La politica Economica della UE: criticità e prospettive ... · La metodologia della funzione di...
Transcript of La politica Economica della UE: criticità e prospettive ... · La metodologia della funzione di...
La politica Economica della UE: criticità e
prospettive delle regole fiscali
La metodologia di calcolo dell’output gap
Università di Bologna
30 Maggio 2017
Marco Cacciotti ([email protected])
Struttura della presentazione
Definizione di Saldo Strutturale e rilevanza per Patto di Stabilità e Crescita (e
pareggio di bilancio in Costituzione)
La metodologia della funzione di produzione concordata a livello europeo: le
questioni aperte per l’Italia e le soluzioni del «modello alternativo» del DT
(mimeo: Cacciotti, Conti, Teobaldo e Morea, 2017)
NAWRU vs NAIRU
La stima della Total Factor Productivity (TFP) per l’Italia: un nuovo
indice di Capacità Utilizzata basato sui dati della Cassa
integrazione Guadagni (CIG)
Output gap e intonazione della politica fiscale per l’Italia: implicazioni per la
compliance con il Patto di Stabilità e Crescita derivanti dal «modello
alternativo»
2
Patto di Stabilità e Crescita (PSC): le regole applicate all’Italia L’Italia si trova nel braccio preventivo del PSC e deve:
Convergere verso il proprio Obiettivo di Medio Periodo (MTO), pareggio di
bilancio, riducendo il saldo strutturale in linea con i requisiti individuati sulla
base delle condizioni cicliche prevalenti approssimate dall’Output Gap e dal
livello del rapporto debito/PIL (matrice dello sforzo fiscale richiesto).
Rispettare la regola di spesa che ha come finalità quella di rinforzare la
convergenza del saldo strutturale verso l’MTO.
L’Italia è inoltre soggetta alla Regola del Debito (Braccio Correttivo del PSC) e
deve:
Ridurre il debito/PIL del 5% per anno della differenza rispetto alla soglia del
60% del PIL calcolata sulla media dei precedenti 3 anni (ma considerando
anche l’impatto del ciclo o le dinamiche attese a politiche invariate nelle
previsioni a 2 anni)
L’Output Gap è cruciale in tutte le regole applicate all’Italia
.3
Il saldo di bilancio strutturale (SB) SB viene aggiustato per il ciclo (CAB) al netto delle misure una-tantum (OO, one-
offs)
𝑺𝑩𝒕 = 𝑪𝑨𝑩𝒕 − 𝑶𝑶𝒕 = [𝒃𝒕 − 𝜺 ∗ 𝑶𝑮𝒕 ] − 𝑶𝑶𝒕
Il CAB (% GDP) è il saldo di bilancio aggiustato per il ciclo che viene derivato
sottraendo dal deficit nominale (bt) la componente ciclica. Questa a sua volta è
data dall’output gap (OG) per l’elasticità di bilancio a variazioni dell’output gap.
Per l’Italia ε = 0.54
Perché il saldo di bilancio strutturale?
L’indebitamento netto nominale influenzato da fattori transitori (ciclici) e
permanenti (principalmente di tipo istituzionale)
Per politiche fiscali anticicliche, i policy-makers devono essere capaci di
identificare la componente ciclica che impatta sul bilancio
Target fiscali espressi in termini nominali sono soggetti al rischio che politiche di
stabilizzazione possano alla fine rivelarsi procicliche.
4
OG: la Funzione di Produzione Concordata a livello EU
𝒀𝒕 = 𝑳𝒕𝜶𝑲𝒕
𝟏−𝜶𝑻𝑭𝑷𝒕
Funzione di Produzione Cobb-Douglas con rendimenti di scala costanti sul
Capitale (K) e Lavoro (L). TFP rappresenta la Total Factor Productivity, i.e. il
contributo del progresso tecnologico alla crescita.
α è l’elasticità del PIL al fattore lavoro che in una Cobb-Douglas corrisponde
con la wage share.
Il PIL potenziale è ottenuto misurando i fattori K, L and TFP al loro livello di
utilizzo “potenziale” o di trend.
L’Output Gap (OG) rappresenta. la distanza (in termini percentuali) tra il livello
del PIL reale e il PIL potenziale, che non determina pressioni inflazionistiche
sull’economia.
𝐎𝐆𝐭 =𝒀𝒕 𝒀𝒕
− 𝟏 = 𝐓𝐅𝐏 𝑮𝒂𝒑𝐭 + 𝟎. 𝟔𝟓 ∗ 𝐋 𝑮𝒂𝒑𝐭
5
Output Gap: il contributo del fattore lavoro al Potenziale
La stima del lavoro potenziale è ottenuta estraendo la componente di trend di un
insieme di variabili su dati storici e forecasts (5/7 anni = 2/4 anni di forecasts + 3
anni di estrapolazione tecnica).
𝑳𝑷𝐭 = 𝑷𝑨𝑹𝑻𝑺𝐭 ∗ 𝑷𝑶𝑷𝑾𝐭 ∗ 𝑯𝑶𝑼𝑹𝑺𝐭 ∗ (𝟏 − 𝑵𝑨𝑾𝑹𝑼𝐭 )
PARTS è la componente di trend del tasso di partecipazione ottenuto con filtro
di Hodrick Prescott (HP).
POPW è la popolazione in età lavorativa [15-74], estrapolata out-of-sample
attraverso le proiezioni demografiche Eurostat.
HOURST rappresenta il trend delle ore lavorate medie per lavoratore che viene
ottenuto attraverso un processo ARIMA
NAWRU è il non-accelerating wage rate of unemployment.
6
NAWRU vs NAIRU?
7
𝑼𝒕 = 𝑵𝒕 + 𝑪𝒕
𝑵𝒕 = 𝑵𝒕−𝟏 + 𝝆𝒕−𝟏 + 𝜺𝟏𝒕
𝝆𝒕 = 𝝆𝒕−𝟏 + 𝜺𝟐𝒕
𝑪𝒕 = 𝜹𝟏𝑪𝒕−𝟏 + 𝜹𝟐𝑪𝒕−𝟐 + 𝜺𝟑𝒕
∆𝑾𝒕= 𝜶 + 𝜷𝟏𝑪𝒕 + 𝜷𝟐𝑪𝒕−𝟏 + 𝜷𝟑𝑪𝒕−𝟐 + 𝜺𝟒𝒕
𝜺𝒊𝒕≅ 𝑵 𝟎, 𝒗𝒂𝒓 𝜺𝒊𝒕 𝒊 = 𝟏. . 𝟒
NAWRU (Nt) e Unemployment gap (Ct=U-N) sono ricavati da un modello a
componenti non osservate stimato con filtro di Kalman grazie ad una Curva di
Phillips che lega la disoccupazione ciclica a variazioni del tasso di inflazione
salariale.
Forti limitazioni per l’Italia: a) prociclicalità, mancanza di robustezza statistica e
peso dei variance bounds; c) implausibilità a livello macroeconomico
Proposta alternativa: Curva di Phillips stimata su inflazione al Consumo (CPI
inflation - P) e un indice di inflazione importata (X)
∆𝑷𝒕= 𝜶 + 𝜷𝟏𝑪𝒕 + 𝜷𝟐𝑪𝒕−𝟏 + 𝜷𝟑𝑪𝒕−𝟐 + 𝝋𝑿𝒕 + 𝜺𝟒𝒕
Specificazione del NAWRU: prociclicalità
8
Scelta discrezionale vs selezione ottimale dei Bounds delle varianze del
modello NAWRU produce prociclicalità indotta
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
19
80
19
81
19
82
19
83
19
84
19
85
19
86
19
87
19
88
19
89
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
20
17
20
18
%
DISTANZA DALLA MEDIANA DELLA DISTRIBUZIONE DEL NAWRU
NAWRU Spring Forecast 2017 NAWRU OTTIMALE (selezionato con Grid search)
Fonte: elaborazioni MEF su 2017 Spring Forecasts della Commissione europea
Specificazione del NAWRU: prociclicalità
9
La prociclictià può essere parzialmente ridotta attraverso l’applicazione
di una procedura di Grid Search
0
2
4
6
8
10
12
14
% d
ella
fo
rza
lavo
ro
Tasso di disoccupazione
NAWRU_SF17
NAWRU ottimale
Fonte: elaborazioni MEF su 2017 Spring Forecasts della Commissione europea
NAWRU vs NAIRU
10
STIME DELLA CURVA DI PHILLIPS : SPECIFICAZIONE ATTUALE VS ALTERNATIVA
NAWRU – Specificazione Attuale NAIRU –Specificazione alternativa
2017 Spring Forecasts 2017 Spring Forecasts
CoefficientStandard
ErrorT-Statistics Coefficient
Standard
ErrorT-Statistics
Constant -0.0013 0.0032 -0.4154 -0.0005 0.0022 -0.2232
Beta-Lag 0 -0.0349 0.0112 -3.1089 -0.0123 0.0061 -2.0350
Beta-Lag 1 0.0568 0.0189 3.0082 0.0204 0.0100 2.0334
Beta- Lag 2 -0.0264 0.0118 -2.2461 -0.0082 0.0060 -1.3602
Exogenous variable (imported
inflation)- - - 1.3835 0.2063 6.7050
Log-Likelihood 71.68415 91.12745
R-squared0.0075 0.4773
(one step ahead)
CURVA DI PHILLIPS: DEVIAZONE STANDARD PARAMETRI CON STIME ITERATIVE DAL 2000
NAWRU – Specificazione attuale NAIRU – Specificazione Alternativa
2017 Spring Forecasts 2017 Spring Forecasts
AR1 0.16 0.19
AR2 0.13 0.08
beta - Lag 0 0.04 0.01
beta - Lag1 0.07 0.01
beta - Lag 2 0.04 0.01
Exogeneous variable (imported
inflation)- 0.03
RMSE Average 1967-2000 0.41 0.30
Fonte: elaborazioni MEF su 2017 Spring Forecasts della Commissione europea
NAWRU vs NAIRU: risultati
11
-0,080
-0,060
-0,040
-0,020
0,000
0,020
0,040
0,060
0,080
0,100
19
65
19
68
19
71
19
74
19
77
19
80
19
83
19
86
19
89
19
92
19
95
19
98
20
01
20
04
20
07
20
10
20
13
20
16
Vai
riaz
ion
e d
el t
asso
di I
nfl
azio
ne
Sa
lari
ale
(p
.p.)
NAWRU: SPECIFICAZIONE ATTUALE
Valori attuali
Stimati
-0,060
-0,040
-0,020
0,000
0,020
0,040
0,060
0,080
0,100
19
65
19
67
19
69
19
71
19
73
19
75
19
77
19
79
19
81
19
83
19
85
19
87
19
89
19
91
19
93
19
95Var
iazi
on
e d
el t
asso
di i
nfl
azio
ne
de
i p
rezz
i al c
on
sum
o (
p.p
)
NAIRU: SPECIFICAZIONE ALTERNATIVA
Valori attuali
Stimati
0
2
4
6
8
10
12
14
19
67
19
70
19
73
19
76
19
79
19
82
19
85
19
88
19
91
19
94
19
97
20
00
20
03
20
06
20
09
20
12
20
15
20
18
% d
ella
fo
rza
lavo
ro
Tasso di disoccupazione Nairu Nawru
Fonte: elaborazioni MEF su 2017 Spring Forecasts della Commissione europea
NAWRU vs NAIRU: conclusioni
12
Curva di Phillips basata su inflazione dei prezzi al consumo invece che salari
Introduzione di una variabile esogena in grado di catturare, in linea con
l’approccio OCSE e Blanchard et al (2015), gli effetti inflazionistici dei prezzi
alle importazioni
Varianza dei residui più bassa suggerisce un miglioramento nella
specificazione
La pendenza della curva di Phillips è più bassa e più in linea con recenti studi
empirici (e.g. Prometeia 2016, Blanchard et al. 2015)
Maggiore stabilità dei parametri sulla base di stime ricorsive che partono dal
2000
Output Gap (OG): specificazione della TFP
TFP è una proxy per il progresso tecnologico che viene ipotizzato
propagarsi in modo neutrale attraverso miglioramenti qualitativi che
riguardano sia il fattore lavoro sia il capitale.
𝐓𝐅𝐏𝐭 = (𝐄𝐋𝛂∗ 𝐄𝐊
𝟏−𝛂)(𝐔𝐋𝛂 ∗ 𝐔𝐊
𝟏−𝛂)
TFP include sia il livello di efficienza del fattore Lavoro e Capitale (E) (non
stimabile direttamente) sia il loro grado di utilizzo (U).
L’approccio della Commissione assume che U sia correlato
principalmente al grado di utilizzo degli impianti e quindi a K.
Labour hoarding considerato solo indirettamente tramite ore lavorate
13
Stima dell’Output Gap (OG): contributo della TFP
14
𝑻𝑭𝑷𝒕 = 𝑷𝒕 + 𝑪𝒕
𝑼𝒕 = 𝝁𝑼 + 𝜷𝑪𝒕 + 𝒆𝑼𝒕
𝒆𝑼𝒕 = 𝜹𝒆𝑼𝒕−𝟏 + 𝒂𝑼𝒕 V(𝒂𝑼𝒕)=𝑽𝑼
∆𝑷𝒕= 𝝁𝒕−𝟏
𝝁𝒕 = 𝝎 𝟏 − 𝝆 + 𝝆𝝁𝒕−𝟏 + 𝒂𝝁𝒕 V(𝒂𝝁𝒕)=𝑽𝝁
𝑪𝒕 = 𝟐𝑨𝒄𝒐𝒔 𝟐𝝅 𝝉 ∙𝑪𝒕−𝟏 − 𝑨𝟐𝑪𝒕−𝟐 + 𝒂𝑪𝒕 V(𝒂𝑪𝒕)=𝑽𝑪
Il trend della TFP (P) e il gap (C) ottenuti attraverso un modello a componenti
non osservate che regredisce il Residuo di Solow con la Serie della Capacità
Utilizzata ( U)
La serie della Capacità Utilizzata (CUBS) è misurata con variabili di survey quali:
1) l’indice di Capacità Utilizzata del manifatturiero; 2) il clima di fiducia (Business
Survey Capacity Indicator) per I settori delle construzioni e servizi
Le stime del trend della TFP presentano: a) prolungati tassi negativi; b) alta
sensitività agli outliers della serie CUBS; c) disconnessione del CUBS con gli
indici di attività reale
TFP: crescita del trend negativa dal 2003
15
0
2
4
6
8
10
12
14
-10
-5
0
5
10
15
19
85
19
87
19
89
19
91
19
93
19
95
19
97
19
99
20
01
20
03
20
05
20
07
20
09
20
11
20
13
20
15
% d
ella
fo
rza
lavo
ro
%
CUBS
CUBS (asse sinistro)
PIL Tasso di Crescita reale %( asse sinistro)
Tasso disoccupazione %
Fonte: elaborazioni MEF su 2017 Spring Forecasts della Commissione europea
-7,25
-7,2
-7,15
-7,1
-7,05
-7
-6,95
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
Scal
a lo
gari
tmic
a
TFP trend e ciclo
Solow Residual SF17 Alternativa
SF17 AF16
TFP: sensitività delle stime del trend a variazioni del CUBS
16
92
94
96
98
100
102
2010 2011 2012 2013 2014 2015 2016 2017 2018
20
10
= 1
00
PIL
Y_spr15
Y_aut15
Y_spr16
Y_aut16
-0,10
-0,08
-0,06
-0,04
-0,02
0,00
0,02
2010 2011 2012 2013 2014 2015 2016
dif
fere
nze
dal
lam
ed
ia (
%)
Indice di capacità utilizzata (CUBS)
CUBSspr15
CUBSaut15
CUBSspr16
CUBSaut16
97
97,5
98
98,5
99
99,5
100
100,5
2010 2011 2012 2013 2014 2015 2016 2017 2018
TFP
_sp
rin
g15
in 2
01
0=1
00
TFP TrendTFP_spr15
TFP_aut15
TFP_spr16
TFP_aut16
Lievi revisioni nella serie del CUBS
nelle 2015 AF (mantenute nelle
forecast successive) producono
significative revisioni al ribasso nel
trend.
Revisione dovuta a forecast ma non
a dati storici
Nessuna spiegazione economica
TFP: un indice di labour hoarding basato su CIG
Costruzione di un indicatore alternativo di labour hoarding basato sui dati di
Cassa Integrazione Guadagni (CIG) per misurare la Capacità utililizzata
CIG è: 1) una variabile reale/amministrativa e non un dato di survey; 2) parte
dal 1970 mentre l’indice CUBS solo dal 1985
Indicatore alternativo al CUBS ottenuto combinando I dati delle ore lavorate
(richieste) CIG e la serie originaria del CUBS (=pesi dati da wage share) e
pari, rispettivamente, a 0,65 e 0,35.
17
TFP: un indice di labour hoarding basato su CIG
Il nuovo indicatore composito basato su CIG è robusto in quanto replica gli
stessi punti di svolta ciclici dell’indicatore CUBS e al contempo è meno
volatile
18
-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
19
85
19
86
19
87
19
88
19
89
19
90
19
91
19
92
19
93
19
94
19
95
19
96
19
97
19
98
19
99
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
dis
atn
aza
dal
la m
ed
ia (
%)
CUBS CIG CUBS + CIG
Stime della TFP basate su CUBS vs CUBS+CIG
19
-0,12
-0,1
-0,08
-0,06
-0,04
-0,02
0
0,02
0,04
0,06
0,08
19
85
19
87
19
89
19
91
19
93
19
95
19
97
19
99
20
01
20
03
20
05
20
07
20
09
20
11
20
13
20
15
%
CUBS: valori attuali (- -) e stimati
Valori attuali Stimati
-0,1
-0,08
-0,06
-0,04
-0,02
0
0,02
0,04
0,06
0,08
19
85
19
87
19
89
19
91
19
93
19
95
19
97
19
99
20
01
20
03
20
05
20
07
20
09
20
11
20
13
20
15
%
CUBS + CIG: valori attuali (- -) e stimati
Valori attuali Stimati
Revisioni del Trend della TFP: CIG vs CUBS
Out-of-sample revisions
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
0,016
0,018
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
Differenzalogaritmica
Deviazioni Standard delle revisioni
SPR16_CUBS SPR16_CIG
20
Livelli di Trend della TFP e tassi di crescita
Utilizzando la metodologia alternativa (CIG+CUBS) il tasso di crescita del trend
della TFP mostra un rallentamento nel tempo e tassi non così negativi come
nelle stime ufficiali della Commissione
L’uso di una misura quale la CIG legata a dinamiche reali produce stime del
ciclo della TFP che non si chiudono a fine periodo
21
-7,25
-7,2
-7,15
-7,1
-7,05
-7
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
Scal
a Lo
gari
tmic
a
Solow Residual
TFP (CUBS+CIG)
TFP (CUBS)
TFP TREND E CICLO: LIVELLI
-0,4
-0,2
0
0,2
0,4
0,6
0,8
1
1,2
1,4
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
201
8
% TFP (CUBS+CIG)
TFP (CUBS)
TFP TREND : TASSI DI CRESCITA
Il Modello alternativo: OG e crescita potenziale
22
-1,5
-1
-0,5
0
0,5
1
1,5
2
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
20
17
20
18
%
Tasso di crescita del potenziale
Crescita Potenziale (2017Spring Forecast)
Crescita Potenziale(Modello Alternativo)
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
20
15
20
16
20
17
20
18
% d
el P
il p
ote
nzi
ale
Output gap
Output Gap (2017Spring Forecast)
Output gap (ModelloAlternativo)
Il modello alternativo: rispetto del Patto di Stabilità
23
Output Gap Structural Deficit
2017 Spring Forecast
Metodologia Alternativa
2017 Spring Forecast
Metodologia Alternativa
2014 -3.8 -4.7 -1.2 -0.6
2015 -2.8 -3.9 -1.0 -0.4
2016 -1.7 -2.9 -1.7 -1.0
2017 -0.8 -2.2 -2.0 -1.2
2018 0.0 -1.6 -2.2 -1.4
Pareggio di bilancio strutturale (MTO) sostanzialmente raggiunto nel 2015
Pieno rispetto dei requisiti del Patto di Stabilità e Crescita con deviazioni
dovute a diverse condizioni cicliche e a clausole di flessibilità
Modello alternativo: rispetto della regola del debito
24
7,4
4,8
0,00,0
2,0
4,0
6,0
8,0
Spring Forecast 17 Spring Forecast 17 conmetodologia alternativa
Spring Forecast 17con metodologia alternativa
e inflazione al 2%
% d
el P
IL
Gap rispetto al benchmarks della regola del debito corretto per il ciclo nel 2016
Debito/PIL aggiustato per il ciclo(base 2016)
Conclusioni
Il modello alternativo del MEF non si discosta dalla metodologia approvata a
livello UE ma introduce lievi correttivi alle variabili
Considerando un indicatore di labour hoarding per la stima del trend della TFP
e un modello alternativo di Phillips curve basato sull’inflazione al consumo i
risultati dell’output gap e del potenziale sono nettamente diversi e più
plausibili a livello macroeconomico
La compliance con le regole del Patto di Stabilità e Crescita verrebbero
sostanzialmente rispettate
25
26
Riferimenti
Karel Havik, Kieran Mc Morrow, Fabrice Orlandi, Christophe Planas, Rafal Raciborski, Werner
Röger, Alessandro Rossi, Anna Thum-Thysen, Valerie Vandermeulen , 2014, The Production
Function Methodology for Calculating Potential Growth Rates & Output Gaps”
EUROPEAN ECONOMY Economic Papers 535, also available at:
http://ec.europa.eu/economy_finance/publications/economic_paper/2014/pdf/ecp535_en.pdf
MEF, Relevant Factors Influencing Debt Developments in Italy, February 2017,
http://www.mef.gov.it/inevidenza/documenti/Italy_Relevant_Factors_February_2017.pdf
Cacciotti M, Conti R, Morea R, S. Teobaldo, 2017, “An Enhanced Production Function
Methodology for Italy”, Forthcoming.