Perú
Chapter

Capítulo 20. Factores determinantes del tipo de cambio real de equilibrio en el Perú: ¿Es el nuevo sol una “moneda mercancía”?

Author(s):
Alejandro Werner, and Alejandro Santos
Published Date:
September 2015
Share
  • ShareShare
Show Summary Details
Author(s)
Melesse Tashu

En este capítulo se pone a prueba la hipótesis de la “moneda mercancía” aplicada al nuevo sol y se identifican los factores que determinan el tipo de cambio real de equilibrio en el Perú utilizando un análisis de cointegración. Los resultados demuestran que los precios de las materias primas de exportación no tienen un impacto estadísticamente significativo en el tipo de cambio efectivo real (REER, por sus siglas en inglés) del Perú, lo que sugiere que el nuevo sol no es una moneda mercancía. La cuantiosa repatriación de ganancias y la intervención cambiaria lograron aislar el tipo de cambio real del Perú del impacto de los shocks de los precios de las materias primas. Los resultados indican que el tipo de cambio real de equilibrio del Perú está determinado por la productividad relativa y el consumo público, y que el tipo de cambio real se adecua en líneas generales a los fundamentos económicos.

Debido a que el tipo de cambio real es el precio relativo de los bienes transables y no transables de una economía, es importante determinar si está en el nivel de equilibrio a fin de asignar recursos con eficiencia entre los sectores transable y no transable1. Un tipo de cambio real inadecuado—es decir, que se desvía sustancialmente del nivel de equilibrio—podría generar grandes desequilibrios macroeconómicos y distorsionar los incentivos y la asignación de recursos, puesto que puede enviar señales incorrectas a los agentes económicos.

Si bien el tipo de cambio real de equilibrio no es una variable observable, la teoría económica sugiere que está dado por fundamentos económicos observables tales como los términos de intercambio (o los precios reales de las materias primas de exportación para las economías que dependen de ellas), la productividad de los bienes transables frente a los no transables, el consumo público y la posición de los activos externos netos. Para las economías dependientes de las materias primas, como el Perú, en particular, se cree que el tipo de cambio real de equilibrio está determinado principalmente por los precios reales de las materias primas de exportación, a tal punto que las monedas de esos países suelen denominarse “monedas mercancía” (Bodart, Cabdelon y Carpantier, 2012; Cashin, Cespedes y Sahay, 2004; Chen y Rogoff, 2003).

El paso esencial para estimar el tipo de cambio real de equilibrio consiste en establecer una relación econométrica entre el tipo de cambio real y los fundamentos económicos, lo cual constituye el objetivo principal de este capítulo. En particular, se tiene como objetivo verificar si el tipo de cambio real del Perú está determinado en primer lugar por los precios reales de las materias primas de exportación más importantes, como indicaría la hipótesis de la “moneda mercancía”. A fin de lograr ese objetivo, se emplea el método de cointegración de Johansen. La robustez de los resultados se pone a prueba con diversas especificaciones; entre ellas, otras definiciones del tipo de cambio real y de los precios reales de las materias primas, muestras de distintos tamaños y metodologías alternativas.

Además, en este capítulo se intenta estimar la trayectoria del tipo de cambio real de equilibrio hipotético utilizando la relación de cointegración estimada a largo plazo entre el tipo de cambio real y los fundamentos económicos. Sin embargo, el tipo de cambio real de equilibrio estimado aquí no tiene consecuencias normativas, dado que no necesariamente implica un bienestar óptimo. Para realizar una evaluación normativa del tipo de cambio real de equilibrio, es necesario analizar en qué medida los valores de los fundamentos económicos se acercan a lo óptimo, lo cual excede el alcance de este capítulo.

Marco Teórico

Los primeros intentos de modelar el tipo de cambio real de equilibrio datan de la teoría de la paridad del poder adquisitivo, que establece, en su forma absoluta, que el tipo de cambio entre las monedas de dos países está dado, simplemente, por los niveles de precios relativos expresados en la misma moneda (es decir, una generalización de la ley de un precio). En su forma relativa, la teoría de la paridad del poder adquisitivo sostiene que el cambio porcentual en el tipo de cambio entre dos monedas está determinado por el diferencial de inflación entre los países correspondientes. En su forma más débil, la hipótesis de la paridad del poder adquisitivo exige que las desviaciones del tipo de cambio real de paridad del poder adquisitivo acaben por extinguirse y que el tipo de cambio real se mantenga estable, y que exhiba una propiedad de reversión estacionaria o a la media en el largo plazo (Astorga, 2012; Rogoff, 1996). Si eso fuera cierto, el tipo de cambio real de equilibrio sería constante y podría representarse por medio del tipo de cambio real a largo plazo o basado en la paridad del poder adquisitivo. Sin embargo, la hipótesis de la paridad del poder adquisitivo sustentó muy poco fundamento empírico, sobre todo a corto plazo, pues muchos estudios demuestran que las desviaciones del tipo de cambio real son persistentes y que el tipo de cambio real exhibe un proceso de raíz unitaria (Astorga, 2012; Engel, 2000; Meese y Rogoff, 1983; Rogoff, 1996).

El fracaso empírico de la teoría de la paridad del poder adquisitivo, al que se hace referencia en la literatura como el problema de la paridad del poder adquisitivo, ha derivado en la hipótesis de que el tipo de cambio real de equilibrio podría variar con el tiempo, impulsado por factores reales o fundamentos económicos. En un influyente trabajo sobre el problema de la paridad del poder adquisitivo, Rogoff (1996) sostuvo que la elevada volatilidad a corto plazo del tipo de cambio real y el muy lento ajuste de los shocks a la paridad del poder adquisitivo son tan irreconciliables que las desviaciones de la paridad del poder adquisitivo tienen que deberse a factores reales. Entre los factores reales que supuestamente determinan el tipo de cambio real de equilibrio se encuentran los términos de intercambio (o los precios reales de las materias primas para las economías que dependen de ellas), la productividad relativa de los bienes transables frente a los no transables, el consumo público y la posición de los activos externos netos (Froot y Rogoff, 1995; Montiel, 2007; Ricci, Milesi-Ferretti y Lee, 2013; Rogoff, 1996).

  • Precio real de las materias primas: Si bien suelen utilizarse los términos de intercambio en los modelos del tipo de cambio real, el índice de precios reales de las materias primas de exportación más importantes es una variable más pertinente para las economías pequeñas y abiertas que dependen de las materias primas. Como indican Chen y Rogoff (2003), los índices agregados de precios de exportación e importación que se emplean para elaborar los términos de intercambio incluyen bienes con ajustes lentos de sus precios nominales y traslado incompleto, lo que provoca problemas de identificación en las estimaciones econométricas. En cambio, los precios mundiales de las materias primas son puramente exógenos para las pequeñas economías exportadoras, puesto que dependen de los mercados internacionales. Un aumento de los precios de las materias primas puede derivar en incrementos salariales en ese sector y en toda la economía, porque se supone que la mano de obra es móvil, provocando un aumento en el precio relativo de los bienes no transables—el precio de los transables se determina en el mercado mundial—, y por lo tanto, una apreciación del tipo de cambio real (Cashin, Cespedes y Sahay, 2004; Chen y Rogoff, 2003).

  • Productividad relativa de los bienes transables frente a los no transables: De acuerdo con la hipótesis de Balassa/Samuelson (Balassa, 1964; Samuelson, 1964), un aumento de la productividad relativa de los bienes transables frente a los no transables impulsará un alza salarial en toda la economía, si se supone que la mano de obra es móvil entre ambos sectores, lo que dará como resultado un precio relativo más alto de los bienes no transables (es decir, una apreciación real).

  • Consumo público: Un mayor consumo público suele provocar una apreciación en el tipo de cambio real de equilibrio, puesto que el consumo público tiende a recaer más en los bienes no transables que en los transables (Froot y Rogoff, 1995; Ricci, Milesi-Ferretti y Lee, 2013; Rogoff, 1996).

  • Posición de los pasivos externos netos: Un aumento de los pasivos externos netos exigirá un tipo de cambio real más depreciado para generar el superávit comercial que se necesita para cumplir con los pagos de la deuda externa (Ricci, Milesi-Ferretti y Lee, 2013; Rogoff, 1996).

Descripción del Modelo y de los Datos

A fin de determinar si el nuevo sol es una moneda mercancía, en este capítulo se siguen los lineamientos de Chen y Rogoff (2003) y Cashin, Cespedes y Sahay (2004), que especifican el tipo de cambio efectivo real como función exclusiva del precio real de las materias primas. Dado que el Perú depende de la exportación de materias primas, sobre todo de metales como el cobre y el oro2, la hipótesis de la moneda mercancía prevé que el tipo de cambio efectivo real del Perú se vea impulsado principalmente por el precio real de las materias primas de exportación. Por lo tanto, el modelo de regresión asume la siguiente forma logarítmica lineal:

donde REER es el índice del tipo de cambio efectivo real, que es un coeficiente ponderado por el comercio y ajustado por el tipo de cambio de los precios domésticos sobre los externos. Un aumento del REER es una apreciación. Para el ejercicio de robustez, también se utiliza el índice del tipo de cambio real bilateral (RER) frente al dólar de EE.UU. La fuente de datos sobre el REER es la base de datos del sistema de notificaciones del FMI, y el RER se elabora utilizando datos sobre el tipo de cambio bilateral y los precios de la base de datos de International Financial Statistics del FMI.

RP_COM es el precio real de las materias primas de exportación, elaborado como el promedio ponderado de los índices de precios mundiales del cobre, el oro, el plomo y el zinc (los principales metales que exporta el Perú) deflactado por el índice de valor unitario de exportaciones de bienes de las economías avanzadas. Los índices de precios de los metales se obtienen a partir de la base de datos de International Financial Statistics, y el índice de valor unitario de exportaciones de bienes, de la base de datos de Perspectivas de la economía mundial (informe WEO) del FMI. Las demás variables son las siguientes: μ es el término de error estocástico, L es el operador de transformación logarítmica natural, y t es el índice temporal. El nuevo sol se consideraría una moneda mercancía si α1 fuera positiva y estadísticamente significativa.

A fin de identificar a nivel más general los factores determinantes del tipo de cambio efectivo real de equilibrio, la ecuación (20.1) se modifica incorporando los fundamentos económicos restantes y se especifica de la siguiente manera:

donde:

  • PROD es la productividad relativa. Se utiliza la productividad laboral de toda la economía del Perú en relación con el promedio ponderado por el comercio de la productividad laboral de los socios comerciales, puesto que no se dispone de datos sobre productividad sectorial. El supuesto implícito es que el aumento de la productividad tiende a ser sesgado a favor del sector transable, es decir que un país con un crecimiento elevado de la productividad global también exhibirá un mayor crecimiento de la productividad en el sector transable frente al no transable. La fuente de datos es Haver Analytics.

  • GCN es el consumo primario corriente del sector público (gasto en sueldos y remuneraciones y en bienes y servicios) como coeficiente del PIB del Perú sobre el de sus socios comerciales. Solo se utilizan datos de Estados Unidos en el denominador, dado que no hay series temporales congruentes para la mayoría de los demás socios comerciales, como Brasil, Chile y China. Las fuentes de datos son el Banco Central de Reserva del Perú (BCRP) y la Oficina de Análisis Económico de Estados Unidos.

  • NFL son las existencias de pasivos externos netos al final del período anterior como coeficiente del comercio externo total de bienes y servicios del período anterior. Como alternativas, se exploran las NFL como coeficiente del PIB y el saldo acumulado en cuenta corriente (como coeficiente del comercio y del PIB). La fuente de datos es el BCRP.

  • ε es el término de error estocástico.

  • Todos los demás términos se definen previamente.

La muestra abarca datos trimestrales del período 1992–2013. Se eligió el año 1992 como inicio del período de muestra a fin de evitar posibles cambios estructurales en los datos del tipo de cambio real debido a modificaciones en la moneda antes de 1992 y a los importantes esfuerzos de estabilización que se realizaron después. La moneda del Perú actual, el nuevo sol, se adoptó en julio de 1991 y se utiliza desde entonces. Para el ejercicio de robustez, sin embargo, se utilizan también datos anuales para el período de muestra 1970–2013 y datos mensuales para el período de muestra 1992–2013.

El análisis descriptivo de los datos indica que el REER del Perú tiene una fuerte correlación con la productividad relativa y con el consumo público relativo. Por otra parte, el REER no parece tener correlación discernible con el índice de precios reales de las materias primas y su correlación con los pasivos externos netos parece variar de positiva, antes de 2007, a negativa, a partir de entonces (gráfico 20.1.1c del anexo).

Método de Estimación y Resultados

Método de estimación

El análisis de los datos indica que el REER no parece exhibir un proceso estacionario, dado que hay indicios visibles de fluctuaciones en los datos (gráfico 20.1a). La primera diferencia del REER, sin embargo, muestra claramente un proceso estacionario (gráfico 20.1b). Esa observación se ve confirmada por los resultados de las pruebas formales de raíz unitaria, que indican que el REER del Perú sigue un proceso I(1), y las pruebas de raíz unitaria de los fundamentos económicos también demuestran que todos ellos son integrados de primer orden (cuadro 20.1.1 del anexo), lo que implica que el enfoque adecuado para estimar la ecuación del REER es un análisis de cointegración. En consecuencia, se utiliza el método de cointegración de Johansen para poner a prueba y estimar las relaciones de cointegración entre el REER y los fundamentos económicos. También se exploran métodos alternativos de estimación, como los de mínimos cuadrados ordinarios dinámicos, mínimos cuadrados ordinarios completamente modificados, y mínimos cuadrados en dos etapas, para poner a prueba la solidez de los resultados frente a cambios en la metodología de estimación.

Gráfico 20.1El Perú: Tipo de cambio efectivo real

Fuentes: Base de datos del Sistema de Notificación de Información del FMI y cálculos del autor.

¿Es el nuevo sol una moneda mercancía?

Resultados

Las estimaciones que se presentan a continuación sugieren que el índice de precios reales de las materias primas no explica el comportamiento del REER (el número entre paréntesis es el valor t).

Si bien las pruebas de traza y máximo valor propio de Johansen indican que existe cointegración al nivel de 10% (cuadro 20.1.2a del anexo), el coeficiente estimado sobre LRP_COM es muy pequeño y de escasa importancia en términos estadísticos, con lo que se descarta la hipótesis nula de una moneda mercancía. El resultado es robusto frente a los cambios en la definición del tipo de cambio real (si se utiliza el tipo de cambio bilateral frente al tipo de cambio real del dólar de EE.UU. en lugar del REER) y del RP_COM (si se utilizan el precio real del cobre y los términos de intercambio en lugar del RP_COM), la frecuencia de los datos (si se utilizan datos mensuales y anuales), el método de estimación y la cobertura de la muestra (cuadro 20.1). En todos los casos, los coeficientes son positivos, tal como se esperaba, pero de escasa importancia en términos estadísticos.

Cuadro 20.1Tipo de cambio real y precios de las materias primas: Especificaciones alternativas
Especificación alternativaCoeficienteValor T
Mínimos cuadrados ordinarios dinámicos0,031,21
Mínimos cuadrados ordinarios completamente modificados0,020,43
Tipo de cambio real bilateral como variable dependiente0,050,87
Precio real del cobre0,020,73
Términos de intercambio0,040,41
Datos mensuales: 1992–20130,031,17
Datos anuales: 1970–20130,010,11
Fuente: Cálculos del autor.
Fuente: Cálculos del autor.

La prueba de cointegración lineal de la muestra anual no reveló cointegración con coeficientes sensibles a cambios en la especificación. Puesto que eso puede deberse a posibles quiebres estructurales (cambios de régimen) por turbulencias importantes en la economía peruana en la década de 1980 (como episodios de hiperinflación y cambios de moneda), se empleó una prueba de cointegración de Gregory-Hansen (1996) con un cambio de régimen, a fin de encontrar indicios de cointegración no lineal entre el REER y el RP_COM. El resultado indica que hay indicios de cointegración no lineal con un cambio de régimen en 1987 al nivel de 10% (cuadro 20.1.3a del anexo). Tras la obtención de ese resultado, se creó una variable ficticia para ese cambio estructural y se estimó la relación de cointegración no lineal utilizando mínimos cuadrados ordinarios completamente modificados con LRP_COM, y la interacción de LRP_COM con una variable ficticia para un cambio estructural del lado derecho. Los coeficientes estimados fueron –0,26 para LRP_ COM y 0,27 para LRP_COM con una variable ficticia de una elasticidad neta de 0,01 tras el cambio estructural, es decir, durante el período 1987–2013, comparable al período de muestra de los datos de frecuencia mensual y trimestral. Ambos coeficientes resultaron estadísticamente significativos, pero no pudo rechazarse una prueba de restricción de Wald para la suma de los coeficientes igual a cero a ningún nivel de significancia (cuadro 20.1.4c del anexo).

Posibles explicaciones de por qué el nuevo sol puede no ser una moneda mercancía

Si bien la mayoría de los estudios similares sobre otras economías dependientes de materias primas revelan indicios de monedas mercancía, el Perú fue uno de los pocos países donde no se halló esa constancia (Cashin, Cespedes y Sahay, 2004) (cuadro 20.1.5 del anexo). La ausencia de una relación a largo plazo estadísticamente significativa entre los precios de las materias primas de exportación y el REER en una economía que depende en gran medida de esas exportaciones, y que enfrentó importantes shocks positivos de los precios de las materias primas en el período estudiado, es un tanto desconcertante. Algunos de los factores que podrían haber debilitado la relación estadística entre los precios de las materias primas y el REER pueden ser la cuantiosa repatriación de ganancias y la activa intervención cambiaria.

  • Repatriación de ganancias: A pesar de los considerables aumentos de precios de sus exportaciones, el Perú mantuvo déficits en su cuenta corriente durante gran parte de la década pasada, puesto que las cuantiosas repatriaciones de ganancias compensaron con creces los superávits comerciales (gráfico 20.2). El sector minero del Perú es operado por el sector privado y pertenece en su mayoría a no residentes. Como consecuencia, se repatrian gran parte de las ganancias del sector. Durante 2003–13, los años identificados por Adler y Magud (2013) como el período de ingresos imprevistos derivados de las materias primas, la repatriación de ganancias provenientes del Perú ascendieron en promedio a alrededor de 6% del PIB por año. Eso puede haber debilitado la relación estadística entre los precios de las materias primas y el REER, puesto que una porción importante del shock de los precios de las materias primas puede haberse filtrado como repatriación de ganancias sin impactar significativamente la demanda interna. Es cierto que gran parte de las ganancias repatriadas se reinvirtieron en el sector minero del Perú, pero las inversiones se destinaron sobre todo a maquinaria importada, cuyo impacto en la demanda interna es limitado.

  • Intervención cambiaria activa: El banco central del Perú interviene activamente en el mercado cambiario con un objetivo explícito de limitar la volatilidad del tipo de cambio a fin de contener los riesgos de dolarización financiera. Los datos empíricos demuestran que las intervenciones cambiarias del BCRP contienen con éxito la volatilidad del tipo de cambio (Tashu, 2014). Por otra parte, el Perú tiene una de las tasas de inflación más bajas y estables de la región, gracias a un marco de metas que logró anclar las expectativas de inflación (Armas, Castillo y Vega, 2014; Armas y Grippa, 2005)3. Como consecuencia, el tipo de cambio real del Perú es el más estable de todas las economías latinoamericanas grandes y financieramente abiertas (gráfico 20.3).

Gráfico 20.2Precio real de las materias primas, repatriación de ganancias y saldo en cuenta corriente

Fuentes: Banco Central de Reserva del Perú y estimaciones del autor.

Gráfico 20.3Índices del tipo de cambio efectivo real en economías seleccionadas de América Latina

Fuentes: Base de datos del Sistema de Notificación de Información del FMI y cálculos del autor.

Nota: Los números entre paréntesis junto a los nombres de los países representan desvíos estándar del tipo de cambio efectivo real.

La intervención cambiaria sostenida y esterilizada en un régimen de fijación de metas de inflación parece haber debilitado el impacto de los precios de las materias primas en el tipo de cambio real4. A modo de ilustración, consideremos un shock positivo de los precios de las materias primas. En un régimen de metas de inflación, el banco central puede prevenir la presión inflacionaria ocasionada por el ingreso imprevisto proveniente de materias primas incrementando su tasa, lo cual, a su vez, puede provocar un aumento de las entradas de capital. En un régimen cambiario de flotación libre, las entradas de capital habrían provocado la apreciación del tipo de cambio nominal, y por lo tanto también el real. Sin embargo, la intervención cambiaria esterilizada del BCRP ha limitado el impacto de las entradas de capital en el tipo de cambio, con lo que logró proteger el tipo de cambio real del impacto de los shocks de los precios de las materias primas.

A fin de poner a prueba la hipótesis de que las cuantiosas repatriaciones de ganancias y la intervención cambiaria del banco central pueden haber aislado el REER del impacto de los precios de las materias primas, se considera una especificación según la cual el REER depende de los precios de las materias primas, de la repatriación de ganancias como porcentaje del PIB (PREP) y de las reservas internacionales netas (NIR) como porcentaje del PIB (NIR_GDP) como variable representativa de la intervención cambiaria5:

La repatriación de ganancias (PREP) debería conducir a una depreciación del tipo de cambio nominal y, por lo tanto, también del real, puesto que incrementa la demanda de moneda extranjera. Como resultado, θ2 < 0. También se prevé que las NIR_GDP tengan una relación negativa con el tipo de cambio real, dado que el aumento de las NIR (compra de divisas por parte del banco central) y su reducción (venta de divisas por parte del banco central) deberían provocar, respectivamente, una depreciación y una apreciación de la moneda nacional, en caso de tener éxito. Por lo tanto, θ3 < 0.

Puesto que la variación en los precios de las materias primas también puede afectar la PREP y las NIR_GDP, podemos especificar las siguientes ecuaciones:

En la ecuación (20.4), el impacto de los precios de las materias primas sobre REER, si la PREP y las NIR_GDP se mantienen constantes, es θ1. En realidad, sin embargo, tanto la PREP como las NIR_GDP cambian cuando cambian los precios de las materias primas. Las ganancias de las empresas aumentan cuando aumentan los precios de las materias primas, lo que implica que γ1 > 0, y un shock positivo de los precios de las materias primas suscita la intervención del banco central en el mercado cambiario y, por lo tanto, un aumento de las NIR, lo que implica que δ1 > 0. Como resultado, el impacto neto de los precios de las materias primas en el tipo REER está dado por θ1 + θ2 * γ1 + θ3 * δ1, y podría ser cero, negativo o positivo según la magnitud relativa de cada coeficiente.

Al estimar las ecuaciones (20.4) a (20.6) utilizando el método de cointegración de Johansen, se obtienen los siguientes resultados6:

Los resultados demuestran que todos los coeficientes tienen el signo esperado y son estadísticamente significativos a niveles estándar de significancia. Más aún, la estimación del impacto neto de los precios de las materias primas (θ1 + θ2 * γ1 + θ3 * δ1) es igual a 0,01, lo cual es muy bajo y virtualmente igual al coeficiente estimado que se obtiene al regresar el tipo REER solo sobre los precios de las materias primas (ecuación 20.3).

Por lo tanto, los datos empíricos confirman la hipótesis de que el shock de los precios de las materias primas se ve absorbido en gran medida por las cuantiosas repatriaciones de ganancias y la sostenida intervención cambiaria, que debilitan el impacto neto en el REER. Si mantenemos constante la repatriación de ganancias y suponemos que no hay intervención cambiaria, el impacto de los precios de las materias primas en el REER sería estadísticamente significativo y tendría una elasticidad estimada de alrededor de 0,5. En realidad, sin embargo, los cambios en los precios de las materias primas tienen un impacto positivo estadísticamente significativo en la repatriación de ganancias y en la intervención del banco central, lo cual, a su vez, afecta negativamente el REER, neutralizando el impacto inicial que tienen en él los precios de las materias primas.

Identificación de los factores determinantes del tipo de cambio real de equilibrio

La búsqueda de un vector de cointegración entre el REER y los fundamentos económicos involucró un algoritmo que: 1) descarta los modelos que no contienen un vector estadísticamente significativo; 2) elimina las variables que no tienen coeficientes con signos previstos según la teoría o cuya inclusión cambia el signo de otras variables; 3) descarta los modelos que no contienen un término de corrección de error estadísticamente significativo con signo negativo, y 4) maximiza el R al cuadrado del término de corrección de error. El pasivo externo neto se quitó del modelo elegido para seguir este algoritmo, similar a los resultados de otros estudios, como los de Montiel (2007) y Coudert, Couharde y Mignon (2011). La prueba de cointegración entre las variables restantes indica un único vector de cointegración al nivel de significancia de 10% (cuadro 20.1.2b del anexo), lo cual, tras normalizar por el coeficiente de LREER, asume la siguiente forma:

donde los números entre paréntesis se refieren a valores t.

Si bien todos los fundamentos económicos de la ecuación (20.10) tienen el signo esperado en sus coeficientes, el precio real de las materias primas no es estadísticamente significativo, como ocurre en la ecuación (20.3). Las pruebas de restricciones de la cointegración indican que LRP_COM no es importante para el vector de cointegración (cuadro 20.1.2c del anexo). Como resultado, la ecuación (20.10) se reestima sin LRP_COM y sin el vector de cointegración resultante, que se vuelve estadísticamente significativo al nivel de 1% (cuadro 20.1.2d), y las ecuaciones dinámicas a corto plazo se muestran en las ecuaciones (20.11) y (20.12), respectivamente:

donde D representa la primera diferencia, el subíndice (–1) se refiere al primer rezago y ECM constituye el término de corrección de error, que es el término de error de la ecuación (20.11). Los números entre paréntesis son valores t.

Por consiguiente, la productividad relativa y el consumo público son los factores determinantes principales del REER de equilibrio en el Perú. El coeficiente sobre el término de corrección de error en la ecuación dinámica es –0,13 y es estadísticamente significativo al 1%, lo que implica que alrededor de 13% de las desviaciones del REER con respecto al equilibrio a largo plazo se corregirá tras un trimestre. La duración promedio de un shock respecto del REER, calculada como log (0,5)/ log(1–0,13), se estima en alrededor de cinco trimestres, lo que se condice con los resultados de otros estudios empíricos. Tanto la productividad como el consumo público también son significativos en el modelo dinámico a corto plazo (ecuación 20.12), este último con un signo negativo inesperado.

El resultado expuesto previamente soporta cambios en las especificaciones (cuadro 20.2), excepto cuando se utilizan datos anuales para 1970–2013, que muestran un RP_COM estadísticamente significativo, aunque la elasticidad sigue siendo muy baja (0,03)7.

Cuadro 20.2El tipo de cambio real y los fundamentos económicos: Especificaciones alternativas
Especificación alternativaLRP_COMLPRODLGCN
Mínimos cuadrados en dos etapas0,010,430,14
(con primeros rezagos como instrumentos)(0,52)(8,59)(2,09)
Mínimos cuadrados ordinarios dinámicos0,020,360,15
(0,95)(3,63)(1,95)
Mínimos cuadrados ordinarios completamente modificados0,010,360,11
(0,83)(4,20)(1,71)
Tipo de cambio real bilateral como variable dependiente10,920,41
(3,32)(2,87)
Precio real del cobre0,020,400,41
(1,05)(3,08)(4,38)
Términos de intercambio0,050,430,41
(0,65)(3,12)(4,22)
Datos anuales: 1970–201320,030,190,19
(2,95)(9,26)(8,62)
Fuente: Cálculos del autor.Nota: Los números entre paréntesis son valores t.

RP_COM se quita del modelo del tipo de cambio real bilateral puesto que lleva un signo teóricamente incorrecto.

El pasivo externo neto también se vuelve significativo con un signo negativo previsto según la teoría y una elasticidad de 0,06. El índice de apertura comercial, que no se incluyó en los datos trimestrales porque el Perú liberalizó su comercio exterior en 1991, también se incluye en la muestra anual (cuadros 20.1.4 b y c del anexo).

Fuente: Cálculos del autor.Nota: Los números entre paréntesis son valores t.

RP_COM se quita del modelo del tipo de cambio real bilateral puesto que lleva un signo teóricamente incorrecto.

El pasivo externo neto también se vuelve significativo con un signo negativo previsto según la teoría y una elasticidad de 0,06. El índice de apertura comercial, que no se incluyó en los datos trimestrales porque el Perú liberalizó su comercio exterior en 1991, también se incluye en la muestra anual (cuadros 20.1.4 b y c del anexo).

¿Está desalineado el tipo de cambio efectivo real?

Si bien se necesita un análisis de regresión con un panel que comprenda varios países—similar a la evaluación de los saldos externos del FMI (Phillips et al., 2013)—a fin de efectuar una estimación apropiada del tipo de cambio real de equilibrio, se utiliza la relación a largo plazo estimada entre el REER y los fundamentos económicos estadísticamente significativos para estimar la trayectoria hipotética del REER de equilibrio. La idea es evaluar en qué medida el REER efectivo se condice con la trayectoria del REER prevista por la relación estimada de cointegración a largo plazo (ecuación 20.11) y los valores de fundamentos económicos estadísticamente significativos. En teoría, el REER de equilibrio es el valor del REER previsto por los valores “sostenibles” o “en estado estable” de los fundamentos (Montiel, 2007). Por consiguiente, los fundamentos económicos se pasan por el filtro de Hodrick-Prescott para eliminar los componentes cíclicos y estimar sus componentes sostenibles.

El REER efectivo, el ajustado y el de equilibrio se presentan en el gráfico 20.4a junto con el desajuste estimado en el gráfico 20.4b. El valor ajustado está muy cerca del REER efectivo, lo que indica un muy buen ajuste a los datos. Por lo tanto, es probable que el error estadístico del REER de equilibrio estimado sea insignificante.

Gráfico 20.4El Perú: Tipo de cambio efectivo real de equilibrio

Fuentes: Base de datos del Sistema de Notificación de Información del FMI y cálculos del autor.

Nota: REER = tipo de cambio efectivo real.

Los resultados estimados indican que, a lo largo de la década pasada, el tipo REER del Perú se adecuó en líneas generales a los fundamentos económicos, a excepción de algunos años en los que hubo desajustes leves. Precisamente, el REER:

  • Estuvo ligeramente subvaluado en un promedio de 2¼% en 2004–07. Se depreció alrededor de 4% en ese período, mientras que el REER de equilibrio se depreció alrededor de 2%, puesto que el impacto de las grandes reducciones del consumo público (en comparación con Estados Unidos) compensó con creces el impacto de las mejoras en la productividad relativa (Cuadro 20.3 y gráfico 20.5).

  • Concordó con el REER de equilibrio en 2008.

  • Estuvo ligeramente sobrevaluado en un promedio aproximado de 4¾% en 2009–13. Posiblemente, se debió a que la enorme entrada de capital, que provocó una considerable apreciación del REER (de 14%), fue consecuencia no solo de los fundamentos económicos del Perú, que únicamente justificaron 9% de la apreciación del REER de equilibrio, sino también de factores de rechazo mundiales. Sin embargo, una gran parte del desajuste, que alcanzó su nivel máximo en el primer trimestre de 2013 con 8¾%, se corrigió en la segunda mitad de 2013, cuando el nuevo sol se depreció tras el anuncio de la Reserva Federal del repliegue de la política monetaria (Cuadro 20.3 y gráfico 20.5).

Cuadro 20.3Tipo de cambio efectivo real de equilibrio: Efectivo y estimado
AñoEfectivoDe equilibrioDesajuste
2004100,8102,1−1,3
2005100,0101,4−1,4
200698,2100,8−2,6
200796,5100,2−3,7
2008100,8100,00,7
2009104,1100,43,7
2010106,6101,65,0
2011105,5103,51,9
2012114,5106,17,9
2013115,0109,15,4
Fuente: Cálculos del autor.
Fuente: Cálculos del autor.

Gráfico 20.5Aportes de los fundamentos económicos a cambios en el tipo de cambio efectivo real de equilibrio

Fuente: Cálculos del autor.

Nota: GCN = consumo primario corriente del sector público; PROD = productividad relativa.

Es importante señalar que esa evaluación no necesariamente tiene valor normativo, puesto que un REER cercano al nivel de equilibrio también puede reflejar distorsiones en los fundamentos económicos (Phillips et al., 2013). Para efectuar una evaluación normativa del REER de equilibrio es necesario estimar la adecuación de los fundamentos económicos desde una perspectiva del bienestar, lo cual excede el alcance de este capítulo.

Conclusiones

En este capítulo se llevó a cabo un análisis de cointegración para poner a prueba la hipótesis de la moneda mercancía e identificar los factores determinantes del tipo de cambio real de equilibrio en el Perú. La primera parte del análisis empírico consistió en poner a prueba la hipótesis de la “moneda mercancía” para el nuevo sol. Los resultados indican que el índice de precios reales de las materias primas de exportación del Perú no afecta el REER de manera estadísticamente significativa, lo que sugiere que el nuevo sol no es una moneda mercancía. Eso resulta desconcertante en el caso de un país cuyas exportaciones dependen en gran medida de los metales. El análisis demostró empíricamente que la cuantiosa repatriación de ganancias y la activa intervención cambiaria del BCRP podrían haber mitigado el impacto de los precios de las materias primas en el REER.

La segunda parte del análisis empírico consistió en identificar los factores determinantes principales del REER de equilibrio a partir de un conjunto de fundamentos económicos que incluyen el precio real de las materias primas, la productividad relativa del Perú en relación con la de sus socios comerciales, el consumo público peruano en relación con el de sus socios comerciales y el pasivo externo neto. Los resultados indican que solo la productividad y el consumo público, ambos en relación con los de los socios comerciales, tienen una relación estadísticamente significativa con el REER, lo que sugiere que el REER de equilibrio está determinado únicamente por esos dos fundamentos económicos.

El REER de equilibrio se estimó sobre la base de la relación de cointegración entre el REER y los fundamentos económicos estadísticamente significativos. Los resultados demuestran que el REER del Perú se condice a grandes rasgos con el nivel hipotético de equilibrio previsto por los valores “sostenibles” de los fundamentos económicos. El REER estuvo ligeramente sobrevaluado en los años posteriores a la crisis financiera mundial de 2008, lo cual era de esperar dado el auge de entradas de capital que provocó sobre todo la política monetaria laxa de las economías avanzadas. Sin embargo, la reciente depreciación del REER tras el anuncio de la Reserva Federal de repliegue de la política monetaria no convencional en mayo de 2013 parece haber corregido gran parte de la sobrevaluación. Eso no implica necesariamente que el nivel del tipo de cambio real sea perfecto desde la perspectiva del bienestar, puesto que el REER de equilibrio en sí mismo puede ser resultado de distorsiones en los fundamentos económicos (por ejemplo, niveles de consumo público inferiores a los óptimos). Una evaluación normativa de ese tipo exige determinar los niveles óptimos o de “maximización del bienestar” de los fundamentos económicos, lo cual excede el alcance de este capítulo.

Los resultados del análisis del REER de equilibrio deben interpretarse solo como indicios, dado que evaluar el tipo de cambio de manera apropiada exige un análisis basado en datos de panel, como en la evaluación de saldos externos del FMI, a fin de resolver los problemas técnicos asociados con muestras pequeñas y los posibles quiebres estructurales.

Anexo 20.1

Gráfico 20.1.1 Del anexoEl Perú: El tipo de cambio efectivo real y los fundamentos económicos

Fuentes: Banco Central de Reserva del Perú; FMI, Sistema de Notificación de Información y base de datos de Perspectivas de la economía mundial (informe WEO); Oficina de Análisis Económico de Estados Unidos, y cálculos del autor.

Nota: REER = tipo de cambio efectivo real.

Cuadro 20.1.1 Del AnexoResultados de la prueba de raíz unitaria
Estadístico t ADFEstadístico t DF-GLS
VariableNingunoConstanteConstante y tendenciaConstanteConstante y tendenciaComentarios
Tipo de cambio efectivo realNivel−0,24−2,59−2,44−1,36−1,71I (1)
De diferencia (1°)−7,51−7,46−7,53−7,01−7,58
Tipo de cambio real bilateralNivel−0,20−2,37−1,70−1,24−1,37I (1)
De diferencia (1°)−6,93−6,89−6,96−6,73−7,01
Índice del precio real de las materias primas de exportaciónNivel0,84−0,73−2,13−0,41−1,76I (1)
De diferencia (1°)−6,75−6,80−6,79−6,84−6,84
Precio real del cobreNivel0,57−0,89−2,54−0,65−1,87I (1)
De diferencia (1°)−7,01−7,02−7,01−7,06−7,07
Términos de intercambioNivel0,06−1,78−2,41−1,78−2,19I (1)
De diferencia (1°)−6,38−6,34−6,29−6,21−6,24
Productividad relativaNivel−0,57−0,93−0,54−0,91−0,73I (1)
De diferencia (1°)−8,01−7,98−7,99−2,50−6,19
Consumo público relativoNivel−1,05−2,44−2,51−0,48−1,11I (1)
De diferencia (1°)−15,08−15,03−17,08−1,67−3,46
Pasivo externo neto1Nivel−0,95−0,65−1,440,53−1,43I (1)
De diferencia (1°)−6,97−7,36−7,32−7,38−7,33
Reservas internacionales netas2Nivel2,50−4,46−4,350,94−1,03I (1)
De diferencia (1°)−6,34−6,81−7,14−4,53−5,60
Repatriación de ganancias4Nivel−0,58−1,50−2,38−0,90−2,51I (1)
De diferencia (1°)−12,16−12,12−12,10−11,93−11,63
Valores críticos
1%−2,59−3,51−4,07−2,59−3,63
5%−1,95−2,90−3,46−1,95−3,07
10%−1,61−2,59−3,16−1,61−2,78
Fuente: Cálculos del autor.Nota: La hipótesis nula es la raíz unitaria en todos los casos y se acepta para estadísticos t mayores que los valores críticos correspondientes. Todas las variables están expresadas en logaritmo natural. ADF = prueba Dickey-Fuller aumentada; DF-GLS = prueba Dickey-Fuller GLS.

Como coeficiente del comercio exterior total de bienes y servicios del período anterior.

Como porcentaje del PIB.

Fuente: Cálculos del autor.Nota: La hipótesis nula es la raíz unitaria en todos los casos y se acepta para estadísticos t mayores que los valores críticos correspondientes. Todas las variables están expresadas en logaritmo natural. ADF = prueba Dickey-Fuller aumentada; DF-GLS = prueba Dickey-Fuller GLS.

Como coeficiente del comercio exterior total de bienes y servicios del período anterior.

Como porcentaje del PIB.

Cuadro 20.1.2 Del AnexoPruebas de cointegración de Johansen entre el tipo de cambio efectivo real y los fundamentos económicos
a) Cointegración entreLREERyLRP_COM
Prueba de rango de cointegración sin restricción (traza)
Cantidad hipotética de ECValor propioEstadística de trazaValor críticoProbabilidad1
Ninguno*0,14714,96015,4950,060
Como máximo 10,0151,3043,8410,254
Prueba de rango de cointegración sin restricción (máximo valor propio)
Cantidad hipotética de ECValor propioEstadística de máximo valor propioValor críticoProbabilidad1
Ninguno*0,14682613,656114,26460,0622
Como máximo 10,0150481,303983,8414660,2535
b) Cointegración entre LREER, LRP_COM, LGCN y LPROD_M
Prueba de rango de cointegración sin restricción (traza)
Cantidad hipotética de ECValor propioEstadística de trazaValor críticoProbabilidad1
Ninguno*0,26607546,3738947,856130,0684
Como máximo 10,12027219,7699429,797070,4385
Como máximo 20,0710958,74964715,494710,3891
Como máximo 30,0276032,4072293,8414660,1208
Prueba de rango de cointegración sin restricción (máximo valor propio)
Cantidad hipotética de ECValor propioEstadística de máximo valor propioValor críticoProbabilidad1
Ninguno*0,26607526,6039527,584340,0663
Como máximo 10,12027211,0202921,131620,6453
Como máximo 20,0710956,34241814,26460,5697
Como máximo 30,0276032,4072293,8414660,1208
c) Pruebas de cointegración con restricción
Hipótesis nulaProbabilidad logarítmica restringidaEstadístico LRGrados de libertadProbabilidad
El coeficiente sobre LRP_COM es cero650,33441,92011210,1658
El coeficiente sobre LPROD es cero **649,24624,09661610,0430
El coeficiente sobre LGCN es cero ***645,783211,0226410,0009
d) Cointegración entre LREER, LGCN y LPROD_M
Cantidad hipotética de ECValor propioEstadística de trazaValor críticoProbabilidad1
Ninguno***0,23619737,5760629,797070,0052
Como máximo 10,10320714,4038115,494710,0725
Como máximo 2**0,0568745,0358063,8414660,0248
Prueba de rango de cointegración sin restricción (máximo valor propio)
Cantidad hipotética de ECValor propioEstadística de máximo valor propioValor críticoProbabilidad1
Ninguno**0,23619723,1722521,131620,0255
Como máximo 10,1032079,36800414,26460,2568
Como máximo 2**0,0568745,0358063,8414660,0248
e) LREER, LRP_COM, LPROFIT y LNIR_GDP
Prueba de rango de cointegración sin restricción (traza)
Cantidad hipotética de ECValor propioEstadística de trazaValor críticoProbabilidad1
Ninguno**0,331754,133647,85610,0115
Como máximo 10,111820,280429,79710,4040
Como máximo 20,075210,325715,49470,2565
Como máximo 3*0,04383,75823,84150,0525
Prueba de rango de cointegración sin restricción (máximo valor propio)
Cantidad hipotética de ECValor propioEstadística de máximo valor propioValor críticoProbabilidad1
Ninguno ***0,33169833,8532627,584340,0069
Como máximo 10,1117559,95461921,131620,7489
Como máximo 20,0752076,56755814,26460,5415
Como máximo 3*0,0437543,7581783,8414660,0525
f) LNIR_GDP y LRP_COM
Prueba de rango de cointegración sin restricción (traza)
Cantidad hipotética de ECValor propioEstadística de trazaValor críticoProbabilidad1
Ninguno ***0,24757324,1881415,494710,0019
Como máximo 10,0034960,2942063,8414660,5875
Prueba de rango de cointegración sin restricción (máximo valor propio)
Cantidad hipotética de ECValor propioEstadística de máximo valor propioValor críticoProbabilidad1
Ninguno ***0,24757323,8939314,26460,0011
Como máximo 10,0034960,2942063,8414660,5875
g) LPROFIT y LRP_COM
Prueba de rango de cointegración sin restricción (traza)
Cantidad hipotética de ECValor propioEstadística de trazaValor críticoProbabilidad1
Ninguno **0,15542216,8542215,494710,031
Como máximo 10,0312292,6650943,8414660,1026
Prueba de rango de cointegración sin restricción (máximo valor propio)
Cantidad hipotética de ECValor propioEstadística de máximo valor propioValor críticoProbabilidad1
Ninguno*0,15542214,1891314,26460,0514
Como máximo 10,0312292,6650943,8414660,1026
Fuente: Cálculos del autor.Nota: * denota rechazo de la hipótesis al nivel de 10%; ** denota rechazo de la hipótesis al nivel de 5%, *** denota rechazo de la hipótesis al nivel de 1%.EC = Ecuación de cointegración.

Valores p de MacKinnon-Haug-Michelis (1999).

Fuente: Cálculos del autor.Nota: * denota rechazo de la hipótesis al nivel de 10%; ** denota rechazo de la hipótesis al nivel de 5%, *** denota rechazo de la hipótesis al nivel de 1%.EC = Ecuación de cointegración.

Valores p de MacKinnon-Haug-Michelis (1999).

Cuadro 20.1.3 Del AnexoPrueba de Gregory-Hansen para la cointegración con cambio de régimen: Muestra anual, 1970–2013
a) LREER y LRP_COM
Valores críticos asintóticos
Estadística de pruebaAño del cambio1%5%10%
ADF−4,70*1987−5,47−4,95−4,68
Zt−4,75*1987−5,47−4,95−4,68
Za−30,341987−57,17−47,04−41,85
b) LREER y todos los fundamentos económicos1
Valores críticos asintóticos
Estadística de pruebaAño del cambio1%5%10%
ADF−7,08***1988−6,92−6,41−6,17
Zt−6,24*1989−6,92−6,41−6,17
Za−30,341989−90,35−78,52−75,56
Fuente: Cálculos del autor.Nota: La hipótesis nula es “sin cointegración”. *La hipótesis nula se rechaza al nivel de significancia de 10%; ***la hipótesis nula se rechaza al nivel de significancia de 1%. ADF = Prueba de Gregory-Hansen aumentada.

Incluye LRP_COM, LPROD, LGCN y LNFL.

Fuente: Cálculos del autor.Nota: La hipótesis nula es “sin cointegración”. *La hipótesis nula se rechaza al nivel de significancia de 10%; ***la hipótesis nula se rechaza al nivel de significancia de 1%. ADF = Prueba de Gregory-Hansen aumentada.

Incluye LRP_COM, LPROD, LGCN y LNFL.

Cuadro 20.1.4 Del AnexoEstimación de la cointegración no lineal utilizando el método de los mínimos cuadrados ordinarios completamente modificados: Muestra anual, 1970–2013
a) LREER y LRP_COM
LREER = a(1) * LRP_COM + a(2) * LRP_COM × RS1987 + a(3)
Coeficiente1CoeficienteError estándarProbabilidad
a(1)0,260,120,0349
a(2)0,270,020,0000
a(3)4,590,540,0000
b) LREER y todos los fundamentos económicos
LREER = b(1) * LRP_COM + b(2) * LRP_COM × RS1988 + b(3) * LGCN + b(4) * LGCN × RS1988 + b(5) * LPROD + b(6) * LPROD × RS1988 + b(7) * LNFL + b(8) * TRADE_OPEN + b(9)
Variable2CoeficienteError estándarProbabilidad
b(1)0,160,010,0000
b(2)0,190,000,0000
b(3)0,440,030,0000
b(4)0,630,040,0000
b(5)0,760,040,0000
b(6)0,950,040,0000
b(7)30,060,010,0000
b(8)3,40,520,010,0000
b(9)4,010,040,0000
c) Pruebas de restricción de coeficiente de Wald
Hipótesis nulaValorEstadística tProbabilidad
a(1) + a(2) = 00,010,110,9100
b(1) + b(2) = 00,032,950,0057
b(3) + b(4) = 00,199,260,0000
b(5) + b(6) = 00,198,620,0000
Fuente: Cálculos del autor.

RS1987 se refiere a una variable ficticia para un cambio de régimen en 1987, que identificó la prueba de Gregory-Hansen (cuadro 20.1.3a del anexo).

RS1988 se refiere a una variable ficticia para un cambio de régimen en 1988, que identificó la prueba de Gregory-Hansen (cuadro 20.1.3b del anexo).

LNFL y TRADE_OPEN (variable ficticia de la apertura comercial) no muestran cambios en el signo de su coeficiente cuando se los hace interactuar con RS1988. Como resultado, se los incluye sin interacciones.

TRADE_OPEN no se incluyó en la prueba de cointegración del Cuadro de 20.1.3b del anexo, porque la prueba de Gregory-Hansen no permite más de cuatro variables independientes y ficticias.

Fuente: Cálculos del autor.

RS1987 se refiere a una variable ficticia para un cambio de régimen en 1987, que identificó la prueba de Gregory-Hansen (cuadro 20.1.3a del anexo).

RS1988 se refiere a una variable ficticia para un cambio de régimen en 1988, que identificó la prueba de Gregory-Hansen (cuadro 20.1.3b del anexo).

LNFL y TRADE_OPEN (variable ficticia de la apertura comercial) no muestran cambios en el signo de su coeficiente cuando se los hace interactuar con RS1988. Como resultado, se los incluye sin interacciones.

TRADE_OPEN no se incluyó en la prueba de cointegración del Cuadro de 20.1.3b del anexo, porque la prueba de Gregory-Hansen no permite más de cuatro variables independientes y ficticias.

Cuadro 20.1.5 Del AnexoDatos empíricos sobre moneda mercancía
Autores (año)PaísesMuestraMétodoElasticidad ante precios de las materias primasDefinición del precio de las materias primas
Chen y Rogoff (2003)Australia, Canadá, Nueva ZelandiaTrimestral: el año varíaCointegración de serie temporalAustralia (0,4), Canadá (0,4) y Nueva Zelandia (0,6)Precios reales de las materias primas
Cashin, Cespedes y Sahay (2004)58 países exportadores de materias primas, entre ellos el PerúMensual: 1980–2002Cointegración de serie temporalMediana = 0,4. Los términos de intercambio no son importantes para el PerúPrecios reales de las materias primas
Ferreyra y Salas (2006)El PerúTrimestral: 1980–2005Cointegración de serie temporal0,3Términos de intercambio
Montiel (2007)Argentina, Bolivia, Brasil, Chile, Paraguay, UruguayAnual: 1969–2005Cointegración de serie temporalLos términos de intercambio solo son importantes para Argentina (1,7), Bolivia (0,6) y Uruguay (0,6)Términos de intercambio
Iossifov y Loukoianova (2007)GhanaTrimestral: 1984–2006Cointegración de serie temporal0,4Precios reales de las materias primas
Astorga (2012)Argentina, Brasil, Chile, Colombia, México, VenezuelaAnual: 1900–2000Cointegración de serie temporalArgentina (0,4), Brasil (0,2), Chile (0,1), Colombia (0,4), México (insignificante), Venezuela (0,1)Términos de intercambio
Coudert, Couharde y Mignon (2011)52 exportadores de materias primasAnual: 1980–2007Cointegración de panel0,4Precios reales de las materias primas
Bodart, Cabdelon y Carpantier (2012)42 países dependientes de las materias primasMensual: 1980–2009Cointegración de panel0,2Precios reales de las materias primas
Ricci, Milesi-Ferretti y Lee (2013)48 países industrializados y emergentesAnual: 1980–2004Cointegración de panelPaíses avanzados (0,8) Países de mercados emergentes (0,5)Precios reales de las materias primas
Phillips et al. (2013)40 países avanzados y de mercados emergentesAnual: 1990–2010Mínimos cuadrados ordinarios de panel (efecto fijo)0,1Precios reales de las materias primas
Referencias

    AdlerGustavo and Nicolas E.Magud. 2013. “Four Decades of Terms-of-Trade Booms: Saving-Investment Patterns and a New Metric of Income Windfall.Working Paper 13/103International Monetary FundWashington, DC.

    ArmasAdrianPaulCastillo and MarcoVega. 2014. “Inflation Targeting and Quantitative Tightening: Effects of Reserve Requirements in Peru.Working Paper 2014–003Central Reserve Bank of PeruLima.

    ArmasAdrian and FranciscoGrippa. 2005. “Targeting Inflation in a Dollarized Economy: The Peruvian Experience.IDB Working Paper 538Inter-American Development BankWashington, DC.

    AstorgaPablo. 2012. “Mean Reversion in Long-Horizon Real Exchange Rates: Evidence from Latin America.Journal of International Money and Finance31: 1529550.

    BalassaBela. 1964. “The Purchasing Parity Doctrine: A Reappraisal.Journal of Political Economics72 (6): 58496.

    BodartV.B.Cabdelon and J. F.Carpantier. 2012. “Real Exchange Rates in Commodity Producing Countries: A Reappraisal.Journal of International Money and Finance31: 1485502.

    CashinPaulLuisFelipe Cespedes and RatnaSahay. 2004. “Commodity Currencies and the Real Exchange Rate.Journal of Development Economics75 (1): 23968.

    ChenYu-chin and Kenneth S.Rogoff. 2003. “Commodity Currencies.Journal of International Economics60 (1) Special Issue: 13360.

    CoudertVirginieCecileCouharde and ValerieMignon. 2011. “Does Euro or Dollar Pegging Impact the Real Exchange Rate? The Case of Oil and Commodity Currencies.World Economy34 (9): 1557592.

    EngelCharles. 2000. “Long-run PPP May Not Hold After All.Journal of International Economics57: 24373.

    FerreyraJesus and JorgeSalas. 2006. “Tipo de cambio real de equilibrio en el Peru: modelos BEER y construccion de bandas de confianza.BCRP Working Paper Series 2006–006Central Reserve Bank of PeruLima.

    FrootKenneth and KennethRogoff. 1995. “Perspectives on PPP and Long-run Real Exchange Rates.” In The Handbook of International Economics edited by GeneGrossman and KennethRogoff. Amsterdam: North-Holland.

    GregoryAllan W. and Bruce E.Hansen. 1996. “Residual-Based Tests for Cointegration in Models with Regime Shifts.Journal of Econometrics70: 99126.

    IossifovPlamen and ElenaLoukoianova. 2007. “Estimation of a Behavioral Equilibrium Exchange Rate Model for Ghana.Working Paper 07/155International Monetary FundWashington, DC.

    MacKinnonJames G.Alfred A.Haug and LeoMichelis. 1999. “Numerical Distribution Functions of Likelihood Ratio Tests for Cointegration.Journal of Applied Econometrics14: 56377.

    MeeseRichard A. and KennethRogoff. 1983. “Empirical Exchange Rate Models of the Seventies: Do They Fit Out of Sample.Journal of International Economics14: 324.

    MontielPeter J.2007. “Equilibrium Real Exchange Rates, Misalignment and Competitiveness in the Southern Cone.ECLAC Macroeconomic Development Series 62Economic Commission on Latin America and the CaribbeanSantiago.

    PhillipsStevenLuisCatãoLucaRicciRudolfsBemsMitaliDasJulian DiGiovanniD. FilizUnsalMarolaCastilloJungjinLeeJairRodriguez and MauricioVargas Ricci. 2013. “The External Balance Assessment (EBA) Methodology.Working Paper 13/272International Monetary FundWashington, DC.

    RicciLuca AntonioGianMaria Milesi-Ferretti and JaewooLee. 2013. “Real Exchange Rates and Fundamentals: a Cross-Country Perspective.Journal of Money Credit and Banking45 (5): 84565.

    RogoffKenneth. 1996. “The Purchasing Power Parity Puzzle.Journal of Economic Literature34: 64768.

    RossiniRenzoAdrianArmas and ZenonQuispe. 2014. “Global Policy Spillovers and Peru’s Monetary Policy: Inflation Targeting, Foreign Exchange Intervention and Reserve Requirements.BIS Paper No. 78Bank for International SettlementsBasel.

    SamuelsonPaul. 1964. “A Theoretical Note on Trade Problems.Review of Economics and Statistics46 (12): 14554.

    TashuMelesse. 2014. “Motives and Effectiveness of Forex Interventions: Evidence from Peru.Working Paper 14/7International Monetary FundWashington, DC.

Los términos “tipo de cambio real” y “tipo de cambio efectivo real” se emplean de manera indistinta en este capítulo. Ambos hacen referencia al tipo de cambio del nuevo sol frente a una canasta de monedas de los países que son los socios comerciales más importantes, ajustada por los diferenciales de precios entre el Perú y esos socios.

Las exportaciones de metales representan alrededor de 55% del ingreso total de las exportaciones del Perú.

Si bien el régimen de metas de inflación se introdujo en 2002, al marco de metas monetarias, que ya se aplicaba antes de 2002, también se le atribuye haber reducido y estabilizado la inflación luego de la hiperinflación de la década de 1980.

Las políticas fiscales complementarias y el uso de requisitos de reservas han ayudado al BCRP a sostener sus intervenciones cambiarias esterilizadas sin poner en riesgo la salud de su balance. Por ejemplo, alrededor de 37½% y 34½% de la intervención cambiaria de 2013 se esterilizó con depósitos del sector público y requisitos de reservas, respectivamente, y solo alrededor de 11½% de la intervención se esterilizó por medio de instrumentos del banco central (Rossini, Armas y Quispe, 2014). En ese sentido, el shock positivo de los precios de las materias primas, que incrementó los ingresos tributarios del sector minero, ha ayudado al Tesoro a sostener la esterilización que lleva a cabo el banco central.

Las NIR utilizadas aquí excluyen los efectos de valuación, de modo que los cambios en las NIR reflejan más que nada las intervenciones cambiarias y otras medidas diseñadas para contener la volatilidad del tipo de cambio, como cambios en los requisitos de reservas por pasivos en moneda extranjera.

Todas las variables tienen una raíz unitaria (cuadro 20.1.1 del anexo). La prueba Dickey-Fuller aumentada parece indicar que el logaritmo de NIR_GDP es I(0) cuando se agrega la constante o la constante y la tendencia. Pero se sabe que la prueba Dickey-Fuller aumentada es algo débil, es decir, tiende a rechazar las hipótesis nulas de I(1) demasiadas veces cuando estas son ciertas. La prueba más eficiente de raíz unitaria, la de Dickey-Fuller GLS, acepta la hipótesis nula a todos los niveles de significancia, lo que sugiere que las NIR son I(1). Las pruebas de cointegración de traza y de máximo valor propio de Johansen demuestran que existe un vector de cointegración estadísticamente significativo entre las variables de las tres ecuaciones.

Los resultados para los datos anuales se obtienen siguiendo el procedimiento descrito previamente, es decir, poniendo a prueba la cointegración con el cambio de régimen mediante la prueba de Gregory-Hansen (1996) y estimando la relación a largo plazo con mínimos cuadrados ordinarios completamente modificados no lineales (cuadros 20.1.3b y 20.1.4 b y c del anexo). En este caso, el quiebre se identificó como 1988–89.

    Other Resources Citing This Publication