Macroeconomic effects of the real exchange rate in developing countries: evidence from Sub-Saharan African countries

Abstract

Nos últimos anos, grande parte da investigação sobre os efeitos macroeconómicos da taxa de câmbio real tem-se centrado geralmente nas economias desenvolvidas, emergentes e em desenvolvimento. Este estudo investiga os efeitos macroeconómicos da taxa de câmbio real (RER) no caso dos países da África Subsaariana (ASS). Este tópico amplo é reduzido a três (3) capítulos principais. O primeiro capítulo in vestiga o impacto do RER sobre os fluxos comerciais nos países da África Subsariana. A análise empírica baseia-se em dados anuais sobre 23 países da ASS, abrangendo o período 1995-2017. Os resultados da taxa de câmbio real de equilíbrio comportamental (BEER) obtidos através do Sistema de Métodos Generalizados de Momentos (SGMM), juntamente com as séries filtradas de Hodrick-Prescott, são uti lizados para construir o indicador de desalinhamento do RER. Também geramos proxies de volatilidade RER com base em modelos do tipo Generalized Autoregressive Conditional Heteroscedasticity (GARCH), particularmente modelos GARCH e Exponential GARCH. A estrutura da variável dummy (BC-LSDV), com o enviesamento corrigido dos mínimos quadrados, é utilizada para estimar o impacto da taxa de câmbio real nos fluxos comerciais. Os resultados indicam que a subvalorização do RER promove as exportações mas afecta negativamente as importações, sublinhando a importância de uma taxa de câmbio competitiva para o comércio. Em contraste, a volatilidade do RER não parece influenciar as exportações, mas tem um impacto positivo significativo sobre as importações. Utilizando a mesma amostra, o segundo capítulo examina os efeitos da taxa de câmbio real sobre o crescimento económico nos países da África Subsariana. A subavaliação e as medidas de volatilidade geradas pelo RER são incorporadas na regressão do crescimento, juntamente com outros determinantes do crescimento. Estimamos um modelo dinâmico de crescimento do painel utilizando o estimador BC LSDV. Os resultados mostram que a subavaliação do RER fomenta o crescimento, um resultado que está amplamente de acordo com os reportados em estudos empíricos recentes. Doravante, as políticas que sustentam as taxas de câmbio a níveis competitivos e limitam a volatilidade da taxa de câmbio devem ser prosseguidas pelos países da ASS, como parte da sua estratégia de crescimento. Finalmente, o terceiro capítulo centra-se na modelização da dinâmica não linear da taxa de câmbio real no Ruanda, utilizando modelos de mudança de regime. A análise é baseada em dados trimestrais, para o período 2000T1-2017T4. Começamos com um modelo linear (Média Móvel Integrada Autoregres siva) como modelo de referência, seguido por modelos não lineares concorrentes. Os resultados indicam que o parâmetro de limiar estimado para os dois regimes é 4,36, com o intervalo de confiança assimp tótico (4,34, 4,36) a apontar para a evidência de dois regimes. Além disso, o modelo Markov Switching Autoregressive (MS-AR) mostra que o regime de valorização domina a sua contraparte (depreciação) na maioria dos pontos de dados dentro do período de amostragem especificado. Em termos de capacidade de previsão dos modelos, o modelo Threshold Autoregressive (TAR) supera a contrapartida linear (ARIMA) in-sample, enquanto os modelos TAR e MS-AR, os modelos não lineares utilizados neste estudo, superam o modelo linear ( ARIMA) out-of-sample.

In recent years, much of the research on the macroeconomic effects of the real exchange rate has generally focused on developed, emerging and developing economies. This study investigates macroeconomic effects of the real exchange rate (RER) in the case of Sub-Saharan African Countries (SSA). This broad topic is narrowed down to three (3) main chapters. The first chapter investigates the impact of the RER on trade flows in SSA countries. The empirical analysis builds on annual data on 23 SSA countries, covering the period 1995-2017 .The results of behavioral equilibrium real exchange rate (BEER) obtained through System Generalized Methods of Moments (SGMM), along with Hodrick-Prescott filtered series are used to construct the RER misalignment indicator. We also generate RER volatility proxies based on Generalized Autoregressive Conditional Heteroscedasticity (GARCH) type models, particularly GARCH and Exponential GARCH models. The bias- corrected least squares dummy variable (BC-LSDV) framework is employed to estimate the impact of the real exchange rate on trade flows. The results indicate that the RER undervaluation promotes exports but negatively affects imports, stressing the importance of a competitive exchange rate to trade. In contrast, the RER volatility does not seem to influence exports but has a significant positive impact on imports. Using the same sample, the second chapter examines the effects of the real exchange rate on eco nomic growth in SSA countries. The generated RER undervaluation and volatility measures are incorpo rated in the growth regression, along with other growth determinants. We estimate a dynamic panel growth model using the BC-LSDV estimator. The results show that the RER undervaluation fosters growth, a result which is broadly in line with those reported in recent empirical studies. Henceforth, policies that sustain exchange rates at competitive levels and limit exchange rate volatility should be pursued by SSA countries, as part of their growth strategy. Finally, the third chapter focuses on modeling non-linear dynamics in the real exchange rate in Rwanda using regime switching models. The analysis is based on quarterly data, for the period 2000Q1-2017Q4. We start with a linear model (Autoregressive Integrated Moving Average) as a benchmark model, followed by competing non-linear models. The results indicate that the estimated threshold parameter for the two regimes is 4.36 with the asymptotic confidence interval (4.34, 4.36) pointing to the evidence of two regimes. In addition, the Markov Switching Autoregressive (MS-AR) model shows that the appreciation regime dominates its counterpart (depreciation) in most of the data points within the specified sample period. In terms of forecasting ability of the models, the Threshold Autoregressive (TAR) model outperforms the linear counterpart (ARIMA) in-sample, while both TAR and MS-AR models, the non-linear models used in this study, outperform the linear ( ARIMA) model out-of-sample.