Effekten av internationella faktorer på svenska inflationsprognoser
Det har på senare tid förts en diskussion om internationella faktorers påverkan på den svenska inflationen.1 I en serie tidigare artiklar i Ekonomisk Debatt har Andersson och Jonung (2020) samt Karlsson och Österholm (2020a, 2020b) diskuterat både den svenska och internationella Phillipskurvan och dess roll för svensk penningpolitik.
Andersson och Jonung (2020) riktade kritik mot Karlsson och Österholm (2020a) som studerat sambandet mellan inflation och arbetslöshet i Sverige över tid. Kritiken bottnade i att studien enbart fokuserat på inhemska data, vilket de menade kan ge en missvisande bild då svensk inflation i stor utsträckning drivs av internationella faktorer. I sin replik instämde Karlsson och Österholm (2020b) att internationella faktorer spelar en betydande roll för Sverige som en liten öppen ekonomi. De efterlyste dock en mer rigorös analys som inte enbart studerar påverkan från euroområdet. De frågade:
Hur vet vi t ex att det i själva verket inte är konjunkturen i USA som driver utvecklingen i såväl euroområdet som Sverige (Österholm och Karlsson 2020b, s 87).
Mot bakgrund av denna debatt redovisar vi här en fördjupad undersökning av internationella faktorers påverkan på den svenska inflationen. Mer precist är vårt intresse riktat mot att undersöka om de samband som kan observeras mellan den svenska och internationella konjunkturen kan användas för att ge högre precision i prognoser för svensk inflation. Med hjälp av prognosmodeller baserade på Phillipskurvan undersöker vi om inkludering av internationella faktorer från USA, Storbritannien, euroområdet, Norge och Danmark kan förbättra svenska inflationsprognoser.
Empirisk analys och resultat
I vår empiriska analys utvärderar vi prognosprecisionen i perioden efter finanskrisen med en prognosövning (pseudo-out-of-sample). Vi använder kvartalsdata och fokuserar på den årliga tillväxten av konsumentprisindex med fast ränta (KPIF). För att ta hänsyn till Riksbankens införande av inflationsmålspolitik, använder vi data från första kvartalet 1997. Slutdatumet för analysen är fjärde kvartalet 2019, vilket är det sista kvartalet före utbrottet av covid-19 och som därför kan betraktas som slutet på perioden efter finanskrisen.
Med dessa modeller genererar vi prognoser för ett år fram i tiden, vilket motsvarar fyra kvartal framåt. De initiala träningsdata innehåller observationer från första kvartalet 1997 till fjärde kvartalet 2007, vilka används för den första prognosen för fjärde kvartalet 2008. Sedan fortsätter vi genom att lägga till en observation till träningsdata för att skapa nästa prognos för första kvartalet 2009. Denna process fortsätter tills slutet av prognosövningen, där data fram till det fjärde kvartalet 2018 används för att generera den sista prognosen för det fjärde kvartalet 2019.
Vi börjar med att analysera den svenska Phillipskurvan, genom att utvärdera olika inhemska mått på resursutnyttjande. Vi skattar Phillipskurvan med ADL-modeller (autoregressive distributed lags) som innehåller en autoregressiv komponent av inflationen samt några mått som fångar resursutnyttjandet, med viss fördröjning. De mått vi använder för detta är arbetslöshetsgrad, den procentuella årliga förändringen i arbetskostnadsindex och ett arbetslöshetsgap.2,3 Det är viktigt att notera att varje enskilt mått för resursutnyttjande ger upphov till en unik modellspecifikation. Läsaren kan hitta en mer omfattande analys i Westman och Renberg (2023) där vi utvärderar fler variationer av den svenska Phillipskurvan än de som redovisas här.4
I tabell 1 presenterar vi prognoserna från den svenska Phillipskurvan. Resultaten anges som relativa rotmedelkvadratfel (RMSE) och absoluta medelfel (MAE) jämfört med en naiv prognos som har genererats med slumpvandring (random walk). Ett värde under ett på dessa två felmått signalerar att prognosen har presterat bättre än slumpvandringen medan ett värde över ett indikerar att prognosen presterat sämre. För att underlätta för läsaren är prognoserna som presterat bättre än den naiva prognosen markerade med fet stil.
Utifrån resultaten i tabellen kan det konstateras att den svaga korrelationen mellan den svenska konjunkturen och den inhemska inflationen, som observerats av Andersson och Jonung (2020), även verkar leda till begränsade förbättringar av prognoserna. De svenska Phillipskurvorna, som använder arbetslöshet och arbetslöshetsgap, ger ett relativt RMSE på 0,95 respektive 0,96. De små förbättringarna i prognoserna jämfört med en slumpvandringsprognos, som saknar förankring i ekonomisk teori, väcker frågor om hur pass användbar den svenska Phillipskurvan kan betraktas för att prognostisera inflation.
Tabell 1. Inflationsprognoser från AR-modellen och svenska Phillipskurvan
Anm: Tabellen presenterar inflationsprognoserna gällande KPIF från den svenska Phillipskurvan. Resultaten tolkas som den relativa prognosprecisionen jämfört med slumpvandringsprognosen.
Källa: Författarnas egna beräkningar
För att undersöka om internationella faktorer kan förbättra prognosprecisionen för svensk inflation skattar vi även en internationell Phillipskurva. Jämfört med den svenska Phillipskurvan adderar vi i denna ett internationellt aktivitetsmått. Även denna skattas som ADL-modeller med en fördröjning av varje variabel.5 Vi använder KPI-inflationstakt, harmoniserad arbetslöshetsgrad, real BNP-utveckling samt BNP-gap för respektive land.6 Samtliga internationella data har samlats in från FRED (Federal Reserve Economic Data).
Varje inhemsk variabel testas individuellt kombinerat med varje enskild internationell variabel tills det att samtliga kombinationer av inhemska och internationella variabler har utvärderats. För att ta hänsyn till eventuell överparametrisering genomför vi även en robusthetskoll, där vi estimerar en ADL-modell med enbart tidigare värden av inflationen och internationellt resursutnyttjande för att undersöka om en sådan modell presterar bättre än de modeller som även inkluderar det inhemska resursutnyttjandet.
Resultaten från den internationella Phillipskurvan presenteras i tabell 2. Flera av prognoserna slår inte slumpvandringsprognosen. Bland annat så förbättrar inte användandet av indikatorer från de nordiska länderna prognosernas precision. Dock framträder det flera förbättringar jämfört med när den svenska Phillipskurvan används när vi inkorporerar aktivitetsmått från större ekonomier. Bland annat sticker USA:s BNP-tillväxt ut som en god prediktor för den svenska inflationen. Den modellspecifikation som kombinerar den svenska arbetslöshetsgraden och den amerikanska BNP-tillväxten ger en förbättring av prognosprecisionen med ett relativt RMSE-värde på 0,88. Detta resultat stödjer analysen i Karlsson och Österholm (2020c) som visat att förändringar i den amerikanska ekonomiska aktiviteten kan vara användbara för att fånga upp den svenska inflationsdynamiken.
Gällande påverkan från euroområdet så ser vi att arbetslöshetsgraden framträder som den bäst presterande prediktorn. Den starka korrelationen mellan europeisk konjunktur och svensk inflation som Andersson och Jonung (2020) påvisade tycks därmed även kunna överföras i ett prognossammanhang och leda till bättre precision. Enligt vår robusthetskontroll framgår det att en modellspecifikation med endast europeisk arbetslöshet, utan inkludering av svenskt resursutnyttjande, genererar en prognos med liknande precision. Det relativa RMSE-värdet är 0,70, jämfört med 0,71 när svensk arbetslöshet inkluderas i modellen. Våra resultat bekräftar därför betydelsen av att inkludera internationella faktorer i prognosmodeller för svensk inflation.
Tabell 2. Inflationsprognoser som baseras på den internationella Phillipskurvan
Anm: Figuren visar en jämförelse mellan faktisk inflation och prognoser baserade på den svenska Phillipskurvan (med svensk arbetslöshetsgrad) respektive den internationella Phillipskurvan (med svensk arbetslöshetsgrad och arbetslöshetsgrad i euroområdet).
Källa: SCB och egna skattningar.
I kölvattnet av finanskrisen uppmärksammades ett potentiellt svagare samband mellan inhemsk arbetslöshet och inflation. Som ett resultat av detta har prognoserna från modeller baserade på Phillipskurvan presterat sämre. Det försvagade sambandet har främst observerats under två avvikande perioder. Den första anomalin, känd som ”den uteblivna desinflationen”, noterades initialt mellan 2008 och 2011 i USA (se t ex Hall 2011). Detta följdes av den andra anomalin, ”den uteblivna inflationen”, som framträdde särskilt tydligt inom euroområdet mellan 2011 och 2014 och som tidigare uppmärksammades av bl a Constancio (2015).
Figur 1. Jämförelse mellan KPIF och prognoserna från den svenska och internationella Phillipskurvan
Anm: Figuren visar en jämförelse mellan faktisk inflation och prognoser baserade på den svenska Phillipskurvan (med svensk arbetslöshetsgrad) respektive den internationella Phillipskurvan (med svensk arbetslöshetsgrad och arbetslöshetsgrad i euroområdet).
Källa: SCB och egna skattningar.
I figur 1 jämför vi den bäst presterande modellspecifikationen från den svenska och den internationella Phillipskurvan. Vår första observation är att prognoserna under perioden med den första anomalin av utebliven desinflation inte verkar fångas upp av någon av Phillipskurvorna. Däremot indikerar den grafiska representationen att de förbättringar i RMSE, som observeras i tabell 2, kan tillskrivas den internationella Phillipskurvans förmåga att generera mer precisa prognoser under den andra anomalin. Vår illustration påvisar att den ökade samvariationen i arbetslöshet mellan Europa och Sverige, som noterades av Andersson och Jonung, även tycks kunna leda till ökad prognosprecision för den svenska inflationen, åtminstone under perioden mellan 2011 och 2015.
Avslutande kommentar
Under den senaste tiden har intresset för den internationella faktorns roll när det gäller att förutspå inhemska inflationsrörelser ökat inom den empiriska forskningen. Våra resultat visar att prognoser baserade på den internationella Phillipskurvan generellt presterar bättre än prognoser som bygger på den svenska Phillipskurvan under perioden efter finanskrisen. Detta indikerar att svenska inflationsrörelser är påverkade av externa faktorer och globala händelser, vilket möjligen inte är överraskande med tanke på Sveriges status som en liten öppen ekonomi. Den förbättrade prognosprecisionen beror främst på förmågan att förutspå inflationen mellan perioden 2011–15, som tidigare har fått ekonomer att ifrågasätta den traditionella Phillipskurvans användbarhet.
Vårt bidrag till den tidigare debatten är en mer omfattande analys av huruvida den tidigare observerade samvariationen mellan den svenska och internationella konjunkturen kan överföras till ökad prognosprecision. Vi finner att en internationell Phillipskurva med europeisk arbetslöshet ger de bästa inflationsprognoserna men kan inte utesluta att även andra internationella faktorer kan förbättra dessa ytterligare. Bland annat visar våra skattningar att USA:s BNP-tillväxt kan vara av betydelse för att fånga upp dynamiken i den svenska inflationen. Sammanfattningsvis visar resultaten på att internationella faktorer bör inkluderas i svenska inflationsprognosmodeller.
1 Betydelsen av globalisering och dess potentiella inverkan på inflationen har även diskuterats internationellt, se exempelvis: Ihrig m fl (2010), Gillitzer och McCarthy (2019), Forbes (2019), Borio och Filardo (2007) och Cicarelli och Mojon (2010).
2 Vi har likt Karlsson och Österholm (2020c) använt Konjunkturinstitutets skattning av jämviktsarbetslöshet för att beräkna arbetslöshetsgapet. Gapet är beräknat som differensen mellan arbetslöshetsgraden och jämviktsarbetslösheten.
3 Samtliga data är hämtade från SCB. I januari 2021 gjordes förändringar i arbetskraftsundersökningarna (AKU), vilket innebar att det uppstod tidsseriebrott. Eftersom enhetliga data inte är tillgängliga före 2001, använder vi oss av den gamla AKU-definitionen.
4 I vår fullständiga analys undersöker vi upp till åtta olika mått på inhemskt resursutnyttjande där alla prognoser skapats med estimeringar från både expanderande och rullande träningsfönster. Vi utvärderar även ADL-modellerna med två, tre och fyra fördröjningar av respektive variabel.
5 I vår fullständiga analys har vi även utvärderat den internationella Phillipkurvan med två, tre och fyra fördröjningar av varje variabel.
6 BNP-gapen skapas med hjälp av ett HP-filter där trendkomponenten skattas och representerar potentiellt BNP. BNP-gapen beräknas som den procentuella avvikelsen mellan faktiskt BNP och potentiellt BNP. Utjämningsparametern lambda sätts lika med 1600, vilket i litteraturen är en standardiserad tillämpning av filtret vid användandet av kvartalsdata (Hodrick och Prescott 1997).
Andersson, F N G och L Jonung (2020), ”Den svenska Phillipskurvan är internationell – vad betyder detta för Riksbanken?”, Ekonomisk Debatt, årg 48, nr 4, s 74–81.
Borio, C E V och A Filardo (2007), ”Globalisation and Inflation: New Cross-country Evidence on the Global Determinants of Domestic Inflation”, BIS Working Papers 277, Basel.
Ciccarelli, M och B Mojon (2010), ”Global Inflation”, The Review of Economics and Statistics, vol 92, s 524–535.
Constancio, V (2015), ”Understanding Inflation Dynamics and Monetary Policy”, tal vid Jackson Hole Economic Policy Sympossium 29 augusti 2015, Kansas City, https://www.ecb.europa.eu/press/key/date/2015/html/sp150829.en.html.
Gillitzer, C och M McCarthy (2019), ”Does Global Inflation Help Forecast Inflation in Industrialized Countries?”, Journal of Applied Econometrics, vol 34, s 850–857.
Hall, R E (2011), ”The Long Slump”, American Economic Review, vol 101, s 431–469.
Hodrick, R och E Prescott (1997), ”Postwar U.S. Business Cycles: An Empirical Investigation”, Journal of Money, Credit and Banking, vol 29, s 1–16.
Ihrig, J, S Kamin, D Lindner och J Marquez (2010), ”Some Simple Tests of the Globalization and Inflation Hypothesis”, International Finance, vol 13, s 343–375.
Forbes, K (2019) ”Inflation Dynamics: Dead, Dormant, or Determined Abroad?”, Brookings Papers on Economic Activity, s 257–338.
Karlsson, S och P Österholm (2020a), ”Sambandet mellan arbetslöshet och inflation i Sverige”, Ekonomisk Debatt, årg 48, nr 1, s 7–19.
Karlsson, S och P Österholm (2020b), ”Visst påverkar utlandet svensk inflation”, Ekonomisk Debatt, årg 48, nr 5, s 87–91.
Karlsson, S och P Österholm (2020c), ”A Note on the Stability of the Swedish Phillips Curve”, Empirical Economics, vol 59, s 2573–2612.
Westman, A och C-J Renberg (2023), ”Can International Factors Help in Enhancing Inflation Forecasting Accuracy?”, masteruppsats, Handelshögskolan i Örebro.