Deo 1. Od stabilne konvergencije do zrelog ciklusa razvijene ekonomije
BDP Slovenije kao kvartalna vremenska serija
Bruto domaći proizvod je najširi pojedinačni pokazatelj makroekonomske aktivnosti. On meri vrednost dobara i usluga proizvedenih u jednoj ekonomiji i zato daje sažet prikaz dugoročne ekspanzije, recesije, oporavka i ciklične nestabilnosti. U ovom blog postu BDP Slovenije analizira se kao kvartalni indeks, sa bazom 2021=100, za period od 1996Q1 do 2026Q1. Izvor podataka je Eurostatova baza kvartalnih nacionalnih računa, namq_10_gdp. Posmatraju se dve verzije serije: originalna serija i sezonski prilagođena serija dobijena metodom X13-ARIMA.
Slika 1 pokazuje dugoročno uzlazno kretanje BDP-a Slovenije, prekinuto dvama velikim makroekonomskim šokovima. Prvi deo uzorka, od kasnih 1990-ih do 2008, predstavlja održivu ekspanziju. Sezonski prilagođena linija raste gotovo neprekidno, što sugeriše dug period konvergencije i rasta. Globalna finansijska kriza zatim donosi jasan prekid. Oko 2008–2009. ranija uzlazna putanja se prekida i serija ulazi u dug period slabijeg učinka. Postkrizne godine ne pokazuju brz povratak na pretkriznu putanju. Umesto toga, vidi se duga faza prilagođavanja, sa BDP-om koji se kreće bočno ili raste samo postepeno.
Od sredine 2010-ih serija ponovo ulazi u uverljiviju uzlaznu putanju. Ta ekspanzija traje do šoka COVID-19 u 2020. Pandemijski pad je oštar i vidljiv, ali je i oporavak snažan. U kasnijem delu uzorka BDP Slovenije je ponovo na istorijski visokom nivou. Najnovija posmatranja ostaju blizu gornjeg dela raspona uzorka, mada kretanje više liči na zrelu ekspanziju sa određenom moderacijom nego na novo ubrzanje.
Sezonsko prilagođavanje je važno, ali nije cela priča. Originalna serija ima jasan kvartalni obrazac, dok X13 prilagođena serija daje čistiji prikaz osnovnog trenda i ciklusa. Kod Slovenije je sezonski obrazac vidljiv, ali manje dominantan nego kod ekonomija sa veoma snažnim turističkim kvartalnim oscilacijama. Glavna priča vremenske serije zato je kombinacija dugoročnog trenda, snažne postojanosti i dva velika prekida: globalne finansijske krize i COVID-19.
Slike 2 i 3 pokazuju koliko je BDP Slovenije postojan pre i posle diferenciranja. Funkcija autokorelacije logaritamske serije u nivou veoma je visoka i ostaje pozitivna kroz veliki broj pomaka. Prva autokorelacija iznosi oko 0,940, što pokazuje da je BDP u jednom kvartalu veoma blisko povezan sa BDP-om u prethodnom kvartalu. To je tipično za makroekonomsku seriju u nivou. BDP odražava akumulirani proizvodni kapacitet, zaposlenost, investicije, produktivnost, spoljnu tražnju i institucije, a svi ti faktori se menjaju postepeno.
Slika 3 oštro menja prikaz. Posle prve i sezonske razlike logaritamske serije, autokorelacija postaje mnogo slabija i na prvom pomaku prelazi u negativnu vrednost, oko -0,522. Autokorelacija druge razlike još je negativnija, oko -0,726. To sugeriše da diferenciranje uklanja dominantni postojani trend i sezonsku strukturu i otkriva kratkoročnu dinamiku prilagođavanja. U praktičnom smislu, logaritamska serija u nivou korisna je za razumevanje dugoročne makroekonomske putanje Slovenije, dok je diferencirana serija pogodnija za ARIMA modeliranje i kratkoročno prognoziranje.
Tabela 1 potvrđuje da je BDP Slovenije visoko strukturisana vremenska serija. Snaga trenda je izuzetno visoka, oko 0,998, što znači da dugoročna komponenta dominira serijom. Snaga sezonalnosti je takođe visoka, oko 0,890, što potvrđuje da je sezonsko prilagođavanje potrebno. Sezonski pokazatelji ukazuju na pravilan obrazac unutar godine, mada sezonska amplituda nije vizuelno toliko dominantna kao kod Crne Gore ili Hrvatske. Vrednost spikiness je izuzetno niska, što znači da seriju ne pokreću izolovani nasumični skokovi. Čak se i globalna finansijska kriza i COVID-19 javljaju unutar šire strukturisane putanje, a ne kao potpuno slučajna kretanja.
Tabela 1. Karakteristike vremenske serije BDP-a Slovenije
| Feature | Value |
|---|---|
| trend_strength | 0.998 |
| seasonal_strength_year | 0.890 |
| seasonal_peak_year | 0 |
| seasonal_trough_year | 1 |
| spikiness | 0.000 |
| linearity | 2.126 |
| curvature | -0.223 |
| stl_e_acf1 | -0.413 |
| stl_e_acf10 | 0.223 |
| acf1 | 0.940 |
| acf10 | 6.517 |
| diff1_acf1 | -0.522 |
| diff1_acf10 | 2.366 |
| diff2_acf1 | -0.726 |
| diff2_acf10 | 3.678 |
| season_acf1 | 0.867 |
| pacf5 | 1.121 |
| diff1_pacf5 | 0.994 |
| diff2_pacf5 | 1.211 |
| season_pacf | 0.238 |
| zero_run_mean | 0.000 |
| nonzero_squared_cv | 0.002 |
| zero_start_prop | 0.000 |
| zero_end_prop | 0.000 |
| lambda_guerrero | -0.900 |
| kpss_stat | 2.294 |
| kpss_pvalue | 0.010 |
| pp_stat | -2.016 |
| pp_pvalue | 0.1 |
| ndiffs | 1 |
| nsdiffs | 1 |
| bp_stat | 106.906 |
| bp_pvalue | 0.000 |
| lb_stat | 109.579 |
| lb_pvalue | 0.000 |
| var_tiled_var | 0.000 |
| var_tiled_mean | 1.016 |
| shift_level_max | 0.088 |
| shift_level_index | 102 |
| shift_var_max | 0.004 |
| shift_var_index | 50 |
| shift_kl_max | 0.287 |
| shift_kl_index | 51 |
| spectral_entropy | 0.212 |
| n_crossing_points | 13 |
| longest_flat_spot | 6 |
| coef_hurst | 1.000 |
| stat_arch_lm | 0.954 |
Mera linearnosti je pozitivna i relativno velika, dok je zakrivljenost negativna. To sugeriše dugoročnu uzlaznu putanju, ali sa promenama nagiba tokom uzorka. Autokorelacija STL reziduala negativna je na prvom pomaku, ali pozitivna na dužim pomacima, što znači da deo strukture ostaje i posle dekompozicije. ACF i PACF mere pokazuju snažnu postojanost u nivoima, slabiju ali značajnu zavisnost posle diferenciranja i vidljivu sezonsku komponentu. Sezonska autokorelacija iznosi oko 0,867.
Dijagnostika stacionarnosti snažno sugeriše da seriju u nivou ne treba tretirati kao stacionarnu. KPSS statistika je visoka, sa p-vrednošću na donjoj granici, a automatski indikatori diferenciranja preporučuju jednu običnu i jednu sezonsku razliku. Phillips-Perron rezultat je manje restriktivan, ali ne menja širi zaključak da se serija u nivou ponaša kao postojana makroekonomska vremenska serija. Box-Pierce i Ljung-Box statistike su visoko značajne u nivoima, što potvrđuje snažnu serijsku zavisnost. Indikatori varijanse i pomeranja ukazuju na promene nivoa i distribucije, posebno oko kasnijeg dela uzorka. Spektralna entropija je niska, oko 0,212, što pokazuje da je serija strukturisana, a ne šumovita. Hurstov koeficijent je gotovo jedan, što potvrđuje snažno dugo pamćenje. ARCH statistika je skromna, pa grupisanje volatilnosti nije centralna karakteristika serije.
Glavni zaključak prvog dela jeste da je kvartalni BDP Slovenije snažno trendovska, veoma postojana i sezonski strukturisana serija. Njena dugoročna putanja je uzlazna, ali je prekidaju duboko prilagođavanje tokom globalne finansijske krize i kraći šok COVID-19. Ove osobine opravdavaju upotrebu logaritamske transformacije, sezonskog prilagođavanja, diferenciranja i ARIMA modeliranja.
Metodološki dodatak za Deo 1
Grafičko istraživanje je prvi korak u analizi vremenskih serija. Ono pomaže da se uoče trend, sezonalnost, ciklična kretanja, strukturni prelomi, promene volatilnosti i ekstremne vrednosti. Kod kvartalnog BDP-a glavni rizik je mešanje normalnog sezonskog kretanja sa stvarnom makroekonomskom promenom. Drugi rizik je preterano tumačenje jednog neobičnog posmatranja bez provere da li ono pripada širem obrascu.
Logaritamska transformacija često je korisna kada makroekonomske fluktuacije postaju veće u apsolutnom iznosu kako nivo serije raste. Logaritmi omogućavaju da se kretanja tumače kao približne procentualne promene. Prve razlike usmeravaju pažnju na kratkoročnu promenu, dok sezonske razlike porede kvartal sa istim kvartalom prethodne godine i pomažu uklanjanju ponovljivih sezonskih obrazaca.
Karakteristike u Tabeli 1 sažimaju statističko ponašanje serije. Snaga trenda, snaga sezonalnosti, autokorelacija, testovi stacionarnosti, entropija, spikiness, mere pomeranja i pokazatelji postojanosti zajedno pokazuju da li je serija trendovska, sezonska, postojana, šumovita ili strukturno nestabilna. Za Sloveniju glavna poruka je veoma snažna trendovska postojanost, značajna sezonalnost i visoko strukturisana makroekonomska putanja.