Oljeprisen og Norges økonomi.

I denne labben skal vi bruke noen av verktøyene vi har lært for å analysere hvordan oljeprisen utvikler seg - økonometrisk-sett, og hvordan den påvirker noen aspekter av den norske økonomien.

library(ggplot2)
library(reshape2)
library(dplyr)
library(foreign)
library(dynlm)
library(zoo)

Som i labb 10 (tidsrekkregresjon 2), begynner vi med å laste ned data om oljeprisen fra FRED-webside:

oil_price_series <- read.csv("https://fred.stlouisfed.org/graph/fredgraph.csv?chart_type=line&recession_bars=on&log_scales=&bgcolor=%23e1e9f0&graph_bgcolor=%23ffffff&fo=Open+Sans&ts=12&tts=12&txtcolor=%23444444&show_legend=yes&show_axis_titles=yes&drp=0&cosd=1987-05-01&coed=2016-09-01&height=450&stacking=&range=&mode=fred&id=MCOILBRENTEU&transformation=lin&nd=1987-05-01&ost=-99999&oet=99999&lsv=&lev=&mma=0&fml=a&fgst=lin&fgsnd=2009-06-01&fq=Monthly&fam=avg&vintage_date=&revision_date=&line_color=%234572a7&line_style=solid&lw=2&scale=left&mark_type=none&mw=2&width=1168")

Og litt rengjøring…

brent <- oil_price_series
colnames(brent) <- c("date", "brentprice")
brent["date"] <- as.Date(brent$date)
ggplot(brent, aes(date, brentprice)) +
  geom_line()

Vi setter den i time-series formatt:

brent_ts <- ts(brent$brentprice, start=c(1980,1), end=c(2016,8), frequency=12)

Oppgave (tilbakeblikk fra labb 10 og 11):

  • Er denne serien stasjonær / I(1)? Er dette et problem, hvorfor?
  • Hvis serien er ikke-stasjonær, kan vi transformere serien for å fikse det?

Oppgave:

  • Sjekk om vår transformert oljepris-serie er autokorrelert
  • Kan vi gi noen økonomisk tolkning av at avkastningen av oljeprisen (% endring per periode) er eller ikke er autokorrelert?

Kronekurset og oljeprisen

La oss prøve å analysere forholdet mellom kronekurset og oljeprisen.

Vi laster inn data om valutakurs fra Norges Bank

kronekurs <- read.csv("http://static.norges-bank.no/globalassets/marketdata/stat/valutakurser/sdv/valuta_mnd.csv", header=TRUE, sep=",")

Vi er kun interessert i NOK/USD-kurset, så vi trekker den ut:

kronekurs <- kronekurs[,c("Date", "X1.USD")]
#endrer variablenavn:
colnames(kronekurs) <- c("date", "NOK_USD")

#konvertere til dato-formatt via as.yearmon funksjonen i zoo. 
dates = as.yearmon(kronekurs$date, format="%b-%y")
kronekurs["date"] <- as.Date(dates)

#få valutakurs-formatt
kronekurs["USD_NOK"] <- 1/kronekurs["NOK_USD"]

Oppgave

A.) Bruk merge til å sette sammen oljepris-serien og kronekurs serien i en dataframe.

B.) Konvertere begge seriene til zoo formatt.

C.) Plott begge serien.

Oppgave

Nå at vi har en datasett vi kan jobbe med, kjør en modell som analyserer forholdet mellom oljepris og kronekurs. Hvordan tolker du resultatet? Hvilken tekniske betingelser burde man sjekke?