Efectos de las intervenciones del Banco Central en el mercado
Anuncio
Efectos de las intervenciones del Banco Central en el mercado cambiario ”Walras” Resumen La salida de la convertibilidad trajo consigo el regreso de la incertidumbre cambiaria. Para contrarrestar la volatilidad del tipo de cambio el Banco Central de la República Argentina comenzó a intervenir activamente el mercado cambiario con regulaciones y operaciones destinadas a estabilizar el tipo de cambio. Para medir los efectos de las políticas oficiales recurriremos realizaremos un análisis estadístico de la evolución del mercado cambiario y utilizaremos modelos econométricos (modelos GARCH) y financieros (modelos de volatilidad implícita) para medir los efectos de dichas políticas sobre la volatilidad cambiaria. Estas operaciones no sólo lograron su propósito primario, sino que también permitieron anclar las expectativas de los agentes, estabilizar el tipo de cambio y limitar la inflación. ~ 1 ~ Introducción. Con la salida de la Convertibilidad a principios de 2002 y el abandono del tipo de cambio fijo, el Banco Central de la República Argentina recuperó la capacidad de ejercer políticas monetarias y cambiarias activas. Al dejar de lado el 1 a 1 retornaron los viejos fantasmas de la hiperinflación y la incertidumbre, algo que se volvió evidente en el mercado cambiario. El mercado descontaba que se produciría un overshooting del tipo de cambio y los medios parecían alentar estas expectativas, con pronósticos descabellados que llegaron a predecir un dólar en el orden de los 12 pesos. El mercado cambiario se disparó y los futuros lo hicieron aún más. La especulación y el pánico se habían apoderado del mercado debido a la pérdida del anclaje nominal (y legal) del tipo de cambio. Las primeras medidas de controles de capitales y congelamiento de activos financieros limitaron las operaciones del mercado, pero no lograron cambiar sus expectativas. Para ello el Banco Central comenzó a participar activamente en la compra y venta de divisas en el mercado local para evitar movimientos bruscos del tipo de cambio y poder anclar las expectativas de los agentes al controlar el precio del dólar, tal como se hubiera hecho en los 90s al congelar el tipo de cambio por medio de una ley. Estos controles no sólo estuvieron destinados a prevenir crisis financieras que pudieran afectar a la ya debilitada economía Argentina, sino que también constituyen una parte integral del programa económico (basado en un tipo de cambio alto que permita tener un saldo comercial favorable) y un importante complemento de la lucha contra la inflación. - ¿Por qué Intervenir? La volatilidad del tipo de cambio tiene un gran número de efectos económico-financieros nocivos que motivan las intervenciones del Banco Central en el mercado cambiario. El tipo de cambio entre la moneda local y la moneda extranjera es uno de los principales precios de la economía, por lo que su volatilidad agrega un componente de riesgo a todos los aspectos de la vida económica. Cómo señala ~ 2 ~ David Archer (en BIS 2005), la mayoría de los participantes en el mercado de cambios actúan cómo tomadores de precios, por lo que sus beneficios se verán afectados por la volatilidad cambiaria. La incertidumbre respecto al tipo de cambio puede reducir las inversiones (particularmente las extranjeras) debido a que le agrega un componente más de riesgo a las mismas (particularmente si se miden los beneficios en moneda extranjera), creando desincentivos para que las mismas se realicen. El comercio internacional también se ve afectado debido a que el riesgo de tipo de cambio impacta directamente sobre sus beneficios esperados, los cuales deben adecuares al mayor componente de riesgo, por lo que el comercio se reduce (afectando tanto a exportadores cómo a importadores) cómo demuestra Dixit (1989) en su modelo de histeresis. Los efectos sobre los mercados financieros, son análogos, pudiendo resultar en un aumento de la especulación y en una caída de la inversión que podrían llegar a desembocar en crisis que afecten al sector real de la economía. En el caso de un país como la Argentina, con un gran número de pasivos dolarizados y activos en moneda local, este efecto puede ser muy importante. Un último motivo para intervenir cobra gran relevancia hoy en día: la inflación. Cómo ya mencionamos, la volatilidad del tipo de cambio lleva a mayores precios de los bienes y servicios importados (para compensar por la incertidumbre respecto del tipo de cambio). Si estos bienes son utilizados cómo insumos de alguna producción nacional (bienes intermedios), también provocarán aumentos en los bienes y servicios de producción local. Así vemos que no es sólo la devaluación la que produce inflación (por el pass-through –o traslado a precios- de tipo de cambio a precios), sino también la incertidumbre respecto al tipo de cambio futuro (producto de su volatilidad). Todos estos motivos incitan a que la autoridad monetaria tome medidas para reducir la volatilidad del tipo de cambio. En este caso analizaremos la intervención directa de la autoridad monetaria en el mercado cambiario. Cabe notar que este hecho no es un invento Argentino ni algo confinado a las volátiles economías en desarrollo. El conjunto de países que interviene ~ 3 ~ activamente en sus mercados de divisas es muy diverso e incluye a países cómo Japón, Australia, Turquía, México, República Checa y Singapur. - Causas de la volatilidad. El tipo de cambio de cambio se ve afectado por un gran número de factores externos e internos. Si tomamos en cuenta que el tipo de cambio se ve afectado por un gran número de fundamentals macroeconómicos (podemos decir que el primero es función de los segundos), si estos últimos son volátiles ello se reflejará en el comportamiento del tipo de cambio. Si por ejemplo, debido a un cambio en la política monetaria cambiara la oferta de dinero, el tipo de cambio seguramente se vería afectado. Por su parte, las expectativas tienen un efecto muy importante en los movimientos del tipo de cambio en el corto plazo. Estos efectos pueden ser mucho más fuertes en caso de incertidumbre por falta de información (o al menos de información creíble), particularmente cuando hay incertidumbre respecto al curso futuro de las políticas económicas. Así la incertidumbre y los cambios de políticas pueden provocar aumentos en la volatilidad del tipo de cambio. En este aspecto, la confianza en las instituciones cobra preponderancia. Si las instituciones no son fiables, entonces los agentes económicos estimarán una mayor pérdida y una mayor volatilidad debido a que no dan por sentado que cumplan con sus labores (al menos eficientemente) y tampoco pueden predecir su accionar futuro o contingente. Estos factores causantes de volatilidad pueden derivar en movimientos muy bruscos del tipo de cambio, particularmente si se producen efectos de manada (ante falta de información) y profecías auto cumplidas (yendo en contra de lo que reflejan los fundamentals), como hemos aprendido de los modelos de ataques especulativos que abundan en la literatura de macroeconomía de economía abiertas. Si bien estos modelos no hacen referencia directa al problema de la intervención oficial en el mercado cambiario, ellos pueden ser fácilmente adaptados para considerar los efectos de dichas políticas y el comportamiento de los agentes (en Agénor, Bhandari y ~ 4 ~ Flood, 1992, podemos encontrar una revisión de la literatura de dichos modelos). - Efectos de las intervenciones oficiales en el mercado cambiario. Los efectos de las intervenciones dependerán de cómo afecten a las causas antes mencionadas. Si las intervenciones son esterilizadas, éstas no debería tener a priori efectos directos sobre la economía; se dice que el canal monetario de transmisión está cerrado: la oferta monetaria no varía y, ceteris paribus, las tasas de interés y el nivel de actividad no han de cambiar. Sin embargo, aún siendo las intervenciones esterilizadas, éstas pueden tener efectos reales actuando a través del canal de las expectativas. Al intervenir, el Banco Central no sólo afecta el tipo de cambio vigente (tipo de cambio spot), sino que también envía señales al mercado que influencian las expectativas de los agentes, particularmente al moldear las expectativas respecto al futuro de las políticas monetarias (Sarno y Taylor, 2001). Cómo hemos aprendido de los modelos de flotación cambiaria por bandas (fijas o móviles), los agentes dan por sentado que ante desvíos del tipo de cambio de su nivel objetivo la autoridad monetaria intervendrá en el mercado cambiario para devolver la divisa extranjera a su precio objetivo (sea o no un nivel de equilibrio), por lo que, salvo corridas (sell-offs) u otras situaciones puntuales, el Banco Central no debería necesitar intervenir en el mercado puesto que los agentes actúan “cómo si fuera a hacerlo”, ajustando sus posiciones de manera acorde. En caso fuertes movimientos del tipo de cambio (con grandes volúmenes operados), el Banco Central intervendrá fuertemente el mercado, eliminando la inercia de las operaciones y restableciendo el tipo de cambio a su nivel deseado. Esta influencia indirecta del Banco Central se debe a que este introduce fallas en el mercado al incrementar el moral hazard (riesgo moral) y la selección adversa que modifican los mecanismos de valoración (pricing) de la divisa por parte de los agentes . Teniendo un historial de fuertes (y frecuentes) intervenciones oficiales en el mercado cambiario, los individuos pasarán a considerar que el tipo de cambio no puede permanecer demasiado tiempo ~ 5 ~ fuera de su nivel objetivo, de lo contrario el Banco Central intervendrá, por lo que esperarán una menor volatilidad futura y un tipo de cambio esperado más certero, más allá de lo que digan los fundamentals y otro tipo de información disponible (incluyendo rumores). Sin embargo, cómo señala Domínguez (1998), dichas intervenciones sólo reducen la volatilidad si los agentes económicos creen que están dirigidas a tal fin. Es por ello que es necesario que las instituciones sean confiables y sus políticas creíbles. En el modelo de Dominguez el tipo de cambio es modelado a través de un proceso forward looking que incorpora de manera eficiente un conjunto de información pública: ∞ st = (1 − δ ) ∑ δ κ Et ( zt +κ Ωt ) (1) κ =0 siendo st el logaritmo del tipo de cambio corriente, δ un factor de descuento, zt un vector de variables exógenas y Ωt el conjunto de información pública disponible en el momento t. Si las intervenciones oficiales en el mercado cambiario ( I t ) proveen al mercado de información relevante, éstas amplían el conjunto de información ( Ωt < Ωt + I t ) influenciando el tipo de cambio spot (el tipo de cambio vigente en el momento t). Si, por ejemplo, el Banco Central interviene reforzando las señales en el mercado cambiario de una futura política monetaria contractiva, la moneda doméstica se apreciará: ∞ ∞ κ =0 κ =0 st = (1 − δ ) ∑ δ κ Et ( zt +κ Ωt ) > (1 − δ ) ∑ δ κ Et ( zt +κ Ωt + I t ) (2) donde I t representa las compras oficiales de activos domésticos. El modelo de comportamiento del tipo de cambio descrito en la ecuación (1) supone explícitamente que los tipos de cambio incorporan de manera eficiente la información disponible y que las expectativas de mercado son racionales. Por su parte, el modelo de señales de mercado e intervenciones descrito por la ecuación (2) supone implícitamente que las señales provistas por las intervenciones son completamente creíbles y no ambiguas. ~ 6 ~ Tabla 1: Efectos de las intervenciones oficiales en el mercado cambiario Eficiencia del mercado cambiario st eficiente st ineficiente Intervención destinada a apreciar o depreciar el tipo de cambio Creíble ΔTC I < 0 ó >0 ΔTC I < 0 , >0 ó =0 y no ambigua ΔVar (TC ) I = 0 ΔVar (TC ) I > 0 No creíble ΔTC I > 0 ; <0 ó =0 ΔTC I > 0 , <0 ó =0 y/o ambigua ΔVar (TC ) I > 0 ΔVar (TC ) I > 0 Intervención destinada a reducir la volatilidad del tipo de cambio Creíble ΔTC I = 0 ΔTC I < 0 , >0 y no ambigua ΔVar (TC ) I < 0 ΔVar (TC ) I > 0 No creíble ΔTC I > 0 ; <0 ó =0 ΔTC I > 0 ó <0 y/o ambigua ΔVar (TC ) I > 0 ΔVar (TC ) I > 0 La Tabla 1 nos muestra los distintos efectos de las intervenciones oficiales en el mercado cambiario en distintos escenarios. Si el mercado cambiario es eficiente y las señales provistas por la intervención son creíbles y no ambiguas, las intervenciones deberían o no tener ninguna influencia sobre la varianza del tipo de cambio o deberían reducir su volatilidad. Las intervenciones del Banco Central sólo reducen dicha volatilidad cuando los agentes creen que esa es la intención del Banco Central (además de los supuestos antes mencionados). De cualquier otra forma, las intervenciones oficiales tenderán a aumentar la volatilidad cambiaria. ~ 7 ~ Los efectos de la intervención del Banco Central también se trasmiten a través del canal de la hoja de balance (portfolio balance channel). Al quitar liquidez del mercado (o introducirla) el Banco Central modifica el tipo de cambio, lo que llevará a los agentes a modificar la composición de sus portafolios (compuestos por activos domésticos y externos, denominados en distintas divisas). La menor volatilidad del tipo de cambio permitirá reducir la prima de riesgo de los activos domésticos, que presentarán un menor diferencial de tasa de interés al tener una menor prima de riesgo (especialmente una menor prima de futuro o forward premium) producto de la menor volatilidad del tipo de cambio. En el caso de intervenciones esterilizadas, la oferta monetaria permanecerá inalterada, pero variará la oferta de bonos de emisión local (y la composición de las carteras de los inversores), por lo que ante un aumento de las compras (ventas) de divisas por parte del Banco Central con un correspondiente aumento (reducción) de la oferta de bonos locales, la tasa de interés deberá subir (caer) para que se equilibre el mercado. Esto se evidencia al ver la drástica caída en las tasas de interés de las deudas emitidas por el Banco Central del República Argentina (de ahora en más BCRA), LEBACs y NOBACs, luego de la crisis de 2001-2002. - La intervención y la lucha contra la inflación Según los esquemas más tradicionales de Inflation Targeting, los países deben liberar su tipo cambio, sin embargo, los mercados emergentes particularmente, no pueden darse el lujo de dejar que su tipo de cambio fluctúe libremente (Mishkin, 2000) puesto que ello puede ser contraproducente en la lucha contra la inflación (como ya hemos explicado). Sin embargo, Domaç y Mendoza (2004) señalan que si las intervenciones son muy frecuentes y muy importantes, se corre el riesgo de que el tipo de cambio se transforme en un ancla nominal (contra los preceptos de los esquemas de inflation targeting) y tome precedencia por sobre la meta inflacionaria. Consideramos que esto último ha sucedido en nuestro país, sin embargo, esto no invalida la lucha contra la inflación. Tal cómo sucedió con el Plan de Convertibilidad de 1991, al fijarse el tipo de cambio se anclaron las expectativas inflacionarias, por lo que es de esperar que la estabilidad del tipo ~ 8 ~ de cambio contribuya a la estabilidad de precios. Esto es lo que sucede en Singapur, donde rige un sistema de flotación cambiaria por bandas no reveladas y donde el objetivo primario de la Autoridad Monetaria de Singapur ha sido “promover la estabilidad de precios como base fuerte para el crecimiento económico sustentable. El tipo de cambio representa una meta intermedia ideal para la política monetaria en el contexto de una economía pequeña y abierta” (Autoridad Monetaria de Singapur, citado en McCallum 2005, traducción propia). Allí la banda cambiaria se ajusta regularmente para mantener la inflación contenida y dicha banda es inclusive ensanchada durante las crisis (para poder sortearlas con menores costos). Si bien en nuestro país no se ha adoptado un esquema de Inflation Targeting o de Metas de Inflación preanunciadas, se está levando una lucha activa contra la inflación (aunque de dudosa efectividad) en la cual el control del tipo de cambio y su volatilidad han cobrado gran preponderancia. - El BCRA en el mercado cambiario. Cómo señala Archer (en BIS 2005) existe un gran número de instrumentos y formas en las que la autoridad monetaria puede intervenir el mercado cambiario para controlar su volatilidad. El más usado (también utilizado por el BCRA) es el de intervenir en el mercado mayorista spot cuando este es más volátil (y más líquido). En esos períodos el efecto de las intervenciones es menor (por la menor participación relativa de las operaciones oficiales), sin embargo es en estos momentos cuando es más necesaria la intervención oficial para anclar las expectativas y para evitar movimientos bruscos del tipo de cambio. Estas acciones son reforzadas por la política de transparencia del central que anuncia ex-post sus acciones por medio de reportes diarios y semanales. Estos están destinados a incrementar la credibilidad y la confianza del público en el BCRA a fin de permitirle conducir una política monetaria (y cambiaria) más efectiva. Si bien se desean anclar las expectativas de los agentes (reflejadas en los precios de las opciones y los futuros) y reducir la volatilidad en el mercado spot, Baillie y Osterberg (1997) encuentran que las intervenciones oficiales se ~ 9 ~ hacen a causa de aumentos en la volatilidad spot (y no en la futura), sin embargo, estas suelen alinearse con lo que sucede en el mercado spot. De hecho hemos observado que la volatilidad en el mercado de futuros (particularmente para plazos más largos) se ha reducido mucho más que la volatilidad en el mercado spot (inclusive podemos encontrar períodos en los que la volatilidad de los precios de los futuros de dólar a 180 días es menor a la volatilidad evidenciada en el mercado spot. Luego de la devaluación de 2002 la histeria pasó a dominar el mercado. El tipo de cambio se disparó y reaparecieron temores por el retorno de la inflación. Para intentar anclar las expectativas del mercado y evitar caer en profecías autocumplidas, el BCRA buscó contener la variable más mirada por los agentes en esos momentos (y aún hoy): el tipo entre cambio el peso argentino y el dólar estadounidense. Así, luego de un overshooting inicial que llevó el tipo de cambio hasta los 3,86 $/U$S en junio de 2002, con los futuros a 180 días cotizando cerca de los 8 $/U$S, el BCRA comenzó a vender divisas agresivamente (llegando operar cerca del 50% del total de operaciones concertadas), todo esto en un marco de fuertes controles sobre los capitales y una unificación del mercado cambiario (en lo que se llamó Mercado Único y libre de cambios –MUL-) que a pesar de ser libre requería el registro de todas las operaciones realizadas para el control de las mismas. Tipo de Cambio ($/U$S) 9 8 7 6 5 4 3 2 1 0 30días 90 días 180 días ~ 10 ~ 07/12/2006 22/08/2006 05/05/2006 17/01/2006 03/10/2005 17/06/2005 02/03/2005 17/11/2004 03/08/2004 16/04/2004 29/12/2003 10/09/2003 23/05/2003 03/02/2003 10/10/2002 26/06/2002 Spot Esto sucedió hasta enero de 2003, cuando las reservas del BCRA alcanzaron su mínimo (8250 millones de U$S). Afortunadamente el tipo de cambio pareció estabilizarse y retornó a las inmediaciones de los 3 $/U$S. Por esa época cambió también la naturaleza de las intervenciones del BCRA quien comenzó a comprar divisas para controlar la volatilidad del tipo de cambio y para mantenerlo en un nivel elevado puesto que éste está en la base del programa económico actual. De esta manera las reservas comenzaron a aumentar permitiendo monetizar la economía y hacer frente a potenciales shocks gracias a las mayores reservas. 16-nov-06 18-ago-06 23-may-06 21-feb-06 25-nov-05 31-ago-05 03-jun-05 07-mar-05 10-dic-04 14-sep-04 16-jun-04 17-mar-04 19-dic-03 22-sep-03 25-jun-03 40000 35000 30000 25000 20000 15000 10000 5000 0 25-mar-03 Millones de U$S Reservas Internacionales (Stock) Así las intervenciones pasaron a tener en 2003 un comportamiento errático. Estas fueron durante ese año relativamente pequeñas (alrededor de un 10% del total operado en el mercado) y de naturaleza cambiante. A principios de ese año, se sucedieron compras y ventas oficiales para contener los movimientos del tipo de cambio en ambas direcciones. Sin embargo, para fines de ese año, las operaciones comenzaron a crecer en volumen (acompañando el crecimiento del mercado cambiario) y se concentraron en ventas de divisas, evidenciando la tendencia aún imperante hacia la revaluación que requiere de intervenciones cada vez más frecuentes (el BCRA interviene fuertemente en más de un 90% de los días) y de mayor volumen. ~ 11 ~ Intervenciones del BCRA en el Mercado Cambiario (compras netas) 200 150 100 50 09/01/2007 09/10/2006 09/07/2006 09/04/2006 09/01/2006 09/10/2005 09/07/2005 09/04/2005 09/01/2005 09/10/2004 09/07/2004 09/04/2004 09/01/2004 09/10/2003 09/07/2003 -50 09/04/2003 0 09/01/2003 Millones de $ 250 Sin embargo, pese a esta tendencia, podemos considerar que estas intervenciones han sido exitosas. Las intervenciones no sólo lograron reducir la volatilidad spot del tipo de cambio (como se evidencia en la caída de la varianza del tipo de cambio), sino también lograron anclar las expectativas futuras. Esto se evidencia al ver una menor volatilidad en los precios de los futuros (donde era mayor la volatilidad) y primas de futuro menores (se verifica una convergencia entre los precios spot y futuros) que evidencian como se congelaron las expectativas de devaluación. ~ 12 ~ 12/01/2007 03/11/2006 30/08/2006 27/06/2006 20/04/2006 13/02/2006 09/12/2005 05/10/2005 02/08/2005 30/05/2005 23/03/2005 19/01/2005 11/11/2004 08/09/2004 28/06/2004 21/04/2004 13/02/2004 10/12/2003 01/10/2003 29/07/2003 22/05/2003 80 70 60 50 40 30 20 10 0 13/03/2003 (%) Participación de las operaciones del BCRA sobre el total de operaciones cambiarias Varianzas 30 días 90 días 180 días Spot 2002 0.147472276 0.4249006 1.274948863 0.1628581 2003 0.022521187 0.02854397 0.053906342 0.0217841 2004 0.003170567 0.00442818 0.006219873 0.0024836 2005 0.002520855 0.00328289 0.00397978 2006 0.000382646 0.00051547 0.000657996 0.0003254 0.0019316 Covarianzas Spot-30 días Spot-90 días Spot-180 días 2002 0.128199456 0.08624861 0.132554463 2003 0.021850997 0.02294213 0.030788234 2004 0.002658717 0.00283414 0.003199654 2005 0.002161171 0.002383 0.002592617 2006 0.000307843 0.00030258 0.000177679 La caída de las varianzas nos muestra cómo ha caído la volatilidad del mercado, logrando estabilizar al mismo. Por su parte, al ver las covarianzas entre el tipo de cambio spot y el futuro (especialmente para los plazos mayores), vemos cómo estas han caído (esto se evidencia también al observar una caída en el R2 de las regresiones que vinculan al tipo de cambio spot con los tipos de cambio futuros). Esto se debe no sólo a la actual tendencia a la baja del tipo de cambio, sino particularmente a los efectos de la intervención. El historial de fuertes intervenciones (y el aumento en las reservas internacionales) hace que los individuos piensen que el tipo de cambio no puede permanecer mucho tiempo fuera del nivel objetivo del BCRA (aún si este no es develado y es susceptible de modificaciones). Por ello, aún si la volatilidad spot aumenta, el tipo de cambio que anticipan se mantiene ~ 13 ~ ~ 14 ~ 08/11/2006 21/09/2006 que 06/02/2007 09/11/2006 15/08/2006 08/08/2006 26/06/2006 hazard 22/05/2006 24/02/2006 30/11/2005 06/09/2005 10/05/2006 22/03/2006 moral 13/06/2005 18/03/2005 22/12/2004 07/02/2006 al 27/09/2004 02/07/2004 26/12/2005 10/11/2005 debido 08/04/2004 14/01/2004 16/10/2003 22/07/2003 27/09/2005 12/08/2005 30/06/2005 16/05/2005 01/04/2005 15/02/2005 inalterado 24/04/2003 28/01/2003 30/10/2002 05/08/2002 10/05/2002 12/02/2002 13/11/2001 14/08/2001 21/05/2001 19/02/2001 14/11/2000 relativamente ocasionan 3 2.9 2.8 2 1.5 spot 1 0.5 0 las intervenciones del BCRA. Tipo de Cambio ($/U$S) 3.3 3.2 3.1 30 días 90 días 180 días Spot 2.7 2.6 Desvíos anualizados (ventana móvil de 20 días de operaciones) 3.5 3 2.5 30 días 90 días 180 días 0.16 0.14 0.12 30 días 90 días 180 días 0.1 0.08 0.06 spot 0.04 0.02 20/02/2007 20/01/2007 20/12/2006 20/11/2006 20/10/2006 20/09/2006 20/08/2006 20/07/2006 20/06/2006 20/05/2006 20/04/2006 20/03/2006 20/02/2006 0 Al analizar las regresiones realizadas, vemos que la intervención ha tenido un efecto pequeño pero muy significativo (y con el signo negativo esperado) sobre el tipo de cambio spot. Se evidencia una correlación negativa significativa (-0,1268894) entre las variaciones diarias (o retornos diarios) del tipo de cambio y las intervenciones del BCRA (usando como variable explicativa de las mismas el porcentaje de participación del BCRA sobre el total de operaciones del mercado cambiario teniendo en cuenta el signo de la intervención –positivo para compras y negativo para ventas-) evidenciando cómo dichas intervenciones lograron reducir la volatilidad del tipo de cambio. Sin embargo, a priori parecen no haber tenido un efecto directo sobre el tipo de cambio futuro, donde el efecto directo es también muy pequeño, pero tiene signo positivo (probablemente por la tendencia al aumento del tipo de cambio). -Midiendo la volatilidad cambiaria. Debido a que las decisiones de intervención son realizadas diariamente (el BCRA interviene conforme a las condiciones que observa en el mercado cambiario y toma la decisión de intervención en dicho momento) resulta difícil utilizar las técnicas econométricas tradicionales para medir la influencia de las intervenciones oficiales sobre el nivel y volatilidad del tipo de cambio. ~ 15 ~ Utilizaremos dos métodos diferentes para medir la volatilidad del tipo de cambio. Por un lado utilizaremos herramientas econométricas de series de tiempo desarrolladas para analizar la volatilidad de series de tiempo de datos de alta intensidad (en nuestro caso utilizamos 7 años –enero de 2001 hasta marzo de 2007- de datos diarios de tipo de cambio). Estos métodos nos brindarán una medida ex-post de la volatilidad (condicional) diaria. Al igual que Hsieh (1988) hemos encontrado evidencia muy fuerte de leptocurtosis incondicional en la distribución de los retornos diarios del tipo de cambio, lo que sugiere la presencia de agrupamiento (clustering) temporal de la varianza de los tipos de cambio (grandes movimientos suelen ser sucedidos por grande movimientos y pequeños movimientos por pequeños movimientos) (Ver Anexo II). Diebold y Nerlove (1989) encuentran evidencia fuerte de heteroscedasticidad autorregresiva condicional en los errores de predicción de un período hacia delante de los tipos de cambio diarios.1 Ellos concluyen que los ruidos en las series de tiempo de tipo de cambio no tienen correlación (por lo que no se viola la teoría de los mercados eficientes) pero no son estocásticamente independientes. Para ellos la información que se agrega al mercado (en nuestro caso las intervenciones del BCRA) explicaría la dependencia lineal no serial de los tipos de cambio diarios. Cuando las señales no son claras deberíamos esperar una mayor volatilidad en el mercado (en concordancia con el modelo de Dominguez antes desarrollado). Estos estudios justifican el uso de modelos GARCH para predecir (y explicar) la varianza diaria de los tipos de cambio. Las opciones sobre futuros de tipo de cambio contienen una gran cantidad de información. Si los precios de las opciones son determinados eficientemente (algo que suponemos que sucede2), la volatilidad implícita en el 1 En nuestro trabajo utilizaremos el modelo generalizado por Bollerslev (1986) para permitir que la varianza condicional de los errores de predicción del tipo de cambio diario dependa de la varianzas condicionales rezagadas y de las varianzas muestrales pasadas. 2 Esto se debe por un lado al gran aumento en el uso de dichos derivados financieros y por otro a la naturaleza de los tests realizados. Cómo señala Dominguez (1998), al testear la eficiencia de las intervenciones oficiales se testea simultáneamente la eficiencia de dichas operaciones y la eficiencia del mercado. Cómo todos los tests realizados dieron los resultados esperados, podemos concluir que las operaciones de intervención han tenido los efectos deseados sobre el mercado y que dicho mercado es eficiente. ~ 16 ~ precio de las opciones es un estimador insesgado de la volatilidad futura predicha por el mercado. Utilizando los modelos GARCH estaremos midiendo la volatilidad que el mercado descontó en el período inmediatamente anterior, mientras que por medio de la volatilidad implícita en los precios de las opciones medimos la volatilidad que los agentes esperan que el mercado tenga en el futuro y para períodos más largos según el plazo residual de vida de las opciones utilizadas en su cálculo (en nuestro caso utilizamos opciones –calls únicamente- con un promedio de 30 días de vida residual). -GARCH La familia de modelos de heteroscedasticidad autorregresiva condicional (ARCH) introducidos por Engle y generalizados por Bollerslev cómo modelos GARCH (Bollerslev 1986) fueron específicamente desarrollados para modelar y predecir varianzas. La varianza de la variable dependiente (el retorno o variación del tipo de cambio en nuestro caso) es modelada cómo una función de los valores pasados de la variable dependiente y de variables exógenas (en nuestro caso de la intervención oficial en el mercado cambiario). En este trabajo utilizaremos un modelo GARCH (1,1) con la siguiente especificación: ⎧⎪ rt = φ1 + φ2 I t + ε t ⎨ 2 ⎪⎩ ht = c1 + c2ε t −1 + c3 ht −1 La primer ecuación (la ecuación de media condicional) es una regresión lineal simple en la que el retorno del tipo de cambio (su variación) es una función de 2 variables exógenas (una constante φ1 y la intervención oficial en el mercado cambiario) más un término de error ε t . Cómo medida de la intervención oficial tomaremos la participación del Banco Central en el mercado cambiario (el cociente entre las operaciones de intervención de la autoridad ~ 17 ~ monetario y el total de operaciones registradas en el SIOPEL3) tomando en cuenta el signo de dichas operaciones (al trabajar con compras netas las compras serán positivas y las ventas negativas). La segunda ecuación modela la varianza condicional ht cómo una función de 3 términos: • Una constante c1 • Noticias acerca de la volatilidad del período anterior (también llamadas innovaciones), medidas cómo el residuo rezagado de la primer ecuación elevado al cuadrado ε t2−1 (término ARCH) • La varianza predicha para el período anterior ht −1 (término GARCH) Esta especificación puede implica que un agente predice la varianza de los retornos del tipo de cambio formando un promedio ponderado de: un promedio de largo plazo (la constante), la varianza predicha para el período anterior (el término GARCH) y la información acerca de la volatilidad observada en el período anterior (término ARCH). Si los retornos fueron inesperadamente grandes o pequeños, entonces el agente incrementará la varianza predicha para el período siguiente. Este modelo es consistente con el agrupamiento (clustering) de la volatilidad antes descrito. Antes de modelizar la volatilidad de nuestra de serie retornos de tipo de cambio es necesario realizar una serie de análisis preliminares. Primero podemos observar como la serie a estudiar aparenta ser estacionaria en media (examinando su gráfico abajo reproducido). 3 Sistema de Operaciones Electrónicas (SIOPEL), donde se realizan y registran las operaciones cambiarias mayoristas. ~ 18 ~ Variaciones Diarias del Tipo de Cambio Peso/Dólar 0.04 0.03 Variación 0.02 0.01 0 -0.01 -0.02 -0.03 10/01/2003 19/01/2004 27/01/2005 24/01/2006 26/01/2007 Al graficar la función de autocorrelación simple de los retornos cuadráticos podemos observar una importante correlación y persistencia de los momentos de segundo orden, evidenciando la existencia de correlación en la varianza. La caída lenta de la función de autocorrelación simple de los retornos cuadráticos nos indica que el proceso está muy cerca de ser no estacionario. ACF of the Squared Returns Sample Autocorrelation 0.8 0.6 0.4 0.2 0 -0.2 0 2 4 6 8 10 Lag 12 14 16 18 20 Para estar seguros de que los retornos siguen un proceso del tipo GARCH realizamos el test ARCH de Engle (reproducido en el Anexo II). Al 95% de confianza, y testeando hasta 10, 15 y 20 rezagos, rechazamos la hipótesis nula de que la serie es una secuencia aleatoria de perturbaciones gaussianas (no existirían efectos ARCH). Este test muestra evidencia significativa de efectos GARCH (heteroscedasticidad). ~ 19 ~ Innovations Innovation 0.05 0 Standard Deviation -0.05 0 100 200 300 400 500 600 700 800 900 1000 Conditional Standard Deviations 0.03 0.02 0.01 0 0 100 200 300 400 500 600 700 800 900 1000 600 700 800 900 1000 Returns Return 0.05 0 -0.05 0 100 200 300 400 500 Mean: ARMAX(0,0,0); Variance: GARCH(1,1) Conditional Probability Distribution: Gaussian Number of Model Parameters Estimated: 4 Standard Parameter Value Error -------------------------------C -1.025e-006 6.349e-005 K 2e-007 4.5651e-008 GARCH(1) 0.72662 0.019456 ARCH(1) 0.27338 0.027881 T Statistic -----------0.0161 4.3810 37.3468 9.8051 Log Likelihood Value: 4519.47 ⎧⎪rt = −0, 000001025 + ε t ⎨ 2 ⎪⎩ht = 0, 0000002 + 0, 72662 ⋅ ε t −1 + 0, 27338ht −1 Al ajustar los retornos del tipo de cambio a un modelo GARCH simple (que incorpora sólo la evolución del tipo de cambio en su modelización), podemos observar cómo ha caído la volatilidad condicional del tipo de cambio (en el gráfico titulado Conditional Standard Deviations de esta página) con el pasar del tiempo conforme se han acentuado los efectos de las intervenciones oficiales en el mercado cambiario (al reforzarse la credibilidad en el compromiso de la autoridad monetaria con sus metas cambiarias). A su vez ~ 20 ~ dicho proceso es estacionario ( GARCH(1) + ARCH(1) = 0,72662 + 0,27338 = 1). Además las innovaciones estandarizadas se muestran estables y sin correlaciones (significativas) (ver Anexo II). A su vez, los tests de ARCH y Q realizados sobre el modelo GARCH estimado confirman su poder explicativo, mostrando evidencia fuerte de la existencia de un proceso de tipo ARCH en la modelización de la volatilidad del tipo de cambio (se acepta la hipótesis nula, por lo que ya no quedan efectos ARCH por modelar, el modelo describe el comportamiento de la varianza). Al incluir los efectos de las intervenciones (I) sobre los retornos del tipo de cambio, podemos ver cómo estas han tenido el objetivo deseado de reducir su volatilidad, cómo se evidencia al ver la pendiente casi plana de la regresión. R vs. I .04 .03 .02 R .01 .00 -.01 -.02 -.03 -.4 -.2 .0 .2 I ~ 21 ~ .4 .6 .8 Dependent Variable: R Method: Least Squares Date: 10/01/07 Time: 00:19 Sample: 1 999 Included observations: 999 Variable Coefficient Std. Error t-Statistic Prob. I C -0.003688 0.000869 0.000869 0.000266 -4.245947 3.268351 0.0000 0.0011 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.017761 0.016776 0.004838 0.023336 3909.407 1.442491 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) -5.40E-05 0.004879 -7.822637 -7.812814 18.02806 0.000024 Luego procedemos a estimar el modelo planteado originalmente que contiene los efectos GARCH, ARCH y los efectos de las intervenciones oficiales. Dependent Variable: R Method: ML - ARCH (Marquardt) - Generalized error distribution (GED) Date: 09/21/07 Time: 15:26 Sample: 1 999 Included observations: 999 Convergence achieved after 31 iterations Variance backcast: ON GARCH = C(1) + C(2)*RESID(-1)^2 + C(3)*GARCH(-1) Coefficient Std. Error z-Statistic Prob. Variance Equation C RESID(-1)^2 GARCH(-1) 0.002604 0.154664 0.802756 0.000350 0.014259 0.013942 7.445139 10.84663 57.57691 0.0000 0.0000 0.0000 GED PARAMETER 3.883358 0.267031 14.54273 0.0000 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood -2.196474 -2.206112 0.306683 93.58408 -69.16231 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat ~ 22 ~ 0.253715 0.171277 0.146471 0.166118 0.318416 En el modelo GARCH(1,1) modificado4 cuya estimación arriba reproducimos podemos apreciar una persistencia de la volatilidad significativamente menor (medida por el estimador del parámetro ARCH), a la vez que los errores de predicción de la varianza se reducen significativamente (medida por el estimador del parámetro GARCH, el cual es mayor puesto que mejora la predicción de la volatilidad). Estos hechos son reflejados al analizar la distribución de los errores ε t . En este caso, en lugar de asumirlos normalmente distribuidos, utilizamos una distribución generalizada de errores (GED), de la cual la distribución normal es un caso particular. En este caso el parámetro que mide las colas de la distribución ( Γ ) es de 3,88, significativamente mayor a 2, lo que evidencia que los errores tienen una distribución con colas mucho más finas que aquellas correspondientes a una distribución normal. Esto implica que hay un menor número de valores extremos en los errores de predicción de los retornos del tipo de cambio, evidenciando una vez más como las intervenciones oficiales han tenido el efecto deseado de reducir la incertidumbre (el anclaje de expectativas antes mencionado) y reducir la volatilidad del tipo de cambio. -Volatilidad Implícita Las opciones contienen una gran cantidad de información no sólo acerca de las condiciones actuales del mercado, sino también acerca de las expectativas de los agentes respecto del futuro. De hecho se han desarrollado numerosos métodos estadísticos para extraer la información contenida en los derivados financieros (ver Mellick y Thomas 1997). Al utilizar el modelo de Black-Scholes (ver Anexo III) para calcular el precio de una opción, podemos utilizar como medida de volatilidad la volatilidad histórica, sin embargo, al hacer esto observaremos que los precios de las opciones efectivamente transadas en el mercado pueden diferir sustancialmente de su valor teórico (calculado utilizando el modelo de Black- 4 ⎧⎪rt = 0, 000869 − 0, 003688 ⋅ I t + ε t ⎨ 2 ⎪⎩ht = 0, 002604 + 0,154664 ⋅ ε t −1 + 0,802756 ⋅ ht −1 ~ 23 ~ Scholes). Esto no se debe particularmente a una falla del modelo sino a la naturaleza de la volatilidad. Las opciones sobre futuros se encuadran en un marco de incertidumbre y por ello sus precios recogen las expectativas del mercado respecto al futuro. La volatilidad dista mucho de ser constante, por lo que no podemos asumir que se mantendrá invariante, particularmente ante cambios en el entorno económico5. Al observar los precios que las opciones efectivamente toman en el mercado, podemos utilizar las fórmulas de Black y Scholes para estimar la volatilidad implícita, aquella que los agentes consideran que será a volatilidad del subyacente durante el período de vida de la opción. La volatilidad implícita es de gran utilidad para los analistas, sin embargo, es imposible calcularla directamente por medio del álgebra, por lo que es necesario recurrir a métodos numéricos (iterativos), siendo el método de Newton-Raphson el más utilizado para estas aplicaciones. Así podremos encontrar el valor de volatilidad (implícita) que haga que el precio de la opción según el modelo de Black-Scholes se equipare con el precio observado en el mercado. Sin embargo, el uso de métodos numéricos cómo el de Newton-Raphson trae serias complicaciones que dificultan su aplicación en este caso particular. Para empezar se requiere un elevado poder computacional para realizar un muy elevado número de cálculos (que deberán ser realizados para cada punto de nuestra serie de tiempo, la cual luego del procesamiento y filtrado de los datos contiene 618 datos diarios para el período que va desde febrero de 2004 hasta marzo de 2007). Otro problema es que dicho método es sensible a las condiciones iniciales (en nuestro caso, el valor de volatilidad asumido a partir del cual comenzamos la iteración para hallar el valor real de la volatilidad implícita). Además, la función implícita (la función de diferencia entre el precio teórico obtenido por medio de las fórmulas de Black-Scholes y el efectivamente observado) parece no ser monótona y tener más de una raíz6, por lo que 5 En el corto plazo, en el caso de las opciones sobre divisas, son muy importantes los efectos de las intervenciones oficiales en el mercado cambiario. 6 Es por ello que cuando se utiliza el método de Newton-Raphson se suelen tomar sólo aquellas opciones cuyo precio de ejercicio no es muy alejado del precio actual del subyacente. En nuestro caso esto involucraría descartar demasiados datos, por lo que optamos por utilizar otro método. ~ 24 ~ obtenemos resultados distintos según cual sea el valor inicial del cual parta la iteración.7 Debido a estos problemas encontrados con los métodos numéricos decidimos recurrir a un cálculo más directo utilizando la aproximación desarrollada por Corrado y Miller y a la que llamaron fórmula cuadrática mejorada: 2π σ T = S+X 2 2 ⎡ S−X S − X ⎞ (S − X ) ⎛ ⎢ ⋅ V− + ⎜V − ⎟ − 2 2 ⎠ π ⎢ ⎝ ⎣ ⎤ ⎥ ⎥ ⎦ − rT Donde X = Ke es el precio de ejercicio descontado8, V el precio de la opción, K el precio de ejercicio y π = 3,14159... es una constante. En nuestro análisis hemos utilizado datos de calls transados desde febrero de 2004 (primer dato disponible, fuente: Rofex) hasta marzo de 2007 con una vida residual promedio de 32 días.9 Utilizando la fórmula cuadrática mejorada de Corrado y Miller calculamos la volatilidad implícita para el período de vida residual de la opción y anualizamos dicha volatilidad (dividiéndola por la raíz cuadrada de la vida residual expresada en años). 7 De hecho, algunos valores de volatilidad implícita calculados con dicho método son claramente inverosímiles dadas las condiciones del mercado, llegando a obtener volatilidades de hasta un 2000% anual para un horizonte menor a los 30 días en períodos de relativa calma en los mercados financieros locales. 8 Utilizamos como tasa de interés a la Tasa Badlar de 30 días (fuente: BCRA) a la cual transformamos en tasa efectiva del período de vida residual de la opción. 9 Las opciones transadas en el Rofex se designan según su mes de vencimiento y vencen el tercer jueves de dicho mes (se trata de opciones americanas). ~ 25 ~ Volatilidades históricas (varianzas de los mercados spot y de futuros)10 e implícitas anualizadas 0.35 0.3 0.25 Vol implícita anualizada 30 días 90 días 0.2 180 días spot 0.15 0.1 0.05 22/12/2006 25/10/2006 18/07/2006 10/05/2006 03/03/2006 11/01/2006 30/11/2005 21/10/2005 08/09/2005 29/07/2005 22/06/2005 10/05/2005 01/04/2005 18/02/2005 07/01/2005 26/11/2004 14/10/2004 02/09/2004 23/07/2004 14/06/2004 05/05/2004 23/03/2004 Fecha 0 Volatilidades histórica (varianza del mercado spot) e implícita anualizada y tendencias (lineales) 0.18 0.16 0.14 0.12 Vol implícita anualizada 0.1 spot Lineal (Vol implícita anualizada) 0.08 Lineal (spot) 0.06 0.04 0.02 22/12/2006 25/10/2006 18/07/2006 10/05/2006 03/03/2006 11/01/2006 30/11/2005 21/10/2005 08/09/2005 29/07/2005 22/06/2005 10/05/2005 01/04/2005 18/02/2005 07/01/2005 26/11/2004 14/10/2004 02/09/2004 23/07/2004 14/06/2004 05/05/2004 23/03/2004 Fecha 0 Como podemos observar, la volatilidad implícita no sólo ha caído más que la volatilidad de los mercados spot y de futuros, sino que ha llegado a 10 En todos los casos, las volatilidades históricas son calculadas en base a una ventana móvil de 22 días de operaciones (aproximadamente un mes de calendario, para coincidir con la vida media de las opciones utilizadas para el cálculo de la volatilidad implícita) y luego anualizadas para permitir su comparación. ~ 26 ~ situarse por debajo de la volatilidad del mercado spot en los 2 últimos años (donde esto se verifica consistentemente), siendo clara evidencia de cómo la intervención oficial ha tenido los efectos deseados: aún en períodos donde la volatilidad aumentó (en el mercado spot) los agentes asumen que la autoridad monetaria intervendrá, devolviendo la calma al mercado. Esto significa que aún si la volatilidad ha aumentado recientemente, los agentes consideran que la volatilidad futura será menor que la actual debido al accionar del BCRA (aún si este no llega a intervenir). -Conclusiones. Las intervenciones del Banco Central de la República Argentina lograron su objetivo de reducir la volatilidad del tipo de cambio y anclar las expectativas del mercado, reduciendo los efectos nocivos de estas sobre la economía real. Estas operaciones oficiales lograron reducir la volatilidad del tipo de cambio spot y hacer más predecible su tipo de cambio futuro (cómo se evidencia en la mayor estabilidad de los precios de los futuros de tipo de cambio), contribuyendo a la estabilidad del sistema financiero y de la economía de conjunto, y sentando las bases para un programa económico a largo plazo (o al menos para plazos mayores). Tal cómo lo hiciera el Plan de Convertibilidad de 1991, la intervención del Banco Central logró congelar las expectativas del mercado. Al intervenir tan fuerte y tan frecuentemente cómo lo ha hecho (y trasparentando sus operaciones ex-post), el BCRA envía señales al mercado que interpreta que el Banco Central intervendrá indefectiblemente ante variaciones del tipo de cambio. Es por ello que los agentes comienzan a actuar dando por sentado que la intervención se producirá ante trigger events o eventos que desencadenen la intervención oficial o incrementen la misma (corridas, aumentos de la volatilidad del mercado, etc.), por lo que el tipo de cambio no podrá diferir mucho de su nivel objetivo fijado (pero no develado) por el BCRA y percibido por el mercado puesto que, caso contrario, el Banco Central comenzaría a operar fuertemente para reestablecer el tipo de cambio requerido. ~ 27 ~ Un simple análisis estadístico nos devela cómo ha caído la volatilidad cambiaria conforme se acentuó el accionar del Banco Central en el mercado cambiario. Los modelos GARCH realizados nos muestran cómo no sólo ha caído la volatilidad condicional del tipo de cambio, sino también cómo se ha reducido la persistencia de la volatilidad en concordancia con nuestra hipótesis de que las intervenciones del BCRA lograron anclar las expectativas respecto del tipo de cambio, limitando su volatilidad y manteniéndolo cerca de su nivel objetivo fijado (pero no develado) por la autoridad monetaria. La volatilidad implícita en las opciones (calls) sobre futuros de dólar confirma este hecho, resultando aún menor a la volatilidad observada en el mercado spot. Así vemos cómo las intervenciones lograron no sólo reducir la volatilidad cambiaria del mercado spot, en donde interviene el BCRA, sino también en el mercado futuro, donde no opera, puesto que los agentes consideran más predecible el curso de la política económica y dan por descontado que el Banco Central continuará con su política de intervenciones. ~ 28 ~ - Bibliografía • Agénor, Pierre-Richard; Jagdeep, Bhandari; Flood, Robert, 1992, “Speculative Attacks and Models of Balance of Paymentes Crises”, NBER working paper 3919 • Baillie, Richard; Osterberg, William, 1997, “Why do Central Banks Intervene?”, Journal of International Money and Finance 16, No. 6, pp. 909-919 • Bank for International Settlements, 2005, “Foreign exchange market intervention in emerging markets: motives, techniques and implications”, BIS Papers Nº24 • Bollerslev, Tim, 1986, “Generalized autoregressive conditional heteroscedasticity”, Journal of Econometrics,91, 307-327 • Bonser-Neal, Catherine, 1996, “Does central bank intervention stabilize foreign exchange rates?”, Economic Review, Federal Reserve Bank of Kansas City, Q1, 43-57 • Diebold, Francis; Nerlove, Marc, 1989, “The dynamics of exchange rate volatility: a multicariate latent factor ARCH model”, Journal of Applied Economics, 4, 1-21 • Domaç, Ilker; Mendoza, Alfonso, 2004, “Is there Room for Foreign Exchange Intervention under an Inflation Targeting Framework?”, World Bank Policy Working Papers, 3288 • Dominguez, Kathryn, 1998, “Central Bank Intervention and Exchange Rate Volatility”, Journal of International Money and Finance 17, 205-228 • Dixit, Avinash, 1989, “Hysteresis, Import Penetration, and ExchangeRate Pass-Through”, Quaterly Journal of Economics 117, 379-408 • Hull, John, 1999, “Options, Futures & Other Derivatives”, Prentice Hall, New Jersey ~ 29 ~ • McCallum, Bennet, 2005, “Is Singapore the Model for China’s New Exchange Rate Policy?”, Shadow Open Market Committee Meeting of November • Mellick, William; Thomas, Charles, 1997, “Recovering an Asset’s Implied PDF from Option Prices: An Application to Crude Oil during the Gulf Crisis”, Journal of Financial and Quantitative Analysis, Vol. 32, Nº 1 • Mishkin, Frederic, 2000, “Inflation Targeting in Emerging-Market Countries”, The American Economic Review 90, No. 2, 105-109 • Sarno, Lucio; Taylor, Mark, 2001, “Official Intervention in the Foreign Exchange Market: Is It Effective and, If so, How Does It Work? “, Journal of Economic Literature, Vol. 39, No. 3, 839-868 ~ 30 ~
