicę pomiędzy ekstremalnymi wartościami (maksymalną a minimalną) z reali-zacji tego szeregu czasowego. Zmienna w czasie amplituda, cechuje większość cykli

koniunktu-1 Jedną ze stosowanych metod wyznaczania punktów zwrotnych cyklu koniunkturalnego jest metoda

zapre-zentowana w Zarnowitz (1992), Rozdział 10, gdzie identyfikacja punktów zwrotnych odbywa się na podstawie analizy tzw. wskaźnika złożonego (ang. composite index). Wskaźnik złożony jest wyznaczany na podstawie podstawowych wskaźników makroekonomicznych, wśród których znajdują się między innymi PKB, wielkość produkcji, wskaźniki rynku pracy.

ralnych. Ponadto, w gospodarkach będących w okresie transformacji można spodziewać się, że amplitudy cyklu koniunkturalnego2 będą wyższe aniżeli w krajach wysoko rozwiniętych3.

Następna ważna cecha cyklu koniunkturalnego to jego asymetria. Na asymetrię cyklu ko-niunkturalnego zwrócono uwagę już w pracach: Mitchell (1927) oraz Keynes (1936). Asymetria to objawia się tym, że okres pomyślnej koniunktury jest w większości przypadków dłuższy niż okres pogorszenia koniunktury. Cecha ta będzie podlegała weryfikacji podczas analizy wahań koniunkturalnych w Polsce, co ma miejsce w Paragrafie 4.5.

Inną znaną cechą morfologiczną cyklu koniunkturalnego wyodrębnianego na podstawie kon-cepcji cyklu odchyleń jest jego kształt w okolicy punktów zwrotnych cyklu. Kształt ten jest zazwyczaj poszarpany (ang. sharper) niż ostro zakończony (ang. peak). Zwrócono na to uwagę już w monografii Hicks (1950). Ta cecha również będzie podlegać empirycznej weryfikacji w Paragrafie 4.5.

4.1.2. Wahania koniunkturalne, trend, wahania sezonowe i ich wzajemne interakcje

Interakcje pomiędzy wahaniami koniunkturalnymi oraz długookresową tendencją do wzro-stu, czy spadku są akcentowane w wielu pracach z zakresu badań aktywnosci gospodarczej (patrz Canova (1998), Shenk-Hopp´e (2001), Zarnowitz (1992)). W przypadku koncepcji cyklu odchyleń jednym z podstawowych problemów jest wybór metody eliminacji trendu, tak aby wyodrębnić z danego wskaźnika cyklicznego wahania utożsamiane z wahaniami aktywności go-spodarczej. Jak pokazano w pracy Canova (1998) różne metody estymacji trendu wpływają istotnie na obraz wahań cyklicznych. Dana metoda statystyczna estymacji trendu wiąże sie z założeniami co do analitycznej postaci funkcji trendu. Cechą współczesnych cykli koniun-kturalnych w odniesieniu do klasycznych jest ich spłaszczenie, co utrudnia proces estymacji funkcji trendu (patrz Burns (1969), Mintz (1972)). Zauważmy, że aby dany wskaźnik makro-ekonomiczny mógł charakteryzować się wahaniami cyklicznymi nie jest konieczne aby pierwsze różnice wartości danego wskaźnika zmieniały znak z dodatniego na ujemny (lub odwrotnie). Dany wskaźnik makroekonomiczny może charakteryzować sie ciągłym wzrostem a wahania cykliczne objawiać się poprzez zmiany dynamiki tego wzrostu (szybsze a następnie wolniejsze tempo wzrostu/spadku lub odwrotnie). Jak wskazano w monografii Zarnowitz (1992), cykle koniunkturalne podlegają interakcji z długookresową tendencją do spadku lub wzrostu, przez co ekstrakcja wahań koniunkturalnych przy pomocy metod statystycznych może nie być łatwym etapem.

W aktywności gospodarczej można wyróżnić, oprócz wahań koniunkturalnych, również wa-hania sezonowe. Znane wskaźniki makroekonomiczne, w których wawa-hania sezonowe są obecne to: produkt krajowy brutto oraz jego składowe, stopa bezrobocia, indeks produkcji przemy-słowej, wskaźnik inflacji oraz wiele innych. Wahania sezonowe to w głównej mierze wahania o dosyć regularnym kształcie, stałej długości i podobnej amplitudzie wahań. Powodem zaist-nienia wahań sezonowych w aktywności gospodarczej są w głównej mierze zmiany pór roku, wpływające na postać funkcji użyteczności, preferencji oraz funkcji produkcji. Dogłębna cha-rakterystyka tych wahań nie odgrywa kluczowego znaczenia w procesie prowadzenia efektywnej

2 Wyrażone w procentowych odchyleniach od linii trendu

polityki gospodarczej większości państw. Znaczenie tych wahań w procesie badań nad cyklami koniunkturalnymi jest jednak bardzo istotne. Oprócz interakcji wahań cyklicznych z długookre-sową tendencją do wzrostu lub spadku bardzo często mamy do czynienia z interakcją wahań koniunkturalnych z wahaniami sezonowymi (patrz Paragraf 3.2.4). Ma to miejsce dla większości danych makroekonomicznych obserwowanych kwartalnie lub miesięcznie.

Dyskusję na temat możliwości wyodrębnienia wahań sezonowych podjęto w monografii Fran-ses (1996), poświęcając temu osobny rozdział. W rozdziale tym autor koncentruje uwagę nad ”niezależnością” pomiędzy wahaniami sezonowymi i wahaniami cyklicznymi i możliwością ich odseparowania. Autor zwraca zatem wyraźną uwagę, iż w pewnych sytuacjach odseparowanie wahań sezonowych od koniunkturalnych nie jest łatwe, a czasami wydaje się być niemożliwe ze względu na interakcję pomiędzy tymi wahaniami. Sformułowane są również odpowiednie przykłady, kiedy taka sytuacja może nastąpić.

W literaturze można znaleźć wiele metod wyodrębniania wahań sezonowych z danych4. Metody te polegają na odseparowaniu z analizowanego zjawiska wahań sezonowych, bez więk-szej ingerencji w długookresową tendencję wzrostową czy spadkową, jak również bez ingerencji w wahania koniunkturalne. Znanymi metodami oczyszczania danych z wahań sezonowych są miedzy innymi metody X-11, X-11-ARIMA, X-12-ARIMA oraz TRAMO/SEATS. Do końca lat osiemdziesiątych poprzedniego stulecia, znaczna większość badaczy makroekonomicznych szeregów czasowych rozważała dane roczne bądź dane odsezonowane. Sytuacja ta zaczęła jed-nak ulegać zmianie pod koniec lat osiemdziesiątych oraz na początku lat dziewięćdziesiątych, kiedy to pojawiło się wiele prac na temat znaczenia wahań sezonowych w analizie makroeko-nomicznych szeregów czasowych. W pracy Ghysels (1988) autor uzasadnia, że odsezonowanie danych makroekonomicznych nie jest nieszkodliwą operacją, jak zakładało wielu wcześniejszych badaczy. Co więcej, autor zwraca uwagę, że niewłaściwie dobrana metoda odsezonowania da-nych może powodować utratę informacji. W kolejda-nych latach na znaczenie wahań sezonowych (również w procesie prognozowania) zwrócili uwagę miedzy innymi autorzy takich prac jak: Barsky i Miron (1989), Braun i Evans (1990), Chattarjee i Ravikumar (1992), Canova i Hansen (1995), Miron (1996), Franses i Ooms (1997), Novales i Fruto (1997), Wells (1997), Herwartz (1999). W pracy Canova i Hansen (1995) autor podsumowuje, że sezonowość stanowi integralną część analizowanego zjawiska i nie powinna być pominięta podczas budowy modelu. Co więcej, dane oczyszczone z wahań sezonowych mogą charakteryzować się pewnymi cechami nie będą-cymi cechami analizowanego zjawiska lecz wynikiem działania metody, którą dane te zostały odsezonowane. Zwraca no to uwagę autor pracy Franses i Ooms (1997) – rekomendując tym samym analizę danych, które nie zostały poddane operacji wyodrębniania wahań sezonowych. Z kolei, w pracach Novales i Fruto (1997), Wells (1997), Herwartz (1999) autorzy wskazują na przewagę tzw. modeli okresowych (czyli modeli zakładających okresowości funkcji war-tości oczekiwanej i funkcji autokowariancji) nad modelami nieokresowymi w prognozowaniu. Rodzi to silną motywację do analizy danych makroekonomicznych przy zastosowaniu modeli uwzględniających wahania sezonowe jak również wahania okresowe funkcji autokowariancji.

Powyższe aspekty dotyczące interakcji wahań cyklicznych z trendem oraz wahaniami sezono-wymi, rodzą motywację do ciągłego poszukiwania metod analizy cykliczności koniunkturalnej.

4 W polskich opracowaniach spotkać można również sformułowanie „oczyszczanie z wahań sezonowych”.

W rozprawie stosowane będzie również sformułowane „odsezonowanie danych”.

Zwróćmy uwagę, że wartość oczekiwana dla szeregów czasowych prawie okresowo skorelowanych ma bardzo ważną własność z punktu widzenia analizy cykli koniunkturalnych. Tą własnością jest samo założenie, iż funkcja ta nie musi być okresowa, a wymaga sie jedynie, aby była funkcją prawie okresową. Zaznaczmy, że w przeszłości zaniechano przypisywanie wahaniom koniunkturalnym wahań mających charakter periodyczny – ze zrozumiałych zresztą powodów. W podejściu, gdzie ograniczamy się jedynie do klasy szeregów czasowych prawie okresowo sko-relowanych problem periodyczności wahań cyklicznych (np. o ustalonym okresie równym T miesięcy) nie ma miejsca. Ponadto, w podejściu w którym rozważamy prawie okresową struk-turę funkcji wartości oczekiwanej możemy uwzględnić jednocześnie wahania koniunkturalne i sezonowe, uwzględniając przy tym również interakcję pomiędzy tymi wahaniami. Kolejna ważna kwestia dotyczy postaci funkcji autokowariancji dla szeregów czasowych prawie okre-sowo skorelowanych. Funkcja ta również ma postać funkcji prawie okresowej, przez co możemy uwzględnić zróżnicowanie w amplitudzie aktywności gospodarczej w różnych okresach rozwoju gospodarczego.

4.2. Identyfikacja cykli koniunkturalnych – przegląd głównych metod i wyników

Powiązane dokumenty