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

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.

[email protected]

♠ Universidad de la República de Uruguay. Nicolás Peyrous: [email protected]. Diego Fernández: [email protected].

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.

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.

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 (S_t=1) o permitir la flotación (S_t=2). La dinámica del tipo de cambio en cada período va a depender del régimen cambiario.

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:

) , ,

( _{t t−1} s_t−1 B φ π

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 S_t-1 es el régimen cambiario existente. Si B( ,φ π_{t t−1},s_t−1) 0≥ , las autoridades defienden la moneda, si B(φ_t,π_t−1,s_t−1)<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.

S_t-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 ,

, ( ) , (

1 1 2 1

1 1 1

1

=

=

=

=

−

−

−

−

−

−

t t t t

t

t t t t

t

s B

B

s B

B

π φ π

φ

π φ π

φ

donde se asume que B^st−1 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 =

∀π φ B^st− φ π

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:

´ ´

( , ) Pr( _t 1 / _t ) F φ φ = φ₊ <φ φ φ=

con la condición impuesta de que F ≤₁ 0, 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

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 φ_t^*eel 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 φ_t <φ_t^*e, 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 Pr( ^e/ 1) ( 1, ^e)

t t t t F t t

π ₋ = 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 φ_t^*. Para este valor escogido se cumple que:

1 * 1 * *

1 1

( , ) ( , ( , )) 0

t t

s s e

t t t t t

B ⁻ φ π₋ =B ⁻ φ F φ φ₋ =

En equilibrio, con expectativas racionales se cumple que φ_t^*e=φ_t^*, tal que φ_t^* es la solución de B^st−1(φ_t^*,F(φ_t−1,φ_t^*))=0 y la probabilidad estimada de una crisis será el valor de πt-1 que satisface π_t−1=Pr(B^st−1( ,φ π_t^* _t−1) 0 /< φ_t−1).

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

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 s

t t t t

t s t

B

x

φ π φ γπ

φ δ

−

−

− = − −

= −

donde γ es un parámetro y δ_st−1es un vector de parámetros estado dependientes.

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

) , 0 (

1

Σ

≈

+

= ₋

iidN Ax x

t

t t t

ε

ε

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

s

t t t t

s t t t

s t s t t t

B x

x x

Ax x

π φ π

δ γπ

δ ε δ γπ

−

−

− −

− − −

− −

− − −

= <

= − − <

= − < +

Definimos u_t^st−1 ≡ −δ ε_s^'_{t−1 t}, de forma que u_t^st−1 ≈N(0,δ_s^'_t−1Σδ_st−1)≡N(0,σ_s²_t−1). Por tanto

1

1 1 1

' '

1 Pr( ^st _t 1 1/ 1) ( _t 1 _t 1)

t ut s Axt t xt s xt s t

π₋ = ⁻ <δ _{− −} +γπ _{− −} = Φ β _{− −} +λ π_{− −} .

donde β_st−1=(1/σ δ_u) _s^'_t−1Ay ( /λ_st−1 = γ σ_st−1).

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 Φ(β_s^'_t−1x_t−₁+λ π_{st−1 t}−₁), cuando alcanza el máximo debe ser mayor que uno.² En segundo lugar, los fundamentos económicos deben pertenecer a cierto intervalo (por ejemplo 



 



∈ ⁻

− φ

φ_t φ, ). Por el contrario, si los fundamentos son tan buenos

que (φ〉 ), la probabilidad de devaluar es únicamente definida y cercana a cero. Por φ⁻ otro lado, si los fundamentos son tan malos que por ejemplo, φ φ

−

〈 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).

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 φ_t y decrece solo con él.

3 El primer trabajo en esta área es de Lee (1991).

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

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 (S_t) 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

{ }

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 N(µ₁,σ₁²). Si el proceso está en el régimen 2, yt se representa por una distribución N(µ₂,σ₂²). Por lo tanto, el comportamiento de la variable dependiente yt es dependiente de St de forma que:

) , ( / _{t i i}²

t s N

y ≈ µ σ

La densidad de yt, condicional a St es











− −

= ₂ ²

2 ) exp (

2 ) 1 / (

t t

t s

s t s

t t

s y y

f σ

µ σ

π 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 t

t t

t t

t t

p F x p F x

p F x p F x

β β

β 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) x_t−1 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:

{

}

P θ π

Las probabilidades π1, ...., πN son incluidas también en θ; esto significa que θ viene dado por θ =(µ₁,...,µ_N;σ₁²,...,σ_N²;π₁,...,π_N)'.

La función de densidad conjunta de yt y St

{

}

θ

θ) ( / ; ). ;

; ,

(y s f y s j P s j

p _{t t} = _{t t} = _t =











− −

=

= ₂

2

2 ) exp (

) 2

; , (

j j t j

j t

t

j y s y

p σ

µ σ

π

θ π

La distribución incondicional de y puede obtenerse al sumar la ecuación anterior sobre todos los valores de j:

∑

=

= ^N

j t t

t p y s j

y f

1

)

; , ( )

;

( θ θ

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

t f yt

1

)

; ( log )

(θ θ .

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

θ π

θ θ θ

t t t j t

t t t

t f y

j s y f y

f s y y p

j s

P =

=

=

= .

Este número representa la probabilidad, dado los datos observados, que el régimen no observable de la observación t sea el régimen j.

Dado que las ecuaciones son no lineales, no es posible resolver analíticamente la estimación de θ como función de {y1, y₂, ..., y_T}. 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 (y_t) 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

Variacion Mensual TCN

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.





= 0,096707 0,903293 0,028060 0,971940

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” (S_t=1) tiene media –0,212 mientras que el estado “devaluado” (S_t=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).

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:

jj

j p

D E = −

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 jj

j p

D p

V = −

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:



 



=

2248 , 0

7751 , π 0

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

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.

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).

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).

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

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 β

β

−

−

=

= + + + + +

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

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 ( _t1 ), siendo 2_t1 1 2 3 3 p =F x−β x−β = +b b X +b X ,

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.

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

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.

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.