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