Analizando los determinantes del sistema financiero peruano

Presentado como parte del curso de Econometra II, Facultad de Ciencias Sociales, PUCP.

Integrantes: Csar Aguayo 20099074 Selene Cueva 20100983 Cristina Glave 20100067 Juan Palomino 20099067 Profesor: Gabriel Rodriguez Jefe de Prctica: Augusto Delgado Lima, 15 de Octubre del 2013

CONTENIDO
I. INTRODUCCIN ................................................................................................................................ 3 II. MARCO TERICO ............................................................................................................................ 3 III. ANLISIS DE LAS VARIABLES .................................................................................................. 7 3.1 CREDITO ...................................................................................................................................... 7 3.2 PRODUCTO BRUTO INTERNO (PBI).............................................................................. 11 3.3 INFLACIN .............................................................................................................................. 16 3.4 TIPO DE CAMBIO .................................................................................................................. 20 3.5 CANTIDAD DE DINERO ...................................................................................................... 24 3.6 TERMINOS DE INTERCAMBIO ......................................................................................... 30 3.7 TASA INTERBANCARIA DLARES ................................................................................. 35 V. CONCLUSIONES ............................................................................................................................ 39 VI. BIBLIOGRAFA ............................................................................................................................. 40

I. INTRODUCCIN
Sin duda, en los pases en desarrollo, el sector financiero cumple un papel importante en el logro de los objetivos de crecimiento y desarrollo de un pas, ya sea por su influencia para determinar el nivel de ahorro o para asignar nuevos fondos a consumo e inversin presente. No obstante, antes de pensar en formas de mejorarlo, es necesario evaluar la manera en la cual este responde tanto a polticas como a los shocks o si tiene larga memoria, es decir, raz unitaria. Y, debido a que el sistema financiero no es una variable per se, sino que es un constructo, es fundamental ahondar en los principales determinantes del mismo. El presente trabajo tiene como objetivo principal analizar las series macroeconmicas que intervienen en el desarrollo del sistema financiero. Asimismo, se evaluar cmo debe testearse la hiptesis de raz unitaria bajo un contexto de quiebre estructural de manera correcta.

II. MARCO TERICO

Desde que Schumpeter (1911) propuso que los servicios prestados por el sistema financiero son determinantes en el crecimiento econmico y la innovacin tecnolgica, ha existido relativo consenso en la literatura acerca de la importancia del desarrollo de este sector para el crecimiento sostenido a largo plazo. El sistema financiero peruano an no se encuentra tan desarrollado como sus pares mundiales. Esto se infiere a partir de su tamao de flujos de capital, el relativo pequeo nmero de derivados financieros y otros. No obstante, se encuentra en constante crecimiento, aumentando el consumo presente y la inversin para grandes y pequeas empresas. El presente trabajo evaluar series econmicas que afectan el desarrollo del sistema financiero. De esta manera se analizar cada seria a travs del mtodo de Box-Jenkins, llamado as por los estadsticos Goerge box y Gwilym Jenkins, el cual se aplica a modelos ARMA y ARIMA para encontrar el mejor ajuste de una serie temporal con el objetivo de mejorar sus pronsticos (Vandele: 1983). El mtodo original utiliza un enfoque de modelado iterativo en tres etapas; primero, se identifica y selecciona el modelo; segundo, se estiman los parmetros usando algoritmos de clculo; tercero, se comprueba modelo estimado. No obstante, aqu se usar solo la primera etapa. Mediante un anlisis grfico, se busca asegurar la estacionariedad de la serie, identificar si existe un componente de estacionalidad y a travs del uso de los grficos de las funciones de autocorrelacin y autocorrelacin parcial de la serie para decidir cul componente, de ser el caso, debe utilizarse en el modelo, sea AR o MA.

Para la eleccin de las variables a analizar, se ha tomado como variable representativa del sistema bancario al crdito bancario. Esta ser la variable endgena, que por efectos prcticos se asumir como colocaciones brutas de crdito. Por otro lado, siguiendo a Espino (2013), se ha decidido que las siguientes variables resultan representativas para poder analizar el sistema financiero peruano. Cuadro 1.- Variables a Analizar Variable del Sistema Bancario Variables Macroeconmicas 1. Crdito bancario 1. PBI real 2. Inflacin Variacin de Precios 3. Tipo de cambio real 4. Dinero (M1) 5. Trminos de intercambio 6. Tasa de inters dlares Elaboracin: Propia Observando la importancia de cada variable y siguiendo la revisin de la literatura realizada por BIS (2011) , existe una relacin positiva importante entre PBI y crdito. Existe una doble causalidad entre estas variables, ya que el otorgamiento de crditos impulsa la demanda agregada y por ende la actividad econmica a la vez que un mejor entorno econmico favorece la demanda y oferta de crdito debido a la disminucin del riesgo de los prestatarios. Asimismo, Bebczuk et al. (2011) concluyen que para, pases desarrollados, se observa una mayor direccin de causalidad crdito-producto. Mientras que pases en desarrollo, como Per, muestran una mayor relacin de causalidad producto crdito por lo que la variable PBI real ser fundamental para nuestro anlisis. La relacin entre la inflacin y el crdito ha sido ms estudiada por Khan et al. (2001), quien estima valores umbrales de inflacin para los cuales la relacin se vuelve negativa con el crecimiento del crdito al sector privado. Relacin aplicable para el Per debido a que en periodos de hiperinflacin (pasando los umbrales) el sistema financiero peruano ha disminuido de manera significativa, prefiriendo solicitar crditos extranjeros. Vale acotar que, desde que el BCRP ha adoptado un esquema de metas explcitas de inflacin, esta se ha mantenido dentro del rango meta, favoreciendo al entorno real y financiero. Respecto al tipo de cambio, Edwards (1989) seala que ante un incremento de este, la demanda por crditos en moneda extranjera disminuir y el de moneda nacional aumenta. Por otro lado, en una economa en que el mercado desempea un papel significativo, las tasas de inters ejercen una influencia que penetra en

todas las decisiones y resultados econmicos. Una relacin similar guiara a los trminos de intercambio y el crdito. Finalmente, la cantidad de dinero y las tasas de inters son capaces de influir sobre el crdito en el sentido de que, como polticas monetarias, son capaces de influir de distintas maneras sobre otras variables macro. Mientras la cantidad de dinero es capaz de determinar la cantidad de liquidez en la economa, las tasas de inters interbancaria sirven de qua a los bancos al colocar sus tasas de inters. Este ltimo efecto, claro est, disminuido por el relativo pequeo sistema financiero y el spread financiero propio de una economa dominada por pocos y grandes bancos. . (Yi e Ibaez : 2005). Para este trabajo se ha elegido solo la tasa de inters de dlares, asumiendo un comportamiento parecido a la tasa de inters en soles Por otro lado, para analizar la hiptesis de raz unitaria se han utilizado los siguientes tests: Test Dickey-Fuller Aumentado (ADF). De Said & Dickey (1984)

Test ptimo en un punto (Pt) de ERS (1996)

El test Zt y u de Phillips-Perron (1988)

Adems, se evaluar la hiptesis de raz unitaria bajo un contexto de quiebre estructural. Antes de ello, se realizarn tests para determinar qu series necesitan analizarse bajo este contexto. Entre los test a ultilzar se ha optado por el test CUSUM cuadrado propuesto por Page (1954) y test Quant- Andrews. El primero se

refiere a la suma de la suma acumulada, la cual lo vuele un mtodo recursivo. Muestras de un proceso son asignadas con pesos y sumados de la siguiente manera:

Y S es el excedente de cierto valor umbral, que determina cuando se ha encontrado un cambio. Solo detecta choques positives. Por su parte, basndose en Quandt, Andrews (1993), modifica el test de Chow y permite puntos de quiebre desconocidos. Bsicamente, performa el test de Chow para cada observacin para el intervalo y calcula el supremun del estadstico: No se ha usado el test de Chow pues este solo sirve para detectar si existe quiebre cuando la fecha de este se da de manera exgena. Una vez encontrada la fecha del cambio, usando una dummy correctora es posible mejorar los modelos. No obstante, la pregunta relevante es cmo puede testearse la hiptesis de raz unitaria ante la presencia de quiebre estructural. Vale recalcar que es muy importante determinarla pues de otra manera puede aceptarse la hiptesis nula cuando es falsa, incurriendo en errores predictivos como seala Perron (1989). Esto debido a que, aunque se trabaja con series de tiempo estacionarias con shocks no permanentes, la presencia de un gran shock quiebre estructural es capaz de cambiar la relacin no estacionaria entre las variables. No obstante, este paper tuvo muchas crticas debido a que determinada la fecha del punto de quiebre de manera exgena (data mining). Es por ello que, para este trabajo, se ha tomado como test para evaluar la hiptesis nula al de Zivot y Andrews (1992), el cual determina el punto de quiebre de manera endgena, a travs de las siguientes frmulas:

En donde lambda es el punto de quiebre e inf. hace referencia al mtodo infimun Aqu la hiptesis nula se presenta como un proceso con raz unitaria sin cambio estructural exgeno VS. La hiptesis alternativa que es un proceso TS con posible cambio estructural. Por otra parte, podemos hacer una comparacin entre todos los test tradicionales (ADF, PP, ERS) y el test de Zivot y Andrews pero nos damos cuenta que dos de ellos no son muy relevantes, por lo cual solamente se hace una comparacin entre EL test ADF y el test de Zivot y Andrews para ver el punto de quiebre del modelo. Por ltimo debido a que las series a analizar parten desde 1990, se ha evitado trabajar con outliers, por lo cual no se ha usado en ningn caso los test M de Rodriguez (2003)

III. ANLISIS DE LAS VARIABLES

3.1 CREDITO
Esta variable es la variable representativa del sistema bancario en este trabajo. El crdito tiene una fuerte relacin el producto del pas, por eso es importante ver cmo del sistema bancario se puede influir en el producto real o el sector real. En el siguiente grfico se puede ver el movimiento de la serie del crdito en soles en el Per desde el ao 1992, ao a partir del cual se tienen datos mensuales.
CREDIT
10.5

10.0

9.5

9.0

8.5

8.0

7.5 92 94 96 98 00 02 04 06 08 10 12

Los datos tomaron del BCRP muestran que el crdito ha ido creciendo desde el ao 1992, ao desde el cual se tienen datos mensuales. Debido a que se trata se datos mensuales, es necesario que realizar un proceso de des-estacionalizacin. Se obtiene una serie muy parecida a la que tiene el componente estacional.
10.5

10.0

9.5

9.0

8.5

8.0

7.5 92 94 96 98 00 CREDIT 02 04 06 08 10 12

CREDIT_SA

La serie parece seguir una tendencia creciente a lo largo del tiempo. Inicialmente se ve que crece a una tasa (pendiente) menor que en la segunda dcada; esto podra mostrar la presencia de un quiebre estructural entre los fines de la dcada de los 90 o los inicios del siglo XXI.

Para continuar con el mtodo Box-Jenkins se presenta el siguiente correlograma:

De este correlograma se puede observar que existe autocorrelacin en la variable. Debido a que se presenta una forma de escalera del lado derecho de la autocorrelacin podemos afirmar que se trata de una autocorrelacin positiva AR(p). En la parte de la autocorrelacin parcial, slo se sobrepasa la banda de confianza la primera barra, entonces se trata de un AR con grado p igual 1. Se procede a estimar el modelo AMRA(1,0) de la siguiente manera: _ = 0 + 1 _1 + Despus de realizar una estimacin simple por least squares podemos evaluar si es que estos coeficientes son o no significativos en la regresin. Los resultados se muestran en el siguiente cuadro: Dependent Variable: CREDIT_SA Method: Least Squares Sample (adjusted): 1992M02 2013M01 Included observations: 252 after adjustments Variable Coefficient Std. Error t-Statistic C 10.70945 0.274651 38.99299 CREDIT_SA(-1) 0.992064 0.001413 702.2905 R-squared 0.999493 Mean dependent var Adjusted R-squared 0.999491 S.D. dependent var S.E. of regression 0.014399 Akaike info criterion Sum squared resid 0.051832 Schwarz criterion Log likelihood 712.0638 Hannan-Quinn criter. F-statistic 493211.9 Durbin-Watson stat Prob(F-statistic) 0.00000 Inverted AR Roots =.99

Prob. 0.0000 0.0000 9.317516 0.638438 -5.635427 -5.607416 -5.624156 0.935928

Como se ve en el cuadro ambos coeficientes 0 y 1 son significativos al 1%; lo cual significa que el intercepto en el modelo y un rezago de la variable _ explican el modelo. Proseguimos a analizar la presencia de raz unitaria en esta serie. Es decir, si existe un alto nivel de persistencia en los choques que la puedan afectar. Se realizaron tres diferentes test: el Dickey-Fuller Aumentado, el estadstico semi paramtrico de Phillips y Perron, y el Pt de mnimos cuadrados generalizados de Elliot, Rottenberg y Stock. Los resultados se muestran en la siguiente tabla: Estadstico ADF Lag Length: 12 Basado en modificado Estadstico PP AIC -2.462128 -3.065930 1% V.C. 5% V.C. 10% V.C. 1% V.C. 5% V.C. 10% V.C. -3.996754 -3.428660 -3.137757 -3.994891 -3.427758 -3.137225

Ancho de la banda: 10 Seguin Newey-West usando Barlett Kernell Estadstico ERS (Pt) 29.00567 Lag Length: 12 Basado en el AIC modificado

1% V.C. 5% V.C. 10% V.C.

4.026150 5.649400 6.867950

Estos resultados muestran para el caso de los tres test realizados que no se puede rechazar la hiptesis nula de la existencia de raz unitaria. Estos resultados nos indican las series tienen raz unitaria por lo que los choques tienen una alta persistencia. Si nos fijamos nicamente en el resultado del ADF obtenemos lo siguiente:

rea de rechazo

rea de no rechazo -3.137757 -3.065930

Sin embargo, estos resultados se pueden ver afectados por la presencia de algn quiebre estructural.

Para ilustrar la estabilidad del modelo utilizamos el test de cusum cuadrado:

1.2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 92 94 96 98 00 02 04 06 08 10 12

CUSUM of Squares

5% Significance

Este grfico muestra la posible existencia de un punto de quiebre en el ao 20002001. Esto se refiere a que el modelo es inestable en esos aos ya que se acercan mucho a las bandas de confianza. Debido a esto, es necesario realizar un test de raz unitaria que presente quiebre estructural. Utilizando el comando en el programa E-Views 8 se puede realizar el test de Zivot y Andrews.

Zivot-Andrews Unit Root Test Sample: 1992M01 2013M01 Chosen break point: 1998M07 Zivot-Andrews test statistic 1% critical value: 5% critical value: 10% critical value: t-Statistic -2.804271 -5.57 -5.08 -4.82 Prob. * 0.746953

Los valores en la tabla nos indican que no se puede rechazar la hiptesis nula. El estadstico no alcanza a obtener ni el 10% de significancia, razn por la cual concluimos que la serie desestacionalizada del crdito presenta una raz unitaria con quiebre en el intercepto y en la tendencia. Debido a esto, es una dificultad trabajar con esta serie ya que no es estacionaria.

3.2 PRODUCTO BRUTO INTERNO (PBI)

Como ya se seal previamente en el marco terico, existe una relacin positiva importante entre PBI y crdito. Sobre todo, en pases en desarrollo, como el Per, un entorno econmico favorable, representado por un PBI en crecimiento, favorece al aumento de la oferta y demanda por crditos y el desarrollo del sistema financiero. A continuacin se presenta la serie del PBI mensual en logaritmos obtenida del BCRP y trabajada con E-views. Esta comienza a partir de enero de 1992 hasta julio del 2013. Se observa una serie con picos marcados por los reveses propios de las estaciones productivas del ao.
Y
5.8 5.6 5.4 5.2 5.0 4.8 4.6 4.4 4.2 92 94 96 98 00 02 04 06 08 10 12

Tras desestacionalizar la serie, se obtiene la siguiente serie suavizada (en rojo). A travs de ella, se observa que se ha mantenido una tendencia positiva con el paso de los aos. No obstante, tambin se observa algunos declives durante 1996, 1999, 2000 y 2008. Los resultados de las polticas de sinceramiento de los precios y fomento de la inversin privada se observan marcadamente a partir de 1993. No obstante, en 1996 se redujo la tasa de crecimiento a un 2.5% en promedio. Luego el PBI volvi a recuperarse hasta que cay de nuevo en 1999, en donde fue afectado en parte por la crisis del petrleo y en el 2000, en donde el contexto poltico hacia la transicin democrtica marcaba una nueva era. A partir de entonces, el PBI peruano ha venido creciendo en promedio 6%, pero en el 2009 tuvo una mediana cada debido a la crisis financiera internacional. Esto gener que solo creciera en 1.12%, caracterstica ms o menos similar a la de otros pases latinoamericanos con abundancia de recursos naturales y exportaciones de bienes primarios. Por otro lado, se observa que la desestacionalizacin s resulta significativa, suavizando los datos con respecto a un promedio.

5.8 5.6 5.4 5.2 5.0 4.8 4.6 4.4 4.2 92 94 96 98 00 Y 02 04 Y_SA 06 08 10 12

Analizando el correlograma respectivo, y usando la metodologa de Box-Jenkins se observa lo siguiente:

Prestando atencin a la columna de autocorrelacin, la alta persistencia de una escalera. Asimismo, como la salida de las bandas se presenta a la derecha del grfico, puede concluirse que nuestro modelo posee una parte AR. Por otro lado, observando la columna de autocorrelacin parcial, se observa que no existe presencia de escalera; por lo cual, no habr parte MA para este modelo. Asimismo, solo el primer rezago en autocorrelacin parcial se sale de su banda. Se concluye que este es un modelo ARMA(1,0). De esta manera, se estima nuestro modelo de la siguiente manera:

_ = 0 + 1 _1 + En donde y_sa es igual al Producto Bruto Interno desestacionalizado. De esta manera, se pasa a estimar el modelo a travs del mtodo de Mnimos Cuadrados Ordinarios (MCO). Se obtienen los siguientes resultados: Dependent Variable: Y_SA Method: Least Squares Sample (adjusted): 1992M02 2013M07 Included observations: 258 after adjustments Variable Coefficient Std. Error M_SA1 0.999691 0.004449 C 0.005715 0.022064 R-squared Mean dependent var 0.994956 Adjusted R-squared 0.994936 S.D. dependent var S.E. of regression Akaike info criterion 0.021837 Sum squared resid 0.122077 Schwarz criterion Log likelihood Hannan-Quinn criter. 621.5464 F-statistic Durbin-Watson stat 50497.15 Prob(F-statistic) 0.000000

t-Statistic Prob.
224.7157 0.259006 0.0000 0.7958 4.954532 0.306875 -4.802685 -4.775143 -4.791610 2.903386

Se concluye que el coeficiente asociado a la variable _1 es significativo. Asimismo, el modelo en conjunto, _1 ms una constante es adecuado pues la Probabilidad del F- estadstico es de 0.0. Tanto el R cuadrado como el R cuadrado ajustado se encuentran cercanos a 1, lo cual verificara la existencia de autocorrelacin y el buen ajuste del modelo. A continuacin se proceder a evaluar la presencia de quiebre estructural. Como paso preliminar, se utilizar el test de Cusum cuadrado debido a que nos restringe a unos parmetros que nos indica la estabilidad estructural de la serie.

1.2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 92 94 96 98 00 02 04 06 08 10 12

CUSUM of Squares

5% Significance

Se observa un cambio a partir de febrero de 1997. Parecera ser un cambio en la tendencia. Ahora, para testear la hiptesis de raz unitaria bajo un contexto de quiebre estructural se usar el test de Zivot & Andrews. Pero antes, se comparar con el test Dickey Fuller aumentado, tambin llamado ADF usando el AIC modificado. Los resultados son los siguientes: Null Hypothesis: Y_SA has a unit root Exogenous: Constant, Linear Trend
Lag Length: 13 (Automatic - based on Modified AIC, maxlag=15)

t-Statistic ADF test statistic Test critical values:

-1.385343

Prob.*
0.8631

1% level 5% level 10% level

-3.995956 -3.428273 -3.137529

Se observa que hay un t-estadstico muy bajo, por lo cual se puede concluir que no se rechaza la hiptesis nula de que hay test de raz unitaria. Adems el p-value es alto. Es decir la serie del PBI s tiene raz unitaria. A partir del siguiente grfico se muestra la zona de rechazo y no rechazo al 5% y en dnde cae nuestro t-estadstico.

rea de rechazo -3.428

rea de no rechazo -1.3853

Analizando ahora el test de Zivot & Andrews se concluye lo siguiente: Zivot-Andrews Unit Root Test Sample: 1992M01 2013M07 Chosen break point: 2000M04 Zivot-Andrews test statistic 1% critical value: 5% critical value: 10% critical value: t-Statistic --3.685969 -5.57 -5.08 -4.82 Prob. *
0.000564

En primer lugar, el punto de quiebre elegido es diferente al elegido con el test CUSUM, pues este sealaba a febrero de 1997 y el Z&A muestra, a partir de los datos, que este debera ser en abril del 2000, durante la transicin democrtica sealada anteriormente. Por otro lado, el t-estadstico se encuentra por debajo del valor crtico para el 10%, as que, a pesar de testear con cambio estructural, no se rechaza la hiptesis nula de raz unitaria. Es decir, la serie del PBI s tiene raz unitaria, sea o no corregido por quiebre estructural. Es de larga memoria.
Zivot-Andrew Breakpoints -0.5 -1.0 -1.5 -2.0 -2.5 -3.0 -3.5 -4.0 92 94 96 98 00 02 04 06 08 10 12

En conclusin, la serie del tipo de cambio no es estacionaria. Se podra tratar el problema del quiebre estructural con el uso de variables dummy.

3.3 PRECIOS
A continuacin se presenta la serie de precios, o nivel de inflacin acumulada. Esta ha sido obtenida de las series mensuales del BCRP desde enero de 1991 a enero del 2013. Se ha elegido pues, como se ha sealado en el marco terico, ya que los precios pueden tener una relacin negativa con el crdito; en caso estos aumenten ms de lo esperado, las personas dejarn de pedir crditos para aumentar su consumo presente. De esta manera, un nivel de precios alrededor de lo esperado colabora con el desarrollo del sistema financiero.
INFLA
5.0

4.5

4.0

3.5

3.0

2.5

2.0 92 94 96 98 00 02 04 06 08 10 12

Los datos fueron tomados de la pgina del BCRP. Sin embargo, debido a que se estn tomando datos mensuales es necesario desestacionalizarlos. Ahora, podemos ver la grfica de ambas series. Se puede notar que siguen un recorrido muy similar.
5.0

4.5

4.0

3.5

3.0

2.5

2.0 92 94 96 98 00 INFLA 02 04 INFLA_SA 06 08 10 12

Tambin es necesario recalcar que no estaban disponibles datos mensuales para periodos previos. Se reconoce que se est trabajando con una serie sin los outliers propios de 1990 y otros. La serie muestra una tendencia positiva pronunciada a principios de los noventa. La misma que va decreciendo conforme va pasando el tiempo. Debe recalcarse que desde el 2003 el BCRP ha implantado el modelo de inflation targeting o metas explcitas de inflacin, lo cual ha ayudado a mantener la inflacin dentro de cierto rango. Hoy en da, el Per es el pas con la segunda

menor tasa de inflacin de Latinoamrica, con un 2.5%. Segn las proyecciones del Fondo Monetario Internacional, para el 2015, ser la ms baja con 2.1%1 Por otro lado, analizando el correlograma de la serie con el mtodo Box-Jenkins, se observa lo siguiente:

Con lo cual puede concluirse, observando la columna de autocorrelacin, que la alta persistencia de una escalera hace referencia a que el modelo cuenta con una parte AR. Asimismo, debido a que esta se dirige a la derecha, puede inferirse que es positiva. Por otro lado, observando la columna de autocorrelacin parcial, se observa que no existe presencia de escalera; por lo cual, no habr parte MA para este modelo. Asimismo, solo el primer rezago en autocorrelacin parcial se sale de su banda. Se concluye que este es un modelo ARMA(1,0). De esta manera, se estima nuestro modelo de la siguiente manera: _ = 0 + 1 _1 + En donde inflase es igual a la variacin de precios desestacionalizada. De esta manera, se pasa a estimar el modelo a travs del mtodo de Mnimos Cuadrados Ordinarios (MCO). Se obtienen los siguientes resultados:

Noticia obtenida del Portal Web de Amrica Economa. http://www.americaeconomia.com/economia-mercados/finanzas/peru-mantiene-expectativa-dela-menor-inflacion-en-la-region-el-2014

1

Dependent Variable: INFLA_SA Method: Least Squares Sample (adjusted): 1991M01 2013M01 Included observations: 265 after adjustments Variable Coefficient Std. Error INFLA_SA1 0.965997 0.001043 C 0.153879 0.004458 R-squared Mean dependent var 0.999694 Adjusted R-squared 0.999693 S.D. dependent var S.E. of regression Akaike info criterion 0.008050 Sum squared resid Schwarz criterion 0.017041 Log likelihood Hannan-Quinn criter. 902.8525 F-statistic Durbin-Watson stat 858292.9 Prob(F-statistic) 0.000000

t-Statistic
926.4410 34.51741

Prob.
0.0000 0.0000 4.258475 0.459043 -6.798887 -6.771870 -6.788032 0.649342

Se concluye que el coeficiente asociado a la variable _1 es significativo. Asimismo, el modelo en conjunto: _1 ms una constante es adecuado pues la Probabilidad del F- estadstico es de 0.0. Tanto el R cuadrado como el R cuadrado ajustado se encuentran cercanos a 1, lo cual verificara la existencia de autocorrelacin y el buen ajuste del modelo. A continuacin se proceder a evaluar la presencia de quiebre estructural. Como paso preliminar, se utilizar el test de Cusum cuadrado debido a que nos restringe a unos parmetros que nos indica la estabilidad estructural de la serie
1.2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 92 94 96 98 00 02 04 06 08 10 12

CUSUM of Squares

5% Significance

Se observa que podra haber un quiebre estructural desde febrero de 1991. El mismo que podra estar asociado con un cambio en la pendiente de la variacin de precios. Debe recordarse que al principio de los noventas la pendiente se encontrada menos inclinada que en la actualidad.

Para testear la hiptesis de raz unitaria bajo un contexto de quiebre estructural se usar el test de Zivot & Andrews. Pero antes, se comparar con el test Dickey Fuller aumentado, tambin llamado ADF usando el AIC modificado. Los resultados son los siguientes: Null Hypothesis: INFLA_SA has a unit root Exogenous: Constant, Linear Trend
Lag Length: 13 (Automatic - based on Modified AIC, maxlag=15)

t-Statistic ADF test statistic Test critical values:

-5.093720

Prob.*
0.0002

1% level 5% level 10% level

-3.993885 -3.427271 -3.136938

Observando los valores crticos, puede concluirse que la serie de inflacin rechaza la hiptesis nula de raz unitaria. Es decir, no tiene larga memoria a partir de 1991. Esto tal vez debido al esquema de inflation targeting del BCRP. Por otro lado, se presenta un grfico con los valores crticos al 5%

rea de rechazo -5.0937 -3.427

rea de no rechazo

Si rechaza la hiptesis nula y tiene cambio estructural (como lo sugera el test Cusum), lo ms probable es que tambin testeando raz unitaria bajo un contexto de cambio estructural, la hiptesis nula se rechace. No obstante, se usar test Zivot & Andrews para contrastar. Zivot-Andrews Unit Root Test Sample: 1990M12 2013M01 Chosen break point: 2009M05 t-Statistic Zivot-Andrews test statistic 1% critical value: 5% critical value: 10% critical value:
-12.99139 -5.57 -5.08 -4.82

Prob. *
0.555004

Se observa que, corrigiendo el cambio estructural, se rechaza la hiptesis nula de raz unitaria con mayor magnitud. No obstante, el quiebre elegido por Z&A ahora es Mayo del 2009 debido a que estos usan el mtido infimun que elige como punto de quiebre a aquel que minimiza el t-estadstico. Es obvio que elegir esta

observacin a pesar de no ser un punto de quiebre. Por lo cual puede concluirse que para la serie de inflacin a partir de enero de 1991 no existe quiebre estructural evaluado por Z&A. Adems, esta serie s es estacionaria.
Zivot-Andrew Breakpoints -4

-6

-8

-10

-12

-14 92 94 96 98 00 02 04 06 08 10 12

3.4 TIPO DE CAMBIO

El tipo de cambio es una variable macroeconmica de mucha importancia. Esta influye fuertemente en la demanda de crdito en dlares y en soles, es decir, influye en el sistema financiero. Asimismo, esta es una variable que es afectada por los choques internacionales. La ltima crisis financiera represent una apreciacin de la moneda como tambin otras veces ha representado una depreciacin. Esto, adems, demuestra el nivel de dolarizacin del pas. En el siguiente grfico se muestra la serie macroeconmica del tipo de cambio mensual desde enero del ao 1994.
TC
3.8 3.6 3.4 3.2 3.0 2.8 2.6 2.4 2.2 2.0 1994

1996

1998

2000

2002

2004

2006

2008

2010

2012

Los datos fueron tomados de la pgina del BCRP. Sin embargo, debido a que se estn tomando datos mensuales es necesario des-estacionalizarlos. Ahora, podemos ver la grfica de ambas series. Se puede notar que siguen un recorrido muy similar.
3.8 3.6 3.4 3.2 3.0 2.8 2.6 2.4 2.2 2.0 1994

1996

1998

2000

2002 TC

2004

2006

2008

2010

2012

TC_SA

En la grfica podemos notar un incremento alto desde 1994 hasta 1998. A partir de ese ao se estabiliz en un rango el cual iba disminuyendo. La crisis internacional del 2008 gener una abrupta cada de esta variable. Luego de una pequea subida, sigui bajando hasta el presente ao. Entonces, podra haber la existencia de hasta dos puntos de quiebres. Ms adelante se har el anlisis del caso. Para continuar con el anlisis de esta serie, vamos a revisar el correlograma con la intencin de identificar si existe persistencia en los choques que puedan afectar a esta variable. Veamos el siguiente correlograma:

Bajo el mtodo de Box-Jenkins se puede identificar a primera vista si es que se trata de un modelo ARMA(p,q) y en qu grado. Este correlograma nos muestra una forma de escalera del lado derecho de la autocorrelacin, por lo que se demostrara que es un AR(p). Para hallar el nivel p del grado de autocorrelacin es necesario revisar el lado de la correlacin parcial, donde se ve que slo en la primera barra se superan las bandas de confianza. Es decir, esta serie es un ARMA(1,0). Procedemos a estimar el modelo de la siguiente manera: = 0 + 1 1 + El tipo de cambio es explicado en el tiempo segn una constante y el tipo de cambio del periodo pasado. Los resultados fueron los siguientes:

Dependent Variable: TC_SA Method: Least Squares Sample (adjusted): 1994M09 2013M01 Included observations: 221 after adjustments Variable Coefficient Std. Error C 0.028124 0.017476 TC_SA(-1) 0.991170 0.005714 R-squared 0.992773 Mean dependent var Adjusted R-squared 0.992740 S.D. dependent var S.E. of regression 0.034453 Akaike info criterion Sum squared resid 0.259961 Schwarz criterion Log likelihood 431.7797 Hannan-Quinn criter. F-statistic 300085.47 Durbin-Watson stat Prob(F-statistic) 0.00000 Inverted AR Roots =.99

t-Statistic 1.609294 173.4516

Prob. 0.1090 0.0000 3.032567 0.404366 -3.889409 -3.858656 -3.876991 1.211459

Los resultados de la tabla muestra que la constante no es significativa para el modelo, mientras que el primer rezago s lo es. Es decir que slo la variable 1 explica el modelo del tipo de cambio desestacionalizado. Proseguimos a analizar la presencia de raz unitaria en esta serie. Es decir, si existe un alto nivel de persistencia en los choques que la puedan afectar. Se realizaron tres diferentes test: el Dickey-Fuller Aumentado, el estadstico semi-paramtrico de Phillips y Perron, y el Pt de mnimos cuadrados generalizados de Elliot, Rottenberg y Stock. Los resultados se muestran en la siguiente tabla:

Estadstico ADF Lag Length: 1 Basado en BIC Estadstico PP Ancho de la banda: 7 Segn Newey-West usando Kernell de Barlett Estadstico ERS (Pt) Lag Length: 4 Basado en el AIC modificado

-1.533046

1% V.C. 5% V.C. 10% V.C.

-3.460035 -2.874495 -2.573751 -3.459898 -2.874435 -2.573719 1.91880 3.17990 4.346500

-1.616812

1% V.C. 5% V.C. 10% V.C.

38.38019

1% V.C. 5% V.C. 10% V.C.

Para el caso de los resultados de los tres test presentados en la tabla no se puede rechazar en ninguno la hiptesis nula de la presencia de raz unitaria en la series. Es decir, esta serie no es estacionaria. No obstante, los resultados podran estar siendo afectados por algn quiebre estructural. Realizamos el test de Quandt-Andrews para ubicar las fechas de los posibles quiebres estructurales. En marzo de 1999 parece ser la fecha de un quiebre estructural segn el test de Quandt-Andrews. Esto se puede comparar con el grfico del comportamiento del tipo de cambio en el tiempo. Se encuentra un claro cambio, donde se pasa de un gran incremento durante la dcada de los 90 hasta el 2000 momento en el que se mantiene constante en un rango y va cayendo paulatinamente. Resultados del test de Quandt-Andrews: Estadstico Maximun LR F-statistic (1999M03) Maximun Wald F-statistic (1999M03)

Valor 19.48272 19.48272

P-Value 0.0015 0.0015

Estos resultados muestran que existe un quiebre en el mes de marzo del ao 1999. Debido a la presencia de quiebre, es necesario realizar un test de raz unitaria con presencia de quiebre. Utilizando el comando en el programa E-Views 8 se puede realizar el test de Zivot y Andrews.

Zivot-Andrews Unit Root Test Sample: 1992M01 2013M01 Chosen break point: 1998M11 Zivot-Andrews test statistic 1% critical value: 5% critical value: 10% critical value: t-Statistic -4.727098 -5.57 -5.08 -4.82 Prob. * 0.179550

Los valores en la tabla nos indican que no se puede rechazar la hiptesis nula. Es decir, la serie presenta raz unitaria con quiebre estructural en el intercepto y la tendencia.
Zivot-Andrew Breakpoints 1

-1

-2

-3

-4

-5 1994

1996

1998

2000

2002

2004

2006

2008

2010

2012

Este resultado se asemeja al punto de quiebre elegido por el Quandt-Andrews. Adems, coinciden con el anlisis de la serie inicial, donde se puede interpretar que existe un quiebre en el ao 1998 aproximadamente. En conclusin, la serie del tipo de cambio no es estacionaria. Se podra tratar el problema del quiebre estructural con el uso de variables dummy.

3.5 CANTIDAD DE DINERO

Esta serie macroeconmica fue tomada en cuenta debido a que el dinero tiene como rol principal ser un instrumento de poltica monetaria, es decir, con ella se puede controlar su oferta y otro tipo de liquidez para conseguir un objetivo econmico. Asimismo, el dinero es un activo financiero que tiene la propiedad de ser completamente lquido, es decir, es el activo que permite a quien lo posee efectuar cambios y pagos directamente. Por otra parte, hemos visto que la cantidad de dinero en la historia del sector financiero peruano ha jugado un papel muy importante debido a que hace unos

aos atrs no pudo ser controlada por las polticas monetarias y apareci una hiperinflacin que no solo desestabilizo la economa sino que tambin hizo que empresas del sector financiero quebraran o extranjeras se vayan del pas ocasionando una crisis mucho mayor. Por dichas razones se ha escogido como una serie que puede afectar el sector financiero peruano. Veamos con datos tomados del BCRP lo que ocurri despus de dicho evento en el Per. Para ello se coloca una grfica que se consigui hacer con el programa EViews:
CANTIDAD DE DINERO_SA
12

11

10

6 92 94 96 98 00 02 04 06 08 10 12

Se observa en la siguiente grfica des-estacionalizada que la cantidad de dinero ha mantenido una tendencia a travs de los aos positiva y esto se debe al entorno macroeconmico que habido a travs de los aos; por ejemplo, a inicios de los 90 se inici un programa de reformas estructurales (desregulacin de mercados y disminucin de la actividad estatal) y un manejo monetario dirigido a abatir la inflacin. Adems, con estas reformas se buscaba brindar un marco estable para mejorar la eficiencia y ahorro nacional, con el fin de un crecimiento sostenible a largo plazo. De esta manera, el Banco Central sigui un esquema de poltica monetaria que procura solo un objetivo que es la estabilidad de precios, basndose en el uso de instrumentos monetarios directos. Se puede ver tambin que hay una elevacin desde el 1994 hasta el 1998 y esto es debido a un posible quiebre estructural que se analizar ms adelante y de ah contina con su tendencia positiva hasta el da de hoy. Para comenzar a analizar la serie, primero se debe tomar en cuenta que hay que sacarle logaritmo ya que sus datos contienen cantidades grandes y son series nominales. Luego de ello, se realiza una desestacionalizacin, pero aqu hay que tener en cuenta que no va ver mucho cambio ya que no es un porcentaje ni una tasa de crecimiento para realizar esto; aun as se realiza para que pueda observarse la comparacin:

12

11

10

6 92 94 96 98 00 M 02 04 M_SA 06 08 10 12

Como podemos ver, cuando se desestacionaliza, la serie no cambia mucho con respecto de la original. Adems se puede apreciar un posible quiebre estructural entre los primeros aos, dicho anlisis se dar ms adelante. Por otra parte, para seguir con el anlisis, se tendr que escoger un modelo que pueda explicar dicha serie macroeconmica y para ello se sigue la metodologa Box-Jenkins que consiste en un anlisis estricto de los correlogramas:

Con este correlograma se puede observar que hay una autocorrelacin sobre la variable muy persistente y como toda la barra de escalera se encuentra a la parte derecha se puede decir que es un modelo AR positivo, mientras que la parte de correlacin parcial nos dice el grado del AR. En este caso, solo vemos que hay uno

que pasa los lmites y; por lo tanto, podemos decir que esta serie macroeconmica trabaja bajo un modelo ARMA(1,0), tal y como se describe a continuacin: __ = 0 + 1 __1 + Con esta idea, el lector puede pasar a corroborar bajo una estimacin least squares si es que los coeficientes de las variables son significativos y pueden explicar el modelo. Veamos el siguiente cuadro: Dependent Variable: M_SA Method: Least Squares Sample (adjusted): 1992M02 2013M08 Included observations: 259 after adjustments Variable Coefficient Std. Error M_SA1 0.994789 0.001365 C 0.064108 0.012587 R-squared 0.999517 Mean dependent var Adjusted R-squared 0.999515 S.D. dependent var S.E. of regression 0.022821 Akaike info criterion Sum squared resid 0.13385 Schwarz criterion Log likelihood 612.5335 Hannan-Quinn criter. F-statistic 531475.6 Durbin-Watson stat Prob(F-statistic) 0

t-Statistic 729.0237 5.093265

Prob. 0 0 9.181822 1.036046 -4.714544 -4.687078 -4.703501 1.942515

Podemos ver que ambos coeficiente asociado a la __1 y 0, son significativas al 1% y por lo tanto si pueden explicar nuestro modelo. Ahora, para trabajar los test de raz unitaria vamos a analizar antes si existe un quiebre estructural en la serie. Esto debido a que un cambio estructural en una serie puede darse de manera inesperada en cualquier momento. Esto pueda hacer que se incurran en enormes errores predictivos y poca confiabilidad de nuestro modelo. Por otra parte, si se trabaja con series de tiempo no estacionario donde los choques tienen efectos permanentes, puede caber la posibilidad que un choque importante en la economa pueda cambiar la relacin que guarda las variables en cuestin. En el caso del sector financiero, hay muchas variables que puedan tener quiebre estructural. Uno de los test para detectar quiebre estructural es el test de Chow, sin embargo solo nos indica si una regresin con datos antes del quiebre estructural y otra realizada con datos a partir de ste, son diferentes. Por ello, nosotros usaremos el

test de CUSUM cuadrado el cual nos indica en que posibles fechas dentro de un margen de la muestra si existi quiebres estructurales. Veamos la grfica:
CUSUMSQ DINERO 1.2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 92 94 96 98 00 02 04 06 08 10 12

CUSUM of Squares

5% Significance

Como podemos observar en la grfica, la lnea azul se sale de las lneas rojas, las cual nos indica la estabilidad en el modelo. Con esto se puede mencionar que existe una inestabilidad entre julio del 1994 y abril de 1995, y tambin casi a finales del ao 2000. Para poder trabajar ante este quiebre estructural lo que se debe hacer es crear una variable dummy en el cual se pueda corregir esta inestabilidad y poder trabajar luego de una manera adecuada. Entonces, luego de haber corregido por dummy esta serie, se presenta de nuevo el test de CUSUM cuadrado para ver si es que se corrigi.
Cusumsq dinerod 1.2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 1994

1996

1998

2000

2002

2004

2006

2008

2010

2012

CUSUM of Squares

5% Significance

A continuacin, se compara el test ADF y el test de Zivot y Andrews para ver el punto de quiebre del modelo. Comenzamos con el test ADF: ADF test statistic Test critical values: t-Statistic Prob.* -2.304837 0.4293 -3.995645 -3.428123 -3.13744

1% level 5% level 10% level

Y entonces podemos observar que a un nivel de 1%, 5% y 10% no se rechaza la hiptesis nula de raz unitaria ya que los valores crticos estn a la derecha del testadstico. Podemos tambin observar el p-value que es 0.42 y se llega a la conclusin de que est por encima del nivel de significacin pre-fijado 5% y; por lo tanto, la probabilidad de equivocarnos si rechazamos la nula es mayor de lo que estamos dispuestos a permitir; luego no la rechazamos.Se puede decir que esta serie tiene una raz unitaria y por lo tanto no es estacionaria.

rea de rechazo -3.427

rea de no rechazo -2.3048

Ahora probemos con el test de Zivot y Andrews: Zivot-Andrews Unit Root Test Sample: 1992M01 2013M08 Included observations: 260 Null Hypothesis: M_SA1 has a unit root with a structural break in the intercept Chosen lag length: 4 (maximum lags: 4) Chosen break point: 1998M07 t-Statistic Prob. * Zivot-Andrews test statistic -4.377704 0.000387 1% critical value: -5.34 5% critical value: -4.93 10% critical value: -4.58 Esta tabla nos indica que la hiptesis nula tiene una raz unitaria con punto de quiebre en el intercepto en 1998 Julio. Esto pues su valor crtico asociado es menor a los valores crticos tabla, incluso al 10%. Asimismo, veamos la grfica que nos da el test de Zivot y Andrews:

Podemos apreciar que escoge el punto endgeno por mediados del ao 1998. Este punto en comparacin del test ADF no est sesgado ya que considera el quiebre al momento de testear la serie. En conclusin, la serie tiene tanto cambio estructural como raz unitaria.

3.6 TERMINOS DE INTERCAMBIO

Los trminos de intercambio miden el ratio relativo entre los precios de las exportaciones y de las importaciones de un pas, y puede expresar asimismo la evolucin del precio de los productos exportados de los pases, calculado segn el valor de los productos que importa, a lo largo de un periodo, para saber si existen aumentos o disminuciones. Se ha considerado esta variable ya que muchas veces la vulnerabilidad del sistema financiero puede, en parte, ser causada por la volatilidad macroeconmica. Es decir, puede ocurrir por las fluctuaciones en los trminos de intercambio. Con el siguiente ejemplo se puede escenificar esto: Un deterioro en los trminos de intercambio, reduce la capacidad de pago del deudor. Existen varios estudios empricos que demuestran que una declinacin de 10% o ms en los trminos de intercambio, gener, en el 75% de los pases en desarrollo, una crisis bancaria. Los pases con una baja diversificacin de las exportaciones son ms susceptibles a experimentar una crisis bancaria Veamos la evolucin de los trminos de intercambio entre un periodo mensual desde los 90 hasta la actualidad:

TI_SA
5.0

4.9

4.8

4.7

4.6

4.5

4.4 90 92 94 96 98 00 02 04 06 08 10 12

Entonces, con esta grfica, puede concluirse que la serie ha presentado muchas oscilaciones en el tiempo y no habido un gran crecimiento de los trminos de intercambio. Esto es importante porque rige la estabilidad en el mercado financiero. Asimismo, en el Per, los trminos de intercambio es un indicador de bienestar de la sociedad. Para esta variable tenemos que considerar tambin los logaritmos debido a que son cantidades nominales. Adems, se realiza una desestacionalizacin; sin embargo, la serie no vara mucho ya que no es un porcentaje ni una tasa de crecimiento. Esto puede observarse en la siguiente grfica:
5.0

4.9

4.8

4.7

4.6

4.5

4.4 90 92 94 96 98 00 TI 02 04 TI_SA 06 08 10 12

Continuando con el anlisis de la estacionariedad, se tendr que escoger un modelo que pueda explicar dicha serie macroeconmica y para ello se sigue la metodologa Box-Jenkins que consiste en un anlisis estricto de los correlogramas:

Como podemos apreciar, el correlograma nos presenta en el lado de la autocorrelacin una escalera persistente, la cual nos dice que un modelo AR y su grado se ven en la correlacin parcial, el cual nos dice que es de grado 1. Por lo tanto, nuestro modelo ser un ARMA (1,0). Este resultado es muy interesante ya que nos vamos dando cuenta que todas las series macroeconmicas financieras en general son de tipo AR (1) y esto se debe a que tienen choque muy prolongado en el tiempo. Este modelo es tal y como se describe a continuacin: = 0 + 1 1 + Con esta idea, el lector puede pasar a corroborar bajo una estimacin least squares si es que los coeficientes de las variables son significativos y pueden explicar el modelo. Veamos el siguiente cuadro: Dependent Variable: TI_SA Method: Least Squares Sample (adjusted): 1990M02 2013M08 Included observations: 283 after adjustments Variable Coefficient Std. Error t-Statistic TI_SA1 0.986577 0.010143 97.26479 C 0.063024 0.04747 1.327664 R-squared 0.971154 Mean dependent var Adjusted R-squared 0.971052 S.D. dependent var S.E. of regression 0.026991 Akaike info criterion Sum squared resid 0.204718 Schwarz criterion Log likelihood 621.7074 Hannan-Quinn criter. F-statistic 9460.44 Durbin-Watson stat Prob(F-statistic) 0

Prob. 0 0.1854 4.677518 0.15864 -4.379558 -4.353795 -4.369228 2.261085

Vemos que el coeficiente de la variable rezago es significativa, mientras que la constante no tanto. Aparte hay un R cuadrado muy alto. Este es un indicador de peligrosidad para series de tiempo ya que existe el riesgo de que la serie sea no estacionaria. Ahora, para trabajar los test de raz unitaria o no estacionariedad vamos a analizar antes si existe un quiebre estructural en la serie. Como se ha sealado desde un comienzo, se usar el test CUSUM cuadrado debido a que nos restringe a unos parmetros que indican la estabilidad estructural de la serie.
cusumsq_ti 1.2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 90 92 94 96 98 00 02 04 06 08 10 12

CUSUM of Squares

5% Significance

Se observa que la lnea azul se sale de los parmetros indicando un quiebre estructural existente. Tal como hemos planteado anteriormente, se usar una dummy para poder corregir este quiebre. El resultado es el siguiente:
cusumsq_ti_sa 1.2 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012

CUSUM of Squares

5% Significance

Como vemos usando este test y la dummy podemos verificar si existe quiebre y corregirlo. Pero otra vez, el debate est en que cuando se usa el test de raz unitaria lo hacemos sobre la variable desestacionalizada que an tiene quiebre, entonces para ello hemos utilizado el test de Zivot y Andrews (1992) sobre la hiptesis de raz unitaria en presencia de quiebre estructural. Veamos la comparacin entre el test ADF y el test de Zivot y Andrews: Null Hypothesis: TI_SA has a unit root Exogenous: Constant, Linear Trend Lag Length: 15 (Automatic - based on AIC, maxlag=15) t-Statistic Prob.* ADF test statistic -2.379136 0.3896 Test critical values: 1% level -3.99267 5% level -3.426682 10% level -3.13659 Vemos que hay un t-estadstico muy bajo, por lo cual se puede concluir que no se rechaza la hiptesis nula de que hay test de raz unitaria. Se puede decir que esta serie tiene una raz unitaria y por lo tanto no es estacionaria. rea de rechazo -3.427 Analicemos ahora el test de Zivot y Andrews: Zivot-Andrews Unit Root Test Sample: 1990M01 2013M08 Chosen break point: 2004M08 Zivot-Andrews test statistic 1% critical value: 5% critical value: 10% critical value: t-Statistic -3.741543 -5.57 -5.08 -4.82 Prob. * 0.000615 rea de no rechazo -2.3791

Aqu podemos observar que el t-estadstico es menor que los valores crticos, por lo cual no se rechaza la hiptesis nula de raz unitaria. El punto endgeno que selecciona E-views es Agosto del 2008 como quiebre estructural. Esto tiene una explicacin y es que todas las recesiones ocurridas en los ltimos sesenta aos en la economa peruana han estado asociadas a cadas de los trminos de intercambio, que son determinadas fundamentalmente por las cadas de los precios externos de las materias primas de exportacin. A partir de julio de 2008, los trminos de intercambio se desploman por vez primera desde la recesin de 1998-2000.

Veamos la grfica que nos genera el test de Zivot y Andrews y nos escoge el punto como quiebre estructural en el 2004.
Zivot-Andrew Breakpoints -1.2 -1.6 -2.0 -2.4 -2.8 -3.2 -3.6 -4.0 90 92 94 96 98 00 02 04 06 08 10 12

En conclusin, podemos ver que esta serie s tiene una raz unitaria y es muy difcil trabajar con ella, para ello tendramos que corregirla generando variables dummy tal y como lo hechos anteriormente.

3.7 TASA INTERBANCARIA DLARES

La relevancia de esta serie macroeconmica permite ser considerada dentro del anlisis como determinante del sistema financiero en el Per. Las operaciones de prstamos entre bancos se desarrollan cada vez dentro de un contexto dinmico, lo cual permite ubicarse dentro de un continuo incremento en el tamao de los mercados interbancarios. Dichas operaciones de los bancos centrales en el mercado monetario (operaciones de mercado abierto) influyen en el volumen agregado de fondos de este mercado, por lo que la tasa interbancaria est directamente influenciada por aquellas transacciones. Es por eso que el BCRP utiliza esta tasa como meta operativa de su poltica monetaria. En algunos casos, se opta por un nivel de referencia para la tasa de inters interbancaria que est de acuerdo con el objetivo de la poltica monetaria. Del mismo modo, si nos ubicamos ms a fondo en el impacto que esta tiene en el sistema financiero, el esquema actual de libre competencia sin controles de tasas de inters ha permitido revertir el proceso de represin financiera que caracteriz nuestra economa hasta comienzos de la dcada de los noventa que redujo el acceso de la poblacin al mercado financiero. Si se hubiese manejado de manera opuesta a ello, las consecuencias, adems de reducir la intermediacin financiera, hubiera inducido a su informalidad, la cual afectara los niveles de ahorro y crdito de la economa.

Una grfica de la serie mensual de la tasa de inters desde noviembre de 1995 hasta enero del 2013 realizada con el programa E-Views nos permitir tener evidencias claras que den sustento a lo mencionado anteriormente:
TINTERDOL_SA
14 12 10 8 6 4 2 0 1996 1998 2000 2002 2004 2006 2008 2010 2012

Como se puede percibir en la serie des-estacionalizada, la evolucin de la tasa interbancaria en dlares mantiene niveles diferenciados por etapas, aunque con la peculiaridad de encontrarse picos y valles a lo largo del intervalo de tiempo del anlisis. Durante los aos 90, como se mencion anteriormente, el control de la tasa interbancaria llev a una reduccin de la intermediacin financiera y el incremento de la informalidad. Las crisis asitica y del petrleo afectaron la cantidad de dlar en una economa en proceso de dolarizacin. Ms adelante, con la liberalizacin, los niveles de las tasas de inters se han reducido en los ltimos aos en paralelo con la reduccin registrada en los niveles esperados de inflacin hasta tasas de un dgito y con la mayor competencia existente en el sistema financiero producto de la entrada de nuevas instituciones financieras del pas y del exterior. Para iniciar con el anlisis de la serie, es importante considerar algunos aspectos previos. Aplicar logaritmo a la serie no es relevante pues no se est tratando con porcentaje o alguna tasa de crecimiento para realizar aquello; sin embargo, la comparacin requiere algn sustento grfico como el que se presenta a continuacin: 14
12 10 8 6 4 2 0 1996 1998 2000 2002 TINTERDOL 2004 2006 2008 2010 2012

TINTERDOL_SA

A continuacin, se optar por escoger un modelo que pueda explicar esta serie macroeconmica. Para ello se hace uso de la metodologa Box-Jenkins

A partir del correlograma presentado, se observa una correlacin muy persistente y como toda la barra de escalera se encuentra en la parte derecha implicara considerarlo como un proceso AR positivo, mientras que la parte de la correlacin parcial nos dice el grado del AR. En este caso, vemos solamente que en el primer rezago se pasa del lmite, por lo que podemos inferir que esta serie macroeconmica sigue un proceso ARMA (1,0), tal como se describe: _ = 0 + 1 _1 + Analizando este modelo con MCO, se obtienen los siguientes resultados: Dependent Variable: TINDERDOL_SA Method: Least Squares Sample (adjusted): 1995M11 2013M01 Included observations: 207 after adjustments Variable Coefficient Std. Error TINDERDOL_SA1 0.954360 0.018408 C 3.667173 1.244009 R-squared 0.929139 Mean dependent var Adjusted R-squared 0.928794 S.D. dependent var S.E. of regression 0.803312 Akaike info criterion Sum squared resid 132.2885 Schwarz criterion Log likelihood -247.3798 Hannan-Quinn criter. F-statistic 2688.007 Durbin-Watson stat Prob(F-statistic) 0

t-Statistic 51.84600 2.947868

Prob. 0 0.0036 4.201349 3.010407 2.409467 2.441667 2.422488 2.141985

Podemos ver que ambos coeficientes (1) y 0 , son significativas al 1% y por lo tanto pueden explicar el modelo. Despus de ello, el anlisis se desarrolla por el uso de tests de raz unitaria para evaluar la posible presencia de quiebre estructural en la serie. Por ello, se realizan dos tests: el Dickey-Fuller aumentado bajo el criterio modificado Akaike, y el test de Zivot y Andrews para ver el punto de quiebre del modelo. Los resultados se muestran en la siguiente tabla: ADF test statistic Test critical values: t-Statistic Prob.* -2.177256 0.4993 -4.003226 -3.431789 -3.139601

1% level 5% level 10% level

Mediante esta tabla se observa que a un nivel de 1%, 5% y 10% no se rechaza la hiptesis nula, ya que los valores crticos estn a la derecha del t-estadstico. Se puede concluir que esta serie tiene una raz unitaria y por tanto no es estacionaria. Zona de rechazo -3.4317 -3.4317 Zivot-Andrews Unit Root Test Sample: 1995M10 2013M01 Chosen break point: 2001M04 Zivot-Andrews test statistic 1% critical value: 5% critical value: 10% critical value: t-Statistic -3.401942 -5.57 -5.08 -4.82 Prob. * 0.112297 Zona de no rechazo -2.177 -2.1772

Los valores en la tabla nos indican que no se puede rechazar la hiptesis nula, la cual tiene una raz unitaria con punto de quiebre en el intercepto en Abril del 2001. La grfica refleja los datos obtenidos:

V. CONCLUSIONES
1. En primer lugar se presenta un cuadro sumarizando los resultados obtenidos en el presente trabajo. Todas las series observadas resultan ser AR (1) excepto para la serie de inflacin. Esto, tal vez debido al esquema de inflation targeting adoptado por el BCRP en el 2003 es eficiente.

Variable 1. Crdito bancario 2. PBI real 3. Precios 4. Tipo de cambio real 5. Dinero (M1) 6. Trminos de intercambio 7. Tasa de inters dlares

Modelo Estimado ARMA (1,0) ARMA (1,0) ARMA (1,0) ARMA (1,0) ARMA (1,0) ARMA (1,0) ARMA (1,0)

Quiebre Estructural S S No S S S S

I(O) No No S No No No No

2. Para testear hiptesis de raz unitaria bajo contexto de quiebre estructural, es necesario aplicar otro t-estadstico distinto al ADF. No siempre los puntos de quiebre asociados definidos con otros tests (como CUSUM o Quandt-Andrews) son iguales a los arrojados por el tests de Zivot & Andrews, infimun, que asocia el punto de quiebre con el mnimo t-estadstico para cada observacin. 3. Debe sealarse como limitacin del trabajo las pocas observaciones debido a que, en periodos mensuales, estas solo estn disponibles a partir de 1990 -1992. Esto puede conllevar a problemas de potencia con los test estadsticos, ya que se puede aceptar la hiptesis nula cuando esta es falsa en algunas ocasiones. Asimismo, el comenzar desde esos aos ha facilitado el tratamiento de variables como inflacin, pues no se trabaja con outliers propios de la serie. 4. Debido a que se concluye que la mayora de series que determinan al sector financiero peruano poseen raz unitaria, e incluso, la variable tomada como representativa, las colocaciones brutas del crdito bancario, presenta raz unitaria.

VI. BIBLIOGRAFA
BASEL COMMITTEE ON BANKING SUPERVISION - BIS 2011 The transmission channels between the financial and real sectors: a critical survey of the literature, Bank for International Settlements, Working Paper N 18. BEBCZUK, Ricardo, Tamara Burdisso, Jorge Carrera y Mximo Sangicomo 2011 A New Look into Credit Procyclicality: International Panel Evidence, Banco Central de Argentina, Working Paper N 55. KHAN, Mohsin, Abdelhak Senhadji y Bruce Smith 2001 Inflation and Financial Depth, International Monetary Fund, Working Paper N 44. EDWARDS, Sebastian 1989 Exchange Rate Policy en Developing Countries ELLIOTT, G., Rothenberg, T. J. & J. H. Stock 1996 Efficient Tests for an Autoregressive Unit Root", Econometrica, 64 (4), 813 836. ENDERS, Walter 1995 Applied Econometric Time Series, John Wiley & Sons, INC, New York. PERRON Pierre 1989 The Great Crash, the Oil Price Shock, and the unit root Hypothesis, Econometrica,57, 1361-1401. PHILLIPS, P.C.B. and P. Perron 1988 Testing for Unit Roots in Time Series Regression, Biometrika, 75, 335346. SAID E. and David A. Dickey 1984 "Testing for Unit Roots in Autoregressive Moving Average Models of Unknown Order", Biometrika, 71, 599607. SCHUMPETER Joshep 1911 The Theory of Economic Development, Harvard University Press VANDAELE, Walter 1983 Applied time series and Box-Jenkins models. San Diego Academic Press.

YI Fernando e Ibaez Mauricio 2005 Anlisis del Spread Financiero peruano: relevancia y determinantes. En Facultades de Ciencias Econmicas. Piura, Per. ZIVOT, E.y Andrews, D.W. K. 1992 Further evidence on the Great crash, the oil-price shock, and the unit-root hypothesis. Journal of Business and Economic Statistics, Vol. 10, 3, 251-270.