An Indicator of Economic Activity for Italian Regions

Un’analisi preliminare del ciclo economico regionale
in Italia
Bologna, 3 Novembre 2006
Venerdì 3 Novembre 2006
1
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”
Venerdì 3 Novembre 2006
2
Cos’è il ciclo economico?
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
riferimento.
Venerdì 3 Novembre 2006
viene
3
definito
come
ciclo
di
Cos’è il ciclo economico?
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.
Venerdì 3 Novembre 2006
4
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.
Venerdì 3 Novembre 2006
5
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.
Venerdì 3 Novembre 2006
6
Perché misurare il ciclo regionale?
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
Venerdì 3 Novembre 2006
7
1a– il ciclo in se
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
1990-91 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.
Venerdì 3 Novembre 2006
8
1b – il ciclo in se
Regional income fluctuations (Carlino
economics and Statistics 2001)
Sill
The
review
of
“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.”
Venerdì 3 Novembre 2006
9
2 – impatto locale di shocks comuni
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
Venerdì 3 Novembre 2006
10
...e con questo?...
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.....
Venerdì 3 Novembre 2006
11
Perchè gli USA?
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?
Venerdì 3 Novembre 2006
12
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 2003.
Problema 2: vi sono revisioni piuttosto corpose rispetto alle rilevazioni
preliminari.
Venerdì 3 Novembre 2006
13
I dati regionali disponibili
1.
2.
3.
4.
5.
6.
7.
esportazioni e importazioni (fonte Istat);
variabili relative ai livelli di occupazione (fonte Istat);
Inchiesta dell’ISAE sulla fiducia delle imprese;
Inchiesta dell’ISAE sulla fiducia dei consumatori;
Prezzi al consumo (fonte Istat);
Demografia delle imprese (fonte Unioncamere);
Immatricolazioni di auto (fonte ANFIA);
Venerdì 3 Novembre 2006
14
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.
Venerdì 3 Novembre 2006
15
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 1992. 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.
Venerdì 3 Novembre 2006
16
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.
Venerdì 3 Novembre 2006
17
Isae: fiducia delle imprese
105
Fiducia delle imprese, sc. sx.
104
Produzione industriale destag.
100
95
100
90
96
85
80
gen-99
Venerdì 3 Novembre 2006
92
gen-00
gen-01
gen-02
gen-03
18
gen-04
gen-05
gen-06
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.
1. giudizi sulla
situazione
economica
dell'Italia
2. previsioni
sulla
situazione
economica
dell'Italia
Venerdì 3 Novembre 2006
3. previsioni
disoccupazio
ne
4. giudizi
situazione
economica
famiglia
5. previsioni
situazione
economica
famiglia
19
6. bilancio
finanziario
attuale
famiglia
7. previsioni
possibilità
effettuare
risparmio
8. previsioni
convenienza
risparmio
9. giudizi
convenienza
ad acquistare
beni durevoli
Isae: fiducia dei consumatori
4
130
125
3
120
2
115
1
110
105
0
100
-1
Vendite al dettaglio var. % a/a
95
Fiducia dei consumatori sc.dx
-2
Jan-00
Venerdì 3 Novembre 2006
90
Nov-00
Sep-01
Jul-02
20
May-03
Mar-04
I dati dell’Emilia Romagna: esportazioni
25
Italia
20
Nord Est
Emilia Romagna
15
10
5
0
-5
-10
-15
ott-99
apr-00
Venerdì 3 Novembre 2006
ott-00
apr-01
ott-01
apr-02
21
ott-02
apr-03
ott-03
apr-04
ott-04
I dati della Liguria: esportazioni
28
Italia
Nord-ovest
Liguria
18
8
-2
-12
-22
lug-01
Venerdì 3 Novembre 2006
gen-02
lug-02
gen-03
lug-03
22
gen-04
lug-04
gen-05
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.
Venerdì 3 Novembre 2006
23
The Data about GDP Release by Istat:
Regional economic accounts:
(released in October 2005);
1980-2003
The main items of regional economic accounts:
1980-2004 (available since December 2005);
GDP estimate for macroareas:
(released in June 2006).
Venerdì 3 Novembre 2006
24
1980-2005
The Variables Set
Activity rate
Liquidity situation
Employees in other activities
Liquidity change
Economic situation judgments
Domestic orders
Economic situation forecast
Foreign orders
Unemployment forecasts
Total orders
Judgments of fam. econ. sit.
Production
Trend of job cost
Liquidity trend
Economic trend
Orders trend
Firm confidence
Finished prod. Unsold
Forecasts of fam. econ. sit.
Family financial budget
Convenience to save
Intention to buy durable good
Cars registrations
Production trend
Active firms
Employees change
Firms
Prices fluctuation
Stopped firms
Production change
German ind. production index
Regional imports
Macro area exports
Unemployment rate
Venerdì 3 Novembre 2006
Imports and
exports
Labour market
Consumer
confidence
Possibility of saving
Prices trend
Regional exports
Labour market
French ind. production index
Real effective exchange rate
Italian ind. production
Consumer price index
25
National and
international
variable
The Dynamic Factor Model
(Stock and Watson 1999)
Xt = ΛFt+et
Xt set of data
Ft vector of common factors
Λ coefficients matrix
et idiosyncratic part
Venerdì 3 Novembre 2006
26
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.
Venerdì 3 Novembre 2006
27
The Common Factors
(Emilia-Romagna Region)
1,5
1
0,5
0
-0,5
-1
Factor_1
-1,5
Factor_2
Factor_3
Venerdì 3 Novembre 2006
28
Jan-05
Jan-04
Jan-03
Jan-02
Jan-01
Jan-00
Jan-99
Jan-98
Jan-97
Jan-96
Jan-95
Jan-94
Jan-93
-2
The Correlation between each Series and the Three Factors
Source: Our processing on Isae, Istat, Anfia and Unioncamere
29 data
Venerdì 3 Novembre 2006
(Emilia-Romagna)
Annual Growth Rate of GDP and the First Factor (Lombardia Region)
1,5
4
1
3
0,5
2
0
1
-0,5
0
-1
Factor_1
Venerdì 3 Novembre 2006
GDP: grow th rate % y/y
30
Oct-05
Jan-05
Apr-04
Jul-03
Oct-02
Jan-02
Apr-01
Jul-00
Oct-99
Jan-99
Apr-98
Jul-97
Oct-96
Jan-96
Apr-95
-2
Jul-94
-2
Oct-93
-1
Jan-93
-1,5
Bdl Coincident Indicator and the First Factor (Veneto Region)
14
1,5
12
1
10
8
0,5
6
0
4
2
-0,5
0
-1
-2
-1,5
-4
Bdl-Indicator
Venerdì 3 Novembre 2006
31
Factor_1
Oct-05
Jan-05
Apr-04
Jul-03
Oct-02
Jan-02
Apr-01
Jul-00
Oct-99
Jan-99
Apr-98
Jul-97
Oct-96
Jan-96
Apr-95
Jul-94
Oct-93
-2
Jan-93
-6
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.
Venerdì 3 Novembre 2006
32
EM Algorithm
The unobserved monthly series Xit, is measured only as
the time aggregate Xqit where:
Xqit= (1/12)*(Xi,t-12+Xi,t-11+….+Xit)
for t=12,24,36…..
and Xqit is missing for all other values of t.
Venerdì 3 Novembre 2006
33
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 (19932004).
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.
Venerdì 3 Novembre 2006
34
An Indicator of Economic Activity
(Emilia-Romagna Region)
7
6
5
4
3
2
1
0
-1
Venerdì 3 Novembre 2006
35
Jan-05
Jan-04
Jan-03
Jan-02
Jan-01
Jan-00
Jan-99
Jan-98
Jan-97
Jan-96
Jan-95
Jan-94
Jan-93
-2
An Indicator of Economic Activity
(Emilia-Romagna Region)
7
6
Indicator as of April 2006
Indicator as of 19 Sept 2005
5
4
3
2
1
0
-1
-2
gen-93 nov-93 set-94 lug-95 mag-96 mar-97 gen-98 nov-98 set-99 lug-00 mag-01 mar-02 gen-03 nov-03 set-04 lug-05 mag-06
Venerdì 3 Novembre 2006
36
An Indicator of Economic Activity
(North-East)
7
6
5
North-East 1
North-East 2
4
3
2
1
0
-1
Venerdì 3 Novembre 2006
37
Jan-05
Jan-04
Jan-03
Jan-02
Jan-01
Jan-00
Jan-99
Jan-98
Jan-97
Jan-96
Jan-95
Jan-94
Jan-93
-2
An Indicator of Economic Activity
(Macroareas)
7
6
South
Centre
North-West
North-East
5
4
3
2
1
0
-1
-2
Venerdì 3 Novembre 2006
38
Jan-05
Jan-04
Jan-03
Jan-02
Jan-01
Jan-00
Jan-99
Jan-98
Jan-97
Jan-96
Jan-95
Jan-94
Jan-93
-3
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.
Venerdì 3 Novembre 2006
39
An Indicator of Economic Activity
(Centre)
7
6
5
4
3
2
1
0
-1
-2
Lazio
Toscana
Marche
Umbria
Source: Our processing on Isae, Istat, Anfia and Unioncamere data
Venerdì 3 Novembre 2006
42
Centre
Jan-05
Jan-04
Jan-03
Jan-02
Jan-01
Jan-00
Jan-99
Jan-98
Jan-97
Jan-96
Jan-95
Jan-94
Jan-93
-3
An Indicator of Economic Activity
(South)
Abruzzo
M olise
Basilicata
Campania
Calabria
Source: Our processing on Isae, Istat, Anfia and Unioncamere data
Venerdì 3 Novembre 2006
43
Puglia
Jan-05
Jan-04
Jan-03
Jan-02
Jan-01
Jan-00
Jan-99
Jan-98
Jan-97
Jan-96
Jan-95
Jan-94
Jan-93
7
6
5
4
3
2
1
0
-1
-2
-3
-4
-5
South
An Indicator of Economic Activity
(South)
Sicilia
Sardegna
South
Source: Our processing on Isae, Istat, Anfia and Unioncamere data
Venerdì 3 Novembre 2006
44
Jan-05
Jan-04
Jan-03
Jan-02
Jan-01
Jan-00
Jan-99
Jan-98
Jan-97
Jan-96
Jan-95
Jan-94
Jan-93
6
5
4
3
2
1
0
-1
-2
-3
-4
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”
Venerdì 3 Novembre 2006
45
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.
Venerdì 3 Novembre 2006
46
Outline
The analysis of business cycle synchronization
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).
Venerdì 3 Novembre 2006
47
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 Markovswitching processes, sa,t and sb,t. Where sa,t =sb,t=1 are the
expansion states in regions a and b at time t and sa,t =sb,t=2
are the recession states in regions a and b at time t
Venerdì 3 Novembre 2006
48
The analysis of business cycle synchronization
The Methodology
Multivariate Markov-switching approach
ya,t-sa,t = aa(L) (ya,t-1 - a,sa,t-1) + a,t
yb,t-sb,t = bb(L) (yb,t-1 - b,sb,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)
Venerdì 3 Novembre 2006
49
The analysis of business cycle synchronization
The Methodology
Multivariate Markov-switching approach
We consider that actual business cycle synchronization is:
δab times the case of independence and
(1 - δab ) times the case of perfect dependence,
where 0 <= δab<= 1.
The weights δab 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 - δab50
Venerdì 3 Novembre 2006
Measures of Distances (δab) among the Business Cycle of the Italian
Regions
Regions Calabria CampaniaEmilia-R Friuli V.G. Lazio
Calabria
Campania
Emilia-R
Friuli V.G.
Lazio
Lombardia
Marche
Piemonte
Puglia
Sardegna
Sicilia
Toscana
Trentino
Umbria
ValledA
Veneto
0
0.90
0.53
0.97
0.87
0.79
0.79
0.57
0.93
0.94
0.98
0.38
0.76
0.85
0.67
0.87
0.90
0
0.80
0.98
0.81
0.33
0.98
0.44
0.93
0.90
0.98
0.86
0.25
0.79
0.98
0.56
Venerdì 3 Novembre 2006
0.53
0.80
0
0.91
0.61
0.58
0.73
0.52
0.83
0.94
0.61
0.33
0.65
0.79
0.58
0.70
0.97
0.98
0.91
0
0.58
0.77
0.81
0.74
0.83
0.98
0.75
0.85
0.69
0.93
0.62
0.88
0.87
0.81
0.61
0.58
0
0.78
0.77
0.63
0.47
0.93
0.96
0.95
0.64
0.38
0.27
0.95
Lombar. Marche Piemonte Puglia
0.79
0.33
0.58
0.77
0.78
0
0.66
0.63
0.82
0.91
0.62
0.65
0.71
0.31
0.59
0.94
0.79
0.98
0.73
0.81
0.77
0.66
0
0.13
0.90
0.98
0.99
0.57
0.88
0.89
0.99
0.34
0.57
0.44
0.52
0.74
0.63
0.63
0.13
0
0.56
0.84
0.50
0.72
0.66
0.62
0.68
0.15
51
0.93
0.93
0.83
0.83
0.47
0.82
0.9
0.56
0
0.68
0.64
0.64
0.89
0.86
0.95
0.89
Sardegna Sicilia
0.94
0.9
0.94
0.98
0.93
0.91
0.98
0.84
0.68
0
0.95
0.93
0.91
0.80
0.92
0.98
0.98
0.98
0.61
0.75
0.96
0.62
0.99
0.50
0.64
0.95
0
0.73
0.43
0.96
0.69
0.67
Toscana Trentino Umbria
0.38
0.86
0.33
0.85
0.95
0.65
0.57
0.72
0.64
0.93
0.73
0
0.66
0.73
0.31
0.87
0.76
0.25
0.65
0.69
0.64
0.71
0.88
0.66
0.89
0.91
0.43
0.66
0
0.58
0.62
0.22
0.85
0.79
0.79
0.93
0.38
0.31
0.89
0.62
0.86
0.80
0.96
0.73
0.58
0
0.99
0.75
ValledA Veneto
0.85
0.98
0.58
0.62
0.27
0.59
0.99
0.68
0.95
0.92
0.69
0.31
0.62
0.99
0
0.69
0.67
0.56
0.70
0.88
0.95
0.94
0.34
0.15
0.89
0.79
0.67
0.87
0.22
0.75
0.69
0
Business Cycle Estimation of Italian Regions
Piemonte
Venerdì 3 Novembre 2006
Valle d'Aosta
52
Marche
Sicilia
Jan-05
Jan-04
Jan-03
Jan-02
Jan-01
Jan-00
Jan-99
Jan-98
Jan-97
Jan-96
Jan-95
Jan-94
Jan-93
7
6
5
4
3
2
1
0
-1
-2
-3
-4
Representation of Italian Regions in a Plane According to
their Business Cycle Synchronization
2
Friuli
Sicilia
ValledA
1
Puglia
Lazio
Lombardia
Toscana
Dim.2
0
Emilia
Piemonte
Trentino
Sardegna
Calabria
Umbria
-1
Marche
Veneto
Campania
-2
-2
Venerdì 3 Novembre 2006
-1
0
53
D
im.1
1
2
Calabria
FriuliVenGiu
1
EmiliaRom
Toscana
Marche
Lazio
Umbria
Piemonte
Basilicata
Lombardia
Liguria
0
ValleDAosta
Abruzzo
Dim2
Puglia
Veneto
TrentAltoAd
Campania
-1
Molise
Sicilia
Sardegna
-2
Venerdì 3 Novembre 2006
-2
-1
Dim1
54
0
1
2
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 of55 some months.
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 Federico56(2006).
Venerdì 3 Novembre 2006
Italian Regional Recessions and Expansions by Months: 1993:1-2005:12
Jan-93
Feb-93
Mar-93
Apr-93
May-93
Jun-93
Jul-93
Aug-93
Sep-93
Oct-93
Nov-93
Dec-93
Jan-94
Feb-94
Mar-94
Apr-94
May-94
Jun-94
Jul-94
Aug-94
Sep-94
Oct-94
Nov-94
Dec-94
Jan-95
Feb-95
Mar-95
Apr-95
May-95
Jun-95
Jul-95
Aug-95
Sep-95
Oct-95
Nov-95
Dec-95
Jan-96
Feb-96
Mar-96
Apr-96
May-96
Jun-96
Jul-96
Aug-96
Sep-96
Oct-96
Nov-96
Dec-96
Jan-97
Venerdì 3 Novembre 2006
Italia Abr.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
Basil. Cal.
Camp.EmRom
Friuli Lazio Lig.
Lomb. MarcheMoli. Piem. Puglia Sard. Sic.
57
Tosc. Trent. UmbriaValledAVen.
Italian Regional Recessions and Expansions
by Months: 1993:1-2005:12 (continued)
Feb-97
Mar-97
Apr-97
May-97
Jun-97
Jul-97
Aug-97
Sep-97
Oct-97
Nov-97
Dec-97
Jan-98
Feb-98
Mar-98
Apr-98
May-98
Jun-98
Jul-98
Aug-98
Sep-98
Oct-98
Nov-98
Dec-98
Jan-99
Feb-99
Mar-99
Apr-99
May-99
Jun-99
Jul-99
Aug-99
Sep-99
Oct-99
Nov-99
Dec-99
Jan-00
Feb-00
Mar-00
Apr-00
May-00
Jun-00
Jul-00
Aug-00
Sep-00
Oct-00
Nov-00
Dec-00
Jan-01
Venerdì 3 Novembre 2006
(Table2)
Italia Abr.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
EXP.
REC.
REC.
REC.
EXP.
EXP.
EXP.
EXP.
Basil. Cal.
Camp.EmRom
Friuli Lazio Lig.
Lomb. MarcheMoli. Piem. Puglia Sard. Sic.
58
Tosc. Trent. UmbriaValledAVen.
Italian Regional Recessions and Expansions by Months:
1993:1-2005:12 (continued)
Feb-01
Mar-01
Apr-01
May-01
Jun-01
Jul-01
Aug-01
Sep-01
Oct-01
Nov-01
Dec-01
Jan-02
Feb-02
Mar-02
Apr-02
May-02
Jun-02
Jul-02
Aug-02
Sep-02
Oct-02
Nov-02
Dec-02
Jan-03
Feb-03
Mar-03
Apr-03
May-03
Jun-03
Jul-03
Aug-03
Sep-03
Oct-03
Nov-03
Dec-03
Jan-04
Feb-04
Mar-04
Apr-04
May-04
Jun-04
Jul-04
Aug-04
Sep-04
Oct-04
Nov-04
Dec-04
Jan-05
Feb-05
Mar-05
Apr-05
May-05
Jun-05
Jul-05
Aug-05
Sep-05
Oct-05
Nov-05
Dec-05
Venerdì 3 Novembre 2006
(Table 2)
Italia Abr.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
EXP.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
REC.
EXP.
REC.
REC.
REC.
EXP.
Basil. Cal.
Camp. EmRom
Friuli
Lazio Lig.
Lomb. MarcheMoli.
59
Piem. Puglia Sard. Sic.
Tosc. Trent. UmbriaValledAVen.
28th CIRET Conference, Rome September 20th-23th, 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.
Venerdì 3 Novembre 2006
60
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”
Venerdì 3 Novembre 2006
61
Dynamic factor model
1
Xt = Λ Ft + et
(1)
Of dimension
(N*T) = (N*r) * (r*T) + (r*T)
With the aim of forecasting
Yt+1 = β’Ft + εt+1
How big is r? Bai and Ng (2002) provided a set of
information criteria (with a penalty function) to
determine r.
Venerdì 3 Novembre 2006
62
Dynamic factor model2
Xt = ΛFt + et
Xt = Commont + idiosynct
This however, according to SW 1999, includes the
more general representation
F0t = (ft, ft-1….. ft-q)
… and it must be taken into account that factors
are not identified, and so:
Xt = ΛG’GFt + et
Venerdì 3 Novembre 2006
where
63
G’G = I
Static vs dynamic factor models
xit = λ’i(L)ft + eit
where λ(L) is the (dynamic) matrix of loading of
dynamic factors and has order s; moreover
ft=C(L)εt
where εt are iid vectors and hence:
xit = λ’i(L)C(L)εt+ eit
(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
Venerdì 3 Novembre 2006
64
Dynamic factor model: static and
dynamic
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:
( L) Ft  ut
and
ut  R t
with R appropriately chosen
orthogonal innovations
Venerdì 3 Novembre 2006
65
in
order
to
get
Dynamic factor model: static and
dynamic
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
parametrized (details in Canova (2002) or Peersman (2005)) and the
rotation chosen in order to satisfy
restrictions.
Venerdì 3 Novembre 2006
66
be easily
De Nicolò
opportune
identifying
Dynamic factor model: static and
dynamic
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.
Venerdì 3 Novembre 2006
67
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).
Venerdì 3 Novembre 2006
68
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.
1.
2.
3.
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
Zero contemporaneous impact on volume of exports of a shocks
on domestic demand + stronger impact on imports’ volume than
on exports’)
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.
Venerdì 3 Novembre 2006
69
Impulse response functions
0.2
IR to a favourable external demand shock
0.15
0.1
Abruzzo
Basilicata
Calabria
Campania
Emilia
0.05
0
1
2
3
4
5
6
7
-0.05
Venerdì 3 Novembre 2006
70
8
9
10
11
12
13
Impulse response functions
0.08
IR to a favourable domestic demand shock
0.07
0.06
0.05
Lazio
Liguria
Lombardia
Marche
Molise
Piemonte
0.04
0.03
0.02
0.01
0
1
Venerdì 3 Novembre 2006
2
3
4
5
6
7
71
8
9
10
11
12
13
Impulse response functions
0.01
IR to a commodities shock
0.005
0
1
2
3
4
5
6
7
8
9
10
11
12
13
-0.005
Sardegna
Sicilia
Toscana
Trentino
Umbria
Valledaosta
Veneto
-0.01
-0.015
-0.02
-0.025
-0.03
Venerdì 3 Novembre 2006
72
Impulse response functions
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.
73
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”
Venerdì 3 Novembre 2006
74
4 - Dynamic factor model: forecasting
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
Venerdì 3 Novembre 2006
75
The “reverted flunnel”
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.
Venerdì 3 Novembre 2006
76
Dynamic factor model: forecasting
Dependent Variable: Domestic Demand shock
Method: Least Squares
Date: 10/14/05 Time: 14:53
Sample (adjusted): 1992M07 2005M05
Included observations: 155 after adjustments
Variable
Coefficient
C
DDshock(-1)
DLOG(Consumption(-2))
DLOG(Investment)
@PCHY(Inlfation(-6))
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Venerdì 3 Novembre 2006
5.02
-0.34
-2776.96
-961.70
18.84
0.16
0.14
40.55
246669.60
-791.29
2.09
Std. Error
3.54
0.08
1473.11
415.00
10.78
Dependent Variable: External Demand Shock
Method: Least Squares
Date: 09/13/05 Time: 13:05
Sample(adjusted): 1991:04 2005:05
Included observations: 170 after adjusting endpoints
t-Statistic
1.42
-4.36
-1.89
-2.32
1.75
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
Prob.
Variable
Coefficient
0.16
0.00
0.06
0.02
0.08
C
Edshock(-1)
D(WORLDTRADE)
DLOG(ITL)
DLOG(REER)
-2.16
-0.28
17.58
555.18
-1202.70
0.55
43.64
10.27
10.37
7.09
0.00
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.26
0.24
45.43
340579.80
-887.44
2.13
77
Std. Error
3.50
0.07
6.16
207.12
269.72
t-Statistic
-0.62
-3.80
2.85
2.68
-4.46
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
Prob.
0.54
0.00
0.00
0.01
0.00
0.03
52.02
10.50
10.59
14.15
0.00
Industrial output forecasts in
different scenarios
4.0
Forecasts: industrial output in 2006
3.0
2.0
1.0
0.0
-1.0
-2.0
Base
Weak USD
High Oil prices
Both
-3.0
-4.0
-5.0
Venerdì 3 Novembre 2006
78
To
ta
l
En
er
gy
re
ni
tu
Fu
r
th
er
O
s
ch
le
or
ve
i
ot
M
El
ec
tro
ni
c
ap
p.
er
y
hi
n
ac
M
al
lu
rg
y
et
M
in
er
al
s
m
R
ub
be
r
m
et
al
lic
N
on
ic
al
s
C
he
m
C
ok
e
g
an
d
pr
in
tin
W
oo
d
Pa
pe
r
ot
w
ea
r
Fo
xt
ile
Te
od
Fo
M
in
er
al
e
xt
ra
ct
io
n
-6.0
Main results
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 2006.
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).
Venerdì 3 Novembre 2006
79
Pros and cons
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.
Venerdì 3 Novembre 2006
80
www.unicredit.it
For comments or queries please don't hesitate to write to
[email protected] or send us a fax at +39 02 7767 3353
Venerdì 3 Novembre 2006
81