Εθνικό & Καποδιστριακό Πανεπιστήμιο Αθηνών Τμήμα Οικονομικών Επιστημών Εισαγωγή στην Οικονομική Ανάλυση Διάλεξη 2 Νίκος Θεοχαράκης Δεκέμβριος 2013
Γιατί προέκυψε η ανάγκη για μια αυτοτελή επιστήμη των οικονομικών σχέσεων στον 18 ο αιώνα; Διαφοροποίηση των πολιτικών & οικονομικών σχέσεων
Εξήγηση του Τι παράγεται Πως παράγεται Πως διανέμεται
Παραγωγή Κυκλοφορία Διανομή
Διαφορές κλασικής πολιτικής οικονομίας και νεοκλασικών οικονομικών Αντικειμενική / Υποκειμενική θεωρία της αξίας Κοινωνικές τάξεις / Μεθοδολογικός ατομικισμός Έμφαση στην παραγωγή /ανταλλαγή
Διάκριση Θετική οικονομική (positive economics) Αξιολογική οικονομική (normative economics)
Υποδείγματα Athanasius Kircher, Iter extaticum coeleste, Endter, Wurzburg, 1660
Υποδείγματα
Υποδείγματα
Υποδείγματα
Οικονομικά μεγέθη και μεταβλητές Αποθέματα και ροές Χρονολογικές σειρές Διαστρωματικά δεδομένα Panel data Αριθμοδείκτες
Αποθέματα και ροές Απόθεμα (stock): δείχνει την τιμή μιας μεταβλητής σε μια συγκεκριμένη χρονική στιγμή. Ροή (flow): αφορά σε μια συγκεκριμένη χρονική περίοδο
Αποθέματα και ροές Τα αποθέματα μεταβάλλονται μέσω των ροών. Αν είχα χτες το πρωί στις 9:00 (χρονική στιγμή), 150 τεμάχια συγκεκριμένου εμπορεύματος στο ράφι και παρέλαβα 20 τεμάχια ενώ πώλησα 10 μέσα στην χθεσινή μέρα (χρονική περίοδος), το απόθεμά μου σήμερα το πρωί στις 9:00 θα είναι 160. Αντίστοιχα ο πληθυσμός μια χώρας [ο οποίος σημειωτέον απογράφεται κάθε δεκαετία] την ημέρα της απογραφής αποτελεί απόθεμα. Θα μεταβληθεί μέσα από ροές θετικά (δηλ. θα αυξηθεί) από τις γεννήσεις και από την μετανάστευση προς την χώρα αυτή και θα μεταβληθεί αρνητικά (δηλ. θα μειωθεί) από τους θανάτους και από την μετανάστευση σε άλλες χώρες.
Αποθέματα και ροές Παραδείγματα Ισολογισμός επιχείρησης Αποθέματα: Ενεργητικό, Παθητικό και η Καθαρή Θέση. Εγγραφές στον ισολογισμό όπως «αποθέματα» ή «διαθέσιμα» ή «ταμείο» ή «καταθέσεις όψεως και προθεσμίας» «μακροπρόθεσμες υποχρεώσεις» «απαιτήσεις» Ροές: αποσβέσεις [Κατάσταση Λογαριασμού Αποτελεσμάτων Χρήσεως 1/1/2012-31/12/2012: «Κύκλος εργασιών», «πωλήσεις», «έξοδα διάθεσης», «κέρδη / ζημιές χρήσεως»] Ο πληθυσμός μια χώρας [ο οποίος σημειωτέον απογράφεται κάθε δεκαετία] την ημέρα της απογραφής αποτελεί απόθεμα. Θα μεταβληθεί μέσα από ροές θετικά (δηλ. θα αυξηθεί) από τις γεννήσεις και από την μετανάστευση προς την χώρα αυτή και θα μεταβληθεί αρνητικά (δηλ. θα μειωθεί) από τους θανάτους και από την μετανάστευση σε άλλες χώρες.
Αποθέματα και ροές Αποθέματα: Άνεργοι + Απασχολούμενοι = Εργατικό Δυναμικό, Εκτός Εργατικού Δυναμικού Ροές: 1. Απώλεια θέσης εργασίας λόγω απόλυσης ή παραίτησης με είσοδο στην ανεργία. 2. Απώλεια θέσης εργασίας με έξοδο από το Ε.Δ. (π.χ., σύνταξη, γάμος χωρίς μισθωτή απασχόληση, σπουδές ή ανικανότητα για εργασία) 3. Εύρεση εργασίας και έξοδος από την ανεργία 4. Έξοδος από την ανεργία χωρίς να είναι στο Ε.Δ. (π.χ., «αποθαρρυμένος» εργάτης που κουράστηκε να ψάχνει για δουλειά). 5. Κίνηση από εκτός δυναμικού στην ανεργία (π.χ., νεοεισερχόμενος στην αγορά εργασίας μετά τις σπουδές) που είναι άνεργος ή γυναίκα που επιστρέφει στην αγορά εργασίας όταν τα παιδιά έχουν φθάσει σε κάποια ηλικία και ψάχνει για δουλειά). 6. Κίνηση από εκτός Ε.Δ. στην άμεση απασχόληση (π.χ., συνταξιούχος που επιστρέφει, ή άτομο εκτός Ε.Δ. που αποφασίζει να εργασθεί επειδή παρουσιάστηκε ευκαιρία απασχόλησης).
Διάγραμμα 1: Αποθέματα και ροές στην αγορά εργασίας (σε εκατομμύρια άτομα) Απασχολούμενοι (137,1) 1 (1,9) 3 (2,1) Άνεργοι (8,8) 2 (3,9) 6 (3,6) Εκτός Εργατικού Δυναμικού. (74,7) 4 (2,0) 5 (1,9) Πηγή: Bruce E. Kaufman & Julie E. Hotchkiss, The Economics of Labor Markets, 7th edition, Thomson, South-Western, 2006, σσ. 694-5. (Από αδημοσίευτα στοιχεία (μηνιαίοι μέσοι όροι) του Bureau of Labor Statistics των ΗΠΑ για το έτος 2003).
Ακαθάριστο Εγχώριο Προϊόν Το Ακαθάριστο Εγχώριο Προϊόν (Gross Domestic Product) που μετρά την αξία των τελικών αγαθών και υπηρεσιών που παρήχθησαν μέσα στα σύνορα μιας χώρας σε ένα συγκεκριμένο χρονικό διάστημα, συγκεκριμένα μέσα σε ένα έτος, αποτελεί ροή. Το ίδιο μέγεθος μπορεί να το προσεγγίσουμε με διαφορετικούς τρόπους. Έτσι το ΑΕΠ, προσπαθούμε να το συλλάβουμε μέσα από τρεις διαφορετικές διαδικασίες: (α) την παραγωγή (β) την δαπάνη και (γ) το εισόδημα
Χρονολογικές σειρές Μια χρονολογική σειρά (time series) δείχνει τις διαδοχικές μετρήσεις μιας μεταβλητής σε διαφορετικές χρονικές στιγμές ή σε διαφορετικές χρονικές περιόδους. Μπορεί να έχουμε χρονολογική σειρά από ροές (π.χ., την εξέλιξη του ΑΕΠ ανά έτος) ή αποθέματα (π.χ., την εξέλιξη της ανεργίας ανά τρίμηνο). Μπορεί να αφορά στην μέση τιμή ενός μεγέθους σε μία χρονική περίοδο (π.χ., την μέση τιμή του ασημιού σε ένα μήνα).
Χρονολογικές σειρές Παράδειγμα: Εξέλιξη Ανεργίας 1998-2011
Χρονολογικές σειρές
Εξέλιξη της τιμής και του όγκου της μετοχής της Εθνικής Τράπεζας της Ελλάδος στο Χρηματιστήριο Αξιών Αθηνών στην περίοδο 12/10/2008-12/10/2009. Πηγή: www.in.gr
Εξέλιξη τιμής μετοχής και όγκου συναλλαγών Εθνικής Τράπεζας Ελλάδος 17/12/2012-17/12/2013. Πηγή: www.in.gr
Εξέλιξη τιμής μετοχής και όγκου συναλλαγών Εθνικής Τράπεζας Ελλάδος την 17/12/2013. Πηγή: www.in.gr
Στις χρονολογικές σειρές η σειρά με την οποίαν παρουσιάζονται τα δεδομένα είναι σημαντική διότι πρόκειται για διαδοχικές χρονικές περιόδους. Επίσης παρατηρώντας την γραφική παράσταση μιας χρονοσειράς αντιλαμβάνομαι αν υπάρχει κάποια τάση (αγγλ. trend) στα δεδομένα μου αν δηλαδή η μεταβλητή τείνει να αυξάνει ή να μειώνεται αν υπάρχει κυκλικότητα ή εποχικότητα, κλπ.
Διαστρωματικά δεδομένα Tα διαστρωματικά δεδομένα (cross-sectional data)καταγράφουν για μια συγκεκριμένη χρονική στιγμή ή περίοδο τις τιμές μιας μεταβλητής για διαφορετικές οικονομικές μονάδες ή σύνολα μονάδων Οι οικονομικές μονάδες μπορεί να είναι άτομα, νοικοκυριά, επιχειρήσεις, χώρες, γεωγραφικά διαμερίσματα, κλπ
Διαστρωματικά δεδομένα Παράδειγμα 1 Μέσες ετήσιες ακαθάριστες αποδοχές αρρένων εργαζομένων στην βιομηχανία και τις υπηρεσίες με πλήρη απασχόληση που εργάζονται σε επιχειρήσεις με 10 ή περισσότερους εργαζόμενους στις χώρες της Ευρωπαϊκής Ένωσης το 2009 σε ευρώ. Πηγή: Eurostat [Από τον δικτυακό τόπο http://ec.europa.eu/eurostat Code: tps00175 ]
Βουλγαρία 4.519 Ρουμανία 5.753 Λεττονία 9.377 Ουγγαρία 10.157 Σλοβακία 11.299 Πορτογαλία 18.955 Μάλτα 19.922 Ισπανία 28.265 Ελλάδα 31.246 Σουηδία 36.006 Γαλλία 37.094 ΗΒ 40.919 Φινλανδία 42.855 Γερμανία 43.400 Ολλανδία 46.687 Ιρλανδία 50.577 Δανία 59.119
Διαστρωματικά δεδομένα Παράδειγμα 2 Ποσοστό ανεργίας στις χώρες της Ευρωπαϊκής Ένωσης, συνδεδεμένες χώρες και χώρες αναφοράς τον Σεπτέμβριο του 2013 (%) [teilm022] - Harmonised unemployment rate by sex - age group 25-74 Short Description: The unemployment rate represents unemployed persons, based on International Labour Office (ILO) definition, as a percentage of the labour force, which here refers to the total number of employed and unemployed persons aged 25 to 74. Unemployed persons comprise here persons aged 25 to 74 who: - are without work; - are available to start work within the next two weeks; - and have been actively seeking work in the past four weeks or had already found a job to start within the next three months. Data are presented in seasonally adjusted form.
Harmonised unemployment rate by sex - age group 25-74 Total geo\time 2013M09 Euro area (changing composition) 10,9 Euro area (17 countries) 10,9 Euro area (16 countries) 10,9 EU (28 countries) 9,6 EU (27 countries) 9,5 EU (15 countries) 9,8 Belgium 7,5 Bulgaria 12 Czech Republic 6,1 Denmark 5,8 Germany 4,9 Estonia 7,9 Ireland 11,3 Greece 25,6 Spain 24,2 France 9,5 Croatia 13,9 Italy 10,5 Cyprus 14,2 Latvia 10,6 Lithuania 10,4 Luxembourg 4,9 Hungary 8,8 Malta 5,2 Netherlands 6,1 Austria 4,3 Poland 8,6 Portugal 14,1 Romania 5,9 Slovenia 9,1 Slovakia 12,4 Finland 6,5 Sweden 5,8 United Kingdom 5,2 Iceland 4,3 Norway 2,6 Turkey : United States 6 :=not available : Source of Data: Eurostat Last update: 18.12.2013 Date of extraction: 18 Dec 2013 23:18:22 MET Code: teilm022
Διαστρωματικά δεδομένα Παράδειγμα 3 Συνολικές δαπάνες για εκπαιδευτικά ιδρύματα στην τριτοβάθμια εκπαίδευση στις χώρες του ΟΟΣΑ ανά φοιτητή σε ισοδύναμα δολάρια ΗΠΑ. Πηγή: ΟΟΣΑ, Education at a Glance: OECD Indicators, 2008 edition, Πίνακας Β2.1a
Δαπάνες ανά φοιτητή σε ισοδύναμα US $ Χώρα ΟΟΣΑ Τριτοβάθμια εκπαίδευση ΗΠΑ 24.370 Ελβετία 21.734 Σουηδία 15.946 Νορβηγία 15.552 Δανία 14.959 Αυστρία 14.775 Αυστραλία 14.579 Ολλανδία 13.883 Ηνωμένο Βασίλειο 13.506 Γερμανία 12.446 Ιαπωνία 12.326 Φιλανδία 12.285 Βέλγιο 11.960 Γαλλία 10.995 Ιρλανδία 10.468 Νέα Ζηλανδία 10.262 Ισπανία 10.089 Ισλανδία 9.474 Πορτογαλία 8.787 Ιταλία 8.026 Κορέα 7.606 Τσεχία 6.649 Μεξικό 6.402 Ουγγαρία 6.244 Ελλάδα 6.130 Σλοβακία 5.783 Πολωνία 5.593 ΟΟΣΑ μέσος όρος 11.512
Διαστρωματικά δεδομένα Παράδειγμα 4 Αποδόσεις κρατικών ομολόγων δεκαετούς διάρκειας την 18/12/2013
Στα διαστρωματικά δεδομένα, αντίθετα με τις χρονολογικές σειρές δεν μας ενδιαφέρει η σειρά με την οποία εμφανίζονται τα δεδομένα. Μπορούμε όμως να αποκτήσουμε μία αντίληψη για τα διαστρωματικά δεδομένα κατασκευάζοντας ένα ιστόγραμμα που να μας δείχνει την στατιστική τους κατανομή. Για παράδειγμα, αν τα διαστρωματικά δεδομένα είναι βαθμοί φοιτητών στις εξετάσεις του μαθήματος «Αρχές Οικονομικής Ανάλυσης Ι» στις εξετάσεις του Σεπτεμβρίου 2008 μπορούμε να αποκτήσουμε μια αντίληψη από τα αρχικά δεδομένα που βρίσκονται στους καταλόγους της γραμματείας του Τμήματος κατασκευάζοντας μια στατιστική κατανομή και στη συνέχεια δημιουργώντας το αντίστοιχο διάγραμμα.
Panel data Πολλές φορές μας ενδιαφέρει να δούμε πώς εξελίχθηκαν στον χρόνο οι μετρήσεις για διαφορετικές μονάδες. Στην περίπτωση αυτή μία διάσταση δεν είναι αρκετή. Για τον λόγο αυτό χρησιμοποιούμε τα λεγόμενα panel data. Τα panel data μας δείχνουν τις τιμές μιας μεταβλητής για διαφορετικές οικονομικές μονάδες ή σύνολα μονάδων σε διαδοχικές χρονικές περιόδους Άρα τα panel data έχουν τουλάχιστον δύο διαστάσεις (εκ των οποίων η μία είναι ο χρόνος). Συνήθως όμως έχουμε πολυδιάστατα panel data. Εφαρμογές αυτού του τύπου έχουμε όταν παρακολουθούμε την εξέλιξη στον χρόνο μεταβλητών που αφορούν σε έναν αριθμό ατόμων που αποτελούν το panel. Έτσι αν έχουμε Τ χρονικές περιόδους (t=1,2,,t) και Ν μονάδες ή άτομα (i=1,2,,n) κάθε παρατήρηση στο σύνολο δεδομένων μας θα είναι X it το οποίο μπορεί να είναι και διάνυσμα αν μετράμε περισσότερες διαστάσεις. Οι οικονομικές μονάδες μπορεί να είναι άτομα, νοικοκυριά, επιχειρήσεις, χώρες, γεωγραφικά διαμερίσματα, κλπ
Panel data Παράδειγμα Ποσοστό ανεργίας στις χώρες της Ευρωπαϊκής Ένωσης, συνδεδεμένες χώρες και χώρες αναφοράς ανά μήνα από τον Δεκέμβριο του 2012 έως τον Οκτώβριο του 2013. Εδώ έχουμε και χρονολογική σειρά για κάθε χώρα ξεχωριστά και διαστρωματικά δεδομένα για κάθε έτος ξεχωριστά.
Harmonised unemployment rate by sex - age group 25-74 Total geo\time 2012M12 2013M01 2013M02 2013M03 2013M04 2013M05 2013M06 2013M07 2013M08 2013M09 2013M10 Euro area (changing composition) 10,6 10,8 10,8 10,8 10,8 10,9 10,9 10,9 10,9 10,9 10,9 Euro area (17 countries) 10,6 10,8 10,8 10,8 10,8 10,9 10,9 10,9 10,9 10,9 10,9 Euro area (16 countries) 10,6 10,8 10,8 10,8 10,9 10,9 10,9 10,9 10,9 10,9 10,9 EU (28 countries) 9,4 9,6 9,6 9,6 9,6 9,6 9,6 9,6 9,6 9,6 9,5 EU (27 countries) 9,4 9,5 9,5 9,6 9,6 9,6 9,5 9,5 9,5 9,5 9,5 EU (15 countries) 9,6 9,8 9,8 9,8 9,8 9,8 9,8 9,8 9,8 9,8 9,8 Belgium 6,8 6,9 7 7,1 7,1 7,2 7,2 7,4 7,5 7,5 7,6 Bulgaria 11,4 11,6 11,8 11,8 11,8 11,7 11,8 11,9 11,9 12 12,1 Czech Republic 6,2 6,3 6,3 6,3 6,2 6,2 6 6,1 6 6,1 6 Denmark 6,2 6,4 6,2 6,1 6 5,8 5,6 5,9 5,9 5,8 5,6 Germany 5,1 5,1 5,1 5,1 5,1 5 5 5 4,9 4,9 4,9 Estonia 8,7 8,6 8 7,6 7,3 7,4 7,3 7,3 7,7 7,9 : Ireland 12,3 12,1 12 12,1 12,2 12,3 12,1 11,7 11,4 11,3 11,2 Greece 24 24,3 24,4 24,7 25,1 25,4 25,4 25,3 25,4 25,6 : Spain 23,8 24 24,1 24,1 24,1 24,1 24,1 24,2 24,2 24,2 24,3 France 9 9,1 9,2 9,2 9,2 9,3 9,4 9,4 9,5 9,5 9,4 Croatia 14,4 13,9 13,6 13,4 13,5 13,5 13,6 13,6 13,7 13,9 14,3 Italy 9,5 10 10 10 10,2 10,2 10,2 10,5 10,5 10,5 : Cyprus 11,7 12,1 12,4 12,6 13,3 13,5 13,7 13,5 13,9 14,2 14,4 Latvia 13,2 11,6 11,6 11,6 10,5 10,5 10,5 10,6 10,6 10,6 : Lithuania 11,7 11,8 11,6 11,4 11 10,8 10,9 10,5 10,6 10,4 10 Luxembourg 4,5 4,5 4,5 4,6 4,7 4,8 4,9 5 4,9 4,9 4,9 Hungary 9,7 9,8 9,7 9,3 9,2 9,1 9 8,9 8,8 8,8 : Malta 5,1 5,2 5,1 5,1 5,1 5,3 5,3 5,2 5,1 5,2 5,2 Netherlands 5 5,2 5,4 5,6 5,7 5,9 6 6,1 6,2 6,1 6,2 Austria 4 4,2 4,4 4,3 4,3 4 3,9 4,1 4,4 4,3 4 Poland 8,7 8,9 9 9 9 8,9 8,8 8,7 8,6 8,6 8,6 Portugal 15,6 15,8 15,7 15,6 15,5 15,2 14,9 14,6 14,4 14,1 13,9 Romania 5,3 5,6 5,7 5,8 6 5,9 6,1 5,9 5,9 5,9 5,9 Slovenia 8,8 9,4 9,8 9,8 9,6 9,4 9,2 9,2 9,3 9,1 8,9 Slovakia 12,6 12,5 12,4 12,4 12,4 12,5 12,5 12,4 12,4 12,4 12,4 Finland 6,3 6,4 6,4 6,4 6,4 6,4 6,4 6,4 6,4 6,5 6,5 Sweden 5,7 5,6 5,8 5,8 5,8 5,6 5,7 5,6 5,6 5,8 5,8 United Kingdom 5,5 5,7 5,6 5,6 5,6 5,5 5,5 5,5 5,4 5,2 : Iceland 4,4 4,4 4,4 4,4 4,4 4,4 4,4 4,4 4,3 4,3 4,3 Norway 2,6 2,6 2,5 2,7 2,7 2,6 2,5 2,6 2,6 2,6 : Turkey 6,9 6,8 6,7 6,9 7 7,2 7,1 7,4 7,5 : : United States 6,5 6,5 6,3 6,2 6,1 6,1 6,2 6,1 6 6 6,1 :=not available : Source of Data: Eurostat Last update: 18.12.2013 Date of extraction: 18 Dec 2013 23:18:22 MET
Αριθμοδείκτες Συχνά δεν μας ενδιαφέρει η απόλυτη τιμή ενός μεγέθους αλλά η εξέλιξη του ανεξάρτητα από την μονάδα μέτρησής του, είτε στον χρόνο είτε σε σχέση με άλλες μεταβλητές. Πολλές φορές αυτό διευκολύνει την σύγκριση με άλλα μεγέθη και κατασκευάζουμε αριθμοδείκτες παράλληλα με τα πρωτογενή στοιχεία. Άλλες φορές πάλι το πρωτογενές μέγεθος δεν έχει καμία σημασία και ο αριθμοδείκτης γίνεται το πρωτογενές μέγεθος. Ο αριθμοδείκτης (index) εκφράζει τα στοιχεία σε σύγκριση με δεδομένη τιμή βάσης Πάρτε το παράδειγμα δύο χρονολογικών σειρών: η πρώτη είναι η μέση ετήσια τιμή του ασημιού σε δολάρια ΗΠΑ του 1998 ανά μετρικό τόνο (98$/t) κατά την περίοδο 1900-2011 και η δεύτερη σειρά είναι η εξέλιξη της τιμής του χαλκού στην ίδια μονάδα κατά την ίδια περίοδο Ο πίνακας μας είναι:
Copper Unit Silver Unit Year value (98$/t) value (98$/t) 1900 7.000 390.000 1901 7.000 380.000 1902 4.800 320.000 1903 5.300 320.000 1904 5.100 340.000 1905 6.300 360.000 1906 7.700 390.000 1907 7.700 370.000 1908 5.300 310.000 1909 5.300 300.000 1910 5.000 300.000 1911 4.900 300.000 1912 6.200 340.000 1913 5.630 323.000 1914 4.760 294.000 1915 6.180 264.000 1916 9.360 322.000 1917 8.190 344.000 1918 5.890 340.000 1919 3.780 340.000 1920 3.140 267.000 1921 2.540 184.000 1922 2.900 212.000 1923 3.100 199.000 1924 2.790 205.000 1925 2.920 207.000 1926 2.840 183.000 1927 2.690 171.000 1928 3.110 178.000 1929 3.850 162.000 1930 2.860 120.000 1931 1.980 99.900 1932 1.520 107.000 1933 2.020 141.000 1934 2.330 188.000 1935 2.330 245.000 1936 2.520 170.000 1937 3.350 164.000 1938 2.610 160.000 1939 2.900 147.000 1940 2.960 131.000 1941 2.930 125.000 1942 2.650 122.000 1943 2.500 136.000 1944 2.450 134.000 1945 2.410 152.000 1946 2.580 214.000 1947 3.420 169.000 1948 3.320 161.000 1949 2.940 159.000 1950 3.210 161.000 1951 3.400 179.000 1952 3.310 168.000 1953 3.910 167.000 1954 4.000 166.000 1955 5.040 174.000 1956 5.540 175.000 1957 3.840 170.000 1958 3.280 162.000 1959 3.820 163.000 1960 3.920 161.000 1961 3.630 162.000 1962 3.670 189.000 1963 3.640 219.000 1964 3.750 218.000 1965 4.020 215.000 1966 3.990 208.000 1967 4.100 243.000 1968 4.260 323.000 1969 4.650 255.900 1970 5.380 238.900 1971 4.620 200.600 1972 4.420 210.500 1973 4.810 301.900 1974 5.630 500.600 1975 4.290 430.500 1976 4.390 400.500 1977 3.960 399.600 1978 3.630 433.800 1979 4.570 800.900 1980 4.420 1.312.000 1981 3.330 606.200 1982 2.710 431.700 1983 2.760 601.900 1984 2.310 410.800 1985 2.240 299.200 1986 2.170 261.500 1987 2.610 323.300 1988 3.660 289.300 1989 3.800 232.500 1990 3.380 193.300 1991 2.890 155.400 1992 2.750 147.200 1993 2.280 156.000 1994 2.690 187.000 1995 3.260 177.100 1996 2.500 173.400 1997 2.400 159.700 1998 1.730 178.000 1999 1.640 165.000 2000 1.840 152.000 2001 1.560 130.000 2002 1.510 135.000 2003 1.670 140.000 2004 2.550 186.000 2005 3.190 197.000 2006 5.610 302.000 2007 5.690 339.000 2008 5.330 365.000 2009 4.040 359.000 2010 5.740 485.000 2011 6.490 819.000 Πηγή: U.S. Geological Survey, Data Series 140 Historical Statistics for Mineral and Material Commodities in the United States, http://minerals.usgs.gov/ds/2005/140/
Πως μπορούμε να συγκρίνουμε την εξέλιξη των δύο μεγεθών; Κατασκευάζουμε έναν αριθμοδείκτη με χρονολογία βάσης το 1900 και θέτουμε τιμή 1900=100. Οι υπόλοιπες τιμές του αριθμοδείκτη υπολογίζονται αν διαιρέσουμε την τιμή του αντίστοιχου έτους με αυτήν του έτους βάσης και το πολλαπλασιάσουμε επί 100. Τα στοιχεία μας τώρα γίνονται: Έτσι μπορούμε να δούμε πως εξελίχθηκε διαχρονικά η τιμή των δύο μετάλλων. Πρώτα σε πίνακα
Copper Unit Silver Unit value (98$/t) value (98$/t) Year Index 1900=100 Index 1900=100 1900 100 100 1901 100 97 1902 69 82 1903 76 82 1904 73 87 1905 90 92 1906 110 100 1907 110 95 1908 76 79 1909 76 77 1910 71 77 1911 70 77 1912 89 87 1913 80 83 1914 68 75 1915 88 68 1916 134 83 1917 117 88 1918 84 87 1919 54 87 1920 45 68 1921 36 47 1922 41 54 1923 44 51 1924 40 53 1925 42 53 1926 41 47 1927 38 44 1928 44 46 1929 55 42 1930 41 31 1931 28 26 1932 22 27 1933 29 36 1934 33 48 1935 33 63 1936 36 44 1937 48 42 1938 37 41 1939 41 38 1940 42 34 1941 42 32 1942 38 31 1943 36 35 1944 35 34 1945 34 39 1946 37 55 1947 49 43 1948 47 41 1949 42 41 1950 46 41 1951 49 46 1952 47 43 1953 56 43 1954 57 43 1955 72 45 1956 79 45 1957 55 44 1958 47 42 1959 55 42 1960 56 41 1961 52 42 1962 52 48 1963 52 56 1964 54 56 1965 57 55 1966 57 53 1967 59 62 1968 61 83 1969 66 66 1970 77 61 1971 66 51 1972 63 54 1973 69 77 1974 80 128 1975 61 110 1976 63 103 1977 57 102 1978 52 111 1979 65 205 1980 63 336 1981 48 155 1982 39 111 1983 39 154 1984 33 105 1985 32 77 1986 31 67 1987 37 83 1988 52 74 1989 54 60 1990 48 50 1991 41 40 1992 39 38 1993 33 40 1994 38 48 1995 47 45 1996 36 44 1997 34 41 1998 25 46 1999 23 42 2000 26 39 2001 22 33 2002 22 35 2003 24 36 2004 36 48 2005 46 51 2006 80 77 2007 81 87 2008 76 94 2009 58 92 2010 82 124 2011 93 210
1.400.000 1.200.000 1.000.000 800.000 600.000 400.000 200.000 0 1900 1920 1940 1960 1980 2000 Copper Unit value (98$/t) Silver Unit value (98$/t)
Copper Silver 10.000 1.400.000 9.000 8.000 7.000 1.200.000 1.000.000 6.000 800.000 5.000 4.000 600.000 3.000 400.000 2.000 1.000 200.000 0 1900 1920 1940 1960 1980 2000 0 Copper Unit value (98$/t) Silver Unit value (98$/t)
Index 400 350 300 250 200 150 100 50 0 1900 1920 1940 1960 1980 2000 Copper Unit value (98$/t) Index 1900=100 Silver Unit value (98$/t) Index 1900=100
Παράδειγμα Ένας κλασικός αριθμοδείκτης είναι ο λεγόμενος Δείκτης Τιμών Καταναλωτή (Consumer Price Index), με τον οποίο μετράμε την εξέλιξη του επιπέδου των τιμών. Αυτός καταρτίζεται από την ΕΛΣΤΑΤ με βάση τον οικογενειακό προϋπολογισμό των νοικοκυριών και σταθμίζει βασικές κατηγορίες δαπάνης, π.χ., «διατροφή» «ένδυση-υπόδηση», «στέγαση», κλπ. και μέσα σε κάθε κατηγορία έχει υποκατηγορίες οι οποίες εξειδικεύονται στο τέλος με συγκεκριμένα αγαθά των οποίων οι τιμές συλλέγονται από ειδικά συνεργεία τιμοληψίας σε μηνιαία βάση. Είναι φυσικό ότι τα αγαθά που περιλαμβάνονται σε αυτό το «καλάθι» δεν είναι σταθερά και ότι οι συντελεστές στάθμισης μπορεί να αλλάζουν, πάντα όμως με συγκεκριμένη μεθοδολογία
Ένας άλλος δείκτης είναι ο Γενικός Δείκτης Τιμών του Χρηματιστηρίου Αθηνών. Έχει ως ημερομηνία βάσης=100 την 31/12/1980 και αποτελείται από τις 60 μεγαλύτερες μετοχές της κατηγορίας μεγάλης κεφαλαιοποίησης του Χρηματιστηρίου Αξιών Αθηνών (www.ase.gr). Η στάθμιση του δείκτη είναι ως προς την κεφαλαιοποίηση των εταιρειών. Η κεφαλαιοποίηση εκφράζεται ως το γινόμενο του αριθμού μετοχών επί την τιμή της μετοχής. Ο δείκτης αναθεωρείται δυο φορές τον χρόνο (Απρίλιο και Οκτώβριο) όπου κάποιες εταιρείες διαγράφονται από τον δείκτη και κάποιες άλλες εισάγονται. Δεν είναι όλοι οι χρηματιστηριακοί δείκτες σταθμισμένοι σύμφωνα με την κεφαλαιοποίηση. Ο παλαιότερος δείκτης, o DJIA (Dow Jones Industrial Average Index) του Χρηματιστηρίου Αξιών της Νέας Υόρκης ο οποίος ξεκίνησε τον Μάιο του 1896 αποτελεί το αριθμητικό άθροισμα των τιμών 30 μετοχών των μεγαλύτερων εταιρειών σε σημαντικούς κλάδους της οικονομίας. Αντίθετα ο δείκτης S&P 500 (Standard & Poor 500) περιλαμβάνει τις 500 μεγαλύτερες εταιρείες σταθμισμένες με την κεφαλαιοποίησή τους. Οι χρηματιστηριακοί δείκτες μεταβάλλονται. Για παράδειγμα στις 22/9/2008 η Wall Street Journal που είναι υπεύθυνη για την κατασκευή του Dow Jones αποφάσισε να βγάλει από τον δείκτη την ασφαλιστική AIG η οποία περιήλθε στην ιδιοκτησία της Αμερικανικής κυβέρνησης και να βάλει στη θέση της την Kraft Foods εταιρεία τροφίμων.
ΓΔ ΧΑΕ 18/12/2009-18/12/2013 Πηγή: Financial Times