Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
MEDINDO O CONTÁGIO DA CRISE DO SUBPRIME NOS BRIC_monitoria.pdf Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP A CRISE NORTE-AMERICANA DO SUBPRIME: MEDINDO O CONTÁGIO PARA OS BRICS ORIENTADOR: PROF. DR. JOE YOSHINO Apresentação para a Banca de Defesa de Mestrado em 15 de agosto de 2011 1 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP OBJETIVOS DO TRABALHO – 1ª PARTE Encontrar formas de entender melhor os motivos pelos quais, em geral, os BRIC foram menos afetados pela recente crise do Subprime (2007/09), bem como quais foram os principais canais financeiros de propagação através de: 1. Calculo de volatilidade de variáveis financeiras dos BRIC e construção do Heat Map, a partir da metodologia de FMI (2009); 2. Modelos VAR e VEC para captar possíveis efeitos de curto e longo prazo de momentos positivos e negativos estimados para EUA e China. 2 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP DECOUPLING X RECOUPLING 3 0 50 100 150 200 250 300 350 400 450 500 31/12/2002 31/12/2003 31/12/2004 31/12/2005 31/12/2006 31/12/2007 31/12/2008 31/12/2009 Índice MSCI MSCI MSCI BRIC decoupling recoupling OBS: O MSCI é um índice calculado pelo Morgan Stanley Capital International com base em 1500 ações de empresas de economias desenvolvidas. Já o MSCI BRIC possui algo em torno de 230 das principais empresas pertencentes ao Brasil, Rússia, Índia e China. Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP OBJETIVOS DO TRABALHO – 2ª PARTE Medir contágio para o lado real da economia: 1. Calculo de volatilidade de variáveis reais dos BRIC (PIB, produção e desemprego) e construção do Heat Map Modificado, a partir da metodologia de FMI (2009); 2. Modelo de cointegração em painel de Westerlund (2006). 4 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 5 4,0 6,1 5,2 -0,6 7,5 12,7 14,2 9,6 9,2 10,3 9,7 9,9 6,2 6,8 10,4 8,2 8,5 5,2 -7,8 4,0 2,6 2,2 -0,2 -3,7 2,8 20 06 20 07 20 08 20 09 20 10 20 06 20 07 20 08 20 09 20 10 20 06 20 07 20 08 20 09 20 10 20 06 20 07 20 08 20 09 20 10 20 06 20 07 20 08 20 09 20 10 Variação % do PIB : BRIC X G7 Brasil China Índia Rússia G7* *G7: Canadá, França, Alemanha, Itália, Japão, Reino Unido e EUA. Fonte: FMI- WEO, abril de 2011 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP OS BRIC, CARACTERÍSTICAS PRINCIPAIS: 6 Os BRIC estão entre as maiores economias do mundo emergente, em mais rápido ritmo de expansão e com grande potencial de tornarem-se os novos propulsores do crescimento mundial. Entretanto, há diferenças notáveis : 1) China e Índia: população vive predominantemente em áreas rurais, possuem um mercado de capitais relativamente fechado e controlado pelo Estado e suas estratégias de desenvolvimento baseiam-se na industrialização doméstica voltada para a exportação; 2) Brasil e Rússia: a maior parte de suas populações vive em áreas urbanas, são economias bem dotadas de recursos primários e possuem uma mistura de controle de capital privado e estatal sobre o mercado de capitais. São economias cujas exportações são principalmente produtos primários. Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP CONTÁGIO PARA VARIÁVEIS FINANCEIRAS 7 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP ANÁLISE DE CONTÁGIO A PARTIR DO HEAT MAP: A idéia deste mapa, citado por Blanchard (2008), e elaborado inicialmente pelo FMI é mostrar a evolução do índice de estresse financeiro, ou “índice de calor” (heat index) para varias classes de ativos financeiros presentes no Global Finance Stability Report (abril de 2009) – FMI: 8 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP ANÁLISE DE CONTÁGIO A PARTIR DO HEAT MAP: 9 Onde it é o retorno de um ativo (ou índice) em t, 𝑖 2003−06 é sua média para o período 2003-2006, 𝜎2003−06 é seu desvio padrão neste período. 𝜎𝑡 30 é o desvio padrão de i para uma janela móvel de trinta dias terminando em t, 𝜎 2003−06 30 é o valor médio desta desvio padrão (ou volatilidade) para o período 2003-06, e, finalmente 𝜎𝜎2003−0630 é o desvio padrão desta volatilidade para o período 2003-2006. Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP ANÁLISE DE CONTÁGIO A PARTIR DO HEAT MAP: 10 acima de 3.5 entre 0,5 e 2 entre 2 e 3,5 abaixo de 0,5 Obs.: Brasil - Ibovespa: Índice da Bolsa de Valores de São Paulo; Rússia - Russian Trading System: índice da Bolsa de Moscou; Índia – Bombay Stock Exchange: Índice da Bolsa de Valores de Bombaim; China – Shanghai Sock Exchange: Índice da Bolsa de Valores de Shanghai. Índia ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Rússia ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Brasil ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## China ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## EUA ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## jan- 07 fev- 07 mar -07 abr- 07 mai- 07 jun- 07 jul-0 7 ago- 07 set- 07 out- 07 nov- 07 dez- 07 jan- 08 fev- 08 mar -08 abr- 08 mai- 08 jun- 08 jul-0 8 ago- 08 set- 08 out- 08 nov- 08 dez- 08 jan- 09 fev- 09 mar -09 abr- 09 mai- 09 jun- 09 jul-0 9 ago- 09 set- 09 out- 09 nov- 09 dez- 09 jan- 10 fev- 10 mar -10 Heat Map Bolsas Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 11 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP ANÁLISE DE CONTÁGIO A PARTIR DO HEAT MAP: Brasil ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## India ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## China ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## TED Spread ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## jan-0 7 fev-0 7 mar- 07 abr-0 7 mai-0 7 jun-0 7 jul-07 ago-0 7 set-0 7 out-0 7 nov-0 7 dez-0 7 jan-0 8 fev-0 8 mar- 08 abr-0 8 mai-0 8 jun-0 8 jul-08 ago-0 8 set-0 8 out-0 8 nov-0 8 dez-0 8 jan-0 9 fev-0 9 mar- 09 abr-0 9 mai-0 9 jun-0 9 jul-09 ago-0 9 set-0 9 out-0 9 nov-0 9 dez-0 9 jan-1 0 fev-1 0 mar- 10 Heat Map Juros 12 China ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Brasil ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Índia ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Rússia ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## jan-07 fev-0 7 mar-0 7 abr-0 7 mai-0 7 jun-0 7 jul-07 ago-0 7 set-07 out-0 7 nov-0 7 dez-0 7 jan-08 fev-0 8 mar-0 8 abr-0 8 mai-0 8 jun-0 8 jul-08 ago-0 8 set-08 out-0 8 nov-0 8 dez-0 8 jan-09 fev-0 9 mar-0 9 abr-0 9 mai-0 9 jun-0 9 jul-09 ago-0 9 set-09 out-0 9 nov-0 9 dez-0 9 jan-10 fev-1 0 mar-1 0 Heat Map Câmbio Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 13 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 14 20 22 24 26 28 30 32 34 36 38 40 40 60 80 100 120 140 160 fev -06 abr -06 jun -06 ago -06 out -06 dez -06 fev -07 abr -07 jun -07 ago -07 out -07 dez -07 fev -08 abr -08 jun -08 ago -08 out -08 dez -08 fev -09 abr -09 jun -09 ago -09 out -09 dez -09 fev -10 abr -10 jun -10 ago -10 out -10 Preço do Petróleo tipo Brent em US$ (esq.) Taxa de Câmbio Rússia (dir.) Petróleo X Taxa de Câmbio Russa Commodities Cotação no Mercado Internacional (preço por unidade negociada em US$ - mercado spot) -10 10 30 50 70 90 110 130 150 0 100 200 300 400 500 600 jan /0 6 ab r/0 6 jul /0 6 ou t/0 6 jan /0 7 ab r/0 7 jul /0 7 ou t/0 7 jan /0 8 ab r/0 8 jul /0 8 ou t/0 8 jan /0 9 ab r/0 9 jul /0 9 ou t/0 9 jan /1 0 ab r/1 0 jul /1 0 Café Milho Trigo Soja em Grão Petróleo (eixo dir.) Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP ANÁLISE DE CONTÁGIO A PARTIR DO HEAT MAP: India ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Russia ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Brasil ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## China ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## jan-07 fev-07 mar-0 7 abr-07 mai-0 7 jun-07 jul-07 ago-0 7 set-07 out-0 7 nov-0 7 dez-0 7 jan-08 fev-08 mar-0 8 abr-08 mai-0 8 jun-08 jul-08 ago-0 8 set-08 out-0 8 nov-0 8 dez-0 8 jan-09 fev-09 mar-0 9 abr-09 mai-0 9 jun-09 jul-09 ago-0 9 set-09 out-0 9 nov-0 9 dez-0 9 jan-10 fev-10 mar-1 0 Heat Map EMBI 15 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP TED Spread ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## S&P 500 ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Case & Shiller 20 ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Prime RMBS ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## Subprime RMBS ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## ## jan-0 7 fev-0 7 mar- 07 abr-0 7 mai- 07 jun-0 7 jul-0 7 ago- 07 set-0 7 out-0 7 nov- 07 dez- 07 jan-0 8 fev-0 8 mar- 08 abr-0 8 mai- 08 jun-0 8 jul-0 8 ago- 08 set-0 8 out-0 8 nov- 08 dez- 08 jan-0 9 fev-0 9 mar- 09 abr-0 9 mai- 09 jun-0 9 jul-0 9 ago- 09 set-0 9 out-0 9 nov- 09 dez- 09 jan-1 0 fev-1 0 mar- 10 Heat Map EUA Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP Baig e Goldfajn (1999): podemos estudar o efeito contágio através de um VAR. Esta metodologia reconhece a endogeneidade das variáveis do sistema. Outro ponto importante é que permite medir o impacto de variáveis defasadas. A diferença do VAR tradicional para o VAR estrutural é que este último requer o uso de alguma teoria econômica para definir a relação entre as variáveis (Bernanke, 1986; Sims, 1986) uma vez que a ordem das variáveis no modelo gera impacto nos resultados da estimação. Restrição: a primeira matriz de coeficientes é triangular inferior fazendo com que o modelo em sua forma estrutural será exatamente identificado e os coeficientes de impulso resposta, calculados para o modelo em sua forma reduzida (coeficientes ditos ortogonalizados) darão a conseqüência dinâmica dos eventos estruturais, Hamilton (2004). 16 SVAR Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP SVAR: RESTRIÇÃO IMPOSTA A ordem das variáveis dos modelos toma como base os resultados do Heat Map. Sendo assim, ordenamos sempre da variável mais endógena para a mais exógena com relação ao Heat Index. Consideramos mais endógenas aquelas que mais seguem os EUA, apresentando mais pontos vermelhos, laranjas e amarelos, nesta ordem. No caso das bolsas, por exemplo, a ordem escolhida foi: China, Brasil, Rússia e Índia. 17 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP SVAR: MOMENTUM E REVERSAL Iremos incluir em nossos modelos como variáveis explicativas uma proxy para eventos bons e ruins nos EUA e na China. Em termos de PIB nominal, o China ultrapassou o Japão em 2010 tornando-se a segunda maior economia do mundo, atrás apenas dos EUA (terceira se contar UE). A partir de dados mensais, seja Iit o valor do índice da bolsa do país i (i= EUA, China), no período t, seja Mt o momentum em t e Rt o reversal em t, e respectivamente, a média móvel e o desvio padrão de três meses do índice I no período t, temos: 18 ..0 1 33 cc IIse M mimitt t ..0 1 33 cc IIse R mimitt t - Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP PROBIT PARA ESTIMAR MOMENTUM E REVERSAL O objetivo aqui é condicionar estes momentos bons e ruins das economia norte-americana e chinesa a fatores internos dos mesmos; Com isto, temos o seguinte modelo Probit: Onde (Mit) é a estimativa da probabilidade do momentum ser igual a um, em t para o país i (i= EUA e China) e denota a distribuição normal padrão acumulada. 19 )()(ˆ)/1(Pr 11 11 pp XX itit XXdttMXMob pp (...) Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR- MOMENTUM EUA 20 Variável Coeficiente (erro padrão) C -11,43 (19,72) Exportações 0,37 (3,03) Investimento Externo 0,19 (0,77) Importações -1,61 (2,80) Indicadores Antecedentes 1,89* (0,61) Produção Industrial -11,79** (7,21) Vendas no Varejo -0,02 (0,13) Preço de Alimentos 0,06 (0,12) Confiança do Consumidor(-1) 0,37* (0,10) Exportações(-1) 1,37 (2,20) Importações(-1) -2,38 (2,51) Indicadores Antecedentes(-1) -2,16* (0,67) Vendas no Varejo(-1) 0,11 (0,13) Preço de Alimentos(-1) -0,28** (0,15) R2 de McFadden 0,424243 * Denota Significância a 5% ** Denota significância a 10% Variável Dependente: Momentum China Resultados Modelo Probit Variável Coeficiente (erro padrão) C -14,29* (5,30) Venda de Novos Imóveis 0,09* (0,03) Saldo Comercial 0,25 * (0,10) Índice de Preços ao Consumidor -0,53 (0,46) Índice Case & Shiller -0,58* (0,23) Venda de Imóveis Usados 0,02 (0,06) Indicadores Antecedentes 0,56** (0,32) Venda de Novos Imóveis (-1) 0,01 (0,03) Índice Case & Shiller (-1) 0,76* (0,26) Venda de Imóveis Usados (-1) -0,04 (0,04) Indicadores Antecedentes (-1) -0,03** (0,30) Saldo Comercial (-1) -0,15 (0,09) Índice de Preços ao Consumidor (-1) 0,03 (0,50) Confiança do Consumidor 0,01 (0,02) R2 de McFadden 0,508 * Denota Significância a 5% ** Denota significância a 10% Resultados Modelo Probit VariávelDependente: Momentum EUA Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR – MODELO 1 De acordo com os resultados dos testes de RU, em nossos modelos S-VAR, as variáveis dependentes seriam, no primeiro deles, o retorno das bolsas dos BRIC: Retorno i t = log (Índice i t) - log (Índice i t-1) Os Índices utilizados foram (em parênteses estão as siglas utilizadas no modelo): retorno dos índices das bolsas dos BRICs – China (chsse), Brasil (chibov), Índia (chbse) e Rússia (chrts) valores estimados de momentum e reversal dos EUA (momentumeua e reversaleua) valores estimados de momentum e reversal da China (momentumchina e reversalchina) iteração da dummy de crise com valores estimados de momentum e reversal dos EUA (dcrise*momentumeua e dcrise*reversaleua) iteração da dummy de crise com valores estimados de momentum e reversal da China (dcrise*momentumchina e dcrise*reversalchina) Incluímos também a variação do índice da bolsa norte-americana S&P500 (chspx) e o TED spread (liborff). 21 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR: MODELO 1 22 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR: MODELO 1 23 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR – MODELO 2 Os Índices utilizados foram (em parênteses estão as siglas utilizadas no modelo): primeira diferença das taxas de juros dos BRICs com exceção da Rússia – China (dif_juro_chi), Brasil (dif_juro_bra) e Índia (dif_juro_ind) valores estimados de momentum e reversal dos EUA (momentumeua e reversaleua) valores estimados de momentum e reversal da China (momentumchina e reversalchina) iteração da dummy de crise com valores estimados de momentum e reversal dos EUA (dcrise*momentumeua e dcrise*reversaleua) iteração da dummy de crise com valores estimados de momentum e reversal da China (dcrise*momentumchina e dcrise*reversalchina) primeira diferença do TED spread (dif_liborff) 24 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR: MODELO 2 25 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR – MODELO 3 Os Índices utilizados foram (em parênteses estão as siglas utilizadas no modelo): retorno do EMBI dos BRICs– China (chembi_ch), Brasil (chembi_br), Índia (chembi_in) e Rússia (chembi_ru) valores estimados de momentum e reversal da China (momentumchina e reversalchina) valores estimados de momentum e reversal dos EUA (momentumeua e reversaleua) iteração da dummy de crise com valores estimados de momentum e reversal dos EUA (dcrise*momentumeua e dcrise*reversaleua) iteração da dummy de crise com valores estimados de momentum e reversal da China (dcrise*momentumchina e dcrise*reversalchina) primeira diferença do TED spread (dif_liborff) 26 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR: MODELO 3 27 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR: MODELO 3 28 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR – MODELO 4 Os Índices utilizados foram (em parênteses estão as siglas utilizadas no modelo): variação mensal da taxa de câmbio dos BRICs– China (dcambio_chi), Brasil (dcambio_bra), Índia (dcambio_ind) e Rússia (dcambio_rus) valores estimados de momentum e reversal da China (momentumchina e reversalchina) valores estimados de momentum e reversal dos EUA (momentumeua e reversaleua) iteração da dummy de crise com valores estimados de momentum e reversal dos EUA (dcrise*momentumeua e dcrise*reversaleua) iteração da dummy de crise com valores estimados de momentum e reversal da China (dcrise*momentumchina e dcrise*reversalchina) retorno do índice S&P500 (chspx) primeira diferença do TED spread (dif_liborff) 29 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VAR: MODELO 4 30 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VEC O principal intuito aqui é identificar possíveis efeitos de longo prazo nas iterações entre as bolsas, momentos, prêmio de risco, taxas de câmbio e taxas de juros. Além disso, queremos detectar se há efeitos significantes da recente crise norte-americana em nossos resultados. Faremos isso através da inclusão de nossa variável dummy para o período de crise (dcrise). 31 ∆𝑦𝑡 = 𝛼′𝛽𝑦𝑡−1 + 𝐵𝑗∆𝑦𝑡−𝑗 𝑘−1 𝑗=1 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VEC: AJUSTE DE LONGO PRAZO - BOLSAS 32 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP China Brasil Rússia Índia Reversal EUA + (*) + + (*) + Momentum EUA + + + + Dummy Crise*Reversal EUA - (*) - (*) - (*) - (*) Dummy Crise*Momentum EUA + (*) + (*) + (*) + (*) Reversal China - + + + Momentum China + + + (*) + Dummy Crise*Reversal China - (*) + + + Dummy Crise *Momentum China + (*) + - + (*) Denota significância a 5% ** A tabela apresenta os sinais dos coeficientes dentro do vetor de cointegração as quatro equações de cointegração, cada uma referente a um dos BRIC. Resultados VEC - Efeitos de Longo Prazo** - Bolsas País Variável Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP VEC - CONCLUSÕES Detectamos a partir deste estudo que a economia chinesa é capaz de gerar impacto não desprezível, principalmente durante a crise, nos outros países do grupo dos BRICs. Entretanto, a economia norte- americana, na maior parte dos casos, ainda é fundamental, principalmente para o ajuste de longo prazo destes países. 33 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP CONTÁGIO PARA VARIÁVEIS REAIS 34 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 3 PRINCIPAIS CANAIS DE CONTÁGIO DAS VARIÁVEIS FINANCEIRAS PARA VARIÁVEIS REAIS: 1) Consumo: confiança do consumidor cai contrai menos empréstimo, consome menos; Efeito riqueza. 2) Investimento: empresários menos propensos a realizar novos investimentos e aumentar a produção. Mais dificuldades para conseguir empréstimos de outros países. 3) Exportações: caem conforme outras economias entram em crise (também atravessam os problemas internos citados em 1 e 2). 35 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP HEAT MAP MODIFICADO Como a crise teve origem no mercado financeiro, seus efeitos em variáveis econômicas reais ocorreram com maior defasagem, quando comparadas às variáveis financeiras estudadas até aqui. 36 (6.1) Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 37 ANÁLISE DE CONTÁGIO A PARTIR DO HEAT MAP MODIFICADO PARA VARIÁVEIS REAIS: Brasil # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # China # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # Índia # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # Rússia # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # EUA # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # # #jan-07 fev-07 mar-07 abr-07 mai-07 jun-07 jul-07 ago-07 set-07 out-07 nov-07 dez-07 jan-08 fev-08 mar-08 abr-08 mai-08 jun-08 jul-08 ago-08 set-08 out-08 nov-08 dez-08 jan-09 fev-09 mar-09 abr-09 mai-09 jun-09 jul-09 ago-09 set-09 out-09 nov-09 dez-09 jan-10 fev-10 mar-10 abr-10 Heat Map Produção Industrial acima de 3.5 entre 0,5 e 2 entre 2 e 3,5 abaixo de 0,5 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 38 Brasil ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### China ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### Russia ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### EUA ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ### ma r-0 6 jun -06 set -06 dez -06 ma r-0 7 jun -07 set -07 dez -07 ma r-0 8 jun -08 set -08 dez -08 ma r-0 9 jun -09 set -09 dez -09 ma r-1 0 jun -10 set -10 Heat Map Taxa de Desemprego ANÁLISE DE CONTÁGIO A PARTIR DO HEAT MAP MODIFICADO PARA VARIÁVEIS REAIS: acima de 3.5 entre 0,5 e 2 entre 2 e 3,5 abaixo de 0,5 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 39 ANÁLISE DE CONTÁGIO A PARTIR DO HEAT MAP MODIFICADO PARA VARIÁVEIS REAIS: Brasil 0.844 1.489 1.310 1.633 1.463 1.540 1.837 -1.369 -3.316 -3.203 -2.722 0.772 2.954 2.898 1.658 India 0.552 0.337 0.409 0.623 -0.234 -0.733 -0.948 -1.947 -2.161 -1.804 -0.162 -1.090 -0.162 0.052 0.052 China 3.690 2.341 1.282 0.993 1.089 -0.066 -1.126 -3.244 -3.533 -2.185 -1.029 0.512 1.667 0.126 -0.548 Rússia 0.896 1.412 0.999 2.031 1.928 0.484 -0.858 -8.595 -17.054 -18.808 -16.332 -10.452 -4.262 -2.095 -4.675 EUA -2.245 -1.562 -0.879 -0.879 -1.426 -2.382 -4.431 -7.846 -9.212 -9.621 -7.709 -3.748 -0.743 0.077 0.350 mar-07 jun-07 set-07 dez-07 mar-08 jun-08 set-08 dez-08 mar-09 jun-09 set-09 dez-09 mar-10 jun-10 set-10 Heat Map PIB acima de 3.5 entre 0,5 e 2 entre 2 e 3,5 abaixo de 0,5 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP TESTE PARA COINTEGRAÇÃO EM PAINEL DE WESTERLUND Testes de cointegração em painel seguindo o procedimento proposto por Westerlund (2006). Realiza testes a partir de quatro estatísticas diferentes, partindo da hipótese nula que o termo de correção de erro em um modelo de correção de erro é igual a zero, ou seja, não há cointegração. Cada uma das quatro estatísticas é específica para diferentes dinâmicas de curto prazo, que incluem termos de erro serialmente correlacionados, regressores exógenos que não são estritamente exógenos, termos individuais de tendência determinista e intercepto e parâmetros de inclinação individuais. Além das variáveis reais (produção industrial e desemprego), as outras variáveis incluídas no modelo foram as financeiras: bolsas, bolsa EUA, EMBI, câmbio, CRB e dummy para crise. 40 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP As quatro estatísticas propostas pelo teste de cointegração de Westerlund têm como base as seguintes hipóteses: Duas dessas estatísticas de teste são chamadas estatísticas de painel (testa contra para todo i) e são definidas Pτ e Pα. As outras duas são chamadas estatísticas de grupo (testa contra contra para algum i) e são definidas Gτ e Gα. Westerlund demonstra ainda que todas estas estatísticas possuem distribuição assintótica normal. 41 TESTE PARA COINTEGRAÇÃO EM PAINEL DE WESTERLUND Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 42 Statistic Value Z-value P-value Robust P-value* Gt -7.34 -8.14 0.00 0.00 Ga -61.80 -8.00 0.00 0.00 Pt -14.95 -10.16 0.00 0.00 Pa -74.85 -11.36 0.00 0.00 Statistic Value Z-value P-value Robust P-value* Gt -5.18 -4.07 0.00 0.21 Ga -29.46 -1.92 0.03 0.10 Pt -6.75 -1.94 0.03 0.65 Pa -26.04 -1.99 0.02 0.31 Statistic Value Z-value P-value Robust P-value* Gt -7.47 -8.02 0.00 0.01 Ga -67.65 -8.29 0.00 0.00 Pt -14.45 -9.38 0.00 0.01 Pa -75.51 -10.49 0.00 0.01 * calculado pelo método bootstrap com 150 repetições 1995 a 2010 (Amostra Completa) Westerlund ECM panel cointegration tests 1995 a 2006 Westerlund ECM panel cointegration tests 2007 a 2010 Westerlund ECM panel cointegration tests Testes de Cointegração em Painel - Var. Dependente: Produção Industrial C o i n t e g r a ç ã o Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP RESULTADOS EMPÍRICOS: Quando consideramos o p-valor robusto a 5%, rejeitamos a presença de cointegração para todas as estatísticas de teste no período de crise e pós- crise de nossa amostra (jan/2007 – set/2010). Já para o período pré-crise (1995-2006), bem como para a amostra como um todo, todas as estatísticas de teste apontam que não podemos rejeitar a presença de cointegração entre a produção industrial dos BRICs e variáveis financeiras destes países bem como a bolsa dos EUA. Portanto, embora a produção industrial costume andar na mesma direção de algumas variáveis financeiras importantes, isso não foi válido para o período de crise. 43 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP 44 Statistic Value Z-value P-value Robust P-value* Gt -2.43 -0.88 0.19 0.23 Ga -13.54 -1.03 0.15 0.01 Pt -5.46 -1.75 0.04 0.27 Pa -13.98 -2.15 0.02 0.06 Statistic Value Z-value P-value Robust P-value* Gt -1.95 0.06 0.53 0.27 Ga -3.77 1.72 0.96 0.13 Pt -3.06 0.14 0.56 0.33 Pa -4.41 0.47 0.68 0.05 Statistic Value Z-value P-value Robust P-value* Gt -2.35 -0.71 0.24 0.14 Ga -12.79 -0.82 0.21 0.05 Pt -5.38 -1.70 0.05 0.07 Pa -13.47 -2.01 0.02 0.02 * calculado pelo método bootstrap com 150 repetições Westerlund ECM panel cointegration tests 2007 a 2010 Westerlund ECM panel cointegration tests Testes de Cointegração em Painel - Var. Dependente: Taxa de Desemprego 1995 a 2010 (Amostra Completa) Westerlund ECM panel cointegration tests 1995 a 2006 C o i n t e g r a ç ã o Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP RESULTADOS EMPÍRICOS: Como podemos observar, para o p-valor robusto a 5%, encontramos evidência de cointegração para a estatística de grupo Gα para o período pré-crise (2000-2006), o que indica que, para duas ou mais séries do modelo rejeitamos a hipótese nula de que não há cointegração para algum dos países dos BRICs. Para o período de crise, encontramos evidências de cointegração a 5% apenas se considerarmos o p-valor robusto para a estatística de painel Pα. 45 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP TAXA DE DESEMPREGO 46 3,9 4,4 5,0 5,1 5,1 6,0 6,0 8,4 8,6 9,2 9,5 10,5 14,1 4,2 9,0 3,1 7,4 6,6 9,1 7,2 7,1 8,6 8,4 8,3 8,1 8,1 China Irlanda Dinamarca Estados Unidos Reino Unido Portugal Suécia Rússia Área do Euro Peru Chile Brasil Venezuela Taxa de Desemprego (%) - para países selecionados média 2000-2006 média 2007-2010 Fonte: FMI/WEO Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP CONCLUSÕES Heat Maps: câmbio, ações, juros e risco-país dos BRIC foram menos afetadas pela crise quando comparadas às variáveis financeiras dos EUA. As taxas de juros para títulos governamentais de 12 meses foram as menos afetadas dentre todas as variáveis em questão. O ponto mais crítico para todos os índices de calor destes 4 países deu-se com a concordata do Banco Lehman Brothers em setembro de 2008. VAR’s: Para momentos negativos dos EUA, há impacto negativo em todas as bolsas de valores dos BRIC, com defasagem. Momentos positivos na bolsa chinesa geram um impacto positivo significativo na bolsa brasileira e na indiana e geram impacto negativo nas taxas de juros do Brasil, China e Índia. 47 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP CONCLUSÕES - CONTINUAÇÃO 48 VEC’s: Há impactos significativos no longo prazo de momentos bons da bolsa norte-americana na bolsa chinesa (positivo), nas bolsas do Brasil, Índia e Rússia (negativo) e na taxa de câmbio indiana (positivo). Há impacto relevante da economia chinesa no longo prazo principalmente momentos negativos para câmbio e bolsas dos BRIC. A crise gera alterações significantes na forma como a economia Chinesa afeta os BRIC. Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP CONCLUSÕES Modelos Para Variáveis Reais: Os testes de cointegração em painel e os respectivos modelos de correção de erros nos levam a concluir que, tanto para a taxa de desemprego como para a produção industrial, quando separamos a amostra nos períodos pré-crise (1995 a 2006) e crise + pós-crise (2007 a 2010), notamos que há diferenças não desprezíveis para as estatísticas dos testes de cointegração e para as variáveis que impactam os modelos de correção de erros. 49 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP China começa a ter papel importante para impulsionar o crescimento durante e após a crise; BRICs foram no geral menos afetados pela crise pois: 1) A crise originou-se no mundo desenvolvido; 2) Demanda interna continuou forte (políticas anticíclicas); 3) Acúmulo significativo de reservas internacionais; 4) Mercado consumidor da China e Índia mantiveram alta a demanda por commodties. 50 CONCLUSÕES GERAIS Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP Obrigada! Mariana Orsini Machado de Sousa mariana.orsini.sousa@usp.br 51 Mariana Orsini Machado de Sousa, Aluna de Mestrado em Economia IPE-USP BIBLIOGRAFIA BAIG, Taimur; GOLDFAJN, Ilan. Financial Market Contagion in the Asian Crisis. International Monetary Fund Staff Papers. Vol. 46, n. 2, p.167-195, 1999. BERNANKE, Ben. Alternative Explanations of the Money-Income Correlation, K. Brunner, - A.H. Meltzer, Real Business Cycles, Real Exchange Rates - Actual Policies, Carnegie-Rochester Conference Series on Public Policy, vol. 25, Amsterdam: North-Holland, p. 49-100, 1986 BLANCHARD, Oliver. The Crisis: Basic Mechanisms, and Appropriate Policies. MIT Working Paper Series. n. 09-01, 2008. INTERNATIONAL MONETARY FUND - IMF. Global Financial Stability Report: Responding to the Financial Crisis and Measuring Systemic Risk. Washington DC, 2009. WESTERLUND, Joakim. Testing for Error Correction in Panel Data. Oxford Bulletin of Economics and Statistics. Vol. 69, n. 6, pp. 709-748, 2006. SIMS, Cristopher Are forecasting models usable for policy analysis?. Quarterly Review, Federal Reserve Bank of Minneapolis, 1986. STOCK, James H.; WATSON, Mark W. Vector Autoregressions, Journal of Economic Perspectives, Vol.15, n.4, 2001. 52 __MACOSX/._MEDINDO O CONTÁGIO DA CRISE DO SUBPRIME NOS BRIC_monitoria.pdf
Compartilhar