What exactly is ‘bad news’ in Foreign Exchange Markets? Evidence from Latin American Markets. CECILIA MAYA OCHOA Ph.D. XM S.A. KAROLL GÓMEZ PORTILLA M.Sc. Universidad Nacional de Colombia Resumen Esta investigación indaga si lo que fue denominado el efecto apalancamiento -leverage effect- por Black (1976) para los mercados accionarios es también característico de los mercados de divisas. El estudio se enfoca en los mercados emergentes de Latinoamérica que han adoptado un régimen de tasa de cambio flexible. Se encuentra que las respuestas a shocks de volatilidad son de naturaleza diversa, pero se caracterizan por presentar larga memoria y simetría en la mayoría de los casos. La respuesta es asimétrica en el caso de Brazil y Perú. Una explicación posible es el ‘fear of floating’ que genera efectos en la tasa de interés y la inflación, lo que el mercado considera como malas noticias. La diferente dirección de la asimetría se puede explicar por las características propias de cada economía. ¿Por qué es relevante este estudio? Conocemos: Difícil predictibilidad Clusters de volatilidad Pero… Leverage Volatilidad asimétrica Larga memoria ¿Por qué es relevante este estudio? • Medición del riesgo: VaR, CVaR • Valoración de una opción sobre tasa de cambio (Garman – Kolhagen, 1983) • Sonrisas de volatilidad La sonrisa de volatilidad en opciones sobre tasa de cambio Volatilidad Implícita Precio de Ejercicio John C. Hull, 2009 La sonrisa de volatilidad en opciones sobre acciones Volatilidad implícita Precio de ejercicio John C. Hull, 2009 Leverage effect Una mayor volatilidad cuando los retornos son negativos: correlación negativa volatilidad-retornos Explicación de Black (1976): ‘Bad News’ Nos preguntamos entonces: ¿Qué es exactamente ‘bad news’ en los mercados de FX? Evidencia empírica sobre ‘leverage’ 1.Mercados accionarios Johnson y Soriano (2003): 39 países; 1990-2002; EGARCH(1,1) y TGARCH(1,1). Bouchaud et al. (2001): correlación entre volatilidad futura y retornos pasados; 7 índices principales: S&P 500, NASDAQ, CAC 40, FTSE, DAX, NIKKEI y Hang Seng; 437 stocks del S&P; los índices presentan mayor leverage que las acciones. Evidencia empírica sobre ‘leverage’ 2. Mercados de divisas Bollerslev et al. revisan una cantidad amplia de evidencia y concluyen que “the two-sided nature of foreign exchange markets makes such asymmetries less likely” (Bollerslev, Chou and Kroner, 1992, p.38). Hsieh (1988), Diebold and Nerlove (1989), Taylor (1986), Andersen et al. (2001) entre otros concluyen también que un GARCH(1,1) simétrico presenta el mejor ajuste para la tasa de cambio del dólar respecto a varias otras divisas importantes. Evidencia empírica sobre ‘leverage’ 2. Mercados de divisas. Otros estudios. Oh y Lee (2004): Korean Won/USD y Won/Yen encuentran respuesta asimétrica a la revaluación y la devaluación; EGARCH(1,1) y TGARCH(1,1). Yang (2006): el marco y la libra esterlina respecto al dólar; GARCH semiparamétrico que tiene en cuenta la asimetría. En el mismo sentido: Hsieh (1989), Tse y Tsui (1997), McKenzie y Mitchell (2002), y Adler and Qi (2003). Evidencia empírica sobre ‘leverage’ 2. Mercados de divisas. Otros estudios en L.A. Fernández (2003): peso chileno-dólar; GARCH asimétrico (Engel, 2000) y EGARCH. Domac y Mendoza (2003): peso mexicano-dólar de agosto 1996-junio 2001; EGARCH(1,1) Vilela y Holland (2004): real brasilero-dólar, enero 1999-mayo 2004; proceso GARCH(1,1). Evidencia empírica sobre ‘leverage’ Conclusión: • La evidencia es mixta • Cuando se evidencia asimetría no es necesariamente en la dirección del efecto leverage: revaluación • Es mayor la evidencia de asimetrías en mercados emergentes Evidencia empírica sobre ‘leverage’ Y volvemos a la pregunta original: Claramente, el efecto leverage como lo definió Black (1976) no es la explicación de las asimetrías en FX Es posible que la doble naturaleza de la tasa de cambio (Bollerslev et al., 1992), en lugar de generar simetrías, produzca una mayor volatilidad en cierta dirección, no necesariamente en la dirección de los retornos negativos, como muestra la evidencia. Qué es una mala noticia? revaluación o devaluación? Aunque es claro qué lo es para mercados accionarios, en FX puede ser en cualquier dirección Modelos de volatilidad Engle (1982) introduce el modelo de Heterocedasticidad Condicional Autoregresivo —ARCH—. Sea la especificación para la media condicional de la serie un modelo ARMA(p, q): p q yt = α i + ∑ φ j yt − j + ∑θ j u t − j j =1 (1) j =1 Donde el término de perturbación de la ecuación (1) tiene la siguiente especificación, la cual incluye una perturbación ( vt ) multiplicativa: u t = vt ht q h t = c + ∑ α j u t2− j j =1 E ( v t ) = 0 and E ( v t2 ) = 1 (2) Modelos de volatilidad Bollerslev (1986) formula una generalización del ARCH, el cual permite una especificación más parsimoniosa para la función de la varianza condicional como un proceso ARMA (p, q). A este modelo se le conoce como modelo ARCH generalizado —GARCH (p,q)— y su especificación esta dada por ut = vt ht q ht = c + ∑ (3) p α ju 2 t− j + j =1 E ( v t ) = 0 and ∑ β j ht− j j =1 E ( v t2 ) = 1 En este caso, se deben satisfacer las siguientes condiciones para garantizar que la varianza condicional sea no negativa y no persistente, c > 0 , α j , β j ≥ 0 q y ∑ j =1α j + β j < 1 , respectivamente. Adicionalmente, se debe cumplir que p ≥ 0 y q > 0 para todo j=1,..., p y j=1,...,q. Modelos de volatilidad Las especificaciones ARCH y GARCH presentan algunas limitaciones: Las condiciones de no negatividad de los parámetros en las ecuaciones (2) y (3), además de crear dificultades en la estimación, implican que un valor positivo para la varianza condicional en el periodo t, ht , produce una estimación siempre positiva de ht + m , para todo m ≥ 1 eliminando la posibilidad de un comportamiento oscilatorio futuro (Nelson, 1991). Ausencia de efectos leverage. Modelos de volatilidad Nelson en 1991 introduce el modelo GARCH exponencial —EGARCH— En el EGARCH, la varianza condicional ht depende tanto de la magnitud como del signo de los residuales rezagados, lo cual permite respuestas asimétricas de la varianza condicional ante shocks negativos y positivos. En este modelo esta dada por: q p j =1 j =1 [ ln(ht ) = c + ∑ α j g (vt − j ) + ∑ β j ln ht − j ; g (vt − j ) = δvt − j + γ vt − j + E vt − j ] (4) Donde δ y γ son constantes reales. La asimetría se modela en la función g ( zt ) la cual depende de los residuales estandarizados vt −i = ut −i ht −i Modelos de volatilidad Ding, Engle y Granger (1993). Modelo GARCH de potencia asimétrico – APGARCH (p,q,ρ) -. Su especificación esta dada por: (5) c >0, ρ ≥ 0, αi ≥ 0, βj ≥ 0 y –1 < γ i < 1 para todo i =1,...,p y j =1,...,q. Modelos de volatilidad Un modelo más general que anida todos los anteriores es el Hyperbolic Asymmetric Power ARCH –HYAPARCH— propuesto por Dark (2006), el cual incluye asimetrías en la volatilidad y larga memoria donde los shocks decaen a una tasa hiperbólica: σ tρ = β p−1 (1)c + β p−1 ( L)α q ( L)(1 − τ + τ (1 − L) d (| ut | −γ ut ) ρ (6) ut = vt σ t , vt ~ i.i.d (0,1) α q ( L) = 1 − α1 L − L − α q Lq β p ( L) = 1 − β1 L − L − β p Lp son los polinomios de la varianza condicional; 0 ≤ τ ≤ 1 , 0 ≤ d ≤ 1 , ρ ≥ 0 , | γ |< 1 representan amplitud, memoria, potencia y asimetría, respectivamente. Descripción de las series La serie objeto de estudio corresponde a las siguientes tasas de cambio: 1. 2. 3. 4. 5. Peso colombiano - Dólar americano y Euro Peso chileno – Dólar americano y Euro Peso mexicano - Dólar americano y Euro Nuevo sol peruano - Dólar americano y Euro Real brasilero - Dólar americano y Euro Los datos corresponden al régimen de flotación libre de la tasa de cambio Agosto 1, 2000 – Julio 31, 2007 Se calcularon las variaciones diarias en el logaritmo natural, para lo cual se tienen en cuenta únicamente los días hábiles. 3600 .04 3200 .02 .06 .04 .02 2800 .00 .00 2400 -.02 2000 -.02 -.04 1600 2001 2002 2003 2004 COP/EUR 2005 2006 -.04 2001 2007 2002 2003 2004 2005 2006 2007 2001 2002 COP/USD Return COP/USD 16 .03 14 .02 12 .01 2004 2005 2006 2007 COP/EUR Return .04 .02 .00 10 2003 .00 -.01 8 -.02 -.02 6 -.03 2001 2002 2003 2004 MNX/EUR 2005 2006 2007 2001 2002 MNX/USD 2003 2004 2005 2006 2007 -.04 2001 2002 MNX/USD Return 900 .03 800 .02 2003 2004 2005 2006 2007 MNX/EUR Return .06 .04 .01 700 .02 .00 600 500 -.01 .00 -.02 -.02 -.03 400 2001 2002 2003 2004 CLP/USD 2005 2006 2007 -.04 2001 2002 CLP/EUR 2003 2004 2005 2006 2007 2001 2002 CLP/USD Return 4 3 2003 2004 2005 2006 2007 2006 2007 2006 2007 CLP/EUR Return .08 .08 .04 .04 .00 .00 -.04 -.04 2 1 2001 2002 2003 2004 BRL/USD 2005 2006 3.6 4.0 3.5 3.5 3.4 3.0 3.3 2.5 3.2 2.0 PEN/USD 2001 2002 BRL/EUR 4.5 2003 -.12 2004 2005 2006 PEN/EUR 2003 2004 2005 2006 2007 2001 2002 BRL/USD Return 3.7 2002 -.08 -.12 2007 5.0 2001 -.08 3.1 2007 2003 2004 2005 BRL/EUR Return .02 .04 .01 .02 .00 .00 -.01 -.02 -.04 -.02 2001 2002 2003 2004 2005 PEN/USD Return 2006 2007 2001 2002 2003 2004 2005 PEN/EUR Return COP/USD COP/USD 140 0.03 Kernel Density 120 QQ-Plot x normal 0.02 N(s=0.00511) 100 0.01 80 0 60 -0.01 40 -0.02 20 0 -0.03 -0.04 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04 -0.02 -0.015 -0.01 -0.005 COP/EUR 0 0.005 0.01 0.015 0.02 COP/EUR 60 0.04 Kernel Density 50 QQ-Plot x normal 0.03 N(s=0.00783) 0.02 40 0.01 30 0 20 -0.01 10 -0.02 0 -0.03 -0.04 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04 0.05 0.06 -0.03 -0.025 -0.02 -0.015 -0.01 -0.005 MXN/USD 100 90 80 70 60 50 40 30 20 10 0 0 0.005 0.01 0.015 0.02 0.025 MXN/USD 0.02 Kernel Density 0.015 N(s=0.00481) 0.01 QQ-Plot x normal 0.005 0 -0.005 -0.01 -0.015 -0.02 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04 -0.02 MXN/EUR -0.015 -0.01 -0.005 0 0.005 0.01 0.015 MXN/EUR 70 0.03 Kernel Density 60 QQ-Plot x normal 0.02 N(s=0.00778) 50 0.01 40 0 30 -0.01 20 -0.02 10 0 -0.03 -0.04 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04 -0.03 -0.025 -0.02 -0.015 -0.01 -0.005 0 0.005 0.01 0.015 0.02 0.025 CLP/USD 100 90 80 70 60 50 40 30 20 10 0 CLP/USD 0.02 Kernel Density 0.015 N(s=0.00551) 0.01 QQ-Plot x normal 0.005 0 -0.005 -0.01 -0.015 -0.02 -0.025 -0.04 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 -0.02 -0.015 -0.01 -0.005 CLP/EUR 0 0.005 0.01 0.015 0.02 CLP/EUR 70 0.04 60 50 Kernel Density 0.03 N(s=0.00779) 0.02 QQ-Plot x normal 0.01 40 0 30 -0.01 20 -0.02 10 -0.03 0 -0.04 -0.05 -0.04 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04 0.05 -0.03 -0.025 -0.02 -0.015 -0.01 -0.005 BRL/USD 0.06 0.05 0.04 0.03 0.02 0.01 0 -0.01 -0.02 -0.03 -0.04 -0.05 Kernel Density N(s=0.0103) 40 30 20 10 0 -0.12 -0.1 -0.08 -0.06 -0.04 0.005 0.01 0.015 0.02 0.025 BRL/USD 60 50 0 -0.02 0 0.02 0.04 0.06 QQ-Plot x normal -0.04 -0.03 -0.02 -0.01 BRL/EUR 0 0.01 0.02 0.03 0.04 0.01 0.02 0.03 0.04 BRL/EUR 45 0.06 40 Kernel Density 35 N(s=0.0117) QQ-Plot x normal 0.04 30 0.02 25 0 20 15 -0.02 10 -0.04 5 0 -0.06 -0.12 -0.1 -0.08 -0.06 -0.04 -0.02 0 0.02 0.04 0.06 0.08 -0.04 -0.03 -0.02 -0.01 0 PEN/USD PEN/USD 450 0.01 400 Kernel Density 350 N(s=0.00186) QQ-Plot x normal 0.005 300 0 250 200 -0.005 150 100 -0.01 50 0 -0.025 -0.015 -0.02 -0.015 -0.01 -0.005 0 0.005 0.01 0.015 -0.008 -0.006 -0.004 PEN/EUR Kernel Density 60 N(s=0.00639) 0.025 0.02 0.015 0.01 0.005 0 -0.005 -0.01 -0.015 -0.02 -0.025 50 40 30 20 10 0 -0.04 -0.03 -0.02 -0.01 0 0.01 0 0.002 0.004 0.006 PEN/EUR 80 70 -0.002 0.02 0.03 0.04 0.05 -0.025 QQ-Plot x normal -0.02 -0.015 -0.01 -0.005 0 0.005 0.01 0.015 0.02 COP/USD MNX/USD CLP/USD BRL/USD PEN/USD Mean -5.38E-05 8.86E-05 -3.63E-05 3.66E-05 -5.31E-05 Median 0.000000 -0.000200 0.000000 0.000000 0.000000 Maximum 0.032800 0.027200 0.025900 0.052600 0.013200 Minimum -0.029900 -0.022100 -0.026700 -0.103400 -0.018800 Standard Deviation 0.005109 0.004813 0.005508 0.010272 0.001865 Skewness 0.223344 0.335238 0.036893 -0.139138 -0.460996 Kurtosis 8.413390 4.648068 4.680278 11.48356 15.85369 2244.787 (0) 240.8544 (0) 215.2230 (0) 5481.666 (0) 12634.96 (0) Q(10) 25.07 (0) 24.87 (0) 28.02 (0) 45.22 (0) 16.22 (0.09) Q2(10) 573.97 (0) 96.02 (0) 202.43 (0) 864.24 (0) 192.12 (0) 1826 1826 1826 1826 1826 COP/EUR MNX/EUR CLP/EUR BRL/EUR PEN/EUR Mean 0.000220 0.000301 0.000178 0.000244 0.000162 Median 0.000000 0.000000 0.000000 5.00E-05 0.000100 Maximum 0.047700 0.032000 0.042600 0.056100 0.036600 Minimum -0.030900 -0.026900 -0.036200 -0.093400 -0.029700 Standard Deviation 0.007832 0.007779 0.007796 0.011713 0.006397 Skewness 0.332321 0.235384 0.180896 0.010632 0.169350 Kurtosis 5.156954 3.977808 4.773134 7.141666 4.621134 Jarque-Bera 387.5839 (0) 89.60578 (0) 249.1651 (0) 1305.122 (0) 208.6808 (0) Q(10) 12.13 (0.27) 12.17 (0.27) 14.18 (0.16) 28.37 (0) 11.03 (0.30) Q2(10) 75.46 (0) 126.32 (0) 57.44 (0) 906.13 (0) 42.07 (0) 1826 1826 1826 1826 1826 Jarque-Bera Observations Observations COP/USD returns COP/USD square returns 1.2 1.2 1.0 1.0 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0.0 0.0 -0.2 -0.2 10 20 30 40 50 60 70 80 90 10 100 20 30 MXN/USD returns 1.2 1.2 1.0 1.0 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0.0 0.0 -0.2 -0.2 10 20 30 40 50 60 70 80 90 10 100 20 30 CLP/USD returns 1.2 1.0 1.0 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0.0 0.0 -0.2 -0.2 20 30 40 50 60 50 60 70 80 90 100 40 50 60 70 80 90 100 70 80 90 100 70 80 90 100 70 80 90 100 CLP/USD square returns 1.2 10 40 MXN/USD square returns 70 80 90 10 100 20 30 BRL/USD returns 40 50 60 BRL/USD square returns 1.2 1.0 0.8 0.8 0.6 0.4 0.4 0.0 0.2 -0.4 0.0 10 20 30 40 50 60 70 80 90 10 100 20 30 PEN/USD 40 50 60 PEN/USD square returns 1.2 1.2 1.0 0.8 0.8 0.6 0.4 0.4 0.2 0.0 0.0 -0.4 -0.2 10 20 30 40 50 60 70 80 90 100 10 20 30 40 50 60 COP/EUR returns COP/EUR square returns 1.2 1.2 1.0 1.0 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0.0 0.0 -0.2 -0.2 10 20 30 40 50 60 70 80 90 10 100 20 30 MXN/EUR returns 1.2 1.2 1.0 1.0 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0.0 0.0 -0.2 -0.2 10 20 30 40 50 60 70 80 90 10 100 20 30 CLP/EUR returns 1.2 1.0 1.0 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0.0 0.0 -0.2 -0.2 20 30 40 50 60 50 60 70 80 90 100 40 50 60 70 80 90 100 70 80 90 100 70 80 90 100 70 80 90 100 CLP/EUR square returns 1.2 10 40 MXN/EUR square returns 70 80 90 10 100 20 30 BRL/EUR returns 40 50 60 BRL/EUR square retuns 1.2 1.0 1.0 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0.0 -0.2 0.0 10 20 30 40 50 60 70 80 90 10 100 20 30 PEN/EUR returns 1.2 1.0 1.0 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0.0 0.0 -0.2 -0.2 20 30 40 50 60 50 60 PEN/EUR square returns 1.2 10 40 70 80 90 100 10 20 30 40 50 60 Análisis de resultados No se rechaza la hipótesis de media cero y hay persistencia en la volatilidad en la mayoría de los casos. Returns Specification Returns Specification COP/USD ARFIMA(4,d,0) IGARCH(0,1) COP/EUR FIGARCH(1,1) MNX/USD HYGARCH(0,1) MNX/EUR HYGARCH(0,1) CLP/USD ARMA(1,1) FIGARCH(0,1) CLP/EUR IPARCH(0,1) BRL/USD PEN/USD FIAGARCH(0,1) EGARCH(1,1) BRL/EUR FIAGARCH(0,1) PEN/EUR HYGARCH(1,1) Análisis de resultados 1. No se rechaza la hipótesis de media nula y hay persistencia en la volatilidad en la mayoría de los casos. 2. El real presenta asimetría negativa respecto a ambos, el dólar y el euro. 3. El nuevo sol exhibe asimetría positiva respecto al dólar. 4. Para la mayoría de las tasas de cambio, la mejor manera de modelarlas es con base en la varianza condicional, con la excepción del peso chileno al euro donde es más adecuado utilizar la desviación estándar condicional. Nota 1: se reporta los tests conjuntos de Nyblom-Hansen de estabilidad de parámetros y no se rechaza la hipótesis nula de estabilidad Nota 2: para verificar la robustez de los resultados, se estiman los modelos referenciados en los retornos semanales y se obtienen resultados similares Análisis de resultados ¿Qué puede explicar los resultados obtenidos?: La respuesta a los shocks de volatilidad difiere de un país a otro. Una posible explicación: la hipótesis de FEAR OF FLOATING CALVO Y REINHART (2002): aunque muchos países declaran adoptar un régimen flotante de tasa de cambio, en la práctica intervienen frecuentemente para estabilizarla. ⇒ otras variables v.gr. Tasa de interés e inflación se pueden ver afectadas, lo cual el mercado puede interpretar como “malas noticias”. Análisis de resultados De la muestra seleccionada, los dos países que presentan volatilidad asimétrica, Brazil y Perú, también dan evidencia de FOF: • Con base en 3 variables que son la volatilidad de la tasa de cambio nominal, volatilidad de su variación y volatilidad de las reservas internacionales, Brazil es reclasificado en el régimen de tasa de cambio fija y Peru en un régimen intermedio, en tanto Chile, Colombia y México permanecen en la categoría de régimen tasa flotante al año 2000 en el cual comienza nuestro estudio (Levy-Yeyati y Struzenegger (2002). Análisis de resultados 2. 3. Walker (2006) clasifica a Brazil como el país con mayor intervención medido con base en la volatilidad de la variación de las reservas internacionales. A Perú lo clasifica en un bajo nivel junto con Chile, Colombia y México. Ibarra (2007) afirma que se debe utilizar como medida la volatilidad relativa de la tasa de cambio en relación con la volatilidad de las reservas y no la volatilidad de la variación absoluta. Su estudio se limita a Chile, Colombia y México y nosotros lo ampliamos a Brazil y Perú. Análisis de resultados Resultados del análisis de FOF periodo flotación hasta Sept.2005: PAÍS Volatilidad tasa de cambio / Volatilidad reservas CHILE COLOMBIA MEXICO BRAZIL PERU 1.04 0.79 0.74 0.14 0.29 Análisis de resultados Conclusión: la volatilidad de la tasa de cambio es asimétrica en aquellos países donde hay intervención activa. ¿Cuál es la dirección de la asimetría? Dependerá de las condiciones particulares de cada economía. Otros dirán (Wang y Yang, 2006) que se debe a que la intervención usualmente va en una dirección –otra forma de decir lo mismo?- Análisis de resultados Conclusión: la volatilidad de la tasa de cambio es asimétrica en aquellos países donde hay intervención activa. ¿Cuál es la dirección de la asimetría? Dependerá de las condiciones particulares de cada economía. Otros dirán (Wang y Yang, 2006) que se debe a que la intervención usualmente va en una dirección –otra forma de decir lo mismo?- Análisis de resultados Conclusión: la volatilidad de la tasa de cambio es asimétrica en aquellos países donde hay intervención activa. ¿Cuál es la dirección de la asimetría? Dependerá de las condiciones particulares de cada economía. Otros dirán (Wang y Yang, 2006) que se debe a que la intervención usualmente va en una dirección –otra forma de decir lo mismo?- Análisis de resultados Caso 1: Brazil. • • • Asimetría izquierda respecto al dólar y al euro: las “malas noticias” son una revaluación Balanza comercial positiva con Estados Unidos ($40 billones) 20% de sus exportaciones se dirigen a Europa Caso 2: Perú. • • • Asimetría derecha respecto al dólar: las “malas noticias” son una devaluación Hiperinflación y crisis económica en los ochenta Deuda externa e importaciones en dólares. Balanza comercial positiva es reciente por altos precios en minería Análisis de resultados Caso 3: Chile, Colombia y México. • • • Simetría No se da FOF El mercado espera que los shocks de volatilidad de la tasa de cambio se ajusten vía tasa de cambio Conclusiones La respuesta a shocks de volatilidad varían de un país a otro. Todas las series presentan evidencia de clusters de volatilidad y la mayoría se caracterizan por larga memoria. En cuanto a la correlación retornos – volatilidad, se da en algunos casos y no siempre es negativa como el tan documentado efecto ‘leverage’. Luego en lugar de una sonrisa de volatilidad bien puede darse el caso de una mueca. Conclusiones La evidencia de asimetría en la volatilidad es característica de los países de la muestra latinoamericana que presentan ‘Fear of Floating’. La explicación puede estar en el hecho de que una intervención activa en el mercado cambiario puede interpretarse como “malas noticias” por el mercado debido a los efectos que la misma puede generar en variables fundamentales como la tasa de interés o la inflación. Conclusiones Finalmente, la dirección de la asimetría dependerá de las condiciones particulares de cada economía que conduzcan a que el mercado considere como “mala noticia” una devaluación o una revaluación. En aquellos países en los cuales no se presenta ‘Fear of Floating’ la respuesta a los shocks de volatilidad es simétrica pues el mercado espera que el efecto de los mismos sea absorbido vía tasa de cambio. ¡ MUCHAS GRACIAS! Agradecemos sus comentarios a las siguientes direcciones electrónicas: [email protected] [email protected]