欧元区经济周期及其驱动因素2024

欧元区商业周期和其驱动程序迭戈 · 罗德里格斯 · 帕伦苏埃拉,Veaceslav Grigoa 44%, Lorena Saiz,格里戈尔 · 斯托耶夫斯基 ， 马泰 · 托特 ，托马斯 · Warmedinger 免责声明:本文不应被报告为代表欧洲中央银行(ECB) 的观点。表达的观点是作者的观点 ， 不一定反映欧洲央行的观点。 Contents 1.2 偏差周期法 19 Abstract2执行摘要31商业周期约会41.1 古典商业周期5Box 1每月约会欧元区商业周期6Box 2根据 MBBQ 算法识别转折点9Box 3基于 MBBQ 算法的全球商业周期计算13 2业务周期同步222.1 动机和程式化的事实22 参考文献 632.2 欧元区同步24Box 4从欧元区最佳货币区指数的角度来看商业周期282.3 欧元区国家的同步332.4 商业周期同步的细粒度视图383商业周期驱动因素45 ECB 偶尔纸张系列第 354 号 1 旨在分析难以确定的问题的性质和特点欧元区商业周期动态。 JEL 代码: C10, E32, E37 关键词 ： 商业周期约会 ， 特征 ， 同步 ， 驱动因素 Abstract 商业周期的监控与分析是货币政策决策制定的重要输入之一。本报告从三个维度贡献于欧元区商业周期的分析。首先，在商业周期定性方面，它提出了一套自动化的程序来描述欧元区及其主要组成部分（跨国家和地区）的商业周期状况。其次，它研究了过去20年商业周期同步性的演变情况。第三，它从多个角度分析了商业周期驱动因素，包括金融和国际维度、相互关联性、需求和供给。此外，报告还对COVID-19疫情的经济影响进行了初步分析。尽管报告没有就欧元区商业周期的历史得出明确结论，但其主要目的是推广稳健的方法和途径，这些方法和途径是持续增强分析基础设施的一部分。 执行摘要 对企业周期（即总体经济活动在扩张和收缩之间的波动）的监测与分析是货币政策分析中的核心要素。准确的实时企业周期评估对于衡量经济增长前景以及中期价格变动至关重要。将观察到的经济活动与企业周期评估联系起来是构建整体货币政策决策叙述和沟通的关键。因此，中央银行需要使用最先进的企业周期测定方法。 分析方法。在大型且复杂的货币联盟中，这一点尤为重要，因为在这种情况下，区域内的发展以复杂的方式与子区域层面异质的增长动态相互作用。本报告从三个主要维度对欧元区的商业周期进行了分析。首先，在商业周期测量和定性方面，它提出了易于复制的最先进的程序，以描述欧元区及其主要组成部分的商业周期状况，涵盖各个国家和地区。其次，它提供了全面的商业周期同步性分析，评估了欧元区内部（在欧元区各国和地区之间）和外部（相对于其他发达经济体）的演变情况。欧元区商业周期与成员国商业周期的高度一致性和参与国之间的高度同步性，使得单一货币政策更加连贯有效，并增强了其在所有成员国中的适当性。第三，该报告探讨了一些因果关系方面的问题，涉及欧元区的主要商业周期驱动因素。这种分析更具概念性，涉及多个研究问题，特别是金融因素和结构性冲击在欧元区内的传播作用。需要注意的是，商业周期驱动因素并不是宏观经济波动的唯一原因。冲击、政策影响（如税收变化）和外部因素都会产生宏观经济波动：这些因素可能会相互作用，但 商业周期约会 对商业周期（即经济活动在交替的扩张和收缩期之间的波动）的监控与分析对于政策制定以及公众而言至关重要。商业周期是组织宏观经济信息的关键概念，从历史和周期性角度来看都是如此。对于中央银行而言，理解正在进行的经济增长的性质及其背后的因素（尤其是在实时情况下），构成了对价格压力（或缺乏价格压力）以及因此对通胀动态的理解的基础，最终决定了适当的货币政策立场。因此，中央银行需要使用最新的商业周期测定和分析方法。这一点在大型且复杂的货币联盟中尤为重要，因为在这种情况下，整个区域的商业周期相互作用。 提供高度自动化、可复制和可更新的工具 ， 可提供 复杂的方式 ， 具有子区域水平的异质但持续的增长动态。在这种背景下 ， 建立商业周期的时间顺序不应该是机械的努力。在实践中，这由专门的经济学家委员会负责。对于欧元区，经济政策研究中心（CEPR）商业周期测度委员会提供了时间序列；而对于美国，则是由国家经济研究局（NBER）商业周期测度委员会负责。对于一些国家，如欧元区最大的四个经济体，独立机构如经济周期研究机构（ECRI）提供了评估。然而，并非所有欧盟成员国都有统一且可比的时间序列。对于像欧元区这样大的货币联盟，缺乏一个可以在实时应用的标准来确定商业周期，从政策角度来看是有问题的。这妨碍了对货币联盟组成部分（包括国家、区域和行业层面）相对于整个区域的商业周期状况进行监控。因此，在没有达成共识的标准的情况下，评估构成货币联盟的各个国家和行业的商业周期波动的一致性和连贯性变得困难。为了应对这些需求，本章提出了一套方法来确定任何给定实体（无论 是整个货币联盟还是其组成部分）的商业周期波动的时间节点，基于透明且用户友好的工具，并与该领域的前沿方法保持一致。具体来 以经济活动下降为特征的低谷 (例如实际国内生产总值产品 (GDP)) ， 通常至少连续两个季度 ； 以及 ii) 扩张是低谷和高峰之间的时期 ， 即 ).经济 ， 这是它的正常 (大多数时候是普遍的) 状态 (图表 1 1.1古典商业周期 资料来源 ： 作者插图。在本节中，我们采用Burns和Mitchell（1946）提出的经典方法来识别business cycle转折点。这是NBER和CEPR的业务周期日期委员会通常在分别确定美国和欧元区的峰值和谷值时所采用的方法。在此方法中，业务周期的两个阶段被识别为：i) 经济衰退（或收缩）阶段是指从一个峰值到下一个谷值之间的时期； 经典约会方法有几个优点 . 首先 ， 约会 结果是稳定的 ， 不会随着新的应计而追溯变化观察 ， 除非对历史数据进行修订。第二 ， 经典商业周期 周期性高于 GDP ， 有助于确认周期的阶段。 “古典扩张”是指在古典商业周期界定中所进行的扩张。这一定义与增长领域中的相应定义不同。 基于季度实际GDP或其组成部分的日志数据来确定经济周期的峰值和谷值。借鉴Bry和Boschan（1971）以及Harding和Pagan（2002）的研究，我们同样认为转折点的判断不能被视为客观的，即无法达成绝对一致的意见，但应该就确定转折点所采用的程序达成一致。类似于CEPR dating委员会，主要的单变量程序依赖于欧元区或 individual EU成员国的实际季度GDP数据。。季度频率在可靠性之间提供了良好的平衡 Box 1 由 Johannes Gareis 编写 is used, as in M ö nch and Uhlig (2005). First, a monthly time series for euro area real GDP is此框以月份为单位展示了欧元区商业周期转折点的日期 ， 如本文的主要方法是季度的补充。为此 ， 采用了两步法估计 ， 使用插值技术 ， 利用月度经济中包含的信息指标。第二 ， 增广的 Bry 和 Boschan (1971) 算法的更新版本1） 。实际国内生产总值被广泛认为是宏观经济活动的主要单一指标。然而，由于GDP数据在发布后往往会进行修订——因此在实时情况下可能会提供不明确的信号——多变量分析还纳入了其他宏观经济变量。。其中一些数据比 GDP 数据更早或更频繁地获得 ， 其中许多数据显示更高 到 2020 年 4 月。在大多数情况下 ， 每月的高峰和低谷落在高峰或低谷季度内 没有明显的超前滞后模式。Date by the CEPR. For those cases that do not match, the maximum deviation between the turning由增广 BB 算法确定的点和由 CEPR 确定的点是四个月 ， 图表 A 资料来源 ： 欧盟统计局、 AWM 数据库、 CEPR 和自己的计算。注：CEPR衰退期用阴影部分表示。由于CEPR通常按季度而非月份来确定商业周期的转折点，因此阴影部分可能不会精确对应每一个具体的转折点。图表A展示了通过应用扩展后的BB算法获得的估计月度实际GDP系列的峰值和谷值，以及由CEPRDating确定的经济衰退时期。2正如CEPR通常以季度而非月份来确定商业周期转折点，我们已将CEPR的时间点分配到每个季度的中间月份。唯一例外的是大流行前的商业周期峰值，该峰值滞后于识别出的季度峰值，根据CEPR的数据。如图所示，增强的BB算法的结果与CEPR的结果非常相似。按照CEPR的时间顺序，该算法在1970年后的时期内识别出了六个收缩期：从1974年8月到1975年3月，从1980年2月到1982年9月，从1992年3月到1993年5月，从2008年3月到2009年3月，从2011年5月到2013年2月，以及从2019年11月起。 3 summer months, 即商业周期低谷发生在 2020 年 4 月。而欧元的实际 GDP该地区受到大流行浪潮和相关限制的严重影响根据模型 ， 在 2020 - 21 年冬季 ， 没有发生进一步的衰退 ， 这是一致的根据 CEPR 的评估。 1.1.1单变量结果1.1.1.1欧盟国家的商业周期 GDP 被广泛认为是唯一最重要的指标 实施修改后的 BB 方法 (请参阅Box 2) ， 我们为欧元区和欧盟国家建立了商业周期约会年表。 所有国家的基础数据是 2010 年欧洲账户体系(ESA - 2010) ， GDP按不变市场价格计算。欧洲统计局的国家账户数据库自1995年起提供了欧元区和欧盟成员国的一致时间序列数据，尽管对于少数国家（如芬兰、法国、德国和英国），欧洲统计局的数据可以追溯到更早的时间段；而对于其他一些国家，特别是马耳他，样本时间段较短。使用欧洲统计局的实际GDP数据的优势在于这些时间序列在各国之间得到了一致化处理，但缺点是大多数国家的时间序列样本期相对较短（1995-2022）。 在欧盟国家中相对普遍。图表 2总结了应用单变量修改后的 BB 季度 (MBBQ) 算法后的时间顺序 (请参见Box 2, 显示了欧元区和欧盟 引发了广泛的封锁和其他遏制措施 ， 这需要 2020 年的一半。 根据 MBBQ 算法识别转折点 作者 ： Veaceslav Grigora 44% MBBQ 算法是一种参数方法 ， 可以识别任何给定时间序列的周期 ， 通过应用几个步骤。首先 ， 它识别局部最大值和minima 作为经济高峰和低谷的候选者。其次 ， 它对已识别的本地候选人 ， 以确保积分符合各阶段转折点的标准经济周期和下降那些不符合这些标准。这些检查涉及 经济阶段的最小长度 (L) 、商业周期的最小长度 (C) 和 适当交替的峰和谷。此外 ， 阈值参数(U) 覆盖相位 duration criteria if the change in the series is larger than this threshold level. Imposing these标准确保正确识别商业周期的阶段。 图表 A MBBQ 算法中参数的可视化 资料来源 ： 作者插图。MBBQ 算法步骤简单 ： I. 确定局部极大值和极小值作为经济峰值和谷值的候选点：1. 局部极大值（P）在日期t：如果对于所有满足t-K<s<t且t+K>s>t的s，有ys<yt。2. 局部极小值（T）在日期t：如果对于所有满足t-K<s<t且t+K>s>t的s，有ys>yt。 II. 禁用识别出的转折点（即仅保留满足某些规则的那些点）：1. 窗口宽度（K=2）：识别一个转折点所需的季度数量。2. 相当于阶段的最小持续时间（L=2）：至少两个季度的阶段长度。 但不是广泛的衰退期 ， 在丹麦(2012Q2 - Q4) 和爱尔兰（ 20