predicción de crisis cambiarias con la inclusion de expectativas a través de opciones financieras

Prediccion de crisis cambiarias con la inclusion

de expectativas vıa opciones

29 de Marzo de 2006

Sumario

A partir de las crisis cambiarias de Mexico y los paıses del sureste asiatico se ha

desarrollado un cuerpo de investigacion en un esfuerzo por construir sistemas de

alerta temprana (SAT ) para intentar predecirlas. Este documento presenta una mod-

ificacion a uno de los modelos empıricos de crisis cambiarias mas exitoso. La “in-

novacion” radica en la incorporacion de una variable adicional a la ultima version

del modelo desarrollado por Kaminsky, Lizondo y Reinhart (1997) conocido como la

aproximacion de senales. Se incluiran las expectativas del tipo de cambio derivadas

del precio de las opciones , a fin de que el poder predictivo del modelo mejore. En la

presente investigacion se enfatiza la importancia de intentar predecir tales crisis; se

hace un recorrido por las crisis cambiarias de los ultimos anos, ası como en los mod-

elos teoricos y empıricos que se han disenado para tratar de anticiparlas. Se describe

la metodologıa usada en el modelo con especial atencion en la variable adicional que

se deriva de las distribuciones de probabilidad implıcitas en las cotizaciones de op-

ciones. Por ultimo, se hace una simulacion para una muestra de paıses para evaluar

el desempeno del “nuevo modelo”.

Indice general

Introduccion 1

1. Antecedentes Historicos 12

1.1. Bretton Woods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

1.2. Smithsoniano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.3. Mexico 1982 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1.4. Sistema Monetario Europeo 1992-93 . . . . . . . . . . . . . . . . . . . . 15

1.5. Mexico 1994-95 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.6. Sureste de Asıa 1997-98 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

1.7. Rusia 1998 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

1.8. Brasil 1999 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

1.9. Turquıa 2001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

1.10. Argentina 2001-02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2. Modelos Teoricos 31

2.1. Modelos de primera generacion . . . . . . . . . . . . . . . . . . . . . . . 32

2.2. Modelos de segunda generacion . . . . . . . . . . . . . . . . . . . . . . 35

2.2.1. Crisis auto-validadas . . . . . . . . . . . . . . . . . . . . . . . . . 37

2.2.2. Rebano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

2.2.3. Contagio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

I

INDICE GENERAL II

2.3. Modelos de tercera generacion . . . . . . . . . . . . . . . . . . . . . . . 40

3. Modelos Empıricos 41

3.1. Los modelos de los bancos de inversion y bancos comerciales . . . . . 44

3.1.1. JP Morgan, “Event Risk Indicator” (1998) . . . . . . . . . . . . . 44

3.1.2. Goldman Sachs, “Watch” (1998) . . . . . . . . . . . . . . . . . . 47

3.1.3. Credit Suisse First Boston “Emerging Markets Risk Indicator”

(2000) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

3.1.4. Deutsche Bank, “Alarm Clock” (2000) . . . . . . . . . . . . . . . 49

3.1.5. Citigroup (2003) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.2. Los modelos academicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

3.2.1. Sachs, Tornell y Velasco (1996) . . . . . . . . . . . . . . . . . . . 50

3.2.2. Frankel y Rose (1996) . . . . . . . . . . . . . . . . . . . . . . . . . 52

3.3. Los modelos de los bancos centrales . . . . . . . . . . . . . . . . . . . . 53

3.3.1. Division de Desarrollos Externos del BCE (2002) . . . . . . . . . 53

3.4. Los modelos utilizados en el FMI . . . . . . . . . . . . . . . . . . . . . . 53

3.4.1. Kaminsky, Lizondo y Reinhart (1997) . . . . . . . . . . . . . . . 53

3.4.2. Division de Estudios de Paıses en Desarrollo del FMI (1999) . . 56

4. El Desempeno de los Modelos 59

5. El Modelo Goldstein, Kaminsky y Reinhart GKR (2000) 61

5.1. Metodologıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

5.1.1. Identificacion de crisis cambiarias . . . . . . . . . . . . . . . . . 62

5.1.2. Los Indicadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

5.1.3. El Horizonte de Prediccion . . . . . . . . . . . . . . . . . . . . . 68

5.1.4. Los Umbrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

INDICE GENERAL III

5.1.5. Clasificacion de los indicadores . . . . . . . . . . . . . . . . . . . 71

5.1.6. Indice de vulnerabilidad . . . . . . . . . . . . . . . . . . . . . . . 73

5.1.7. El indicador compuesto y las probabilidades de crisis . . . . . . 75

5.2. Simulacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

6. El Modelo GKR con la Inclusion de Expectativas 82

6.1. Metodologıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

6.1.1. Metodo de interpolacion de la curva smile . . . . . . . . . . . . 83

6.1.2. La construccion del nuevo indicador . . . . . . . . . . . . . . . . 100

6.2. Estimacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

6.3. Simulacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

7. Conclusiones 107

A. Indicadores examinados por KLR (1997) 111

B. Los Indicadores 113

C. Resolucion del sistema de ecuaciones de la Media y Varianza de una dis-

tribucion lognormal 118

D. Delta 119

E. Breeden-Litzenberger 120

Bibliografıa 122

Indice de Tablas

1. Indicadores Macroeconomicos alrededor de una crisis cambiaria . . . . 7

2. Desempeno de las agencias calificadoras antes de la crisis de Asia:

calificacionesa de deuda a largo plazo de Moody´s y Standard and

Poor´s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3. Valoraciones de riesgo previas a la crisis en Asia basadas en KLR1/,

DEPD2/, Diferenciales de Bonos, Calificacion crediticia y pronosticos

(Economist Intelligence Unit) . . . . . . . . . . . . . . . . . . . . . . . . 9

4. Clasificacion de regımenes de tipo de cambio al 30 de Abril de 2004

(FMI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

5. Clasificacion de regımenes de tipo de cambio (FMI) y Reclasificacion

Reinhart y Rogoff en parentesis al 31 de Diciembre del 2001 . . . . . . 11

3.1. Especificacion del modelo de la DEPD al 2002 . . . . . . . . . . . . . . . 57

3.2. Modelos empıricos de crisis cambiarias . . . . . . . . . . . . . . . . . . 58

4.1. Desempeno de los modelos fuera de la muestra . . . . . . . . . . . . . . 59

5.1. Crisis cambiarias 1970-1995 . . . . . . . . . . . . . . . . . . . . . . . . . 64

5.2. Indicadores adelantados de crisis cambiarias . . . . . . . . . . . . . . . 66

5.3. Umbrales optimos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

5.4. Ejemplos de umbrales especıficos por paıs . . . . . . . . . . . . . . . . . 71

IV

INDICE DE TABLAS V

5.5. Clasificacion de los indicadores . . . . . . . . . . . . . . . . . . . . . . . 73

5.6. Indice de vulnerabilidad en mercados emergentes, 1996:6-1997:6 . . . . 76

5.7. Indicador compuesto y probabilidades condicionales de crisis cam-

biarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

5.8. Indice de vulnerabilidad GKR,1999 y 2000 . . . . . . . . . . . . . . . . . 78

6.1. Estadısticas de las distribuciones de probabilidad del tipo de cambios

a 3 meses (Dolar/Bath) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

6.2. Indice de vulnerabilidad GKR con expectativas,1999 y 2000 . . . . . . . 104

A.1. Indicadores por categorıa examinados por KLR . . . . . . . . . . . . . . 111

Indice de Graficas

5.1. Indice de vulnerabilidad GKR 1970-2004:10 . . . . . . . . . . . . . . . . 80

5.2. Crisis cambiarias para los paıses en la muestra 1999:4-2004:10 . . . . . 81

6.1. Representacion grafica de la derivacion de las FDP . . . . . . . . . . . . 98

6.2. Funcion de densidad de probabilidad del Bath alrededor del anuncio

del gobernador del Banco Central de Tailandia . . . . . . . . . . . . . . 100

6.3. Valor crıtico para la distribucion de Tailandia del 7/12/04 . . . . . . . 101

6.4. Indice de vulnerabilidad GKR con expectativas 1999:4-2004:10 . . . . . 106

VI

Introduccion

Es impresionante lo mucho que se ha escrito sobre crisis cambiarias; trabajos teori-

cos y empıricos se pueden encontrar practicamente en cualquier rincon del orbe; la

pregunta es entonces; ¿por que seguir escribiendo al respecto?—La respuesta es

mas que obvia: por lo costosas que resultan. El crecimiento de la produccion cae, los

ajustes en la cuenta corriente de la balanza de pagos son muy bruscos, lo que refleja

la reversion de flujos de capital y la deuda publica se incrementa considerablemente.

Dornbusch (2001) lo describe de la siguiente manera:

Las crisis cambiarias son formidablemente costosas; incluso mas sihay una historia de crisis recurrentes. Los costos surgen de tres maneras:un incremento substancial de la deuda publica asociada con la crisis, unaperdida e interrupcion de la produccion y la posibilidad de redistribucionde ingreso y riqueza socialmente controversial.

En una crisis cambiaria, debido a que el gobierno rescata a bancos ya menudo-incluso a companıas, la deuda publica se incrementa substan-cialmente y con esto las obligaciones tributarias en el futuro. El deteriorode las finanzas publicas tambien surge de un periodo de altas tasas deinteres durante la crisis y la fase de estabilizacion. Tambien se incremen-tara por la caıda del producto y por lo mismo la caıda los ingresos trib-utarios en el periodo de crisis. Es mas, el incremento en la deuda puedepor sı mismo ser la semilla de crisis futuras si esto ocurre en una situaciondonde el gobierno no tiene la habilidad de cumplir la carga del serviciode la deuda con impuestos o reduciendo el gasto.

1

Introduccion 2

Como se observa en la tabla 1, la caıda en la produccion a un ano del inicio de la

crisis cambiaria va desde un 0.6 % en Filipinas hasta un desastroso 13.3 % en Indone-

sia; el ajuste en la cuenta corriente llega a ser hasta de 19 % del producto en Malasia

al pasar de un deficit de 5.9 % a un superavit de 13.1 % y la deuda publica crece con-

siderablemente como en Mexico en un 5.5 %. Todo esto aunado a los dolorosos anos

que siguen a una crisis cambiaria: rescates bancarios y corporativos, renegociacion

de la deuda, ayuda internacional condicionada a agobiantes planes de estabilizacion

con cuantiosos recursos destinados a ponerlos en marcha 1 y crecimiento muy por

debajo del potencial.

Por lo anterior, las investigaciones a fin de desarrollar Sistemas de Alerta Tem-

prana (SAT ) de crisis cambiarias, han recibido un fuerte estımulo en un entorno de

alta movilidad de capitales; en particular en anos recientes despues de la crisis de

Mexico y los paıses del sureste de asiatico. Ambos eventos tomaron a la comunidad

internacional por sorpresa, lo que centro su atencion en indicadores y metodos que

la pudieran asistir en la identificacion oportuna de paıses altamente vulnerables. Au-

nado a esto ,como se observa en la tablas 2 y 3, los analistas e indicadores de “mer-

cado” tradicionales como los diferenciales de tasas y los cambios en la calificacion

crediticia no han tenido un buen desempeno advirtiendo sobre crisis en ciernes y los

modelos SAT los han superado ampliamente.

Esta investigacion ademas de hacer un recorrido por las crisis cambiarias mas

importantes ocurridas en los ultimos anos y los modelos teoricos y empıricos que

se han disenado para intentar “predecirlas”, analiza que tan buenas han sido sus

1 Los paquetes de rescate del FMI—incluyen compromisos de cerca de 50 billones de dolares paraMexico en 1994-95; alrededor de 120 billones para Tailandia, Indonesia y Corea del Sur en 1997-98,alrededor de 25 billones para Rusia y Ucrania en 1998, 42 billones para Brasil mas tarde ese mismoano, etc.

Introduccion 3

predicciones fuera del periodo de estimacion con el proposito de disenar un modelo

apropiado dadas las circunstancias actuales en los paıses emergentes, en particular

la adopcion de un tipo de cambio flexible.

En la ultima decada, la mayorıa de las veces despues de una crisis cambiaria, ha

habido un pronunciado incremento en el numero de paıses emergentes en que la

cuenta de capital es muy abierta, el tipo de cambio es de jure flotante, y hay una

flexibilidad substancial de facto. Diez anos antes solo Sudafrica, entre los paıses en

desarrollo grandes, tenıa estas caracterısticas. Ahora, un gran numero, incluyendo

Brasil, Chile, Colombia, Corea del Sur, Filipinas, Mexico, Peru, Polonia y Turquıa se

han unido a esa clasificacion. Como se observa en la tabla 4, este tipo de arreglo,

a menudo aumentado con una polıtica monetaria de objetivos de inflacion, es en

cambio, ahora, la regla mas que la excepcion.

¿Que implicaciones tiene esto para los modelos de prediccion de crisis cam-

biarias?.—En principio, una pronunciada depreciacion en el tipo de cambio puede

ocurrir bajo un regimen de tipo de cambio flexible tan facilmente como en cualquier

otro regimen. Aunque un regimen de tipo de cambio flotante habrıa de ayudar a evi-

tar situaciones de sobrevaluacion extrema, particularmente aquellas conducidas por

inconsistencias de polıtica. Las economıas pueden todavıa ser vulnerables a cambios

repentinos en la percepcion del mercado, niveles insostenibles de deuda o debilidad

del sector financiero, entre otros factores. Es mas, regımenes que son muy flexibles

pueden, bajo un ataque especulativo, evolucionar hacia fijaciones de facto conforme

los encargados de formular polıtica resisten la presion a la divisa. Kumhof, Li y Yan

(1999) lo expresan de la siguiente manera:

Hay una vision ampliamente compartida de que para las economıas

Introduccion 4

emergentes la opcion de simplemente fijar su tipo de cambio ya no esviable, y la eleccion es entre un tipo de cambio fijo con un compromisoextremadamente fuerte (tal como un consejo monetario o completa dolar-izacion) y tipos de cambio flexibles. Muchas economıas emergentes talescomo Brasil, Chile, Colombia, Mexico y Polonia han elegido esta ulti-ma. Dados los problemas bien conocidos asociados con elegir un agre-gado monetario como el ancla nominal, han optado por un objetivo deinflacion. En el debate de polıtica es a menudo afirmado que una ventajaimportante del objetivo de inflacion es que no deja a la economıa vulnera-ble a un ataque especulativo. La logica es que una corrida sobre las reser-vas puede ser impedida porque el Banco Central puede simplemente “de-jar ir el tipo de cambio”. Sin embargo, si el encargado de formular polıticaesta completamente comprometido con el objetivo de inflacion esto noes correcto. La razon es que en una economıa abierta y pequena el tipode cambio es un muy importante determinante del ındice de precios alconsumidor, y un tipo de cambio administrado se vuelve necesario paralograr el objetivo de inflacion. El compromiso de intervenir en el mercadocambiario hace que el ataque especulativo sea posible.

Kumhof, Li y Yan (1999) describen el efecto traspaso “pass-through” del tipo de

cambio a los precios.

Por otra parte Mishkin (2004) enuncia los elementos de un regimen de objetivos de

inflacion:

1.- El anuncio publico de objetivos de inflacion de mediano plazo.

2.- Un compromiso institucional a la estabilidad de precios como el objetivo pri-mordial de la polıtica monetaria, a la que otros objetivos deben estar subordi-nados.

3.- Una estrategia de inclusion de informacion en que muchas variables, y no soloagregados monetarios o el tipo de cambio, son usadas para decidir la posturade los instrumentos de polıtica

4.- Incremento en la transparencia de la estrategia de polıtica monetaria a travesde comunicacion con el publico y los mercados sobre planes, objetivos, y deci-siones de las autoridades monetarias

5.- Incrementar la rendicion de cuentas por parte del Banco Central para cumplirsus objetivos de inflacion.

Introduccion 5

Calvo y Mishkin (2003) hacen hincapie en que la instrumentacion de los objetivos

de inflacion en mercados emergentes es mas complicada que en los paıses desarrol-

lados lo que los vuelve muy vulnerables a ataques especulativos y crisis cambiarias

debido a que aunque estos ultimos no son inmunes a tener problemas con sus institu-

ciones fiscales (debiles), financieras (debil regulacion y supervision prudencial por

parte del gobierno) y monetarias (baja credibilidad) estos son de un grado mucho

menor; menciona que lo que no ocurre en los paıses desarrollados son las repentinas

caıdas en los flujos de capital y la dolarizacion de deuda lo que lleva a que el impacto

de las crisis cambiarias sea totalmente diferente en las economıas de los mercados

emergentes. En estas circunstancias, la autoridades monetarias muestran el llamado

“miedo a flotar” descrito por Calvo y Reinhart (2000) de la siguiente manera:

Si los paıses tienen ya sea fijaciones duras o tipos de cambio flexibles,algunos han argumentado, que los ataques especulativos y crisis cam-biarias seran una reliquia del pasado. Sin embargo, una lectura cuida-dosa de la evidencia de polıtica cambiaria presenta de modo impresion-ante una imagen diferente. Los anuncios o intenciones de tipo de cam-bio flexible no son nuevos. Filipinas anuncio que habrıa de flotar en En-ero de 1988, menos de diez anos despues, al desarrollarse su crisis cam-biaria, su polıtica habrıa de ser agrupada junto con la del resto de lospaıses asiaticos, bajo la etiqueta comunmente usada pero mal-definidade “fijacion suave”. Bolivia anuncio que habrıa de flotar en Septiembrede 1985, debido a su hiperinflacion–a pesar de este anuncio su tipo decambio siguio tan de cerca al Dolar que su regimen fue reclasificado co-mo una flotacion administrada en Enero de 1998. Corea y Tailandia, a pe-sar de su estatus de libre flotacion, estan amasando reservas rapidamenteal momento en que se escriben estas lıneas—-¿Estan desapareciendo lasposturas intermedias?. No lo creemos. El miedo a flotar es penetrante,particularmente en los mercados emergentes.

A decir de Calvo y Reinhart (2000), la forma en que se esta administrando el tipo

de cambio actualmente es a traves de las polıticas de tasas de interes que estan reem-

plazando a la intervencion en el tipo de cambio como el medio para suavizar su

Introduccion 6

comportamiento, pero advierten que la polıtica pro cıclica de las tasas de interes

tiene sus lımites tal como las reservas internacionales, conforme las tasas de interes

se incrementan para defender a una divisa pasan factura a la economıa y al sector

financiero.

De hecho, de acuerdo al FMI con la clasificacion de jure, no hay evidencia de que

tipos de cambio flexibles hayan sido mas resistentes a crisis cambiarias2 .

Por esta razon, a fin de adaptar los modelos SAT a las circunstancias prevale-

cientes, el presente trabajo hace un aporte a estos modelos como el sugerido en el

Global Financial Stability Report IMF (2002a); que consiste en extraer informacion

sobre las expectativas del mercado del precio de los derivados e incluirlas en un

modelo (SAT ), en particular las expectativas extraıdas de las opciones sobre el tipo

de cambio. Se obtendra la distribucion de probabilidad neutral al riesgo del tipo de

cambio futuro que, a diferencia de los pronosticos de tipo de cambio tradicionales

que proporcionan unicamente una estimacion puntual de la media del tipo de cam-

bio futuro, los precios de las opciones permiten la derivacion de las probabilidades

asociadas con diferentes rangos para el valor del subyacente.

Una vez obtenida esta distribucion se construira un indicador que incorpore estas

expectativas al modelo de prediccion de crisis cambiarias mas exitoso a la fecha3 , el

de Kaminsky, Lizondo y Reinhart (1997) con las nuevos indicadores anuales prop-

uestos en Goldstein, Kaminsky y Reinhart (2000).

2 Un analisis mas completo deberıa corregir por la influencia de otros factores que contribuyen auna crisis cambiaria y habrıa de considerar clasificaciones de facto tales como aquellas presentadasen Levy-Yeyati y Sturzenegger (2001) y Reinhart y Rogoff (2002) como las de la tabla 5

3 Se han hecho varios estudios que evaluan los distintos modelos de prediccion de crisis cambiarasmas alla del periodo de estimacion; el mas reciente es el de Berg Borensztein y Pattillo (2004)

Introduccion 7

Tabla 1: Indicadores Macroeconomicos alrededor de una cri-sis cambiaria

Paıs t-2 t-1 t t+1 t+2Mexico (1982)

Crecimiento real 9.2 8.8 -0.6 -4.2 3.6Cuenta corriente/PIB -4.7 -5.3 -3.0 3.9 2.4Balance publico/PIB -3.0 -6.5 -11.9 -8.1 -7.2Deuda publica/PIB 41.7 35.4 35.1

Mexico (1994)Crecimiento real 3.6 2.0 4.4 -6.2 5.2Cuenta corriente/PIB -6.7 -5.8 -7.0 -0.6 -0.7Balance publico/PIB 4.2 0.5 0.0 -0.5 -0.2Deuda publica/PIB 28.1 25.3 35.3 40.8 31.1

Corea del Sur (1997)Crecimiento real 8.9 6.8 5.0 -6.7 10.9Cuenta corriente/PIB -1.7 -4.4 -1.7 12.7 6.0Balance publico/PIB 0.3 0.1 -1.3Deuda publica/PIB 8.4 8.0 10.4

Filipinas (1997)Crecimiento real 4.7 5.8 5.2 -0.6 3.4Cuenta corriente/PIB -2.7 -4.8 -5.3 2.4 10.4Balance publico/PIB 0.6 0.3 0.1 -1.9 -3.8Deuda publica/PIB 61.1 53.2 55.7 66.6 59.4

Indonesia (1997)Crecimiento real 8.4 7.6 4.7 -13.1 0.8Cuenta corriente/PIB -3.2 -3.4 -2.3 4.3 4.1Balance publico/PIB 2.2 1.2 -0.7 -3.0 -1.2Deuda publica/PIB 30.8 23.9 72.5 55.2 44.8

Malasia (1997)Crecimiento real 9.8 10.0 7.3 -7.4 6.1Cuenta corriente/PIB -9.7 -4.4 -5.9 13.2 15.9Balance publico/PIB 2.2 2.0 2.9Deuda publica/PIB

Tailandia (1997)Crecimiento real 9.3 5.9 -1.4 -10.5 4.5Cuenta corriente/PIB -8.1 -8.1 -2.0 12.7 10.2Balance publico/PIB 2.9 2.3 -2.1 -7.7 -10.4Deuda publica/PIB 4.6 3.7 4.6 10.8 20.8

Rusia (1998)Crecimiento real -3.4 0.9 -4.9 6.4 10.0Cuenta corriente/PIB 2.3 0.2 0.2 10.6 16.7Balance publico/PIB -5.2 -0.5 -5.4 -0.5 3.9Deuda publica/PIB 138.1 102.1 64.3

Brasil (1999)Crecimiento real 3.3 0.2 0.8 4.4 1.4Cuenta corriente/PIB -3.8 -4.3 -4.7 -4.2Balance publico/PIB -6.1 -7.9 -10.0 -4.6Deuda publica/PIB 34.6 42.4 47.0 49.2

Turquıa (2001)Crecimiento real -4.7 7.4 -7.5 7.8 5.8Cuenta corriente/PIB -0.7 -4.9 2.3 -1.2Balance publico/PIB -13.0 -11.5 -19.6 -3.5Deuda publica/PIB 61.0 57.4 93.3 77.2

Argentina (2002)Crecimiento real -0.8 -4.4 -10.9 8.7Cuenta corriente/PIB -3.3Balance publico/PIB -2.3 -3.3Deuda publica/PIB 50.8

Fuente: Elaboracion propia con datos del Banco Mundial.

Introduccion 8

Tabl

a2:

Des

empe

node

las

agen

cias

califi

cado

ras

ante

sde

lacr

isis

deA

sia:

califi

caci

ones

ade

deud

aa

larg

opl

azo

deM

oody

´sy

Stan

dard

and

Poor

´s15

deEn

ero

de19

962

deD

icie

mbr

ede

1996

24de

Juni

ode

1997

12de

Dic

iem

bre

de19

97C

alifi

caci

onPe

rspe

ctiv

aC

alifi

caci

onPe

rspe

ctiv

aC

alifi

caci

onPe

rspe

ctiv

aC

alifi

caci

onPe

rspe

ctiv

aM

oody

´sde

uda

endi

visa

extr

anje

raC

orea

delS

urA

1A

1es

tabl

eBa

a2ne

gati

vaFi

lipin

asBa

2Ba

2Ba

2Ba

2In

done

sia

Baa3

Baa3

Baa3

Baa3

Mal

asia

A1

A1

A1

A1

Mex

ico

Ba2

Ba2

Ba2

Ba2

Taila

ndia

A2

A2

A2

Ba1

nega

tiva

Stan

dard

and

Poor

´sC

orea

delS

urD

euda

endi

visa

extr

anje

raA

A-

esta

ble

AA

-es

tabl

eD

euda

endi

visa

loca

lFi

lipin

asD

euda

endi

visa

extr

anje

raBB

posi

tiva

BBpo

siti

vaBB

+po

siti

vaBB

+es

tabl

eD

euda

endi

visa

loca

lBB

B+BB

B+A

-A

-es

tabl

eIn

done

sia

Deu

daen

divi

saex

tran

jera

BBB

esta

ble

BBB

esta

ble

BBB

esta

ble

BBB

nega

tiva

Deu

daen

divi

salo

cal

A+

A+

A-

nega

tiva

Mal

asia

Deu

daen

divi

saex

tran

jera

A+

esta

ble

A+

esta

ble

A+

posi

tiva

A+

nega

tiva

Deu

daen

divi

salo

cal

AA

+A

A+

AA

+A

A+

nega

tiva

Mex

ico

Deu

daen

divi

saex

tran

jera

BBne

gati

vaBB

BBD

euda

endi

visa

loca

lBB

B+BB

B+es

tabl

eBB

B+po

siti

voTa

iland

iaD

euda

endi

visa

extr

anje

raA

esta

ble

Aes

tabl

eA

esta

ble

BBB

nega

tiva

Deu

daen

divi

salo

cal

AA

AA

Ane

gati

va

Fuen

te:G

olds

tein

,Kam

insk

yy

Rei

nhar

t(20

00)e

nba

sea

Rad

elet

ySa

chs

(199

8).

a.D

ela

mas

alta

ala

mas

baja

,Els

iste

ma

deca

lifica

cion

esde

Moo

dy´s

incl

uye

Aaa

,Aa1

,Aa2

,Aa3

,A1,

A2,

A3,

Baa1

,Baa

2,Ba

a3,B

a1,B

a2,B

a3,B

1,B2

,B3,

Caa

1,C

aa2

yC

aa3

ySt

anda

rd&

Poor

’sva

deA

AA

,AA

+,A

A,A

A-,

A+,

A,A

-,BB

B+,B

BB,B

BB-,

BB+,

BB,B

B-,B

+,B-

,CC

C,C

CC

-,C

C,C

yD

.

Introduccion 9

Tabla 3: Valoraciones de riesgo previas a la crisis en Asia basadas enKLR1/, DEPD2/, Diferenciales de Bonos, Calificacion crediticia y pronosti-cos (Economist Intelligence Unit)

Pais3/ KLR4/ DEPD5/ Diferencial6/

1997 Q1Calificacion7/

1997 Q1EIU 1997 Q1 RiesgoCambiario8/

Corea∗ 22 24 50 18 22Tailandia∗ 20 40 51 25 42Indonesia∗ 16 32 109 43 38Malasia∗ 14 39 37 20 36Zimbabwe∗ 19 nd nd nd 58Filipinas∗ 34 14 165 55 36Taiwan∗ 23 46 nd nd 12Colombia∗ 15 41 129 45 35India 10 21 nd nd 35Brasil 31 15 233 65 51Turquıa 16 18 416 66 56Venezuela 14 9 nd nd 53Pakistan 20 36 nd 68 49Sudafrica 19 26 85 48 39Jordania 14 15 nd nd 61Sri Lanka 12 17 nd nd 43Chile 11 14 nd nd 17Bolivia 10 5 nd nd 37Argentina 14 11 265 63 59Mexico 14 8 231 55 55Peru 20 26 nd 70 51Uruguay 10 14 135 50 37Israel 14 24 44 30 46

PromedioPaıses con Crisis 20 34 90 34 35Paıses sin Crisis 15 17 201 57 46

Correlacion declasificaciones9/ 0.52 0.53 -0.31 -0.49 -0.33

Fuente: Berg Borensztein y Pattillo (2004) en base a Kaminsky et al. (1997), Berg et al. (1999), Economist Intelli-gence Unit, Standard and Poor´s y Moody´s.1/ Kaminsky, Lizondo y Reinhart (1997).2/ Berg et al. (1999) DEPD es la Division de Estudios de Paıses en Desarrollo, La Division del Fondo en la cual

se formulo originalmente el modelo.3/ Los paıses que sufrieron una crisis en 1997 tienen un asterisco. Los paıses estan ordenados de acuerdo a la

severidad de la crisis.4/ Probabilidades de crisis cambiarias sobre un horizonte de 24 meses, promedio de 1996 del modelo KLR

como se implementa en el Departamento de investigacion del FMI.5/ Probabilidades de crisis cambiarias sobre un horizonte de 24 meses, promedio de 1996 de los resultados del

modelo DEPD.6/ El diferencial es expresado en puntos base. Se refiere a el diferencial entre el rendimiento un eurobono

emitido por un gobierno extranjero en dolares y un bono del tesoro de EU con la misma maduracion.7/ Promedio de las calificaciones de S&P y Moody”s convertidas a una calificacion numerica en el rango 0

(S&P AAA o Moody´s Aaa), siguiendo el procedimiento de Ferri, Liu y Stiglitz (1999). Un numero mas bajo setraduce como una calificacion mejor (al contrario de Ferri, Liu y Stiglitz).8/ Riesgo cambiario: “Calificaciones y clasificaciones evaluando el riesgo de una devaluacion contra el Dolar

de 20 % o mas en terminos reales sobre el periodo de pronostico de 2 anos”, Economist Intelligence Unit (EIU).9/ Los paıses estan clasificados de acuerdo a cada indicador ası como de acuerdo a la severidad de la crisis (en

ambos casos un numero mas bajo implica una crisis mas severa ya sea que haya sucedido o haya sido predicha).La correlacion de las clasificaciones relaciona estas dos jerarquıas.

Introduccion 10

Tabl

a4:

Cla

sific

acio

nde

regı

men

esde

tipo

deca

mbi

oal

30de

Abr

ilde

2004

(FM

I)M

arco

dela

polı

tica

mon

etar

iaR

egim

ende

tipo

deca

mbi

o(n

umer

ode

paıs

es)

Obj

etiv

osco

nre

spec

toa

unag

re-

gado

mon

etar

io

Ado

pcio

nde

ob-

jeti

vos

dire

ctos

dein

flaci

on

Prog

ram

am

onet

ario

resp

alda

dopo

rel

FMI

uot

roO

tros

mar

cos

Flot

acio

nin

depe

ndi-

ente

(36)

Mal

awi

Aus

tral

iaA

lban

iaEs

tado

sU

nido

s

Sier

raLe

ona

Bras

ilA

rmen

iaJa

pon

SriL

anka

Can

ada

Rep

.Dem

delC

ongo

Libe

ria

Uru

guay

Chi

leG

eorg

iaPa

pua

Nue

vaG

uine

aR

ep.D

elYe

men

Col

ombi

aM

adag

asca

rSo

mal

iaC

orea

Moz

ambi

que

Suiz

aFi

lipin

asTa

nzan

iaIs

land

iaU

gand

aM

exic

oN

orue

gaN

ueva

Zel

andi

aPe

ruPo

loni

aR

eino

Uni

doSu

ecia

Suda

fric

aTu

rquı

a

Fuen

te:E

labo

raci

onpr

opia

enba

seal

Info

rme

Anu

alFM

I(20

04).

Introduccion 11

Tabl

a5:

Cla

sific

acio

nde

regı

men

esde

tipo

deca

mbi

o(F

MI)

yR

ecla

sific

acio

nR

einh

art

yR

ogof

fen

pare

ntes

isal

31de

Dic

iem

bre

del2

001

Mar

code

lapo

lıti

cam

onet

aria

Reg

imen

deti

pode

cam

bio

(num

ero

depa

ıses

)

Obj

etiv

osco

nre

spec

toa

unag

rega

dom

onet

ario

Ado

pcio

nde

obje

tivo

sdi

rect

osde

infla

cion

Prog

ram

am

onet

ario

resp

alda

dopo

rel

FMI

uot

roO

tros

mar

cos

Flot

acio

nin

depe

ndi-

ente

(40)

Filip

inas

(Flo

taci

ondi

rigi

da)

Aus

tral

iaA

lban

iaA

fgan

ista

n(n

.d)

Gam

bia

(Ban

das

deflo

taci

on)

Bras

il(F

lota

cion

diri

gida

)A

rmen

ia(B

anda

sde

flota

cion

)Es

tado

sU

nido

sM

alaw

i(Fl

otac

ion

diri

gida

)C

anad

a(B

anda

sde

flota

cion

)C

ongo

,Rep

Dem

.Del

(n.d

)H

aitı

Peru

(Fijo

)C

hile

(Flo

taci

ondi

rigi

da)

Geo

rgia

(Ban

das

deflo

taci

on)

Japo

nSi

erra

Leon

a(n

.d)

Col

ombi

a(F

lota

cion

diri

gida

)M

adag

asca

rLi

beri

a(n

.d)

Turq

uıa

(Flo

taci

ondi

rigi

da)

Cor

eaM

olda

via

(Fijo

)Pa

pua

Nue

vaG

uine

a(n

.d)

Yem

en(n

.d)

Isla

ndia

(Flo

taci

ondi

rigi

da)

Moz

ambi

que

(Ban

das

deflo

taci

on)

Som

alia

(n.d

)M

exic

o(F

lota

cion

diri

gida

)Ta

nzan

ia(B

anda

sde

flota

cion

)Su

iza

(Ban

das

deflo

taci

on)

Nor

uega

(Flo

taci

ondi

rigi

da)

Tayi

kist

anN

ueva

Zel

andi

a(F

lota

cion

diri

gida

)U

gand

a(B

anda

sde

flota

cion

)Po

loni

a(F

lota

cion

diri

gida

)R

eino

Uni

do(F

lota

cion

diri

gida

)R

ep.C

heca

(Flo

taci

ondi

rigi

da)

Suda

fric

aSu

ecia

(Flo

taci

ondi

rigi

da)

Fuen

te:E

labo

raci

onpr

opia

enba

seal

Info

rme

Anu

alFM

I(20

02)y

Rei

nhar

tyR

ogof

f(20

02).

Antecedentes Historicos

“Hoy estudiamos el ayer para que el ayer no paralice el hoy, y para que el hoy no pueda paralizar el manana”.

Frederic William Maitland

En los ultimos 30 anos, las crisis cambiarias han atormentado a los paıses alrede-

dor del mundo. Entre las importantes se encuentran: el colapso del acuerdo Bretton

Woods en 1971, las crisis Latinoamericanas en 1982, el casi colapso del Sistema Mon-

etario Europeo en 1992, la crisis de Mexico en 1994, la crisis financiera del sureste

asiatico en 1997, la crisis en Rusia en 1998, la de Brasil en 1999 y las de Turquıa y

Argentina en el 2001.

Las causas y consecuencias de las crisis cambiarias no son bien entendidas y estan

sujetas a intensa investigacion y debate entre los economistas, los encargados de for-

mular la polıtica economica y los inversionistas. Mientras las crisis han probado ser

extremadamente difıciles de predecir, lecciones importantes han surgido. A contin-

uacion se presenta una breve revision historica de varias crisis cambiarias.

1.1. Bretton Woods

En 1944, al final de la segunda guerra mundial, los lıderes mundiales se reunieron

en Bretton Woods, New Hampshire con el objetivo de redisenar el sistema financiero

12

CAPITULO 1. ANTECEDENTES HISTORICOS 13

mundial. Estos lıderes representando a los paıses victoriosos de la segunda guerra

mundial, establecieron un sistema que fijaba el valor de sus monedas entre ellas;

el acuerdo de Bretton Woods dicto que las 44 naciones firmantes podrıan fijar el

valor de sus monedas al Dolar y mantendrıan esta paridad con un banda de +/-1 %.

EUA se comprometio a mantener el valor del Dolar a 35 dolares por onza de oro. El

sistema permitio a sus miembros usar el Dolar como moneda de reserva, mientras

los EUA mantuvieron reservas en oro para todo el sistema. El Sistema Bretton Woods

tambien establecio el FMI y el BM. El papel del FMI serıa monitorear el sistema y

proporcionar prestamos de corto plazo a paıses que experimentaran dificultades de

balanza de pagos.

El Sistema Bretton Woods fue presionado a finales de los anos sesenta cuando los

EUA empezaron a tener grandes y persistentes deficits en cuenta corriente, en efecto,

intercambiar dolares por bienes y servicios. Esto causo que algunos bancos centrales

intercambiaran sus tenencias de dolares por reservas de oro; para el final de la deca-

da, la deuda externa denominada en dolares se habıa vuelto mucho mayor que sus

reservas en oro y la especulacion en torno a que la paridad Dolar-oro cambiarıa,

crecio. Enfrentando una perdida de confianza en el sistema, el presidente Richard

Nixon suspendio la convertibilidad en Agosto de 1971; terminando con la era Bret-

ton Woods

1.2. Smithsoniano

En Diciembre de 1971, el FMI intento restablecer el estandar oro; el intercambio

Dolar-oro se fijo en 38 dolares por onza, una devaluacion efectiva de 8.6 %. Al mismo

tiempo, las paridades entre el Dolar y las demas monedas fueron realineadas y las


bandas de flotacion se incrementaron a 2.25 %. Sin embargo, la presion especulativa

contra le Dolar pronto resurgio y, en Febrero de 1973, los EUA cambiaron la pari-

dad a 42 dolares por onza; una devaluacion de 11.2 %. La especulacion persistio y al

siguiente mes los paıses empezaron a abandonar el sistema. En Marzo las divisas de

todas las naciones industrializadas estaban flotando unas con otras. Despues de la

terminacion de los acuerdos Bretton Woods y Smithsoniano, muchos paıses de Lati-

noamerica, Asia, y Africa restablecieron tipos de cambio fijos con una divisa o una

canasta de divisas

1.3. Mexico 1982

Mexico mantuvo un tipo de cambio nominal fijo de 1944 a 1975, un periodo en que

la inflacion fue moderada. Para la eleccion presidencial de 1976, sin embargo, una

expansion monetaria excesiva genero inflacion, lo que hizo necesario un ajuste.

Entre 1976 y 1980, el gobierno mantuvo un tipo de cambio nominal fijo; sin em-

bargo, la inflacion durante el periodo causo que el tipo de cambio real se depreciara

substancialmente. El crecimiento del PIB fue fuerte hasta 1980, pero luego comenzo a

debilitarse; ademas, el deficit fiscal y el deficit en cuenta corriente como porcentaje del

PIB se incrementaron considerablemente.

Estas tendencias pusieron a los inversionistas nerviosos y de 1980 a 1982, las sal-

idas de capital se estimaron en 17.3 y 23.4 billones de dolares, respectivamente; el

gobierno devaluo 68 % en febrero del 82 en un esfuerzo de detener la salida, pero es-

to aparentemente causo mas panico. Las salidas de capital continuaron y, en Agosto,

las autoridades mexicanas suspendieron el pago de la deuda; el gobierno fue forzado


a devaluar mas de 100 % en Diciembre.

1.4. Sistema Monetario Europeo 1992-93

En marzo de 1979, la comunidad europea CE establecio el Sistema Monetario Eu-

ropeo (SME), un arreglo de divisas que establecıa limitar las fluctuaciones entre los

nueve paıses de la CE. Bajo el SME, las naciones miembros mantenıan fijo su tipo

de cambio entre ellas, y flotando libremente contra otras. El SME requerıa que ca-

da paıs participante mantuviera fija su moneda con una banda de 2.25 % respecto al

valor objetivo de los demas paıses (a la lira italiana se le permitio fluctuar en una

banda de 6 %). Las paridades fueron ajustadas 11 veces entre 1979 y 1987, el sistema

parecio reducir la volatilidad del tipo de cambio y las bandas fueron mantenidas en

2.25 %. No hubo ajustes entre 1987 y 1992. Debido a la inflacion persistentemente

baja en Alemania y la confianza que los inversionistas tienen en el Bundesbank, el

marco aleman se convirtio, de facto, en la ancla del sistema.

Despues de la reunificacion alemana en 1990, el gasto publico se incremento con-

siderablemente y las tensiones en el sistema se agudizaron; en respuesta a la polıtica

fiscal expansiva, el Bundesbank apreto la polıtica monetaria. Esto incremento el val-

or del marco aleman, y al estar este ligado con las demas divisas, puso presion en los

otros miembros del SME para que incrementasen sus tasas de interes, otros miem-

bros estaban reticentes a hacerlo porque sus economıas estaban creciendo lenta-

mente. Tenıan que decidir entre caer en una recesion o salvar el SME. Debido a esta

tension, los inversionistas empezaron a especular sobre el ajuste y muchas divisas en

el SME enfrentaron ataques especulativos cuando alcanzaron el piso de sus bandas.


Cuando los especuladores atacaron la Libra el 16 de Septiembre del 92, el gobierno

britanico defendio su moneda incrementando las tasas de interes de 10 a 12 % y

posteriormente a 15 %; sin embargo las continuas ventas obligaron al gobierno a

abandonar la fijacion al dıa siguiente.

Las ventas extranjeras obligaron a Italia a devaluar la Lira en 7 % el 13 de Septiem-

bre de 1992, pero esto no logro restaurar la confianza; la continuacion de las ventas

llevo al gobierno italiano a sacar la Lira del SME, poco despues le siguio Inglaterra.

Espana experimento problemas e implemento una serie de pequenas devaluaciones,

pero permanecio en el SME. En los anos siguientes, el crecimiento de Inglaterra e

Italia fue mucho mejor que el de los paıses que permanecieron en el SME. El Sistema

se mantuvo a pesar de la salida de Inglaterra e Italia, pero la presion se mantuvo.

Hubo mucha especulacion de que Francia podıa abandonar el sistema, pero el

Banco Central subio las tasas y el franco permanecio en el SME. La membresıa tuvo

un alto costo, el crecimiento promedio 92-96 fue de solo 1.2 %; en Agosto del 93 las

bandas se ampliaron a +/-15 %.

1.5. Mexico 1994-95

Entre 1988 y 1994, Mexico implemento una serie de reformas economicas—incluyendo

la liberalizacion del comercio, privatizacion, desregulacion y estabilizacion macro-

economica. El balance fiscal fue logrado en 1992, la inflacion fue reducida a un dıgito,

y las reformas desmantelaron leyes de proteccionismo y regulacion. La comunidad

financiera internacional vitoreaba a Mexico como modelo de reforma y las entradas

de capital crecieron rapidamente; entre 1990 y 1993 Mexico recibio mas de la mitad


de los flujos de inversion extranjera directa a Latinoamerica, 91 billones.

A pesar del entusiasmo internacional, el desempeno economico era mixto 1 ; El

crecimiento real del PIB fue moderado, promediando solo 2.8 % entre 1988 y 1994-

significativamente menor al de Chile (7.1 %) o Colombia (4.1 %); el crecimiento en la

productividad fue casi plano hasta 1993; La cuenta corriente se deterioro, moviendose

de un superavit de 4.2 billones de dolares a un deficit de mas de 29 billones de dolares

a finales de 1994, y el tipo de cambio real se aprecio 36 % entre 1988 y 1993. Mexico

ajusto su tipo de cambio varias veces, e implemento una banda de techo fijo y piso

deslizable.

Una serie de acontecimientos polıticos y sociales desempenaron un papel funda-

mental en la crisis. Estos acontecimientos causaron un incremento en tasas de interes

internas considerable. Como se percibıan como choques temporales, Hacienda em-

pezo a emitir instrumentos de deuda a corto plazo y a refinanciar los vencimientos

de los cetes (deuda denominada en pesos) con tesobonos (deuda denominada en

dolares).

Cuando la administracion de Zedillo tomo posesion el primero de Diciembre, las

reservas eran de 12.5 billones de dolares2 con deuda publica de corto plazo de mas

de 27 billones, aproximadamente el 60 % en tesobonos. Las reservas cayeron durante

todo el ano, pero la caıda se acrecento en Noviembre y Diciembre. El 20 de Diciembre

de 1994 ante la enorme salida de capitales Mexico fue forzado a devaluar el peso, lo

que rapidamente condujo a la libre flotacion.

1 Para una exposicion mas detallada del desempeno de la economıa mexicana en esos anos verDornbusch y Werner (1994)

2 Incluso sumandole la lıneas de apoyo de las tesorerıas de los Estados Unidos y Canada poralrededor de 7 billones de dolares dando un total de 19.5 billones, resulta muy inferior al monto de ladeuda a corto plazo 27 billones de los que aproximadamente 16.1 eran tesobonos.


En los dıas que siguieron al colapso, Banxico elevo las tasas a niveles que alcan-

zaron el 80 % a fin de combatir las elevadas tasas de inflacion. Estas tasas de interes

tan altas llevaron a una contraccion de la demanda agregada y el PIB real cayo 6.2 %

en 1995.

1.6. Sureste de Asıa 1997-98

Muchas naciones asiaticas experimentaron un fuerte crecimiento economico durante

principios y mediados de los anos noventa. Entre 1990 y 1996, el crecimiento del PIB

promedio cerca del 8 % en Indonesia, Corea del Sur, Malasia y Tailandia. Filipinas

crecio a una tasa promedio de 3 %. Durante los anos noventa, todos estos paıses

utilizaron sistemas de tipo de cambio fijo.

Estos paıses experimentaron grandes entradas de capital durante los anos noven-

ta. Como porcentaje del PIB pasaron de niveles de 1.4 % en promedio del 86-90 a

6.7 % entre 1990 y 1996. Excepto para Malasia la mayorıa de los flujos eran presta-

mos a bancos y corporaciones. A pesar de su alto crecimiento y grandes entradas

de capitales, algunas tendencias negativas se desarrollaron a mediados de los anos

noventa. Como grupo se enfrentaban crecientes deficits en cuenta corriente, caıda en

el crecimiento de sus exportaciones y apreciacion de su moneda.

Estas tendencias, y la percepcion de debilidad en el sistema financiero de la re-

gion, llevaron a algunos inversionistas a especular sobre devaluaciones. Esto llevo a

incrementos en las tasas de interes y a caıdas en las reservas internacionales. La subi-

da en tasas en Tailandia provoco que los precios de la vivienda descendieran lo que

llevo al colapso de muchas companıas financieras que le habıan dado prestamos a


las constructoras, como la especulacion continuo el Banco Central de Tailandia deci-

dio dejar flotar el Baht el 2 de Julio de 1997. Esto condujo a ventas de panico de otras

monedas y, rapidamente, a mas devaluaciones en la region. Filipinas dejo flotar su

peso el 11 de Julio, e Indonesia abandono su fijacion con el Dolar y permitio flotar

la Rupia el 15 de Agosto. Corea del Sur amplio la banda del Won de 2.25 % a 10 %

en Noviembre, pero elimino las bandas totalmente a principios de Diciembre. Los

inversionistas perdieron la fe en la region, lo que llevo a una enorme salida de capi-

tales.

1.7. Rusia 1998

La eleccion de 1996 fue seguida de meses de lasitud. El tema central de la agenda,

despues de la victoria de Yeltsin, fue su cirugıa a corazon abierto. Su recuperacion

fue estropeada por una neumonıa, lo que dejo a sus aliados y opositores, inusual-

mente, concentrados en su fragilidad fısica. La Duma continuo siendo dominada

por fuerzas anti reformistas tanto comunistas como nacionalistas. El sistema polıtico

se habıa vuelto lo que la analista rusa Lilia Shevtsova describio como un

“regimen hıbrido”

, hecho con

“principios evidentemente incompatibles con la democracia, como el autori-tarismo, populismo, oligarquıa, nepotismo e incluso anarquıa”.

El desarrollo mas fuerte, despues de la reeleccion de Yeltsin, fue el crecimiento en el

poder polıtico de la nueva elite de los negocios concentrada en siete grandes bancos,

que dominaron los medios de comunicacion y ganaron el control de la mayor parte

de la industria. Solo unos anos antes, los directivos de estos bancos eran ingenieros,

cientıficos y academicos mal pagados. Ahora billonarios, son conocidos como la oli-


garquıa.

“Ellos son oligarcas”,

decıa un prominente polıtico,

“porque tienen dinero, poder y controlan los medios de comunicacion”.

Fue solo despues de la recuperacion de Yeltsin a principios de 1997 que el compro-

miso con la reforma se renovo. El primer signo de que “Boris el zar” habıa vuelto fue

el nombramiento en Marzo de 1997 de Anatoly Chubais como primer ministro. Un

memo de Chubais le advirtio de los riesgos de no atender los problemas urgentes del

presupuesto, impuestos, pensiones y corrupcion. El problema de los impuestos fue

particularmente difıcil debido a que las tasas eran ridıculamente altas y la recolec-

cion ridıculamente baja. Los autores del memo declararon que el gobierno estaba

enfrentando una “falta de confianza extrema” y la falta de progreso en esos temas

“destruirıa la credibilidad en todo el esfuerzo reformador” El memo tambien lo urgıa

a aislar al gobierno de “odiousniks” anti-reformadores “odious ones”.

Poco despues, Yeltsin nombro otro primer ministro Boris Nemtsov, un fısico vuelto

polıtico. Como el popular gobernador de la provincia de Nizhni Novgorod, Nemtsov

habıa incentivado la reforma mas rapido que en ninguna otra region. El se llamaba

orgullosamente un provinciano que habıa llegado a Moscu. Cuando Yeltsin estaba

adulandolo, Nemtsov le pregunto,

“¿‘Boris Nikolaevich, como quieres ser recordado, como un buen y gran zar....oquieres lo contrario?”.

Yeltsin respondio,

“No quiero vivir en un estado bandido”.


Con base en esto, Nemtsov tomo la estafeta como primer ministro. El entendio que

buena parte de su trabajo, como el mismo dicto, consistıa en

“implementar reglas claras que sean identicas para todos”.

Como lo explico,

“el periodo inicial de acumulacion de capital—que siempre incluso en los Esta-dos Unidos, fue acompanado por delincuencia, corrupcion, clientelismo y demas....eseperiodo esta terminando en Rusia”.

El nuevo equipo de Yeltsin le dio un nuevo impulso a la reforma—desde la con-

tinua reforma impositiva y presupuestal hasta la de regulacion y control de los mo-

nopolios y a la construccion de un nuevo Estado benefactor. El gobierno tambien

tuvo que encontrar una vıa para resolver el explosivo problema polıtico de tener

trabajadores sin recibir sueldos y pensiones. Al mismo tiempo, Yeltsin y su equipo

trataban de distanciar al gobierno de la oligarquıa.

“el gobierno no soportara ningun intento de presion de los representantes de losnegocios y banqueros”,

Yeltsin dijo firmemente al parlamento ruso en otono de 1997.

Y declaro que la retirada del gobierno habıa terminado:

“De la polıtica de no intervencion, estamos resueltos a ir a una polıtica de la reg-ulacion preventiva del proceso economico.....por sı mismo el mercado no es unacura en lo absoluto. En cualquier Estado civilizado, el mecanismo de mercado yla regulacion del Estado trabajan en armonıa”.

Una de las mas grandes dificultades era el proceso legal, particularmente en lo

relacionado a los derechos de propiedad, que son todavıa la base del sistema de

mercado. La reforma legal no pudo avanzar a traves de la Duma. El sistema legal


ruso continuo funcionando pobremente; las cortes estaban mal financiadas y eran

rehenes de fuerzas polıticas locales.

“El mayor impedimento a la inversion privada es que la propiedad todavıa noera clara y el sistema legal no protegıa los derechos de propiedad”.

Observo Sergei Vasiliev, uno de los jefes de asesores economicos de Yeltsin. Cientos

de miles de empresas aparecieron durante la presidencia de Yeltsin. Estos emprende-

dores eran particularmente vulnerables a la corrupcion y a impuestos inciertos, a la

mano gerencial no solicitada por parte de polıticos locales y el Estado, a la extor-

sion para recibir proteccion y desmoralizantes convenios o violencia. Como Vasiliey

lo noto:

“la violencia es mucho mas peligrosa para el mercado que la corrupcion. Puedespelear contra la corrupcion con desregulacion, pero no puedes pelear contra laviolencia con desregulacion”.

Aun ası, estas nuevas companıas estaban trayendo innovacion y dinamismo,

nuevas personas y nuevas formas de pensar y deberıan de tener un papel estelar

en perfilar la nueva economıa rusa y en crear los trabajos que se requerıan. Ellos er-

an los innovadores que tenıan que ser fomentados. Como Thane Gustafson un experto

en el nuevo capitalismo en Rusia observo en ese momento:

“la limitacion mas importante para el futuro de una Rusia prospera es la lentitudcon la que los pequenos negocios se estan desarrollando”.

El mandato fundamental estaba cambiando. Ya no era el desmantelamiento del

sistema sovietico, sino crear un gobierno moderno.

“Los rusos estaban construyendo un nuevo Estado”

, afirmo Thane Gustafson,

“no es un Estado sovietico que es propietario y administrador directo, sino unEstado regulador que es arbitro en el campo de juego”.


Esto se traduce como reglas para que la gente pueda tomar decisiones con mayor

confianza y predictibilidad. En cuanto a la regulacion bancaria y de valores, se real-

izo un progreso considerable en reglas y operaciones. En 1993 no habıa un mercado

accionario real en Moscu. En 1996 y a lo largo de la mayor parte de 1997—estimulado

por la recuperacion fısica y polıtica de Yeltsin—el mercado accionario ruso fue el de

mejor desempeno entre los mercados emergentes en el mundo; incrementandose los

flujos de inversion. Para finales de 1997, el paıs parecıa estar en una trayectoria de

crecimiento economico renovado.

Pero una nueva crisis se estaba gestando. Rusia estaba luchando con numerosos

problemas, incluidos la corrupcion, la posicion dominante de las oligarquıas y las

debiles bases de muchos bancos, pero, mas que nada, la nueva crisis fue el resul-

tado de la interaccion de dos dificultades domesticas con dos choques externos. De

muchas formas, en el centro del embrollo estaba el monstruoso, irracional y punitivo

sistema fiscal, que tenıa grandes incentivos para la evasion. Las absurdamente altas

tasas estaban acompanadas de absurdamente bajas recaudaciones. El sistema alenta-

ba el no pago, Y el gobierno podıa apoderarse de las cuentas bancarias de cualquier

entidad con impuestos atrasados y eso abarcaba todo el paıs. Esto proporciono una

razon para evitar hacer transacciones en efectivo; la economıa se estaba quedando

sin dinero. Algunas estimaciones calculan que del 30 al 50 % de la economıa era

conducida por promesas de pago y cambios de mercancıas entre empresas, lo que

resultaba en despreciables tasas de recaudacion. Como el reformador Gregory Yavlin-

sky expuso:

“La gente puede pagar impuestos solo si los puede pagar en zapatos y pan-talones”.


A fin de cubrir el faltante resultante entre ingresos y gastos, el gobierno recurrio al

endeudamiento en el corto plazo. La carga del pago de los intereses crecio rapida-

mente. Como las razones de deuda a presupuesto mostraban, las finanzas del gob-

ierno eran muy vulnerables.

Pero el no pago no era el unico peligro interno; Boris Yeltsin habıa perdido mucha

de la credibilidad y legitimidad que habıa ganado como el hombre que habıa toma-

do a la union sovietica y detenido los tanques comunistas. Se habıa convertido, en

cambio, en un erratico, impredecible, aislado polıtico, afligido con la enfermedad y

capaz, se decıa, de trabajar solo dos horas al dıa. Algunos empezaban a temer que

Rusia estuviera en el acto final de una opera tragica “Boris el zar”.

Para empeorar las cosas, dos poderosos choques externos golpearon Rusia en 1998.

El primero fue el colapso de los precios del petroleo y otros productos basicos que

golpeo Rusia fuertemente como un gran exportador de estos productos, por lo que

tanto las ganancias por exportaciones y la recoleccion de impuestos se redujeron. El

segundo fue el contagio de la crisis asiatica que llevo a la dramatica recalibracion de

riesgo de los inversionistas internacionales. Debido a la enorme deuda a corto plazo

que Moscu habıa construido, el dinero empezo a salir del paıs; para 1998, el mercado

accionario ruso—hasta hace poco el de mejor desempeno en el mundo—se habıa

convertido en el de peor desempeno. En la fecha memorable de 17 de Agosto de

1998, el gobierno ruso tomo dramaticas medidas: Incumplio a su deuda y devaluo el

rublo.

El panico una vez mas se esparcio por el paıs; los bienes desaparecieron de los es-

tantes. En cuestion de dıas, el precio de la leche paso de 5 a 35 Rublos. Los oponentes


de Yeltsin , liderados por el comunista Gennady Zyuganov, olieron sangre—Yeltsin.

Para el ruso comun, el compromiso con la reforma se habıa vuelto en desilusion con

el mercado. Pero de hecho no habıa sido el mercado el que habıa fallado en Rusia. En

cambio, habıan sido las enormes dificultades inherentes a crear las bases del merca-

do despues de 75 anos de comunismo y el deterioro polıtico resultante de la paralisis

construida entre el debilitado Yeltsin y la Duma que impidio las reformas necesarias.

En las palabras de Thane Gustafson,

“lo que todavıa se necesita es un profundo y continuo esfuerzo en la solidifi-cacion de los derechos de propiedad, contratos, gobierno corporativo, y todaslas otras reglas del juego que hacen que el mercado funcione.”

Estas incluyen redes de seguridad social y sistemas de bienestar apropiados a lo que

los reformadores llaman un paıs “civilizado” todas estas son las necesidades crıticas.

1.8. Brasil 1999

Brasil ha tenido por mucho tiempo dificultades con la inflacion incluso en los anos

ochenta y principios de los anos noventa. Los encargados de formular la polıtica

economica de Brasil no se comportaban como si apreciaran la conexion entre un

sistema fiscal problematico, deficits fiscales, imprimir dinero para pagar lo que la

imposicion no pudo e inflacion.

Los encargados de formular la polıtica economica parecıan percibir la inflacion

como un problema que se podıa resolver por decreto e indexando los costos de todo;

desde la educacion hasta deudas crecientes por movimientos pasados en los precios.

En sus esfuerzos periodicos por combatir la inflacion, los encargados de formu-

lar la polıtica economica tıpicamente congelaban salarios y precios por un tiempo,


detenıan la indizacion, y tal vez imponıan un tipo de cambio fijo. Los insostenibles

deficits fiscales detras de estos problemas recibıan menos atencion.

En 1994, Brasil finalmente inicio un plan economico de estabilizacion que mostro el

aprecio para el vınculo entre el gasto, la creacion de dinero y la inflacion. El plan

Real, nombrado despues de que se creo una nueva moneda, en el que el sistema de

tipo de cambio era la clave de los esfuerzos en combatir la inflacion temporalmente

involucraba indizacion. Sin embargo, la indizacion estaba amarrada a traves del tipo

de cambio, al numero de dolares requerido para comprar un producto mas que a

medidas de inflacion y de la divisa. Para incrementar la competencia, de acuerdo con

presiones de los oligopolios y monopolios que historicamente habıan sido libres de

incrementar precios, Brasil no solo comenzo liberalizando restricciones a la inversion

extranjera sino tambien al comercio. Las tarifas de Brasil bajaron de un promedio de

51 % en 1988 a un promedio de 14 % en 1994.

Brasil dio pasos en contra de lo que se convirtio en un gran problema de deficit

federal, aunque no fueron suficientes. Del lado del gasto, el Congreso aprobo una

reduccion de los fondos que el gobierno federal transferıa a los estados y municipios.

Del lado del ingreso, las tasas sobre la renta fueron incrementandose. La polıtica

monetaria fue restringida gradualmente.

Como pivote del programa, al Real se le permitio fluctuar entre bandas estableci-

das ajustadas periodicamente—un regimen del tipo de cambio que duro de 1995 a

1999.

Una pequena y continua devaluacion se habıa construido en el sistema a fin de

acomodar desviaciones de la tasa de inflacion de Estados Unidos y en general, aliviar


algunas presiones sobre la moneda, como la inestabilidad durante la crisis financiera

mexicana a principios de 1995. La trayectoria del Real era suave y controlada.

El plan trajo estabilidad economica y fue efectivo en contener la hiperinflacion

que habıa sido un problema cronico. Bajo el plan, el Real fue fijado contra un obje-

tivo predeterminado, principalmente al Dolar, usando un mecanismo de banda que

permitıa solo pequenos cambios diarios en el valor de la divisa.

Conforme el Dolar se fortalecıa a mediados de los anos noventa, el Real empezo a

sobrevaluarse relativo a su objetivo. La crisis Rusa en Agosto de 1998 aumento el

miedo entre los inversionistas concerniente a los rendimientos en los paıses emer-

gentes. Conforme las salidas de capital aumentaban, los observadores empezaron a

especular que el gobierno Brasileno devaluarıa su moneda. De mediados de Agosto

de 1988 a finales de Octubre de 1998, el Real habıa perdido 2 % de su valor contra

el Dolar a traves del mecanismo de bandas. Esto aunado a las dificultades en el pre-

supuesto y la percepcion de que no se resolverıan al votarse en contra por cuarta

vez una reforma a la seguridad social en Diciembre de 1998 que buscaba reducir el

deficit fiscal. Con las reservas en el rango de 30 a 40 billones, bajando de un pico de

mas de 70 billones a principios del ano, las salidas de capital de 350 a 400 millones

se volvieron comunes.

El desarrollo final que llevo a una devaluacion importante del Real sobrevino el

6 de Enero de 1999, cuando el gobernador de la provincia de Minas Gerais, Itamar

Franco anuncio una moratoria de 90 dıas del pago de la deuda al gobierno cen-

tral como protesta a medidas fiscales establecidas en un convenio con el FMI. El

movimiento incremento el miedo de los inversionistas y estimulo las salidas de cap-


ital, segun informes, aproximadamente un billon dejo el paıs en pocos dıas despues

de la moratoria de la deuda.

Reconociendo que el Real estaba bajo ataque, el Banco Central de Brasil deci-

dio una devaluacion de facto el 13 de Enero de 1999, ampliando la banda en la que

el Real podıa ser intercambiado cada dıa mientras prevenıa una caıda libre de su di-

visa. La alternativa habrıa sido para el gobierno defender la divisa y potencialmente

acabarse sus reservas. El presidente del Banco Central renuncio entonces, dejando a

su sucesor la implementacion de la devaluacion. Una nueva banda fue establecida

con un piso de 1.20 y un techo de 1.32 Reales por Dolar. Esto implıcitamente posibil-

itaba movimientos diarios de la moneda contra el Dolar en +/-4.76 %.

La nueva banda duro solo dos dıas durante los cuales otro billon de dolares dejo Brasil.

El siguiente paso fue dejar al Real flotar libremente y para el 3 de Febrero habıa caıdo

32 por ciento y se intercambiaba a 1.79 Reales por Dolar. Para incrementar la confi-

anza del mercado y detener el panico en los mercados de dinero y de capitales en

el mundo, la decision fue tomada para abandonar completamente la banda. Como

parte del paquete y a fin de desincentivar a los inversionistas de retirar fondos del

paıs, el Banco Central de Brasil anuncio que las tasas de interes se incrementarıan

de 29 a 39 por ciento. Por ahora, la estrategia parecıa haber detenido el panico, con-

forme la salida de dolares declinaba, aunque segun informes un total de 7 a 8 billones

dejaron el paıs en Enero.


1.9. Turquıa 2001

Caracterizada por esfuerzos para controlar un gran deficit publico (12 por ciento del

PIB en 2000), altos niveles de deuda publica (en el rango de 90 por ciento del PIB

a finales de 2001), y dificultades en servir deuda a corto plazo (100 por ciento de

las reservas). La adopcion de bandas de flotacion en 1999 con el objetivo de reducir

los altos niveles de inflacion incentivo grandes entradas de capitales con un aumento

substancial de deuda en moneda extranjera del sistema bancario. En Febrero de 2001,

el gobierno fue obligado a abandonar el regimen de bandas, lo que condujo a una

devaluacion real anual de 26 % a finales de 2001 y grandes perdidas en el sector

bancario que el gobierno esta ahora resolviendo.

1.10. Argentina 2001-02

La crisis en Argentina tiene sus raıces en el aumento de vulnerabilidades despues

de una exitosa estabilizacion a principios de los anos noventa. Despues de una larga

historia de inflacion (incluido un periodo de hiperinflacion) e intentos fallidos de es-

tabilizacion, la adopcion de un consejo monetario basado en el Dolar en 1991 detuvo

la inflacion del paıs automaticamente. El paıs experimento un boom despues de la

estabilizacion de orden del 7 por ciento de crecimiento en el PIB, mientras la reduc-

cion de las tasas de interes hacia niveles mundiales estimulo la demanda interna.

Sin embargo, vulnerabilidades substanciales permanecıan, y fueron incrementandose

a la vista durante la segunda mitad de los anos noventa. A pesar del fuerte crec-

imiento de las exportaciones, los ingresos de divisa extranjera fueron insuficientes

para financiar la boyante demanda por importaciones, dejando al paıs dependiente


de los flujos de capital. La polıtica fiscal no fue solo muy laxa en promedio, sino

tambien pro cıclica—a la expansion en la fase de recuperacion 1996-97, dejando a las

autoridades sin margen para comprimirla en la fase de contraccion despues de 1998.

Como resultado, la deuda publica permanecio alta (a 50 % del PIB a mediados de

2001), y los plazo se acortaron.

La apreciacion del Dolar en la segunda mitad de los anos noventa y la pronuncia-

da devaluacion condujeron a una apreciacion del tipo de cambio real del 15 % entre

Enero de 1997 y mediados del 2001, reprimiendo aun mas el crecimiento. Mas impor-

tante aun, la deflacion persistıa a lo largo de la economıa (los precios al consumidor

cayeron un 3 % acumulado de 1999-2001), y la economıa real permanecıa en rece-

sion, conduciendo a incrementar aun mas una de por sı ya alta tasa de desempleo.

Con los ingresos nominales cayendo notoriamente durante 2001, habıa poca opor-

tunidad de que las autoridades cumplieran con las proyecciones de ingresos trib-

utarios que eran la columna vertebral de una estrategia “deficit presupuestal cero”.

El conocimiento del mercado de cuantiosas deudas en dolares del sector publico y

privado completaban el cuadro que hizo a los prestamistas renuentes a mantenerse

expuestos conforme el fin de ano se acercaba.

Disturbios publicos—en parte como la reaccion a los lımites de retiros de los ban-

cos (bautizados por la gente como el “corralito”)-causaron la renuncia del presidente

Fernando de la Rua en Diciembre de 2001. Poco despues, el gobierno formalmente

fallo en el pago de su deuda y su moneda fue devaluada. Un tipo de cambio flotante

fue introducido a mediados de Febrero.

Modelos Teoricos

“Las teorıas son verificables donde se necesitan menos, y no son verificables donde se necesitan mas”.

Charles Mansky

Mientras que las burbujas especulativas y crisis que les preceden tienen mucha histo-

ria, la frecuencia de tales crisis se ha incrementado en las ultimas decadas. El econo-

mista del MIT Paul Krugman puntualiza que, desde 1980, “una crisis cambiaria ha

ocurrido en promedio una vez cada 19 meses”. A pesar de su frecuencia, y la difusion

de sus causas y consecuencias, las crisis cambiarias no son bien entendidas.

Krugman usa la devaluacion del 2 de Julio del Baht de Tailandia para ilustrar este

punto:

Lo que obligo a Tailandia a devaluar su moneda fue la especulacion masiva encontra del Bath, especulacion que en pocos meses consumio lo que inicialmenteparecıa un gran monto de reservas internacionales. ¿Por que los especuladoresapostaron en contra del Bath? Porque esperaban que se devaluara por supuesto.

Este tipo de logica circular—en que los inversionistas abandonan una mone-da porque esperan que se devalue, y mucha (aunque usualmente no toda) lapresion a la divisa ocurre precisamente por esta perdida de confianza de losinversionistas—es el rasgo que define una crisis cambiaria. Los ultimos treintaanos han ofrecido el espectaculo de distintas olas regionales de crisis cambiarias:Europa en 1992-3, Latinoamerica en 1994-95, y la crisis en Asia en 1997-98.

El objetivo de este capıtulo es revisar brevemente las aproximaciones teoricas a fin

de entender las crisis cambiarias.

31

CAPITULO 2. MODELOS TEORICOS 32

Los economistas han desarrollado tres aproximaciones teoricas de crisis cambiarias.

La primera, conocida como “el modelo canonico”, demuestra que un paıs con funda-

mentales economicos debiles es mas vulnerable a un ataque especulativo. En partic-

ular, financiar un continuo deficit fiscal a traves de la creacion de dinero claramente

no es factible con un tipo de cambio fijo. En los modelos de segunda generacion,

ataques especulativos auto-validados generados por objetivos de polıtica guberna-

mental incongruentes parecen ser la causa principal de las crisis. Esto es mas prob-

able cuando los fundamentales son debiles. Los modelos posteriores a la crisis de

Asia incluyen riesgo moral, debilidad en los sectores financiero y corporativo y fun-

damentales economicos debiles, que han sido, identificadas como causas potenciales

importantes de crisis. El contagio implica que el comercio entre paıses, vınculos fi-

nancieros y el sentimiento de mercado desempenan un papel.

2.1. Modelos de primera generacion

Los modelos de primera generacion responden a crisis en paıses en desarrollo como

las de Argentina (1981) y Mexico (1982). Estas crisis fueron precedidas por polıticas

economicas demasiado expansivas. Los modelos de primera generacion muestran

como un tipo de cambio fijo combinado con fundamentales resultado de polıticas

economicas excesivamente expansivas llevaron a la economıa a una crisis cambiaria,

con el sector privado tratando de hacer utilidades del desmantelamiento de las polıticas

incongruentes.

Estos modelos estan basados en un trabajo hecho durante los anos setenta que

consistıa en esfuerzos para estabilizar precios (Salant y Henderson (1978)). Stephen

Salant, entonces con la Reserva Federal, argumenta sobre la estabilizacion de precios—


cuando una agencia promete comprar o vender un bien para estabilizar su precio—

esta destinada a fallar con base en la teorıa. Su argumento es el siguiente:

1.- Los especuladores mantendran un bien solo si esperan que su precio crezca losuficientemente rapido para ofrecerles una tasa de retorno ajustada por ries-go que iguale la disponibilidad de otros activos. Esto significa que el precioesperado del bien debe crecer con la tasa de interes. Si no lo hace, nadie vaa querer mantener el activo para propositos de inversion. Esto establece untrayectoria del precio por anticipado.

2.- Si un consejo de estabilizacion de precios anuncia su deseo de comprar ovender un bien a un precio fijo, los especuladores venderan sus tenencias solosi el precio objetivo es mayor que la trayectoria anticipada del precio, es decir,el nivel que prevalecerıa en ausencia de un consejo. Si un consejo pone unprecio inicial lo suficientemente alto para inducir cualquier venta, se encon-trara acumulando un gran monto del bien.

3.- Eventualmente, sin embargo, el precio que prevalecerıa en ausencia del con-sejo (el precio sombra) crecera por encima del precio objetivo del consejo. Eneste punto, los especuladores veran el bien como una inversion deseable y em-pezaran a comprarselo al consejo. Si el consejo trata de estabilizar el precio,los especuladores compraran todas sus tenencias rapidamente.

Krugman (1979) y Flood y Garber (1984) usaron el modelo de estabilizacion de

precios de Salant como la base de sus modelos de primera generacion de crisis cam-

biarias. Krugman (1998a) resume:

X (En estos modelos) la tendencia en el precio sombra de divisa extranjera—el precio que hubiera prevalecido si a la moneda se le hubiera permitidoflotar—fue proporcionado, supongamos que el gobierno de la economıa ob-jetivo esta enganchado en una estable e incontrolable emision de dinero parafinanciar deficit presupuestal. A pesar de esta tendencia, el Banco Central tratade dejar el tipo de cambio fijo usando su acervo de reservas internacionales,que se entiende como que esta listo a comprar o vender a un a tasa fija.

X La logica de crisis cambiarias es la misma que los de un ataque especulativoa un acervo de un bien. Supongamos que los especuladores esperan a quese acaben las reservas en el curso natural de los eventos. En ese punto, ellospodrıan saber que el precio de divisa externa, fijo hasta ahora, empezara acrecer; esto hara que la tenencia de divisa externa sea mas atractiva que la


tenencia de divisa domestica, llevando a un salto en el tipo de cambio. Perolos especuladores se adelantaran y venderan justo antes del agotamiento dereservas—y, al hacerlo, adelantaran la fecha de su agotamiento, llevando alos especuladores a vender incluso antes, y ası sucesivamente. El resultadosera que cuando las reservas caigan a un nivel crıtico—tal vez a un nivel queparezca ser lo suficientemente grande para financiar anos de deficit—habra unataque especulativo abrupto que llevara esas reservas a cero y fuerce a aban-donar el tipo de cambio fijo.

X Los modelos de primera generacion de crisis cambiarias,entonces, explicantales crisis como resultado de inconsistencias fundamentales entre polıticasdomesticas—tıpicamente la persistencia de deficit presupuestales financiadoscon la emision de dinero—y el intento de mantener un tipo de cambio fijo. Estainconsistencia puede ser temporal si el Banco Central tiene suficientes reser-vas, pero, cuando estas reservas se vuelven inadecuadas, los especuladoresllevan a el problema con una ola de ventas.

X Este modelo tiene algunas virtudes importantes. Primero que todo, muchas cri-sis cambiarias claramente reflejan una inconsistencia basica entre la polıtica domesti-ca y la de tipo de cambio; la forma especıfica y simplificada de tal discrepanciaen los modelos de primera generacion puede ser vista como una metaforapara las polıticas mas complejas, pero igualmente incoherentes de muchosregımenes de tipo de cambio. Segundo, el modelo demuestra claramente que elcaracter abrupto, billones perdidos en dıas en corridas sobre una divisa no necesitareflejar la irracionalidad del inversionista o la intriga de manipuladores de merca-do. Puede ser simplemente el resultado de la logica de la situacion, en quemantener una moneda se vuelve poco atractivo una vez que su precio ya noesta siendo estabilizado, y el final de la estabilizacion es por sı mismo activadopor la salida de capitales especulativos.

A pesar de sus contribuciones positivas, los modelos de primera generacion sufren

de una limitacion importante. Supone que el gobierno seguira imprimiendo dinero

a pesar de las senales de advertencia, y que el Banco Central podrıa vender reservas

perpetuamente para proteger el tipo de cambio. Debido a que los gobiernos en el

mundo real responden ante cambios en las circunstancias, los teoricos desarrollaron

una “segunda generacion de modelos” para explicar su comportamiento.


2.2. Modelos de segunda generacion

Estos modelos fueron disenados para capturar rasgos de los ataques especulativos

en el Sistema Monetario Europeo y en Mexico en los anos noventa. Estos ataques

difieren de los estudiados por la primera generacion en dos aspectos importantes:

(1) En los paıses que experimentaron los ataques, el estado del ciclo economico y el

sistema bancario ası como restricciones para la captacion de recursos impuestas por

polıticas monetarias en paıses socios, ataron de manos a las autoridades e impidieron

que usaran los metodos tradicionales para sostener el tipo de cambio; (2) Los ataques

especulativos, particularmente algunos de los que ocurrieron en Europa, parecen

no estar relacionados con los fundamentales que sugieren los modelos de primera

generacion.

Estos modelos hacen endogenas las decisiones de los gobiernos y bancos centrales.

Los gobiernos pueden y a menudo hacen cambios a polıticas fiscales en respuesta a

problemas de balanza de pagos y los bancos centrales tienen herramientas ademas

de la intervencion en el mercado cambiario para defender el tipo de cambio, la mas

importante es la habilidad de apretar la polıtica monetaria.

Los modelos de segunda generacion reconocen estas elecciones, y los costos aso-

ciados con ellas. Krugman (1998a) los describe de la siguiente manera:

X Los llamados modelos de segunda generacion (una de sus mejores representa-ciones es la de Obstfeld (1994)), requieren tres ingredientes. Primero, debehaber una razon por la cual el gobierno habrıa de abandonar su tipo de cam-bio fijo. Segundo, debe haber una razon por la cual el gobierno habrıa dedefender su tipo de cambio—ası que hay tension entre estos motivos. Final-mente, a fin de crear la logica circular que conduce a una crisis, el costo dedefender un tipo de cambio fijo debe incrementarse cuando la gente espera (oal menos sospecha) que la fijacion debe abandonarse.


X ¿Por que podrıa un gobierno tener un motivo para permitir a su moneda de-preciarse? A fin de que un gobierno tenga incentivos reales a cambiar el tipode cambio, algo debe estar torpemente fijado en divisa local. Una posibilidadobvia es una gran carga de deuda denominada en divisa local—una carga queel gobierno esta tentado a inflar lejos, pero no puede en tanto este compro-metido con un tipo de cambio fijo. Otra posibilidad es que el gobierno sufrade desempleo debido a un salario nominal rıgido y le gustarıa adoptar unapolıtica monetaria mas expansiva, pero no puede en tanto este comprometidocon un tipo de cambio fijo. (Esta fue en esencia la motivacion de Inglaterrapara salirse del Sistema Monetario Europeo en 1992).

X Dada una motivacion a depreciar, ¿por que un gobierno en cambio elegirıadefender un tipo de cambio fijo? Una respuesta podrıa ser que cree que untipo de cambio fijo es importante para facilitar el comercio internacional einversion. Otra es que tiene una historia de inflacion, y considera un tipo decambio fijo como garantıa de credibilidad. Finalmente, el tipo de cambio amenudo desempena un papel importante en el orgullo nacional y/o comocompromiso de cooperacion internacional (como en el SME).

X Finalmente, ¿por que podrıa una perdida de confianza publica en el manten-imiento de un tipo de cambio fijo tener el efecto de que sea mas difıcil de-fenderlo? Supongamos que la gente espera que un tipo de cambio fijo se va adepreciar en un futuro. El canal usual involucra tasas de interes de corto pla-zo: defender una divisa de frente a expectativas de una futura depreciacionrequiere altas tasas de interes de corto plazo, pero tales tasas pueden ya seaempeorar el flujo de efectivo del gobierno (o empresas endeudadas) o deprim-ir la produccion y el empleo.

Krugman (1996) puntualiza, es posible combinar estos tres elementos para pro-

ducir una historia general de crisis cambiarias que es muy similar a la de los mod-

elos de primera generacion. Supongamos que se espera que los costos de manten-

er la paridad actual seran mayores que los costos de abandonarla, de tal manera

que en una fecha futura el paıs tendra que devaluar incluso en la ausencia de un

ataque especulativo. Entonces los especuladores seguramente trataran de salirse de

sus posiciones en la divisa de frente a una devaluacion—pero al hacerlo aumentaran

los costos de mantener la paridad, lo que llevara a una devaluacion temprana. Los

inversionistas inteligentes, dandose cuenta de esto, trataran de salirse de sus posi-


ciones todavıa antes... el resultado final sera una crisis que pondra fin al regimen de

tipo de cambio antes de que el estado de los fundamentales hiciera necesaria una

devaluacion.

En el modelo descrito—ası como en el los modelos de primera generacion—las

crisis son finalmente el resultado de inconsistencias de polıticas gubernamentales—

por ejemplo, un deficit fiscal persistente y el deseo de mantener un tipo de cambio fijo.

En ese sentido las crisis son conducidas por fundamentales economicos. La mayorıa

de los paıses que son golpeados por ataques especulativos no comparten esta vision:

los gobiernos a menudo creen que estan preparados para defender su moneda por

mucho tiempo y, de hecho, podrıan si los costos de hacerlo no crecieran por el ataque

especulativo.

Un numero significativo de economistas que estudian este tema creen que las que-

jas de los paıses de que son injustamente o arbitrariamente atacados tienen algun

merito. A continuacion se describen las posibles formas en que—especialmente en

el contexto de los modelos de segunda generacion—tales quejas podrıan, de hecho,

estar justificas.

2.2.1. Crisis auto-validadas

Supongamos que hay una fuerte posibilidad de que el gobierno de un paıs cambie

sus polıticas antes de que el Banco Central se quede sin reservas. Si este es el caso,

el fin del tipo de cambio fijo no es inevitable, es meramente una posibilidad. En este

caso, el nivel de confianza que los especuladores tengan en las polıticas guberna-

mentales desempena un papel crucial. Krugman (1998a):

Un inversionista individual no pondra su dinero fuera del paıs si cree que el


regimen de tipo de cambio no esta en peligro inminente, pero lo hara si el colap-so de una divisa parece probable. Una crisis, sin embargo, ocurrira precisamentesi muchos inversionistas individuales sacan su dinero. El resultado es que el op-timismo o pesimismo sera auto confirmado, y en el caso de pesimismo auto-validado, un paıs (habrıa) de estar justificado al reclamar que esta sufriendo deuna crisis innecesaria.

Aunque los inversionistas son los que finalmente causan el colapso, es la falta de

confianza en las polıticas gubernamentales lo que lleva a los inversionistas a reti-

rarse lo mas pronto posible. Krugman (1998a) sintetiza las crisis auto-validadas como

sigue:

Uno puede pensar en una rango en los fundamentales en que una crisis nopuede ocurrir, y un rango en el que debe ocurrir; en su mayorıa, los modelosde crisis auto-validadas mencionan que hay un punto intermedio en que unacrisis puede ocurrir, pero no necesariamente. Es una cuestion empırica (aunqueno una facil) que tan amplio es ese rango.

2.2.2. Rebano

Una explicacion relacionada involucra el comportamiento de manada de los inver-

sionistas. Como el termino lo implica, este ocurre cuando los inversionistas siguen a

otros, incluso cuando no ha sido revelada nueva informacion. El economista Robert

Schiller (1989) subraya el papel del comportamiento de manada en el crash de la

bolsa en 1987. La mayorıa no podıa citar una razon especifica para vender, mas

alla del hecho de que los precios estaban bajando. Hay una tendencia hacia el com-

portamiento de manada por parte de los inversionistas cuando se piensa que algunos

agentes poseen informacion privada. Los inversionistas que no la tienen monitorean

el comportamiento de otros cuidadosamente en un esfuerzo para detectar senales

con respecto a esta informacion. En tal situacion, las fluctuaciones aleatorias pueden

llevar a ventas de panico. Krugman resume “en un contexto de crisis cambiaria”, por


supuesto, tal comportamiento puede significar una oleada de ventas sin importar su

causa inicial, podrıa ser magnificada a traves de pura imitacion y volverse, literal-

mente, en una estampida fuera de la divisa

2.2.3. Contagio

Las crisis cambiarias en los anos noventa ocurrieron en oleadas regionales. Estas in-

cluyen: la europea en 1992-1993; la latinoamericana de 1994-1995 y la crisis financiera

asiatica en 1997-1998. Este fenomeno en que la crisis de un paıs lleva a la crisis en

otro, geograficamente conectado, es conocida como contagio. ¿Por que el contagio es

mas fuerte dentro de una region?

Los paıses dentro de una region estan a menudo conectados, ya sea con ligas reales

o en la mente de los inversionistas. Krugman (1998a) describe el vınculo fısico como

sigue:

Una explicacion simple de contagio involucra ligas reales entre paıses: una crisiscambiaria en el paıs A empeora los fundamentales del paıs B. Por ejemplo, lospaıses del sureste asiatico...bajo ataque especulativo estan vendiendo productossimilares en los mercados mundiales de exportacion; entonces la devaluaciondel Thai tiende a deprimir las exportaciones de Malasia y llevarla a rebasar elpunto crıtico que activarıa una crisis. En la crisis europea de 1992-3, hay unelemento de devaluacion competitiva: la depreciacion de la libra afecta adversa-mente el comercio y empleo en Francia, por lo que incrementa la presion sobreel gobierno frances de abandonar su compromiso de un tipo de cambio fijo.

El contagio, sin embargo, algunas veces golpea a paıses que aparentemente no

tienen ligas cercanas entre sus economıas. Un paıs podrıa ser adversamente afectado

simplemente porque es percibido como ligado a un paıs con crisis a traves de ligas

geograficas o culturales. Por ejemplo, Argentina tiene pocas ligas economicas reales

con Mexico, pero es percibido como que tiene ligas culturales. No obstante, estuvo

bajo ataque especulativo poco despues de la crisis del Peso mexicano en 1994. Corea


del Sur tambien parece haber sido vıctima de contagio, aunque no esta fısicamente

ligada ni es un socio comercial importante del sureste de Asia.

2.3. Modelos de tercera generacion

A pocos meses del primer ataque a la fijacion de Tailandia alrededor de Marzo de

1997, El Baht de Tailandia, la Rupia de Indonesia, el Won de Corea y el Ringgit de

Malasia fueron forzados a devaluar. Este estallido repentino de agitacion financiera

en Asia motivo a repensar la naturaleza y las causas de las crisis financieras. Despues

de todo, antes de la crisis, la mayorıa de los gobiernos involucrados no tenıan deficits

fiscales significativos, no estaban comprometidos en irresponsable polıtica mone-

taria expansiva. Ademas, las tasas de inflacion y de desempleo eran muy bajas, por

lo que entraron en conflicto con las metas macroeconomicos sugeridas por los mod-

elos de segunda generacion. Despues de la crisis asiatica, el deterioro de los estados

financieros de los bancos y companıas durante la crisis llamaron mucho la atencion.

En particular, el problema de riesgo moral (el sobre-endeudamiento interno e inter-

nacional) y la falta de liquidez experimentada por el sector privado, una vez que

el regimen de tipo de cambio colapso, se cree fueron las causas principales de las

crisis cambiarias. Rapidamente se han desarrollado modelos de tercera generacion

que combinan los dos elementos importantes (fundamentales y auto-validadas) de

las generaciones anteriores de modelos mas algunos elementos micro como la in-

troduccion de el sector bancario para analizar estas crisis modernas entre ellos se

encuentran Krugman (1998b) y Corsetti, Pessenti y Roubini (1998).

Modelos Empıricos

“Un buen estudio empırico requiere tres componentes: 1. Una estructura teorica concisa y sensible que este relacionada con laspreguntas que se hagan, 2. Razonablemente, buenos datos, y 3. Un experimento o evento o conjunto de circunstancias que le den alos datos la oportunidad de contestar las preguntas que se formularon. En resumen, el modelo necesita ser identificable por los datosa mano”.

Zvi Griliches

Las crisis en Mexico (1994-95) y Asia (1997-98) estimularon una variedad de estu-

dios empıricos disenados para identificar las causas de las crisis y los determinantes

del efecto contagio asociado Kaminsky y Reinhart (2000). Las crisis pasadas pueden

proporcionar utiles lecciones sobre los factores que contribuyen a la vulnerabilidad

de un paıs. Los academicos y los encargados de formular la polıtica economica se

dieron cuenta rapidamente de que los estudios empıricos pueden ser un elemento

en un sistema de alerta temprana (SAT ). Como resultado, un numero creciente de

instituciones financieras internacionales (IFI) y bancos centrales estan usando mod-

elos (SAT ) en sus actividades de supervision. De manera similar, muchos bancos

de inversion han desarrollado modelos SAT que aspiran a proporcionar asesorıa a

sus clientes en el mercado de divisas y a servir como complemento a su analisis

economico de los mercados emergentes.

Estos modelos tıpicamente tienen una estructura empırica que trata de pronosticar

la probabilidad de cierto tipo de “crisis”, usando factores tales como los fundamen-

tales de un paıs, acontecimientos en la economıa global y/o mercados financieros

41

CAPITULO 3. MODELOS EMPIRICOS 42

globales, y, en algunos casos, riesgo polıtico. Un numero de consideraciones ha in-

fluenciado el desarrollo de los modelos SAT existentes. Primero, a pesar del origen

comun en los modelos academicos de mediados de los anos noventa, los modelos

SAT existentes difieren mucho entre ellos en terminos de su definicion de “crisis” y

en terminos del horizonte sobre el cual intentan predecir una crisis. No es sorpren-

dente, estas diferencias reflejan los diferentes intereses de los usuarios finales, Por

ejemplo, los modelos de los bancos de inversion definen una crisis basicamente en

terminos de variables tales como variaciones en tipos de cambio y tasas de interes

que muy probablemente afecten la rentabilidad del comercio de divisas o posiciones

de inversion. Mas aun, los modelos de los bancos de inversion tıpicamente se orien-

tan en uno a tres meses como horizonte de pronostico que son considerados como

los mas relevantes para el comercio de divisas y para las posiciones de inversion.

En contraste, los modelos SAT usados por las IFI y bancos centrales en ejercicios de

supervision tienden a concentrarse en variables asociadas con crisis de balanza de

pagos mayores, dıgase grandes variaciones en tipo de cambio y/o reservas interna-

cionales. En resumen, los modelos de vigilancia SAT tıpicamente intentan predecir la

vulnerabilidad de un paıs a una crisis en un horizonte mucho mayor que los modelos

de los bancos de inversion. Estos modelos pueden tener un horizonte de prediccion

mayor a 24 meses, reflejando en parte el deseo de tener el tiempo suficiente para

formular ajustes de polıtica correctivos.

Una segunda consideracion que ha afectado la especificacion de los modelos y la

interpretacion de sus predicciones ha sido la necesidad de confrontar el “trade-off”

entre los errores tipo I y II asociados con la estimacion de los modelos estadısti-

cos. Los errores tipo II (la aceptacion de una hipotesis falsa de no crisis) puede ser

minimizado si los modelos SAT estan disenados de tal manera que tienen una prob-


abilidad baja de perder una crisis. Desafortunadamente, adoptar procedimientos de

estimacion que minimicen los errores tipo II tıpicamente resultan en errores tipo I

grandes (el rechazo de una hipotesis verdadera de no crisis). En otras palabras, los

modelos pueden ser calibrados para capturar la mayorıa de las crisis, pero solo con

el costo de muchas falsas alarmas.

Una tercera consideracion ha sido la disponibilidad y frecuencia de los datos. Por

ejemplo, la ausencia de series de tiempo historicas de tasas de interes de mercado

y otras variables financieras ha llevado a la exclusion de tales variables en algunos

modelos SAT. Mas aun las variables, disponibles solo con retrasos importantes, com-

plican la actualizacion de la prediccion y de nuevo desincentivan el uso de lo que

serıan de otra forma variables explicativas importantes.

Debido a que mucho dinero puede ser ganado o perdido en un ataque especula-

tivo, hay numerosos estudios que intentan predecir la antesala de una crisis. Entre

los que se incluyen los de los bancos de inversion y bancos comerciales: JP Morgan

“Event Risk Indicator”, Goldman Sachs “Watch”, Credit Suisse First Boston “Emerg-

ing Markets Risk Indicator”, Deutsche Bank “Alarm Clock”y Citigroup; los academi-

cos: Sachs, Tornell y Velasco y Frankel y Rose; y los desarrollados y/o utilizados en

las instituciones financieras internacionales y bancos centrales como el Kaminsky,

Lizondo y Reinhart en el FMI, el de la Division de Estudios de Paıses en Desarrol-

lo del FMI y el de la Division de Desarrollos Externos del BCE. A continuacion se

describen a detalle.


3.1. Los modelos de los bancos de inversion y bancos

comerciales

El interes de los bancos de inversion en desarrollar SAT como herramienta para as-

esorar a sus clientes ha fluctuado entre lo que esta “de moda” y si las crisis estan

en los titulares diariamente. Despues de la crisis del sureste de Asia, la mayorıa de

los bancos han desarrollado modelos tratando de predecir crisis cambiarias. Estos

modelos fueron disenados ya sea para su uso explıcito aconsejando estrategias en

el mercado de divisas, en general para evaluar valores y riesgos en las divisas de

los mercados emergentes y pronosticos economicos suplementarios proporcionados

a los inversionistas. Desde esa fecha, algunos de estos modelos han cesado de op-

erar: Lehman Brothers ha abandonado su Currency Jump Probability; Citicorp ya

no implementa su Early Warning System para anticipar crisis de balanza de pagos

en Latinoamerica y JP Morgan ha sustituido un ındice de vulnerabilidad pondera-

do simple por su Event Risk Indicador. Sin embargo, conforme la volatilidad en los

mercados emergentes se incremento de nuevo a finales del 2000 y 2001, nuevos mod-

elos privados han surgido. Por ejemplo, Deutsche Bank introdujo su Alarm Clock,

Morgan Stanley Dean Witter ha puesto en marcha un Sistema de Alerta Temprana

para crisis cambiarias y, a finales del 2003, surgio otro modelo en Citigroup.

3.1.1. JP Morgan, “Event Risk Indicator” (1998)

Basandose tambien en trabajos teoricos y empıricos previos, este modelo considera

tres posibles causas para una crisis: la polıtica monetaria, el nivel de reservas y la

competitividad, pero se alinea con los modelos de segunda generacion y, siguiendo

los argumentos de Gerlach y Smets (1995), incorpora una variable de contagio.


Para que se produzca un “crash” en una moneda, debe haberse producido una

perdida de competitividad internacional; perdida que puede ser medida mediante

el deficit exterior o por el tipo de cambio real ponderado. Pero el momento en el que

se desencadena la crisis dependera, en primer lugar, de la credibilidad del gobierno

para defender su moneda, una credibilidad que se relaciona con el crecimiento de

la economıa y su nivel de reservas, y en segundo termino, de la fuerza del contagio

financiero. En este trabajo se consideran dos fuerzas de contagio: la causada por la

devaluacion de un socio comercial y la consiguiente perdida de competitividad, y

la generada por la caıda del apetito de las inversiones por riesgo, aunque se tengan

buenos fundamentos economicos. Este ultimo contagio se relaciona con relaciones

financieras y el hecho de que los inversores tengan posiciones en diferentes mercados

que pueden dejar por problemas en uno de ellos.

Los datos utilizados son de corte transversal dados los pocos casos existentes de

crisis para un paıs individual. De esta forma seleccionan los “crash” independien-

temente del tiempo y para todos los paıses, relacionandolos con las variables ex-

plicativas. Los paıses, a su vez, se seleccionan de tal forma que exista variedad en

las crisis y posibilidad de aplicacion a otros casos, pero no incluyendo paıses tan

diferentes como para no encontrar caracterısticas comunes entre ellos. Por ello se

eliminan del analisis paıses que en los ultimos anos hayan sido muy estables en sus

monedas; paıses con inflacion superior al 50 por ciento y paıses con economıas muy

cerradas. Los paıses que componen la base de datos final son Australia, Canada,

Chile, Colombia, Corea del Sur, Espana, Filipinas, Grecia, Finlandia, Francia, Hong

Kong, India, Indonesia, Italia, Malasia, Mexico, Noruega, Nueva Zelanda, Polonia,

Portugal, Sudafrica, Suecia, Taiwan, Tailandia y Reino Unido.


Un periodo de crisis se define por la caıda del tipo de cambio de un 10 por ciento

en un mes, nivel que proporciona un total de 42 crisis en el periodo Enero 1980 a Di-

ciembre 1994 (periodo de estimacion) y 14 crisis en el periodo Enero 1994 a Diciembre

1997 (periodo de simulacion). Las variables que intervienen como explicativas son:

Medida de sobrevaluacion: se supone que el tipo de cambio afecta cuando se pro-

duce en un amplio periodo de tiempo y no por variaciones puntuales. Por ello uti-

liza la desviacion acumulada del tipo de cambio real de dos anos sobre los diez anos

anteriores. La variable termina expresandola en 4 niveles que van desde gran deval-

uacion hasta gran sobrevaluacion.

Producto esperado: se utilizan como variable “proxy” de las expectativas de crec-

imiento el cambio en tres meses del precio de las acciones con un retardo. Esta vari-

able tambien recogera con su caıda subidas en los tipos de interes para defender una

moneda o la perdida de confianza de los inversores en el tipo de cambio.

Reservas: aunque existen otras alternativas para medir este efecto, tales como

reservas sobre oferta monetaria o sobre importaciones, se prefiere la utilizacion de

reservas sobre la deuda externa. Esta variable mide la presion potencial sobre la

moneda y, si bien la razon serıa preferible construirla sobre la deuda externa a corto

plazo, la ausencia de datos fuerza a esta solucion.

Contagio: se utilizan dos variables para medir el contagio, el apetito de riesgo y el

cluster. El apetito de riesgo, variable creada por JP Morgan, se mide por la relacion

entre las ganancias y el riesgo de las inversiones (ponderacion de tipos de interes

diferenciales a largo plazo y tipo de cambio). La variable cluster intenta medir el

contagio por regiones y es una medida de como una crisis vecina puede afectar a


otro paıs. Se diferencian dos bloques: bloque Dolar y bloque euro y a la variable le

asignan tres niveles segun el numero de crisis de los seis meses anteriores.

La variable endogena es binaria, utilizandose un modelo logit para la estimacion.

Para la definicion y seleccion de periodos tranquilos realizan un promedio de cada

variable sobre todo el periodo, excepto los meses de devaluacion. A este promedio

le suman y le restan una desviacion tıpica y obtienen ası los periodos tranquilos para

el analisis.

Todas las variables resultan significativas con la excepcion del precio de las ac-

ciones y sus porcentajes de acierto sobre periodos de crisis y tranquilos son muy

elevados (90 por ciento).

3.1.2. Goldman Sachs, “Watch” (1998)

En operacion desde 1998. GS-Watch (Ades, Masih y Tenengauzer (1998)) predice la

probabilidad de una crisis en un horizonte de tres meses, definida como un prome-

dio ponderado de cambios en tres meses del tipo de cambio y reservas. Las predic-

ciones son generadas a traves de una regresion logit en la que todas las variables

explicativas son convertidas en senales cero/uno. Los predictores incluyen funda-

mentales macroeconomicas tales como medidas de booms de credito, desalineacion

del tipo de cambio real, crecimiento de las exportaciones, crecimiento de las reser-

vas, y requerimientos financieros externos, ası como cambios en los precios de las ac-

ciones, riesgo polıtico, contagio y liquidez global. Las dos ultimas variables son me-

didas continuamente, lo que hace que las probabilidades de crisis sigan una trayec-

toria suave. Mientras la inclusion del riesgo polıtico hace sentido, la variable simple

cero/uno (toma el valor de uno alrededor del tiempo de elecciones, una revolucion,


una huelga o bien cuando tiene lugar alboroto grande) solo captura parcialmente

este tipo de riesgo. El modelo estima usando datos mensuales, pero las predicciones

son actualizadas semanalmente para incluirlas en los reportes de los analistas. En

base semanal, cambios en la variable de contagio conduce mucho del movimiento

de las predicciones de crisis. El contagio es medido para cada paıs como un prome-

dio ponderado de variaciones en el tipo de cambio y reservas de los otros paıses en la

muestra, en las que las ponderaciones son la relacion historica en esos ındices entre

paıses.

3.1.3. Credit Suisse First Boston “Emerging Markets Risk Indica-

tor” (2000)

CSFB modifico su modelo en Septiembre del 2000, cambiando algunos de los pre-

dictores y reduciendo el numero de variables (Roy y Tudela (2001)). Un modelo log-

it predice la probabilidad a un mes de una depreciacion mayor al 5 por ciento y al

menos el doble de la depreciacion del mes anterior. Las variables son estandarizadas,

esto es, medidas con respecto a la media y varianza del paıs especıfico para esa vari-

able. Muchas variables similares a otros modelos son incluidas: desviaciones del tipo

de cambio real de la tendencia, la razon deuda a exportaciones, el crecimiento del

credito al sector privado, cambios en el producto, reservas a importaciones, cambios

en los precios de las acciones, precios del petroleo y una variable dummy de conta-

gio regional, medidas simplemente como el numero de paıses en la region que han

experimentado recientemente una crisis.


3.1.4. Deutsche Bank, “Alarm Clock” (2000)

El modelo DBAC define por separado “eventos” de tipo de cambio y tasa de in-

teres como depreciaciones mayores a un cierto tamano (estimados por separado para

niveles que fluctuan entre 5 y 25 por ciento) e incrementos en las tasas de interes del

mercado de dinero de mas de 25 por ciento en un mes (Garber, Lumsdaine y Van

der Leij (2000)). Usa una metodologıa de estimar conjuntamente la probabilidad de

estos dos tipos de eventos, permitiendo que simultaneamente un evento de tasa de

interes afecte la probabilidad de una crisis de tipo de cambio y la probabilidad de un

evento de depreciacion afecte las predicciones de una crisis de tasa de interes. Relati-

vamente pocos predictores son incluidos en el modelo de evento de tipo de cambio:

cambios en los precios de las acciones, credito domestico, produccion industrial y

desviaciones del tipo de cambio real, ası como una variable de contagio. Todos los

modelos de los bancos de inversion reclaman que los inversionistas que usen estrate-

gias de comercio basados en sus modelos pueden ganar utilidades substanciales en

un periodo en particular. DBAC anade un giro a estos calculos proponiendo una

“accion de umbral” para identificar niveles de probabilidad lımite, en los cuales una

alarma deberıa ser escuchada y los inversionistas deberıan cambiar sus posiciones.

El control es calculado para maximizar beneficios, asumiendo una estrategia en la

que el inversionista estara largo en moneda local cuando la probabilidad de una de-

preciacion este por abajo del umbral y corto siempre que la probabilidad cruce por

encima del umbral.

3.1.5. Citigroup (2003)

Desarrollado por Mills y Omarova (2003) es muy similar a la aproximacion de senales

de Kaminsky, Lizondo y Reinhart (1997) la diferencia estriba en el calculo del um-


bral optimo y en que unicamente utilizan 8 variables, aquellas con razones ruido a

senal menores a 0.6 en la estimacion de Goldstein, Kaminsky y Reinhart (2000) con

la restriccion de que no contengan informacion parecida. La razon ruido a senal es

construida de tal manera que no es tan importante enviar falsas senales, sino perder

crisis de la siguiente manera: Sea a (T) la probabilidad condicional de errores tipo

I asociados con el umbral T, Sea b (T) la probabilidad condicional de errores tipo

II asociados con el umbral T. Se busca un umbral de tal manera que la probabili-

dad no condicional de los dos tipos de errores sea igual. Sea w la probabilidad no

condicional de crisis. Hay que minimizar a (T) w tal que b (T) (1− w) ≤ a(T)w. En

la estimacion, incluyen 17 paıses para el periodo 1980-2001. Por ultimo, construyen

un indicador compuesto ponderando las senales por la inversa de su razon ruido a

senal.

3.2. Los modelos academicos

3.2.1. Sachs, Tornell y Velasco (1996)

Sachs, Tornell y Velasco (1996) analizan el impacto de la crisis en Mexico de Diciem-

bre de 1994 en otros mercados emergentes en 1995. Examinan los determinantes de

la magnitud de las crisis cambiarias en un corte transversal de 20 paıses en 1995.

Esta aproximacion no espera determinar el momento exacto de las crisis. En cambio,

puede establecer que paıses tienen mayor probabilidad de sufrir ataques serios ante

un cambio en el escenario global. Esta aproximacion es potencialmente atractiva, in-

cluso para nuestros propositos, por muchas razones. Sin embargo, los determinantes

de episodio de crisis pueden haber variado de manera importante en el tiempo. STV

pueden imponer una estructura economica a su analisis enfocandose en un conjun-


to particular de crisis (aquellas que ocurren en un momento especıfico). STV argu-

mentan que un rasgo esencial de la crisis de 1995 fue que el ataque golpeo a paıses

vulnerables. En un panico racional, los inversionistas identificaron a un paıs como

probable a sufrir una gran devaluacion de frente a una salida de capitales, y vali-

daron sus propias preocupaciones abandonando el paıs. Por lo tanto, paıses con un

tipo de cambio sobrevaluado y un sistema bancario debil fueron sujetos a ataques

mas fuertes, pero solo si tenıan pocas reservas relativas a deuda (de tal manera que

no podıan acomodar la salida de capitales facilmente) y fundamentales debiles (por

lo que combatir el ataque con tasas de interes mas altas hubiera sido muy costoso).

El STV no fue disenado para predecir crisis futuras sino para explicar los eventos de

1995. Su habilidad de prediccion se limita a crisis que compartan las mismas carac-

terısticas.

STV define un ındice de crisis como una suma ponderada de caıdas en reservas y

depreciacion del tipo de cambio, de Noviembre de 1994 a Abril de 1995. Argumentan

que los paıses tienen ataques mas severos cuando los sistemas bancarios eran debiles

(aproximado como una variable de boom de credito (LB)) miden el crecimiento en

el credito en el sector privado 1990 a 1994) y cuando el tipo de cambio estaba so-

brevaluado (medida como el grado de depreciacion de 1986-89 a 1990-94 (RER)).

Sin embargo, encontraron que estos factores solo importan para paıses con reservas

bajas (DLR), medidas como tener una razon reservas/M2 en el cuartil mas bajo, y

“fundamentales debiles” (DWF), lo que se traduce como tener el RER en el los tres

cuartiles mas bajos o LB en los tres cuartiles mas altos.

Por lo que estiman para los i paıses de la muestra una ecuacion de la forma:

INDi = β1 + β2RERi + β3LBi + β4RERi •DLRi + β5LBi •DLRi + β6RERi •DWFi + B7LBi •DWFi + εi


Los resultados enfatizados por STV son, primero, el efecto de RER es negativo y

significativo para paıses con reservas bajas y fundamentales debiles (la suma de los

estimados de β2 + β4 + β6 es negativa), y el efecto de LB es positivo y significativo

para esos mismos paıses (la suma de los estimados de β3 + β5 + β7 es positivo).

Adicionalmente, muestran que el ajuste es alto ya que el estadıstico R2 es de 0.69 por

lo que concluyen que el modelo explica adecuadamente el patron de contagio.

3.2.2. Frankel y Rose (1996)

Frankel y Rose (1996), metodologıa de regresion probit, estiman la probabilidad de

una crisis cambiaria usando datos anuales para mas de 100 paıses en desarrollo para

el periodo 1971-92. El uso de datos anuales restringe la aplicacion de la aproximacion

como un sistema de alerta temprana, pero permite analizar variables como la com-

posicion de la deuda externa que solo esta disponible en esa frecuencia. FR prueban

la hipotesis que ciertas caracterısticas de los flujos de capital estan positivamente

relacionados con la ocurrencia de crisis: baja proporcion de inversion extranjera di-

recta, baja proporcion de deuda concesionada o de bancos de desarrollo multilat-

erales, y alta proporcion de deuda del sector publico, a tasa variable, a corto plazo

y deuda de bancos comerciales. FR definen una crisis como depreciacion del tipo de

cambio nominal de 25 % que ademas exceda la del ano anterior por 10 %. Por lo que

el tipo de crisis consideradas son ataques especulativos correctamente defendidos

por las autoridades a traves de ventas de reservas o incrementos en las tasas de in-

teres. FR argumenta que es mas difıcil identificar defensas exitosas debido a que los

movimientos de reservas son medidas ruidosas de intervencion en el mercado cam-

biario y las tasas de interes estaban controladas por largos periodos en la mayorıa

de los paıses de la muestra. Concluyeron que la probabilidad de una crisis aumenta


cuando las tasas de interes externas son altas, el crecimiento del credito interno es

alto, el tipo de cambio esta sobrevaluado relativo al nivel promedio del paıs, el deficit

fiscal y en cuenta corriente son altos como proporcion del PIB, la deuda externa con-

cesionada es pequena y la IED es pequena relativa al total de la deuda externa.

3.3. Los modelos de los bancos centrales

3.3.1. Division de Desarrollos Externos del BCE (2002)

Bussiere y Fratzscher (2002) utilizan un ındice de presion en el mercado cambiario, el

cual se construye como un promedio ponderado de variaciones en el tipo de cambio

nominal, reservas y tasas de interes a fin de observar tanto ataques especulativos

exitosos como aquellos que no lo son. Se define una crisis cambiaria como un evento

en que este ındice supere su media mas dos desviaciones estandar y el horizonte de

prediccion es 12 meses. Se usa una metodologıa de regresion logit con las siguientes

variables: sobrevaluacion, cuenta corriente como proporcion del PIB, deuda a corto

plazo a reservas, crecimiento en el PIB, credito interno e interdependencia financiera

como una medida de contagio. Para hacer la estimacion seleccionaron una muestra

de 32 paıses en el periodo 1993:12-2001:9.

3.4. Los modelos utilizados en el FMI

3.4.1. Kaminsky, Lizondo y Reinhart (1997)

Es uno de los dos modelos que utiliza el FMI en sus actividades de vigilancia con una

ligera modificacion que consiste en agregarle dos variables mas, la cuenta corriente

y el nivel de reservas a M2.


Kaminsky, Lizondo y Reinhart (1997) examinaron una gran variedad de indicadores

potenciales en un intento de determinar si podıan ser usados en un SAT para crisis

cambiarias. Revisaron 25 estudios empıricos que cubrıan crisis desde inicio de los

anos cincuenta hasta mediados de los anos noventa, en los cuales se incluıan 105

indicadores potenciales que los autores agruparon en seis categorıas (Una lista de-

tallada de los indicadores se puede encontrar en el apendice A):

1.- El Sector Externo.

2.- El Sector Financiero.

3.- El Sector Real.

4.- Finanzas Publicas.

5.- Variables Institucionales y Estructurales.

6.- Variables Polıticas.

Entonces evaluaron los indicadores considerando el numero de estudios, en los

cuales eran empleados y de estos, seleccionaron los que eran estadısticamente signi-

ficativos. A partir de ahı, llegaron a las siguientes conclusiones:

X La comparacion de resultados entre varios documentos considerados no pro-porcionan una respuesta clara en lo que concierne a la utilidad de cada uno delos indicadores potenciales de crisis cambiarias...A pesar de estas dificultades,pueden derivarse un buen numero de conclusiones. La primera conclusion esque un sistema de alerta efectivo deberıa considerar un amplia variedad deindicadores; las crisis cambiarias parecen ser precedidas por multiples prob-lemas economicos y a veces polıticos. La evidencia revisada aquı apunta a lapresencia de desequilibrios internos y externos, que abarcan el lado real de laeconomıa y el sector financiero.

X Segunda, aquellas variables individuales que reciben amplio sustento de indi-cadores utiles de crisis cambiarias incluyen reservas internacionales, el tipo decambio real, el crecimiento del credito, credito al sector publico e inflacion. Los


resultados tambien proporcionan sustento a la balanza comercial, compor-tamiento de las exportaciones, crecimiento de la emision de dinero, M2/reservasinternacionales, crecimiento real del PIB y el deficit fiscal.

X Tercera, solo conclusiones tentativas se pueden trazar de otros indicadores,primero porque han sido incluidos en uno o dos de los estudios bajo revision.Sujetos a esta advertencia, los resultados sugieren que muchas variables ex-ternas, polıticas, institucionales y financieras (diferentes de las mencionadasantes) tambien tienen algun poder predictivo.

X Cuarta, las variables asociadas con el perfil de la deuda no se desempenanbien. Tambien, al contrario de lo que se esperaba, el balance en cuenta corri-ente no recibe mucho sustento como un indicador util de crisis. Esto podrıaser porque la informacion proporcionada por el comportamiento de la cuen-ta corriente con alguna magnitud podrıa haber sido reflejado en la evoluciondel tipo de cambio real. En la mayorıa de los estudios en los que se encon-tro que la cuenta corriente no era significativa el tipo de cambio real tambienfue incluido y tuvo un efecto significativo.

X Quinta, las variables de mercado, tales como las expectativas del tipo de cam-bio1 y los diferenciales de tasas de interes no se desempenan bien en predecircrisis cambiarias, ya sea si estas han sido precedidas por deteriorados funda-mentales economicos o no.

Con esto en mente, disenaron un sistema de alerta temprana de crisis cambiarias

basado en una variedad de indicadores mensuales que senalan una crisis cuando

cruzan cierto valor crıtico. Una aproximacion variable a variable es utilizada para

monitorear el sistema basado en un metodo que indica que variables estan fuera de

lınea. La informacion de las variables por separado es combinada para producir una

medida compuesta de la probabilidad de una crisis.

Los 15 indicadores que incluyeron basados en consideraciones teoricas y la disponi-

bilidad de informacion mensual son los siguientes: reservas internacionales, im-

1 Por supuesto que las expectativas sobre el tipo de cambio de los documentos estudiados porKaminsky, Lizondo y Reinhart (1997) no estaban respaldadas por decisiones reales de los agenteseconomicos, como las que se usan en esta investigacion, sino eran simplemente el resultado de en-cuestas.


portaciones, exportaciones, terminos de intercambio, desviaciones del tipo de cam-

bio real de la tendencia de largo plazo, el diferencial de tasa interna a externa, exceso

de saldos reales de M1, el multiplicador del dinero (de M2), credito interno como

proporcion del PIB, la tasa de interes real pasiva, la razon de tasa de interes acti-

va a pasiva, el acervo de los depositos en los bancos comerciales, la razon de M2 a

reservas, un ındice de produccion industrial y un ındice del precio de las acciones.

3.4.2. Division de Estudios de Paıses en Desarrollo del FMI (1999)

Berg et al. (2000) desarrollaron el modelo, en el espıritu de la aproximacion de senales

de Kaminsky y Reinhart (1996), utilizando datos mensuales para determinar que

variables contribuyen a la probabilidad de que una crisis ocurra en los proximos 24

meses. El concepto es tomar ventaja del poder de prediccion proporcionado por los

indicadores mensuales sugeridos por Kaminsky, Lizondo y Reinhart (1997), ası como

variables adicionales, para usarlas en una estructura econometrica similar a la de

Frankel y Rose (1996) (regresion probit). La definicion de crisis es exactamente la

misma a la del modelo KLR y unicamente utilizan cinco variables: sobrevaluacion

medida como la desviacion del tipo de cambio real de su tendencia de largo plazo,

cuenta corriente como proporcion del PIB, crecimiento de las reservas, crecimiento

en las exportaciones y deuda a corto plazo a reservas. En la estimacion mas reciente,

publicada por el FMI se tenıa la siguiente especificacion:


Tabla 3.1: Especificacion del mod-elo de la DEPD al 2002

Variable CoeficienteConstante -3.250Sobrevaluacion 0.013Cuenta corriente 0.007Reservas internacionales 0.007Crecimiento en las exportaciones 0.002Deuda a corto plazo a reservas 0.002

Fuente: Global Financial Stability Report IMF(2002a).

CAPITULO 3. MODELOS EMPIRICOS 58Ta

bla

3.2:

Mod

elos

empı

rico

sde

cris

isca

mbi

aria

sD

EPD

1/

(Ber

g,B

oren

szte

in,M

iles

i-Fe

rret

tiy

Patt

illo

)

KLR

2/(K

amin

sky,

Lizo

ndo

yR

einh

art)

GS-

WA

TC

H3/

(Gol

dman

Sach

s)EM

RI4/

(Cre

dit

Suis

seFi

rstB

osto

n´s)

DB

Ala

rmC

lock

5/

(Deu

tsch

eB

ank)

Cri

sis

Prom

edio

pond

erad

ode

cam

bios

aun

mes

enre

serv

asy

tipo

deca

mbi

oqu

ees

ten

mas

detr

esve

-ce

s(e

spec

ıfico

por

paıs

)de

svia

-ci

ones

esta

ndar

por

enci

ma

del

prom

edio

delp

aıs

Igua

lala

dela

DEP

DPr

omed

iopo

nder

ado

deca

m-

bios

atr

esm

eses

del

tipo

deca

mbi

oy

rese

rvas

por

enci

ma

delu

mbr

ales

pecı

fico

delp

aıs

Dep

reci

acio

n>

5%

yal

men

osel

dobl

ede

lm

esan

teri

or

Var

ios

“pun

tos

obje

tivo

”D

epre

ciac

ion

>10

%e

in-

crem

ento

enla

sta

sade

in-

tere

s>

25%

Hor

izon

te2

anos

2an

os3

mes

es1

mes

1m

esM

etod

oR

egre

sion

Prob

itco

nla

sva

riab

les

inde

pend

ient

esm

edid

asen

(es-

peci

ficad

opa

raca

dapa

ıs)

term

i-no

sde

perc

enti

les

Pond

erac

ione

s(p

orfr

ecue

n-ci

asde

pred

icci

ones

corr

ec-

tas)

del

prom

edio

delo

sin

-di

cado

res.

Var

iabl

esm

edid

asco

mo

indi

cado

res

0/1

basa

-do

sal

umbr

alel

egid

opa

ram

inim

izar

lara

zon

ruid

oa

sena

l

Reg

resi

onlo

git

con

lam

ay-

orıa

dela

sva

riab

les

inde

pen-

dien

tes

med

idas

com

oin

di-

cado

res

0/1

basa

dos

enum

-br

ales

enco

ntra

dos

enau

tore

-gr

esio

nco

ndu

mm

y(S

ETA

R)

Reg

resi

onlo

git

con

vari

able

sin

depe

n-di

ente

sm

edid

asen

loga

ritm

os,c

alcu

lada

sco

mo

desv

iaci

ones

dela

med

iay

esta

ndar

izad

as

Logi

tdo

s-si

stem

asde

ecua

cion

essi

mul

tane

asde

“eve

ntos

”so

bre

elti

pode

cam

bio

yta

sas

dein

tere

sde

dife

rent

esm

agni

tud

Var

iabl

esSo

brev

alua

cion

Sobr

eval

uaci

onSo

brev

alua

cion

Sobr

eval

uaci

onSo

brev

alua

cion

Cue

nta

corr

ient

eC

uent

aco

rrie

nte

6/Pe

rdid

ade

rese

rvas

Perd

ida

dere

serv

asC

reci

mie

nto

dela

sex

port

acio

nes

Cre

cim

ient

ode

las

expo

rta-

cion

esC

reci

mie

nto

enla

sex

port

a-ci

ones

Deu

da/E

xpor

taci

ones

Deu

daa

cort

opl

azo/

Res

erva

sR

eser

vas/

M2

(niv

el)6

/R

eser

vas/

M2

(cre

cim

ient

o)R

eser

vas/

M2

(niv

el)

Cre

cim

ient

ode

lcr

edit

odo

mes

tico

Req

ueri

mie

ntos

Fina

ncie

ros

Cre

cim

ient

ode

lcr

edit

oal

sect

orpu

blic

o

Cam

bio

enel

mul

tipl

icad

orde

ldin

ero

Res

erva

s/Im

port

acio

nes

(niv

el)

Prod

ucci

onin

dust

rial

Tasa

dein

tere

sre

alPr

ecio

delp

etro

leo

Cre

cim

ient

ode

lcr

edit

oin

tern

oEx

ceso

deba

lanc

esen

M1

Mer

cado

acci

onar

ioC

reci

mie

nto

enel

prec

iode

las

acci

ones

Mer

cado

acci

onar

io

Cre

cim

ient

ode

lPIB

Even

tos

polıt

icos

Liqu

idez

glob

alC

onta

gio

Con

tagi

opo

rre

gion

Con

tagi

ode

valu

ator

ioC

onta

gio

depr

esio

nen

elm

erca

doD

umm

ies

regi

onal

esEv

ento

deta

sade

inte

res

Fuen

te:B

erg,

Bore

nszt

ein

yPa

ttill

o(2

004)

.1/

Berg

,Bor

ensz

tein

,Mile

si-F

erre

ttiy

Patt

illo

(199

9).

2/K

LR:K

amin

sky,

Lizo

ndo

yR

einh

art(

1997

).3/

Gol

dman

Sach

s–A

des,

Mas

ihy

Tene

ngau

zer

(199

8).

4/C

redi

tSui

sse

Firs

tBos

ton—

Roy

yTu

dela

(200

1).

5/D

euts

che

Bank

–Gar

ber,

Lum

sdai

ney

van

der

Leij

(200

0).

6/N

oes

tan

incl

uida

sen

elm

odel

oK

LRor

igin

al.

El Desempeno de los Modelos

“Un economista es un experto que sabra manana porque las cosas que predijo ayer no sucedieron hoy”.

Laurence J. Peter

Hay numerosos estudios que han evaluado los SAT para medir su desempeno den-

tro y fuera de la muestra el mas reciente es el de Berg, Borensztein y Pattillo (2004)

en la que se evaluaron los dos modelos que se utilizan en el FMI y dos modelos de

bancos de inversion con los siguientes resultados:

Tabla 4.1: Desempeno de los modelos fuera de la muestra

1999:1-2000:12 1999:1-2001:4 2000:8-2001:8

DEPD KLR GS CSFB

Porcentaje de observaciones llamadas correctamente 72 76 50 83

Porcentaje de crisis llamadas correctamente1/ 31 58 54 27

Senales falsas como porcentaje del total de senales2/ 78 65 87 96

Probabilidad de que haya una crisis dado que hubo una senal3/ 22 35 14 4

Probabilidad de que haya una crisis dado que no hubo senal4/ 14 9 12 2

Fuente: Berg, Borensztein y Pattillo (2004).

1/ Numero de periodos pre-crisis correctamente llamados como proporcion del total de periodos pre-crisis.

2/ Una senal falsa es una observacion con una probabilidad estimada de crisis por encima de un cierto umbral y que no es

seguida por una crisis.

3/ Numero de periodos pre-crisis llamados correctamente como proporcion del total de periodos pre-crisis pronosticados.

4/ Numero de periodos donde se predijo tranquilidad y ocurrio una crisis como proporcion del total de periodos de

tranquilidad pronosticados.

59

CAPITULO 4. EL DESEMPENO DE LOS MODELOS 60

Como se observa en la tabla 4.1, el desempeno de los modelos fuera de la muestra

es aceptable; el mas acertado en cuanto al porcentaje de crisis llamadas correcta-

mente como se menciono anteriormente es el Kaminsky, Lizondo y Reinhart (1997)

con un 58 %.

El Modelo Goldstein, Kaminsky y Reinhart GKR

(2000)

“Todos los modelos estan equivocados, pero algunos son utiles”.

George Box

Este modelo es una modificacion al desarrollado por Kaminsky, Lizondo y Rein-

hart (1997); se evaluaron nueve variables adicionales de las cuales solo se conser-

varon seis y de las quince considerados originalmente se descartaron otras tres. En-

tre ellas se descartaron los llamados “indicadores de mercado” de default y riesgo

cambiario—diferenciales de tasas y cambios en la calificacion crediticia al no antici-

par crisis cambiarias.

5.1. Metodologıa

Para estimarlo se seleccionaron los siguientes paıses para el periodo 1970-1995:

• Africa: Sudafrica

• Asia: Indonesia, Malasia, Filipinas, Corea del Sur, Tailandia.

• Europa y el Medio Este: Republica Checa, Dinamarca, Egipto, Finlandia, Grecia,Israel, Noruega, Espana, Suecia, Turquıa.

• Latinoamerica: Argentina, Bolivia, Brasil, Chile, Colombia, Mexico, Peru, Uruguay,Venezuela

61

CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)62

La premisa basica de la aproximacion de senales es que la economıa tiene un com-

portamiento “anomalo” en la vıspera de una crisis cambiaria y que este compor-

tamiento aberrante tiene un patron sistematico recurrente. Este patron se manifies-

ta en la evolucion de un extenso sistema de indicadores economicos y financieros.

La evidencia empırica proporciona amplio sustento para esta premisa. Para imple-

mentar la aproximacion de senales, se necesita clarificar varios conceptos claves que

seran usados en el analisis.

5.1.1. Identificacion de crisis cambiarias

Una crisis cambiaria es definida como una situacion en la que un ataque a la divisa

lleva a una substancial perdida de reservas, a una depreciacion pronunciada o a am-

bas si el ataque especulativo tiene exito. Esta definicion de crisis cambiarias tiene la

ventaja de ser lo suficientemente comprensible para capturar no unicamente ataques

especulativos a un tipo de cambio fijo (por ejemplo, la experiencia de Tailandia antes

del 2 de Julio de 1997) sino tambien ataques que obligan una gran devaluacion mas

alla de las reglas establecidas en un regimen fijacion deslizable o de bandas (por

ejemplo, la ampliacion de la banda en Indonesia antes de la flotacion de la Rupia el

14 de Agosto de 1997)- Como la perdida de reservas tambien cuenta, el ındice tam-

bien captura ataques especulativos sin exito (por ejemplo, la perdida de reservas en

Argentina al desatarse la crisis en Mexico en 1994). Se construye un ındice de turbu-

lencia en el mercado cambiario como un promedio ponderado de variaciones en el

tipo de cambio y reservas. La tasa de interes fue excluida, debido a que muchos mer-

cados emergentes en muestra tenıan controles de tasas de interes en el periodo de

estudio. El ındice, ITMCi,t, es un promedio ponderado del cambio porcentual men-

sual del tipo de cambio nominal , 4e/e, y las reservas internacionales, 4R/R, con


ponderaciones tales que los dos componentes del ındice tengan las mismas volatili-

dades:

ITMCi,t = (4e/e)− (σe/σR) ∗ (4R/R) (5.1)

Donde σe, es la desviacion estandar de las variaciones en el tipo de cambio y σR

es la desviacion estandar del cambio en las reservas. Como las variaciones en el

tipo de cambio entran con ponderacion positiva y los cambios en reservas tienen

ponderacion negativa, las lecturas de este ındice ITMCi,t que esten tres desviaciones

estandar (DE) o mas por encima de su media son catalogadas como crisis.

CCi,t =

{1 si ITMCi,t > ITMCi + 3DE (ITMCi)

0 en cualquier otro punto(5.2)

Para paıses en la muestra que hayan experimentado hiperinflacion, la construc-

cion del ındice de turbulencia en el mercado cambiario fue modificada. Mientras

una devaluacion del 100 % puede ser traumatica para un paıs con baja a modera-

da inflacion, una devaluacion de esa magnitud es comun para paıses con episodios

de hiperinflacion. Un solo ındice para paıses que han tenido episodios de hiperin-

flacion podrıa perder devaluaciones grandes y perdida de reservas en los periodos

de inflacion moderada porque los episodios de inflacion alta distorsionaran la me-

dia historica. Para evitar esto, se divide la muestra conforme a si la inflacion en los 6

meses previos es mayor a 150 % y luego se construye un ındice para esa submuestra.

Las fechas de las crisis cambiarias, derivadas de este ındice, concuerdan bien con

las fechas que se hubieran obtenido si se definen crisis basandose exclusivamente en

eventos, tales como el cierre de los mercados cambiarios o por cambios en el regimen

de tipo de cambio como se muestra en la tabla 5.1.


Tabla 5.1: Crisis cambiarias 1970-1995Paıs Crisis cambiaria Paıs Crisis cambiariaArgentina Junio 1975 Abril 1983

Febrero 1981 Septiembre 1986Julio 1982 Agosto 1997Septiembre 1986Abril 1989 Israel Noviembre 1974Febrero 1990 Noviembre 1977

Octubre 1983Bolivia Noviembre 1982 Julio 1984

Noviembre 1983Septiembre 1985 Malasia Julio 1975

Agosto 1997Brasil Febrero 1983

Noviembre 1986 Mexico Septiembre 1976Julio 1989 Febrero 1982Noviembre 1990 Diciembre 1982Octubre 1991 Diciembre 1994

Chile Diciembre 1971 Noruega Junio 1973Agosto 1972 Febrero 1978Octubre 1973 Mayo 1986Diciembre 1974 Diciembre 1992Enero 1976Agosto 1982 Peru Junio 1976Septiembre 1984 Octubre 1987

Colombia Marzo 1983 Sudafrica Septiembre 1975Febrero 1985 Julio 1981

Julio 1984Dinamarca Mayo 1971 Mayo 1996

Junio 1973Noviembre 1979 Corea del Sur Junio 1971Agosto 1993 Diciembre 1974

Enero 1980Egipto Enero 1979 Octubre 1997

Agosto 1989Junio 1990 Republica Checa Mayo 1997

Espana Febrero 1976 Suecia Agosto 1977Julio 1977 Septiembre 1981Diciembre 1982 Octubre 1982Febrero 1986 Noviembre 1992Septiembre 1992Mayo 1993 Tailandia Noviembre 1978

Julio 1981Filipinas Febrero 1970 Noviembre 1984

Octubre 1983 Julio 1997Junio 1984Julio 1997 Turquıa Agosto 1970

Enero 1980Finlandia Junio 1973 Marzo 1994

Octubre 1982Noviembre 1991 Uruguay Diciembre 1971Septiembre 1992 Octubre 1982

Grecia Mayo 1976 Venezuela Febrero 1984Noviembre 1980 Diciembre 1986Julio 1984 Marzo 1989

Mayo 1994Indonesia Noviembre 1978 Diciembre 1995

Fuente: Goldstein, Kaminsky y Reinhart (1998).


5.1.2. Los Indicadores

Ademas de los 15 indicadores de alerta temprana, originalmente considerados en

Kaminsky, Lizondo y Reinhart (1998), se evaluo la habilidad de nueve indicadores

adicionales que figuran en la literatura teorica de crisis cambiarias y en las discu-

siones de estos eventos. Los indicadores usados fueron las reservas internacionales

(en dolares), importaciones (en dolares), exportaciones (en dolares), los terminos de

intercambio (definidos como el valor unitario de las exportaciones sobre el valor uni-

tario de las importaciones), desviaciones del tipo de cambio real de la tendencia de

largo plazo (medidas en terminos porcentuales), el diferencial entre la tasa de interes

pasiva interna y externa (tasas mensuales, deflactada usando precios al consumidor

y medidas en puntos porcentuales), “exceso” de M1, el multiplicador del dinero (de

M2), la razon de credito interno a PIB, la tasa de interes real pasiva (tasas mensu-

ales, deflactada usando precios al consumidor y medida en puntos porcentuales),

la razon de tasa de interes activa a pasiva (nominal), el acervo de los depositos en

los bancos comerciales (en terminos nominales), la razon de dinero en circulacion

(convertido a divisa extranjera) a reservas internacionales, un ındice de la produc-

cion industrial, y un ındice de los precios de las acciones (en dolares). Todas estas

series son mensuales. Las ligas entre indicadores de alerta temprana particulares y

las teorıas subyacentes de crisis cambiarias son discutidas con algun detalle en el

capitulo 2. Volviendo a los nueve “nuevos” indicadores que introdujeron, cuatro de

ellos son expresados como porcentaje del PIB. Estos son cuenta corriente, entradas

de capital de corto plazo, inversion extranjera directa, y deficit fiscal. Adicionalmente,

se observan las tasas de crecimiento en las siguientes variables (las tres primeras co-

mo porcentaje del PIB y la cuarta como fraccion de la inversion): el gasto publico,

credito del Banco Central al sector publico, credito neto al sector publico y la cuenta


Tabla 5.2: Indicadores adelantados de crisis cambiariasIndicador Transformaciones Frecuencia de los datosProduccion industrial Tasa de crecimiento en 12 meses MensualPrecio de las acciones Tasa de crecimiento en 12 meses MensualReservas internacionales Tasa de crecimiento en 12 meses MensualDiferencial de tasas de interes real interna a externa Nivel MensualExceso de saldos reales de M1 Nivel MensualM2/Reservas internacionales Tasa de crecimiento en 12 meses MensualDepositos bancarios Tasa de crecimiento en 12 meses MensualMultiplicador de M2 Tasa de crecimiento en 12 meses MensualCredito interno/PIB Tasa de crecimiento en 12 meses MensualTasa de interes real de los depositos Nivel MensualRazon de tasa de interes activa a pasiva Nivel MensualTipo de cambio real Desviacion de la tendencia MensualExportaciones Tasa de crecimiento en 12 meses MensualImportaciones Tasa de crecimiento en 12 meses MensualTerminos de intercambio Tasa de crecimiento en 12 meses MensualCalificacion crediticia de Moody´s Cambio en un mes MensualCalificacion de credito soberano de Institutional Investors Cambio semestral SemestralGasto publico/PIB Tasa de crecimiento anual AnualDeficit publico/PIB Nivel AnualCredito neto al sector publico/PIB Nivel AnualCredito al sector publico por parte del Banco Central/PIB Nivel AnualFlujos de capital de corto plazo/PIB Nivel AnualInversion extranjera directa/PIB Nivel AnualCuenta corriente/PIB Nivel AnualCuenta corriente/Inversion Nivel Anual


corriente. La ultima medida de la cuenta corriente fue motivada por la vision par-

ticularmente popular a principios de la crisis de Mexico 1994-95, que grandes deficits

en cuenta corriente son mas preocupantes si se originan debido a bajos niveles de

ahorro en oposicion a altos niveles de inversion. Los eventos en Asia—una region

caracterizada por excepcionalmente altos niveles de ahorro e incluso mayores nive-

les de inversion—han llevado a una reevaluacion de esta vision. Tambien se obser-

varon dos medidas de calificaciones de credito soberano. Como la mayorıa de los

nuevos indicadores no estan disponibles en frecuencias mensuales ni trimestrales,

son usados datos anuales. La tabla 5.2 proporciona una lista de los indicadores que

se examinaron, su periodicidad, y las transformaciones que se usaron.

Goldstein, Kaminsky y Reinhart (2000) examinaron el desempeno de las califi-

caciones de credito soberano cuando se trata de “predecir” crisis financieras. Es-


pecıficamente examinaron el comportamiento de las calificaciones de Institutional

Investor y Moody´s.

En la mayorıa de los casos se centraron en cambios en 12 meses en las variables.

Esta transformacion tiene muchos rasgos convenientes. Primero, elimina el proble-

ma de no estacionariedad de los niveles de las variables. Tambien hace a los indi-

cadores mas comparables entre paıses y en el tiempo. Algunos de los indicadores

tienen un patron estacional muy fuerte, que lleva a que la transformacion lo corrija.

Para algunos indicadores, tales como el precio de las acciones, contemplaron usar

una medida de sobre o subvaluacion. Sin embargo, el comportamiento empırico de

la mayorıa de los modelos de precio de activos no es lo suficientemente fuerte para

justificar tal ejercicio.

Para las variables mensuales (con la excepcion de la desviacion del tipo de cam-

bio real de la tendencia, exceso de M1, y las tres variables basadas en tasas de in-

teres), el indicador de un mes dado fue definido como cambio porcentual en el nivel

de la variable con respecto a su nivel un ano antes. Este filtro tiene muchos rasgos

atractivos: reduce el “ruido” de trabajar con datos mensuales, facilita la compara-

cion entre paıses, y asegura que las variables sean estacionarias con momentos bien

definidos.

Regresando a las calificadoras de valores, Institutional Investor construye un ındice

que aumenta con el incremento en la capacidad de pago y va de 0 a 100; el ındice es

publicado dos veces al ano y es publicado en Marzo y Septiembre, por lo que Gold-

stein, Kaminsky y Reinhart (2000) trabajaron con el cambio porcentual en 6 meses

en la calificacion del ındice. Para Moody´s Investor Services, son usados cambios


mensuales en la calificacion. Una baja de calificacion toma el valor de menos uno;

el ındice sin cambios toma el valor de cero, y una alza toma el valor de uno. Como

las calificaciones de Moody’s toman valores de 1 a 16, trabajaron con cambios en la

calificacion que toman en cuenta la magnitud del cambio.

5.1.3. El Horizonte de Prediccion

Se define como una senal (aun no definida) a una desviacion del comportamiento

“normal” en un indicador. Por ejemplo, una inusual caıda en el precio de las acciones

o terminos de intercambio puede senalar una futura crisis cambiaria. Si un indicador

envıa una senal que es seguida de una crisis en un tiempo plausible, la llaman una

buena senal. Si la senal no es seguida de una crisis en ese intervalo, la llaman una

falsa alarma o ruido. La ventana de senalizacion para crisis cambiarias se fija a priori

en 24 meses antes de la crisis. Si, en cambio, una caıda inusualmente grande en el

precio de las acciones ocurre 28 meses antes de la crisis, la senal caera fuera de la

ventana de senalizacion y sera etiquetada como una falsa alarma.

Goldstein, Kaminsky y Reinhart (2000) consideraron ventanas de senalizacion al-

ternativas (12 y 18 meses) como parte del analisis de sensibilidad. Mientras los re-

sultados de la ventana de 18 meses fueron similares a los que obtuvieron con 24

meses, la ventana de 12 meses probo ser muy restrictiva. Especıficamente, muchos

de los indicadores que usaron, incluyendo tipos de cambio reales y ciclos de credito,

senalaron relativamente temprano (consistentes con ciclo lento), y la ventana mas

corta de 12 meses penalizaba esas senales tempranas etiquetandolas como falsas

alarmas.


5.1.4. Los Umbrales

Se quiere probar la hipotesis nula de que la economıa esta en un “estado de tranquil-

idad” contra una hipotesis alternativa que una crisis va a ocurrir en algun momento

de los proximos 24 meses. Se desea probar esta hipotesis indicador por indicador.

Como en cualquier prueba de hipotesis, esto nos lleva a elegir un umbral o valor

crıtico que divide la distribucion de probabilidad de ese indicador en una region

que es considerada improbable bajo la hipotesis nula—la region de rechazo. Si el re-

sultado observado para una variable particular cae en la region de rechazo, se dice

que esa variable esta enviando una senal.

Para seleccionar el umbral optimo para cada indicador, permitieron que el tamano

de la region de rechazo oscilara entre 1 y 20 por ciento. Para cada eleccion fue calcula-

da la razon ruido a senal y el conjunto “optimo” de umbrales se definio como aquel

que minimiza la razon ruido a senal—esto es, la razon de senales falsas a senales

buenas, en la seccion 5.1.5 se explica este procedimiento a detalle.

La tabla 5.3 enlista los umbrales para todos los indicadores de crisis cambiarias.

Por ejemplo, el umbral para inversion extranjera directa como porcentaje del PIB es

de 16 por ciento. Esto transmite dos tipos de informacion. Primero, indica que el 16 %

de todas las observaciones en nuestra muestra (para esta variable) son consideradas

senales. Segundo, realza que la region de rechazo esta localizada en la cola inferior de

la distribucion de frecuencias, lo que significa que una inversion extranjera directa

baja llevara al rechazo de la hipotesis nula de tranquilidad a favor de la hipotesis

alternativa de que una crisis esta gestandose.


Tabla 5.3: Umbrales optimosIndicador PercentilDepositos bancarios 15Credito al sector publico por parte del Banco Central/PIB 90Calificacion de credito soberano de (Institutional Investor) 11Saldo en cuenta corriente/PIB 20Saldo en cuenta corriente/Inversion 15Credito interno/PIB 88Diferencial de tasas de interes real interna a externa 89Exceso de saldos reales de M1 89Exportaciones 10Inversion extranjera directa/PIB 16Gasto publico/PIB 90Importaciones 90Razon de tasa de interes activa a pasiva 88Multiplicador de M2 89M2/Reservas internacionales 90Credito neto al sector publico/PIB 88Produccion industrial 10Deficit publico/PIB 10Tipo de cambio real 10Tasa de interes real de los depositos 88Reservas internacionales 10Flujos de capital de corto plazo/PIB 85Precio de las acciones 15Terminos de intercambio 10


Mientras el umbral o percentil que define el tamano de la region de rechazo es

uniforme para todos los paıses para cada indicador, a los valores especıficos para ca-

da paıs se les permite diferir. Considere la siguiente ilustracion. Hay dos paıses, uno

que ha recibido poca inversion extranjera directa (como proporcion del PIB) durante

el periodo entero, mientras el segundo recibio montos substancialmente mayores

(tambien como proporcion del PIB). El percentil 16 de la distribucion de frecuencias

del que recibe poca inversion extranjera directa puede ser tan pequeno como medio

punto porcentual del PIB y cualquier disminucion mas alla habrıa de ser considera-

da como una senal. Mientras tanto, el paıs donde la norma fue un volumen alto de

entradas de capital probablemente tiene un valor crıtico mayor; entonces solo val-

ores por debajo de, digamos 4 % del PIB, habrıan de ser considerados como senales.


Tabla 5.4: Ejemplos de umbrales especıficos por paısPaıs Valor crıtico cuenta corriente ( % of PIB) Valor crıtico deficit publico( % del PIB)Filipinas -6.0 -4.1Mexico -5.8 -9.8Noruega -6.8 -5.8

Fuente: Elaboracion propia con datos del Banco Mundial.

La tabla 5.4 ilustra “el traje a la medida” del umbral optimo, mostrando los val-

ores crıticos especıficos por paıs de la cuenta corriente como porcentaje del PIB y del

deficit publico como porcentaje del PIB para Filipinas, Mexico y Noruega. Un deficit

publico del 8 % habrıa de ser considerado una senal de crisis cambiarias futuras en

Filipinas y Noruega pero no en Mexico. Enviar una senal solo cuando el deficit publi-

co en Mexico este por encima de 9.8 % parece descabellado dados los deficits que se

estan teniendo en la economıa actualmente, pero si consideramos medidas de deficit

publico mas precisas como los requerimientos financieros del sector publico no lo

parece tanto. Ademas hay que considerar que precisamente debido a esos excesos

Mexico ha experimentado cuatro crisis cambiarias desde 1970 y que al calibrar el

modelo para todos los paıses es de esperarse que en ocasiones el percentil optimo no

sea tan bueno para alguno de ellos, como en este caso con el percentil de 10 % para

el deficit publico.

5.1.5. Clasificacion de los indicadores

Un resumen preciso de los posibles resultados se presenta en la siguiente matriz dos

por dos.

Hay crisis en los siguientes

24 meses

No hay crisis en los sigu-

ientes 24 mesesSenal A B

No senal C D


Un indicador perfecto habrıa de tener solo entradas en las celdas A y D. Por lo

tanto, con la matriz se definen conceptos utiles que usan para evaluar la habilidad

de cada indicador. Goldstein, Kaminsky y Reinhart (2000) evaluan los indicadores

de tres maneras:

1.- La diferencia entre la probabilidad condicional y la probabilidad no condicional

de crisis calculada de la siguiente manera:

P (C | S)− P (C) = (AD− CB) / (A + B) (A + B + C + D) (5.3)

La intuicion es clara: si el indicador no es “ruidoso” (propenso a enviar falsas

alarmas), habra pocas entradas en la celda B y P (C | S) sera aproximadamente

igual a uno.

2.- La razon ruido a senal, R/S que se define como:

R/S = [B/ (B + D)] / [A/ (A + C)] (5.4)

3.- Por ultimo, puede darse el caso que un indicador tenga relativamente pocas falsas

alarmas en su record de rastreo. Esto puede ser el resultado de que el indicador

rara vez emite senales. En este caso, hay tambien el peligro de que el indicador

pierda las crisis (no emite una senal y una crisis ocurre). En este caso, tambien

deseamos calcular para cada indicador la proporcion de crisis correctamente lla-

madas

PC = C/ (A + C) (5.5)

La tabla 5.5 muestra la clasificacion de los indicadores de acuerdo con su razon

ruido a senal, el porcentaje de crisis llamadas correctamente por ese indicador, la

probabilidad condicional de crisis y la diferencia entre la probabilidad condicional y

la probabilidad no condicional.


Tabla 5.5: Clasificacion de los indicadoresIndicador R/S PC P (C | S)− P (C)Tipo de cambio real 0.22 58 35.2Flujos de capital de corto plazo/PIB 0.38 43 18.5Saldo en cuenta corriente/Inversion 0.38 38 18.4Precio de las acciones 0.46 66 18.3Deficit publico/PIB 0.47 52 10Saldo en cuenta corriente/PIB 0.5 33 12.1Exportaciones 0.51 80 15M2/Reservas internacionales 0.51 75 14.9Credito al sector publico por parte del Banco Central/PIB 0.52 23 7.6Produccion industrial 0.57 71 12.5Exceso de saldos reales de M1 0.57 57 12.3Reservas internacionales 0.58 72 12.2Multiplicador de M2 0.59 72 11.6Credito interno/PIB 0.68 57 8.3Credito neto al sector publico/PIB 0.72 15 4.5Terminos de intercambio 0.74 77 6.5Tasa de interes real de los depositos 0.77 89 5.5Importaciones 0.87 59 2.9Inversion extranjera directa/PIB 1.05 24 -0.6Diferencial de tasas de interes real interna a externa 1 86 -0.1Calificacion de credito soberano de (Institutional Investor) 1.05 31 5.4Razon de tasa de interes activa a pasiva 1.32 63 -4.8Depositos bancarios 1.32 43 -5.2Gasto publico/PIB 1.44 15 -3.8

Fuente: Elaboracion propia en base a Goldstein, Kaminsky y Reinhart (2000).

5.1.6. Indice de vulnerabilidad

Aunque calculando el numero de indicadores que cruza el umbral en un determi-

nado periodo se obtiene informacion util de la vulnerabilidad de un paıs, este anali-

sis no discrimina entre los indicadores mas y menos confiables. Kaminsky (1998)

mostro como construir un “ındice compuesto” para medir la probabilidad de una

crisis condicional a senales multiples de varios indicadores; los indicadores mas con-

fiables reciben una ponderacion mayor en el ındice compuesto.

En la ponderacion de los indicadores individuales, son eliminados aquellos indi-

cadores que tengan una razon ruido a senal mayor a la unidad; esto es equivalente

a decir que su habilidad de pronostico marginal P (C | S)− P (C), es menor o igual

a cero. Aplicando este criterio, el diferencial de tasa de interes interna a externa,


la razon tasa de interes activa a pasiva, depositos bancarios, gasto publico como

proporcion del PIB, inversion extranjera directa como proporcion del PIB y la cal-

ificacion de credito soberano de Institutional Investor se descartaron. Aunque no

calcularon la razon ruido a senal para la calificacion crediticia de Moody´s mediante

una regresion probit, encontraron que un una baja de calificacion de un grado solo

incrementa la probabilidad de crisis cambiaria en un 1 % por lo que tambien se elim-

ino.1 Para los indicadores restantes con una razon ruido a senal menor a la unidad,

se ponderan las senales con la inversa de la razon ruido a senal reportadas en la tabla

5.5. Supon que el tipo de cambio real y las importaciones emiten una senal; como el

tipo de cambio real tiene una razon ruido a senal muy baja de (0.22), recibirıa una

ponderacion de 4.55 (1/0.22); en contraste, con una relativamente alta razon ruido a

senal (0.87), las importaciones recibirıan una ponderacion de solo 1.49 (1/0.87).

Formalmente, se construye el siguiente indicador compuesto,

It =n

∑j=1

Sjt/wj (5.6)

En la ecuacion 5.6, se supone que hay n indicadores. Cada indicador tiene difer-

ente habilidad para pronosticar crisis, y como antes, esta habilidad puede ser sinte-

tizada por la razon ruido a senal, denotada por wj. Sjt es una variable dummy que

es igual a uno si el indicador, Sj cruza su umbral crıtico y esta, entonces, senalando

una crisis y cero de otra manera. Como antes, la razon ruido a senal se calcula ba-

jo el supuesto que un indicador emite una senal correcta si una crisis ocurre en los

proximos 24 meses. Todas las otras senales son consideradas falsas alarmas.

1 Estudios recientes que han examinado los determinantes de las calificaciones de credito soberanoproporcionan evidencia de que estan vinculadas a fundamentales economicos. Cantor y Packer (1996)encontraron que el PIB per capita, inflacion, nivel de deuda externa e indicadores de historia dedefaults y desarrollo economico son determinantes de las calificaciones. Sin embargo de acuerdo alos resultados, estos indicadores no son importantes cuando se trata de predecir crisis cambiarias


Si los 18 indicadores emiten senales, el valor maximo de este ındice de vulnerabil-

idad compuesto es 33.23. Esto es simplemente la suma de la inversa de las razones

ruido a senal de los indicadores que se conservaron. Sin embargo es raro el caso que

todos los indicadores esten senalando.

5.1.7. El indicador compuesto y las probabilidades de crisis

Mientras lo anterior nos permite acceder a la propension relativa a una crisis entre

paıses en un punto en el tiempo—como una foto—no nos proporciona informacion

de la dinamica del proceso. Para evaluar si un paıs se vuelve mas o menos vulnerable

a una crisis en el tiempo, se necesita un continuo de tales fotos. Para hacerlo, es

conveniente vincular el indicador compuesto a una probabilidad implıcita de crisis.

Una vez que construimos este indicador compuesto, se puede proceder—como en

los indicadores individuales—a elegir un valor crıtico para el indicador compuesto

de tal manera que cuando el indicador compuesto cruce este umbral, se considere

la crisis como inminente. Como anteriormente, este umbral crıtico puede ser elegido

como aquel que minimiza la razon ruido a senal del indicador compuesto. Es mas,

se puede calcular la probabilidad de una crisis condicional al indicador compuesto

senalando una crisis (cruzando el umbral crıtico), ası como las posibilidad de crisis

cuando el indicador no esta senalando. Sin embargo, este procedimiento no nos pro-

porciona una lectura exhaustiva de de vulnerabilidad conforme se aproxima la crisis

porque es dicotomico- esto es, solo proporciona dos tipos de informacion—senal o

no senal. Tambien quieren grises en la vulnerabilidad de crisis no solo blancos y

negros.


Por lo que se analiza la distribucion empırica del indicador compuesto junto con

las ocurrencias de crisis y se estiman las probabilidades de crisis condicionales a

diferentes valores del indicador compuesto. Se desea poder evaluar cuales son las

posibilidades de crisis si ninguno de los indicadores estan senalando (cuando el

indicador compuesto toma el valor de cero) o cuando todos los indicadores estan

senalando (esto es, cuando el indicador compuesto toma su valor maximo). Pero

tambien se quiere evaluar los escenarios intermedios, que dependen de cuantos y

cuales indicadores estan senalando. Por ejemplo, se calcula la probabilidad de crisis

condicionada a saber si el valor del indicador esta en el rango 9 a 14, que como se

observa en el analisis transversal de la tabla 5.6 antes de la crisis del sureste de asia

se asocia a crisis.

Tabla 5.6: Indice de vulnerabilidad en mer-cados emergentes, 1996:6-1997:6

Paıs Indice de vulnerabilidad ClasificacionArgentina 5.41 17Bolivia 6.59 12Brasil 7.57 10Chile 5.9 15Colombia 10.59 8Corea del Sur∗ 14.57 4Egipto 6.02 14Filipinas∗ 14.4 5Grecia 14.27 6Indonesia∗ 7.54 11Israel 6.3 13Malasia∗ 12.46 7Mexico 2.82 19Peru 2.82 20Rep. Checa∗ 15.42 2Sudafrica 16.52 1Tailandia∗ 14.63 3Turquıa 8.21 9Uruguay 4.4 18Venezuela 5.82 16

Fuente: Elaboracion propia en base a Goldstein, Kaminsky yReinhart (2000).Nota: Un asterisco denota un paıs con crisis cambiaria en 1997-

1998.


En la practica, podemos construir un conjunto de probabilidades usando la in-

formacion del valor del indicador compuesto para todos los paıses en la muestra,

junto con la informacion de crisis. Las probabilidades de crisis son estimadas de la

siguiente manera:

P(C | I ≤ It ≤ I

)= A/ (A + B) (5.7)

donde I es el lımite inferior del rango en el que estamos interesados (9 en el ejemplo

anterior) y I es el lımite superior del rango en el que estamos interesados (14 en nue-

stro ejemplo). Como antes, tenemos la siguiente matriz dos por dos,

Hay crisis en los siguientes

24 meses

No hay crisis en los sigu-

ientes 24 mesesI ≤ It ≤ I A B

It /∈[I, I]

C D

Estas probabilidades son estimadas usando toda la informacion de todos los paıses

en la muestra. Una vez que estimamos estas probabilidades y usamos esta informa-

cion del numero de senales emitidas en cualquier momento, se puede construir series

de tiempo de probabilidades de crisis para cada paıs. Pmt denota la probabilidad de

crisis para un paıs m en el periodo t.

La tabla 5.7 reporta las probabilidades condicionales para crisis cambiarias usan-

do el indicador compuesto obtenidas por Goldstein, Kaminsky y Reinhart (2000).


Tabla 5.7: Indicador compuesto yprobabilidades condicionales de crisiscambiarias

Valor del ındice Probabilidad de crisis cambiaria0-1 0.11-2 0.222-3 0.183-4 0.214-5 0.275-7 0.337-9 0.469-12 0.6512-15 0.74Mas de 15 0.96


5.2. Simulacion

Al estimar el modelo GKR para 9 paıses para el periodo 1970-2004:10, se obtienen

los siguientes resultados:

Tabla 5.8: Indice de vulnerabilidad GKR,1999 y 2000

1999 2000Paıs Indice de vulnerabilidad GKR Clasificacion Indice de vulnerabilidad GKR ClasificacionCorea del Sur 1.96 3 2.84 5Filipinas∗ 3.72 2 5.41 2India 1.47 5 3.17 4Mexico 0.00 6 1.69 6Noruega 8.87 1 8.17 1Suecia 1.47 5 3.17 4Sudafrica 1.75 6 1.69 6Tailandia 2.13 4 3.45 3

Fuente: Elaboracion propia con datos del FMI y Banco Mundial.Nota: Un asterisco denota un paıs con crisis cambiaria en 2000-2002.

Para construir este ındice compuesto se omitieron los siguientes indicadores por

no contar con los datos: Credito del Banco Central al sector publico, Credito neto al

sector publico como proporcion del PIB, Flujos de capital de corto plazo/PIB, Precio

de las acciones, Terminos de intercambio, y del 2001 al 2004, para los indicadores


anuales que si se incluyeron; por lo que no se puede utilizar para obtener las proba-

bilidades de crisis de la tabla 5.7, lo que sı se rescata es la consistencia de los resulta-

dos con la crisis que se presento en Filipinas en Octubre del 2000 como se observa en

el grafico 5.2. Lo anterior indica que en el modelo uno de los dos paıses con mayor

probabilidad de crisis fue el que efectivamente sufrio una y el otro practicamente

tambien. Si bien con los resultados anteriores no se puede estimar la probabilidad

de crisis cambiarias por no contar con todas las variables, sı se puede afirmar que es

muy util para la administracion del riesgo cambiario que es el enfoque que se le da

en esta investigacion.

El grafico 5.1 muestra el ındice de vulnerabilidad de Abril de 1999 a Octubre de

2004, aunque lo usual es transformar este ındice a probabilidad de crisis, usando la

tabla 5.7 y representarlo de esa manera.


Gra

fico

5.1:

Indi

cede

vuln

erab

ilida

dG

KR

1970

-200

4:10


Gra

fico

5.2:

Cri

sis

cam

biar

ias

para

los

paıs

esen

lam

uest

ra19

99:4

-200

4:10

El Modelo GKR con la Inclusion de Expectati-

vas

“Si torturas a los datos lo suficiente, naturalmente confiesan”.

Ronald Coase

Este modelo fue inspirado en las mejoras sugeridas a los Sistemas de Alerta Tem-

prana (SAT ) en el Global Financial Stability Report IMF (2002a). Basicamente se in-

corpora una variable adicional derivada del precio de las opciones del tipo de cambio

al modelo desarrollado por Goldstein, Kaminsky y Reinhart (2000) en aras de incluir

las expectativas de los agentes economicos como un “indicador de mercado” exitoso

en alertar sobre crisis cambiarias en ciernes.

6.1. Metodologıa

Con las circunstancias prevalecientes en los mercados emergentes —cuenta de capi-

tal muy abierta, tipo de cambio de flexible, etc, resulta conveniente incluir una vari-

able adicional a las que se ha demostrado son significativas: el tipo de cambio real,

flujos de capital a corto plazo como proporcion del PIB, cuenta corriente como pro-

porcion del PIB, etc. La variable a incorporar son las expectativas del tipo de cambio

extraıdas de los precios de las opciones a traves de la distribucion de probabilidad

82

CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 83

implıcita.

Existen dos metodologıas para estimar funciones de densidad de los activos sub-

yacentes a traves de los precios de sus derivados; la primera requiere predefinir el

tipo de distribucion de probabilidad que sigue el precio del activo subyacente (log-

normal, mezcla de lognormales, etc.) y despues encontrar los parametros correspon-

dientes a dichas distribuciones que reflejen de mejor manera los precios observados

y la de interpolacion de la curva smile, la cual a partir de los precios de los derivados

construye la distribucion de probabilidad para el activo subyacente, sin suponer que

esta tiene una forma predefinida.

En esta investigacion se usara el metodo de interpolacion de la curva smile para

construir las funciones de densidad para los activos subyacentes, ya que permite

interpolar todo el rango de precios a partir de unos cuantos datos observados, y

como la mayor parte de transacciones con opciones se hacen a traves del mercado

extrabursatil (“Over The Counter” - OTC), en el cual solo se tienen datos para unos

cuantos precios de ejercicio, es lo mas conveniente.

A continuacion se describira el metodo de interpolacion de la curva smile y pos-

teriormente se explicara como una vez obtenida la funcion de distribucion de prob-

abilidad del activo subyacente se construira la nueva variable que se incorporara en

el modelo Goldstein, Kaminsky y Reinhart (2000).

6.1.1. Metodo de interpolacion de la curva smile

Este metodo para obtener una estimacion de la distribucion de probabilidad del pre-

cio del activo subyacente; se utiliza cuando no se tienen precios de opciones para


varios precios de ejercicios con el mismo plazo por vencer. En este metodo se con-

struyen funciones de densidad para el activo subyacente interpolando todos los pre-

cios a partir de unos cuantos datos observados.

En esta seccion, usaremos precios de opciones en el mercado extrabursatil para

cuantificar las expectativas del mercado sobre la incertidumbre en el tipo de cambio

a traves de distribuciones de probabilidad neutrales al riesgo obtenidas mediante

el metodo desarrollado por Malz (1997); a partir de ellas, construiremos la nueva

variable que se incorporara al modelo GKR de prediccion de crisis cambiarias

Los mercados de derivados proporcionan una rica fuente de informacion tanto

para los participantes del mercado como para los bancos centrales. Debido a su nat-

uraleza de observar el futuro los precios de forwards, futuros y opciones capturan

las expectativas del mercado sobre el desarrollo futuro del precio de los activos sub-

yacentes. Los forwards y futuros pueden ser utiles para rastrear la media de las ex-

pectativas del mercado. Sin embargo, en algunos casos, tambien es util conocer tanto

el nivel como la naturaleza de la incertidumbre que el mercado asigna a la evolucion

futura de diferentes precios de activos. Los precios de las opciones son particular-

mente utiles en el ultimo aspecto, ya que pueden ser usados para estimar momentos

superiores de la distribucion del activo subyacente; estos momentos pueden, a su

vez, ser usados para caracterizar la incertidumbre que el mercado asigna al precio

de un activo subyacente en particular.

La extraccion de expectativas del precio de las opciones.

La formula mas usada para valuar opciones tipo europeo es la desarrollada Black

y Scholes (1973). La formula asume que el precio de el activo subyacente sigue un


movimiento browniano geometrico, lo que implica que los rendimientos logarıtmi-

cos del precio del activo se distribuyen normalmente con una varianza constante. La

formula Black-Scholes da el precio de una opcion como funcion de 5 factores:

• El precio actual del activo subyacente (St);

• El precio de ejercicio de la opcion (X);

• La tasa de interes libre de riesgo (r);

• El vencimiento de la opcion (τ = T − t);

• y La volatilidad (anualizada) de los rendimientos logarıtmicos del activo subya-cente (σ).

De los parametros anteriores, el ultimo no es observable en la practica. Sin embar-

go, es posible calcularlo a partir de los precios de mercado de las opciones intercam-

biadas, “invirtiendo” la formula Black-Scholes. Esta estimacion es conocida como la

volatilidad implıcita.

Una consecuencia de los supuestos detras de la funcion de precios Black-Scholes

es que la volatilidad implıcita debera ser la misma para todas las opciones del mismo

activo subyacente independientemente del precio de ejercicio. Sin embargo, los datos

del mercado generalmente no sustentan este supuesto. Primero, porque los partici-

pantes del mercado parecen valuar las opciones con precio de ejercicios cercanos al

precio actual usando una menor volatilidad que las opciones con precios de ejercicio

mas distantes. Como resultado la volatilidad implıcita, es usualmente una funcion

convexa del precio de ejercicio. Este fenomeno es a menudo llamado la sonrisa de

la volatilidad (“volatility smile”). Segundo, porque opciones con el mismo precio de

ejercicio, pero con diferentes vencimientos muestran diferencias en volatilidades im-


plıcitas, lo que implica que la “estructura a plazos” de la volatilidad implıcita no es

horizontal, como hubiera sido bajo los supuestos Black-Scholes.

La forma de sonrisa de la funcion de volatilidades implıcitas indica que el mercado

asigna una distribucion de probabilidad de los rendimientos del activo subyacente

a vencimiento que es diferente a una distribucion normal. La forma convexa de la

sonrisa revela que el mercado generalmente vincula mayor masa de probabilidad

a grandes movimientos en los precios. En otras palabras, el mercado pondera las

colas de la distribucion con mas peso. Como resultado, la distribucion implıcita tiene

colas mas pesadas que la normal. Mas aun, la volatility smile generalmente no es

simetrica, y esta asimetrıa implica que la distribucion de probabilidad subyacente,

al contrario de la distribucion normal, es asimetrica.

Muchos metodos han sido desarrollados para recuperar estas funciones de den-

sidad de probabilidad (FDP) de las expectativas del mercado de los precios de op-

ciones observados. Como se menciono al inicio se aplicara el metodo de Malz (1997)

para desarrollar las FDP implıcitas del tipo de cambio.

Las bases teoricas para derivar la FDP implıcitas en los precio de las opciones

empezaron con Cox y Ross (1976), que mostraron que el precio de las opciones tipo

europeo es igual al valor descontado de sus pagos (neutrales al riesgo) esperados:

c (t, T, X) = e−r(T−t)E [max (0, ST − X)] = e−r(T−t)∞∫

X

f (ST) (ST − X) dST (6.1)

donde c es el precio del call y f (ST) es la FDP (neutral al riesgo) de las expectativas

para el valor del activo subyacente. Un paso natural hacia delante es el resultado

de Breeden y Litzenberger (1978), que mostraron que la doble derivada parcial de


la funcion de precio del call c con respecto al precio de ejercicio X es igual al valor

descontado de la FDP neutral al riesgo.

δ2c(τ, X)δX2 = e−rτ f (X) (6.2)

El metodo que utilizaremos se le conoce en la literatura como de suavizamien-

to de la volatility smile y fue desarrollado originalmente por Shimko (1993). Las

tecnicas de suavizamiento de la smile convierten precios de opciones a volatilidades

implıcitas usando la formula Black-Scholes, y ajustan una funcion continua - general-

mente un polinomio de bajo grado. La funcion de volatilidad ajustada es de nuevo

convertida a una funcion precios, y finalmente la ecuacion 6.2 es usada para obten-

er la FDP implıcita derivando parcialmente dos veces la funcion del precio del call.

Malz (1997) aplico este metodo a opciones sobre divisas.

Muchos bancos centrales usan estos metodos para evaluar condiciones monetarias,

en tiempos de tension financiera, credibilidad en el Banco Central y medidas de la

efectividad de la polıtica monetaria. Una resena completa de las tecnicas y el uso po-

tencial de las distribuciones de probabilidad implıcitas en las opciones esta disponible

en Bahra (1997).

Un punto importante es notar que las FDP obtenidas con la tecnica anterior son

neutrales al riesgo, lo que significa que las FDP que calculamos no son las distribu-

ciones “reales” de las expectativas del mercado. En cambio, pueden ser consideradas

como distribuciones que son consistentes con precios de mercado observados desde

el supuesto que los agentes del mercado son neutrales al riesgo. Sin embargo, como

los inversionistas son generalmente considerados como adversos al riesgo - y como


consecuencia los precios de las opciones contienen informacion sobre las expectati-

vas y preferencias por riesgo - las FDP implıcitas en las opciones pueden desviarse

de la distribucion de probabilidad “verdadera” que los participantes del mercado

vinculan a diferentes resultados del precio del activo subyacente.

No obstante, la literatura empırica generalmente considera la diferencia entre las

dos distribuciones como despreciable. En primer lugar, la evidencia sugiere que

aunque la presencia de la aversion al riesgo puede alterar la media (el primer mo-

mento) de la distribucion, no altera la forma ni los demas momentos significativa-

mente (Rubinstein (1994)). En segundo lugar, si suponemos que las preferencias por

el riesgo son constantes en el tiempo, cambios en las distribuciones neutrales al ries-

go cuentan solo para cambios en las expectativas. Por consiguiente, la dinamica de

estas distribuciones y sus momentos pueden ser usadas para caracterizar la dinami-

ca de las expectativas.

Cotizaciones estandar en el mercado de opciones sobre divisas y su uso para esti-

mar FDP implıcitas.

En esta seccion, se describira a detalle el metodo desarrollado por Malz (1997) para

estimar FDP implıcitas a partir de los precios de las opciones sobre divisas en el

mercado extrabursatil.

Empezaremos con algunos rasgos esenciales y convenciones en el mercado de op-

ciones sobre divisas. La primera particularidad es que los precios de las opciones en

el mercado son cotizados en terminos de deltas1 y volatilidades, en lugar de precios

de ejercicio y precios en dinero. En la fecha de emision de un contrato especıfico, las

1 La delta es la probabilidad de que la opcion a vencimiento termine “in-the-money” o tecnica-mente es la derivada parcial del precio del call respecto al activo subyacente


volatilidades son trasladadas a precios con la formula del precio de opciones de Gar-

man y Kohlhagen (1983), el equivalente para divisas de la formula de Black-Scholes.

Como resultado, los operadores no necesitan cambiar sus cotizaciones cada vez que

el tipo de cambio spot se mueva, unicamente si su percepcion sobre la volatilidad

futura cambia. Es importante darse cuenta de que, aunque los operadores usan la

formula Black-Scholes/Garman-Kohlhagen para trasladar las volatilidades a pre-

cios, no implica que acepten los supuestos detras del modelo Black-Scholes. Ellos

unicamente usan la formula como un mapeo no-lineal uno-a-uno entre el espacio

volatilidad-delta (en el que la especificacion final para el contrato es expresada para

el vencimiento).

La segunda convencion importante es que los operadores del mercado observan

las expectativas sobre la volatilidad a eventos extremos a traves de las combinaciones

de opciones llamadas tambien figuras.

1.- Straddles largos tambien llamados Conos (atm): es una combinacion de un call y un

put con el mismo precio de ejercicio. Esta combinacion tiene una funcion de pagos

en forma de V: entre mas lejos este el precio spot del precio de ejercicio al momen-

to del vencimiento, mas alto es el pago. El precio de un straddle lleva informacion

sobre la varianza esperada del tipo de cambio: entre mas alta se espera que sea

la varianza, mayor es la rentabilidad de mantener un straddle, como resultado,

mayor es su precio. La cotizacion estandar del contrato Straddle en el mercado ex-

trabursatil es el straddle “at-the-money”, donde el precio de ejercicio para ambas

opciones es igual al precio forward. Esto tambien significa que la delta para ambas

opciones que hacen un straddle estandar es igual a 0.5. Como otras opciones, los

straddles son cotizados en terminos de su volatilidad. Por consiguiente, el precio

cotizado de un straddle nos da la volatilidad implıcita de una opcion con una delta


aproximada de 0.5. El precio del straddle es a menudo referido como la volatilidad

implıcita “at-the-money”. El pago a vencimiento para esta estructura presenta la

siguiente forma:

2.- Risk Reversals aka Bull Cylinder (rr): un Risk Reversal implica tomar una posicion

larga en una opcion europea tipo call “out-the-money” y, al mismo tiempo, tomar

una posicion corta en un put “out-the-money” con el mismo plazo que el call, pero

un precio de ejercicio menor. Especıficamente, un Risk Reversal implica tomar una

posicion larga en una opcion call y, al mismo tiempo, tomar una posicion corta en

un put con el mismo plazo que el call, pero un precio de ejercicio menor. El pago a

vencimiento para esta estructura presenta la siguiente forma:

En un Risk Reversal, el call llega a ser mas rentable cuando el valor del tipo de

cambio es alto mientras el put se vuelve mas rentable a valores bajos del tipo de


cambio. Como consecuencia, los risk reversal proporcionan informacion sobre la

asimetrıa o tercer momento de la distribucion del tipo de cambio. Si el mercado

espera una apreciacion grande del tipo de cambio, el valor de la opcion call ex-

cedera el valor del put y entonces el valor del risk reversal se volvera positivo y

la distribucion de probabilidad del tipo de cambio se inclinara a la izquierda. De

manera similar, si el mercado espera una depreciacion grande en el tipo de cam-

bio, el valor de la opcion put excedera el valor del call y entonces el valor del risk

reversal sera negativo, lo que implica una inclinacion a la derecha de la distribu-

cion de probabilidad. Los risk reversal son cotizados en terminos de volatilidad

como la diferencia entre la volatilidad implıcita del call y del put que construye la

estructura:

σrr = σC − σP

Sin embargo, debemos notar que hay una relacion entre la volatilidad de un call y

un put, en especial cuando consideramos opciones sobre divisas. Como las volatil-

idades son cotizadas en relacion con un nivel de delta debemos tratar de encon-

trar una relacion entre la delta de un call y la delta de un put. Usando el modelo

Garman-Kohlhagen estandar, sabemos que:

δCall = e−rF(T−t)N (d1)

y

δPut = e−rF(T−t) (N (d1)− 1)

Esto implica que:

δCall = δPut − e−rF(T−t)

Digamos, por ejemplo, que obtenemos la cotizacion para un risk reversal para el

mercado y sabemos que la volatilidad asociada a la opcion call es 25 %. Si quer-

emos inferir la volatilidad asociada al put, podemos ver que debe ser cercana a


-75 % o 75 % en terminos absolutos. ¿Porque?, la razon es que −e−rF(T−t) es la

mayor parte del tiempo cercano a uno (debido a que las opciones sobre divisas

son normalmente de corto plazo y la tasa de interes externa es baja). Con base a

esto se puede mostrar que la cotizacion del risk reversal obtenida por el mercado

puede ser expresada como:

σσrr ≈ σδ − σ1−δ

El contrato risk reversal estandar es el 25-delta.

3.- Strangles largos tambien llamadas Cunas (str)

Un Strangle implica tomar una posicion larga en una opcion call tipo europeo

“out-of-money” y, al mismo tiempo, tomar una posicion larga en un put “out-of-

money” con el mismo vencimiento del call, pero menor precio de ejercicio.

El pago a vencimiento de esta estructura presenta la siguiente forma:

La expectativa del mercado cuando se elige esta estrategia es de alta volatilidad

en el tipo de cambio o alternativamente se apuesta a las colas de la distribucion

debido a que se vuelve mas rentable con grandes movimientos en el tipo de cam-

bio. Los precios del strangle proporcionan informacion sobre la kurtosis o cuarto

momento de la funcion de probabilidad: entre mas alta sea la probabilidad de

grandes movimientos en el tipo de cambio, mayor sera el precio del strangle. Los


strangles son cotizados en terminos de volatilidad como la diferencia de la volatil-

idad “at-the-money” y el promedio de la volatilidad implıcita del call y el put que

construyen la estructura.

σstr =(σC + σP)

2− σatm

Basados en el argumento expuesto cuando se presentaron los risk reversal, podemos

transformar esta expresion a:

σstr ≈(σδ + σ1−δ)

2− σatm

Como en los risk reversals, el contrato strangle estandar es el 25-delta.

Los bancos de inversion tienen disponibles cotizaciones de estas combinaciones.

Por consiguiente, un conjunto de datos de al menos tres series: volatilidad implıcita

at-the-money (cotizacion del straddle), cotizaciones del 25-delta risk reversal y co-

tizaciones del 25-delta strangle estan disponibles para muchas monedas y muchos

vencimientos diariamente.

El metodo Malz (1997) usa estas series para estimar las funciones de probabili-

dad implıcitas para cada dıa. Usando las observaciones de las tres cotizaciones en

el mercado, se estima la volatility smile a traves de una aproximacion polinomial de

segundo orden (i.e. una funcion cuadratica de la delta). La funcion volatility smile

nos da la volatilidad implıcita para cada delta. Despues, la volatility smile es con-

vertida a una funcion del precio del call usando la formula Black-Scholes/Garman-

Kohlhagen. Como resultado, obtenemos una funcion continua aproximada que nos

da el precio de la opcion call para cada precio de ejercicio. Luego, podemos usar

la formula Breeden-Litzenberger, ecuacion 6.2, para obtener la funcion de probabil-


idad de densidad con la doble derivada parcial de la funcion del precio del call con

respecto al precio de ejercicio.

Una vez que se tienen las funciones de densidad de probabilidad FDP, es posible

calcular momentos mas altos de la distribucion para obtener medidas de varianza,

asimetrıa y kurtosis.

A continuacion se describe el metodo Malz (1997) a detalle:

Presentacion tecnica

Cuando se valuan opciones europeas sobre divisas, a menudo son usadas modifica-

ciones simples al modelo Black-Scholes. Por ejemplo, el modelo Garman Kohlhagen

usa la ecuacion B-S con dividendos y pone la tasa de dividendos igual a a la tasa de

interes externa. Una alternativa es sustituir el tipo de cambio spot por el forward (con

el mismo vencimiento de la opcion) en la ecuacion B-S e ignorar la tasa de interes

externa. Esto es mas apropiado porque la devaluacion esperada puede diferir por

las diferencias en las tasas de interes, violando el modelo Garman-Kohlhagen. Estas

diferencias se deben a los costos de los flujos de capital, relevantes en muchos paıses

que adoptan regımenes de tipo de cambio administrados, pero principalmente a los

riesgos extras (riesgo credito, riesgo de control de capitales, riesgo polıtico, riesgo de

fraude, etc.), que son generalmente substanciales en estos paıses. Todos estos riesgos

y costos son tomados en cuenta en el precio del forward, por lo que usaremos toda

esta informacion y aplicaremos la B-S a el tipo de cambio futuro dado por el precio

del forward.

La formula Black-Scholes/Garman-Kohlhagen para valuar opciones call europeas

de divisas toman la siguiente forma:


c (.) = e−rτ

FtN

ln( FtX ) +

(σ2

2

)τ

σ√

τ

− XN

ln( FtX )−

(σ2

2

)τ

σ√

τ

(6.3)

donde Ft es el tipo de cambio forward de no arbitraje , X es el precio de ejercicio,

σ es la volatilidad,τ es el vencimiento y N es la funcion de distribucion acumulada

normal estandar. A su vez, el forward de no arbitraje es igual a Ft = Ste(r−r∗)τ donde

St es el tipo de cambio spot, r es la tasa de interes interna libre de riego, r∗ es la tasa

de interes externa libre de riesgo y el resto de las variables ya han sido definidas.

La razon de cambio de la funcion Black-Scholes con respecto al subyacente se le

conoce como delta δ y es a menudo utilizada como medida del “moneyness” de

la opcion (es decir es la probabilidad de que la opcion al vencimiento este en el

dinero) esta siempre entre cero y uno y esta expresada por la siguiente ecuacion (ver

el apendice D):

δc =δc (.)δFt

= e−r∗τ N

ln(

FtX

)+(

σ2

2

)τ

σ√

τ

(6.4)

Como se menciono anteriormente, debido a convenciones de las cotizaciones del

mercado de opciones extrabursatil, los precios de straddles (atmt), risk reversals (rrt),

y strangles (strt) son cotizados directamente en terminos de volatilidad y delta. Us-

ando σ (δc)t como notacion para la funcion volatility smile, las convenciones de las

cotizaciones pueden ser escritas de la siguiente forma:

atmt = σ (0.5)t

rrt = σ (0.25)t − σ (0.75)t

strt = σ(0.25)−σ(0.75)2 − σ (0.5)t

(6.5)

Reordenando las ecuaciones anteriores para las volatilidades, obtenemos:


σ (0.25)t = atmt + 0.5rrt + strt

σ (0.5)t = atmt

σ (0.75)t = atmt − 0.5rrt + strt

(6.6)

El metodo Malz (1997) asume que la funcion de volatilidad implıcita puede ser ex-

presada como la siguiente aproximacion polinomial de segundo orden alrededor del

punto δc = 0.5:

σ (δc)t = b0atmt + b1rrt (δc − 0.5) + b2strt (δc − 0.5)2 (6.7)

Uno puede usar 6.6 para obtener los valores para el vector de parametros (b0, b1, b2).

Se puede mostrar que la solucion es compatible con 6.7 es (1,-2,16), ası que la aprox-

imacion de la funcion de volatilidad implıcita toma la siguiente forma:

σ (δc)t = atmt − 2rrt (δc − 0.5) + 16strt (δc − 0.5)2 (6.8)

Como la delta por sı misma es una funcion de la volatilidad implıcita, tenemos que

resolver 6.4 y 6.8 simultaneamente - para obtener las funciones implıcitas σ (δc)t,

que nos da la volatilidad implıcita para cada delta, y σ (X)t, que entonces nos da la

volatilidad implıcita para cada precio de ejercicio.

Sustituyendo los valores de esta ultima en la ecuacion Black-Scholes 6.3, nos pro-

porciona un estimado de la funcion del precio del call c (X)t. Finalmente, la funcion

de densidad de probabilidad implıcita neutral al riesgo f (X)t, se obtiene usando el

resultado Breeden-Litzenberger ecuacion 6.2; resolviendo la segunda derivada par-

cial del precio del call con respecto al precio de ejercicio se llega a la siguiente expre-

sion (ver el apendice E):


δ2c (.)δX2 = e−rτ

n

(ln( Ft

X )−(

σ22

)τ

σ√

τ

)Xσ√

τ(6.9)

donde n es la funcion de densidad normal estandar y el resto de las variables ya

ha sido definida; aunque lo mas comun es resolver esta derivada numericamente.

El grafico 6.1 ilustra paso por paso como se deriva la FDP; como se va pasando del

plano volatilidades-deltas, volatilidades-precios de ejercicio, precios de las opciones-

precios de ejercicio y se deriva numericamente esta ultima funcion para obtener la

FDP.


Grafico 6.1: Representacion grafica de la derivacion de las FDP

Aplicacion de las expectativas derivadas de las FDP a un acontecimiento reciente

en Tailandia

Para ejemplificar como funcionan las distribuciones de probabilidad, usaremos una

noticia reciente en Tailandia; El 7 de Diciembre de 2004 el gobernador del Banco

Central de Tailandia, Pridiyathorn Devakula sugirio vender el Bath (i.e. comprar


dolares) con el argumento de que dicha medida ayudarıa a los exportadores2 . Como

resultado el Bath se debilito, pero mas importante aun, las expectativas respecto al

tipo de cambio cambiaron como lo muestra las distribuciones de probabilidad antes

y despues de la noticia en la figura 6.2, que tienen las siguientes estadısticas:

Tabla 6.1: Estadısticas de lasdistribuciones de probabili-dad del tipo de cambios a 3meses (Dolar/Bath)

07/12/2004 10/12/2004Precio Spot 39.12 39.73Forward 39.09 39.75Straddle 7.20 % 7.40 %Risk Reversal 1.00 % 0.70 %Strangle 0.30 % 0.30 %Media 38.721 39.86Mediana 38.71 39.774Varianza 2.0453 2.5053Asimetrıa 0.0465 0.3317Kurtosis 3.0038 3.1962

Fuente: Elaboracion propia con datos deBloomberg.

La funciones del 7 y del 10 de Diciembre se distribuyen lognormal con paramet-

ros (µ = 3.66, σ = 0.04) y (µ = 3.68, σ = 0.04) respectivamente. Para obtener

los parametros anteriores, hay que resolver el sistema de ecuaciones 6.10 (ver el

apendice C) debido a que lo que nos proporciona el metodo Malz (1997) es la me-

dia y la varianza de una distribucion lognormal no la µ y la σ que se necesitaran

en la seccion 6.1.2 para construir el nuevo indicador a menos que se usen metodos

que ajustan datos de una funcion de densidad (probabilidades y valores del activo

subyacente, obtenidos mediante la ecuacion 6.9) a una distribucion.

E (Y) = eµ+ σ22 (6.10)

Var (Y) = e(2µ+σ2)(

eσ2 − 1)

2 En esta investigacion no se emite juicio de valor alguno sobre la medida sugerida por el gober-nador del Banco Central de Tailandia


Grafico 6.2: Funcion de densidad de probabilidad del Bath alrededor del anuncio del

gobernador del Banco Central de Tailandia

6.1.2. La construccion del nuevo indicador

Una vez que se explico el metodo para obtener distribuciones de probabilidad a

partir del precio de las opciones, explicaremos como se construye la nueva variable

a partir de ellas.

La nueva variable que esperamos tenga la menor razon ruido a senal de todas las

que se han utilizado en los Sistemas de Alerta Temprana (SAT ) se construye de la

siguiente manera:

1.- Se obtienen la distribuciones de probabilidad para cada dıa para todo el periodo.

2.- Se obtiene el valor crıtico de tal manera que la probabilidad acumulada sea 99 %


para cada distribucion, como se observa en el grafico 6.3 este valor es simplemente

el valor X tal que la P(X > C) = .99.

3.- Se obtiene el promedio mensual de los valores crıticos.

4.- Se obtiene el cambio porcentual mensual de los promedios de los valores crıticos.

El cambio porcentual mensual de los promedios de los valores crıticos es la vari-

able que incorporaremos al modelo GKR. Por lo tanto, lo que se genero es una vari-

able que refleja la probabilidad de que el tipo de cambio este en la cola de la distribu-

cion, lo que se traduce como la probabilidad de que haya una fuerte devaluacion.

Grafico 6.3: Valor crıtico para la distribucion de Tailandia del 7/12/04

Una vez elaborada esta variable se sigue un procedimiento igual al del modelo

GKR:

• Se selecciona una muestra de paıses sobre un periodo especifico, comunmente

aquel para el que se cuente con datos,

• Se calcula el umbral optimo o percentil minimizando la razon ruido a senal


• Se obtienen las senales para el periodo, como una variable dicotomica que toma el

valor de uno si el indicador cruza el umbral optimo y cero de otra manera.

• Por ultimo, se calcula el ındice de vulnerabilidad como una suma de las senales

de cada indicador ponderada por la inversa de su razon ruido a senal.

6.2. Estimacion

Para estimar el modelo GKR con expectativas se uso el periodo 1999:4-2004:10 y los

siguientes paıses:

• Africa: Sudafrica

• Asia: Filipinas, Corea del Sur, Tailandia.

• Europa y el Medio Oriente: Noruega, Suecia.

• Latinoamerica: Mexico.

Inicialmente se planeo hacer la calibracion con los mismos paıses utilizados por

Goldstein, Kaminsky y Reinhart (2000), pero no habıa datos para construir la nueva

variable para Malasia, Republica Checa, Dinamarca, Egipto y Israel. Por otra parte,

Finlandia, Grecia y Espana son parte de los 12 paıses que conforman el Euro, y los

datos de Argentina, Bolivia, Brasil, Chile, Colombia, Peru, Uruguay, Venezuela, In-

donesia, Malasia y Turquıa no estaban disponibles para todo el periodo (aunque esto

no nos impide simular el modelo para estos paıses una vez calibrado).

Ademas, aunque lo idoneo era calcular una distribucion por dıa y obtener el prome-

dio mensual como se describe en la seccion 6.1.2 era poco practico, al tener aprox-

imadamente 2010 distribuciones por paıs, (y aun no haber encontrado un metodo


para derivarlas mas facilmente), por lo que se opto por obtener una distribucion por

mes (la del primer dıa disponible de cada mes), lo que reduce el numero a 67 por

paıs.

En realidad no se puede decir que se calibro el modelo, ya que unicamente se ob-

tuvo el umbral optimo de la nueva variable (las expectativas derivadas del precio

de las opciones). No era conveniente calcular los umbrales de las demas variables

para un periodo tan corto, ya que se habrıan obtenido percentiles menos precisos

que los de Goldstein, Kaminsky y Reinhart (2000). Por lo tanto, utilizamos las mis-

mas razones ruido a senal de la tabla 5.5 calculadas en la estimacion original. Los

resultados que se obtienen siguiendo el procedimiento de la seccion 5.1.4 son los

siguientes:

La razon ruido a senal de la ecuacion 5.4 se minimiza en 0.1 con un percentil de

96 %. Esta razon es la menor entre todos los indicadores, por lo que las expectativas

derivadas del precio de las opciones son una “excelente” senal de crisis cambiarias;

sin embargo, no se pueden echar las campanas al vuelo, ya que es muy probable que

esta razon este por debajo de su valor verdadero al tener solo una crisis cambiaria

durante el periodo. Es de esperarse que actualizaciones futuras arrojen resultados

mas precisos al contar con periodos mas largos.

6.3. Simulacion

Aunque una razon ruido a senal fue de 0.1, implicarıa una ponderacion de 10 para la

nueva variable; se decidio cambiar la ponderacion a 5 debido a que es muy probable

que el valor verdadero de la razon ruido a senal sea mucho mayor al haber sido


calibrada unicamente con una crisis cambiaria. Por otra parte, como en la estimacion,

se usaron 67 distribuciones por paıs en lugar de las 2010 que se hubieran tenido que

calcular si se sigue el desarrollo de la seccion 6.1.2 al pie de la letra.

El modelo cuenta ahora con 19 indicadores, por lo que el valor maximo de este

ındice de vulnerabilidad compuesto es 38.23. Como se menciono anteriormente, este

ındice es simplemente la suma de la inversa de las razones ruido a senal incorporan-

do la nueva variable con una ponderacion de 5. La simulacion del “nuevo” modelo

para 1999 y 2000 entrega los siguientes resultados:

Tabla 6.2: Indice de vulnerabilidad GKR con expectativas,1999 y 2000

1999 2000

Paıs Indice de vulnerabilidad GKRcon expectativas

Clasificacion Indice de vulnerabilidadGKR con expectativas

Clasificacion

Corea del Sur 1.96 4 2.84 6Filipinas∗ 3.72 2 10.41 1India 1.47 7 3.17 5Mexico 0.00 8 1.69 7Noruega 8.87 1 8.17 3Suecia 3.17 3 8.17 2Sudafrica 1.75 5 1.69 7Tailandia 2.13 6 3.45 4

Fuente: Elaboracion propia con datos del FMI, Banco Mundial y Bloomberg.Nota: Un asterisco denota un paıs con crisis cambiaria en 2000-2002.

Como se observa, el ındice de vulnerabilidad es el mismo para el ano de 1999 que

el del modelo Goldstein, Kaminsky y Reinhart (2000), es decir, la incorporacion de

la nueva variable no lo modifico. No obstante, para el 2000, el ındice para Filipinas y

Suecia aumento 5 puntos. Aunque no se puede concluir nada acerca de la probabili-

dad de una crisis cambiaria por no haber obtenido un desarrollo como el de la tabla

5.7, al no contar con todos los indicadores y al no haberlo estimado nuevamente con

la incorporacion de la nueva variable; si se logra comprobar el avance en la consis-

tencia del modelo, al separar a Filipinas que experimento una crisis del resto de los


paıses.

El grafico 6.4 muestra el ındice de vulnerabilidad de Abril de 1999 a Octubre de

2004; aunque lo idoneo hubiera sido transformar este ındice a probabilidad de crisis

y representarlo de esa manera.


Gra

fico

6.4:

Indi

cede

vuln

erab

ilida

dG

KR

con

expe

ctat

ivas

1999

:4-2

004:

10

Conclusiones

En comparacion a los indices adelantados del ciclo economico que tienen mucha

historia, los sistemas de alerta temprana apenas estan iniciando; por lo que todavıa

existen muchos otros indicadores que no han sido estudiados y que pueden mejorar

substancialmente el desempeno de los modelos. En el momento en que se escriben

estas lıneas Kaminsky (2004) presento un modelo con cuatro “nuevos” indicadores

con razones ruido a senal menores a uno, entre los que se encuentran: tasa de interes

mundial (0.4), deuda externa a exportaciones (0.5), salidas de capital (0.9) y deuda a

corto plazo a reservas (0.9).

En esta investigacion se demostro que, incorporando las expectativas sobre el tipo

de cambio, el poder predictivo del modelo Goldstein, Kaminsky y Reinhart (2000)

se incrementa substancialmente. En los ultimos anos, los modelos SAT han sido ob-

jeto de muchos estudios a fin de evaluar su validez; si bien es cierto que tienen un

record mixto en terminos de precision de pronostico, ofrecen un metodo sistematico,

objetivo y consistente para predecir crisis que evita el sesgo de los analistas.

La aproximacion de senales no es la unica forma de acceder a la vulnerabilidad de

un paıs; se han desarrollado un sinnumero de modelos que utilizan otros metodos

como los mencionados en el capıtulo 3. Aunque es un buen modelo, no deja de tener

debilidades; la mas importante es la perdida de informacion al pasar de una variable

107

CAPITULO 7. CONCLUSIONES 108

continua a una dicotomica; las senales se contabilizan igual si son mayores o menores

al umbral por 1, 5, o 10 puntos porcentuales. Por otra parte, Furman y Stiglitz (1998)

encontraron que los modelos de regresion (probit o logit) estan sobre-especificados

por lo que su desempeno decae sensiblemente fuera del periodo de estimacion.

Para la presente investigacion, cuyo objetivo era demostrar que la incorporacion

de las expectativas derivadas del precio de las opciones favorecerıa el poder predic-

tivo de estos modelos, resulto mas conveniente esta metodologıa porque se contaban

con datos de opciones para un periodo muy corto. En consecuencia, habıa muy pocas

crisis para calibrar el modelo, y la aproximacion de senales tiene la ventaja de que se

puede calibrar cada variable por separado a diferencia del analisis de regresion en el

que se calculan todas las variables al mismo tiempo. Por lo cual, con este metodo es

factible utilizar las estimaciones obtenidas en las demas variables para un periodo

mas largo; En cambio, de haber optado por modelos que utilizaran la metodologıa

de regresion, nos hubieramos tenido que ajustar a un periodo mas corto en los demas

indicadores lo que danarıa la estimacion de todas las demas variables y no solo de

esta en particular. En un futuro, cuando se cuenten con mas datos, se podra usar

una metodologıa distinta. Ademas, al aumentar el periodo, la estimacion podra ser

perfeccionada o con la misma calibracion el desempeno del modelo con la inclusion

de expectativas sera mejor.

Otro rasgo a destacar es que, si bien el nuevo indicador alerta sobre crisis cam-

biarias no lo hace con la suficiente anticipacion, por lo que incorporarlo a un modelo

como el de los bancos de inversion, cuyo objetivo es alertar en el corto plazo (con el

tiempo suficiente para que sus clientes saquen su dinero); a diferencia de los modelos

academicos y los del FMI (que buscan tener tiempo suficiente para hacer recomen-


daciones de polıtica economica) le darıa mayor valor agregado.

Este nuevo indicador sera particularmente util en prevenir crisis cambiarias origi-

nadas por expectativas auto-validadas, contagio o comportamiento de rebano de los

inversionistas; causas de crisis que ninguno de los otros indicadores habıan logrado

atrapar adecuadamente.

Esta investigacion esta consciente de las limitaciones de estos modelos que, como

se concentran exclusivamente en indicadores macroeconomicos, no pueden capturar

detonantes polıticos y eventos exogenos—como por ejemplo, el voto en contra de

Dinamarca en 1992 al referendum para ratificar el tratado de Maastricht que creo la

Union Europea o el asesinato de Colosio en Marzo de 1994, sucesos que a menudo in-

fluyen en el momento del ataque especulativo. Los modelos SAT no revelan el como

y por que los indicadores afectan la probabilidad de crisis. Por ejemplo, encuentran

que una crisis es precedida de una sobrevaluacion del tipo de cambio, pero no nos

indican si esta proviene de un programa de estabilizacion para abatir la inflacion o

su causa es una oleada de flujos de de capital.

Los estudios de alerta temprana tampoco escapan a la “crıtica de Lucas”: si un con-

fiable conjunto de indicadores de alerta temprana son identificados empıricamente,

es posible que los encargados de formular la polıtica economica se comporten difer-

ente de ahora en adelante cuando estos indicadores esten fuera de lınea a como lo

habrıan hecho en el pasado. En consecuencia, transformarıan estas variables en lu-

gar de indicadores de alerta temprana de crisis a indicadores de alerta temprana

de polıtica correctiva. Aunque este efecto no ha sido lo suficientemente fuerte para

minar su poder predictivo, no se descarta que lo sea en un futuro sobretodo si la ev-


idencia empırica en favor de los indicadores de alerta temprana es mas persuasiva.

Anticipar una crisis cambiaria no es tarea facil; las quiebras de Long Term Capital

Management (LTCM) al desatarse la crisis en Rusia donde colaboraban prominentes

figuras como Myron Scholes, Robert Merton y John Meriwether o la del conglomera-

do Daewoo en Corea companıa conducida con gran exito por muchos anos por Kim

Woo-Choong, actualmente profugo de la justicia por manipular estados financieros

para evitar el desmantelamiento de su companıa a raız de la devaluacion del Won,

son testimonio de que ni las mentes mas brillantes han podido cuantificar y, por

ende, cubrirse adecuadamente ante este riesgo.

Por otra parte, los costos en terminos de la calidad de vida de millones de personas

en todo el mundo son incalculables; de ahı la importancia de desarrollar modelos

SAT como una herramienta mas a considerar en la evaluacion de la vulnerabilidad

de un paıs. Esta investigacion pretende ser una viga mas en el apuntalamiento de

dichos modelos que si bien no son la panacea, son muy utiles.

Aunque mas importante que saber como cuantificar la vulnerabilidad de un paıs

es saber como disminuirla. En Mexico, hay unas cuantas cosas que se pueden hacer:

X Aumentar la eficiencia en la recaudacion del impuesto al valor agregado a traves

de una reforma fiscal que imponga un IVA generalizado del 10 %.

X Aumentar la transparencia de la polıtica monetaria para reforzar el esquema de

objetivos de inflacion a traves de la sustitucion del corto por un objetivo para la

tasa de interes a un dıa conocida como “overnight”.

X Perfeccionar la regulacion y supervision preventiva del sistema bancario.

Indicadores examinados por KLR (1997)

Tabla A.1: Indicadores por categorıa examinados por KLR

Sector IndicadoresExterno

Cuenta de capital (1) reservas internacionales/base mone-taria

(10) errores y omisiones mas capital acorto plazo

(2) reservas internacionales/PIB(11) porcion de flujos de capital a cortoplazo en forma de prestamos a cortoplazo

(3) acervo de reservas internacionales (12) flujos de capital de corto pla-zo/PIB

(4) reservas/importaciones (13) IED/deuda(5) crecimiento en reservas (14) saldo en cuenta de capitales/PIB(6) activos en el extranjero del banco cen-tral/base monetaria

(15) diferencial de tasas de interesreales interna-externa

(7) crecimiento en activos netos en el ex-tranjero del banco central

(16) diferencial de tasa de interes nom-inales interna-externa

(8) activos netos en el extranjero/M1(9) activos netos en el extranjero/M1 alcuadrado

Perfil de la Deuda (1) ayuda externa (7) porcion de deuda a corto plazo

(2) deuda externa/PIB (8) porcion de deuda del sector publi-co

(3) deuda publica/PIB (9) porcion de prestamos de bancos dedesarrollo multilaterales

(4) porcion de prestamos de bancos comer-ciales

(10) servicio de la deuda/ajustado porPIB, por el crecimiento de PIB.

(5) pocion de prestamos concesionados (9) balanza comercial/PIB(6) porcion de deuda a tasa flotante (10) cuenta corriente/PIB

Cuenta corriente (1) cambio en tipo de cambio real (11) exportaciones/PIB(2) nivel del tipo de cambio real (12) exportaciones/importaciones(3) tendencia del tipo de cambio real (13) cambio en las exportaciones(4) varianza del tipo de cambio real (14) cambio en importaciones(5) desviaciones del tipo de cambio real bi-lateral de la PPP .

(15) ahorro/PIB(6) desviaciones de la tendencia en el tipode cambio real.

(16) inversion/PIB(7) desviaciones del promedio historico deltipo de cambio real.

(17) cambio en los terminos de inter-cambio

(8) tipo de cambio real al cuadrado (18) cambio en precio de las exporta-ciones(19) expectativas de tipo de cambio

Internacional (1) crecimiento real del PIB de los paıses dela OCDE

(3) tasas de interes de los EstadosUnidos.

(2) tasas de interes internacionales (4) nivel de precios externo

111

APENDICE A. INDICADORES EXAMINADOS POR KLR (1997) 112

Sector IndicadoresFinanciero

Liberalizacion Financiera (1) tasas de interes reales (5) crecimiento en el multiplicador deM2

(2) crecimiento del credito (6) crecimiento en credito/M0 relativoa los Estados Unidos

(3) crecimiento del credito/PIB(4) diferencial en tasas pasiva-activa

Otras financiera (1)tipo de cambio “sombra” (9) crecimiento de M1 relativo al deEstados Unidos

(2) prima del mercado paralelo (10) crecimiento de M2 relativo a losEstados Unidos.

(3) paridad central (11) cambio en depositos bancarios(4) posicion dentro de la banda (12) rendimiento de los bonos(5) credito del banco central al sistema ban-cario

(13) inflacion(6) diferencia entre demanda-oferta dedinero

(14) inflacion relativa a la de EU

(7) crecimiento de M1 (15) M2/reservas internacionales(8) nivel de M1

Real (1) crecimiento real del PIB (6) crecimiento en salarios(2) crecimiento per-capita (7) tasa de desempleo(3) nivel de la produccion (8) crecimiento del empleo

(4) diferencia en la produccion (9) cambios en los precios de las ac-ciones

(5) salarios reales en la industria manufac-turera

Fiscal (1) deficit fiscal/PIB (4) credito interno al sector publi-co/credito total

(2) deficit fiscal/gasto publico relativo a losEstados Unidos

(5) crecimiento en el credito al sectorpublico

(3) Gasto publico/PIB (6) crecimiento del credito al sectorpublico/PIB

Institucional/estructural (1) dummy tipo de cambio multiple (6) apertura(2) dummy de controles de tipo de cambio (7) concentracion del comercio(3) PIB per-capita relativo (8) meses con tipo de cambio fijo(4) dummy de liberalizacion financiera (9) crisis cambiarias en el pasado

(5) dummy de crisis bancaria (10) evento de mercado cambiario enel pasado

Polıticas (1) dummy victoria del partido en el gob-ierno

(6) transferencias ilegales del poderejecutivo

(2) dummy derrota del partido en el gob-ierno

(7) grado de inestabilidad polıtica

(3) elecciones (8) gobierno de izquierda(4) cambio de gobierno (9) nuevo ministro de finanzas(5) transferencias legal del poder ejecutivo

Contagio (1) crisis en cualquier otra parte

Los Indicadores

Las fuentes incluyen Internacional Financial Statistics (IFS) del FMI,World Develop-

ments Indicators del Banco Mundial, S&P Emerging Markets Data Base y Bloomberg.

Multiplicador de M2: la razon de M2 a base monetaria (lınea 34 mas 35 IFS.) divi-

didas por lınea 14 IFS.

Credito domestico/PIB nominal: lınea 52 IFS dividida por lınea 99b IFS (interpola-

da). PIB nominal mensual se interpola con datos anuales y trimestrales.

Tasa de interes real a depositos: lınea 60l IFS tasas mensuales, deflactadas usando

los precios al consumidor (lınea 64 IFS) expresadas en terminos porcentuales.

Razon de tasa activa a pasiva: lınea 60p IFS divididas por lınea 60l.

Excesos de saldos reales de M1: M1 (lınea 34 IFS) deflactada usando los precios al

consumidor (lınea 64 IFS) menos un estimado de la demanda de dinero. La de-

manda por saldos reales es determinada por PIB real (interpolacion lınea 99b IFS),

inflacion y una tendencia de tiempo. La inflacion es usada en lugar de tasas de

interes nominales debido a que tasas de interes determinadas por el mercado no

estan disponibles para el periodo completo para todos los paıses; la tendencia de

tiempo (que puede ser incorporada como log-lineal, lineal, o exponencial) es mo-

tivada por su papel como una aproximacion a la innovacion financiera y/o susti-

tucion de una divisa.

113

APENDICE B. LOS INDICADORES 114

M2 (en dolares)/reservas (en dolares): lınea 34 IFS mas 35 convertido a dolares (us-

ando lınea ae IFS) dividida por lınea 1L.d.

Depositos bancarios: lınea 24 mas 25 IFS.

Exportaciones (en dolares): lınea 70 IFS.

Importaciones (en dolares): lınea 72 IFS.

Terminos de intercambio: el valor unitario de las exportaciones (lınea 74 IFS) entre

el valor unitario de las importaciones (lınea 75 IFS).Para aquellos paıses en donde

el valor unitario de las importaciones (o ındices de precios de las importaciones)

no estaban disponibles, un ındice de precios de exportaciones manufactureras de

los paıses industriales a los paıses en vıas de desarrollo fue usado.

Tipo de cambio real: basado en el ındice de precios al consumidor (lınea 64 IFS) y

definido como el precio relativo de los bienes comerciables (en divisa local) al pre-

cio de los no comerciables. Si el banco central del paıs analizado fija su divisa al

Dolar (o al Marco aleman), el ındice de precios externo relevante es el de Esta-

dos Unidos (o Alemania).Por lo tanto para todos los paıses Europeos el ındice de

precios al consumidor externo es el de Alemania, mientras para todos los demas

paıses el ındice de precios al consumidor en Estados Unidos fue usado. La ten-

dencia fue especificada como, alternativamente, log-lineal, lineal, y exponencial;

el mejor ajuste entre estos fue seleccionado paıs por paıs.

Reservas: lınea 1L.d IFS.

Diferencial tasa de interes interna a externa: tasas mensuales en puntos porcentuales

(lınea 60l IFS). Las tasas de interes en el paıs son comparadas con las tasas de in-


teres en Estados Unidos (o Alemania) si el paıs fija su divisa al Dolar (o marco

aleman). La tasa de interes real esta dada por 100× [(1 + it)] pt/pt+1−1]

Produccion industrial: para la mayorıa de los paıses, la produccion industrial (lınea

66 IFS). Sin embargo, para algunos paıses (los exportadores de basicos) un ındice

de produccion de bienes basicos es usado (lınea 66aa IFS).

Precios de las acciones (en dolares): S&P/IFCI

Balance presupuestal/PIB: balance presupuestal publico consolidado como porcenta-

je del PIB (World Bank Debt Tables).

Saldo en cuenta corriente como porcentaje del PIB: (World Bank, Base de datos del

World Development Report disponible en CD ROM).

Saldo en cuenta corriente como porcentaje de la inversion: la cuenta corriente di-

vidida por la inversion (World Bank, Base de datos del World Development Report

disponible en CD ROM).

Flujos de capital de corto plazo: Flujos de capital de corto plazo como porcentaje

del PIB, (World Bank, Base de datos del World Development Report disponible en

CD ROM).

Inversion extranjera directa (IED): IED como porcentaje del PIB (World Bank, Base

de datos del World Development Report disponible en CD ROM).

Gasto gubernamental/PIB: Gasto gubernamental, basado en las cuentas nacionales

como porcentaje del PIB, tasa de crecimiento anual (World Bank, Base de datos del

World Development Report disponible en CD ROM).


Credito neto al sector publico por parte del banco central/PIB: Tasa de crecimien-

to anual (World Bank, Base de datos del World Development Report disponible en

CD ROM).

Credito neto al sector publico/PIB: Tasa de crecimiento anual (World Bank, Base de

datos del World Development Report disponible en CD ROM).

Expectativas derivadas del precio de las opciones:

• Straddle: No estan disponibles directamente en Bloomberg, pero la volatilidad

es la misma a la de las opciones plain vanilla At-the-money forward con codigo

USTBV3M para el caso de Tailandia para los demas paıses basta sustituir TB por

el codigo del paıs, por ejemplo para Mexico MX.

• Risk Reversal: codigo USTBRR3M en Bloomberg.

• Strangle: No estan disponibles directamente en Bloomberg, pero es equivalente

a la volatilidad de los Butterfly Spread con codigo USTBB3M.

• Spot: THB es el codigo en Bloomberg para el Baht de Tailandia; la convencion

internacional es la primera y tercera letra del nombre del paıs mas la primera

letra del nombre de la moneda, por ejemplo para el caso del peso mexicano

MXN.

• Forward: TB3M es el codigo en Bloomberg para el caso del Forward del Baht de

Tailandia; para cualquier otro paıs basta con sustituir TB por el codigo del paıs,

por ejemplo para el caso de Mexico TB por MX.

• Tasa de Interes Implıcita: TBI3M es el codigo en Bloomberg para el caso de la

tasa de interes implıcita del Forward del Baht de Tailandia; para cualquier otro


paıs basta con sustituir TB por el codigo del paıs, por ejemplo para el caso de

Mexico TB por MX.

• Tasa de Interes Externa e Interna: lınea 60B IFS.

Resolucion del sistema de ecuaciones de la Me-

dia y Varianza de una distribucion lognormal

M = eµ+ σ22

V = e(2µ+σ2)(

eσ2 − 1)

2ln (M) = 2(

µ +σ2

2

)

2ln (M) = 2µ + σ2

VM2 = eσ2 − 1

VM2 + 1 = eσ2

σ2 = ln(

VM2 + 1

)

µ = ln (M) +ln(

VM2 + 1

)2

118

Delta

C (.) = e−rτ[FN(d1)− XN(d2)]

donde

d1 = ln( FX )+ 1

2 σ2τ

σ√

τy d2 = d1 − σ

√τ

δC (.)δF

= Fe−rτ δN (d1)δF

+ e−rτ N (d1)− Xe−rτ δN (d2)δF

dado que....

δN(d1)δF = n(d1)

Fσ√

τy δN(d2)

δF = n(d2)Fσ√

τ

, por lo tanto....

δC (.)δF

= Fe−rτ n (d1)Fσ√

τ+ e−rτ N (d1)− Xe−rτ n (d2)

Fσ√

τ

como—-

Fe−rτXe−rτn(d2)

Fe−rτ

Fσ√

τ− Xe−rτ n (d2)

Fσ√

τ= 0

CF = −e−rτ N(d1)

119

Breeden-Litzenberger

La funcion del precio de una opcion europea tipo call usando Black-Scholes/Garman-

Kohlhagen y sustituyendo el spot por el forward es:

C (.) = e−rτ[FN(d1)− XN(d2)]

donde

d1 = ln( FX )+ 1

2 σ2τ

σ√

τy d2 = d1 − σ

√τ

δC (.)δX

= Fe−rτ δN (d1)δX

− Xe−rτ δN (d2)δX

− e−rτ N(d2)

dado que....

δN(d1)δX = −n(d1)

Xσ√

τy δN(d2)

δX = −n(d2)Xσ√

τ

, por lo tanto....

δC (.)δX

= Fe−rτ δN (d1)δX

− Xe−rτ δN (d2)δX

= −Fe−rτ n (d1)Xσ√

τ+ Xe−rτ n (d2)

Xσ√

τ

como—-−Fe−rτXe−rτn (d2)

Fe−rτXσ√

τ+

Xe−rτn (d2)Xσ√

τ= 0

CX = −e−rτ N(d2)

120

APENDICE E. BREEDEN-LITZENBERGER 121

y derivando nuevamente....

CXX = −e−rτ δN(d2)δX

CXX = −e−rτ

[−n (d2)Xσ√

τ

]

Bibliografıa

[1] Emerging markets strategy. Lehman Brothers.

[2] Early warning system—anticipating balance of payments crises in latin ameri-

ca. Citicorp Securities Inc (Mayo 1998).

[3] A. ADES, R. MASIH Y D. TENENGAUZER. Gs-watch: A new framework for pre-

dicting financial crisis in emerging markets. Informe tecnico, Goldman Sachs

(1998).

[4] B. BAHRA. Implied risk-neutral probability density functions from option

prices: theory and application. Informe tecnico, Bank of England (1997).

[5] A. BERG, E. BORENSZTEIN, G. M. MILESI-FERRETTI Y C. PATTILLO. Antici-

pating balance of payments crises–the role of early warning systems. Informe

tecnico, Washington, D.C: International Monetary Fund (1999). IMF Ocassional

Paper.

[6] A. BERG, E. BORENSZTEIN Y C. PATTILLO. Assessing early warning systems:

How have they worked in practice. IMF Working Paper (2004).

[7] A. BERG Y C. PATTILLO. Are currency crises predictable? a test. IMF Staff Papers

46(2), 1 (1999).

122

BIBLIOGRAFIA 123

[8] F. BLACK Y M. S. SCHOLES. The pricing of options and corporate liabilities.

Journal of Political Economy 81(3), 637–54 (1973).

[9] R. BLISS Y N. PANIGIRTZOGLOU. Testing the stability of implied probability

density functions. Informe tecnico, Bank of England (2000).

[10] D. T. BREEDEN Y R. H. LITZENBERGER. Prices of state-contingent claims im-

plicit in option prices. Journal of Business 51(4), 621–51 (1978).

[11] M. BUSSIERE Y M. FRATZSCHER. Towards a new early warning system of fi-

nancial crises. Informe tecnico, European Central Bank (Mayo 2002).

[12] G. A. CALVO Y F. S. MISHKIN. The mirage of exchange rate regimes for emerg-

ing market countries. Journal of Economic Perspectives 17(4) (2003). Otono.

[13] G. A. CALVO Y C. M. REINHART. Fear of floating. Informe tecnico, National

Bureau of Economic Research (Noviembre 2000).

[14] J. M. CAMPA, K. CHANG Y J. F. REFALO. An options-based analysis of emerg-

ing market exchange rate expectations: Brazil’s real plan, 1994-1997. Informe

tecnico, University of Southern California (1999).

[15] R. CANTOR Y F. PACKER. Determinants and impacts of sovereign credit ratings.

Informe tecnico 9608, Federal Reserve Bank of New York (1996).

[16] P. CARR Y L. WU. Stochastic skew models for fx options. Informe tecnico,

Columbia University (2004).

[17] G. CORSETTI, P. PESSENTI Y N. ROUBINI. Paper tigers? a model of the asian

crisis. Working paper, National Bureau of Economic Research (1998).

BIBLIOGRAFIA 124

[18] J. C. COX Y S. A. ROSS. The valuation of options for alternative stochastic

processes. Journal of Financial Economics 3, 145–166 (1976).

[19] R. DORNBUSCH. A primer on emerging market crises. Informe tecnico, Massa-

chusetts Institute of Technology (Enero 2001). Revised.

[20] R. DORNBUSCH Y A. WERNER. Mexico: Stabilization, reform and no growth.

Brookings Papers of Economic Activity 1, 253–315 (1994).

[21] A. DRAZEN. Contagious currency crises. mimeo (1997).

[22] P. DRUCKER. The global economy and the nation-state. Foreign Affairs (1997).

[23] B. EICHENGREEN, A. K. ROSE Y C. WYPLOSZ. Exchange market mayhem: the

antecedents and aftermath of speculative attacks. Economic Policy 21, 249–312

(1995).

[24] G. FERRI, L. G. LIU Y J. E. STIGLITZ. The procyclical role of rating agencies:

Evidence from the east asian crisis. Economic Notes 28(3), 335–355 (Noviembre

1999).

[25] R. P. FLOOD Y P. M. GARBER. Collapsing exchange rate regimes: Some linear

examples. Journal of International Economics 17, 1–13 (1984).

[26] FMI. Informe anual. Informe tecnico, Fondo Monetario Internacional (2002).

[27] FMI. Informe anual. Informe tecnico, Fondo Monetario Internacional (2004).

[28] J. A. FRANKEL Y A. K. ROSE. Currency crashes in emerging markets: an em-

pirical treatment. Informe tecnico, Board of Governors of the Federal Reserve

System (1996).

BIBLIOGRAFIA 125

[29] J. FURMAN Y J. E. STIGLITZ. Economic crises; evidence and insights from east

asia. Brookings Papers of Economic Activity 2, 1–114 (1998).

[30] P. M. GARBER, R. L. LUMSDAINE Y M. V. DER LEIJ. Alarm clock. Informe

tecnico, Deutsche Bank (2000).

[31] M. B. GARMAN Y S. W. KOHLHAGEN. Foreign currency option values. Journal

of International Money and Finance 2, 231–237 (1983).

[32] S. GERLACH Y F. SMETS. Contagious speculative attacks. European Journal of

Political Economy 11, 45–63 (Marzo 1995).

[33] M. GOLDSTEIN, G. L. KAMINSKY Y C. M. REINHART. “Assessing Financial

Vulnerability: An Early Warning System for Emerging Markets”. Institute for

International Economics (2000).

[34] IMF. Early warning system models: The next steps forward. in global financial

stability report. Informe tecnico, International Monetary Fund (Marzo 2002).

[35] G. L. KAMINSKY. Currency and banking crises: the early warnings of distress.

Informe tecnico, Board of Governors of the Federal Reserve System (1998).

[36] G. L. KAMINSKY. Currency crises: The early warning of distress. George Wash-

ington University (2004).

[37] G. L. KAMINSKY, S. LIZONDO Y C. REINHART. Leading indicators of currency

crisis. IMF Working Paper (1997).

[38] G. L. KAMINSKY Y C. M. REINHART. The twin crises: the causes of banking

and balance-of-payments problems. Informe tecnico, Board of Governors of the

Federal Reserve System (1996).

BIBLIOGRAFIA 126

[39] G. L. KAMINSKY Y C. M. REINHART. On crises, contagion, and confusion.

Journal of International Economics 51(1), 145–168 (2000).

[40] K. KIMBROUGH Y S. L. JEN. An early warning system for currency crises. In-

forme tecnico, Morgan Stanley Dean Witter (2001).

[41] P. KRUGMAN. A model of balance-of-payments crises. Journal of Money, Credit

and Banking 11(3), 311–25 (1979).

[42] P. KRUGMAN. Are currency crises self-fulfilling? NBER Macroeconomics An-

nual (1996).

[43] P. KRUGMAN. Currency crises. http://web.mit.edu/krugman/www/crises.html

(1998a).

[44] P. KRUGMAN. What happened to asia? MIT (1998b).

[45] M. KUMHOF, S. LI Y I. YAN. Balance of payments crises under inflation target-

ing. Informe tecnico 00020, Stanford University (Diciembre 1999).

[46] E. LEVY-YEYATI Y F. STURZENEGGER. Exchange rate regimes and economic

performance. IMF Staff Papers 45(Issue 0 (Special)), 62–98 (2001).

[47] A. M. MALZ. Option-implied probability distributions and currency excess

returns. Informe tecnico, Federal Reserve Bank of New York (1997).

[48] C. MILLS Y E. OMAROVA. Predicting currency crises—a practical application

for risk managers. Informe tecnico, National Associaton for Business Econo-

mists (2003). This paper was awarded a NABE Contributed Paper and was

presented at the NABE Annual Meeting on September 15, 2003.

BIBLIOGRAFIA 127

[49] F. S. MISHKIN. Can inflation targeting work in emerging market countries?

Informe tecnico, International Monetary Fund (Abril 2004). Festschrift in honor

of Guillermo A. Calvo.

[50] M. OBSTFELD. The logic of currency crises. Cahiers Economiques et Monetaires,

Banque de France (43) (1994).

[51] A. D. PERSAUD. Event risk indicator handbook. Informe tecnico, JP Morgan

(1998).

[52] S. RADELET Y J. SACHS. The onset of the east asian financial crisis. Informe

tecnico 6680, National Bureau of Economic Research (Agosto 1998).

[53] C. M. REINHART Y K. S. ROGOFF. The modern history of exchange rate

arrangements: A reinterpretation. Informe tecnico, National Bureau of Econom-

ic Research (Mayo 2002).

[54] A. K. ROSE Y L. SVENSSON. European exchange rate credibility before the fall.

European Economic Review 38, 1185–1216 (1994).

[55] A. ROY Y M. M. TUDELA. Emerging market risk indicator (emri):re-estimated

version september 2000. Informe tecnico, Credit Suisse First Boston (2001).

[56] M. RUBINSTEIN. Implied binomial trees. Journal of Finance 49, 771–818 (1994).

[57] J. SACHS, A. TORNELL Y A. VELASCO. Financial crises in emerging markets:

The lessons from 1995. Brookings Papers of Economic Activity 1, 147–215 (1996).

[58] S. W. SALANT Y D. W. HENDERSON. Market anticipations of government poli-

cies and the price of gold. Journal of Political Economy 86(4), 627–48 (1978).

[59] R. SHILLER. Market volatility. Cambridge MIT (1989).

BIBLIOGRAFIA 128

[60] D. SHIMKO. Bounds of probability. Risk 6/4, 33–37 (1993).

[61] D. YERGIN. “Commanding Heights: The Battle for the World Economy”. PBS

(2002).

predicción de crisis cambiarias con la inclusion de expectativas a través de opciones financieras

Documents

Transcript of predicción de crisis cambiarias con la inclusion de expectativas a través de opciones financieras