Nové přístupy v nowcastingu zahraničního HDP
Roky 2020 a 2021 nesoucí se ve znamení pandemie koronaviru představují z pohledu modelovacích přístupů skutečnou výzvu. ČNB posílila své analytické portfolio o alternativní indikátory, zejména mobility či síly vládních restrikcí. Pro přesnější zachycení zahraničního hospodářského vývoje v pandemickém období pak zavedla i dva nové modelové přístupy, které se zaměřily zejména na výhledy na nejkratším horizontu aktuálního čtvrtletí, tzv. nowcast.
Unikátní kovidový šok s významnými dopady na ekonomiky po celém světě měl za následek bezprecedentní rozkolísání ekonomických proměnných. Z určitého pohledu lze chápat kovidový šok jako mimořádné pozorování či dokonce šum v datech, který kvalitu předpovědí zhoršuje. Někdy je proto vhodnější tato odlehlá/vychýlená pozorování při odhadech parametrů modelů vyloučit, ale zároveň je brát v potaz při odhadech nejistoty ohledně budoucího vývoje (Lenza a Primiceri, 2020). Alternativou je využití specifických indikátorů či dočasné rozšíření portfolia modelů o nové „netradiční“ přístupy, zejména pro výhledy na nejkratším horizontu aktuálního čtvrtletí, tzv. nowcast.
Nowcasting je populární metodou, jak předvídat ekonomický vývoj v aktuálním čtvrtletí. Termín má svůj původ v meteorologii a vychází ze spojení slov now (nyní) a forcasting (předpovídání). Využívá indikátory s měsíční či nižší frekvencí publikované v průběhu čtvrtletí, např. sentiment v průmyslu či spotřebitelů, které dávají signál o směru vývoje ekonomické aktivity před tím, než je publikován oficiální odhad HDP (např. Adam a Novotný, 2018). Centrální banky tak mají lepší představu o stavu ekonomiky v reálném čase. V pandemickém období ale tradiční nástroje nemohly v dostatečné míře zachytit unikátní situaci vládních uzavírek.
Instituce, které připravují odhady růstu HDP pro aktuální čtvrtletí, reagovaly na novou situaci různými způsoby. Například francouzský statistický úřad INSEE zapracoval do svých modelů indikátory mobility obyvatelstva.[1] Některé centrální banky pozastavily publikování svých nowcastů růstu HDP, popř. upravily jejich interpretaci (Atlanta Fed GDPNow).[2] Jiné zavedly týdenní indikátory ekonomické aktivity (Bundesbank či New York Fed). Například týdenní index aktivity ekonomiky (WAI) pro Německo, jehož vývoj je pro českou ekonomiku stěžejní, zahrnuje devět vysokofrekvenčních indikátorů, od elektřiny po trh práce. Tento index je v týdenní frekvenci publikován na stránkách Bundesbanky.[3] V podobném duchu se nese také nejnovější index Rushin pro Českou republiku, který byl představen na čnBlogu.
Měření mobility a síly vládních restrikcí
Při přípravě výhledů HDP významných obchodních partnerů České republiky i ČNB zohledňuje vývoj protiepidemických restrikcí. Jde zejména o indexy síly vládních opatření a indikátory mobility. Jako měřítko vládních restrikcí se nabízí index, který sestavují analytici na univerzitě v Oxfordu (Stringency Index, Graf 1).[4] Tento indikátor bere v potaz opatření, která omezují chování obyvatel – například omezení volného pohybu, uzavření škol, zákaz shromažďování apod. Skutečné chování spotřebitelů a firem však lépe zachycují indikátory mobility, protože protiepidemická opatření nejsou vždy a všude dodržována.
Graf 1 – Stringency Index pro ČR a naše významné obchodní partnery
(týdenní průměry denních dat)
Graf 2 – Indikátor mobility Google pro ČR a naše významné obchodní partnery
(týdenní průměry denních dat, odchylky od dlouhodobého průměru, Přehled pohybu komunity Google)
Použitím Stringency Indexu bylo možné vytvořit určitý společný jmenovatel napříč zeměmi, tj. i ve srovnání s vývojem v tuzemské ekonomice. Nad rámec těchto indikátorů zavedla ČNB od jarní prognózy 2021 dva doplňkové nowcastovací nástroje.
Nowcastingové nástroje v ČNB
Prvním nástrojem je nowcast model MF-BAVART (Mixed Frequency Bayesian Additive Vector Autoregressive Tree) z pera F. Huber a kol. (2020), který je upravený pro potřeby pandemického období. Je schopen lépe pracovat s velkým rozkmitem dat v koronavirové krizi, protože umožňuje zachytit i extrémně odlehlá pozorování a volatilita dat je modelována stochasticky. V modelech pro obchodní partnery ČR jsou zahrnuty kromě tradičních zdrojů (průmyslová produkce v Německu a USA, sentiment spotřebitelů, předstihové indikátory či maloobchodní tržby) i indikátory pro mobilitu (z přehledu pohybu komunity Google).
Oproti citované studii je výčet proměnných v podání ČNB mírně pozměněn, čímž je dosaženo zlepšení predikčních schopností modelu v předkrizovém období, zatímco byl zvětšen prostor pro nejistotu v průběhu pandemie. Graf 3 ukazuje výsledky pro jednotlivé ekonomiky se znalostí všech dat. Ani tento model však není schopen plně postihnout rozptyl pozorování v průběhu roku 2020, ale dává silnou informaci o vývoji německé ekonomiky.
Graf 3 – Model MF-BAVART pro hlavní obchodní partnery
(skutečnost – mzč. růst HDP, modelový odhad je posteriorní medián a šedá plocha 68% pásmo důvěryhodnosti)
V druhém nástroji jsme se zaměřili na nowcast jednotlivých složek HDP. Dichotomie mezi průmyslem a službami, která je tak typická pro současnou kovidovou krizi, si v závěru loňského roku vyžádala rozšíření modelového aparátu o nowcasting hrubé přidané hodnoty v průmyslu. Vládní protiepidemická restriktivní opatření se totiž i ve druhé vlně zaměřila dominantně na odvětví služeb s vysokým podílem sociálního kontaktu, zatímco průmysl postižen nebyl. Podobně nedošlo ani k narušení globální výrobních řetězců a dodavatelsko-odběratelských vztahů. Bylo tedy potřeba zpřesnit výhled pro jednotlivá odvětví.
Ekonometricky se odhad růstu HPH opírá o tzv. bridge equations používané v našem hlavním nowcastovacím přístupu (Adam a Novotný, 2018). Výběr proměnných je však uzpůsoben potřebě odhadnout výstup v průmyslovém odvětví. Jedná se zejména o využití podrobnějších dat - registrace aut, mýtné, průmyslová aktivita v USA či předstihové indikátory v průmyslu.
Nowcastovací nástroj správně indikoval pro 4. čtvrtletí 2020 kladný růst HPH v průmyslu pro všech 5 nejvýznamnějších obchodních partnerů, třebaže výkon slovenského průmyslového sektoru byl výrazným pozitivním překvapením. Na rozdíl od ostatních ekonomik nemáme pro Slovensko tolik kvalitních údajů ve vyšší než čtvrtletní frekvenci. Pro první čtvrtletí 2021 pak indikuje faktorový model pokračující expanzi v průmyslu, třebaže oproti konci roku 2020 je patrné zvolnění tempa růstu.
Graf 4 – Rozpětí modelových odhadů nowcastu HPH v průmyslu pro 4Q 2020
(šedá plocha – rozpětí modelů, skutečnost – mzč. růst HPH)
Graf 5 – Rozpětí modelových odhadů nowcastu HPH v průmyslu pro 1Q 2021
(šedá plocha – rozpětí modelů)
Zdroje
T. Adam a F. Novotný (2018): Assessing the External Demand of the Czech Economy: Nowcasting Foreign GDP Using Bridge Equations, CNB WP No. 18/2018
F. Huber et al. (2020): Nowcasting in a pandemic using non-parametric mixed frequency VARs, Journal of Econometrics.
M. Lenza a G. E. Primiceri (2020): How to estimate a VAR after March 2020, Working Paper Series 2461, European Central Bank.
[1] Odhady INSEE byly v průběhu roku 2020 velmi přesným zdrojem informací. V posledním čtvrtletí 2020, kdy statistický úřad odhadoval mzč. propad o více než 4 %, ale skutečnost výrazně předčila očekávání, když pokles dosáhl jen -1,4 %. Francouzská ekonomika byla v průběhu listopadu v přísné uzávěře, ale v prosinci byla opatření uvolněna, což se jen složitě zachycuje ve statistických modelech. Využití dat za mobilitu musí být opatrné, protože ta často odrážejí i jiné faktory než ekonomické (např. svátky).
[2] https://www.atlantafed.org/cqer/research/gdpnow
[3] https://www.bundesbank.de/de/statistiken/konjunktur-und-preise/woechentlicher-aktivitaetsindex/woechentlicher-aktivitaetsindex-fuer-die- deutsche-wirtschaft-833774
[4] https://www.bsg.ox.ac.uk/research/research-projects/covid-19-government-response-tracker