čnBlog – Alternativní pohled na Čínu ze satelitů

Pochybnosti ohledně kvality oficiálních údajů za HDP v Číně přetrvávají a i přes znatelnou snahu tamních úřadů nelze očekávat jejich rychlé odeznění. Vzniká tím prostor pro nestandardní přístupy k měření ekonomické aktivity. Kromě základních alternativních přístupů (například na základě objemu spotřebované elektřiny či nákladní železniční dopravy) se stále více prosazují indikátory na bázi satelitního snímkování. Ve větším detailu se věnujeme indikátoru The Chinese Satellite Manufacturing Index (SMI) od firmy SpaceKnow. Ten naznačuje vývoj průmyslové aktivity ve zpracovatelském průmyslu na základě analýzy dat ze satelitů. Jeho výraznou předností je včasnost a kvalita poskytovaných údajů, takže může být cenným vstupem pro pochopení dynamiky čínské ekonomiky. Aktuálně SMI naznačuje mírné zpomalení aktivity v čínském zpracovatelském průmyslu.

Vyšlo v publikaci Globální ekonomický výhled – leden 2020 (pdf, 1,7 MB)

Nad důvěryhodností čínských statistik stále visí otazník     

Oficiální údaje o ekonomické aktivitě v Číně vzbuzují pochybnosti, zejména v případě opakovaných revizí směrem nahoru. Na konci listopadu 2019 opravil Čínský statistický úřad odhad úrovně nominální hodnoty hrubého domácího produktu Číny v loňském roce směrem vzhůru o 2,1 % na 91,93 bil. RMB.^[1] Dle vyjádření úřadu je revize důsledkem odhalení dříve nezaznamenané (ekonomické) aktivity a nebude mít výraznější vliv na výpočet letošního tempa hospodářského růstu. Je však zřejmé, že tato úprava rovněž pomůže splnit oficiální růstové cíle, což vrhá stín pochybností na spolehlivost čínských údajů o ekonomice. I v minulosti docházelo k revizím, které byly vždy směrem vzhůru. Bez dalších údajů od statistického úřadu nelze odhadnout vliv revize na loňské tempo růstu reálného HDP. Podle analytiků by však měl růst dosáhnout 8,9 %, namísto původně uváděného oficiálního růstu 6,6 %.

Ani provinční statistiky o HDP nejsou důvěryhodné. HDP vypočítaný z dat z provincií se totiž neshoduje s celkovými údaji na národní úrovni. Panují obavy, že provinční úředníci motivovaní růstovými cíli záměrně upravují údaje směrem nahoru. Jsou totiž odměňováni na základě plnění růstových a investičních cílů.^[2] Například v roce 2018 byl HDP Číny spočítaný z regionálních statistik (31 provincií) asi o 205 mld. RMB vyšší než HDP na národní úrovni, což velikostí odpovídá HDP např. Nového Zélandu. Tento rozdíl vzniká zejména v číslech za průmyslovou produkci a investice.

Stav čínské ekonomiky nejde rozluštit ani pomocí dalších ukazatelů ekonomické aktivity. Ukazatele jako nezaměstnanost či mzdové náklady nevykazují téměř žádnou dynamiku. Například nezaměstnanost v Číně se již 15 let drží v pásmu 3,5 % až 4,5 %. Nastavení měnové politiky často odráží cíle vlády na podporu určitých sektorů v ekonomice.

Řada studií potvrzuje, že HDP Číny je nižší a více volatilní, než uvádějí oficiální statistiky. Stabilní dynamika okolo růstového cíle je více než podezřelá (viz Graf 1), což vedlo ke vzniku řady alternativních indikátorů ekonomické aktivity v Číně. Například Chen et al. (2019) se pokusili znovu odhadnout výstup průmyslových, velkoobchodních a maloobchodních firem na základě dat o příjmech z daní z přidané hodnoty. Opírali se rovněž o místní ekonomické indikátory, u nichž je menší podezření na manipulaci úředníky (např. cargo přeprava na železnicích či spotřeba elektrické energie). V porovnání s oficiálními údaji byl jimi odhadnutý růst HDP v průměru o 1,7 p. b. nižší  pro roky 2008 až 2016. Míra investic a úspor byla dokonce o 7 p. b. nižší. Naopak Fernald et al. (2019) se ve svých odhadech spolehli více na údaje ze zahraničního obchodu. Jedním ze zajímavých závěrů je, že jejich alternativní indikátor aktivity v Číně vykazuje mnohem větší variabilitu v čase a více odpovídá dynamice zahraničního obchodu.

Graf 1 – Tipněte si dynamiku růstu čínského reálného HDP (mzr. růst v %)

Zdroj: Refinitiv Datastream
Pozn.: Červená čára vyjadřuje mzr. růst reálného HDP v Číně a modrá v USA, různé osy.

Snahy o zlepšení kvality oficiálních dat pokračují, ale výsledky lze očekávat spíše v horizontu několika let. Od začátku roku 2020 sjednotí Čínský statistický úřad postup, jakým se vypočítává růst aktivity v provinciích. Dojde ke sladění s jednotným systémem národního účetnictví, ještě před zveřejněním finálních dat. To by podle oficiálních zdrojů mělo přispět ke zlepšení kvality dat a důvěryhodnosti vládních statistik. Přesto i nadále bude kvalita oficiálních dat zdrojem pochybností. Sběr statistických dat stále nebude pod kontrolou statistického úřadu, který navíc má velmi omezené politické možnosti, jak nadhodnocování ze stran provincií zabránit. Rozběhla se však série hloubkových auditů, které budou pokračovat do roku 2022. Podobně jako v případě nutnosti dostat více pod kontrolu znečištění životního prostředí v Číně lze očekávat razantní postup, ale tak zásadní revize struktury řízení, kterou si změny ve statistickém reportování vyžadují, nemusí být vůbec snadné.

Posviťme si na Čínu

Lze najít celou řadu alternativních indikátorů aktivity v Číně. Řada z nich se snaží vytěžit informace z vedlejších, snad více důvěryhodných zdrojů, které jsou běžně k dispozici od poskytovatelů dat (Bloomberg, Refinitiv, atd.). Problémem podobných indexů je, že mohou zbytečně přikládat váhu faktorům, které na skutečný výkon ekonomiky nemají takový vliv nebo je vliv komplexní. Také nemusí odrážet všechny stránky měnící se struktury ekonomiky, jako je pokles vlivu zemědělství nebo růst sektoru služeb. Pro srovnání lze uvést například China Activity Proxy (CAP, zdroj: Capital Economics), který odráží informace z alternativních zdrojů jako je výstavba nemovitostí, spotřeba elektřiny, nákladní a osobní doprava, aktivita v přístavech, atd. Meziroční dynamika jejich indikátoru je pak výrazně nižší, zejména v posledních letech, než oficiální HDP (Graf 1).^[3] CAP podává také alternativní vysvětlení pro vývoj v Číně. Podle CAP je aktuální zpomalení čínské ekonomiky taženo zejména domácími podmínkami, především úvěrovými, ne však obchodními válkami, protože zahraniční obchod stále podporuje předzásobení výrobců před zavedením cel. Z výše zmíněné práce Fernald et al. (2019) pochází China Cyclical Activity Tracker (CCAT, zdroj: San Francisco Fed). Mezi další indikátory patří China Activity Tracker, CAT z dílny Institute of International Finance (IIF) či China Current Activity Indicator, který vytvořil Goldman Sachs. Posledně jmenovaný je konstruován jako společný pohyb (první komponenta) různých měsíčních ukazatelů. Dynamický faktorový model pak používá společnost Fulcrum na konstrukci nowcastu HDP pro Čínu. Nejstarším indikátorem tohoto typu by však byl tzv. Li Keqiang Index, pojmenovaný podle čínského premiéra, který sám preferoval použití přímých indikátorů ekonomické aktivity při hodnocení růstu (spotřeba elektřiny, železniční nákladní doprava a bankovní úvěry).^[4] Pro srovnání jsou některé z nich uvedeny v Grafu 2 ve formě směrodatné odchylky od trendu. Všechny indikátory naznačují podstatně vyšší cyklickou variabilitu pro Čínu než oficiální údaje o HDP. Shodují se však na tom, že aktuálně čínská ekonomika zpomaluje

Graf 2 – Alternativní indikátory aktivity pro Čínu (sm. odchylka od trendu)

Novinkou posledních let je využití satelitních dat, zejména pak z nočního osvětlení. Pokusy zachytit lidskou aktivitu pomocí satelitních snímků mají dlouhou tradici. Například změny v nočním osvětlení umožňují zachytit růst aktivity v zemích, které prochází rychlým rozvojem. Země v prvních fázích rozvoje se totiž zaměřují na výstavbu infrastruktury (silnice, města, mosty, atd.), která vyzařuje světlo. Na snímcích ze satelitů se pak zdá, že se země rozsvěcuje. Proto i první pokusy zachytit aktivitu v Číně byly založeny na kvantifikaci nočního osvětlení pomocí satelitů. Na rozdíl od sběru dat je tento přístup přesnější a lze jej použít i na mnoho let zpátky. Příkladem může být práce Hendersona a kol. (2012), podle které narostla reálná aktivita v Číně mezi roky 1992 a 2006 o 57 %. Oficiální údaje však implikují nárůst o 122 %, takže nadhodnocení reálného HDP v Číně může dosahovat až 65 p.b.. V porovnání s ostatními zeměmi ve vzorku uvedené studie jde o velkou diskrepanci.

Jiné alternativní indikátory se snaží propojit aktivitu v Číně s vývojem spotřeby a zásob komodit. Příkladem může být společnost Quandl, která podle deníku Financial Times má data za zásoby hliníku v Číně ze satelitních snímků. Společnost URSA^[5] za pomocí satelitního radarového skenování sleduje zásoby ropy na 23 místech v Číně s kapacitou 1,1 mld. barelů. Radarové skenování má zejména výhodu, že jsou nezávislá na počasí a je tedy zaručeno dodání dat. Zásoby ropy v různých zemích, včetně Číny, sleduje pomocí satelitů také i společnost Orbital Insight.^[6] Alternativní indikátory jsou nabízeny investorům (velkým bankám, hedgeovým fondům, atd.), kteří na jejich základě formulují investiční a jiné strategie.

Průmysl Číny očima satelitů

Inovativní přístup pomocí dat ze satelitů pak nabízí společnost SpaceKnow. Na rozdíl od ostatních přístupů, které jsme zmínili výše, se SpaceKnow zaměřuje přímo na ukazatele průmyslové aktivity na základě analýzy objektů na fotografiích ze satelitů. Tento přístup vysvětluje Box 1. Od roku 2016 tak sestavuje The Chinese Satellite Manufacturing Index (SMI), který se opírá o 2,2 mld. satelitních snímků sesbíraných z více než 6 600 průmyslových oblastí v Číně, které se rozkládají na ploše o více než půl milionu čtverečních kilometrů. Na zpracování takového ohromného množství dat je používána umělá inteligence. Společnost je však schopna na zakázku zanalyzovat jakýkoliv sektor (zásoby, doly, počet lodí v přístavech či na moři, atd.).

SMI je podobný předstihovým indikátorům jako je Purchasing Manager’s Index (PMI). PMI zjišťuje očekávání nákupních manažerů a je považován za důležitý koincidenční indikátor průmyslové produkce. Udává se v hodnotě indexu. Hodnota PMI indexu nad 50 je znakem expanze ve zpracovatelském průmyslu oproti předchozímu měsíci, zatímco hodnota pod 50 je znakem kontrakce. V Číně se používají standardně dva indikátory PMI na zachycení aktivity ve zpracovatelském průmyslu. Jeden z nich vydává národní statistický úřad, zatímco druhý připravuje společnost IHS a její partner Caixin. Oba se opírají o data z firem ohledně nových zakázek či zásob. Oficiální PMI se opírá zejména o data z velkých a státem vlastněných firem (až 3000 firem), Caixin PMI je založen na údajích ze soukromých a malých firem (430 firem).

Předstihové indikátory shodně naznačují ztrátu dynamiky čínského zpracovatelského průmyslu v roce 2018, zatímco hodnocení aktuální situace se mírně liší. Jak ukazuje Graf 4, oba PMI indexy se aktuálně pohybují blízko hodnoty 50, přičemž Caixin PMI se už od července stabilně zlepšuje. Mírné zlepšení situace v listopadu pak naznačují i oficiální údaje za PMI. SMI je sice také v pásmu expanze, ale meziměsíčně od léta klesá. Údaje za průmyslovou produkci jsou v tomto roce značně volatilní, ale oproti roku 2017, je zde zřetelné zpomalení. Například v listopadu dosáhl meziroční růst průmyslové produkce ve zpracovatelském sektoru 6,3 % dle Reuters.

Graf 4 – Předstihový indikátor průmyslové produkce pro Čínu (index)

Zdroj: SpaceKnow, Bloomberg

Jednoznačnou výhodou SMI je kvalita a včasnost dat. Jelikož se SMI opírá o pozorovaná data, je důvěryhodnost takového indikátoru vysoká. Nezanedbatelným faktorem je i včasnost a možnost předvídat pohyb SMI a jeho podsložek v krátkém horizontu. To dává vlastníkům takových dat informační náskok, zejména pokud se jedná o účastníky na finančních trzích. Podsložky indexu pak umožňují podrobnější analýzu a zodpovězení analytických otázek jako např. zda pokračuje výstavba nových průmyslových zón či zda využití elektráren a tedy i očekávaná spotřeba elektřiny neklesá.

Alternativní zdroje dat a centrální banky a závěr

Nové zdroje a způsoby získávání dat rozšiřují obzory i centrálním bankám. Nové datové zdroje vhodně doplňují tradičnější statistiky či je dokonce nahrazují, pokud neexistují. Příkladem může být právě Čína, kde přetrvávají pochybnosti ohledně kvality dat. Centrální banky se však neomezují ani zdaleka jen na makroekonomické oblasti a pojmy jako „big data“ nebo „umělá inteligence (AI)“ patří mezi horká témata. Například studie BIS (2019) shrnuje zkušenosti centrálních bankéřů s novými technologiemi.

Centrální banky se nebojí nových datových zdrojů ani nových analytických technik. Mezi nové datové zdroje patří ceny v internetových obchodech či sentiment na Twitteru. Existují studie na dolování v textu či stahování z webu ve velkém objemu. Obecně lze však projekty rozdělit podle oblasti zájmu. V makroekonomickém modelování se nové nástroje uplatňují při nowcastingu či při monitoringu cen v internetových obchodech. Stahovat se dají např. i údaje o volných pracovních pozicích. Analýza sentimentu ze zpráv nebo dolování textu a interpretace komunikačních strategií patří mezi další témata. Jiná oddělení se mohou opírat v analýzách o velké soubory dat z jednotlivých finančních institucí či z finančních trhů.

Když oficiální statistiky nejsou důvěryhodné, otvírá se prostor pro nové datové zdroje a přístupy. Na příkladu Číny lze ukázat, že nejistotu ohledně vývoje ekonomiky lze snížit zapojením nových zdrojů. Jako velmi nadějné se ukázalo zejména využití dat ze satelitů. Jedná se o přesný a včasný zdroj dat, který nepodléhá revizím, a který může kvalitně rozšířit makroekonomickou debatu nad aktuálním vývojem v Číně.

Autorem je Tomáš Adam a Soňa Benecká. Názory v tomto příspěvku jsou jejich vlastní a neodrážejí nezbytně oficiální pozici České národní banky.

Zdroje

BIS (2018): The use of big data analytics and artificial intelligence in central banking - An overview, by Bruno Tissot, Anggraini Widjanarti, Alvin Andhika Zulen, Hidayah Dhini Ari and Okiriza Wibisono, https://www.bis.org/ifc/publ/ifcb50.htm

Chen, Wei and Chen, Xilu and Hsieh, Chang-Tai and Song, Zheng (2019): A Forensic Examination of China's National Accounts. NBER Working Paper No. w25754.

Fernald, John G, Eric Hsu, and Mark M. Spiegel (2019): Is China Fudging Its GDP Figures? Evidence from Trading Partner Data, Federal Reserve Bank of San Francisco Working Paper 2019-19.

Henderson, J. Vernon, Adam Storeygard, and David N. Weil (2012): Measuring Economic Growth from Outer Space. American Economic Review, 102 (2): 994-1028.

Klíčová slova

Předstihové indikátory, HDP, satelitní snímky

JEL Klasifikace

E27, F47, L16, O11

^[1] https://www.reuters.com/article/us-china-economy-gdp/gdp-revisions-put-china-on-target-to-double-economy-but-data-doubts-remain-idUSKBN1XW04C

^[2] Viz například: https://www.ft.com/content/fcf7e3a4-4f40-11e7-bfb8-997009366969

^[3] Viz https://www.capitaleconomics.com/blog/chinas-role-in-the-coming-global-slowdown/

^[4] https://www.economist.com/asia/2010/12/09/keqiang-ker-ching

^[5] https://www.ursaspace.com/china-macro

^[6] https://orbitalinsight.com/products/go-energy/