ما هي التوقعات المعرضة للخطر؟
توفر التوقعات المعرضة للخطر طريقة موضوعية لقياس المخاطر حول نمو الناتج المحلي الإجمالي الحقيقي في المستقبل ، ومعدل البطالة والتضخم من خلال تسجيل كيفية تطور هذه المخاطر مع تخفيف الظروف المالية أو تشديدها.
كيف تقيس تطور المخاطر لهذه المتغيرات الاقتصادية؟
يُظهر Adrian و Boyarchenko و Giannone (2019) أن المخاطر على النشاط الحقيقي تتطور مع تغير الظروف المالية في جميع أنحاء الاقتصاد ، مع تزايد احتمال حدوث تراجع في النشاط الحقيقي مع تشديد الظروف المالية. تكون هذه العلاقة السلبية بين النشاط الحقيقي والظروف المالية أقوى عندما تكون فرص حدوث انخفاض ملحوظ في النشاط الحقيقي مرتفعة – بعبارة أخرى ، عندما يكون الاقتصاد “في خطر”. باتباع نهج مماثل ، يُظهر Adams و Adrian و Boyarchenko و Giannone (2021) أن خطر ارتفاع معدل البطالة في المستقبل أو أن معدل التضخم سيرتفع أو ينخفض عن مستواه الحالي ينذر أيضًا بضيق الأوضاع المالية.
انطلاقا من هذه الورقة ، نتبع نهجًا منهجيًا مماثلًا ونقدر التوزيع المشروط للنمو المستقبلي في الناتج المحلي الإجمالي الحقيقي (GDP) ، ومعدل البطالة ، وتضخم مؤشر أسعار المستهلك (CPI) بناءً على الظروف المالية المعاصرة لكل شهر. منذ يناير 1989.
ما هي السمات الرئيسية والفوائد الهامة لهذا النهج؟
العالم غير مؤكد ، وبالتالي فإن الأساليب الكمية لقياس المخاطر المتغيرة للآفاق هي أداة قيمة. على الرغم من وجود عمل مكثف والعديد من الموارد الحالية التي تسعى إلى وصف المسار المحتمل للاقتصاد ، فقد درست أوراق قليلة نسبيًا التوزيع الكامل للنتائج الاقتصادية المستقبلية. توفر التوقعات المعرضة للخطر تكملة مفيدة تركز على جوانب أخرى من التوزيع ، مثل النتائج الاقتصادية الأقل احتمالا (غالبا ما يطلق عليها “ذيول” التوزيع).
ما هي البيانات المستخدمة لبناء التوزيعات المقدرة؟
هناك نوعان من المكونات الرئيسية لنهجنا. أولاً ، نستخدم التوقعات قصيرة الأجل (من ربع إلى أربعة أرباع قادمة) لمتغيراتنا الاقتصادية ذات الأهمية: نمو الناتج المحلي الإجمالي الحقيقي ، ومعدل البطالة ، وتضخم مؤشر أسعار المستهلك. نحصل على توقعات شهرية من مسح الشريحة الزرقاء للمؤشرات الاقتصادية (BCEI). هذه المعلومات هي ملكية ولكنها متاحة للشراء. بالنسبة للمتغيرات المحققة ، نستخدم الإصدار الثالث من نمو الناتج الحقيقي المتاح من بيانات الوقت الفعلي من بنك الاحتياطي الفيدرالي في فيلادلفيا (متاح هنا) الذي يتوافق مع نمو الناتج القومي الإجمالي الحقيقي قبل عام 1992 ونمو الناتج المحلي الإجمالي الحقيقي بعد ذلك. نستخدم أيضًا معدل البطالة المدنية (معدل بطالة U-3) ومؤشر أسعار المستهلك لجميع المستهلكين في المناطق الحضرية ، وكلاهما متاح من مكتب إحصاءات العمل. ثانيًا ، نستخدم مقياسًا للأوضاع المالية الإجمالية في الولايات المتحدة ، وهو المؤشر المركب للإجهاد النظامي (CISS) ، الذي وضعه البنك المركزي الأوروبي والمتاح هنا. من المهم أنه عند تقدير كل توزيع ، نحاول استخدام المعلومات التي ستكون متاحة فقط في ذلك الوقت. هذا يتجنب الانحياز “إلى الأمام” ، والذي قد يؤدي إلى استنتاجات خاطئة.
كيف يجب تفسير الجداول والرسوم البيانية؟
في علامات التبويب الرئيسية أعلاه ، نقدم التقديرات الحالية للتوزيعات المشروطة وغير المشروطة لكل من المتغيرات الاقتصادية الثلاثة. نقدم أيضًا السلاسل الزمنية 10 و 25 و 50 و 75 و 90 (أو المئوية). توفر النسبة المئوية معلومات حول مدى احتمالية حدوث الأحداث أعلى أو أقل من قيمة معينة. على سبيل المثال ، النسبة المئوية العاشرة لتوزيع نمو إجمالي الناتج المحلي الحقيقي المستقبلي هي معدل النمو بحيث يوجد احتمال يقدر بنسبة 10 في المائة أن يكون النمو المستقبلي أقل منه أو مساويًا له. لإعطاء مثال محدد ، في الرسم البياني الثاني في هذا المخطط مشاركة مدونة، تمثل المنطقة المظللة احتمال أن يكون متوسط نمو إجمالي الناتج المحلي الحقيقي خلال الأرباع الأربعة القادمة أقل من -0.1٪ ، والتي قُدرت بنسبة 10٪ في نوفمبر 2019. وبالتالي ، فإن -0.1 في المائة هي نسبة 10 في المائة (أو النسبة المئوية) للتوزيع المشروط لمتوسط نمو إجمالي الناتج المحلي الحقيقي خلال الأرباع الأربعة القادمة. يشير التقدير الأكثر سلبية (الأقل) من النسبة المئوية العاشرة إلى مخاطر أكبر لانخفاض نمو الناتج المحلي الإجمالي الحقيقي.
نظرًا لأننا نقدر التوزيع الكامل للنتائج المستقبلية ، يمكننا دراسة عدد من الميزات المهمة حول الاحتمالات. على سبيل المثال ، يُطلق على القيمة الأكثر احتمالاً اسم وضع التوزيع وهي القيمة الموجودة على المحور x والتي تتوافق مع أعلى نقطة في التوزيع. كمثال آخر ، الفرق بين النسب المئوية العالية والمنخفضة ، مثل الفرق بين النسب المئوية 90 و 10 ، هو مقياس لعدم اليقين ، مع فاصل أطول يشير إلى احتمال وجود نطاق أوسع من القيم المستقبلية المحتملة. مثل هذه التدابير مناسبة لتضخم مؤشر أسعار المستهلكين وتشير إلى مخاطر نطاق أوسع من التضخم في المستقبل. بالنسبة لنمو إجمالي الناتج المحلي الحقيقي ، حيث قد نشعر بالقلق إزاء النشاط المنخفض ، توفر النسب المئوية في الذيل الأيسر (مثل النسبة المئوية العاشرة) معلومات حول مخاطر نمو فقر الدم أو الانكماش في المستقبل. وبالمثل ، بالنسبة لمعدل البطالة ، حيث قد نشعر بالقلق إزاء التدهور في سوق العمل ، توفر النسب المئوية في الذيل الأيمن (مثل الشريحة المئوية التسعين) معلومات حول مخاطر مثل هذا التباطؤ.
كيف تقيم هذه التوزيعات؟
للحصول على توزيعات مقدرة ، نعتمد على ما يسمى بالانحدار الكمي ، والذي يسمح لنا بتقدير كيفية ارتباط ميزات معينة لتوزيع متغيرات الاقتصاد الكلي المستقبلية (في هذه الحالة ، كميات معينة) بمستوى الظروف المالية. لنفترض أننا مهتمون بنسبة 25 في المائة من نمو إجمالي الناتج المحلي الحقيقي في المستقبل. تسمح لنا الانحدارات الكمية بتقدير كيفية تحرك 25 بالمائة من التوزيع المطلوب وفقًا للظروف المالية. يبدأ تكرار هذا التمرين لاختيارات مختلفة للكميات في إعلامنا بالشكل العام للتوزيع المشروط لنمو الناتج المحلي الإجمالي الحقيقي. لتقدير التوزيع الكامل ، نختار أفضل ملاءمة من مجموعة كبيرة من التوزيعات الممكنة للكميات المتوقعة 10 و 25 و 75 و 90 بالمائة.
لماذا تختلف آفاق إجمالي الناتج المحلي الحقيقي ومؤشر أسعار المستهلك مقارنة بمعدل البطالة؟
بالنسبة لنمو الناتج المحلي الإجمالي الحقيقي وتضخم مؤشر أسعار المستهلك ، فإننا نأخذ في الاعتبار المخاطر حول متوسط معدل النمو الفصلي خلال الأرباع الأربعة القادمة ؛ ومع ذلك ، بالنسبة لمعدل البطالة ، فإننا نأخذ في الاعتبار المخاطر حول متوسط ثلاثة أشهر على مدى أربعة أرباع. لماذا الاختلاف؟ تخضع السلاسل الزمنية لنمو الناتج المحلي الإجمالي الحقيقي وتضخم مؤشر أسعار المستهلك لتقلبات كبيرة عابرة من ربع إلى ربع يمكن “تهدئتها” عن طريق حساب المتوسط على مدى أرباع متعددة. على النقيض من ذلك ، فإن معدل البطالة ليس له تقلبات عابرة قليلة أو معدومة ، لذا فإن أخذ متوسط أكثر من عدة أرباع أمر غير ضروري.
هل البيانات الأساسية متاحة للتنزيل؟
النسب المئوية المحددة (P10 ، P25 ، P75 ، P90) لتوزيع أخطاء التنبؤ لكل سلسلة متاحة للتنزيل.