O ciclo económico é um conceito teórico, sem um método consensual de identificação empírica. As séries temporais da actividade económica agregada podem ser decompostas em quatro componentes: tendência, ciclo, variações sazonais e termo irregular. O ciclo é determinado através da eliminação da componente sazonal, da tendência e do termo irregular. Estas componentes diferentes não sendo directamente observáveis,
variam consoante o método de decomposição utilizado. Contudo, muitas vezes, conclui-se que os resultados da análise do indicador compósito não dependem de forma decisiva do método escolhido para determinar o ciclo na série de referência.
Entre os vários métodos de decomposição possíveis, nesta caixa foi aplicado o filtro band-pass, proposto por Baxter e King1. O filtro band-pass elimina uma componente de tendência com movimento muito lento e as componentes de muito alta frequência (irregular e sazonal), ou seja, apenas as flutuações que se situam dentro de uma banda de frequência específica são retidas e consideradas como correspondendo aos desenvolvimentos cíclicos. Seguindo a abordagem padrão, a banda é defina da seguinte forma: a duração mínima do ciclo económico é fixada em 18 meses (6 trimestres), de forma a eliminar as componentes irregulares e sazonais, enquanto as flutuações superiores a 96 meses (32 trimestres) são atribuídas às variações da tendência de longo prazo. Os pontos de viragem do padrão cíclico do índice de referência são determinados através do método habitualmente aplicado, desenvolvido por Bry e Boschan2. Este método foi inicialmente concebido para dados mensais e foi adaptado às séries trimestrais do PIB. Basicamente, alisa a componente cíclica da série e descarta os ciclos espúrios, tendo por base as regras relativas à duração mínima do ciclo. O gráfico e o quadro a seguir apresentam as flutuações cíclicas e os pontos de viragem associados, determinados através da utilização dos métodos mencionados acima.
Contudo, existe uma desvantagem importante relativamente à utilização de séries às quais foi extraída a tendência como referências. Independentemente do método técnico escolhido, a estimação da componente cíclica é menos fidedigna na parte final do período da amostra. Tanto dados anteriores como posteriores a determinada data são necessários para estimar as componentes nessa data específica. Isto coloca problemas no início e no fim de uma série. Uma das soluções possíveis é desprezar as estimativas dos ciclos económicos no início e no fim da amostra. Contudo, os analistas estão habitualmente interessados nos desenvolvimentos mais recentes. A forma habitual de resolver este problema consiste em prolongar retrospectiva e prospectivamente as séries originais através de estimação e de previsão. Porém, esta solução implica que o ciclo estimado no fim da série se encontra sujeito a revisões à medida que vão sendo disponibilizados novos dados, os quais podem diferir dos valores previstos, o que constitui uma grande desvantagem a nível prático. Como tal, os métodos de extracção da tendência são mais adequados à análise histórica da evolução cíclica. No caso dos indicadores compósitos, que se centram nos desenvolvimentos mais recentes, as taxas de crescimento observadas são, muitas vezes, utilizadas para retirar o movimento ascendente da tendência e extrair as variações cíclicas. A hipótese subjacente implícita é que a componente tendência cresce a um ritmo constante.
1 Baxter, M. e R. G. King (1999), “Measuring economic cycles: approximate band-pass filters for economic time series” The Review of Economics and Statistics, 81(4), pp. 575-93.
2 Bry, G. e C. Boschan (1971), “Cyclical analysis of time series: selected procedures and computer programs”, NBER, “Technical Paper” n.º 20.
Flutuações do ciclo económico da área do euro
(série à qual foi retirada a tendência, dados normalizados)
Pontos de viragem
(determinados pelo algoritmo de Bry e Boschan)
Produção PIB industrial Mínimo: Dezembro 1982 1982 T4 Máximo: - 1984 T1 Mínimo: - 1984 T4 Máximo: Agosto 1985 1985 T4 Mínimo: Outubro 1987 1987 T2 Máximo: Agosto 1990 1990 T3 Mínimo: - 1991 T2 Máximo: - 1992 T1 Mínimo: Junho 1993 1993 T3 Máximo: Abril 1995 1995 T1 Mínimo: Novembro 1996 1997 T1 Máximo: Fevereiro 1998 1998 T1 Mínimo: Março 1999 1999 T1 Máximo: Agosto 2000 2000 T2 PIB produção industrial -4 -3 -2 -1 0 1 2 3 -4 -3 -2 -1 0 1 2 3 1980 1984 1988 1992 1996 2000
Os indicadores compósitos são construídos combinando diversas séries num indicador único. Os indicadores compósitos são considerados “indicadores avançados” quando fornecem informação acerca da evolução cíclica futura. Quando os indicadores reflectem a situação actual, são designados “indicadores coincidentes”. Habitualmente são apresentados diversos argumentos que defendem a utilização de indicadores compósitos, além da análise dos vários constituintes individuais. Primeiro, variáveis económicas diferentes fornecem, por vezes, sinais diferentes relativamente à evolução do crescimento presente e futuro. Tipos diferentes de choques podem dar origem a estes padrões divergentes, uma vez que afectam os vários sectores da economia em graus e ocasiões distintos. Diversas séries individuais, cobrindo aspectos variados da economia, podem ser combinadas num indicador compósito, para fornecer um indicador sintético. Um segundo argumento encontra-se relacionado com o facto de que efeitos estatísticos, como erros de medida, efeitos de calendário ou efeitos de base, podem influenciar as últimas observações de várias séries sugerindo desenvolvimentos diferentes e tornando a avaliação geral mais difícil. Na medida em que estas variações e estes erros são independentes, podem anular--se num índice compósito, conferindo-lhe um padrão menos errático e de mais fácil leitura. À primeira vista, os indicadores compósitos podem portanto parecer uma ferramenta mais adequada. Contudo, deve ser tomado em consideração que os indicadores compósitos, uma vez construídos, agregam informação de uma forma pré-definida. Isto condiciona a sua utilidade prática e pode ser enganador, uma vez que a evolução específica de diferentes variáveis económicas em momentos diferentes impulsiona a evolução económica global. Por conseguinte, os indicadores sintéticos não podem substituir um exame profundo da evolução subjacente e a análise de indicadores individuais continua essencial para uma avaliação fiável da evolução presente e no futuro próximo.
Para compilar os respectivos indicadores compósitos, as instituições públicas e privadas em geral seleccionam um pequeno número de séries constituintes com base em critérios tanto de natureza estatística como económica3. No que respeita aos critérios estatísticos, primeiro, para que exista confiança acerca da relação entre uma variável particular e o ciclo económico, são necessárias séries temporais suficientemente longas. Segundo, as séries temporais deverão estar sujeitas ao menor número possível de revisões. Grandes revisões são prejudiciais para os indicadores, uma vez que as estimativas iniciais não podem ser consideradas fiáveis. Terceiro, é importante que a volatilidade seja limitada, de forma a evitar falsas indicações dadas pelas últimas observações. Quarto, a actualidade é essencial em termos da disponibilização de dados preliminares. Os indicadores candidatos devem “anteceder” a série de referência, tanto em termos dos períodos econométricos de avanço, como dos calendários de publicação. Algumas séries são publicadas com um grande avanço em relação à série de referência, ganhando em termos de actualidade.
Relativamente aos critérios de natureza económica, é de salientar que as séries constituintes dos indicadores compósitos são escolhidas principalmente por razões de natureza empírica, isto é, com base no comportamento observado face à série de referência e não com base na teoria económica. Contudo, habitualmente é exigido que as propriedades de indicador avançado das variáveis sejam economicamente
3 Construção de indicadores compósitos
3 Em duas contribuições recentes para a literatura académica sobre indicadores compósitos, Forni et al. (2000, 2001) propõem uma nova forma de calcular os indicadores coincidentes e avançados da actividade económica, utilizando um número elevado de séries constituintes. Contudo, este método ainda não foi aplicado pelas instituições públicas e privadas nos respectivos indicadores publicados. Forni, M., M. Hallin, M. Lippi e L. Reichlin (2000), “ The generalised factor model: identification and estimation”, The Review of Economics and Statistics 82(4) pp. 540-554, e (2001), “The generalised factor model: one-sided estimation and forecast”, mimeo.
plausíveis, isto é, são apenas escolhidas as variáveis cuja relação observada com o ciclo económico está em linha com a teoria económica. As séries constituintes poderão ter as propriedades de um indicador avançado por várias razões. Primeiro, as séries candidatas podem fornecer dados sobre a evolução de factores que causaram ou influenciaram subidas ou descidas no passado. Por exemplo, os movimentos significativos e prolongados dos preços do petróleo, no passado, tiveram tendencialmente um impacto significativo sobre a actividade económica. Nesse sentido, a abordagem do indicador reflecte algumas das relações entre as séries económicas incluídas nos modelos macroeconómicos. Segundo, algumas séries económicas, tais como as encomendas no sector da produção, referem-se à situação numa fase inicial do processo de produção do sector em causa. Terceiro, outras variáveis podem reflectir expectativas acerca da evolução da actividade. Por exemplo, considera-se que os preços das acções reflectem as expectativas acerca dos lucros no futuro e, em certa medida, da actividade económica futura.
As instituições dos sectores público e privado quando constróem indicadores compósitos retiram habitualmente dados de conjuntos de informação que incluem dados retirados dos inquéritos à confiança das empresas e dos consumidores, de indicadores da actividade económica nacional e internacional e de variáveis monetárias e financeiras.
Habitualmente, as séries constituintes seleccio-nadas são normalizadas e sincronizadas. A normalização decorre do facto de nem todos os indicadores básicos exibirem flutuações cíclicas com a mesma amplitude. Desta forma, impede-se que os constituintes seleccionados com flutuações mais significativas dominem indevidamente o indicador compósito. A sincronização corrige então os diferentes avanços dos constituintes. Deste forma, consegue-se que os indicadores coincidam, em média, tornando o padrão cíclico do indicador compósito mais claro do
que seria sem a sincronização. O avanço do indicador compósito é limitado ao avanço da série constituinte que apresenta o avanço menor. Podem ser consideradas várias possibilidades para medir os avanços relativos das séries constituintes e nenhuma é invariavelmente superior às outras. Além disso, os avanços medidos podem não ser estáveis ao longo do tempo. Como tal, a escolha efectuada sobre a forma como sincronizar as séries constituintes, é de certa forma, arbitrária.
A determinação dos pesos atribuídos às séries constituintes nos indicadores compósitos não remete para a teoria económica. Os pesos podem ser definidos de forma arbitrária ou com base estatística. O presente artigo ilustra dois métodos estatísticos frequentemente utilizados. Um dos métodos, denominado “análise da componente principal”, baseia-se na ideia de que as flutuações de cada série reflectem dois elementos, nomeadamente, as flutuações comuns ao grupo de variáveis, por um lado, e os desenvolvimentos específicos das variáveis, por outro. A primeira parte, denominada “componente principal” poderá ser considerada representativa da evolução do ciclo económico. Quanto menor for a componente específica da variável, tanto maior será o peso atribuído a um constituinte. Neste método, os pesos são atribuídos com base no comportamento de cada variável individual relativamente ao grupo de séries constituintes, indepen-dentemente da série de referência escolhida. Em contraste, um segundo método, denominado “análise da regressão”, explora o comportamento de uma única variável em relação quer ao grupo de séries constituintes quer à série de referência escolhida. Através deste método, é atribuída a uma série individual um peso tanto mais elevado quanto maior o rigor com que a sua evolução reflecte a do ciclo económico de referência. Nesse sentido, a análise da regressão pode ser vista como assente nas relações económicas entre os ciclos económicos de referência e as séries constituintes, reflectindo-as na medida em que ambas são extraídas de dados, enquanto
a análise da componente principal é puramente um método estatístico.
A fim de trazer alguma luz sobre a contribuição que os indicadores compósitos disponíveis podem dar à análise do ciclo económico da área do euro, construíram-se neste artigo vários indicadores compósitos, utilizando as metodologias padrão descritas acima. Os indicadores compósitos são calculados a partir de um conjunto de séries constituintes, tais como as frequentemente utilizadas por instituições dos sectores público e privado. Embora, por vezes, sejam igualmente utilizados dados para cada país da área do euro a nível individual, uma vez que cobrem um maior leque de variáveis, os dados aqui utilizados referem-se ao conjunto da área do euro. Neste caso, as séries constituintes compreendem: a confiança na indústria publicada nos Inquéritos da Comissão
Europeia às empresas, a produção industrial em países da OCDE não pertencentes à área do euro, o indicador avançado publicado pela OCDE para os países da OCDE situados fora da área do euro, um agregado monetário da área do euro em termos reais e uma medida da curva de rendimentos da área do euro. A confiança na indústria tem um avanço menor do que as outras séries e, como tal, restringe o avanço de qualquer indicador que a utilize. Por conseguinte, são também construídos alguns indicadores compósitos que não incluem a confiança na indústria. Essas combinações são designadas por indicadores avançados, enquanto os indicadores compósitos que incluem a confiança na indústria são referidos como exemplos de indicadores coincidentes. O Gráfico 2 apresenta alguns exemplos depois da sincronização com a respectiva série de referência.
Gráfico 2
Indicadores compósitos ilustrativos
Face ao crescimento homólogo da produção industrial Face ao crescimento homólogo do PIB
Fontes: Eurostat, OCDE e cálculos do BCE
-3 -2 -1 0 1 2 3 1990 1992 1994 1996 1998 2000-2 -1 0 1 2 3 4 5
exemplo com pesos baseados nas componentes principais (escala da esquerda)
PIB (crescimento homólogo, escala da direita) exemplo com pesos baseados nas regressões (escala da direita)
exemplo de indicador avançado (escala da direita) exemplo com pesos baseados nas componentes
principais (escala da esquerda)
produção industrial (crescimento homólogo, média móvel de 3 meses, escala da direita)
exemplo com pesos baseados nas regressões (escala da direita)
exemplo de indicador avançado (escala da direita)
-4 -3 -2 -1 0 1 2 3 1990 1992 1994 1996 1998 2000 -8-6 -4 -20 2 4 6 8
4 Utilidade de um indicador sintético
Em geral, o primeiro objectivo de um indicador compósito é sintetizar a informação de indicadores individuais por forma a reflectir a evolução geral da actividade económica. A dimensão em que uma variável reflecte o padrão cíclico da série de
referência é avaliada neste artigo de duas formas, utilizando as chamadas correlações máximas e os testes de causalidade de Granger. Os resultados são apresentados no Quadro 1.
O coeficiente de correlação máximo refere-se à correlação entre a série de referência e o indicador compósito ao longo de todo o período da amostra, sendo o indicador compósito desfasado de um número de meses ou trimestres a fim de maximizar o coeficiente de correlação. A amplitude do coeficiente de correlação indica a forma como o indicador compósito em causa segue de perto o padrão cíclico do índice de referência. Os indicadores construídos com pesos baseados na regressão têm um melhor desempenho do que os indicadores com pesos baseados nas componentes principais neste teste, em especial no caso do PIB como ciclo de referência. O avanço refere-se ao “avanço
efectivo”, ou seja, considera os calendários de publicação, bem como os resultados da análise da correlação. Com efeito, as séries constituintes são geralmente publicadas muito mais atempadamente do que os dados da produção e do PIB. Os valores dos indicadores compósitos num dado mês ou trimestre podem portanto ser calculados antes de os dados para a produção industrial e para o PIB para esse período se tornarem disponíveis. Os exemplos aqui ilustrados são pelo menos coincidentes. Os resultados mostram que os indicadores coincidentes dominam os indicadores avançados em termos dos coeficientes de correlação máximos, o que aponta para a importância
Quadro 1
Correlações e causalidade de Granger
Fonte: Cálculos do BCE
Correlação máxima ao longo Avanço efectivo Causalidade de Granger de toda a amostra
Face ao crescimento homólogo da produção industrial
Coincidente 0.8 1-3 meses Um sentido
Avançado 0.7 8 meses Um sentido
Face ao crescimento homólogo do PIB
Coincidente 0.6 -0.8 0-1 trimestre Um sentido ou
não significativo
Avançado 0.7 5 trimestres Um sentido
Gráfico 3
Correlação móvel dos indicadores compósitos ao longo de períodos de cinco anos Face ao crescimento homólogo da produção industrial Face ao crescimento homólogo do PIB
exemplo com pesos baseados nas componentes principais
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1990 1992 1994 1996 1998 2000 1990 1992 1994 1996 1998 2000
exemplo com pesos baseados nas regressões exemplo de indicador avançado
exemplo com pesos baseados nas componentes principais exemplo com pesos baseados nas regressões
de se considerarem indicadores coincidentes para confirmar (ou não) os sinais dados pelos indicadores avançados.
Não apenas a actuação ao longo de todo o período da amostra é importante, mas também a estabilidade da relação. A fim de testar a estabilidade, pode realizar-se uma correlação deslizante, ou seja, uma correlação ao longo de um período com uma duração específica (neste caso, um período de cinco anos), em vez de ao longo de toda a amostra, e com a data de início do período a variar entre um mês ou um trimestre de cada vez. A estabilidade da correlação calculada ao longo destes períodos de cinco anos é uma indicação da estabilidade da relação entre o indicador compósito e a série de referência. Os resultados para os indicadores compósitos do exemplo são aqui mostrados no Gráfico 3. Verifica-se uma clara queda nas correlações móveis em torno de 1990. Porém, para a década de 90 como um todo, a maioria dos indicadores terão tido um comportamento relativamente bom, mais notório na produção industrial do que no PIB. Além disso, as correlações móveis dos indicadores coincidentes dominam as dos indicadores avançados, reforçando assim o ponto acima indicado relativamente à importância de considerar os indicadores coincidentes. Um vasto número de variáveis económicas tem em geral uma variação relativamente lenta, o que implica que a evolução actual e a curto prazo numa série pode pelo menos parcialmente ser inferido a partir dos
desenvolvimentos recentes da própria série. O teste de causalidade de Granger avalia se, além dos valores passados de uma série de referência, os anteriores valores de um indicador compósito contribuem para melhorar a previsão do valor actual da série de referência. Este teste é efectuado nas duas direcções, ou seja, calcula também se a série de referência contribuiria para explicar o comportamento dos indicadores compósitos. Idealmente, um indicador compósito teria poder de previsão para a série de referência e não o oposto. Se for esse o caso, pode dizer-se que as variações no indicador compósito precedem as variações na série de referência. São, porém, frequentes relações nos dois sentidos. É de salientar que a causalidade de Granger não é uma prova real de causalidade. Os co-movimentos são frequentemente justificados por factores comuns que afectam quer a série de referência quer a série do indicador. Aparentemente, a maioria dos indicadores compósitos aqui utilizados contribuem para explicar o comportamento da série de referência, enquanto esta não pode contribuir para explicar a evolução actual dos indicadores compósitos.
No geral, os indicadores compósitos parecem poder reflectir anteriores desenvolvimentos gerais no ciclo económico. Porém, a estabilidade da relação entre os indicadores do exemplo e os ciclos de referência flutuou fortemente ao longo do tempo, levantando algumas dúvidas quanto à utilidade de tais indicadores na prática actual.
5 Detecção de pontos de viragem
Os indicadores compósitos têm geralmente como segundo objectivo a sinalização (avançada) de pontos de viragem na evolução do ciclo económico. A fim de avaliar o valor informativo de indicadores compósitos a este respeito, dever-se-ia examinar em primeiro lugar se, no passado, os pontos de viragem foram detectados com antecedência relativamente à sua ocorrência efectiva na
série de referência e, em segundo lugar, se os indicadores compósitos reflectiram todos os pontos de viragem na série de referência, não exibindo ciclos extra. No exemplo de indicadores compósitos aqui apresentado foram determinados pontos de viragem através do mesmo método aplicado à série de referência. É de salientar que, embora este método seja útil na identificação de