IMPACTOS DE SHOCKS NOMINALES Y REALES SOBRE EL … · 2020. 4. 19. · variables nominales y reales para poder analizar la repuesta del mercado cambiario. Los resultados exhiben que

38

IMPACTOS DE SHOCKS NOMINALES Y REALES SOBRE EL MERCADO CAMBIARIO: UN ANÁLISIS DE VAR ESTRUCTURAL

Impacts of nominal and real shocks on the foreign exchange market: A structural VAR analysis

[Recepción: Julio 2017/ Conformidad: Noviembre 2017]

José Muñoz Aguilar7

RESUMEN En el presente artículo se pretende evaluar qué variables macroeconómicas influyen en la fluctuación del mercado cambiario peruano. Para ello usamos los modelos VAR estructurales con restricciones de corto plazo, mediante el cual se simula shocks de variables nominales y reales para poder analizar la repuesta del mercado cambiario. Los resultados exhiben que los shocks nominales impactan en mucha mayor medida que los shocks reales. Siendo la intervención cambiaria la variable que más influye en la variabilidad del tipo de cambio, lo cual coincide con la finalidad del Banco Central. Se observó que los términos de intercambio pueden ser útil para el análisis de las políticas cambiarias y ser tomado en cuenta para contrarrestar las alteraciones del mercado cambiario en un mediano plazo. Palabras Claves: Shocks reales, shocks nominales, tipo de cambio. Clasificación JEL: F31, G28 ABSTRACT The aim of this article is to determine which macroeconomic variables influence the fluctuation of the Peruvian exchange market. In order to do this, we use structural Vector Autoregression (VAR) models with short-term restrictions, in which simulations of nominal and real variables are simulated in order to analyze the exchange market response. The results show that nominal shocks have a greater impact than real shocks. Thus, exchange intervention is the variable that influences the most the variability of the exchange rate, which coincides with the purpose of the Central Bank. It was observed that the terms of trade (TOT) may be useful for the analysis of exchange rate policies and should be taken into account to counter the changes in the exchange market in the medium term. Keywords: Real shock, nominal shock, exchange rate.

7 Bachiller en Economía, Universidad Nacional del Callao, Lima, Perú. Analista de Analytics y Seguimiento de Riesgos – CARSA. E-mail: [email protected]

HORIZONTE ECONÓMICO Nº6

39

1. Introducción En los últimos años, el Perú ha experimentado grandes fluctuaciones del tipo de cambio (dólar/sol), esto principalmente debido al escenario internacional, en donde la economía mundial se va recuperando a un ritmo cada vez más lento, luego de la crisis financiera y económica internacional de 2008.

Los riesgos ocasionados por la dolarización parcial8 del sistema financiero peruano, y ante escenarios de volatilidad de los mercados financieros internacionales, los cuales son propiciados por la posible materialización del retiro de estímulo monetario de la reserva federal de los estados unidos, generan presiones deprecatorias en países emergentes, como es el caso peruano, y esto sumado a una débil recuperación de la economía mundial después de la última crisis financiera internacional, generan cierta incertidumbre sobre los agentes económicos.

Los desalineamientos del tipo de cambio y su excesiva volatilidad pueden generar impactos negativos sobre la competitividad de las exportaciones y la liquidez del sistema financiero; especialmente en economías parcialmente dolarizadas como la peruana. Existe el riesgo de un efecto hoja de balance9 sobre agentes económicos financieros y no financieros (familias y empresas), quienes se verían perjudicados al tener ingresos en soles y deudas en dólares, lo cual puede inducir a una contracción del crédito. Para poder enfrentar estos fenómenos de volatilidad, el Banco Central de Reserva del Perú (BCRP) respondió mediante políticas monetarias no convencionales que se basaron principalmente en intervenciones cambiarias esterilizadas y el manejo de requerimientos de encaje bancario. Las intervenciones cambiarias son medidas no convencionales de política monetaria y dependen de la credibilidad institucional de la autoridad monetaria.

El objetivo de las intervenciones cambiarias es mitigar las volatilidades del tipo de cambio, las cuales pueden afectar tanto el sistema financiero como la economía real. Por otro lado, al intervenir en el mercado cambiario se puede generar desbalances en la oferta monetaria y en la liquidez del sistema financiero, para lo cual se compensa dicha intervención a través de venta de bonos. A esta compensación del efecto negativo de las intervenciones cambiarias se le denomina esterilización. En la figura 1 se muestran las intervenciones cambiarias realizadas por el BCRP (expresadas en Compras Netas de dólares), en el periodo 2004 – 2016, y la volatilidad del Tipo de cambio, para el mismo período de tiempo. Se observa que en picos de alta volatilidad el BCRP siempre respondió con compra y venta de dólares dentro del mercado cambiario.

8 Según Rossini, Quispe y Serrano (2014) las dolarizaciones de los sistemas financieros magnifican la reacciones de los agentes económicos sobre la composición de sus carteras y deudas ante movimiento abruptos de la volatilidad del tipo de cambio 9 Según el Glosario de Términos del BCRP, el Balance sheet Effect es el efecto financiero que sufren los agentes económicos ante una variación repentina del tipo de cambio que provoca cambios en la valoración de los activos y pasivos por el descalce de monedas y de plazos

REVISTA DE LA UNIDAD DE INVESTIGACIÓN DE LA FACULTAD DE CIENCIAS ECONÓMICAS

40

Figura 1. Intervenciones cambiarias.

Fuente: BCRP. Elaboración propia.

Se puede apreciar tres momentos de alta volatilidad en el mercado cambiario. El primero entre finales del año 2005 e inicio del año 2006, la cual se puede asociar a variables internas, como el contexto político nacional de esa época en la cual se convocó y realizó elecciones presidenciales. Este proceso electoral tuvo un gran efecto dentro del mercado cambiario, específicamente ocasionado por la candidatura de Ollanta Humala.

En el año 2008, en plena crisis financiera internacional, nuestro mercado cambiario, como era de esperarse, sufre un episodio de alta volatilidad; el tipo de cambio tuvo un cambio de trayectoria, depreciándose por un lapso breve, lo cual refleja las ventas de dólares por parte del BCRP. Esta acción del BCRP pretendía suavizar esa subida del precio del dólar. Luego del inicio de los programas de Quantitative Easing (QE)10 implementados por el sistema de Reserva Federal de los Estados Unidos (FED), mediante el cual compraba deuda pública y privada por millones de dólares, lo cual inyectaba liquidez a su economía, repercutiendo en los mercados financieros del mundo, ocasionando en el Perú, la disminución del dólar hasta valores históricos. La interiorización de este fenómeno por parte del BCRP fue visualizada mediante sus intervenciones dentro del mercado cambiario, las cuales en este periodo se basaron principalmente en compra de dólares.

Para el año 2016 podemos apreciar otro episodio de alta volatilidad del tipo de cambio, esto asociado a elecciones en EEUU, victoria de Donald Trump, efecto del Brexit, y el acuerdo de la OPEP de reducir y limitar su producción de petróleo. Durante el periodo de enero de 2004 a diciembre de 2016, se pudo apreciar 1,668 intervenciones cambiarias del BCRP, mediante compra y venta de dólares, lo cual ayudo a contrarrestar la volatilidad

10 En noviembre de 2008 se puso en marcha el primer QE por un valor de 600,000 millones de dólares. El segundo QE fue anunciado en noviembre de 2010 con el mismo valor de 600,00 millones de dólares. Y finalmente el tercer QE fue anunciado en setiembre de 2012 por un valor de 40,000 millones de dólares.


41

del mercado cambiario. En la figura 2, se pude observar la trayectoria del tipo de cambio, como desde el inicio de la muestra, año 2004, el tipo de cambio se vino apreciando, tiempo en el cual las intervenciones fueron principalmente compras de dólares; y a partir de mediados de 2013 el tipo de cambio cambia de trayectoria y toma una senda deprecatoria, tiempo en el cual las intervenciones cambiarias fueron ventas de dólares. Dicho cambio de trayectoria del tipo de cambio se atribuye al anuncio del inicio del Tapering11 por parte de la Reserva Federal de los Estados Unidos (FED).

Figura 2. Trayectoria del tipo de cambio. Fuente: BCRP. Elaboración propia.

Este contexto nos hace plantearnos algunas interrogantes sobre la dinámica de las intervenciones que realizan los hacedores de políticas sobre los mercados cambiarios y sobre que otras variables económicas pueden influir dentro del mercado cambiario: ¿Otras políticas monetarias convencionales ayudan a contrarrestar la volatilidad del mercado cambiario peruano?, ¿Qué otros shocks pueden afectar el mercado cambiario peruano? En este trabajo se pretende analizar que variables tanto nominales como reales, pueden influir dentro del mercado cambiario. Para poder desarrollar este tipo de análisis se presenta un médelo “Vectors Autoregression” (VAR), mediante el cual se pretende estudiar los impactos de estos shocks, y si estos son significativos. 2. Revisión de literatura La línea de investigación que sigue este trabajo es poco difundida y analizada en el Perú, pues pretende analizar las reacciones del mercado cambiario ante shock de variables nominales y reales.

11 Se denomina Programa del Tapering a las acciones de la FED de reduce a su plan de estímulo monetario, poniendo fin a su programa mensual de compra de bonos. Dicho programa fue anunciado por Ben Bernanke, en ese entonces presidente de la FED, en diciembre de 2013


42

La primera contribución de este tipo de trabajos fue con Kim (2003), que mediante un modelo VAR estructural desarrolla un análisis conjunto de los efectos de intervenciones cambiarias y políticas monetarias convencionales sobre el tipo de cambio y otras variables de la economía estadounidense. Asimismo analiza las interacciones entre estas políticas monetarias y el mercado cambiario. Señala que las contribuciones de intervenciones cambiarias sobre el tipo de cambio son significativamente mayores que shocks de políticas monetarias convenciones, como tasa de interés de referencia y cambios en los agregados monetarios.

Echavarría, López y Misas (2009), replica la investigación de Kim (2003) para la economía colombiana. Encuentran que la autoridad monetaria Colombia actúa against the wind12, las intervenciones ocurren en clusters, ya que una vez que la autoridad interviene en el mercado cambiario existe grandes probabilidades de nuevas intervenciones en meses posteriores, y que estas intervenciones cambiarias afectan al tipo de cambio en un periodo cercano a un mes. Se observa que el tipo de cambio se devalúa cuando, existe intervención mediante venta de dólares, cuando sube la inflación y cuando el producto y lo términos de intercambio disminuyen.

En el caso peruano no se ha efectuado un trabajo que siga esta línea de investigación. Sin embargo, hay una variedad de trabajos que describen las intervenciones cambiarias y analizan las eficacias de estas. Humala y Rodríguez (2009), sugiere que las intervenciones en el mercado cambiario peruano fueron consistentes con su finalidad de reducir excesos de volatilidad.

Chang y Figallo (2011), analizan a través de la modelación Multinomial las intervenciones que el banco central peruano realiza, concluyendo que su finalidad es contrarrestar la volatilidad del tipo de cambio más no su nivel. Asimismo mediante el modelo GARCH, determinan que las intervenciones del banco central son efectivas en evitar la volatilidad cambiaria, mas no son efectivas en controlar el nivel.

Rossini, Quispe y Serrano (2013) describe las intervenciones cambiaras y los requerimientos de encajes realizadas por el BCRP, y su contribución significativa en reducir las volatilidades excesivas del mercado cambiario, y la acumulación de reservas internacionales como respaldo ante eventos de estrés financiero. 3. Marco Teórico “Vector Autoregression” (VAR) son modelos econométricos que tienen la capacidad de capturar la interdependencia lineal entre múltiples variables de serie de tiempo. Se presenta mediante un sistema de ecuaciones simultáneas en el cual cada una de las variables endógenas es explicada por sus propios rezagos y el resto de las variables

12 Against the wind es un término utilizado en la literatura económica para caracterizar las conductas de las autoridades monetarias al querer estabilizar una variables en específico.


43

exógenas del sistema. Estos modelos se popularizaron en los 80s, en un contexto en el cual se pretendía enriquecer los análisis sobre los efectos de políticas fiscales sobre la economía, y gracias a los trabajos primigenios de Sims (1980) donde analiza la estimación de ecuaciones simultáneas. Este modelo es tomado como una generalización de un sistema de ecuación del análisis univariante con serie de tiempo.

Al igual que las series de tiempo individuales, el modelo VAR debe cumplir condiciones de estabilidad como que todas las series pertenecientes al sistema de ecuaciones deben ser estacionarias, es decir, es estable si las raíces del sistema están fuera del circulo de la unidad. Igualmente es de suma importancia definir el orden de retardo de las variables del sistema de ecuaciones, VAR (𝑝), es decir, lo valores rezagados que son estadísticamente significativos en el análisis del sistema de ecuaciones.

Según Hamilton (1994) un modelo VAR (𝑝) siguen la siguiente especificación:

𝑌~ = 𝐶 + ∅D𝑌~CD +⋯+ ∅�𝑌~C� + 𝜀~ [1]

Donde Ε(𝜀~) = 0 y Ε(𝜀~𝜀rB) = Ω si 𝑡 = 𝑠 y 0 en caso contrario. 𝑌~ es el vector de variables endógenos de orden 𝑚 (𝑚 variables en el sistema), y con 𝑝 rezagos. Su forma matricial:

�

𝑌D~𝑌F~⋮𝑌�~

� =

⎣⎢⎢⎡𝑎DD(𝐿) 𝑎DF(𝐿) … 𝑎D�(𝐿)𝑎FD(𝐿) ⋱ 𝑎F�(𝐿)⋮ ⋱ ⋮

𝑎�D(𝐿) 𝑎�D(𝐿) … 𝑎��(𝐿)⎦⎥⎥⎤�

𝑌D~𝑌F~⋮𝑌�~

� + �

𝜀�~𝜀�~⋮𝜀�~

� [2]

Ejemplificando con un VAR (1) de 2do orden, es decir, con un sistema de

ecuaciones con solo dos variables endógenas y con un periodo de rezago:

𝑦D~ = ∅Dy − 𝛾DF𝑦F~ + ∅DD𝑦D~CD + ∅DF𝑦F~CD + 𝜀D~ 𝑦F~ = ∅Fy − 𝛾FD𝑦D~ + ∅FD𝑦D~CD + ∅FF𝑦F~CD + 𝜀F~ [3]

Matricialmente:

� 1 𝛾DF𝛾FD 1 � �

𝑦D~𝑦F~� = �

∅Dy∅Fy

� + �∅DD ∅DF∅FD ∅FF

� �𝑦D~CD𝑦F~CD� + �

𝜀D~𝜀F~� [4]

En su forma vectorial, tenemos al VAR en su forma estructural:

ΓY~ = ∅y − ∅DY~CD + 𝜀~ [5]

Donde Γ es la matriz de relaciones contemporáneas. Transformando a la forma

reducida, pre multiplicamos por ΓCD:

Y~ = ΓCD∅y − ΓCD∅DY~CD + ΓCD𝜀~


44

Y~ = Αy − ΑDY~CD + µ~ [6]

Su estimación, en ausencia de restricciones, se puede realizar por medio de OLS, ecuación por ecuación, produciendo estimadores eficientes. También se puede estimar mediante el método de Máxima Verosimilitud, tomando la hipótesis de normalidad del vector de innovaciones: 3.1 Función Impulso Respuesta. Hamilton (1994) transcribirse la ecuación (1) en un vector MA(∞) cuya representación es:

Y~ = Ψy + 𝜀~ + ΨD𝜀~CD + ΨF𝜀~CF +⋯ [7]

Donde la matriz de medias móviles Ψr tiene la interpretación:

�� w¡�¢ £

= Ψr [8]

Que identifica las consecuencias de un incremento en la variable de innovaciones (shock) en el tiempo "𝑡" ¥𝜀¦,~§, sobre los valores de las variables en el tiempo "𝑡 + 𝑠"(𝑌 ,~©r), tomando todas las demás innovaciones constantes. 3.2 Descomposición de la Varianza. Partiendo de la ecuación (1) en donde se representa a un VAR (𝑝) mediante vector MA(∞) se identifica el error de predicción de 𝑠 periodos adelante como:

Y~©r − Yª~©r|L = 𝜀~©r + ΨD𝜀~©rCD + ΨF𝜀~©rCF +⋯+ΨrCD𝜀~©L [9]

Y el error medio cuadrático (MSE) de 𝑠 periodos adelante:

𝑀𝑆𝐸¥Yª~©r|L§ = 𝐸[¥Y~©r − Yª~©r|L§¥Y~©r − Yª~©r|L§B]

= Ω +ΨDΩΨDB + ΨFΩΨFB +⋯+ΨrCDΩΨrCLB [10]

Donde Ω = 𝐸(ε~ε~B ) = 𝑎D𝑎DB ∗ 𝑉𝐴𝑅(𝑢D~) + 𝑎F𝑎FB ∗ 𝑉𝐴𝑅(𝑢F~) +⋯+ 𝑎¦𝑎¦B ∗ 𝑉𝐴𝑅¥𝑢¦~§ [11]

El MSE de 𝑠 periodos adelante puede ser expresado como la suma de 𝑛 términos, el cual deriva de cada uno de los términos de errores:

𝑀𝑆𝐸¥Yª~©r|L§ = ∑ {𝑉𝐴𝑅¥𝑢¦¨§ ∗ [𝑎¦𝑎¦B + ΨD𝑎¦𝑎¦BΨDB + ΨF𝑎¦𝑎¦BΨFB+. . +ΨrCD𝑎¦𝑎¦BΨrCLB²¦³D ]} [12]

En la ecuación [12], se puede determinar las contribuciones de las innovaciones

sobre el MSE de 𝑠 periodos adelante. Mediante ello podemos intuir que proporción de la varianza de 𝑗 − 𝑒𝑠𝑖𝑚𝑎 variable, es explicada por cada una de las variables restantes del sistema.


45

4. Metodología En esta sección se presenta la metodología desarrollada, para lo que se utilizó la metodología VAR estructural con restricciones de corto plazo, mediante el cual se puede evaluar los impactos de shocks nominales y reales sobre el tipo de cambio (Greene, 2002). Esta investigación sigue el trabajo de Kim (2003).

El modelo incluye siete variables: Intervenciones cambiarias, diferencias de tasa de interés, demanda de dinero, PBI, inflación, tipo de cambio, términos de intercambio. Las definiciones de las variables se encuentran en la tabla 1. La data mensual es completamente obtenida del BCRP. El sistema de las variables representa a una economía pequeña y abierta, en donde las intervenciones cambiarias y la diferencia de tasa de interés y demanda de dinero representa el sector de política monetaria, el PBI y la inflación representan el sector real de la economía, y el tipo de cambio y los términos de intercambio representan el sector externo.

Tabla 1. Definición de variables.

VARIABLES DEFINICIÓN Y FUENTE

INTERVENCIONES CAMBIARIAS

(𝐼) Operaciones Cambiarias expresadas mediante Compras Netas de dólares. Expresado en Millones de US$. Toman valores positivos (negativos) cuando las compras (ventas) superan las ventas (compras) y cero cuando se igualan. Serie: 2004-2015. BCRP

DIFERENCIAS DE TASAS DE INTERÉS

(𝑖 − 𝑖∗) Diferencial entre tasa de interés interbancaria en Soles y en dólares. Tomada como variables proxy del diferencial de las tasas de política monetarias entre Perú y EEUU. Se tomaron las variaciones porcentuales. Serie: 2004-2015. BCRP

DEMANDA DE DINERO

(𝑀X) Demanda de Dinero en Moneda Nacional. Equivalente a la liquidez de los agregados monetarios de las sociedades de depósitos. Se deflacto con IPC (2009=100) y se tomó las variaciones porcentuales. Serie: 2004-2015. BCRP

PRODUCTO BRUTO INTERNO

(𝑄) Índice del PBI (2007=100). Se cambió de base con respecto al IPC (2009=100). Debido a presencia de estacionalidad se aplicó TRAMO SEATS para sacar el componente estacional que naturalmente presenta el PBI. Posteriormente se tomó las variaciones porcentuales anualizadas. Serie: 2004-2015. BCRP

INFLACIÓN (𝜋) Diferencias entre las variaciones porcentuales del índice de Precios al

Consumidor del Perú y de EEUU. Serie: 2004-2015. BCRP

TIPO DE CAMBIO (𝑡𝑐) Tipo de Cambio nominal promedio del periodo. Tomado como las

variaciones porcentuales de las unidades de sol por dólar. Serie: 2004-2015. BCRP

TÉRMINOS DE INTERCAMBIO

(𝑇𝐼) Términos de intercambio del comercio exterior (Índice 2007=100). Tomado como proxy de Precios de Comodities. Se cambió de base con respecto al IPC (2009=100). Luego se tomaron las variaciones porcentuales. Serie: 2004-2015. BCRP


46

Todas las variables fueron evaluadas para ver si eran estacionarias, característica fundamental que se requiere para realizar análisis mediante los modelos VAR. Se desarrollaron diferentes test como: Augmented Dickey-Fuller, Dickey-Fuller GLS, Phillips-Perron, KPSS, Ng-Perron. En la tabla 2 se muestra que los resultados de los test de raíz unitaria, la cual determino que todas las variables son estacionarias.

Tabla 2. Test de Estacionariedad y Raíz Unitaria.

Elaboración propia.

Siguiendo a Kim (2003), el modelo se basa en un Structural Vectors Autoregresive (SVAR) con restricciones de corto plazo, el cual parte de la siguiente especificación:

Y~ = 𝐵(𝐿)Y~CD + 𝜉~ [13]

Donde 𝐵(𝐿) = GCD𝐺y(𝐿)y 𝜉~ = GCD𝜀~ , transformándolo en un VAR estructural,

GCDY~ = −𝐺y(L)Y~CD + 𝜀~ [14]

Donde 𝐺CD representa la matriz de coeficientes contemporáneos, la cual modela la relación simultanea entre las variables en el mismo periodo de tiempo (𝑡), y 𝐺y(L) es el polinomio de operador de rezagos.

⎣⎢⎢⎢⎢⎢⎡1 0 0 0 0 𝛿D½ 0𝛿FD 1 𝛿F¾ 0 0 0 00 𝛿¾F 1 𝛿¾¿ 𝛿¾À 0 0𝛿¿D 0 0 1 𝛿¿À 0 00 0 0 0 1 0 𝛿ÀÁ𝛿½D 𝛿½F 𝛿½¾ 𝛿½¿ 𝛿½À 1 𝛿½Á0 0 0 0 0 0 1 ⎦

⎥⎥⎥⎥⎥⎤

⎣⎢⎢⎢⎢⎢⎡𝐼

𝑖 − 𝑖∗𝑀X

𝜋𝑄𝑡𝑐𝑇𝐼 ⎦

⎥⎥⎥⎥⎥⎤

= −𝐺y(𝐿)

⎣⎢⎢⎢⎢⎢⎡𝐼

𝑖 − 𝑖∗𝑀X

𝜋𝑄𝑡𝑐𝑇𝐼 ⎦

⎥⎥⎥⎥⎥⎤

+

⎣⎢⎢⎢⎢⎢⎡𝜀L𝜀¨C¨∗𝜀ÂÃ

𝜀G𝜀Ä𝜀~Å𝜀ÆL ⎦

⎥⎥⎥⎥⎥⎤

[15]

La determinación de la longitud de rezagos del modelo VAR se basó en resultado

del test AIC13, mediante el cual se obtuvo 𝑝 = 1. El vector de variables [𝜀L,𝜀¨C¨∗,𝜀ÂÃ,𝜀G,𝜀Ä,𝜀~Å𝜀ÆL] es el vector de perturbaciones: shock de Intervención cambiaria, de política monetaria, de demanda de dinero, de producto, de tipo de cambio y de términos

13 Criterio de Información de Akaike.


47

de intercambio. La imposición de las restricciones, para que este modelo tenga una identificación exacta es de 21, en tanto, la presente investigación toma 27 restricciones14, y la cual lleva a sobre identificar el modelo. Para ello se realiza el test de razón de verosimilitud, el cual no encuentra evidencia estadística para rechazar la sobre identificación15.

Este aumento de restricciones con respecto a Kim (2003), se debe a que se usa los términos de intercambio16 en vez del precio de los comodities. Los términos de intercambio no muestran una respuesta contemporánea de las demás variables. 5. Resultados Los resultados son consistentes con la teoría económica. En la figura 3 se puede apreciar la respuesta del mercado cambiario ante diferentes shocks (nominales y reales). Considerando un periodo de análisis de 10 meses en todos los casos17. Ante un shock de intervenciones cambiarias el tipo de cambio reacciona al primer periodo de realizar la intervención. Las variaciones del tipo de cambio se reducen ante una intervención cambaría (compras netas de dólares) por parte del BCRP. Dicha reacción dura cerca de tres meses. Esta respuesta se distingue de los demás shocks al tener el mayor impacto en el mercado cambiario. Estos efectos son más duraderos que los encontrados por Echavarría et al. (2009), quienes muestran que los efectos duran un periodo cercano a un mes.

Los shocks nominales están referidos por tipos de dos políticas monetarias convencionales, ajustes de tasa de interés de referencia y ajuste de agregados monetarios. Ante un shock de tasas de interés, las variaciones del tipo de cambio disminuyen levemente al primer mes, para que luego rápidamente cambie de tendencia y se desvanezca. En cambio ante perturbaciones en la demanda de dinero, las variaciones del tipo de cambio recién disminuyen en el segundo mes, luego en el tercero tiende a desvanecerse. Con lo cual se puede inferir que políticas de tasa de interés impactan más rápido en el mercado cambiario que políticas sobre agregados monetarios. Pero estas a su vez impactan en menor medida que las intervenciones cambiarias. Resultado similar a Kim (2003), quien encuentra que las Contribución de shock intervenciones cambiarias sobre el tipo de cambio es más duradera que los shocks de tasa de interés. Los shocks reales están sustentados por tres tipos de perturbaciones: variaciones en el PBI, variaciones del diferencial de inflación entre Perú y EEUU y las variaciones de los términos de Intercambio. Ante periodos de fluctuaciones del PBI, las variaciones del tipo de cambio aumentan muy

14 Echavarria, López y Misas (2009) asume 27 restricciones para el análisis en Colombia. ²

(²CD)F

, donde 𝑛 = 7. 15 Amisano y Gianini (1997) proponen el test de Verosimilitud: 𝑇(𝑥) = Q̅CÉ

Ê√²K~𝑡(DCvJ,²CD)

,. Se Sigue el trabajo de

Echavarria et al. (2009). 16 Echavarria et al. (2009) propone usar los términos de intercambio en vez del precio de los comodities ya que esta es una variable real que afecta la macroeconomía de una economía pequeña y abierta. 17 Todas las funciones de impulso respuesta son mostradas con un intervalo de confianza al 95%.


48

levemente. Asimismo ante periodos de fluctuaciones de la Inflación, las variaciones del tipo de cambio aumentan muy levemente. Lo que hace inferir que episodios de volatilidad en el PBI y en la Inflación no alteran significativamente al mercado cambiario. En contraste con lo encontrado por Echavarría et al. (2009) en donde señalan que los aumentos de inflación y disminuciones del producto o los términos de intercambio generan presiones deprecatorias del tipo de cambio colombiano.

Figura 3. Función de impulso respuesta.


Muy diferente son los shocks de términos de intercambio, ya que perturbaciones en la relación de precios de exportación e importación no ocasiona ninguna alteración en las variaciones del tipo de cambio en el primer mes, pero en el segundo mes ocasiona una disminución de las variaciones del tipo de cambio, la cual se diluye al pasar los meses. Este shock difiere de las demás variables reales debido a su relación con el sector externo

-.8

-.6

-.4

-.2

.0

.2

.4

1 2 3 4 5 6 7 8 9 10

Response of TC to INTERVENCION

-.4

-.2

.0

.2

.4

1 2 3 4 5 6 7 8 9 10

Response of TC to INTERES

-.4

-.2

.0

.2

.4

1 2 3 4 5 6 7 8 9 10

Response of TC to DINERO

-.4

-.2

.0

.2

.4

1 2 3 4 5 6 7 8 9 10

Response of TC to INFLACION

-.4

-.2

.0

.2

.4

1 2 3 4 5 6 7 8 9 10

Response of TC to PBI

-.4

-.2

.0

.2

.4

1 2 3 4 5 6 7 8 9 10

Response of TC to TI

Response to Cholesky One S.D. Innovations ± 2 S.E.


49

de la economía, y como se mencionó líneas atrás el mercado cambiario está muy ligado a la situación económica internacional.

Por otro lado, mediante la figura 4, se analiza la descomposición de la varianza

del tipo de cambio, mediante el cual se puede analizar la contribución de los shocks de las diferentes variables del sistema a la volatilidad del tipo de cambio. Los resultados obtenidos confinan lo anterior analizado, señalando que en el primer periodo el 75% de la variación del tipo de cambio es explicado por la misma variable, evidenciando así los clúster de episodios de volatilidad, en donde si un periodo es precedido por periodos de alta volatilidad este nuevo periodo, es estadísticamente mas propenso a seguir con episodios de alta volatilidad.

Figura 4. Descomposición de varianza.


Mientras que el 23% de variabilidad del tipo de cambio es explicada por las intervenciones cambiarias, casi un 0.5% entre el PBI, Inflación, demanda de Dinero, tasa de interés, y 0% los términos de intercambio. Casi similar a los resultados obtenidos por Echavarría et al. (2009). En cambio para el segundo periodo la variabilidad del tipo de cambio explicada por el shock de términos de intercambio aumenta a un 1.7%, mientras que las intervenciones disminuyen levemente a 22%, el mismo tipo de cambio proporciona un 74%, y el resto de las variables acumulan un 1%. El resto de los periodos siguen esa tendencia. 6. Conclusiones Los resultados hallados en la presente investigación son consistentes con los obtenidos por Kim (2003) y Echavarría et al. (2009), quienes analizan las económicas estadounidense y colombiana respectivamente. Conforme a lo esperado se observa que los shocks nominales impactan en mucha mayor medida que los shocks reales. Las intervenciones cambiarias siguen su finalidad de controlar la volatilidad del tipo de cambio, a su vez se

TI TC PBI INFLACIÓN DINERO INTERÉS INTERVENCIÓN


50

aprecia que estas pueden influir dentro de las demás variables del sistema, lo cual hace necesario la esterilización de las intervenciones18.

Dentro de los shocks de políticas monetarias (shocks nominales), la política de

tasa de interés impacta con mayor rapidez que las políticas de agregados monetarios, sin embargo, ambas políticas tienen un menor impacto que las intervenciones cambiarias. Dentro de los shocks reales, variabilidades en la inflación y el producto no ocasionan muchas alteraciones significativas dentro del mercado cambiario. Todo lo contrario ocurre con shocks de términos de intercambio, los cuales tienen impactos sobre el tipo de cambio un mes posterior. Con lo cual este indicador podría servir para el análisis de las políticas cambiarias y ser tomado en cuenta para contrarrestar las alteraciones del mercado cambiario en un medio plazo. 7. Referencias Bibliográficas

- AMISANO, G. Y GIANNINI C. (1997). Topics in Structural VAR Econometrics. Berlin; New York.

- CHANG G. Y FIGALLO J. (2010). Intervención cambiaria del BCRP. Tesis de Licenciatura. Lima. Universidad de Piura.

- ECHAVARRIA J., LÓPEZ E. Y MISAS M. (2009). Intervenciones cambiarias y política monetaria en Colombia. Un análisis de VAR estructural. Borradores de Economía, Banco de la Republica. No. 580: 1 - 36.

- GREENE W. (2002). Econometric Analysis. New York University – Estado Unidos. Editorial Prentice Hall. Quinta Edición.

- HAMILTON J. (1994). Time Series Analysis. Princeton University Press, Princeton.

- HUMALA A. Y RODRÍGUEZ G. (2009). Foreing exchange intervention and exchange rate volatility in Perú. Working Paper Series, Banco Central de Reserva del Perú. Documento de Trabajo No. 2009-008.

- KIM S. (2003). Monetary policy, foreign exchange intervention and the exchange rate in unifying framework. Journal of International Economics. Vol. 60: 355 – 386.

- ROSSINI R., QUISPE Z. Y SERRANO E. (2013). Foreign exchange interventions in Perú. Working Paper Series, Banco Central de Reserva del Peru. Documento de Trabajo N° 2013-016.

- ROSSINI R., QUISPE Z. Y SERRANO E. (2014). Intervención cambiaria en el Perú: 2007 a 2013. Revista Estudios Económicos, Banco Central de Reserva del Perú. Vol. 27: 9 - 24.

- SIMS C. (1980). Macroeconomics and reality. Econométrica. 48(1): 1-48.

18 Esterilización se conceptualiza como un conjunto de operaciones monetarias realizadas por los bancos centrales con la finalidad de neutralizar aquellos impactos vinculados a shock sobre la oferta monetaria.

Documents

IMPACTOS DE SHOCKS NOMINALES Y REALES SOBRE EL … · 2020. 4. 19. · variables nominales y reales para poder analizar la repuesta del mercado cambiario. Los resultados exhiben que