LRIN.pdf
Transcript of LRIN.pdf
UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ
FACULTAD DE ECONOMÍA
ECONOMETRÍA II
SERIES DE TIEMPO
EVOLUCIÓN DE LAS RESERVAS INTERNACIONALES NETAS Y
SU NIVEL ÓPTIMO
GUTIERREZ VENTURA, Cristian
Profesor responsable del curso:
Oswaldo Quiroz Marín
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 2
I. PRESENTACIÓN
Se ha podido observar y teorizar acerca del nivel en el que se encuentra las Reservas
Internacionales Netas y se dijo: que era una manera de seguro contra choques económicos
que desestabilicen la economía (fondo de seguro); que se destine una cantidad de la misma
para poder pagar la deuda externa; o una prima de seguro. Pero la evidencia de mantener
un nivel importante de RIN incrementa la capacidad de implementar políticas
macroeconómicas contraciclicas en economías emergentes1.
A su vez saber cuál es el nivel óptimo que un país debería administrar ha sido una
tarea planteada por los gobiernos y organizaciones mundiales, ello ayuda a los países a
reducir la volatilidad de los ciclos económicos, lo cual se refleja en los niveles de riesgo
país, el poder controlar un shock y disminuciones en el costo de endeudamiento
permitiendo mayores tasas de crecimiento de largo plazo.
La tarea como estudiante de economía es analizar el comportamiento de las Reservas
Internacionales en el periodo de: Enero 2004 – Diciembre 2012, poder discernir cual es
dicho óptimo de las teorías presentadas más adelante y el porqué del número de datos y
con la herramienta de la Econometría, poder identificar si nuestra variable (RIN) depende
de sus rezagos y su posible identificación, estimación.
Planteamiento del problema
¿Cuál es el nivel óptimo de las reservas internacionales para nuestra economía? ¿Cuánto
será este en el corto plazo (estimación con el modelo ARIMA)?
Objetivo
Encontrar un tratamiento que nos ayuda a poder encontrar cual es el óptimo de reservas
que nuestro país debe poseer y su pronóstico en el corto tiempo.
Con las herramientas de la econometría y la teoría económica poder crear un mecanismo
que nos ayuda a saber el óptimo.
1 Reflexiones sobre el nivel de las RIN - BCRP - pág. 2
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 3
ÍNDICE
I. PRESENTACIÓN .............................................................................................................................. 2
II. MARCO TEÓRICO ........................................................................................................................... 4
2.1. EL PORQUÉ DE LOS DATOS ......................................................................................... 4
2.2. TEORÍAS DEL NIVEL ÓPTIMO DE LAS RESERVAS INTERNACIONALES NETAS .............. 4
III. PRESENTACIÓN DE LOS DATOS ................................................................................................. 7
3.1. LA VARIABLE RIN DEL PERIODO DE ENERO 2004 A DICIEMBRE 2012 ......................... 7
IV. ANÁLISIS DE LOS RESULTADOS ............................................................................................... 10
4.1. PRUEBA DE ESTACIONARIEDAD DE SERIES DE TIEMPO .......................................................... 10
4.1.1 Correlograma Del LRIN De Enero 2004 A Diciembre 2012 ....................................................... 10
a) Prueba Q De Hipótesis Conjunta: ................................................................................................ 11
b) LB de Ljung Box ........................................................................................................................... 11
4.2. PRUEBA DE RAÍZ UNITARIA SOBRE ESTACIONARIEDAD: ......................... 12
4.2.1 Prueba simple de raíz unitaria: .................................................................................................... 12
4.2.2 Pruebas de Dickey – Fuller (DF) sobre Raíz Unitaria para las LRIN ......................................... 13
V. PRONOSTICO CON LOS MODELOS ARIMA ............................................................................ 16
5.1. RESULTADOS DE REGRESIÓN QUE PRUEBA LA ESTACIONARIEDAD DE LAS RIN EN
PRIMERA DIFERENCIA , I(1) ................................................................................................ 16
5.2. PASOS SEGÚN METODOLOGÍA DE BOX – JENKINS ..................................................... 18
5.2.1. Identificación ................................................................................................................................ 18
5.2.2. Estación Del Modelo ARIMA ....................................................................................................... 19
5.2.3. Verificación Del Diagnostico ....................................................................................................... 20
5.2.4. Pronostico ..................................................................................................................................... 21
VI. CONCLUSIONES ............................................................................................................................ 22
VII. REFERENCIAS ............................................................................................................................... 23
VIII. ANEXOS ........................................................................................................................................ 24
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 4
II. MARCO TEÓRICO
2.1. El Porqué De Los Datos
Es importante sustentar porque sea tomado como periodo de análisis de: Enero
2004 – Diciembre 2012.
Para esto tendremos que definir ciclos económicos, Arthur Burns y Wesley Mitchell
dieron la siguiente definición clásica de los ciclos económicos:
Los ciclos económicos son un tipo de fluctuaciones que se encuentran en
la actividad economía agregada de los países que organizan su trabajo
principalmente en empresas: un ciclo consta de expansiones que se producen
más o menos al mismo tiempo en muchas actividades económicas, seguidas de
recesiones, contracciones y recuperaciones, también generales que culminan
en la fase de expansión del ciclo siguiente; esta secuencia de cambios es
recurrente, pero no periódica; por lo que se refiere a la duración, los ciclos
económicos duran desde más de un año hasta diez o doce años2. Pág. 06
Con este criterio se toma este periodo, para propósitos de saber la fase en la que se
encuentra las RIN y sus posibles fluctuaciones en el corto plazo.
2.2. Teorías Del Nivel Óptimo De Las Reservas Internacionales Netas
Para muchos economistas mantener reservas tiene un costo. Los bancos para tener un
tipo de cambio fijo o en bandas, como el BCRP, realizan compras de divisas para evitar
dichas fluctuaciones, a su vez la retirada con instrumentos monetarios que ofrecen un
rendimiento. El costo de mantener reservas internaciones estaría determinada por la
diferencia entre el rendimiento del instrumento de política monetaria y el rendimiento
obtenido por la inversión de las reservas. No obstante esta política permite conseguir un
tipo de cambio menos volátil, que acarrea múltiples beneficios hacia los agentes
económicos, lo que compensa el costo.
A esto, la pregunta: ¿Cuál es el nivel óptimo de las reservas? Para ejercer políticas
macroeconómicas contraciclicas.
La teoría económica sugiere que entre los factores que afectan la determinación del
nivel adecuado de reservas destacan: la volatilidad de los flujos de capitales, el tamaño y la
composición de la deuda externa, el spread soberano, la confianza del mercado y el grado
de desarrollo del mercado cambiario doméstico.3
2 Introducción a la Macroeconomía Avanzada – Tomo II (ciclos económicos) – Peter Birch Sorensen
3 Banco Central de Reserva del Perú – Glosario.
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 5
El problema es que no existe un criterio para determinar de manera precisa el nivel
óptimo de acumulación de reservas internacionales de un país.
Los intentos para encontrar un nivel adecuado de las reservas se ve en algunos
indicadores basados en criterios monetarios:
El comercio internacional
El grado de desarrollo
Acceso a los mercados y regímenes cambiarios
La deuda de corto plazo
En 1947, Triffin concluyo:
“Que la demanda por reservas internacionales debería crecer en la
relación con el comercio, de manera que el ratio entre reservas e
importaciones podría tomarse como un indicador adecuado para la medición
del nivel óptimo de reservas.”
Esto se entiende que la principal fuente de variabilidad proviene de
movimientos en la balanza comercial.
Más adelante, en el año 1953 la ONU, encomendó al FMI realizar un estudio
que permita hallar el nivel adecuado de las reservas internacionales, el equipo
concluyo:
“Que la medición no es simple operadores aritméticos, ya que depende
del desarrollo del crédito internacional, la asertividad de la política fiscal y
monetaria, así como el grado de desarrollo del país. Más tarde señalo un ratio
reservas entre importaciones de 30%”
A lo que ese 30% sería un punto de partida para el análisis.
Triffin en 1960 señalo:
“Que este nivel, equivalía a cuatro meses de importación, lo cual era
bastante bajo considerando las características de las economías. En su
opinión, ante una caída abrupta de las exportaciones, las reservas deberían
cubrir el 35% de las importaciones en el peor de los casos.”
Posteriormente, con el incremento de los flujos de capitales en economías
emergentes, el análisis de traslado a la vulnerabilidad de la cuenta capital para definir
criterios de reservas.
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 6
A esto Calvo señalo:
“La razón de reservas a M2 resulta significativamente para predecir una
crisis. Este ratio captura el impacto potencial de una pérdida de confianza en
la moneda local y el riesgo de fuga de capitales por parte de agentes
domésticos. En economías con un tipo de cambio controlado”
Otro indicador que permite predecir crisis es la razón reservas entre deuda de corto
plazo.
FMI, 2000; Detragiache y Spilimberg, 2001. Propuso un indicador, “Regla de
Greenspan - Guidotti”: la cual dictamina que un país debería mantener reservas que cubran
la totalidad de la deuda de corto plazo. Lo anterior se relaciona con la salida de capitales.
Pero no toma en cuenta otros factores específicos, como desastres naturales que puedan
afectar la probabilidad de un shock de liquidez.
Sobre esto Wijinholds y Kapteyn (2001) propusieron un indicador que buscaba
incorporar a la “Regla de Greenspan - Guidotti”:
“El indicador planteado se construye sumándole a la deuda externa de
corto plazo un proporción del nivel de dinero (M2) existente en la economía”
Otra alternativa nace del criterio de un planteamiento micro-fundado. Esto supone
que los países mantienes reservas para suavizar el consumo ante shocks inesperados y
transitorios sobre sus pagos externos.
Heller (1960) fue el primero en analizar el nivel adecuado de reservas desde la
perspectiva de una optimización. Donde el nivel óptimo proviniese de un punto donde la
utilidad marginal sea igual al costo marginal de mantenerlas.
Bajo un enfoque similar, Bassat y Gottlieb (1992):
“Plantean que el nivel óptimo de reservas internacionales se obtiene
minimizando una función de pérdidas que considere la probabilidad de crisis
externa, el costo de dicha crisis, el costo de oportunidad de las RIN y el ratio
del RIN entre PBI”
Más adelante Jeanne y Ranciere (2009) presentan un acercamiento para el cálculo
óptimo de reservas para una economía pequeña y abierta:
“Las economías pagarían una prima equivalente al costo de mantener
reservas, a cambio de recibir un seguro que les permita suavizar el consumo
ante la posibilidad de una caída considerable en los flujos de capitales”
Hipótesis
Nuestras reservas seguirán teniendo un crecimiento debido al promedio positivo que
mantiene.
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 7
III. PRESENTACIÓN DE LOS DATOS
3.1. La variable RIN del periodo de Enero 2004 a Diciembre 2012
Grafico 3.1
Fuente: BCRP
Elaboración: Propia
Nuestra variable RIN ha tenido un crecimiento aproximadamente de 10,000 a 60,000
millones de dólares, a finales del 2008 ha experimentado una desaceleración por la crisis
de ese entonces lo cual ha sido superada para el 2009.
3.2. El logaritmo de la variable RIN
Grafico 3.2
Fuente: BCRP
Elaboración: Propia
Es práctica graficas el logaritmo de nuestra variable para tener una idea de la tasa de
crecimiento que experimenta.
0
10,000
20,000
30,000
40,000
50,000
60,000
70,000
2004 2005 2006 2007 2008 2009 2010 2011 2012
RIN
9.2
9.6
10.0
10.4
10.8
11.2
2004 2005 2006 2007 2008 2009 2010 2011 2012
Log RIN
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 8
3.3. La variable descestacionalizada
Grafico 3.3
Fuente: BCRP
Elaboración: Propia
No es más que la copia del logaritmo de la variable.
3.4. La variable componente estacional
Grafico 3.4
Fuente: BCRP
Elaboración: Propia
Representa a simple vista el intervalo de tiempos similares. En nuestro caso disminuye a
fines de cada año y aumenta a inicio del siguiente.
9.2
9.6
10.0
10.4
10.8
11.2
2004 2005 2006 2007 2008 2009 2010 2011 2012
LRIN_SA
0.997
0.998
0.999
1.000
1.001
1.002
2004 2005 2006 2007 2008 2009 2010 2011 2012
LRIN_SF
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 9
3.5.Variable de Tendencia del Ciclo
Grafico 3.5
Fuente: BCRP
Elaboración: Propia
El componente tendencia refleja en comportamiento de mediano y largo plazo de nuestra
variable, la cual es explicada por aquellas que son más importantes.
3.6.Variable Irregular Final
Grafico 3.6
Fuente: BCRP
Elaboración: Propia
El componente irregular cuyo comportamiento es totalmente errático e impredecible, por lo
que es difícil de estimarlo.
0.994
0.996
0.998
1.000
1.002
1.004
1.006
1.008
2004 2005 2006 2007 2008 2009 2010 2011 2012
LRIN_IR
9.2
9.6
10.0
10.4
10.8
11.2
2004 2005 2006 2007 2008 2009 2010 2011 2012
LRIN_TC
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 10
IV. ANÁLISIS DE LOS RESULTADOS
4.1.PRUEBA DE ESTACIONARIEDAD DE SERIES DE TIEMPO
4.1.1 Correlograma Del LRIN De Enero 2004 A Diciembre 2012
Es un gráfico que permite identificar el orden ARMA (p,q) de la serie de tiempo bajo
análisis. Muestra la estructura autoregresiva frente a cada rezago k (AR) , y de media
móviles (MA). Nos da información de primera mano para sospechar si la serie es o no
estacionaria. El Correlograma grafica frente a cada rezago k con un intervalo de
confianza del 95%.Si la FAS converge a cero la serie será estacionaria.
(Presenta ruido blanco con Distribución normal con media 0 y varianza √ ⁄ )
(Coeficiente de autocorrelacion muestral no es puramente aleatorio)
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 11
Intervalo de confianza al 95% para la hipótesis nula:
± 1.96 ( √ ⁄ ) = ± 1.96 ( √ ⁄ = (±0.1848) = ̂
Prob( ̂ ̂ ̂
Conclusión: todos los coeficientes hasta el rezagos 30 son estadísticamente significativos
de manera individua, es decir, significativamente distinto de cero (no son aleatorios) porque
no están dentro del intervalo de confianza al 95%.
a) Prueba Q De Hipótesis Conjunta:
∑ ̂
Dónde:
n = tamaño de muestra
m = longitud de rezagos
Sean las hipótesis:
Todos los son simultáneamente cero (serie de tiempo puramente aleatoria).
No todos los son simultáneamente cero.
(
Conclusión: como Q calc. Excede ampliamente al Q critico (55.7585 al α = 5%), se
rechaza la hipótesis nula de que todos los son simultáneamente cero.
b) LB de Ljung Box
( ∑ (
)
Sigue distribución aproximadamente con m gl.
Dónde:
n = tamaño de muestra
m = longitud de rezagos
Conclusión: como el valor ji calculado para 36 rezagos (1382.83776) está muy por encima
del ji tabulado (55.7585 y su probabilidad asociada es cerca a cero) al α = 5%, se rechaza
también la hipótesis nula de que todos los coeficientes de autocorrelación son cero. No son
ruido blanco.
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 12
4.2.PRUEBA DE RAÍZ UNITARIA SOBRE ESTACIONARIEDAD:
4.2.1 Prueba simple de raíz unitaria:
Definición: Existe raíz unitaria “literalmente” cuando se demuestra que en la
regresión , señalando una situación de no estacionariedad.
Dependent Variable: LRIN Method: Least Squares Date: 05/24/13 Time: 00:55 Sample (adjusted): 2004M02 2012M12 Included observations: 107 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. C 0.037165 0.059500 0.624618 0.5336
LRIN(-1) 0.997999 0.005847 170.6814 0.0000 R-squared 0.996409 Mean dependent var 10.17791
Adjusted R-squared 0.996374 S.D. dependent var 0.551947 S.E. of regression 0.033234 Akaike info criterion -3.951972 Sum squared resid 0.115972 Schwarz criterion -3.902013 Log likelihood 213.4305 Hannan-Quinn criter. -3.931720 F-statistic 29132.15 Durbin-Watson stat 1.840007 Prob(F-statistic) 0.000000
(existe raíz unitaria)
(si hay estacionariedad)
(
Conclusión: Como t calculado < t tabla4 al α = 5% (2.89), se acepta la hipótesis nula siendo
tanto la seria del LRIN no estacionarias. Es decir, es estadísticamente igual a 1 (existe el
problema de raíz unitaria).
4 Estadístico (tau)
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 13
4.2.2 Pruebas de Dickey – Fuller (DF) sobre Raíz Unitaria para las LRIN
Concepto: consiste en probar si y así notar la presencia de no
estacionariedad. (
Forma funcional a)
(existe presencia de raíz unitaria en el LRIN, la seria es no estacionaria tiene
tendencia estocástica) (la serie de tiempo es estacionaria, posiblemente alrededor de una tendencia
determinística)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -0.342180 0.9137
Test critical values: 1% level -3.492523 5% level -2.888669 10% level -2.581313 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LRIN) Method: Least Squares Date: 05/24/13 Time: 00:33 Sample (adjusted): 2004M02 2012M12 Included observations: 107 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. LRIN(-1) -0.002001 0.005847 -0.342180 0.7329
C 0.037165 0.059500 0.624618 0.5336 R-squared 0.001114 Mean dependent var 0.016835
Adjusted R-squared -0.008399 S.D. dependent var 0.033095 S.E. of regression 0.033234 Akaike info criterion -3.951972 Sum squared resid 0.115972 Schwarz criterion -3.902013 Log likelihood 213.4305 Hannan-Quinn criter. -3.931720 F-statistic 0.117087 Durbin-Watson stat 1.840007 Prob(F-statistic) 0.732900
(
( (
Y los estadísticos t críticos de MacKinnon al 1%, 5%, 10% son -3.49252, -2.8887, -2.5813,
respectivamente.
Conclusiones: como calculado no supera en términos absolutos al t critico queda claro
que se acepta la hipótesis nula de raíz unitaria en la seria de tiempo LRIN
( .
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 14
Forma funcional b)
Nota: t esa la variable de tendencia (tiempo) que toma valores desde 1 hasta n=108.
Asumimos tendencia determinística en la data.
(existe presencia de raíz unitaria en el LRIN, la seria es no estacionaria tiene
tendencia estocástica)
(la serie de tiempo es estacionaria, posiblemente alrededor de una tendencia
determinística)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.534731 0.8115
Test critical values: 1% level -4.046072 5% level -3.452358 10% level -3.151673 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LRIN) Method: Least Squares Date: 05/24/13 Time: 00:37 Sample (adjusted): 2004M02 2012M12 Included observations: 107 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. LRIN(-1) -0.044470 0.028976 -1.534731 0.1279
C 0.427055 0.267234 1.598057 0.1131 @TREND(2004M01) 0.000771 0.000515 1.496096 0.1377
R-squared 0.022159 Mean dependent var 0.016835
Adjusted R-squared 0.003354 S.D. dependent var 0.033095 S.E. of regression 0.033040 Akaike info criterion -3.954575 Sum squared resid 0.113529 Schwarz criterion -3.879636 Log likelihood 214.5697 Hannan-Quinn criter. -3.924195 F-statistic 1.178386 Durbin-Watson stat 1.801439 Prob(F-statistic) 0.311850
(
( ( (
Y los estadísticos de MacKinnon al 1%, 5%, 10%, son: -4.0461, -3.4524, -3.1517
respectivamente.
Conclusiones: como calculado no supera en términos absolutos al t critico queda claro
que se acepta la hipótesis nula de raíz unitaria en la seria de tiempo LRIN
( .
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 15
Forma funcional c)
Nota: Esta es la prueba Dickey-Fuller aumentada (ADF) aplicable especialmente si el
residual esta autocorrelacionado, donde equivale en el ejemplo a .
(existe presencia de raíz unitaria en el LRIN, la seria es no estacionaria tiene
tendencia estocástica)
(la serie de tiempo es estacionaria, posiblemente alrededor de una tendencia
determinística)
t-Statistic Prob.* Augmented Dickey-Fuller test statistic -1.651026 0.7658
Test critical values: 1% level -4.046925 5% level -3.452764 10% level -3.151911 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(LRIN) Method: Least Squares Date: 05/24/13 Time: 00:44 Sample (adjusted): 2004M03 2012M12 Included observations: 106 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. LRIN(-1) -0.048517 0.029386 -1.651026 0.1018
D(LRIN(-1)) 0.101170 0.098316 1.029024 0.3059 C 0.463481 0.270739 1.711907 0.0900
@TREND(2004M01) 0.000830 0.000523 1.586762 0.1157 R-squared 0.032027 Mean dependent var 0.017048
Adjusted R-squared 0.003557 S.D. dependent var 0.033179 S.E. of regression 0.033120 Akaike info criterion -3.940379 Sum squared resid 0.111884 Schwarz criterion -3.839872 Log likelihood 212.8401 Hannan-Quinn criter. -3.899643 F-statistic 1.124947 Durbin-Watson stat 2.045269 Prob(F-statistic) 0.342612
(
( ( ( ( )
Y los estadísticos de MacKinnon al 1%, 5%, 10%, son: -4.0469, -3.4528, -3.1519 respectivamente.
Conclusiones: como calculado no supera en términos absolutos al t critico queda claro
que se acepta la hipótesis nula de raíz unitaria en la seria de tiempo LRIN
( .
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 16
V. PRONOSTICO CON LOS MODELOS ARIMA
Un modelo ARIMA es un Proceso autoregresivo integrado de media móvil (p,d,q)
usado para realizar predicciones con series estacionarias , conteniendo un proceso
autoregresivo de orden p o AR(p) , proceso de Media Móvil MA(q) e Integrado de orden d6
. Un modelo es ARMA si el ARIMA es de orden (p,0,q), es decir las series de tiempo no
han sido diferenciadas para ser estacionarias.
5.1. Resultados de Regresión que prueba la estacionariedad de las RIN en
primera diferencia , I(1) t-Statistic Prob.* Augmented Dickey-Fuller test statistic -7.595435 0.0000
Test critical values: 1% level -3.493129 5% level -2.888932 10% level -2.581453 *MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(DRIN) Method: Least Squares Date: 05/27/13 Time: 00:02 Sample (adjusted): 2004M03 2012M12 Included observations: 106 after adjustments
Variable Coefficient Std. Error t-Statistic Prob. DRIN(-1) -0.712298 0.093780 -7.595435 0.0000
C 361.7018 99.26260 3.643888 0.0004 R-squared 0.356796 Mean dependent var 7.892011
Adjusted R-squared 0.350612 S.D. dependent var 1119.880 S.E. of regression 902.4512 Akaike info criterion 16.46679 Sum squared resid 84699498 Schwarz criterion 16.51705 Log likelihood -870.7401 Hannan-Quinn criter. 16.48716 F-statistic 57.69064 Durbin-Watson stat 2.094956 Prob(F-statistic) 0.000000
(existe presencia de raíz unitaria en el LRIN)
(la serie de tiempo es estacionaria)
Las primeras diferencias de las RIN lo vuelven estacionarias en vista que su estadístico
calculado es de -7.595435 que excede al valor crítico de -2.888932 al nivel de significancia
del 5%.
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 17
Grafico 5.1
Fuente: BCRP
Elaboración: Propia
La media de la serie diferenciada es distinta de cero por lo que la especificación ARIMA
debe contener intercepto pero no tendencia .El desarrollo corriente de D(RIN) se da
alrededor de su media indicando su estacionariedad.
-3,000
-2,000
-1,000
0
1,000
2,000
3,000
4,000
2004 2005 2006 2007 2008 2009 2010 2011 2012
DRIN
0
4
8
12
16
20
-3000 -2000 -1000 0 1000 2000 3000
Series: DRIN
Sample 2004M01 2012M12
Observations 107
Mean 499.3249
Median 352.7779
Maximum 3293.440
Minimum -2768.868
Std. Dev. 935.0667
Skewness 0.193936
Kurtosis 4.368910
Jarque-Bera 9.025268
Probability 0.010970
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 18
5.2. Pasos Según Metodología De Box – Jenkins 5.2.1. Identificación
Podemos hacer la identificación con el correlograma para las RIN en primeras diferencias,
Perú, Enero 2004 – Diciembre 2012
El correlograma parcial para las primeras diferencias de las RIN nos muestra que las
autocorrelaciones parciales que está en el rezago 1es estadísticamente significativo (las
barras caen fuera del intervalo punteado al nivel de confianza de 95% que está entre
–0.1848 y 0.1848). El coeficiente de correlación parcial fue significativo solamente en el
rezago 1, se pudo identificar la serie como un modelo AR(1).
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 19
5.2.2. Estación Del Modelo ARIMA De acuerdo al correlograma parcial podríamos modelar un ARIMA AR(1).
Nota:
significa sus primeras diferencias.
Dependent Variable: DRIN Method: Least Squares Date: 05/27/13 Time: 00:22 Sample (adjusted): 2004M03 2012M12 Included observations: 106 after adjustments Convergence achieved after 3 iterations
Variable Coefficient Std. Error t-Statistic Prob. C 507.7954 123.0664 4.126191 0.0001
AR(1) 0.287702 0.093780 3.067845 0.0027 R-squared 0.082987 Mean dependent var 504.6078
Adjusted R-squared 0.074169 S.D. dependent var 937.9031 S.E. of regression 902.4512 Akaike info criterion 16.46679 Sum squared resid 84699498 Schwarz criterion 16.51705 Log likelihood -870.7401 Hannan-Quinn criter. 16.48716 F-statistic 9.411671 Durbin-Watson stat 2.094956 Prob(F-statistic) 0.002749
Estimación:
( (
El valor del estadístico Durbin-Watson indica que no hay autocorrelación serial en las
perturbaciones, además que las pendientes son significativas en base a la prueba t.
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 20
5.2.3. Verificación Del Diagnostico
Una forma de probar que el modelo ARIMA antes efectuado se ajusta razonablemente a la
información es obtener la FAS y FAP de estos residuales hasta el rezago 36. Si se
comprueba que estos residuales son ruido blanco, es decir, puramente aleatorios (con
media cero, varianza constante) en base a los correlogramas y LB de Ljung Box, no sería
necesario buscar otro modelo ARIMA.
a) Significancia individual
(Presenta ruido blanco con Distribución normal con media 0 y varianza √ ⁄ )
(Coeficiente de autocorrelacion muestral no es puramente aleatorio)
Intervalo de confianza al 95% para la hipótesis nula:
± 1.96 ( √ ⁄ ) = ± 1.96 ( √ ⁄ = (±0.1848) = ̂
Prob( ̂ ̂ ̂
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 21
Conclusión: todos los coeficientes ̂ no son estadísticamente significativos de manera
individual, es decir, son significativamente iguales a cero porque están dentro del intervalo
de confianza al 95%. Por tanto, el correlograma de los residuales del modelo ARIMA
demuestra que individualmente no son estadísticamente significativos. Los residuales son
puramente aleatorios.
b) LB de Ljung Box
( ∑ (
)
Sigue distribución aproximadamente con m gl.
Dónde:
n = tamaño de muestra
m = longitud de rezagos
Conclusión: como el valor ji calculado (-10.229711) está por debajo del ji tabular
(55.7585) al α =5%, se acepta también la hipótesis nula de que todos los coeficientes de
autocorrelación son cero para 36 rezagos.
5.2.4. Pronostico
Se desea pronosticar las RIN de Perú para un periodo siguiente (Enero de 2013) ya que la
realización comprende entre Enero de 2004 a Diciembre de 2012. Previamente hay que
“deshacer” la transformación de primeras diferencias que se utilizó al estimar el modelo
ARIMA para obtener predicción en niveles.
Pasó 01: Deshacemos el modelo ARIMA usando:
( (
Pasó 02: Quedando así:
[ ]
[ ]
(
Pasó 03: Reemplazando valores del modelo ARIMA usado anteriormente:
(
Este es el valor estimado de acuerdo al modelo ARIMA(1,1,0) para Enero de 2013. Siendo
las RIN observado para ese periodo de 64722.46198, lo que significó una sobreestimación
de US$ 731.02066 millones.
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 22
VI. CONCLUSIONES
El nivel adecuado de reservas depende negativamente del costo de
oportunidad de las reservas, y positivamente del nivel de endeudamiento
a corto plazo, del costo en términos del producto de una disminución en
el flujo de capitales, y el de la probabilidad de ocurrencia de este evento.
Se puede observas que las medidas que se hallen requerirán de
supuestos relacionados con, el régimen de tipo de cambio, el control de
flujos de capitales, el potencial de intervención del banco central, y el
impacto de un posible crisis.
La variable reservas internacionales tiene un comportamiento no
estacional lo cual era una dificultas para su estimación, también
presentaba problema de raíz unitaria. Lo cual se pudo detectar con el
correlograma y la prueba hipótesis conjunta y el LB respectivamente. Es
de resaltar el test de Dickey – Fuller (DF) donde se pudo notar en las
distintas formas funcionales, que nuestra variable de estudio presenta
raíz unitaria.
Para solucionar el punto anterior de tomo la primera diferencia donde
los resultados de aplicar el test de Dickey – Fuller (DF) dieron como
resultado que nuestra variable tendría un comportamiento estacional y
no presentase raíz unitaria. Con este resultado se contrasto por medio de
la Metodología De Box – Jenkins donde se alcanza a pronosticar las
reservas internacionales para el periodo 2013-Enero la suma de US$
64722.46198 millones.
Para finalizar, es importante señalar el papel que cumple las reservas
que permite la capacidad de implementar políticas macroeconómicas
contraciclicas en economías emergentes como la nuestra y la
herramienta de la Econometría es prioridad para poder pronosticar en el
corto plazo dichas reservas.
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 23
VII. REFERENCIAS
Introducción A La Macroeconomía Avanzada, volumen II: ciclos
económicos, Peter Birch Sorensen, Hans Jorgen, pág. 6-7 Mc Graw Hill.
Econometría, Damodar N. Gujarati, Capítulo 21: Econometría de series
de tiempo: algunos conceptos básicos, pág. 737-761, quinta edición Mc
Graw Hill.
Triffin, R., 1960, Gold and the Dollar Crisis. New Haven: Yale
University Press.
Calvo, G., 1996, Capital Flows and Macroeconomic Management:
Tequila Lessons. International Journal of Finance and Economics, 207-
223.
Triffin, R., 1947, National Central Banking and the International
Economy. Review of Economic Sudies .
FMI, 2000, Debt and Reserve Related Indicator of External
Vulnerability.
Heller, R., 1966, Optimal International Reserves. Economic Journal ,
76, 296-311.
Banco Central De Reservas del Perú,
http://estadisticas.bcrp.gob.pe/consulta.asp?sIdioma=1&sTipo=1&sChkCount
=133&sFrecuencia=M
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 24
VIII. ANEXOS
Mes/Año RIN (mill. US$)
Mes/Año RIN (mill. US$)
Ene04 10563.676 Jul08 34842.622
Feb04 10503.013 Ago08 34917.491
Mar04 10411.098 Sep08 34701.728
Abr04 10471.010 Oct08 31932.859
May04 10823.788 Nov08 30970.199
Jun04 10854.807 Dic08 31195.887
Jul04 11056.573 Ene09 30097.812
Ago04 10962.422 Feb09 29412.215
Sep04 11186.625 Mar09 30929.456
Oct04 12165.802 Abr09 31078.953
Nov04 12337.449 May09 31188.562
Dic04 12631.020 Jun09 30790.449
Ene05 13124.762 Jul09 32088.724
Feb05 13327.871 Ago09 31954.640
Mar05 13554.536 Sep09 32129.929
Abr05 13628.749 Oct09 32920.181
May05 14016.180 Nov09 33428.290
Jun05 13817.883 Dic09 33135.011
Jul05 15282.557 Ene10 34342.266
Ago05 13625.296 Feb10 35009.616
Sep05 13695.435 Mar10 35268.633
Oct05 13546.820 Abr10 35049.050
Nov05 13542.924 May10 34610.141
Dic05 14097.055 Jun10 35341.395
Ene06 14139.319 Jul10 38634.834
Feb06 13988.646 Ago10 40204.165
Mar06 14472.355 Sep10 42464.377
Abr06 14492.974 Oct10 42955.707
May06 14234.839 Nov10 44104.377
Jun06 14415.365 Dic10 44105.063
Jul06 14637.623 Ene11 44510.846
Ago06 15379.168 Feb11 46267.835
Sep06 15172.202 Mar11 46126.680
Oct06 15672.577 Abr11 46512.366
Nov06 16473.436 May11 46307.027
Dic06 17274.819 Jun11 47151.686
Ene07 17849.372 Jul11 47673.638
Feb07 18135.788 Ago11 48515.288
Mar07 18427.066 Sep11 48067.795
Abr07 19703.980 Oct11 48696.400
ECONOMETRÍA II – Series de Tiempo
Reservas Internacionales Netas
Pág. 25
May07 21270.882 Nov11 49049.964
Jun07 21527.987 Dic11 48815.920
Jul07 23333.011 Ene12 50829.618
Ago07 24069.498 Feb12 53315.228
Sep07 22827.394 Mar12 55788.971
Oct07 24889.700 Abr12 57489.530
Nov07 26347.594 May12 56881.970
Dic07 27688.761 Jun12 57224.880
Ene08 30736.579 Jul12 57979.946
Feb08 32306.015 Ago12 59771.356
Mar08 33576.401 Sep12 61160.616
Abr08 35625.203 Oct12 61904.248
May08 34859.472 Nov12 63215.551
Jun08 35518.454 Dic12 63991.441