determinantes de la demanda de especies monetarias us ...demanda de dinero de keynes ... largo...
TRANSCRIPT
Determinantes de la Demanda de Especies Monetarias* US dólares en
El Salvador
*Demanda de dinero para este trabajo deberá entenderse como el retiro de efectivo que realizan los bancos comerciales en el Banco Central
Agenda
Función del Banco Central Objetivo de la Investigación Marco teórico dinero y demanda de
dinero Análisis estadístico de las series de
billetes en El Salvador. Metodología Modelo de Regresión
Especies Monetarias Conclusiones y Recomendaciones
Función del Banco Central de El Salvador
Ley de Integración Monetaria, el Banco Central realiza operaciones de remesas y retiros internacionales con el propósito de proveer las especies monetarias que demanda la economía del país a través de los bancos del sistema financiero salvadoreño.
El BCR debe estimar las necesidades de efectivo con el fin de elaborar sus solcitudes a la Reserva
Federal y procurar que la disponibilidad de especies monetarias sea suficiente y oportuna.
Bancos Comerciales
Objetivo de la Investigación
Estimar un modelo econométrico que permita conocer las variables económicas que influyen en la demanda de especies monetarias y pronosticar la cantidad de dólares que los bancos del sistema financiero del país demandan en el corto plazo.
Se utilizaron dos técnicas de pronóstico:
Análisis univariante utilizando modelos autorregresivos integrados de medias móviles (ARIMA).
Análisis multivariante, utilizando modelos de vectores autoregresivos (VAR) con corrección de errores (VEC)
Marco Teórico
Dinero: Medio de cambio y la unidad de cuenta en que se expresan los precios de los bienes, servicios. Se considera el activo más líquido que puede tener la economía.
Demanda de Dinero de Keynes El motivo de transacción: Se deriva de la necesidad
que tiene los individuos de cubrir la brecha que se produce entre los ingresos generados y los gastos planeados
El motivo precaución. Enfatiza el deseo de las personas de mantener dinero para hacer frente a gastos no planeados e inesperados.
El motivo especulación. Se refiere a la incertidumbre acerca de la evolución de las variables macroeconómicas sobre las tenencias de dinero.
¿Por qué demandan dinero en efectivo los individuos?
Demanda de Dinero: Será más alta cuando los individuos deseen mantener mayor liquidez en sus manos frente a otros activos más rentables pero menos líquidos.
Marco Teórico
Conceptos importantes
Retiros de billetes de bancos: Realizados por
los bancos comerciales al Banco Central. Equivale
a la demanda de especies monetarias.
Remesas de billetes de bancos: Se refiere a los
depósitos de especies monetarias que realizan los
bancos comerciales al Banco Central.
Retiros internacionales de dólares: comprende
el retiro internacional de billetes y monedas
dólares de los Estados Unidos de América.
Remesas internacionales de dólares:
comprende la realización de remesas
internacionales de billetes y monedas dólares de
los Estados Unidos de América.
Análisis estadístico de las series de billetes en El Salvador
Período 2001-2012
Análisis estadístico de las series de billetes
• Análisis estadístico descriptivo del comportamiento de los retiros y depósitos de los bancos comerciales durante el período 2001- 2012.
• Las series se analizaron de manera diaria y mensual
• Se incluyó la serie total de billetes como los billetes por denominación.
En la etapa previa se conoció el comportamiento de la serie de retiros de los bancos, se identificó volatilidades, peso representativo por denominación. Lo anterior constituyó un preámbulo para la determinación del modelo de proyección de los retiros de especies monetarias por parte de los bancos.
Consideraciones
Se obtuvo información diaria de la base de datos
estadísticos de retiros y depósito.
Periodo comprendido 2001 - 2012
Retiros y Depósitos diarios de bancos 2001-2012
En miles de dólares
Estadísticos Descriptivos Retiros Depósitos
Media $5,238.49 $6,211.65
Mediana $3,347.50 $4,878.00
Desviación Estándar $5,634.10 $4,811.93
Coeficiente de Asimetría 2.11 2.37
Curtosis 6.75 9.53
Coeficiente de Variación 107.55% 78.59%
0
2
4
6
8
10
12
14
16
18
0
20
0
46
5.2
67
0
93
5
12
50
16
00
19
70
23
45
27
84
32
24
37
80
44
36
52
52
61
50
72
74
86
12
10
72
0
14
49
6
Frec
uen
cia
Clase
Histograma
Análisis estadístico de las series de billetes
DE US$1 DE US$5 DE
US$10 DE
US$20 DE
US$50 DE
US$100
DEPÓSITOS $494 $1,523 $4,095 $10,275 $808 $2,988
RETIROS $480 $1,634 $4,813 $8,864 $33 $696
BRECHA Retiro - Depósitos $14 -$111 -$718 $1,411 $775 $2,292
% COBERTURA DE DEPÓSITOS 103.0 93.2 85.1 115.9 2,423.0 429.1
-$2,000
$0
$2,000
$4,000
$6,000
$8,000
$10,000
$12,000
US$
Mill
on
es
Depósitos y retiros de bancos acumulados Período 2001-2012
Las denominaciones que concentran la frecuencia de retiros son los billetes de $10 y $20. En las denominaciones de $5 y $10, se presenta una brecha (depósitos de los bancos son menores que los retiros que ellos realizan).
$0
$50
$100
$150
$200
$250
$300
$350
$400
Ene_
09
Mar
_09
May
_09
Jul_
09
Sep
_09
No
v_0
9
Ene_
10
Mar
_10
May
_10
Jul_
10
Sep
_10
No
v_1
0
Ene_
11
Mar
_11
May
_11
Jul_
11
Sep
_11
No
v_1
1
Ene_
12
Feb
_12
May
_12
Jun
_12
Sep
_12
No
v_1
2
Dic
Mar
Dic Dic
Dic
Mar Mar Mar
Año US$100 US$50 US$20 US$10 US$5 US$1
2001 5.64% 0.76% 25.70% 44.76% 19.05% 4.07%
2002 4.89% 0.69% 29.19% 41.57% 19.25% 4.42%
2003 2.79% 0.18% 37.93% 42.19% 13.16% 3.49%
2004 3.97% 0.34% 42.48% 38.87% 10.49% 3.85%
2005 3.36% 0.22% 48.26% 35.94% 8.53% 3.69%
2006 3.77% 0.20% 53.03% 31.54% 8.17% 3.29%
2007 4.65% 0.26% 58.08% 23.35% 10.13% 3.52%
2008 4.60% 0.15% 62.27% 20.45% 9.08% 3.46%
2009 5.42% 0.21% 61.22% 21.35% 8.26% 3.53%
2010 5.35% 0.11% 60.69% 23.15% 7.38% 3.33%
2011 3.74% 0.04% 61.22% 25.77% 7.26% 1.98%
2012 3.06% 0.04% 58.45% 28.68% 9.71% 0.06%
Análisis estadístico de las series de billetes
Comportamiento mensual Año 2009-2012
Composición porcentual por denominación de billetes
Comportamiento inter-mensual Retiros de los Bancos
Mes de mayo
Al tomar de referencia un mes (por ejemplo mayo) y compararlo con tres años diferentes, se observa que los días picos se mantienen en las
quincenas de pago, y pago de Gobierno.
Análisis estadístico de las series de billetes
$0.00
$2,000.00
$4,000.00
$6,000.00
$8,000.00
$10,000.00
$12,000.00
$14,000.00
$16,000.00
$18,000.00
$20,000.00
01-s
ep
-09
03-s
ep
-09
05-s
ep
-09
07-s
ep
-09
09-s
ep
-09
11-s
ep
-09
13-s
ep
-09
15-s
ep
-09
17-s
ep
-09
19-s
ep
-09
21-s
ep
-09
23-s
ep
-09
25-s
ep
-09
27-s
ep
-09
29-s
ep
-09
Retiro de los BancosSeptiembre 2009
$0
$2,000
$4,000
$6,000
$8,000
$10,000
$12,000
$14,000
$16,000
$18,000
01-s
ep
-10
03-s
ep
-10
05-s
ep
-10
07-s
ep
-10
09-s
ep
-10
11-s
ep
-10
13-s
ep
-10
15-s
ep
-10
17-s
ep
-10
19-s
ep
-10
21-s
ep
-10
23-s
ep
-10
25-s
ep
-10
27-s
ep
-10
29-s
ep
-10
Retiro de los BancosSeptiembre 2010
$0
$2,000
$4,000
$6,000
$8,000
$10,000
$12,000
$14,000
$16,000
$18,000
01
-se
p-1
1
03
-se
p-1
1
05
-se
p-1
1
07
-se
p-1
1
09
-se
p-1
1
11
-se
p-1
1
13
-se
p-1
1
15
-se
p-1
1
17
-se
p-1
1
19
-se
p-1
1
21
-se
p-1
1
23
-se
p-1
1
25
-se
p-1
1
27
-se
p-1
1
29
-se
p-1
1
Retiro de los BancosSeptiembre 2011
$0
$5,000
$10,000
$15,000
$20,000
$25,000
03
-se
p-1
2
05
-se
p-1
2
07
-se
p-1
2
09
-se
p-1
2
11
-se
p-1
2
13
-se
p-1
2
15
-se
p-1
2
17
-se
p-1
2
19
-se
p-1
2
21
-se
p-1
2
23
-se
p-1
2
25
-se
p-1
2
27
-se
p-1
2
Retiro de los BancosSeptiembre 2012
Comportamiento inter-mensual Retiros de los Bancos Mes de Septiembre
Análisis estadístico de las series de billetes
$0
$2,000
$4,000
$6,000
$8,000
$10,000
$12,000
$14,000
$16,000
Ene_
01
Jul_
01
Ene_
02
Jul_
02
Ene_
03
Jul_
03
Ene_
04
Jul_
04
Ene_
05
Jul_
05
Ene_
06
Jul_
06
Ene_
07
Jul_
07
Ene_
08
Jul_
08
Ene_
09
Jul_
09
Ene_
10
Jul_
10
Ene_
11
Jul_
11
Ene_
12
Jul_
12
Retiro billete de $100
$0
$200
$400
$600
$800
$1,000
$1,200
$1,400
$1,600
Ene_
01
Ju
l_0
1
Ene_
02
Ju
l_0
2
Ene_
03
Ju
l_0
3
Ene_
04
Ju
l_0
4
Ene_
05
Ju
l_0
5
Ene_
06
Ju
l_0
6
Ene_
07
Ju
l_0
7
Ene_
08
Ju
l_0
8
Ene_
09
Ju
l_0
9
Ene_
10
Ju
l_1
0
Ene_
11
Ju
l_1
1
Ene_
12
Ju
l_1
2
Retiro billete de $50
$0
$20,000
$40,000
$60,000
$80,000
$100,000
$120,000
$140,000
$160,000
$180,000
$200,000
Ene_
01
Jul_
01
Ene_
02
Jul_
02
Ene_
03
Jul_
03
Ene_
04
Jul_
04
Ene_
05
Jul_
05
Ene_
06
Jul_
06
Ene_
07
Jul_
07
Ene_
08
Jul_
08
Ene_
09
Jul_
09
Ene_
10
Jul_
10
Ene_
11
Jul_
11
Ene_
12
Jul_
12
Retiro billete de $20
$0
$10,000
$20,000
$30,000
$40,000
$50,000
$60,000
$70,000
$80,000
$90,000
Ene_
01
Ago
_01
Mar
_02
Oct
_02
May
_03
Dic
_03
Jul_
04
Feb
_05
Sep
_05
Ab
r_0
6
No
v_0
6
Jun
_07
Ene_
08
Ago
_08
Mar
_09
Oct
_09
May
_10
Dic
_10
Jul_
11
Feb
_12
Sep
_12
Retiro de billete de US$10
$0
$5,000
$10,000
$15,000
$20,000
$25,000
$30,000
$35,000
Ene_
01
A
go_0
1
Mar
_02
O
ct_0
2
May
_03
D
ic_0
3
Jul_
04
Fe
b_0
5
Sep
_05
A
br_
06
N
ov_
06
Ju
n_0
7
Ene_
08
A
go_0
8
Mar
_09
O
ct_0
9
May
_10
D
ic_1
0
Jul_
11
Fe
b_1
2
Sep
_12
Retiro billete de US$5
Al graficar la serie mensual original para cada una de las denominaciones de billetes, se observa alta volatilidad, estacionalidad y
las series no son estacionarias ni en media ni en varianza.
Análisis estadístico de las series de billetes
Metodología del Modelo de Regresión Especies Monetarias
Modelo Univariante
Modelos ARIMA
Son aquellos donde la variable endógena
de un período t es explica por las
observaciones de ella misma
correspondientes a períodos anteriores,
añadiéndose también un término de error.
Para este estudio la variable endógena son
los retiros de dólares de los bancos.
Lo anterior se representa por medio de la
siguiente ecuación:
Yt=f0+f1Yt -1+at
Datos utilizados
Se estimaron cuatro modelos univaritantes:
Total denominaciones
Para aquellas denominaciones de billetes que
son más representativas en la demanda de
especies monetarias US$5, US$10 y US$20
Resultados por denominaciones
$0
$100
$200
$300
$400
$500
$600
ene-
13
feb
-13
mar
-13
abr-
13
may
-13
jun
-13
jul-
13
ago
-13
sep
-13
oct
-13
no
v-1
3
dic
-13
Pronóstico Total denominaciones
Pronóstico Total denominaciones REAL
$0
$50
$100
$150
$200
$250
$300
ene-
13
feb
-13
mar
-13
abr-
13
may
-13
jun
-13
jul-
13
ago
-13
sep
-13
oct
-13
no
v-1
3
dic
-13
Pronóstico billete de US$20
Pronóstico US$20 REAL
$0
$20
$40
$60
$80
$100
$120
$140
$160
ene-
13
feb
-13
mar
-13
abr-
13
may
-13
jun
-13
jul-
13
ago
-13
sep
-13
oct
-13
no
v-1
3
dic
-13
Pronóstico billete de US$10
Pronóstico US$10 REAL $10
$0
$5
$10
$15
$20
$25
$30
ene-
13
feb
-13
mar
-13
abr-
13
may
-13
jun
-13
jul-
13
ago
-13
sep
-13
oct
-13
no
v-1
3
dic
-13
Pronóstico billete de US$5.0
Pronóstico US$5 REAL $5.0
Proyecciones ARIMA
Es (VAR) que incluye restricciones de cointegración en su especificación.
Series que no son estacionarias pero de las que se sabe que son cointegradas.
Existe una relación de equilibrio a largo plazo entre variables económicas.
Corto plazo puede haber desequilibrios, con los modelos de corrección del error, una proporción del desequilibrio de un período (el error, interpretado como un alejamiento de la senda de equilibrio a largo plazo) es corregido gradualmente a través de ajustes parciales en el corto plazo)
Base de datos de Especies Monetarias. BCR (2001-2012)
Serie mensual del Total de Retiros de los Bancos
Evaluar el estacionariedad de la serie. Trasformar las series a logaritmos Determinar si las series que se utilizan
en el modelo son cointegradas y si es así, determinar la ecuación de integración.
Modelo Multivariante
Modelos VEC Datos utilizados
Variables Descripción Periodo Número
de datos
Utilización en el modelo
Retiros Retiros de los bancos Mensual 2001-2012 144 Logaritmo
IVAE Índice de Volumen de la
Actividad Económica Mensual 2001-2012 144 Logaritmo
IPC Índice de precios al
consumidor Mensual 2001-2012 144 Logaritmo
Créditos Créditos totales de los
bancos Mensual 2001-2012 144 Logaritmo
Depósitos
privados
Depósitos totales de los
bancos Mensual 2001-2012 144 Logaritmo
Remesas Remesas Familiares Mensual 2001-2012 144 Primera diferencia de
logaritmo
La actividad económica (IVAE), la inflación y los créditos. Todas tuvieron un orden de integración de I(1) en logaritmos, no siendo el mismo caso para las remesas familiares, que tuvo un orden de integración I(2); por lo se tomó la decisión de utilizar esta variable en el modelo denotada como la primera diferencia del logaritmo remesa (DLREM).
Variables utilizadas en el Modelo Multivariante
Ecuación de Largo Plazo a partir de VEC Luego de pasar todas las pruebas al modelo, se puede estimar un vector de cointegración, que se utilizará como la ecuación de largo plazo, la cual queda especificada de la siguiente manera: LRETI= 106.98+ 36.16*LIVAE(-1) - 7.27146948748*LIPC(-1) +124.885*DLREM(-1) -6.421*LCREDIT(-1).
Donde, • β0 es la constante que representa
un valor de 106.98 • LIVAE, es el logaritmo del Índice de
volumen de la actividad económica,
• LIPC, es el logaritmo del Índice de Precios al Consumidor,
• DLREM, es la primera diferencia del logaritmo de las remesas familiares,
• LCREDIT, es el logaritmo de los créditos de los bancos comerciales,
• Et= es el término error.
Modelo Multivariante
Ecuación de Corto plazo VEC
Luego de definir la ecuación de largo plazo y confirmar que sí existe una relación entre las variables estimadas en el modelo, se procedió a estimar una ecuación de corto plazo con seis rezagos para cada una de las variables del modelo. A esta ecuación se le agregó el vector de corrección (ERROR_VEC). La ecuación de corto plazo quedó determinada de la siguiente manera:
D(LRETI(-1)) -1.07213 D(DLREM(-1)) 3.551873
D(LRETI(-2)) -0.96182 D(DLREM(-2)) 2.064133
D(LRETI(-3)) -0.705921 D(DLREM(-3)) 0.9569
D(LRETI(-4)) -0.530622 D(DLREM(-4)) 1.470101
D(LRETI(-5)) -0.275503 D(DLREM(-5)) 0.617909
D(LRETI(-6)) -0.116617 D(DLREM(-6)) -0.205286
D(LIVAE(-1)) 2.956348 D(LCREDIT(-1)) 13.83999
D(LIVAE(-2)) 0.463743 D(LCREDIT(-2)) -0.692017
D(LIVAE(-3)) 1.230908 D(LCREDIT(-3)) -7.401334
D(LIVAE(-4)) -1.136168 D(LCREDIT(-4)) 3.548983
D(LIVAE(-5)) 1.837599 D(LCREDIT(-5)) -5.55917
D(LIVAE(-6)) 0.592107 D(LCREDIT(-6)) 3.539801
D(LIPC(-1)) 3.124212 C -0.013401
D(LIPC(-2)) 3.218428 R-squared 0.836915
D(LIPC(-3)) 2.00597 Adj. R-squared 0.788303
D(LIPC(-4)) -1.172721 Sum sq. resids 4.773784
D(LIPC(-5)) 3.243688 S.E. equation 0.214247
D(LIPC(-6)) -0.052912 F-statistic 17.21623
Modelo Multivariante
Una vez que el modelo VEC ha superado la etapa de diagnóstico este puede ser usado para pronóstico. Los pronósticos se realizaron a partir del año 2013, donde se puede apreciar el corte en la gráfica. Los pronósticos para los doce meses siguientes replican el mismo comportamiento estacional que muestran en los años anteriores.
Pronósticos 2013 Comparación de datos Pronósticos utilizando el VEC vrs. Serie de
Retiro de Especies Monetarias
$0
$50
$100
$150
$200
$250
$300
$350
$400
20
13
M0
1
20
13
M0
2
20
13
M0
3
20
13
M0
4
20
13
M0
5
20
13
M0
6
20
13
M0
7
20
13
M0
8
20
13
M0
9
20
13
M1
0
20
13
M1
1
20
13
M1
2
Mill
on
es
Proyección Real
Se realizó una prueba de la efectividad de predicción del modelo comparando los valores pronosticados con los valores observados
Pronósticos VEC
Comparación de Pronósticos
Para evaluar el buen desempeño de ambos modelos, y determinar cuál es el modelo que realiza un mejor pronóstico se utilizaron dos medidas alternativas: Raíz del error cuadrático medio (RMSE) Promedio de los errores, medido como el porcentaje de la diferencia (en valor absoluto) entre el
valor observado y el pronosticado (MAPE).
Mes Dato
observado
Dato pronosticado (Yˆ) Dato observado-
pronostico (Y-Yˆ) RMSE MAPE
ARIMA VEC ARIMA VEC ARIMA VEC ARIMA VEC
Ene_2013 141.20 151.13 126.65 -9.93 14.55
Feb_2013 173.00 179.65 193.79 -6.65 -20.79
Mar_2013 225.40 277.47 188.19 -52.07 37.21
Abr_2013 171.68 192.59 212.92 -20.91 -41.24
May_2013 209.62 207.41 201.15 2.21 8.47
Jun_2013 184.93 216.98 177.10 -32.05 7.83
Jul_2013 206.29 251.46 243.39 -45.17 -37.10
Ago_2013 175.72 223.82 162.66 -48.10 13.06
Sep_2013 191.98 209.85 209.94 -17.87 -17.96
Oct_2013 197.40 239.50 231.84 -42.10 -34.44
Nov_2013 198.80 231.44 199.92 -32.64 -1.12
Dic_2013 362.12 494.81 318.60 -132.69 43.52 49.53 27.10 13.3% 2.3%
Comparación de los modelos planteados con respecto a un promedio simple de los últimos tres años y verificación del menor error de pronóstico.
Mes Dato
observado
Dato pronosticado (Yˆ)
Dato observado- pronostico (Y-Yˆ)
ARIMA VEC Promedio
(3 años) ARIMA VEC
Promedio
(3 años)
Ene_2013 141.2 151.13 126.65 112.91 -9.93 14.55 28.29
Feb_2013 173 179.65 193.79 140.96 -6.65 -20.79 32.04
Mar_2013 225.4 277.47 188.19 180.13 -52.07 37.21 45.27
Abr_2013 171.68 192.59 212.92 147.26 -20.91 -41.24 24.42
May_2013 209.62 207.41 201.15 153.27 2.21 8.47 56.35
Jun_2013 184.93 216.98 177.1 162.78 -32.05 7.83 22.15
Jul_2013 206.29 251.46 243.39 174.95 -45.17 -37.1 31.34
Ago_2013 175.72 223.82 162.66 149.19 -48.1 13.06 26.53
Sep_2013 191.98 209.85 209.94 146.74 -17.87 -17.96 45.24
Oct_2013 197.4 239.5 231.84 160.75 -42.1 -34.44 36.65
Nov_2013 198.8 231.44 199.92 170.95 -32.64 -1.12 27.85
Dic_2013 362.12 494.81 318.6 324.40 -132.69 43.52 37.72
Promedios -36.49 -2.33 34.49
Comparación de métodos de Pronósticos
Conclusiones
• Esta investigación es una primera aproximación al análisis de la demanda de dinero de los bancos en el Banco Central.
• ARIMA es más eficiente para pronosticar en el corto plazo.
• VEC se encontró que las variables consideradas no son estacionarias pero cointegran en I(1): IVAE, IPC, y los Créditos; y las Remesas Familiares en primeras diferencias del Logaritmo.
• Ambos modelos (ARIMA y VEC) son buenos para realizar pronósticos; sin embargo, debe tomarse en cuenta que uno es más eficiente que el otro para el corto y el largo plazo, respectivamente.
• Al comparar la capacidad de pronóstico, el modelo VEC muestra un RMSE y un MAPE menor al modelo ARIMA.
Recomendaciones
• El Banco central podría reforzar sus pronósticos de demanda de efecto (retiro por parte de los bancos) utilizando un modelo VEC para el largo plazo, y calibrando el corto plazo con el modelo ARIMA. Esto podría resultar eficiente para el BC porque toda la información utilizada en los modelos está disponible.
• Futuros trabajos: análisis del comportamiento de las preferencias de los consumidores en cuanto al billete, análisis de la circulación del billete por denominación, entre otros.
Conclusiones y Recomendaciones
Determinantes de la Demanda de Especies Monetarias US dólares en
El Salvador