Evaluando las intervenciones cambiarias en Colombia: 2004‐2012

(1)

ESTUDIOS

GERENCIALES

www . els e v i e r . e s / e s t u d i o s g e r e n c i a l e s

Artículo

Evaluando

las

intervenciones

cambiarias

en

Colombia:

2004-2012

夽

Mauricio

Lopera

a,∗

_,

_Ramón

_Javier

_Mesa

b

_y

_Charle

_{Londo ˜}

_no

c a_Profesor,_Facultad_de_Ciencias_Económicas,_Universidad_de_Antioquia,_Medellín,_Colombia

b_Decano,_Facultad_de_Ciencias_Económicas,_Universidad_de_Antioquia,_Profesor_Asociado,_Facultad_de_Economía,_Universidad_Nacional_de_Colombia,_Medellín,_Colombia c_{Investigador,}_Facultad_de_Ciencias_Económicas,_Universidad_de_Antioquia,_Medellín,_Colombia

i n f o r m a c i ó n

d e l

a r t í c u l o

Historiadelartículo:

Recibidoel16demayode2013 Aceptadoel8deenerode2014 On-lineel29demarzode2014 CódigosJEL: E58 E59 C15 C45 Palabrasclave: Intervencionescambiarias

Modelodecanaldecoordinación

Redneuronalderegresióndelcuantil

r

e

s

u

m

e

n

Estainvestigacióntienecomopropósitoevaluarlaefectividaddelasintervencionesenelmercado cam-biariocolombiano,utilizandoelmodeloteóricocanaldecoordinaciónbajolametodologíaredneuronal deregresióncuantil.Conesteobjetivoseestimaelefectodelosinversionistasnoinformados, informa-dosyelemisorendiferentescuantilesdeladistribucióndelretornodelatasadecambioenellargo plazo.Seencuentraquelaautoridadcambiariatieneunamayorinﬂuenciaenloscuantilesinferioresde ladistribución,comosonlosde5y25%,querecogenefectosasociadosconlarevaluacióndelpeso.

Evaluating

foreign

exchange

interventions

in

Colombia:

2004-2012

JELclassiﬁcation: E58 E59 C15 C45 Keywords: Exchangeinterventions

Coordinationchannelmodel

Quantileregressionneuralnetwork

a

b

s

t

r

a

c

t

ThisresearchaimstoevaluatetheeffectivenessofinterventionsintheColombianexchangemarket,by theso-calledcoordinationchanneltheoreticalmodelusingQuantileRegressionNeuralNetwork metho-dology.Forthispurpose,theeffectofuninformedandinformedinvestorswasestimated,aswellasthatof thecentralbankatdifferentquantilesonthereturndistributionoftheexchangerateinthelong-term.It wasfoundthattheexchangeauthorityhasagreaterinﬂuenceonthelowerquantilesofthedistribution, suchas5%and25%,whichreﬂecteffectsassociatedwiththerevaluationofthepeso.

Avaliando

as

intervenc¸

ões

cambiais

na

Colômbia:

2004-2012

Classiﬁcac¸õesJEL:

E58 E59

r

e

s

u

m

o

Estainvestigaçãotemcomopropósitoavaliaraeficáciadasintervençõesnomercadocambial colom-biano,utilizandoomodeloteóricocanaldecoordenaçãosobametodologiaredeneuronalderegressão quantil.Comesteobjectivoestima-seoefeitodosinvestidoresnãoinformados,informadoseoemissor

夽EsteartículohacepartedelalíneadeinvestigaciónenCoyunturaEconómicadelGrupodeMacroeconomíaAplicadadelaFacultaddeCienciasEconómicasdelaUniversidad

deAntioquia.Estesederivadelproyectodeinvestigación«Dinámicadelavariableintervencionesdelapolíticacambiariacolombianaatravésdemodelosdecambiode

régimenenelperíodo2004-2011».

∗ _Autor_para_{correspondencia:}_Calle₇₀_No._52-21,_Bloque_13,_Oﬁcina_116,_Facultad_de_Ciencias_Económicas,_Universidad_de_Antioquia,_Medellín,_Colombia.

Correoelectrónico:[email protected](M.Lopera).

(2)

C15 C45

Palavras-chave:

Intervenc¸õescambiais

Modelodecanaldecoordenac¸ão

Redeneuronalderegressãodoquantil

dediferentesquantisdadistribuiçãodoretornodataxadecâmbionumprazoalargado.Conclui-seque aautoridadecambialtemumamaiorinfluêncianosquantisinferioresdadistribuição,talcomoosde5e 25%,quereúnemefeitosassociadoscomareavaliaçãodopeso.

1. Introducción

Mantener el precio de la divisa estable es un componente importante en la realización de la política cambiaria desde la implementacióndelrégimencambiariodelibre ﬂotaciónenlas economíasanivelmundial.Colombianoesajenaaestasituación, puesdesde2004eltipodecambiopeso/dólarhapresentadouna tendenciarevaluacionistaqueexigealaautoridadmonetaria inter-venirenelmercadocambiarioenbuscademantenerunadecuado senderodeltipodecambio,controlandosuvolatilidad,evitando fuertesapreciacionesyacumulandoreservasinternacionalesque reduzcanlavulnerabilidadantechoquesexternos.

Paralograresteobjetivo,elBanco delaRepública,que esel Banco Central de Colombia, utiliza 3mecanismos: intervencio-nesmedianteopcionesput,discrecionalesysubastasdecompra directa.Lasprimerasconsistenenelactuardelemisordemanera automáticaenlaacumulacióndereservasinternacionalescuando eltipodecambiosedesalineadeunatendenciadefinida.Las segun-dasempleangrandesmontosdenegociaciónyfueronutilizadas únicamenteduranteelperíodode2004a2007,yaque estaban ocasionandoataquesespeculativosdebidoaquelasintervenciones noestabanesterilizadas,loqueprovocóunainflaciónsuperiorala metaenalgunosdeesosa ños.Lastercerassurgenaldeterminarse losriesgosqueacarreanutilizarintervencionesdiscrecionales,y consistenenrealizarcomprasdiariasconmontospeque ños,que sonlasquefuncionan actualmente,enlasque elBanco Central compraalrededor de20millones dedólaresdiarios(Echavarría, VásquezyVillamizar,2010).

Deacuerdoconloanterior,estetipodemecanismoproduce efectosdisímilescuandoesrealizadalaintervención,debidoaque segeneraninterpretacionesheterogéneasdelosparticipantesdel mercadocuandoestassondecarácteranunciado, discrecionaly sononoesterilizadas,implicandoquenosiemprehayaeﬁciencia cuandoesrealizadalapolítica(Dominguez,1998;SarnoyTaylor, 2001).

Untemaquehasidodeimportanciaesevaluarnosolola efec-tividaddelasintervenciones,sinotambiénelimpactoquetienen enrelaciónconotrasvariablesoagentesqueparticipanenel mer-cadocambiario.Unmodeloquehatenidocomopropósitoexplicar cómosedalainteracciónde3agentesdegranrelevancia,como sonlosinversionistasnoinformadoseinformados,ylaautoridad monetariaeseldeReitzyTaylor(2008),conocidocomocanalde coordinación;enéllosprimerosagentesutilizananálisistécnico paratomarsusdecisionesqueusualmentesondecarácter espe-culativo,lossegundosabrenposicionessegúnlatendenciadela economíaylasdecisionesdepolítica,dondeestasúltimasson creí-bles,permitiendoqueserefuercenlasdecisionesdelemisorsobre compraoventademonedaconelpropósitodecontrarrestar posi-blesdivergenciasnegativas en elcomportamiento esperadodel tipodecambioquehayansidoocasionadasporinversionistasno informados.

SibieneltrabajodeReitzyTaylor(2008)hamostradociertas ventajasteóricasyempíricasenlaexplicacióndelvaloresperado delatasadecambio,altenerunaestructuramásrealistadecómo sedalainteraccióndelosagentesqueparticipanendicho mer-cado,alasumirquelaautoridadmonetariatieneunconocimiento

limitadosobrelatasadecambioesperada,yunajustiﬁcacióndel comportamientonolinealde losinversionistas informadosyel emisor,entreotroscomponentes,estaaproximaciónnosehasalido del contexto del análisistradicional de la mayoría de estudios quetienencomoobjetivoevaluarelimpactodelas intervencio-nesenelretornopromediodeltipodecambioocuantildel50% (Beine,2004;Cushman,2007;DominguezyFrankel,1993;Fatum yHutchison,2003;Humpage,2000;Lewis,1995;Pavasuthipaisit, 2010;Pasquariello,2007;PayneyVitale,2003;Peiers,1997;Reitz yTaylor,2008).

Unanálisisrelevanteconsisteenpoderevaluarnosolotal cuan-til,sinoademásladistribucióndelatasadecambiocomountodo. Estopermitevisualizarlosefectosdelasdiferentesdecisionesde losagentesparticipantesenelmercadodedivisascuandosehallan, entreotrosestados,enperíodosdealtarevaluaciónodevaluación, comosonexplicadosporloscuantilesdel5ydel95%, respectiva-mente.Y,másimportante,losanteriorescuantilespermitendefinir másclaramentesilosobjetivosdelapolíticacambiariaporparte delBancodelaRepúblicaseestánsatisfaciendo,entreloscuales está:controlarperíodosdealtavolatilidaddelatasadecambio, suavizarelsenderodeladivisaantedevaluacionesyrevaluaciones abruptasquepuedanponerenpeligroelcumplimientodelasmetas deinflaciónfutura,yelmantenimientodelaestabilidadfinanciera delaeconomía.

La importanciade este escrito radica en que es uno de los pocosquehaydecarácteracadémicoqueevalúalapolítica cam-biariadesdeunaperspectivaautónomautilizandolosdatosreales deintervencionesdeltipodecambioenColombiaenfrecuencia diaria.Esto debido aque la mayoríade trabajosson realizados porlaautoridadmonetariaenColombiaconresultadosen gene-ralsatisfactoriosdelaefectividaddelasintervenciones.Unade lasinvestigacionesexternasesladesarrolladaporKamil(2008), quepusoenevidenciaciertasdiscrepanciasquesedabanentrela políticamonetariaycambiariaenalgunosperiodosdetiempo.

Bajoestapremisa, lapropuestade estetrabajoes utilizarla metodologíade redneuronal de regresióndel cuantil (Quantile RegressionNeuralNetwork[QRNN porsussiglaseninglés])para elcontrasteempíricoenelmercadocambiariocolombiano.A tra-vésdeestatécnicanosolosepropicialaentradademanerano linealdelosinversionistas informadosylaautoridadmonetaria enelmodelocanaldecoordinación,sinotambiénladelrestode agentesqueinﬂuyenenladeterminacióndeladivisa.Ademásse permitelaestimacióndeformadirectadeloscuantilesdela dis-tribucióndelretornodelatasarepresentativadelmercado(TRM) queeslarelaciónpeso/dólar,sepuedeobservarelefectoenellargo plazodelosagentesquecomponenestemercado,ydeterminarsi laintervencióndelemisorhasidoeﬁcienteenelmantenimiento deltipodecambioenunsenderoestable.

Elobjetivodeestainvestigaciónes evaluarla efectividadde lasintervencionesdelatasadecambioenelmercadodedivisas colombiano.Paratalpropósito,elmodeloteóricocanalde coordi-naciónbajolametodologíaQRNNseestimaráusandounafunción deimpulsorespuestadelimpactodelargoplazodelos inversionis-tasnoinformados,informadosyelemisorendiferentescuantiles deladistribucióndelretornodelaTRMenellargoplazo,talescomo elcuantildel5,25,50,75y95%.

(3)

Estedocumentosedivideen5partes,incluidaestaintroducción. Enla segundapartese realizaunarevisióndelaliteraturayse explicaelmodeloteóricocanaldecoordinación.Enlatercerase daunaexplicacióndelametodología.Enlacuartasemuestranlos datosyseentreganlosresultadostantodeldesempe ˜nodelmodelo comodelafunciónimpulsorespuesta.Finalmente,sepresentanlas conclusiones.

2. Marcoconceptual

Laliteraturasobrepolíticacambiariasehaencargadode estable-cercuáleslainfluenciadelasintervencionescambiariasporparte delaautoridadmonetariautilizandodiferentesperspectivas teóri-cas,comosonelcanaldeportafolio,dese ñalesylamicroestructura demercado.Estashanmostradociertasventajasparaestablecersi lasintervencionessoneficientesparamantenereltipodecambio enunsenderoadecuado.

En lo que ata ˜ne al canal de portafolio, explica que cuando se realizauna intervención enel mercado dedivisas, para que los inversionistas mantengan su portafolio en un nivel óptimo (asumiendoquehaymovilidadperfectadecapitales)realizanun rebalanceamientodesuportafolioquepermitequelatasade cam-bioretornealequilibriodelargoplazo,yasí,lapolíticacambiaria esefectiva.Delostrabajosrealizadosenlaevaluaciónempíricade estecanalsehallanDominguezyFrankel(1993),quienes mues-tranqueestateoríatienecomoprincipalsupuestolasustitución imperfectadeactivosextranjerosydomésticos,dondela interven-cióndelaautoridadmonetariaenelmercadocambiarioocasiona quelosinversionistasrecompongansuportafolioparamantenerlo enunniveldeequilibrio,asíseproducenefectosestabilizadoresen ladivisa.ParasuimplementaciónempíricaDominguezyFrankel (1993)encuentran2problemas:unoconsisteencómose captu-ranlasexpectativasdelosinversionistasenelmodelo,yelotro, en lasimultaneidad que hay entre lasvariables1_._Para _resolver estosinconvenientestomancomovariabledependientela diferen-ciaentrelatasadeinterésdeactivosdomésticosyextranjerosmás latasadecambioesperada,yefectúanlaestimacióndeunmodelo utilizandovariablesinstrumentales,resolviendoasíelproblemade endogeneidad.Realizandouna aplicaciónparalarelación dólar-marco,hallanresultadossigniﬁcativosdelavariableintervenciones enelmercadocambiario.

Cushman(2007)encuentraqueelmodelodebalancede por-tafolionoofreceresultadoscontundentesalanalizarelesquema deintervenciones,alnohaberunsoportefuerteensus supues-toscentrales,comosonlasustituciónimperfectadeactivosque implicaaltasensibilidaddelosinversionistasalriesgo,elefecto sobrevaluaciónosubvaluaciónenlaofertaydemandadeltipode cambiosobrelosvalores,ylaprimaderiesgoqueapareceenla paridaddeinteresesquenoofreceuncomponentesignificativoen laexplicacióndelatasadecambio.Porestemotivo,aseveraque hayunamodelaciónincompletadedichocanalyproponeeluso deunvectordecorreccióndeerror(VectorErrorCorrection[VEC porsussiglaseninglés])ylamodificacióndeciertossupuestos, comoquehaya unefectoen lademanda deactivosen unpaís sobresuspasivos.Realizaunaaplicaciónparalaeconomía cana-dienseyllegaalresultadodequeelmodelo,sibiennopresentó unbuenajuste,sífuesuperioraotrasespecificacionesdelmismo canal.

Conrelaciónalcanaldese ˜nales,esteesquemaaﬁrmaquelos agentesenelmercadodedivisastomanlasintervencionesporparte delaautoridadmonetariademaneracreíbleenelcortoyenel largoplazo.Estoprovocaquelosinversionistasenelmomentode

1_Un_tercero_es_sobre_el_conocimiento_de_las_tasas_de_interés_esperadas,_donde

dicenqueestepuedeserresueltopormediodelastasasdeinteréspasadas.

unanunciodepolíticamodiﬁquensuportafolioparamantenerloen unnivelóptimo,loqueproduceunrestablecimientoenelequilibrio delamoneda.Entrelosautoresqueevalúanestecanalse encuen-traLewis(1995),elcualplanteaquesuhipótesisymodelaciónse fundamentanenlasiguientepremisa:siseasumequelaautoridad monetariatieneinformaciónsuperioraladelmercado,cuandoes realizadalaintervenciónseinducealosinversionistasaalterarsus expectativassobrelapolíticamonetariafutura,produciendo efec-tospositivosenelmercadocambiarioy,porconsecuencia,enla economía.Conloanterior,realizauncontrasteparaEstadosUnidos, descubriendoquehayunarelaciónbidireccionalentre intervencio-nesdeltipodecambioyvariablesdepolíticamonetariaparaun períodode2semanas,yqueinnovacionespositivasenlasreservas sehallansistemáticamentemásrelacionadasconladepreciación deltipodecambioqueconelagregadomonetarioM1.

Humpage(2000)descubrequeesposiblemodificarelvalorde latasadecambioylosfundamentalesatravésdelas intervencio-nescambiariasvíase ñalesenlasexpectativasdelosagentes.Para corroborarsupresunción,realizaunapruebaquetieneencuenta lasexpectativasdelaReservaFederal,encontrando3resultados importantes:elprimeroesqueelactuardelemisornotieneuna se ñalmarcadaendichomercadoencuantoasucuantíade apre-ciaciónodepreciación, aunquesíestableceelmovimientodela moneda;elsegundoesqueelefectoquetienenlas intervencio-nesenladivisaespositivoperodebajacuantía,yeltercero,que losimpactosquegeneralapolíticasolosepercibenenperíodos particularesdetiempo,demaneraquenoesunresultadocompleto.

Beine (2004) evalúa cómo la coordinación de la política cambiariaentrepaísespuedetenerresultadospositivosenel com-portamientodeltipodecambio.Conesteobjetivo,estudialostipos decambioyenymarcoalemáncontraeldólarusandounmodelo MGARCH,loquelepermitemodelarlavarianza,lacovarianzay lascorrelacionesdeladistribucióncondicionaldelatasade cam-bio.Atravésdeestametodologíasedescubreunaumentodela varianza,lacovarianzaylacorrelaciónentremonedascuandolas intervencionessonrealizadas.Elautorexplicaesteresultadocomo consecuenciade quelosagentes notomaron lasintervenciones comocreíblesalpresentarseciertaambigüedadcuandoes intro-ducidaestainformaciónensusexpectativas;además,encuentra quecuandoestassoncoordinadasentrebancoscentralesse obtie-nenmayoresefectosdeestabilizaciónquecuandosonrealizadas demaneraindividual.

Pavasuthipaisit (2010)estudia el controldeltipo decambio cuandohayuna alta integraciónde laeconomíaal mundoyla inﬂuenciaquetienelapolíticamonetariasobrelatasadecambio. Pararealizaresteanálisis,dadoquelosmovimientosdeltipode cambiosonlatentes,partedelsupuestoqueelcontrolcambiario dependedelahabilidaddelbancocentralenobservarelverdadero procesogenerador delosdatosyelnúmerodefriccionesreales enlaeconomía.Así,introduciendolaregladeTaylorenla ecua-cióndepolíticacambiaria,descubrequehayunfuerteefectodelas intervencionessobreeltipodecambio.

Paraelenfoquedelamicroestructuradelmercadoseencuentran 2líneas deinvestigación quebuscan analizarlasintervenciones delatasadecambio,comosonelusodeestudiodeeventosque consisteenexaminarelcomportamiento deltipodecambioen laproximidaddelosdatosdeintervenciónconmínimos supues-tossobreelprocesogeneradordelosdatos(Pasquariello,2007), yla estructurapropuesta porReitzyTaylor (2008),que ofrece unsoportemásrealistaalos canalestradicionalesvíaun análi-sisdeinteracciónentrelosagentesparticipesenelmercadoen buscadesolucionarposiblesdesequilibriosdeladivisa.La aplica-cióndeestateoríaexigequeseutilicendatosdealtafrecuencia,a causadequesuobjetivoeseldepodermodelarelcomportamiento delosagentesqueactúanenelmercadoenelquesusaccionesse presentaranenelmuycortoplazo.

(4)

Peiers(1997)estudiacómoeselcomportamientointernodel mercadodedivisasusandodatosdealtafrecuenciaparalarelación marco-dólar.ConlahipótesisdeGoodhartaﬁrmaquelasasimetrías deinformaciónsitúan a ciertosbancoscomolíderesenel mer-cadocambiario,yquelosanunciossobrelasintervencionesson recogidosdeformainmediataporinversionistascompetitivosque descuentanrápidamenteelactuardelBundesbank.Porsuparte,

PayneyVitale(2003)analizanlasintervencionesdelBanco Cen-traldeSuiza cuandoestasvanenfunción dela tendenciadela moneda.Utilizandolametodologíadeestudiodeeventos, descu-brenquesegúnseaeltama ˜nodelaintervenciónylascondiciones delmercado,essuniveldeinﬂuencia,teniendosusmayores efec-tosen el cortoplazocuandoel Banco Central semueve conel mercado.

Dominguez(2003,2006)realizaunestudiodeeventosdelas intervencionescambiariasdelaReservaFederaldeEstados Uni-dosutilizandodatosintradía.Hallaquealgunosinversionistasse adaptana lascondiciones delmercadocuandoentra el emisor, hastaelpuntoenelcuallosinversionistasconocenelactuardel bancocentralunahoraantesdeserpublicadalanoticia,teniendo susmayoressecuelascuandohayunacoordinaciónentrepaíses, horasdealtovolumendenegociaciónoanuncios macroeconómi-cos.

FatumyHutchison(2003)evalúansilasintervenciones cam-biarias han tenido efectos estabilizadores por parte del banco centraldeAlemaniayEstadosUnidosempleandolametodología deestudiodeeventos.Paraestepropósito,realizanunapruebano paramétricaquetieneencuentaepisodiosderevaluacióny deva-luación.Descubrenquesoloenelcortoplazolasintervenciones sonefectivas.Porotrolado,Pasquariello(2007)hallaqueparael BancoCentral deSuizala efectividaddelasintervencionesestá relacionadaconsuinformacióncontenidaencontradela susti-tuciónimperfectaoconsideracionesdeinventario,presentándose susmayoressecuelascuandosoninesperadasovanencontradela tendenciadeladivisa.

ReitzyTaylor (2008)descubren que los canalestradiciones, talescomoelbalancedeportafolioydese ˜nales,entreganpobres resultadosparaanalizarlapolíticacambiariaalhaber:gran prepon-deranciaalainformaciónquetienelaautoridadmonetariacuando noessiempre superioraladelmercado;dependenciade gran-desmontos denegociaciónparaestablecer laefectividaddelas intervenciones;yrequierendelconocimientodelosinversionistas sobrelarealizacióndelasintervenciones,loquenosesatisface cuandolaautoridadmonetarialohacedemaneradiscrecional.Por estemotivo,establecenelcanaldecoordinación,elcualpuedeser otromecanismoteóricoqueexplicacómoelemisorafectaeltipo decambiodeformaeﬁciente.Paraevaluaresteesquemade mode-laciónutilizandatosdeAlemaniayEstadosUnidos,encontrando quelasaccionesdelosinversionistasinformadosyelemisortienen efectosestabilizadoresenelmercadocambiario.

Reitz,RulkeyTaylor(2011)aplicanelmodelocanalde coor-dinaciónalaeconomíaaustraliana. Paraestoutilizan datosque vandesde1984hasta2008,loquelespermiteanalizar3episodios importantesenlaeconomía,comosonlacrisisasiáticaen 1997-1998,lacrisisﬁnancieradeRusiaen1998-1999ylaglobalen2007. Apartirdeestosdatosdescubren,bajounesquemanolineal,que lasintervencionessoneﬁcientesyqueestastienensumayor expli-caciónduranteperíodosdefuertesdesajustesdeladivisa.

Enesteordendeideas,estainvestigaciónsiguelapropuestade

ReitzyTaylor(2008)yReitzetal.(2011)queeselcanalde coordi-nación;estetienecaracterísticassobresalientesenlamodelación delasintervencionesdeltipodecambio,alpartirdeunanálisis microfundamentadodelcomportamientodelosagentesquehace posibleelestudiodesuinteracción,comosoninversionistas infor-mados,noinformadosylaautoridadmonetaria.Suesquemateórico esdesarrolladoenlasiguientesubsección.

2.1. Modelocanaldecoordinación

Elmodelo canaldecoordinación(ReitzyTaylor,2008)parte delsupuestoquelosagentessonheterogéneoseninformacióne interpretacióndevariablesfundamentales,implicandola descen-tralizacióndelmercadocambiario(Dominguez,2006).Lasórdenes decomprayventasonrealizadasporcreadoresdelmercado,que dependiendodelaocurrenciadeunexcesodeofertaodemanda seráel cambioen elprecio dela divisa.Así, latasa decambio esperada,st+1,esexplicadapor:

st+1=st+aM

DIt+DUt

+εt+1 (1)

Constdenotandoellogaritmodelatasadecambiospotdela monedadomésticaentérminosdelaextranjeraen eltiempot, aM_>₀_es_un_parámetro_que,_según_sea_su_valor,_explica_el_grado_de reacciónquetienenloscreadoresdelmercado,loscualesno pue-denobservardemaneraindividualalosespeculadoresinformados, DI

t,ynoinformados,DUt,yεt+1eseltérminodeerrorquerecogela

informaciónpúblicadisponibleymidelaﬁjacióndepreciospor partedeloscreadoresdelmercado(ReitzyTaylor,2008).

Laecuación(1)puedeserseparadaen2clasesdeinversionistas neutralesalriesgo:unossoninversionistasnoinformados(DU

t)que

utilizandoanálisistécnico(estudiodelcomportamientodela ten-denciadelpreciodeltipodecambiopasado)tomansusdecisiones deinversiónendivisas,loqueenocasionespuedeocasionar erro-resenlaprediccióndeestavariableensuvalordeequilibrioalno tenerconocimientoseconométricos(Peiers,1997;ReitzyTaylor, 2008).Estossonmodeladosporlasiguienteecuación:

DU

t =aU(st−st−1)+bU(i∗t−it) (2)

Siendost−st−1yi∗t−itlosdiferencialesdeltipodecambioylas

tasasdeinterésexterna(i∗

t)einterna(it)enelperíodot,

respec-tivamente.Sobreelsignodelosparámetros,seesperaqueaU_sea positivo;mientrasquebU_tiene_un_signo_positivo_si_tales inversio-nistascreenenlaparidaddescubiertadeintereses(i∗

t −it)como

unpredictorinsesgadodest+1;entanto,elcoeﬁcienteesnegativo

silosindicadorestécnicostienenunmayorpesoenlaaperturade posiciones(ReitzyTaylor,2008).

Losotrossonlosinversionistasinformados, loscualestoman susdecisionessegúnseaelmovimientodevariables macroeconó-micasydecisionesfuturasdelaautoridadmonetariasobreeltipo decambio(Dominguez,2006;Peiers,1997).Parasutomade deci-sionesempleanunvalordeequilibriodelargoplazo,ft,queles permiteobservarcómoladivisaretornaaunniveldeequilibriode largoplazocuandohaydivergenciasensuprecio(reversiónmedia delatasadecambio)(ReitzyTaylor,2008).Estossonmodelados por:

DI

t=aIwt(ft−st)+bI(i∗t −it) (3)

Dondeal_>₀_y_bI_no_tiene_un_signo_concreto_por_los argumen-tosantesmencionadossobrelosinversionistasnoinformados.wt

(0<wt<1)esunfactor varianteen eltiempoque deﬁneuna

medidadeconﬁanzadelosespeculadoresinformadosyexpresalos desalineamientosabsolutosesperadosdelequilibriofundamental deladivisaapartirde:

wt= exp (ct)

1+exp (ct) (4)

Siendoct=−(ϕ1−ϕ2intt)

f

t−st

/_tS,intt es lavariableque recogelasintervencionesefectuadasporelemisorenelmercado cambiarioyS

t esladesviaciónestándarcondicionaldelatasade

cambio.Introduciendo lasecuaciones(2)-(4)en(1)segenerael modelocanaldecoordinación.

(5)

Con˛=aM_aU_>_0,_ı₌_aM_aI_>_0,_y₌_aM

_bU₊_bM

_,_con_␥

nue-vamente teniendo un signo no deﬁnido que depende de las característicasdelosinversionistas.

De(5)sepuedeestablecerqueelimpactoquegenerenlos inver-sionistasinformadosdependerádelvalorquetome␦ywt.Siel valordewt≈1,entonceseltipodecambioestácercadesuvalor

fundamental,loqueproveealosinversionistasinformadosdela reversiónmediamáxima.Noobstante,enlamedidaquelamoneda crezcademaneradesalineadadebidoalasdecisionestomadaspor losinversionistasnoinformados,losinformadosreduciránsunivel decompras,debilitandolareversiónmediayelactuardelemisor. Estosmovimientosdependerándelarapidezylodirectoque ten-ganlosefectosdelasnoticiaseconómicasenelﬂujodedinero,dela informaciónprivadaconlaquecuentenlosbancossobreposibles crisisdemonedaylademandadeliquidezcambiariadeempresas eindividuos(ReitzyTaylor,2008).

3. Metodología

Enestasecciónseexplicalametodologíautilizadaparael con-trasteempíricodelmodelocanaldecoordinación.Enlaprimera partese muestra elesquema dela QRNNy parala segundase explicalaformacomoesoptimizadoelmodelometodológico.Para luegoexplicarlafuncióndeimpulsorespuestaquepermitehacer elanálisisdelargoplazodelosdiferentesactoresenelmercado cambiario.

3.1. Redneuronalderegresióndelcuantil

Elmodeloenla ecuación(5) esestrictamente nolineal.Con elpropósitodeobservarlainfluencia,impactoysignificaciónde maneranolinealdetodoslosagentesquecomponenelmodelo canaldecoordinación,seproponemodificarlaecuación(5)para introducirinttdemaneraexplícitaenelmodelo,quedando expre-sadacomosigue:

st+1=˛st−1+ıwt(ft−st)+(i∗t−it)+intt+εt+1 (6)

Donde es unoperador de primeradiferencia dest yct=

−(ϕ1)

f

t−st

/_tS,yaqueϕ2=0enlafuncióndeexpectativasde

losinversionistasinformados.

Desdeestepuntodevista,unaaproximacióndelafunción(6) seobtienepormediodeunmodelodeQRNN.Estemodelointenta aproximarmediantefuncionesnolinealeslosverdaderos proce-sosestocásticosquegeneranlasobservacionesquepuedenono serlineales,loquepermitecapturarnosololanolinealidadde losinversionistasinformados,sinotambiénladelosinversionistas noinformados,elemisorylarespectivainteraccióndeestosenla explicacióndelatasadecambio,ademásdequeposibilitala mode-lacióndeladistribucióndelretornodelaTRMensusdiferentes cuantiles.

Estoesobtenidobajounmodeloperceptrónmulticapa(MLP) quepresenta3capas(entrada,ocultaysalida)lascualesse inter-conectan y retroalimentan a la red en un proceso de falla y errorquevaadaptandolaestructuradelmodeloparaalcanzarun nivelde generalidadyactivaciónóptimaen lapredicción dela variabledesalida(Cannon,2011;Londo ˜no,2011;FransesyDijk, 1999;ReitzyTaylor,2008). Sea

st

T_t =1 la variable de salida, y xt=

1,x˜ t

˜ x t=

st−1,ft−1−st−1,i∗t−1−it−1,intt−1

la matriz de variables de entrada.ElmodeloQRNNsedeﬁnecomo:

st=f

xt;

+ε ,t, quant

ε ,t|xt

=0 (7)

Siendo el -cuantil condicional de st y f

xt;

=ˇ ,0+

q

j=1 ˇ ,jG

x t ,ij

conQuant

ε ,t

xt

eltérminodeerrorε ,tdel -cuantilcondicionadoaxt.ˇ ,jsonlospesosdeconexión (con-nectionstrengths)delacapaoculta(hiddenlayer)enel -cuantil; ,ij=( ,0j, ,1j, ,2j, ,3j, ,4j)eselvectordepesosconlosque ingresacadavariabledeentradaenlacapaocultajenel_␪-cuantil; G(•) eslafuncióndeactivaciónnolinealdelacapaoculta, deﬁ-nidaporlatangentehiperbólicaqueoperaenelintervalo[–1,1] G(z)=ez₋_e−z

ez₊e−z.

3.2. Métododeestimación

Paraminimizarlaecuación(7)enel -cuantilseutilizalafunción objetivo(Cannon,2011) min

⎛

⎝

t|st≥f(xt;)

s

t−f (xt;)

2 2˛ +

t|st<f (xt;)

1− st−f

xt;−˛₂

⎞

⎠

(8)

Donde =

ij,ˇj

_q₍_k₊₂₎₊₁ es el vectorde parámetros.Esta

introducelanormadeHuberdentrodelaecuacióndeminimización tradicional min

⎛

⎝

t|st≥f(xt;)

s

t−f(xt;)

+

t|st<f (xt;)

1₋ st−f

xt;

⎞

⎠

Lacualesestablecidapor

h

ε ,t

=

⎧

⎪

⎨

⎪

⎩

ε2 ,t 2˛ si 0≤

ε

,t

≤˛

ε

_,t

₋˛ 2 si

ε

,t

>˛

Con

ε

,t

=

s

t−f

xt;yasiendounvalorcercanoacero. Loquereemplaza

ε ,t

=

ε ,t si ε ,t≥0

1−

ε ,t si ε ,t<0 Por (a)

_ε ,t

=

h

ε ,t

si ε ,t≥0

1−

h

ε ,t

si ε ,t<0

Estamodiﬁcaciónproporcionaelminimizarlaecuación(8)a travésdealgoritmosbasadosengradientesalpodersediferenciar alrededordelcero,ademásproveeunatransiciónsuaveentre erro-resabsolutosycuadrados(Cannon,2011).

Paraevitarquelaecuación(8)tengaaltosvaloresenalgunosde susparámetrosestimadosdebidoaproblemasdeinconsistencias numéricasenelpre-procesamientodelosdatos,Cannon(2011),

FransesyDijk(1999)yTaylor(2000)sugierenagregarparámetros depenalización,conocidoscomodecaimientodelospesos(weight

(6)

decay),quedandolafunciónobjetivo: min

⎛

⎝

t|st≥f(xt;)

s

t−f(xt;)

2 2˛ +

t|st<f(xt;)

1−

×

s

t−f

xt;−˛ 2

+rˇ q

j=1 ˇ2 ,t+r q

j=1 k

i=0 r2 ,ij

⎞

⎠

(9) Donderˇyrsonlosparámetrosdepenalizaciónparalacapa ocultaylasvariablesdeentrada,respectivamente.Estopermitea laarquitecturaQRNNqueensuprocesodeestimaciónnosegenere unsobre-ajuste,admitiendounaminimizaciónóptimaymitigando posibleserroresenlavarianza(Cannon,2011;FransesyDijk,1999; Londo ˜no,2011;Taylor,2000).Unalgoritmodeoptimización cuasi-Newtonesaplicadoenelprocesodeoptimización(véaseCannon, 2011,paradetallesadicionales).

3.3. Funciónimpulsorespuesta

Lafunción impulso respuestatiene comopropósitoelpoder evaluarlarespuestaquetienelavariabledependienteante cho-quesaleatoriosdelasvariablesexplicativasenellargoplazo.Koop, PesaranyPotter(1996)proponenelusodelafuncióndeimpulso respuestageneralizada(GeneralizedImpulseResposeFunction[GIRF porsussiglaseninglés])paramodelosnolineales,lacuales expre-sadapor: GIRFs

h,ı,t−1

=E

st+h

x

i,t=ı,t−1

−E

st+h

x

i,t=0,t−1

(10) Donde ı es el choque de la variable explicativa xi,t

=st−1oft−1−st−1oit−1−it∗−1ointt−1

, h=1, 2, ... es el horizontedepronóstico,E

st+1

x

i,t=ı,t−1

eselpronóstico condicionadodest+hsujetoalainformacióndisponible,

t−1,y

E

st+h

x

it=0,t−1

eselperﬁlbenchmark.Enestetrabajose utilizancomochoquesloserroresestándardeGIRFs

h,ı,t−1

queseránconstruidosvíasimulaciónbootstrap(paralosdetalles, véaseKoopetal.,1996).

4. Resultados

Enestasecciónsedescribenlosdatosutilizadosparael con-trasteempíricodelmodelocanaldecoordinaciónenelmercado cambiariocolombiano.Luegosemuestralaarquitecturaaser entre-nada,medidasdedesempe ˜noparasuevaluaciónyresultadosdela funciónimpulsorespuesta.

4.1. Datos

Enesta investigación se usaron datos diarios que cubren el período comprendido entre el 5 de enero de 2004 y el 24 de mayode2012,loscualesfuerontransformadosporlafórmulayt=

(zt−zt−1)/zt

×100paraluegoserestandarizadosenelintervalo [–1,1].EstosincluyenelretornodelaTRM,st,querepresentael tipodecambiodelpesocolombianoentérminosdeldólar,cuya fuenteeslaSuperintendenciaFinancieradeColombia;lastasasde interésinterbancariaColombia,it,ydelosFondosFederalesde Esta-dosUnidos,iEU

t ,quesontomadascomolatasainternayexterna,

respectivamente,quefueronextraídasdelBancodelaRepúblicay laReservaFederaldeEstadosUnidos.

Paraelcasodelavariabledelvalordeequilibriofundamental delatasadecambio,ft,sesiguiólapropuestautilizadaporReitzy Taylor(2008),enlaqueseemplealaparidaddelpoderdecompra (PPC)descritaporladiferenciadelíndicedepreciosalconsumidor

Años

Monto de intervenciones (USD millones)

600 400 200 2012 2010 2008 2006 2004 SubComDirect OPputAR OPputCV IntervenDiscr

Figura1. IntervencionesdiariasrealizadasporelBancodelaRepública.

SubComDi-rect:Subastadecompradirecta.OPputAR:Opcionesputdeacumulacióndereservas

internacionales.OPpuCV:Opcionesputcontroldelavolatilidad.IntervenDiscr:

Intervencionesdiscrecionales.

Fuente:elaboraciónpropia.

deColombia(pt)quefuetomadodelBancodelaRepúblicayelde EstadosUnidos(pEU

t )queseextrajodelBureauofLaborStatistics.

Lasanterioresvariablessondecaráctermensual,porloqueestos autoresutilizanelúltimodíadevalorpublicadodelsiguientemes comoundatodiario.Lajustiﬁcacióndelaconstruccióndeftdeesta maneraesacausadequelosparticipantesdelmercadoaceptan laPPCcomounacomponentecorrectaenladeterminacióndelas decisionesporpartedelaautoridadmonetariaenelcortoylargo plazocuandosuobjetivoesenfocadoprincipalmenteenmantener unciertocontroldelainﬂación,tomándosecomounaproxydelos fundamentalesnoobservables.

Paralavariableintervenciones,intt,setomaronintervenciones diariasdecomprasrealizadasporelBancodelaRepública.Estas incluyentresmecanismos:

•Intervenciónmedianteopcionesput:mecanismopreanunciado deconocimientopúblicoquesehacedemanerasistemáticacon se ˜nalesclarasenelmercado,lascualessirvenparaelcontrolde lavolatilidadylaacumulacióndereservasinternacionales. •Intervención discrecional (2004-2007): estrategia que no es

anunciadaynoestásujetaaningunaregla.Estapuedeseruna intervenciónesterilizadaono.

•Subastadeintervencióndirecta(2008-2012):políticabasadaen operacionesdeintervencióndirectaconlosintermediariosdel mercado.

Enlaﬁgura1sepuedenobservarlasdiferentespolíticasensus etapasdeutilizaciónymontosdenegociación.

4.2. Resultados

ElmodelodeReitzyTaylor(2008)conlametodologíaQRNNes expresadoporlasiguienteecuaciónestimable:

ˆs ,t=ˇ ,0+ q=5

j=1 ˇ ,jG

x t ,ij

(11)

Con ˆs ,t el -cuantil estimado en el período t, y

G

x t ,ij

=ext ,ij₋e−xt ,ij

ext ,ij₊e−xt ,ij donde x

(7)

,2j(ft−1−st−1)+ ,3j

iEU

t−1−it−1

+ ,4jintt−1.Parael

entrena-mientodelaarquitectura(ecuación11)sesiguieronlossiguientes pasos:

•Seutilizaron␪=5,25,50,75y95%conelpropósitodedelinear granpartedeladistribucióndelatasadecambioypoder deter-minarel efectode cadaagenteen ellargoplazoutilizandola funciónimpulsorespuestaparaunhorizontedetiempode10días endichoscuantiles.

•Paralaeleccióndelnúmerodeneuronasseestimaron arquitec-turasconq=1hastaq=q*,dondeq*eselnúmerodevariablesde entradamásuna(Londo ˜no,2011).

•Para enfrentar posibles problemas de mínimos locales, cada modelofueestimado20vecesporcadaneuronaqdeﬁnidoynivel deprobabilidad␪yseseleccionóaquelqueteníaelmenorerror expresadoenlaecuación(9)(Cannon,2011).

•Sedividiólamuestraen2partes:el90%delosdatospara entre-namientoyel10%paravalidación(FransesyDijk,1999).

Paraevaluareldesempe ˜nodelasarquitecturasensus respecti-voscuantilesseemplearon4pruebasdenocoberturaycobertura condicionaldelcuantil.

LaprimeraeslaproporcióndefallasdeHitqueconsisteen esta-blecersielniveldeprobabilidadpre-especiﬁcado␪escapturado porelmodelo,esdecir,sisesatisfacequePr

st<f

xt;

=

∀

t.Suestadísticodepruebaes: %Hitt( )=

T−1 T

t=1 It

∗100paraIt=

1parast<f

xt;

0enotrocaso (12) DondeIt=I

st−f

xt;

esunafunciónindicadorayTes eltama ˜nodelamuestrabajoevaluación(Londo ˜no,2011).

LasegundaeslaproporcióndefallasdeKupiecquedeﬁnelo mismoqueelanteriorestadístico,peroatravésdelaevaluación delahipótesisnulaH0:p= .Estautilizaunapruebaderazónde

verosimilitud(LikelihoodRatioTest[LRTporsussiglaseninglés]) delimitadaporladivisiónentrevalordemáximaverosimilitudbajo lahipótesisnulaylaalternativa:

LRTUC=−2ln

L(p;I1,...,IT) L

ˆ;I1,...,IT

=−2ln

pn0₍₁−p₎n1 ˆ n0₍₁−_ˆ₎n1

∼2 (1) (13) Donden1=T−1

T t=1It,n0=1−T− 1

T t=1It, ˆ=n1/(n0+n1) y2

(1) es ladistribución chi-cuadradoconun gradodelibertad

(Cristoffersen,1998).

Laterceraeselcuantildinámicoqueevalúanosololacaptura delnivelpre-especiﬁcado␪delcuantilestimado,sinotambiénsi losvaloresdelasecuenciadelafunciónindicadora

It

T_t

=1soni.i.d.

Así,sisetieneHitt

≡I

st<f

xt;

− seesperaunbuen

ajustedelmodelosilosrezagosdeHitt−i( )parai=1,...,ryelvalor esperadodef

xt;

sonigualesacero.Paracontrastarlaanterior hipótesissepartedelaregresiónauxiliar:

Hitt( )=_ıˆ₀₊ r

i=1 ˆ ıiHitt−i( )+ıˆr+1f

xt;

+ˆ_lt₌_X_ıˆ₊ˆ_t SiendoX=

1,Hitt−1

,...,Hitt−r

;f

xt;

lamatriz devariablesexplicativasy ˆı=

_ıˆ₀_,_._._.,_ıˆ_r +1

unvectorde paráme-trosdesconocidos.Entoncesseconstruyeelestadísticodeprueba: DQ=_˛ıˆ₍₁X₋X_˛ıˆ₎∼2

(k) (14)

Dondek=rango(X)−1sonlosgradosdelibertaddeuna␹2

(EngleyManganelli,2004).

Lacuartaesuna pruebabasadaenanálisisderegresión pro-puesta por Clementsy Taylor (2003) que busca lo mismo que elcuantildinámico,peroteniendoencuentalanaturalezadela funciónindicadora,porloqueusanunaespeciﬁcaciónbasadaen regresiónlogísticavíalasiguienteregresiónartiﬁcial:

It=0+ w

i=1 iIt−i+εt,t=w+1,w+2,...,T EstimadaporPr(It=1)=(0,˚;Z),t=1,...,n Con (0,˚;zt)=e0+˚zt_/

₁₊_e0+˚zt

_, _Z₌

It−1,...,It−w;D1,t,...,Dw−1,t

, Ds,t=1 cuandot=(N−1)w+i, con s=1,2,...,w y N=1,2,...,T/w y 0 en otro caso. Esta prueba evalúa la hipótesis H0:˚=0 con restricciónque 0=˛,

con˚=[1,...,w;ϕ1,...,ϕw].Concretamente,cuandoi =/ 0 sugiereque la secuencia

It

T_t

=1 se hallacorrelacionada

serial-mente. Para evaluar tal hipótesis se utiliza un estadístico LRT deﬁnidocomosigue:

LRT=−2

lnL(˚=0)−lnL(˚=/0)

∼2

2w−1 (15)

DondeL(˚=0) yL(˚=/0) eslaverosimilitudbajolahipótesis nulayalternativa,respectivamente.

Enlatabla1sepuedenobservarlosresultadosdeestos estadísti-cosparaunmodeloconcuatroneuronasquepresentóunajusteen términosglobalesadecuado,deacuerdoconloscuatroanteriores estadísticosdedesempe ño.Enlafilasuperiorsepueden visuali-zarlosrespectivoscuantilesestimados(teóricos)dentroyfuera delperíododeentrenamiento,yenlaparteizquierdademanera verticallosestadísticosdeprueba(todos sonlosvaloresdep a excepcióndelaproporcióndeHit).Enestecaso,conlosestadísticos decoberturanocondicional,talescomolaproporcióndeHityde Kupiec,semuestraunacapturayaceptacióndelnivelde probabili-dadpre-especificado,respectivamente,dentroyfueradelperíodo deentrenamiento,dondecabeobservarqueelprimerestadístico presentaundesempe ñoexactodentrodelperíododeestimación conalgunosproblemasmenoresfueradelperíododeestimación; porejemplo,cuandosuvalorteóricoesdel95%,elresultado empí-ricofuedel96%.

Paralosestadísticosdecoberturacondicional,comosonel cuan-tildinámicoyelanálisisderegresión,elprimerotieneunbuen ajusteentodosloscuantiles,aexcepcióndelcuantilde25%fuera delperíododeestimación.Elsegundopresentaproblemasenlos cuantilesdel50ydel75%dentroyfueradelperíodode estima-ciónyeldel25%dentrodelperíododeestimación.Estopuedeser explicadoporlascaracterísticasquepresentanestoscuantiles,los cualestienenunaaltatasadefalla,porloquesepuedenpresentar ciertosclusters.

Portanto,paralarealizacióndelanálisisdeimpulsorespuesta seempleóelmodeloQRNNcon4neuronas.Enlafigura2sepueden visualizarestosresultadosdelarespuestaquetienelatasade cam-bioantelosimpulsosdelasrespectivasvariablesysusintervalosde confianzadel95%.Enlaparteizquierdademaneraverticalse expre-sanlos5cuantilesestimados,yenlapartesuperior,observandolas figurascomocolumnas,losdiferentesefectosdelasvariablesdel modelocanaldecoordinaciónensusrespectivoscuantiles.En tér-minosgenerales,sepuedeestablecerquelavariablequemayor efectotienesobreelretornodelaTRM(st)eslaquerepresenta alosinversionistasnoinformados(st−1),susignoeselesperado

aexcepcióndelcuantildel5%,teniendosusmayoresefectosenlos cuantilesdel50,75y95%,conservandounefectoenlos10días aproximadamentede0,14, 0,3y0,3,respectivamente. Ahora,el resultadodelprimercuantilpuedeserexplicadoporuna divergen-ciadeopcionescuandolosinversionistassehallanenunasituación

(8)

Tabla1

Resultadosestadísticosdedesempe ˜nodentroyfueradelperíododeestimacióncon4neuronas

Cuantiles 5% 25% 50% 75% 95% 5% 25% 50% 75% 95% In-sample Out-sample ProporcióndeHit 5 25 50 75 95 2 23 47 70 96 ProporcióndeKupiec 0,41 0,79 0,85 0,71 0,85 0,14 0,60 0,44 0,17 0,45 Cuantildinámico 0,26 1,00 1,00 1,00 0,14 1,00 0,00 1,00 1,00 1,00 Análisisderegresión 1,00 0,00 0,00 0,00 1,00 1,00 0,18 0,00 0,01 1,00

Fuente:elaboraciónpropia.

10 8 6 4 2 -0 .1 0 Δst−1

(a1)

Cu a n ti l 5 % oo oo o o oo o o 10 8 6 4 2 0. 00 0. 08 ft−1−

s

t−1

(a2)

o o o o o o oo o o 10 8 6 4 2 -0 .0 4 0 .0 1 i_tE₋₁U−it−1

(a3)

o o o o o o o o o o 10 8 6 4 2 0. 1 0 .3 intt−1

(a4)

o o oo oo o o o o 10 8 6 4 2 0. 05 0. 08

(b1)

Cu a n ti l 25 % o o o o o o oo o o 10 8 6 4 2 0. 00 5 0 .0 2 5

(b2)

o o o o o o oo o o 10 8 6 4 2 -0 .0 3 0 .0 0

(b3)

o o o o o o o o o o 10 8 6 4 2 0. 10 0. 20

(b4)

o o o o o o o o o o 10 8 6 4 2 0. 10 0 .1 4

(c1)

Cu a n til 50 % o_{o o o o o}oo o o 10 8 6 4 2 0. 00 5

(c2)

o o o o oo oo o o 10 8 6 4 2 -0 .03 5-0 .0 1 0

(c3)

o o o o ooo o o o 10 8 6 4 2 0. 02 0. 10

(c4)

o o oo oo o o oo 10 8 6 4 2 0. 31 0. 35

(d1)

Cu a n ti l 7 5 % oo o o o o o o o o 10 8 6 4 2 -0 .0 2 0 .0 2

(d2)

o o o o oo o o o o 10 8 6 4 2 -0 .0 2 0 .0 3

(d3)

o o o o ooo o o o 10 8 6 4 2 -0 .0 1 0 .0 4

(d4)

o o o ooo o o oo 10 8 6 4 2 0. 30 0. 55

(e1)

Cu a n til 95 % oo o o o o o o o o 10 8 6 4 2 -0 .1 5 0 .0 0

(e2)

o o o o oo oo o o 10 8 6 4 2 -0 .1 0 .2

(e3)

o o o o oo o o o o 10 8 6 4 2 -0 .3 0 .0

(e4)

o o o o o o oo o o

Figura2.Respuestadestalosdiferenteschoquesdelasvariablesdelmodelodecanaldecoordinación. Fuente:elaboraciónpropia.

decambiodetendenciadelamoneda,quelesgeneracierta incer-tidumbrecuandoesrealizadalaintervencióndelemisorenbusca deestabilizarlatendenciarevaluacionista.

Enrelaciónconlavariablequerepresentaalaautoridad mone-taria(intt−1),estatieneelsegundomayorefecto.Enesteconjunto deﬁgurasseobservaqueenloscuantilesdel5,25y50%suefecto sobrelatasadecambioespositivoysigniﬁcativo;aquíengeneral sehallancaídaseneltercerperíodoparadespuéstenerun creci-mientoquepermaneceen0,3,0,2y0,1,respectivamente.Apartir deaquísevequeelactuardelBancodelaRepúblicaenprocuradela estabilidaddelatasadecambioesparcialmentesatisfecho,arazón

dequesusmayoresefectossoncontrarrestarfuertes revaluacio-nesqueimpliquenundesalineamientodeladivisaqueproduzca inestabilidadcambiaria,loqueesexplicadoporelcuantildel5%. Sinembargo,cuandosevapasandodecuantilesmayorescomo eldel25%(moderadarevaluación)ydel50%(revaluaciónmedia), esteefectosevadesvaneciendo,demaneraquelareversiónmedia cuandoesvisualizadaentrecuantilesnosecumplecompletamente, implicandoqueelactuardelemisornocambialatendenciadela divisa.Esteresultadonoesdeltodonegativopara losobjetivos depolíticacambiaria,yaqueseestálograndounsuavizamiento moderadodeladivisa.

(9)

Porotrolado,unasituacióndiferentesepresentaparalos cuan-tilesde 75 y95%;en estecaso elefecto delprimero esbajo y positivo,mientrasqueelsegundotieneunainﬂuenciaaltay nega-tiva,loque podríaserexplicadoporquelaautoridadmonetaria duranteelperíododeanálisisnotuvoinjerenciadeformamuy marcadaenelcontroldelatasadecambioenperíodosde devalua-ción.

Conrespectoa losinversionistasinformados(ft−1−st−1), tie-nenefectossignificativosconunsignopositivoenlosprimeros 4cuantiles,perosucuantíaesmuybajaenrelaciónconlasdemás variables.Esteresultadopodríaserinterpretadocomosila infla-ciónnotuvieraefectoenlasexpectativasdelosinversionistasen elmercadodedivisas,queenparteesexplicadoporqueelBanco Centralhamantenidounniveldeinflaciónestableenlosúltimos a ños,loquehapropiciadounambientedecertidumbreentrelos diferentesagentesdelaeconomíaquenohaproducidosorpresas sobreelcomportamientodeltipodecambio.Paraeldiferencialde lastasasdeinterés(iEU

i−1−it−1)sepresentaunatendenciasimilar aladelosinversionistasinformados,peropredominandounsigno negativosobrelatasadecambio,loqueestablecedeacuerdoal modelocanaldecoordinaciónquelosinversionistasinformadosy noinformadosdanmayorpreponderanciaaindicadoresdecarácter técnicoquealaparidaddelpoderdecompra.

Enresumen,elefectodereversiónmedia,queconsisteenel retornoalequilibriodelatasadecambiodemanerapermanente utilizandolafuncióndeimpulsorespuestacuandoseevalúaentre cuantiles,nosesatisfaceparalaautoridadmonetaria completa-mente.Esteefecto,sibienesmuyfuerteenelcuantildel5%que explicaperíodosdealtarevaluación,seva disipandocuandose comparaconcuantilesmásaltos.Porotrolado,elaccionardelos inversionistastécnicossehacemásaltoenperiodosde devalua-ción,hastaelpuntoenelque enel cuantildel95%esdondela funcióndeimpulsorespuestamuestralosmayoresincrementosde losretornosdelaTRM.

5. Conclusiones

Utilizandodatosdiariosylainformaciónsobrelas intervencio-nescambiariasdecompradedivisas delBancodela República delarelaciónpeso-dólar,estainvestigacióntuvocomopropósito evaluarlaefectividaddelactuardelemisorenelmercado cambia-rioutilizandoelmodeloteóricocanaldecoordinación, quebajo lametodologíade redneuronalde regresióndelcuantilindagó enquétramos dela distribucióndelosretornosdelaTRM,los agentesque componenestecanal, talescomoinversionistas no informados,informadosy,laautoridadmonetaria,tienenmayor inﬂuencia.

Adicionalmente,utilizandovariasmedidasdedesempe ˜no con-dicionalesynocondicionales,seencontróqueelmodelopresenta unbuenajusteparaexplicarladinámicadelretornodelaTRM.A travésdelafuncióndeimpulsorespuestasedeterminólarelación delargoplazodedichosagentes,hallándosequelosinversionistas noinformadossonlosquemayorinjerenciatienenenla explica-cióndelatasadecambioenperíodosdedevaluación,mientrasque laautoridadmonetariapresentósusmayoresimpactosenperíodos derevaluaciónexplicadoporloscuantiles5y25%dela distribu-cióndelosretornosdelatasadecambio.Estoúltimodiocuentade quealgunosobjetivosdelapolíticacambiaria,queconsistenenla estabilizacióndeladivisaantefuertesdevaluacionesy revaluacio-nessiseestánsatisfaciendo,noobstante,nollegaalasituaciónde alcanzarunareversiónmediaentrecuantiles,quesigniﬁcaríaque elemisorcambielatendenciadeltipodecambioy,en consecuen-cia,laspeticionesrealizadasporlosdiferentesgremiosduranteel periododeanálisisnopodríantenerelalcancepretendidoporestos

mismos,ademásdequelosobjetivosdepolíticanosonelcontrol deladivisa,sinolaconservacióndelainﬂaciónenunnivelestable. Losresultadosanterioresmuestranlaventajadelosmodelos QRNN frente a otros trabajos en la evaluaciónde las interven-cionescambiarias,dadoquelosprimerostienenlacapacidadde analizarlosefectosdelasvariablesexplicativasentodala distri-bucióndelosretornosdelaTRMynosoloenelpuntocentralde sudistribucióncomolohacenlossegundos.Asímismo,elusodel canaldecoordinaciónparalacontrastaciónempíricadel comporta-mientodelmercadodedivisascolombianobajoQRNNporcuantiles ofrecenuevaspautasparaintuircómosonlosefectosdelas inter-vencionessobrelatasadecambioycómoinﬂuencianlosdiferentes agentesenelmercadodedivisaslatendenciadeestavariable.

Otraconclusiónimportanteconsisteenlautilizacióndela varia-ble real de intervenciones en datos diarios, pues esta permite evaluarporpartedeotrosstokeholderslaspolíticasimplementadas porlaautoridadmonetaria.

Conﬂictodeintereses

Losautoresdeclarannotenerningúnconﬂictodeintereses.

Bibliografía

Beine,M.(2004).Conditionalcovariancesanddirectcentralbankinterventionin theforeignexchangemarkets.JournalofBanking&Finance,28(6),1385–1411.

Cannon,A.J.(2011).Quantileregressionneuralnetwork:ImplementationinR andapplicationtoprecipitationdownscaling.ComputersandGeosciences,37(9), 1277–1284.

Clements,M.P.yTaylor,N.(2003).Evaluatingintervalforecastsofhigh-frequency ﬁnancialdata.JournalofAppliedEconometrics,18(4),445–456.

Cristoffersen,P.F. (1998).Evaluatingintervalforecasts. InternationalEconomic Review,39(4),841–862.

Cushman,D.O.(2007).AportfoliobalanceapproachtotheCanadian-U.S.exchange rate.ReviewofFinancialEconomics,16(3),305–320.

Dominguez,K.M.(1998).Centralbankinterventionandexchangeratevolatility. JournalofInternationalMoneyandFinance,17(1),161–190.

Dominguez,K.M.(2003).Themarketmicrostructureofcentralbankintervention. JournalofInternationalEconomics,59(1),25–45.

Dominguez,K.M.(2006).Whendocentralbankinterventionsinﬂuenceintra-day andlonger-termexchangeratemovements?JournalofInternationalMoneyand Finance,25(7),1051–1071.

Dominguez,K.M.yFrankel,J.(1993).Doesforeign-exchangeinterventionmatter? Theportfolioeffect.TheAmericanEconomicReview,83(5),1356–1369.

Echavarría,J.,Vásquez,D.yVillamizar,M.(2010).Impactodelasintervenciones cambiariassobreelnivelylavolatilidaddelatasadecambioenColombia. EnsayossobrePolíticaEconómica,28(62),12–69.

Engle,R.F.yManganelli,S.(2004).CAViaR:Conditionalautoregressivevalueatrisk byregressionquantiles.JournalofBusiness&EconomicStatistics,22(4),367–381.

Fatum,R.yHutchison,M.M.(2003).Issterilizedforeignexchangeintervention effectiveafterall?Aneventstudyapproach.TheEconomicJournal,113(487), 390–411.

Franses,H.P.yDijk,D.(1999).NonlinearTimeSeriesModelsinEmpiricalFinance. London:CambrigeUniversityPress.

Humpage,O.F.(2000).TheUnitedStatesasaninformedforeign-exchange specu-lator.JournalofInternationalFinancialMarkets.InstitutionsandMoney,10(3-4), 287–302.

Kamil,H.(2008).Iscentralbankinterventioneffectiveunderinﬂationtargeting regimes?ThecaseofColombia.IMFWorkingPaper,88,1–44.

Koop,G.,Pesaran,M.H.yPotter,S.M.(1996).Impulseresponseanalysisinnonlinear multivariatemodels.JournalofEconometrics,74(1),119–147.

Lewis,K.(1995).Areforeignexchangeinterventionandmonetarypolicyrelated, anddoesitreallymatter?JournalofBusiness,68(2),185–214.

Londo ˜no,C.A.(2011).Regresióndelcuantilaplicadaalmodeloderedesneuronales artiﬁciales.UnejercicioempíricodelmodeloCAViaRparaelmercadodevalores colombiano.RevistaEnsayossobrePolíticaEconómica,29(64),62–109.

Payne,R.yVitale,P.(2003).Atransactionlevelstudyoftheeffectsofcentral bankinterventiononexchangerates.JournalofInternationalEconomics,61(2), 331–352.

Pasquariello,P.(2007).Informativetradingorjustcostlynoise?Ananalysisofcentral bankinterventions.JournalofFinancialMarkets,10(2),107–143.

Pavasuthipaisit, R. (2010). Shouldinﬂation-targeting central bank respond to exchangeratemovements?JournalofInternationalMoneyandFinance,29(3), 460–485.

Peiers,B.(1997).Informedtraders,intervention,andpriceleadership:Adeeperview ofthemicrostructureoftheforeignexchangemarket.TheJournalofFinance, 52(4),1589–1614.

(10)

Sarno,L.yTaylor,M.(2001).Ofﬁcialinterventionintheforeignexchangemarket: Isiteffectiveand,ifso,howdoesitwork?JournalofEconomicLiterature,39(3), 839–868.

Reitz,S.yTaylor,M.P.(2008).Thecoordinationchannelofforeignexchange inter-vention:Anonlinearmicrostructuralanalysis.EuropeanEconomicReview,52(1), 55–76.

Reitz,S.,Rulke,J.C.yTaylor,M.(2011).OnthenonlinearinﬂuenceofReserve BankofAustraliainterventionsonexchangerates.TheEconomicRecord,87(278), 465–479.

Taylor, J. W.(2000). A quantile neural network approach to estimating the conditional density of multiperiod return. Journal of Forescasting, 19(4), 299–311.