前瞻性出口商

2023年7月 前瞻性出口商 弗朗索瓦·德·索伊斯、埃里克·弗洛姆、艾米丽·海金和卡特·米克斯 NOTE:IteratioalFiaceDiscssioPapers(IFDP)areprimematerialsarribedtostimm-latediscssioadcriticalcommets.提出的分析和结论是作者的分析和结论，并不表示其他研究人员或理事会成员的同意。出版物中对国际金融讨论论文系列的引用（除确认外）应与作者一起清除，以保护这些论文的暂定性质。最近的IFDP可在www上访问。联邦储备。gov/pbs/ifdp/。本文可免费从社会科学研究网络电子图书馆www下载。ssr.. 前瞻性出口商* 弗朗索瓦·德·索耶斯†联邦储备委员会ErikFrohm‡OECD艾米丽·海金§杜克大学卡特混合¶联邦储备委员会 2023年7月13日 Abstract 本文研究了预期在推动出口调整中的作用。我们收集了2006 - 2014年期间11个出口国和64个目的地的即期汇率、一年前汇率预测和HS2产品出口数据的双边数据。固定效应回归和工具变量方法的结果表明，汇率变化的预测是出口调整的重要渠道。在2SLS回归中，明年预期汇率贬值1%与广泛利润率(新出口商进入)增加0.96%相关，对总出口或密集利润率的影响在统计上微不足道。我们通过具有异质公司和粘性价格的简单模型为这些发现提供了直觉，并使用我们的模型讨论了预期对后续出口增长和贸易弹性测量的影响。 JEL代码：F1 关键词：汇率、异质性企业、国际贸易 1Introduction 公司通常会为出口支付大量针对目的地的沉没成本(Morales等人。2019年和亚历山德里亚等人。2021)。因此，决定是否进入新的出口市场不仅应根据当前的市场条件，而且还应根据进入后可以获得的（预期）利润的全部来源（Roberts和Tybot 1997和Mix 2023）。虽然预期在许多宏观经济文献中起着关键作用，但其数量重要性很少在贸易文献中得到检验。李和赵(2016)和范等人。（2018）是实证研究汇率期货对进口价格和进口量发展的作用的两个例外，而Alessadria和Mix（2021）则在一般均衡多国模型中探讨了贸易对贸易政策预期的反应。本文通过解决两个问题为文献做出了贡献：i）汇率预期对确定贸易流量很重要吗？ii）它们是否同样影响平均出口数量（密集边际）和出口商进入（广泛边际）？在这两个贸易调整边际之间进行划分很重要，因为它们可能朝相反的方向工作（Chaey，2008）。 经验上，我们依赖于面板固定效应回归，这些回归利用双边贸易数据在HS2产品水平（来自Exporter Dynamics Database（请参阅Fernandes等人，2016年））以及石油供应新闻冲击（来自Kannzig 2021）作为预测汇率的因果解释工具。对于预测汇率的度量，我们使用彭博社每日提前一年的货币预测的中位数，并在每年和货币对中进行平均。 我们发现，对于广泛的利润率，预测汇率对出口调整的影响具有统计意义和经济意义。当我们用石油供应新闻冲击来衡量预测汇率时，与即期汇率的预测比例差异增加1%，与出口商进入的接近完全传递(0.96%)相关。OLS规范中的幅度较小，但模式相似：双边汇率相对于即期汇率的预期贬值导致出口商进入。相比之下，尽管系数为正，但总出口对汇率预测变化的反应在统计上微不足道。 我们在程式化的两期贸易模型中为这些经验结果提供了直觉，在该模型中，公司支付随机沉没成本来开始出口，并且公司生产率随出口期限而随机增长。在该模型中，与数据一样，新出口商的生产率平均低于现有出口商，对总出口的贡献很小。预测的贬值提高了出口的预期价值，导致新出口商大量进入。但是，由于这些新出口商的生产率相对较低，因此总出口的预期反应是微不足道的。尽管如此，提前进入为新出口商提供了更多的时间来提高生产率。 结果，当预期贬值相对于意外贬值时，出口在随后的几年中增长更快。我们表明，在具有粘性价格的模型中，对出口的预期影响更大，因为对贬值的预期导致进入者和现有者都收取较低的出口价格，因此预测会影响广泛和密集的利润率。 2数据概述 在实证研究中，汇率对贸易价格和交易量的影响往往很小（Rodrigez - Lopez，2011）。文献研究了从即期汇率到出口量的转嫁减少的性质，例如市场力量（Berma等人。2012年和Amiti等人。2014)，参与全球价值链(DeSoyres等人。，2021)和发票货币(Gopiath等人2020年，陈等人。2022年和Frohm 2023年）。本文通过探索企业的前瞻性决策作为出口调整的另一个重要决定因素来补充这些文献。为此，我们收集了一个不平衡的跨国面板的数据，该面板结合了即期汇率，提前1年的双边汇率预测以及总出口，出口商数量和原产地每个公司的平均出口数据。×HS2 - product×目的地×年观察。 2.1彭博数据 我们从彭博社收集即期汇率和预测汇率数据。特别是，我们通过使用一年前汇率的每日专业预测来衡量汇率预期，并且我们利用每个货币对的分析师预测中值。然后，我们将这些预测中值平均为全年。对于每个起点-目的地-时间，我们定义预测ERodt作为预测汇率和即期汇率之间的比例差： 尽管彭博预测的平均值往往接近现货同行（如表1中的平均值1所示），但在许多情况下，预测值与现货值相去甚远，差异的标准偏差很大，最小和最大观测值之间的差异也很大。在我们的样本中，即期汇率和一年前预测汇率之间的平均绝对比例偏差为4个百分点。例如，墨西哥比索和日元之间的即期汇率与预测汇率之间的平均距离约为9.5个百分点，泰铢和乌克兰格里夫尼亚之间的平均距离约为9个百分点。 2.2出口商动态数据库 检查汇率对各种出口利润率的影响需要具体数据。世界银行的出口商动态数据库(EDD)包含许多结构特征和关于产品和双边一级出口商行为的汇总统计数据。重要的是，该数据库将两国之间的总出口分解为广泛而密集的利润率，如(3): 出口商数量在哪里：Nodt是每家公司的广泛利润率和平均出口价值吗nodt是密集的利润率。v EDD可在许多级别的聚合中使用，并涵盖了大量的出口国家(主要是新兴市场经济体)和更多的进口商。1我们使用具有原始组合观测值的数据库版本×HS2 - product×目的地×年。我们使用这个版本来消除我们实证中的反向因果关系问题exercise, i. that aggregate exports cause exchange rates to change. The data stretches over1997 - 2014年，该小组不平衡。 The main variables of interest in this paper are bilateral total export volumes, the number of exporting firmsand average exports per firm. Since the export values in the database are osdtosdt名义上，我们使用平均单位出口值，px，从EDD获得总出口量。这是通过首先定义xosdt=vnxosdt作为每家公司的实际平均出口。总出口卷是：/p xWe focus on non - commodities in the analysis, thereby excluding HS2 - product codes below 28, as well as theHS2 - codes 72 - 83 similar to Gopinath et al. (2020). Emthermore, we winsorise the sample at the 95thpercententileto reduce the impact of outliers. As we use an oil supply news shock to claim causality we excluded sectors thathave high use of oil in their energy use. 我们使用世界投入产出表附带的能源账户(Corsatea等人，2019)确定10个行业th石油产品(燃料油、汽油和柴油)总量 能源使用，并使用经合组织的转换表，将能源账户ISIC代码与HS2代码相匹配。2不包括属于此类别的产品代码，以确保我们的工具影响预测的汇率，但不影响出口调整。3总而言之，数据集是一个 不平衡面板与∼90, 000观察。最终样本涵盖2006 - 2014年期间和11个出口国。这些国家及其在观察数量中的份额（括号中）是：西班牙（21.4％），挪威（15.8％），南非（12.5％），丹麦（10.6％），秘鲁 （8.0％），罗马尼亚（7.2％），泰国（6.8％），哥伦比亚（5.9％），厄瓜多尔（5.2％），墨西哥（4.6％）和 3实证战略与结果 We rely on panel fix - effects regressions to examine the impact of spent exchange rates and forecasted examedverchange on volume, the intensive margin and the extensive margin. In all specification, specions, spent expressedin currency units of the exporting ecusion ecErodorFcst−Erod代表2 3属于此类别并被排除在外的产品是：29 =有机化学品，30 =药品，31 =肥料，40 =橡胶及其制品，41 =生皮和毛皮（毛皮除外）和皮革，43 =毛皮和人造毛皮；其制品，50 =丝绸，51 =羊毛，细或粗动物毛；马毛纱和机织织物，52 =棉，53 =其他植物纺织纤维；纸纱和纸纱的机织织物，71 =天然或养殖珍珠，宝石或半宝石，贵金属，贵金属包覆贵金属的金属及其制品；仿珠宝；硬币。4 样本包括64个目的地，涵盖全球最大的全球贸易伙伴。 a exported economy ’ s currency relative to the importers ’ s currency. First, we estimate the elastities with OLS andsecond with an instrument variable approach with the two - step least square estimator (2SLS). 3.1仅使用即期汇率 我们从（4）中的规范开始，研究双边即期汇率对总出口和两个利润率的作用，其中Yosdt要么是X,Norx从（3）ERodt是双边汇率和需求sdtis gross imports of HS2 - products in the destination (excluding imports from theorigin) to control for importers demand conditions. All regressions use origin×HS2×product×目 标 固 定 效 果(FEosd)来控制贸易和异质性的初始水平。我们还包括原产地×HS2×product×year (FEost）固定效应，以控制影响企业出口调整的来源中的任何供应方因素。请注意，包含这些时间固定效应会吸收任何针对“主导”或“载体”货币的汇率（参见Gopinath等人2020、Chen等人2022和Frohm 2023）。 日志(Yosdt)β现货日志(ERodt)α日志(需求dst)FEosd+FEost+εosdt 3.2包括预测汇率 在我们的第二个规范(5)中，我