Bogot,;, D.C., 16 julio 2009 Trabajo de G rad o Señores BIBLIOTECA GENERAL Cuidad Estimados Señores: Los suscritos Santiago Qu intana Blanco _ Juan Pablo Polania Rojas autor(es) del trabajo de grado titulado , con e.c. No. 1032382678 , con e.c. No. 80853706 . EL IMPACTO Y RE LAC ION DEL PETRÓLEO CON LAS MO NE DAS LATINOAMERI CANAS presentado y aprobado en el año 2009 como requisito para optar al título de Administrador de empresas ; autorizamos a la Biblioteca General de la Universidad Javeriana para que con fines académicos, muestre al mundo la producción intelectual de la Universidad Javeriana, a través de la visibilidad de su contenido de la siguiente manera: • Los usuarios puedan consultar el contenido de este trabajo de grado en Biblos, en los sitios web que administra la Universidad, en Bases de Datos, en otros Catálogos y en otros sitios web, Redes y Sistemas de Información nacionales e internacionales ~Open Access y en las redes de información del país y del exterior, con las cuales tenga convenio la Universidad Javeriana. H • Permita la consulta , la reproducción, a los usuarios interesados en el contenido de este trabajo, para todos los usos que tengan finalidad académica, ya sea en formato CD-ROM o digital desde Internet, Intranet, etc., y en general para cualquier formato conocido o por conocer. • Continúo conservando los correspondientes derechos sin modificación o restricción alguna; puesto que de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo juridico que en ningún caso conlleva la enajenación del derecho de autor y sus conexos. De conformidad con lo establecido en el articulo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, " Los derechos morales sobre el trabajo son propiedad de los autores " , los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. / ' ~"J l, Firma Santiago Quintana Blanco 1032382678 Firma Juan Pablo Pala nía Rojas 80853706 NOTA IMPORTANTE: El autor y o autores certifican que conocen las derivadas jurídicas que se generan en aplicación de los principios del derecho de autor. C. C. FACULTAD DE CIENCIAS ECO N O MICAS y ADMINSITRATIVAS CARRERA DE ADM INISTRACION DE EMPRESAS PUJ- BG Normas para la entrega de Tesis y Trabajos de grado a la Biblioteca General - NOViembre 14 de 2007 PUJ– BG Normas para la entrega de Tesis y Trabajos de grado a la Biblioteca General –Noviembre 14 de 2007 3 1 TÍTULO COMPLETO DE LA TESIS DOCTORAL O TRABAJO DE GRADO: EL IMPACTO Y RELACION DEL PETRÓLEO CON LAS MONEDAS LATINOAMERICANAS SUBTÍTULO, SI LO TIENE: ________________________________________________________ _______________________________________________________________________________ AUTOR O AUTORES Apellidos Completos Quintana Blanco Polanía Rojas Nombres Completos Santiago Juan Pablo DIRECTOR (ES) TESIS DOCTORAL O DEL TRABAJO DE GRADO Apellidos Completos Nombres Completos Sarmiento Auli Iván Darío ASESOR (ES) O CODIRECTOR Apellidos Completos Nombres Completos TRABAJO PARA OPTAR AL TÍTULO DE: __ Administrador de empresas FACULTAD: ______ CIENCIAS ECONOMICAS Y ADMINSITRATIVAS ________ PROGRAMA: Carrera _X_ Licenciatura ___ Especialización ____ Maestría ____ Doctorado ____ NOMBRE DEL PROGRAMA: ____ ADMINISTRACION DE EMPRESAS __ NOMBRES Y APELLIDOS DEL DIRECTOR DEL PROGRAMA: ______________________Margarita María Castillo Mendoza _________________ CIUDAD: NÚMERO BOGOTA DE AÑO DE PRESENTACIÓN DEL TRABAJO DE GRADO: _2009_ PÁGINAS ___________________________________________________ TIPO DE ILUSTRACIONES: PUJ– BG Normas para la entrega de Tesis y Trabajos de grado a la Biblioteca General –Noviembre 14 de 2007 2 - Ilustraciones Mapas Retratos X Tablas, gráficos y diagramas Planos Láminas Fotografía SOFTWARE requerido y/o especializado para la lectura del documento __Acrobat Reader_ MATERIAL ANEXO (Vídeo, audio, multimedia o producción electrónica): Duración del audiovisual: ___________ minutos. Número de casetes de vídeo: ______ Formato: VHS ___ Beta Max ___ ¾ ___ Beta Cam ____ Mini DV ____ DV Cam ____ DVC Pro ____ Vídeo 8 ____ Hi 8 ____ Otro. Cual? _____ Sistema: Americano NTSC ______ Europeo PAL _____ SECAM ______ Número de casetes de audio: ________________ Número de archivos dentro del CD (En caso de incluirse un CD-ROM diferente al trabajo de grado): _________________________________________________________________________ PREMIO O DISTINCIÓN (En caso de ser LAUREADAS o tener una mención especial): ____________________________________________________________________________ ___ DESCRIPTORES O PALABRAS CLAVES EN ESPAÑOL E INGLÉS: Son los términos que definen los temas que identifican el contenido. (En caso de duda para designar estos descriptores, se recomienda consultar con la Unidad de Procesos Técnicos de la Biblioteca General en el correo [email protected], donde se les orientará). ESPAÑOL INGLÉS _____________Petróleo WTI __________ _____________WTI_____________________ _________Modelos Econométricos______ _________Econometric Models__________ _______Monedas Latinoamericanas_____ _______Latin America Currencies________ ____________Cointegración___________ ____________Cointegration______________ _________Mercado Petrolero___________ _________Oil Market___________________ 1 RESUMEN DEL CONTENIDO EN ESPAÑOL E INGLÉS: (Máximo 250 palabras 1530 caracteres): Esta tesis presenta un análisis empírico del efecto que las variaciones en el precio del petróleo (referencia West Texas Intermediate) ejercen sobre la cotización de las monedas de Colombia, Perú, Brasil, México, Chile y Argentina. Se realiza este estudio tomando las series de datos diarios (precios y variación logarítmica) desde el 6 de enero del 2000 hasta el 5 de mayo de 2008 periodo durante el cual el WTI presenta un cambio de tendencia alcista hasta alcanzar los 119.97 dólares por barril. Se emplean diferentes modelos econométricos como la regresión lineal simple, modelos con variables retardadas y el modelo de cointegración dada la naturaleza no estacionaria de las series; evidenciando que dicha relación es a largo plazo mas no directa en el corto plazo como comúnmente se piensa, inclusive en el caso de países como Colombia que son altamente dependientes de los ingresos petroleros y estos a su vez, se canalizarán en el mercado de divisas. This thesis presents and empirical analysis about the variation affect on oil reference WTI (West Texas Intermediate) prices that affect the quote of Colombian, Argentinean, Peruvian, Brazilian, Chilean and Mexican currencies. We develop an study taking into account data series (prices and logarithmic variations) since January 6 of 2000 to May 5 2008, during this period WTI shows a tendency change reaching the $119.97 US dollars/barrel level. Different econometric models have been used from Linear Regression to VAR and cointegration models due to the non stationary nature of data being analysed; showing us that the relation is present in the long run but it isn’t evident in the short run opposite to the common opinion even in countries like Colombia that present a very. dependent economy to the oil income on exports. 2 EL IMPACTO Y RELACION DEL PETRÓLEO CON LAS MONEDAS LATINOAMERICANAS. SANTIAGO QUINTANA BLANCO Y JUAN PABLO POLANÍA ROJAS PONTIFICIA UNIVERSIDAD JAVERIANA CIENCIAS ECONOMOMICAS Y ADMINISTRATIVAS CARRERA DE ADMINISTRACIÓN DE EMPRESAS BOGOTA D.C. 2008 3 TABLA DE CONTENIDO Pág. 1. 2. 3. 4. 5. 6. INTRODUCCIÓN HIPÓTESIS JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS METODOLOGÍA Y DESARROLLO DE LA INVESTIGACIÓN 7. MARCO TEÓRICO 7.1 El Petróleo 7.2 Referencias del petróleo 7.3 Benchmarks para el precio del petróleo 7.4 Extracción y producción 7.5 Refinación 7.6 El proceso de downstream 7.7 Oferta 7.8 Demanda 7.9 Trade 7.10 Inventarios 7.11 Determinación de los precios 8. RELACION CON LA BALANZA DE PAGOS 8.1 Efectos de los choques del precio del petróleo (años 70 y 80) en las economías. 8.2 Efectos de los precios del crudo en la economía colombiana 9. DEFINICION DE LOS MODELOS 9.1 Regresión lineal 9.2 Regresión y correlación 9.3 Regresión simple 9.4 Supuestos en la regresión lineal 9.5 Análisis estabilidad estructural 9.5.1 Contraste de Chow 9.5.2 Estimación recursiva 9.6 Modelo con variables retardadas 9.7 Modelo con retardos distribuidos 9.8 Modelo de cointegración 9.9 Análisis de correlogramas 10. APLICACIÓN DEL MODELO DE REGRESIÓN LINEAL CLÁSICO 10.1 Series de las monedas y el WTI 10.2 Series de los rendimientos logarítmicos de las monedas y el WTI 11. APLICACIÓN DEL MODELO DE RETARDOS DISTRIBUIDOS 11.1 Series de las cotizaciones de las monedas y el WTI 11.2 Series de los rendimientos logarítmicos de las monedas y el WTI 12 RESULTADOS AL ANALIZAR LOS CORRELOGRAMAS 13 RESULTADOS OBTENIDOS AL CORRER EL MODELO DE COINTEGRACION 14 CONCLUSIONES ANEXOS BIBLIOGRAFÍA LISTA DE GRÁFICOS LISTA DE FIGURAS 3 3 3 4 4 4 6 6 6 7 8 10 10 11 13 14 16 17 19 20 21 22 22 22 22 23 23 23 24 24 25 26 28 29 29 31 33 33 37 39 43 43 44 80 81 86 4 EL IMPACTO Y RELACION DEL PETRÓLEO CON LAS MONEDAS LATINOAMERICANAS. 1. INTRODUCCIÓN En la última década, es decir, desde principios del nuevo milenio, la economía mundial ha sido testigo del surgimiento de diferentes “turbulencias” financieras, altas tasas de inflación, recesiones y expansiones económicas, crisis políticas en diferentes naciones y un muy difícil de explicar crecimiento de los precios del crudo y sus derivados. Tras la observación y lectura de diferentes teorías acerca de la relación del dólar con los precios de los hidrocarburos, este trabajo de investigación surge del deseo y necesidad de determinar si tal relación existe con las monedas de los países latinoamericanos tomando como referencia algunas de ellas con el objetivo de desarrollar un modelo econométrico capaz de primero, explicarla y segundo, poder pronosticar. Se partió de una exhaustiva recopilación de información cuantitativa con la cual sustentar el desarrollo de nuestro modelo, y cualitativa para entender antes de todo, el comportamiento y las bases del mercado petrolero el cual es, como veremos, bastante grande y complejo. 2. HIPÓTESIS ¿Existe algún grado de relación entre los precios del petróleo y a nivel americano, los de la referencia WTI, que genere un impacto en el comportamiento de la cotización de las monedas de los países latinoamericanos Brasil, Chile, Colombia, México y Perú? 3. JUSTIFICACIÓN El 15 de noviembre de 2001, el petróleo West Texas Intermediate (WTI) de referencia para América, se cotizó en la Bolsa de Nueva York (NYSE) a USD$17,451 durante el desarrollo de fuertes conflictos internacionales y desaceleración económica. Le tomaría algo mas de un año y dos meses duplicar su precio el 6 de febrero de 2006. Sin embargo, del 22 de enero del 2007 al 14 de julio del 2008, un periodo similar, la cotización se incrementó un 183.94% alcanzando su record histórico de USD$145,18 amenazando con presiones inflacionarias a la mayoría de los bancos centrales en todo el mundo quienes incrementaron sus tasas de interés, empujando el alza de precios en los alimentos, encareciendo los costos del transporte convirtiéndose en uno de los protagonistas de la actual desaceleración económica. También ha causado un incremento en las ganancias en los países productores y las empresas petroleras como Exxon Mobil (US$10.890 millones en el primer trimestre de 2008) 2 generando entradas masivas de divisas a éstas economías, ya sea por la venta del crudo y refinados, o por la Inversión Extranjera Directa (IED) en el sector petrolero 3. Esto concibe el cuestionamiento de cual es el impacto de los precios del petróleo en la cotización de las 1 Fuente: Bloomberg. REUTERS. Exxon Mobil brilla por su oro negro. [online] 2008. http://www.cnnexpansion.com/negocios/2008/05/01/exxon-mobil-brilla-por-2018oro-negro2019/view 3 En efecto, mientras la IED en el sector petrolero en Colombia para el año 2001 alcanzó los USD$520,8 millones, en 2007 se incremento a USD$3.324 millones superando la realizada en cualquier otro sector durante ese año. 2 5 monedas teniendo como trasfondo los efectos de dichos precios sobre los flujos monetarios, la Inversión Extranjera Directa y el comercio internacional realizando un comparativo entre diferentes países productores y no productores a nivel latinoamericano. 4. OBJETIVO GENERAL Por medio del estudio del mercado del petróleo y los precios de la referencia WTI, desarrollar un modelo econométrico que nos permita determinar el impacto de estos precios sobre las monedas y poder realizar así un pronóstico. 5. OBJETIVOS ESPECÍFICOS 1. Entender la naturaleza y el funcionamiento del mercado mundial del petróleo. 2. Determinar cuales son las características del impacto que las variaciones del precio y este mismo ejerce sobre la cotización de las monedas latinoamericanas. 3. Describir la importancia y el tamaño relativo del mercado del petróleo en cada uno de los países cuyas divisas son objeto de estudio y su papel en estas economías. 4. Establecer un modelo econométrico que se adapte y describa las variaciones de las cotizaciones del petróleo (referencia WTI) y el de las divisas y, establecer un pronóstico para calificar su eficacia. 5. Analizar los resultados obtenidos de dicho modelo, demostrando así que existe un impacto producto de los precios del petróleo sobre el comportamiento de la cotización de las monedas latinoamericanas. 6. METODOLOGÍA Y DESARROLLO DE LA INVESTIGACIÓN Recopilación de información teórica sobre el mercado del petróleo, es decir, sus características, los agentes involucrados y su participación e impacto en este. Consiste en información extraída de diferentes libros, documentos de investigación como papers e información contenida en las páginas web de diferentes organismos privados y gubernamentales encargados del monitoreo y la investigación de los mercados petroleros. Recopilación de la información estadística del mercado petrolero nacional de cada uno de los países cuyas divisas serán objeto de estudio a saber: México, Colombia, Perú, Brasil y Chile. Esto permitirá identificar de forma cuantitativa y cualitativa ex ante el posible impacto que los precios del petróleo y las variaciones de éste tienen sobre las economías de éstos países partiendo del supuesto que existe relación directa entre el tamaño relativo de sector petrolero de un país junto con la dependencia de éste a de las importaciones o exportaciones de crudo y el efecto que tiene las variaciones en el precio del crudo en el comportamiento de las divisas. Los países que se han seleccionado son México, Colombia, Perú, Chile y Brasil que corresponden a los mercados representativos en la región latinoamericana en términos de Producto Interno Bruto, participación del sector petrolero en la actividad económica. 6 Otro criterio para seleccionar los países corresponde al grado confiabilidad de la información adquirida y al poco sesgo por parte de las autoridades estatales cuyos casos se presentan en otros países latinoamericanos. Obtención de series estadísticas de la cotización del petróleo WTI y las divisas a seguir: el Peso mexicano, el Peso colombiano, el Peso chileno, el Nuevo Sol peruano y el Real brasileño. Esta información se obtendrá por la plataforma Bloomberg y comprenderá el periodo entre el 5 de enero del año 2000 (01/01/2000) y el 16 de septiembre de 2008 (16/09/2008). La elección de este periodo se basa en la observación por parte de los autores de un cambio de tendencia en el comportamiento del precio del petróleo WTI a partir de diciembre de 2001 que solo se reversaría en julio de 2008. Homologación y adecuación de la información estadística para poder desarrollar el modelo econométrico y facilitar la investigación. Comprende fundamentalmente verificar que no existan periodos o días en los que no se presenta cotización de cualquiera de las variables analizadas, una de las razones de que esto se de es por que no se realizaron operaciones en las bolsas de valores respectivas. En tal caso, se procede a eliminar los datos correspondientes a días en los que falta la cotización de una variable. Determinación de la distribución y la relación de las variables con respecto a las otras. Se realizara un análisis estadístico del comportamiento de las cotizaciones determinando su distribución (normal, chi-cuadrado, exponencial, etc) y la relación que guardan entre ellas (directa, inversa, nivel de correlación etc.). También se buscara determinar si el efecto en los cambios de la cotización de la referencia WTI afecta de forma retardada el comportamiento de las cotizaciones de las monedas. Desarrollo del modelo Conclusiones Por medio del análisis de las variables de las variables y los resultados del desarrollo del modelo, se procederá a realizar un pronóstico y determinar así su bondad o su nivel de explicación del comportamiento de las cotizaciones. Lo anterior, atado a la información obtenida sobre la importancia relativa del sector petrolero en el país, las características del mercado petrolero entre otras. 7 7. MARCO TEÓRICO 7.1. El Petróleo El petróleo es una mezcla de hidrocarburos comprimidos (alcanos, alquenos, naftenos y aromáticos), surgidos por el cubrimiento de restos de animales y plantas acuáticas por sedimentos, rocas y minerales. Con el tiempo, estos hidrocarburos se forman gracias a la presión extrema y la temperatura ejercidos sobre estos restos durante millones de años4. Por su composición química y la disposición de sus moléculas, existen tres tipos de petróleo crudo: los parafínicos, los asfálticos y aquellos de base mixta. Existen diferentes tipos de petróleo y por lo tanto diferentes referencias, todo dependiendo de el lugar, región o país del cual éste sea extraído. En algunos casos el petróleo crudo se encuentra concentrado en grandes pozos rodeados por roca lo que hace fácil su extracción y en otras se encuentra disperso en la misma. Es el producto de mayor comercialización a nivel mundial y el más transado en los mercados de todo el mundo, mientras sus derivados se utilizan en diferentes industrias desde la energética hasta la agricultura5. Entre los productos y derivados de este se encuentran: La gasolina con plomo, la gasolina sin plomo, el queroseno, el gas licuado de petróleo, la gasolina de aviación, el diesel de transporte, etc. De los anteriores, es necesario destacar el combustible para calefacción o el heating oil6 el cual es muy utilizado en el invierno (sobre todo en el norte de América) y sus niveles de inventarios y demanda esperada es uno de los más importantes determinantes en la determinación del precio del petróleo. Figura 1: Flujo del Petróleo Producció n Refinería Entregas nacionales Industria Petroquímica Fuente: Manual de Estadísticas Energéticas. Agencia Internacional de Energía. 7.2. Referencias del petróleo 4 Manual de Estadísticas Energéticas [online]. Agencia Internacional de Energía. Disponible en la red <https://www.iea.org/Textbase/stats/docs/NRJ_spanish_web.pdf>. p. 75. 5 Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red <http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/full_contents.ht m> 6 Manual de Estadísticas Energéticas [online]. Agencia Internacional de Energía. Disponible en la red <https://www.iea.org/Textbase/stats/docs/NRJ_spanish_web.pdf>. p. 75. 8 Por lo habitual, suele haber una confusión cuando se habla de los tipos de petróleo; esto sucede porque se confunden las referencias dadas por la industria del petróleo, así como los benchmarks para los precios. Para aclarar esto, cabe remarcar que esta industria por lo general asigna referencias geográficas, así como los contenidos de sulfuros y la gravedad API (gravedad American Petroleum Institute, que mide que tan pesado o ligero es el petróleo líquido respecto al agua) para los tipos de crudos. La referencia geográfica tiene importancia debido a que afecta directamente las ganancias. Así, los crudos más ligeros son más deseables puesto que su extracción es más fácil, y pueden obtenerse productos destilados –que tienen mayor ganancia– más fácilmente que en los crudos pesados. Además, el crudo ligero tiene menos implicaciones ambientales que el pesado. Por otra parte, cada barril de crudo tiene una composición molecular única, determinada en los laboratorios de estudios de petróleo, determinando así su referencia. 7.3. Benchmarks para el precio del petróleo. Existen dos referencias principales gracias a las cuales se le asignan precios a crudos provenientes de diferentes regiones cuya composición de azufre y su gravedad específica (peso relativo por unidad de volumen o densidad de una determinada sustancia con respecto al agua), estos factores también determinan su calidad y capacidad para ser convertidos en gasolina. Así, un crudo será clasificado como “dulce” (Sweet) si su contenido de azufre es menor del 0.5%, y si no lo es, es denominado “ácido” (Sour). La referencia WTI (West Texas Intermediate) es cotizada en Nueva York en el New York Mercantile Exchange (NYMEX), corresponde al crudo extraído de Texas y Oklahoma y es de buena calidad para la refinación y producción de gasolina, dado su menor contenido de azufre con respecto la referencia Brent, esto a su vez le permite generalmente tener una ventaja en precios. En efecto, esta referencia también es conocida como “crudo ligero dulce” (light, sweet crude)7. La referencia Brent es cotizada en Londres, en el International Petroleoum Exchange (IPE). Corresponde al crudo extraído de diferentes pozos alrededor del Mar del Norte, transportados a través de oleoductos para ser cargado a los buques petroleros en Sullum Voe en las Islas Shetland. Dada su menor calidad, el Brent es generalmente mas utilizado en la producción de combustible para calentar (heating oil) el cual tiene una amplia demanda en los Estados Unidos durante la temporada invernal. Los crudos de referencia son de suma importancia para la asignación de precios de crudos extraídos de diferentes regiones, por ejemplo, el WTI se utiliza para determinar el precio de diferentes petróleos producidos en el continente americano, mientras que el Brent es la referencia por excelencia, ya que en base a el se valoran aproximadamente dos terceras partes de la producción mundial. Una vez el Brent es cotizado en Londres, la producción de otros países de valora con respecto al precio de este dependiendo de su calidad, es decir su grado de azufre. 7 HENKER THOMAS T. and MILONAS NIKOLAOS. Price spread and convenience yield Behaviour in the international oil market. Applied Financial Economics, 2001, 11, 23± 36 9 Más allá de que los crudos que gozan de mayor aceptación en el mercado mundial (Light, sweet crude o WTI y Brent) existe otra referencia para medir el precio del petróleo, y esta es la canasta de referencia de la OPEP. La nueva canasta de referencia de la OPEP (u OPEC Reference Basket), que se introdujo durante el mes de junio del año 2005, está compuesto por diferentes referencias geográficas de crudos producidos por países pertenecientes al cartel entre los que se encuentran: Saharan Blend (Algeria), Girassol (Angola), Oriente (Ecuador), Minas (Indonesia), Iran Heavy (República Islámica de Irán), Basra Light (Irak), Kuwait Export (Kuwait), Es Sider (Libia), Bonny Light (Nigeria), Qatar Marine (Qatar), Arab Light (Arabia Saudita), Murban (Emiratos Árabes Unidos) y BCF-17 (Venezuela). Estas referencias corresponden a las mayores exportaciones de estos países, que son ponderados de acuerdo a la producción y exportación a los principales mercados del mundo. 7.4. Extracción y producción Figura 2: Perforación de un yacimiento de petróleo. A pesar de la probada existencia de campos petrolíferos en todo el mundo, existe una alta probabilidad de encontrar “pozos secos” que son aquellos que no tienen ni petróleo crudo o gas, o bien no es económicamente viable su explotación. En tiempos recientes, se han desarrollado técnicas para disminuir el nivel de incertidumbre a la hora de explorar el suelo en búsqueda de “oro negro”. La exploración petrolífera se realiza en regiones donde los antecedentes del suelo permitan la formación de hidrocarburos: que su suelo tenga material orgánico, y que haya pasado el suficiente tiempo para que el petróleo se haya formado y ascendido por la corteza, proceso que tarda entre unas decenas de millones de años hasta cien millones de años. Con esos factores tenidos en cuenta, quien explora el campo puede emplear técnicas como la perforación del suelo, para extraer muestras el mismo y estudiar sus antecedentes; o bien usar una prueba sísmica, donde se estudia cómo se reflejan y refractan las ondas en las rocas, facilitando el conocimiento de las condiciones del suelo 10 y si este tiene posibilidades de albergar petróleo y/o gas. Cabe mencionar que, por lo general, el gas viene disuelto en el petróleo crudo, por lo que es necesario separarlos para su procesamiento. Cuando un pozo petrolero es descubierto, ya sea que posea gas, petróleo crudo o ambos, se perforan pozos adicionales para conocer la extensión del yacimiento y conocer las condiciones de producción del mismo. Después de esto es cuando se procede a producir el petróleo, para lo cual se construyen tanques, oleoductos y gasoductos, para que el crudo pueda ser procesado, trasladado a los mercados y ser vendido. Ya en la parte de producción del petróleo encontrado en el yacimiento, la presión natural dentro del yacimiento es importante a la hora de la producción de crudo, sobretodo si se quiere estudiar su viabilidad económica. La presión varía de acuerdo al yacimiento y las condiciones geológicas tales como “la roca en la que está el yacimiento, y la historia de su producción” 8; dado que la presión natural del subsuelo tiene la suficiente fuerza como para hacer subir al petróleo hacia la superficie. Este fenómeno se conoce como “levantamiento natural”. Sin embargo, este “levantamiento natural” no es un fenómeno permanente en los yacimientos. Eventualmente desaparece, por lo que el petróleo deja de fluir hacia la superficie, por lo que debe ser bombeado usando métodos artificiales, siendo el más usado el “levantamiento artificial, que emplea electricidad y gas para bombear el petróleo hacia la superficie” 9. Pero, al pasar el tiempo, estos métodos pierden efectividad y la producción de crudo comienza a requerir métodos secundarios de producción, siendo uno de los más empleados el de filtrar agua hacia los yacimientos para forzar el crudo a subir hacia los oleoductos. En el último tiempo, con la demanda de crudo existente se hizo necesario emplear métodos terciarios de producción. “Estas técnicas se concentran en incrementar las características del flujo de petróleo a través de vapor, dióxido de carbono y otros gases o químicos”10. Al sumar las características del yacimiento y las características físicas del petróleo son factores importantes a la hora de determinar el costo del petróleo, que puede oscilar entre USD$ 2 por barril en un campo petrolífero del medio Este de los Estados Unidos, hasta los USD$ 15 en otros campos en el mismo país. Cabe mencionar que los avances tecnológicos han permitido que el barril de petróleo en la parte de producción disminuya sus costos en ciertas partes del mundo 8 Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/supply_text.htm# Where Oil Comes From. Consultado el 1 de octubre de 2008 9 Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/supply_text.htm# Where Oil Comes From. Consultado el 1 de octubre de 2008 10 Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/supply_text.htm# Where Oil Comes From. Consultado el 1 de octubre de 2008. 11 7.5. Refinación Figura 3: El primer paso en la refinación del petróleo crudo 11. El proceso básico de la refinación es relativamente simple: lo que busca es separar al petróleo en sus componentes. Para ello se recurre a una “columna de destilación”, donde el petróleo se somete a diferentes temperaturas para obtener sus componentes: Entre 90 y 350 ºF (grados Fahrenheit) se obtienen los productos más ligeros: gases licuados del petróleo y nafta, que es una mezcla de la que se obtiene la gasolina entre otros derivados. Entre 350 y 650 ºF salen los productos destilados intermedios: combustible para aviones, queroseno, combustible para los hogares o heating oil y el diesel. Entre 650 y 1.000 ºF queda el residuo del petróleo, que es extrapesado. Por lo general de este residuo se obtiene el coque, un derivado del carbón cuyos gases son apreciados industrialmente. Las refinerías en Estados Unidos refinan este último en productos más suaves para incrementar sus ganancias. 7.6. El proceso de downstream El proceso de downstream consiste en la venta de los distintos productos que se han obtenido como resultado del proceso de destilación descrito anteriormente. También se entiende como “más cercano a la puerta de la refinería y a los consumidores” 12. Asimismo, se encarga de agrupar unidades muy complejas que se encargan de la mejora de algunos productos, sobre todo aquellos extrapesados y que tienen menor valor en el mercado, para hacerlos más ligeros y obtener una mayor ganancia. En algunos países, sobretodo Estados Unidos, la demanda se centra en productos ligeros como la gasolina. Las refinerías, para buscar ganancias más allá de lo que se gana por la venta de los productos destilados, vende los productos que son más demandados. 11 Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/supply_text.htm# Where Oil Comes From. Consultado el 1 de octubre de 2008 12 http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/refining_text.ht m. Consultado el 3 de octubre de 2008. 12 7.7. Oferta Figura 4: Oferta del petróleo crudo, LGN, insumos de refinería, aditivos y otros hidrocarburos Gráfico 1 Oferta mundial del petróleo correspondiente al primer trimestre de 2008 Emiratos Árabes Venezuela Canadá Unidos Nigeria 3% 4% 3% 3% Estados Unidos Kuwait 8% Brasil 3% Irak 3% 3% México 4% Irán 5% Rusia 11% Arabia Saudita 10% Otros 36% China 4% Fuente: Banco de la República, Informe de la Junta Directiva al Congreso de La República. Tomado de International Energy Agency (IEA) La oferta del petróleo depende de los procesos de se "upstream" y "downstream" anteriormente descritos. El primero consiste en el proceso de hallar los pozos que contengan suficiente cantidad de crudo o gas que los haga económicamente viables y su futura extracción y el segundo consiste en la distribución al consumidor final. Hallar pozos petroleros es un procedimiento arduo que ha demandado el desarrollo de tecnologías cada vez mas eficaces como las pruebas sísmicas cuyo objetivo es determinar la probabilidad de que en dicha área se pueda encontrar un pozo de crudo o 13 gas cuyas dimensiones sean lo suficientemente altas para hacer de la extracción un procedimiento viable. Se calcula que un pozo (o perforación para determinar la existencia de crudo) de cinco conocidos como “wildcats wells” resulta generar resultados positivos, el resto es conocido como “dry holes”. El incremento del desarrollo tecnológico ha permitido reducir esta razón a 1 de 3 y a 1 de 2 en los mejores casos13. El Medio Oriente continúa siendo la región con mayores bondades en cuando a la producción de crudo se refiere. Primero, existen dos clases de pozos, el primero es aquel en el cual el petróleo se encuentra contenido en piscinas “pools” haciendo más fácil su extracción o disperso en la roca lo cual dificulta su extracción. El Medio Oriente goza de una cantidad de pozos considerable los cuales están constituidos principalmente por piscinas. Segundo, la extracción del petróleo es mucho mas sencilla en los pozos nuevos ya que la presión contenida en estos genera una extracción natural del crudo o “natural lift”, a medida que pasa el tiempo y sobre todo en los pozos maduros, dicha presión se pierde y es necesario entonces acudir a otra clase de métodos de extracción o “artificial lift”. En general, los pozos del Medio Oriente conservan su presión natural en el tiempo haciendo menos costosa su extracción. El Medio Oriente además de poseer aproximadamente dos terceras partes de las reservas estimadas del petróleo, el costo de extracción por barril (incluyendo la recuperación del capital) alcanza los dos dólares, mientras que en los Estados Unidos dicho costo asciende a 15 y en el Golfo de México, gracias al avance tecnológico es de 10 dólares por barril14. Otras regiones de vital importancia son Rusia, la cual provee principalmente a Europa, Nigeria, caracterizada por su inestabilidad política y el Mar del Norte en donde se estima no se ha alcanzado su pico de producción desde que se iniciaron operaciones a finales de los años 70, principalmente por que la tecnología ha permitido incrementar el número de pozos encontrados. 13 Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/supply_text.htm. Consultado el 3 de octubre de 2008. 14 Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/supply_text.htm. Consultado el 3 de octubre de 2008. 14 Gráfico 2 Reservas de petróleo crudo Fuente: Oil Market Basics. International Energy Agency. 7.8. Demanda Gráfico 3 Demanda mundial del petróleo correspondiente al primer trimestre de 2008 Europa, Medio Oriente y África 16% China 9% India 4% Japón 6% Europa 18% LAC 9% Otros Pacífico 11% Estados Unidos 24% Canadá 3% Fuente: Banco de la República, Informe de la Junta Directiva al Congreso de La República. Tomado de International Energy Agency (IEA) 15 Gráfico 4 Consumo global de Petróleo per cápita Fuente: Oil Market Basics. International Energy Agency. 7.9. Trade El petróleo es el commodity (material primario) más cotizado y comercializado en todo el mundo (tanto por volumen como por monto en dinero), las diferentes referencias se negocian como se mencionó anteriormente, en dos lugares: Nueva York (en el NYMEX –New York Mercantile Exchange) y Londres (en el IPE –International Petroleoum Exchange) 15. El crudo generalmente es consumido en lugares diferentes de los que es extraído, de países menos consumidores y grandes como Arabia Saudita a mayores consumidores como Estados Unidos. A nivel regional, a pesar de que éste país es el mayor consumidor bruto y neto de petróleo en todo el mundo, la región de Norteamérica es la tercera ya que Estados Unidos se beneficia de las importaciones provenientes de sus vecinos México y Canadá. La región con mayor importación neta (importaciones de crudo menos exportaciones) a pesar de su declive después de la crisis de 1997-98 es Asia16. 15 HENKER THOMAS T. and MILONAS NIKOLAOS. Price spread and convenience yield Behaviour in the international oil market. Applied Financial Economics, 2001, 11, 23± 36 16 Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/supply_text.htm. Consultado el 3 de octubre de 2008 16 El volumen o el nivel de producción, es uno de los principales factores para la determinación de precios, con él se establece si un mercado está “sobre suministrado” o no, los transportadores determinan cuantos buques, cargas o transportes necesitarán. Generalmente, el petróleo es entregado en aquellos lugares en los que se obtiene mayor valor. Las entregas se hacen en los lugares más cercanos a las instalaciones de producción (debido principalmente a los costos de transporte). Por ejemplo, la producción petrolífera de México y Canadá es enviada a los Estados Unidos demorando del sitio de extracción al de entrega menos de una semana, la producción del oeste y la costa africana, demora aproximadamente de 2 a 3 semanas en llegar a las costas norteamericanas. Además de los costos de producción, los factores políticos también son de suma importancia a la hora de determinar la distribución del crudo, por ejemplo, México estableció que exportara aproximadamente un 50% de su producción hacia los Estados Unidos con el objetivo de reducir su dependencia de este país, mientras que Arabia Saudita es el exportador por excelencia a Norteamérica y por ello, es de vital importancia estratégica. El flujo del crudo, se ve influenciado por la calidad de éste que es permitido se ingrese al país, en Estados Unidos el máximo contenido de azufre en el Diesel permitido es 0.05% mientras que en África, el máximo permitido es 10 o 20 veces esa cantidad. El transporte para exportación se realiza por medio de dos formas, la primera es a través de buques petroleros o cargueros y la segunda a través de oleoductos. Los buques petroleros varían de tamaño, entre mas grandes éstos son, mayores economías a escala se obtienen. Sin embargo, los de mayor tamaño como los denominados VLCC (Very Large Crude Carriers) aunque pueden almacenar 2 millones de barriles de crudo, no pueden ser descargados en la mayoría de los puertos, en Estados Unidos, el único puerto habilitado para esto es el Louisiana Offshore Oil Port (LOOP). En el Caribe y en otras regiones debido a lo anterior se opto por utilizar cargueros más pequeños que pueden ingresar a diferentes puertos. La investigación realizada por Paul Horsnell and Robert Mabro muestra que aproximadamente el 80% de los cargamentos del crudo de la referencia Brent están siendo aún suministrados a los cargueros lo que genera un “hueco” en el tiempo y la logística de este bien de aproximadamente 13 días. Información posterior y la investigación de Frédéric Caumon y John Bower muestra que dicho “hueco” (gap) se ha extendido a 17 días (tiempo transcurrido entre la fecha en que fue cotizado el contrato y el primer día de los tres días promedio que toma suministrar el pedido o el cargamento en el carguero). Situación diferente ocurre con el WTI el cual es cotizado para entrega inmediata lo que genera un impacto en los precios investigado en parte por estos autores tanto en el mercado spot como en el de futuro Los oleoductos son generalmente utilizados para el trasporte continental del crudo, el mejor ejemplo de esto es el que comunica a las instalaciones rusas con el resto de Europa, el único problema que tienen es que como se demostró con las tensiones 17 políticas en la región del Mar Caspio pueden generar molestias entre los países a través de los cuales el oleoducto se construye. Los contratos de futuros sobre el Brent, los cuales se negocian en el IPE, son por 500,000 barriles, mientras que los contratos sobre el WTI en el NYMEX establecidos sobre 1,000 barriles, los últimos, paran de ser cotizados tres días antes del día 25 del mes anterior al de entrega de la mercancía o el activo subyacente. Lo anterior es necesario para establecer quienes son los agentes productores que deben colocar el producto en los oleoductos para entrega (delivery month). Con el desarrollo de los mercados de futuros en las dos bolsas y con las dos referencias, se le ha permitido a muchos traders y compañías realizar labores de cubrimiento (hedging) del riesgo casi las 24 horas del día. También se generan diferentes oportunidades de arbitraje que llevan a que los precios de las dos referencias (tanto los spot como los de futuros) se correlacionen a un alto nivel y su diferencias sean relativamente pequeñas. En el IPE se realizan operaciones a partir de las 3:25 AM ET y cierra a las 11:30 AM ET. El NYMEX lo hace de las 9:45 AM ET a las 3:10 PM ET. Esto permite a los traders operar en los dos mercados solamente desde las 9:45 AM a 11:30 AM. Esto como lo notan Milonas y Henker, genera que la información disponible en los dos mercados sea diferente en el momento en que inician y finalizan operaciones y hace también que la información de los precios de las dos referencias no sea completamente comparable17. 7.10. Inventarios Los inventarios tienen el objetivo específico de mantener el flujo constante de crudo en lo posible sin interrupciones, éstos se encuentran alrededor de todo el mundo como stocks poseídos por empresas y gobiernos18. Permiten mantener el equilibrio entre la demanda y la oferta, así, estos se reducen cuando el suministro es menor y viceversa. Se estima que a nivel global se mantiene en cualquier momento aproximadamente de 7 a 8 billones de barriles en inventarios. Son también un importante determinante de los precios ya que cuando los niveles de existencias de crudo se encuentran bajas, se puede prever un desabastecimiento y los precios subirán o caso contrario, si los inventarios presentan niveles altos, se puede pronosticar que existirá una sobreoferta y lo que conllevará a una caída en los precios. Las existencias no solo se contabilizan y controlan para el crudo, también se hace para la gasolina y los combustibles utilizados para calefacción durante le invierno. Por ejemplo, es muy común que uno de los mayores determinantes en los precios en los meses previos al 31 de mayo cuando empieza la temporada de largos viajes en vehículo en Estados Unidos: el “driving season”, esto exige que los inventarios de gasolina sean elevados, de lo contrario se preverá un desabastecimiento desencadenando una escalada en los precios. Fenómeno similar se presenta en invierno, cuando el combustible para 17 HENKER THOMAS T. and MILONAS NIKOLAOS. Price spread and convenience yield Behaviour in the international oil market. Applied Financial Economics, 2001, 11, 23± 36 18 Manual de Estadísticas Energéticas [online]. Agencia Internacional de Energía. Disponible en la red <https://www.iea.org/Textbase/stats/docs/NRJ_spanish_web.pdf>. p. 76. 18 calentar o heating oil y sus niveles de existencias son monitoreados constantemente por los mercados19. Los niveles explicados anteriormente, presentan en el mercado norteamericano un comportamiento estacional, por ejemplo en la mitad de la temporada de invierno los inventarios se reducen ocasionando que los precios sean más “fuertes” o presenten tendencias alcistas mientras que los niveles tienden a alcanzar picos en la mitad de la primavera, antes del verano y la temporada de manejo o “dirivng season”. En general, Estados Unidos es el país que monitorea más de cerca el comportamiento de las existencias y emite un reporte semanal (aunque se sostiene que muy superficial dada la extensión del país) sobre los niveles de inventarios. En los mercados de futuros, el comportamiento de la curva de precios forward “forward price curve” hace fácil observar el comportamiento esperado de los precios a futuros. Así por ejemplo, si en el mercado NYMEX se observa que los precios de los futuros en petróleo se encuentran por encima de los precios en el mercado SPOT, los agentes poseedores de inventarios pueden incrementar sus tenencias en el presente almacenando stock cercano a la zona de entrega de los contratos negociados comprándolos hoy barato para vender caro en el mes de entrega “delivery month”. Esta es una de las razones por las cuales se asegura que los precios de los futuros tiende a converger con el del mercado spot. Las existencias primarias agrupan las que son poseídas por las empresas como los son entre otras, las almacenadas en bodegas de las refinerías, las bodegas de los cargueros, los buques tanque que están esperando a ser vaciados en los puertos, etc. También hacen parte de éstas las reservas estratégicas poseídas por los paìses como la de Estados Unidos “U.S. Strategic Petroleum Reserve” y la alemana EBV. Estas reservas surgieron como producto del corte en el suministro realizado por la OPEP en 1973. Las existencias segundarias son las contenidas en las pequeñas plantas a granel que comercializan crudo y derivados con capacidad menor a 50.000 barriles y por último, las existencias terciarias son las contenidas por los usuarios finales como las instalaciones eléctricas, los complejos industriales o las zonas residenciales. 7.11. Determinación de los precios En general, los precios son determinados por la interacción constante de la oferta y la demanda por medio de los agentes y traders en los mercados. Esto supone que el comportamiento de los precios en general tiende a ser uniforme con algunas tendencias ya sea al alza o a la baja. Sin embargo, el mercado constantemente sufre de “ataques” especulativos, cambios en las expectativas, variaciones en los niveles de inventarios entre otros factores que generan volatilidad y cambios de tendencia, ya sean en el corto o largo plazo. Entre otros factores y componentes, el precio del petróleo esta determinado por: Los costos de extracción de la materia prima (el petróleo crudo). 19 Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red http://www.eia.doe.gov/pub/oil_gas/petroleum/analysis_publications/oil_market_basics/demand_text.htm #Global%20Oil%20Consumption. Consultado el 4 de octubre de 2008. 19 Los costos de transportes desde las instalaciones de extracción hasta las refinerías. Los costos de transformación en productos finales (proceso de refinamiento). Los costos de transporte desde las refinerías al consumidor final. Los costos de mantener inventario. Las condiciones del mercado (principalmente expectativas). Existen tres mercados principales en los que los agentes se “reúnen” para determinar el precio al que estas dispuestos a vender y a comprar. Como se explico anteriormente, el mercado spot “cargo-by-cargo and transaction-by-transaction” explica en tiempo real las verdaderas necesidades o demanda de crudo de los agentes y el nivel de suministro, así, cuando la demanda es elevada incuso mas que la oferta, se presentan presiones alcista y lo contrario pasa si la oferta es mayor que la demanda. El segundo mercado, es el mercado de futuros los cuales son productos estandarizados que se cotizan en tiempo real por medio de las bolsas o mecanismos de negociación determinados. Los precios de los futuros reflejan las expectativas de los agentes sobre la demanda y oferta futura del crudo, también se utiliza como mecanismo para protegerse de las variaciones de precios en el mercado spot comprometiéndose a pagar un precio determinado en un plazo determinado. El tercer mercado es el denominado mostrador o OTC (over the counter), en el cual también se negocian instrumentos de compra y venta a futuro “forwards” los cuales se diferencian de los futuros en que no son estandarizados, no se negocian en bolsa y por lo tanto, determinar su precio actual es mas difícil. Permaneciendo otras variables constantes, el precio del crudo presenta variaciones estacionales en el cuarto trimestre, principalmente por la cercanía del invierno periodo en el cual se incrementa la demanda y los precios suben, bajan o presentan presiones a la baja una vez terminado el invierno. Otro periodo importante es en la primavera, cuando se presenta la temporada de manejo o “driving season” en los Estados Unidos, el mayor consumidor de petróleo a nivel mundial. ( se calcula que éste país, fue el responsable del 23.6% de la demanda global de petróleo en el primer trimestre de 2008, el segundo Europa con el 18.4%)20 Otro factor importante en la determinación de los precios, es el nivel de inventarios. Si estos son elevados se espera que la oferta de crudo esta superando la demanda y los suministros se almacenan, de lo contrario, se considera que la demanda es mayor que la oferta lo que genera un alza en los precios. Desde la década de los setenta a la actualidad, las decisiones tomadas por la Organización de Países Exportadores de Petróleo –OPEP- son una variable decisiva a la hora de tomar decisiones de compra o venta de crudo. Dicho cartel bombea aproximadamente el 40% de la producción mundial la cual se estimo en 85.18 millones de barriles diarios21 . 20 Informe de la Junta Directiva al Congreso de la República. Julio de 2008. Informe de la Junta Directiva al Congreso de la República. Julio de 2008. y http://lta.reuters.com/article/businessNews/idLTASIE49B08T20081012 21 20 En especial, en los últimos 12 meses, los altos precios de todas las referencias se calcula, fueron por varios motivos 22. Uno de ellos es la reducida capacidad de producción de los campos maduros, es decir, que han alcanzado su mayor capacidad o nivel de extracción. A lo anterior se suma los altos costos de exploración y extracción en la medida que los desarrollos tecnológicos y la inversión en el sector (pese a los altos precios actuales) han sido rezagados para ser implementados. Las barreras o problemas geopolíticos, siempre han acompañado las decisiones de producción, comercialización y su capacidad. Por ejemplo, gran parte de la oferta actual de petróleo proviene de países con gobiernos inestables, problemas políticos o tendencias socialista. Algunos casos que se pueden nombrar entre otros son Irak (2.7% de la oferta mundial de crudo), Irán(4.5%), Nigeria (2.5%) y Venezuela (2.8%). Si bien no es común que generen cambios de tendencia, incrementan la volatilidad de los precios. Las posiciones especulativas pueden tener un gran poder para exacerbar las tendencias alcistas o a la baja pero no pueden afectar estructuralmente el mercado. Los especuladores actúan por ejemplo, aprovechándose de subidas sostenidas de precios para obtener ganancias tanto en el mercado spot como en el mercado de futuros. También utilizan inversiones en el crudo como defensa de caídas en los precios de los títulos valores negociados en bolsa o incrementos generalizados en los precios o presiones inflacionarias como ha sucedido en los últimos años. 8. RELACIÓN CON LA BALANZA DE PAGOS Las cuentas de la balanza de pagos de un país registran todas las transacciones realizadas por este con el exterior y esta compuesta por la cuenta corriente, la cuenta de capital y la cuenta oficial de pagos (o cambio en las reservas internacionales)23. Al canalizarse en el mercado cambiario los ingresos o egresos por venta o compra de petróleo, se esta afectando directamente la cuenta corriente. Es de esperar entonces que al incrementarse los ingresos por exportaciones de petróleo, se generarán presiones revaluacionistas dado el incremento de la oferta de la divisa o moneda extranjera. Efecto contrario sucedería con un país que es importador neto, en cuyo caso un incremento en los precios del petróleo causarían una mayor demanda de divisas (en este caso el dólar estadounidense para los países latinoamericanos objeto de estudio) y por lo tanto, generarían presiones devaluacionistas 24. Lo que se observo en el estudio sin embargo, es que durante el periodo en que se presento la tendencia mas pronunciada en el crecimiento de la cotización de WTI (desde el 18 de enero de 2007, al 5 de mayo de 2008) cuya variación de precio fue de 137.6585%, solo una de las monedas, el peso argentino, presento devaluación durante dicho periodo del 2.9870%. En las demás monedas incluyendo las de países 22 Informe de la Junta Directiva al Congreso de la República. Julio de 2008. PARKIN, Michael. Economia. Pearson Education. Sexta Edición, 2004. P. 787 24 RINCON, Hernán. Rentas petroleras, subsidios e impuestos a los combustibles en Colombia, ¿Qué sucedió durante el choque reciente de precios? . Banco de la República, Borradores de Economía No. 541. Diciembre de 2008. 23 21 principalmente importadores como Perú o Chile se presento un fenómeno revaluacionista. Es necesario anotar que durante 2007 y parte de 2008, se presento un fenómeno revaluacionista con respecto al dólar en casi todas las monedas del mundo, ocasionado principalmente por la debilidad de la economía norteamericana. Entre las monedas estudiadas, las que mayor revaluación presentaron durante el periodo mencionado fueron el Real Brasilero (22.6970%) y el Peso colombiano (20,8758%). Si la cotización del WTI cae durante un periodo sostenido (como lo que sucedió entre el 7 de agosto de 2006 y el 18 de enero de 2007 donde se presento una caída en el precio del 34.4245%), es de esperar que por los menores ingresos petroleros para los exportadores y por el menor gasto de importación para los países dependientes de las importaciones de crudo, se presenten presiones devaluacionistas en los primeros y revaluacionistas en los segundos. Durante dicho periodo sin embargo, la tendencia a la revaluación de la moneda se presento en países productores como Colombia (revaluación del 6.9023%) y Brasil (2.1637%) y en países importadores como Chile (0.2389%) y Perú (1.4230%). Los resultados anteriores, nos permiten concluir que debido a la serie de factores económicos que afectan el comportamiento de los flujos registrados en cuenta corriente (ciclo económico, mayores o menores exportaciones o importaciones, pago de intereses de la deuda externa), no es evidente una relación directa entre las tendencias presentadas por los precios del petróleo y la cotización de monedas latinoamericanas. 8.1. Efectos de los choques del precio del petróleo (años 70 y 80) en las economías. En octubre de 1973, se presento un gran incremento en el precio del petróleo al pasar de 3 dólares por barril a 9 dólares por barril25. Se aplicaba según la OPEP a todos los países que mantuviesen relaciones diplomáticas con Israel. Los primeros afectados con el choque de precios fueron como era de esperarse los países importadores como los Estados Unidos. Así, los precios de muchos bienes, la gasolina y los plásticos se incrementaron y el costo de vida subió. Se presento un déficit en cuenta corriente para los importadores de crudo y un superávit para los exportadores. Aquellos países superavitarios como Arabia Saudita, inicialmente tuvieron dificultades para poder utilizar todo su superávit por exportaciones así que muchos de estos recursos fueron prestados a los países en vías de desarrollo para que éstos cubriesen su propio déficit. Si bien se esperaba entonces que se presentase una desvalorización de las monedas de los países industrializados, el efecto fue diferente ya que éstos respondieron al déficit en cuenta corriente reduciendo sus importaciones. Hubo pues un mecanismo de cambio de financiación mas no uno de ajuste vía cotización de las monedas de los países industrializados. Mas adelante, el endeudamiento de los países en vías de desarrollo 25 KENEN, Peter B. The International Economy. Cambridge University Press, Fourth Edition, 2000. P. 467 22 producto de esta alza en los precios del petróleo desencadenaría en la crisis de la deuda soberana. El segundo choque de precios del petróleo se presento a partir de 1978 con el estallido de la revolución iraní. Sus consecuencias fueron mayores que las del primer choque26, en lo que se diferencio fue que la duración fue menor debido principalmente a las políticas en contra de la inflación adoptadas por los gobiernos, producto de la experiencia adquirida en el primer choque. La subida de precios del crudo volvió a generar saldos positivos en la cuenta corriente de los países exportadores, saldos que desaparecieron con mayor velocidad que los acumulados durante el primer choque, esto debido principalmente a la recesión que sucedió después de las alzas en los precios. 8.2. Efectos de los precios del crudo en la economía colombiana El fenómeno revaluacionista no fue exclusivo de Colombia y se presento principalmente por el debilitamiento mundial del dólar y un mayor ingreso de capitales extranjeros a las economías emergentes. También es explicado por un mejoramiento de los términos de intercambio gracias a los mayores ingresos petroleros y de las exportaciones tradicionales en general que componen una importante proporción de las exportaciones colombianas. Aunque se podría pensar que la tendencia devaluacionista de los últimos meses (periodo que no fue tomado en cuenta en las series de datos de éste estudio) pudo ser causada en parte por la caída de la cotización del crudo, se presento también por una salida generalizada de capitales hacia el exterior para bonos del tesoro de los Estados Unidos. Un choque en los precios del petróleo influye en una economía (exportadora de petróleo) por medio de tres canales: el primero es el cambiario donde se espera se generen presiones revaluacionistas como se explico anteriormente, el segundo es el efecto ingreso producto de los mejores términos de intercambio y las “bonanzas” y tercero, por el canal fiscal producto de los mayores ingresos por regalías e impuesto de renta de las empresas que extraen el crudo en el país. El último choque petrolero se evidencia en el beneficio por mayores ingresos por impuestos de renta del sector petrolero el cual alcanza el 0,4% del PIB. Entre 2003 y 2007, gracias en parte a esas mayores ventas de crudo, los ingresos del Gobierno Nacional Central se incrementaron del 15,1% al 18.5% y en el 200827, explican el 87% del crecimiento de los ingresos. También es importante destacar que las rentas 26 KENEN, Peter B. The International Economy. Cambridge University Press, Fourth Edition, 2000. P. 474. 27 RINCON, Hernán. Rentas petroleras, subsidios e impuestos a los combustibles en Colombia, ¿Qué sucedió durante el choque reciente de precios? . Banco de la República, Borradores de Economía No. 541. Diciembre de 2008. 23 petroleras pasaron de representar para el país el 2.1% del PIB en 2001 a 3.8% del PIB en 2008. A pesar de lo anterior, se hace indiscutible que gran parte de la explicación del comportamiento de las cotizaciones de las monedas latinoamericanas y del mundo es resultado de la interacción de varios factores macroeconómicos lo que hace difícil generar un modelo de pronóstico a corto plazo teniendo en cuenta las variables objeto de estudio. 9. DEFINICIÓN DE MODELOS 9.1. Regresión lineal Un modelo de regresión lineal busca describir y evaluar la relación existente entre una variable dependiente y una (o varias) variable independiente. La regresión busca explicar los movimientos en la variable dependiente que sean explicados por la variable independiente. La variable independiente estará notada como X, mientras que la variable dependiente lo estará por y. 9.2. Regresión y correlación La correlación entre dos variables expresa “el grado de asociación lineal entre ellas” 28. Sin embargo, esto no implica que tanto la variable dependiente como la independiente sean tratadas de la misma manera. Por el contrario, la correlación indica que ambas variables se encuentran relacionadas hasta cierto punto de manera lineal, y que los movimientos en estas variables se dan, en promedio, por este coeficiente. Al trabajar con regresiones, el tratamiento que se le brinda a las variables independientes (x) y dependiente (y) son muy diferentes. La primera se asume como una variable “no estocástica”, y por tanto, que tiene un valor fijo. Por otra parte, la variable dependiente se toma como “aleatoria” o estocástica, implicando esto que tiene una distribución de probabilidad. 9.3. Regresión simple En la regresión simple se asume que la variable dependiente depende únicamente de una variable independiente. En tal caso, es posible aproximar la relación entre estas variables a través de una línea recta, cuya pendiente va a depender de la relación existente entre las variables: Será negativa si a medida que aumenta una variable, disminuye la otra O será positiva si a medida que aumenta una variable, la otra hace lo propio. Para determinar la ecuación que se ajuste a los datos proporcionados, puede emplearse la ecuación general para una línea recta 28 BROOKS, Chris. Introductory econometrics for finance. Reino Unido: Cambridge, 2008. P. 28. 24 Sin embargo, la ecuación anterior es una que se ajusta de manera “perfecta” a los datos, asumiendo por tanto que puede haber un modelo que sea capaz de determinar con certeza el valor de y, dado un valor de x, y estadísticamente equivaldría a un modelo que se ajuste a los datos a la perfección. Evidentemente, esto se aleja de la realidad, por lo que se hace necesario incluir en la ecuación un término aleatorio o “perturbación”, que se notará como “u”: Donde el subíndice t representa el número de la observación. Las razones para incluir la perturbación son29: Inclusive si se da el caso donde hay más de una variable explicativa, algunos determinantes de yt serán omitidos del modelo en la práctica. Esto puede suceder, por ejemplo, si el número de influencias en y es demasiado grande como para ubicarlo en un solo modelo, o porque algunos determinantes de y no se pueden observar o medir. Pueden haber errores que no pueden ser modelados en la forma en que y es medida. La variable dependiente está supeditada a eventos aleatorios que sucedan en el exterior que, una vez más, no pueden ser modelados: catástrofes naturales, guerras civiles o la misma conducta humana. 9.4. Supuestos en la regresión lineal30 En la especificación del modelo y su ecuación se encuentran implícitas la linealidad de la relación y la constancia de los parámetros a lo largo de la muestra. No hay relaciones lineales exactas entre los regresores. Estos tampoco son variables aleatorias. La distribución de probabilidad del vector de perturbaciones e s 9.5. Análisis de estabilidad estructural para el modelo de regresión lineal 9.5.1. Contraste de Chow El primero de los supuestos en la regresión lineal estipula que los parámetros (los coeficientes) se mantienen constantes a lo largo de toda la muestra. No obstante, pueden existir muestras donde el comportamiento del modelo y su estructura sea diferente, haciéndose necesario contrastar esta situación, representada así: 29 30 BROOKS, Chris. Introductory econometrics for finance. Reino Unido: Cambridge, 2008. P 30. CARRASCAL, Ursicinio. Análisis econométrico con Eviews. Valladolid: Alfaomega. P 76. 25 Al realizar esta prueba, el total de datos de la muestra se divide en varios grupos, derivando a partir de los mismos una ecuación de estabilidad para cada uno. El contraste de Chow plantea dos hipótesis que buscan probarse: la hipótesis nula sugiere “un solo modelo para el conjunto de las observaciones (el modelo restringido)” 31, mientras que la hipótesis alternativa establece un modelo en que los parámetros pueden cambiar entre los grupos de muestras. Si al realizar esta prueba no se encuentran diferencias estadísticas significativas entre las hipótesis, se acepta la hipótesis nula (el modelo es estable); en caso contrario, se rechaza la hipótesis nula y por tanto hay un cambio estructural. Las hipótesis ya mencionadas están definidas de la siguiente manera : 9.5.2. Estimación recursiva La estimación recursiva constituye otra alternativa para evaluar la estabilidad estructural de un modelo. Es recomendable utilizar esta herramienta cuando se tiene una muestra de datos con fechas y se desconoce cuándo se dio el cambio estructural. Esta prueba estima de manera secuencial un modelo especificado para diferentes tamaños muestrales. De esta manera, el modelo alcanza a estimar el modelo para el total de observaciones, al ir sumándolas hasta alcanzar el total de las mismas. El punto central de esta herramienta es que, si no se presentan cambios estructurales, “las estimaciones de los parámetros se mantendrán constantes al ir acumulando la muestra secuencialmente y los residuos no se desviarán ampliamente de cero”32. Dado que estima un modelo para cada tamaño muestral, genera lo que se conoce como un vector de estimaciones, a partir del cual puede proyectarse la variable endógena y el error en esa proyección. De esta manera (la repetición secuencial de las estimaciones de los modelos) se obtienen los coeficientes recursivos con sus respectivos residuos. 9.6. Modelo con variables retardadas En estos modelos se incorpora al valor de la variable endógena, los efectos que los valores de la variable o variables exógenas en periodos pasados tienen sobre ésta. Este tipo de modelos se conoce como Modelos de Retardos distribuidos. Aquellos casos en que el efecto se explica o se recoge incluyendo a la variable endógena retardada m periodos se les conoce como modelos autorregresivos. Debido a que el propósito de esta 31 32 CARRASCAL, Ursicinio. Análisis econométrico con Eviews. Valladolid: Alfaomega. P 188 CARRASCAL, Ursicinio. Análisis econométrico con Eviews. Valladolid: Alfaomega. P 193 26 investigación es demostrar la relación entre dos variables diferentes, este modelo no fue utilizado. 9.7. Modelo con retardos distribuidos Este modelo supone que es la variable exógena o explicativa la que ejerce un efecto prolongado en el tiempo sobre la variable endógena. Tratándose de una serie de tiempo en la que la única variable explicativa es el comportamiento del precio o lo rendimientos del WTI, el modelo tendra la siguiente ecuación33: Donde: M = número de periodos en los que se mantiene el efecto. Para poder determinar si este modelo puede ser utilizado para hallar la relación entre las variables, se necesita saber si existe dependencia o no en el modelo. La dependencia total indica que existe dependencia entre el regresor estocástico de las perturbaciones en todos los periodos presentes, pasados y futuros. Si ello es así, es decir, si no existe independencia, se viola uno de los principales supuestos para la estimación de un modelo de mínimos cuadrados. El método para determinar el grado de dependencia del modelo es utilizando el contraste h de Durbin para calcular el valor de un estadístico buscando determinar si se rechaza o no la siguiente hipótesis nula 34: El estadístico de contraste de Durbin es: Donde es el estimador correspondiente a la regresión de los residuos calculados con mínimos cuadrados frente a sí mismos retardados un periodo y sin término constante. Y es el estimador de la varianza del estimador correspondiente a la variable endógena teniendo retardo de un periodo. Si el valor del estadístico es mayor que 1.645 correspondiente a la distribución normal a un nivel de significancia del 5%, se rechaza la hipótesis nula de incorrelación ( ) y por lo tanto, el modelo presentará un caso de autocorrelacion positiva. Si el valor h es menor a -1.645, se rechaza la hipótesis nula comprobando la presencia de autocorrelacion negativa. La presencia de autocorrelacion implica que existe dependencia total en el modelo. Si el modelo a implementar es el de Retardos Distribuidos, es importante determinar si la longitud del retardo es finita o infinita. Si el número de retardos es escaso, se podría 33 34 CARRASCAL, Ursicinio. Análisis econométrico con Eviews. Valladolid: Alfaomega. P 294 CARRASCAL, Ursicinio. Análisis econométrico con Eviews. Valladolid: Alfaomega. P 296 27 estar incurriendo en un error por omisión, mientras que si se incluyen demasiados, se incurre en un error por inclusión. Como se verá más adelante, en aquellos casos en los que al incrementar el número de retardos o rezagos se incrementaba el valor del coeficiente de determinación, dicho incremento era muy pequeño lo que llevaba a pensar que el número de retardos es demasiado elevado para lograr explicar el comportamiento de las monedas objeto de estudio. El método utilizado para determinar la longitud del retardo, es el de utilizar como criterio de información el Akaike (AIC) o el de Schwarz (SBC) 35 y observando el comportamiento del Coeficiente de determinación ajustado. Así, se estiman los valores de los criterios nombrados anteriormente por cada retardo de la variable explicativa deteniéndose en aquel donde el Coeficiente de determinación ajustado es mayor, y el AIC y SBC son menores. 9.8. Modelo de Cointegración Este modelo se utiliza para determinar si existe relación a largo plazo entre series que son no estacionarias, es decir, aquellas que no poseen media, varianza y covarianza constante. Si dos series poseen estas características, cualquier choque en el modelo perdurará en el tiempo y nunca desaparecerá lo que significa que en muy pocas ocasiones la serie pasará por la media. Las series no estacionarias también presentan ciertos problemas a la hora de determinar modelos de Regresión Simple, por ejemplo, pueden mostrar un Coeficiente de determinación R2 elevado cuando éste realmente no lo es, o puede suceder que los estadísticos t calculados no seguirán una distribución t y lo mismo sucederá con los estadísticos F (regresión espuria). Por el contrario, las series estacionarias se espera que pasen en muchas ocasiones por la media, es decir que cualquier choque que se presente en el sistema ira desapareciendo con el tiempo lo que indica un equilibrio en el largo plazo. Una serie o modelo puede ser representada según la siguiente ecuación: yt = + yt-1 + ut en donde yt representa a la variable endógena, yt-1 representa a la variable endógena retardada un periodo y ut representa las perturbaciones del modelo. El valor de representa el número de veces que una serie no estacionaria necesita ser “diferenciada” (aplicar yt = yt - yt-1 ) para convertirla en estacionaria. Así, si = 0, significa que la serie es estacionaria y si 1, la serie es no estacionaria. La mayoría de las series en finanzas y en economía presentan un = 1, situación conocida como raíz unitaria (unit root). Si 35 1o = 1 ocurre la situación siguiente: CARRASCAL, Ursicinio. Análisis econométrico con Eviews. Valladolid: Alfaomega. P 310 28 donde T tiende a infinito, lo que quiere decir que el valor de y es solo la suma de un valor inicial de y mas la sumatoria de todos los choques infinitos pasados. Una serie estacionaria presente las siguientes características 36: Para cada t1, t2, …, tT Є Z y cualquier k Є Z y T = 1,2,… F yt1, yt2, …, ytT (y1,…,yT) = F yt1+k, yt2+k, …, ytT+k (y1,…,yT) En donde (1) E(yt) = (2) E(yt - )(yt - ) = σ2 < (3) E(yt1 - )(yt2 - ) = y t2- t1 para todo t1,t2 En donde F representa toda la función de distribución de la variable y, conservándose para cada muestra de la serie y las ecuaciones 1,2 y 3 estipulan que y posee media, varianza y covarianza constante. En el caso de estudio en esta investigación, fue necesario determinar si cada una de las series es o no estacionaria (WTI y cotización de las monedas) y si existe relación a largo plazo o cointegración entre las series evaluadas. Por ello es necesario aplicar la prueba de Dickey – Fuller, la cual busca determinar si la serie posee raíz unitaria o no haciendo la siguiente prueba de hipótesis: H0: =1 H1: <1 El modelo para realizar la prueba es yt = yt-1 + + + ut , Sustrayendo yt-1 de cada lado de la ecuación esta se puede rescribir de la siguiente forma yt = yt-1 + + + ut Utilizando así el estadístico: Este estadístico no sigue la distribución t usual, los valores críticos provienen de simultáneos experimentos realizados por autores como Fuller 37. Hay que aclarar sin embargo que si se desea saber si dos series no estacionarias son cointegradas, es necesario realizar el mismo test pero sobre los residuos del modelo lo que se conoce como el enfoque basado en los residuos. 36 37 BROOKS, Chris. Introductory econometrics for finance. Reino Unido: Cambridge, 2008. P 230. BROOKS, Chris. Introductory econometrics for finance. Reino Unido: Cambridge, 2008. P 379. 29 Si se tiene la ecuación: yt = 1 + 2x2t + 2x2t +…+ kxkt + ut ut debe ser no estacionario (o tener raíz cero) si las variables yt, x2t, ... xkt están cointegradas, de lo contrario no lo estarán. En este caso la prueba de hipótesis del test de Dickey – Fuller es el siguiente: H0 : ut I(1) H1: ut I(0) En donde I(1) significa que los residuos tienen raíz unitaria e I(0) indica que los residuos son estacionarios y por lo tanto, las series están cointegradas. En este test, se hace necesario que ut corresponda a un ruido blanco (White noise), es decir que las perturbaciones presentan las siguientes características: N(0,σ2) ut Lo cual puede ocasionar que si ut de dos series no se comporta de esta manera, entonces el test puede sobreestimar el valor del estadístico. Por ello fue necesario desarrollar otro modelo conocido como el Dickey – Fuller Aumentado (Augmented) solucionando el problema introduciendo p rezagos de la variable dependiente, así el modelo alternativo es el siguiente: Lo cual asegura que cualquier estructura dinámica presente en las perturbaciones del modelo, serán tenidas en cuenta para asegurar que ut no esta autocorrelacionado. 9.9. Análisis de correlogramas Otra prueba utilizada para determinar si existen rezagos de la variable exógena que expliquen el comportamiento de la variable endógena, es el análisis de los correlogramas de las funciones de autocorrelación simple y parcial. Determinando unas bandas con un intervalo de confianza del 95% se analiza cuales coeficientes de autocorrelación de las series son significativos para determinar la longitud del retardo 38: Intervalo : 1,96 x (1/ T) Para ello, se utilizo el test de Box-Pierce el cual establece como hipótesis nula la siguiente relación: H0: 38 1 =0, 2 =0, 3 =0, ..., n =0 BROOKS, Chris. Introductory econometrics for finance. Reino Unido: Cambridge, 2008. P 233. 30 Donde n representa el coeficiente de autocorrelación del rezago n. Si la Hipótesis nula no es rechazada, quiere decir que los n evaluados en el test no son significativos y por lo tanto el número de rezagos será 0, de lo contrario será igual a n. El Test consiste en calcular un valor Q y Q* comparándolos con el valor crítico Chi cuadrado ( 2) teniendo en cuenta el número de grados de libertad (igual a n) y el nivel de confianza: y Donde k representa el coeficiente de autocorrelación k y T el número de datos de la serie. 10.APLICACIÓN DEL MODELO DE REGRESIÓN LINEAL CLÁSICO 10.1. Series de las cotizaciones de las monedas y el WTI Considerando los 2045 datos de la serie, el valor del coeficiente de determinación R^2 para el modelo del Peso colombiano (COP) fue del 8,9395% lo que evidencia su baja capacidad explicativa. En el caso del Peso mexicano (MXN), dicho valor fue del 51,7340% el cual si bien es mayor no muestra de nuevo una alta capacidad explicativa. Caso parecido sucede con el Sol peruano (PEN) cuyo R^2 es de 62,2927%. Un análisis posterior se realizo para determinar los valores de R^2 en los 12 meses del año por cada año objeto de estudio (desde enero de 2000 hasta abril del 2008). Es interesante el observar que hubo una importante concentración de R^2 superiores al 50% en el mes de febrero de los diferentes años y las diferentes monedas a diferencia de otros meses como mayo, junio y agosto. Al estimar la probabilidad del estadístico F para determinar la probabilidad de cometer errores de tipo 1 (rechazar la hipótesis nula siendo cierta), se encontró que para COP dicha probabilidad es casi de 0%, lo que indica que la variable WTI y su coeficiente son explicativas del comportamiento de la variable COP y su valor fue de 8101.894. El mismo resultado de la probabilidad del estadístico F se obtuvo para MXN (valor del coeficiente: -51.55832) y para PEN (valor del coeficiente: 13.04615). El realizar validación de los supuestos estadísticos del Modelo de Regresión Lineal Clásico, se encontró por estimación recursiva que los residuos no se comportan como un Ruido blanco sino que mas bien presentan datos que se salen del intervalo de mas o menos 2 veces su desviación estándar . Tampoco se evidencio para los tres modelos la estabilidad de los coeficientes, condición también necesaria para que el modelo de Regresión Lineal sea consistente. Luego de aplicar el modelo de regresión lineal de las monedas emergentes seleccionadas (ARS, BRL y CLP) sobre el total de la muestra (2045 datos) se ha podido observar que entre estas monedas y el precio del petróleo, según este modelo, no puede 31 establecerse que haya una relación significativa entre estas variables. En el caso del peso argentino y el crudo referencial WTI, el coeficiente de determinación ajustado (R2) alcanzó el 28.2843% siendo demasiado bajo como para tomarlo como una relación fuerte entre estas variables. Un caso similar se dio para el real brasilero (BRL), cuyo coeficiente llegó a un valor de 22.9580%; no obstante, para el peso chileno (CLP) se encontró una relación llamativamente alta, siendo del 51.1344% de acuerdo al coeficiente de determinación ajustado, para un país que es importador neto de crudo. Cabe mencionar que se utilizó la fórmula 1/precio de la moneda para hallar el inverso de la tasa de cambio; es decir, recurrimos a la utilización de la tasa de cambio de cada moneda en dólares, debido a que el crudo WTI se cotiza en dólares en el NYMEX. Posteriormente se aplicó el modelo de manera mensual, para buscar algún grado de relación entre las variables en este periodo de tiempo. Curiosamente, aplicando el modelo de regresión de esta manera se encontraron meses donde el coeficiente daba bastante alto: para el peso argentino, en el año 2002 y 2003, los mayores coeficientes de determinación ajustados se concentraron en marzo (75.3016% en marzo de 2002 y 67.6555% en marzo de 2003), mientras que entre 2004 y 2007 dicho fenómeno dejó de presentarse en este mes para hacerlo principalmente en Agosto (63.1513% en 2005 y 66.4701% en 2006). Por su parte, el real brasilero presentó este fenómeno particularmente en el mes de septiembre de los años 2002, 2004, 2006 y 2007, con valores de 54.9926%, 56.1715%, 48.7310% y 65.7842% respectivamente. En el año 2000 y 2002 también se concentraron valores altos de este coeficiente en diciembre, con valores de 39.2014% y 70.8823%. Por último, para el peso chileno esta situación se dio para los meses de Enero en los años 2000, 2002, 2005, 2006 y 2008 (76.5327%, 50.4794%, 46.9412%, 65.6673% y 61.9279%, respectivamente), Septiembre en los años 2001, 2002, 2004 y 2007, tomando valores de 53.6621%, 55.6160%, 53.1367% y 74.2206% y el mes de Diciembre en los años 2000, 2003 y 2007 (75.0347%, 51.5245% y 46.0744%). Al estimar el modelo de regresión lineal también se obtuvo el cálculo sobre la prueba del estadístico F y su probabilidad. Esto es, el cálculo de la probabilidad de cometer un error tipo I, o rechazar la hipótesis nula siendo cierta. En el caso del peso argentino dicha probabilidad es de cero, por lo que la hipótesis nula se considera cierta y por tanto la variable independiente (en este caso el precio del crudo WTI) no es explicativa del movimiento de esta moneda. Para el real brasilero se presenta la misma situación y puede entenderse que, al igual que el peso argentino, el precio del crudo del WTI no explica el movimiento de la tasa de cambio del real por dólar. Para el peso chileno la probabilidad de cometer este error es cero, llegando a la misma conclusión que en las dos monedas anteriores. De igual manera, se corrieron varias pruebas para establecer la estabilidad del modelo, concretamente la de coeficientes recursivos. Con excepción del primer y segundo coeficiente en la ecuación del modelo para el peso argentino, esta prueba señala que a medida que se incrementan las observaciones, la magnitud de las variaciones de los coeficientes va disminuyendo. Con esto, se entiende que el supuesto de la regresión lineal que sostiene que los coeficientes se mantienen a lo largo de la muestra se cumple, mostrando que los datos de la regresión. Sin embargo, dado que para el peso argentino no se cumple en su totalidad este supuesto, puede afirmarse que el modelo de regresión no sirve para procurar mostrar la relación entre estas variables. 32 Basándose en la anterior información, el valor del coeficiente en los tres modelos es diferente a cero y la probabilidad de que se cometa error tipo 1 es baja, sin embargo, debido a los valores R^2 encontrados y al hecho de que para analizar estas series es mejor utilizar los rendimientos logarítmicos, se concluyó que el modelo de regresión lineal con las Series de las cotizaciones de las monedas y el WTI no es el idóneo para describir la relación buscada en esta investigación. 10.2. Series de los rendimientos logarítmicos de las monedas y el WTI Para empezar, se realizo una validación de los supuestos estadísticos del Modelo de Regresión Lineal Clásico. Al analizar el comportamiento de los residuos se evidencia ausencia de estabilidad estructural de los tres modelos. El valor de los coeficientes aunque es relativamente constante en algunos periodos, no lo es al considerar los primeros datos de las series como lo evidencian las gráficas de estas pruebas mostradas en los anexos. El modelo que muestra mayor estabilidad de los coeficientes es el del Sol peruano. También se analizó la estabilidad del modelo por medio del Contraste de Chow teniendo como resultado que se generan cambios estructurales en los modelos en varios periodos siendo el mas estable el Peso mexicano y el mas inestable el Peso colombiano. Posteriormente se procedió a evaluar la distribución de los residuos los cuales deben ajustar a una función de densidad normal con media cero. En los tres casos (COP, MXN y PEN) esto se viola ya que si bien cierto tipo de distribución normal se hace evidente, el valor de la Kurtosis supera el 3 necesario para la normalidad. Tabla 1: Monedas de Colombia, México y Perú y su curtosis Moneda COP MXN PEN Curtosis 11,76920 5.26800 18.02849 Una vez validados dichos supuestos, se procedió a modelar con regresión lineal obteniendo los siguientes resultados: al considerar diferentes periodos de tiempo (por ejemplo 5 años, 4 años, etc) hasta el dato del último día considerado en el análisis, se encuentra que los R^2 para COP no superan el 2%. Además de esto, la probabilidad calculada de cometer errores de tipo 1 es elevada (considerando solo los últimos 5 meses del periodo analizado dicha probabilidad es del 33.07% y considerando todos los datos es del 76.26%) lo que indica que el valor del coeficiente es igual a cero o por lo menos, existe una alta probabilidad de que nos equivoquemos al considerar que no lo es. Por lo tanto, se puede concluir utilizando este modelo que los rendimientos logarítmicos del WTI no explican o no tienen relación con los rendimientos logarítmicos de la cotización del Peso colombiano. Un resultado similar se obtiene con el Nuevo Sol peruano (considerando solo los últimos 5 meses del periodo analizado dicha probabilidad es del 64.31% y considerando todos los datos es del 14.45%) lo que indica que el valor del coeficiente es igual a cero. Es decir que la relación según el modelo de regresión lineal entre las variables PEN y 33 WTI es muy baja o los efectos de la cotización del crudo sobre la cotización en la moneda son prácticamente nulos. Este resultado, es consistente con la alta dependencia del Perú a las importaciones del petróleo, siendo este país un gran productor de minerales diferentes al crudo. Sin embargo, si se espera que exista una relación entre la moneda y el WTI por la compra de petróleo al exterior y el efecto de un mayor precio de éste sobre el mercado cambiario del Perú, los modelos muestran que dicha relación o no existe, o es muy débil. A diferencia de los dos modelos anteriores, aquel desarrollado entre el Peso mexicano y la cotización del WTI muestra que la probabilidad de cometer error de tipo 1 es baja (considerando solo los últimos 5 meses del periodo analizado dicha probabilidad es del 45.07% y considerando todos los datos es del 2.0512%). Sin embargo, el valor de los coeficientes en primera instancia no es estable y también, es muy bajo (de -0.013287 considerando todos los datos) por lo que si bien el valor del coeficiente no es igual a cero, tampoco es significativo para explicar las variaciones de los rendimientos de la cotización de la moneda, tomando en cuenta el bajo valor del R^2. En cuanto al peso argentino, chileno y real brasliero puede resaltarse que las pruebas reflejan un cambio estructural para estas monedas en el año 2003, mientras que la estimación recursiva muestra por su parte alta inestabilidad tanto de los residuos como de los coeficientes. Por otra parte, el modelo que refleja más estabilidad a nivel de la recursividad de los residuos es el argentino, mientras que a nivel de coeficientes recursivos es más estable el del real brasilero. Para evaluar el supuesto según el cual la distribución de los errores es normal con media cero, se empleó el criterio de la curtosis, que debe ser 3 para que se acepte como válido. Sin embargo, los valores obtenidos tanto para el real brasilero, peso chileno y peso argentino incumplen esta regla, por tanto invalidando el supuesto para las tres monedas: Tabla 2: Monedas de Brasil, Chile y Argentina con su curtosis Moneda BRL CLP ARS Curtosis 11,07507 435,3181 435,3181 Con los supuestos validados, el siguiente paso fue modelar empleando la regresión lineal. Los resultados que se obtuvieron fueron los siguientes: en el caso del peso argentino, la relación entre los rendimientos generados por el crudo WTI y esta moneda, medida por el coeficiente R2 ajustado es de 0.097% con la muestra total de datos, señalando claramente que no existe una relación lineal donde el comportamiento de la moneda sea explicado en alguna medida por el comportamiento del crudo. Esto puede explicarse también porque la economía argentina, a diferencia de otros países en Latinoamérica, no cuenta como uno de sus pilares la renta petrolera, y su participación en el Producto Interno Bruto puede ser menor en proporción a otros países. Respecto al real brasilero y su relación con el crudo WTI, de acuerdo al coeficiente R2 esta es de carácter inverso, al obtenerse -0.0284%, dando a entender que a medida que 34 se incrementa el precio del crudo la moneda tiende a depreciarse, algo bastante llamativo dado que Brasil se caracteriza por tener una importante participación de la renta petrolera dentro de su economía. Sin embargo, al ser el valor tan pequeño, el valor de esta relación es mínimo. En cuanto al peso chileno, se obtuvo también un coeficiente R2 de 0.727%, una vez más, siendo un valor bastante pequeño y poco explicativo de las relaciones entre el WTI y la moneda chilena. En lo que concierne a la probabilidad de cometer un error tipo I (rechazar la hipótesis nula siendo cierta) para el peso argentino es baja (9.1230%), lo que da a entender que la variable que se está trabajando para explicar el movimiento en el peso argentino (el crudo WTI) no es individualmente explicativa. Caso contrario sucede con el real brasilero, cuya probabilidad asciende a 51.7272%, por lo que la hipótesis nula, con una probabilidad tan alta de ser rechazada, abre la posibilidad de que el crudo WTI individualmente sí sea explicativo del movimiento del real. Por último, la probabilidad de cometer un error tipo I al analizar la relación entre el WTI y el peso chileno es substancialmente menor a la obtenida con el real, y un poco mayor a la que se obtuvo con el peso argentino. Puede entonces interpretarse que el crudo WTI no es explicativo de movimientos en el precio del petróleo. No obstante los resultados obtenidos anteriormente, debido a que la serie de datos obtenida viola gran parte de los supuestos estadísticos requeridos, los resultados obtenidos con la aplicación del modelo de regresión lineal no son concluyentes para determinar la existencia o no de relación entre el precio del petróleo WTI y el peso argentino, chileno y real brasilero. Los argumentos mencionados atrás y el hecho de que los modelos violan muchos de los supuestos de la Regresión Lineal Clásica, estos no son buenos para investigar la relación entre las variables o dan como resultado que no existe ninguna. 11.APLICACIÓN DEL MODELO DE RETARDOS DISTRIBUIDOS 11.1. Series de las cotizaciones de las monedas y el WTI Calculando el valor del estadístico h de Durbin, se encontró que tanto para el Peso mexicano (MXN) como para el Peso colombiano (COP) se rechaza la hipótesis nula de incorrelación. Es decir que el modelo presenta autorcorrelacion y dependencia con las perturbaciones de periodos pasados. En el caso del Sol peruano (PEN), la hipótesis nula no fue rechazada lo que indicó que debido a la incorrelación, las propiedades de los estimadores por mínimos cuadrados se mantiene. Tabla 3: Cálculos del estadístico h de Durbin para monedas de Colombia, México y Perú Moneda h de Durbin Resultado COP 1.7983565 Dependencia MXN -2.6876210 Dependencia PEN 1.3827793 Independencia Por lo tanto, se procedió a calcular la longitud del retardo por medio del procedimiento explicado anteriormente, los resultados fueron los siguientes: 35 Tabla 4: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el peso colombiano COP After adjustments Observaciones 2045 2044 2043 1402 R^2 ajustado 0.088950 0.089360 0.089835 0.820713 Retardos 0 1 2 643 Akaike Schwarz AIC 14,08038 14,07965 14,07878 12,92765 SBC 14,08588 14,0879 14,08979 15,34095 Tabla 5: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el peso mexicano MXN After adjustments Observaciones 2045 2044 2043 Akaike Schwarz Retardos 0 1 2 R^2 ajustado 0.517104 0.517124 0.517118 AIC SBC 1,57567 1,58117 1,57601 1,58427 1,57639 1,5874 El valor del coeficiente de determinación en modelo de la moneda COP alcanza un elevado 80.20713% a los 643 retardos lo cual generaría una ecuación de grado 643 si se emplease el esquema polinomial de Almon para determinar la ecuación del modelo. Un efecto que abarca un retardo de 643 periodos (comprendiendo por lo menos mas de dos años de días de negociación) concordaría mas con un modelo de retardos infinitos. En dicho caso se podría pensar que la monetización de los mayores ingresos por subidas del precio del petróleo ejercería un efecto no de corto plazo sobre la cotización. Lo anterior concuerda con el comportamiento macroeconómico que se presento al explicar los efectos que las subidas del precio ejercieron sobre las economías en los años setenta y ochenta. Sin embargo, en este caso también se presentaron otros factores que no se relacionaron directamente con la variación de los precios del crudo y la cotización de las monedas objeto de estudio. En el caso del modelo de la moneda MXN, el mayor coeficiente de determinación se alcanza con un rezago no superando el valor de 0.517124%, lo cual indica el bajo nivel de explicación de las variaciones de MXN y la cotización del WTI. Para aplicar este modelo, se calculó primero el estadístico h de Durbin. Este estadístico sirve para probar la existencia de autocorrelaciones en el modelo: (preguntar por interpretación de h de durbin para proceder al análisis) 36 Tabla 6: Cálculos del estadístico h de Durbin para las monedas de Argentina, Brasil y Chile Moneda ARS BRL CLP h de Durbin 45.1815277339 0.148811193787 46.3011521462 Resultado Dependencia Dependencia Dependencia Con esto, se procedió a calcular los retardos para BRL, CLP y ARS, de la siguiente manera: Tabla 7: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el peso argentino ARS After adjustments Akaike Schwarz Observaciones Retardos R^2 ajustado AIC SBC 2045 0 0.242843254380923 0,073572627 0,079072043 2044 1 0.242197923597091 0,073905097 0,082157539 2043 2 0.241876928874551 0,073317839 0,081573602 2042 3 0.241535780289591 0,072752887 0,081011974 En la tabla anterior se puede observar, de acuerdo a un modelo de retardos finitos, el número de retardos utilizados. Para conocer el número de retardos a emplear en cada modelo, además del coeficiente de determinación ajustado también se emplean los criterios de Akaike y Schwarz, donde se elige el número de retardos de la siguiente manera: se elige el mayor valor del coeficiente de determinación ajustado y los menores valores del criterio de Akaike y Schwarz; para el caso de Argentina a medida que se aplican los retardos, los parámetros para elegir empeoran, llegándose a la conclusión de que el modelo se aplica mejor sin retardos de ninguna clase. Por su parte, para el real brasilero se obtuvieron los siguientes datos: Tabla 8: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el real brasilero BRL After adjustments Akaike Schwarz Observaciones Retardos R^2 ajustado AIC SBC 2045 0 0.229579542868973 -2,30233E+14 -2,29683E+14 2044 1 0.230146405553482 -2,30292E+14 -2,29467E+14 2043 2 0.231112399312336 -2,30458E+14 -2,29633E+14 2042 3 0.232112501732459 -2,30635E+14 -2,29809E+14 1645 400 0.80628572749474 -3,80711E+14 -3,79726E+13 37 Aquí no se da el mismo caso que se observó para el peso argentino; a medida que se iban aplicando retardos tanto el coeficiente R2 iba mejorando, así como los criterios de Akaike y Schwarz. Al final, el máximo valor de este coeficiente (80.6285%) se obtuvo con cuatrocientos retardos siendo este el número de retardos a aplicar al modelo. No obstante, la ecuación resultante sería de grado 400, por lo que se ajustaría de mejor manera a un modelo de retardos infinitos, lo que podría inferir la idea de una relación de largo plazo. Por último, para el peso chileno se presentó la siguiente situación: Tabla 9: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el peso chileno CLP After adjustments Observaciones 2045 2044 2043 2042 1445 Retardos 0 1 2 3 600 R^2 ajustado 0.511344343590795 0.512305262282103 0.51352837065457 0.514681589228817 0.788112453617193 Akaike AIC 1,07595E+13 1,07582E+14 1,07558E+14 1,07535E+14 1,00354E+13 Schwarz SBC 1,0765E+14 1,07664E+14 1,0764E+14 1,07618E+14 1,00464E+14 Aquí se puede apreciar una situación similar a aquella con el valor del real brasilero. En este caso, a medida que se incrementaba el número de retardos mejoraba sustancialmente el valor del coeficiente R2 ajustado. El mayor valor se encontró con seiscientos retardos, con un coeficiente de determinación de 78.8112% y los menores valores del criterio de Akaike y de Schwarz. Esta estructura, de igual manera, se acomoda de mejor manera a un modelo de retardos infinitos, dado que el grado de la ecuación resultante, una vez más, sería de 600. Esto refrendaría el alto valor del coeficiente de determinación obtenido anteriormente. 11.2. Series de los rendimientos logarítmicos de las monedas y el WTI Realizando el análisis de Durbin-Watson con los modelos resultado de la aplicación de series de los rendimientos logarítmicos, se encontró que tomando diferentes periodos de tiempo (por ejemplo 5 años, 4 años, etc) considerando los cambios estructurales observados en los modelos, en COP, MXN y PEN se rechazan las hipótesis nulas de incorrelación, lo cual nos indica que los tres modelos presentan dependencia total. Al calcular la longitud del retardo, se obtuvieron los siguientes resultados: 38 Tabla 10: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del peso colombiano COP Retardos 0 1 Observaciones 2044 2043 R^2 ajustado -0.000489 -0.000433 Akaike Schwarz AIC SBC -7,607285 -7,601784 -7,606957 -7,598701 Tabla 11: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del peso mexicano MXN Retardos 0 1 Observaciones 2044 2043 Akaike Schwarz R^2 ajustado AIC SBC -0.000117 -7,823212 -7,81771 -0.000467 -7,821937 -7,813682 Tabla 12: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del nuevo sol peruano PEN Retardos 0 1 Observaciones 2044 2043 Akaike Schwarz R^2 ajustado AIC SBC 0.000346 -9,3365 -9,330998 -0.000005 -9,335214 -9,326958 Al igual que con las series anteriores, se calculó el estadístico h de Durbin para establecer la existencia o no de correlaciones en las series estudiadas (necesito preguntar la interpretación para agregar el análisis correspondiente): Moneda ARS BRL CLP h de Durbin -0.0198929483756 0.18177978076 2,814737457 Resultado Independencia Dependencia Dependencia Posteriormente se realizó el cálculo de los retardos, de nuevo tomando en consideración el coeficiente de determinación ajustado y los criterios de Akaike y Schwarz. Así, se obtuvieron los siguientes resultados: Tabla 13: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del peso argentino 39 ARS Retardos Observaciones 1 2 3 50 60 R^2 ajustado Akaike AIC 2044 0.000430633182157303 5,704982 2043 0.00180626260098338 5,705870 2042 0.000696030989542851 5,704268 1995 0.046676713177046 5,728073 1985 0.00526696558440043 5,680528 Schwarz SBC 5,696726 5,697611 5,696006 5,719651 5,672071 En el caso del peso argentino, contrario a lo que se presentó anteriormente, el coeficiente de determinación ajustado iba mejorando en conjunto con los criterios de Akaike y Schwarz. Sin embargo, la mayor correlación encontrara fue con 60 retardos y 0.526696%. Cabe mencionar, sin embargo, la presencia de un evento muy particular: se presentaron situaciones en los cuales al ir aumentando los retardos de periodo en periodo, en uno se presentaba una mejoría en el coeficiente de determinación, y al siguiente empeoraba. Esto fue general tanto para el peso argentino, como para el chileno y el real brasilero. Tabla 14: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del real brasilero BRL Akaike Schwarz Retardos Observaciones R^2 ajustado AIC SBC 1 2044 0.000044 6,314893 6,306638 2 2043 0.0124468745974858 6,327082 6,318823 Para el real brasilero, el coeficiente de determinación ajustado mejoró apenas al segundo retardo, obteniéndose los mejores valores de Akaike y Schwarz (¡asimetrías de información! Necesito investigar más sobre este fenómeno). Sin embargo, también se presentó una relación de apenas el 1.2446%, un valor que sigue siendo bastante más bajo de lo esperado para un país que es productor de petróleo. 40 Tabla 15: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del peso chileno CLP Schwarz SBC 2044 0.00384984520645448 -7,4845 7,490195 2043 0.0035229356767027 7,497950 7,489691 Retardos Observaciones 1 2 R^2 ajustado Akaike AIC Por último, para el caso del peso chileno, se presenta que el número de retardos es también mínimo, con un coeficiente de determinación que es absolutamente pequeño (apenas por encima del 0.35%), concluyendo de esta manera que el uso del modelo de retardos distribuidos para buscar una relación entre las variables no fue concluyente. En los modelos evaluados, no solamente el coeficiente de determinación ajustado es bajo, sino que también no aumenta al incrementar el número de retardos a diferencia de lo que se evidenció en los modelos de Series de las cotizaciones de las monedas y el WTI. Por esta razón, se concluyó que el modelo econométrico con variables retardadas no sirvió para describir la relación entre las variables objeto de estudio. 12.RESULTADOS AL ANALIZAR LOS CORRELOGRAMAS PARA LOS MODELOS ESTUDIADOS Las series correspondientes al Peso colombiano, el Sol peruano y el Peso mexicano, muestran un rechazo de la hipótesis nula a 36 rezagos y más, es decir, que las series presentan mas de 36 rezagos en la variable exógena que explican el comportamiento de la variable endógena lo cual, va en contra de lo encontrado al realizar el análisis utilizando los criterios de Akaike y Schwarz. Los correlogramas, tampoco muestran el típico comportamiento de un modelo AR(1), o modelos ARMA(1,1) en los cuales los coeficientes de autocorrelacion son significativos en el primer rezago y desaparecen gradualmente a medida que se incrementa el número de retardos. Sin embargo, los correlogramas de las series estudiadas muestran que existen coeficientes significativos (es decir con valores superiores a los del intervalo de confianza definido) que se encuentran en diferentes rezagos. Esto se puede explicar por los efectos a largo plazo que los choques en precios del petróleo ocasionan sobre las transacciones en cuenta corriente y la inflación de cada una de las economías. Por su parte, la serie de rendimientos correspondientes al peso chileno, argentino y al real brasilero también presentan rechazo de la hipótesis nula para 36 rezagos, que establece que el valor del coeficiente autocorrelacionado es cero para cualquier número de retardos. En estas series, al igual que con las otras monedas, presentan el mismo problema de “contradicción” con los criterios de Akaike y Schwarz, dado que con estos se estableció un número de retardos diferentes a los que señala el correlograma; por otra parte, en el correlograma del peso argentino pueden observarse coeficientes autocorrelacionados que son llamativamente altos para 17 y 33 retardos, que puede estar explicados por las razones ya mencionadas sobre la cuenta corriente y la inflación de la economía de los países. 41 13.RESULTADOS OBTENIDOS AL CORRER EL MODELO DE COINTEGRACIÓN Se empezó analizando el comportamiento de las series de los precios o cotizaciones en cada una de las series. Al aplicar el test de raíz unitaria descrito anteriormente, se encontró que tanto las monedas como el WTI son series no estacionarias, resultado que era de esperar dada la elevada volatilidad que caracteriza estos activos financieros. En la siguiente tabla se resumen los valores críticos de la prueba para cada nivel de significancia y el valor obtenido al evaluar cada una de las series (Pesos colombianos COP, Pesos mexicanos MXN y Sol peruano PEN): Tabla 16: Valores obtenidos en la prueba de raíz unitaria para Colombia, México y Perú Nivel de confianza 1% 5% 10% Serie COP MXN PEN Residuos modelo COP Residuos modelo MXN Residuos modelo PEN Valor crítico -3,433351 -2,862752 -2,567461 Valor Estadístico -0,508503 -1,628181 1,649875 -1,475925 -2,567461 -1,542776 Posteriormente se realizo el mismo test sobre los residuos de cada uno de los modelos relacionando la moneda con el WTI, los resultados muestran que la hipótesis nula de raíz unitaria tampoco es rechazada, lo que indica que ninguna de las variables (COP, MXN, WTI) está cointegradas con el WTI. En otras palabras, no existe relación de equilibrio de largo plazo entre las variables analizadas lo que implica que la capacidad de predicción a largo plazo de cualquier modelo econométrico basándonos en los precios y cotizaciones de cada variable va a ser baja. Analizando los rendimientos logarítmicos, se estacionaron las series analizadas ya que esta es una de las características generales de las series que corresponden a rendimientos tanto discretos como continuos. Así se encuentra que al realizar el test de Dickey – Fuller Aumentado sobre las series de rendimientos logarítmicos de las monedas COP, MXN y PEN, todas rechazaron la hipótesis nula de raíz unitaria indicando la presencia de estacionalidad. Sin embargo, como lo que interesa es la relación entre las series, se realizó el mismo test sobre las perturbaciones de los modelos obteniendo los siguientes resultados: 42 Tabla 17: Valores obtenidos en la prueba de raíz unitaria para Colombia, México y Perú Nivel de confianza 1% 5% 10% Serie COP MXN PEN Residuos modelo COP Residuos modelo MXN Residuos modelo PEN Valor crítico -3,433351 -2,862752 -2,567461 Valor Estadístico -42,82843 -47,82995 -43,42888 -42,82855 -47,83498 -43,45318 De momento, no sabemos si es condición para poder desarrollar un modelo de cointegracion que las series individuales sean no estacionarias pero que las perturbaciones de los modelos (relaciones de monedas con WTI) si lo sean. Lo que aquí es evidente, es que en los dos casos se encontró que la hipótesis nula de no estacionalidad se rechaza por lo que existe cointegración entre el las monedas objeto de estudio (COP, MXN y PEN) con el WTI. En el momento en que se encuentra que existe una relación a largo plazo, es difícil realizar un pronóstico o calcular un modelo de predicción ya que las series de los rendimientos logarítmicos presentan características de un proceso estocástico o un ruido blanco (como se hace evidente en las gráficas mostradas en los anexos), con lo cual es casi imposible saber el valor de la variable en el siguiente periodo. Otro tipo de modelos que se podrían utilizar, es pronosticar la volatilidad con modelos ARCH y GARCH lo que en todo caso no nos muestra que relación existe entre los modelos objetos de estudio. Por otra parte, para las series del real brasilero, peso argentino y peso chileno se aplicaron también las pruebas para comprobar la existencia de estacionalidad de las series. Para esto se aplicó una prueba de raíz unitaria a través de una prueba DickeyFuller aumentada (Augmented Dickey-Fuller Test), la cual consiste en establecer una hipótesis nula, que es la existencia de raíces unitarias contra la alternativa, que niega su existencia. A través de esta prueba, un valor del estadístico t es calculado y permite compararlo contra unos valores críticos (90%, 95% y 99%). Esta prueba se aplicó primero para las series de rendimientos tanto del crudo WTI como del real brasilero, peso argentino y peso chileno. Al comparar el valor hallado contra los valores críticos, se obtuvieron los siguientes resultados: 43 Tabla 18: Valores obtenidos en la prueba de Augmented Dickey Fuller para Argentina, Brasil y Chile Valor crítico por nivel Serie WTI ARS BRL CLP Estadístico t -45,7085 -7,2724 -35,33332 -32,86077 1% 5% 10% -3,43352 -3,43377 -3,433354 -3,433354 -2,862752 -2,862764 -2,862753 -2,862753 -2,567462 -2,567468 -2,567462 -2,567462 Resultado Hipótesis Rechazada Rechazada Rechazada Rechazada En el cuadro anterior la hipótesis nula se rechaza si el valor del estadístico t calculado con la prueba Dickey-Fuller Aumentada es mayor (o más negativo, según sea el caso) que los valores críticos a cada nivel de significancia. Al rechazarse la hipótesis nula (existencia de raíz unitaria en las series ya referenciadas), quiere decir que existe estacionalidad; al darse este fenómeno estadístico, puede proceder a realizarse las pruebas de cointegración (agregar el por qué si en el apartado teórico no sale). Hecho lo anterior, se procedió a realizar la prueba pero esta vez teniendo en cuenta los residuos de las ecuaciones de regresión generadas entre las series de rendimientos de las monedas, ya fueran de real brasilero, peso argentino o peso chileno. El resultado de la prueba Dickey-Fuller Aumentada sobre estos residuos permite establecer si la moneda en cuestión y el crudo referencial están cointegrados. Los resultados obtenidos fueron: Tabla 19: Valores obtenidos en la prueba de Argmented Dickey Fuller para Argentina, Brasil y Chile Valor crítico por nivel Estadístico t ARSRESIDS -7,290233 BRLRESIDS -35,31262 CLPRESIDS -42,51600 Serie 1% 5% 10% -3,43377 -3,433354 -3,433354 -2,862764 -2,862753 -2,862753 -2,567468 -2,567462 -2,567462 Resultado Hipótesis Rechazada Rechazada Rechazada El método de aceptación o rechazo de la hipótesis nula en este caso es similar al anterior: se comparan los valores obtenidos del estadístico t con los valores críticos a cada nivel de significancia, y se acepta o se rechaza según sea el caso. En el particular, especialmente, se rechazaron las hipótesis nulas, por lo que se toma la hipótesis alternativas: las series de las monedas (ARS, BRL, CLP) y el crudo WTI presentan cointegración. 44 14.CONCLUSIONES El mercado del petróleo ha probado ser uno de los más grandes (sino el mayor) mercados de commodities en todo el mundo. Dado el volumen de sus transacciones, tanto en valor monetario como en el aspecto físico, ha adquirido una gran importancia. Esto, por supuesto, no deja de lado el hecho de que las naciones productoras en grandes cantidades han sabido obtener grandes bonanzas, como la del último año, cuando el barril de petróleo superó los 145 dólares por barril. También se ha podido observar que su precio es sensible a determinados acontecimientos históricos y políticos, como las guerras y las revoluciones, especialmente en los países que son grandes productores de petróleo, los cuales se ubican de mayor manera en oriente medio. De acuerdo a los resultados observados a través de los modelos de regresión lineal clásico, de retardos distribuidos y el de cointegración, puede concluirse que, contrario a la opinión de algunos expertos en el tema, la relación entre monedas emergentes latinoamericanas (peso argentino, chileno, colombiano, mexicano, nuevo sol peruano y real brasilero) y el precio del petróleo de referencia West Texas Intermediate no es significativa, al punto de que en algunas monedas no se presenta relación importante. En relación a los modelos empleados, mencionados anteriormente, puede decirse que los resultados sostienen esta conclusión: se empleó la regresión lineal clásica, a pesar de que la serie de datos no cumplía con los supuestos del modelo. Al emplear modelos de retardos distribuidos, los resultados se acomodaban a los modelos de retardos infinitos, y los modelos de cointegración no presentaron resultados conclusivos a corto plazo, únicamente se evidencia un proceso de ajuste de largo plazo. De esta manera se arroja luz sobre un tema que, intuitivamente, puede invitar a pensar sobre la existencia de una relación, pero que de acuerdo a los modelos estadísticos aquí trabajados, no es significativa. Es factible pensar que los mercados presentan algún mecanismo desconocido que establezca tal vínculo. Así, se puede afirmar que existe un impacto y una relación entre las series analizadas pero no de manera directa o de corto plazo, mas bien es evidente el efecto a largo plazo que un alza o caída en el precio del petróleo tiene sobre la cotización de las monedas; no directamente a través de las transacciones en el mercado de divisas si no también por diversos factores macroeconómicos a largo plazo como la inflación, alza en las tasas de interés y mayores ingresos fiscales de los estados de las naciones productoras. 45 ANEXOS a. Colombia Gráfico 5 Participación del sector petrolero en el PIB de Colombia, por trimestres PETROLEO / PIB 6,000% 5,000% 4,000% 3,000% 2,000% 1,000% 0,000% I II III IV I II III IV I II III IV I II III IV I II III IV I 2000 2001 2002 2003 2004 II III IV I 2005 II III IV I II III IV 2006* 2007* Fuente: Banco de la República y DANE. Cifras provisionales para 2006 y 2007 Gráfico 6 Participación del sector petrolero en el PIB de Colombia, por años PETROLEO / PIB 6,000% 5,000% 4,000% 3,000% 2,000% 1,000% 0,000% 2000 2001 2002 2003 2004 2005 2006 2007 Fuente: Banco de la República y DANE. Cifras provisionales para 2006 y 2007 Como puede observarse en los gráficos anteriores, la participación del sector petrolero en Colombia ha ido disminuyendo desde el año 2000, principalmente debido a la diversificación de la producción nacional, y al hecho de que los yacimientos petrolíferos que hacen del país autosuficiente podrían haberse agotado. No obstante lo anterior, continúa ostentando un importante 3% (con cifras provisionales) al cierre del año 2007. En términos trimestrales, con excepción del tercer trimestre de 2001, el segundo de 2002 y el segundo de 2006, puede observarse la misma tendencia de disminución de participación en el PIB de Colombia. 46 Gráfico 7 Participación del sector petrolero en la Inversión Extranjera Directa de Colombia, por trimestres Sector petrolero / Total Inversion Extranjera Directa 70,0000% 60,0000% 50,0000% 40,0000% 30,0000% 20,0000% 10,0000% -10,0000% -20,0000% I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV 0,0000% 2001 2002 2003 2004 2005 2006 2007 Fuente: Banco de la República y DANE. Cifras provisionales de 2003 a 2007 Gráfico 8 Participación del sector petrolero en la Inversión Extranjera Directa de Colombia, por años Sector petrolero / Total Inversion Extranjera Directa 40,0000% 35,0000% 30,0000% 25,0000% 20,0000% 15,0000% 10,0000% 5,0000% 0,0000% 2001 2002 2003 pr 2004 pr 2005 p 2006 p 2007 p Fuente: Banco de la República y DANE. Cifras provisionales de 2003 a 2007 La Inversión Extranjera Directa en el sector petrolero siempre ha representado una parte importante de este rubro en el sector externo del país; así, podemos observar como, a pesar de una caída hasta el 10% en 2005, llegó a representar más del 35% al finalizar el año 2007. Al desglosar la información trimestralmente, puede observarse una tendencia a la desinversión o una inversión menor entre el tercer y el cuarto trimestre de los años seleccionados. Esto se explicaría en gran medida al observar el gráfico 21, en donde se 47 evidencia que la aversión a el riesgo o la prima por asumirlo creció considerablemente en el año 2004 principalmente en Perú, Brasil y Bolivia Sin embargo, el crecimiento en la Inversión en el sector petrolero puede estar impulsado principalmente por las actividades de exploración desarrolladas por las multinacionales petroleras presentes en Colombia. Gráfico 9 Inversión Extranjera Directa en sector petrolero de Colombia, por trimestres IED Sector Petrolero en Millones de Dólares 1.400,00 1.200,00 1.000,00 800,00 600,00 400,00 200,00 -200,00 I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II III IV 2001 2002 2003 2004 2005 2006 2007 Fuente: Banco de la República y DANE. Cifras provisionales de 2003 a 2007 Gráfico 10 Inversión Extranjera Directa en sector petrolero de Colombia, por años IED Sector Petrolero en Millones de Dólares 3.500,00 3.000,00 2.500,00 2.000,00 1.500,00 1.000,00 500,00 2001 2002 2003 pr 2004 pr 2005 p 2006 p 2007 p Fuente: Banco de la República y DANE. Cifras provisionales de 2003 a 2007 Aunándose a lo mencionado anteriormente respecto del sector petrolero colombiano y su participación en la Inversión Extranjera Directa en el país, puede verse tanto en términos trimestrales como anuales un crecimiento sostenido, superando los U$ 3000 millones a finales de 2007. Las actividades exploratorias en el territorio nacional siguen siendo el impulso principal a la inversión extranjera en este sector. 48 b. Chile Gráfico 11 Porcentaje de importación de crudo respecto al PIB Fuente: Banco Central de Chile Gráfico 12 Variación en las importaciones de crudo (en millones de dólares) Fuente: Banco Central de Chile Chile es reconocido por ser una de las economías modelo en América Latina. Sin embargo, al no poseer recurso hidrocarburo propio, se ve abocado a la importación de 49 petróleo para ayudar a sostener su crecimiento económico. Entre 2003 y 2006, puede verse un crecimiento sostenido en el valor de las importaciones de petróleo crudo al país. La cifra se estabiliza en 2007, pero esto no deja de ser un elemento llamativo. Esto, como consecuencia, también hace que el porcentaje de importación de petróleo respecto al PIB se incremente. c. México Gráfico 13 Porcentaje de exportaciones de crudo respecto al PIB Fuente: Instituto Nacional de Estadística y Geografía de México INEGI Gráfico 14 Exportaciones de crudo (en millones de dólares) Fuente: Instituto Nacional de Estadística y Geografía de México INEGI 50 México es reconocido como uno de los países no pertenecientes a la OPEP que tiene una de las mayores producciones de petróleo en el mundo, principalmente debido a las grandes reservas que posee en el golfo de México. Las exportaciones de crudo a partir de 1998 han comenzado a experimentar un fuerte incremento, aunado posiblemente a un crecimiento económico sólido y a la mayor demanda de sus productos petrolíferos en todo el mundo. Cabe recalcar que los Estados Unidos representa gran parte del crudo que este país exporta. Gráfico 15 Inversión extranjera directa en Minería y Extracción (sector petrolero incluido en millones de dólares) Fuente: Instituto Nacional de Estadística y Geografía de México INEGI La variación en las exportaciones de crudo se ve respaldada por el crecimiento en la inversión extranjera directa en minería y extracción. Las cuentas nacionales mexicanas no desglosan el sector petrolero del resto de actividades extractivas que se desarrollan en el país, por lo que la medida puede estar distorsionada de alguna manera. Sin embargo, sirve para ilustrar cómo se ha incrementado el valor de este rubro, hasta casi alcanzar los USD 2000 millones en el año 2007. 51 Gráfico 16 Inversión extranjera directa en Minería y Extracción como porcentaje del PIB (sector petrolero incluido) Fuente: Instituto Nacional de Estadística y Geografía de México INEGI Como consecuencia de los periodos de crecimiento económico y el incremento en las exportaciones de crudo, la inversión extranjera directa se ha visto incrementada en su participación en el PIB. A pesar de ser valores ampliamente representativos, al 2007 alcanzó el 0.05% de participación, una consecuencia plausible dentro de una economía diversificada. 52 d. Perú Gráfico 17 Exportaciones de petróleo (en millones de dólares) Fuente: Instituto Nacional de Estadìstica e Informática. Gráfico 18 Exportaciones de crudo respecto al PIB Fuente: Instituto Nacional de Estadìstica e Informática. Durante los últimos años del siglo XX y en los primeros años de esta década, Perú ha mostrado un saludable crecimiento económico. Parte de esto queda demostrado con el 53 incremento en las exportaciones de petróleo de este país, que se ha incrementado desde 1996 hasta alcanzar los USD 2.248 millones. Asi mismo, la participación de las exportaciones de crudo dentro del Producto Interno Bruto peruano se ha incrementado desde menos de 1% en el año 96 hasta el 3.85% en 2007. Gráfico 19 Inversión Extranjera Directa en el sector petrolero (millones de dólares) Fuente: Instituto Nacional de Estadìstica e Informática. Por su parte, la inversión extranjera presenta periodos de estabilidad en la inversión, donde las empresas allí presentes mantienen un monto de inversión prácticamente constante. Entre el año 2000 y el 2002, sin embargo, se presenta un gran salto, prácticamente duplicando el valor de las inversiones. Gráfico 20 Inversión Extranjera Directa en el sector petrolero respecto al PIB Fuente: Instituto Nacional de Estadìstica e Informática. 54 Por último, puede observarse que en el periodo entre 1996 y 2000, la inversión extranjera en petróleo llegó a representar el 0.28% del PIB, aproximadamente. Entre el 2001 y el 2003 dicha participación alcanzó su punto más alto, casi alcanzando el 0.6%, para luego descender a niveles observados en el año 2000 Éste fenómeno también puede ser explicado por la mayor diversificación de las inversiones extranjeras en los países latinoamericanos, como se observa en la Figura 22, el incremento de la prima de riesgo soberano asociada con los Credit Default Swaps (CDS) ha exhibido una tendencia descendente desde el año 2004 presentando un leve incremento entre julio de 2007 y julio de 2008, lo que significa que en general para los países latinoamericanos y sobre todo aquellos que presentaban mayores spreads asociado con una mayor percepción del riesgo (Brasil, Colombia y Perú) se evidencia una menor aversión al riesgo por parte de inversionistas lo que facilito la IED en otros sectores económicos diferentes al petrolero reduciendo su participación en el total. Gráfico 21 Prima de riesgo para América Latina Fuente: Bloomberg, tomado del Informe Sobre Inflación del Banco de la República. Junio 2008. 55 c. Brasil Gráfico 22 Participación de las exportaciones de petróleos crudos y derivados del petróleo en el total de exportaciones. 10,00% 9,00% 8,00% 7,00% Petróleos crudos 6,00% Productos derivados del petróleo 5,00% 4,00% Total hidrocarburos 3,00% 2,00% 1,00% 0,00% 2.003,00 2.004,00 2.005,00 2.006,00 Fuente: CEPAL. Comisión Económica para América Latina. Presentando una tendencia creciente, los hidrocarburos representan el 9% de las exportaciones de Brasil al mundo, además de ello, tanto los petróleos crudos como los derivados del petróleo se encuentran entre los 10 principales productos de exportación. Esto representó aproximadamente un monto exportado por USD 12.921,87 millones en 2006, USD 8.991,26 millones en 2005 y USD 5.691,92 millones en 2004. Es observable también que dicha participación se ha incrementado en la última década. 56 Gráfico 23 Fuente: CEPAL En términos comparativos con por ejemplo Colombia, la IED en el sector hidrocarburos ha sido menor en Brasil. Esto puede estar explicado sin embargo por la creciente participación de la empresa estatal petrolera de Brasil Petrobras en las inversiones en exploración y explotación de petróleos crudos en el país. Dicha empresa registró ventas en 2004 por alrededor de UDS 36.988 millones 39 convirtiéndose en una de las mayores empresas petroleras a nivel mundial. 39 La inversión extranjera en América Latina y el Caribe. CEPAL 2007 57 Gráfico 24 Productos derivados del petróleo + Petróleos crudos / Exportaciones al mundo 35,00% 30,00% 25,00% Argentina Brasil 20,00% Chile 15,00% Colombia México 10,00% Perú 5,00% 0,00% 1.995 2.000 2.003 2.004 2.005 2.006 Fuente: CEPAL. Aquellos datos iguales a 0, es por que en aquella fecha no se disponía de información. Como un indicador de dependencia de las exportaciones del petróleo, la figura 24 muestra un comparativo de la participación de este sector en el total exportado. Aquí podemos ver la dependencia mayor de Colombia en el sector petrolero y como dicha dependencia es mínima en Chile y en todos los años no tan significativa para Perú. Los países mas dependientes de la exportaciones tanto de derivados como de crudos son en su orden Colombia, Argentina y Brasil. Gráfico 25 Gráfico de Dispersión Peso Colombiano y WTI (precios) 58 Gráfico 26 Gráfico de Dispersión Peso Mexicano y WTI (precios) Gráfico 27 Gráfico de Dispersión Sol Peruano y WTI (precios) 59 Gráfico 28 Gráfica estimación recursiva COP y WTI (precios) Gráfico 29 Gráfica estimación recursiva MXN y WTI (precios) 60 Gráfico 30 Gráfica estimación recursiva PEN y WTI (precios) Tabla 20 Matriz de correlaciones Rendimientos logarítmicos (precios) WTI PEN MXN COP WTI PEN MXN COP 1 -0,02890111 -0,01929026 -0,00081209 -0,02890111 1 0,13384832 0,036637072 -0,01929026 0,13384832 1 -0,00268847 -0,00081209 0,036637072 -0,00268847 1 61 Gráfico 31 Gráfico de Dispersión Peso Colombiano y WTI (rendimientos logarítmicos) Gráfico 32 Gráfico de Dispersión Peso Mexicano y WTI (rendimientos logarítmicos) 62 Gráfico 33 Gráfico de Dispersión Sol Peruano y WTI (rendimientos logarítmicos) Gráfico 34 Gráfico de comportamiento de los residuos y estabilidad del modelo Peso Colombiano y WTI (rendimientos logarítmicos) 63 Gráfico 35 Gráfico de comportamiento de los residuos y estabilidad del modelo Peso Mexicano y WTI (rendimientos logarítmicos) 64 Gráfico 36 Gráfico de comportamiento de los residuos y estabilidad del modelo Sol Peruano y WTI (rendimientos logarítmicos) ,-----------------------------,.03 .02 .0 1 .00 -. 0 1 -. 02 1-- Residual - - Actual - - Fitted I 65 Gráfico 37 Gráfico de la estabilidad de los coeficientes del modelo Peso Colombiano y WTI (rendimientos logarítmicos) oo, -______________, • "L ,"=",,"o-c===cd .00> "'" , ,.,, "'" = 2 ", "" "" . lS·'·1 =.,--------, ... = i• .. \, ,'" ,." ' ' .="'" ''' ' ."'2S·'·1 "= -OO1' '-ccc--ccc-cc-coccccc-ccccccccce 66 Gráfico 38 Gráfico de la estabilidad de los coeficientes del modelo Peso Mexicano y WTI (rendimientos logarítmicos) . ,----------, "~~ _ C(1,. - --- ., ..·1 "" "" "-O ,OC() ''''' ,>00 ''''' >= . ",---------------, 67 Gráfico 39 Gráfico de la estabilidad de los coeficientes del modelo Sol Peruano y WTI (rendimientos logarítmicos) 68 Gráfico 40 Gráfico de normalidad de las perturbaciones del modelo Peso Colombiano y WTI (rendimientos logarítmicos) Gráfico 41 Gráfico de normalidad de las perturbaciones del modelo Peso Mexicano y WTI (rendimientos logarítmicos) 69 Gráfico 42 Gráfico de normalidad de las perturbaciones del modelo Sol Peruano y WTI (rendimientos logarítmicos) Gráfico 43 Gráfico de dispersión entre peso argentino y WTI (precios) 70 Gráfico 44 Gráfico de dispersión entre real brasilero y WTI (precios) Gráfico 45 Gráfico de dispersión entre peso chileno y WTI (precios) 71 Gráfico 46 Gráfico de estimación recursiva ARS y WTI (precios) Gráfico 47 Gráfico de estimación recursiva BRL y WTI (precios) 72 Gráfico 48 Gráfico de estimación recursiva CLP y WTI (precios) Tabla 21 Matriz de correlaciones rendimientos logarítmicos WTI CLP ARS BRL WTI 1 -0.034878 -0.037367 -0.014331 CLP -0.034878 1 0.033858 -0.037779 ARS -0.037367 0.033858 1 0.068197 BRL -0.014331 -0.037779 0.068197 1 73 Gráfico 49 Gráfico de dispersión Peso Argentino y WTI (rendimientos logarítmicos) Gráfico 50 Gráfica de dispersión Real Brasilero y WTI (rendimientos logarítmicos) 74 Gráfico 51 Gráfico de dispersión Peso Chileno y WTI (rendimientos logarítmicos) Gráfico 52 Gráfico de comportamiento de los residuos y estabilidad del modelo Peso argentino y WTI (rendimientos logarítmicos) 75 Gráfico 53 Gráfico de comportamiento de los residuos y estabilidad del modelo Real Brasilero y WTI (rendimientos logarítmicos) Gráfico 54 Gráfico de comportamiento de los residuos y estabilidad del modelo Peso chileno y WTI (rendimientos logarítmicos) 76 Gráfico 55 Gráfico de la estabilidad de los coeficientes del modelo Peso Argentino y WTI (rendimientos logarítmicos) 77 Gráfico 56 Gráfico de la estabilidad de los coeficientes del modelo Real Brasilero y WTI (rendimientos logarítmicos) 78 Gráfico 57 Gráfico de la estabilidad de los coeficientes del modelo Peso Chileno y WTI (rendimientos logarítmicos) 79 Gráfico 58 Gráfico de normalidad de las perturbaciones del modelo Peso Argentino y WTI (rendimientos logarítmicos) Gráfico 59 Gráfico de normalidad de las perturbaciones del modelo Real Brasilero y WTI (rendimientos logarítmicos) 80 Gráfico 60 Gráfico de normalidad de las perturbaciones del modelo Peso Chileno y WTI (rendimientos logarítmicos) 81 BIBLIOGRAFÍA HENKER THOMAS T. and MILONAS NIKOLAOS. Price spread and convenience yield Behaviour in the international oil market. Applied Financial Economics, 2001. BROOKS, Chris. Introductory econometrics for finance. Reino Unido: Cambridge, 2008. CARRASCAL, Ursicinio. Análisis econométrico con Eviews. Valladolid: Alfaomega. KENEN, Peter B. The International Economy. Cambridge University Press, Fourth Edition, 2000. RINCON, Hernán. Rentas petroleras, subsidios e impuestos a los combustibles en Colombia, ¿Qué sucedió durante el choque reciente de precios? . Banco de la República, Borradores de Economía No. 541. Diciembre de 2008. RACHEV Svetlozar, NITTNIK Stefan, FABOZZI Frank, FOCARDI Sergio, JASIC Teo. Financial Econometrics. New Jersey.John Wiley & Sons Inc. REUTERS. Exxon Mobil brilla por su oro negro. [online] 2008 . <http://www.cnnexpansion.com/negocios/2008/05/01/exxon-mobil-brilla-por-2018oronegro2019/view> Manual de Estadísticas Energéticas [online]. Agencia Internacional de Energía. Disponible en la red <https://www.iea.org/Textbase/stats/docs/NRJ_spanish_web.pdf> Oil Market Basics [online] Energy Information Administration, 2000. Disponible en la red <http://www.eia.doe.gov> Informe de la Junta Directiva al Congreso de la República. Julio de 2008 Banco de la República [online] disponible en la red <http://www.banrep.gov.co> Colombia. Departamento Administrativo Nacional de Estadística [online] disponible en la red <http://www.dane.gov.co> Colombia. Banco Central de Chile [online] disponible en la red <http.bcentral.cl> Chile Instituto Nacional de Estadística y Geografía de México INEGI [online] disponible en la red <http://www.inegi.gob.mx> México. Instituto Nacional de Estadística e Informática [online] disponible en la red <http://www.inei.gob.pe> Perú. Comisión Económica para América Latina CEPAL [online] disponible en la red <http:// www.eclac.org> 82 LISTA DE GRÁFICOS Gráfico 1: Oferta mundial del petróleo correspondiente al primer trimestre de 2008 Gráfico 2: Reservas de petróleo crudo Gráfico 3: Demanda mundial del petróleo correspondiente al primer trimestre de 2008 Gráfico 4: Consumo global de Petróleo per cápita Gráfico 5: Participación del sector petrolero en el PIB de Colombia, por trimestres Gráfico 6: Participación del sector petrolero en el PIB de Colombia, por años Gráfico 7: Participación del sector petrolero en la Inversión Extranjera Directa de Colombia, por trimestres Gráfico 8: Participación del sector petrolero en la Inversión Extranjera Directa de Colombia, por años Gráfico 9: Inversión Extranjera Directa en sector petrolero de Colombia, por trimestres Gráfico 10: Inversión Extranjera Directa en sector petrolero de Colombia, por años Gráfico 11: Porcentaje de importación de crudo respecto al PIB Gráfico 12: Variación en las importaciones de crudo (en millones de dólares) Gráfico 13: Porcentaje de exportaciones de crudo respecto al PIB Gráfico 14: Exportaciones de crudo (en millones de dólares) Gráfico 15: Inversión extranjera directa en Minería y Extracción (sector petrolero incluido -en millones de dólares) Gráfico 16: Inversión extranjera directa en Minería y Extracción como porcentaje del PIB (sector petrolero incluido) Gráfico 17: Exportaciones de petróleo (en millones de dólares) Gráfico 18: Exportaciones de crudo respecto al PIB Gráfico 19: Inversión Extranjera Directa en el sector petrolero (millones de dólares) Gráfico 20: Inversión Extranjera Directa en el sector petrolero respecto al PIB 83 Gráfico 21: Prima de riesgo para América Latina Gráfico 22: Participación de las exportaciones de petróleos crudos y derivados del petróleo en el total de exportaciones. Gráfico 23: Corrientes de IED en la exploración y producción de hidrocarburos – países para los cuales se tienen datos (en millones de dólares). Gráfico 24: Productos derivados del petróleo + Petróleos crudos / Exportaciones al mundo Gráfico 25: Gráfico de Dispersión Peso Colombiano y WTI (precios) Gráfico 26: Gráfico de Dispersión Peso Mexicano y WTI (precios) Gráfico 27: Gráfico de Dispersión Sol Peruano y WTI (precios) Gráfico 28: Gráfica estimación recursiva COP y WTI (precios) Gráfico 29: Gráfica estimación recursiva MXN y WTI (precios) Gráfico 30: Gráfica estimación recursiva PEN y WTI (precios) Gráfico 31: Gráfico de Dispersión Peso Colombiano y WTI (rendimientos logarítmicos) Gráfico 32: Gráfico de Dispersión Peso Mexicano y WTI (rendimientos logarítmicos) Gráfico 33: Gráfico de Dispersión Sol Peruano y WTI (rendimientos logarítmicos) Gráfico 34: Gráfico de comportamiento de los residuos y estabilidad del modelo Peso Colombiano y WTI (rendimientos logarítmicos) Gráfico 35 : Gráfico de comportamiento de los residuos y estabilidad del modelo Peso Mexicano y WTI (rendimientos logarítmicos) Gráfico 36: Gráfico de comportamiento de los residuos y estabilidad del modelo Sol Peruano y WTI (rendimientos logarítmicos) Gráfico 37: Gráfico de la estabilidad de los coeficientes del modelo Peso Colombiano y WTI (rendimientos logarítmicos) Gráfico 38: Gráfico de la estabilidad de los coeficientes del modelo Peso Mexicano y WTI (rendimientos logarítmicos) Gráfico 39: Gráfico de la estabilidad de los coeficientes del modelo Sol Peruano y WTI (rendimientos logarítmicos) 84 Gráfico 40: Gráfico de normalidad de las perturbaciones del modelo Peso Colombiano y WTI (rendimientos logarítmicos) Gráfico 41: Gráfico de normalidad de las perturbaciones del modelo Peso Mexicano y WTI (rendimientos logarítmicos) Gráfico 42: Gráfico de normalidad de las perturbaciones del modelo Sol Peruano y WTI (rendimientos logarítmicos) Gráfico 43: Gráfico de dispersión entre peso argentino y WTI (precios). Gráfico 44: Gráfico de dispersión entre real brasilero y WTI (precios). Gráfico 45: Gráfico de dispersión entre peso chileno y WTI (precios) Gráfico 46: Gráfico de estimación recursiva ARS y WTI (precios). Gráfico 47: Gráfico de estimación recursiva BRL y WTI (precios) Gráfico 48: Gráfico de estimación recursiva CLP y WTI (precios) Gráfico 49: Gráfico de dispersión Peso Argentino y WTI (rendimientos logarítmicos) Gráfico 50: Gráfica de dispersión Real Brasilero y WTI (rendimientos logarítmicos) Gráfico 51: Gráfico de dispersión Peso Chileno y WTI (rendimientos logarítmicos) Gráfico 52: Gráfico de comportamiento de los residuos y estabilidad del modelo Peso argentino y WTI (rendimientos logarítmicos) Gráfico 53: Gráfico de comportamiento de los residuos y estabilidad del modelo Real Brasilero y WTI (rendimientos logarítmicos) Gráfico 54: Gráfico de comportamiento de los residuos y estabilidad del modelo Peso chileno y WTI (rendimientos logarítmicos) Gráfico 55: Gráfico de la estabilidad de los coeficientes del modelo Peso Argentino y WTI (rendimientos logarítmicos) Gráfico 56: Gráfico de la estabilidad de los coeficientes del modelo Real Brasilero y WTI (rendimientos logarítmicos) Gráfico 57: Gráfico de la estabilidad de los coeficientes del modelo Peso Chileno y WTI (rendimientos logarítmicos) Gráfico 58: Gráfico de normalidad de las perturbaciones del modelo Peso Argentino y WTI (rendimientos logarítmicos) Gráfico 59: Gráfico de normalidad de las perturbaciones del modelo Real Brasilero y WTI (rendimientos logarítmicos) 85 Gráfico 60: Gráfico de normalidad de las perturbaciones del modelo Peso Chileno y WTI (rendimientos logarítmicos) 86 LISTA DE FIGURAS Figura 1: El flujo del petróleo Figura 2: Perforación de un yacimiento de petróleo Figura 3: El primar paso en la refinación del petróleo crudo Figura 4: Oferta de Petróleo crudo, LGN, insumos de refinería, aditivos y otros hidrocarburos. 87 LISTA DE FIGURAS Tabla 1: Monedas de Colombia, México y Perú y su curtosis Tabla 2: Monedas de Brasil, Chile y Argentina con su curtosis Tabla 3: Cálculos del estadístico h de Durbin para monedas de Colombia, México y Perú Tabla 4: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el peso colombiano Tabla 5: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el peso mexicano Tabla 6: Cálculos del estadístico h de Durbin para las monedas de Argentina, Brasil y Chile Tabla 7: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el peso argentino Tabla 8: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el real brasilero Tabla 9: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para el peso chileno Tabla 10: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del peso colombiano Tabla 11: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del peso mexicano Tabla 12: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del nuevo sol peruano Tabla 13: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del peso argentino Tabla 14: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del real brasilero Tabla 15: Cálculo de la longitud del retardo empleando los criterios de Akaike y Schwarz para la serie de rendimientos del peso chileno Tabla 16: Valores obtenidos en la prueba de raíz unitaria para Colombia, México y Perú Tabla 17: Valores obtenidos en la prueba de raíz unitaria para Colombia, México y Perú Tabla 18: Valores obtenidos en la prueba de Argmented Dickey Fuller para Colombia, México y Perú Tabla 19: Valores obtenidos en la prueba de Argmented Dickey Fuller para Argentina, Brasil y Chile Tabla 20: Matriz de correlaciones Rendimientos logarítmicos COP MXN PEN Tabla 21: Matriz de correlaciones Rendimientos logarítmicos ARS BRL CLP 88