conjunctuur
Voorspelkracht conjunctuurÂ
indicatoren eurogebied
Economische groeicijfers verschijnen in het eurogebied op
kwartaalbasis met een aanzienlijke vertraging. Maandelijkse
conjunctuurindicatoren zijn eerder beschikbaar, maar niet
allen even betrouwbaar. De top vijf van de indicatorranglijst
duidt in 2008 op verdere afname van de bbp-groei.
G
egevens over het bruto binnenlands
product (bbp) zijn in het eurogebied op
kwartaalbasis, en dan pas geruime tijd na
afloop van dat kwartaal, beschikbaar. Zo
verschijnt de eerste raming van de bbp-groei in het
eurogebied 45 tot 48 dagen na afloop van het kwartaal. De lage frequentie en de aanzienlijke vertraging
waarmee bbp-cijfers worden gepubliceerd maakt het
voor beleidsmakers moeilijk een actueel beeld te krijgen van de stand van de economie. Dit wordt extra
bemoeilijkt omdat de bbp-cijfers regelmatig worden
herzien. Zo kunnen de Nederlandse bbp-cijfers tot
tweeënhalf jaar na publicatie van de initiële raming
worden herzien. Conjunctuuronderzoekers zoeken
dan ook hun toevlucht in maandelijks gepubliceerde
conjunctuurindicatoren. Naast de hogere publicatieÂ
frequentie is een belangrijk voordeel dat deze indicatoren zelden of nooit worden herzien. Nadeel is dat
de indicatoren, in tegenstelling tot het bbp, slechts
een deel van de economie beschrijven, bijvoorbeeld
industriële productie of consumptie, en soms erg volatiel zijn, zoals financiëlemarktgegevens. Bovendien
geven de verschillende conjunctuurindicatoren, mede
als gevolg van het enorme aantal beschikbare indicatoren, regelmatig tegengestelde signalen af. Om
te onderzoeken welke indicatoren een betrouwbaar
signaal afgeven, is de voorspelkracht van honderdzeventig indicatoren voor de bbp-kwartaalgroei in
het eurogebied geanalyseerd. De uitkomst is een
indicatorranglijst.
Constructie indicatorranglijst
Jasper de Winter en
Koen van der Veer
Economen bij De Nederlandsche Bank
136
ESB
Om de indicatorranglijst te construeren worden
alle indicatoren gerangschikt op basis van de voorspelkracht die zij toevoegen aan een autoregressief model van het bbp, een in de economische
literatuur beproefde methode (Cecchetti, Chu en
Steindel, 2000; Banerjee en Marcellino, 2006).
Econometrische toetsing biedt uitsluitsel over de precieze functionele vorm van het model en het aantal
opgenomen vertragingen. In eerste instantie wordt
het model voor de verschillende indicatoren geschat
van het eerste kwartaal van 1985 tot en met het
vierde kwartaal van 1994. Op basis van deze initiële
schatting wordt een voorspelling gedaan voor het bbp
7 maart 2008
voor de kwartalen van 1995. Voor elk kwartaal wordt
de voorspelfout bepaald door de voorspelling te vergelijken met de gerealiseerde bbp-waarde. Vervolgens
neemt de schattingsperiode met één jaar toe (tot en
met 1995) en wordt een voorspelling voor de kwarÂ
talen van 1996 gegenereerd. Deze stap wordt herhaald totdat de schattingsperiode doorloopt tot het
vierde kwartaal van 2005 en voorspellingen worden
gegenereerd voor 2006. Deze zogenaamde voortrollende schattingsmethodiek komt het best overeen
met de beleidspraktijk, waarbij voor het duiden van
de mutatie van een indicator de gemiddelde mutatie
in het verleden vaak als referentie wordt gebruikt.
Uit de eerste resultaten komt naar voren dat er geen
indicator is die de bbp-groei altijd beter voorspelt
dan de andere indicatoren. Mogelijke verklaring voor
het verspringen van de beste indicator is dat de groei
niet elk jaar wordt gedreven door dezelfde factoren.
Dit wil niet zeggen dat het nutteloos is te kijken naar
conjunctuurindicatoren. Het is namelijk nog steeds
nuttig te weten welke indicator over een langere
periode gemiddeld de beste voorspeleigenschappen heeft. De gemiddelde voorspeleigenschappen
van een indicator zijn gemeten aan de hand van drie
criteria. Ten eerste, het aantal jaren in de voorspelperiode waarin het model met de indicator een kleinere
voorspelfout genereert dan het autoregressieve bbpmodel. Ten tweede, de mediane voorspelfout één
kwartaal vooruit. Ten derde, de mediane voorspelfout
over een periode van één tot en met vier kwartalen
vooruit.
De rang van een indicator is de uitkomst van het
ongewogen gemiddelde van de rang op de drie
criteria. Om te onderzoeken of de rangorde robuust
is, is getoetst of deze substantieel verandert indien
de periode waarover de voorspelkwaliteit is gemeten
wordt verkort of de weging van de drie criteria wordt
aangepast.
Uitkomsten indicatorranglijst
In figuur 1 is de top vijf van de indicatorranglijst
weergegeven. De IFO-index komt als beste voorspeller
voor de bbp-groei naar voren. Zowel de IFO-headlineindicator als een van de twee deelindicatoren behoort
tot de beste vijf indicatoren. De verwachtingencomponent van de IFO-index is verreweg de beste indicator.
De IFO-indicator scoort op alle drie criteria gemiddeld
het best. Zo voorspelt de beste deelindex van de
IFO-indicator in alle jaren beter dan een autoregressief bbp-model (criterium 1), is de voorspelfout één
kwartaal vooruit verwaarloosbaar klein (criterium 2)
en wijkt de voorspelfout op de middellange termijn
gemiddeld 0,73 procentpunt af van de daadwerkelijke
bbp-groei (criterium 3). De IFO is voor conjunctuurÂ
vorsers een bekende indicator. Een andere veelgebruikte indicator in de top vijf van de ranglijst is de
CPB-wereldhandelsmonitor, die met name op de
korte termijn een kleine voorspelfout heeft. Er is ook
een prijsindicator vertegenwoordigd in de top vijf van
beste indicatoren, te weten de producentenprijs van
intermediaire goederen.
Opvallende resultaten uit
de indicatorranglijst
Onder de beste conjunctuurindicatoren zijn relatief veel deelindicatoren, terwijl de aandacht in de
media en onder beleidsmakers doorgaans uitgaat
naar de headline-cijfers. Enkele krantenkoppen
in Het Financieele Dagblad sinds eind oktober:
Consumentenvertrouwen eurozone in oktober onder
verwachting (31 oktober), Minder orders voor
Europese industrie (22 november). De ranglijst indiceert echter dat deze nadruk op de headline-indices
niet door betrouwbaarheid wordt gefundeerd. Voor
vrijwel alle door ons onderzochte indicatoren staat de
headline-indicator lager in de ranglijst dan ten minste een van de deelindices. Neem bijvoorbeeld de
vertrouwenscijfers van de Europese Commissie. Zo
wordt er op rangnummer 20 een deelindex van het
industriële vertrouwen gevonden: nieuwe orders in
de afgelopen maanden, terwijl het headline-industrieelvertrouwen op nummer 47 staat. Het consumentenvertrouwen kent een nog groter verschil tussen de
headline-index en de beste deelindex. De bereidheid
tot het doen van grote aankopen staat op nummer
16, terwijl het headline-consumentenvertrouwen op
104 staat. Mogelijke oorzaak voor de relatief slechte
voorspelkwaliteit van de headline-index is dat deze
te veel een eenvoudig gemiddelde is van deelindices
die sterk verschillen in voorspellende waarde. Deze
uitkomst sluit aan bij een artikel in ESB waarin werd
geconcludeerd dat sommige deelindices van het
consumentenvertrouwen de consumptiegroei beter
voorspellen dan het headline-consumentenvertrouwen (De Winter en Van der Veer, 2007). Een andere
figuur 2
Raming van de bbp-groei op korte en
lange termijn, op basis van de vijf beste
conjunctuurindicatoren (gemiddelde)
procentuele mutatie (kwartaal-opkwartaal)
figuur 1
Indicatorranglijst top vijf
overeenkomst met die analyse is dat ook nu de beste deelindices geen onderdeel
uitmaken van de headline-indexen. De analyse indiceert ook dat enquêtegegevens, ofwel zachte indicatoren, qua voorspelkracht niet onderdoen voor harde
indicatoren zoals de industriële productie of wereldhandelsgroei. De gemiddelde
rangorde van zachte en harde indicatoren is vergelijkbaar, en de beste indicator
is een zachte indicator. Recent onderzoek (Ban
´bura en Rünstler, 2007) komt
tot dezelfde conclusie, waarbij met name de relatief snelle beschikbaarheid van
enquêtegegevens als belangrijk pluspunt wordt genoemd.
Bbp-voorspelling op basis van de vijf beste indicatoren
De indicatorranglijst kan in de praktijk worden gebruikt om tegengestelde signalen van indicatoren op waarde te schatten. Een tweede toepassing is het genereren van korte- en middellangetermijnvoorspellingen voor de bbp-groei in het
eurogebied. Op basis van het ongewogen gemiddelde van de bbp-voorspelling
van de vijf beste conjunctuurÂndicatoren kan een groeivoorspelling voor het
i
eurogebied worden berekend. In vergelijking met complexe dynamische evenwichts- en factormodellen (Den Reijer, 2005) is deze aanpak relatief eenvoudig.
Dit betekent echter niet dat deze voorspelling minder accuraat is. Eenvoudige
voorspelmodellen blijken namelijk moeilijk te verslaan (Marcellino, 2006). In
figuur 1 is op basis van de voorhanden informatie over de topvijfindicatoren
een voorspelling gegenereerd voor het eerste kwartaal van 2008 (links), en de
gemiddelde groei tot en met het vierde kwartaal van 2008 (rechts).
De (ongewogen) gemiddelde raming voor de bbp-groei in het eerste kwartaal
van 2008 is 0,3 procent kwartaal-op-kwartaal. Daarbij valt op dat de CPBwereldhandelsmonitor een iets optimistischer signaal afgeeft dan de overige vier
indicatoren. Dit kan zijn ingegeven door de relatief gunstige ontwikkeling van
de wereldhandelsgroei in vergelijking met de ontwikkeling van de binnenlandse
vraag. Op de middellange termijn indiceren alle indicatoren een iets hogere
bbp-groei. In de periode die loopt van het eerste kwartaal van 2008 tot en met
het vierde kwartaal van 2008 ligt de geraamde groei op 0,4 procent kwartaalop-kwartaal (1,7 procent jaar-op-jaar). Per saldo geven de indicatoren aan dat
de economie in het eurogebied na twee jaar van boven-potentiële groei in 2008
afneemt tot onder-potentieel.
Literatuur
Banbura, M. en G. Rünstler (2007), A look into the factor model
´
black box -publication lags and the role of hard and soft data in
forecasting GDP. ECB Working Paper, 751.
Banerjee, A. en M. Marcellino (2006) Are there any reliable leading indicators for US inflation and GDP growth? International
Journal of Forecasting, 1(22), 137–151.
Cecchetti, S.G., R.S. Chu en C. Steindel (2000) The unreliability of
inf lation indicators. Current issues in economics and finance, vol. 4.
Federal Reserve Bank of New York.
Marcellino, M. (2006) Leading indicators. In: Elliot, G., C.
Granger en A. Timmerman (red.) Handbook of Forecasting.
Amsterdam: Elsevier, 879–960.
Winter, J.M. de en K.J.M. van der Veer (2007) Consument heeft
rooskleurig beeld van economie. ESB 92(4515), 462–463.
Reijer, A. den (2005) Forecasting Dutch GDP using Large Scale
Factor Models. DNB Working Paper 28.
ESB
7 maart 2008
137