Nedokončené stanovisko k 4. situační zprávě 2019: nejistota v trajektorii sazeb

Stanovisko k situační zprávě o hospodářském a měnovém vývoji se skládá ze dvou částí: (i) vyjádření z pohledu dosahování cíle cenové stability zpracované jmenovitě poradcem člena bankovní rady či ve výjimečných případech zástupcem sekce finanční stability (část I) a (ii) vyjádření zpracované sekcí finanční stability, v němž je uplatněn také pohled dosahování cíle finanční stability (část II).

Vyjádření z pohledu dosahování cíle cenové stability

Zpracoval Tomáš Havránek.

I.1 Měnověpolitické rozhodnutí

[Tuto část autor nenapsal.]

I.2 Vyjádření k vyznění situační zprávy a k prognóze: role nejistoty v trajektorii sazeb

Podle platné prognózy existuje 50% pravděpodobnost, že ve druhém čtvrtletí 2020 budeme mít repo sazbu pod úrovní 1,4 %, nebo naopak nad úrovní 2,5 %. Jinými slovy, prognóza vidí jen poloviční šanci, že do roka dojde méně než ke dvěma změnám sazeb na stejnou stranu. V této části stanoviska vznáším dva argumenty: zaprvé, nejistota kolem budoucí trajektorie sazeb je ještě větší, než indikuje náš vějířový graf (ze kterého odečítám čísla uvedená výše). Zadruhé, vzhledem k tak velké nejistotě nejsou pro dnešní rozhodování relevantní pohyby mediánu predikce sazeb ve středním a dlouhém období o pár desetinek.

Ad argument 1: jak je vypočítána pravděpodobnost uvedená na začátku minulého odstavce? Náš vějířový graf, který je nejdůležitějším prvkem Zprávy o inflaci a tiskové konference po měnověpolitickém jednání, je sestrojen tak, že budoucí nejistotu odhaduje na základě minulých odchylek prognózy. To je intuitivní a logické (v našem případě to ani jinak nejde), nicméně skutečnou nejistotu to podhodnocuje. Takto sestrojený vějířový graf totiž nebere v úvahu expertní úpravy, které do modelu vstupují vždy nově a u kterých nedokážeme intervaly spolehlivosti určit – v této souvislosti lze třeba zmínit dlouhodobé dohady o tom, jak správně modelovat trajektorii kurzu, která s trajektorií sazeb tvoří spojené nádoby.

Vějířový graf by také ideálně měl vystihovat nejistotu, která je spojena s předpoklady o chování lidí a firem (bayesovský přístup). Předpokládáme například, že lidé silně reagují na změnu úrokových sazeb, ale ve skutečnosti nevíme, jak velká jejich reakce je. Klíčový vliv tohoto parametru na výsledky běžného novokeynesiánského modelu jsem ilustroval v prosincovém stanovisku. Nyní pro podobnou ilustraci zvolím další parametr: míru tvorby zvyků ve spotřebě. Jedná se o jeden z přínosů psychologie (konkrétně Kahnemana a Tverského) do ekonomie. Zjednodušeně řečeno, je-li tvorba zvyků nulová, užitek člověk záleží pouze na jeho dnešní spotřebě. Je-li naopak tvorba zvyků rovna jedné, užitek záleží jen na rozdílu mezi současnou a minulou spotřebou (člověk je zcela zvyklý na nějakou životní úroveň a z ničeho menšího nemá užitek). Mezi 0 a 1 máme různé intenzity zvyku, se kterými dává model různé výsledky:

Graf 1: Úprava jednoho parametru značně mění výsledky modelu

Pro simulaci používám nejznámější novokeynesiánský model, Smets a Wouters (2007). Po elasticitě mezičasové substituce (prosincové stanovisko) nyní tedy dostáváme další parametr, jehož velikost zásadně ovlivňuje modelovou dynamiku spotřeby. Vzhledem k důležitosti tohoto parametru je logické očekávat, že na jeho velikosti bude v profesi panovat shoda. S kolegy jsme posbírali 597 odhadů tvorby zvyku z 81 studií a výsledek, publikovaný v European Economic Review (Havránek a kol., 2017), je následující:

Graf 2: Rigorózní literaturou lze odůvodnit libovolnou velikost parametru od 0 do 1

Graf by vypadal podobně nejasně, kdybychom se zaměřili na jednotlivé země. Vzhledem k tomu, že model g3 je kalibrovaný, a nikoli odhadovaný (tedy za „zvyk“ musíme dosadit natvrdo konkrétní číslo, nikoli bayesovský prior s nejistotou danou rozptylem odhadů v literatuře), neexistuje analytický způsob, jakým je možné tuto nejistotu, která přímo ovlivňuje nejistotu ohledně transmise, zachytit ve vějířovém grafu. Navíc takto dosazovat musíme celou řadu parametrů a jejich velikost se může v čase měnit (ruku v ruce třeba s finanční gramotností), takže jednotlivé nejistoty se násobí a skutečné intervaly spolehlivosti explodují.

Ad argument 2: Vysoká nejistota kolem středního a dlouhého období prognózy má přímočaré dopady pro měnověpolitické rozhodování v situaci, kdy bankovní rada vyhlazuje doporučení prognózy (tedy např. nezvýší úrokové sazby s vědomím, že by je musela za další dvě jednání opět snížit). Zatímco pro toto jednání je vodítko již dané (prognóza je konzistentní s průměrnou repo sazbou za 3. čtvrtletí ve výši 2,2 %, tedy zhruba s jedním hikem oproti současnému stavu), pro další čtvrtletí bude prognóza revidována a může se měnit hodně. Koneckonců v listopadu roku 2018 jsme překonali 90% horní interval spolehlivosti u projekce sazeb z květnové prognózy (kdyby to bylo stejné i u letošní květnové prognózy, měli bychom v listopadu repo na 3 %). Pokles implikované sazby na 2,1 % pro první čtvrtletí 2020 a 2,0 % pro druhé čtvrtletí je tedy nemateriální a neměl by ovlivňovat dnešní rozhodování.

Nicméně vyhlazování doporučení prognózy je vlastně vyhlazováním na druhou: model již svoje vlastní doporučení (podle modelu optimálním sazby v danou chvíli pro budoucí dosahování inflačního cíle) vyhlazuje s ohledem na minulé vyhlazování bankovní rady. S nadsázkou (ale modelově správně) lze konstatovat, že budeme-li tímto způsobem vyhlazovat vyhlazenou trajektorii, rovnovážným stavem budou neměnné sazby. Přitom hlavní výhodou měnové politiky je právě rychlost reakce. Výhodnost aktivnější měnové politiky je také zdůrazněna nejnovější třídou makroekonomických modelů, kterým se věnuji v další části stanoviska.

I.3 Tematický komentář k situační zprávě: G3+ a chování spotřebitelů

[Tuto část autor nenapsal. Zůstaly po ní jen popisky dvou grafů: „Graf 3: V modelu HANK je transmise slabší a pomalejší než v RANK“ a „Graf 4: Nižší elasticita substituce mezi kapitálem a prací znamená slabší transmisi“.]

I.4 Dílčí připomínky a otázky

[Tuto část autor nenapsal.]

I.5 Reference

[Tuto část autor nenapsal.]