Identifikace hospodářského cyklu v České republice a na Slovensku

Mendelova univerzita v Brně Provozně ekonomická fakulta

Identifikace hospodářského cyklu v České republice a na Slovensku Bakalářská práce

Vedoucí práce:

Autorka:

Doc. Ing. Václav Adamec, Ph.D.

Brno 2014

Michaela Krejčová

Mnohokrát děkuji Doc. Ing. Václavu Adamcovi, Ph.D. za jeho trpělivost, ochotu a cenné rady poskytnuté během zpracovávání této bakalářské práce.

Čestné prohlášení Prohlašuji, že jsem tuto práci: Identifikace hospodářského cyklu v České republice a na Slovensku vypracovala samostatně a veškeré použité prameny a informace jsou uvedeny v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb., o vysokých školách ve znění pozdějších předpisů, a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědoma, že se na moji práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 Autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity o tom, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity, a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše. V Brně dne 19. 05. 2014

_______________________________

Abstract Krejčová, M. Identification of the business cycle in the Czech Republic and the Slovak Republic. Bachelor thesis. Brno: Mendel University, 2014. This thesis deals with the identification and synchronicity of business cycles in the Czech Republic and the Slovak Republic. There are used two methods to estimate the cyclical components: the Hodrick-Prescott filter and the method of first logarithmic difference. The economic cycle is approximated using two indicators: gross domestic product and industrial production index. To assess the synchronicity of the Czech and Slovak economic cycles is used correlation analysis. Keywords Business cycle, potential output, output gap, Hodrick-Prescott filter, first logarithmic differences, VAR model, synchronicity.

Abstrakt Krejčová, M. Identifikace hospodářského cyklu v České republice a na Slovensku. Bakalářská práce. Brno: Mendelova univerzita v Brně, 2014. Tato bakalářská práce se zabývá identifikací a synchronností hospodářských cyklů v České republice a na Slovensku. V práci jsou využity dvě metody odhadu cyklické složky: Hodrick-Prescottův filtr a metoda první logaritmické diference. Hospodářský cyklus je aproximován pomocí dvou ukazatelů: hrubý domácí produkt a index průmyslové produkce. K posouzení synchronnosti českého a slovenského hospodářského cyklu je využita korelační analýza. Klíčová slova Hospodářský cyklus, potencionální produkt, produkční mezera, Hodrick-Prescottův filtr, první logaritmická diference, VAR model, sladěnost.

Obsah

6

Obsah 1

2

3

Úvod a cíl práce 1.1

Úvod....................................................................................................................................... 11

1.2

Cíl práce................................................................................................................................ 12

Literární přehled

13

2.1

Příčiny vzniku hospodářského cyklu ........................................................................ 13

2.2

Růstové a klasické hospodářské cykly ..................................................................... 14

2.3

Fáze hospodářského cyklu............................................................................................ 16

2.4

Důvody možné sladěnosti hospodářských cyklů ................................................. 17

2.5

Metody extrahování cyklické složky ......................................................................... 19

Materiál a metodika

21

3.1

Data ........................................................................................................................................ 21

3.2

Detrendovací techniky ................................................................................................... 22

3.2.1

Logaritmická diference prvního řádu ............................................................ 22

3.2.2

Hodrick-Prescottův filtr....................................................................................... 23

3.3

Identifikace hospodářského cyklu ............................................................................. 24

3.3.1

Test nezávislosti v kontingenční tabulce ...................................................... 25

3.3.2

Body zvratu............................................................................................................... 26

3.4

Pearsonův korelační koeficient .................................................................................. 27

3.4.1

Test významnosti korelačního koeficientů .................................................. 27

3.4.2

Test shody korelačních koeficientů ................................................................ 28

3.5

Klouzavá korelace ............................................................................................................ 29

3.6

Vektorový autoregresní model ................................................................................... 30

3.6.1 4

11

Grangerova kauzalita ............................................................................................ 30

Výsledky a diskuze 4.1

31

Identifikace hospodářského cyklu ............................................................................. 31

4.1.1

Hrubý domácí produkt ......................................................................................... 31

4.1.2

Index průmyslové produkce .............................................................................. 34

4.2

Synchronnost hospodářských cyklů ......................................................................... 37

Obsah

7

4.2.1

Hrubý domácí produkt ......................................................................................... 38

4.2.2

VAR model................................................................................................................. 41

4.2.3

Index průmyslové produkce .............................................................................. 43

4.3

Diskuze ................................................................................................................................. 47

5

Závěr

49

6

Literatura

52

Přílohy

56

Obrázkové přílohy ........................................................................................................... 57 Tabulkové přílohy ............................................................................................................ 59

Seznam obrázků

8

Seznam obrázků Obr. 1

Růstový hospodářský cyklus Zdroj: Bonenkamp (2001)

15

Obr. 2

Klasický hospodářský cyklus Zdroj: Bonenkamp (2001)

16

Obr. 3

Fáze hospodářského cyklu Zdroj: Jurečka (2010)

17

Obr. 4

Vývoj produkční mezery v ČR (HP-filtr, HDP) Zdroj: EUROSTAT

31

Obr. 5

Vývoj produkční mezery SR (HP-filtr, HDP) Zdroj: EUROSTAT

32

Obr. 6

Vývoj produkční mezery v ČR (HP-filtr, IPP) Zdroj: OECD

34

Obr. 7

Vývoj produkční mezery v SR (HP-filtr, IPP) Zdroj: OECD

35

Obr. 8

Produkční mezery ČR a SR (HP-filtr, HDP) Zdroj: EUROSTAT

38

Obr. 9

První logaritmické diference ČR a SR (HDP) Zdroj: EUROSTAT

39

Obr. 10

Klouzavá korelace (FOD a HP-filtru, HDP) Zdroj: EUROSTAT

40

Obr. 11

Hospodářský cyklus ČR a SR (HP-filtr, IPP) Zdroj: OECD

43

Obr. 12

První logaritmické diference ČR a SR 1996:M5-2004:M4 (IPP) Zdroj: OECD

45

Obr. 13

První logaritmická diference ČR a SR 2004:M5-2013:M12 (IPP) Zdroj: OECD

45

Obr. 14

Klouzavá korelace (FOD a HP-filtr, IPP) Zdroj: OECD

46

Obr. 15

Korelogram logaritmických diferenci reálného HDP ČR a zpožděného HDP SR

57

Obr. 16

Vývoj první logaritmické diference SR (1996:Q2-2013:Q4, HDP) Zdroj: EUROSTAT

57

Obr. 17

Vývoj první logaritmické diference ČR za období (1996:Q2-2013:Q4, HDP) Zdroj: EUROSTAT

58

Seznam tabulek

9

Seznam tabulek Tab. 1

Kontingenční tabulka typu 2×2

25

Tab. 2

Vymezení fází hospodářských cyklů v ČR (HP-filtr, HDP)

32

Tab. 3

Vymezení fází hospodářských cyklů v SR (HP-filtr, HDP)

33

Tab. 4

Kontingenční tabulka (HDP)

33

Tab. 5

Vymezení hospodářských cyklů v ČR (HP-filtr, IPP)

35

Tab. 6

Vymezení hospodářských cyklů v SR (HP-filtr, IPP)

36

Tab. 7

Kontingenční tabulka (IPP)

36

Tab. 8

Přehled období, za které se počítal korelační koeficient

37

Tab. 9

Výběrové korelační koeficienty pro hospodářský cyklus (HP- filtr, HDP)

38

Zdrojová data a výsledky Fisherovy transformace (HP-filtr, HDP)

39

Tab. 11

Výběrové korelační koeficienty hospodářských cyklů (FOD, HDP)

39

Tab. 12

Zdrojová data a výsledky Fisherovy transformace (FOD, HDP)

40

Informační kritéria pro VAR model pro jednotlivé řády zpoždění

41

Tab. 14

VAR (1) model

42

Tab. 15

Výběrové korelační koeficienty pro hospodářský cyklus (HP-filtr, IPP)

44

Tab. 16

Zdrojová data a výsledky Fisherovy transformace (HP-filtr, IPP)

44

Tab. 17

Korelační koeficienty pro hospodářský cyklus (FOD, IPP)

45

Tab. 18

Zdrojová data a výsledky Fisherovy transformace (FOD, IPP)

46

Tab. 10

Tab. 13

Seznam tabulek

10

Srovnání párových korelačních koeficientů podle ukazatele a použité metody

47

Tab. 20

Běžné HDP (ČR a SR) za období 1996:Q1-2013:Q4

59

Tab. 21

Bazické indexy IPP (ČR a SR) za období 1996:M1-2013:M12

60

Tab. 19

Úvod a cíl práce

11

1 Úvod a cíl práce 1.1

Úvod

Česká republika (ČR) a Slovenská republika (SR) vznikly k 1. 1. 1993 zánikem Československa, v této federaci spolu soužily přes 70 let. I když tyto země už nejsou součástí jednoho státu, zůstávají nadále významnými obchodními partnery. Jedním ze způsobů identifikace hospodářských cyklů v těchto zemích může být určení produkční mezery. Ta vyjadřuje vztah mezi ukazatelem ekonomické aktivity a potencionálním produktem. Za ukazatel ekonomické aktivity může být považován hrubý domácí produkt (HDP) nebo index průmyslové produkce (IPP). Potenciální produkt bývá ve většině makroekonomických přístupů vyjadřován trendem daného ukazatele ekonomické aktivity (HDP). (Hájek a Bezděk, 2000) Zjišťování potencionálního produktu a produkční mezery má nezanedbatelný význam pro celou ekonomiku. Fiskální autoritě usnadňují výpočet sezónně očištěného rozpočtového deficitu. (Kloudová, 2013) Pro centrální banku je jednak jedním z klíčových ukazatelů o existenci či absenci poptávkových tlaků v ekonomice a jednak ukazatelem pro rozhodování o změně úrokových sazeb. (ČNB, 2003) V makroekonomických analýzách je produkční mezera používaná k hodnocení současné a budoucí úrovně inflačních tlaků. (Kadeřábková a Žďárek, 2006) Správné odhadnutí současné a budoucí produkční mezery je důležité i pro příslušné vlády a jejich fiskální politiku. Je-li identifikovaná záporná produkční mezera, nebo očekává-li se, že k záporné produkční mezeře v nejbližších obdobích dojde, je možné očekávat, že příslušné vlády budou chtít podpořit ekonomiku. K tomuto účelu mohou použít nástroje fiskální politiky jako zvýšení vládních výdajů, snížení úrokových sazeb, případně lze zavést vestavěné stabilizátory, které automaticky zmírňují výkyvy v ekonomice. Nastane-li opačná situace, kdy je identifikována kladná produkční mezera a dochází-li k tzv. přehřátí ekonomiky, dá se předpokládat, že příslušné vlády budou provádět restriktivní fiskální politiku s cílem utlumit ekonomickou aktivitu. K tomuto účelu mohou použít nástroje fiskální politiky jako zvyšování úrokových sazeb, snižování vládních výdajů a opět vestavěné stabilizátory. Vhodnými nástroji jsou tedy příslušné vlády schopny zmírňovat amplitudu hospodářského cyklu, aby nedocházelo k příliš velkému poklesu ani nárůstu ekonomické aktivity. Velkou roli zde hraje samozřejmě načasování. Než příslušné vlády stihnout zrealizovat příslušné opatření, může se stát, že už nebude v zásadě potřebné a nebude dosahovat cíleného efektu. (Jurečka, 2010) Společná minulost obou zemí je důvodem pro zkoumání synchronnosti hospodářských cyklů České a Slovenské republiky v této práci. Dalším důvodem zkoumání synchronnosti je i jejich velmi podobný proces evropské integrace, obě země vstoupily 24. 5. 2004 do Evropské unie. Obě země se tímto zavázaly přijmout po splnění konvergenčních kritérii společnou evropskou měnu euro. Slovenská republika vstoupila do eurozóny už rokem 2009. Českou republiku tento krok teprve čeká. Sladěnost hospodářských cyklů členských zemí je jedním z kritérií definovaných v rámci novodobého pojetí teorie optimálních měnových oblastí.

Úvod a cíl práce

12

Chceme-li zkoumat synchronnost hospodářských cyklů, je nutné hospodářské cykly v obou zemích také identifikovat. Pro některá odvětví jsou jednotlivé fáze hospodářského cyklu určující pro jejich další vývoj. Odvětví jako stavebnictví a automobilový průmysl kopírují křivku hospodářského cyklu, což znamená, že v době expanze velmi prosperují, naopak v době recese se potýkají s těžkými problémy. Tyto dvě odvětví se chovají cyklicky. Existují i anticyklická odvětví jako například prodej levného oblečení a potravin, těmto odvětvím se naopak daří v době kontrakce. Vybrané statky nezbytné potřeby jako prodej potravin a léků jsou neutrální ve vztahu k hospodářskému cyklu, jejich prosperita nezáleží na tom, v jaké fázi se cyklus nachází. (Synek a Kislingerová, 2010) Tato práce se tedy zabývá identifikací produkční mezery a potencionálního produktu v České a Slovenské republice a následnou identifikací hospodářského cyklu v těchto dvou zemích. Je zde sledována i synchronnost českého a slovenského hospodářského cyklu, kde je jedním z přelomových období vstup do EU.

1.2 Cíl práce Cílem této bakalářské práce je odhadnout potenciální produkt, produkční mezeru a identifikovat hospodářský cyklus v České republice a na Slovensku. Dále zhodnotit podobnost ekonomických cyklů v obou zemích a vyjádřit se k výhodám a nevýhodám použití různých způsobů identifikace hospodářského cyklu. Jsou tedy stanoveny následující konkrétnější dílčí cíle: Dílčí cíl 1: Pomocí metody HP-filtru identifikovat hospodářský cyklus v České republice a na Slovensku na datech (HDP a IPP) a zhodnotit jejich podobnost. Dílčí cíl 2: S využitím dat (HDP a IPP) a metod (HP-filtru a první logaritmické diference) posoudit sladěnost hospodářských cyklů před vstupem a po vstupu do EU. Dílčí cíl 3: Vyjádřit se k výhodám a nevýhodám použití metod (první logaritmické diference a HP-filtru) k identifikaci hospodářského cyklu.


13

2 Literární přehled 2.1 Příčiny vzniku hospodářského cyklu V historii se objevilo několik názorů na to, co způsobuje opakující se ekonomické výkyvy. Je možné rozlišit dva druhy ekonomických výkyvů, a to strukturální a cyklické. Strukturální výkyvy jsou charakteristické tím, že některá odvětví v průběhu těchto výkyvů expandují a jiná omezují výrobu. Mohou být způsobeny měnícími se preferencemi spotřebitelů, měnící se vzácnosti ekonomických zdrojů nebo objevováním nových výrobních poznatků či technologií. Cyklické výkyvy jsou charakterizovány, na rozdíl od strukturálních, všeobecným poklesem a následným růstem výroby a zaměstnanosti téměř ve všech oblastech. (Holman, 2011) Níže jsou uvedeny některé názory týkající se vzniku cyklických výkyvů. První jsou zmíněny zástupci institucionalismu, který se začal rozvíjet od 90. let 19. století. Zástupci tohoto směru tvrdí, že při dosahování určité ekonomické výkonosti mají zásadní roli instituce a jejich vývoj. Instituce mohou mít v tomto směru podobu tradic, zvyků, uznávaných forem chování sociálních skupin a právem stanovených norem. (Mlčoch, 2005) Další názor je Josefa Aloise Schumpetera (1939), který viděl příčinu vzniku cyklů v inovacích, které podle něj v čase nevznikají rovnoměrně ale ve shlucích. Inovační boom podle něj způsobí hospodářský růst, následný útlum inovačního boomu způsobí pokles hospodářského růstu. Schumpeter patřil svým smýšlením do neorakouské školy, která od 30. let 20. století obhajovala myšlenky liberalismu. Schumpeter zastával také názor, že skutečný průběh ekonomické aktivity se skládá z těchto tří následujících cyklů, které se navzájem ovlivňují. První z nich jsou Kondrátěvovy cykly, které trvají 45-60 let a jsou způsobeny technologickými inovacemi, válkami, revolucemi, apod. Další jsou Juglarovy cykly. Jejich délka je 7-11 let a jsou způsobeny periodickými výkyvy investic do kapitálových statků. Poslední z výčtu jsou Kitchinovy cykly, které trvají 3-5 let a jsou spojovány s opakovanými změnami v zásobách rozpracované výroby. Dále je zmíněna Švédská škola, která ve 20. a 30. letech dvacátého století navazuje na myšlenky Gustava Cassela. Gustav Cassel vidí příčinu hospodářských cyklů v technologickém pokroku, populačním vývoji a objevování nových přírodních zdrojů. Tyto faktory podle něj mají vliv na výši výnosů očekávaných z investic. (Holman, 1999) Velká deprese 30. let zásadním způsobem snížila důvěryhodnost neoklasické teorie a díky tomu se do popředí zájmu dostalo keynesiánství, které bylo dominantní až do počátku 70. let 20. století. Tento směr chápe hospodářské výkyvy jako důsledek vnitřní nestability tržního systému. Cykly jsou například podle Johna Maynarda Keynese, hlavního zástupce tohoto směru, vyvolány kolísáním efektivní poptávky1. Je-li efektivní poptávka na úrovni odpovídající plné zaměstnanosti, Efektivní poptávka je bodem na křivce agregátní poptávky, který odpovídá výdajům soukromého a veřejného sektoru, jež následně determinují určitou úroveň zaměstnanosti. (Sojka, 2010) 1


14

bude ekonomika vytvářet národní důchod při plné zaměstnanosti. Jakmile dojde k poklesu efektivní poptávky pod tuto úroveň, začnou probíhat přizpůsobovací procesy, které vedou ke snižování rozsahu zaměstnanosti, vyráběné produkce i důchodu a úspor. (Sojka, 2010) V 50. až 70. letech dvacátého století se postupně vyvíjelo postkeynesiánství. Reprezentantem americké větvě je Hyman Minský (1982), který hlavní příčinu nestability ekonomiky viděl v investicích, konkrétně ve způsobu financování investic a v institucionálním prostředí. Problém viděl v tom, že investice a ostatní aktiva jsou financovány z úvěrů. Teorie politického hospodářského cyklu je spojena s teorií veřejné volby, jejich počátky jsou v polovině 20. století. Tato teorie tvrdí, že vnější příčinou vyvolávající hospodářský cyklus je politický cyklus, který závisí na frekvenci opakování voleb. Vlády si přejí získat v každých volbách co největší počet hlasů, proto přibližně jeden až dva roky před následujícími volbami preferují expanzivní politiku, která vede k růstu produkce a zaměstnanosti. Inflace způsobená touto politikou se dostaví až později. Vlády krátce po volbách se snaží prosazovat restriktivní politiku, která zapříčiní negativní efekt snížení zaměstnanosti a ekonomického růstu. Pozitivní efekt nižší inflace se dostaví později, kdy se budou blížit nové volby (Holman, 2011) V průběhu 60. a 70. let dvacátého století byl rozpracován monetarismus. Milton Friedman, který je zástupce tohoto směru, tvrdí, že hlavní příčinou vzniku cyklů jsou poruchy ve vývoji tržní ekonomiky, způsobené prudkými změnami nabídky peněz a nestabilním vývojem množství peněz v oběhu. Množství peněz v oběhu by se podle něj mělo každoročně zvyšovat v souladu s dlouhodobým tempem růstu dané ekonomiky o 3-5 %. (Sojka, 1996) V 70. letech dvacátého století se začíná prosazovat škola racionálního očekávání, jejímž hlavním představitelem je Robert E. Lucas, který považuje za hlavní příčinu hospodářských cyklů cyklické chování ekonomických veličin a cen, přičemž změny pozorovaných veličin odvozuje právě od pohybů cen. (Lucas, 1983) V druhé polovině 80. let 20. století se objevuje teorie reálného hospodářského cyklu, která vzniká jako reakce na keynesiánské modely. Na této teorii se podílí hlavně Finn E. Kydland a Edward C. Prescott, kteří její správnost ověřili na amerických datech. Jako hlavní příčinu kolísání produkce tato teorie vnímá výkyvy agregátní nabídky. Tyto šoky mohou být zapříčiněny novými objevy, změnami v technologiích, vládních výdajích, daních, preferencích, směnných relací, cen energií, atd. (Burda, 2005)

2.2 Růstové a klasické hospodářské cykly Existují dva základní přístupy k cyklickému opakování vzestupů a poklesů ekonomiky. Hospodářský cyklus lze definovat jako Robert Lucas (1977), který ho považoval za kolísání cyklické složky okolo svého trendu. Za trend považoval potencionální produkt ekonomiky. V tomto případě mluvíme o růstových hospodářských cyklech, jejichž časovou řadu lez popsat následovně


15

Yt  g t  ct  st   t ,

(1)

kde gt je trendová složka, ct je cyklická složka, st je sezónní složka a et je složka, která představuje náhodné změny v časové řadě. Vývoj růstového cyklu je uveden na obr. 1. V tomto pojetí hospodářských cyklů mluvíme o recesi jedině tehdy, je-li ekonomická aktivita pod svým dlouhodobým trendem. Fáze expanze nastává tehdy, je-li ekonomická aktivita nad svým dlouhodobým trendem. Výsledná identifikace růstového hospodářského cyklu není příliš citlivá na dlouhodobý trend, který je obsažen ve zkoumané časové řadě, větší závislost spadá na zvolení detrendovací techniky. Růstové pojetí v současné době převažuje. (Rozmahel, 2006)

Obr. 1 Růstový hospodářský cyklus Zdroj: Bonenkamp (2001)

O druhou možnost, jak chápat hospodářský cyklus, se postarali zastánci klasického hospodářského cyklu Burns a Mitchel (1946, s. 3). Definovali hospodářský cyklus jako výkyvy agregátní ekonomické aktivity. Přesněji ve své práci vymezují hospodářský cyklus jako „typ fluktuace (…), která se sestává z expanzí objevujících se v přibližně stejném čase v mnoha oblastech ekonomické aktivity, jež jsou následovány obdobně všeobecnými recesemi, kontrakcemi a oživeními, která přecházejí do expanze dalšího cyklu; tato sekvence se opakuje, ale není periodická; doba trvání cyklu se pohybuje od více než jednoho roku až po deset či dvanáct let; tento cyklus není dělitelný na kratší cykly podobného charakteru s podobnými amplitudami jako cyklus původní“. Průběh klasického hospodářského cyklu je znázorněn na obr. 2. Chceme-li v tomto pojetí mluvit o expanzi, musí se ekonomická aktivita po určitou dobu zvyšovat. Klasické pojetí na rozdíl od růstového nerozlišuje trendovou a cyklickou složku časové řady. Podrobnější vysvětlení fází, do kterých se může hospodářský cyklus dostat, se nachází v následujícím textu.


16

Obr. 2 Klasický hospodářský cyklus Zdroj: Bonenkamp (2001)

2.3 Fáze hospodářského cyklu Hospodářské cykly jsou charakterizovány opakovaným střídáním expanzí a kontrakcí celkové ekonomické aktivity, které jsou ohraničeny body zvratu. Expanze je období mezi sedlem a vrcholem ekonomické aktivity. Kontrakce je období mezi vrcholem a sedlem. (Kadeřábková a Žďárek, 2006) Urban (2011) vymezuje tyto čtyři fáze následovně. Fáze vrcholící konjunktury, Czesaný (2006) tuto fázi pojmenovává také jako vrchol, v tomto období je míra ekonomické aktivity nejvyšší. Podniky vyrábějí s plně využitými kapacitami a zdroji. Vysoká poptávka po zboží a službách vede k tomu, že rostou i ceny. Dochází-li k výraznému zrychlení růstu cen, je tento bod ekonomického cyklu označován jako přehřátá konjunktura. Tento bod ekonomického cyklu však již předznamenává fázi následující, a to fázi poklesu. Czesaný (2006) pojmenovává tuto fázi také jako kontrakci, zpomalení, propad. Domácnosti i firmy začínají v této fázi ekonomického cyklu své výdaje omezovat. Podniky snižují nákupy surovin, omezují přijímání nových pracovníků a odkládají investice, domácnosti odkládají nákupy. S poklesem poptávky i výroby začínají některé podniky propouštět své pracovníky. Propuštění zaměstnanci začínají méně utrácet. Příjmy i zisky firem klesají, dochází k dalšímu propouštění pracovníků. Ve fázi recese, Czesaný (2006) tuto fázi pojmenovává také jako dno či sedlo, pokles produkce zboží a služeb dále pokračuje. Nezaměstnanost začíná dosahovat vysoké úrovně, řada podniků zaniká. Recese je zpravidla spojená s poklesem míry inflace, případně poklesem cenové hladiny. Silná a dlouhodobá recese bývá někdy


17

označována jako krize. Recese však vyvolává i ozdravný proces, při kterém nevýkonné a slabé podniky zanikají. Další fází je fáze vzestupu. Czesaný (2006) pojmenovává tuto fázi také jako expanzi, oživení či růst. Po období recese se ekonomika začíná zotavovat. Podniky i spotřebitelé začínají opět zvyšovat své výdaje. Nezaměstnanost klesá, spotřebitelské výdaje začínají růst.

Obr. 3 Fáze hospodářského cyklu Zdroj: Jurečka (2010)

2.4 Důvody možné sladěnosti hospodářských cyklů Kritérium synchronností hospodářských cyklů se dostalo do popředí zejména, když do Evropské unie vstoupilo v roce 2004 deset zemí ze střední a východní Evropy a Středomoří. Tyto země se vstupem do EU zavázaly stát se členy měnové unie, kde je právě podobnost hospodářských cyklů jedním z důležitých kritérií. Nesladěnost hospodářských cyklů způsobí, že opatření monetární autority by v měnové unii nezpůsobovala žádaný efekt. Dalším následkem nesladěnosti hospodářských cyklu je nemožnost identifikovat společný evropský hospodářský cyklus. Teorie optimální měnových oblastí (OCA), jejichž základy položil Robert Mundell (1961) se zabývá vztahy mezi regiony, zeměmi a jejich měnami, dále se snaží určit výhody a nevýhody vytvoření měnové unie. Níže je uveden neúplný přehled autorů, kteří se zabývají problematikou sladěnosti hospodářských cyklů. Jako první jsou zmíněni Frankel a Rose (1998), kteří prokázali zkoumáním vzorků 21 průmyslově vyspělých zemí závislost mezi bilaterálním obchodem a podobností hospodářských cyklů. Zkoumali časové řady 1959-1993. Autoři využili čtyři odlišné indikátory agregátní ekonomické aktivity, kterými aproximují hospodářský cyklus. Jednalo se o reálný HDP, celkovou zaměstnanost, index


18

průmyslové produkce a míru nezaměstnanosti. K identifikaci cyklů a měření jejich korelace používají čtyři odlišné detrendovací techniky. Dospěli k závěrům, že země s bližším vzájemných obchodem mají větší tendencí mít synchronní hospodářské cykly než ty země, které tak blízký vzájemný obchod nemají. Kenen (2001) připouští existenci pozitivní korelace mezi intenzitou bilaterální obchodní výměny a konvergencí hospodářských cyklů. Ale zdůrazňuje, že tato korelace je ovlivněná i jinými faktory, a to faktory strukturálními a institucionálními. Fidrmuc (2001, 2004) také zdůrazňuje absenci strukturálních faktorů v analýze od Frankela a Roseho (1998). Do jejich původní regresní rovnice vkládá místo proměnné vzájemného obchodu proměnnou charakterizující vzájemný vnitro-odvětvový obchod, který je podle něj příčinou synchronnosti hospodářských cyklů. Ve svých pracích dospěl k výsledkům, že příprava dané země na vstup do měnové unie má pozitivní vliv na synchronizaci hospodářských cyklů většiny jím zkoumaných zemí. Artis a Zhang (1997, 1999) zkoumali závislost mezi synchronizací hospodářských cyklů a snižující se volatilitou měnových kurzů. Hospodářský cyklus aproximovali průmyslovou produkcí a detrendováním třemi filtračními technikami, kde dominoval nelineární Hodrick-Prescottův filtr. Tato data rozdělili na dvě části, před a po vstupu do ERM2. Výsledkem jejich zkoumání je potvrzení vazby mezi snižující se volatilitou měnových kurzů a konvergencí hospodářských cyklů. Než zkoumané země vstoupili do ERM, měli hospodářské cykly více korelované s cykly USA, po vstupu do ERM měli hospodářské cykly více korelované s cyklem Německa. Artis a Zhang zdůrazňují, že existuje značné množství jiných faktorů, které přispívají k silnější konvergenci měnových kurzů a hospodářských cyklů, avšak v jejich výzkumu nebyly zohledněny. Inklaar a de Haan (2001) naopak odmítají přímou souvislost mezi kurzovou stabilitou a synchronností hospodářských cyklů. Ve svých pozorováních se zaměřili na korelaci hospodářského cyklu zemí v ERM a Německa. Časové řady USA ve svých studiích neberou v potaz. Pro své výpočty požili stejně jako Artis a Zhang (1997, 1999) průmyslovou produkci upravenou Hodrick-Prescottovým filtrem. Tato data rozdělili na čtyři části, které jsou dostatečně dlouhé, aby zachytili hospodářský cyklus. Nesouhlasí totiž se zjednodušujícím předpokladem Artise a Zhangové (1997, 1999), o nestabilitě kurzů před ERM a jejich stabilitě ihned po formulaci systému ERM. Jejich výsledky nepotvrdily větší celkovou synchronnost zkoumaných zemí zapojených v ERM s Německem. Některé země sice dosahovaly větší míry korelace s Německem, ale u jiných byl vývoj korelace opačný. Babetski-Boone-Maurel (2002) se zabývali analýzou v oblasti výskytu asymetrických šoků, které jsou chápány jako nevysvětlitelná část míry růstu

Země, která vstoupila do ERM (Evropský mechanismus směnných kurzů), musí dodržovat rozpětí, která byla stanovena mechanismem směnných kurzů Evropského měnového systému, během alespoň dvou posledních let před šetřením, splňuje-li daná země podmínky pro vstup do eurozóny. V tomto období daná země nesmí devalvovat z vlastní iniciativy směnný kurz národní měny vůči měně kteréhokoliv jiného členského státu. (König, Lacina a Přenosil, 2007) 2


19

výstupu nebo cenové hladiny. Konkrétně analyzovali podobnosti poptávkových a nabídkových šoků zemí bývalého východního bloku s EU-15 a USA. Babetski (2004) nachází negativní závislost mezi intenzitou obchodní výměny a poptávkovými šoky, které mohou mít na cenovou hladinu i výstup jen krátkodobý efekt. Existuje-li intenzivní obchodní výměna mezi zkoumanými státy, vede to k nižší šokové asymetrii. Obdobný vztah nabídkových šoků, které mohou mít na cenovou hladinu a výstup jak krátkodobý, tak dlouhodobý efekt, však ze stejných dat získat nelze. Ke svému zkoumání aplikoval VAR-model více proměnných na časových řadách směnného kurzu a na velikosti obchodu ekonomik. Tento model dokáže rozlišit poptávkový a nabídkový šok, nedokáže však rozlišit, zda jsou tyto šoky způsobeny zahraničními nebo domácími výkyvy. Ve své práci se zaměřoval na země EU-15. Bergman (2004) prokázal, že k větší synchronnosti hospodářských cyklů vede ekonomická a monetární integrace. Zkoumal časové období 1961-2001 u EU14, Kanady, USA, Švýcarska, Norska a Japonska na datech průmyslové produkce. Bergman také zkoumal, zda u zemí, které vstoupili do EU, vzrostla jejich korelace s EU-14. Dospěl však k rozdílným výsledkům, u některých zemí korelace hospodářských cyklů vzhledem k EU-14 vzrostla, u jiných však nikoliv. I přes toto zjištění tvrdí, že členské země mezi sebou mají více sladěný hospodářský cyklus než nečlenské státy. Tesar (2006) zkoumala, jak ovlivňuje obchod hospodářské cykly. Tento vztah zkoumala mezi zeměmi V4 (Maďarsko, Polsko, Slovensko a Česká Republika) a zeměmi západní Evropy (Francie, Itálie, Německo, Rakousko). Zjistila, že dopad obchodu na hospodářské cykly není zapříčiněn jen směrem obchodu, ale také podílem obchodu na celkové ekonomické aktivitě dané země. Ke své analýze využila průmyslovou produkci a HDP. Korelační analýzou HDP prokázala, že země západní Evropy vykazují mezi sebou silnou pozitivní korelaci, k podobnému výsledku bylo dospěno i u zemí východní Evropy, zde byla však identifikována větší disperze. Zkoumáním korelace mezi východní a západní Evropou se došla k závěru, že pozitivní korelace existuje, ale není příliš silná. Ke stejným výsledkům bylo dospěno i při analýze průmyslové produkce, míra korelace však byla poměrně vyšší. Alternativním přístupem k měření sladěnosti hospodářských cyklů je měření indexu cyklické shody, kterou používá Rozmahel a Najman (2010). Každý autor ve své práci, zabývající se tématikou sladěnosti hospodářských cyklů, zvolil odlišný přístup. V této práci je k analýze sladěnosti hospodářských cyklů použita korelační analýza. Existuje i řada detrendovacích technik, jejichž přehled je uveden v následujícím textu.

2.5 Metody extrahování cyklické složky Produkční mezera i potencionální produkt jsou nepozorovatelné veličiny, nelze je tedy jednoznačně změřit, lze je pouze odhadovat. Metody odhadu produkční mezery lze rozdělit do čtyř základních skupin, a to jednorozměrné techniky, vícerozměrné techniky, strukturální metody a metody přímého měření. (Kloudová, 2013)


20

První skupinou jsou jednorozměrné techniky, kde jsou používanými technikami lineární detrendování, Hodrick-Prescottův filtr a band-pass filtr. Jednorozměrné techniky používají k odhadu potencionálního produktu a produkční mezery pouze informace obsažené v časové řadě. Tyto metody většinou ztotožňují trend skutečného produktu s potencionálním produktem. (Cifka, 2009). Band-pass filtr se od HP-filtru liší tím, že není závislý na délce časové řady. HP-filtr ve své práci použili například Artis a Zhang (1997), Inklaar a de Haan (2000). Druhá možnost, jak získat cyklickou složku z časové řady, je použití vícerozměrných technik. Vícerozměrné techniky k odhadu potencionálního produktu a mezery výstupu používají i jiné proměnné než ty, které jsou obsažené v časové řadě. Předpokládá se, že mezi těmito dalšími proměnnými a vývojem ukazatele existuje určitý vztah. Tyto techniky jsou rozšířeny o ekonomické předpoklady a je možno je ověřit porovnáním. (Cifka, 2009) Zde je používanou metodou například vícerozměrný Hodrick-Prescottův filtr a vícerozměrná Beveridge-Nelsonova dekompozice (Beveridge a Nelson, 1981), kterou ve své práci používá Benčík (2008). Ve třetí skupině odhadu cyklické složky jsou strukturální techniky, které jsou rozděleny na dva dílčí směry. Prvním směrem je používání a zkoumání agregátní produkční funkce, ve druhém směru se používají strukturální VAR modely, které ve své práci využil Babetski (2004). Existuje několik typů agregátní produkční funkce a jsou různé názory na to, která z nich je nejvhodnější. Nejznámější je pravděpodobně Cobb-Douglasova produkční funkce. Produkt je v této metodě určen vstupními faktory práce, kapitálem a technologií. Slabým místem celé této konstrukce je právě získávání vstupních dat. Autory, kteří CobbDouglasovu produkční funkci ve své práci aplikují, jsou například Zimková a Bachrovský (2007), Blašková (2006) a Hájek a Bezděk (2000) V poslední skupině je metoda přímého měření, kde se využívají výběrová šetření. Tato metoda nezahrnuje vliv investic a výsledky výzkumu jsou často subjektivní, proto není metoda přímého měření v praxi hojně využívána. Výběr možností je pestrý, v této práci je však kladen důraz pouze na jednorozměrné filtrační techniky, a to konkrétně na Hodrick-Prescottův filtr a lineární detrendování.


21

3 Materiál a metodika Práce se dá rozdělit do pěti základních částí. V první části je úvod, kde je zdůvodněno sledování potencionálního produktu a produkční mezery ve vztahu k hospodářskému cyklu, a vymezení cíle této bakalářské práce. Ve druhé části je rozebrána teorie týkající se hospodářských cyklů. Konkrétně jsou zde popsány názory na příčiny vzniku a jednotlivé fáze hospodářských cyklů, dále je zde rozlišeno růstové a klasické pojetí hospodářského cyklu, jsou zde také vymezeny některé názory na sladěnost hospodářských cyklů a v závěru této části jsou uvedeny metody, které mohou být použity k odhadu cyklické složky. Ve třetí části se rozebírá metodika práce, je zde uveden popis dat, které jsou v práci použity, a metodologie jejich vzniku, dále je zde rozebrána metoda první logaritmické diference a Hodrick-Prescottova filtru. U každé metody jsou popsány její výhody a nevýhody. Je zde rozebrána i teorie týkající se synchronnosti hospodářských cyklů, což znamená Pearsonův korelační koeficient, testování jeho významnosti, test shody dvou korelačních koeficientů a klouzavá korelace. Dále je zde popsána teorie týkající se VAR modelu a s ním související Grangerova kauzalita. Ve čtvrté části jsou uvedeny výsledky. V první řadě bylo v této práci přistoupeno k analýze dat HDP, následně k datům IPP. Prvně jsou u těchto dat vždy analyzovány výsledky České republiky a posléze Slovenské republiky. V závěru jsou shrnuty nejdůležitější výsledky této práce.

3.1 Data Hospodářský cyklus, produkční mezera a potencionální produkt České republiky a Slovenské republiky jsou v této práci aproximovány pomocí dvou ukazatelů: první je hrubý domácí produkt a druhý je index průmyslové produkce. Zdrojem dat pro HDP byla databáze EUROSTATu (2014), přičemž byla převzata čtvrtletní sezónně neočištěná data za období Q1/1996 až Q4/2013. Pro časovou řadu IPP byl zdrojem OECD (2014), data jsou s měsíční frekvencí, sezónně očištěná, ve stálých cenách roku 2010 a za období M1/1996 až M12/2013. Oba ukazatele jsou v milionech euro. Pro další analýzu je nutné vyjádřit HDP v reálných cenách, a to pomocí vzorce

rHDP 

bHDP , def

(2)

kde rHDP je reálné HDP, bHDP je běžné HDP a def je deflátor HDP. Deflátor pro jednotlivé roky byl opět převzat z databáze EUROSTATu (2014). Reálné HDP bylo dále pomocí programu GRETL sezónně očištěno metodou TRAMOSEATS. Další krok je převedení bazických indexů (B) průmyslové produkce na indexy řetězové (Ř). Bazické indexy B1, B2… Bn se podle Cipry (2006) dají matematicky vyjádřit


22

Y1 Y2 Y3 Yn , , .., Y1 Y1 Y1 Y1

(3)

Bazický index ukazuje, o kolik procent hodnoty se daný ukazatel liší v příslušném roce (n+1) oproti roku výchozímu (bazickému) Y1. Chceme-li získat řetězový index Ř2 je nutné vydělit bazický index B2 indexem B1 nebo zvolit následující postup

Y Y2 Y3 Y4 , , ,..., n . Y1 Y2 Y3 Y n1

(4)

Řetězové indexy vyjadřují informaci o hodnotě oproti minulému období. Chceme-li na řetězových indexech aplikovat metodu první logaritmické diference, stačí řetězové index pouze zlogaritmovat.

3.2 Detrendovací techniky Jak již bylo zmíněno výše, v této práci byly použity dvě jednorozměrné detrendovací techniky, a to metoda první logaritmické diference (FOD) a HodrickPrescottova filtru (HP-filtr). Techniky byly aplikovány na české a slovenské sezónně očištěné reálné HDP a na sezónně očištěné řetězové indexy průmyslové produkce. Podrobnější popis jednotlivých metod je uveden níže. 3.2.1

Logaritmická diference prvního řádu

Ekonomové zastávající teorii klasických hospodářských cyklů, používají první diferenci ke zkoumání hospodářských cyklů. (Baxter a King, 1999) Připomeňme, že klasické pojetí chápe hospodářský cyklus jako výkyvy agregátní ekonomické aktivity. Postupuje se tak, že sezónně očištěná časová řada je převedena na přirozené logaritmy, čímž se exponenciální trend převede na lineární, následně se provede diferenciace, čímž se trend odstraní úplně. (Artl, 2004) Tato metoda má však své nevýhody. První z nich je, že váhy proměnných u vysokých frekvencí jsou touto metodou nadhodnocovány a naopak u nízkých frekvencí jsou hodnoty podhodnocovány. (Baxter a King, 1999). Druhou nevýhodou je, že tato metoda nepracuje se všemi informacemi obsaženými v časové řadě, což je dáno tím, že první diference je definována jako podíl sousedních hodnot, jde tedy o koeficienty růstu, které jsou po vynásobení stem chápány jako tempa růstu. (Canova, 1998). Rozmahel a Najman (2010) ve své práci uvádí, že metoda první logaritmické diference generuje časové řady, které vykazují mnohem menší korelační závislost než metoda Hodrick-Prescottova filtru. Baxter a King (1999) oproti tomu tvrdí, že technika FOD není vhodná pro analýzu hospodářského cyklu. Vhodnější je podle nich HP a BK pásmový filtr. I z tohoto důvodu je v této práci hospodářský cyklus identifikován pouze pomocí


23

HP-filtru. Avšak při analýze sladěnosti hospodářských cyklů je použita jak metoda HP-filtru, tak metoda FOD. 3.2.2

Hodrick-Prescottův filtr

HP-filtr vychází z metody dekompozice časových řad, která vychází z předpokladu, že časovou řadu yt pro t=1,2…, T je možné rozdělit na trendovou, cyklickou, sezónní a nesystematickou složku. (Arlt, Arltová a Rublíková, 2004) Zapletal (2000) doplňuje, že souběžná existence všech těchto forem není nutná, záleží na věcném charakteru zkoumaného ukazatele. Trendová složka (Tt) vyjadřuje dlouhodobou tendenci vývoje zkoumaného jevu. Je výsledkem faktorů, které dlouhodobě působí stejným směrem (technologie výroby, demografické podmínky, podmínky na trhu). Vyskytuje se jak v dlouhodobých, tak v krátkodobých časových řadách. Cyklická složka (Ct) zachycuje kolísání okolo trendu, kde se střídají fáze růstu a poklesu. Tyto cykly jsou delší než jeden rok a mají různou délku a amplitudu. Vyskytuje se jak v dlouhodobých, tak v krátkodobých časových řadách. Sezónní složka (St) vyjadřuje pravidelné kolísání okolo trendu v období kratším než jeden rok. Vznikají kvůli obměně ročních období nebo vlivem zvyků (svátky, dovolené.) Vyskytuje se pouze v krátkodobých časových řadách. Nesystematická složky (It) obsahuje nahodilé či jiné nesystematické výkyvy, jsou zde obsaženy i chyby měření. Je přítomná v každé časové řadě. (Arlt, Arltová a Rublíková, 2004) Metoda Hodrick-Prescottova filtru klade důraz především na systematickou složku, čímž je myšlena trendová, cyklická a sezónní složka. Časové řady a jednotlivá pozorování se obvykle berou jako vzájemně nekorelovaná. (Cipra, 1986) Zvolením této metody k odhadu potencionálního produktu a produkční mezery pouze popíšeme formu pohybu, nezjistíme ani nepopíšeme věcné příčiny dynamiky časové řady. (Zapletal, 2000) HP-filtr rozkládá časovou řadu Yt právě na dvě složky. První složka je nestacionární časový trend Yt* (potencionální produkt). Druhá složka je cyklická komponenta Ct (produkční mezera). (Slaný, 2003) Celá rovnice lze zapsat takto

Yt  Yt*  Ct , Yt  Yt*1   t ,



(5) (6)



kde  t ~ WN 0,  2 je šok ovlivňující růst trendu Yt * . Ct  t





,

(7)

kde t ~ WN 0,  2 je šok způsobující cyklické kolísání kolem trendu. Filtr pak představuje tento funkční předpis


24





T 1 2 2 T min  yt  yt*    yt*1  yt*  yt*  yt*1  , t 2  t 1 





 

(8)

kde T je velikost vzorku.  je parametr určující hladkost trendového vyhlazení. Je dán jako poměr rozptylů šoku způsobujícího cyklické kolísání a šoku ovlivňujícího růst trendu



 2  2

(9)

Jestliže je parametr  roven nule, pak je potencionální produkt roven reálnému HDP. Když se bude parametr  blížit nekonečnu bude trendem přímka. Vyhlazovací parametr  je podle Hájka a Bezděka (2000) prvním slabým místem této metody. Neexistuje žádné explicitní kritérium, podle kterého by bylo možné spolehlivě určit, která hodnota tohoto parametru je pro výpočty nejvhodnější.  se tak musí volit arbitrárně. Hodrick a Prescott (1980) doporučují použít hodnotu   100 pro časovou řadu používající roční údaje. Hodnotu   1600 pro řady s čtvrtletní periodicitou a hodnotu   14400 pro řady tvořené měsíčními pozorováními. Jako částečné řešení této slabiny se nabízí analýza výsledků získaných pomocí HP filtru v závislosti na změnách hodnoty  . Další nevýhoda se podle Hájka a Bezděka (2000) projeví, nastane-li situace, kdy počátek a konec sledované časové řady nezachycuje podobnou fázi v cyklu. Výsledky, které poskytuje HP-filtr, jsou v této situaci na počátku a na konci časové řady trochu vychýleny. Výsledný trend může být na konci časové řady tažen směrem dolů, pokud ekonomika vykazuje známky zpomalení. Tato nevýhoda se dá zmírnit tím, že časová řada bude nastavena predikcemi na nadcházející období, což chybu „odsune“ do budoucnosti a snižuje vychýlení odhadu v aktuálním období. Třetí nevýhodou je, že tento způsob výpočtu nebere ohled na možné výrazné a strukturální změny v ekonomice. Probíhají-li změny ve složení a úrovni ekonomického výstupu postupně, použití HP-filtru výsledek nezmění. Problém nastává jen v případě, nastanou-li změny jednorázově. Oproti všem zmíněným nevýhodám je velkou výhodou tohoto filtru jeho nenáročnost na vstupní data a z toho vyplývající snadnost použití. (Hájek a Bezděk, 2000)

3.3 Identifikace hospodářského cyklu Hospodářský cyklus v České republice a na Slovensku je v této práci identifikován pomocí HP-filtru, který časovou řadu IPP a HDP rozdělí na potencionální produkt a produkční mezeru. Produkční mezeru pmt je možné vypočítat i podle vztahu

pmt  yt  ytP ,

(10)

kde yt je reálný produkt v dané ekonomice a ytP je potencionální produkt. Procentuální produkční mezeru lze získat ze vztahu


25

pmt 

yt  ytP 100. ytP

(11)

Je rozlišována kladná, záporná a nulová produkční mezera. Kladná mezera výstupu nastane tehdy, převyšuje-li skutečný výstup (reálný produkt) úroveň produktu potencionálního. U kladné mezery výstupu je vyvoláván tlak na růst inflace. Záporná mezera výstupu nastane tehdy, je-li skutečný produkt (reálný produkt) pod úrovní produktu potencionálního. K nulové mezeře výstupu dochází tehdy, rovná-li se potencionální produkt skutečnému produktu (reálnému produktu). (Kadeřábková a Žďárek, 2006) Tímto postupem bylo zvoleno růstové pojetí hospodářského cyklu. Připomeňme jen, že pro změnu fáze v tomto pojetí je určující, pohybuje-li se ekonomická aktivita nad nebo pod svým dlouhodobým trendem. Jinak řečeno, je-li produkční mezera záporná, je toto období definováno jako fáze kontrakce. Je-li produkční mezera kladná, jedná se o fázi expanze. 3.3.1

Test nezávislosti v kontingenční tabulce

Po identifikaci toho v jakých fázích se ČR a SR nachází, jsou fáze recese a expanze převedeny na čísla z binární soustavy, kde každá fáze recese má hodnotu 0 a každá fáze expanze hodnotu 1. Binární hodnoty ČR a SR byly uspořádány do kontingenční tabulky typu 2×2, jejichž obecný popis je uveden v tab. 1. Proměnná Y v tabulce znázorňuje hospodářský cyklus Slovenské republiky a proměnná X zachycuje hospodářský cyklus České republiky. Tab. 1

Kontingenční tabulka typu 2×2

Proměnná Y Proměnná X

Součet Y=1

Y=0

X=1

n11

n10

n1.

X=0

n01

n00

n0.

Součet

n.1

n.0

n..

Zdroj: Budíková, Králová a Maroš (2010)

Tato tabulka například ukazuje, kolikrát za sledované období byla ČR společně se SR ve stejné fázi recese nebo expanze. Tato tabulka zobrazuje i rozdílnost, je z ní možné zjistit, kolikrát se ČR nacházela v expanzi, když SR byla v recesi, a naopak. Následně byl proveden test nezávislosti (respektive závislosti) s cílem zjistit, jak na sobě hospodářský cyklus, tedy střídání fází recese a expanze, České a Slovenské republiky nezávisí (respektive závisí).


26

K testu nezávislosti v kontingenční tabulce je možné použít chí-kvadrát test. Tento test je možno použít u tabulky 2×2, je-li k dispozici víc jak 40 pozorování. Pokud jsou pozorování v rozmezí od 20 do 40, je nutné upravit testové kritérium pomocí Yatesovy korekce, je-li pozorování méně než 20, používá se Fisherův test. Další podmínkou pro použití tohoto testu je splněna podmínka dobré aproximace, což znamená, že teoretické četnosti aspoň v 80 % případů nabývají hodnoty ≥ 5 a ve zbylých 20 % neklesnou pod 2. (Budíková, Králová a Maroš, 2010) Testované hypotézy H0: proměnná X a Y jsou na sobě nezávislé a H1: proměnná X a Y jsou na sobě závislé. Testové kritérium je

  2

n.. n11n00  n10 n01 

2

n1.  n.1  n0.  n,0

(12)

,

kritický obor



Wa  12 r  1s  1, 



(13)

Hypotéza o nezávislosti veličin X, Y je zamítnuta na hladině významnosti α, když testová statistika χ2 se realizuje v kritickém oboru Wα. Cramerův koeficient asociace (Cramerovo V) se využívá pro hodnocení intenzity a směru závislosti mezi dvěma proměnnými. Vzorec pro Cramerův koeficient (14) může nabýt hodnot 0 až 1 a identifikovat pouze pozitivní závislost. Konkrétně lze rozlišovat 4 druhy závislosti: zanedbatelnou závislost (0-0,1), slabou závislost (0,1-0,3), střední závislost (0,3-0,7) a silnou závislost (0,7-1). Jsou-li k dispozici binární data, je možné Pearsonův koeficient korelace považovat za Cramerův koeficient. (Budíková, Králová a Maroš, 2010)

V 3.3.2

2

nm  1

(14)

Body zvratu

Body zvratu jsou v této práci identifikovány podle Canovy (1998), stejný postup ve své práci zvolil i Rozmahel a Najman (2010). Pro vrchol v čase t platí, že po dvou po sobě následujících nárůstech cyklické komponenty c časové řady indikátoru cyklu (v této práci HDP a IPP) přichází její pokles, čili ct 1  ct  ct 1  ct 2 ,

(15)

přičemž dno je definováno dvěma po sobě jdoucími poklesy cyklické komponenty následované růstem


27

ct 1  ct  ct 1  ct 2 ,

(16)

je-li splněn první předpoklad, druhým doplňujícím pravidlem je podmínka, že pro identifikaci dna platí

ct  0 a ct 1  0 nebo ct 1  0 a ct  0

(17)

ct  0 a ct 1  0 nebo ct 1  0 a ct  0 .

(18)

a pro vrchol

Tímto je zaručeno protnutí trendu ve fázi recese i kontrakce. Další požadavek, který musí být splněn pro správnou identifikaci hospodářských cyklů, je minimální délka jedné fáze 6 měsíců a minimální délka jednoho celého hospodářského cyklu 15 měsíců.

3.4 Pearsonův korelační koeficient Pomocí koeficientu korelace lze zjistit, zda mezi sledovanými proměnnými existuje nějaký vztah, nelze však již z dosažených výsledů zjistit, která veličina se chová jako vysvětlující proměnná a která se chová jako proměnná vysvětlovaná. (Meloun, 2008) Korelační koeficient je možné vypočítat podle vzorce

rYX  rXY 

s XY s X2  sY2

,

(19)

kde SXY je reziduální rozptyl, SX2 je rozptyl empirických hodnot a SY2 je rozptyl vyrovnaných hodnot. Jeho definiční obor je od -1 do +1. Jestliže je koeficient roven +1 znamená to, že mezi proměnnými je přímá lineární závislost. Naopak je-li koeficient roven -1, informuje to o tom, že mezi proměnnými existuje nepřímá lineární závislost. Budeli koeficient korelace vycházet nulový, značí to lineární nezávislost. Mezi proměnnými může však existovat i jiná než lineární závislost, na tuto skutečnost je třeba myslet hlavně v případě, vychází-li koeficient korelace příliš malé číslo. Naopak vychází-li koeficient korelace příliš velké číslo, je nutné ověřit, není-li rozsah sledovaného souboru příliš malý. Čím víc se blíží korelační koeficient v absolutní hodnotě 0, tím je korelační závislost mezi proměnnými slabší a naopak. Hodnota korelačního koeficientu je stejná jak pro závislost mezi Y a X, tak i pro závislost mezi Y a X. (Hindls, 2007) 3.4.1

Test významnosti korelačního koeficientů

Korelační koeficient, který je vypočítán z dat u výběrového souboru představuje pouze odhad skutečného korelačního koeficientu. Odhad je označován jako ρ. Chceme-li zjistit, zda lineární korelační vztah skutečně existuje, je nutné otestovat významnost výběrového korelačního koeficientu r. (Hindls, 2007) Testovaná hypotéza za předpokladu nulové hodnoty ρ


28

H 0 :  xy  0 oproti H 1 :  xy  0 ,

(20)

případně o kladné či záporné hodnotě ρ

H 1 :  xy  0 nebo H 1 :  xy  0 ,

(21)

testové kritérium je

t

rxy n  2 1  rxy2

,

(22)

kde n je rozsah souboru a rxy korelační koeficient daného souboru. Při velkých výběrech, kde je n>30, lze t aproximovat normovaným normálním rozdělením. Nulová hypotéza o nezávislosti sledovaných veličin (nevýznamnosti korelačního koeficientu) je zamítnuta tehdy, spadá-li testové kritérium do kritického oboru nebo je-li p-hodnota příslušného koeficientu menší jak 0,05 (zvolená hladina významnosti v této práci). (Hindls, 2007) Oboustranný kritický obor lze matematicky vyjádřit W    ; t 2 n  2  t1 2 n  2;   ,

(23)

u jednostranné alternativy H 1 :  xy  0 je kritický obor vymezen

t1 n  2;   ,

(24)

u jednostranné alternativy H 1 :  xy  0 je kritický obor vymezen

 3.4.2

 ; t n  2

(25)

Test shody korelačních koeficientů

Bakytová (1981) tvrdí, že než se přistoupí k samotnému testu shody korelačních koeficientů, je nutné s korelačními koeficienty provést Fisherovu transformaci, kde R. A. Fisher ukázal, že náhodná proměnná

1 1 r z  ln , 2 1 r

(26)

kde r je výběrový párový koeficient korelace a má asymptoticky normální rozdělení. Po provedení Fisherovy transformace se může teprve provést test shody korelačních koeficientů, kde jsou testovány hypotézy


29

H 0 : 1   2 oproti H1 : 1   2 ,

(27)

kde ρ1 je koeficient korelace prvního základního souboru a ρ2 je koeficient druhého základního souboru. Testové kritérium má tvar

u

z1  z 2 1 1  n1  3 n2  3

~ N 0,1,

(28)

kde z1 je transformovaná proměnná pro výběrový koeficient r1, z2 je transformovaná proměnná pro výběrový koeficient r2, n1 je rozsah výběru z prvního základního souboru a n2 je rozsah výběru z druhého základního souboru. Na hladině významnosti α je zamítnuta testovaná hypotéza H0 o shodě dvou korelačních koeficientů, pokud testové kritérium

u  u1 2 ,

(29)

kde u je testové kritérium a u1 2 je kvantil normovaného normálního rozdělení.

3.5 Klouzavá korelace Další možností, jak zkoumat vývoj synchronnosti hospodářský cyklů České republiky a Slovenské republiky, je klouzavá korelace. V této práci bylo zvoleno klouzavé okno o šířce 2 let. U HDP jde tedy o 8 pozorování a u IPP o 24 pozorování. Klouzavá korelace byla aplikována na zlogaritmované řetězové indexy průmyslové produkce, na první logaritmické diference HDP a na produkční mezery získané pomocí HP-filtru z dat HDP a IPP. Vzorce (27, 28, 29) byly značeny podle Rubiny (2013). První korelační koeficient je počítán mezi okny X st : X xt  W a X čt : X čt  W ,

(30)

druhý korelační koeficient X st 1 : X xt 1  W a X čt 1 : X čt 1  W a

(31)

n-tý korelační koeficient

X st  n : X xt  n  W a X čt  n : X čt  n  W ,

(32)

kde Xs je zkoumaná proměnná Slovenské republiky, Xč je zkoumaná proměnná České republiky, t je doba a W je šířka okna. Tímto postupem bylo získáno u HDP přes 60 korelačních koeficientů a u IPP přes 200 koeficientů, které jsou ve čtvrté části Výsledky a diskuze graficky znázorněny a komentovány.


30

3.6 Vektorový autoregresní model Vektorový autoregresní model je soubor lineárních regresních rovnic, ve kterém je každá endogenní proměnná vysvětlována pomocí svých zpožděných hodnot a zpožděných hodnot dalších endogenních proměnných. VAR model obsahuje pouze endogenní proměnné a v modelu je tolik rovnic, kolik se v modelu vyskytuje endogenních proměnných. (Hušek, 1999) Vytvoření VAR modelu lze popsat následujícími kroky. Prvním krokem je volba proměnných v modelu. Ve druhém kroku je testována stacionarita časových řad. Cílem tohoto kroku je, aby časové řady neobsahovaly žádný trend. Třetím krokem je odhad řádu zpoždění modelu, k čemuž je využíváno Akaikeho, Schwarzova a Hannan-Quinnova informačního kritéria, případně vzájemného korelogramu. Řád zpoždění se vybírá s ohledem na to, aby vymizela autokorelace náhodných složek ve všech rovnicích modelu. Po zjištění řádu zpoždění se přistoupí k samotnému odhadu modelu pro jednotlivé rovnice pomocí metody nejmenších čtverců. Posledním krokem je zkoumání vhodnosti získaného modelu. Je zkoumána autokorelace nesystematické složky, její normalita a heteroskedasticita. (Hušek, 1999) První rovnice u VAR modelu s dvěma endogenními proměnnými a s řádem zpoždění jedna lze zapsat takto Yt   0  1Yt 1  1 Z t 1   t ,

(33)

Zt  0  1Zt 1  1Yt 1   t ,

(34)

druhá rovnice

kde Yt a Zt jsou endogenní proměnné, Z t 1 a Yt 1 jsou zpožděné endogenní proměnné,  0 je konstanta a  t je náhodná složka. 3.6.1

Grangerova kauzalita

VAR modely se používají k ověření Grangerovy kauzality, která zkoumá směr kauzálních vztahů mezi jednotlivými proměnnými. Zjišťuje se, zda má jedna proměnná schopnost vylepšit prognózu jiné proměnné. Jinak řečeno ve VAR (1) modelu, který byl definován rovnicí (33 a 34), se zkoumá hypotéza, zda změny ukazatele Zt předcházejí změně ukazatele Yt, či je tomu naopak. (Hušek, 1999)

Výsledky a diskuze

31

4 Výsledky a diskuze 4.1 Identifikace hospodářského cyklu Chceme-li identifikovat pozici v hospodářském cyklu, je nutné zjistit, zda se ekonomika nachází nad či pod potencionálním produktem. Potencionální produkt je definován jako úroveň produktu, která může být vyrobena a prodána s danými technologiemi a výrobními faktory bez dodatečných tlaků na změnu cen. (Kadeřábková a Žďárek, 2006) Jak již bylo napsáno výše, hospodářský cyklus České a Slovenské republiky je v této práci identifikován pomocí Hodrick-Prescottova filtru, který časovou řadu HDP i IPP rozdělí na trendovou a cyklickou složku. Připomeňme, že se jedná o růstové pojetí, kdy předpokládáme kolísání cyklické složky okolo trendu. Počet identifikovaných cyklů v časové řadě záleží na tom, zda je začátkem cyklu určena fáze kontrakce či expanze. V této práci začíná hospodářsky cyklus vždy fází kontrakce. 4.1.1

Hrubý domácí produkt

Vývoj hospodářského cyklu v České republice je vidět na obr. 4., kde jsou zachyceny i vrcholy a sedla. V období kontrakce 2009:Q1-2010:Q3 nebylo možné identifikovat sedlo za podmínek stanovených Canovou (1998). V ČR byly identifikovány v období 1996:Q2-2013:Q4 tři úplné a dva neúplné hospodářské cykly. Z prvního neúplného cyklu, který předchází všem úplným, je na obr. 4 zachycena pouze fáze expanze, která končí obdobím 1997:Q3. Druhý neúplný hospodářský cyklus začíná obdobím 2012:Q2 a jedná se o kontrakci. Konec této fáze nelze ještě s určitostí potvrdit, protože je k dispozici pouze jedno pozorování (2013:Q4), kdy je produkční mezera HDP kladná.

Obr. 4 Vývoj produkční mezery v ČR (HP-filtr, HDP) Zdroj: EUROSTAT

Výsledky a diskuze

32

Zajímavé je si všimnout období 2008:Q3-2009:Q2, kdy za pouhé 2 čtvrtletí dokázala produkční mezera dosáhnout svého maxima a minima ve sledovaném období 1996:Q2-2013:Q4. Pro větší přehled jsou v tab. 2. vymezeny jednotlivé fáze úplných i neúplných cyklů. Tab. 2

Vymezení fází hospodářských cyklů v ČR (HP-filtr, HDP)

Kontrakce začátek

konec

-

-

Počet čtvrtletí -

Expanze

Počet čtvrtletí

Délka cyklu

začátek

konec

-

1997:Q3

7

-

1997:Q4 1999:Q4

9

2000:Q1 2001:Q4

8

17

2002:Q1 2005:Q4

160

2006:Q1 2008:Q4

120

28

2009:Q1 2010:Q3

7

2010:Q4 2012:Q1

6

13

2012:Q2

-

-

-

-

-

-

Kontrakce 1997:Q4-1999:Q4 byla podle Holmana (2011) způsobená poklesem investiční a spotřebitelské poptávky, další příčinou byl podle něj pokles vládních výdajů. Vývoj hospodářského cyklu Slovenské republiky spolu s body zvratu je uveden v obr. 5. Červeně jsou na obr. 5. označeny vrcholy a sedla stanovená podle Canovy (1998), zeleně jsou označeny body, které sice nesplňují podmínky stanovené Canovou, ale zdají se být vhodnější pro identifikaci vrcholu a sedla v dané fázi.

Obr. 5 Vývoj produkční mezery SR (HP-filtr, HDP) Zdroj: EUROSTAT

Výsledky a diskuze

33

Byly zde vymezeny dva úplné hospodářské cykly a jedna fáze expanze, která jim předcházela. Ve druhém cyklu (2009:Q1-2012:Q3) nebylo možné identifikovat sedlo ani vrchol, žádný bod časové řady nesplňoval podmínky stanovené Canovou (1998). Fáze kontrakce 2009:Q1-2011:Q3 měla podobný průběh jako v ČR. Obě země se dostávají do fáze kontrakce v období 2009:Q1. Fáze kontrakce však u Slovenské republiky trvala o rok déle a byla hlubší než v ČR. Podrobné vymezení fází hospodářského cyklu je uvedeno v tab. 3. Tab. 3

Vymezení fází hospodářských cyklů v SR (HP-filtr, HDP)

Kontrakce začátek

konec

-

1996:Q4

1999:Q3

Počet čtvrtletí

Expanze

Počet čtvrtletí

Délka cyklu

začátek

konec

-

1997:Q1

1999:Q2

100

-

2006:Q3

29

2006:Q4

2008:Q4

9

38

2009:Q1

2011:Q3

11

2011:Q4

2012:Q3

4

15

2012:Q4

-

-

-

-

-

-

Po identifikaci hospodářských cyklů byly české a slovenské fáze kontrakce a expanze převedeny na čísla z binární soustavy, kdy fáze expanze má hodnotu 1 a fáze kontrakce hodnotu 0. Tyto binární čísla byla uspořádána do kontingenční tabulky (tab. 4) a následně byl vypočítán test nezávislosti pomocí chí-kvadrát testu. Cílem bylo zjistit, zda existuje závislost mezi tím, v jaké fázi se nachází Česká ekonomika a v jaké fázi se nachází Slovenská republika. Závislost byla testována nulovou hypotézou o vzájemné nezávislosti hospodářských cyklů oproti alternativní hypotéze, kdy na sobě hospodářské cykly závisí. Tab. 4

Kontingenční tabulka (HDP)

CZ\SR

kontrakce (0)

expanze (1)

celkem

kontrakce (0)

30

09

39

expanze (1)

18

14

32

Celkem

48

23

71

Bylo vypočítáno testovací kritérium χ2=3,4302 s p-hodnotou 0,0640. Na hladině významnosti 0,05 tedy nemůže být zamítnuta nulová hypotéza o nezávislosti slovenského a českého hospodářského cyklu.

Výsledky a diskuze

34

Závislost českého a slovenského hospodářského cyklu nebyla u HDP sice tímto testem prokázána na hladině významnosti 0,05, ale při vyšší hladině významnosti je zamítnutí nulové hypotézy velmi pravděpodobné, protože p-hodnota 0,0640 je na hranici zamítnutí (respektive nezamítnutí) nulové hypotézy. I přes tuto skutečnost zde byl vypočítán Cramerův koeficient asociace (Cramerovo V), který vyšlo V=0,22 s t-statistikou=1,8716 a p-hodnotou=0,0655. Podle Budíkové, Králové a Maroše (2010) to značí slabou závislost mezi českým a slovenským hospodářským cyklem. Koeficient je však kvůli p-hodnotě větší jak 0,05 statisticky neprůkazný. 4.1.2

Index průmyslové produkce

Index průmyslové produkce je ukazatelem vývoje průmyslové produkce a je dalším zdrojem dat pro identifikaci hospodářských cyklů v této práci. Měří vlastní výstup průmyslových odvětví i průmyslu celkem. Zachycuje udržitelnost výroby, strukturu průmyslové produkce a produkci znečišťujících látek do životního prostředí. (ČSU, 2013) IPP je jedním ze zdrojů tvorby HDP. Na tvorbě HDP se v ČR i na Slovensku podílí průmysl okolo 30 %, průměrný podíl v EU činí asi 19 %. (ISSaR, 2013) Vývoj produkční mezery, získané pomocí HP-filtru, identifikované v České republice je uveden na obr. 6., jsou zde znázorněny i body zvratu. Červeně jsou označeny body zvratu určené podle Canovy (1998), zeleně jsou označeny body, které nesplňují podmínky stanovená Canovou, ale zdají se být vhodnější pro identifikaci dna či sedla v dané fázi.

Obr. 6 Vývoj produkční mezery v ČR (HP-filtr, IPP) Zdroj: OECD

V ČR byly identifikovány čtyři úplné a dva neúplné hospodářské cykly. Průměrná délka hospodářského cyklu v ČR je 41,5 měsíců. Podrobnější vymezení jednotlivých fází je uvedeno v tab. 5.

Výsledky a diskuze Tab. 5

35

Vymezení hospodářských cyklů v ČR (HP-filtr, IPP)

Kontrakce začátek

konec

-

1997:M2

Počet měsíců

Expanze začátek

konec

Počet měsíců

Délka cyklu

-

1997:M3

1998:M9

19

-

1998:M10 2000:M4

19

2000:M5

2001:M11

19

38

2001:M12 2004.M1

26

2004:M2

2004:M10

09

35

2004:M11 2006:M9

23

2006:M10

2008:M9

24

47

2008:M10 2010:M7

22

2010:M8

2012:M7

24

46

2012:M8

12

2013:M8

-

-

2013:M7

-

Fáze expanze začínající obdobím 2013:M8 podle dat, která jsou k dispozici, zatím trvala 5 období, což o jedno pozorování nesplňuje podmínku pro délku jedné fáze v cyklu. K rozhodnutí, zda se jedná o fázi expanze či nikoliv, je nutný údaj za období 2014:M1. Vývoj produkční mezery ve Slovenské republice je uveden na obr. 7., opět jsou zde uvedeny i body zvratů. Červeně jsou označeny body, které splňují podmínky stanovené Canovou (1998) a zeleně jsou označeny body, které Canovovy podmínky nesplňují, ale zdají se být vhodnější pro identifikaci dna či sedla v dané fázi.

Obr. 7 Vývoj produkční mezery v SR (HP-filtr, IPP) Zdroj: OECD

Výsledky a diskuze

36

Zajímavé je si všimnout na obr. 7 dvou bodů zvratu (2008:M7 a 2009:M5), kdy z největší dosažené kladné produkční mezery se za pouhých 9 měsíců stala nejnižší z dosažených záporných produkčních mezer. Bylo identifikováno šest úplných a dva neúplné hospodářské cykly. Průměrná délka hospodářského cyklu je 31,66 měsíců. Podrobnější vymezení jednotlivých fází je uvedeno v tab. 6. Tab. 6

Vymezení hospodářských cyklů v SR (HP-filtr, IPP)

Kontrakce začátek -

konec

Počet měsíců

Expanze začátek

konec

Počet měsíců

Délka cyklu

1996:M6

-

1996:M7

1996:M11

05

-

1996:M12

1997:M9

10

1997:M10

1998:M10

13

23

1998:M11

2000:M11

25

2000:M12

2001:M10

11

36

2001:M11

2002:M12

14

2003:M1

2004:M10

22

36

2004:M11

2006:M11

25

2006:M12

2008:M10

23

48

2008:M11

2010:M4

18

2010:M5

2011:M5

13

31

2011:M6

2012:M2

09

2012:M3

2012:M9

07

16

2012:M10

2013:M7

10

2013:M8

-

-

-

Jednotlivé fáze hospodářského cyklu ČR a SR byly opět převedeny na čísla z binární soustavy a následně do kontingenční tabulky (tab. 7). Opět byla zkoumána závislost mezi hospodářským cyklem České a Slovenské republiky pomocí chí-kvadrát testu. Byla zkoumána nulová hypotéza o vzájemné nezávislosti hospodářských cyklů oproti alternativní hypotéze, že hospodářské cykly ČR a SR na sobě závisí. Tab. 7

Kontingenční tabulka (IPP)

ČR\SR

kontrakce (0)

expanze (1)

celkem

kontrakce (0)

099

20

119

expanze (1)

025

72

097

celkem

124

92

216

Výsledky a diskuze

37

Z tab. 7 je vidět, že ČR a SR jsou ve shodné fázi kontrakce 99krát a ve shodné fázi expanze 72krát, což výrazně převyšuje ostatní možnosti. Bylo vypočítáno testové kritérium χ2=72,0594 s p-hodnotou=2,088e-017. Na hladině významnosti 0,05 byla zamítnuta nulová hypotéza o nezávislosti hospodářských cyklů ČR a SR. Podařilo se prokázat závislost mezi hospodářskými cykly ČR a SR, k vyjádření směru a síly závislosti byl vypočítán Cramerův koeficient asociace (Cramerovo V), který vyšel V=0,58 s t-statistikou=10,3505 a p-hodnotou=0,000, což podle Budíkové, Králové a Maroše (2010) značí střední závislost mezi hospodářskými cykly ČR a SR. P-hodnota menší než 0,05 značí průkaznost korelačního koeficientu.

4.2 Synchronnost hospodářských cyklů Ke zkoumání podobnosti hospodářských cyklů České a Slovenské republiky byla použita korelační analýza, konkrétně klouzavá korelace, a Pearsonův korelační koeficient, který byl aplikován na zlogaritmované řetězové indexy průmyslové produkce, na první logaritmické diference HDP a na produkční mezery vypočítané z dat HDP i IPP pomocí HP-filtru. Dále byl použit VAR model, který byl sestrojen z logaritmických diferencí reálného HDP ČR a SR. Pro detailnější analýzu korelace bylo zvoleno přelomové čtvrtletí 2004:Q2 u HDP a měsíc 2004:M5 u IPP. Toto čtvrtletí a měsíc byly zvoleny z toho důvodu, že v tomto období ČR a SR vstoupily do Evropské unie. Přehled období, ze kterých se počítaly korelační koeficienty, jsou uvedeny v tab. 8. Tab. 8

Data

Přehled období, za které se počítal korelační koeficient

Metoda

Období

FOD

1996:Q2/2013:Q4

1996:Q2/2004:Q1 2004:Q2/2013:Q4

PM

1996:Q2/2013:Q4

1996:Q1/2004:Q1 2004:Q2/2013:Q4

FOD

1996:M5/2013:M12 1996:M5/2004:M4 2004:M4/2013:M12

PM

1996:M5/2013:M4

HDP

IPP

1996:M1/2004:M4 2004:M4/2013:M12

Metoda první logaritmické diference zapříčinila, že u časové řady HDP byla ztracena hodnota 1996:Q1, k dispozici je tedy až údaj 1996:Q2. Pro vzájemné porovnávání výsledků HDP a IPP i pro srovnání použitých metod je nutné sledovat stejné časové období, proto je u časové řady IPP pracováno až s obdobím 1996:M5, i když jsou dřívější data k dispozici.

Výsledky a diskuze 4.2.1

38

Hrubý domácí produkt

Jako první jsou analyzovány výsledky získané z dat hrubého domácího produktu ČR a SR, jejichž hospodářské cykly identifikované pomocí produkčních mezer, které byly vypočítány pomocí HP-filtru, jsou znázorněny na obr. 8.

Obr. 8 Produkční mezery ČR a SR (HP-filtr, HDP) Zdroj: EUROSTAT

Z obr. 8. je patrné, že SR dosahuje dvou výrazně větších výkyvů v hospodářském cyklu než ČR, a to konkrétně v období 1999:Q1 a 2007:Q4. Rozdělíme-li graf přelomovým obdobím 2004:Q2, je vidět, že od tohoto období se hospodářské cykly ČR a SR podobají více než před tímto obdobím. Toto potvrzuje i tab. 9., kde jsou vypočítané korelační koeficienty výrazně vyšší po vstupu než před vstupem do EU. Tab. 9

Výběrové korelační koeficienty pro hospodářský cyklus (HP-filtr, HDP)

Období

hodnota

t-statistika

p-hodnota

1996:Q2-2004:Q1

-0,185

-1,034

0,309

2004:Q2-2013:Q4

0,866

10,565

0,000

1996:Q2-2013:Q4

0,599

6,221

0,000

Pro potvrzení tohoto závěru, byl vypočítán test shody korelačních koeficientů před vstupem (1996:Q2-2004:Q1) a po vstupu (2004:Q2-2013:Q4) do EU. Testovány byly hypotézy H 0 : 1   2 oproti H1 : 1   2 ,

Oba výběrové korelační koeficienty (r1, r2) byly nejprve převedeny pomocí Fisherovy transformace na koeficienty (Z1, Z2), které byly následně dosazeny do vzorce

Výsledky a diskuze

39

(28) pro výpočet testového kritéria. Výsledky a zdrojová data Fisherovy transformace jsou uvedeny v tab. 10. Zdrojová data a výsledky Fisherovy transformace (HP-filtr, HDP)

Tab. 10

r1

Z1

n1

r2

Z2

n2

-0,185

-0,188

32

0,866

1,319

39

Testovací kritérium vyšlo u=-6,040, kdy |-6,040|>1,96. Na hladině významnosti 0,05 byla zamítnuta nulová hypotéza o tom, že velikost korelačních koeficientů je před i po vstupu do EU stejná. Dále byla u HDP analyzována synchronnost českých a slovenských dat, které byly získány metodou prvních logaritmických diferencí. Hospodářské cykly definované touto metodou jsou znázorněny na obr. 9.

Obr. 9 První logaritmické diference ČR a SR (HDP) Zdroj: EUROSTAT

Ze stejného obrázku je patrné, že SR dosahuje větších výkyvů v hospodářském cyklu, zejména v období 1998:Q4 a 2009:Q1. Vezme-li se v úvahu přelomové období 2004:Q2, není zde na první pohled viditelná větší podobnost českého a slovenského hospodářského cyklu, jako tomu bylo u obr. 8. Vypočítané koeficienty korelace v tab. 11. potvrzují, že korelace prvních logaritmických diferencí ČR a SR je větší po vstupu než před vstupem do EU. Tab. 11

Výběrové korelační koeficienty hospodářských cyklů (FOD, HDP)

Období

hodnota

t-statistika

p-hodnota

1996:Q2-2004:Q1

-0,0710

-0,3950

0,6954

2004:Q2-2013:Q4

0,600

4,566

0,0001

Výsledky a diskuze

40

1996:Q2-2013:Q4

0,380

3,416

0,0011

I zde byl počítán test shody korelačních koeficientů, kde byly testovány hypotézy H 0 : 1   2 oproti H1 : 1   2 ,

korelační koeficienty (r1) před (1996:Q2-2004:Q1) a (r2) po vstupu (2004:Q2-2013:Q4) do EU byly nejprve převedeny Fisherovou transformací na koeficienty (Z1, Z2). Výsledné hodnoty této transformace jsou uvedeny v tab. 12. Zdrojová data a výsledky Fisherovy transformace (FOD, HDP)

Tab. 12

r1

Z1

n1

r2

Z2

n2

-0,071

-0,071

33

0,6

0,693

39

Testové kritérium vyšlo u=-3,0916, kdy |-3,0916|>1,96. Na hladině významnosti 0,05 byla zamítnuta nulová hypotéza ve prospěch hypotézy alternativní, na hladině významnosti 0,05 se podařilo prokázat, že intenzita korelačních koeficientů před a po vstupu do EU stejná není. Dalším způsobem, jimž lze pozorovat synchronnost hospodářských cyklů je klouzavá korelace. Klouzavá korelace byla v této práci u HDP aplikována s šířkou okna o 8 pozorováních (2 roky). Byla aplikována na hospodářské cykly identifikované metodou FOD a metodou HP-filtru. Výsledky jsou znázorněny na obr. 10.

Obr. 10 Klouzavá korelace (FOD a HP-filtru, HDP) Zdroj: EUROSTAT

Klouzavá korelace vypočítaná z prvních logaritmických diferencí HDP ČR a SR vykazuje 3 výrazné propady korelace, a to v období 1998:Q3-2000:Q3, 2004:Q4-2007:Q1 a 2011:Q1-2012:Q1. Klouzavá korelace vypočítaná z produkční

Výsledky a diskuze

41

mezery identifikované pomocí HP-filtru, vykazuje pouze jeden výrazný propad v období 1997:Q4-2003:Q1, což je téměř celé období před vstupem do EU. V obr. 10 je období 2006:01 prvním obdobím, v jehož klouzavém okně jsou zahrnuta pouze data po vstupu do EU. Vezme-li se v úvahu právě toto přelomové období, začínají korelační koeficienty u obou metod výrazně růst. Následující období je dokonce u obou metod dosaženo korelačních koeficientů v rozmezí 0,6-0,8. Z těchto výsledků se dá opět usoudit, že hospodářské cykly ČR a SR dosahují vyšší synchronnosti po vstupu do EU. 4.2.2

VAR model

Dalším způsobem posouzení vztahu mezi českým a slovenským cyklem je vytvoření VAR modelu. Endogenními proměnnými jsou první logaritmické diference reálného HDP ČR a SR. Dalším krokem je zjištění stacionarity příslušných dat. Podle obr. 16 a 17. (zařazených v příloze A) lze se zjednodušením říci, že data jsou stacionární. Dále je nutné zjistit řád zpoždění, což lze provést pomocí informačních kritérií, které jsou uvedeny v tab. 13 a vzájemného korelogramu (obr. 15), který je opět uvedený v příloze A. Tab. 13

Informační kritéria pro VAR model pro jednotlivé řády zpoždění

Zpoždění

logvěr.

1

373,228

2

374,129

3 4

p (LR)

AIC

BIC

HQC

-11,658*

-11,454*

-11,578*

0,772

-11,5600

-11,2190

-11,4260

375,487

0,607

-11,4760

-11,0000

-11,2880

375,900

0,935

-11,3620

-10,7500

-11,1210

Řád zpoždění byl zvolen 1, protože hvězdička u daných informačních kritérií (tab. 13) označuje nejlepší (tedy minimální) hodnoty příslušného informačního kritéria. U vzájemného korelogramu (obr. 15, příloha A) je též porušena korelační mez ve zpoždění 1. Posledním krokem je odhadnutí modelu. Výsledky tohoto odhadu jsou znázorněny v tab. 14. VAR (1), model lze zapsat i pomocí následující rovnice, která má podobu matic

 Yt  01  11 12   Yt 1   t  Z          ,   t   02   21  22  Z t 1   t 

(35)

kde Yt je logaritmická diference reálného HDP SR, Zt je logaritmická diference reálného HDP ČR, Yt-1 je zpožděná logaritmická diference reálného HDP SR, Zt-1 je zpožděná logaritmická diference reálného HDP ČR, 01 a 02 jsou konstanty; 11 , 12 ,

 21 ,  22 jsou koeficienty a  t je náhodná složka. Po dosazení čísel vypadá rovnice následovně

Výsledky a diskuze

42

 Yt  0,0067  0,1677 0,7027  Yt 1  Z   0,0033   0,0320 0,3722 Z  .     t 1   t 

Tab. 14

(36)

VAR (1) model

Informační kritéria

AIC

-11,7766

BIC

-11,5839

HQC

-11,7001

Rovnice 1: ld_realné_HDP_SR_sa proměnná

koeficient

p-hodnota

const

0,0067

0,00410***

ld_realne_HDP_SR_s_1

-0,1677

0,1705000

ld_realne_HDP_CR_s_1

0,7027

0,00050***

Koeficient determinace

0,16470

Adjustovaný koeficient determinace

0,13980

Durbin-Watsonova statistika

1,99440

Rovnice 2: ld_realne_HDP_CR_sa proměnná

koeficient

p-hodnota

const

0,0033

0,02540**

ld_realne_HDP_SR_s_1

0,0320

0,67670 0

ld_realne_HDP_CR_s_1

0,3722

0,0033 ***

Koeficient determinace

0,1548

Adjustovaný koeficient determinace

0,1296

Durbin-Watsonova statistika

2,0951

K posouzení Grangerovy kauzality, kvůli které byl celý model vytvořen, byly použity p-hodnoty jednotlivých koeficientů z VAR (1) modelu uvedeného v tab. 14.

Výsledky a diskuze

43

V první rovnici je vysvětlovanou proměnnou reálné HDP SR a vysvětlujícími proměnnými jsou zpožděné a reálné HDP ČR a SR. Koeficient u zpožděné proměnné SR (ld_realne_HDP_SR_s_1) je statisticky neprůkazný, jeho p-hodnota je vyšší než 0,05. Kauzální vztah zde tedy prokázán nebyl, změna reálného HDP SR není závislá na svém vlastním předchozím vývoji (o délce 1 čtvrtletí). Koeficient zpožděné proměnné ČR však podle p-hodnoty nižší než 0,05 statisticky průkazný je. Byl zde tedy prokázán kauzální vztah mezi reálným HDP SR a zpožděným reálným HDP ČR na hladině významnosti 0,05. Z tohoto je možné usuzovat, že musí nastat nejprve změna českého reálného HDP, aby se mohlo změnit reálné HDP SR. Ve druhé rovnici je vysvětlovaná proměnná reálný HDP ČR a vysvětlujícími proměnnými jsou zpožděný a reálný HDP ČR a SR. Z této rovnice lze usoudit, že změna reálného HDP ČR je závislá na svém vlastním předchozím vývoji, což je opět dáno p-hodnotou nižší než 0,05 u koeficientu ld_realne_HDP_CR_s_1. Zpožděná slovenská proměnná má p-hodnotu nižší než 0,05, což neprokazuje existenci kauzálního vztahu, změna reálného HDP SR nemá ve zpoždění jednoho čtvrtletí na změnu reálného HDP ČR vliv. 4.2.3

Index průmyslové produkce

Dalším zdrojem dat pro zkoumání synchronnosti českého a slovenského hospodářského cyklu byl index průmyslové produkce. Hospodářský cyklus ČR a SR identifikovaný pomocí metody HP-filtru je zachycen na obr. 11.

Obr. 11 Hospodářský cyklus ČR a SR (HP-filtr, IPP) Zdroj: OECD

Vezme-li se v úvahu přelomové období 2004:M5, není na první pohled viditelná větší či menší podobnost hospodářských cyklů před a po vstupu do EU. Vypočítané koeficienty korelace v tab. 15. však potvrzují, že závislost hospodářských cyklů je výrazně větší po vstupu do EU než před vstupem.

Výsledky a diskuze Tab. 15

44

Výběrové korelační koeficienty pro hospodářský cyklus (HP-filtr, IPP)

Období

hodnota

t-statistika

p-hodnota

1996:M5-2004:M4

0,271

2,735

0,0074

2004:M5-2013:M12

0,856

17,7220

0,0000

1996:M5-2013:M13

0,707

14,4920

0,0000

Všechny koeficienty v tab. 15. jsou statisticky průkazné, protože jejich p-hodnota je menší jak 0,05. Byl zde proveden test o shodě korelačních koeficientů generovaných z dat před vstupem (1996:M5-2004:M4) a po vstupu (2004:M5-2013:M12) do EU. Tento test umožní zjistit, zda je intenzita závislosti korelačních koeficientů SR a ČR před vstupem a po vstupu do EU stejná či nikoliv. Byly zkoumány následující hypotézy H 0 : 1   2 oproti H1 : 1   2 .

Nejprve je však nutná Fisherova transformace korelačních koeficientů (r1, r2) na koeficienty (Z1, Z2), výsledky a zdrojová data jsou uvedeny v tab. 16. Tab. 16

Zdrojová data a výsledky Fisherovy transformace (HP-filtr, IPP)

r1

Z1

n1

r2

Z2

n2

0,271

0,279

96

0,856

1,278

116

Dosazením do vzorce 28, je získáno testové kritérium u=-8,85081, kdy |-8,85081|>1,96. Nulová hypotéza je tedy na hladině významnosti 0,05 zamítnuta. Na hladině významnosti 0,05 je naopak přijata alternativní hypotéza, která říká, že intenzita závislosti korelačních koeficientů před a po vstupu do EU stejná není. Podařilo se prokázat na hladině významnosti 0,05, že intenzita závislosti hospodářských cyklů ČR a SR (získaných z dat IPP metodou HP-filtru) se po vstupu do EU zvýšila. Z dat IPP byla následně analyzována i synchronnost hospodářských cyklů ČR a SR získaných metodou první logaritmické diference. Průběh těchto cyklů je znázorněn na obr. 12, kde je pro větší přehlednost zachyceno období 1996:M5-2004:M4, tedy období před vstupem do EU, a na obr. 13, kde je znázorněno období po vstupu do EU (2004:M5-2013:M12). Srovnáme-li obr. 12 a obr. 13, je na první pohled patrná větší synchronnost hospodářských cyklů po vstupu do EU, tedy u obr. 13.

Výsledky a diskuze

45

Obr. 12 První logaritmické diference ČR a SR 1996:M5-2004:M4 (IPP) Zdroj: OECD

Obr. 13 První logaritmické diference ČR a SR 2004:M5-2013:M12 (IPP) Zdroj: OECD

Korelační koeficienty v tab. 17 též potvrzují, že korelace hospodářských cyklů ČR a SR je větší po vstupu do EU. I zde byl proveden test shody korelačních koeficientů před vstupem (1996:M5-2004:M4) a po vstupu do EU (2004:M5-2013:M12). Tab. 17

Korelační koeficienty pro hospodářský cyklus (FOD, IPP)

Období

hodnota

t-statistika

p-hodnota

1996:M5-2004:M4

0,137

1,348

0,1807

2004:M5-2013:M12

0,568

7,371

0,0000

1996:M5-2013:M13

0,371

5,802

0,0000

Výsledky a diskuze

46

Testované hypotézy H 0 : 1   2 oproti H1 : 1   2 .

Korelační koeficienty (r1, r2) byly převedeny Fisherovou transformací na koeficienty (Z1, Z2), které byly dosazeny do vzorce 28 pro výpočet testového kritéria. Výsledky a zdrojová data Fisherovy transformace jsou uvedeny v tab. 18. Tab. 18

Zdrojová data a výsledky Fisherovy transformace (FOD, IPP)

r1

Z1

n1

r2

Z2

n2

0,137

0,139

96

0,568

0,645

116

Testové kritérium vyšlo u=-4,4667, jelikož |-4,4667|>1,96 je na hladině významnosti 0,05 zamítnuta nulová hypotéza o shodě korelačních koeficientů. Na hladině významnosti 0,05 se podařilo prokázat, že intenzita závislosti hospodářských cyklů (získaných z dat IPP upravených metodou FOD) před a po vstupu do EU stejná není. I u dat IPP byla zkoumána klouzavá korelace. Byla aplikována na hospodářské cykly získané metodou FOD a HP-filtru. Vykreslení těchto klouzavých korelací je znázorněno na obr. 14. Šířka klouzavého okna byla zvolena 2 roky, tedy 24 pozorování.

Obr. 14 Klouzavá korelace (FOD a HP-filtr, IPP) Zdroj: OECD

U klouzavé korelace získané z produkční mezery (IPP) ČR a SR, upravenou metodou HP-filtru, je na obr. 14 zaznamenán jeden výrazný pokles, a to v období 2003:M5-2005:M1. Období 2006:M4 je prvním obdobím, které zachycuje pouze data po vstupu do EU. Vezme-li se v úvahu toto období, je na obr. 14 vidět značný nárůst koeficientů u obou metod. I klouzavá korelace aplikovaná na data IPP po-

Výsledky a diskuze

47

tvrdila, že hospodářské cykly ČR a SR jsou více sjednocené po vstupu do EU než před vstupem.

4.3 Diskuze Tato část práce je zaměřena na vzájemné porovnání výsledků, kterých bylo v této práci dosaženo. Je zde uvedeno i srovnání s autorem, který se též věnoval problematice identifikace a sladěnosti hospodářských cyklů. Tab. 19. umožňuje porovnat korelační koeficienty, které byly získány oběma metodami, tedy metodu FOD a metodu HP filtru, nebo korelační koeficienty získané z dat HDP či IPP. Tab. 19

Srovnání párových korelačních koeficientů podle ukazatele a použité metody

Data

IPP

HDP

Období

Metoda HP-filtr

FOD

1996:M5-2013:M13

0,707

0,371

1996:M5-2004:M4

0,271

0,137

2004:M5-2013:M12

0,856

0,568

1996:Q2-2013:Q4

0,599

0,380

1996:Q2-2004:Q1

-0,1850

-0,0710

2004:Q2-2013:Q4

0,866

0,600

Srovnání dvou použitých metod v tab. 19 ukazuje, že české a slovenské hospodářské cykly určené pomocí HP-filtru generují větší vzájemnou korelaci než cykly určené metodou FOD. Chceme-li podobné stanovisko určit i u zkoumaných ukazatelů (tedy který z ukazatelů generuje více synchronní české a slovenské hospodářské cykly) nelze z dosažených výsledků usoudit jednoznačný závěr. Sledujeme-li celé období a období pouze před vstupem do EU, tak vyšší korelace cyklů byla získána z dat IPP. Zkoumá-li se pouze období po vstupu do EU, vyšší korelace je dosaženo z dat HDP. Ze srovnání HDP a IPP při identifikaci hospodářských cyklů je ale patrné, že IPP generuje více hospodářských cyklů než HDP. Chceme-li dále srovnávat výsledky identifikace hospodářského cyklu, je k tomu pravděpodobně nejvhodnější práce Najmana (2009), který se ve své práci zaměřuje na připravenost České republiky přijmout euro. Ve své práci aproximoval hospodářský cyklus ČR a SR z dat HDP získaných z EUROSTATu. K odhadu cyklické složky použil metodu první logaritmické diference, Hodrick-

Výsledky a diskuze

48

Prescottův filtr a Band-pass filtr. Sledoval období 1996-2008. Vezmou-li se v úvahu výsledky získané pro Českou republiku, začátky a konce fází recese a expanze, které Najman (2009) určil ve své práci, se s výsledky dosaženými v této práci výrazně shodují. Dochází-li k odlišnostem, jedná se o posun v řádu jednoho čtvrtletí. V jednom jediném případě byla zaznamenána odchylka dvě čtvrtletí. Při srovnání výsledků pro Slovenskou republiku se jeho výsledky s výsledky dosaženými v této práci shodují téměř úplně, jen jednou byl zaznamenán posun o jedno čtvrtletí.

Závěr

49

5 Závěr Cílem této bakalářské práce bylo identifikovat hospodářský cyklus v České republice a na Slovensku a posoudit jejich vzájemnou synchronnost. K aproximaci hospodářského cyklu byly použity dva ukazatele, a to hrubý domácí produkt a index průmyslové produkce. K odhadu cyklické složky byly zvoleny dvě metody, a to Hodrick-Prescottův filtr a metoda první logaritmická diference. U HDP byla sledována období 1996:Q2-2013:Q4 u IPP byla sledována období 1996:M5-2013:M12. Dílčí cíl 1: Pomocí metody HP-filtru identifikovat hospodářský cyklus v České republice a na Slovensku na datech (HDP a IPP) a zhodnotit jejich podobnost. Potencionální produkt a produkční mezera byly identifikovány pomocí HP-filtru a z těchto výsledků byl následně určen hospodářský cyklus. V České republice byly u HDP identifikovány tři úplné a dva neúplné hospodářské cykly začínající fází kontrakce. První hospodářský cyklus (1997:Q4-2001:Q4) trval 17 čtvrtletí, druhý (2002:Q1-2008:Q4) o délce 28 čtvrtletí a třetí (2009:Q1-2012:Q1) trval 13 čtvrtletí. Obdobím 2012:Q2 začala v ČR fáze kontrakce, která může mít své dno v období 2013:Q1 a konec v období 2013:Q3, následující období 2013:Q4 může být začátkem nové expanze, jelikož ale nejsou k dispozici další pozorování, nelze toto tvrdit ještě s určitostí. Ve Slovenské republice byly identifikovány pouze dva hospodářské cykly. První (1999:Q3-2008:Q4) trval 38 čtvrtletí a druhý (2009:Q1-2012:Q3) trval 15 čtvrtletí. Obdobím 2012:Q4 začala ve SR fáze kontrakce, která by mohla mít dno v období 2013:Q3, opět nejsou k dispozici následující pozorování, takže právě na nich bude záležet, zda se opravdu jedná o dno či nikoliv. Hospodářské cykly ČR a SR skládající se z recesí a expanzí byly převedeny na binární čísla, kdy fáze recese byla označena číslem nula a fáze expanze číslem jedna. Tyto hodnoty byly uspořádány do kontingenční tabulky typu 2×2, kde byla pomocí chí-kvadrát testu zkoumána nezávislost respektive závislost. Výsledky však neprokázaly závislost českých a slovenských hospodářských cyklů. Byl zde počítán i Cramerův koeficient asociace, který prokázal slabou pozitivní závislost hospodářských cyklů, ale vyšel statisticky neprůkazný. U dat IPP byly v České republice identifikovány 4 úplné hospodářské cykly. První (1998:M10-2001:M11) trval 38 měsíců, druhý (2001:M12-2004:M10) o délce 35 měsíců, třetí (2004:M11-2008:M9) o délce 47 měsíců a čtvrtý (2008:M10-2012:M7) trval 46 měsíců. Období 2012:M8-2013:M7 bylo identifikováno jako kontrakce, od 2013:M8 začala v ČR pravděpodobně fáze kontrakce, tato fáze trvá přesně 5 měsíců, takže podle pravidel, která určují, že délka fáze v cyklu musí trvat minimálně 6 měsíců, ještě nelze mluvit o fázi expanze. Ve Slovenské republice identifikováno 6 úplných hospodářských cyklů. První (1996:M12-1998:M10) trval 23 měsíců, druhý (1998:M11-2001:M10) trval 36 měsíců, třetí (2001:M11-2004:M10) o délce 36 měsíců, čtvrtý (2004:M11-2008:M10) trval 48 měsíců, pátý (2008:M11-2011:M5) o délce 31 měsíců a šestý (2011:M6-2012:M9) trval 16 měsíců. V období 2012:M10-2013:M7

Závěr

50

byla ve SR definována kontrakce, expanze pravděpodobně začala obdobím 2013:M8, trvá prozatím přesně 5 pozorování. Opět byly fáze expanze a recese ČR a SR převedeny na binární čísla (stejným postupem jako tomu bylo u HDP) a uspořádány do asociační tabulky o rozměrech 2×2, chí-kvadrát test u dat IPP prokázal závislost českých a slovenských hospodářských cyklů. Cramerův koeficient asociace prokázal střední závislost hospodářských cyklů a vyšel statisticky průkazný. Dílčí cíl 2: S využitím dat (HDP a IPP) a metod (HP-filtru a FOD) posoudit sladěnost hospodářských cyklů před vstupem a po vstupu do EU. K posouzení synchronnosti českého a slovenského hospodářského cyklu před a po vstupu do EU byla zvolena korelační analýza, klouzavá korelace. Bylo sledováno, zda se synchronnost českých a slovenských hospodářských cyklů po vstupu do Evropské unie zvyšuje či nikoliv. Doplňkově byl vytvořen VAR model. U korelační analýzy bylo v této práci zvoleno přelomové období 2004:Q2 u HDP a 2004:M5 u IPP, v tomto období Česká a Slovenská republika vstoupily do Evropské unie. Korelační koeficienty se u HDP počítaly za celkové období (1996:Q2-2013:Q4), za období před vstupem do EU (1996:Q2-2004:Q1) a za období po vstupu do EU (2004:Q2-2013:Q4). U IPP bylo též sledované celkové období (1996:M5-2014:M13), období před vstupem do EU (1996:M5-2004:M4), za období po vstupu do EU (2004:M5-2013:M12). Korelační analýzou bylo zjištěno, že české a slovenské hospodářské cykly se staly vzájemně více synchronními po vstupu do Evropské unie. Toto tvrzení potvrdily korelační koeficienty, které vycházely u obou ukazatelů i metod zásadně nižší před vstupem než po vstupu do Evropské unie. U těchto koeficientů (z dat IPP a HDP, z metod FOD a HP-filtru) byl proveden i test o shodě korelačních koeficientů, kde bylo cílem zjistit, zda je velikost korelačních koeficientů před vstupem a po vstupu do Evropské unie stejná či nikoliv. U všech použitých metod i ukazatelů bylo zjištěno, že velikost korelačních koeficientů před vstupem i po vstupu do EU stejná není, což jen potvrdilo tvrzení, že hospodářské cykly ČR a SR se staly po vstupu do EU vzájemně více synchronními. Pro utvrzení těchto závěrů byla použita metoda klouzavé korelace. Klouzavá korelace byla aplikována opět na data HDP a IPP upravená metodou HP-filtru i metodou FOD. Koeficienty korelace u všech metod i dat opět vycházely výrazně vyšší po vstupu než před vstupem do EU. Dalším zkoumáním synchronnosti hospodářských cyklů bylo vytvoření VAR modelu s řádem zpoždění jedna. Obsahoval dvě rovnice, kde v první rovnici byla vysvětlována proměnná reálného HDP SR a vysvětlujícími proměnnými byly zpožděné české i slovenské reálné HDP, v druhé rovnici byla vysvětlovaná proměnná reálné HDP ČR a vysvětlujícími proměnnými byl opět zpožděný český a slovenský reálný HDP. Z první rovnice bylo zjištěno, že na reálný HDP Slovenské republiky nemá vliv jeho vlastní předchozí vývoj, naopak ho kauzálně ovlivňuje předchozí vývoj reálného HDP ČR. Z druhé rovnice se podařilo prokázat, že na reálné HDP ČR má vliv jeho vlastní předchozí vývoj, ale předchozí vývoj reálného HDP SR ho ve zpoždění jednoho čtvrtletí nijak neovlivňuje.

Závěr

51

Dílčí cíl 3: Vyjádřit se k výhodám a nevýhodám použití metod (FOD a HP-filtru) k identifikaci hospodářského cyklu. Tento cíl je z velké části splněn v kapitole Materiál a metodika, kde byl udělán přehled názorů jednotlivých autorů na výhody a nevýhody použití metody HP-filtru a metody FOD. Při analýze synchronnosti českých a slovenských hospodářských cyklů bylo srovnáním jednotlivých výsledků použitých metod zjištěno, že metoda HP-filtru generuje více synchronní české a slovenské hospodářské cykly, než metoda FOD, což je v souladu s výsledky Rozmahela a Najmana (2010). U sledovaných ukazatelů nelze stejně jednoznačně určit, který z nich (jestli HDP nebo IPP) generuje více synchronní cykly. Dalším srovnáním bylo zjištěno, že data IPP generují více hospodářských cyklů než data HDP.

Literatura

52

6 Literatura BLAŠKOVÁ, VERONIKA, 2006. Metody odhadu produkční mezery. In Zborník príspevkov z medzinárodnej vedeckej konferencie Medzinárodné vedecké dni 2006. Nitra: Slovenská poĺnohospodárska univerzita v Nitre, s. 1326-1334. ISBN 808069-704-3. ARLT, JOSEF, MARKÉTA ARLTOVÁ A EVA RUBLÍKOVÁ, 2004. Analýza ekonomických časových řad s příklady. Vyd. 2. Praha: Oeconomica, 146 s. ISBN 80-245-07773. ARTIS, MICHAEL A WENDA ZHANG, 1997. International Business Cycles and the ERM: Is there a European Business Cycle? International Journal of Finance and Economics, no. 2, s. 1-16. ARTIS, MICHAEL A WENDA ZHANG, 1999. Further Evidence on International Business Cycles and the ERM: Is there a European Business Cycle? Oxford Economic Papers, vol. 51, no. 1, s. 120-132. BABETSKI, IAN, 2004. EU Enlargement and Endogeneity of some OCA Criteria: Evidence from the CEEC’s. Prague: Czech National Bank, Working Paper No. 2. 32 s. BABETSKI, IAN, LAURENCE BOONE A MATHILDE MAUREL, 2004. Exchange Rate Regimes and Shock Asymmetry: the Case of the Accession Countries. Journal of Comparative Economics, vol. 32, no. 2, s. 212-229. BAKYTOVÁ, HEDVIGA, 1981. Regresná a korelačná analýza. 1. vyd. Bratislava: Vysoká škola ekonomická, 201 s. BAXTER, MARIANNE A ROBERT G. KING, 1999. Measuring Business Cycles: Approximate Band-Pass Filters for Economic Time Series. The Review of Economics and Statistics, vol. 81, no. 4, s. 575-593. BENČÍK, MICHAL, 2008. Metódy detekcie nerovnováhy v reálnej ekonomike SR. Bratislava: Národná Banka Slovenska, no. 2., 46 s. ISSN: 1337-5830. BERGMAN, U. MICHAEL. How Similar Are European Business Cycles? [online]. Working paper series, Economic Policy Research Unit, EPRU, 2004. č. 13. 36 s. [cit. 2014-26-3]. ISSN 0908-7745. Dostupné z: http://www.econ.ku.dk/epru/files/wp/wp-04-13.pdf BEVERIGE, STEPHEN A CHARLES R. NELSON, 1981. A new approach to the decomposition of economic time series into permanent and transistory components with particular attention to measurement of the business cycle. Journal of Monetary Economics, 7, s. 151 – 174. BONENKAMP, JAN, JAN JACOBS A GERARD H. KUPER. Measuring Business Cycles in The Netherlands: A Comparison of Business Cycle Dating Methods SOMUniversity of Groningen [online]. 2001, s. 1815–1913 [cit. 2014-03-20]. Dostupné z:http://som.eldoc.ub.rug.nl/FILES/reports/themeC/2001/01C25/01C25.pdf BUDÍKOVÁ, MARIE, MARIA KRÁLOVÁ A BOHUMIL MAROŠ, 2010. Průvodce základními statistickými metodami. 1. vyd. Praha: Grada, 272 s. ISBN 978-80-247-3243-5.

Literatura

53

BURDA MICHAEL A CHARLES WYPLOSZ, 2005. Macroeconomics: a European text. Oxford: Oxford University Press, xix, 576 s. ISBN 0-19-926496-1. BURNS, ARTHUR FRANK A WESLEY CLAIR MITCHELL, 1946. Measuring Business Cycles: Vol. 2 of Studies in Business Cycles. New York: NBER. CANOVA, FABIO, 1998. Detrending and Business Cycle Facts. Journal of Monetary Economics, vol. 41, s. 533–540. CÍFKA, MICHAL, 2009. Modelové přístupy a techniky odhadu potencionálního produktu. Diplomová práce. Brno: Masarykova univerzita, 54 s. CIPRA, TOMÁŠ, 1986. Analýza časových řad s aplikacemi v ekonomii: celostátní vysokoškolská učebnice pro stud. matem.-fyz. fakult studijních oborů 11 Fyzikálně matematické vědy. 1. vyd. Praha: Státní nakladatelství technické literatury, 246 s. CIPRA, TOMÁŠ, 2006. Finanční a pojistné vzorce 1. vyd. Praha: Grada Publishing, 374 s. ISBN 80-247-1633-X. CZESANÝ, SLAVOJ, 2006. Hospodářský cyklus: teorie, monitorování, analýza, prognóza. Praha: Linde, 199 s. ISBN 80-7201-576-1. ČSÚ. Průmysl-metodika [online]. 2013 [cit. 2014-04-28]. Dostupné z: http://www.czso.cz/csu/redakce.nsf/i/prumysl_metodika ČNB. Používání ukazatele mezery výstupu v ČNB [online]. Říjen 2003 [cit. 2014-0509]. Dostupné z: http://www.cnb.cz/cs/menova_politika/zpravy_o_inflaci/2003/2003_rijen/b oxy_a_prilohy/mp_zpinflace_prilohy_c_03_rijen_b1.html EUROSTAT [online]. 2014 [cit. 2014-01-19]. Dostupné z: http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/search_datab ase FIDRMUC, JARKO, 2001. The Endogeneity of the Optimum Currency Area Criteria, Intraindustry Trade, and EMU Enlargement. Helsinki: BOFIT Discussion Paper No. 8. 21 s. ISBN 951-686-959-0 FIDRMUC, JARKO, 2004. The Endogeneity of Optimum Currency Area Criteria, Intraindustry Trady, and EMU Enlargement. Contemporary Economic Policy, vol. 22, no. 1, s. 1-12. FRANKEL, JEFFEREY ALEXANDER A ANDREW KENAN ROSE, 1998. The Endogeneity of the Optimum Currency Area Criteria. The Economic Journal, vol. 108, no. 449, s. 1009–1025. ISSN: 1468-0297 HÁJEK, MOJMÍR A VLADIMÍR BEZDĚK, 2000. Odhad potenciálního produktu a produkční mezery v ČR. Praha: Česká národní banka, Sekce měnová, 48 s. ISBN 80-238-7031-9. HINDLS, RICHARD. 2007. Statistika pro ekonomy. 8. vyd. Praha: Professional Publishing, 415 s. ISBN 978-80-86946-43-6. HODRICK, ROBERT JAMES A EDWARD CHRISTIAN PRESCOTT, 1980. Post-war U. S. Business Cycles: an Empirical Investigation, Pennsylvania: Carnegie Mellon University, Discussion Paper, 24 s.

Literatura

54

HOLMAN, ROBERT. 2011. Ekonomie. 5. vyd. V Praze: C. H. Beck, xxii, 696 s. ISBN 97880-7400-006-5. HUŠEK, ROMAN, 1999. Ekonometrická analýza: [předmět a metody: simulační modely a techniky: ekonometrické prognózování]. Vyd. 1. Praha: Ekopress, 303 s. ISBN 80-86119-19-x. INCLAAR, ROBERT A JACOB DE HAAN, 2001. Is There Really a European Business Cycle? A Comment. Oxford Economic Papers, vol. 53, s. 215-220. Online ISSN 1464-3812 - Print ISSN 0030-7653 ISSAR. Průmyslová produkce-specifikace indikátoru [online]. 2013. [cit. 2014-0415]. Dostupné z: http://issar.cenia.cz/issar/page.php?id=1569 JUREČKA, VÁCLAV, 2010. Makroekonomie. 1. vyd. Praha: Grada, 332 s. ISBN 978-80247-3258-9 KADEŘÁBKOVÁ, ANNA A VÁCLAV ŽĎÁREK, 2006. Makroekonomická analýza. Vyd. 1. Praha: Vysoká škola ekonomie a managementu, 293 s. ISBN 80-86730-05-0. KENEN, PETER, 2001. Currency Areas, Policy Domains, and the Institucialization of Fixed Exchange Rates. London: Centre for Economic Performace, 46 s. ISBN 0 7530 1406 8 KLOUDOVÁ, DANA, 2013. Modely nepozorovaných komponent pro odhad produkční mezery. Acta academica karviniensia. č. 3, s. 95-105. ISSN: 1212-415X. KÖNING, PETR, LUBOR LACINA A JAN PŘENOSIL, 2007. Učebnice evropské integrace. 2., aktualiz. vyd. Brno: Barrister & Principal, 402 s. ISBN 978-80-7364-044-6. LUCAS, ROBERT EMERSON, 1977. Understanding Business Cycles. In BRUNNER. K., MEL-TZER, A. H. (eds.): Stabilization Domestic and International Economy. Carnegie-Rochester Conference Series on Public Policy, vol. 5, s. 7–29. MELOUN, MILAN. Korelace [online]. 2008, 7 s. [cit. 2014-02-01]. Dostupné z: http://meloun.upce.cz/docs/research/chemometrics/methodology/7metody. pdf MINSKY, HYMAN, 1982. Can "It" Happen Again?: Essays on Instability and Finance, Inc. Armonk, New York: M. E. Sharpe, 301 s. ISBN: 978-0873323055. MLČOCH, LUBOMÍR, 2005. Institucionální ekonomie. Vyd. 2. Praha: Karolinum, 189 s. ISBN 80-246-1029-9. MUNDELL, ROBERT ALEXANDER, 1961. A Theory of Optimum Currency Areas, The American Economic Review, Vol. 51, No. 4 (Sep., 1961), s. 657 – 665. NAJMAN, NIKOLA, 2009. Měření synchronnosti hospodářského cyklu České republiky s eurozónou. Diplomová práce: MZLU. 65 s. ORGANIZATION FOR ECONOMIC COOPERATION AND DEVELOPMENT [online]. 2014 [cit. 201431-03]. Dostupné z: http://www.oecd.org/statistics/ ROZMAHEL, PETR A NIKOLA NAJMAN, 2010. Index shody hospodářského cyklu České republiky a vybraných zemí střední a východní Evropy s eurozónou, Acta univ. agric. et silvic. Mendel. Brun., LVIII, No. 6, s. 407–414. ISSN:1211-8516. ROZMAHEL, PETR, 2006. Metodologické aspekty posuzování připravenosti kandidátských zemí pro vstup do eurozóny z pohledu teorie optimálních měnových oblastí. Disertační práce. Brno: MZLU. 154 s.

Literatura

55

RUBINA, STANISLAV, 2013. Assessment of Czech and European Business cycle Comovements. Diplomová práce. Brno: MENDELU Brno, 78 s. SCHUMPETER, JOSEPH ALOIS, 1939. Business Cycles. A Theoretical, Historical and Statistical Analysis of the Capitalist Process. New York: Mc-Graw-Hill Book Company, 1095 s. ISBN 1578985560. SLANÝ, ANTONÍN, 2003. Makroekonomická analýza a hospodářská politika. 1. vyd. Praha: C. H. Beck, xiii, 375 s. ISBN 80-7179-738-3. SOJKA, MILAN, 1996. Milton Friedman: svět liberální ekonomie. 1. vyd. Praha: Epocha, 80 s. ISBN 80-902129-2-1. SOJKA, MILAN, 2010. Dějiny ekonomických teorií. Vyd. 1. Praha: Havlíček Brain Team, 541 s. ISBN 978-80-87109-21-2. SYNEK, MILOSLAV A EVA KISLINGEROVÁ, 2010. Podniková ekonomika. 5., přeprac. a dopl. vyd. Praha: C. H. Beck, xxv, 498 s. ISBN 978-80-7400-336-3. TESAR, L. LINDA. Production Sharing and Business Cycle Synchronization in the Accession Countries [with Comments] [online]. NBER International Seminar on Macroeconomics, 2006. s. 195-238. [cit. 2014-27-2]. ISSN 19328796. Dostupné z: http://www.jstor.org/stable/40215063 URBAN, JAN, 2011. Teorie národního hospodářství. 3., dopl. a rozš. vyd. Praha: Wolters Kluwer Česká republika, 559 s. ISBN 978-80-7357-579-3. ZAPLETAL, JOSEF, 2000. Úvod do analýzy ekonomických časových řad. 1. vyd. Brno: PC-DIR Real, 112 s. ISBN 80-214-1719-6. ZIMKOVÁ, EMÍLIA A JAROSLAV BACHROVSKÝ, 2007. Odhadpotenciálneho produktu a produkčnej medzery v slovenských podmienkach, Politická ekonomie, č. 4, 2007, s. 473–489. ISSN 0032-3233.

Přílohy

56

Přílohy

Přílohy

57

Obrázkové přílohy Korelace ld_Real_H_CR_sa a zpo¾dìné ld_Realne_H_SL_sa +- 1,96/T^0,5

1

0,5

0

-0,5

-1 -4

-2

0

2

4

zpo¾dìná promìnná

Obr. 15

Korelogram logaritmických diferenci reálného HDP ČR a zpožděného HDP SR

Obr. 16 Vývoj první logaritmické diference SR (1996:Q2-2013:Q4, HDP) Zdroj: EUROSTAT

Přílohy

Obr. 17 Vývoj první logaritmické diference ČR za období (1996:Q2-2013:Q4, HDP) Zdroj: EUROSTAT

58

Přílohy

59

Tabulkové přílohy Tab. 20

Běžné HDP (ČR a SR) za období 1996:Q1-2013:Q4

Období 1996

1997

1998

1999

2000

2001

2002

2003

2004

Zdroj: EUROSTAT

Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4

ČR 12195,7 12550,1 13063,7 13288,1 13753,8 13025,7 12810,6 12923,6 13329,9 14139,1 14793,9 14914,6 14039,1 14221,9 14797 15076,9 15343 15602,7 16210,9 16687,2 17102,9 17800,5 18150,8 18930,3 19874,3 21026,4 21284,4 21176,8 20786,8 21282,7 20929,6 21424,2 21644,6 22498,5 23219,7 24394,9

Běžné HDP SR Období 3999,6 4117,7 2005 4216,6 4328,4 4499,4 4657,4 2006 4851 4858,5 4968,5 5087,3 2007 5078,4 4838,7 4785,7 4660,5 2008 4790,8 4965,6 5327,7 5478,9 2009 5579 5655,1 5646,7 5894,2 2010 5950,6 6084,3 6330,4 6330,4 2011 6435,2 6893,1 7017,6 7355,5 2012 7392,8 7730,5 8157,8 8285,8 2013 8603,6 8954,9

Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4

ČR 25437 25620,1 26315,1 27194,1 28336,2 29149,4 30049,7 30916,3 32116,8 31882,9 33164,5 34942,6 37234,6 38782,6 40484,7 37679,1 34547,4 35009,9 36384,8 36374 36258 37093,4 38169,9 38287,7 38860,1 39155,4 39244,2 38140,3 38487 38088,5 38226,6 38133,2 37576,9 37277 37306,6 37249,1

SR 9357,4 9436,1 9705,8 9994,4 10479 10878,9 11098,4 12092,2 12903,8 13456,9 13971,5 14501,4 15098,3 16069,5 16713 16579 15477,3 15554,3 15758,1 16004,7 16150,4 16352,7 16652,7 16741,2 16916,8 17179,5 17301,6 17576,2 17639,5 17729,4 17857,6 17869,5 17920,6 18012,1 18058,8 18142,6

Přílohy Tab. 21

60 Bazické indexy IPP (ČR a SR) za období 1996:M1-2013:M12

Období

1996

1997

1998

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

Bazické indexy IPP ČR SR Období 66,6 48,7 67,3 48,6 65,7 48,1 63,6 47,9 63,4 48,8 63,2 48,9 2005 64,7 49,8 64,2 49,7 65,1 50,9 64,5 50,9 64,2 50,3 61,0 49,8 65,5 47,8 65,7 50,5 66,2 48,5 69,5 50,2 63,9 49,5 67,7 51,3 2006 66,8 50,1 67,8 48,1 68,7 50,1 70,3 51,4 71,7 51,7 66,5 52,1 71,5 54,3 71,5 53,5 71,7 55,4 71,5 54,9 70,1 52,5 69,0 52,6 2007 69,6 52,8 68,2 52,7 67,7 51,8 66,4 52,0 65,6 50,9 61,8 50,8

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

ČR 088,6 087,4 084,3 091,7 090,1 090,9 090,1 091,8 091,8 092,8 094,3 096,0 096,3 094,5 095,2 095,1 097,1 098,1 098,0 098,7 099,8 101,3 102,2 103,4 106,0 109,3 109,5 107,3 107,3 107,5 108,6 107,4 108,5 110,4 111,6 108,8

SR 069,7 069,0 067,3 070,5 068,1 068,4 070,0 069,6 069,4 071,3 071,1 076,6 073,9 074,0 074,9 075,5 076,5 079,2 080,1 081,4 080,5 079,8 081,7 085,2 087,7 087,4 089,8 086,6 090,4 090,5 091,6 00,50 093,6 093,3 095,9 096,7

Přílohy

61

1999

2000

2001

2002

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar

65,5 66,1 64,9 66,4 68,7 66,5 65,9 67,1 66,3 66,9 66,4 66,2 64,4 64,4 67,1 68,3 70,3 70,9 72,0 72,4 71,7 71,8 71,9 74,4 73,9 74,6 75,2 74,3 74,8 75,1 74,9 74,9 73,7 75,0 74,9 74,2 73,3 74,8 74,8

50,7 50,8 51,6 51,1 53,1 50,9 51,6 51,9 51,6 51,7 53,1 52,0 52,6 52,8 53,1 57,0 52,3 50,3 53,4 53,1 54,5 54,4 55,3 56,9 58,0 57,1 58,6 57,0 57,9 59,5 58,0 57,7 59,1 59,5 56,5 57,4 55,3 58,9 55,9

2008

2009

2010

2011

Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar

112,1 111,8 106,2 115,8 109,7 109,3 112,3 104,0 106,8 100,0 096,9 091,5 090,0 091,6 091,6 091,2 087,9 091,2 092,4 093,4 092,9 093,9 092,7 096,4 094,3 094,8 096,5 098,4 099,4 098,5 099,6 1020 1040 103,2 102,6 105,4 107,9 105,7 104,8

100,9 100,8 096,3 101,8 098,9 099,6 104,3 094,2 094,3 090,5 085,0 076,6 079,3 079,4 080,0 079,9 073,5 079,7 081,3 088,5 087,1 090,1 092,1 087,8 090,8 095,2 096,7 096,4 099,9 099,6 100,3 102,9 100,4 102,7 107,8 107,4 109,2 105,7 103,1

Přílohy

62

2003

2004

Zdroj: OECD

Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

75,0 74,2 75,5 79,9 73,3 77,9 77,7 80,3 77,6 77,4 77,0 77,1 78,3 75,4 77,5 82,1 79,0 81,2 79,8 81,7 82,0 83,1 84,5 85,2 86,8 88,4 86,6 88,1 87,5 87,7 88,0 87,7 89,6

58,7 58,9 60,2 60,7 61,9 60,4 60,9 63,9 63,7 65,6 67,5 67,2 67,5 68,2 68,2 69,0 69,3 69,9 69,8 73,2 74,5 69,2 70,7 70,4 69,8 72,8 69,8 70,7 71,0 71,3 72,9 70,6 78,6

2012

2013

Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec

104,1 110,3 106,4 103,4 104,3 103,9 104,6 107,4 110,8 107,9 106,6 107,0 106,3 106,2 105,9 106,1 103,3 103,2 103,2 101,5 100,9 101,7 104,2 102,7 103,7 103,5 103,9 105,8 107,8 107,5 107,9 109,7 107,9

105,6 106,2 105,3 103,2 105,4 106,5 111,3 106,8 111,0 111,0 110,3 117,9 117,0 117,8 119,1 119,6 116,3 118,6 116,9 116,7 116,9 119,2 122,5 118,1 120,2 119,5 120,7 122,3 125,0 126,2 125,4 133,4 127,1

Identifikace hospodářského cyklu v České republice a na Slovensku

Recommend Documents