Analisis de la evolucion del dolar informal en Argentina

Anlisis sobre la variacin del dlar informal en Argentina

June 15, 2015[Anlisis sobre la variacin del dlar informal en Argentina]

2015

Curso: Estadstica - MAF

Profesor: Karlen, Alberto

[Anlisis sobre la variacin del dlar informal en Argentina]

Autores: Garmendia, Agustn. Ramos, Franciane. Turnes, Patricio.

INDICESecciones:

1. Objetivo del trabajo..pg.22. Introduccinpg.22.1. Variables analizadas..pg.32.2. Descripcin de los datos.pg.43. Desarrollo del Modelo...pg.53.1. Anlisis de Autocorrelacin.pg.63.2. Anlisis de Multicolinealidad..pg.103.3. Anlisis de Heterocedasticidad..pg.113.4. Modelo final Anlisis de bondad del Modelo..pg.144. Modelo definitivo Anlisis de la bondad del Modelopg.165. Conclusiones..pg.17

1. Objetivo del trabajoA lo largo del cuatrimestre, hemos conocido y estudiado herramientas y conceptos tericos que nos permiten desarrollar y analizar modelos estadsticos con el objetivo de entender la influencia de una o ms variable en el comportamiento de una variable que pretendemos explicar. El objetivo del presente trabajo consiste en explicar las variaciones del precio del dlar blue en funcin del comportamiento de otras variables explicativas mediante un modelo de regresin mltiple.Se han seleccionado cuatro variables que entendemos pueden tener influencia en el comportamiento de la variable a explicar y analizaremos su peso explicativo durante el presente trabajo.2. IntroduccinLa economa argentina ha sufrido con un gran nmero de crisis econmicas profundas en las ltimas dcadas y todos esos momentos de apuros financieros, los ciudadanos han buscado formas de resguardar el valor de sus ingresos y proteger sus ahorros.En situaciones de crisis, se observa que el comportamiento de los ciudadanos tiende a ser conservador, buscando un instrumento de ahorro que pueda ser seguro y de buena liquidez. Histricamente, los argentinos han invertido sus ahorros en la construccin o en dlares. El primer caso tiene la ventaja de ser bastante seguro, los inmuebles gozan de una proteccin jurdica superior a los dems tipos de bienes, adems, siempre se considera que una vez superadas las crisis econmicas, su valor tiende a subir, ya que existiendo ms capital disponible, otros ciudadanos tambin buscan invertir en este tipo de bien seguro.En cuando al dlar, presenta la ventaja de su alta liquidez, convirtindose en moneda de cambio muy aceptada en el mercado argentino, es utilizado desde hace bastante para concretar los ms diversos tipos de contratos y en especial aquellos de gran valor econmico. Asimismo, de modo general la moneda norteamericana est considerada por los argentinos como una reserva de valor y medio de ahorro. Si consideramos que en todos los eventos de crisis econmicas de las ltimas dcadas el peso ha perdido valor de forma vertiginosa frente al dlar, no es disparatado pensar que contar con dlares billete es una forma de enfrentar esos bruscos cambios monetarios, resguardando el valor de los ahorros y, quizs, obtener cierta ventaja al negociar contratos en tiempos de crisis.En el momento presente, la economa argentina se encuentra sumamente regulada y el acceso a los dlares billete est altamente restringido. Sin embargo, no resulta tan simple modificar un comportamiento extendido por largo periodo de tiempo y es as como se observa que el mercado trata de buscar una forma de seguir accediendo a los dlares que histricamente son instrumento para contratos o ahorros. De ah que el dlar vendido en el mercado paralelo no regulado, el dlar blue, pasa a representar un importante instrumento de la economa diaria de los argentinos y por tal razn decidimos estudiar qu variables pueden influenciar el comportamiento del dlar blue.

2.1. Variables analizadasConsideramos que cuatro variables pueden tener poder explicativo respecto del dlar blue, a saber:Dlar oficial: siendo el valor oficial de la moneda norteamericana, parecera importante considerarlo como variable que influenciara el valor del dlar blue. Parecera lgico suponer que el valor del dlar oficial en alguna medida sirve como parmetro para fijar el valor del dlar blue y tendra influencia sobre este ltimo. Salida de turistas: se considera que los turistas que viajan al extranjero realizan gastos en moneda extranjera, sea con el uso de dlares billete o pago de tarjetas de crdito utilizadas en el exterior, eso llevara a la disminucin de la disponibilidad de dlares en el mercado argentino. Incluiremos esta variable en nuestro anlisis a fin de conocer su influencia con relacin al dlar blue.Dlar equilibrio: se trata del valor estimado de equilibrio que debera tener moneda norteamericana en el mercado argentino. Este surge del cociente entre la base monetaria y las reservas informadas por el BCRA. Estando el mercado de cambios altamente regulado y dirigido en Argentina, se entiende que el valor del dlar oficial atiende ms a las restricciones y presiones de los reguladores que a una real percepcin de su valor de mercado. Parecera importante considerarlo como variable explicativa para entender si el Dlar blue responde al valor que tericamente debera tener el dlar en el mercado argentino o si se corresponde con otros factores.Contado con liquidacin: se trata de una forma legal de obtener dlares de libre disponibilidad. Por medio de esta operacin el comprador utiliza pesos para comprar un bono que se pueda vender en el exterior. Luego de 72 horas, vende el bono y recibe los dlares en una cuenta en dlares en el exterior. Para realizar la transaccin habr un valor de intermediacin, as que siempre se comprarn los dlares por valor superior al oficial, pero en general ms bajo que el dlar blue. Los factores que pueden complicar de este tipo de operacin es (i) los pesos utilizados siempre deben ser declarados o declarables; (ii) en el plazo de 72 horas puede suceder una extraordinaria variacin en el precio del dlar y el comprador del bono puede terminar con menos dlares de lo que supona por los pesos invertidos. Entendemos que el valor del contado con liquidacin debe ser considerado como variable explicativa del valor de dlar blue, toda vez que se trata tambin de una forma de acceder a los dlares sin necesitar de una autorizacin de los organismos reguladores.Los modelos iniciarn con un anlisis del comportamiento del dlar blue con relacin a todas esas variables y se harn ajustes necesarios para trabajar con aquellas que realmente resulten relevantes y con poder explicativo con relacin al dlar blue.

2.2. Descripcin de los datos:La muestra para la regresin est compuesta de promedios mensuales para las cotizaciones diarias de las distintas variables que conforman el modelo tomadas entre los meses de Junio de 2012 y Marzo de 2015. Se opt por trabajar con promedios mensuales para evitar trabajar con cotizaciones diarias que estn sometidas a variaciones de todo tipo en funcin de noticias o rumores que circulen en el mercado un determinado da, a la vez que se tratara de un modelo autorregresivo por naturaleza.Lo cotizacin diaria del dlar oficial as como tambin los valores diarios de las reservas internacionales y la Base monetaria (necesarios para calcular el tipo de cambio de equilibrio) se obtuvieron de la web del Banco central de la Repblica Argentina. www.bcra.gov.ar La cotizacin diaria del dlar informal y el dlar contado con liquidacin se obtuvieron de la web del diario mbito Financiero. http://www.ambito.com/economia/mercados/monedas/dolar/info/?ric=ARSB=http://www.ambito.com/economia/mercados/monedas/dolar/info/?ric=ARSB=CLLos datos de salidas de turistas por mes fueron obtenidos a partir de la encuesta de turismo internacional del instituto de Estadsticas y Censos (INDEC).

3. Desarrollo del Modelo.Para explicar la cotizacin mensual del dlar informal o blue en Argentina, planteamos en primera instancia el siguiente modelo:

X1: Cotizacin mensual del dlar oficial informada por el BCRA.X2: Salida de turistas (en miles) obtenida a partir de la Encuesta de turismo internacional del INDEC.X3: Cotizacin mensual del dlar de Equilibrio. Obtenido a partir del cociente de la Base Monetaria sobre las Reservas en dlares del BCRA.X4: Cotizacin mensual del dlar contado con liquidacin.El resultado obtenido se muestra a continuacin:Dependent Variable: DB

Method: Least Squares

Date: 06/07/15 Time: 20:27

Sample (adjusted): 1 34

Included observations: 34 after adjustments

VariableCoefficientStd. Errort-StatisticProb.

C-0.8679420.399418-2.1730180.0381

B10.0093670.1649670.0567780.9551

B21.94E-060.0002380.0081460.9936

B30.2739470.0869853.1493390.0038

B40.8476540.07376611.491090.0000

R-squared0.988157Mean dependent var9.927338

Adjusted R-squared0.986523S.D. dependent var2.740954

S.E. of regression0.318193Akaike info criterion0.682734

Sum squared resid2.936152Schwarz criterion0.907199

Log likelihood-6.606481Hannan-Quinn criter.0.759283

F-statistic604.9266Durbin-Watson stat1.088842

Prob(F-statistic)0.000000

Esta primera aproximacin fue desechada debido a que si bien, se obtuvieron valores altos para el R2 y el Test F, lo que dara a entender que existe un buen ajuste del modelo a los datos, hay razones para creer que esto se debe a la presencia de autocorrelacin en los residuos debido a un error de especificacin del modelo al trabajar en niveles y con variables que mantienen una clara tendencia alcista. Junto con esto, el valor obtenido para el estadstico de Durbin-Watson (aproximadamente uno) hace sospechar que puede haber autocorrelacion positiva de primer orden en los residuos.Este problema de especificacin del modelo se atacar en la seccin de anlisis de Autocorrelacin dado que es imprescindible solucionarlo para obtener un modelo con buen poder explicativo.3.1. Anlisis de Autocorrelacin.Analizaremos la presencia de Autocorrelacion de distintos rdenes por medio del anlisis del correlograma:

El anlisis del correlograma permite ver la existencia de autocorrelacin significativa de orden 1 y orden 4. En consecuencia debemos aplicar alguna transformacin a las variables dado que de otra manera los estimadores obtenidos por MCO no sern eficientes y los resultados de os test t; F y el R2 obtenidos anteriormente no sern vlidos.Para ello trabajaremos con las variaciones relativas de las variables, para obtener un modelo que permita explicar la relacin entre cambios porcentuales en la cotizacin del Dlar Blue de un mes a otro, versus las variaciones porcentuales de las variables explicativas bajo anlisis en dicho mes.

El modelo obtenido es el siguiente:Dependent Variable: DB


Date: 06/07/15 Time: 20:32




C-0.0033950.008735-0.3887060.7004

B10.1183610.2374450.4984790.6220

B20.0084040.0060181.3963960.1736

B30.3336940.1832101.8213710.0793

B40.6666020.0909147.3322510.0000



S.E. of regression0.032722Akaike info criterion-3.862811

Sum squared resid0.029980Schwarz criterion-3.636068

Log likelihood68.73638Hannan-Quinn criter.-3.786519



A partir de la transformacin de variables empleada vemos que el R2 y el Test F de bondad del modelo como un todo toman valores ms reales, lo que nos da la idea en principio de un buen ajuste del modelo a los datos, aunque corresponde profundizar el anlisis de autocorrelacion en los residuos.El nuevo valor obtenido para el estadstico de Durbin-Watson nos lleva a pensar que el nuevo modelo no presenta autocorrelacin de primer orden. No obstante, deberemos analizar la existencia de autocorrelacion de rdenes superiores en los residuos a partir del anlisis del correlograma.

El anlisis del correlograma demuestra la existencia de una significativa autocorrelacion de orden 4. Analizando el diagrama de los residuos estudiaremos si se presentan valores anmalos (Outliers) de residuos separados 4 perodos. Para poder superar este inconveniente, incluiremos una variable dummy dentro del modelo que tome como valor cero en todos los meses, excepto en los outliers ms significativos, donde tomara los valores -0,25 o 0,25 dependiendo del signo del residuo anmalo.Los valores anmalos en los residuos se corresponden con meses en los que tuvieron lugar determinados acontecimientos que propiciaron variaciones intensas en la cotizacin del dlar blue. El primero de ellos, se da en Junio del 2013, un mes en el cual, se produjo una baja significativa y no alineada con la tendencia del dlar blue del resto del ao, debido a determinadas acciones tomadas para disminuir el precio de la moneda en el mercado paralelo. Puntualmente, varios entes gubernamentales en ese mes, salieron a vender acciones y otros activos financieros vinculados al mercado del Dlar contado con liquidacin para hacer bajar el precio del dlar informal.El segundo outlier mas importante tuvo lugar en Julio del 2014, cuando la falta de acuerdo en las negociaciones por la deuda externa con los Holdouts no llegaron a un acuerdo lo que dispar la cotizacin del dlar blue, superando los 13 ARS.

El Modelo obtenido es el siguiente:Dependent Variable: DB


Date: 06/07/15 Time: 20:46




C-0.0048540.007782-0.6237900.5380

B10.1599660.2115840.7560420.4562

B20.0093320.0053601.7410450.0931

B30.3713350.1633962.2726070.0312

B40.6277770.0819257.6628330.0000

DUMMY0.2439170.0840312.9027000.0073








El modelo obtenido finalmente, no tiene autocorrelacin en los residuos que sea significativa, lo que nos permite seguir avanzando en el estudio del problema.

3.2. Anlisis de Multicolinealidad.El siguiente paso ser analizar si existe correlacin entre las variables explicativas del modelo final estimado, problema conocido como multicolinealidad. En caso de presentarse de forma significativa, podramos tener un modelo con estimadores poco eficientes, lo que nos llevara a valores poco significativos del estadstico t, que nos podran llevar a desechar variables con buen poder explicativo.Para estudiar la presencia de multicolinealidad en primer lugar, estudiamos la matriz de coeficientes de Correlacin entre las variables explicativas.

Como se puede ver en la matriz, no se observa la presencia de niveles significativos de correlacin entre las variables explicativas.A su vez, corresponde analizar si existe correlacin entre cada variable explicativa y el conjunto de las otras variables explicativas, para lo cual se realizaron varias regresiones tomando como variable explicada a cada una de las variables explicativas del modelo original.

De esta serie de regresiones extrajimos los valores obtenidos para el R2 en cada una, donde se observa que no hay niveles significativos de correlacin entre las variables explicativas, pudiendo as descartar el problema de la multicolinealidad en niveles significativos.

3.3. Anlisis de Heterocedasticidad.Es menester para poder continuar en la obtencin del modelo definitivo, analizar si se cumple el supuesto de que la varianza se mantiene constante, dado que de rechazarse esta hiptesis (hiptesis de Homocedasticidad), estaramos trabajando con estimadores ineficientes y perderamos precisin en las estimaciones realizadas con el modelo. A su vez, en caso de suceder esto, se obtendran estimaciones diferentes para distintos tamaos de muestra, agregando o quitando observaciones.Para ello intentamos realizar el test de White en e-views que regresa el cuadrado de los residuos contra las variables explicativas, sus cuadrados y sus productos cruzados. Luego si el valor obtenido de R2 en esta regresin es elevado se rechaza la hiptesis de homocedasticidad.El resultado del anlisis fue el siguiente:

Esto nos llev, a realizar el test de hiptesis de homecedasticidad a travs de la prueba de Golfeld-Quandt. Para ello, dividimos las observaciones en 2 grupos de 14 observaciones cada uno para los primeros 14 meses por un lado y los ltimos por el otro, prescindiendo as de algunas observaciones del medio. Luego testeamos el cociente de la Suma de cuadrados residuales del grupo superior con respecto al inferior, lo que nos da como resultado un estadstico F que tiene una distribucin Fisher-Snedecor de 12 grados de libertad en el numerador y 12 grados de libertad en el denominador. En rigor se utiliza el cociente de varianzas residuales pero dado de que ambas regresiones tienen los mismos grados de libertad para la varianza no explicada por el modelo, el resultado es el mismo.Dependent Variable: DB


Date: 06/07/15 Time: 20:46




C-0.0048540.007782-0.6237900.5380

B10.1599660.2115840.7560420.4562

B20.0093320.0053601.7410450.0931

B30.3713350.1633962.2726070.0312

B40.6277770.0819257.6628330.0000

DUMMY0.2439170.0840312.9027000.0073








Dependent Variable: DB


Date: 06/08/15 Time: 10:49

Sample: 1 14

Included observations: 14


C-0.0053490.010819-0.4943710.6343

B1-0.0498740.307163-0.1623690.8750

B20.0214680.0265250.8093420.4417

B30.1532210.4355530.3517860.7341

B40.6655200.1157385.7502440.0004

DUMMY0.2544320.1357791.8738660.0978








El valor del estadstico F calculado entonces es:

De tablas, obtenemos que el valor de F para 12 grados de libertad en el numerador y en el denominador, para un nivel de significacin del 5% es de 2,687

En consecuencia no podemos rechazar la hiptesis de homocedasticidad dado que el F calculado es menor que el F crtico.

3.4. Modelo final Anlisis de la bondad del Modelo.Descartada la presencia de problemas como los descritos anteriormente que podran dar lugar a estimaciones poco precisas por medio de estimadores no eficientes, procedemos a realizar el anlisis de la bondad del modelo.Dependent Variable: DB


Date: 06/07/15 Time: 20:46




C-0.0048540.007782-0.6237900.5380

B10.1599660.2115840.7560420.4562

B20.0093320.0053601.7410450.0931

B30.3713350.1633962.2726070.0312

B40.6277770.0819257.6628330.0000

DUMMY0.2439170.0840312.9027000.0073








R2: Coeficiente de determinacinEl valor de 0,81 para el coeficiente de determinacin indica que el modelo elegido tiene poder explicativo sobre las variaciones mensuales del Dlar Blue, es decir, que al menos una de las variables incluidas tiene poder explicativo sobre el dlar Blue. Test F.El valor elevado del estadstico F lleva a rechazar la hiptesis de que todos los coeficientes del modelo son iguales a cero, lo que implica que al menos uno no lo es y que se tiene por lo menos una variable con buen poder explicativo sobre las variaciones mensuales del dlar blue. Queda por analizar si alguna de las variables consideradas no aporta suficiente poder explicativo sobre las variaciones mensuales del Dlar Blue y puede ser eliminada para simplificar el modelo. Para ello recurrimos a los test t de significacin para cada variable.

Tests tEl anlisis de los valores del estadstico t para cada variable considerada demuestra que slo aportan poder explicativo sobre las variaciones mensuales del dlar blue, las variables X3 y X4 que corresponden las variaciones mensuales del dlar de equilibrio y del dlar contado con liquidacin respectivamente. Las otras dos variables consideradas X1 (variacin mensual del dlar oficial) y X2 (variacin mensual de la salida de turistas del pas) tienen valores del estadstico t poco significativos y su p-value es mayor al 5% que se requiere para rechazar la hiptesis de que el respectivo coeficiente es cero.VariableCoefficientStd. Errort-StatisticProb.

C-0.0048540.007782-0.6237900.5380

B10.1599660.2115840.7560420.4562

B20.0093320.0053601.7410450.0931

B30.3713350.1633962.2726070.0312

B40.6277770.0819257.6628330.0000

DUMMY0.2439170.0840312.9027000.0073

En virtud de lo anterior, procedemos a realizar un nuevo anlisis de bondad del modelo para el modelo simplificado con las nicas 2 variables que resultaron tener poder explicativo del anlisis precedente.

4. Modelo definitivo Anlisis de bondad del Modelo.Dependent Variable: DB


Date: 06/07/15 Time: 21:17




C-0.0025050.006744-0.3714230.7128

B30.4208550.1455482.8915280.0069

B40.6877920.0716489.5995960.0000

DUMMY0.2312560.0839112.7559710.0097








El modelo definitivo que consta de slo dos variables explicativas, presenta un valor de R2 menor (0,78) pero que an resulta aceptable e indica que la mayor parte de la variacin del Dlar Blue es explicada por el modelo. A su vez el test F tambin indica que el modelo explica la mayor parte de la variacin del Dlar blue al rechazar la hiptesis de que todos los coeficientes son cero.Los Test t por su parte tambin resultan significativos y permiten rechazar la hiptesis nula de que los coeficientes del modelo son cero.Por lo que obtenemos finalmente el siguiente modelo:

5. Conclusiones:El anlisis de la versin definitiva del modelo estimado, nos permite arribar a las siguientes conclusiones: Las variaciones en la cotizacin del dlar blue, estn explicadas en un 78% por las variaciones en la cotizacin del dlar contado con liquidacin y del dlar de equilibrio; lo que es equivalente a decir que depende de la operatoria del contado con liquidacin por un lado y del nivel de reservas y la poltica monetaria por el otro. Esto se condice con las medidas adoptadas por el BCRA en lo ltimos meses para controlar las operaciones de contado con liquidacin y con las medidas del Gobierno Nacional tendientes a intentar robustecer el nivel de reservas internacionales del BCRA. Medidas que lograron revertir la tendencia alcista del dlar informal desde fines del ao pasado. Algunas de las variables que a priori entendamos podan repercutir en las variaciones de la cotizacin del dlar blue, no pudieron ser validadas estadsticamente. Tal fue el caso de la cotizacin del dlar oficial y la salida de turistas. El anlisis de Multicolinealidad demostr que no existe una correlacin significativa entre las variables explicativas, a pesar de que todas tienen relacin con el mercado de cambios en Argentina. El anlisis de los residuos en la primer aproximacin al modelo, demostr que fue necesario incluir una variable dummy para compensar por los valores anmalos que se presentaban en aquellos meses donde tuvieron lugar hechos que dispararon o hicieron retroceder la cotizacin de la moneda en el mercado paralelo de forma significativa. El resultado final fue la obtencin de un modelo mas simple que el planteado inicialmente, que permite explicar las variaciones mensuales del dlar informal en funcin de las variaciones mensuales del dlar contado con liquidacin y de la base monetaria y reservas en poder del BCRA. |17

Documents

Analisis de la evolucion del dolar informal en Argentina