Trabajo de Grado CC 80.035.825 - Pontificia Universidad Javeriana

Bogotá, D.C.,
Marzo 5 del 2010
Trabajo de Grado
Señores
BIBLIOTECA GENERAL
Cuidad
Estimados Señores:
Los suscritos
Carlos Andres Donato Rozo , con C.C. No. 80.035.825, y John Patrick Davison Galvis, con
C.C. No. 1018419062, autores del trabajo de grado titulado
RESPUESTA DEL DOW JONES INDUSTRIAL AVERAGE FRENTE A DATOS DE
CALENDARIO ECONOMICO ESTADOUNIDENSE: DGO, ISM, ICL, PCE
(Durable Goods Orders, Institute for Supply Management Index, Initial Claims, Personal
Consumption Expenditures Price Index)
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.
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
jurídico que en ningún caso conlleva la enajenación del derecho de autor y sus conexos.
De conformidad con lo establecido en el artículo 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.
__________________________
Firma
John Patrick Davison Galvis
C.C 1.018.419.062
____________________________
Firma
Carlos Andrés Donato Rozo
C.C 80.035.825
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 ECONOMICAS Y ADMINSITRATIVAS CARRERA DE
ADMINISTRACION DE EMPRESAS
FORMULARIO DE LA DESCRIPCIÓN DE LA TESIS DOCTORAL O DEL
TRABAJO DE GRADO
RESPUESTA DEL DOW JONES INDUSTRIAL AVERAGE FRENTE A DATOS DE
CALENDARIO ECONOMICO ESTADOUNIDENSE: DGO, ISM, ICL, PCE *
* Durable Goods Orders, Institute for Supply Management Index, Initial Claims, Personal
Consumption Expenditures Price Index.
AUTOR O AUTORES
Apellidos Completos
DAVISON GALVIS
Nombres Completos
JOHN PATRICK
DIRECTOR (ES) TESIS DOCTORAL O DEL TRABAJO DE GRADO
Apellidos Completos
Nombres Completos
DONATO ROZO
CARLOS ANDRES
ASESOR (ES) O CODIRECTOR
Apellidos Completos
Nombres Completos
SARMIENTO AULI
IVAN DARIO
TRABAJO PARA OPTAR AL TÍTULO DE: Administrador de Empresas
FACULTAD: Ciencias Económicas y Administrativas
PROGRAMA: Carrera _x_ Licenciatura ___ Especialización ____ Maestría ____ Doctorado ____
NOMBRE DEL PROGRAMA: Administración de Empresas
NOMBRES Y APELLIDOS DEL DIRECTOR DEL PROGRAMA:
Margarita María Castillo M
CIUDAD:
BOGOTA
AÑO DE PRESENTACIÓN DEL TRABAJO DE GRADO: 2009
NÚMERO DE PÁGINAS _____70
TIPO DE ILUSTRACIONES:
- Ilustraciones
- Mapas
- Retratos
- Tablas, gráficos y diagramas
- Planos
2
-
Láminas
Fotografías
SOFTWARE requerido y/o especializado para la lectura del documento______N/A________
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):
___________________________________N/A ______________________________________
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
CRISIS ECONOMICA
CALENDARIO ECONOMICO
MODELOS VAR
SERIES DE TIEMPO
INDICE DJIA
INGLÉS
ECONOMIC CRISIS
ECONOMIC CALENDAR
VAR MODELS
TIME SERIES
DJIA INDEX
RESUMEN:
En principio, la realización de un modelo econométrico no se diseña para adivinar
con precisión el futuro, sino para delinear el comportamiento probable del valor de
una variable, lo que implica la reducción de la incertidumbre en el momento de
predecir. Las variables utilizadas fueron seleccionadas de un conjunto de índices
que componen el calendario económico de E.E.U.U, con el fin de cuantificar su
impacto en un índice bursátil que, a efectos de esta investigación es el Dow Jones
Industrial Average (DJIA), considerado el segundo índice mas antiguo después del
Dow Jones Transportation Average (DJTA)
El horizonte de tiempo utilizado fue de 10 años, localizando en las series de
tiempo aquellas
variables con una volatilidad significativa respecto al
comportamiento del DJIA y aislando las posibles relaciones e impactos de estas
variables con dicho índice bursátil.
3
El análisis de las series de tiempo, nos permitió identificar aquellas variables
estacionarias, y aquellas que no eran estacionarias y presentaban raíz unitaria.
Además se verifico la normalidad de la distribución de las series de tiempo, para
determinar finalmente las variables seleccionadas que fueron: ISM, PCE, ICL y
DGO.
Por lo tanto cuando se incrementan los precios de el gasto del consumo personal
de los estadounidenses, cuando sube el índice ISM (por debajo de 50 significa
contracción económica), cuando suben las ordenes de bienes durables (para
trabajo manufacturero en el futuro), y cuando bajan los reclamos por desempleo,
el índice Dow Jones Industrial Average responde positivamente a estas
variaciones.
ABSTRACT:
In principle the establishment of an econometric forecasting model is not designed
to accurately guess the future, but to delineate the possible behavior of a variable
value, which implies the reduction of uncertainty at the moment to predict. To
develop the model, the variables used were selected from a set of indexes that
comprise the U.S. economic calendar in order to quantify their impact on a stock
index that for purposes of this research is the Dow Jones Industrial Average
(DJIA), considered the second-oldest after the Dow Jones Transportation Average
(DJTA).
The time horizon used was 10 years, locating in the time series of those variables
with significant volatility on the behavior of the DJIA and isolating the possible links
and
impacts
between
these
variables
and
the
stock
index.
The analysis of time series allowed us to identify those variables that are
stationary, and those who were not stationary and had a unit root. In addition,
verify the normality of the distribution of time series to determine finally the
variables selected were: ISM, PCE, ICL and DGO.
So when prices increase in personal consumption spending of Americans, when
the ISM index rises (below 50 indicates economic contraction), by rising orders for
durable goods (for factory work in the future), and when lowering unemployment
claims, the Dow Jones Industrial Average responded positively to these variations.
4
RESPUESTA DEL DOW JONES INDUSTRIAL AVERAGE FRENTE A DATOS
DE CALENDARIO ECONOMICO ESTADOUNIDENSE: DGO, ISM, ICL, PCE
JOHN PATRICK DAVISON GALVIS
CARLOS ANDRES DONATO ROZO
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS
ADMINISTRACION DE EMPRESAS
BOGOTA
2009
5
RESPUESTA DEL DOW JONES INDUSTRIAL AVERAGE FRENTE A DATOS
DE CALENDARIO ECONOMICO: DGO, ISM, ICL, PCE
JOHN PATRICK DAVISON GALVIS
CARLOS ANDRES DONATO ROZO
Taller de Grado
IVAN DARIO SARMIENTO AULI
TUTOR
PONTIFICIA UNIVERSIDAD JAVERIANA
FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS
ADMINISTRACION DE EMPRESAS
BOGOTA
2009
6
CONTENIDO
INTRODUCCION
10
1. PLANTEAMIENTO DEL PROBLEMA
14
2. OBJETIVOS
17
2.1 OBJETIVO GENERAL
17
2.2 OBJETIVOS EPECIFICOS
17
3. MARCO TEORICO
18
3.1 INDICES DEL CALENDARIO ECONOMICO
19
3.2 DOW JONES INDUSTRIAL AVERAGE
21
3.2.1 DESCRIPCION GENERAL
21
3.2.2 CALCULO
22
3.2.3 COMPOSICION
23
4. ALCANCE
25
5. RECURSOS
26
6. MARCO METODOLOGICO
26
6.1. DESARROLLO DEL MODELO ECONOMETRICO
27
6.2. MODELO MULTIVARIADO DE VECTORES
DE AUTOREGRESION (VAR)
28
6.2.1. VENTAJAS DEL MODELADO VAR
28
6.3. RECOLECCION DE DATOS
29
6.3.1. SERIES DE TIEMPO
29
7
6.3.2.. FUENTES
29
6.3.3. AJUSTE DE LAS SERIES
30
6.4. ESTIMACION DEL MODELO
30
6.4.1 MATRIZ DE CORRELACION
31
6.4.2. PRUEBA DICKEY-FULLER AUMENTADA (ADF
) Y PRUEBA PHILLIPS-PERRON
33
6.4.3. REGRESION LINEAL
35
6.4.4. OBTENCION DE RETARDOS
35
6.4.5. MODELO VAR SIN RESTRICCIONES
37
6.5. CHEQUEO DEL MODELO
40
6.5.1. AUTOCORRELACION
40
6.5.2. NORMALIDAD
41
6.5.3. CAUSALIDAD DE GRANGER
42
6.6. FUNCION IMPULSO RESPUESTA
44
6.7. DESCOMPOSICION DE LA VARIANZA
47
6.8. PRUEBA GRAFICA RAIZ UNITARIA
48
7. CONCLUSIONES
50
BIBLIOGRAFIA
52
ANEXOS
54
8
LISTA DE ANEXOS
ANEXO A. DESCRIPCION DATOS ECONOMICOS
54
ANEXO B. GRAFICAS DE LA SERIES DE TIEMPO ELEGIDAS
58
ANEXO C. MATRIZ DE CORRELACIONES
59
ANEXO D. PRUEBA PHILLIPS- PERRON
60
ANEXO E. REGRESION LINEAL
61
ANEXO F. ECUACIONES DEL VAR
62
ANEXO G. RESPUESTA ACUMULADA DEL DOW
63
ANEXO H. DESCOMPOSICION DE LA VARIANZA
64
ANEXO I. PRUEBA DE RAICES UNITARIAS
65
ANEXO J. DATOS ECONOMICOS Y CRISIS
66
ANEXO K. VARIACIONES EN LA TASA DE INTERVENCION DE LA FED
67
9
INTRODUCCIÓN
En principio, la creación de un modelo econométrico de pronóstico no pretende
adivinar con exactitud el futuro, sino delinear el posible comportamiento del valor
de una variable, lo que implica la disminución de la incertidumbre al momento de
predecirla. Para el desarrollo del modelo, las variables utilizadas fueron
seleccionadas del conjunto de índices que componen el calendario económico
estadounidense, con el fin de cuantificar su impacto en un índice bursátil que para
efecto de esta investigación es el Dow Jones Industrial Average (DJIA),
considerado el segundo índice más antiguo después del Dow Jones
Transportation Average (DJTA). Es necesario tener en cuenta que las condiciones
económicas determinantes relacionadas con el índice, se mantienen vigentes
durante el periodo para el cual se realiza la medición del impacto en la actualidad.
Por tanto, el marco de tiempo a utilizar es de 10 años, teniendo en cuenta la
volatilidad considerable de las variables durante este periodo, especialmente en lo
que respecta a periodos críticos, contexto para el cual se intentara medir la
bondad del modelo.
Es difícil puntualizar el comienzo de una crisis. Sin embargo, es posible enumerar
sus antecedentes y analizar sus efectos en la estabilidad económica mundial
desde una perspectiva histórica que tenga en cuenta su periodicidad, magnitud y
posterior retorno al ciclo normal. Nuestro análisis, examina algunas de las
variables que reflejan las tendencias de los mercados e indican los síntomas de la
situación económica estadounidense, así como las expectativas que se tienen de
la misma en relación con las variables reales observadas. Por tanto es necesario
realizar una introducción con los antecedentes y la situación actual, tomando
como marco principal la crisis financiera subprime presentada en Estados Unidos
con el ánimo de poder contextualizar el análisis fundamental dentro del marco
volátil e incierto del momento1.
Los antecedentes de la actual crisis financiera no son nuevos, y se pueden
comparar con los antecedentes de otras crisis en economías avanzadas desde la
1
Una descripción más detallada de la crisis financiera se encuentra en el anexo J.
10
segunda guerra mundial2. Como lo puntualizan Reinhart y Rogoff en el documento
“The Aftermath of financial Crisis”, indicadores como la inflación del precio de los
activos, el apalancamiento rampante y el alto y sostenido déficit de cuenta
corriente, exhiben los signos de un país al borde de una crisis financiera
comparables con hechos económicos históricos.
La hipótesis sugiere que la crisis financiera puede ser vista como un resultado
natural de un periodo prolongado donde la toma de riesgo generalizada y
agresiva, tuvo su epicentro en el mercado “subprime”. En otros términos,
representa un ejemplo de inestabilidad financiera con consecuencias
macroeconómicas potencialmente negativas. Sus elementos significativos, que
incluyen la amenaza de una ola de re intermediación sin precedentes para el
sector bancario así como la creación de novedosos productos financieros con un
escaso conocimiento del riesgo que estos involucraban, pueden ser consideradas
como causas generales de la crisis3.
Es importante señalar que históricamente hay importantes similitudes de la crisis
actual (en forma no en magnitud) con las crisis bancarias de la posguerra,
dieciocho en total4, en cuestiones relativas a los síntomas y repercusiones.
El estudio de Reinhart y Rogoff presenta evidencia de patrones similares como el
declive en los precios de la vivienda y de las acciones, el aumento del desempleo,
y el aumento de la deuda del estado, factores que se han dado históricamente a lo
largo de crisis más significativas, teniendo en cuenta las ocurridas en países
emergentes como Colombia (1998), la cual fue marcada por un fuerte desempleo
(un promedio de 14% durante 6 años5), una caída en el precio de la vivienda de
más del 50%, y una baja en los precios reales de las acciones cercana al 70%.
Con el desarrollo cada vez más preocupante de la crisis financiera, se empiezan a
sentir las repercusiones en todo el mundo cuya evidencia se manifiesta en el
cambio drástico de las condiciones económicas reales tanto de Estados Unidos
como de muchos otros países contagiados, debido a la infinita asociación de
2
REINHART, C. ROGOFF, Kenneth. The Aftermath of Financial Crises. Diciembre 19, 2008.
Paper prepared for presentation at the American Economic Association meetings in San Francisco,
Saturday, January 3, 2009. Session title: “International Aspects of Financial Market Imperfections.”
Pg. 1 Consultado en: http://www.economics.harvard.edu/faculty/rogoff/files/Aftermath.pdf
3
BORIO, Claudio. The Financial Turmoil of 2007: A preliminary assesment and some policy
considerations. Monetary and Economic Department. Marzo 2008
4
Ibíd. Pg. 2
5
Ibíd. Pg. 6
11
productos financieros donde se vieron involucrados inversionistas de todas partes
del planeta (Ver grafica 1).
El resumen de la crisis financiera muestra la formación de una burbuja inmobiliaria
en la que se otorgaron excesivos créditos hipotecarios a personas con altas
probabilidades de impago, créditos “subprime” o hipotecas de alto riesgo. Estas
hipotecas de alto riesgo, pasaron a formar parte de instrumentos financieros y
derivados complejos que ocultaban en paquetes conformados por activos con
diferentes niveles de riesgo, constituyéndose como un peligro financiero mucho
mayor, además de los errores, aun se debate si operativos o éticos, de las
calificadoras de riesgo como Moody’s y Standard & Poors.
Grafica 1. Repercusiones estimadas de la crisis económica en el mundo 2008-2010
Fuente: Global Europe Anticipation Bulletin en www.leap2020.eu
De esta manera las hipotecas “prime”, o de bajo riesgo, terminaron mezcladas
indiscriminadamente con hipotecas riesgosas en conjunto con activos de toda
clase, que mediante la ayuda de la globalización financiera se diseminaron por
una gran cantidad de entidades, bancas comerciales y de inversión, fondos de
pensiones, aseguradoras, fondos de capital de riesgo, y un número considerable
de inversionistas comunes que depositaron su confianza en un banco, o fondo de
pensión, viéndose traicionados y privados de las rentas del sistema.
De acuerdo a lo anterior cabe anotar una de las premisas básicas del análisis
fundamental que considera la repetición de los ciclos históricos lo que facilita la
12
predictibilidad de los resultados de una situación crítica, así como la
implementación y definición de políticas regulatorias y medidas de contención que
eviten una innecesaria y nefasta prolongación de una situación económica
desfavorable.
Al estudiar los datos históricos y las proyecciones representativas de la economía
real estadounidense plasmadas mediante los índices de calendario económico,
nuestro estudio pretende identificar y cuantificar las variaciones del índice DJIA,
de acuerdo al grado de relación con dichos datos. En consecuencia, la coyuntura
del momento nos ofrece un buen escenario de estudio para comprobar la
causalidad (si esta se diera), expresándola en datos verificables y sustentados por
un modelo econométrico valido6.
Si bien es cierto que el consenso económico pudo haber fallado al no predecir
oportunamente la magnitud de la crisis y las economías han tenido que afrontar
momentos de tensión y desconfianza, esto no significa que no se intente remediar
la situación con estímulos, y ayudas financieras, buscando reactivar la confianza y
dinamizar la economía. Sin embargo, es necesario pensar a futuro con el fin de
evitar atravesar por situaciones similares. Es por esto, que la posibilidad de
comprensión cuantificada del mercado accionario norteamericano, representado
parcialmente por el Dow Jones Industrial Average, se considera valiosa en una
situación como la actual. No obstante, más que ofrecer una posibilidad de predecir
un comportamiento, el control del riesgo estaría entre las principales ventajas de
poder anticiparse a los cambios en el mercado, y ofrecer de esta manera
estabilidad a largo plazo, que por lo general es lo que busca una inversión
estratégicamente planeada.
6
Una descripción más detallada de la crisis financiera y la relación con los datos económicos se
encuentra en el anexo 10.
13
1. PLANTEAMIENTO DEL PROBLEMA
Desde el advenimiento del mercado accionario, la posibilidad de predicción
siempre ha sido el tema de mayor importancia dada la posibilidad de aumentar la
rentabilidad de cada decisión. Como se menciono anteriormente, y por la línea de
la teoría utilitarista de Bentham, los agentes que intervienen en el mercado
accionario buscaran obtener la máxima utilidad posible dada unas condiciones
particulares de deseos y necesidades.
Ahora bien, para cumplir con el objetivo de obtener una utilidad individual positiva
en el mercado accionario, los agentes no intervendrán siempre bajo el supuesto
de racionalidad perfecta7. Por el contrario muchos individuos negocian en el
mercado basados en criterios subjetivos o especulativos, producto de la
experiencia y de la posesión de información incompleta. Esto no quiere decir que
no se haga algún tipo de cálculo racional, sopesando alternativas, evaluando
riesgos, y analizando posibles resultados, pero se puede distinguir una fuerte
tendencia hacia un comportamiento de racionalidad limitada, que según Herbert
Simón8 (1957), es un comportamiento en el que el individuo al ser incapaz de
estudiar en detalle todos los posibles cursos de acción, mezcla métodos
heurísticos en su análisis, y por lo tanto no es completamente racional.
Sin embargo, el nivel de análisis financiero en su principal corriente ha procurado
eliminar criterios subjetivos de peso, recurriendo a las ciencias económicas, y
matemáticas, reduciendo al máximo el posible error derivado de la falta de
racionalidad. Teniendo en cuenta conceptos básicos como, beneficio, perdida y el
riesgo inherente, el análisis cuantitativo de las condiciones económicas en las que
se desarrolla el mercado, proveerá una mayor claridad al momento de tomar
decisiones y aumentara la probabilidad de obtener una rentabilidad positiva y más
alta de lo que cabria esperar sin realizar ningún tipo de estudio de impacto
economía-mercado.
En este punto se une la innovación de representar las variaciones del mercado en
un índice como el Dow Jones Industrial (DJIA) cuyo comportamiento en los últimos
10 años ha sido evidentemente volátil (Ver grafica 2), con la necesidad de obtener
7
PASCALE, Ricardo. Racionalidad perfecta, racionalidad acotada y economía cognitiva.
Universidad de Uruguay. Febrero, 2005.
8
SIMON, Herbert. Models of bounded racionality. Cambridge, 1997.
14
beneficios siempre y cuando haya un control del riesgo. Así, un índice bursátil es
definido como un instrumento estadístico que indica las variaciones agregadas de
los precios de un conjunto de acciones, el cual estará sujeto a los intentos de
pronóstico y comprensión del comportamiento del mismo, todo con el fin de
reducir al máximo la incertidumbre.
A pesar del debate académico acerca de la validez de la efectividad de métodos
de pronóstico, tanto las empresas como los demás agentes del mercado
realizaran algún tipo de análisis del mercado antes de tomar sus decisiones con el
fin de generar una estrategia de inversión rentable y sostenible, ya que si la
estrategia carece de algún grado de estabilidad otorgada por una planeación
previa, tendrá una mayor probabilidad de fracaso, así se cuente con la mejor y
más actualizada información del mercado.
Grafica 2. Volatilidad del índice Dow Jones Industrial en los últimos 10 años
DJIA
16000
14000
12000
10000
8000
6000
4000
2000
0
19-Jun-98 1-Nov-99 15-Mar-01 28-Jul-02 10-Dec-0323-Apr-05 5-Sep-06 18-Jan-08 1-Jun-09
Trimestre
Fuente: Elaboración Propia
Por tanto, la creación de un modelo que conjugue datos de economía real con la
tendencia de un índice accionario que representa una parte del mercado
financiero, se puede llegar a consolidar como una herramienta eficaz al analizar el
impacto de aquellas variables que presenten una influencia significativa sobre el
mercado de capitales, alejándose del fundamento especulativo y con alto grado de
incertidumbre.
Previa descripción de los antecedentes sobre los que se fundamenta este trabajo
investigativo, la creación de herramientas de pronostico innovadoras que usen
como referencia variables que no dependan totalmente de los movimientos en el
mercado de capitales, para nuestro caso índices de la economía real, son útiles si
se quiere disminuir la exposición agresiva al riesgo por parte de inversionistas,
15
bancos, empresas, familias, y en general todos los agentes directamente
involucrados en la economía.
De este modo, el problema de investigación se centra en: ¿Cual es la respuesta
del índice Dow Jones Industrial frente a shocks o perturbaciones de indicadores
del calendario económico estadounidense?
16
2. OBJETIVOS
2.1 OBJETIVO GENERAL
Encontrar las variables con más impacto dentro un grupo de diecisiete índices 9
que componen el calendario económico de Estados Unidos sobre el índice
accionario Dow Jones Industrial Average (DJIA), mediante un modelo
econométrico que cuantifique la relación entre los datos del calendario y la
tendencia del índice, con el fin de generar (si es posible) una herramienta de
pronostico eficiente que permita anticiparse a las fluctuaciones del mercado
accionario norteamericano en periodos de alta volatilidad (periodos de crisis).
2.2 OBJETIVOS ESPECIFICOS
Encontrar un método cuantitativo teóricamente acertado, para basar un
modelo econométrico que mida el impacto de las variables elegidas del
calendario económico estadounidense en el índice bursátil Dow Jones.
Analizar los datos agregados de la economía estadounidense, que tengan el
impacto más alto en el mercado, con el fin de correlacionarlos con variables de
cambio del índice de estudio, relacionando su comportamiento conjunto.
Descubrir las posibles causas de variación en la tendencia del índice Dow
Jones, después de haber analizado a profundidad los datos de la economía
real, y la cuantía de su impacto en el índice accionario.
9
Para la descripción de los 17 datos de calendario económico ver Anexo 1.
17
3. MARCO TEORICO
¿Por qué analizar un índice de la economía Estadounidense, y no abordar el caso
Colombiano de IGBC? Nuestro fundamento a esta respuesta está basado en la
Hipótesis de los Mercados Eficientes (EMH), propuesta por Fama (1979). De
acuerdo a esta hipótesis, un mercado eficiente es aquel en el cual los precios de
los activos financieros reflejan plenamente toda la información disponible10.
Tanto las bases teóricas como empíricas del EMH, han mostrado el cumplimiento
de la hipótesis a lo largo de los años. La base teórica está fundamentada en tres
argumentos que dependen de importantes suposiciones.
Primero, se asume que los inversionistas son racionales, y por lo tanto valoraran
los activos racionalmente. Segundo, teniendo en cuenta que algunos de los
inversionistas no son racionales, sus transacciones son aleatorias, y se
cancelarán unas con otras, sin afectar los precios. Tercero, cuando los
inversionistas son irracionales en forma similar, se encuentran en el mercado y su
influencia en los precios es eliminada por los arbitrageurs o inversionistas que
utilizan las fallas en los precios de los activos para realizar operaciones
simultáneas obteniendo rentabilidades libres de riesgo.
Teóricamente según el modelo EMH, la valoración de un titulo por un inversionista
racional será por su valor fundamental (El valor presente neto de los flujos de caja
futuros). De manera que la respuesta de los inversionistas racionales, a la nueva
información disponible será inmediata, y los precios se ajustaran incorporando
esta nueva información.
Samuelson (1965), y Mandelbrot (1966), probaron como en los mercados
competitivos, con inversionistas racionales e indiferentes al riesgo, los retornos
son impredecibles, por lo que los precios de los activos siguen “caminos
aleatorios”. Pero en modelos en los que el inversionista no es indiferente al riesgo
(y como sucede en la realidad), los precios no siguen un comportamiento
aleatorio, hecho que no interfiere con, el postulado de la EMH, que anuncia la
imposibilidad de obtención de rendimientos superiores, al ajuste del riesgo o prima
de riesgo, que dependerá cuantitativamente de el perfil del inversionista.
10
FAMA, Eugene. Efficient capital markets: A review of theory and empirical work. Journal of
Finance. Mayo 1979.
18
Aunque son conocidos los cuestionamientos por parte de teorías como las de las
finanzas conductuales (behavioral finance), y de autores como Summers (1986),
y Fischer Black (1896), especialmente a la forma fuerte de la EMH (No se pueden
obtener ganancias extraordinarias o anormales, por negociar haciendo uso de
información interna y privilegiada de una compañía). Sin embargo la EMH se ha
mantenido a flote, y de acuerdo a esta tanto el mercado de bonos como el
mercado accionario de los Estados Unidos, son mercados eficientes.
Dos predicciones importantes de la teoría EHM son: la reacción rápida y correcta,
(no hay reacciones excesivas cuando los precios se ajustan de acuerdo a la nueva
información), y la no reacción a la no información. Pero esto bajo el supuesto de la
neutralidad al riesgo, llevaría a la hipótesis del camino aleatorio (random walk
hypothesis), lo cual no es pertinente para el objeto de nuestro estudio.
Por lo tanto se puede probar la hipótesis, de cómo el mercado accionario,
representado por un índice líder, y de gran importancia en términos de formación
de expectativas; asume e incorpora la información de las variables económicas
reales de estudio, de manera rápida y precisa.
3.1 INDICES DE CALENDARIO ECONOMICO11
Las fricciones en los mercados financieros han sido evidentes durante la crisis
reciente, y los datos de la economía real no son del todo optimistas. La falta de
determinación del precio de equilibrio de los activos tóxicos, ha causado que las
perdidas asociadas a los mismos sean mayores, y las entidades financieras con
activos de este tipo, se vean en la necesidad de usar todo su capital hasta la
necesidad de crédito por parte del Gobierno estadounidense para recobrar la
liquidez y sanear una parte del riesgo asumido por las entidades financieras.
Debido a esto se prevé una escasez en la oferta de crédito privado a pesar del
esfuerzo realizado por la FED. Según un equipo de economistas de Naciones
Unidas, la posibilidad de recesión en Estados Unidos traería como consecuencia
la paralización de la economía mundial12.
De otro lado, la inflación interanual estadounidense descendió en marzo del 2009
0,4% respecto al mismo mes del 2008, después de 50 años sin presentarse esta
situación. Aunque se descarto una probable deflación, la inflación continua muy
11
La descripción específica de los índices se encuentra en el anexo 1.
Departamento de Asuntos Económicos y Sociales de Naciones Unidas. World economic
situation and prospects 2009. ONU. 2009
12
19
débil, y el consumo cae, mientras que el ahorro aumenta. La fiebre consumista
incentivada por el mayor endeudamiento, y la burbuja inmobiliaria de los
estadounidenses, se ha frenado y es evidente que en los próximos trimestres el
crecimiento de la economía va a mantener el estado de recesión.
Otra manera de describir la situación económica, es mediante el análisis de
indicadores económicos con los que se facilita la identificación de coyunturas
económicas como las mencionadas en los párrafos anteriores. Para el efecto de
esta investigación, se inicio pre-seleccionando diecisiete índices del calendario
económico de Estados Unidos teniendo en cuenta la variación significativa (alta
volatilidad) presentada en el periodo de estudio de diez años, así como la
renovación periódica de datos, lo que permite tener información actualiza para ser
comparada con el DJIA.
El criterio de pre-selección para los diecisiete indicadores dentro del amplio grupo
que conforma el calendario económico, es la evaluación realizada por los equipos
de analistas independientes de mercado www.briefing.com y Bloomberg, teniendo
en cuenta los índices con calificación A, B, C y D también denominados market
movers, siempre y cuando abarcaran aspectos macroeconómicos importantes
tales como crecimiento, consumo, empleo, inflación, balanza comercial,
construcción y energía representada en los inventarios de petróleo (Crude
inventories).
Tabla 1. Pre-selección de índices de calendario económico
Ticker
13
^FOMC
^CC
^CPI
^DGO
^EXPO
^IMPO
^GDP
^ISM
^ICL
^NFP
^PPI
Índice
Federal open market
comittee.
Consumer credit
Consumer Price index
Durable good orders
Core export prices
Core import prices
Gross domestic product
Institute for suply
management
Initial jobless claims
Nonfarm Payrolls
Producer Price index
13
Descripción
Tasa de interés de la reserva
federal
Crédito de consumo
Índice de precios al consumidor
Ordenes de bienes durables
Precios de exportaciones
Precios de importaciones
Producto interno bruto
Índice del instituto de gerencia
de compras
Reclamaciones de desempleo
Reporte de empleo
Índice de precios al productor
Para efectos explicativos y de identificación, se utilizaron las abreviaturas enlistadas. Sin
embargo, no todas coinciden con la identificación oficial de quienes publican los índices en el
calendario económico.
20
^PCE
^UR
^RS
^NHS
^OHS
^CRUDE
Personal consumption
expenditures
Unemployment rate
Retail sales
New home sales
Old home sales
Crude inventories
Índice de precios relativos al
consumidor
Tasa de desempleo
Ventas al detal
Venta de vivienda nueva
Venta de vivienda usada
Inventarios de petróleo
3.2 DOW JONES INDUSTRIAL AVERAGE 14
3.2.1. Descripción General
Hace cien años resultaba difícil discernir tendencias importantes del mercado. En
este contexto, Charles Dow creó un promedio de acciones tomando en principio
once empresas de ferrocarriles que cotizaban en bolsa, ya que para finales del
siglo XIX esta industria contaba con las primeras grandes corporaciones
nacionales. Con este primer promedio, Dow observo algunas variaciones que le
indicaban una tendencia, bull market si la tendencia era al alza o bear market si
era a la baja. Desde una perspectiva actual, la idea de Dow parece simplista, pero
en ese momento fue la guía que ayudo a la toma decisiones de los inversionistas
de la época pues el promedio Dow siempre fue un punto de referencia practico
para la comparación de acciones individuales, y con otros indicadores de la
economía.
La historia del segundo índice más antiguo de la bolsa de Nueva York (NYSE), se
remonta al 26 de mayo de 1896 cuando Charles H. Dow, editor financiero de The
Wall Street Journal dio a conocer un promedio de doce acciones de empresas del
sector industrial estadounidense que en principio no fue muy bien recibido por el
mercado. Sin embargo, para esa época algunos inversionistas adquirieron títulos
cuya rentabilidad fuera relativamente predecible, siempre y cuando presentaran
colaterales tangibles como edificios de fabricas y otros activos fuertes,
operaciones que en principio se fundamentaron en el promedio generado por
Dow, lo que se empezaría a constituir como el reconocimiento del índice para
describir las tendencias del mercado accionario.
Inicialmente, el promedio fue publicado de forma irregular, pero esto cambió con la
publicación en The Wall Street Journal, que comenzó el 7 de octubre de 1896. Ya
14
Tomado www.djaverages.com
21
para 1916, el promedio industrial se expandió a 20 muestras de acciones, y en
1928 el número se elevó a 30, donde permanece hasta hoy. Durante este mismo
año, Dow comenzó a calcular la media con un divisor especial distinto del número
de acciones, para evitar distorsiones cuando las empresas constituyentes
dividieran sus acciones o cuando una muestra se sustituyera por otra.
Aproximadamente veinte de las treinta empresas que componen el DJIA son
fabricantes de bienes industriales y bienes de consumo. Los otros representan
sectores diversos como servicios financieros, entretenimiento y tecnología de la
información. Aun así, el Dow Jones de hoy tiene el mismo objetivo para el que fue
creado: proporcionar una visión clara y sencilla del mercado de valores y, por
extensión, la economía de los EE.UU.
El uso de acciones reconocidas, y frecuentemente negociadas es una
característica importante de este índice, ya que le da exactitud. Gracias a este
índice, las acciones comenzarían a ser públicamente negociadas, dando lugar a
un mayor número de personas con deseos de invertir. A pesar de que hoy en día
hay numerosos índices para medir diferentes aspectos de los mercados
accionarios, el Dow Jones se ha mantenido como uno de los más importantes y
confiables, siendo citado en numerosas publicaciones a nivel mundial como uno
de los principales indicadores del mercado accionario estadounidense.
3.2.2. Calculo
Para el cálculo el DJIA, se realiza el promedio del precio de las treinta acciones
que componen el índice. El denominador del promedio es un divisor denominado
divisor Dow, el cual se ajusta en caso de que la cantidad de acciones de alguna
compañía varié y/o se presente algún cambio estructural similar en la composición
del índice, esto con el fin de evitar la alteración en el valor numérico del DJIA.
En principio, el divisor solo era el número de compañías que conformaban el
índice, lo que convertía al DJIA en una media aritmética simple.
Donde p es la sumatoria de precios de las acciones componentes y d es el divisor
Dow.
22
Eventos como la variación en el volumen de acciones, o el cambio en la lista de
empresas que componen el índice, alteran la sumatoria de los precios. En estos
casos y con el fin de evitar la discontinuidad del índice, el divisor Dow 15 es
actualizado de tal modo que los valores antes y después del cambio estructural no
varíen.
3.2.3. Composicion
Como índice industrial, el DJIA recopila los datos accionarios de las empresas
líderes en todos los sectores de la industria estadounidense. Aunque no existen
regulaciones para la selección de las empresas que componen el índice, estas
son añadidas siempre y cuando cumplan con algunas condiciones como estar
enlistadas en la bolsa de valores de Nueva York (NYSE), demostrar un
crecimiento sustancial y gozar de reconocimiento en los sectores a los que
pertenecen, lo que genera interés para los inversionistas.
Así mismo, y como consecuencia de la crisis económica y financiera reciente, la
estructura del DJIA (Ver tabla 2) fue renovada para el segundo semestre de 2009
por lo que actualmente el DJIA no cuenta con compañías representantes de la
industria automotriz después de la salida de General Motors.
Tabla 2. Empresas que componen el Dow Jones Industrial Average 2009
3M Company
Alcoa Incorporated
American Express Company
AT&T Incorporated
Bank of America Corporation
Boeing Company
Caterpillar Incorporated
Chevron Corporation
Cisco Systems, Inc.
Coca-Cola Company
E.I. DuPont de Nemours & Company
Intel Corporation
IBM Corporation
Johnson & Johnson
JP Morgan Chase & Company
Kraft Foods Incorporated CI A
McDonald’s Corporation
Merck & Co. Incorporated
Microsoft Corporation
Pfizer Incorporated
Procter & Gamble Incorporated
Travelers Companies, Inc.
15
Con los cambios estructurales de los componentes del DJIA realizados para el 8 de junio de
2009, donde fueron retiradas General Motors y Citigroup, e ingreso Cisco Systems Inc. y Travelers
Companies, el divisor Dow actual es de 0.132319125.
23
E Mobil Corporation
General Electric Company
Hewlett-Packard Company
Home Depot Incorporated
United Technologies Corporation
Verizon Communications Inc.
Wal-Mart Stores Incorporated
Walt Disney Company
Fuente: www.djindexes.com
24
4. ALCANCE
Esta investigación académica va enfocada únicamente al análisis de las series de
tiempo de diecisiete indicadores de calendario económico de Estados Unidos y su
impacto en el índice bursátil Dow Jones Industrial Average mediante la aplicación
de la teoría econometría. Por tanto, las conclusiones estarán ligadas a los
resultados obtenidos en las pruebas estadísticas que componen la metodología
desarrollada.
25
5. RECURSOS
E-Views
E-Views es un paquete econométrico poderoso y simple de usar aplicado
frecuentemente en econometría práctica. Una de las características que hacen a
E-views ideal para la construcción de modelos, es la ayuda que ofrece mediante
los test de diagnostico, que son computados automáticamente, haciendo posible
la comprobación econométrica del modelo desarrollado.
Bloomberg16
El sistema de información Bloomberg proporciona información financiera a nivel
global con larga permanencia en Wall Street. Este sistema es ampliamente
reconocido por analistas, comisionistas, inversionistas y otros profesionales del
sector debido a su fácil acceso, así como por la precisión y velocidad de la
información que genera. Se encuentra entre los 5 mejores lugares de finanzas en
internet. Para efectos de la creación del modelo, todos los datos serán
consultados en Bloomberg pues proporciona reportes diarios índices estudiados.
16
Consultado en www.bloomberg.com
26
6. MARCO METODOLOGICO
6.1 DESARROLLO DE MODELO ECONOMETRICO
El desarrollo de un modelo econométrico, comprende necesariamente mucho más
que el mero modelo matemático y su desarrollo procedimental, una metodología, y
un proceso del estudio de la teoría y argumentación del modelo, permite adoptar
un enfoque valido para la construcción. De acuerdo a los pasos enunciados por
Brooks (2008), tenemos los siguientes pasos generales adaptados a nuestra
situación particular:
Grafico 3. Procedimiento para desarrollar un modelo econométrico
Estudios previos de Teoría Económica y Financiera
A. Formulación de un modelo teórico estimable
(VAR)
B. Recolección de datos.
I
II
III
C. Estimación del modelo
No
Si
Reformular el modelo
5. Interpretar y utilizar para el
análisis
27
6.2. MODELO MULTIVARIADO DE VECTORES DE AUTORREGRESIÓN (VAR)
Para el propósito de probar la hipótesis de relación entre las variables
macroeconómicas y el DJIA, al examinar sus efectos en dicho índice, es oportuno
el uso de la econometría como parte del análisis fundamental utilizando
herramientas estadísticas que relacionaran las series de tiempo seleccionadas
mediante un modelo multivariado de vectores de autorregresión (VAR).
El desarrollo del VAR permite analizar la interrelación de variables en sistemas de
ecuaciones multivariable asociado a series de tiempo, así como la medición del
choque entre estas17, lo que constituye el objeto de estudio al intentar describir el
impacto de los datos económicos sobre el índice estudiado.
La capacidad de pronóstico del VAR es amplia por dos razones18. La primera es
porque un pronóstico del futuro de una variable dependiente solo utiliza
información contenida en el mismo sistema, ya que solo variables desfasadas son
utilizadas. La segunda razón es porque el VAR se puede utilizar para establecer
para un análisis condicional del impacto en ciertos escenarios. Por ejemplo un
sistema VAR trivariado que incorpore retornos accionarios mensuales, la inflación
y el PIB, puede responder a la pregunta: ¿Cuál sea el impacto probable en el
mercado accionario los siguientes 1-6 meses, con un incremento de un 2% en la
inflación, y un aumento del 1% en el PIB?.
Los modelos de autorregresión de vectores (VAR), fueron popularizados por Sims
(1980), como una generalización de los modelos univariados de autorregresión.
Un modelo VAR puede ser considerado como una combinación entre los modelos
AR(p) univariados de series de tiempo, y los modelos de ecuaciones múltiples. En
un modelo VAR todas las variables son consideradas endógenas, pues cada una
de ellas se expresa como una función lineal de sus propios valores rezagados así
como de los valores rezagados de las variables restantes de modelo 19.
6.2.1 Ventajas del modelado VAR
17
MONTENEGRO, Álvaro. Series de Tiempo. Pontificia Universidad Javeriana. 5ª Ed. Bogotá.
2007.
18
Brooks, Chris. Introductory Econometrics for Finance. 2 Ed. Cambridge University Press. 2008.
p. 299.
19
ARIAS, Eylin. TORRES, Carlos. Modelos VAR y VECM para el pronóstico de corto plazo de las
importaciones de Costa Rica. Costa Rica. Marzo 2004.
28
El investigador no necesita especificar cuáles son variables endógenas, y cuales
son variables exógenas. El reconocimiento y especificación de las variables
exógenas requiere identificar ciertas restricciones que no son necesarias en el
modelo VAR.
El modelo VAR incluye importantes características como su flexibilidad y facilidad
de generalización. Considerando que hay, g=2 variables, la forma compacta del
modelo es:
yt = β0 + β1yt-1 + ut
6.3. RECOLECCION DE DATOS
6.3.1. Series de Tiempo
Selección de 18 series de tiempo (incluido el DJIA), de acuerdo a la calificación de
importancia otorgada por la agencia de análisis independiente de mercado en
tiempo real www.briefing.com y bloomberg, que oscila de la A a la F, siendo F, la
de menos importancia. La calificación de los índices seleccionados oscila entre A
y D.
6.3.2. Fuentes
Búsqueda de las series de datos históricas, desde enero de 1999, hasta
Septiembre del 2009, a través de las fuentes directas de las publicaciones de los
eventos del calendario económico, y en algunos casos de fuentes indirectas que
se remiten a los datos emitidos por fuentes primarias.
Dentro de las principales fuentes de datos encontramos:
U.S Census Bureau.
U.S Bureau of Labor Statics.
Bureau of Economic Analysis, Department of Commerce.
Board of Governors of the Federal Reserve System.
29
Economic Research of St. Louis Federal Reserve Bank - (Herramienta
Economic Data - FRED®).
Federal Reserve Bank of Philadelphia.
The Financial Forecast Center.
Energy Information Administration.
6.3.3. Ajuste de las series
Se organizaron las series desde el primer trimestre del 1999, hasta el segundo
trimestre del 2009, teniendo en cuenta el ajuste realizado de acuerdo a los datos
trimestrales del producto interno bruto estadounidense (GDP), el cual arroja los
datos en este periodo, por lo tanto se tomo esta referencia temporal para unificar
las series en un mismo periodo.
Una vez obtenidos 42 datos que corresponden a los trimestres del marco de
tiempo seleccionado, primer trimestre de 1999 hasta el segundo trimestre del
2009, por cada indicador, se procedió a convertir las series a logaritmos naturales
mediante la fórmula:
Ln (t0 /t-1)
Donde Ln, es el logaritmo Natural de la división de t0 (dato en el momento 0),
sobre t-1 (Dato del periodo a t0).
De esta manera se obtuvieron series logarítmicas de 42 datos, que representan
cada índice en sus respectivos porcentajes de variación trimestral, (Para que no
se redujera la cantidad de datos se tomaron los datos del último trimestre de 1998,
para calcular la diferencia de los logaritmos naturales del primer trimestre de 1999.
6.4.
ESTIMACIÓN DEL MODELO
Con base en el marco de un análisis VAR formulado por Lütkephol (2006), se
desarrollara el modelo, sin llegar a las etapas de pronóstico y análisis de
causalidad las cuales no están al alcance de la investigación.
30
Grafica 4. Etapas del análisis VAR
Especificación y estimación de la
forma reducida del modelo VAR
Chequeo del modelo
Pronostico
Análisis de
Casualidad.
Análisis de Impulso-Respuesta
Especificación
estructural
Descomposición
de la varianza
Una vez obtenidos los datos en logaritmos naturales, se ingresaron en la
aplicación econométrica Eviews, consolidándolos en un objeto tipo grupo. Una
grafica de líneas de los distintos índices del grupo, permite realizar una inspección
inicial de los datos. (Ver Anexo B).
6.4.1. Matriz de correlación
Para la especificación del modelo, primero se adopto un método de selección de
posibles variables explicativas de cambios en la varianza y correlacionadas con la
variable DOW, mediante una matriz de correlaciones (Ver Anexo C).
En el primer vector de la matriz se observa que los indicadores de mayor
correlación son el PCE, ISM, y GDP, en este orden. El grado de la correlación
entre dos variables mide el grado de asociación lineal entre ellas20, sin que esto
represente una relación de causalidad, solo se evidencia la relación lineal
representada por el coeficiente. En este caso la mayor correlación es entre el
DOW y el PCE, indicando que cuando hay aumentos en los precios de los gastos
de consumo domestico, se da un aumento del Dow.
20
BROOKS, Chris. Introductory Econometrics for Finance. Cambridge.2008
31
Las correlaciones positivas obtenidas por la matriz de correlación, son
confirmadas por el cálculo de coeficiente de correlación lineal de Pearson:
Donde σXY es la es covarianza de (X,Y), y σX , σY son las desviaciones típicas de
las distribuciones.
Tabla 3. Coeficiente de correlación de
Pearson
DOW-PCE
DOW-ISM
DOW-GDP
0.528872275
0.442448788
0.439634968
Aunque el ISM presenta una correlación menor con el DOW, si se compara con la
correlación del PCE, se observa que el comportamiento del DOW y el ISM está
estrechamente relacionado (Ver Grafica 5). Esto se evidencia con un coeficiente
de covarianza mayor entre el DOW y el ISM, diferente al que se presenta con
otras variables.
Grafica 5. Correlación DOW-ISM
.3
.2
.1
.0
-.1
-.2
-.3
99
00
01
02
03
DOW
04
05
06
07
08
ISM
Con base en las anteriores observaciones es posible reducir el conjunto de series
cuya aplicación al modelo es justificada por su grado de correlación. Sin embargo
antes de la selección final de las variables que influirían sobre el DJIA, es
necesario evaluar otras características de las mismas, ya que por sí sola la matriz
de correlaciones no es suficiente, y solo la usamos con el propósito de observar
32
que variables podrían ser significativas para la explicación de perturbaciones
sobre el índice bursátil.
6.4.2. Prueba Dickey-Fuller Aumentada (ADF) y prueba Phillips-Perron
Para la selección de los series de tiempo que serán utilizadas en el VAR, es
necesario someter todas las variables a una prueba de estacionariedad. Se
considera que una serie es estacionaria si su media y varianza es constante. La
aplicación de variables estacionarias se debe a que en caso de aplicar variables
no-estacionarias, implícitamente se presentan relaciones sesgadas que incluso
pueden presentar coeficientes R2 muy altos y errores bajos, además de que el
efecto del shock aplicado en cualquiera de las variables tendría un efecto infinito,
lo que no sucede con las variables estacionarios donde el efecto se observa en el
periodo t con una tendencia a disminuir en t+1, t+2 y así sucesivamente que es lo
se necesita para el análisis que se está realizando.
A continuación se realizaran los test de Dickey-Fuller Aumentado (ADF) y de
Phillips-Perron, a las dieciocho variables, con el fin de determinar si hay presencia
de raíces unitarias o no-estacionariedad. Esta prueba probara la hipótesis nula, de
presencia de raíz unitaria, y se rechaza dicha hipótesis si la probabilidad de cada
variable se encuentra dentro del intervalo de significancia del 5%, es decir si la
probabilidad es menor a 0,005.
Tabla 4. Prueba Dickey-Fuller aumentada
Null Hypothesis: Unit root (individual unit root process)
Date: 11/07/09 Time: 17:12
Sample: 1999Q1 2009Q2
Series: DOW, CC, CPI, CRUDE, DGO, EXPO, FED, GDP, ICL,
IMPO, ISM, NFP, NHS, OHS, PCE, PPI, RS, UR
Exogenous variables: Individual effects
Automatic selection of maximum lags
Automatic selection of lags based on SIC: 0 to 3
Total number of observations: 725
Cross-sections included: 18
Method
ADF - Fisher Chi-square
ADF - Choi Z-stat
Statistic
223.209
-8.68943
33
Prob.**
0.0000
0.0000
** Probabilities for Fisher tests are computed using an asympotic Chi
-square distribution. All other tests assume asymptotic
normality.
Intermediate ADF test results A1_GROUP
Series
DOW
CC
CPI
CRUDE
DGO
EXPO
FED
GDP
ICL
IMPO
ISM
NFP
NHS
OHS
PCE
PPI
RS
UR
Prob.
0.0000
0.9522
0.0000
0.0000
0.0000
0.0008
0.9521
0.0317
0.0000
0.0000
0.0004
0.6964
0.7066
0.1014
0.0004
0.0000
0.9290
0.6157
Lag
0
1
0
0
0
0
2
0
0
1
0
0
3
2
0
0
3
1
Max Lag
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
Obs
41
40
41
41
41
41
39
41
41
40
41
41
38
39
41
41
38
40
De acuerdo a la prueba hay siente variables que no rechazan la hipótesis nula, las
restantes presentan probabilidades por debajo de 0,05. Esto quiere decir que once
de las dieciocho variables son estacionarias, y por lo tanto podrían incluirse en el
modelo, por lo que las demás variables son descartadas del mismo, de lo contrario
habría que replantear el modelo VAR, para realizar un VEC, o un SVAR 21 después
de crear un vector.
Por esta razón las cinco variables elegidas para ser aplicadas en el modelo VAR
serán además del DOW: PCE, ISM, DGO e ICL. Que son las más adecuadas de
acuerdo a los valores del test ADF.
21
Además de la prueba Dickey-Fuller, se realizo el test de raíces unitarias Phillips-Perron, que se
encuentra en el Anexo 4.
34
6.4.3. Regresión lineal
Previa a nuestra formulación y especificaron del modelo, se realizo una regresión
lineal simple, asumiendo como variable endógena a DOW, y como variables
exógenas: CPI, CRUDE, DGO, EXPO, GDP, ICL, IMPO, ISM, PCE, y PPI. (Ver
grafica 6). Estas variables se eligieron por ser estacionarias de acuerdo a los
resultados de la prueba Dickey-Fuller realizado para todas las series de tiempo.
Grafica 6. Regresión Lineal
.2
.1
.0
-.1
.10
-.2
.05
-.3
.00
-.05
-.10
-.15
99
00
01
02
03
Residual
04
05
Actual
06
07
08
Fitted
Esta regresión arroja un coeficiente de determinación (R2) de 0,65, y un
coeficiente de determinación ajustado de 0,54, por lo que se considera apropiado,
tal como se puede comprobar al observar los valores reales y ajustados de la
regresión. Sin embargo el Dow manifiesta una curtosis muy alta, por lo que se
infiere la alta volatilidad de modo que el valor ajustado en la regresión no coincide
(Ver Anexo E).
Esta regresión solo se realiza con el fin de demostrar que estas variables del
calendario económico estadounidense, pueden explicar parte de los valores
arrojados por el Dow, por lo tanto no ahondamos a fondo en la regresión.
6.4.4. Obtención de Retardos
Un retardo en una serie temporal muestra el valor t-x, donde x corresponde el
número de retardos. Así, si una variable tiene un valor de $100 en t=1 y $200 en
35
t=2, el dato de la variable t-1 será de $100, y no arrojara valor para t=1. (Ver
grafica 7).
Las razones de la inclusión de retardos en modelos econométricos, se debe a la
necesidad de reconocer la influencia del tiempo en los fenómenos económicos.
Esto comprueba que los fenómenos económicos son dinámicos, por lo tanto un
modelo que pretenda captar dichos fenómenos debería incluir el mismo
dinamismo. Por lo tanto, sabemos que hay un periodo de adaptación antes que las
variables exógenas produzcan un impacto total en las endógenas 22. En nuestro
caso significa que el efecto de las demás variables sobre DOW, no es inmediato, y
el índice Dow Jones (DJIA), no incorpora la información económica
inmediatamente.
Grafica 7. Variable DOW con dos retardos DOW (-1), DOW (-2)
.15
.10
.05
.00
-.05
-.10
-.15
-.20
-.25
99
00
01
DOW
02
03
04
05
DOW(-1)
06
07
08
DOW(-2)
Una vez seleccionadas las variables endógenas del modelo, procedemos a
seleccionar el número de retardos o rezagos (lags) del VAR mediante la prueba de
criterio de la longitud de los retardos (Ver Tabla 5).
22
PENA, Bernardo. El uso de retardos en los modelos econométricos uniecuacionales. Instituto
Nacional de Estadística Español. Tomado de: http://www.ine.es/revistas/estaespa/37_1.pdf
36
Tabla 5. Prueba de longitud de retardos
VAR Lag Order Selection Criteria
Endogenous variables: DOW PCE ISM DGO
ICL
Exogenous variables: C
@TREND
Date: 11/08/09 Time: 12:05
Sample: 1999Q1 2009Q2
Included observations: 39
Lag
LogL
LR
FPE
AIC
SC
HQ
0
336.7273
NA
3.64e-14
-16.75525
-16.32869* -16.60220*
1
363.2917
43.59288
3.42e-14
-16.83547
-15.34253
-16.29982
2
395.7098
44.88656*
2.54e-14
-17.21589
-14.65656
-16.29762
3
428.1215
36.56707
2.15e-14*
-17.59598* -13.97026
-16.29510
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5%
level)
La prueba muestra que el mejor número de retardos es 3, debido a que el criterio
informativo de AIC (Akaike) presenta un valor y un error de predicción final menor
(FPE).
6.4.5. Modelo VAR sin restricciones
Una vez seleccionado el numero de retardos del modelo, y las variables a incluir
en dicho modelo, se procede a realizar el VAR23 con tres retardos, cinco variables
endógenas, y dos exógenas. Las cinco variables endógenas, seleccionadas
anteriormente son: DOW, PCE, ISM, DGO, e ICL. Respecto a las variables
exógenas, se incluyo la constante por defecto de Eviews (c), y una variable
denominada (@trend) computada automáticamente por el mismo programa cuyo
fin es imitar el verdadero proceso generador de datos. (Enders 1995).
23
Para la estimación de las ecuaciones del modelo VAR ver anexo 6.
37
Tabla 6. Modelo VAR sin restricciones
Vector Autoregression Estimates
Date: 11/08/09 Time: 14:15
Sample (adjusted): 1999Q4 2009Q2
Included observations: 39 after adjustments
Standard errors in ( ) & t-statistics in [ ]
DOW
PCE
ISM
DGO
ICL
DOW(-1)
-0.038233
(0.21618)
[-0.17685]
0.021436
(0.01992)
[ 1.07635]
0.118178
(0.14459)
[ 0.81731]
0.048344
(0.14009)
[ 0.34508]
-0.305825
(0.19999)
[-1.52923]
DOW(-2)
0.342066
(0.22981)
[ 1.48849]
0.036885
(0.02117)
[ 1.74224]
0.401310
(0.15371)
[ 2.61090]
0.099345
(0.14892)
[ 0.66710]
-0.194850
(0.21259)
[-0.91656]
DOW(-3)
-0.148415
(0.24493)
[-0.60596]
0.022332
(0.02256)
[ 0.98974]
0.500997
(0.16382)
[ 3.05826]
-0.136338
(0.15872)
[-0.85899]
-0.314726
(0.22657)
[-1.38906]
PCE(-1)
-1.009632
(2.44883)
[-0.41229]
-0.297448
(0.22560)
[-1.31850]
-1.490221
(1.63789)
[-0.90984]
1.845445
(1.58692)
[ 1.16291]
-1.622523
(2.26534)
[-0.71624]
PCE(-2)
-4.829804
(2.65455)
[-1.81944]
-0.389942
(0.24455)
[-1.59454]
-9.006525
(1.77549)
[-5.07271]
0.200784
(1.72023)
[ 0.11672]
3.136763
(2.45565)
[ 1.27736]
PCE(-3)
3.722990
(3.63327)
[ 1.02469]
0.385298
(0.33471)
[ 1.15113]
-5.352579
(2.43010)
[-2.20261]
1.772037
(2.35447)
[ 0.75263]
0.800797
(3.36104)
[ 0.23826]
ISM(-1)
0.496633
(0.31419)
[ 1.58068]
0.033164
(0.02894)
[ 1.14578]
-0.239145
(0.21014)
[-1.13800]
0.232143
(0.20360)
[ 1.14016]
-0.172327
(0.29065)
[-0.59290]
ISM(-2)
-0.523299
-0.067127
-0.325072
-0.189168
-0.341363
38
(0.25595)
[-2.04455]
(0.02358)
[-2.84692]
(0.17119)
[-1.89890]
(0.16586)
[-1.14052]
(0.23677)
[-1.44175]
ISM(-3)
-0.105604
(0.35396)
[-0.29835]
0.015482
(0.03261)
[ 0.47478]
-0.424218
(0.23674)
[-1.79188]
-0.027400
(0.22938)
[-0.11945]
-0.114274
(0.32744)
[-0.34899]
DGO(-1)
0.351879
(0.36895)
[ 0.95374]
0.005392
(0.03399)
[ 0.15863]
0.455529
(0.24677)
[ 1.84597]
-0.528677
(0.23909)
[-2.21121]
-0.246431
(0.34130)
[-0.72203]
DGO(-2)
-0.414370
(0.43728)
[-0.94760]
-0.023689
(0.04028)
[-0.58805]
-0.054771
(0.29248)
[-0.18727]
-0.335164
(0.28337)
[-1.18276]
-0.026151
(0.40452)
[-0.06465]
DGO(-3)
0.369704
(0.41175)
[ 0.89788]
0.049658
(0.03793)
[ 1.30911]
0.288956
(0.27540)
[ 1.04923]
0.209949
(0.26683)
[ 0.78684]
-0.149857
(0.38090)
[-0.39343]
ICL(-1)
-0.172113
(0.24661)
[-0.69791]
-0.051486
(0.02272)
[-2.26620]
-0.491884
(0.16495)
[-2.98210]
-0.254682
(0.15981)
[-1.59363]
-0.178432
(0.22813)
[-0.78214]
ICL(-2)
-0.206270
(0.27930)
[-0.73852]
-0.022005
(0.02573)
[-0.85522]
-0.030352
(0.18681)
[-0.16247]
-0.277930
(0.18100)
[-1.53555]
-0.291617
(0.25837)
[-1.12866]
ICL(-3)
-0.533609
(0.27007)
[-1.97580]
-0.037155
(0.02488)
[-1.49336]
-0.140009
(0.18064)
[-0.77509]
-0.141304
(0.17501)
[-0.80738]
0.043177
(0.24984)
[ 0.17282]
C
0.057295
(0.09465)
[ 0.60535]
0.022529
(0.00872)
[ 2.58382]
0.264321
(0.06330)
[ 4.17537]
-0.044912
(0.06133)
[-0.73225]
-0.024883
(0.08756)
[-0.28420]
@TREND
-0.001451
(0.00152)
[-0.95692]
-0.000318
(0.00014)
[-2.27491]
-0.003252
(0.00101)
[-3.20634]
2.72E-05
(0.00098)
[ 0.02765]
0.000555
(0.00140)
[ 0.39537]
0.506835
0.148169
0.139131
0.632884
0.365891
0.001181
0.759049
0.583812
0.062241
0.507081
0.148594
0.058427
0.524252
0.178253
0.119063
R-squared
Adj. R-squared
Sum sq. resids
39
S.E. equation
F-statistic
Log likelihood
Akaike AIC
Schwarz SC
Mean dependent
S.D. dependent
0.079525
1.413111
54.56140
-1.926226
-1.201083
-0.005177
0.086164
Determinant resid covariance (dof
adj.)
Determinant resid covariance
Log likelihood
Akaike information criterion
Schwarz criterion
0.007326
2.370415
147.5614
-6.695459
-5.970316
0.011358
0.009200
0.053190
4.331550
70.24723
-2.730627
-2.005485
-0.006175
0.082449
0.051534
1.414502
71.48029
-2.793861
-2.068719
-0.004187
0.055851
0.073566
1.515185
57.59884
-2.081992
-1.356850
0.019016
0.081154
3.51E-15
2.01E-16
428.1215
-17.59598
-13.97026
El resultado obtenido del modelo VAR, indica un coeficiente de determinación (R 2)
significativo de 0,5. Esto quiere decir que el 50% de la variabilidad del Dow, es
explicada por el modelo. Sin embargo dado que la técnica VAR es flexible y está
dominada por la asunción de la endogeneidad de todas las variables, no se
acostumbra analizar los coeficientes de regresión estimados, ni la bondad del
ajuste (R2-ajustado), de las ecuaciones individuales.24 Por esto no es relevante
que se presente un R2 de 0,14, para el Dow.
6.5.
CHEQUEO DEL MODELO
6.5.1. Autocorrelación
A continuación se procede a comprobar la ausencia de correlación serial en los
residuos, y la distribución normal de los mismos. Para esto, se utilizo el test LM
Breusch-Godfrey de Correlación Serial de los Residuos con los siguientes
resultados donde no se evidencian problemas de autocorrelación en los residuos,
aunque para el primer retardo se rechaza la hipótesis nula de no correlación serial.
24
Ibidem.
40
Tabla 7. Test Breusch-Godfrey
VAR Residual Serial Correlation LM
Tests
H0: no serial correlation at lag order h
Date: 11/09/09 Time: 11:51
Sample: 1999Q1 2009Q2
Included observations: 39
Lags
LM-Stat
Prob
1
2
3
38.73121
27.40776
25.92070
0.0392
0.3358
0.4118
Probs from chi-square with 25 df.
6.5.2. Normalidad
Para verificar la distribución normal de los residuos, se efectúo el test de
normalidad del VAR, y se encontró que los residuos cumplían el criterio de no
asimetría con una probabilidad conjunta de 0,98, pero rechazaron los criterios de
curtosis, y de Jarque-Bera. No obstante es más importante que el VAR cumpla
con la prueba de no autocorrelación, que con la de normalidad multivariada (Ver
tabla 8).25
Tabla 8. Test de normalidad del VAR
VAR Residual Normality Tests
Orthogonalization: Cholesky (Lutkepohl)
H0: residuals are multivariate normal
Date: 11/09/09 Time: 11:52
Sample: 1999Q1 2009Q2
Included observations: 39
Component
Skewness
Chi-sq
25
df
Prob.
FERNANDEZ-CORUGEDO, Emilio. Exercise on unit roots (including structural breaks)
Estimating a VECM and the implications of the VECM. Bank of England. Inglaterra. 2003
41
1
2
3
4
5
0.006763
-0.264425
0.057098
0.134043
0.023564
Joint
0.000297
0.454483
0.021191
0.116789
0.003609
1
1
1
1
1
0.9862
0.5002
0.8843
0.7325
0.9521
0.596370
5
0.9882
Component
Kurtosis
Chi-sq
df
Prob.
1
2
3
4
5
0.759088
0.956934
0.847668
0.867967
0.718883
8.160240
6.782943
7.527867
7.386542
8.455677
1
1
1
1
1
0.0043
0.0092
0.0061
0.0066
0.0036
38.31327
5
0.0000
Joint
Component
Jarque-Bera
Df
Prob.
1
2
3
4
5
8.160537
7.237425
7.549058
7.503331
8.459286
2
2
2
2
2
0.0169
0.0268
0.0229
0.0235
0.0146
Joint
38.90964
10
0.0000
6.5.3.Causalidad de Granger
Como fue enunciado anteriormente, un valor de correlación alto no
necesariamente implica una relación de causalidad, por lo que es necesario un
criterio que permita relación de causalidad, así como que valor actual de y puede
ser explicado por su valores pasados, y si la adición de valores retardados de x
puede mejorar la explicación. De esta manera, podemos probar con el test de
causalidad de Granger si una variable endógena puede ser tratada como
exógena.
42
Con base en esta prueba, concluimos que las variables que están en un mayor
grado explicadas por los rezagos del conjunto de las demás variables, son ISM,
PCE, y DOW, para un nivel de significancia del 95%, indicando que no pueden
considerarse como exógenas, mientras que las variables DGO, e ICL, al superar
el nivel de significancia, pueden ser consideradas exógenas. Por lo tanto, son la
variable con más endogeneidad es ISM, y la de menor es DGO.
Tabla 9. Test de causalidad de Granger
VAR Granger Causality/Block Exogeneity Wald Tests
Date: 11/10/09 Time: 20:31
Sample: 1999Q1 2009Q2
Included observations: 39
Dependent variable: DOW
Excluded
Chi-sq
df
Prob.
PCE
ISM
DGO
ICL
4.949405
7.949250
6.058779
3.933876
3
3
3
3
0.1755
0.0471
0.1088
0.2687
All
21.50050
12
0.0435
Dependent variable: PCE
Excluded
Chi-sq
df
Prob.
DOW
ISM
DGO
ICL
4.312956
10.07935
3.385439
6.025344
3
3
3
3
0.2296
0.0179
0.3359
0.1104
All
27.87303
12
0.0058
df
Prob.
Dependent variable: ISM
Excluded
Chi-sq
43
DOW
PCE
DGO
ICL
14.75250
28.29343
7.302488
9.962330
3
3
3
3
0.0020
0.0000
0.0629
0.0189
All
57.73602
12
0.0000
Dependent variable: DGO
Excluded
Chi-sq
df
Prob.
DOW
PCE
ISM
ICL
1.372728
2.207803
3.069788
3.592762
3
3
3
3
0.7119
0.5304
0.3810
0.3089
All
18.67527
12
0.0967
Dependent variable: ICL
6.6.
Excluded
Chi-sq
df
Prob.
DOW
PCE
ISM
DGO
5.115430
2.810240
2.366727
0.883529
3
3
3
3
0.1635
0.4218
0.4999
0.8294
All
20.28681
12
0.0619
Función Impulso-respuesta
La función Impulso-respuesta tiene como objetivo mostrar gráficamente el efecto
del shock de una variable endógena sobre las demás variables del sistema. Se
asume que el efecto de esta innovación o impulso sobre el conjunto de variables
44
desaparece a través del tiempo, y que todas las demás innovaciones permanecen
constantes26.
Una vez estimada la causalidad de Granger, comprobado que el Dow no puede
considerarse como exógena ya que cumple el requisito de endogeneidad pensado
como base del modelo, y que puede obtenerse una mejora del pronóstico de
respuesta del DOW al incluir el conjunto de las demás variables, realizamos el
análisis de la función impulso-respuesta generalizada (Ver grafica 8) para
observar las diferentes respuestas del DOW, frente a choques independientes en
las demás variables aplicadas.
Grafica 8. Funciones Impulso-Respuesta Generalizadas.
Response to Generalized One S.D. Innovations ± 2 S.E.
Response of DOW to PCE
Response of DOW to ISM
.08
.08
.04
.04
.00
.00
-.04
-.04
-.08
-.08
1
2
3
4
5
6
7
8
9
10
1
2
Response of DOW to DGO
4
5
6
7
8
9
10
9
10
Response of DOW to ICL
.08
.08
.04
.04
.00
.00
-.04
-.04
-.08
-.08
1
26
3
2
3
4
5
6
7
8
9
10
1
Ibidem
45
2
3
4
5
6
7
8
En la grafica, para un rango de diez trimestres, se observa como el DOW
reacciona positivamente frente al incremento de la variable PCE impulsando el
índice bursátil cerca a las cuatro desviaciones estándar de su media. Para el
tercer periodo se observa una reacción negativo reanudándose a una tendencia
positiva general para el resto de periodos.
El ISM muestra también un impacto alto en los cambios del DOW, similar al
impacto del PCE. Este impacto positivo alcanza su pico en el segundo trimestre, y
se torna en un efecto casi igual de fuerte pero negativo en el tercero. Una
situación de impacto medio-bajo se da con los impulsos del DGO y el ICL, ya que
su impacto inicial no es muy significativo, y sus efectos se estabilizan más rápido
en el tiempo, aclarando que el ICL causa una respuesta negativa en el DOW,
resultado lógico, tratándose de un aumento de los reclamos por desempleo,
indicador de una posible crisis, o situación económica desfavorable. El grafico
combinado de estas funciones, nos permitirá confirmar estos resultados,
observando que las innovaciones en el PCE, son las que causan una respuesta
inicial mayor en el DOW (Ver grafica 9).
Grafica 9. Funciones de Impulso-Respuesta Combinadas.
Accumulated Response of DOW to Generalized One
S.D. Innovations
.12
.08
.04
.00
-.04
-.08
-.12
-.16
1
2
3
4
5
PCE
ISM
46
6
7
DGO
ICL
8
9
10
Sin embargo es interesante observar como el ISM,
adquiere
una
mayor
importancia a través del tiempo, al igual que el DGO, quedando las respuestas del
DOW frente al PCE menores en relación a las respuestas DOW-ISM, DOW-DGO
para el periodo diez, y manteniéndose de esta manera para los 42 periodos de
estudio. Respecto a la variable ICL, podemos afirmar que su innovación tiene una
incidencia inicial muy baja, pero cobra fuerza a medida que transcurre el tiempo,
alcanzando el punto más bajo en el periodo diez. Es decir que a los dos años, se
estabiliza su influencia negativa sobre el DOW, en un nivel alto (Ver Anexo G).
6.7.
Descomposición de la varianza
La descomposición de la varianza, separa los cambios de la variable endógena
DOW, en los componentes de choque del VAR (Variables DGO, ISM, ICL, PCE).
Así muestra el porcentaje del error del pronóstico que es explicado por las
restantes variables endógenas.27 De esta forma la descomposición de la varianza
provee información acerca de la importancia relativa de cada innovación que
afecta a la variable DOW28 (Ver grafica 10).
Grafica 10. Descomposición de la varianza
Variance Decomposition of DOW
100
80
60
40
20
0
5
10
15
20
DOW
PCE
ISM
27
28
25
30
35
DGO
ICL
Ibídem
Eviews. Eviews 5 User´s Guide. Quantitative Microsoftware. 2004.
47
40
Los resultados muestran como para los primeros periodos la variable DOW explica
su varianza por sí misma. Sin embargo para el periodo diez, 55% de la varianza
del DOW se explica por la misma variable, y un 19,19% es explicado por la
variable DGO29.
También observamos como la capacidad de explicación propia de la varianza del
DOW disminuye hasta llegar a un 30% para el periodo 42, en donde la variable
DGO explica un 20% de la varianza, y la variable ICL, explica otro 20%. Así
deducimos que la incertidumbre asociada a la variable DOW, es en gran medida
explicada por el DGO e ICL a partir del tercer periodo, y en menor medida por el
PCE, y el ISM (Ver Anexo H).
6.8.
Prueba grafica de raíz unitaria
Por último, se procede a realizar el test de raíz unitaria del modelo de
autorregresión (AR Unit Root) para comprobar la estabilidad del modelo.
29
El ordenamiento de Cholesky, para la descomposición de la varianza se realizo de acuerdo al
test de Casualidad de Granger, realizado anteriormente, donde se tomo el siguiente orden de la
mas a la menos exógena: DGO, ICL, DOW, PCE, ISM.
48
Grafica 11. Test grafico de raíces unitarias
Inverse Roots of AR Characteristic Polynomial
1.5
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
Esta prueba confirma la estabilidad del VAR gracias a su estacionariedad pues
sus raíces no salen de la frontera unitaria (Ver Anexo I).
49
7. CONCLUSIONES
Las variables que reflejan las tendencias de los mercados, evidencian momentos
de crisis y volatilidad, que en conjunto pueden explicar a corto plazo las
variaciones en el Dow Jones Industrial Average. Es decir, que en un marco de
crisis financiera, parte de las perturbaciones en el índice accionario Dow Jones
(DJIA), tienden a ser explicadas mas aproximadamente por indicadores como las
Ordenes de bienes durables, los Reclamos por desempleo, y el índice ISM de
expansión-contracción económica.
Para la especificación del modelo econométrico que respondiera a la pregunta de
la investigación, fue necesario seguir la metodología propuesta por Lütkephol
(2006), mediante la cual se estudiaron, y seleccionaron las variables del modelo,
se especificaron los parámetros del mismo, y se determinaron las Funciones de
Impulso-Respuesta, y la descomposición de la Varianza del DOW.
El análisis de las series de tiempo, nos permitió identificar aquellas variables
estacionarias, y aquellas que no eran estacionarias y presentaban raíz unitaria.
Además se verifico la normalidad de la distribución de las series de tiempo, para
determinar finalmente las variables seleccionadas para la conformación del
modelo además del DOW, que fueron: ISM, PCE, ICL y DGO.
Para el modelo VAR (Vectores de autorregresión), se determino: 3 retardos
mediante el test de longitud de retardos; se comprobó la ausencia de correlación
serial en los residuos por medio del test LM Breusch-Godfrey; y se rechazo el test
de normalidad de los residuos del modelo, rechazando la hipótesis de normalidad,
por valores muy bajos debidos a la alta curtosis o variaciones abruptas, de las
series.
El modelo VAR presento un coeficiente de determinación significativo de 0,5 para
la variable DOW, significando que un 50% de la variabilidad en los valores del
DOW, es explicada por el modelo.
El examen de las FIR (Funciones de Impulso-Respuesta), muestra como el Dow
Jones Industrial Average reacciona positivamente a corto plazo, al impacto de la
variable PCE, ISM, y DGO, y reacciona negativamente al impacto de la variable
ICL.
Podemos concluir también de la FIR, que la magnitud de los impactos de los
incrementos en las variables PCE, ISM, DGO e ICL, se intensifica en el segundo
trimestre después del impacto, se reduce dramáticamente en el tercer trimestre, y
50
continúa con una tendencia sin cambios bruscos, manteniéndose la duración de
los impactos a lo largo de los 42 periodos del modelo.
La descomposición de la varianza nos indica que el poder explicativo de los
índices elegidos frente al DOW, no es inmediato. A partir del tercer periodo el
porcentaje de las variaciones en el índice Dow Jones, comienza a explicarse por
la información contenida en los índices ISM, DGO, PCE e ICL, en especial por el
índice de las órdenes de bienes durables (DGO), que en el tercer periodo tiene la
capacidad de explicar 19% de las variaciones en el DOW.
Las variaciones del DOW explicadas por su propia dinámica, decrece lentamente
a partir del tercer periodo, dándole cabida a que las demás variables del modelo
expliquen dichas variaciones, siendo las variables mas explicativas DGO e ICL,
llegando en el periodo 42 a explicar cada una un 20% de las variaciones en el
DOW.
Por lo tanto cuando se incrementan los precios de el gasto del consumo personal
de los estadounidenses, cuando sube el índice ISM (por debajo de 50 significa
contracción económica), cuando suben las ordenes de bienes durables (para
trabajo manufacturero en el futuro), y cuando bajan los reclamos por desempleo,
el índice Dow Jones Industrial Average responde positivamente a estas
variaciones. Demostrando así que estos 4 indicadores son una medida parcial
aproximada del sentimiento económico, y reflejan sobre todo las percepciones
psicológicas, acerca del comportamiento del hombre frente a la incertidumbre
económica, bien se trate de los precios de bienes de consumo personal, de las
opiniones de los gerentes de compras (ISM), de las ordenes de bienes durables
pensando en producción futura industrial (DGO), o de los reclamos de subsidio de
desempleo.
51
BIBLIOGRAFIA
ÁLVAREZ, Alejandro. La recesión de 2001 y las políticas anticíclicas en Estados
Unidos. Instituto de investigaciones económicas, UNAM. Mayo de 2002.
ARIAS, Eilyn. TORRES, Carlos. Modelos VAR y VECM para el pronóstico de corto
plazo de las importaciones de Costa Rica. Documento de trabajo del Banco
Central de Costa Rica, elaborado por el departamento de Investigaciones
Economicas. Marzo del 2004. en: http://www.bccr.fi.cr/ndie/Documentos/DIE-012004-DI-MODELOS%20VAR%20Y%20VCM%20PARA%20PRONOSTICOS.pdf .
BORIO, Claudio. The Financial Turmoil of 2007: A preliminary assesment and
some policy considerations. Monetary and Economic Department. Marzo 2008.
.
BROOKS, Chris. Introductory Econometrics for finance. Cambridge University
Press. 2008.
CARRASCAL, Ursicino. Análisis econométrico con EViews. Alfaomega Grupo
Editor. Mexico. 2004
EViews. EViews 5 User´s Guide. Quantitative Microsoftware. Estados Unidos de
America. 2004.
FLORES, Alfredo. Impactos de los precios del petróleo, sobre el PIB real, gasto de
consumo personal real, inversión bruta real, y la política monetaria de los estados
unidos de America, en el periodo comprendido del tercer trimestre de 1995 al
segundo trimestre de 2006. Universidad Nacional Autónoma de Nicaragua. Mayo
2007. Tomado de: http://www.eumed.net/ce/2007b/aifs.htm
GRIFFITHS, William. Using EViews for principles of econometrics. John Wiley &
Sons. New York. 2008
HEATH, Jonathan. “La Economia de Estados Unidos” en
http://www.jonathanheath.net/index.php?option=com_content&task=view&id=966&
Itemid=83. Septiembre de 2006.
HILL, Carter. Principles of econometrics. John Wiley & Sons. New Jersey. 2008
HWANG, Margaret. SMITH Gary. Bubble, Bubble, Where’s the Housing Bubble?
52
en Brookings Papers on Economic Activity, Vol. 2006, No. 1, pp1-50. The
Brookings Institute.
LÜTKEPOHL, Helmut. EUI Working Papers: Econometric Analysis with Vector
Autoregresive Models. European University Institute, Badia Fiesolana. Italia. 2007.
En http://cadmus.iue.it/dspace/bitstream/1814/6918/1/ECO-2007-11.pdf.
MONTENEGRO, Álvaro. Crisis financieras, burbujas y pirámides. Revista
Javeriana Vol.145, N° 752. Marzo del 2009, p.40-45
NBC. “Analysts forecast: more job cuts” en www.msnbc.com/news/680908.asp.
Enero de 2002.
REINHART, Carmen. ROGOFF, Kenneth. The Aftermath of Financial Crises.
Borrador de Diciembre 19, 2008. Paper prepared for presentation at the American
Economic Association. San Francisco, January 3, 2009.
REINHART, Carmen. ROGOFF, Kenneth. Is the 2007 U.S. Sub-Prime Financial
Crisis So Different? An international Historical Comparison. Maryland, EU. Febrero
2008.
SICILIA, Jorge. Mercados Financieros y Economia Real en Estados Unidos.
Analista BBVA. España. 2008.
TOBLER G., ROVIRA, S. y GUICHON, E. La FED y las tasas de interés en
www.inversorlatino.com. Febrero de 2001.
VALDEZ, Arturo. Modelos de corrección de error no lineal entre mercados
accionarios latinoamericanos y el mercado accionario de estados unidos. Instituto
Tecnológico y de Estudios Superiores de Monterrey, en Revista de Análisis
Económico, Vol 21, N° 1, pp 117-129. México. Junio del 2006. Paper tomado de:
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1262281.
53
ANEXO A. DESCRIPCION DE DATOS ECONOMICOS
FOMC30
Aunque no constituye un índice asociado directamente en el modelo
econométrico, los datos proporcionados por FOMC (Federal Open Market
Comittee) permiten evaluar el movimiento de las tasas de interés y su influencia
en los demás índices estudiados. La Reserva Federal de los Estados Unidos
(FED) es la encargada de controlar tres herramientas para aplicar la política
monetaria: operaciones de mercado abierto (OMAS), la tasa de descuento y las
necesidades de reserva. El FOMC o Comité Federal de Mercado Abierto, es parte
del cuadro de gobierno de la Reserva Federal y su responsabilidad es vigilar las
operaciones de mercado abierto exclusivamente.
PIB de Estados Unidos (GDP)
Mide el valor de bienes y servicios producidos en un país específico. Para el
cálculo del índice, se tiene en cuenta cualquier actividad económica de manera
independiente a la nacionalidad del propietario del factor productivo analizado.
Respecto a los mercados financieros, estos analizan trimestralmente las
variaciones del producto interno bruto por año.
Un estudio histórico de correlaciones entre el PIB estadounidense, y los
principales índices bursátiles (DJIA, S&P, y Nasdaq) (Niño y Martínez, 2000),
mostraron un alto grado de vinculación, siendo inexplicable la evolución del PIB
estadounidense, sin la evolución de los índices bursátiles estudiados, es decir de
la llamada economía financiera. Salvo en cuatro casos, la evolución de cada una
de las variables consideradas muestra un grado medio-alto y alto de correlación,
por lo que en líneas generales puede decirse que en Estados Unidos, la evolución
del DJIA, S&P 500 y Nasdaq en relación al PIB ha sido muy elevada. Solo en dos
momentos la afirmación anterior no se ha cumplido: a) durante el Modelo Clásico,
cuando la correlación del DJIA y del S&P 500 respecto al PIB se sitúa ligeramente
por encima de 0,5, y en los nueve años posteriores a la crisis del 73 cuando la
correlación entre el DJIA y el PIB es reducida. A destacar la baja correlación
existente entre el Nasdaq y el DJIA en el subperíodo 1974-1982.
30
Comité de la Reserva Federal de los Estados Unidos. Para conocer más sobre el reporte de este comité
ver http://www.federalreserve.gov/monetarypolicy/fomc.htm
54
CPI Index (IPC)
El índice de precios al consumidor (IPC o CPI por sus siglas en ingles) es una
medida que examina la media ponderada de los precios de una canasta de bienes
y servicios de consumo, tales como transporte, alimentos y atención médica. El
IPC se calcula mediante la adopción de cambios en los precios para cada artículo
en una canasta determinada de productos y un promedio de ellos, ponderados de
acuerdo a su importancia. Las variaciones en el IPC se utilizan para evaluar los
cambios de precio asociados con el costo de la vida o inflación.
PPI Index (IPP)
El indice de precios al productor (IPP), pertenece al grupo índices que mide la
variación media de los precios de venta recibidos por los productores nacionales
de bienes y servicios a través del tiempo. El IPP mide el cambio de precios desde
la perspectiva del vendedor. Su analisis, se puede realizar desde tres areas de
producción: con base en la Industria, en productos y en procesos.
Índice ISM
Publicado mensualmente por el Insitute for Supply Management, se basa en las
apreciaciones de 300 gerentes de compras ubicados en 20 industrias del área
manufacturera en Estados Unidos. Este índice, es publicado el primer día hábil del
mes y describe los datos del mes anterior. Si este es mayor a 50, significa que hay
una expansión de la economía mientras que los valores inferiores muestran una
contracción de la misma.
PCE Core inflation (Personal Consumption Expenditures Price Index)
Es una medida de inflación creada en Febrero del 2000, similar al CPI (Consumer
Price Index), que excluye ciertos rubros que pueden presentar altas volatilidades a
corto plazo. El índice PCE es construido a partir de una fórmula que refleja las
composiciones cambiantes del gasto, y evita las distorsiones asociadas con la
naturaleza de ponderaciones fijas del CPI. El PCE elimina de su medición
productos que pueden tener choques de precios temporales, con lo cual pretende
ser un indicador y predictor de la inflación subyacente a largo plazo.
Initial Unemployment Claims (Reclamaciones de Desempleo)
55
Es la medida del número de reclamaciones de desempleo llenadas por individuos
buscando los beneficios de desempleo. Normalmente promedios móviles de 4
semanas son tomados para reducir la volatilidad en el índice, el cual provee
información importante acerca del estado de la economía, ya que altas
reclamaciones de desempleo, se correlacionan positivamente con una economía
en debilitamiento.
Nonfarm Payroll Changes
Estadística mensual publicada el primer viernes de cada mes, medida por el (U.S
Bureau of Labor Statics), que muestra el número total de trabajadores asalariados
de cualquier negocio o industria, excluyendo:
Empleados del gobierno
Empleados independientes
Empleados de organizaciones sin ánimo de lucro que proveen asistencia a
individuos
Empleados agrícolas
El total de los salaries no agrícolas, cuenta aproximadamente por el 80% de los
trabajadores que producen el total de PIB.
Unemployment Rate
Es la tasa que mide la cantidad de desempleados que se encuentran buscando
empleo activamente y están dispuestos a trabajar, sobre el total de la fuerza
laboral de un país. Sin embargo esta tasa de desempleo es considerada un
indicador que confirma las tendencias del mercado, pero no como un indicador de
las tendencias a largo plazo.
Core Export and Import Prices
Índice que mide los precios de los bienes comprados en los Estados Unidos, pero
producidos en el exterior, y los bienes producidos en los Estados Unidos, y
comprados en el exterior. Usualmente estos datos tienen un impacto importante
en el mercado de bonos, y en el mercado de renta variable ya que cuando el
índice de precios de importación se incrementa, las tasas de interés usualmente
suben como reacción a los precios elevados. De otro lado, mayores tasas de
interés muchas veces significan una menor demanda por el mercado de renta
variable.
56
Retail Sales
El reporte de ventas minoristas, es un indicador económico estadounidense
calculado mensualmente y compilado por el Census Bureau y el Department of
Commerce. Muestra la medición de las ventas de bienes al por menor durante un
determinado periodo de tiempo.
El reporte es publicado dos semanas antes del fin de mes, y se hacen
comparaciones históricas anuales, así como reportes de meses anteriores. Los
resultados de este reporte se presentan con y sin ventas de autos, ya que su
precio de fabrica es bastante alto.
Consumer Credit (Credito de Consumo)
Es la cantidad de créditos pedidos por los consumidores para comprar bienes o
servicios de consumo, no para invertir. Esto incluye créditos para automóviles,
educación, electrodomésticos, botes entre otros. También se incluyen las tarjetas
de crédito y algunas líneas de créditos específicas
57
05
06
07
08
-.08
-.06
-.04
-.02
.00
.02
.04
-.016
-.3
-2.5
-.012
04
08
-.008
03
07
-2.0
-1.5
-1.0
-0.5
0.0
0.5
-.2
02
06
08
-.1
ISM
05
07
-.004
01
04
06
.0
00
03
05
.000
99
04
EXPO
03
.1
02
02
.004
01
01
.2
00
00
-.02
-.01
.00
.01
.02
.03
.04
.008
99
99
DOW
58
.3
-.08
-.06
-.04
-.02
.00
.02
.04
-.25
-.20
-.15
-.10
-.05
.00
.05
.10
.15
99
99
99
99
00
00
00
00
01
01
01
01
02
02
02
02
04
04
03
03
04
PPI
04
NFP
03
FED
03
CC
05
05
05
05
06
06
06
06
07
07
07
07
08
08
08
08
00
01
02
03
-.2
-.1
.0
.1
.2
.3
-.2
-.1
.0
.1
.2
-.02
-.01
.00
.01
.02
.03
-.04
-.03
-.02
99
99
99
00
00
00
01
01
01
02
02
02
04
03
03
04
RS
04
NHS
03
GDP
04
05
06
07
08
05
05
05
06
06
06
07
07
07
08
08
08
.00
.00
99
.02
.01
-.08
-.04
.00
.04
.08
.12
.16
.20
-.12
-.08
-.04
.00
.04
.08
.12
-.20
-.15
-.10
-.05
.00
.05
.10
.15
.20
-.08
-.06
-.04
-.02
.04
.02
-.01
.06
CPI
.03
99
99
99
99
00
00
00
00
01
01
01
01
02
02
02
02
04
04
UR
03
03
04
ICL
04
OHS
03
03
05
05
05
05
CRUDE
06
06
06
06
07
07
07
07
08
08
08
08
-.04
-.03
-.02
-.01
.00
.01
.02
.03
-.20
-.15
-.10
-.05
.00
.05
.10
-.20
-.15
-.10
-.05
.00
.05
.10
.15
99
99
99
00
00
00
01
01
01
02
02
02
04
04
03
04
PCE
03
IMPO
03
DGO
05
05
05
06
06
06
07
07
07
08
08
08
ANEXO B. GRAFICAS DE LAS SERIES DE TIEMPO ELEGIDAS.
ANEXO C. MATRIZ DE CORRELACIONES
Tabla 3. Matriz de Correlaciones Parcial.
DOW
CC
CPI
CRUDE
DGO
EXPO
FED
GDP
DOW
1.000
0.191
0.160
-0.062
0.326
0.227
0.341
0.450
CC
0.191
1.000
0.210
-0.158
0.233
0.104
0.232
0.497
CPI
0.160
0.210
1.000
-0.181
0.342
0.785
0.717
0.483
CRUDE
0.062
0.158
0.181
1.000
0.036
-0.174
0.077
0.206
DGO
0.326
0.233
0.342
-0.036
1.000
0.458
0.549
0.660
EXPO
0.227
0.104
0.785
-0.174
0.458
1.000
0.728
0.441
FED
0.341
0.232
0.717
-0.077
0.549
0.728
1.000
0.565
GDP
0.450
0.497
0.483
-0.206
0.660
0.441
0.565
1.000
0.175
0.078
0.146
0.307
0.343
-0.236
0.203
0.586
IMPO
0.205
0.136
0.843
-0.163
0.463
0.899
0.722
0.464
ISM
0.453
0.150
0.376
0.091
0.222
0.433
0.466
0.126
NFP
0.376
0.523
0.388
-0.305
0.490
0.399
0.510
0.810
NHS
0.360
0.181
0.010
0.005
0.061
0.090
0.258
0.075
OHS
0.097
0.036
0.134
0.126
0.039
-0.010
0.073
0.071
PCE
0.542
0.471
0.644
-0.250
0.488
0.616
0.719
0.651
PPI
0.199
0.130
0.919
-0.267
0.386
0.854
0.721
0.456
0.078
0.187
-0.408
0.196
0.114
0.049
0.361
0.332
0.357
-0.392
0.516
0.785
ICL
RS
UR
0.205
0.302
0.013
0.462
59
ICL
0.175
0.078
0.146
0.307
0.343
0.236
0.203
0.586
1.000
0.279
0.329
0.466
0.146
0.227
0.268
0.185
0.322
0.649
IMPO
0.205
0.136
0.843
-0.163
0.463
0.899
0.722
0.464
-0.279
1.000
0.496
0.378
0.123
0.071
0.644
0.889
0.106
-0.404
ANEXO D. PRUEBA DE RAIZ UNITARIA PHILLIPS-PERRON
Null Hypothesis: Unit root (individual unit root process)
Date: 11/12/09 Time: 03:54
Sample: 1999Q1 2009Q2
Series: DOW, CC, CPI, CRUDE, DGO, EXPO, FED,
GDP, ICL, IMPO, ISM, NFP, NHS, OHS, PCE,
PPI, RS, UR
Exogenous variables: Individual effects
Newey-West bandwidth selection using Bartlett kernel
Total (balanced) observations: 738
Cross-sections included: 18
Method
PP - Fisher Chi-square
PP - Choi Z-stat
Statistic
305.820
-13.5875
Prob.**
0.0000
0.0000
** Probabilities for Fisher tests are computed using an
asympotic Chi-square distribution. All other tests
assume asymptotic normality.
Intermediate Phillips-Perron test results A1_GROUP
Series
DOW
CC
CPI
CRUDE
DGO
EXPO
FED
GDP
ICL
IMPO
ISM
NFP
NHS
OHS
PCE
PPI
RS
UR
Prob.
0.0000
0.8089
0.0000
0.0000
0.0000
0.0018
0.0000
0.0517
0.0000
0.0002
0.0013
0.6670
0.0000
0.0000
0.0003
0.0000
0.0001
0.0738
60
Bandwidth
1.0
0.0
2.0
15.0
3.0
16.0
3.0
1.0
3.0
18.0
12.0
3.0
4.0
3.0
3.0
5.0
11.0
4.0
Obs
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
41
ANEXO E. REGRESION LINEAL
Tabla 11. Regresión Lineal
Dependent Variable: DOW
Method: Least Squares
Date: 11/12/09 Time: 02:53
Sample: 1999Q1 2009Q2
Included observations: 42
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
CPI
CRUDE
DGO
EXPO
GDP
ICL
IMPO
ISM
PCE
PPI
-0.101494
-9.627609
-0.137916
-0.206610
0.054882
8.008910
0.462793
-0.907438
0.680918
4.250957
3.632239
0.024293
3.333847
0.288158
0.191205
1.169102
2.650289
0.143040
0.546393
0.157339
2.257960
2.149519
-4.177863
-2.887838
-0.478613
-1.080572
0.046943
3.021900
3.235399
-1.660779
4.327721
1.882654
1.689792
0.0002
0.0070
0.6356
0.2882
0.9629
0.0050
0.0029
0.1068
0.0001
0.0692
0.1011
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.654277
0.542754
0.058194
0.104985
66.22842
2.385573
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
61
-0.001985
0.086061
-2.629925
-2.174821
5.866717
0.000064
ANEXO F. ECUACIONES DEL VAR
DOW = - 0.03823270132*DOW(-1) + 0.3420662485*DOW(-2) - 0.1484150762*DOW(-3) 1.009632495*PCE(-1) - 4.829804411*PCE(-2) + 3.722989655*PCE(-3) + 0.4966328202*ISM(-1) 0.5232991606*ISM(-2) - 0.1056037512*ISM(-3) + 0.3518792768*DGO(-1) - 0.4143696416*DGO(2) + 0.3697043545*DGO(-3) - 0.1721130277*ICL(-1) - 0.206270018*ICL(-2) - 0.5336085244*ICL(3) + 0.05729506907 - 0.001451002822*@TREND
PCE = 0.02143646826*DOW(-1) + 0.03688454077*DOW(-2) + 0.02233201908*DOW(-3) 0.2974484789*PCE(-1) - 0.3899419854*PCE(-2) + 0.3852976026*PCE(-3) +
0.03316404785*ISM(-1) - 0.06712747971*ISM(-2) + 0.01548160601*ISM(-3) +
0.005391516471*DGO(-1) - 0.0236893538*DGO(-2) + 0.04965751227*DGO(-3) 0.05148572197*ICL(-1) - 0.02200515049*ICL(-2) - 0.03715508207*ICL(-3) + 0.02252924887 0.0003177836664*@TREND
ISM = 0.1181777019*DOW(-1) + 0.4013103257*DOW(-2) + 0.500997206*DOW(-3) 1.490220897*PCE(-1) - 9.006525372*PCE(-2) - 5.352578622*PCE(-3) - 0.2391454624*ISM(-1) 0.3250720429*ISM(-2) - 0.4242184541*ISM(-3) + 0.4555293509*DGO(-1) - 0.05477144079*DGO(2) + 0.2889559666*DGO(-3) - 0.4918839724*ICL(-1) - 0.03035183608*ICL(-2) 0.1400091097*ICL(-3) + 0.2643212097 - 0.003251834641*@TREND
DGO = 0.04834406877*DOW(-1) + 0.0993451015*DOW(-2) - 0.1363377827*DOW(-3) +
1.845444594*PCE(-1) + 0.2007840702*PCE(-2) + 1.772037152*PCE(-3) + 0.2321426311*ISM(-1)
- 0.1891684285*ISM(-2) - 0.02740012446*ISM(-3) - 0.5286772971*DGO(-1) 0.3351643403*DGO(-2) + 0.2099493299*DGO(-3) - 0.2546818131*ICL(-1) - 0.2779295544*ICL(-2)
- 0.141303944*ICL(-3) - 0.04491232446 + 2.717419008e-005*@TREND
ICL = - 0.3058246742*DOW(-1) - 0.1948503347*DOW(-2) - 0.3147255511*DOW(-3) 1.62252265*PCE(-1) + 3.136762526*PCE(-2) + 0.800797339*PCE(-3) - 0.1723267208*ISM(-1) 0.3413629782*ISM(-2) - 0.1142740278*ISM(-3) - 0.246431302*DGO(-1) - 0.0261508265*DGO(-2)
- 0.1498573947*DGO(-3) - 0.1784323364*ICL(-1) - 0.2916169161*ICL(-2) + 0.04317742303*ICL(3) - 0.02488335232 + 0.0005545866062*@TREND
62
ANEXO G. RESPUESTA ACUMULADA DEL DOW
Grafica 12. Respuesta acumulada del Dow
Accumulated Response of DOW to Generalized One
S.D. Innovations
.15
.10
.05
.00
-.05
-.10
-.15
5
10
15
20
25
PCE
ISM
30
DGO
ICL
63
35
40
ANEXO H. DESCOMPOSICION DE LA VARIANZA
Period
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
S.E.
0.079525
0.090257
0.106497
0.110076
0.114079
0.117143
0.120368
0.122208
0.12388
0.125597
0.127535
0.128847
0.130356
0.131875
0.133355
0.134815
0.13599
0.137379
0.138508
0.13994
0.140952
0.142357
0.143362
0.144691
0.145721
0.146924
0.147988
0.149081
0.15018
0.151165
0.152291
0.15319
0.154328
0.155165
0.156285
0.157093
0.158168
0.158975
0.159981
0.16081
0.161732
0.162594
DOW
94.69971
73.53057
55.26912
51.87122
49.85036
47.55213
46.40996
46.29279
45.54684
44.9202
43.77175
43.11076
42.14943
41.37109
40.77583
40.00342
39.54151
38.8286
38.48356
37.71206
37.45666
36.72096
36.49038
35.84203
35.57848
35.0483
34.72866
34.32285
33.94104
33.64737
33.21528
33.01583
32.55325
32.41257
31.95148
31.8336
31.40535
31.27671
30.90766
30.74414
30.45006
30.23859
PCE
0
0.019541
9.914742
9.692771
9.93267
9.562006
12.21655
11.87958
11.8701
11.66336
12.66899
12.85225
13.19705
13.5737
13.8107
14.22737
14.16268
14.71854
14.53033
15.18263
14.96535
15.57485
15.39636
15.89931
15.82777
16.15412
16.22664
16.3851
16.60605
16.6056
16.94578
16.82956
17.23842
17.06305
17.48212
17.30981
17.6816
17.56688
17.84583
17.82593
17.9865
18.07673
64
ISM
0
4.531005
7.742287
7.25787
8.4377
8.002181
8.268872
8.44684
8.53713
8.548936
8.562736
8.759152
8.78687
9.053965
8.921595
9.279043
9.122628
9.462487
9.31814
9.595076
9.514234
9.699283
9.691889
9.783262
9.86658
9.866724
10.02577
9.952234
10.16064
10.04608
10.26855
10.14838
10.3519
10.25922
10.41614
10.37465
10.46724
10.48871
10.51234
10.59493
10.55809
10.6882
DGO
5.222768
17.69021
19.19744
23.75297
24.66667
23.45205
22.24308
21.9892
21.89343
21.36876
21.55106
21.61675
21.68685
21.59343
21.33632
21.52153
21.19822
21.31492
20.98403
21.15269
20.85299
21.01532
20.76742
20.85921
20.71132
20.71095
20.65626
20.56217
20.60094
20.43475
20.53765
20.32694
20.46618
20.24663
20.38204
20.18848
20.28752
20.14786
20.18772
20.11736
20.08922
20.09019
ICL
0.077519
4.22867
7.876409
7.425177
7.112597
11.43163
10.86154
11.39159
12.1525
13.49875
13.44547
13.66109
14.1798
14.40781
15.15556
14.96863
15.97496
15.67545
16.68393
16.35754
17.21078
16.98958
17.65395
17.61619
18.01585
18.21991
18.36267
18.77764
18.69132
19.2662
19.03274
19.67928
19.39025
20.01853
19.76822
20.29346
20.15829
20.51985
20.54645
20.71764
20.91613
20.9063
ANEXO I. PRUEBA DE RAICES UNITARIAS
Tabla 13. Tabla de la prueba de Raíces Unitarias
Roots of Characteristic Polynomial
Endogenous variables: DOW PCE ISM DGO ICL
Exogenous variables: C @TREND
Lag specification: 1 3
Date: 11/12/09 Time: 04:54
Root
Modulus
-0.111286 - 0.988973i
-0.111286 + 0.988973i
-0.493606 - 0.607773i
-0.493606 + 0.607773i
0.460846 - 0.629915i
0.460846 + 0.629915i
-0.771982
0.744151 - 0.125211i
0.744151 + 0.125211i
-0.699016 - 0.259990i
-0.699016 + 0.259990i
-0.174395 - 0.656731i
-0.174395 + 0.656731i
0.248182
-0.211524
0.995215
0.995215
0.782966
0.782966
0.780494
0.780494
0.771982
0.754612
0.754612
0.745800
0.745800
0.679492
0.679492
0.248182
0.211524
No root lies outside the unit circle.
VAR satisfies the stability condition.
65
ANEXO J. DATOS ECONOMICOS Y CRISIS
Posterior a la desaceleración económica acontecida en el 2001, la economía
mundial se recobro rápidamente demostrando índices de crecimiento sin
precedentes durante 2004, 2005 y 2006. Así mismo, se presentaron presiones
inflacionistas potenciales que solo se pudieron ver hacia el 2007 con los rápidos
incrementos en los precios de los commodities. Con base en el pronóstico
realizado por analistas públicos y privados, todos coincidieron en que se vendría
una reducción paulatina de las tasas de crecimiento económico con cambios
mínimos en la inflación (ver Grafica 13).
Grafica 13. Desempeño de crecimiento e inflación en Estados Unidos 2000-2007
Fuente: Consenso Económico. BIS
Uno de los antecedentes importantes a la actual crisis financiera, se remonta a
los atentados terroristas del 11 de septiembre del 2001, que dieron inicio a una
situación de sorpresa y pánico por lo cual se busco seguridad en una relativa
estabilidad a lo largo del tiempo, y con altas probabilidades de especulación y
apalancamiento a bajo costo, es decir, a la viviendas. A su vez los bancos
centrales empezaron a bajar los tipos de interés a niveles muy bajos con el objeto
de reactivar la economía después del ataque a la Nación más poderosa del
mundo. Este tema es profundizado más adelante al describir las variaciones de las
tasas de interés de la Reserva Federal desde el 2001.
66
Pero no solo se busco reactivar la economía, también se intento recobrar la
confianza en el sistema capitalista y en la posibilidad de realizar el sueño
americano, o por lo menos una parte de él. Por esto el mercado hipotecario se
disparo a niveles sorprendentes y comenzó un crecimiento acelerado, hasta que
para controlar la inflación, la FED comenzó a subir los tipos de interés. De esta
manera el interés paso del 1% al 5,25% a partir del 2004 hasta el 2006, con lo que
los precios de las viviendas empezaron a caer, las ejecuciones hipotecarias
aumentaron, y las entidades bancarias empezaron a tener problemas de liquidez.
Así para el 2006, el mercado bursátil ya se había contagiado de los problemas
hipotecarios, cuando el US Home Construction Index descendió un 40%. Ya para
el 2007 el estallido de la burbuja se hizo visible y la crisis ahora se trasladó a
términos internacionales y ahora se presenta como una de las peores crisis
económicas mundiales desde la Gran Depresión.
Así como se puede comprender que como consecuencia natural de la crisis se
produzca una pérdida considerable de empleos, los precios de los activos tocaran
fondo, y la deuda pública explotara, también hay semejanzas de esta crisis;
aparentemente nueva tanto en sus causas como en su alcance; con otras crisis
financieras y bancarias acaecidas después del periodo de la posguerra. En las
llamadas las grandes 5 que son: España (1977), Noruega (1987), Finlandia
(1991), Suecia (1991), y Japón (1992). En este otro estudio, Reinhart y Rogoff
muestran interesantes resultados, como el que se observa en la grafica (Ver
Grafica 14), el cual nos muestra perfectamente un importante causante de la
crisis financiera actual, que es la burbuja inmobiliaria.
Esta burbuja tenía que desinflarse y explotar ya que su crecimiento no tenia
sustento real de aumento de productividad, la innovación financiera y la
flexibilización de las políticas macroeconómicas no podrían servir como base, por
el contrario, la burbuja estaba hecha a base de deseos especulativos y de afanes
de lucro, reflejados por un aspecto de la innovación financiera que se desvió de
sus propósitos: aumentar la eficiencia del mercado a largo plazo, y de fijar
mecanismos más eficientes que los existentes para las transacciones y
operaciones entre los entes del mercado financiero.
67
Grafica 14. Índice de Vivienda y Crisis Bancaria
Fuente: Reinhart & Rogoff, en: “Is the 2007 U.S. Sub-Prime Financial Crisis So Different? An
International Historical Comparison”
A mediados de Agosto del 2007 como consecuencia de una serie de intrincados
movimientos inescrupulosos de innovación financiera y a la falta de determinación
del verdadero riesgo subyacente, se comienza a vislumbrar una de las peores
crisis desde La Gran Depresión, una crisis monetaria, en sus comienzos, y ahora
internacional que amenaza a las economías del mundo y revive el debate acerca
de las fallas del sistema capitalista, y su búsqueda de rentas y ganancias a
expensas hasta del mismo sistema en que se sustenta.
Pero a pesar de todas las perdidas bancarias y las señales de alerta, la
preocupación empieza a ser mayor, después de que el BNP Paribas, el mayor
banco privado de Francia decidiera restringir los retiros de los clientes en tres de
sus fondos de inversión por escasez de liquidez, dado que estos activos estaban
relacionados con las hipotecas subprime. Esta falta de liquidez y disminución del
crédito pronto se empezó a extender por Europa. El 17 de Agosto del 2007, la
FED redujo su tasa de interés desde 6,25% a 5,75% (Ver Grafica 15). Esto
significa que se pretendía estimular el crédito disminuyendo el interés al cual los
bancos solicitan crédito a la Reserva Federal.
68
A partir del mes de Septiembre los mercados comienzan a ir en picada, y los
bancos e inversores que tenían hipotecas de alto riesgo empiezan a quedarse sin
liquidez y sucesivamente a ir a la quiebra. En respuesta a esto la FED inyectaría
periódicamente dólares al sistema monetario, mediante la compra de deuda de
otras entidades financieras. En Octubre el banco suizo UBS anuncio perdidas por
3400 millones de dólares, el Citigroup presento una pérdida de 100 millones, y la
FED inyecto 3.886 millones al sistema bancario. Las principales economías del
mundo preocupadas por los efectos de la crisis mundial se reúnen en diversas
conferencias e intentan clarifica el problema.
Grafica 15. Tasa de descuento de la FED desde Septiembre del 2005.
Tasa de Interes de la FED
7
Interes en %
6
5
4
3
2
1
03-Sep-08
16-Feb-08
31-Jul-07
12-Jan-07
26-Jun-06
08-Dec-05
22-May-05
03-Nov-04
17-Apr-04
30-Sep-03
14-Mar-03
26-Aug-02
07-Feb-02
22-Jul-01
03-Jan-01
0
Fuente: Elaboración propia.
Mientras tanto, los bancos continúan sus pérdidas, y en consecuencia la crisis
empieza a afectar a las industrias más prominentes, como la automotriz. Hay
amenazas de recesión, las cifras de desempleo aumentan paulatinamente y el
consumo de los estadounidenses cae dramáticamente.
Las bolsas alrededor del mundo se desploman ante la incertidumbre, y los
principales índices bursátiles, Dow Jones y S&P 500 sufren agudas caídas, y
débiles recuperaciones (Ver grafica 16).
Grafica 16. Variaciones del Dow Jones Industrial Average desde Mayo de 2005.
69
9.00%
Variación del Dow Jones
desde Mayo de 2005
6.00%
3.00%
0.00%
-3.00%
-6.00%
-9.00%
-12.00%
-15.00%
Fuente: Elaboración propia
A partir de 2009 como consecuencia del relevo presidencial, las posibles acciones
políticas en cuanto a regulación de los mercados financieros terminaran siendo
medidas de prevención hacia crisis futuras. No obstante, en la actualidad queda
de manifiesto la fragilidad de un sistema cuya teoría argumento por buen tiempo la
autorregulación de los mercados. Por tanto, con la turbulencia financiera, que
termina en crisis económica mundial, se crea la necesidad de fortalecer el control
por parte de instituciones estatales y la transparencia en la gestión de entes
privados así como la obligación de reevaluar los métodos de gestión de riesgos y
pronostico específicamente en el mercado de capitales con el objetivo de no
incurrir en las mismas perdidas que ya han alcanzado cifras inimaginables y han
afectado gravemente la economía mundial así como la pérdida de confianza en el
sector financiero.
70
ANEXO K. VARIACIONES EN LA TASA DE INTERVENCIÓN DE LA FED
La Reserva Federal, es el organismo que actúa como Banco Central en Estados
Unidos. Su función principal, es la de controlar la oferta monetaria al aumentar o
disminuir los tipos de interés, lo que trae como consecuencia el impacto inmediato
en los mercados bursátiles de todo el mundo. Esta relación se debe al
funcionamiento de los mercados con base en el dólar americano como moneda
más usada, de modo que la tasas impuestas por la FED constituyen un punto de
referencia no solo para la economía Estadounidense sino mundial.
En primera instancia, la tasa federal de fondos (FED Funds Rate) es aplicada a los
préstamos interbancarios a un día de plazo u overnight y en los últimos años, esta
tasa se ha convertido en el instrumento regulatorio de la política monetaria
utilizada por la Reserva Federal31. Por tanto, los cambios en la tasa de interés
tienen efectos considerables en el PIB, la tasa de desempleo y los precios, efectos
que operan a través de varios canales afectando a la economía. Los tres canales
principales son:
El costo de crédito.
Riqueza neta y valor de los activos de los hogares.
Tipos de cambio.
Los cambios tanto del costo como la disponibilidad del crédito influenciada por las
tasas de interés, tienen su principal impacto en el consumo del sector privado y
así mismo, en el producto bruto. De otra parte, los aumentos en la tasa de interés
tienen como objetivo la reducción de la demanda en aquellos sectores sensibles a
dichas variaciones. El aumento de las tasas de interés en los préstamos bancarios
y cupones de bonos corporativos, encarecen el crédito, lo que conlleva a la
restricción de la demanda de activos fijos, así como la disminución en la demanda
de vivienda debido al aumento en el costo del crédito hipotecario y la caída en las
compras de otros bienes durables.
Respecto a la riqueza neta de las familias, la demanda de bienes de consumo
también se ve afectada por las variaciones en el valor de los activos financieros
que poseen las familias, pues este valor se mueve inversamente proporcional a
31
Tobler G., Rovira S. y Guichon E. La FED y las tasas de interés en www.inversorlatino.com. Febrero de
2001.
71
las tasas de interés, por lo cual un aumento de las tasas, disminuye el valor de
dichos activos, reduciendo a su vez la riqueza neta de los hogares y provocando
la contracción de la demanda por bienes de consumo.
En cuanto a los tipos de cambio, las repercusiones sobre el sector se consideran
importantes. Las variaciones en la tasa de interés, tienden a fortalecer o debilitar
el dólar frente a otras monedas. Si la FED aumenta las tasas de interés en
Estados Unidos, en relación a las tasas de internes externas, las colocaciones en
dólares se vuelven más atractivas, llevando al fortalecimiento del dólar frente a las
otras monedas, siempre y cuando no influyan otras variables macroeconómicas
que operan en sentido contrario como la inflación. Una apreciación del dólar
asociada a mayores tasas de interés, reduce la demanda por bienes domésticos,
ya que los bienes importados tienen un precio menor mientras las exportaciones
se encarecen. Por tanto, la sustitución de bienes domésticos por bienes
importados, y la disminución en la demanda de productos norteamericanos en el
exterior, trae consigo el deterioro de la balanza comercial y la consecuente caída
de la producción.
Además de los efectos anteriormente señalados, la variación de la tasa de interés
de la Reserva Federal tiene repercusiones a nivel mundial ya que generalmente,
estas tasas son tomadas como referencia para la fijación de tasas de deuda
pública en otros países. Por tanto, el análisis de las variaciones de la tasas de
interés de la Reserva Federal, es tema obligado para definir los antecedentes del
tema a desarrollar en esta investigación debido al impacto que tienen sus cambios
en la economía real tanto de Estados Unidos como del mundo. A continuación, se
describirán las coyunturas relacionadas con los cambios en la tasa de intervención
de la FED desde el 2001 hasta el 2008.
Grafica 17. Tasas de la FED
Cambios en la Tasa de Interes de la FED
(2001-2008)
6.00%
5.00%
4.00%
3.00%
2.00%
1.00%
0.00%
. Fuente: Elaboración propia
72
La Recesión de 2001
Durante el 2001, la presidencia de la Reserva Federal estaba a cargo de Alan
Greenspan. Para la reunión ante el Congreso, el 13 de febrero de 2001,
Greenspan señalo que la economía Estadounidense no estaba atravesando por
un periodo de recesión aun cuando existía el riesgo de debilitamiento. Mientras
tanto, la FED continuaba trabajando en su doble objetivo de ayudar a la
estabilización de precios y pleno empleo, incentivando la recuperación económica
y controlando la inflación.
Para enero, los datos de inflación arrojaban un 0,6%, valor que se situó por
encima del 0,3% esperado por los analistas. Estos datos, se contradecían con los
indicadores que mostraban una desaceleración de la economía. Desde la segunda
mitad del 2000, se vivía el desplome bursátil donde el índice NASDAQ, que
representa el comportamiento de la industria tecnológica, perdió el 60% de su
valor32. Con la caída del mercado accionario durante este periodo, 2001 iniciaría
con una economía en desaceleración pasando del 3% a 1,5%, donde cayeron las
ganancias corporativas y aumento la cartera morosa, lo que trajo como
consecuencia restricciones del crédito. Debido al aumento del riesgo, aparecieron
las primeras señales de sobre-endeudamiento de los hogares, los consumidores y
las empresas. Sin embargo, el problema más significativo se situaba en el
aumento de la tasa de desempleo que alcanzo el 4,9% en agosto de 2001 y 5,8%
a finales del año, lo que significaba que desde el principio la economía
Estadounidense se encontraba en recesión aproximadamente desde marzo del
mismo año, donde se presento una pérdida de 1.2 millones de empleos de los
cuales 800 mil fueron posteriores a los ataques del 11 de septiembre 33.
A lo largo de 2001, la FED disminuyo 11 veces consecutivas las tasas de interés
siendo una de las políticas monetarias más laxas donde redujo las tasas al punto
más bajo en 45 años. Tan solo entre octubre y diciembre se presento una
variación de -0,75% en la tasa de interés de intervención finalizando en 1,75%
(Ver tabla 1). Esto permitió a las familias reestructurar sus hipotecas para pagar
menos intereses y de paso desalentó el ahorro. De otra parte, el Gobierno aplico
una política fiscal expansionista donde devolvió parte de los impuestos a las
32
Álvarez, Alejandro. La recesión de 2001 y las políticas anticíclicas en Estados Unidos. Instituto de
investigaciones económicas, UNAM. Mayo de 2002.
33
“Analysts forecast: more job cuts” en www.msnbc.com/news/680908.asp. Enero de 2002.
73
familias, aumentando el ingreso disponible. Ambas medidas ayudaron en parte a
incrementar el consumo privado y en consecuencia reactivar la economía34.
Tabla 14. Variación de la tasa de interés de la Reserva Federal
Fecha
02-Oct-01
06-Nov-01
11-Dic-01
06-Nov-02
25-Jun-03
30-Jun-04
11-Ago-04
02-Sep-04
11-Nov-04
14-Dic-04
02-Feb-05
22-Mar-05
03-May-05
30-Jun-05
09-Ago-05
02-Sep-05
01-Nov-05
13-Dic-05
31-Ene-06
28-Mar-06
10-May-06
29-Jun-06
07-Ago-07
01-Sep-07
31-Oct-07
11-Dic-07
22-Ene-08
30-Ene-08
18-Mar-08
30-Abr-08
01-Sep-08
08-Oct-08
29-Oct-08
06-Dic-08
Tasa
2,50%
2,00%
1,75%
1,25%
1,00%
1,25%
1,50%
1,75%
2,00%
2,25%
2,50%
2,75%
3,00%
3,25%
3,50%
3,75%
4,00%
4,25%
4,50%
4,75%
5,00%
5,25%
5,25%
4,75%
4,50%
4,25%
3,50%
3,00%
2,25%
2,00%
2,00%
1,50%
1,00%
0,25%
34
Variación
-0,50%
-0,25%
-0,50%
-0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,25%
0,00%
-0,50%
-0,25%
-0,25%
-0,75%
-0,50%
-0,75%
-0,25%
0,00%
-0,50%
-0,50%
-0,75%
Heath, Jonathan. “La Economia de Estados Unidos” en
http://www.jonathanheath.net/index.php?option=com_content&task=view&id=966&Itemid=83. Septiembre
de 2006.
74