Riesgo de precio en commodities: ¿profundización en la sensibilidad de precios agrícolas ante shocks de tasa de interés?

ContaduríayAdministración61(2016)746–761

www.contaduriayadministracionunam.mx/

Disponibleenwww.sciencedirect.com www.cya.unam.mx/index.php/cya

Riesgo

de

precio

en

commodities:

¿profundización

en

la

sensibilidad

de

precios

agrícolas

ante

shocks

de

tasa

de

interés?

Price

risk

in

commodities:

Sensitivity

of

agricultural

commodities

to

interest

rate

shocks

Gonzalo

Rondinone

y

Esteban

Otto

Thomasz

UniversidaddeBuenosAires,Argentina

Recibidoel3dejuliode2015;aceptadoel10defebrerode2016 DisponibleenInternetel23dejuniode2016

Resumen

Elobjetivodeestetrabajoessometerapruebaelniveldesensibilidaddelpreciodecommoditiesagrícolas frenteashocksenlatasadeinterés.Elestudiosecentraráespecíficamenteenelcasodelporotodesoja ydelmaíz,ymedianteunsistemadevectoresautorregresivosseevaluarálareaccióndelospreciosante alteracionesenlatasadeinterés.Enfuncióndelosresultadosalcanzados,seesbozanalgunasimplicaciones quepuedetenerelproceso,sobretodoenrelaciónconelimpactoenpaísesdependientesdelaexportación demateriasprimas.

DerechosReservados©2015UniversidadNacionalAutónomadeMéxico,FacultaddeContaduríay Admi-nistración. Este es un artículo deacceso abierto distribuidobajo lostérminos de laLicencia Creative CommonsCCBY-NC-ND4.0.

Palabrasclave: Riesgodeprecio;Commoditiesagrícolas;Tasadeinterés;Vectoresautrorregresivos CódigosJEL: Q11;G11;C3

Abstract

Theaimofthisstudyistotestthesensitivityofthepriceofagriculturalcommoditiesagainstshocks in theinterestrate.Thestudy willfocusspecificallyon thecaseof soybeansandcorn, analyzingifin recentyearstherehavebeenchangesinpricesensitivityofpricestochangesininterestrates.Usingavector

∗_{Autorparacorrespondencia.}

Correoelectrónico:gonzalorondinone@economicas.uba.ar(G.Rondinone).

LarevisiónporparesesresponsabilidaddelaUniversidadNacionalAutónomadeMéxico.

http://dx.doi.org/10.1016/j.cya.2016.02.002

0186-1042/DerechosReservados©2015UniversidadNacionalAutónomadeMéxico,FacultaddeContaduríay Admi-nistración.EsteesunartículodeaccesoabiertodistribuidobajolostérminosdelaLicenciaCreativeCommonsCC BY-NC-ND4.0.

autoregressionmodelwewilltestthereactionofpricestochangesininterestrates.Dependingontheresults, weresumesomeimplicationsoftheprocess,especiallyinrelationtotheimpactoncountriesdependenton theexportofagriculturalcommoditites.

AllRightsReserved©2015UniversidadNacionalAutónomadeMéxico,FacultaddeContaduríay Admi-nistración.ThisisanopenaccessitemdistributedundertheCreativeCommonsCCLicenseBY-NC-ND 4.0.

Keywords: PriceRisk;Agriculturalcommodities;Financialization;Autorregressivevectorsystem JELclassification: Q11;G11;C3

Introducción

Apartirdela˜no2000sehanobservadocambiosenladinámicadelospreciosdecommodities,

marcandonivelesrécorddecrecimientodepreciosytambiénelevadavolatilidad.Asimismo,seha observadoelingresodeinversoresdecarteraalmercadodecommodities.Lainversióndecartera ysuinfluenciaenlosprecioshasidodefinidacomoprocesodefinanciarizacióndecommodities

yhasidoampliamenteestudiadaenlosúltimosa˜nos(UnitedNations,2009,2011;TangyXiong,

2012).

Estogeneraelinterrogantedesilaentradadejugadoresfinancierosadichomercadohaelevado lareaccióndelospreciosrespectoalcomportamientodevariablesfinancierasfundamentalescomo latasadeinterésyelvalordeldólar.Existenestudiosrecientesqueanalizanlarelaciónentre dichasvariablesylospreciosdecommodities(Bastourre,CarrerayIbarlucia,2008,Akram,2009;

Curcio,deJesús,QuiroloyVilker,2010;LeClech,2013),peroenningúncasoseanalizasila

relaciónsehaprofundizadorespectoaperíodosanteriores.

Enestesentido,elobjetivodeestetrabajoessometerapruebasise hangeneradocambios significativosenelniveldesensibilidaddelpreciodecommoditiesagrícolasfrenteashocksde tasadeinterésydelacotizacióndeldólardurantelaúltimadécadarespectoaunperíodoprevio. En la primera sección de este trabajo se presenta una síntesis del conjunto de relaciones quevinculanlatasadeinterés,elvalordeldólaryotrasvariablesfinancierasconelpreciode

commodities.Enlasegundasecciónsepresentaunabrevedescripcióndelmodeloeconométrico utilizado. En la tercera secciónse testea mediante un sistema de vectoresautorregresivos la sensibilidaddelpreciodelporotodesojaydelmaízanteshocksdetasadeinterésydelacotización deldólarentérminoscomparativosentre1990-2003y2004-2014.Porúltimo,seesbozanalgunas conclusionesenrelaciónconlosresultadosalcanzadosenfuncióndelaconvenienciadeincorporar

commoditiesacarterasdeinversiónporunlado,perosobretodoenrelaciónconelimpactoque dichoefectopuedegenerarenpaísesdependientesdelaexportacióndemateriasprimas.

Primerasección.Modelizacióndepreciosdecommodities

Enestasecciónsepresentanmodelosbásicosqueintentanexplicarelcomportamientodelos preciosdeloscommoditiessobrelabasedelasrelacionesentrelatasadeinterés,lacotización del dólaryelniveldestocksdemateriasprimas.Enprimerlugarsepresentanlasecuaciones básicasquevinculanlatasadeinterésyelpreciodeloscommoditiesparaposteriormentepresentar losmodelosqueplanteanlareaccióndeloscommoditiesfrenteacambiosenlatasadeinterés. Seguidamente sepresentalarelaciónentrecotización deldólarypreciodecommodities, para culminarconrelaciónentrestocksyprecios.Elobjetivodelasecciónesfundamentarlaelección devariablesqueconformaránelmodeloqueseráelnúcleodeltrabajo.

Tasadeinterésypreciodecommodities

Larelaciónentretasadeinterésycommoditiestienelargatradiciónenlaliteratura,partiendo delacontribucióndeHotelling(1931),quienpostulaquelatasadecrecimietodelospreciosde

commoditiesdeberíaseranálogaalatasadeinterés.

SiguiendoaAkram(2009),unarelaciónbásicaentrepreciodecommoditiesytasadeinterés (bajoelsupuestodemercadoseficientes)eslasiguiente:

Etpct+1−pct =it+s(it) (1) Laecuaciónexpresaquelarevaluaciónduranteunperíododelpreciodeuncommodityesigual alatasadeinterésmáselcostodealmacenajedelmismo.Esunaprácticausualenlaliteratura queelcostode almacenaje dependaasu vezdela tasade interés(Deaton y Laroque,1996;

Yang,BessleryLeatham,2001).Larelaciónimplica,enmercadoseficientes,queeldiferencial

depreciosentreunperíodoyelotrodebeserigualaloquese hubieseganadoporlaventay colocaciónaunatasadeinterésmáselcostodeacarreodeunperíodo.Alzasenlastasasdeinterés reducenlaapreciaciónesperadadecommodities.

Otraformasencilladeentenderlarelaciónentrecommoditiesytasadeinterésesladefinición explicitadaporHull(2009):

F0=S0e(r+u)T (2)

DondeF0eselpreciodeuncontratodefuturosenelmomentopresente,S0eselpreciospot delactivosubyacentedelcontrato,reslatasalibrederiesgo,Teseltiempohastaeldeliverydel contratoyUeselvalorpresentedeloscostosdealmacenajeduranteladuracióndelcontrato. Reordenandolaecuaciónseobservaqueelpreciospotesigualalvalordescontadodelosfuturos netosdeuncostodealmacenaje:

S0=F0e−(r+u)T (3)

Sededucedelamismaquemenorestasasdeinteréselevanelvalorpresentey,porlotanto,el preciodelcommodity.

Reaccióndeloscommoditiesfrenteacambiosenlatasadeinterés

Másalládelarelaciónentrelatasadeinterésyelpreciodecommodities,esrelevanteanalizar larespuestade estosúltimosfrentealoscambiosenlatasa.Enestemarco destacaeltrabajo

deFrankel(1986),basado enelmodelode overshootingdeDornbusch (1976).Para elautor,

unacontracciónmonetariatemporariaincrementa latasa deinterésreal vía latasa deinterés nominal,atravésunacaídaenlainflaciónesperadaounacombinacióndeambas.Estogenera quetemporalmenteelpreciorelativodeloscommoditiescaigamásquesuvalordelargoplazo, hastaelpuntodequelos mismosseanpercibidoscomoampliamente subvaluados,generando unaexpectativafuturadeapreciaciónqueessuficienteparacontrarrestarlanuevatasadeinterés máselevada.Enellargo plazo,elnivelde preciosse ajustaparacambiarlaofertamonetaria real y tantolatasa de interésreal como elprecio realde los commoditiesse retrotraenalos valoresiniciales.Elsupuestoclavequecierraelmodelodeovershootingesquelospreciosde losproductosagropecuariosymineralesajustanrápidamente,mientrasqueelrestodelosprecios ajustalentamente.

Enuntrabajoposterior,Frankel(2006)resumequemayorestasasdeinterésreducenlademanda de aquelloscommoditiesquepuedenser almacenados,eincrementanlaofertadelos mismos a través de 3 canales: a)en commoditiesenergéticos como el petróleo,un alza de latasa de interésincentivalaextracciónpresenteendetrimentodehacerloenelfuturo;b)disminuyendo losincentivosparaincrementarinventarios,yc)víaefectosustituciónenaquellosinversoresque venden susposicionesencommoditiesaotrasinversionesfinancierascomo lostreasury bills.

Contrariamente,unabajadelatasadeinterésrealtieneelefectoopuesto,bajandoloscostosde acarrearinventarioseincentivandoelefectosustituciónhaciacommodities.

Relaciónentrecotizacióndeldólarypreciodecommodities

Comolamayoríadeloscommoditiescotizanendólares,unadevaluacióndeldólarincrementa el poderde comprarelativo delresto delasmonedas mundiales, elevandosu precio. Bajoel cumplimientodelaleydeprecioúnico,estoúltimopuedeserinterpretadoapartirdelasiguiente ecuación:

pcf =e+pc (4)

Dondepceselpreciodeuncommodityendólares,eeseltipodecambionominaldeldólaren términodeunidadesdemonedaextranjeraypcf_{eselpreciodelcommodityvaluadoenmoneda} extranjera.Pordefinición,uncommodityesunbienhomogéneoyquesetransaenlosmercados internacionales.Consecuentemente,unadepreciación(apreciación)delamonedadenominación delbienincrementa(disminuye)elpoderdecompradelospaísesquesondemandantesdeese

commodity.Deexistiralgúndiferencial,losarbitrajistas,bajoelsupuestodemercadoseficientes, seencargarándequeelpreciodelcommodityseincremente(disminuya).

Dornbusch(1985)estudialarelaciónentrelosmovimientosentérminosrealesdeldólaryel

preciodelosmismos.Suconclusióneslamismaquesepresentóanteriormente,peroagregaquea medidaqueaumentalaparticipacióndelospaísesdemandanteseneltotaldelcomerciomundial, estosefectosseamplifican.

Es claro quehayun efectode simultaneidad entre los 2 factores financierosenumerados. Losmovimientosenlatasadeinterésylacotizacióndelamonedanosonindependientes.Una bajaenlatasadeinteréspuedeconllevarunadepreciacióndeldólar,porlocualelefectosobre

commoditiessedaporamboscanales:efectoFischervíaecuacióndeparidaddeinterés.Elanálisis detalefectoestáfueradelosalcancesdeestetrabajo.

Relaciónentreprecio,stocksydemanda

Larelaciónentrelaproducciónylademandadecommoditiesjuegaunrolclaveenla determi-nacióndelosprecios.DeacuerdoaMaizels(1994)yReinhart(1994),lasgrandesfluctuaciones depreciosdecommoditiespuedenserexplicadasporshocksdeofertaydemandarelacionadacon elcommodityfísico.Laduracióndelosshocksylaamplituddependerádelasituacióndestocks. Sielimpactopuedeabsorberseatravésdestocks,entonceselmismopierdepotencia;encambio, silosnivelesdestockssonbajos,cualquierproblemaqueafectealademandaolaofertatendrá mayorimpactosobreelprecio.Partedelosfuertesincrementosdepreciosdelperíodo2004-2008 y 2009-2013se dieroncoincidentementeconsituaciones demuybajosstocks anivelmundial paralasdistintasproduccionesdecommoditiesagrícolas(principalmentesoja,maízytrigo).

Porotrolado,loscambiosproducidosapatirde2000,mayormenteenlaseconomías deman-dantesdecommodities,muestranlaimportanciadefocalizarsetambiénenelladodelademanda,

0 500 1.000 1.500 2.000 2.500

Dic-98 _Sep-99 Jun-00 Mar-01 Dic-01 _Sep-02 Jun-03 Mar-04 Dic-04 _Sep-05 Jun-06 Mar-07 Dic-07 _Sep-08 Jun-09 Mar-10 Dic-10 _Sep-11 Jun-12 Mar-13 Dic-13

Miles de mill de U$

Commodities Acciones

Figura1.TradingdeaccionesyderivadosOTC.

Fuente:elaboraciónpropiaenbaseaBankforInternationalSettlementsDerivativesStatistics.

particularmenteenlosllamados«Asiandrivers»comomovilizadoresdelciclodecommodities.

Autorescomo Kaplinsky(2006)yNissanke(2010)muestranelroldeestos—principalmente ChinaeIndia—enlademandadecommodities.

Relacionesconotrasvariablesfinancieras

Losdenominadosíndicesdecommodities1hanestadoadisposicióndelosinversoresdesde principiodeladécadadelosnoventa,aunqueenlosúltimosa˜noshantenidounafuerteexpansión. Estosíndicesfueroncreadosparaofreceralinversorunaccesoalmercado decommoditiesen formadeactivofinanciero.Duranteladécadadel2000muchasfirmaslanzaronsuspropiosíndices condistintasformasdeconstrucciónparaalcanzardeterminadosobjetivos.

Enlafigura1secomparalaevolucióndeltradingdeaccionesyderivadosOver-The-Counter

(OTC)decommodities.Comopuedeobservarse,elvalordemercadodelasposicionesabiertas encommoditiessemultiplicópor70desdeelprimerdatodelaseriehastaelmáximoregistrado enjuniode2008,períodoprevioalestallidodelacrisisinternacional.Esinteresantenotarque durantelosprimerosa˜nosdeladécadaeltama˜nodelmercadodeOTCenaccionesfuesiempre mayoralde commodities.No obstante,endiciembrede2004laserie comienzaamostrarun crecimientoaceleradodelasoperacionesenOTCrelacionadasacommoditiesquelollevan,tan solouna˜nodespués,aalcanzarelvolumendelasposicionesenacciones.AutorescomoBaker

(2014),BasuyGavin(2010)yHendersonetal.(2012)trabajansobredichalínea.

Másalládelaevolucióndelmercadoensímismo,untópicodeestudioimportanteesobservar cómosecomportanlosretornosdeestosíndicesenrelaciónconotrosactivos.Enotraspalabras, ¿losíndicessecomportanenformacadavezmássimilaraotrosactivosnetamentefinancieros?

Tangy Xiong(2012)presentan larollingcorrelationdeun a˜notanto paraelS&P500 como

paraelS&PGSCI2.Allípuedeobservasequelacorrelaciónsemantuvoenunabandaentre0

1 _{Soníndicesquereplicanelcomportamientodelospreciosdeunconjuntodecommodities.Lainversiónenlosmismos} serealizaatravésdeunvehículodeonominadoexchangeabletradefund(ETF).

2 _{ElS&PGSCIesuníndicedecommoditiesponderadosenfuncióndesuparticipaciónenlaproducciónmundial.El} sectorenergéticotienefuerteparticipaciónenelíndice.Fuelanzadooriginalmenteen1991yesutilizadocomobenchmark demercado.

y −0.2duranteladécadadelosnoventa,peroapartir dela˜no2004lacorrelacióncomienzaa incrementarsehasta0.6,manteniéndoseposteriormenteenesenivel.Resultarelevanteestudiar este comportamiento enfuturas investigaciones,ya queuno de losfundamentos básicos para incorporarcommoditiesaportfoliostradicionalesdeinversiónessubajacorrelaciónconotrotipo deactivosfinancieros.DeacuerdoconTangyXiong(2012),esteincrementoenlacorrelación puededeberseaunamayorinestabilidad macroeconómicaanivelglobal, perotambién auna mayorpresenciadeinversoresfinancierosenlosmercadosdecommodities.

EsinteresantenotarquelacorrelaciónnosoloseincrementóconelS&P500,sinoquetambién lohizoconlosmercadosemergentes.Comparandolarollingcorrelationdeuna˜noentreelS&P 500yelMSCIEmergingMarket3seobservalosiguiente:hastaela˜no2004estabaentornoa 0,apartirdelocualcomienzaasubirgradualmenteparaalcanzarunvalorde0.6yfinalmente estabilizarseen0.5(TangyXiong,2012,pp.35).Esteincrementoescoincidenteconelimpacto quelaseconomíasemergenteshanganadosobrelaeconomíamundialenlosúltimos20a˜nos.En estesentido,KilianyPark(2009)explicanqueelrápidocrecimientodeChinaeIndiasonuna fuentedeexplicacióndelasubadelpreciodeloscommodities.ComomuestranTangyXiong

(2012),lademandadecommoditiesporpartedelaseconomíasemergentesdependepositivamente

desu crecimientoeconómicoynegativamentedelpreciodel dólar,dadoqueeslamonedade cambioparaestetipodetransacciones.Enestecasoseobservatambiénunacorrelacióncadavez másnegativaentreelretornodelS&P500yeldólar,medidoatravésdelDollarIndex,quemide lafortalezadeldólaranteeleuro,elyen,lalibra,elfrancosuizoylacoronasueca.Enlamisma línea,SilvennoinenyThorp(2013)estudianlascorrelacionesde24commoditiesindividualesy losprincipalesíndicesaccionarioseuropeosusandoinformaciónsemanaldesde1990-2009.

Dadoquelacorrelacióncomienzaaincrementarsedesdeela˜no2004,cuandosedaun creci-mientofuertedelosíndicesdecommodities,esválidopreguntarsesiapartirdedichoa˜noseha profundizadolarelaciónentrepreciodecommoditiesytasadeinterés,envistasdequelatasaes unodelosprincipalesalocadoresdeactivosenelmarcodelainversióndecartera.

Ensíntesis,larelaciónentretasadeinterésypreciosdecommoditiesdistadesernovedosa, partiendo delos fundamentosbásicosdelateoríafinanciera(hipótesisdemercadoseficientes, ecuacióndeparidaddeintereses,valuacióndederivados)hastamodelosmássofisticados (Dorn-busch,Frankel,etc.).Enestesentido,elobjetivodeestetrabajonoesverificarlarelaciónentre tasadeinterésypreciodecommodities,sinoevaluarsidicharelaciónsehaprofundizadodebido anuevosefectosdeíndoleestrictamentefinanciera.Porello,enlasecciónsiguientesepresenta untesteosobresilarelaciónentrelatasadeinterésyelpreciodecommoditiessehaprofundizado durante2004-2014respectoa1990-2003.

Segundasección.Medicióndelasensibilidaddelpreciodelasojaydelmaíz antecambiosenlatasadeinterés

Modelodevectoresautorregresivos

Elobjetivoprincipaldeestasecciónesestudiarlarespuestadelospreciosinternacionalesde

commoditiesagrícolasantevariacionesenlatasadeinterésnorteamericana.Sibienlasrelaciones entretasadeinterésypreciodecommoditiesnosonalgoreciente(talcomofuedescriptoenel

3_{ElMSCIEmergingMarketesuníndicequebuscaemularelretornodelosmercadosemergentes.Lasmayores} participacionesindividualessondeChina,CoreadelSur,Taiwán,SudáfricayBrasil.

marcoteórico),elcrecimientodelainversiónfinancieradeíndicesdecommodities,entreotros factores,puedehaberprofundizadodicharelación.

Paraestudiarlaincidenciadelatasadeinterésenelpreciodeporotodesojaymaíz,seaplica unmodelodevectoresautorregresivos(VAR).Laeleccióndeestaherramientademodelización frenteaotrasalternativas,comolasecuacionessimultáneas,radicaenlaposibilidaddelestudiode funcionesdeimpulso-respuesta.Estasanalizanlainteraccióndinámicaquecaracterizaalsistema estimado,siendo posibleidentificarlas conlasimulacióndelmodelo propuesto,mostrandola reacciónorespuestadelasvariablesexplicadasenelsistemaantecambiosenlos errores.Un

shockenunavariableenelperíodoiafectarádirectamentealapropiavariabley,almismotiempo, setransmitiráalrestodelasvariablesexplicadasatravésdelaestructuradinámicaenelmodelo VAR.

Una de las críticas al modeloVAR es que, dada su forma de construcción, la interpreta-ción delos parámetros se vuelvecompleja.No obstante, noes elobjetivo de este trabajo la estimacióndedichosparámetrossinocomprenderlarespuestadelasojayelmaízantecambios enlatasadeinterésycomprendersiesarespuestahacambiadoenlosúltimosa˜nos.

Latécnicaaplicada,propuestaporSims(1980),sugiereque,deexistirunaverdadera simulta-neidadentreunconjuntodelasvariables,todasdebensertratadasdelamismamanera.Nodebería existirex-anteunadistinciónentrevariablesendógenasyexógenas.Losmodelosdeecuaciones simultáneasquetratalaeconometríatradicionalpermitenexplicitarestadependenciamutuaentre lasvariables.Sinembargo,paralograrunaformalizaciónadecuadaserequiereclasificarlas varia-blesenlascategorías«endógenas»y«exógenas»,distinciónquenosiempresurgeconclaridad delateoríaeconómicasubyacente.Simsbuscasolucionaresteproblema:ensuversiónirrestricta trataatodaslasvariablessimétricamenteenelsentidodequecolocaenelmismorangoatodas lasvariablesdelmodelo:todassonendógenas,yseespecificacadaunadeellascomofunción linealdesuspropiosvalorespasadosyvalorespasadosdelasrestantesvariablesdelsistema.

Estos modelos son utilizados particularmente para analizar la dinámica generada ante el impactode unshockaleatorio enalgunadelasvariablesdelsistema,porlocualse adaptaal objetivoplanteadoenestasección.

ConlaideadesimplificarlaexposiciónteóricaseutilizaunmodeloVARbivariadodeprimer ordenpresentandoenBrooks(2014).

Y1t =δ1+φ11Y1,t−1+φ12Y2,t−1+ε1t

Y2t =δ2+φ21Y1,t−1+φ22Y2,t−1+ε2t

(5) Puedeobservarsequecadavariableesfunciónlinealdelosvaloresrezagadosdeellamisma y de lasrestantes variablesincluidas.Cadavariable regresando comparteelmismogrupo de variablesregresoras. Estopermiteinterpretar la representación VARcomo laformareducida deunmodeloestructuraldeecuacionessimultáneas.Paralarepresentaciónanterior,elmodelo estructuralcorrespondientees:

Y1t =b10+b12Y2t+c11Y1,t−1+c12Y2,t−1+μ1t

Y2t =b20+b21Y2t+c21Y1,t−1+c22Y2,t−1+μ2t

(6) Unadelasventajasdecisivas,como semencionóanteriormente,quetiene lamodelización VARfrenteaotrasalternativaseslaposibilidaddeestudiarfuncionesdeimpulso-respuestasobre lasvariables.Siguiendolanotaciónvectorialdelmodelosetieneque:

TomandoencuentalaestacionariedaddelVAR(1),puedeexpresarseestocomounvectorde mediasmóviles(∞): Yt=δ+φ1Y_t−1+ε_t = ¯Y+ ∞  j=0 φj1εt−j ¯ Y = _Y¯ 1 ¯ Y2  (8)

Combinandolarepresentaciónvectorialdelmodeloestructuralconlarepresentaciónanterior comomediasmóviles,puedeverseque:

 Y1t Y2t  = _¯ Y1 ¯ Y2  +∞ j=0  φ11 φ12 φ21 φ22 _j 1 −b12 −b21 1 ₋₁ μ1t μ2t  (9) Estarepresentaciónpermiteanalizarlainteracciónentrelasseries.Loscoeficientesφik que componencadaunadelasmatricespuedenutilizarseparagenerarlosefectosdeμ1tyμ2tsobre lastrayectoriastemporalesdeY1teY2t.Estoscoeficientessonlosmultiplicadoresdelsistemay susrepresentacionesgráficasconstituyenlasfuncionesdeimpulso-respuesta.

Unacuestiónrelacionadadirectamenteconlaefectividaddelasrespuestasdeloscoeficientes deimpulso-respuestaesladeterminacióndeloslagsóptimosautilizar enelmodeloVAR.El estudiodeIvanovyKilian(2005)presentaunaexcelentediscusiónsobreelcriterioóptimode selección.Sehademostradoqueladinámicadelasrespuestasalosimpulsosdependecríticamente delordendeloslagselegidosqueseajustenalosdatosdelVAR.Estasdiferenciaspuedenserlo suficientementegrandescomoparaafectarlainterpretacióndelasestimaciones.Laestrategiamás comúnenlostrabajosempíricosesseleccionarunordenparaellagporalgúncriterioespecíficoy condicionarlasestimacionessobreestealahoradeconstruirlasfuncionesdeimpulso-repuesta. Serecomiendautilizarvarioscriteriosdeselecciónparadeterminarelordencorrectoquemejor seajustealosdatos.Todavíaexisteunadiscusiónteóricasobrecómoprocederenelcasodeque distintoscriteriosofrezcandiferentesseleccionesdelags.Losautoresconcluyenqueparaseries mensualeslautilizacióndeAkaikeinformationcriterion(AIC)eslaadecuadaparalaselección. LleganaestaconclusiónparamuestrasdeT=600;cuandoelTesmenor,porejemplo240,el criteriodeAICestanadecuadocomoelHannan-Quinninformationcriterion(HQ).Alosfinesde estetrabajosepriorizaenamboscriteriossinperderdevistaelrestoalosfinesdeganarrobustez. Una vezestimadoelmodelo,puedeprocedersea excluiralgunasvariablesexplicativas en funcióndesusignificatividadestadística,peroexistenrazonesqueexplicanquenoresultalomás conveniente.Porunlado,sisemantieneelmismoconjuntodevariablesexplicativasentodaslas ecuaciones,entonceslaestimaciónecuaciónporecuaciónpormínimoscuadradosordinarioses eficiente.Porotrolado,lapresenciaderetardoscomovariablesexplicativashacequela colinea-lidadentrevariablesexplicativasseaimportante,loquehaceperderprecisiónenlaestimación delmodeloyreducelosvaloresnuméricosdelos estadísticostipotdeStudent.Estohaceque noseaunabuenaestrategiaprocederenvariasetapas,excluyendodelmodelolasvariablescuyos coeficientesresultanestadísticamentenosignificativos,yaqueestopuedeserconsecuenciadela colinealidadinherentealmodelo.

Porotro lado,se esperaquelasvariablesanalizadaspresenten raícesunitarias,por locual utilizar unVARdirectamente noes elcaminoadecuado. Esteúltimoes unmarco generalde análisisquemuestralasrelacionesdinámicasentrevariablesestacionarias.Porlotanto,elprimer pasoseráanalizarlapresenciaderaícesunitariasparalasvariablesenniveles.Encasodeque

losean,se tomaránlasmismasenprimerasdiferencias,yaqueusualmente,silasvariablesen nivelesnosonestacionarias,susprimerasdiferenciasloserán.Deestaforma,uncasoparticular demodelosVARes elconocidocomo vectordecorrección deerrores (VEC),elcualresulta másindicadoparavariablesquesonestacionariasensusprimerasdiferencias.ElmodeloVEC tambiénpuedetomarencuentarelacionesdecointegraciónentrelasvariables.Silasvariables sonestacionarias,ensusdiferenciassetieneunmodeloconlassiguientescaracterísticas:

ΔY1_t =δ1+φ11ΔY1_,t−1+φ12ΔY2_,t−1+ε1_t

ΔY2t =δ2+φ21ΔY1,t−1+φ22ΔY2,t−1+ε2t

(10) Bajoestaespecificaciónpuedeprocederceaestimarconelmétododemínimos cuadrados. Introduciendolas relacionesdecointegración entre lasvariablesdel mismoorden se tieneel VEC:

ΔY1t=δ1+φ1ΔY2,t+φ2(Y1,t−1−γY2,t−1)+μt (11) Eltérmino(Y1,t−1−γY2,t−1)esconocidocomotérminodecorreccióndeerror.Dadoentonces queY1,t−1;Y2,t−1estáncointegradas,lacombinaciónenelparéntesisseráI(0),auncuandosus predecesoras no lo eran. Una vez planteada esta corrección, los procedimientos de mínimos cuadradoseinferenciaestadísticavuelvenaserválidos.

ModeloVARaplicado

Respectoalconjuntodecommoditiesestudiados,elestudiosefocalizaenelsectoragrícola. Específicamente,sehaseleccionado elcasodelporotodesojay delmaíz4.El testeoganaen robustezaltratarlabasededatosdeformamensual,porlocualseincrementasignificativamente lacantidaddeobservaciones.Enlafigura2semuestranlasvariablesrelevantesenniveles.

Talcomosemostróencapítulosanteriores,separtedelos determinantesestudiadosporla literaturapara especificarelmodelo.Seeligencomo variableslatasa deinterés americanay lacotizacióndeldólar.Elpreciodelporotodesojaydelmaízsurgendeloscontratosdefuturos operadosen Chicago,nominadosen dólaresportonelada(U$/tn),y lafuente deinformación utilizada esel FondoMonetarioInternacional.Para medirlacotizacióndel dólarse utilizael

DolarIndex,elcualrepresentauníndicequemidelafortalezarelativadeldólaranteunacanasta de monedas extranjeras (yen, libra esterlina, dólar canadiense, coronasueca y franco suizo). Finalmente,lavariabledetasade interésestárepresentadaporlatasa a10a˜nosde losbonos americanosdemadurezconstanteylafuentededatoseslaFeddeSt.Louis.

Lametodologíaaplicadaeslasiguiente:enprimerlugar,lamuestrasedivideen2períodos, 1990-2003y2004-2014.Lafundamentacióndelaseccióndelquiebredelamuestrasebasaen queesapartirde2004cuandoseregistrauncrecimientoaceleradodelasoperacionesenOTC relacionadasacommodities,ylacorrelaciónentretalesproductosyaccionesseeleva sustancial-menterespectoalperíodoprevio,talcomofuedescriptoenlamarcoteóricodeestetrabajo.La segmentacióndelamuestrapermitrájustamenteobservarsisegenerancambiosenlarespuesta delmodeloentreperíodos.

4 _{SeseleccionasojaymaízdadoquesoncultivosenlosqueEstadosUnidoseselprimerproductormundial,teniendo} mayorinfluenciaenlafijacióndepreciosinternacionales.Además,dentrodeLatinoaméricadestacalaaltaincidenciaen laexportación,sobretododesoja,enloscasosdeArgentina,Paraguayy,enmenormedida,Brasil.

Precio poroto de soja

Dólar index Treasury 10y

Precio de maíz 700 140 120 100 80 60 40 20 0 10 9 8 7 5 6 4 3 2 1 0 600 500 400 300 U$/tn U$/tb 200 100 0 350 300 250 200 150 100 50 0 2/1/1990 2/1/1990 2/1/1992 2/1/1994 2/1/1996 2/1/1998 2/1/2000 2/1/2002 2/1/2004 2/1/2006 2/1/2008 2/1/2010 2/1/2012 2/1/2014 2/1/1992 2/1/1994 2/1/1996 2/1/1998 2/1/2000 2/1/2002 2/1/2004 2/1/2006 2/1/2008 2/1/2010 2/1/2012 2/1/2014 2/1/1990 2/1/1993 2/1/1996 2/1/1999 2/1/2002 2/1/2005 2/1/2008 2/1/2011 2/1/2014 2/1/1990 2/1/1993 2/1/1996 2/1/1999 2/1/2002 2/1/2005 2/1/2008 2/1/2011 2/1/2014

Figura2.Variablesenestudio.

Fuente:elaboraciónpropiaenbasealFMIyFedSt.Louis.

Alinteriordecadaperíodoserealizanlossiguientestesteos:testderaízunitariasobrelas varia-bles,alosfinesdedeterminarsisetrabajarásobrenivelodiferenciasprimerasalosfinesdeganar estabilidad.Luego,sellevaacaboeltestdecointegraciónentrevariables,paradecidirsipuede aplicarseunmodeloVARverdaderamenteindependiente.Luegoserealizauntestdeestabilidad almodeloVARpropiamentedicho.Deserestable,seestimanlasecuacionescorrespondientes;si esinestable,seaplicaunmodeloVEC.Tambiénsedefineelnivelóptimodelags.Finalmente,se construyenlasecuacionesdeimpulso-respuestaintroduciendoshocksdetasaequivalenteauna desviaciónestándar.

Comosehadicho,lasvariablesutilizadasenelanálisistienenunafrecuenciamensualyvan desde1990-2014.FueroncomputadasconelsoftwareEviews.

LostrabajosdeLeClech(2013),Akram(2009)yCurcioetal.(2010)tratanlosdeterminantes delpreciodeloscommoditiesybuscanverificarlasrelacionesteóricasmediantetesteosempíricos. Estetrabajopartedeunapreguntadeinvestigacióndistinta:sebuscaestudiarsilarespuestadel preciodecommoditiesagrícolas(sojaymaíz)aunshockdetasadeinteréshacambiadosu com-portamientodurantelosperíodosdeestudio.Paraestoseutilizanfuncionesdeimpulso-respuesta luegodecontrolarpordistintasvariables.Adiferenciadelostrabajosanteriores,seincluyeen elmodeloelratiostock/consumodeambosproductosenEstadosUnidos.Lacorrelaciónconel precio internacionalesmásaltaquesitomamoslaproducciónmundial.Además,extendemos

elhorizontetemporaldeanálisishastaela˜no2014.Enestemarcoeltrabajoescomplementario dedichalíneadeinvestigación.

Tercerasección.Resultadosdelmodelo

Acontinuaciónsepresentanlasgráficasdelasecuacionesdeimpulso-respuesta,exponiendo elcomportamientosimuladomedianteelmodeloVARoVECdelpreciodelporotodesojaydel maízfrenteaunshock(positivo)detasadeinterésdemagnitudequivalenteaundesvíoestándar. Comofueexpuesto,sedividealamuestraen2períodosdeidénticaduraciónde10a˜nos.

En primer lugar, en las figuras 3 y 4 se observa quela suba de la tasa reduce el precio de amboscommodities. Comparando entreperíodos, elefectoes muchomás pronunciadoen 2004-2014tambiénenamboscommodities.Comparandoentrecommodities,yfocalizandoenel período2004-2014,elefectodelabajadelprecioesmuchomáspersistenteenelcasodelporoto desoja.

Dadoquelascotizacionesinternacionalesdeamboscommoditiessehanincrementado sustan-cialmentedelaprimeraseccióndelamuestraalasegunda,seprocedeaobservarlamagnitud delshockcomoproporcióndelpreciopromedio.Estecontrolselorealizaafinesdeevitarquela amplificacióndelimpulsoentérminosabsolutosnosearespuestademayoresprecios.Comose observaenlatabla1,losshocksrepresentanunporcentajemayordelacotizaciónenelperíodo 2004-2014. 4,5 Período 1990-2003 2004-2014 3,5 2,5 1,5 0,5 –0,5 –1,5 –2,5 –3,5 3,0 1,0 –1,0 –3,0 –5,0 –7,0 –9,0 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10

Figura3.Funcióndeimpulso-respuesta:shockdetasadeinterésenporotodesoja.

Período 1990-2003 0,5 0 0 –0,5 –1 –1,5 –2 –4,5 –4 –3,5 –3 –2,5 0,5 –0,5 –1 –1,5 –2 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 2004-2014

Tabla1

Shockdetasacomoproporcióndelpreciopromediodelperíodo

1990-2003 2004-2014

Soja 0.81% 1.03%

Maíz 0.18% 1.46%

Fuente:elaboraciónenpropia.

2 0 –2 –4 –6 –8 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 2,0 0,0 –2,0 –4,0 –6,0 –10,0 –8,0 Período 1990-2003 2004-2014

Figura5. Funcióndeimpulso-respuesta:shockdeDolarIndexenporotodesoja.

Entanto,tomando lamismadivisióndelamuestra se procedealestudio delafunciónde impulso-respuestadelasojayelmaízanteuncambioenlavariableDolarIndex.Enlasfiguras5y6 puedeobservarsequeunshockdemagnitudequivalenteaundesvíoestándargeneraunareducción enlosprecios,talcomoseesperaex-ante.Noobstante,duranteelperíodo1990-2003elefecto serevierterápidamenteenlosperíodossubsiguientes.Entanto,entre2004y2014elimpactoes muchomáspronunciadoypersistente.Estehechoseregistratantoensojacomoenmaíz,aunque, aligualqueconelshockdetasa,enlaoleaginosaseamplificaelimpacto.

Esteresultadoreafirmalosefectosalcanzadospreviamente,dadaslasrelacionesexistenteentre cotizacióndeldólar,tasasdeinterésypreciosdecommoditiesdescriptasenelmarcoteóricodel estetrabajo. 3,0 2,0 1,0 0,0 –1,0 –2,0 –3,0 2,0 0,0 –2,0 –4,0 –6,0 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 Período 1990-2003 2004-2014

Conclusiones

Losresultadosdelostesteosrealizadosenestetrabajomuestranqueenlasegundasecciónde lamuestracorrespondientealperíodo2004-2014seobservaunaprofundizacióndelarespuesta delpreciodelporotodesojaydelmaízfrenteacambiosenlatasadeinterés.Comparandoambos

commodities,elresultadoesmásintensivoenelcasodelporotodesoja.

Estos resultados pueden resultar relevantesa la horade estudiar a los commodities como instrumentodeinversióndecartera.Esposiblequelaamplificacióndelimpactoquefueesbozado enestetrabajo,queseráampliadoenfuturasinvestigaciones,tengarelaciónconelcomportamiento conjuntodecommodities,accionesybonos,dadoelincrementoenlacorrelaciónentrelosmismos. Ellopuedegenerarquesereduzcanlosbeneficiosdeladiversificación:determinarsiactualmente laincorporacióndeestosinstrumentosacarterasdebonosyaccionesoptimizalarelación riesgo-retornodiversificandoriesgos,loqueconfiguraunafuturalíneadeinvestigaciónderivadadeeste trabajo.

Los resultados del trabajo indican que un potencialescenario de suba de tasas de interés internacionalpuedetenerunmayorimpactoenelprecioqueenperíodosanteriores.Desdeel puntodevistadelospaísesdependientesdelasexportacionesdeproductosagrícolassepodría observarundeteriorodelostérminosdeintercambioylabalanzacomercialcomosemuestraen

Massot(2008).Enestesentido,enaquelloscasosendondeelperfilexportadorestádefinidopor

commoditiesagrícolasunasubadetasaspodríanosolamenteafectaratravésdelacuentacapital, sinotambiénporunaamplificacióndelacaídadelabalanzacomercial.

Porotro lado, lalecturaopuestapuedehacersepara paísesconsumidoresde commodities.

Períodosdebajastasasdeinteréspuedenelevarlosprecios,ejerciendopresiónsobrelosprecios domésticosdelos alimentos.Enestecaso,elestudiodemecanismosdegestiónderiesgosde preciosporpartedelagestiónpúblicaseráunalíneadeestudiofutura.

Ensíntesis,comprenderlasdinámicasdelosmercadosdecommoditiesyloscambiosquese sucedenenellosresultafundamentalporlasextensasramificacioneseconómicas.Impactosdesde lainversióndecartera,ladeterminacióndelpreciodelosalimentos,combustible,cuentasexternas, fuentededivisas,entreotros,muestranlaimportanciadelestudiodelasnuevastendenciasdel mercado.

Anexo1.

TablaA1

TestderaízunitariaDickeyFulleraumentado

Variable/prob 1990-2003 2004-2014 Soja 0.27 0.55 D(Soja) 0.00 0.00 Maíz 0.05 0.60 D(Maíz) 0.00 0.00 Tasa10y 0.36 0.55 D(Tasa10y) 0.00 0.00 DolarIndex 0.59 0.12 D(DolarIndex) 0.00 0.00 Stock/ConsSoja 0.13 0.29 D(Stock/ConsSoja) 0.00 0.00 Stock/consMaiz 0.05 0.28 D(Stock/consMaiz) 0.00 0.00

Fuente:elaboraciónenpropia.

TablaA2

TestdeSeleccióndelags

Criterio 1990-2003 2004-2014

Soja Maíz Soja Maíz

Finalpredictionerror(FPE) 2 2 2 1

Akaikeinformationcriterion(AIC) 2 2 2 1

Schwarzinformationcriterion(SC) 1 1 1 0

Hannan-Quinninformationcriterion(HQ) 1 1 1 0

Fuente:elaboraciónenpropia.

TablaA3

Resumenderesultadosdelostesteosdeestabilidad

1990-2003 2004-2014

Soja 8raíces<1 8raíces<1

Maíz 4raíces<1 4raíces<1

TablaA4

RepresentacionesdelasecuacionesdelmodeloVARaplicado Soja-Período1990-2003

D(SOJA)=0.148*D(DOLAR(-1))-0.068*D(DOLAR(-2))-117.184*D(STOCK(-1)) -70.161*D(STOCK(-2))+0.194*D(SOJA(-1))-0.237*D(SOJA(-2))

-0.092*D(TASA(-1))+9.321*D(TASA(-2))+0.616

Maíz-Período1990-2003

D(MAIZ)=0.360*D(DOLAR(-1))+0.081*D(DOLAR(-2))+0.473*D(MAIZ(-1))

-0.068*D(MAIZ(-2))+19.49*D(STOCK(-1))-31.60*D(STOCK(-2))-2.30*D(TASA(-1))+0.98*D(TASA(-2)) -0.02

Soja-Período2004-2014

D(SOJA)=-2.55*D(DOLAR(-1))+1.25*D(DOLAR(-2))+13.52*D(STOCK(-1)) -145.68*D(STOCK(-2))+0.291*D(SOJA(-1))+0.030*D(SOJA(-2))-15.41D(TASA(-1)) -10.19*D(TASA(-2))+0.522

Maíz-Período2004-2014

D(MAIZ)=-1.349*D(DOLAR(-1))+0.113*D(MAIZ(-1))-137.203*D(STOCK(-1)) -11.519*D(TASA(-1))+0.454

Fuente:elaboraciónenpropia.

Referencias

Akram, Q. F. (2009). Commodity prices, interest rates and the dollar. Energy Economics, 31(6), 838–851.

http://dx.doi.org/10.1016/j.eneco.2009.05.016

Baker,S.D.(2014).TheFinancializationofStorableCommodities,WorkingPaper.InMcIntireSchoolofCommerce.

Charlottesville,VA:UniversityofVirginia.

Bastourre,D.,Carrera,J.yIbarlucia,J.(2008).PreciodeloscommoditiesenArgentina:¿quémuevealviento?Ensayos Económicos,51.

Basu,P.yGavin,W.T.(2010).Whatexplainsthegrowthincommodityderivatives?FederalBankofSt.LouisReview, 93(1),37–48.

Borensztein,C.yReinhart,C.(1994).TheMacroeconomicDeterminantsofCommodityPrices,IMFWorkingPaper.No. 94/9.

Brooks,C.(2014).IntroductoryEconometricsforFinance.Cambridge:CambridgeUniversityPress.

CurcioS.,deJesúsM.,QuiroloM.E.,VilkerA.S.(2010).Análisisdelosdeterminantesdelavariabilidaddelospreciosde lasprincipalescommoditiesexportadasporAméricaLatina.XIJornadasNacionalesyLatinoamericanasActuariales. FacultaddeCienciasEconómicas.UniversidaddeBuenosAires.

Deaton,A.yLaroque,G.(1996).Competitivestorageandcommoditypricedynamics.JournalofPoliticalEconomy, 104(5),896–923.

Dornbusch,R.(1985).PolicyandperformancelinksbetweenLDCdebtorsandindustrialnations.BrookingsPaperson EconomicActivity,1985(2),303–368.

Dornbusch,R.(1976).Expectationsandexchangeratedynamics.JournalofPoliticalEconomy,84,1161–1176.

Frankel,J.A.(1986).Expectationsand commoditypricedynamics:Theovershootingmodel.AmericanJournalof AgriculturalEconomics,68(2),344–348.

Frankel,J.A.(2006).TheEffectofMonetaryPolicyonRealCommodityPrices.NBERWorkingPaper.No.12713.

Henderson,B.J.,Pearson,N.D.yWang,L.(2012).NewEvidenceontheFinancializationofCommodityMarkets. WorkingPaper.GeorgeWashingtonUniversity.

Hotelling,H.(1931).Theeconomicsofexhaustibleresources.TheJournalofPoliticalEconomy,39(2),137–175.

Hull,J.C.(2009).Options,Futures,andotherDerivatives(7thedition).PearsonPrenticeHall.

Ivanov,V.yKilian,L.(2005).Apractitioner’sguidetolagorderselectionforVARimpulseresponseanalysis.Studiesin NonlinearDynamics&Econometrics,9(1).

Kaplinsky,R.(2006).Revisitingtherevisitedtermsoftrade:WillChinamakeadifference?WorldDevelopment,34(6),

981–995.

Kilian,L.yPark,C.(2009).TheimpactofoilpriceshocksontheUSstockmarket.InternationalEconomicReview, 50(4),1267–1287.

Maizels,A.(1994).Commoditymarkettrendsandinstabilities:Policyoptionsfordevelopingcountries(pp.53-64).

Geneva:UNCTADReview.

Massot,J.(2008).Administracióndelriesgoeconómicoyelboomdelascommodities:elcasoargentino.Impactosdela CrisisFinancieraInternacionalenlaArgentina,1,15–29.

Nissanke M. (2010). Commodity markets and excess volatility: Sources and strategies to reduce adverse deve-lopment impacts. Amsterdam, Common Fund for Commodities [consultado 29 May 2016]. Disponible en:

http://common-fund.org/uploads/txcfc/CFCreportNissankeVolatilityDevelopmentImpact201002.pdf

Silvennoinen,A.yThorp,S.(2013).Financialization,crisisandcommoditycorrelationdynamics.JournalofInternational FinancialMarkets,InstitutionsandMoney,24,42–65.

Sims,C.(1980).Macroeconomicsandreality.Econometrica.,48,1–48.

Tang,K.yXiong,W.(2012).Indexinvestmentandthefinancializationofcommodities.FinancialAnalystsJournal,68(5),

54–74.

UnitedNations(2009):UnitedNationsConferenceonTradeandDevelopment,Geneva(2009):TradeandDevelopment [consultado29May2016].Disponibleen:http://www.unctad.org/en/docs/tdr2009en.pdf

UnitedNations(2011).PriceFormationinFinancializedCommodityMarkets:TheRoleofInformation.NewYorkand Geneva:UnitedNations.

Yang,J.,Bessler,D.A.yLeatham,D.J.(2001).Assetstorabilityandpricediscoveryincommodityfuturesmarkets:a newlook.JournalofFuturesMarkets,21(3),279–300.