Denna studie har haft som syfte att undersöka vilket samband som råder mellan växelkursen och storleken på svensk varuexport samt om detta samband skiljer sig med avseende på varugrupp. För att uppnå detta användes dels total varuexport och dels varugruppsspecifik export till 32 viktiga handelspartners under perioden januari 1995 till december 2019. Vidare användes en
ARDL-Approach för att skatta vilken effekt reala apprecieringar/deprecieringar och förändringar i
växelkursen volatilitet har på exportvolymen. Studien skattar ett samband på 10% signifikansnivå för real appreciering/depreciering och total varuexport där en depreciering av den svenska kronan med 1 % i genomsnitt ökar varuexporten med 0,192 % på kort sikt och med 0,416 % på lång sikt. Effekten av en volatilitetsökning på 1 % skattas till -0,366 % på kort sikt och -0,794 % på lång sikt, dock utan statistisk signifikans. På varugruppsnivå tyder resultaten på att olika varor påverkas olika av förändringar i real växelkurs och att Standard deviation of the moving average baserat på
kronindex inte är lämpad för att skatta volatilitetens påverkan på export på varugruppsnivå.
Implikationerna från denna studie är att växelkursen är kopplad till den totala exporten och till olika grad för olika varugrupper. Således bör Riksbanken ha växelkursen och dess påverkan på exporten i beaktande vid utformningen av penningpolitiken.
Referenser
Ahmed, S., M. Appendino och M. Rutha (2015), “Depreciations without Exports? Global Value Chains and the Exchange Rate Elasticity of Exports”, Policy Research working paper; no WPS 7390. Washington, D. C.: World Bank Group.
http://documents.worldbank.org/curated/en/689841468189545684/Depreciations-without-exports-global-value-chains-and-the-exchange-rate-elasticity-of-exports
Alsterlind, J. (2006), “Effektiva växelkurser - i teori och praktik”, Sveriges Riksbank, Stockholm
https://www.riksbank.se/globalassets/media/rapporter/pov/filer-fore-2017/artiklar/jan_alsterlind_060421_sve.pdf
Arize, A. C. (2017), “A convenient method for the estimation of ARDL parameters and test statistics: USA trade balance and real effective exchange rate relation”, International Review of Economics
& Finance 50, 75-84.
https://doi.org/10.1016/j.iref.2017.03.024
Arize, A. C. och J. Malindretos (1998), “The Long-Run and Short-Run Effects of Exchange-Rate Volatility on Exports: The Case of Australia and New Zealand, Journal of Economics & Finance 22(⅔), 43-56.
https://doi.org/10.1007/BF02771475
Arize, A. C. (1996), “Real exchange-rate volatility and trade flows: The experience of eight European economies”, International Review of Economics & Finance 5(2), 187-205.
https://doi.org/10.1016/S1059-0560(96)90043-X
Aftab, M. och M. Bahmani-Oskooee (2017), “On the asymmetric effects of exchange rate volatility on trade flows: New evidence from US-Malaysia trade at de industry level”, Economic Modelling 63, 86-103.
https://doi.org/10.1016/j.econmod.2017.02.004
Bahmani-Oskooee, M. och A. Ratha (2007), “The J-Curve: a literature review”, Applied Economics 36(13), 1377-1398.
https://doi-org.ezproxy.its.uu.se/10.1080/0003684042000201794
Bahmani Oskooee, M., H. Harvey och S.W. Hegerty (2013), “Empirical test of the Marshall-Lerner condition: a literature review. Journal of Economic Studies 40(3), 411-443.
Bahmani-Oskooee, M. och S. W. Hegerty (2007), “Exchange rate volatility and trade flows: a review article”, Journal of Economic Studies 34(3), 211-255.
https://doi-org.exproxy.its.uu.se/10.1108/01443580710772777
Baron, D. P. (1976), “Flexible exchange rates, forward markets, and the level of trade”, American
Economic Review 66(3), 253-266.
https://www-jstor-org.ezproxy.its.uu.se/stable/1828160
Bhatta, G. R. och M. B. Shrestha (2018), “Selecting appropriate methodological framework for time series data analysis. The Journal of Finance and Data Science 4(2), 71-89.
https://doi.org/10.1016/j.jfds.2017.11.001
Black, J., N. Hashimzade och G. Myles (2013), “A dictionary of Economics”
https://www-oxfordreference-com.ezproxy.its.uu.se/view/10.1093/acref/9780199696321.001.0001/acref-9780199696321 Broll, U. (1994), “Foreign production and forward markets”, Australian Economic Papers 33(62), 1-6.
https://doi.org/10.1111/j.1467-8454.1994.tb00001.x.
Cameron, S., D. Serenis och P. Serenis (2008), “The impact of exchange rate volatility on exports: A cross country analysis (1973-2004)”, Atlantic Economic Journal 36(3), 375–376.
http://dx.doi.org.ezproxy.its.uu.se/10.1007/s11293-008-9130-1
Carlström, J. (2019) Klappar oss inte på axeln för det vi får via valutan. Svenska Dagbladet. 25 oktober.
https://www.svd.se/klappar-oss-inte-pa-axeln-for-det-vi-far-via-valutan (Hämtad 2020-03-24) Clark, P. B. (1973), “Uncertainty, exchange risk, and the level of international trade”, Economic
inquiry 11(3), 302-313.
https://doi.org/10.1111/j.1465-7295.1973.tb01063.x
Ćorić, B. och G. Pugh (2008), “The effects of exchange rate variability on international trade: a meta-regression analysis”, Journal of Applied Economics 42(20), 2631-2644.
https://doi.org/10.1080/00036840801964500
Dagens Nyheter (2019). Svagaste kronan på 17 år. Tillgänglig:
Davis, G., A. Muhammad, D. Karemera och D. Harvey (2013), ”The Impact of Exchange Rate Volatility on World Broiler Trade”, Agribusiness – An International Journal 30(1), 46-55. https://doi-org.ezproxy.its.uu.se/10.1002/agr.21366
De Grauwe, P. (1988), “Exchange Rate Variability and the Slowdown in Growth of International Trade”, Staff Papers (International Monetary Fund) 35(1), 63-84.
https://www.jstor.org/stable/3867277
Durmaz, N. och J. Lee, “An empirical analysis of import demand function for Turkey: An ARDL bounds testing approach", The Journal of Developing Areas 49(4), 215-226.
www.jstor.org/stable/24737373
Ekonomifakta (2020), “Växelkursutveckling (KIX- och TCW-index)”
https://www.ekonomifakta.se/Fakta/Ekonomi/Finansiell-utveckling/Vaxelkursutvecklingen-TCW-index/ (Hämtad 2020-03-28)
Esquivivas, M., B. Setyorani och L. Sugiharti (2020), “The impact of exchange rate volatility on Indonesia's top exports to the five main export markets” Heliyon 6(1).
https://doi.org/10.1016/j.heliyon.2019.e03141
Frohm, E. (2018), “Ekonomiska kommentarer – Hur påverkar globala värdekedjor kronkursens effekter på exporten?”, Sveriges Riksbank, Stockholm.
https://www.riksbank.se/globalassets/media/rapporter/ekonomiska- kommentarer/svenska/2018/hur-paverkar-globala-vardekedjor-kronkursens-effekter-pa-
exporten.pdf?fbclid=IwAR0PYPQ0jebfb9g6iaO_EyEg-MPoIY9HiWr_Kd5C2n_ULrulInThixzcLYM
Gürtler, M. (2019) “Dynamic analysis of trade balance behavior in a small open economy: The J-curve phenomenon and the Czech economy”, Empirical Economics 56(2), 469-497.
https://doi.org/10.1007/s00181-018-1445-4
Halicioglu, F. (2007), “The J-curve dynamics of Turkish bilateral trade: a cointegration approach”,
Journal of Economic Studies 34(2), 103-119.
https://doi-org.ezproxy.its.uu.se/10.1108/01443580710745362
Hooper, P., S. W. Kohlhagen (1978), “The effect of exchange rate uncertainty on the prices and volume of international trade”, Journal of International Economics 8, 483-511.
Juhro, S. M. och D. Phan (2018), “Can economic policy uncertainty predict exchange rate and its volatility? Evidence from Asean countries” Buletin Ekonomi Moneter Dan Perbankan 21(2), 251-268.
https://doi.org/10.21098/bemp.v21i2.974
Klein, M.W. (1990), “Sectoral effects of exchange rate volatility on United States exports”, Journal
of International Money and Finance 9(3), 299-308.
https://doi.org/10.1016/0261-5606(90)90011-N
Krueger, A. D. (1983), “Exchange Rate Determination”, Cambridge University Press, Cambridge. MacDonald, R. och V. V. Flavio (2016), “Exchange rate volatility and exports: a panel data analysis”
Journal of economic studies 43(2), 203-221.
https://doi-org.ezproxy.its.uu.se/10.1108/JES-05-2014-0083
OECD (2020), Industrial production (indicator). (Hämtad 2020-04-14) https://data.oecd.org/industry/industrial-production.htm
OECD (2020), Input-Output Tables 2018 edition.
https://stats.oecd.org/Index.aspx?DataSetCode=IOTSI4_2018 (Hämtad 2020-04-17)
Ollivaud, P., E. Rusticelli och C. Schwellnus (2015), "The Changing Role of the Exchange Rate for Macroeconomic Adjustment", OECD Economics Department Working Papers, No. 1190, OECD Publishing, Paris
https://doi.org/10.1787/5js4rfhjf15l-en
Pal, D. och C. Sharma (2018), “Exchange rate volatility and India’s cross-border trade: a pooled mean group and nonlinear cointegration approach” Economic Modelling (74), 230-246.
https://doi.org/10.1016/j.econmod.2018.05.016
Pesaran, M. H., Y. Shin och R.J. Smith (2001), "Bounds testing approaches to the analysis of level relationships", Journal of Applied Econometrics 16(3), 289-326.
https://doi-org.ezproxy.its.uu.se/10.1002/jae.616
Phillips, P. C. B. och P. Perron (1998), “Testing for a unit root in time series regression”, Biometrika 75(2), 335-346.
Riksbanken (2019), “Fördjupning - Kronans trendmässiga utveckling”, Penningpolitisk rapport, juli 2019.
https://www.riksbank.se/globalassets/media/rapporter/ppr/fordjupningar/svenska/2019/krona ns-trendmassiga-utveckling-fordjupning-i-penningpolitisk-rapport-juli-2019.pdf
Riksbanken (2020), “Valutakursindex”, Databas.
https://www.riksbank.se/sv/statistik/sok-rantor--valutakurser/forklaring-till-serierna/valutakursindex/ (Hämtad 2020-03-25)
Samuelson, P.A. and W.D. Nordhaus (2001), Economics, seventeenth edition, McGraw-Hill, USA SCB (2020), Utrikeshandel med varor. Tillgänglig:
https://www.scb.se/hitta-statistik/statistik-efter-amne/handel-med-varor-och-tjanster/utrikeshandel/utrikeshandel-med-varor/ (Hämtad 2020-03-24)
Serenis, D. och D. Tsounis (2012), “A New Approach for Measuring Volatility of the Exchange rate”,
Procedia Economics and Finance 1, 374-382.
https://doi.org/10.1016/S2212-5671(12)00043-3
Serenis, D. och N. Tsounis (2013), “Exchange Rate Volatility and Foreign Trade: The case for Cyprus and Croatia”, Procedia Economics and Finance 5, 677 – 685.
https://doi.org/10.1016/S2212-5671(13)00079-8
Stock, J. H. och M. W. Watson (2015), Introduction to Econometrics, Pearson education, Harlow Welfens, P. J. J. (2012), “Marshall-Lerner condition and economic globalization”, International
Economics and Economic Policy 9(2), 191-207.
http://dx.doi.org.ezproxy.its.uu.se/10.1007/s10368-010-0177-5
Wolf, A. (1995), “Import and hedging uncertainty in international trade. Journal of Futures
Markets” 15(2), 101-110.
Appendix
A. Deskriptiv statistik
Tabell A1 visar deskriptiv statistik för variablerna export, produktionsindex, kronindex och volatilitet
Variabel Observationer Medelvärde Standardavvikelse Min Max Export 300 18,11743 0,2129877 17,46223 18,55477 Produktionsindex 300 4,559532 0,0777859 4,378178 4,67483 Kronindex 300 4,727376 0,0489787 4,612642 4,860277 Volatilitet 290 0,0134082 0,0043575 0,0054677 0,0293773
Tabell A2 visar en korrelationsmatris över variablerna export, produktionsindex, kronindex och volatilitet
Variabel Export Produktionsindex Kronindex Volatilitet Export 1,0000
Produktionsindex 0,8927 1,0000
Kronindex -0,0684 -0,1716 1,0000
Volatilitet -0,1009 -0,1995 0,3923 1,0000
B. Inflationsjustering
Data för export, total såväl som varugrupsspecifik var före bearbetning redovisade i löpande priser. Med anledning av detta har studiens exportdata deflaterats med det genomsnittliga KPI för 2010 (303,46) som basår. Studien har dividerat KPI för 2010, alltså 303,46, med KPI för varje månad. Detta värde har sedan multiplicerats med värdet för exporten för vardera månad. Exporten under januari 1995 har därmed multiplicerat med 303,46 (KPI 2010) /256 (KPI jan 1995) =1,1853906.
C. Volatilitet
Figur A1. Figuren visar tre olika tidsperioder för volatilitetsvariabeln. Lägre m ger mer volatilt värde.
0 .0 1 .0 2 .0 3 .0 4 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 År M=8 M=4 M=12
D. KIX-Vikter
Tabell A3 visar länderna och vikterna som utgör kronindexet för 2007.
Nation Vikt (2007) Nation Vikt (2007) Summa
Australien 0,88 Norge 4,94
Belgien-Luxemburg 5,01 Nya Zeeland 0,17
Brasilien 0,93 Polen 2,2 Danmark 4,66 Portugal 0,57 Finland 4,87 Ryssland 1,89 Frankrike 6,62 Schweiz 1,41 Grekland 0,37 Slovakien 0,32 Indien 0,92 Spanien 2,81 Irland 1,2 Storbritannien 7,75 Island 0,1 Sydkorea 1,3 Italien 4,79 Tjeckien 0,92 Japan 3,37 Turkiet 0,89 Kanada 1,83 Tyskland 17,25 Kina 3,5 Ungern 1,01 Mexiko 0,9 USA 9,82 Nederländerna 5,5 Österrike 1,3 Summa: 45,45 54,55 100,0
E. Optimalt antal laggar
När man använder en ARDL-modell inkluderas laggade värden på både den beroende och den oberoende variabeln. Det finns flertalet statistiska metoder för att avgöra hur många "lags”, det vill säga laggar, som ska inkluderas i en tidsserieanalys. Denna studie använder sig av Schwarz
Bayesian Information Criterion (SBIC), för att avgöra hur många laggar som ska inkluderas. Likt
Bahmani-Oskooee och Aftab (2017) vilka också använder sig av månadsdata, kommer maximala antalet laggar som inkluderas i regressionerna vara åtta. Det skulle kunna argumenteras för att studien skulle inkludera upp till 24 laggar, vilket då innebär att variablernas släpande effekt skulle vara upp till två år. Det finns dock två huvudsakliga argument varför vi anser att åtta laggar passar vår data bättre. Första är att med åtta laggar får modellerna avsevärt mycket fler frihetsgrader, ARDL modellerna hade med 24 laggar inkluderat cirka 25 koefficienter. Andra är att längden av laggar för våra variabler av intresse, kronindex och volatilitet, inte förändras beroende på vilken maxlängd av laggarna vi väljer9. De dynamiska effekterna som i teorin kan påverka en variabel som kronindex verkar därmed inte vara särskilt starka för vår data. Således estimerar vi med en högre maxlängd endast fler koefficienter för variabler som denna studie inte primärt avser att analysera.
F. Test för enhetsrot (Specifika varugrupper)
Tabell A4 visar resultaten från Dickey-fuller (ADF) samt Phillip-Perrons (PP) test för enhetsrot för variabeln varugruppsspecifik export.
ADF PP ADF PP
Varugrupp Nivå Första differens
Plast -11,167*** -11,645*** -25,075*** -37,748*** Järn & Stål -7,616*** -7,571*** -22,065*** -28,259*** Varor av järn & stål -9,866*** -10,166*** -22,939*** -36,537*** Optiska -10,371*** -10,614*** -23,625*** -42,148*** Mineralbränsle -4,956*** -4,509*** -22,376*** -24,269*** Kemikalier -10,443*** -10,984*** -28,069*** -43,545*** Trävaror -10,388*** -10,322*** -19,868*** -28,937*** Elmaskiner -7,151*** -6,655*** -21,890*** -29,806*** Fordon -7,620*** -7,225*** -19,449*** -27,817*** Papp -8,580*** -8,894*** -33,594*** -51,535*** Not: *p <0,1 **p <0,05 ***p <0,01
9 Genom ARDL-estimeringar i Stata med exempelvis 24 laggar som maxlängd estimeras 25 koefficienter, varav 14 av de är laggade värden av export. Varken kronindex eller volatilitet visar några laggar
G. Fullständiga resultat
Tabell A5 visar samtliga koefficienter för samtliga varugrupper.
Koefficient Estimat
Mineral-bränsle
Järn & Stål
Järnvaror Optiska Fordon Papper Elektiska
maskiner
Trävaror Plaster Kemikaler
ADJ Export -0,110*** (0,0285) -0,218*** (0,0750) -0,279*** (0,0805) -0,211*** (0,0592) -0,293*** (0,0750) -0,145*** (0,0473) -0,124*** (0,044 -0,214*** (0,0753) -0.164*** (0.0632) -0.083** (0.0389) Långsiktiga koefficienter IIP 7,006*** (1,147) 3,485*** (0,619) 2,959*** (0,388) 1,633*** (0,404) 3,107*** (0,472) 0,783** (0,330) (0,773) -0,679 0,294*** (0,491) 3,127*** (0,478) 6,285*** (2,249) KIX -2,356 (1,868) -0,276 (0,943) -0,343 (0,520) 1,992** (0,795) 1,132 (0,768) 2,027*** (0,688) 1,072 (1,177) 1,936** (0,869) 0,262 (0,775) -0,263 (3,048) VOL 17,99 (22,73) (16,87) -20,65 (12,00) -17,36 (7,730) 4,666 -35,09*** (11,99) (6,856) -8,136 (14.46) -4,151 -17,83* (10,73) (10.05) -0,814 (36.34) 6,544 Kortsiktiga koefficienter Export LD. -0,208*** (0,0581) -0,345*** (0,0818) -0,609*** (0,0859) -0,447*** (0,0708) -0,168** (0,0821) -0,846*** (0,0666) -0,286*** (0,0674) -0,496 (0,084) -0,572 (0,072) -0,735 (0,0651) L2D. 0,420*** (0,0812) -0,880*** (0,0860) -0,611*** (0,0625) -0,518*** (0,0712) -0,567 *** (0,0779) -0,417*** (0,0680) (0,082) -0,758 (0,081) -0,656 (0,074) -0,675 L3D. -0,487*** (0,0783) -0,887*** (0,0816) -0,330*** (0,0678) -0,229*** (0,0724) -0,464 (0,0787) -0,173** (0,0669) -0,822 (0,081) -0,590 (0,078) -0,375 (0,072) L4D. -0,487*** (0,0783) -0,857*** (0,0755) -0,600*** (0,0542) -0,452*** (0,0573) -0,463*** (0,0745) -0,345*** (0,0661) (0,074) -0,657 (0,0743) -0,587 (0,058) -0,261 L5D. -0,0772 (0,0631) -0,472*** (0,0652) -0,397*** (0,0547) -0,191*** (0,0580) -0,311*** (0,0565) -0,122** (0,0619) (0,0637) -0,419 (0,0681) -0,241 L6D. -0,270*** (0,0548) -0,423*** (0,0516) (0,0576) 0,156 (0,055) -0,356 (0,056) -0,252 IIP D. 0,768*** (0,237) 4,573*** (1,219) 0,826*** (0,198) 0,345** (0,135) 0,910*** (0,261) 0,113* (0,0477) 2,117** (0,860) 3,990*** (1,009) 3,510*** (0,735) 0,521** (0,202) KIX D. -0,258 (0,215) -0,0602 (0,206) -0,0956 (0,151) -0,420*** (0,141) (0,237) 0,331 0,293*** (0,0775) (0,154) 0,133 0,414** (0,186) 0,0429 (0,124) -0,0218 (0,255) Volatilitet D. 1,971 (2,666) (2,803) -4,498 -4,844** (2,278) (1,676) 0,985 -10,27*** (2,714) (0,854) -1,177 (1,814) -0,513 -3,812* (2,139) (1,628) -0,133 (3,099) 0,543 Konstant 0,596 (0,799) (1,251) 0,849 4,295*** (1,049) (0,969) 1,009 3,596*** (1,262) 2,500** (1,031) (0,943) 1,741* (1,135) 0,934 (0,714) -0,126 (1,392) -1,149 Observation er 282 282 282 282 282 282 282 282 282 282 Förklarings grad 0,115 0,437 0,602 0,607 0,458 0,548 0,3988 0,5322 0.4822 0.4415