شرایط مالی و شاخص های مدیران خرید: کاوش در پیوندها

شاخص های خرید مدیران (PMI) مکانی در تجزیه و تحلیل ملتحمه جهانی و تولید ناخالص داخلی سه ماهه در حال حاضر پیدا کرده اند و به عنوان شاخص های همزمان قابل اعتماد از فعالیت اقتصادی واقعی خدمت می کنند. آنها همچنین از نزدیک تغییرات در قیمت سهام و گسترش اوراق بهادار شرکت را آینه می کنند. با کمال تعجب تر ، PMI ها نسبت به تغییرات شاخص دلار واکنش نشان می دهند و این کار را به شکلی انجام می دهند که خلاف توضیح رقابت تجاری باشد. ما نشان می دهیم که متغیرهای مالی به پیش بینی PMI کمک می کنند و بخش قابل توجهی از تنوع آنها را توضیح می دهند. به نظر می رسد این دو از طریق تغییر در احساسات کلان اقتصادی و شرایط تأمین مالی جهانی در ارتباط هستند. 1

طبقه بندی JEL: C53 ، E27 ، F31 ، F47.

شاخص های خرید مدیران (PMI) نظرسنجی اقتصادی ماهانه شرکت هایی است که در آن مدیران ارشد نظارت بر عملیات به سؤالات مربوط به فعالیت های تجاری و روندهای اخیر آن پاسخ می دهند. این سؤالات شامل بازده ، اشتغال ، سفارشات جدید ، قیمت ها ، هزینه ها و سایر جنبه های فعالیت تجاری است. به دلیل به موقع بودن و وسعت پوشش آنها ، PMI ها از جمله نظرسنجی های تجاری هستند که بیشتر مورد توجه تحلیلگران و مفسران قرار می گیرند. PMI ها همچنین به مدلهای پیش بینی قدرت اضافه می کنند و برای استخراج برآوردهای زمان واقعی ("Nowcasts") تولید ناخالص داخلی استفاده می شوند. 2 در اوایل سال 2018 ، PMI ها قبل از کاهش سرعت فعالیت اقتصادی جهانی در داده های سخت در نیمه اول سال 2019 ، شروع به پیش بینی سفارشات صادراتی ضعیف تر و رشد تولید صنعتی کردند.

این ویژگی ویژه پیوندهای بین شرایط مالی و PMI ها را بررسی می کند ، و یافته های تجربی را برجسته می کند که به مکانیسم های اقتصادی در محل کار می پردازد. از آنجا که به خوبی شناخته شده است که فعالیت واقعی و شرایط مالی تمایل به آینه کاری یکدیگر دارند (سهام و واتسون (2003) ، آندرو و همکاران 2013)) ، ما انتظار داریم PMI ها و شرایط مالی نیز از یکدیگر آینه بگیرند. جای تعجب نیست که ما می دانیم که PMI های جهانی و کشور با قیمت سهام و گسترش اعتبار شرکت ها ارتباط دارند (نمودار 1 ، پانل سمت چپ). شاخص های عدالت تا حد زیادی منعکس کننده ارزیابی شرکت کنندگان در بازار از فعالیت اقتصادی آینده است ، در حالی که گسترش اعتبار نیز اقدامات مربوط به شرایط تأمین مالی را شامل می شود (به گیلچریست و زکرجک (2012) مراجعه کنید.

غذای اصلی

• تغییر آینه های شاخص های مدیران (PMI) در هر دو فعالیت اقتصادی واقعی و شرایط مالی.
• تغییر در قیمت سهام ، گسترش اوراق بهادار شرکت ها و شاخص های دلار آمریکا به پیش بینی PMI ها کمک می کند و سهم زیادی از تغییرات در PMI ها و تولید ناخالص داخلی را توضیح می دهد.
• پیوند بین PMI ها و دلار مخالف با آنچه رقابت تجاری پیش بینی می کند ، نشان می دهد که نقش دلار را به عنوان شاخص شرایط تأمین مالی جهانی نشان می دهد.

شاید با کمال تعجب تر ، متوجه می شویم که PMI ها نیز با قدرت دلار آمریکا ارتباط دارند ، همانطور که در شاخص های گسترده نرخ ارز دلار (نمودار 1 ، پانل سمت راست) منعکس شده است. همبستگی با PMI های خارج از ایالات متحده بر خلاف توضیحات مبتنی بر رقابت تجاری است: این زمانی است که دلار قوی است که PMI ها در خارج از ایالات متحده ضعیف هستند ، بر خلاف این نظر که یک دلار قوی باید فعالیت را از طریق دستاوردهای رقابت تجاری تحریک کند. توضیحات کامل در مورد این یافته تجربی در اینجا انجام نشده است ، اما ما به برخی از خطوط احتمالی تحقیق اشاره می کنیم.

ما ابتدا PMI ها را شرح می دهیم و به طور خلاصه خصوصیات آماری آنها را بررسی می کنیم. ما سپس بررسی می کنیم که چگونه شاخص های انتخاب شده از شرایط مالی جهانی ، PMI ها را ردیابی می کنند و با بحث در مورد مکانیسم هایی که ممکن است زیربنای روابط تجربی باشد ، نتیجه می گیریم.

PMI ها و فعالیت های اقتصادی

نظرسنجی های PMI طیف وسیعی از سؤالات را مطرح می کنند که مستقیماً بر فعالیت اقتصادی واقعی تحمل می شود. 3 یک سؤال معمولی برای تولید خروجی این است: "آیا سطح تولید/ خروجی در شرکت شما بالاتر ، یکسان یا پایین تر از یک ماه قبل است؟"و برای تولید خدمات: "آیا فعالیت تجاری شما (در واحدها) افزایش یافته ، افتاده است ، یا بدون تغییر در یک ماه گذشته باقی مانده است؟". تراز خالص پاسخهای نظرسنجی به یک شاخص انتشار تبدیل می شود ، که به صورت فصلی تنظیم می شود. یک فهرست خواندن بالاتر از 50 نشان می دهد که متغیر از ماه قبل ، زیر 50 مورد کاهش یافته است. وسیع ترین خانواده از نظرسنجی های PMI توسط IHS Markit انجام می شود که حدود 26000 شرکت در سراسر جهان را نمونه می کند. 4 نمونه بر اساس اندازه (بنگاه های کوچک ، متوسط و بزرگ) و بخش (15 بخش تولید و 12 بخش خدمات در شاخص کامپوزیت) طبقه بندی شده است ، با PMI های کشور در منطقه های منطقه ای و جهانی جمع می شوند.

بیشتر خواندن

• نرخ ارز دلار به عنوان یک عامل خطر جهانی: شواهدی از سرمایه گذاری
• نرخ ارز و کانال سرمایه در گردش نوسانات تجاری

به عنوان شاخص های فعالیت تجاری ، PMI ها نسبت به داده های آماری سنتی مانند تولید صنعتی ، فروش خرده فروشی یا صادرات و واردات دارای چندین مزیت هستند. یکی به موقع بودن آنها است: قرائت PMI بلافاصله پس از پایان ماه مرجع منتشر می شود. 5 در مقایسه ، داده های تولید صنعتی در بسیاری از موارد پنج تا هفت هفته پس از پایان یک ماه مرجع منتشر می شود که می تواند برای ارزیابی پیشرفت های ملتحمه و تصمیم گیری در زمان واقعی مشکل ساز باشد. مزیت دیگر وسعت پوشش PMIS است. با بررسی مدیرانی که محصولات واسطه ای را سفارش می دهند ، در مورد سطح موجودی تصمیم می گیرند یا قیمت های تعیین شده را تعیین می کنند ، PMI ها باید به طور دقیق مبهم های شرایط تجاری را ضبط کنند. این به ویژه در مواردی است که شرکت های مورد بررسی در تجارت بین المللی مشغول هستند و از این رو در معرض تغییر شرایط جهانی قرار می گیرند. علاوه بر این ، با قرار دادن همان مجموعه سؤالات (یا بسیار مشابه) برای شرکت ها در سراسر جهان ، بررسی های PMI مجموعه ای از داده ها را ارائه می دهند که در بین کشورها و بخش ها قابل مقایسه است. چنین استاندارد سازی و مقایسه همیشه بین نظرسنجی های آماری ملی تضمین نمی شود.

مطالعات بی شماری تأیید کرده اند که PMI ها شاخص های همزمان قابل اعتماد از فعالیت واقعی هستند. هریس (1991) ، کوئنیگ (2002) و پلوز (2003) در اوایل ثبت توانایی PMI ها در ضرب و شتم معیارهای ساده لوح و تحویل دقیق تولید ناخالص داخلی بودند. Godbout و Jacob (2010) و Rossiter (2010) مشخص کردند که PMI ها می توانند در حال حاضر در حال جمع آوری جمع های کلان اقتصادی جهانی مفید باشند. خواص قوی PMI ها در ردیابی رشد واقعی تولید ناخالص داخلی نیز برای بسیاری از اقتصادهای فردی ، منطقه یورو و برای پانل های کشور ایجاد شده است. 6

PMI ها و شاخص های مالی

PMI ها جهت تغییر در شرایط تجاری را نشان می دهند ، اما در مورد رانندگان آن تغییر کمی می گویند. یکی از منابع احتمالی چنین اطلاعاتی ، نظراتی است که مدیران خرید برای توضیح یا افزودن تفاوت در پاسخ های خود ارائه می دهند. با این حال ، این نظرات حکایتی هستند و نمی توانند به راحتی برای تحقیقات تجربی ساخته شوند.

همبستگی بین PMI ها و سایر داده های با فرکانس بالا ، به ویژه متغیرهای مالی آموزنده تر است. یک دلیل این است که این متغیرها تمایل به منعکس کننده شرایط تأمین مالی با شرکتهای پاسخ دهنده دارند. این اطلاعات به نوبه خود احتمالاً بر پاسخ مدیران خرید به سؤالات مربوط به فعالیت اقتصادی ، اعم از حال و آینده تأثیر می گذارد. به همین ترتیب ، متغیرهای مالی تمایل به منعکس کننده فعالیت اقتصادی فعلی و به عنوان متغیرهای آینده نگر ، چشم انداز اقتصادی نیز دارند. احساسات تجاری در هر دو جنبه نقش اساسی دارد.

تغییرات در PMI ها در واقع با شاخص های سهام و گسترش اوراق بهادار شرکت ارتباط نزدیکی دارد. در طی دو دهه گذشته ، افزایش 1 درصدی در قیمت سهام ارزش ارز محلی با افزایش 0. 13 امتیاز در تولید PMI های تولیدی در سطح جهان همراه است (نمودار 2 ، پانل سمت چپ). گسترش اوراق بهادار شرکتی با PMI (پانل مرکز) ارتباط منفی دارد. از آنجا که شاخص های سهام و گسترش شرکت ها اطلاعات آینده نگر در مورد فعالیت اقتصادی و سودآوری آینده و همچنین در شرایط وام فعلی را در بر می گیرد ، نباید جای تعجب داشته باشد که هر دو با PMI ارتباط دارند.

شاید قابل توجه تر این یافته باشد که شاخص دلار نیز با PMI ها ارتباط دارد. نکته قابل توجه دیگر ، شاخص دلار با PMI ها به گونه ای ارتباط دارد که در برابر توضیحات رقابت مستقیم تجارت استدلال می کند. این زمانی است که دلار قوی است که PMI های جهانی ضعیف هستند ، علی رغم هرگونه سود در رقابت تجاری. این امر به ویژه برای تولید PMI ها قابل مشاهده است ، که هر زمان که نرخ ارز با وزن تجاری دلار آمریکا ("شاخص دلار گسترده") از 1 ٪ (پانل سمت راست) قدردانی می کند ، به طور متوسط 0. 22 امتیاز کاهش می یابد.

قبل از اینکه دلایل احتمالی ارتباط تجربی بین دلار و PMI را پیشنهاد کنیم ، ما به طور سیستماتیک تر بررسی می کنیم که چگونه همبستگی بین متغیرهای مالی و PMI ها در تمرینات پیش بینی اولیه در نمونه نشان داده می شود. به طور خاص ، ما می پرسیم که چگونه ماه جاری (به عنوان مثال اوت) PMI ها را می توان با تکیه بر اطلاعات بازار مالی موجود تا جایی که این نظرسنجی انجام شده است (یعنی تا اواسط ماه اوت). به عبارت دیگر ، ما فرض می کنیم که شرایط تجاری گزارش شده در اواسط ماه نسبت به اواسط ماه گذشته تا حدودی تأثیر متغیرهای مالی در تصمیمات مدیران خرید را در آن دوره منعکس می کند (نمودار 3). 7

سپس چنین پیش بینی ای را با یک پیش بینی ساده لوحانه که فقط در PMI های گذشته متکی است ، مقایسه می کنیم. به طور رسمی ، ما رگرسیون ماهانه زیر را تخمین می زنیم: 8

جایی که PMI_tدر انحراف از معیار تغییر در ماه قبل و δ s بیان شده است_tآیا درصد تغییر یک شاخص مالی معین در طی 30 روز بین تاریخ هایی که دو نظرسنجی گرفته شده است ، محاسبه می شود. این بدان معنی است که معادله (1) به دنبال پیش بینی انتشار PMI (مربع زرد در نمودار 3) با یک سرب دو هفته ای (مربع آبی) است. ما متغیرهای مالی را یک بار در یک زمان قرار می دهیم: قیمت سهام ، گسترش اوراق بهادار شرکت ها و شاخص های دلار با وزن تجارت.

به عنوان رگرسیون ، ما شاخص های مالی را با دید بالا ، پوشش جهانی و در دسترس بودن روزانه انتخاب کردیم. این به نظر می رسد برای Nowcasting PMI های جهانی مناسب است ، و علیه ما در PMI های سطح کشور Nowcasting کار می کند و به نتایج به نتایج می افزاید. ما از شاخص های قیمت سهام MSCI به ارز محلی (همه کشور ، صنعت جهان ، بازارهای نوظهور) و شاخص های اوراق قرضه شرکت BofAML ICE با گسترش گزینه های تنظیم شده (درجه سرمایه گذاری جهانی ، بازده بالا و درجه سرمایه گذاری غیر مالی) استفاده کردیم (جدول را ببینید. A1 در پیوست برای جزئیات). برای نرخ ارز دلار ، ما از شاخص های هیئت مدیره فدرال رزرو بر اساس تجارت کالاها استفاده کردیم: گسترده (با وزن تجاری در 26 ارز پیشرفته و در حال ظهور بازار (EME) ارز). سایر شرکای مهم تجاری (19 ارز عمده EME) ؛و ارزهای عمده (هفت ارز پیشرفته اقتصاد). برای بررسی های استحکام ، ما همچنین با نرخ ارز مؤثر BIS ، شاخص نوسانات قیمت سهام (VIX) و اولین مؤلفه های اصلی ترکیبات مختلف این شاخص ها رگرسیون کردیم. نتایج بسیار شبیه به نتایج استفاده از متغیرهای فوق بود. 9

یافته های تجربی

نتایج رگرسیون با استفاده از این مجموعه نشان می دهد که متغیرهای مالی در نظر گرفته شده دارای محتوای اطلاعات ارزشمندی در Nowcasting PMI هستند. ضرایب برآورد شده از رگرسیون جهانی PMI علائم مورد انتظار را دارند و از نظر آماری بسیار قابل توجه هستند (جدول 1). 10 قیمت سهام بالاتر با گسترش فعالیت های تجاری همراه است و گسترش اوراق بهادار شرکت های گسترده تر و یک دلار قوی تر با فعالیت میرایی. این امر در مورد Nowcasting هم PMI های کامپوزیت و هم تولید PMI و همچنین اجزای جدید سفارشات صادراتی آنها (نتایج نشان داده نشده است) صدق می کند.

نکته مهم این است که اضافه کردن متغیرهای مالی ، صحت PMI Nowcasts را بهبود می بخشد. میانگین خطاهای مربع ریشه (RMSE) از رگرسیون با متغیر مالی اضافه شده به PMI های تاخیر پایین تر از مدل های پیش بینی ساده لوح است که فقط حاوی PMI های عقب مانده است. 11 از نظر اهمیت اقتصادی ، سود در دقت پیش بینی از افزودن متغیرهای مالی تا 15 ٪ برای شاخص های سهام ، 14 ٪ برای گسترش اوراق بهادار شرکت ها و 8 ٪ برای شاخص های دلار (نمودار 4). 12

رگرسیون در سطح کشور نشان می دهد که متغیرهای مالی به ویژه برای PMI های Nowcast در اقتصادهای باز تر مناسب هستند. به عنوان مثال ، برای رگرسیون در چین ، آلمان ، ایتالیا و اقتصادهای باز کوچک ، ضرایب تخمین زده شده در تمام شاخص های دلار ، حقوق صاحبان سهام و اوراق بهادار شرکت از نظر آماری بسیار قابل توجه است (جدول A2). جالب اینجاست که برای شاخص های دلار چین از گسترش شرکت ها بهتر است و از نظر سود RMSE از شاخص های سهام عدالت دور نیست (نمودار 4). 13

پیش بینی سود حاصل از استفاده از متغیرهای مالی در Nowcasting PMI ها عمدتاً از دوره های آشفتگی بازار ، به ویژه بحران بزرگ مالی (GFC) و برای قیمت سهام و گسترش شرکت ها ، رکود بازار سهام 2002-03 است. این امر هنگامی مشهود است که فرد به رگرسیون بر اساس ویندوزهای نورد نگاه می کند. نسبت RMSE ها از رگرسیون تولید جهانی PMI که از قیمت سهام و گسترش اوراق قرضه استفاده می کنند ، نسبت به مدل معیار در طی سالهای 2002-03 و همراه با رگرسیون با استفاده از شاخص دلار ، در طی 2008-09 (نمودار 5) کاهش یافت. این یافته تعجب آور نیست ، زیرا متغیرهای مالی در دوره های آشفتگی به شدت حرکت می کنند. همچنین مطابق با یافته های مربوط به نقش متغیرهای مالی در پیش بینی تولید ناخالص داخلی (Bańbura and Rünstler (2011) ، Espinoza et al (2012)) است. در مورد چین ، قدرت پیش بینی شاخص دلار (و همچنین قیمت سهام) نیز از دوره 2014-17 است که تنش های مالی داخلی در سطح جهان ریخته می شود. جالب اینجاست که ترتیب نسبی متغیرهای مالی از نظر نسبت RMSE با گذشت زمان کم و بیش بدون تغییر باقی می ماند ، با افزایش سهام و گسترش اوراق بهادار شرکت ها به طور کلی از شاخص های دلار فراتر می رود ، اما هر سه کمک به صحت Nowcasts نسبت به محک پیش بینی ساده لوحانه (نتایجنمایش داده نشده).

تفسیر نتایج

چه نوع روابط اقتصادی می تواند به توضیح این همبستگی های آماری کمک کند؟

در تلاش برای پاسخ به این سؤال ، ابتدا می بینیم که چگونه شوک به متغیرهای مالی مختلف بر PMI ها و تولید ناخالص داخلی تأثیر می گذارد. هدف از این تمرین این است که بفهمد چه بخشی از پویایی های مشاهده شده در PMI ها و تولید ناخالص داخلی را می توان به اخبار مربوط که قبلاً (و به درستی) در قیمت های مالی منعکس شده بود ، نسبت داد. ما این کار را با استفاده از مدل Autoregression Vector Simple (VAR) انجام می دهیم که به ترتیب ، بازده سهام ، شاخص دلار ، PMI و تولید ناخالص داخلی را شامل می شود. 14 این انتخاب سفارش می تواند با کمک جدول زمانی در نمودار 3 منطقی باشد: در طی یک ماه معین ، زیرا متغیرهای مالی با توجه به PMI ها از پیش تعیین می شوند ، به آنها اجازه داده نمی شود که به طور همزمان به شوک های خاص PMI واکنش نشان دهند.

بر اساس این سفارش ، اولین شوک (همراه با بازده عدالت) می تواند به عنوان جریان مداوم اخبار مربوط به شرایط کلان اقتصادی (و همچنین تأمین مالی) که نمایندگان بازار مالی پردازش می کنند و در قیمت های سهام در فرکانس بالا قرار می گیرند - قبل از تعداد واقعی تفسیر شود. برای PMI ها و تولید ناخالص داخلی منتشر می شود. به همین ترتیب ، شوک دوم (همراه با شاخص دلار یا گسترش اوراق بهادار شرکت) می تواند به عنوان اطلاعات اضافی موجود در شاخص دلار (یا گسترش شرکت ها) در نظر گرفته شود. شوک سوم (همراه با PMI) می تواند به عنوان تغییر در PMI ها که قبلاً در متغیرهای مالی قیمت گذاری نشده بودند ، تفسیر شود و بنابراین می تواند مربوط به اطلاعات خصوصی در دسترس برای پاسخ دهندگان نظرسنجی در دوره رای گیری باشد.

هر دو شوک مالی بخش زیادی از نوسانات در PMI ها و تولید ناخالص داخلی را توضیح می دهند. در طی یک افق یک ساله ، شوک مربوط به سهام بیش از 60 ٪ از واریانس PMI های تولید جهانی (نمودار 6 ، پانل سمت چپ) و تولید ناخالص داخلی جهانی (پانل سمت راست) را توضیح می دهد. این تأیید می کند که قیمت سهام به طور مؤثر اخبار مربوط به محیط کلان و سودآوری آینده را در بر می گیرد. نکته تعجب آور این است که اطلاعات اضافی منتقل شده توسط شاخص دلار به طور قابل توجهی به PMI ها در بالای سهام کمک می کند: شاخص دلار به خودی خود حدود 15 ٪ از کل واریانس در PMI ها و حدود 10 ٪ از واریانس تولید ناخالص داخلی را توضیح می دهد.

سهم قابل توجه شاخص دلار توانایی آن در انتقال اطلاعات مفید در مورد شرایط تأمین مالی در بالای آن را که قبلاً در قیمت سهام موجود است ، برجسته می کند. همچنین قابل توجه است که ، اگر کسی جایگزین رشد تولید ناخالص داخلی جهانی با رشد تجارت جهانی کالاها شود ، نتایج به طور گسترده ای مشابه است: دلار هنوز هم حدود 15 ٪ از واریانس تجارت را در مقایسه با سهام ، که در حدود 60 توضیح می دهد ، تشکیل می دهد.٪.

روی هم رفته ، این یافته ها نشان می دهد که پیوندهای بین متغیرهای مالی و واقعی از طریق هر دو تغییر در احساسات کلان اقتصادی و شرایط تأمین مالی جهانی عمل می کنند. قدرت توضیحی بالاتر و ماهیت آینده نگر قیمت سهام به سابق اشاره دارد. با این حال ، اهمیت شاخص دلار و گسترش اوراق بهادار شرکت ها نیز ممکن است مستقیماً به کانال عملیاتی که از طریق تغییر در شرایط تأمین مالی جهانی کار می کند ، نشان دهد. همانطور که در بالا ذکر شد ، مدیران خرید احتمالاً هنگام تصمیم گیری در مورد ورودی و خروجی در سطح شرکت ، این شیفت ها را درونی می کنند ، که سپس در نتایج تولید ناخالص داخلی جمع می شوند. 15

برای متغیرهای سنتی بازار مالی - شاخص های سهام و اوراق بهادار شرکت - شواهدی از چنین پیوندهایی اطمینان بخش است. اگر در حالی که قیمت سهام جهانی در حال افزایش بود ، یا در صورت افزایش گسترش شرکتها با فعالیت کندتر در سطح شرکت همراه نبود ، عجیب خواهد بود. 16

جذاب تر نقش دلار به عنوان یک شاخص همزمان فعالیت واقعی است. یکی از توضیحات این است که Haven Safe جریان می یابد: وقتی اقتصاد جهانی ضعیف عمل می کند ، دلار آمریکا به طور کلی قدردانی می کند. قدردانی شدید دلار در طول GFC - که ظاهراً بیشتر محتوای اطلاعات را برای Nowcasting با شاخص دلار فراهم می کند - این دیدگاه را تأیید می کند. 17

پیوند دیگری ، همانطور که در بالا ذکر شد ، ممکن است پویایی مهم مربوط به تجارت مرتبط با زنجیره های تأمین جهانی باشد (BIS (2017)). شرکت های موجود در چنین زنجیرهایی به طور کلی نیاز به سرمایه در گردش زیادی دارند زیرا آنها نیاز به تأمین اعتبار موجودی کالاهای واسطه ای دارند و اغلب هنگام فروش به سایر بنگاه ها در امتداد زنجیره تأمین (شین (2019)) قابل دریافت هستند. هنگامی که این الزامات تأمین مالی فراتر از منابع خود بنگاه ها باشد ، سرمایه در گردش لازم معمولاً از طریق اعتبار بانکی کوتاه مدت تأمین می شود. بخش اعظم این اعتبار تمایل به تهیه دلار دارد (Gopinath and Stein (2018)) ، به این معنی که هزینه آن به نرخ ارز دلار حساس است ، به ویژه هنگامی که جریان پول و دارایی های دلار به طور قابل توجهی از بدهی های دلار کم می شود (Avdjiev et al (2019)). 18

با تولید و به طور فزاینده ، خدمات در سطح جهان ، بنابراین جای تعجب ندارد که شرایط اعتباری دلار تاثیری در فعالیت اقتصادی در زنجیره های تأمین جهانی داشته باشد. برخی از مطالعات تجربی با استفاده از داده های حسابداری سالانه شواهدی برای حمایت از این فرضیه پیدا کرده اند (برونو و همکاران (2018)). این ویژگی ویژه با نشان دادن اینکه دلار برای PMI های Nowcasting ، به ویژه در اقتصادهای فشرده تجارت ، پشتیبانی بیشتری می کند ، پشتیبانی بیشتری می کند و این بخش نسبتاً خوبی از تنوع PMI ها و تولید ناخالص داخلی را توضیح می دهد.

منابع

Andreou ، E ، E Ghysels و A Kourtellos (2013): "آیا پیش بینی کنندگان کلان اقتصادی از داده های مالی روزانه استفاده می کنند و چگونه؟" ، مجله آمار تجاری و اقتصادی ، جلد 31 ، صص 240-51.

Avdjiev ، S ، V Bruno ، C Koch and H S Shin (2019): "نرخ ارز دلار به عنوان یک عامل خطر جهانی: شواهدی از سرمایه گذاری" ، بررسی اقتصادی صندوق بین المللی پول ، جلد 67 ، شماره 1 ، مارس ، صص 151-73.

Bańbura ، M and G Rünstler (2011): "نگاهی به جعبه سیاه مدل فاکتور: انتشار تاخیر در انتشار و نقش داده های سخت و نرم در پیش بینی تولید ناخالص داخلی" ، مجله بین المللی پیش بینی ، جلد 27 ، ص 333-46.

بانک برای تسویه حساب بین المللی (2017): 87 مین گزارش سالانه ، فصل ششم ، "درک جهانی سازی".

Bok ، B ، D Caratelli ، D Giaone ، یک Sbordone و یک Tambalotti (2018): "Nowcasting و پیش بینی کلان اقتصادی با داده های بزرگ" ، بررسی سالانه اقتصاد ، جلد 10 ، صص 615-43.

Bruno ، V ، S J Kim and H S Shin (2018): "نرخ ارز و کانال سرمایه در گردش نوسانات تجاری" ، بررسی اقتصادی آمریکا P& P ، جلد 108 ، صص 531-36.

Chudik ، A ، V Grossman and M Pesaran (2016): "یک رویکرد چند کشور برای پیش بینی رشد خروجی با استفاده از PMI" ، مجله اقتصاد سنج ، جلد 192 ، شماره 2 ، صص 349-65.

Clark ، T and M McCracken (2012): "تست های نمونه ای از توانایی پیش بینی: یک رویکرد جدید" ، مجله اقتصاد سنج ، جلد 170 ، صص 1-14.

De Bondt ، G (2018): "یک ردیاب تولید ناخالص داخلی واقعی مبتنی بر PMI برای منطقه یورو" ، مجله تحقیقات چرخه تجارت ، صص 1-24.

Duarte ، P و D Süssmuth (2018): "اجرای یک مدل فاکتور پویا تقریبی برای تولید ناخالص داخلی Nowcast با استفاده از تجزیه و تحلیل حساسیت" ، مجله تحقیقات چرخه تجارت ، جلد 14 ، شماره 1 ، صص 127-41 ، آوریل.

Espinoza ، R ، F Foari and M Lombardi (2012): "نقش متغیرهای مالی در پیش بینی فعالیت اقتصادی" ، مجله پیش بینی ، جلد 31 ، صص 15-46.

Gilchrist ، S و E Zakrajšek (2012): "گسترش اعتبار و نوسانات چرخه تجارت" ، بررسی اقتصادی آمریکا ، جلد 102 ، شماره 4 ، صص 1692-720 ، ژوئن.

Godbout ، C and J Jacob (2010): "Le Pouvoir de Prévision des Indices PMI" ، مقالات بحث و گفتگوی کارمندان بانک کانادا ، 2010-3 ، آوریل.

Gopinath ، G و J Stein (2018): "فاکتور تجارت ، بودجه بانکی و منابع ذخیره بانک مرکزی" ، مقالات AEA و مجموعه مقالات ، مه ، جلد 108 ، ص 542-4.

هریس ، E (1991): "ردیابی اقتصاد با شاخص مدیران خرید" ، بانک مرکزی فدرال رزرو نیویورک ، بررسی سه ماهه ، پاییز.

Koenig ، E (2002): "استفاده از شاخص مدیران خرید برای ارزیابی قدرت اقتصاد و جهت احتمالی سیاست پولی" ، بررسی سیاست اقتصادی و مالی فدرال رزرو دالاس ، جلد 1 ، شماره 6.

Lombardi ، M and P Maier (2010): "" لاغر "در مقابل" مجموعه داده های غنی ": پیش بینی در طول اعتدال بزرگ و رکود بزرگ" ، مقالات کار بانک کانادا ، شماره 37 ، دسامبر.

Peláez ، R (2003): "ارزیابی مجدد از شاخص مدیر خرید" ، اقتصاد تجاری ، جلد 38 ، شماره 4 ، اکتبر.

Rossiter ، J (2010): "Nowcasting اقتصاد جهانی" ، مقالات بحث و گفتگوی بانک کانادا ، هیچ 2012-12 ، سپتامبر.

Shin ، H S (2019): "عدم تعادل جهانی و ردپای بین المللی بنگاه ها: چه نقشی برای نرخ ارز؟" ، سخنرانی در سمینار مشترک G20/IMF در مورد عدم تعادل جهانی ، واشنگتن دی سی ، 10 آوریل.

سهام ، J و M Watson (2003): "پیش بینی تولید و تورم: نقش قیمت دارایی" ، مجله ادبیات اقتصادی ، جلد 41 ، صص 788-829.

جداول ضمیمه

1 نویسندگان می خواهند از آنا آگویولار ، کلودیو بوریو ، استیجن کلسنس ، پیتی دییتات ، امانوئل کوهلشین ، بنویت موژون ، کریستین فوقانی و فیلیپ وولدریج بخاطر اظهارنظرهای مفید تشکر کنند. نظرات بیان شده در این مقاله از نویسندگان است و لزوماً منعکس کننده این بانک برای شهرک های بین المللی نیست.

2 به عنوان مثال ، کارکنان بانک مرکزی فدرال رزرو نیویورک از PMIS استفاده می کنند (Bok et al (2018)).

3 برای تولید PMI ها ، اینها به طور معمول خروجی ، اشتغال ، سفارشات جدید ، باقیمانده کار ، خریدهای کالاهای میانی ، سهام ورودی و کالاهای نهایی ، زمان تحویل تأمین کنندگان ، قیمت ورودی و خروجی و فعالیت های تجاری مورد انتظار هستند. برای خدمات و شاخص های کامپوزیت ، اینها مشاغل جدید و برجسته تجارت ، اشتغال ، هزینه های ورودی ، قیمت های شارژ شده و فعالیت های تجاری مورد انتظار است.

4 IHS Markit روش PMI ایالات متحده را در اوایل دهه 1990 اقتباس کرد و به تدریج آن را به 40 کشور جهان گسترش داد. خانواده PMIS ایالات متحده ، که توسط انستیتوی مدیریت تأمین تهیه شده است ، در طی رکود بزرگ در دهه 1930 ، همچنین دوره ای از علاقه شدید به فشارسنجهای اقتصادی ایجاد شد.

5 نظرسنجی از حدود 10/12 تا 20/22 ماه مرجع جمع آوری می شود.

6 به EG Chudik و همکاران (2016) و De Bondt (2018) مراجعه کنید. به همین ترتیب ، کار با PMI این تصور را به چالش کشید که پیش بینی کنندگان اقتصادی باید به جای کاهش ، بر بزرگ شدن بعد داده ها تمرکز کنند (لومباردی و مایر (2010) ، دوارته و Süssmuth (2018)).

7 در جدول زمانی مصور که در نمودار 3 نشان داده شده است ، دوره های بررسی PMI به عنوان مناطق سبز نشان داده شده است ، PMI به صورت زرد و Nowcasts به عنوان آبی رنگ منتشر می شود. برای مطابقت با دوره رای گیری ، ما به طور متوسط مقادیر روزانه تغییرات ماهانه در متغیرهای مالی بین روزهای متوسط دوره رای گیری (از روز شانزدهم ماه قبل تا 15 روز فعلی) را می گیریم. برای سادگی ، ما Flash PMI را در نظر نمی گیریم ، که فقط برای پنج اقتصاد (منطقه یورو ، فرانسه ، آلمان ، ژاپن و ایالات متحده) منتشر می شود. اصلاحات آنها بسیار اندک است.

8 این چارچوب شبیه به آنچه توسط گیلچریست و زکرجک (2012) استفاده شده است.

9 رگرسیون با مؤلفه های اصلی به طور کلی بهترین ویژگی های nowcasting را داشتند. با این حال ، برای سهولت در تفسیر ، ما در عوض تصمیم گرفتیم متغیرهای مالی فردی را نشان دهیم.

10 در جداول و نمودارهایی که در زیر آمده است ، ما تخمین ها را برای متغیرهای فردی با بهترین خصوصیات آماری در نمونه های جهانی و کشور نشان می دهیم. اینها به طور کلی مانند جدول 1 هستند.

11 نسبت RMSE از چنین رگرسیون باید برای متغیرهای مالی کمتر از 1 باشد تا از نظر آماری ارزش قابل توجهی به Nowcast اضافه کند که فقط از مقادیر گذشته PMI استفاده می کند.

12 آمار افزایش RMSE مورد استفاده برای ارزیابی عملکرد نسبی شاخص های مالی به عنوان (نسبت 1 - RMSE)*100 تعریف شده است. با تعریف ، متغیر با بزرگترین افزایش RMSE بیشترین کمک را برای Nowcasting PMI دارد.

شاخص های 13 دلاری همچنین در پیش بینی PMI های تولیدی در هلند و منطقه یورو به طور کلی و همچنین در برزیل ، هند ، روسیه و ترکیه بسیار قابل توجه است (نتایج نشان داده نشده است).

14 ما همچنین یک VAR را اجرا می کنیم که در آن شاخص USD با گسترش اوراق بهادار شرکت جایگزین می شود. نتایج از نظر کیفی مشابه بودند.

15 به طور جداگانه ، رگرسیون تک تجهیزات نشان می دهد که برآورد پارامتر برای متغیرهای مالی فعلی (ΔS_t) اهمیت آماری را هنگام متغیرهای عقب مانده حفظ کنید (ΔS_t-1) به رگرسیون اضافه می شوند. و این ، در بسیاری از موارد ، دومی قابل توجه نیست. این نشان می دهد که به نظر می رسد که مدیران خرید در هنگام تصمیم گیری از اطلاعات بیشتر در بازار مالی استفاده می کنند ، زیرا احتمالاً تحولات مالی گذشته قبلاً در PMI های تاخیر گنجانیده شده است.

16 عدم وجود رابطه معنی داری بین گسترش و PMI ها در برخی از کشورها ممکن است نشانگر اتکا به شرکتها به خود تأمین مالی باشد ، شاید به دلیل عرضه اعتبار ضعیف یا گران به شرکتهای خصوصی باشد. با این حال ، پراکندگی های سود RMSE و شاخص های توسعه مالی هیچ رابطه محکمی را نشان نمی دهد.

17 بخش اعظم قدردانی از دلار در آن دوره به دلیل عملیات محافظت از موسسات مالی مرتبط با سرمایه گذاری های ایالات متحده آنها بود (مک کولی و مک گایر (2009)).

18 جالب اینجاست که نتایج ما نشان می دهد که این "سایر شرکای تجاری مهم" است ، یعنی شاخص دلار EME که با PMI ها قوی ترین همبستگی دارد ، و این PMI های اقتصاد باز و تولید سنگین در اروپا است که به شدت با هم ارتباط دارندبا شاخص دلاربا این حال ، برخی از شگفتی ها نیز وجود دارد. کره در بین کشورهایی که دارای ضرایب بسیار قابل توجهی در شاخص دلار هستند ، در حالی که هند و روسیه این کار را می کنند. و برای چین ، این شاخص دلار گسترده است که بهتر از EME است.