Wykorzystanie modelu SVECM do badania zależności pomiędzy cenami surowców a cenami stali na rynku europejskim w latach 2003-2011

• Autorzy: Monika Papież , Sławomir Śmiech

Warianty tytułu

Using Svecm Model for the Analysis of the Relations between Raw Material Prices and Steel Prices on the European Market in the Period 2003-2011

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono analizę zależności pomiędzy popytem na wyroby stalowe a cenami stali i surowców (koksu) na europejskim rynku na podstawie danych miesięcznych w latach 2003-2011. Analiza zależności została przeprowadzona z wykorzystaniem wektorowego modelu korekty błędem w postaci strukturalnej (SVECM), który ma służyć do oceny wpływu podaży surowców oraz popytu na wyroby stalowe na ceny produktów stalowych. Wyniki badania wskazały, że rynek stali znajduje się w długookresowej równowadze. Cena koksu jest zmienną dominującą w systemie a ceny stali surowej są pochodną cen surowców oraz popytu zgłaszanego na wyroby stalowe. Ponadto cena stali nie jest przyczyną w sensie Grangera dla pozostałych zmiennych. System zgodnie z oczekiwaniem reaguje na wzrost popytu na produkty stalowe oraz na wzrost cen surowców. Prognozy wyznaczone modelem mają dostateczną trafność i mogą być punktem odniesienia dla podmiotów będących stronami kontraktów dla kluczowych produktów na rynku stali. (abstrakt oryginalny)

EN

The article presents the analysis of the relations between the demand for steel products and the prices of steel and raw materials (coking coal) on the European market based on the monthly data in the period 2003-2011. The analysis of those relations was conducted with the use of Structural Vector Error Correction Model (SVECM), which allowed to determine the impact of the supply of raw materials and the demand for steel products on the prices of steel products. The results obtained indicate that steel market is in long run equilibrium. The price of coking coal is the dominant variable in the system, and the prices of crude steel depend on the prices of raw materials and the demand for steel products. The price of steel is not the Granger cause for the remaining variables. As expected, the system reacts both to the increase in the demand for steel products and the increase in the prices of raw materials. The forecasts obtained using the model are valid enough and can be treated as reference points by the participants of the steel market. (original abstract)

Słowa kluczowe

PL

Model wektorowej korekty błędem; Rynek żelaza i stali; Ceny surowców; Analiza zależności

EN

Vector error correction model (VECM); Iron and steel market; Raw materials prices; Dependency analysis

• Czasopismo: Przegląd Statystyczny
• Rocznik: 2012
• Tom: 59
• Numer: z. 4
• Strony: 504--524

Twórcy

autor

Monika Papież

• Uniwersytet Ekonomiczny w Krakowie

autor

Sławomir Śmiech

• Uniwersytet Ekonomiczny w Krakowie

Bibliografia

• [1] Blanchard O., Quah D., (1989), The Dynamic Effects of Aggregate Demand and Supply Disturbances, American Economic Review, 79, 655-673.
• [2] Charemza W.W., Deadman D.F., (1997), Nowa ekonometria, PWE, Warszawa.
• [3] Coke Market Report - Resource-Net, www.resource-net.com.
• [4] Crude Steel Quarterly Industry & Market Outlook, (2011), www.crugroup.com.
• [5] Dickey D.A., Fuller W.A., (1981), Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, Econometrica, 49, 1057-1072.
• [6] Doornik J.A., Hansen H., (1994), A practical test for univariate and multivariate normality, Discussion paper, Nuffield College, University of Oxford.
• [7] Dufour J.M., Pelletier D., Renault E., (2006), Short Run and Long Run Causality in Time Series: Inference, Journal of Econometrics, 132 (2), 337-362.
• [8] Ghosh S., (2006), Steel Consumption and Economic Growth: Evidence from India , Resources Policy, 31, 7-11.
• [9] Granger C.W.J., Weiss, (1983), Time Series Analysis of Error-Correcting Models, Studies in Econometrics, Time Series, and Multivariate Statistics, New York, Academic Press, 255-278.
• [10] Granger C.W.J., (1969), Investigating Causal Relations by Econometric Models and Cross-Spectral Methods, Econometrica, 37 (3), 424-438.
• [11] Hsiao C., (1982), Autoregressive Modelling and Causal Ordering of Economic Variables, Journal of Economic Dynamic and Control, 4, 243-259.
• [12] Johansen S., Juselius K., (1990), Maximum Likelihood Estimation and Inference on Cointegration - with Application to the Demand for Money, Oxford Bulletin of Economic and Statistics, 52, 169-210.
• [13] Johansen S., (1995), Likelihood-Based Inference in Cointegrated Vector Autoregressive Models, Oxford University Press, Oxford.
• [14] King R.G., Plosser C.I., Stock J.H., Watson M.W., (1991), Stochastic Trends and Economic Fluctuations, American Economic Review, 81, 819-840.
• [15] Kwang-Sook H., (2011), Steel Consumption and Economic Growth in Korea: Long-Term and Short-Term Evidence, Resources Policy, 36, 107-113.
• [16] Ljung G.M., Box G.E.P., (1978), On a Measure of Lack of Fit in Time Series Models, Biometrika, 65, 297-303.
• [17] Lütkepohl H., (2007), New Introduction to Multiple Time Series Analysis, corr. 2nd print, Springer, Berlin.
• [18] Lütkepohl H, Krätzig M. (red.), (2004), Applied Time Series Econometrics, Cambridge University Press.
• [19] Osińska M., (2006), Ekonometria finansowa, Polskie Wydawnictwo Ekonomiczne.
• [20] Osińska M., (2008), Ekonometryczna analiza zależności przyczynowych, Wydawnictwo Naukowe UMK, Toruń.
• [21] Osińska M., (2009), Analiza przyczynowości w długim i krótkim okresie w modelu popytu na pieniądz, Acta Universitatis Nicolai Copernici, Ekonomia XXXIX, 40-50.
• [22] Ozga-Blaschke U., (2008), Analiza sytuacji na światowych rynkach stali oraz prognozy w zakresie zmian popytu i podaży, Czasopismo Techniczne, nr 134-137, 1-10.
• [23] Ozga-Blaschke U., (2009), Wpływ kryzysu gospodarczego na rynki stali, węgla koksowego i koksu, Przegląd Górniczy, 3-4, 1036-37.
• [24] Papież M., Śmiech S., (2012), Analiza przyczynowości na rynku koksu, węgla koksowego i stali w latach 2003-2010, A. Sagan (red.), Metody analizy danych, Zeszyt Naukowy Uniwersytet Ekonomiczny w Krakowie, 878, 57-71.
• [25] Papież M., Śmiech S., (2011a), The Analysis and Forecasting of Coke Prices . Econometrics 32 /red. Dittmann P., Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu 196, 213-220.
• [26] Papież M., Śmiech S., (2011b), The Analysis of Relations Between Primary Fuel Prices on the European Market in the Period 2001-2011, Rynek Energii 5(96), 139-144.
• [27] Rebiasz B., (2006), Polish Steel Consumption 1974-2008, Resources Policy, 31, 37-49.
• [28] Śmiech S., Papież M., Fijorek K.,Causality on the Steam Coal Market. Energy Sources ,PartB: Economics, Planning, and Policy, DOI:10.1080/15567249.2011.627909.
• [29] Toda H.Y., Yamamoto T., (1995), Statistical Inference in Vector Autoregressions with Possibly Integrated Processes, Journal of Econometrics, 66, 225-250.
• [30] Wold, H., (1960), A Generalization of Causal Chain Models, Econometrica, 28, 443-463.
• [31] www.worldsteel.org.
• [32] www.steelbb.com.
• [33] Wydymus S., Papież M., Śmiech S., Zysk W., Jaśko P., (2010), Modelowanie i prognozowanie cen koksu na rynkach światowych - studium przypadku, [w:] Bezpośrednie inwestycje zagraniczne jako czynnik konkurencyjności handlu zagranicznego (red. Maciejewski M. Wydymus S.), 241-262.