1

Política Cambiaria Endógena: una Aplicación de Modelos de Cambio de Régimen de Markov♥♥

Diego Aboal♣♣, Diego Fernández♠♠ y Nicolás Peyrous♠♠

Junio de 2005

Primera Versión

RESUMEN

En los últimos 25 años Uruguay ha sufrido dos grandes crisis cambiarias y algunos episodios de turbulencia menores, sobre cuyas causas existen ciertas hipótesis y algunos consensos. Sin embargo, no existe una cuantificación del papel que han tenido distintas variables económicas y políticas en el aumento de la probabilidad ex ante de cambio o colapso del régimen, y por tanto, como predictores de su quiebre efectivo. Este trabajo es un primer paso en esa dirección. Mediante la utilización de modelos de cambio de régimen de Markov se analiza la política cambiaria uruguaya en el período 1980-2003. El aporte de este trabajo trasciende el mero análisis de la política cambiaria, ya que es la primera vez que se utiliza en Uruguay este tipo de técnicas (modelo de Markov con probabilidad de transición variable) y sienta por tanto un precedente importante. Entre los principales resultados obtenidos esta la identificación estadística y caracterización de dos regímenes claramente diferenciados en la evolución del tipo de cambio, uno depreciado y uno apreciado. El análisis permite además cuantificar la importancia relativa de variables de economía política y de los fundamentos económicos en la probabilidad de cambio de régimen cambiario. El trabajo da cuenta de varios hechos estilizados de la economía uruguaya en el período 1980 – 2003.

Códigos de clasificación JEL: C22, F31, F36. Palabras clave: crisis cambiarias, modelos de cambios de régimen de Markov, Uruguay.

♥ Este artículo esta basado en un trabajo de investigación monográfico realizado en la FCEA, Universidad de la República de Uruguay, el que fue conducido por Diego Fernández y Nicolás Peyrous y supervisado por Diego Aboal. Se agradecen muy especialmente los comentarios realizados a ese trabajo por Juan José Goyeneche, Alejandro Pena y Andrés Rius. La responsabilidad por los errores y omisiones que permanezcan es de los autores. ♣ CINVE (Uruguay), FCEA Universidad de la República de Uruguay y London School of Economics. d.o.aboal@lse.ac.uk ♠ Universidad de la República de Uruguay. Nicolás Peyrous: nicolaspeyrous@hotmail.com. Diego Fernández: dgfernandez2005@hotmail.com.

2

1. Introducción

Los recientes casos de turbulencias monetarias y financieras sufridos por algunos países

asiáticos y latinoamericanos han puesto nuevamente en primer plano la discusión de las

crisis cambiarias por ataques especulativos o por profecías autocumplidas que afectan

recurrente o excepcionalmente a algunas economías y mercados. En este sentido la

experiencia del Uruguay ilustra claramente la vulnerabilidad que puede tener una

economía emergente ante el cambio de expectativas de los agentes.

Una de las cuestiones más relevantes en la literatura actual de crisis cambiarias y

monetarias es, además de la identificación de procesos de crisis especulativas, la

cuantificación del papel que han tenido distintos factores en tales procesos. En nuestro

caso se pretende conocer la influencia de variables económicas fundamentales y de

economía política sobre las perturbaciones en la política cambiaria del Uruguay.

En el contexto histórico en que se desarrolló la política económica uruguaya, las

decisiones de política no pueden ser entendidas meramente como un conjunto de

instrumentos de técnica económica, diseñado por economistas, que responde a

finalidades estrictamente económicas. Por el contrario, deben entenderse antes que nada

como un plan político, tanto en lo que hace a su diseño, como en lo que se refiere a sus

objetivos, por tanto es importante la consideración de factores de economía política en

el análisis.

Para dar cuenta de estos objetivos, se utiliza en el plano teórico modelos de crisis

cambiarias de segunda generación y en el empírico modelos de cambio de régimen de

Markov. A nivel internacional varios trabajos han seguido este camino con similares

objetivos. Por ejemplo, Jeanne y Masson (2000) y Abiad (2002) desarrollan modelos de

crisis cambiarias con equilibrios múltiples junto a modelos de Markov para modelar

cambios entre estos equilibrios. Los cambios de régimen o de estado se corresponden

con saltos entre los distintos equilibrios, permitiendo modelar la probabilidad de

devaluación de la moneda nacional respecto a la extranjera. A nivel nacional, no existen

antecedentes de trabajos de este tipo.

3

Los modelos de cambio de régimen de Markov con probabilidad de transición constante

y variable permitirán, además de identificar estadísticamente y caracterizar los períodos

de crisis, cuantificar el peso relativo de variables de economía política y de los

fundamentos económicos en la explicación de la probabilidad de cambio de régimen

cambiario en Uruguay en el período 1980-2003.

Una de las principales contribuciones de esta investigación está dada por la aplicación

empírica del método propuesto por Hamilton (1989) y ampliado por Diebold, Lee y

Weinbach (1993) al estudio de la política cambiaria en el Uruguay. Adicionalmente, la

utilización de modelos de crisis cambiarias de segunda generación es también novedoso

en Uruguay.

El artículo se ha estructurado como se describe a continuación. En la sección 2 se

presentan los modelos de crisis cambiaria y en especial un modelo de segunda

generación, debido a Jeanne (1997), que permite ilustrar la aparición de múltiples

equilibrios y que justificará el uso de modelos de Markov para modelizar empíricamente

las crisis cambiarias en Uruguay. En la tercera sección se desarrolla los aspectos

centrales de la técnica econométrica utilizada en la investigación, modelos de cambio de

Markov. En la cuarta sección mediante la utilización de modelos de cambio de régimen

de Markov se analiza la política cambiaria uruguaya en el período 1980-2003, en donde

más allá de los factores económicos analizamos también cómo los factores políticos e

institucionales son relevantes para su caracterización. Finalmente en la última sección se

presenta un resumen junto a las conclusiones de esta investigación.

2. Modelos de crisis cambiarias

En los modelos de primera generación sobre crisis cambiarias (Krugman 1979), los

ataques especulativos contra la moneda doméstica son consecuencia de la inconsistencia

entre la política fiscal, la política monetaria y el tipo de cambio fijo. El deterioro de los

fundamentos económicos (alto déficit fiscal y/o de cuenta corriente, alta inflación, bajo

nivel de reservas internacionales netas, etc), son la señal que toman los especuladores a

la hora de generar una corrida contra las reservas internacionales.

4

Los modelos de segunda generación (Obstfeld 1996) reconocen que existen tanto

beneficios como costos por mantener una paridad fija y que las creencias de los

inversores sobre si la paridad fija se mantendrá o no puede afectar el costo del gobierno

de defenderla. Ante esta situación el gobierno puede evaluar que los beneficios de

realizar una política monetaria expansiva son lo suficientemente altos como para

compensar los costos de abandono del régimen. En estos modelos, los equilibrios

múltiples y las profecías autocumplidas permiten que las crisis se den por la circularidad

inherente: las expectativas de los agentes privados deben ser racionales dado la política

del gobierno, y el comportamiento del hacedor de política debe ser óptimo dado las

expectativas de los agentes.

Finalmente, los modelos de tercera generación entre los cuales se encuentran Chang y

Velasco (1998) y Krugman (1999) tratan de explicar las crisis cambiarias como corridas

bancarias por efecto contagio o a través de problemas de hoja de balance de las

empresas por expectativas pesimistas en cuanto a la evolución de su nivel de riqueza

neta. El nivel de riqueza neta depende en buena parte de cómo evolucione el tipo de

cambio, ya que se asume que las empresas son deudoras netas en moneda extranjera.

Estos modelos también dan origen a equilibrios múltiples y profecías autocumplidas,

pero a diferencia de los modelos de segunda generación la crisis no se explica por el

deseo del gobierno de realizar una política expansiva ante un deterioro muy importante

de las expectativas y de los fundamentos económicos, sino que son consecuencia de

problemas bancarios y deterioro de las hojas de balance de las empresas.

A continuación presentaremos un modelo (de segunda generación), debido a Jeanne

(1997), que permite ilustrar la aparición de múltiples equilibrios y que justificará el uso

de modelos de Markov para modelizar empíricamente las crisis cambiarias en Uruguay.

Definamos St-1 como el régimen cambiario vigente en el período t-1; St-1=1 si el

régimen cambiario vigente es fijo, St-1=2 si el régimen cambiario es flotación. En cada

período t luego de observar la evolución de variables económicas exógenas, y dado que

suponemos que partimos de un régimen cambiario relativamente rígido, las autoridades

deciden sí defender la paridad cambiaria (St=1) o permitir la flotación (St=2). La

dinámica del tipo de cambio en cada período va a depender del régimen cambiario.

5

La decisión del hacedor de política sobre defender el régimen fijo o dar paso a la

flotación de la moneda se toma a través del resultado que surge del análisis costo

beneficio de las alternativas consideradas sobre la política económica.

La función de beneficio neto de mantener el régimen se puede expresar como:

),,( 11 −− ttt sB πφ

donde φt es una variable que refleja todos los fundamentos exógenos que influyen en la

decisión del hacedor de política en cuanto devaluar o no en el momento t, πt-1 es la

probabilidad de que la moneda flote en t, evaluada en el momento t-1 y St-1 es el

régimen cambiario existente. Si 1 1( , , ) 0t t tB sφ π − − ≥ , las autoridades defienden la

moneda, si ),,( 11 −− ttt sB πφ <0, las autoridades dejarán flotar la moneda. La probabilidad

πt-1 afecta la función de beneficio neto a través de, por ejemplo la tasa de interés

esperada, la cuál puede afectar la función de utilidad del gobierno a través de su efecto

en la demanda agregada, en los servicios de la deuda, etc.

St-1, es decir el régimen cambiario imperante en t-1, se diferencia de los otros

fundamentos por varias razones. En primer lugar, los fundamentos recogidos en el

vector φt están en gran parte fuera del control directo del gobierno, mientras que la

elección del régimen cambiario es una variable bajo control de las autoridades. En

segundo lugar, la función de pérdida del gobierno dependerá en gran medida del

régimen cambiario, desde que los fundamentos económicos son diferentes bajo un

régimen de tipo de cambio fijo con respecto a uno de flotación. Finalmente, cuando las

expectativas afectan la función de pérdida del gobierno y crean la posibilidad de

equilibrios múltiples, el régimen cambiario vigente podría ayudar para que las

expectativas se enfoquen hacia un equilibrio en detrimento de otro.

Dada la influencia del régimen cambiario sobre la forma funcional del beneficio neto se

define:

)2,,(),(

)1,,(),(

1112

1111

==

==

−−−

−−−

ttttt

ttttt

sBB

sBB

πφπφπφπφ

6

donde se asume que 1tsB − es una función continua diferenciable en ambos argumentos

(B1>0, B2<0), basta definir adecuadamente el vector φt y suponer que existe un costo

por el cambio de régimen para que estos sean los signos de la derivada primera. Se

agrega el supuesto (técnico) de que cualquiera sea el valor de la probabilidad de

devaluar, existe un valor de los fundamentos para el cual el hacedor de política es

indiferente entre devaluar o no, por ejemplo:

0),(, 1 =∋∃∀ − πφφπ stB

Esta formulación pretende representar en forma sintética la idea de que mientras el

beneficio neto del régimen cambiario fijo depende de los fundamentos, también es

sensible a las expectativas de devaluación. Ceteris paribus, expectativas de devaluación

altas implican que la autoridad monetaria debe mantener altas tasas de interés, lo que

lleva a que el mantenimiento del régimen cambiario fijo sea más costoso a través de

diferentes canales (menores niveles de inversión, consumo y actividad económica,

fragilidad del sector bancario, mayor pago de intereses sobre la deuda pública, etc).

La dinámica del sistema viene dada por la variable de fundamentos exógenos. Se asume

que esta variable es estocástica y se le puede asociar la siguiente función de

distribución:

´ ´

1( , ) Pr( / )t tF φ φ φ φ φ φ+= < =

con la condición impuesta de que 1 0F ≤ , lo cual implicaría que los fundamentos no

estén negativamente correlacionados, esto es que un aumento en los fundamentos en un

período mueva la función acumulativa de distribución en la misma dirección.

El equilibrio se obtiene a través del siguiente razonamiento. En el momento t-1, dado el

nivel de los fundamentos en ese momento, los agentes privados forman sus expectativas

sobre la devaluación para el momento t. Este comportamiento deja en evidencia una

propiedad muy importante para la lógica de las profecías autocumplidas en el modelo:

las expectativas de los agentes racionales son forward looking, y dependen no solo de

7

las expectativas del agente sobre el estado futuro de los fundamentos, si no también de

lo que este agente cree que los demás agentes esperan para el futuro. De esta manera un

agente racional sabe que las expectativas de los otros agentes influirán en el costo de

mantener el régimen cambiario fijo en el siguiente periodo y por lo tanto la probabilidad

objetiva de devaluación.

Sea et*φ el valor umbral de los fundamentos para el cual los agentes esperan que el

hacedor de política devalué, esto significa que los agentes esperan que las autoridades

devalúen si <tφ et*φ , y esperan el mantenimiento de la paridad en caso contrario. En

base a este razonamiento, los agentes esperan una probabilidad de devaluación en el

momento t tal que: * *

1 1 1Pr( / ) ( , )e et t t t t tFπ φ φ φ φ φ− − −= < =

Dadas estas expectativas de los agentes, el problema del hacedor de política consiste en

determinar el valor critico óptimo de los fundamentos, el cual es dado por *tφ . Para este

valor escogido se cumple que:

1 1* * *1 1( , ) ( , ( , )) 0t ts s e

t t t t tB B Fφ π φ φ φ− −− −= =

En equilibrio, con expectativas racionales se cumple que et*φ = *

tφ , tal que *tφ es la

solución de 0)),(,( *1

*1 =−−

tttst FB φφφ y la probabilidad estimada de una crisis será el

valor de πt-1 que satisface 1 *1 1 1Pr( ( , ) 0 / )ts

t t t tBπ φ π φ−− − −= < .

Bajo los supuestos planteados, la última ecuación siempre tiene al menos una solución,

aunque puede tener múltiples soluciones. Recordemos que las expectativas de los

agentes privados deben ser racionales dado la política del gobierno y al mismo tiempo

el comportamiento del hacedor de política debe ser óptimo dada las expectativas de los

agentes. Por tanto, se sostiene que existe una complementariedad estratégica entre las

expectativas del mercado acerca la regla de devaluación del hacedor de política, y la

regla que es actualmente escogida por dicho hacedor. En este sentido, al incrementar el

valor critico e*φ , los agentes llevan al gobierno a soportar el costo de mayores

8

expectativas de devaluación, lo que lleva a su vez al gobierno a revisar al alza su valor

critico actual *φ . Como resultado, equilibrios basados en los fundamentos con

diferentes reglas de devaluación (y diferentes niveles promedio de expectativas de

devaluación) pueden coexistir.

La existencia de múltiples equilibrios permite que la economía salte a través de

diferentes estados con diferentes niveles esperados de devaluación. Dichos saltos entre

los estados estarán relacionados a los fundamentos y a una variable que coordinará las

expectativas del sector privado en un estado o en otro.

A continuación se especifica una forma funcional para el beneficio neto y la dinámica

de movimiento de los fundamentos y se muestra como la especificación del modelo

puede dar lugar a la utilización de un Modelo de Cambio de Markov.

Supongamos que el beneficio neto ahora adopta la forma

1

1

1 1

'

( , )t

t

st t t t

t s t

B

x

φ π φ γπφ δ

−

−

− −= −

= −

donde γ es un parámetro y 1tsδ

−es un vector de parámetros estado dependientes.

Asumimos que el vector xt (fundamentos exógenos) sigue un proceso AR(1),

),0(1

Σ≈+= −

iidN

Axx

t

ttt

εε

La probabilidad en t-1 de una devaluación en t se convierte en:

1

1

1 1

1 1 1

'1 1

' '1 1 1

Pr( ( , ) 0 / )

Pr( 0 / )

Pr( / )

t

t

t t

st t t t

s t t t

s t s t t t

B x

x x

Ax x

π φ πδ γπ

δ ε δ γπ

−

−

− −

− − −

− −

− − −

= <

= − − <

= − < +

Definimos 1

1

't

t

st s tu δ ε−

−≡ − , de forma que 1

1 1 1

' 2(0, ) (0, )t

t t t

st s s su N Nδ δ σ−

− − −≈ Σ ≡ . Por tanto

9

1

1 1 1

' '1 1 1 1 1 1Pr( / ) ( )t

t t t

st t s t t t s t s tu Ax x xπ δ γπ β λ π−

− − −− − − − − −= < + = Φ + .

donde 1 1 1 1

'(1/ ) y ( / )t t t ts u s s sAβ σ δ λ γ σ− − − −

= = .

Como se observa en Jeanne (1997), existen dos condiciones necesarias para la

existencia de equilibrios múltiples.1 Primero, la pendiente de la curva de probabilidad

acumulada de 1 1

'1 1( )

t ts t s txβ λ π− −− −Φ + , cuando alcanza el máximo debe ser mayor que

uno.2 En segundo lugar, los fundamentos económicos deben pertenecer a cierto

intervalo (por ejemplo

∈

−

−φφφ ,t ). Por el contrario, si los fundamentos son tan buenos

que ( φφ−

⟩ ), la probabilidad de devaluar es únicamente definida y cercana a cero. Por

otro lado, si los fundamentos son tan malos que por ejemplo, φφ−

⟨ la probabilidad de

devaluación es también definida únicamente pero cercana a uno.

Un gobierno que se comporte bajo esta racionalidad a la hora de tomar una decisión de

mantener o cambiar de régimen cambiario va a fijarse ciertos valores críticos de las

variables económicas (exógenas). En el caso de que los shocks que afectan las variables

exógenas superen los márgenes de tolerancia fijados y dados los objetivos

explícitamente declarados del gobierno se devaluará. Las variables exógenas tomadas

en cuenta por el gobierno se resumen en el vector φ.

Para resumir, las profecías auto cumplidas aparecerán cuando los parámetros

estructurales de la economía permitan los equilibrios múltiples en las expectativas de

mercado y cuando los fundamentos de la economía se encuentren dentro de cierto

intervalo. Luego, un salto desde una baja hacia una alta probabilidad de devaluación

pasará o no, dependiendo de los animal spirits del mercado.

1 En el caso de equilibrios múltiples, la probabilidad de devaluación deberá tomar tres valores diferentes. Para una explicación detallada ver Jeanne (1997).

10

3. Modelos de cambio de régimen de Markov

Los modelos de cambio de régimen de Markov desarrollados por Hamilton (1989) y

ampliados por Diebold et al. (1993) son apropiados para el análisis empírico de crisis

cambiarias ya que permiten identificar múltiples equilibrios o estados y explicar la

transición desde uno hacia otro. Estas características hacen que sean particularmente

aptos para modelar la probabilidad de devaluación o de cambio de un régimen

cambiario a otro. Esta es la justificación básica para la aplicación de los modelos de

cambio de régimen de Markov en los estudios empíricos de crisis cambiarias. A

continuación, siguiendo a Hamilton (1989) y Diebold et al. (1993), haremos una breve

presentación de estos modelos.

Es posible modelar series de tiempo de variables económicas utilizando modelos no

lineales. En este sentido, una forma de aproximarse al tema es definiendo diferentes

estados del mundo o regímenes, y de permitir la posibilidad de que el comportamiento

dinámico de las variables económicas dependa del régimen que ocurre en cualquier

punto del tiempo. Por comportamiento dinámico, estado – dependiente de una serie de

tiempo, se entiende que ciertas propiedades de las series de tiempo, como sus medias,

sus varianzas y/o autocorrelaciones, son diferentes en distintos regímenes. El análisis se

basa en situaciones donde la existencia de diferentes regímenes es generada por un

proceso estocástico.

El modelo de cambio de régimen desarrollado por Hamilton (1989), con probabilidad de

transición constante, es uno de los más populares para tratar con modelos no lineales de

series de tiempo. Sin embargo, diferentes consideraciones económicas sugieren el deseo

de permitir que las probabilidades de transición sean variables. Diebold et al. (1993)

proponen una clase de modelos de cambio de Markov en los cuales la probabilidad de

transición de régimen son endógenas3, variables en el tiempo, es decir donde puedan

variar con los fundamentos económicos y/o otras variables exógenas.

2 En cambio, si la función de probabilidad acumulada es menor que uno en todo punto, la probabilidad de

devaluación esta únicamente determinada por tφ y decrece solo con él. 3 El primer trabajo en esta área es de Lee (1991).

11

La aplicación del modelo de cambio de régimen de Markov con probabilidad de

transición variable cuenta con las siguientes ventajas ante otras alternativas. En primer

lugar, el modelo no requiere una identificación a priori de episodios de crisis; la

identificación y caracterización del período de crisis son parte del resultado del modelo.

En segundo lugar, se evitan los problemas asociados al procedimiento de umbral

necesario en otras técnicas. Adicionalmente, al explotar la información de la variable

independiente en sí misma, el modelo es mejor en las señales que brinda sobre las crisis.

En tercer lugar se pueden evitar muchos de los supuestos ad hoc requeridos en los

modelos estándar. En cuarto lugar, utilizar el tipo de cambio o un índice de presión

como variable dependiente evita la pérdida directa de información que se origina

cuando estas variables son transformadas en variables binarias. Finalmente, la

herramienta econométrica junto al modelo teórico desarrollado constituye una

amalgama perfecta, el modelo teórico de crisis cambiarias tiene un correlato empírico

perfecto en el modelo de cambio de régimen de Markov.

Sin embargo, también es necesario señalar que existen al menos tres desventajas o

dificultades en la aplicación de un modelo de cambio de régimen. La primera es

computacional, los modelos de cambio de régimen de Markov con probabilidad de

transición variable aún no forman parte de los paquetes estadísticos estándar. La

segunda desventaja, es la dificultad de testear un modelo de cambio de Markov contra la

hipótesis nula de que no existe cambio, dado que se presentan problemas respecto a

parámetros no identificados (los coeficientes de la matriz de probabilidad de transición),

así como una matriz de información singular. Varias pruebas han sido sugeridas,

incluyendo a Davies (1977), Hansen (1992, 1996), Hamilton (1996), García (1998) y

Mariano y Fang - Xiong (1998) para testear un modelo de probabilidad de transición

constante contra la hipótesis nula de no transición. Para el caso de probabilidad de

transición variable, se puede aplicar una prueba secuencial: primero, testear el modelo

de probabilidad de transición constante contra la hipótesis nula de no cambio, y luego

testear el modelo de probabilidad de transición variable contra la hipótesis nula de un

modelo de probabilidad de transición constante. Hay que notar que la prueba de

significación de los de coeficientes, así como la prueba de significación global del

modelo contra la hipótesis nula de cambio constante, puede ser llevada a cabo usando

los estadísticos t y LR (razón de verosimilitud). La tercera desventaja es que la

superficie de la función de verosimilitud puede tener varios máximos locales, este es un

12

problema general en modelos no lineales. El modelo puede fallar en la convergencia

cuando se incluyen muchas variables, y el estadístico t puede ser sensible a la elección

del número de iteraciones.

3.1 Supuestos en el análisis

Existen tres supuestos en la aplicación del modelo de cambio de régimen de Markov

utilizados en este trabajo. El primer supuesto es que existen dos estados: período

apreciado y período devaluado. Dado que los estados son no observables directamente,

éstos son representados por una variable binaria (St) la cual está latente. El segundo

supuesto implica que existen variables directamente observables cuyos cambios de

comportamiento está influido por el valor de la variable St. El comportamiento del tipo

de cambio es diferente durante períodos de presiones especulativas que durante períodos

de relativa calma. En particular se espera, una mayor volatilidad del tipo de cambio y

una mayor tasa de depreciación durante ataques especulativos. Finalmente, se asume

que dado el estado actual de la variable St – apreciado o devaluado – existe una

probabilidad cierta de permanecer en el mismo estado, o de moverse hacia el otro

estado. En el modelo, la probabilidad de moverse de un estado apreciado hacia uno

devaluado depende del estado de ciertos fundamentos económicos y de variables de

economía política.

3.2 Especificación del modelo

La variable latente en el modelo sigue una cadena de Markov de 2 estados de primer

orden { }Ttts 1= , donde St=1 un estado apreciado y St=2 denota un estado devaluado.

Cuando el proceso está en el régimen 1, la variable observada yt – que en nuestro caso

es el cambio mensual porcentual del tipo cambio nominal – se presume que se puede

representar por una distribución ),( 211 σµN . Si el proceso está en el régimen 2, yt se

representa por una distribución ),( 222 σµN . Por lo tanto, el comportamiento de la

variable dependiente yt es dependiente de St de forma que:

),(/ 2iitt Nsy σµ≈

13

La densidad de yt, condicional a St es

−−=

2

2

2

)(exp

21

)/(t

t

t s

st

s

tt

ysyf

σµ

σπ para St = 1,2

La variable latente del cambio de régimen St se caracteriza de acuerdo a la siguiente

matriz de probabilidad Pt:

Momento t

Estado 1 Estado 2

Estado 1 Momento t – 1

Estado 2

' '11 1 1 12 1 1

' '21 1 2 22 1 2

( ) 1 ( )1 ( ) ( )

t tt t

t tt t

p F x p F x

p F x p F x

β ββ β

− −

− −

= = − = − =

En donde pij es la probabilidad de pasar del estado i en período t–1 al estado j en el

período t, y F es una función de distribución acumulativa normal. Los elementos del

vector (kx1) 1tx − son las variables que afectan la probabilidad de transición β son

parámetros estado dependientes y que deberán ser estimados.

Para completar el modelo es necesario el valor inicial de la probabilidad incondicional

de estar en el estado 1 en el momento1 P(St=1). El procedimiento de estimación

utilizado es máxima verosimilitud, donde la función de verosimilitud se calcula

utilizando la iteración descripta en Hamilton (1994, págs. 692-3).

El régimen no observable {St} se presume que ha sido generado por alguna distribución

de probabilidad, para la cual la probabilidad incondicional que St tome el valor j se

denota por πj:

{ } N ..., 2, 1,j para ; === jt jsP πθ

Las probabilidades π1, ...., πN son incluidas también en θ; esto significa que θ viene

dado por )',...,;,...,;,...,( 122

11 NNN ππσσµµθ = .

14

La función de densidad conjunta de yt y St

{ }θθθ ;).;/();,( jsPjsyfsyp ttttt ===

−−

==2

2

2

)(exp

2);,(

j

jt

j

jtt

yjsyp

σµ

σππ

θ

La distribución incondicional de y puede obtenerse al sumar la ecuación anterior sobre

todos los valores de j:

∑=

==N

jttt jsypyf

1

);,();( θθ

Dado que el régimen S es no observable, la expresión anterior es la densidad relevante

que describe el dato observado actual yt. Si la variable régimen St se distribuye i.i.d. en

diferentes momentos t, el logaritmo de la verosimilitud para los datos observados puede

ser calculado de la distribución incondicional como,

∑=

=T

ttyf

1

);(log)( θθ�

.

La estimación de máxima verosimilitud de θ se obtiene maximizando la ecuación

anterior sujeta a las restricciones de que π1 + ... + πN = 1 y que πj ≥ 0 para j = 1, 2, ..., N.

Una vez obtenida estimaciones de θ, es posible realizar una inferencia sobre que

régimen es más probable que sea el responsable de producir la observación t de yt.

De la definición de probabilidad condicional se sigue que:

{ });(

);/(

);();,(

;/θ

θπθ

θθ

t

ttj

t

tttt yf

jsyf

yfsyp

yjsP=

=== .

Este número representa la probabilidad, dado los datos observados, que el régimen no

observable de la observación t sea el régimen j.

15

Dado que las ecuaciones son no lineales, no es posible resolver analíticamente la

estimación de θ como función de {y1, y2, ..., yT}. Sin embargo esas ecuaciones sugieren

recurrir a un algoritmo iterativo para encontrar el estimador máximo verosímil.

Empezando por un valor inicial arbitrario de búsqueda de θ, se comienza iterando hasta

que el cambio entre dos estimaciones es menor que algún criterio de convergencia

especificado.

4. Aplicación empírica al caso uruguayo

El objetivo de esta sección es identificar los períodos de alta probabilidad de crisis en la

política cambiaria en el Uruguay en el período 1980 – 2003, además de observar la

influencia de variables de economía política y fundamentos económicos en el cambio de

regímenes cambiarios.

El modelo es estimado utilizando datos mensuales de la economía uruguaya desde enero

de 1980 y hasta marzo 2003. La variable dependiente (yt) en el modelo es el cambio

mensual porcentual en el tipo de cambio nominal (Gráfico 1). Se estimaron dos

especificaciones del modelo de cambio de Markov (utilizando rutinas escritas en

lenguaje EViews): con probabilidad de transición constante y variable.

Gráfico 1. Variación mensual tipo cambio nominal

-20% -10%

0 10% 20% 30% 40% 50% 60% 70 %

80 82 84 86 88 90 92 94 96 98 00 02

V a r i a c i o n M e n s u a l T C N

16

4.1 Modelo con probabilidad de transición constante

Comenzamos analizando un modelo de cambio de régimen con probabilidad de

transición constante para identificar si el tipo de cambio se puede caracterizar como un

proceso de Markov, es decir si realmente existen al menos dos regímenes (o dos

equilibrios)4.

=

0,9032930,0967070,0280600,971940

P

La matriz estimada de probabilidades de transición muestra la existencia de 2 regímenes

bien diferenciados. Los resultados en el Cuadro 1 confirman su existencia. El estado

“apreciado” (St=1) tiene media –0,212 mientras que el estado “devaluado” (St=2) tiene

media 0,834. Observando las probabilidades de transición vemos que si la economía

está en el estado apreciado, la probabilidad de permanecer allí es de 97,2%, mientras

que si está en el estado devaluado, la probabilidad de permanecer allí es de 90,3%.

Cuadro 1. Modelo de probabilidad constante

Estimación Modelo 1

Método: Máxima Verosimilitud

Observaciones Incluidas: 267

Coeficiente Std. Error t-Statistic Prob.

Media Estado 1 -0.2120 0.0512 -4.1394 0.0000

Media Estado 2 0.8336 2.5436 0.3277 0.7431

Desvío Estándar Estado 1 0.6985 0.0333 20.946 0.0000

Desvío Estándar Estado 2 9.2107 0.4453 20.683 0.0000

β1 Estado 1 1.9100 0.1906 10.017 0.0000

β1 Estado 2 1.3005 0.2421 5.3701 0.0000

Log likelihood -480.11 Akaike info criterion 3.6412

Avg. Log likelihood -1.7981 Schwarz criterion 3.7219

Número de Coefs. 6 Hannan-Quinn criter. 3.6736

4 Las rutinas necesarias para la estimación en EViews 4.1 fueron adaptadas a partir de las rutinas originales de Abdul Abiad. Están disponibles bajo solicitud a los autores. También puede consultarse el Anexo de Fernández y Peyrous (2005).

17

Las varianzas estimadas son significativas, al igual que las medias; la única salvedad

corresponde a la media del estado 2.

Una vez estimadas las probabilidades de transición pij, es posible calcular la media y la

varianza de la variable aleatoria “duración del estado j” con j = 1,2. Una vez estimados

los pij, entonces se cumple que la duración esperada del estado j viene dada por:

jjj p

DE−

=1

1)( ,

donde Dj es la duración del estado j una vez que se entró en él.

La varianza de la variable aleatoria duración viene dada por:

2)1()(

jj

jjj p

pDV

−=

De acuerdo a la matriz de transición, las duraciones promedio en meses de cada estado

se exponen en el Cuadro 2.

Cuadro 2. Duración promedio de cada estado (meses)

Estado Duración Promedio

Desvío Estándar

Estado 1: Apreciado 35,7 35,1

Estado 2: Devaluado 10,3 9,8

Una vez que la variable toma el valor apreciado, la duración promedio del estado 1 o

“apreciado” es de casi 3 años. Este valor más de 3 veces superior a un estado devaluado

nos podría estar indicando el fuerte compromiso que adoptaron los diferentes gobiernos

al combate de la inflación al instrumentar diferentes planes de estabilización utilizando

el tipo de cambio nominal como ancla.

El vector de probabilidades incondicionales de estar en un estado dado resulta ser:

18

=

2248,07751,0

π

Como vemos hay una alta probabilidad de estar en un régimen apreciado. Esto estaría

confirmando la lectura de la duración promedio del estado apreciado.

Se puede calcular la media incondicionada a partir de las probabilidades

incondicionadas en el vector π y los valores de las medias correspondientes a cada uno

de los estados. De esta forma, la tasa de variación del tipo de cambio de largo plazo

mensual ha sido 2,3% y la anual 27,7%.

Otro de los resultados interesantes de este modelo son las probabilidades condicionales,

en cada momento del tiempo, de estar en cada uno de los estados. El Gráfico 2 muestra

la evolución de la probabilidad de estado devaluado a través del tiempo. La idea es ver

si las mismas reproducen los principales hechos estilizados de la política cambiaria de

Uruguay en el período analizado.

Gráfico 2. Probabilidad de estar en un estado devaluado

Desde mediados de 1981 y hasta mediados del 1983 la probabilidad de estar en un

estado 2 se mantiene en valores cercanos a 1. Bruscamente baja a valores cercanos a

0,2 a mediados de 1983 y a partir de allí vuelve a crecer y mantenerse cercana a 1

durante los años 1984 y 1985. El periodo comprendido entre 1986 y fines de 1989 es de

0 . 0

0 . 2

0 . 4

0 . 6

0 . 8

1 . 0

8 0 8 2 8 4 8 6 8 8 9 0 9 2 9 4 9 6 9 8 0 0 0 2

P r o b a b i l i d a d E s t a d o 2

19

tranquilidad. Nuevamente a mediados de 1990 y 1991 la probabilidad de estado 2

alcanza valores altos. Esta situación se repite desde mediados de 1994 a 1995. Retorna

la calma durante los próximos años hasta que a mediados del 2001 y durante todo el

2002 la probabilidad se acerca 1.

Por lo tanto, los gráficos muestran varios cambios de régimen que fueron tomando lugar

en los años analizados. Es posible asociar la dinámica de éstas probabilidades a la

ocurrencia de varios hechos estilizados. Lo más importante es que, claramente los

gráficos identifican los períodos de crisis. En este sentido se ilustra claramente las dos

últimas crisis del año 1982 y 2002 las cuales terminaron con la decisión de abandonar

los planes de estabilización vigentes basados en el tipo de cambio nominal. También es

posible observar otros hechos puntuales como son el efecto de la crisis en Argentina en

el año 1989 sumado al contexto de inestabilidad, la puesta en marcha del plan de

estabilización de 1991 y el “efecto tequila” en México del año 1994. Estos hechos

estilizados justificarían o ayudarían a entender los altos valores de la probabilidad que

toma el estado 2.

Si bien resultan útiles los resultados obtenidos en el modelo de probabilidad de

transición constante, es necesario notar que presenta la restricción de no incorporar

variables explicativas de esa probabilidad de transición. Por esta razón se emplea un

modelo con probabilidad de transición variable para estudiar el impacto de distintas

variables económicas y de economía política en la probabilidad de estar en cada

régimen y en la probabilidad de transición de un régimen hacia el otro.

4.2 Modelos con probabilidad de transición variable

El modelo tiene como variable dependiente la tasa de variación del tipo de cambio

nominal (Gráfico 1). En el Cuadro 3 mostramos las variables independientes (Xt)

económicas y políticas utilizadas.

20

Cuadro 3. Variables económicas y de economía política

Variable Abreviación

Tasa crecimiento ratio M2/RIN M2RINg

Tasa crecimiento Reservas RINg

Tasa crecimiento Saldo Balanza Comercial SBCg

TCR bilateral con Argentina TCRA

TCR bilateral con Brasil TCRB

Variable Dummy Shock Regionales SR

Variable Dummy Incertidumbre Inc

Variable Dummy Post Electoral PostE

Variable Dummy Pre Electoral PreE

Variable Dummy Plan Estabilización Plan

Las variables dummies de economía política son:

- Variable dummy para períodos pre – electoral (PreE). En Uruguay, las elecciones

internas en los partidos políticos tienen lugar en el mes de junio, mientras que la

elección presidencial y legislativa se realiza durante los meses de octubre –

noviembre. Por tanto esta variable toma el valor uno desde marzo a noviembre del

año electoral. El período elegido se justifica de forma de poder captar el efecto de la

incertidumbre generada durante toda campaña electoral sobre la evolución de la

economía y en particular sobre la política cambiaria. Según Bonomo y Terra (1999)

de acuerdo a la teoría de los ciclos políticos es esperable que ante una situación de

asimetría de información, el hacedor de política persiga un objetivo de régimen

sobrevaluado en el período electoral (o al menos trate de evitar un régimen

devaluado). En este contexto la probabilidad de permanecer o cambiar a un régimen

sobrevaluado debería ser alta durante el período de preelección.5

- Variable dummy para el período post electoral (PostE). Esta variable dummy tomara

el valor de 1 durante los doce meses siguientes a la elección. Así como es esperable,

de acuerdo a la teoría de ciclos políticos, un nivel de tipo de cambio sobrevaluado

durante el período pre electoral, se espera que durante el período post electoral el

tipo de cambio se devalúe. Por lo tanto es esperable que la probabilidad de

5 Este comportamiento se analiza para el caso uruguayo en Aboal, Lorenzo y Rius (2001).

21

permanecer o de cambiar hacia un nivel sobrevaluado baje durante el período post

electoral.

- Variable dummy shocks regionales (SR). Toma el valor 1 entre los períodos:

• Enero 82 a noviembre 83: En agosto 82 se produce la moratoria

mexicana y la devaluación argentina. En febrero de 83 Brasil

devalúa un 30%.

• Junio 94 a junio 95: La crisis mexicana conocida como Efecto

Tequila afectó a toda la región.

• Julio 98 a julio 99: Devaluación Brasil

• Julio 2001 a julio 2002: Devaluación Argentina

- Variable dummy Incertidumbre (Inc). Toma el valor 1 cuando el IRBU6 (Índice de

Riesgo de Bonos Uruguayos) es mayor o igual a 2.5%. Esta serie presenta una

media de 2.2% y un desvío estándar de 1.1%. Por tanto, creemos adecuado este

valor (aproximadamente 2 veces el desvío estándar) para captar los períodos donde

el índice está por encima de su media representando mayor incertidumbre. Esta

variable busca reflejar períodos de confianza en la política económica uruguaya.

- Variable dummy Plan Estabilización (Plan). Toma el valor 1 durante el período

enero 1980 hasta noviembre 1982 y durante enero 1991 hasta junio 2002 períodos

en los cuales se aplicó un plan de estabilización con ancla cambiaria.

4.2.1 Especificación con variables económicas

En el Gráfico 3 se representa la probabilidad condicional de estar en estado 2. La

inclusión de variables explicativas en un modelo de cambio de régimen además de

permitir identificar los períodos de crisis, es decir aquellos momentos del tiempo en los

cuales la probabilidad es próxima a uno permite conocer el efecto concreto de cada

variable económica. Podemos ver a través de los coeficientes y de su signo como incide

cada variable económica en las probabilidades de transición de régimen

6 Cammarota, Fraga y Rovira (2002).

22

Gráfico 3. Probabilidad de estar en un estado devaluado

De una primera lectura de la misma podemos ver diferentes momentos en que la

probabilidad crece y en algunos casos alcanza valores próximos a 1. Estos períodos son:

- período 1982 – 1985

- período 1989 – 1990

- período 1994 – 1995

- período 1998 – 1999

- período 2001 - 2003

Estos cinco momentos a los efectos del análisis los separamos en dos. Por un lado

agrupamos en el grupo 1 aquellos períodos en que realmente produjo un abandono del

régimen cambiario. Estos cambios de régimen están asociados como dijimos con el

abandono de los planes de estabilización con ancla nominal cambiaria y como es obvio

nos referimos a los períodos 82 – 85 y 2001 – 03. Por otro lado, en el grupo 2, se

incluye los períodos 89 – 90, 94 – 95 y 98 – 99.

Para caracterizar la probabilidad de cambiar o permanecer de régimen en los momentos

elegidos se utilizará además la información que surge de la estimación realizada en la

especificación con variables políticas en la siguiente sección.

0 .0

0 .2

0 .4

0 .6

0 .8

1 .0

1 9 8 0 1 9 8 5 1 9 9 0 1 9 9 5 2 0 0 0

P r o b E s t a d o 2

23

Cuadro 4. Modelo con cinco variables económicas

La especificación con cinco variables económicas enriquece el análisis realizado en el

caso del modelo con probabilidad de transición constante al permitir conocer los valores

estimados de los parámetros de las variables incluidas como explicativas. El conocer

estos valores estimados nos informa acerca de la dirección en que se mueve la

probabilidad de transición. De esta forma en el caso de la especificación considerada la

formulación de la probabilidad p11 quedaría:

11 1

1 1 2 3 4 5 6

( ),

siendo 2 .t

t

p F x

x b b M RINg b SBCg b RINg b TCRA b TCRB

ββ−

−

=

= + + + + +

En el Cuadro 4 se encuentran las estimaciones de los parámetros. El modelo de

probabilidad de transición variable permite una mejor caracterización de la dinámica de

Modelo 3 Especificación 1

Método: Máxima Verosimilitud

Observaciones incluidas: 267

Coeficiente Std. Error t-Statistic Prob.

Media Estado 1 -0.1966 0.0535 -3.6710 0.0002

Media Estado 2 0.8069 2.7495 0.2934 0.7691

Desvío Standard Estado 1 0.7056 0.0319 22.066 0.0000

Desvío Standard Estado 2 9.3218 0.4773 19.530 0.0000

b1 Estado 1 3.5537 2.2195 1.6011 0.1093

b2 0.6359 0.8154 0.7798 0.4355

b3 8.0291 8.6357 0.9297 0.3525

b4 0.3096 5.7795 0.0535 0.9573

b5 -0.0504 0.8806 -0.0573 0.9543

b6 0.1863 0.5178 0.3599 0.7189

b1 Estado 2 1.1685 0.2628 4.4452 0.0000

Log likelihood -471.7927 Akaike info criterion 3.6314

Avg. Log likelihood -1.7670 Schwarz criterion 3.8060

Número de Coefs. 11 Hannan-Quinn criter. 3.7015

Modelo LogL LR N.Obs.

Constant switching probability -480.1127 267

Time-varying probability -471.7927 16.6401 267

24

la variación mensual del tipo de cambio que el modelo de probabilidad constante. Como

vemos se rechaza la hipótesis nula de modelo constante a través de una prueba de razón

de verosimilitud al 5% de confianza.7 Sin embargo, ninguna de las variables es

individualmente significativa. Tampoco tienen el signo esperado los coeficientes (b2 y

b5) de las variables tasa de crecimiento del ratio M2 /RIN, (M2RINg) y el tipo de

cambio real bilateral con Argentina (TCRA).

4.2.2 Especificación con variables políticas

De forma de profundizar el análisis se hará hincapié en la lectura de las probabilidades

de transición en lugar de las probabilidades incondicionales de estar en cada estado.

Este cambio consiste en estimar el modelo de cambio de régimen de Markov con

probabilidad variable tomando en cuenta solamente variables de economía política. Las

estimaciones se harán a lo sumo tomando en cuenta dos variables políticas a la vez de

forma de obtener una lectura clara de su influencia.

La especificación que se estima en el Cuadro 5 tiene la siguiente forma funcional:

11 1 1 1 2 3( ), siendo 2 3t tp F x x b b X b Xβ β− −= = + + ,

donde las variables explicativas X2 y X3 son las variables dummy definidas

anteriormente. En los casos en que se estima el modelo con una sola variable dummy

(solo aparece X2) se obtiene b1 y b2. Mientras que cuando se estima con dos dummies

juntas (X2 y X3) se obtiene b1, b2 y b3.

El Cuadro 5 presenta las probabilidades de transición para diferentes combinaciones de

variables. El cambio en el formato de presentación de las tablas obedece a facilitar la

lectura de los resultados dado que las rutinas disponibles no permiten recopilar en una

única salida toda la información.

7 Se utilizó para la comparación un valor crítico de la tabla chi cuadrado con 10 grados de libertad.

25

Cuadro 5. Probabilidades de transición

Variables explicativas de

las prob. de transición

Probabilidad

cuando dummies = 0

Probabilidad

cuando X2=1

Probabilidad

cuando X3=1

Estado 1 Estado 2 Estado 1 Estado 1

Probabilidad Constante 0.9719 0.9032

X2 = SR 0.9939 0.7337 0.9222

X2 = Inc 0.9895 0.7507 0.9701

X2 = Plan 0.9617 0.7485 0.9924

X2 = PostE 0.9736 0.9024 0.9618

X2 = PreE 0.9821 0.7516 0.9669

X2 = SR durante Plan 0.9805 0.8627 0.8704 0.2049

X3 = SR durante no plan

X2 = Inc en Plan 0.9759 0.9029 0.9669 0.9680

X3 = Inc no Plan

X2 = PostE en Plan 0.9751 0.9031 0.9612 0.9639

X3 = PostE en no Plan

X2 = PreE en Plan 0.9769 0.9043 0.9334 0.9375

X3 = PreE en no Plan

En la fila 1, del Cuadro 5 se puede leer la probabilidad del modelo de cambio de

Markov con probabilidad constante. De acuerdo a la estimación de los coeficientes, si la

economía se encuentra en el estado 1, la probabilidad de permanecer en él en el

siguiente período es de 97,19%, mientras que si está en el estado 2, la probabilidad de

permanecer allí es de 90,32%.

La fila 2 presenta los resultados cuando la variable política dummy denominada “ Shock

Regional” ( SR) es usada como explicativa de la probabilidad de transición. La

probabilidad disminuye pasando desde un 99,39% a 92,21%. Este resultado es esperado

en el sentido de que Uruguay es una economía abierta y fuertemente dependiente de lo

que sucede en las economías regionales. Lo que implicaría que cuando Uruguay recibe

un shock como por ejemplo el de Brasil de 1999 o de Argentina de 2002, adapte su

política cambiaria a la nueva realidad. El resultado indica que aumenta la probabilidad

de pasar de un régimen apreciado a uno devaluado. La decisión que realiza el hacedor

26

de política con respecto al mantenimiento o abandono de un régimen cambiario se

origina en un análisis costo – beneficio el cual depende, entre otros parámetros, de la

magnitud del shock.

A pesar de que aumenta la probabilidad de pasar a un régimen devaluado y como fuera

observado en las gráficas de probabilidad de estado devaluado (Gráficos 2 y 3), que en

los meses de shock regionales presenta probabilidades cercanas a 1, observamos que no

se tomaron medidas profundas en la política cambiaria. Es decir que, a pesar de que se

tomaron medidas de corrección en la política cambiaria, las mismas fueron

instrumentadas para el mantenimiento del esquema vigente. Ante este comportamiento

se podría hipotetizar, que en el manejo de la política económica existió por parte del

hacedor de política un margen de tolerancia amplio. Como surge del marco teórico la

existencia de este margen depende de restricciones tanto económicas y político

institucionales. De ser este el caso sería razonable el comportamiento del hacedor en

cuanto al mantenimiento de la política cambiaria.

La fila 3 presenta el resultado de considerar la variable política dummy denominada

“Incertidumbre” ( Inc). La probabilidad de permanecer en el estado 1 disminuye. La

lectura que podemos realizar es similar a la anterior en el sentido de que la variable

recoge los períodos en que existe una mayor incertidumbre y por tanto es esperada una

reducción en la probabilidad de permanecer en estado 1.

La fila 4 recoge la incidencia de la variable política “Plan de Estabilización” ( Plan). La

probabilidad de permanecer en estado 1 en este caso aumenta de 96,17% a 99,24% Esto

también es esperado en el sentido de la existencia de un compromiso adoptado por los

diferentes gobiernos en el mantenimiento de un Plan de Estabilización. En este sentido

un plan de estabilización no debería ser entendido meramente como un conjunto de

instrumentos de técnica económica, diseñado por economistas, que responde a

finalidades estrictamente económicas. Por el contrario, un plan de estabilización debe

entenderse antes que nada como un plan político, tanto en lo que hace a su diseño, como

en lo que se refiere a sus objetivos. Además la gradualidad y el grado de flexibilidad

adoptado en el caso uruguayo, a diferencia del caso argentino, al adoptar un sistema de

bandas, fue haciendo creíble en la percepción de los agentes el éxito del Plan.

27

La fila 5 y 6 recogen los resultados cuando las variables dummy son período post

electoral (PostE) y pre electoral (PreE). Vemos que en ambos casos la probabilidad de

mantenerse en estado 1 disminuye. Esto es razonable ya que es la probabilidad de

transición, es decir que se pase a otro régimen, al estar cerca del período electoral más

probable es que se pase a un régimen depreciado, al igual que en los primeros meses

luego de la elección. En el primer caso cambia de 97,36% a 96,18% y en el segundo de

98,21% a 96,69%. No es claro que el comportamiento preelectoral sea consistente con

una explicación de ciclo político en la política cambiaria.

Mas aún, si se toma en cuenta la hipótesis de Drazen (2000) de “políticos con interés

creado” es esperable que políticos oportunistas para quienes su motivación primordial

es permanecer en el cargo, adopten políticas con el objetivo primario de conseguir ser re

– electos en lugar de perseguir el objetivo de maximizar el bienestar social. La

existencia de políticos oportunistas es considerada como uno de los más importantes

casos de no-adopción de decisiones en función de los intereses particulares.

En este sentido antes de las elecciones el hacedor de política preferiría tomar medidas

de economía más populares y apreciar el tipo de cambio es una de ellas. De cumplirse

esta caracterización deberíamos esperar que la variable dummy preelección tenga un

efecto positivo en la probabilidad de permanecer en el estado 1. Sucediendo lo contrario

en el caso de la variable dummy post electoral. Como vemos en nuestro resultado la

variable dummy post electoral daría el signo “correcto”, no así la preelectoral. D ada la

conjetura de que antes de las elecciones el hacedor tendría una preferencia mayor por un

régimen de tipo de cambio apreciado, luego de las elecciones la preferencia inversa

sería la esperada en el sentido de corregir el desequilibrio generado por la elección de

política en el momento de la preelección.

Sin embargo también es necesario tener en cuenta, que lo que afirma la teoría del ciclo

político en la política cambiaria se refiriere a la evolución de la variable tipo de cambio

y no de la probabilidad de cambio de régimen. En la medida que esta ultima incluye

elementos forward looking esta mayor probabilidad preelectoral podría estar explicada

por la anticipación de lo que normalmente se espera que ocurra luego de las elecciones,

una devaluación.

28

En la fila 7 las variables políticas Plan y SR son usadas al mismo tiempo para explicar

las variables de transición. La probabilidad de permanecer en estado 1, dado que se

cumple la dummy SR es mayor en los períodos de existencia de Planes de estabilización

(87%) que cuando no existen (20%). Estos resultados refuerzan lo dicho antes con

respecto a la influencia de un Plan sobre las restricciones que el hacedor de política

tiene al tomar una decisión.

La fila 8 se combinan las variables políticas período de incertidumbre junto a la variable

Plan. En este caso la probabilidad de permanecer también disminuyen aunque en este

caso las caídas son casi insignificantes (menos de 1% en ambos casos).

Finalmente en las filas 9 y 10 se considera el efecto combinado de las variables Plan y

período post electoral y pre electoral respectivamente. Los resultados obtenidos van en

la misma dirección a los obtenidos en las filas 5 y 6, se produce una reducción en ambos

casos en las probabilidades de permanecer en el estado 1. Vemos que bajo la existencia

de un plan de estabilización, la existencia de período post electoral la probabilidad de

transición pasa de 97,51% a 96,12. Esta disminución es mayor que en el caso cuando no

estamos en período de plan en donde pasamos a 96,39%. En el caso de la existencia de

período pre electoral los resultados van en el mismo sentido en cuanto disminuye menos

cuando se cumple la existencia de ambas variables políticas. Es claro que estos cambios

en las magnitudes son mínimos. Esto estaría diciendo que su consideración ayuda a

destacar que los cambios van en la misma dirección en el sentido de disminuir las

probabilidades de permanecer en estado 1.

4.3 Una interpretación de la dilación en la toma de decisiones

Luego de haber analizado los resultados obtenidos en las especificaciones anteriores es

interesante esbozar algunas hipótesis de por qué en momentos en que la probabilidad de

estar en un estado de crisis era alta no se abandonó el régimen cambiario vigente o

incluso, cuando sucedió de esa forma, puede hablarse de retraso o dilación en la medida.

Solamente en dos ocasiones se abandonaron los esquemas cambiarios mientras que en

otras no hubieron modificaciones profundas en la decisión de política cambiaria a pesar

de observarse altas probabilidades.

29

En 1994 la economía argentina sufre el fuerte impacto de la crisis cambiaria mexicana,

lo cual repercute directamente en Uruguay. Entre mediados de 1994 y 1995, como

puede observase en los gráficos de las probabilidades de estado (Gráfica 2 y 3), la

economía uruguaya sufrió los efectos de dicha crisis. Sin embargo, desde octubre de

1992 hasta junio de 1996 en el Uruguay se mantuvieron incambiados los parámetros de

la política cambiaria. Recién a mediados de 1996 y hasta noviembre de 1997 se toma la

decisión de modificar la política cambiaria. Sin embargo el cambio consistió en la

disminución de la pauta devaluatoria desde 1.6% hasta 0.8% mientras que el ancho de la

banda se mantiene incambiado. En abril de 1998 se vuelve a disminuir la pauta

devaluatoria y en este caso también se disminuye el ancho de la banda a la mitad.

En el caso de las crisis de 1982 y 2002 llama la atención la duración de las

probabilidades de crisis en rangos cercanos a 1, lo hace interesante el planteamiento de

algunas hipótesis de por qué se mantuvo por tanto tiempo esta situación que los

fundamentos indicaban como insostenible. Particularmente, esto se puede observar

claramente durante los años 2001 y 2002 en los gráficos 2 y 3 de las probabilidades de

estado.

Desde mediados del 2001 la probabilidad toma valor 1, si bien baja a fines del mismo

año, desde comienzo del 2002 y durante todo este año vuelve a tomar valor 1. Recordar

que en junio de 2001 se tomó la decisión de modificar la política cambiaria en el sentido

de que si bien se mantenían las bandas de flotación, se duplicó el ancho de la banda y la

pauta devaluatoria que estaban vigentes desde abril de 1998. Una medida similar se

tomó en enero de 2002 cuando nuevamente se duplicó ambos parámetros de la política

cambiaria. Hasta que en junio de 2002 se abandonó el régimen de bandas y el tipo de

cambio pasó a flotar libremente. Decisión que implicó el fin del plan de estabilización.

Es importante tener presente que en un sistema cambiario relativamente rígido el

hacedor de política se enfrenta a un costo por salirse del régimen (una forma de atarse

las manos) ya que de no ser así el régimen no generaría confianza y no serviría a su

objetivo ultimo de estabilización de precios. Este costo puede reflejar tanto los costos

económicos como los costos políticos que se generan cuando existen alteraciones

importantes de precios en una economía. Por lo tanto si este costo es alto no se tomara

30

la decisión de abandonar el sistema de bandas de flotación y por consiguiente devaluar

la moneda.

Drazen (2000) propone algunas hipótesis que creemos pueden tener poder explicativo

en la aparente dilación en la toma de la decisión de abandonar el régimen en el caso

uruguayo. Una de las hipótesis planteadas en Drazen (2000) es el “s esgo por status

quo”. Se puede hacer una analogía con la decisión que tiene que tomar un paciente cuyo

estado de salud es muy malo y se está agravando. Este paciente se enfrenta a la decisión

de operarse o no. La probabilidad de sobrevivir a la operación decrece cuanto más se

dilata la decisión y él sabe que eventualmente no tendrá opciones, pero sin embargo

puede preferir permanecer en este estado de mala salud y aplazar lo máximo que pueda

el riesgo de someterse a una operación fallida (en la esperanza que algún evento

inesperado revierta la gravedad de su situación).

Por tanto el gran riesgo que entrañen determinadas decisiones de política, por ejemplo

devaluar, lleva a la postergación de la decisión aún cuando se sabe que el tiempo juega

en contra y que la probabilidad de que el problema se resuelva endógenamente es

cercana a cero. Esta argumentación cobra gran relevancia en el caso uruguayo al menos

desde la devaluación argentina de diciembre 2001, donde los fundamentos adoptan

valores que llevan a que el cambio de régimen sea prácticamente inevitable.

Es necesario, además, tener en cuenta que tomar una decisión implica hacerse

responsable hasta cierto punto por las consecuencias de ella, mientras que la

responsabilidad por lo que suceda (la crisis) en el caso de la no toma de una decisión

presumiblemente es menor.

Otra de las hipótesis planteadas por Drazen (2000), que adquiere relevancia para

analizar la presumible dilación en las decisiones en la ultima crisis es la “falta de

conocimiento o expertise”. Esta hipótesis afirma que la no-adopción de determinadas

medidas o la dilación en tomarlas, puede deberse a que los hacedores de política no

saben lo que hacer o no conocen las opciones que tienen a su disposición o las

consecuencias de estas. Esta línea de razonamiento tiene dos vertientes

complementarias, puede existir ignorancia acerca de cuál es la mejor opción o cómo

implementar la mejor alternativa.

31

En esencia bajo esta hipótesis, la falla en la prevención de determinados hechos o en la

minimización de sus efectos puede ser consecuencia de que el hacedor de política,

típicamente el Ministro de Economía, no conocía el verdadero modelo de la economía o

lo que es lo mismo no conocía la respuesta de determinadas variables ante el

movimiento de otras. Es decir, para ser más claros y ejemplificar, es probable que el

hacedor de política creyera que si devaluaba lo único que conseguiría era generar mayor

inflación sin que hubiera efectos positivos sobre el nivel de actividad. Esto implica un

desconocimiento sobre el coeficiente de trasvase (pass – through) de tipo de cambio a

precios en la economía y su dependencia de factores como el lugar del ciclo donde está

ubicada la economía. Adicionalmente, podría no conocer con certeza cuáles serían los

efectos de esta medida sobre el sector financiero u otros sectores de la economía.

Por tanto, lo que esta hipótesis nos dice es que la falla o el retardo en la decisión para

prevenir o minimizar los efectos de los shocks negativos de la región probablemente

puede ser consecuencia de que el hacedor de política no poseía un modelo claro de

cómo funcionaba la economía, o en caso de tenerlo no tenía una buena estimación de

sus parámetros y / o no conocía las opciones o como implementarlas.

5. Resumen y conclusiones

A través de la estimación de modelos de cambio de Markov con probabilidades de

transición constante y variable, se analiza la influencia de los determinantes económicos

y políticos de la política cambiaria de Uruguay en el período 1980 – 2003.

A través de la técnica aplicada se identificaron estadísticamente los períodos de crisis y

se caracteriza su comportamiento. Además se confirma que los modelos de Markov son

una herramienta adecuada para caracterizar el comportamiento del tipo de cambio en el

período de análisis.

Otro de los resultados relevantes encontrados tiene que ver con las duraciones promedio

de cada estado o régimen cambiario. En este sentido, una vez que la economía uruguaya

esta en un régimen apreciado, la duración promedio de dicho estado es de casi 3 años.

32

Mientras que cuando la economía esta en un depreciado, la duración promedio es de 10

meses. Esto significa que la economía uruguaya pasa la mayor parte del tiempo en un

régimen apreciado. Como prueba de ello puede agregarse el resultado de las

probabilidades incondicionales de estar en un estado dado. Para el estado apreciado

dicha probabilidad es de 0,77 mientras que para el depreciado es de 0,22. También

aparece como relevante que la tasa de variación del tipo de cambio de largo plazo

mensual ha sido 2,3% y la anual 27,7%.

El modelo de probabilidad de transición variable permite una mejor caracterización de

la dinámica de la variación mensual del tipo de cambio que el modelo de probabilidad

constante. Su aporte radica en permitir conocer la dirección de los cambios en las

probabilidades de transición que implican las evoluciones de las variables económicas y

de economía política utilizadas en el análisis.

En relación con las probabilidades de transición, los principales resultados obtenidos

indican que, salvo el caso de la variable Plan, las demás variables implican una

reducción en la probabilidad de pasar a un estado apreciado dado que estamos en un

estado apreciado. La influencia de las variables dummies que caracterizan la existencia

de shocks regionales, períodos de incertidumbre y la implantación de los Planes de

Estabilización, tienen el impacto esperado sobre las probabilidades de transición.

Los resultados obtenidos sobre la influencia de los períodos electorales y pos electorales

están en línea con la evidencia presentada por ejemplo por Bonomo y Terra (1999) para

Brasil. La probabilidad de transición hacia un régimen depreciado se incrementa en los

meses anteriores y posteriores a las elecciones. El comportamiento preelectoral no es

claro que sea consistente con una interpretación de ciclo político en la política

cambiaria.

Finalmente es importante destacar que esta investigación representa un primer paso en

Uruguay en la aplicación de los modelos de cambio de régimen de Markov con

probabilidad variable como herramienta para explicar la política cambiaria. Como tal,

deja muchas líneas abiertas de investigación en esta y otras áreas, que futuros trabajos

habrán de explorar.

33

BIBLIOGRAFÍA

Abiad, A. (2002) “Early Warning Syste ms for currency crisis: a Markov – Switching

Aproach with Application to Southeast Asia” Ph. D. Dissertation; Philadelphia: University of Pennsylvania

Aboal, D. (2003) “La economía política de las decisiones de Política durante la Crisis Uruguaya de Fines del Siglo XX” mimeo, junio.

Aboal, D., Lorenzo, F. y Rius, A (2003) “ Política partidaria y política cambiaria: la evidencia para Uruguay desde 1920”. Capítulo 1 en D. Aboal y J.A. Moraes eds. Economía Política en Uruguay. Instituciones y Actores Políticos en el Proceso Económico, Editorial Trilce, Montevideo.

Alvarez-Plata, P. y Schrooten, M. (2003) “The Argentinean Currency Crisis: A Markov -Switching Model Estimation”. German Institute for Economic Research, DIW Berlin.

Banco Central del Uruguay. Boletín de Política Monetaria 2003. Bonomo, M. y Terra, C. (1999) “The Political Economy of Exchange Rate Policy in

Brazil: 1964 – 1999”, Red de Centros de Investigación de la Oficina del Economista Jefe. BID, documento de trabajo R-367.

Cammarota, J., Fraga, A. y Rovira, A. (2002) “Determinantes del Spread de deuda pública uruguaya” Trabajo monográfico Facultad Ciencias Económicas UDELAR

Chang, R. and Andres Velasco (1998), "Financial Crisis in Emerging Markets: A Canonical Model", NBER Working Paper No. 6606.

Davies, R. B. (1977) “Hipótesis Testing when a Nuisance Parameter is Present Only Under the Alternative,” Biometrika, 62(4), pp. 247 – 54

Dempster, A.P., Laird, N.M, y Rubin, D.B (1977) “Maximum Likelihood from Incomplete Data via the EM Algorithm” Journal o r de Royal Statistical Society Series B. 39: 1 – 38.

Diebold, F.X., J.H. Lee, and G.C. Weinbach (1993) “Regime -Switching with time-varying transition probabilities”, in C. Hargreaves, Nonstationary Time Series and Cointegration, Oxford University Press.

Drazen, A. (2000) Political Economy in Macroeconomics. Princeton University Press (New Jersey).

Fernández, D. y Peyrous, N (2005) “Política Cambiaria Endógena en el Uruguay 1980 - 2003: Una aplicación de Modelos de Cambio de Régimen de Markov”. T rabajo de investigación monográfico realizado en la FCEA, Universidad de la República de Uruguay.

Franses, P. H. and Van Dijk, D. (2000) “Regime -switching models for returnes”, in Nonlinear Time Series Models in Empirical Finance. Cambridge University Press.

Frieden, J. y Stein, E. (2001) The Currency Game: Exchange Rate Politics in Latin America. Latin American Research Network, Inter American Development Bank.

Garcia, R. (1998) "Asymptotic Null of the Likelihood Ratio Test in Markov Switching Models," Journal of International Economics 39:763-788

Hamilton, J. (1989) “A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle”, Econometrica 57:357 -384.

Hamilton, J. (1990) “Analysis of Time Series Subject to Changes in Regime”. Journal of Econometrics, 45, 39-70.

Hamilton, J. (1994). Time Series Analysis. Princeton University Press.

34

Hamilton, J. (1996) “Specification Testing in Markov -switching time-series Models”. Journal of Econometrics 70, 127-157

Hansen, B. (1992) “The likelihood Ra tio Test Under Nonstandar Conditions: Testing the Markov Switching Model of GNP” Journal of Applied Econometrics, 7, pp. 195 – 98.

Hansen, B. (1996) “Inference when a Nuisance Parameter is Not Identified Under the Null Hypothesis” Econometrica 64, pp. 41 3 – 30.

Jeanne, O. (1997) “Are currency crises self -fulfilling? A test” Journal of International Economics 43, 263-286.

Jeanne, O. y Masson, P. (2000) “Currency Crises, Sunspots and Markov – Switching Regimes.” Journal of International Economics 50(2), p p. 327 – 50 (Abril).

Krugman, P. (1979) “A Model of Balance of Payments Crisis”, Journal of Money, Credit and Banking, 11, p. 311 – 325.

Krugman, P. (1999) "Balance Sheets, the Transfer Problem, and Financial Crisis", International Tax and Public Finance, 6, 459-472.

Lee, J.H (1991) “Nonstationary Markov Switching Models of Exchange Rates: The Pound – Dollar Exchange Rate” PhD Dissertation, University of Pennsylvania.

Mariano, R. S., y Fang – Xiong G. (1998) “Testing Under Non – estándar conditions in the Frequency Domain: With Applications to Markov Regime Switching Models of Exchange Rates and the Federal Funds Rate,” Federal Reserve Bank of New York Staff Pappers.

Martinez Peria, M. (2002) “A regime Switching Approach to Studying Speculative Attacks: A Focus on EMS Crisis”Empirical Economics 27(2), pp 299 – 334.

Obstfeld, M. (1996) “Models of Currency Crises with Self -fulfilling Features”. European Economic Review 40, 1037-1047.

35

ANEXO METODOLÓGICO

Las estimaciones del modelo fueron realizadas en EViews 4.1 a través de la

modificación de las rutinas de programación facilitadas por Abdul Abiad8 quién las

aplicó en su tesis de doctorado en la investigación sobre crisis cambiarias en cinco

países del sudeste asiático tomando en cuenta solamente variables económicas. Para la

aplicación de esta investigación, las rutinas fueron modificadas para poder correr el

modelo en un sólo país y poder introducir además de otras variables económicas,

variables políticas.

La estimación utilizando el método de máxima verosimilitud convergerá muy

lentamente si los distintos indicadores son de diferente magnitud. De forma de ayudar a

la estimación se normalizan las variables de forma que tengan media cero y varianza

unitaria. Esto es aplicado en la rutina de Abiad. Sin embargo no creemos adecuado la

normalización de las variables dummies y en este sentido modificamos la rutina para

que sólo normalice las variables económicas.

Por último es relevante precisar la recomendación de Abiad sobre una minuciosa

elección del valor de arranque y el step size en el proceso iterativo de estimación por

máxima verosimilitud. En este sentido se mantuvieron los valores originales en la rutina

dado que permitieron obtener estimaciones sin presentar problemas para alcanzar la

convergencia.

Tratamiento de las series

En esta sección se pretende explicar el tratamiento dado a las series utilizadas en la

estimación de los modelos de cambio de régimen; en total se trabajó con 10 series de las

cuales 5 representan variables económicas y 5 variables políticas.

Se utilizaron datos mensuales de enero de 1980 a marzo 2003 (un total de 278

observaciones) para las estimaciones de los diferentes modelos de cambio de régimen

8 Economist, Reserarch Department, FMI. Aabiad@imf.org

36

analizados. Las series fueron armadas en base a datos obtenidos de CINVE hasta 1998 y

completados hasta marzo 2003 en base a Boletines Estadísticos de BCU.

Dentro de las variables tomadas como regresores en el modelo se trabajó con las

siguientes series de variables económicas, en tasa de crecimiento inter anual en

porcentaje: ratio M2/RIN, Reservas, Saldo Balanza Comercial. Por último dentro de las

series de variables económicas se trabajo con las series de tipo de cambio real bilateral

con Argentina y Brasil elaboradas en base a la siguiente fórmula

(IPC*/E*)/(IPCuru/Euru).

De forma de completar el modelo se elaboraron 5 series de variables dummies políticas

en base a los criterios planteados en Capítulo 4 que son: Shock Regionales,

Incertidumbre, Período post y pre electoral y Plan de Estabilización.

La variable dependiente utilizada en la estimación de los diferentes modelos de cambio

de régimen considerados es la variación mensual del tipo de cambio nominal (con

respecto al dólar estadounidense) por ciento. A la cual se le aplicó el filtro de Hodrick –

Prescott.

Variable Abreviación

Tasa crecimiento ratio M2/RIN M2RINg

Tasa crecimiento Reservas RINg

Tasa crecimiento Saldo Balanza Comercial SBCg

TCR bilateral con Argentina TCRA

TCR bilateral con Brasil TCRB

Variable Dummy Shock Regionales SR

Variable Dummy Incertidumbre Inc

Variable Dummy Post Electoral PostE

Variable Dummy Pre Electoral PreE

Variable Dummy Plan Estabilización Plan