مقاله در مورد تورم pdf
ترجمه مقاله تورم
سفارش ترجمه تخصصی حسابداری و اقتصاد
تخمین مولفه های آینده نگر (µf) و گذشته نگر (µb)، برای افق تورم فصلی، 0.692 و 0.309 است، این مساله حاکی از این امر است، تورم پیش بینی شده، نقش نسبتا مهمی را در توجیه پویایی تورم ایفا می نماید (مثلا گالف و گرتلر، 1999؛گالف و دیگران، 2001؛ اسبوردون، 2002، 2006؛ اوینونن و دیگران، 2013). نتیجه ای که از این افق نیمه سالانه (سالانه) استفاده می کند، در عین حال، مقدار 0.571 (0.414) را برای رفتار آینده نگر و 0.425 (0.585) را برای رفتار گذشته نگر، ارائه می نماید. نتایج کلی حاکی از این مساله است که افزایش در افق تورم، نقش تورم پیش بینی شده را در توضیح پویایی تورم می کاهد که از این گذشته، اهمیت کمّی رفتار آینده نگر تورم÷ با توجه به انتخاب افق تورم، تغییر می یابد.
گرچه بازرسی سببی نقش متغیر تورم پیش بینی شده در افق های مختلف تورم، ممکن است، خطر جدی نداشته باشد، اما آزمون های آماری می توانند به اثبات یافته اصلی کمک کنند. راه کار آزمون بکار رفته در این مقاله، آزمون والد مبتنی بر GMM ارائه شده توسط نیووی و وست (1987) است.[15] سه افق تورم مختلف به سه آزمون جفتی متفاوت برای برابری افق های سالانه براورد شده منتهی می گردد. انتهای جدول 3، نتایج آزمون را ارائه می نماید و همگی حاکی از این مساله هستند که تهی تساوی، در سطوح معناداری 5% و 10% رد می شود، بدین وسیله به لحاظ آماری، نتیجه اصلی را اثبات می نماید.
کاهش در نقش تورم پیش بینی شده برای افزایش در افق تورم، از یک رابطه مثبت بین افق تورم و عدم قطعیت تورم دنبال می شود.[16] همانطور که افق تورم افزایش می یابد، پیش بینی دقیق سودهای مورد انتظار در آینده دور(مثلا در یک سال) نسبت به آینده نزدیک دشوارتر می شود. از اینرو، همبستگی مثبت افق تورم با عدم قطعیت تورم، سبب می شود÷ قیمت گذاران انحصاری (price setter) وابستگی به جمع سودهای تنزیل شده مورد انتظار را کاهش دهند و یک روش ایمن تر را برای وضع قیمت کنونی بپذیرند (مثلا ترکیبی از قیمت های گذشته به صورت یک قانون پیش بینی برای قیمت کنونی).[17]
از آنجاییکه شواهد آماری پیرامون رابطه مثبت بین افق تورم و عدم قطعیت تورم می تواند به درک بهتر بحث فوق کمک کند، این مقاله سه سنجش عدم قطعیت تورم را مد نظر قرار می دهد. یکی از سنجش های بکار رفته ساده و مکرر عدم قطعیت تورم در اقتصادهای کلان تجربی، انحراف استاندارد دنباله های تورم است (مثلا فیشر، 1981؛ اوکان، 1971). در عین حال، یک عیب استفاده از انحراف استاندارد به عنوان یک پروکسی برای عدم قطعیت تورم [inflation uncertainty] این است که سنجش ناپایداری تورم نسبت به عدم قطعیت تورم آینده، محتمل تر است. برای این منظور، مدل های GARCH، اغلب برای کسب عدم قطعیت تورم اندازه گیری شده توسط واریانس شرطی بکار می رود.[18]
با وجود استفاده گسترده از مدل های GARCH برای اندازه گیری عدم قطعیت، واریانس شرطی براورد شده توسط مدل های GARCH استاندارد (یعنی مشخصات صرفا آماری)، یک ارتباط مستقیم با NKPC بکار رفته به عنوان مدل اصلی موجود در این مقاله، برخوردار نیست. این مساله بدین معنی است که تخمین همزمان NKPC (معادله میانگین) و عدم قطعیت آن (معادله واریانس) می تواند یک تحلیل دقیق پیرامون این مساله را ارائه نماید که آیا یک رابطه مثبت بین افق تورم و عدم قطعیت تورم وجود دارد یا خیر. بنابراین، این مقاله، مدل های NKPC GARCH برای کسب عدم قطعیت تورم اندازه گیری شده توسط انحراف استاندارد شرطی را تخمین می زند (ریشه دوم واریانس شرطی)[19]. به علاوه، در این مقاله÷ هم چنین دو سنجش مختلف عدم قطعیت تورم می تواند به عنوان مکملی برای عدم قطعیت تورم اصلی تولید شده توسط مدل های NKPC GARCH عمل نماید.
آزمایشات مقدماتی مختلف مبتنی بر معیارهای اطلاعات عادی همانند AIC، BIC و HQIC به مناسب ترین مدل های GARCH برای کل افق های تورم منجر می شود: افق های تورم فصلی، نیمه ساله و سالانه همگی مدل های NKPCGARCH(1,1) را به عنوان یک معادله واریانس محسوس انتخاب می کنند. برای مشخصات GARCH استاندارد، مدل های AR(3)-GARCH(1,1), AR(1)-GARCH(1,1) و AR(1)-GARCH(1,1) ، به ترتیب، بهترین برازش را با افق های تورم فصلی، نیم سال و سالانه دارند.[20] ستون دوم از جدول 4، سه نوع عدم قطعیت تورم را بر روی دوره نمونه کلی ارائه می دهد. عدم قطعیت 1، 2 و 3 به ترتیب، بیانگر انحراف استاندارد شرطی تورم ایجاد شده توسط مدل های NKPC- GARCH، انحراف استاندارد شرطی تورم ایجاد شده توسط مدل های AR-GARCH و انحراف استاندارد نرخ های تورم است. عدم قطعیت مبنا (عدم قطعیت تورم 1)، یک افزایش نمایان را نشان می دهد÷ زیرا افق تورم، طولانی است. برای نمونه، عدم قطعیت تورم 1 برای افق فصلی، دارای مقدار 0.231 است، در حالیکه برای افق سالانه به 0.394 افزایش پیدا می کند. این نتیجه با دو سنجش عدم قطعیت دیگر تایید می شود (عدم قطعیت تورم 2 و 3). به طور کلی، همه نتایج حاکی از این امر است که افق تورم از یک رابطه مثبت با عدم قطعیت تورم به صورت فوق الذکر برخوردار است.
از یک چشم انداز خط مشی، درک بهتری از نقش های مختلف تورم پیش بینی شده در افق ها و تعاملات مختلف با عدم قطعیت تورم، برای ایجاد خط مشی پولی، حائز اهمیت است. برای نمونه، عدم قطعیت بزرگ در افق طولانی، ریسک هایی را برای افراد دارای عقود معین (nominal contracts) و شرکت های قیمت گذار ایجاد می نماید که به کاهش منافع بازده از فعالیت های اقتصادی منتهی می شود. از اینرو، دوره های طولانی هم چنین برای خلق حالات اقتصادی پایدارتر است، اعتبار خط مشی پولی را ارتقا می بخشد.
سپس به NKPC ساختاری باز می گردیم. ارزش متوسط چسبندگی هزینه (price stickiness) θ، به ترتیب، 0.779، 0.716 و 0.292 برای افق های تورم فصلی، نیم سال و سالانه است. بدین معنی است که دوره متوسطی که در آن قیمت ها، تثبیت می شوند، بین فصل های حدود 4.5 و 7.0 قرار می گیرد.[21] این یافته از مقادیر گزارش شده در مطالعات اولیه، به مراتب فاصله دارد.[22] سهم متوسط شرکت های گذشته نگر ω، برای افق های تورم فصلی، نیم سال و سالانه، 0.347، 0.462 و 0.408 است که یک نقش نسبتا بزرگ را برای رفتار گذشته نگر برای پویایی تورم در افق های طولانی تر از این افق کوتاه را نشان می دهد. عامل تنزیل β نزدیک به واحد روی میانگین برای هر افق تورمی است که با پیش بینی نظری، همراستاست.
عملکرد کلی مدل از طریق برون زایی ابزار ارزیابی می شود. هم NKPC های شکل کاهش یافته و هم ساختاری برای کل افق های تورم، به خوبی از طریق آزمون برای برون زایی ابزار عمل می کند. آزمون- J به طور واضح، محدودیت های شناسایی بیش از حد را رد نمی کند، بدین معنی که ابزارهای بکار رفته برای تخمین خط مبنا، معتبر هستند.
4.2 تحلیل های نیرومندی
حساسیت تخمین IV ممکن است، به خاطر انتخاب ابزارها و دوره های تخمین مختلف پدید آید. لذا، این بخش بر تحلیل های پایداری بر روی براوردهای پارامتری NKPC تمرکز دارد تا دریابد آیا ابزارها و دوره های مختلف، نتایج خط مبنا را تغییر می دهد یا خیر.
4.2.1 استفاده از مجموعه ابزارهای مختلف
شکل 1، براوردهای حاصل از مجموعه ابزارهای مختلف (مجموعه 2، 3 و 4 IV) فهرست شده در جدول 1 را نشان می دهد.[23] خط مبنای 1 و 2، براوردهای خط مبنای حاصل از CUE و GMM در جدول 3 است. حساسیت 1، 2 و 3، بیانگر نتایج تخمین با استفاده از CUE با مجموعه IV 2، 3 و 4 است، در حالیکه GMM دارای مجموعه IV 2 ، 3 و 4، حساسیت 4، 5 و 6 را بدست می آورد. خط دارای دایره، مثلث و مربع، به ترتیب بیانگر نتیجه با افق تورم فصلی، نیم سال و سالانه است.
براورد متوسط رفتار آینده نگر - گذشته نگر با استفاده از افق تورم فصلی، حدود 0.72 و 0.31 است، بدین معنی که مولفه آینده نگ ، نقش مهمی را در رفتار تورم ایفا می نماید. در مقابل، نقش رفتار گذشته نگر، از رفتار آینده نگر، مهم تر می شود همانطور که افق تورم، افزایش می یابد. برای نمونه، افق تورم سالانه، نشان می دهد، مولفه گذشته نگر، پیرامون 0.62، شناور است در حالیکه عنصر آینده نگ ، به طور متوسط، به میزان 0.42 باقی می ماند. براوردهای دیگر معادلات شکل کاهش یافته و ساختاری، به مراتب دورتر از نتایج خط مبناست. به این ترتیب، کل این نتایج حاکی از این مساله است که نتایج خط مبنا، برای مجموعه ابزارهای مختلف و تخمین زننده های مختلف، کاملا قوی است.
4.2.2 تحلیل زیر نمونه
کاملا معلوم است، از اوایل دهه 1980، خط مشی پولی ایالات متحده، به شدت تغییر یافته است. به معنی اهمیت تحلیل در زمینه پویایی تورم در زیردوره های مختلف است.[24] به علاوه، با فرض اینکه رکود عظیم، رخداد مهم دیگری است، بررسی می کند، پویایی تورم اخیر هم چنین سزاوار یک تحلیل است. لذا، این مقاله، نمونه کلی را به زیرنمونه ها، تفکیک می نماید:
دوره پیش- والکر (1960- 1983)، دوره پسا والکر (1984- 2016)، دوره پیش – بحران (1960- 2006) و دوره پسا بحران (2007- 2016)[25]. جدول 5، نتایج براورد را گزارش می دهد.[26]
کل تحلیل های زیر نمونه در می یابند، اهمیت کمّی رفتار آینده نگر، کوچکتر می شود÷ همانطور که افق تورم، افزایش می یابد. این نتیجه÷ هم چنین توسط آزمون والد ارائه شده در پنل انتهایی جدول 5، اثبات می شود: کل نتایج آزمون، جدای از موارد معدودی، نشان می دهد، تهی تساوی بین پارامترهای براورد شده برای افق های تورم جفتی، در سطح متداول، رد می شود، این مساله حاکی از این امر است که یافته اصلی گزارش شده در بخش 4.1، دست نخورده باقی می ماند. برای تقویت نتیجه اصلی، جدول 4، سه سنجش عدم قطعیت برای بررسی رابطه مثبت بین افق تورم و عدم قطعیت تورم را برای همه زیر نمونه ها گزارش می دهد. ستون های سوم و چهارم (ماقبل آخر و آخر)، به ترتیب، عدم قطعیت تورم را برای دوران های پیش از والکر و پس از والکر نشان می دهد (دوره های پیش و پس از بحران). کل نتایج موجود در جدول 4÷ حاکی از این مساله است که هیچ یک از سنجش های عدم قطعیت، نتیجه مبنا را صرف نظر از هیچ زیر نمونه ای نقض نمی کند که به معنی همبستگی مثبت بین افق تورم و عدم قطعیت تورم است.
علاوه بر یافته اصلی، نتایج جالب متعددی از تحلیل های زیر نمونه، شایان ذکر هستند. اولا، جدول 5، یک تعامل ضعیف تورم را با فعالیت اقتصادی واقعی در دوره پسا والکر، در مقایسه با دوره پیش – والکر آشکار می نماید که به یک منحنی فیلیپس هموار منجر می شود (مثلا رابرتز، 2006؛ کاتنرا و رابینسون، 2010؛ بلانچارد و دیگران، 2015؛ کویبیون و گورودنیچنکو، 2015؛ چوئی و کیم، 2016). در عین حال، رابطه بین تورم و فعالیت اقتصادی حقیقی در دوره پسا بحران، کمی قویتر از دوره پیش از بحران است که به منحنی نسبتا شیب دار فیلیپس منتهی می گردد (مثلا استلا و استوک، 2012؛ اوینونن و دیگران، 2013). به طور خاص، این پدیده، در افق تورم فصلی، قابل ملاحظه تر است. ثانیا، مقایسه نتایج تجربی در دوره های پیش و پسا والکر در جدول 5 نشان می دهد، دوره اخیر، نقش عمده تری را از رفتار آینده نگر در توجیه پویایی تورم نشان می دهد (مثلا زانگ ودیگران، 2008).[27]
این نتیجه رابطه نزدیکی با عدم قطعیت تورم کوچکتر در دوره پسا والکر نسبت به دوره پیش والکر در جدول 4 دارد. به طور خاص، عدم قطعیت تورم 3 (انحراف استاندارد نرخ های تورم)، تفاوت های مشخصی را نشان می دهد. دوره پایین و پایدار تورم، عدم قطعیت کوچکتر را نسبت به دوره فرار و ناپایدار تورم(مثلا دوره های 1960 و 1970) افزایش می دهد، زیرا تورم بالا پیش بینی قیمت های دقیق آینده را برای افراد دشوار می سازد. منجر به امر می شود که مقادیر حقیقی دستمزدها و درامدهای آینده، متغیرتر شود، بدین وسیله پیچیدگی های تخصیص منابع را بر می انگیزاند.[28] بدین معنی است که مدیریت پیش بینی های تورم در طول دوره پایدار و در حال سکون تورم از دوره ای که در آن نرخ تورم دائما افزایش می یابد، آسان تر است که به پیش بینی های تورم بهتر مهار شده از طریق سیاست پولی معتبر منجر می گردد (مثلا اوینونن و دیگران، 2013؛ استلا و استوک، 2012).
[15] ایده متضمن آزمون والد مبتنی بر GMM، شبیه به آزمون والد متداول است. نیووی و وست (1987) را برای جزئیات بیشتر ملاحظه نمایید.
[16] عدم قطعیت تورم ممکن است به خاطر کمبود اطلاعات کامل پیرامون قیمت های آینده، پدید آید.
[17] بال و سسچتی (1990)، مضامین رابطه تورم – عدم قطعیت را بر روی افق های گوناگون ررسی می نماید و یکی از یافته های اصلی اینگونه است که عدم قطعیت پیرامون تورم آینده، بزرگتر می شود همانطور که این افق، طولانی می شود.
[18] برای نمونه، مقالات بدوی انگل (1982) و بالرزلوف (1986) هم چنین واریانس تورم شرطی را به صورت سنجش عدم قطعیت تورم بکار می گیرند.
[19] راسل و کادهاری (2013) از یک مدل NKPC-GARCH برای ارزیابی اعتبار تجربی منحنی های مختلف فیلیپس استفاده می کند. فوئست و اسکمیت (2017)، صریحا از NKPC به عنوان چارچوبی برای بررسی شیوه ای استفاده می کند که عدم قطعیت تورم اندازه گیری شده توسط واریانس شرطی، با نرخ های تورم و پیش بینی های تورم، رابطه نزدیکی دارد. از آنجاییکه تخمین مدل های NKPC- GARCH شامل مساله درون زایی میسر می شود که از تورم پیش بینی شده و فعالیت اقتصادی واقعی پدید می آید، این مقاله، مدل های NKPC-GARCH را با استفاده از مقادیر برازانده شده (fitted values) تورم پیش بینی شده و متغیر اجبار آور را با برگشت این دو متغیر درون زا، روی مجموعه 1 IV تخمین می زند. راسل و کودهاری (2013) هم چنین از راه کار مشابه برای ارزیابی مدل NKPC-GARCH استفاده می کنند.
[20] روش تخمین، تکنیک بیشترین احتمال (ML) با الگوریتم بهینه سازی برنت – هال- هال – هوسمن (BHHH) است. آزمون برای نرمالیته برای براورد مدل های GARCH مهم است. آماره جارک- برای (مقدار-p) برای مدل NKPC-GARCH [AR-GARCH] با داده های فصلی، نیم سال و سالانه، به ترتیب 4.970 (0.083) [1.206 (0.547)], 11.112 (0.004) [0.264 (0.877)] و 0.066 (0.968) [4.253 (0.119) است. نتایج آزمون کلی حاکی از این است که تهی نرمال بودن، در سطح متداول رد نمی شود، جز برای دو مورد. به علاوه، آماره ARCHLM (مقدار P) برای مدل NKPC-GARCH [AR-GARCH] با داده های فصلی، نیم سال و سالانه، 1.792 (0.116) [0.753 (0.585)], 0.358 (0.876) [0.657 (0.657)] و 0.537 (0.747) [0.706 (0.622)] تا تاخیر در 5 است، بدین معنی که تهی، هیچ تاثیر ARCH باقیمانده ای در بقایا، رد نمی شود و به این ترتیب، معادلات واریانس به طور صحیح، مشخص می شوند.
[21] این واقعیت که θ، احتمالی است که قیمت تغییر پیدا نمی کند، بدین معنی است که مدت متوسطی که در آن سطح قیمت قبلی تثبیت می شود، توزیع هندسی را دنبال می کند. اینجا، مدت پیش بینی شده ثابت نگه داشتن میزان قیمت قبلی،
(1-θ)-1 است.
[22] براورد NKPC ساختاری با افقهای مختلف، به طور واضح به مقادیر مختلفی از چسبندگی قیمت منجر می شود، بدین معنی که همه مقادیر را به موارد دارای افق یکسان تبدیل می نماید (مثلا افق فصلی) که می تواند مدت های قیمت صحیح را ارائه نماید. یک محاسبه، نهایتا، مدت فصلی متوسط 4.514، 7.042 و 5.650 را برای افق های فصلی، نیم سال و سالانه، به ترتیب ارائه می نماید. گالی و گرتلر (1999) و گالی و دیگران (2001)، مدت قیمت حدود 5 فصل را به طور متوسط ارائه می نماید. مجموعه دیگری از مطالعات هم چنین از طیف مدت قیمت گزارش شده در این مقاله حمایت می نماید. برای نمونه، بلیندر و دیگران (1998) نشان می دهند، مدت قیمت متوسط، حدود 12 ماه است و کاشیاپ (1995)، متوسط 14.7 ماه را گزارش می دهد.
[23] کل براوردها در سطوح 1% و 5%، معنادار هستند.
[24] این فعالیت، با توجه به تحلیل پایداری با استفاده از آزمون های زیر نمونه ها مهم است، چه براوردهای NKPC برای نقد لوکاس آزاد باشد یا نباشد.
[25] این مقاله دوره شروعش در سال 1984 در اثر رابرتز (2005) است. به علاوه، اقتصاددانان زیادی اثبات می کنند، یک رژیم پولی جدید آغاز شده در سال 1984 که توسط سیاست پولی فعال و مالی غیر فعال مشخص می شود. این سیاست جدید اجرا شده توسط پائول والکر، به طور موفقیت آمیزی نرخ های تورم و پیش بینی ها را تحت کنترل قرار داد که تورم هم چنان افزایش می یابد، بدین وسیله، نرخ های تورم را در حدود 3% پس از سال 1984 نگه می دارد.
[26] CUE با مجموعه IV 1 برای نتایج بکار می رود.
[27] تحلیل بین دوره های پیش و پس از بحران هم چنین نتایج مشابهی را نشان می دهد.
[28] برخی مطالعات نشان می دهد، تورم بالا به عدم قطعیت بیشتر منجر می شود (مثلا بال 1992؛ فریدمن، 1977).
