TUGAS MAKALAH

VOLATILITAS HARGA KOMODITAS DAN KINERJA

MAKROEKONOMI: PENGUJIAN UNTUK NEGARA PENGEKSPOR
KOMODITAS

Disusun Untuk Memenuhi Tugas Besar

Mata Kuliah : Matematika Diskrit

Dosen Pengampu : Danang Indrajaya, S.Si, M.Si

Disusun Oleh: Nafila Alifia Ramadhani (2110120029)

JURUSAN SISTEM INFORMASI

ESQ BUSINESS SCHOOL

2021
 Abstrak
Makalah ini menganalisis pengaruh volatilitas harga komoditas terhadap produk
domestik bruto (PDB) Brasil, sehingga berkontribusi pada literatur tentang negara-
negara pengekspor komoditas. Dua metode untuk menguji kointegrasi digunakan:
prosedur konvensional Johansen (1991) dan pendekatan pengujian batas auto regressive
distributed lag (ARDL) dari Pesaran et al. (2001). Dengan mencakup periode bulanan
dari Januari 2005 hingga Mei 2013, perkiraan tersebut secara kuat menunjukkan bahwa
peningkatan volatilitas tersebut diikuti oleh tingkat PDB yang lebih rendah. Beberapa
fakta bergaya mengenai harga komoditas juga diuji dalam makalah ini

Kata kunci:
volatilitas harga komoditas; produk domestik bruto; negara pengekspor
komoditas; kointegrasi; Brazil.

‘
1. Pendahuluan

Dampak guncangan harga komoditas terhadap inflasi dan kebijakan moneter telah
dipelajari untuk negara maju dan berkembang. Negara-negara pengekspor komoditas
memiliki mata uang yang dinilai terlalu tinggi sebagai akibat dari guncangan tersebut,
sehingga mengurangi respons inflasi konsumen (Tokarick, 2008; Mallick dan Sousa,
2013), sementara tingkat output mereka dirangsang oleh sektor pengekspor komoditas.
Beberapa sifat harga komoditas juga telah diperiksa, seperti kemungkinan asimetrinya
terkait dengan durasi dan besarnya boom dan kemerosotan pergerakan harga komoditas
(Cashin et al., 2002). Meskipun fakta-fakta bergaya ini telah dipelajari dengan baik dan
baru- baru ini diuji, upaya langka telah muncul untuk menyelidiki dampak ekonomi
makro nyata dari volatilitas harga komoditas. Masalah seperti itu penting bagi
negara-negara pengekspor komoditas karena harga komoditas yang lebih tinggi secara
luas dianggap sebagai manfaat bagi mereka. Namun, jika harga yang lebih tinggi ini
disertai dengan peningkatan volatilitas implisit dari waktu ke waktu, apakah akan ada
efek positif pada kegiatan ekonomi? Ada alasan untuk tanggapan negatif. Misalnya,
volatilitas harga komoditas dapat menyebabkan penurunan investasi dan konsumsi.
Hal ini terjadi karena volatilitas tersebut menciptakan ketidakpastian pada biaya
produksi di masa depan, terutama jika kita memperhitungkan volatilitas harga energi,
sehingga mendorong investasi swasta yang lebih rendah. Pada gilirannya, rumah tangga
dapat mengharapkan masalah di masa depan sehubungan dengan pekerjaan dan
pendapatan sehingga konsumsi mereka cenderung menurun (Bernanke, 1983; Başkaya
et al., 2013). Selain itu, ada bukti yang menunjukkan bahwa volatilitas di pasar
komoditas berkorelasi dengan makroekonomi dan ketidakpastian kebijakan (Yin dan
Han, 2014).
Dengan demikian, dua pertanyaan dasar muncul:

• ‘Apakah fakta-fakta bergaya mengenai harga komoditas

diverifikasi untuk ekonomi Brasil?
• Apakah ada efek nyata di Brasil dari goncangan
volatilitas harga komoditas?
Kontribusi utama dari makalah ini adalah untuk menyelidiki apakah perubahan
volatilitas harga komoditas mempengaruhi tingkat PDB, topik yang belum dipelajari
secara konsisten. Sisa makalah ini disusun sebagai berikut: Bagian 2 menyajikan
tinjauan pustaka
singkat; Bagian 3 menjelaskan metodologi dan data yang digunakan untuk tujuan
empiris; Bagian 4, pada gilirannya, membahas hasil empiris dan Bagian 5 membuat
pernyataan penutup.
 Tinjauan literatur

Meskipun ada peningkatan literatur mengenai pengaruh harga komoditas terhadap inflasi
dan kebijakan moneter untuk negara berkembang, serta negara maju, upaya yang relatif
kecil dilakukan untuk menjelaskan dan menguji dampak volatilitas harga komoditas
terhadap tingkat kegiatan ekonomi. Jenis penelitian ini sangat penting karena, menurut
Combes dan Guillaumont (2002), volatilitas harga komoditas dipandang sebagai sumber
kerentanan di banyak negara, terutama di negara-negara berpenghasilan rendah,
meskipun ada potensi manfaat dari kebijakan keterbukaan yang umumnya mengikuti.
perbaikan perdagangan komoditas. Di antara kemungkinan penyebab efek negatif dari
volatilitas harga komoditas terhadap pertumbuhan ekonomi adalah ketidakstabilan
ekspor dan nilai tukar perdagangan yang dihasilkan dan efek negatif dari
ketidakstabilan tersebut pada pertumbuhan produktivitas faktor. Selain itu, hubungan ini
didukung oleh hasil empiris, seperti di Dawe (1996) dan Guillaumont et al. (1999).
Namun, apakah ada peningkatan volatilitas harga komoditas selama beberapa dekade
terakhir?
Memang, Cashin dan Mcdermott (2002) menemukan bukti tren penurunan harga
komoditas riil selama periode 1862-1999, menggunakan Indeks harga komoditas
industri The Economist, yaitu, kumpulan data terpanjang yang tersedia untuk umum.
Terlepas dari bukti ini, hasil empiris juga menunjukkan peningkatan volatilitas harga
komoditas riil, terutama sejak runtuhnya rezim Bretton Wood di awal 1970-an.

Terjadinya volatilitas harga komoditas yang meningkat merupakan faktor kunci untuk
memandu desain kebijakan ekonomi di seluruh Dunia. Konfigurasi kebijakan moneter
dan fiskal, dalam konteks seperti itu, tergantung pada posisi negara tertentu mengenai
perdagangan komoditasnya. Seperti yang ditunjukkan Moreira (2014), negara-negara
pengekspor bersih komoditas dapat secara ekspresif diuntungkan dari kejutan harga
komoditas yang positif, terutama karena hal itu tidak hanya mendorong sektor ekspor
yang lebih kuat dan dengan demikian tingkat PDB yang lebih tinggi, tetapi juga apresiasi
mata uang domestik. mengurangi potensi konsekuensi inflasi. Dan ada bukti pergerakan
bersama yang lebih kuat antara harga komoditas dan nilai tukar setelah krisis keuangan
internasional (Reboredo, 2012). Di sisi lain, masalah muncul ketika harga komoditas
yang lebih tinggi disertai dengan peningkatan variansnya. Dalam kasus seperti itu,
keuntungan teoretis menjadi ekonomi pengekspor bersih komoditas bisa hilang. Selain
konsekuensi dari volatilitas harga komoditas yang terkait dengan ekspor dan
ketidakstabilan persyaratan perdagangan, seperti yang ditunjukkan oleh Combes dan
Guillaumont (2002), Bernanke (1983) dan Başkaya et al. (2013) menekankan bahwa
salah satu kemungkinan penyebab untuk menjelaskan mengapa volatilitas seperti itu
dapat mengurangi tingkat output dan pertumbuhan ekonomi adalah karena hal itu
menciptakan ketidakpastian pada biaya produksi di masa depan, sehingga rumah tangga
dapat mengharapkan masalah di masa depan mengenai pekerjaan dan pendapatan dan
dengan demikian mengurangi konsumsi. Pada gilirannya, volatilitas di pasar komoditas
menyebabkan ketidakpastian makroekonomi dan kebijakan, sehingga membatasi
keputusan investasi perusahaan (Yin dan Han, 2014).

Metodologi dan kumpulan data

Model vektor autoregressive (VAR) digunakan dengan tepat ketika seseorang bertujuan
untuk menganalisis hubungan impuls-respons dinamis antara dua atau lebih deret waktu
(Sims, 1980) daripada signifikansi statistik dan sinyal dari koefisien yang diperkirakan.
Dalam pekerjaan kami, kami menggunakannya pada awalnya dan pendahuluan untuk
menganalisis hubungan dinamis antara harga komoditas dan variabel makroekonomi
Brasil. Langkah pertama ini dapat dianggap sebagai analisis jangka pendek.
Namun, karena kami terutama tertarik untuk menyelidiki dampak volatilitas harga
komoditas terhadap PDB Brasil, kami harus mengekstrak ukuran volatilitas tersebut.
Jadi, untuk mengekstrak serangkaian varians dari harga komoditas, sebuah auto regresif
terintegrasi rata- rata bergerak (ARIMA) dan model generalized autoregressive
conditional heteroscedasticity (GARCH) (Bollerslev, 1986) diterapkan. Meskipun model
VAR dapat dilakukan untuk menganalisis kemungkinan dampak volatilitas harga
komoditas pada PDB Brasil dan variabel lainnya, orang terutama dapat tertarik pada
hubungan jangka panjang antara variabel tersebut, sehingga uji kointegrasi dan
persamaan jangka panjang akan diterima. Saat dikonfirmasi ke depan, deret waktu yang
dipilih menyajikan urutan integrasi yang berbeda, sehingga kami melakukan dua metode
untuk proses terkointegrasi:model VEC (Johansen, 1991; Perron dan Campbell, 1993)
dan thepesan dkk (2001) Pendekatan pengujian batas ARDL, yang dapat digunakan
secara memadai terlepas dari urutan integrasi regressor. Akhirnya,tes ketahanan telah
dibuat.
Pada gilirannya, deret waktu berikut dikumpulkan dari Januari/2005 hingga Mei/
20131 untuk ekonomi Brasil. COMM: indeks harga komoditas Bank Sentral Brasil
(BCB), yang menyatakan harga komoditas dalam mata uang domestik; I: tingkat bunga
dasar Brasil saat ini (Selic); EXP_I: tingkat Selic yang diharapkan untuk 12 bulan ke
depan; P: inflasi konsumen saat ini; EXP_P: ekspektasi inflasi konsumen untuk 12 bulan
ke depan; Y: indeks PDB yang diperkirakan oleh BCB; E: nilai tukar nominal (yaitu,
mata uang domestik Brasil terhadap dolar AS). Seri tersebut dikumpulkan dari Bank
Sentral Brasil (www.bcb.gov.br).

2.1 Perkiraan VAR

Karena beberapa variabel telah menyajikan akar unit di level berdasarkan ADF, Tes PP
dan KPSS (COMM, EXP_P, P dan Y), kami menggunakan perbedaan pertama mereka
untuk memperkirakan model VAR. Variabel lain, dengan I(0), digunakan dalam nilai
level.2 Dari fungsi impuls-respons umum,3 dan mengenai efek D(COMM) pada D(P),
yang terakhir menunjukkan penyimpangan positif sampai sekitar bulan keempat
setelah syok dan puncaknya terjadi pada bulan kedua. Demikian pula jika kita
melihat respon D(EXP_P) dari shock pada D(COMM), terdapat deviasi positif dari
perubahan ekspektasi inflasi hingga sekitar bulan keempat setelah shock dan
puncaknya terjadi pada bulan ketiga.
Pernyataan ini berarti bahwa inflasi konsumen Brasil dipengaruhi secara langsung dan
tidak langsung oleh perubahan harga komoditas: secara langsung melalui keputusan
sektor ekspor/impor komoditas tentang harga baru; dan secara tidak langsung melalui
peningkatan ekspektasi inflasi. Pada gilirannya, D(COMM) juga menyebabkan D(Y)
secara positif, tetapi efek seperti itu dengan cepat dihilangkan. Bukti ini relevan karena
menunjukkan bahwa perubahan aktivitas ekonomi Brasil tidak dipengaruhi oleh
perubahan harga komoditas secara terus-menerus, ketika kita mengabaikan volatilitas
implisit dari perubahan harga komoditas.
Efek dari kejutan positif D(COMM) pada E adalah aspek makroekonomi penting
lainnya. Kita dapat mengamati penurunan nilai mata uang domestik yang cepat setelah
goncangan, hingga sekitar bulan kedua. Namun demikian, terdapat overvaluation mata
uang domestik dari bulan tersebut sampai sekitar bulan kesembilan setelah shock,
sehingga menguatkan De Gregorio (2012) dan Mallick dan Sousa (2013). Mengenai
reaksi instrumen kebijakan moneter, kita dapat mengamati bahwa guncangan positif
D(P) telah menunjukkan dampak pada suku bunga dasar Selic, yang tetap di atas nilai
normalnya bahkan setelah 12 bulan guncangan tersebut (Gambar A1 – Lampiran),
mengkonfirmasikan prediksi literatur (Clarida et al., 1999). Akhirnya, itu diterapkan
tesakar terbalik dari polinomial karakteristik untuk memverifikasi stabilitas
estimasi VAR. Seperti semuaakar karakteristik terletak di dalam lingkaran unit,
perkiraan VAR dapat dianggap stabil.
2.1 Volatilitas dan kointegrasi harga komoditas berdasarkan prosedur Johansen

Setelah menguji spesifikasi ARIMA yang lebih baik di COMM, kami memiliki:4
D(KOMUNIKAT SI) = 0,306 – 0,233 D(COMM)T -1 + εT + 0,532εT -1.

(1)Oleh karena itu, berdasarkan persamaan utama ini, kami menguji GARCH (1, 1)5
persamaan (Tabel 1), seperti
σ D2(COMM ) D COMM T) -
= 1,333 + 0,100ε 2T -1 +1 ,
T

0,776σ 2(

(2)
S2 D(KOMUNIKASI)T adalah varians bersyarat dari D(COMM). Secara berurutan, untuk
memverifikasi jikda hubungan jangka panjang antara σ 2 variabel di Brasil, kami menguji kointegrasi
dan Koreksi Kesalahan Vektor model, D(KOMUNIKASI)T adalah varians bersyarat dari D(COMM).
Secara berurutan, untuk memverifikasi jika dan ekonomi makro yang relevan D(KOMUNIKASI)T
dengan mempertimbangkan empat deret waktu: kamu (variabel tak bebas). ), σ 2 D(KOMUNIKASI)T ,
EXP_P dan P Volatilitas harga komoditas dan kinerja makroekonomi
(Variabel independen). Kami mengikuti Campbell dan Perron (1991) dan Perron dan Campbell
(1993), yang menurutnyakointegrasi deterministik mengizinkan kehadiran variabel stasioner tanpa
tren, seperti σ 2

Variabel Koefisien Std. z-Statistik

kesalahan Masalah.
persamaan utama
(ARIMA)
C 0,3065 (0,4440) [0.6904] 0,4900
AR(1) – 0,2336 (0.2701) [–0,8648] 0,3871
MA(1) 0,5326 (0.2383) [2.2349] 0,0254
persamaan
varians (GARCH)
C 1.3338 (1.2610) [1.0578] 0,2902
RESID(-1)2 0.1006 (0,1060) [0.9493] 0,3425
GARCH(–1) 0,7769 (0,1492) [5.2074] 0,0000
F-statistik 2.3556 Kriteria info Akaike 5.4103
Masalah.(F- 0,0464 Statistik Durbin-Watson 1.9771
statistik)
Sumber: Elaborasi
sendiri

Spesifikasi uji Johansen, berdasarkan SIC,7 adalah salah satu di mana ada konstanta,
tetapi tanpa tren dalam data. ItuJejak dan Statistik Nilai Eigen Maksimum
menunjukkan setidaknya 01 persamaan kointegrasi untuk deret waktu.8
Kenaikan 1% dalam volatilitas harga komoditas (σ 2
D(KOMUNIKASI)T ) berarti konteks kurang 0,88% pada Y (Tabel 2); dan ekspektasi
inflasi (EXP_P) dan aktivitas ekonomi terkointegrasi secara positif dalam jangka
panjang: peningkatan 1% di yang pertama diikuti oleh ekspansi sekitar 2% di yang
terakhir. Koefisien tersebut memiliki signifikansi statistik sebesar 1%.
Meja 2 Persamaan kointegrasi. Variabel terikat: LOG(Y)

LOG 2
D(KOMUNIKA
C SI )
CATATAN(EXP CATATAN(P)
_P)
Koefisien 4.163 – 0.886 2.046 – 0,203
Std. (0,346) (0.145) (0.377) (0.226)
Kesalahan
T-stat [12,019] [–6.103] [5.424] [–0.897]
Sumber: Elaborasi sendiri

Pada gilirannya, hanya σ 2 D(KOMUNIKASI)T bereaksi dengan signifikansi statistik

untuk memulihkan jangka panjang keseimbangan antar variabel: 1% dari kesalahan
persamaan kointegrasi dalam periode T – 1 adalah diikuti oleh sekitar -0,37% dari σ
2D(KOMUNIKASI)T dalam periode T (Tabel 3). Artinya seluruh koreksi memakan
waktu sekitar 2,7 bulan terjadi. Fakta bahwa gangguan dalam jangka panjang
kesetimbangan dikoreksi dengan perubahan σ 2 D(KOMUNIKASI)T tidak aneh,
seperti perubahan dalam volatilitas harga komoditas memiliki persistensi yang lebih
rendah dalam jangka pendek dibandingkan dengan
variabel makroekonomi lainnya.

Tabel 3 Model koreksi kesalahan

D(CATATAN(
'kamu T-1'
σ 2D (COMMD(CATATAN( D(CATATAN(EX D(CATATA
P)) P_P)) N(kamu))
)T))
– 0,379 – 0,048 0,020 – 0,008
kamuT-1
Std. (0,073) (0,026) (0,024) (0,005)
kesalahan
T-stat [–5.189] [–1.827] [ 0.839] [–1.401]
mengacu pada kesalahan persamaan kointegrasi dalam periode T – 1.
Sumber: Elaborasi sendiri

2.3 Pendekatan pengujian batas ARDL pesanran et al (2001)

Seperti yang kita lihat, persamaan kointegrasi diperkirakan termasuk variabel I(1) dengan
variabel I(0), yaitu, σ 2 D(KOMUNIKASI), berdasarkan Campbell dan Perron (1991)
dan Perron dan Campbell (1993), yang memungkinkan variabel stasioner tanpa tren.
Untuk memverifikasi keberadaan persamaan jangka panjang level melalui metode
alternatif, kami akan menerapkan pendekatan pengujian batas ARDL Pesaran et al.
(2001), yang dapat digunakan secara memadai terlepas dari urutan integrasi regressor,
mengikuti De Vita dan Abbott (2004) dalam melakukan pendekatan tersebut. Ini
menguji persamaan kointegrasi melalui spesifikasi ARDL, seperti:

n n
ΔkamuT = C0 + C1T + C2 kamuT -1 + C3 xT -1 +ΣαSaya ΔkamuT -Saya
+ Σ kαanJ ΔxT - J +DxT + μT
, (3)
Saya =1 J =0

di mana kamuT adalah variabel terikat I(1) dan xT adalah vektor regresi I(d) dengan 0 D
1. Persamaan
(3) dapat diestimasi dengan OLS dan kita dapat menghitung F-statistik untuk
signifikansi bersama dari koefisien yang terkait dengan tingkat tertinggal, di bawah Ho:
C2 = C3 = 0. Pesanran dkk. (2001) menunjukkan bahwa jika dihasilkanF-statistik
melebihi nilai kritisnya yang lebih tinggi, kita dapat menyimpulkan bahwa ada hubungan
jangka panjang. Dalam analisis kami × mewakili semua variabel independen dari bagian
sebelumnya, termasuk seri baru untuk nilai tukar nominal (R$/US$), atauE,
sehingga membuat xT = [PT, D(KOMUNIKASI)T , E].
EXP_PT, σ 2
Langkah pertama untuk menerapkan (3) adalah memverifikasi lag optimal VAR yang
terkait dengan Δ
kamuT, ΔxT Σn α sebuaDh n
Δ Σ α 'ΔxT - J . kami mengesahkan bahwa
berdasarkan AIC, SIC dan HQ
Saya
-Saya=1 Saya kamuT J =0 J
kriteria informasi, lag optimal adalah 01. Hal itu dikonfirmasi oleh uji LM yang
menguatkan hipotesis nol korelasi non-residual. Jadi, kami memperkirakan (3) dengan
01 lag, penyimpangan tak terbatas dan tren tak terbatas dalam data. Baik penyimpangan
maupun tren signifikan pada 1%.yang dihasilkan F-statistik (Uji Wald), di bawah Ho: C2
= C3 = 0, adalah 7,758, yang lebih tinggi dari batas atas interval (4,40-5,72) pada 1% dan
dengan empat variabel independen, sebagaimana ditabulasi oleh Pesaran et al. (2001).
Dalam kasus seperti itu, orang dapat berasumsi bahwa hubungan jangka panjang
memang ada. Langkah selanjutnya adalah memperkirakan koefisien jangka panjang dari
persamaan level dengan OLS, seperti:

kaTmu = τ 0 +τ1PT +τ 2EXP _ PT +τ3σ (2 )

D KOMUNIKASI T
+τ4 ET + εT .
(4)

Semua variabel dimasukkan dalam bentuk lognya dan estimasi koefisien jangka panjang
disajikan pada Tabel 4. Estimasi signifikan secara statistik pada 1%, kecuali untuk P (
signifikansi statistik pada 5%). Jadi, kami mengamati bahwa diberikan kontrol variabel,
peningkatan 1% dalam volatilitas harga komoditas, yang dinyatakan oleh τ3, disertai
dengan penurunan tingkat PDB Brasil di 0,067% dalam jangka panjang, sehingga
mendukung bukti kami sebelumnya berdasarkan prosedur Johansen. Namun, besaran
penurunan tersebut cukup besar, dari –0,886 (metode Johansen) hingga –0,067 (metode
Pesaran et al.).

Tabel 4 Persamaan kointegrasi setelah menggunakan Pesanran et al. (2001) metode.

Variabel terikat: LOG(Y)

τ0 τ1 τ2 τ3 τ4
Koefisien 4.599 – 0,096 0,515 – 0,067 – 0,338
Std. (0,065) (0,037) (0,062) (0,024) (0,046)
kesalahan
T-stat [70,489] [–2.555] [8.207] [–2.735] [–7.275]
Sumber : Elaborasi sendiri

Meskipun perbedaan kuantitatif ini tergantung pada pendekatan kointegrasi yang

digunakan untuk memperkirakan persamaan jangka panjang, kita dapat mengatakan,
setidaknya secara kualitatif, terdapat hubungan negatif antara volatilitas harga komoditas
dan tingkat PDB Brasil dalam jangka panjang.

2.4 Pemeriksaan ketahanan

sebuah pemeriksaan ketahanan dibuat dengan cara individual berikut: dengan

mengekstraksi volatilitas harga komoditas berdasarkan an ARMA model untuk COMM;
termasukvariabel kontrol seperti kurs dan suku bunga dasar ke dalam persamaan
GARCH; mengikuti Baltagi dan Wang (2007), yang menunjukkan pentingnya
pemeriksaan ketahanan padapilihan peringkat kointegrasi, dengan memvariasikan
jumlah lag kinerja uji kointegrasi dari 01 sd 04 lag; termasukcontoh variabel sebagai
salah satu eksogen ke dalam perkiraan VEC untuk mengontrol kemungkinan efek dari
Krisis subprime pada PDB Brasil, selama periode dari Oktober 2008 hingga September
2009.
Tabel 5 Estimasi GMM: variabel dependen sebagai LOG(Y)

Persamaan Persamaan Persamaan Persamaan

(1) (2) (3) (4)
Konstan – – 0.1376* 0.1037
– – (0,0746) (0,1086)
– – [1.8437] [0.9555]
LOG(Y(–1)) 0,9987*** 1,0021*** 0,9727*** 0,9793***
(0,0039) (0,0012) (0,0170) (0,0232)
[253.819] [828.921] [57.1898] [42.0999]
LOG(EXP_P(– 0,0216 – 0,0226 0,0236
1))
(0,0165) – (0.0160) (0,0173)
[1.3074] – [1.4123] [1.3638]
LOG(I(–1)) 0,0054 0,0046* – –
(0,0069) (0,0024) – –
[0.7928] [1.9089] – –

Tabel 5 Estimasi GMM: variabel dependen sebagai LOG(Y) (lanjutan)

Persamaan Persamaan Persamaan Persamaan

(1) (2) (3) (4)
LOG(L(–1)) 0,0102 – – 0,0076
(0,0155) – – (0,0155)
[0.6588] – – [0.4896]
CATATAN(δ2 – 0,0181** – 0,0073*** – 0,0151** – 0,0171**
D(COMM)( –1)) (0,0088) (0,0026) (0,0069) (0,0080)
[–2.0607] [–2.7245] [–2.1666] [–2.1312]
SUBPRIME(–1) – – 0,0060 – –
– (0,0061) – –
– [–0,9937] – –
Adj. R2 0,986 0,988 0,987 0,987

J-stat (Prob.) 0,681 0.881 0,844 0,786

EG (Prob.) 0,000 0,000 0,000 0,000
Variabel instrumental adalah C, LOG(Y(–2)), LOG(Y(–3)), LOG(Y(–4)), LOG(EXP_P(–2)),
LOG(EXP_P(–3)) , LOG(EXP_P(–4)), LOG(P(–2)), LOG(P(–3)) dan LOG(P(–4)); ( ) untuk
kesalahan standar dan [ ] untukT-statistik; EG mengacu pada uji Engle dan Granger (1987) untuk
kointegrasi pada residu regresi dengan nol nonkointegrasi. * untuk 10%, ** untuk 5% dan *** untuk
1%. Sumber: Elaborasi sendiri
Akhirnya, untuk menghadapi kemungkinan masalah endogenitas pada regressor,
kami menguji untuk perkiraan GMM yang kuat untuk memperbaiki masalah tersebut
(Hansen, 1982). Ituvariabel instrumental didefinisikan dari T – 1 ke periode
sebelumnya untuk mencocokkan hipotesis eksogenitas (Johnston, 1984) dan kami
juga melakukan analisis identifikasi berlebihan untuk menguji spesifikasi yang benar
dari variabel instrumental dengan tes-J (Cragg, 1983; Tabel 5). Namun, tidak ada
perubahan kualitatif pada hasil empiris terkait hubungan terkointegrasi dan efek
volatilitas harga komoditas terhadap PDB dari semua uji ketahanan tersebut.

Penutup
Karya ini menemukan bukti kuat dari hubungan negatif jangka panjang antara volatilitas
harga komoditas dan tingkat PDB Brasil, berdasarkan data bulanan dari Januari 2005
hingga Mei 2013. Temuan ini menunjukkan bahwa negara-negara pengekspor bersih
komoditas, seperti Brasil dan negara berkembang lainnya, harus merancang kebijakan
ekonomi secara rasional untuk mengimbangi kerugian kegiatan sosial dan ekonomi yang
menyertai periode fluktuasi harga komoditas yang meningkat.
Dengan kata lain, berdasarkan hasil empiris saat ini, otoritas moneter Brasil memiliki
alasan untuk mengkhawatirkan volatilitas yang tinggi di pasar komoditas, karena ada
bukti empiris yang kuat yang menunjukkan bahwa semakin tinggi volatilitas harga
komoditas, semakin rendah tingkat PDB di Brasil, negara pengekspor komoditas. Oleh
karena itu, mekanisme regulasi untuk meminimalkan intensitas perubahan harga di
pasar komoditas harus dielaborasi, bahkan dengan mempertimbangkan fakta bahwa
fluktuasi tersebut adalah

tidak sepenuhnya di bawah kendali Bank Sentral tertentu. Oleh karena itu, untuk
meminimalkan volatilitas harga komoditas dan potensi efek negatifnya pada negara-
negara yang sangat terkait, perlu untuk memajukan upaya internasional yang
komprehensif dan terkoordinasi.
Penelitian saat ini dapat ditingkatkan dalam beberapa arah. Pertama, penting untuk
menerapkan metode kami untuk menguji sampel yang lebih besar yang tersedia untuk
negara berkembang dan negara maju. Dalam konteks seperti itu, metode data panel akan
diterima. Kedua, kemungkinan asimetri harus diselidiki, seperti respons yang berbeda
dari kegiatan ekonomi terhadap volatilitas harga komoditas tergantung pada kasus
negara pengekspor dan pengimpor neto. Apakah yang terakhir ini menghadirkan
kepekaan yang lebih tinggi terhadap volatilitas harga komoditas daripada yang pertama?
Terakhir, pada tingkat teoretis, penting untuk mengembangkan model ekonomi untuk
menjelaskan dengan lebih baik landasan mikro dari hubungan antara volatilitas harga
komoditas dan tingkat PDB dari ekonomi pengekspor (atau pengimpor) neto. Moreira
(2014) dapat dianggap sebagai langkah awal ke arah ini, meskipun tidak dibangun di
atas kondisi optimalitas pada tingkat mikro. Jenis perbaikan teoretis masa depan ini pasti
akan berkontribusi untuk mengidentifikasi saluran lain yang dengannya subjek saat ini
dapat dinilai secara empiris.
Referensi
Baltagi, BH dan Wang, Z. (2007) 'Pengujian untuk peringkat kointegrasi melalui pemilihan model:
bukti dari 165 kumpulan data', Ekonomi Empiris, Jil. 33, hal.41–49. Başkaya, YS, Hülagü, T. dan
Küçük, H. (2013) 'Ketidakpastian harga minyak dalam perekonomian terbuka kecil', Tinjauan
Ekonomi IMF, Jil. 61, hlm.168–198. Bernanke, BS (1983) 'Ireversibilitas, ketidakpastian, dan
investasi siklis', Jurnal Triwulanan Ekonomi, Jil. 98, hal.85–106. Bollerslev, T. (1986)
'Heteroskedastisitas bersyarat autoregresif umum', Jurnal dari ekonometrika, Jil. 31, hal.307–327.
Campbell, JY dan Perron, P. (1991) 'Perangkap dan peluang: apa yang harus dilakukan oleh ahli
ekonomi makro tahu tentang akar satuan', dalam Blanchard, OJ dan Fischer, S. (Eds.): Ekonomi
Makro NBER Tahunan, Jil. 6, hal.141–220. Cashin, P. dan Mcdermott, CJ (2002) 'Perilaku jangka
panjang harga komoditas: tren kecil dan variabilitas besar', Makalah Staf IMF, Jil. 49, hlm.175–199.
Cashin, P., McDermott, CJ dan Scott, A. (2002) 'Booms dan kemerosotan harga komoditas dunia',
Jurnal Ekonomi Pembangunan, Jil. 69, hal.277–296. Clarida, R., Galí, J. dan Gertler, M. (1999) 'Ilmu
kebijakan moneter: Keynesian baru perspektif', Jurnal Sastra Ekonomi, Jil. 37, hal.1661–1707.
Combes, JL. dan Guillaumont, P. (2002) 'volatilitas harga komoditas, kerentanan dan perkembangan',
Tinjauan Kebijakan Pembangunan, Jil. 20, hlm.25–39. Cragg, JG (1983) 'Estimasi yang lebih efisien
denga an adanya heteroskedastisitas yang tidak diketahui membentuk', ekonometrika, Jil. 51,
hlm.751–763. 388 RR Moreira Dawe, D. (1996) 'Tampilan baru pada efek ketidakstabilan ekspor
terhadap investasi dan pertumbuhan', Dunia Perkembangan, Jil. 24, hal.1905–1914. De Gregorio, J.
(2012) 'Harga komoditas, kebijakan moneter, dan inflasi', Tinjauan Ekonomi IMF, Jil. 60, hal.600–
633. De Vita, G. dan Abbott, A. (2004) 'Volatilitas nilai tukar riil dan ekspor AS: batas ARDL
pendekatan pengujian', Masalah Ekonomi, Jil. 9, hal.69–78. Engle, RF dan Granger, CWJ (1987)
'Kointegrasi dan koreksi kesalahan: representasi, estimasi dan pengujian', ekonometrika, Jil. 55,
hal.251–276. Guillaumont, P., Guillaumont Jeanneney, S. dan Brun, JF. (1999) 'Bagaimana
ketidakstabilan menurunkan Afrika pertumbuhan', Jurnal Ekonomi Afrika, Jil. 8, hal.87–107. Hansen,
LP (1982) 'Sifat sampel besar dari metode umum penduga momen', ekonometrika, Jil. 50, hal.1029–
1054. Hayo, B., Kutan, AM dan Neuenkirch, M. (2012) 'Komunikasi penting: kebijakan moneter AS
dan volatilitas harga komoditas', Surat Ekonomi, Jil. 117, hal.247–249. Johansen, S. (1991) 'Estimasi
dan pengujian hipotesis vektor kointegrasi dalam vektor Gaussian model autoregresif', ekonometrika,
Jil. 59, hal.1551–1580. Johnston, J. (1984) Metode Ekonometrika, Edisi ke-3., McGraw-Hill Book
Co., Singapura. Mallick, SK dan Sousa, RM (2013) 'Harga komoditas, tekanan inflasi, dan moneter
kebijakan: bukti dari ekonomi BRICS', Tinjauan Ekonomi Terbuka, Jil. 24, hal.677–694. Moreira, RR
(2014) 'Beberapa catatan tentang ekonomi ekspor komoditas-net: nilai tukar, inflasi konsumen dan
kebijakan moneter', Tinjauan Ekonomi dan Keuangan, Jil. 3, hal.25–30. Perron, P. dan Campbell, JY
(1993) 'Catatan tentang prosedur kointegrasi Johansen ketika tren hadir', Ekonomi Empiris, Jil. 18,
hal.777–789. Pesaran, MH dan Shin, Y. (1998) 'Analisis respons impuls umum dalam multivariat
linier model', Surat Ekonomi, Jil. 58, hal.17–29. Pesaran, MH, Shin, Y. dan Smith, RJ (2001)
'Pendekatan pengujian batas untuk analisis level hubungan', Jurnal Ekonometrika Terapan, Jil. 16,
hal.289–326. Reboredo, JC (2012) 'Memodelkan pergerakan bersama harga minyak dan nilai tukar',
Jurnal Kebijakan Pemodelan, Jil. 34, hal.59–70. Sims, CA (1980) 'Makroekonomi dan kenyataan',
ekonometrika, Jil. 48, hal.1–48. Tokarick, S. (2008) 'Mata uang komoditas dan nilai tukar riil', Surat
Ekonomi, Jil. 101, hal.60–62. Yin, L. dan Han, L. (2014) 'Ketidakpastian ekonomi makro: apakah itu
penting untuk harga komoditas?', Surat Ekonomi Terapan, Jil. 21, hal.711–716
Lampiran Gambar A1 Fungsi respons impuls umum dari VAR tak terbatas dengan 02 lag (lihat versi
online untuk warna
Jurnal/Artikel asli
Sci-Hub | Commodity prices volatility and macroeconomic performance: testing for a commodity-
exporting country | 10.1504/ijcee.2016.079532