P
Pr
ro
o
ye
y
ec
ct
t
o
o
A
An
n
di
d
i
no
n
o
de
d
e
C
Co
o
mp
m
pe
et
t
it
i
t
iv
i
vi
i
da
d
a
d
d
D
D
o
o
c
c
u
u
m
m
e
e
n
n
t
t
o
o
s
s
d
d
e
e
t
t
r
r
a
a
b
b
a
a
j
j
o
o
V
Vo
o
l
l
at
a
ti
i
l
l
id
i
da
a
d
d
de
d
e
l
l
pr
p
r
o
o
du
d
uc
ct
to
o
e
e
n
n
Am
A
mé
é
ri
r
i
c
c
a
a
L
La
a
ti
t
i
na
n
a:
:
Re
R
e
s
s
is
i
st
te
e
nc
n
ci
ia
a
d
d
e
e
l
l
as
a
s
e
ec
co
o
no
n
o
mí
m
í
as
a
s
y
y
e
e
l
l
p
pa
a
pe
p
e
l
l
d
d
e
e
la
l
as
s
i
i
ns
n
st
t
it
i
tu
uc
c
i
i
on
o
ne
e
s
s
A
Ad
de
ee
el
l
M
M
al
a
li
ik
k*
*
J
J
un
u
ni
io
o
2
2
00
0
0
2
2
*
*E
Es
st
tu
ud
di
i
an
a
nt
te
e
d
de
e
D
Do
o
c
c
to
t
or
ra
a
do
d
o
,
,
D
De
ep
pa
ar
rt
ta
a
me
m
en
nt
to
o
d
de
e
E
Ec
co
on
no
o
mí
m
ía
a
y
y
E
Es
s
cu
c
ue
el
l
a
a
d
de
e
A
Ad
dm
mi
in
ni
is
st
tr
ra
a
ci
c
ió
ó
n
n
S
Sa
ai
id
d,
,
U
U
ni
n
iv
v
e
e
rs
r
si
i
da
d
ad
d
d
d
e
e
O
Ox
xf
fo
o
rd
r
d
S
Se
e
p
pr
ro
o
hí
h
íb
b
e
e
l
la
a
re
r
ep
pr
ro
o
du
d
uc
cc
ci
ió
ón
n
t
to
o
ta
t
al
l
o
o
p
pa
a
rc
r
ci
ia
al
l
d
de
e
e
e
st
s
te
e
d
do
o
cu
c
um
me
en
nt
to
o
s
si
in
n
l
la
a
a
Tabla de contenido
INTRODUCCIÓN...1
I. VOLATILIDAD EN AMÉRICA LATINA...3
¿América Latina es más volátil de lo normal?...6
II. VOLATILIDAD Y CRECIMIENTO...10
III. DETERMINANTES DE LA VOLATILIDAD...13
Candidatos para explicar la volatilidad...14
Aspectos relativos a los datos...15
IV. DETERMINANTES DE VOLATILIDAD: ¿QUÉ ES LO MÁS IMPORTANTE?...17
Enfoque bayesiano a incertidumbre del modelo...17
Marco para los cálculos...17
Implementación y resultados...20
V. VOLATILIDAD E INSTITUCIONES FINANCIERAS...24
VI. VOLATILIDAD E INSTITUCIONES POLÍTICAS...32
Medias de órdenes políticos...33
Resultados empíricos...35
Historia, teoría y conjeturas...41
VII. IMPLICACIONES PARA AMÉRICA LATINA...43
REFERENCIAS...50
APÉNDICE I: LISTA DE LOS 113 PAÍSES INCLUIDOS EN LA MUESTRA...54
Lista de tablas
Tabla 1: Correlación entre décadas de tasas de crecimiento de la producción per
cápita...4
Tabla 2: Correlación entre décadas del crecimiento de la producción por trabajador.5 Tabla 3: volatilidad del crecimiento de la producción por regiones (desde 1960)...6
Tabla 4: volatilidad en América Latina...7
Tabla 5: Determinantes de volatilidad en América Latina...7
Tabla 6: Regresiones entre países para crecimiento y volatilidad...12
Tabla 7: Volatilidad y sus posibles determinantes...16
Tabla 8: Evidencia de importancia marginal...20
Tabla 9: Coeficientes de BMA seleccionados...23
Tabla 10: Volatilidad y desarrollo financiero, 1965-95...27
Tabla 11: Volatilidad y desarrollo financiero reconsiderados...31
Tabla 12: Volatilidad e instituciones políticas, 1965-95...36
Tabla 13: ¿Es importante la participación política competitiva?...40
Tabla 14: Volatilidad y determinantes en los países en desarrollo,1965-95...48
Lista de figuras Figura 1: Evolución de PIB real per cápita en América Latina...4
Figura 2: Evolución de la volatilidad de la producción por regiones...9
Figura 3: Diagrama de dispersión de crecimiento y volatilidad...11
Figuras 4-5: Relación crédito privado/volatilidad: ¿una relación no lineal?...28
Figura 6: Volatilidad e instituciones políticas...34
Figuras 7-10: Diagramas de dispersión de volatilidad y determinantes para América Latina...45
Volatilidad de la producción en América Latina:
Resiliencia económica y el papel de las instituciones
Por
Adeel Malik
*INTRODUCCIÓN
l presente trabajo fue inspirado por algunas preguntas fundamentales. ¿Por qué el crecimiento es más volátil en algunos países que en otros? ¿Por qué los países reaccionan en forma diferente a choques similares? Entender mejor la naturaleza y las causas de la volatilidad es importante para el bienestar social y económico, especialmente si la persistencia del bajo crecimiento es una regularidad empírica y si, en promedio, una volatilidad mayor conduce a menor crecimiento. Con base en datos comparativos correspondientes a 113 países, este documento trata de explicar las diferencias en la volatilidad entre países. Examina el papel de las instituciones políticas y financieras para desalentar o reforzar las fluctuaciones económicas.
También analiza tres temas clave. En primer lugar, se podría vincular una plétora de variables a la volatilidad y además existe considerable ambigüedad teórica sobre la importancia relativa de estos regresores. Así, podría ser útil dejar que los datos nos informaran sobre los covariantes más importantes de la volatilidad. Esto se logra mediante la técnica recientemente desarrollada del Modelo Bayesiano (Bayesian Model Averaging - BMA en inglés). Este trabajo ofrece la primera aplicación de BMA al estudio de la volatilidad. Sin embargo, tres trabajos recientes (sin publicar) han empleado esta técnica dentro de un contexto de crecimiento.
En segundo lugar, al usar estos robustos determinantes de volatilidad, este documento pone a prueba la hipótesis de que los países con sectores financieros bien desarrollados experimentan menos volatilidad. Si bien existe alguna evidencia que respalda esta hipótesis, el vínculo entre volatilidad y desarrollo económico está muy lejos de ser robusto. Dentro de un marco simple de regresión, este trabajo conjetura que la relación entre volatilidad y
* Estudiante de Doctorado, Departamento de Economía y Escuela de Administración Said, Universidad de Oxford.
E-mail: [email protected]
desarrollo financiero podría ser no lineal: más allá de cierto nivel, un mayor desarrollo financiero, de hecho, podría aumentar la vulnerabilidad económica.
Tercero, usando una serie de indicadores políticos, el documento destaca el papel crítico de las instituciones políticas en promover la resiliencia o capacidad de recuperación de los choques de crecimiento. Extiende y cuestiona a Rodrik (2000) pues: (a) propone un indicador más informativo de la participación política y (b) sugiere que la participación de los sectores no elitescos en la política es más crucial para explicar la volatilidad que un indicador compuesto de democracia. De hecho, la democracia no logra explicar la volatilidad en países en desarrollo con bajos ingresos.
Vale la pena recalcar que este documento se refiere a evidencias primarias, no a
conclusiones definitivas. Aunque los resultados ofrecen unas cuantas desviaciones con respecto a los trabajos empíricos existentes, hay un margen considerable para mayor refinación. Se incluye, en particular, un panel de investigación que podría considerar mejor las posibles preocupaciones por la endogeneidad.
I. VOLATILIDAD EN AMÉRICA LATINA
Una serie de contribuciones recientes, ante todo las de Easterly et al. (1993), Quah (1993 y 1996) y Pritchett (2000) tiende a subrayar las inestabilidades inherentes al crecimiento per cápita en el tiempo. Para la mayoría de los países, un camino histórico de crecimiento estable es más una excepción que una regla. Sea la inestabilidad o la volatilidad del crecimiento per cápita, los países en desarrollo son más susceptibles, en promedio, a las vicisitudes de las fluctuaciones económicas. Esta sección presenta algunos hechos estilizados sobre la persistencia del crecimiento, concentrándose particularmente en los países latinoamericanos y andinos. La evidencia sugiere que para gran parte del mundo en desarrollo, en particular la región latinoamericana, una sola tendencia en el tiempo no puede caracterizar en forma razonable la evolución de la producción per cápita.1 La Figura 1 muestra las fluctuaciones del
crecimiento del PIB real per cápita en América Latina durante el período 1960 -95. Así, si bien en los países industrializados el comportamiento de las series temporales está caracterizado adecuadamente por una sola estadística de tendencia, la tasa de crecimiento promedio, esto no resulta necesariamente cierto para el mundo en desarrollo.
Una manifestación clave de la persistencia del bajo crecimiento es la baja correlación década a década de las tasas de crecimiento. Tal como lo indica la Tabla 1, esta correlación fue solo de 0,24 para toda la muestra entre las décadas de 1980 y 1990. Obsérvese que la correlación de crecimiento entre los 70 y 80 fue relativamente mayor, lo que se puede atribuir en gran parte a los extendidos problemas de ajustes impuestos por el choque petrolero de los años 70 y la crisis de endeudamiento de los países en desarrollo a principios de los 80.
Figura 1: Evolución de PIB real per cápita en América Latina
Tabla 1: Correlación entre décadas de tasas de crecimiento de la producción per cápita
Países/Regiones Tamaño
muestra 60 con 70 70 con 80 80 con 90 Simple Rango Simple Rango Simple Rango Todos 110 0,33 0,34 0,46 0,38 0,24 0,31 En desarrollo 81 0,35 0,39 0,42 0,36 0,30 0,40 En desarrollo, bajos
ingresos
37 0,27 0,25 0,44 0,39 0,43 0,36
Países OCDE 23 0,58 0,45 0,75 0,42 0,58 0,26
Regional
Este de Asia & Pacífico 15 0,42 0,42 0,77 0,80 0,79 0,73 Sur de Asia 5 0,83 0,90 0,54 0,50 -0,33 -0,10 África Subsahariana 31 0,41 0,38 0,49 0,30 0,20 0,14 Latinoamérica y el
Caribe 26 0,02 0,11 0,45 0,44 -0,08 -0,17
Nota: Hasta el ultimo año disponible en la década de los 90, que fue el período de 1996-7 para la mayoría de los países.
Fuente: Cálculos del autor tomados de Penn World Tables, en lo sucesivo PWT (extendidas).
El crecimiento en los países de la OCDE y del Este de Asia y el Pacífico (EAP) es más persistente que el de los países en desarrollo. En comparación con otras décadas, la
-0,08 -0,06 -0,04 -0,02 0 0,02 0,04 0,06
61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95
Año
correlación de crecimiento es particularmente baja entre la década de los 80 y los 90. De hecho, para América Latina y el Sur de Asia, se observa una correlación negativa de producción per cápita entre los 80 y los 90.
Los coeficientes de correlación de rangos de Spearman, que miden la fuerza de las relaciones tanto lineales como no lineales, demuestran una correlación de crecimiento igualmente baja entre las décadas subsiguientes. El coeficiente de correlación de rango muestra un descenso secular en la persistencia del crecimiento tanto en el Sur de Asia como en el África Subsahariana. Esta correlación de crecimiento es incluso menor para períodos más largos. Por ejemplo, la correlación década a década de la tasa de crecimiento de producción per cápita es solo de 0,29 entre los años 60 y los 90 y de 0,18 entre los 70 y los 90.
La Tabla 2 repite los cálculos anteriores para la tasa de crecimiento de la producción por trabajador, que se considera una mejor medida del cambio de productividad. Obsérvese que la persistencia del crecimiento en los países en desarrollo es incluso menor en esta medida alternativa. De nuevo América Latina y el África Subsahariana tienen la menor correlación de crecimiento entre décadas. Sin embargo, poco se sabe sobre la correlación de crecimiento entre las décadas de los 80 y los 90 debido a la falta de datos para el último período.
Tabla 2: Correlación entre décadas del crecimiento de la producción por trabajador Países/Regiones Tamaño
muestra
60 con 70 70 con 80
Simple Rango Simple Rango Todos 121 0,11 0,14 0,14 0,15 En desarrollo 92 0,05 0,06 0,10 0,10 Países OCDE 23 0,69 0,66 0,36 0,27
Regional
Este de Asia & Pacífico 13 0,34 0,38 0,80 0,83 Sur de Asia 5 -0,65 -0,60 0,44 0,60 África Subsahariana 43 0,04 0,06 0,06 0,11 América Latina y el
Caribe 26 -0,32 -0,36 0,14 0,02
Notas: Cálculos basados en las primeras diferencias logarítmicas del crecimiento de la producción por trabajador
Fuente: Cálculos del autor usando datos de Easterly y Levine (2001).
bajo crecimiento sea simplemente resultado de un error de medición del PIB, con una subestimación del crecimiento en un período y una sobreestimación en otro2.
¿Es América Latina más volátil de lo normal?
Un desglose por regiones, comparativo entre países en desarrollo sobre dos medidas de volatilidad de la producción revela que el África Subsahariana y la región de América Latina y el Caribe son las dos regiones más volátiles. Así se manifestó en la Tabla 3, que documenta la volatilidad de la producción real per cápita y las tasas de crecimiento de la producción por trabajador desde 1960.
Tabla 3: volatilidad del crecimiento de la producción por regiones (desde 1960) Volatilidad de la producción
(Desviación típica de las primeras diferencias logarítmicas de) Crecimiento real de la
producción per cápita producción por trabajador Crecimiento de la América Latina y el Caribe (LAC)
África Subsahariana (ASA) Sur de Asia (SA)
Este de Asia y el Pacífico (EAP)
0,053 0,071 0,048 0,052
0,054 0,078 0,061 0,042
Fuente: Cálculos del autor a partir de PWT (extendidas).
Las comparaciones globales de América Latina con el resto del mundo son igualmente instructivas. La Tabla 4, reproducida de Hausmann (2001), presenta estas comparaciones para una serie de indicadores. Se puede observar en la tabla que a América Latina le fue peor que a los países industrializados y las economías milagrosas del Este de Asia en una gran cantidad de indicadores de volatilidad. Esta inestabilidad no está restringida exclusivamente al crecimiento de la producción. Se evidencia con la misma intensidad en la volatilidad de los indicadores de resultados macroeconómicos, políticas y choques externos.
2 Easterly et al (1993) presentan cuatro argumentos: en primer lugar, es más probable que los estimados de crecimiento se elaboren primero y el PIB en el segundo período se calcula a partir de estos estimados de crecimiento; Segundo, el cálculo de la persistencia a lo largo de períodos que no se solapan no altera el resultado general; tercero, la persistencia es menor durante períodos más largos; y cuarto, la tendencia a informar tasas de crecimiento exageradas podría refutar el error de medición iid
Tabla 4: volatilidad en América Latina
D. T. de América Latina industrializados Países Tigres del este asiático
Resultados macroeconómicos
Crecimiento real del PIB 4,2 2,2 3,1 Crecimiento del consumo 5,6 2,1 4,1 Variación en el tipo de cambio real 13,4 4,8 6,2 Tasa de inflación 463,5 3,9 6,2
Políticas
Déficit fiscal (% de PIB) 4,7 2,4 2,4 Crecimiento monetario 211,1 5,6 13,6
Choques externos
Cambio en las relaciones de intercambio 15,1 8,9 8,0 Flujos de capitales internacionales (% de PIB) 2,8 1,7 1,5
Fuente: Hausmann (2001).
Así como el análisis anterior indica claramente que los países latinoamericanos tuvieron un desempeño mucho peor que la mayor parte de las demás regiones del mundo con respecto a las diversas estadísticas de inestabilidad y volatilidad de crecimiento de la producción, son superados solo por la región del África Subsahariana (SA), que sigue siendo, por mucho, la región más volátil del mundo en desarrollo. En realidad, salvo por la volatilidad de la inflación, el África Subsahariana supera a la región de América Latina y el Caribe (LAC) en la mayoría de las medidas de volatilidad macroeconómica. La tabla siguiente documenta los valores promedio para los determinantes de volatilidad seleccionados para las regiones LAC y SA. Una diferencia notable que sobresale en la tabla es la volatilidad sustancial en los precios en América Latina.
Tabla 5: Determinantes de volatilidad en América Latina
Determinantes de volatilidad seleccionados Región de América Latina y el
Caribe (LAC) África Subsahariana (SA)
Media D.T. Media D.T. D.T. de déficit fiscal (% de PIB) 3,70 3,49 3,75 2,28 D.T. de tasa de inflación 338,03 693,96 144,39 646,22 Volatilidad de Relaciones de Intercambio 0,12 0,05 0,15 0,06 Volatilidad de flujos de capitales privados 0,58 0,17 0,65 0,26 Volatilidad de consumo del gobierno 2,83 1,97 3,62 2,21 Participación de exportaciones primarias
(% de total exportaciones) 0,16 0,11 0,16 0,08 Competitividad de participación política 0,59 0,20 0,33 0,21
• Volatilidad en el tiempo
Figura 2: Evolución de la volatilidad de la producción por regiones (Volatilidad de la producción en el eje Y)
Países de la OCDE
DECADE
90s 80s
70s 60s
.032 .030 .028 .026 .024 .022 .020
América Latina y el Caribe
DECADE
90s 80s
70s 60s
.07
.06
.05
.04
.03
África Subsahariana
DECADE
90s 80s
70s 60s
.08
.07
.06
.05
DECADE
90s 80s
70s 60s
.08 .07 .06 .05 .04 .03 .02 .01
II. VOLATILIDAD Y CRECIMIENTO
La idea de que la volatilidad puede estar relacionada con el crecimiento económico no es nada nuevo. Un grupo selecto de bibliografía empírica vincula directamente la volatilidad con el crecimiento, lo que abre la posibilidad de que haya un vínculo tanto positivo como negativo. Usando los datos correspondientes a 47 países, Kormendi y Meguire (1985) encontraron que una mayor desviación típica de las tasas de crecimiento de la producción se asocia con mayores tasas de crecimiento. Con base en los datos de 92 países, Ramey y Ramey (1995) ofrecieron evidencia de un vínculo negativo entre volatilidad y crecimiento. Varios estudios han tratado de asociar con el crecimiento dimensiones menores, tales como volatilidad del tipo de cambio, relaciones de intercambio, inflación y política monetaria. El BID (1995) ofrece una revisión útil de este tema. Sin embargo, la escasa literatura empírica que existe sobre el tema ofrece evidencia de una conexión negativa entre crecimiento y volatilidad.
Teorías que postulan un vínculo negativo entre volatilidad y crecimiento destacan el papel de las irreversibilidades de la inversión y la incertidumbre de las políticas (Pindyck, 1991 y Aizenman y Marion, 1993). Al aumentar el grado de incertidumbre, la volatilidad podría conducir a menor inversión. También podría esperarse una asociación positiva entre volatilidad y crecimiento, debido a una selección entre tec nologías de alta varianza, altos retornos esperados, que podría conducir a un mundo donde, en promedio, mayor crecimiento se asocia con mayor volatilidad.3
En la Figura 3 se puede observar que existe una asociación negativa entre crecimiento a largo plazo y volatilidad, medida como la desviación típica del crecimiento anual del PIB per cápita durante el período 1965-95. Además la relación es fuerte: la línea muestra una fuerte pendiente descendente. Una conexión negativa similar presenta la estadística básica anterior al cálculo. Por ejemplo, el coeficiente de correlación simple entre crecimiento y volatilidad es -0,25 y el coeficiente de correlación de rango es -0,36. Sin embargo, la relación gráfica representada en la Figura 3 podría ser resultado de factores que afectan tanto el crecimiento como la volatilidad. Por lo tanto sería interesante explorar sistemáticamente la conexión entre volatilidad y crecimiento dentro del marco de una regresión lineal simple.
Figura 3: Diagrama de dispersión de crecimiento y volatilidad
Volatility of growth per capita
.14 .12 .10 .08 .06 .04 .02 0.00
log-difference of real growth per capita, 1960-95
3 2 1 0 -1 -2 ZWE ZMB ZAR ZAF VEN USA URY UGA TZA TWN TUR TUN TTO THA TGO TCD SYR SYC SWE SLV SLE SGP SEN RWA ROM PRY PRT PNG PHL PER PAN PAK NZL NPL NOR NLD NIC NGA NER NAM MYS MWI MUS MRT MOZ MLI MEX MDG MAR LUX LSO LKA KOR KEN JPN JOR JAM
ITA ISLISR
IRN IRL IND IDN HND HKG GUY GTM GRC GNQ GNB GMB GIN GHA GBR GAB FRA FJI FIN ETH ESP EGY ECU DZA DOM DNK CYP CRI CPV COM COL COG CMR CIV CHN CHL CHE CAN CAF BWA BRB BRA BOL BGD BFA BEN BEL BDI AUT AUS ARG AGO
Para investigar el efecto de la volatilidad sobre el crecimiento, utilizo la especificación de crecimiento estándar basada en Mankiw, Romer y Weil (1992, MRW):
[
] [
]
[
(
0
)
/
(
0
)
]
ln
)
+
+
ln(
1
+
)
ln(
1
+
)
ln(
1
+
)
(
+
)
0
(
ln
=
)
0
(
/
)
0
(
ln
)
(
/
)
(
ln
L
Y
?
d
g
n
ß
a
ß
a
?
s
ß
a
ß
?
s
ß
a
a
?
X
G
A
?
L
Y
t
L
t
Y
k hdonde
Y
(
t
)
/
L
(
t
)
representa el ingreso real per cápita,s
k,
s
h son las tasas deacumulación de capital humano y físico, α y β son parámetros de tecnología, g es el
Diferencia log. del crecimiento real per c
ápita, 1960
-95
crecimiento de la eficiencia y δ es la tasa de depreciación.
A
(
t
)
es el nivel de eficiencia para el tiempo t yG
(
X
)
es la tasa de crecimiento de la eficiencia expresada en función de las variables X. El logaritmo de volatilidad, definido como la desviación típica de la tasa de crecimiento per cápita, se incluye como una variable explicativa adicional.Tabla 6: Regresiones entre países para crecimiento y volatilidad
Variable dependiente: diferencia logarítmica de PIB percapita, 1960-98
Muestra no petrolera Muestra completa
Modelo (1) (2) (3) (1) (2) (3)
CONS -1,414
(4,41) 1,920 (2,46) 2,618 (2,82)
-1,148
(3,49) 1,654 (2,36) 1,902 (2,40)
VOLPC -0,646
(6,65) -0,279 (2,50) -0,162 (1,73) -0,574 (5,72) -0,263 (2,49) 0,188 (1,75) ln (I/PIB) 0,429
(3,55) 0,296 (2,36) 0,467 (3,95) 0,362 (2,95) ln (n+g+δ) -0,318
(4,33) -0,249 (2,91) -0,310 (4,56) -0,309 (4,18) ln (School) 0,273
(3,19) 0,169 (1,65) 0,229 (2,84) 0,137 (1,45) ln (Y inicial) -0,444
(5,63) -0,425 (4,45) -0,406 (5,21) -0,339 (3,97)
ÁFRICA -0,376
(1,92) -0,366 (1,96)
LATINCA -0,002
(0,02) -0,161 (1,50)
ESTEASIA 0,641
(3,58) 0,528 (3,19)
INDUST 0,237
(0,97) 0,077 (0,44)
Adj. R2 0,21 0,55 0,60 0,18 0,56 0,60
N 90 90 90 100 100 100
Nota: t estadístico entre paréntesis; n es la tasa de crecimiento demográfico promedio y g más δ se suponen con un valor de 0,05.
En particular, el coeficiente de volatilidad sigue siendo negativo y significativo a pesar de que controla la relación entre inversión y PIB.
El modelo (3) agrega las variables dicotómicas (dummies) regionales para África, América Latina, Este de Asia y los países industrializados. Ahora la volatilidad no es completamente insignificante. Sigue siendo estadísticamente significativa en el nivel de 10 por ciento. Tanto la variable dicotómica africana como la del este de Asia son estadísticamente significativas pero la de América Latina no parece agregar ninguna capacidad explicativa. Resultados similares se observan para la muestra completa: la volatilidad tienen una asociación negativa significativa con el crecimiento después de controlar los determinantes de las variables dicotómicas regionales y de condición estable.
III. DETERMINANTES DE LA VOLATILIDAD
En su famoso tratado sobre crecimiento, Denison (1967) señalaba que las presiones por la demanda, las fluctuaciones de la productividad y las variaciones en la producción agrícola podían conducir a fluctuaciones irregulares en el crecimiento. Mas trabajos subsiguientes han demostrado que se trata apenas de unos pocos entre una plétora de posible determinantes. En particular, el papel crítico de los choques y la manera como la economía se ajusta a ellos ha sido objeto de gran atención. Los choques toman diversas formas, desde los que están determinados por el ambiente externo e interno hasta aquellos generados por las condiciones climáticas naturales.
La incertidumbre de los precios de los productos básicos desempeña un papel clave en la generación de fluctuaciones en la producción en los países en desarrolloespecialmente en países que se especializan en las exportaciones de unos pocos productos primarios. Sin embargo, los choques también pueden ser impulsados por condiciones internas: inestabilidad política, guerras civiles y cambios en el clima político. Condiciones naturales adversastales como
los flujos de capital. Por la otra, la apertura de la cuenta de capital también podría ofrecer oportunidades para suavizar los choques adversos.
Algunas regiones son más propensas a los choques que otras. En este caso lo importante es cómo los países que enfrentan choques similares los manejan de manera diferente. Rodrik (1999) compara Corea del Sur con Brasil y Turquía. A pesar de que fue golpeada más duramente por el choque petrolero en los 70, Corea se recuperó después de 1975, mientras que Brasil y Turquía enfrentaron un colapso del crecimiento. Tal vez resulta útil preguntar: ¿por qué algunos países muestran una mayor resiliencia a las fluctuaciones económicas irregulares que otros? Al subrayar el papel de las instituciones, el presente trabajo trata de extender los argumentos en Rodrik (1999).
Candidatos para explicar la volatilidad
Este trabajo utiliza una serie de variables para explicar la volatilidad. La lista exacta de variables y las fuentes de datos correspondientes se incluyen en el apéndice. Sin embargo, parece estar garantizado el análisis de las variables clave. Como en el documento 3, la volatilidad se mide como la desviación típica del crecimiento anual del PIB per cápita para el
período 1965-95.4 Se emplean varios indicadores para medir la volatilidad externa. La
desviación típica de las primeras diferencias logarítmicas de las relaciones de intercambio proporciona el indicador principal.5
Otros son: desviación típica de las relaciones de intercambio, ponderada por la proporción comercial en el PIB, la proporción de exportaciones primarias en el total de exportaciones, la proporción del volumen comercial en el PIB y el índice de precios de los productos básicos. Además, para los choques de la cuenta de capital, se utiliza el coeficiente de variación de los flujos de capital privado (% del PIB).
La volatilidad de políticas se mide considerando por separado la desviación típica de tres variables: consumo gubernamental, excedente fiscal (ambos como proporción del PIB), tasa de inflación anual y primeras diferencias logarítmicas de M2 (% del PIB). Para captar la variabilidad de los precios, usé la tasa de inflación promedio. También se utilizaron las variables dicotómicas para el riesgo de guerra civil y países con alto nivel de deuda.6 En las secciones siguientes se
4 Se obtuvieron resultados similares con el crecimiento real del PIB per cápita. Sin embargo, al usar el PIB nominal per cápita se obtiene un ajuste ligeramente mejor. Durante un período suficientemente largo (por ejemplo treinta años en este caso), los resultados no parecen ser muy diferentes.
5 Véase Rodrik (1999).
describen los indicadores de desarrollo político y financiero. Debido a una correlación excesivamente alta entre las diferentes medidas de inestabilidad política, construí un solo indicador usando la técnica de los componentes principales. El índice se define como sigue:
PINS=0,63(CABINET) + 0,83(COUPS) + 0,80 (REVOL) + 0,47 (CONST)
donde PINS indica la inestabilidad política, CABINET se refiere a cambios importantes en el gabinete, COUPS significa el número de golpes de estado, REVOL indica el número de
revoluciones y CONST mide el número de cambios constitucionales. Una puntuación mayor
para PINS indica mayor inestabilidad política.
La Tabla 7 presenta los resultados de una regresión aparte de la volatilidad sobre cada
covariante. Muestra que cuando se incluyen independientemente, algunas de las variables antes descritas están significativamente relacionadas con la volatilidad. Obsérvese que en comparación con otras variables, la volatilidad de las relaciones de intercambio e indicadores de instituciones políticas tiene un mayor poder explicativo.
Aspectos relativos a los datos
Los datos corresponden a 113 países para el período 1965-95. La muestra incluye los países andinos: Bolivia, Colombia, Ecuador, Perú y Venezuela y se muestra completa en el apéndice. La variabilidad de un indicador se mide ya sea tomando la desviación típica o el coeficiente de variación del indicador relevante. En casos en los que la desviación típica está sumamente correlacionada con la media de la variable, prefiero emplear el coeficiente de variación. Obsérvese que los indicadores políticos fueron recodificados de 0 a 1. Para indicadores en los que la variabilidad no tiene mucho interés, uso el promedio de la variable a lo largo del período de estimación: 1965-95 (a menos que se mencione otra cosa)7
.
Dado el gran número de covariantes considerados, hubo algunos países para los que faltaban datos con respecto a algunas variables. Doy cuenta de estos valores faltantes usando una técnica de imputación que requiere la generación de números normales aleatorios
(Nordholt, 1998). Para este fin uso la media y la desviación típica del grupo.8. Las estadísticas
resumidas para las variables clave se muestran en el apéndice A3.
Tabla 7: Volatilidad y sus posibles determinantes
Variable dependiente: desviación típica del crecimiento anual del PIB per cápita, 1965-95
Regresor Coef. E.T. T estad. R2
D.T. de relaciones de intercambio (ponderada por
proporción comercial) 21,91 6,97 3,14 0,20
Variable dicotómica (dummies) de países en
desarrollo 2,07 0,44 4,61 0,16
Variable dicotómica para países con alto nivel de
deuda 1,43 0,38 3,75 0,11
D.T. de tasa de inflación anual 0,0004 0,0003 1,33 0,01
D.T. de excedente fiscal (% del PIB) 0,30 0,09 3,33 0,14
Valor agregado agrícola (% de PIB) 0,03 0,01 2,92 0,08
D.T. de relaciones de intercambio (primeras
diferencias logarítmicas) 14,99 2,85 5,27 0,32
Crédito para el sector privado (% del PIB) -0,04 0,01 -4,46 0,18
C.V. de flujos de capital privado (% del PIB) 2,48 0,83 3,01 0,07
D.T. de consumo gubernamental (% del PIB) 0,46 0,13 4,22 0,23
Proporción de exportaciones primarias en el total
de exportaciones 6,52 2,16 3,02 0,12
D.T. del volumen comercial (% del PIB) 0,05 0,03 1,66 0,05
D.T. de la relación M2/PIB (primeras diferencias
logarítmicas) 6,50 4,71 1,38 0,08
Índice de democracia -3,66 0,50 -7,25 0,27
Matrícula en secundaria -0,03 0,01 -5,26 0,18
Índice de inestabilidad política 0,38 0,09 3,92 0,07
M2 (% del PIB) -1,14 0,40 -2,83 0,09
Tasa de inflación promedio 0,27 0,15 1,77 0,02
Competitividad de participación política -4,20 0,53 -7,96 0,34
Riesgo de guerra civil 1,22 0,70 1,74 0,03
Índice de restricciones políticas -3,16 0,52 -6,06 0,23
C. V. del índice de precios de productos básicos 4,67 2,06 2,27 0,08
Nota: Se reportaron errores típicos robustos. “D.T.” significa desviación típica y “C.V.”, coeficiente de variación; el tamaño de la muestra es de 113 países.
Consulte el apéndice para la descripción de las variables y sus fuentes.
IV. DETERMINANTES DE VOLATILIDAD: ¿QUÉ ES LO
MÁS IMPORTANTE?
Enfoque bayesiano para la incertidumbre del modelo
Aunque los intentos empíricos por explicar las diferencias de la volatilidad son limitados, se ha identificado en la literatura una serie de posibles determinantes. Sin embargo, no existe una teoría subyacente muy convincente. Es más, una considerable ambigüedad teórica rodea la importancia relativa de estos determinantes de volatilidad. El investigador se enfrenta con la difícil pregunta de qué variables va a seleccionar. La práctica estadística convencional se basa en un solo modelo, seleccionado de una clase de modelos diferentes. Este enfoque pasa por alto la considerable incertidumbre de la selección del modelo.
Un enfoque reciente para tomar en cuenta la incertidumbre del modelo que aparece en la literatura estadística consiste en tomar un promedio entre una serie de modelos. Se trata del enfoque del modelo bayesiano (BMA en inglés), en el que la idea es realizar asignaciones a priori a los modelos y sus parámetros y calcular las probabilidades posteriores para los diferentes modelos con base en los datos dados. Así se promedia la inferencia sobre los modelos, usando las correspondientes probabilidades posteriores del modelo como ponderaciones (Hoeting et al, 1999).
El modelo bayesiano ha sido objeto de mayor atención durante los dos últimos años con algunas aplicaciones importantes para el crecimiento, entre ellas las de Doppelhofer et al
(2000), Brock y Durlauf (2001) y Fernández et al (en preparación). La mayoría de estas
aplicaciones para el crecimiento sugiere la superioridad de BMA con respecto a escoger cualquier modelo simple. Dado que la mayoría de estos trabajos no ha sido publicado todavía y se trata de informes preliminares, se esperan todavía revisiones rigurosas. Esta sección no pretende emitir un juicio definitivo; se basa en la creencia de que BMA podría proporcionar una aplicación novedosa e informativa para explicar la volatilidad. En particular, ofrece un útil dispositivo para identificar variables que son robustas entre los diferentes modelos. No obstante, los resultados son de naturaleza preliminar.
Marco para los cálculos
e
ß
z
p
X
e
?
S
V
j=
j+
j=
j+
j z+
j (1)Este modelo es descrito por un conjunto de regresores S, que, a su vez, se descompone en
un subconjunto X y un z escalar. El interés se centra en
ß
z que cuantifica el papel de zsobre la volatilidad de crecimiento de un país. El modelo en la ecuación (1) implica una serie de hipótesis básicas. Se supone que los errores se distribuyen normalmente en conjunto con una media cero y una varianza de error conocida. Es más, los regresores se tratan como linealmente independientes y son no estocásticos.
Con fines meramente expositivos, supongo una asignación a priori sin información sobre los coeficientes de regresión.
µ
( )
?
•å
c
.
(2)Aunque la asignación a priori es “impropia”, la distribución de coeficientes de asignación a priori se puede ignorar en la implementación empírica, gracias a la aproximación de Raftery (1995).9 Convencionalmente, los parámetros se analizan en un solo modelo M y un conjunto
de datos determinados D. Así se tienen los estimados de parámetros y los errores típicos correspondientes. Dentro de un marco bayesiano, esto es equivalente a estimar la densidad
posterior
µ
(
ß
z/
D
,
M
)
. Bajo las hipótesis colocadas sobre los errores y el uso de una asignación a priori sin información (ec. 2), la media y la varianza posteriores de los parámetros serán iguales a los parámetros OLS correspondientes y los estimados de la varianza.Dada la incertidumbre en la posible opción de regresores, supongamos que existe un
universo de modelos,
M
m•¸
?
. Todos estos modelos podrían ser considerados candidatoslegítimos para el modelo verdadero que generó los datos. Cuando hay incertidumbre del
modelo, el interés recae en
µ
(
ß
z/
D
)
, no enµ
(
ß
z/
D
,
M
)
para unM
m particular.Según la regla de Bayes, la distribución posterior de una condicional de coeficiente dada sobre los datos observados podría calcularse de la manera siguiente:
(
ß
D
)
µ
(
ß
D
M
)
µ
(
M
D
)
µ
mm z m
z
/
=
‡”
/
,
/
(3)donde
µ
(
M
m/
D
)
denota la probabilidad posterior de los datos dados del modelo M. Obsérvese que (3) es un promedio de las distribuciones posteriores bajo cada uno de los modelos considerados, ponderado por su probabilidad posterior.Igualmente,
(
M
D
)
µ
(
D
M
) (
µ
M
)
µ
m/
•å
/
m m (4)donde
µ
(
D
/
M
m)
corresponde a la probabilidad del modelo de los datos dadosM
m y(
M
)
µ
m es la probabilidad a priori del modeloM
m . La expresión (3) podría asíreformularse como sigue:
(
ß
D
)
µ
(
ß
D
M
)
µ
(
D
M
) (
µ
M
)
µ
m mm z m
z
/
•å
‡”
/
,
/
(5)En el caso de probabilidades a priori iguales, se reduce a:
(
ß
D
)
µ
(
ß
D
M
)
µ
(
D
M
)
µ
mm z m
z
/
•å
‡”
/
,
/
(6)Esta formulación permite eliminar el condicionamiento de la densidad posterior de un parámetro dado sobre una opción de un modelo particular. La media y varianza
condicionales de
ß
z dados los datos, D, vienen dadas por:(
ß
D
)
µ
(
M
D
)
E
(
ß
D
M
)
E
z mm m
z
/
=
‡”
/
/
,
(7)(
) (
) (
(
)
)
22
/
/
=
/
D
E
ß
D
E
ß
D
ß
Var
z z z (8)Implementación y resultados
La literatura sugiere al menos dos enfoques para poner en práctica la ecuación (6). El primer enfoque indica usar los métodos Cadenas de Markov por el método Monte Carlo (MCMC) para aproximar (6) directamente. Un muestreo de composición del modelo es una posible opción en este caso. El segundo enfoque consiste en usar la técnica de ventanas de Occam debida a Madigan y Raftery (1994), que promedia entre un subconjunto de modelos respaldados por los datos. Una idea asociada es usar el algoritmo de “pasos grandes” (leaps and bounds) para identificar rápidamente los modelos que se van a promediar. Este enfoque es menos exacto pero también requiere menos esfuerzo de cálculos.
Tabla 8: Evidencia de importancia marginal
Regresoresa BMA Prob. post 1 D.T. de consumo gubernamental (% del PIB) 1,000 2 D.T. de relaciones de intercambio, primeras diferencias logarítmicas 1,000 3 Competitividad de participación política 0,986 4 C.V. de flujos de capital privado (% del PIB) 0,458 5 Logarit. de PIB real per cápita, 1965 0,254 6 1-GADP ( Hall y Jones, 1999)b 0,191 7 Logarit. de población total, 1965 0,101 8 Exportaciones primarias (% de total exportaciones) 0,076 9 D.T. de relación déficit fiscal/PIB 0,056 10 D.T. de relación comercio/PIB 0,050 11 Proporción de agricultura en PIB 0,042 12 Variable dicotómica de África Subsahariana 0,036 13 Variable dicotómica de países en desarrollo 0,025
14 M2 (% del PIB) 0,022
15 D.T. de tasa de inflación anual 0,020 16 Índice de democracia 0,014 17 Crédito para el sector privado (% del PIB) 0,010 18 Tasa de matrícula en secundaria 0,010 19 Variable dicotómica para países con alto endeudamiento 0,000 20 D.T. de relación M2, primeras diferencias logarítmicas 0,000 21 Índice de inestabilidad política 0,000 22 Tasa de inflación promedio 0,000 23 Exportaciones más importaciones (% del PIB) 0,000 24 Riesgo de Guerra civil 0,000 25 Índice de restricciones políticas 0,000 26 Variable dicotómica para Este de Asia 0,000 27 Variable dicotómica para América Latina 0,000 28 Variable dicotómica para la OCDE 0,000 29 D.T. de relaciones de intercambio (ponderada para comercial) 0,000
Nota: a. véase apéndice A.2 para descripción de las variables y fuentes b. índice de políticas gubernamentales contra malversación
Los cálculos de promedio del modelo en esta sección están basados en el algoritmo de pasos grandes, efectuados en el paquete estadístico S-Plus. El algoritmo de búsqueda fue suministrado amablemente por Adrian Raftery. Usando la aproximación BIC y la primera regla de las Ventanas de Occam (OW), el algoritmo explora un subconjunto de espacios de modelos, con la búsqueda designada para cubrir modelos que están fuertemente respaldados por los datos10.
Adicionalmente, cuando el algoritmo compara dos modelos anidados y rechaza decisivamente el modelo más simple, entonces se rechazan también todos los submodelos de este modelo más simple (véase el apéndice). Una idea fundamental detrás de esta estrategia de investigación es que al aumentar el número de observaciones, la distribución posterior de coeficientes estará cercana al estimador de probabilidad máxima. Así, se pueden usar los estimados de probabilidad máxima para evitar la necesidad de especificar una asignación a priori particular.11 Brock y Durlauf (2001) han usado una estrategia similar en el contexto del
crecimiento. Sin embargo, a la larga la investigación tiene que concentrarse en la especificación de las asignaciones a priori. En este sentido, Fernández et al (2001) ofrecen una contribución importante.
El análisis se emprende sobre la base de 29 variables diferentes, usando datos para 113 países para el período entre 1965 y 1995. La variable dependiente es la volatilidad, tal como ya se definió. BMA proporciona una serie de resultados, entre estos probabilidades posteriores para modelos, probabilidad posterior para cada variable, media y desviación típica posteriores de cada coeficiente, por solo mencionar algunos. El algoritmo consideró un gran universo de modelos en el que se permitieron varias combinaciones de regresores. Con base en la presentación de principios en Fernández et al (en preparación), señalé la importancia marginal de los regresores, tal como lo evidenció la probabilidad posterior para cada regresor diferente de cero. Tal como se puede observar en la Tabla 8, de los 29 regresores, tres variables parecen ser los determinantes más robustos de volatilidad. Las tres variables con la probabilidad posterior máxima son: volatilidad del consumo gubernamental (como proporción del PIB), volatilidad de las relaciones de intercambio y competitividad de la participación política. Obsérvese que los índices de democracia y restricciones políticas dejan de ser importantes en cuanto incluí el índice de competitividad de participación política. El PIB per cápita inicial y la
población inicial también recibieron una probabilidad posterior elevada. Esto parece respaldar algunos estudios recientes que controlan estas variables en una regresión con volatilidad como la variable dependiente. El índice de Hall-Jones (1999)12 y la volatilidad de los flujos de capital
privado también reciben un fuerte respaldo.
Los resultados de BMA también ofrecen una visión interesante de las variables del sector financiero. El crédito del sector privado y la relación M2/PIB son informativos, mas distan mucho de ser determinantes robustos para la volatilidad. Esto ofrece un contraste interesante con algunos estudios recientes que predicen un importante papel del desarrollo financiero para la reducción de la volatilidad (Denizer et al, 2001; Easterly et al, 2000). El resultado para las variables dicotómicas regionales es instructivo: salvo por África Subsahariana, el efecto de todas las demás regiones no es informativo en presencia de otros regresores. Esto es consecuente con lo que plantean Easterly y Levine (1997), quienes sugieren un efecto regional único para el África Subsahariana, el cual a menudo queda sin explicación en los modelos típicos comparativos entre países.
Con fines meramente expositivos, la Tabla 8 presenta además regresores con probabilidad posterior cero. En este caso nos encontramos con algunas sorpresas. Regresores como inestabilidad política, tasa de inflación y apertura comercial (exportaciones más importaciones/PIB) no ofrecen ninguna información en absoluto, aunque en estudios previos se demostró que eran determinantes importantes. Por ejemplo, la apertura comercial se ha utilizado frecuentemente como una variable de control importante en algunos de los estudios recientes sobre volatilidad (Denizer et al, 2001; Easterly et al, 2000). Sin embargo, de acuerdo con los resultados pareciera que una vez que se incluye en la regresión la volatilidad de las relaciones de intercambio (regresor 2), la apertura comercial no aporta mucho más.
El hecho de que las fluctuaciones de las relaciones de intercambio ofrecen una explicación importante para la volatilidad es bien conocido, pero existe menos consenso en cuanto a su medición exacta. Un estudio reciente (Easterly y Kraay, 2000) utiliza una medida ponderada en cuanto al comercio de las relaciones de intercambio para estudiar la volatilidad en países pequeños. La Tabla 6 expresa dudas sobre si esto ofrece un indicador informativo (véase el regresor 29) en presencia de otros indica dores. Por ejemplo, otro indicador recomendado por Rodrik (1999), la desviación típica de las primeras diferencias logarítmicas
de las relaciones de intercambio, es uno de los dos indicadores más robustos con probabilidad posterior igual a uno.13
Tabla 9: Coeficientes de BMA seleccionados
Regresores Media post. Volatilidad del consumo gubernamental
(% del PIB)
0,301 (0,075) Volatilidad de las relaciones de intercambio 7,607
(2,176) Competitividad de la participación
política‘participación’
-3,031 (0,756) Volatilidad de los flujos de capital privado
(% del PIB) (0,755) 0,578 Logaritmo de población total, 1965 -0,022 (0,047) Variable dicotómica del África Subsahariana 0,019
(0,123) Variable dicotómica de países en desarrollo 0,015
(0,126) Índice de democracia -0,035 (0,299)
Resulta interesante mencionar que en este grupo, excepto por las variables dicotómicas de África Subsahariana, todas las variables dicotómicas regionales son relativamente insignificantes para explicar la volatilidad. Por tanto, la volatilidad no parece ser un efecto regional único. Se explica en gran parte por los regresores incluidos en estos cálculos bayesianos.
La Tabla 9 presenta la desviación típica y media posteriores de los coeficientes seleccionados. Éstas son las contrapartes de los estimados de coeficiente OLS y errores típicos. Tal como muestra la tabla, la participación14, la volatilidad de las relaciones de
intercambio y los flujos de capital privado son los tres regresores con los coeficientes más altos. Esto coincide con algunos estudios anteriores. Se ha demostrado que una mayor variabilidad en el consumo gubernamental es un determinante importante de la volatilidad (Ramey y Ramey, 1995). Igualmente, la volatilidad en el ambiente externo (relaciones de intercambio y flujos de capital) es una fuente bien conocida de volatilidad. Un coeficiente negativo sobre la población inicial sugiere que los países pequeños son más volátiles, lo que en parte se debe a su mayor exposición al comercio internacional (Easterly y Kraay, 2000).
Esta sección utiliza BMA para considerar formalmente la incertidumbre del modelo, inherente para explicar la volatilidad entre países. Demuestra que BMA podría plantear una forma novedosa de separar el grano de la paja en la identificación de variables que están mejor respaldadas por los datos subyacentes. Sin embargo, quedan muchos aspectos pendientes. Entre estos, la selección de la distribución a priori para modelos diferentes y el desempeño de BMA cuando el modelo real no está en la clase de modelos.
También vale la pena mencionar que recientes aplicaciones de BMA se abstraen de otros temas de importancia fundamental, tales como la heterogeneidad no observada, el sesgo de variables omitido y la endogeneidad. Por estas razones, es poco probable que el modelo BMA per se ofrezca un enfoque general y precisamente ésta es la razón para utilizar este modelo en conjunto con enfoques más convencionales. Lo que es más, podría ser instructivo un contraste con otros enfoques, tales como el modelo general a específico de Hendry. Ésta sigue siendo una perspectiva fascinante, algo a lo que podrían dedicarse investigaciones futuras.
A continuación pondré a prueba dos hipótesis que relacionan las instituciones políticas y financieras con la volatilidad. En esta investigación estadística, abordaré los determinantes robustos de volatilidad identificados por el modelo bayesiano (BMA).
V. VOLATILIDAD E INSTITUCIONES FINANCIERAS
El desarrollo del sector financiero ofrece otra fuente, si bien no tradicional, de fluctuaciones macroeconómicas. La idea básica que plantea este creciente conjunto de literatura es que el desarrollo financiero interno podría desempeñar un papel capital para amortiguar las fluctuaciones de la producción. En este sentido se han resaltado tres cana les clave.
Primero: el desarrollo financiero mejora la capacidad de una economía para absorber los choques. El papel del sector financiero para combinar los ahorristas con los inversionistas, permitiendo la gestión de riesgo, y la provisión de liquidez ayudan a mitigar la volatilidad de la producción y el consumo. En un modelo en el que los ahorristas están separados de los inversionistas, Aghion et al (1999) muestran que la oferta y la demanda de crédito es más cíclica en presencia de bajo desarrollo financiero.
Tercero, el desarrollo financiero podría representar asimetrías de información en los mercados financieros, lo que tendería a aumentar la volatilidad (Denizer et al, 2001). Éste es el espíritu de los modelos teóricos que forjan una relación entre las imperfecciones de los mercados financieros y las fluctuaciones de la producción. Algunos aportes recientes en este sentido son los de Greenwald y Stiglitz (1993) y Kiyotaki y Moore (1997).
Los intentos empíricos por establecer una relación entre el desarrollo financiero y la volatilidad siguen siendo sorprendentemente limitados. Entre algunos recientes se podrían mencionar el de Hausmann y Gavin (1997), Easterly, Islam y Stiglitz (2000) y Denizer et al
(2001).15 La inspección causal de los datos entre países sugiere una fuerte correlación
negativa entre el desarrollo financiero y la volatilidad. El coeficiente de correlación simple entre el crédito adelantado al sector privado (como una fracción del PIB) y la volatilidad es -0,42 y el coeficiente de correlación de rango de Spearman es -0,46. Esto también se puede observar en el diagrama de dispersión de ambas variables en la Figura 1.
Esta sección aborda una investigación estadística más sistemática del vínculo entre el desarrollo financiero y la volatilidad entre el período 1965-95. Esto se logra dentro del marco de una regresión lineal, en donde la regresión de la volatilidad tiene lugar sobre medidas seleccionadas de desarrollo financiero junto con algunas de las variables más robustas identificadas con anterioridad. Igual que antes, la volatilidad se mide como la desviación típica del crecimiento anual del PIB per cápita durante el período del cálculo. Las variables de control son de dos tipos: las que (a) controlan los aspectos importantes de la volatilidad del crecimiento y (b) definen las condiciones iniciales y los efectos fijos.
Para la primera categoría, controlo los efectos del gasto gubernamental, los flujos de capital y las relaciones de intercambio sobre las fluctuaciones de la producción. La segunda categoría incluye las siguientes variables condicionantes: logaritmo de población inicial, para controlar el tamaño de la población, logaritmo de PIB real inicial per cápita, para controlar el nivel inicial de ingresos, variables dicotómicas para países en desarrollo y regional (SA, LAC, EAP), para controlar las experiencias inusuales de volatilidad. Se incluyeron las variables dicotómicas para América Latina, Este de Asia, África Subsahariana y OCDE. La única variable significativa fue la de África Subsahariana. La tabla que aparece a continuación describe las principales variables empleadas en las estimaciones subsiguientes.
Variable Descripción
Volatilidad D.T. de crecimiento anual de PIB per cápita Volatilidad de las relaciones de intercambio D.T. del logaritmo de las primeras diferencias
de las relaciones de intercambio
Volatilidad de los flujos de capital privado C. V. de los flujos de capital privado (% del PIB)
Volatilidad del consumo del gobierno D.T. del consumo del gobierno (% del PIB) Ingresos iniciales Log. de PIB real per cápita para 1965 Población Log. de población total para 1965
Nota. ‘D.T’.: desviación típica; ‘C.V’: coeficiente de variación
La volatilidad de los flujos de capital privado y la proporción de consumo del gobierno se tratan como exógenas, pues es más probable que los flujos de capital privados estén asociados
con condiciones económicas en países avanzados.16 Igualmente, la preocupación por la
endogeneidad probablemente sea menos seria para la volatilidad de la participación del consumo gubernamental en el PIB, en comparación con la tasa de crecimiento del nivel de consumo del gobierno. Sometí a prueba la hipótesis de que la volatilidad de la participación del consumo gubernamental es ortogonal con respecto al término de error en la ecuación de volatilidad usando el procedimiento Durban-Wu-Hausmann descrito en Davidson y MacKinnon (1993). Así se obtuvo un valor de p de 0,41, lo que indica que OLS es consistente.17
Se han empleado varias medidas para captar el desarrollo financiero. Convencionalmente las variables del sector financiero se han tratado como endógenas en estudios empíricos. Así, algunos países pueden tener sectores financieros bien desarrollados porque son menos volátiles. Considero la endogeneidad de las variables del sector financiero tomando el promedio de estas variables para todo el período inicial: 1965-70.
Los resultados de este ejercicio estadístico plantean algunas perspectivas interesantes. La Tabla 10 presenta los resultados iniciales. La columna (1) muestra la relación M2/PIB para representar la profundidad financiera y el tamaño general del sistema financiero. El coeficiente sobre la relación M2/PIB es negativo y estadísticamente significativo, lo que sugiere que la baja profundidad financiera está asociada con alta volatilidad. Sin embargo, esta variable pierde significación estadística si la volatilidad de las relaciones de intercambio
16 Haussman y Gavin (1997) muestran, por ejemplo, la alta correlación entre flujos de capital privado para las tasas de interés reales en América Latina y Estados Unidos.
(col. 2) u otras variables de control (col. 3) se introducen en la regresión. Obsérvese que al añadir la volatilidad de las relaciones de intercambio en la columna (2) se obtiene tanto una caída en el coeficiente sobre la relación M2 como una pérdida de significación estadística.
Tabla 10: Volatilidad y desarrollo financiero, 1965-95
Variable dependiente: D.T. del crecimiento anual del PIB per cápita, 1965-95
(1) (2) (3) (4) (5) (6)
Constante 5,63*
(1,53) (1,40) 2,73* (2,45) 2,71 (0,77) 4,08* (0,78) 2,38* (3,34) 4,33 Volatilidad del consumo
gubernamental (0,14) 0,39* (0,12) 0,28* (0,14) 0,23 (0,10) 0,14* (0,11) 0,11 -0,001 (0,12) Volatilidad de los flujos de
capital (0,78) 1,73* (0,73) 1,75* (0,68) 1,68* (0,86) 1,92* (0,88) 1,39 1,38** (0,81) M2 (% del PIB)a -0,97*
(0,35) (0,32) -0,41 (0,39) -0,07 Crédito al sector privado (%
del PIB) -0,06* (0,02) (0,03) -0,02 (0,03) -0,01 Crédito al sector privado,
cuadrado (0,00015) 0,0003** 0,00002 (0,0002) 0,00002 (0,0002) Volatilidad de las relaciones
de intercambio 11,12* (2,53) 11,04* (2,67) 11,58* (3,02) (2,91) 9,51*
Variables condicionantes
ln(población, 1965) -0,09
(0,12) (0,14) -0,14 ln(PIB real per cápita, 1965) 0,03
(0,27) (0,41) 0,04 Variable dicotómica África
Subsahariana 0,74** (0,42) 0,94** (0,53)
R2 0,32 0,45 0,48 0,25 0,30 0,36
Número de observaciones 113 113 113 97 97 97
Nota. a. logaritmo natural de la variable incluida en esta regresión. Los números en paréntesis son errores típicos robustos
Figuras 4-5: Relación crédito privado/volatilidad: ¿una relación no lineal?
0 20 4 0 6 0 8 0 1 0 0
Credit to the private sector (% of GDP) 2
4 6 8 1 0 1 2
S. D. of per capita GDP growth
0 2 0 4 0 6 0 8 0 100
C r e d i t t o t h e p r i v a t e s e c t o r ( % o f G D P ) 0.0
0.1 0.2 0.3 0.4
Terms of trade volatility
D.T. de crecimiento del PIB per cápita
Crédito al sector privado (% del PIB)
Volatilidad de las relaciones de intercambio
Un coeficiente positivo y estadísticamente significativo de la volatilidad de las relaciones de intercambio merece mención aparte. Demuestra que una mayor exposición a los choques de las relaciones de intercambio ofrece una de las explicaciones más poderosas para la volatilidad. Obsérvese que la magnitud del coeficiente es mayor que cualquier otra variable aquí considerada. Esto es así aun cuando parte de su efecto sobre la volatilidad se traduce a través de volatilidad de políticas, según mide la D.T. del consumo gubernamental (% de PIB). Excluir la volatilidad del consumo gubernamental de la regresión, de hecho, mejora el coeficiente de la volatilidad de las relaciones de intercambio (no se informa). El hecho de que los choques externos puedan influir sobre la capacidad para administrar las finanzas internas es respaldado por evidencia de países. Por ejemplo, la sensibilidad del déficit fiscal venezolano a los cambios de los precios mundiales del crudo es un hecho bien conocido.
Sería interesante ver si el hallazgo sobre la relación M2/PIB sobrevive a un indicador diferente de desarrollo financiero, crédito al sector privado (como proporción de PIB, crédito del sector privado). Se trata de una mejora con respecto a las otras medidas de desarrollo financiero. En luga r de simplemente capturar el tamaño del sector financiero, aísla el crédito emitido para el sector privado en oposición al crédito emitido a los gobiernos (King y Levine, 1993; Levine et al, 2000). Un gráfico de la volatilidad contra esta nueva variable muestra una fuerte relación negativa. Tal como se puede observar en la Figura 4, la relación no es completamente lineal. Un impacto no lineal del desarrollo financiero sobre la volatilidad es una posibilidad interesante y las estimaciones subsiguientes la consideran al incluir un término cuadrático para el crédito del sector privado.
La columna (4) de la Tabla 10 presenta un coeficiente negativo y estadísticamente significativo para el crédito del sector privado. El término cuadrático en el crédito del sector privado muestra un coeficiente que es positivo y significativo en el nivel del diez por ciento. ¿Qué significa un coeficiente negativo en el término lineal y uno positivo en el término cuadrático? Este resultado sugiere que la volatilidad es decreciente en el desarrollo financiero a bajos niveles de desarrollo financiero, pero la relación cambia a positiva para niveles relativamente altos de desarrollo financiero. Una manera de interpretar estos resultados es que el papel del desarrollo financiero para absorber los choques (representado por el crédito del sector privado) es más fuerte con bajos niveles de desarrollo financiero. Cuando el sector financiero se hace relativamente grandecon una participación mayor del crédito adelantada
