Ciclos de Precios de Commodities y Estabilidad Financiera

Ciclos de Precios de Commodities y Estabilidad Financiera∗
Carola Moreno, Carlos Saavedra y Bárbara Ulloa
esta versión: Noviembre 2013
VERSION PRELIMINAR - POR FAVOR NO CITAR NI DIFUNDIR
Keywords: Ciclos de Precios de Commodities; Crecimiento Económico; Estabilidad Financiera.
JEL Classification: E32; F43.
∗
Los autores agradecen los valiosos comentarios de Luis Opazo. Las visiones expresadas en este estudio son de
exclusiva responsabilidad de los autores y no necesariamente representan la opinión del Banco Central de Chile. Emails:
cmoreno@bcentral.cl, csaavedra@bcentral.cl, bulloa@bcentral.cl
1
1
Introduction
El actual ciclo de altos precios de commodities, que comenzara a mediados de los 2000 para muchos
paı́ses, podrı́a estar terminando. Esto podrı́a ser una preocupación principalmente para las economı́as
cuyas exportaciones están más concentradas en dichos productos dada la evidencia de que los ciclos
de precios de commodities y su ciclo económico están altamente correlacionado (Mendoza, 1995; Kose,
2002; IMF, 2012; Eyzaguirre et al., 2011). En particular, las grandes crisis económicas que han sufrido
las economı́as exportadoras de commodities suelen coincidir con eventos de shocks de términos de
intercambio. Ahora bien, no todas las economı́as sufren de igual manera, y la literatura ha encontrado evidencia de que un régimen cambiario más flexible, y un mayor grado de apertura financiera
actuarı́an como mitigantes del costo macroeconómico del shock de precios de commodities (Broda,
2002; Céspedes y Velasco, 2012). Por su parte, Spatafora y Tytell (2009) documentan diferencias
– aunque no siempre significativas – condicionando a la salud fiscal de la economı́a al momento de
gatillarse el evento.1 Sin embargo, poco se ha estudiado acerca del rol de la estabilidad financiera
doméstica como mitigante de ese costo. En este trabajo, encontramos evidencia de que aquellos paı́ses
que presentan crecimiento del crédito doméstico moderado al momento de gatillarse una reversión de
precios sufren pérdidas de PIB significativamente menores que aquellos que presentan aceleración del
crédito (burbujas crediticias).
La motivación para considerar esta dimensión radica, en primer lugar, en que el ciclo actual de
boom de commodities ha sido atı́pico en varias dimensiones. En particular, ha coexistido con un
ambiente de gran liquidez global y crecimiento acelerado del crédito en gran parte de las economı́as
emergentes, muchas de las cuales han mostrado también signos de aceleración en precios de activos,
tales como los del sector inmobiliario. A esto se suma que la duración e intensidad de los ciclos tiene
implicancias para el desempeño económico, y el actual ha sido de más amplio alcance – i.e. afectando
a una mayor diversidad de commodities –, y ha presentado mayor variación de precios, que otros ciclos
de boom anteriormente identificados (IMF, 2008).
Algunos estudios empı́ricos recientes dan cuenta de que vulnerabilidades financieras domésticas,
como por ejemplo, un crecimiento acelerado del crédito, serı́an un factor que podrı́a hacer más costoso
un shock externo. Por ejemplo, Ramcharan y Rajan (2012) concluyen a partir de un estudio para
Estados Unidos y la crisis de commodities agrı́colas de los 1920s, que la mayor disponibilidad de
crédito durante el boom de commodities tuvo que ver con un mayor número de quiebras bancarias
cuando éste se revirtió, y con una mayor depresión del precio de las tierras, incluso décadas más tarde.
El estudio sugiere que el costo de la reversión de precios habrı́a sido transitorio y no duradero, de no
1
Si bien en este trabajo damos énfasis a la situación inicial, la respuesta de polı́tica macroeconómica durante el shock
también puede ser un factor relevante. Por ejemplo, Céspedes y Velasco (2011) encuentran que el costo es mayor en
economı́as donde la polı́tica fiscal es más procı́clica, como ocurre en aquellas donde los ingresos fiscales representan una
porción importante de los ingresos fiscales.
2
haber mediado el endeudamiento excesivo.
Por otra parte, una lı́nea de la literatura que identifica determinantes de crisis financieras, y el costo
económico de las mismas, otorga un rol marginalmente significativo para el crecimiento del crédito
doméstico, medido como fracción del PIB. Dell’Ariccia et al. (2011) encuentran que la probabilidad
de crisis financiera es mayor cuando las economı́as presentan boom de crédito, mostrando una alta
correlación con el ciclo real. Podrı́a incluso haber un trade-off entre desempeño macroeconómico y
estabilidad financiera (Ranciere et al., 2008). Incluso, un determinante clásico de crisis financiera
como es el déficit de cuenta corriente pierde relevancia marginalmente una vez que se controla por el
crecimiento del crédito doméstico (Borio, 2011; Dell’Ariccia et al., 2011; Jordà et al., 2011; Gourinchas
y Obsfeldt, 2012).
Para entender la conexión entre los shocks de precios de commodities y las condiciones macrofinancieras en economı́as exportadoras de commodities, esta investigación realiza una caracterización
durante los ciclos de boom y bust de precios de commodities, de un grupo de paı́ses emergentes en
su mayorı́a, pero también desarrollados, todos exportadores netos de energı́a, metales, y otros commodities. El trabajo es cercano a Spatafora y Tytell (2009) y Céspedes y Velasco (2011, 2012) en
cuanto a que nos interesa estudiar los ciclos pertinentes a cada economı́a, de acuerdo a la estructura
de exportaciones de cada una. En particular, el ı́ndice de precios usado para cada economı́a es el
mismo de Céspedes y Velasco (2012).2 Con el fin de testear la hipótesis de que la pérdida en términos de PIB puede ser mayor para una economı́a que ya se encuentra más vulnerable por condiciones
domésticas, se controla por cuán acelerado se encuentra el crédito doméstico al inicio del evento, y se
interactúa dicha variable con el shock de commodities. Se controla por apertura financiera y régimen
cambiario, con el fin de hacerse cargo de la literatura antes mencionada. El trabajo no se hace cargo
de los canales de transmisión a través del cual el crédito doméstico actúa como mitigante, sino que
simplemente se testea buscando evidencia al respecto. Se controla de forma simple por el evidente
problema de endogeneidad entre crecimiento del crédito y del PIB, al considerar el ratio de crédito
doméstico sobre una medida de PIB tendencial en vez de PIB corriente.
Este documento se organiza de la siguiente manera: la sección 2 presenta la descripción de los datos
utilizados y de los eventos de boom y bust de precios de commodities, identificando y caracterizando
las distintas etapas de cada ciclo; las secciones 3 y 4 presentan respectivamente descripciones del
desempeño financiero y económico promedio observado durante los eventos; en la sección 5 se resumen
los hallazgos de los ejercicios empı́ricos. Las conclusiones de este estudio se presentan en la sección 6.
2
Agradecemos a los autores el haber compartido su base de datos para la realización de este trabajo.
3
2
Especificaciones preliminares
Para una muestra de 33 paı́ses desarrollados y emergentes, se analizan los ciclos de precios de commodities de acuerdo a la estructura exportadora/productiva de cada uno. Asimismo, se estudia el
desempeño económico, medido por el crecimiento real del PIB (fuente: Banco Mundial), y el nivel
del crédito privado doméstico (fuente: Fondo Monetario Internacional). Para identificar el régimen
cambiario se utiliza la clasificación de Reinhart y Rogoff (2004). Por último, el grado de apertura
financiera viene dado por el ı́ndice de Chinn y Ito (2008). El periodo analizado desde 1970 al 2010,
no obstante los ciclos de precios se identifican usando series más largas, como se explica en la próxima
sección. El ı́ndice de precios de commodities corresponde al promedio ponderado de los precios de
commodities exportados por cada economı́a, donde el ponderador se calcula de acuerdo al peso de
dicho bien en la producción total de cada paı́s. El ı́ndice fue elaborado por Céspedes y Velasco (2011),
con el fin de extender temporalmente la serie, dado que previo al 1970 no se tenı́a información acerca
de la estructura de exportaciones de los paı́ses, en cambio sı́ se tenı́a información acerca de la estructura productiva. Ası́, la serie de ı́ndices de precios se remonta al año 1930 para casi la totalidad de la
muestra de paı́ses. Concretamente, el ı́ndice se calcula como el precio de cada commodity i producido
por el paı́s j por el porcentaje de su producción sobre el total.3 Ası́, se obtiene una serie única de
precios de commodities para cada uno de los 33 paı́ses de la muestra.
Para definir los ciclos de boom y bust de precios de commodities, no existe una metodologı́a única
en la literatura. Una práctica usual consiste en considerar como umbral de evento de boom o bust
la desviación estándar con respecto al promedio observado en toda la muestra, en cada momento
del tiempo. Dicho promedio puede también calcularse como una tendencia a partir de un filtro a la
Hodrick-Prescott (técnica usada en la literatura de boom de crédito; Dell’Ariccia, 2012, y Mendoza
y Terrones, 2012). Otra alternativa es considerar los puntos de inflexión cuando se genera la mayor
distancia entre precios máximo y mı́nimo locales, usando un algoritmo que es usual en la literatura de
ciclos reales, modificado para tomar en cuenta las diferencias entre series de precios de commodities
y la evolución de variables reales (Spatafora y Tytell, 2009; Cashin et al., 2002). En este trabajo,
seguimos la metodologı́a propuesta por Céspedes y Velasco (2012).4 De esta forma, un boom (bust)
comienza cuando el ı́ndice de precios de commodities de un paı́s se encuentra 25% por encima (por
debajo) de esta tendencia. A su vez, este boom (bust) termina cuando el ı́ndice regresa a un nivel por
debajo (por encima) del 10% respecto de su tendencia. Para evaluar si las alzas o caı́das en el ı́ndice
de precios de commodities por encima o bajo su tendencia de largo plazo, se define esta tendencia
como el promedio histórico móvil calculado sobre 50 observaciones alrededor de cada año – 40 años
previos y 10 años posteriores. En esta muestra se identificaron 75 eventos de boom y 37 eventos de
3
4
Los ı́ndices usados en esta investigación fueron compartidos por los autores para fines de investigación únicamente.
En esta investigación, nuestra elección por seguir el mismo criterio de Céspedes y Velasco (2012) nos permite comparar
resultados con dicho estudio, debido a que utilizaremos las mismas series para precios de commodities.
4
bust. La Figura 1 muestra, a modo de ejemplo, el ı́ndice de precios de commodities de algunos paı́ses,
ası́ como los eventos de boom y bust detectados para cada uno de ellos.5
Para cada ciclo se pueden además distinguir diferentes etapas (ver Figura 2 para un ejemplo de
caracterización de las etapas). El ı́ndice de precios de commodities tiene una tendencia previa al
evento. Al escaparse del promedio móvil histórico, entra a la primera etapa del ciclo, correspondiente
a un alza (caı́da) en el precio, y va desde el inicio del evento hasta el momento en el que el ı́ndice de
precios alcanza el máximo (mı́nimo) dentro del ciclo de boom (bust), para luego revertir su tendencia.
La reversión (o recuperacion) termina cuando el ı́ndice de precios retorna al rango normal de su
tendencia histórica, es decir, cuando el ciclo se da por finalizado. En lo que sigue de este documento
se estudiará el comportamiento económico en torno a estas etapas. Especı́ficamente, se referirá a la
etapa previa al evento como los 2 años previos al inicio del evento, y a la etapa posterior como los 2
años posteriores al fin del evento.
3
Caracterización de ciclos de boom y bust de precios de commodities
Antes de analizar el desempeño económico durante los eventos de boom y bust de precios de commodities, presentamos una caracterización de los ciclos de booms y bust tomando en cuenta diversas
agrupaciones de la muestra de paı́ses. En primer lugar, de acuerdo al tipo de commodity que reviste
mayor intensidad dentro de la canasta exportadora de cada paı́s, entre Metales (4 paı́ses), Energı́a
(12 paı́ses) y el resto (17 paı́ses, intensivos en alimentos u otros, como por ejemplo algodón). En
segundo lugar, se agrupan en dos categorı́as de ingreso: altos ingresos (7 paı́ses) y emergentes (26
paı́ses).6 Por otro lado, se identifican a los paı́ses según apertura financiera (alta, moderada o baja) y
régimen cambiario (fijo y flexible-mixto). Estas clasificaciones, al contrario de las antes mencionadas,
no son fijas en el tiempo. Es decir, un mismo paı́s puede experimentar un boom de commodities en un
perı́odo mientras mantenı́a régimen cambiario mixto, y luego otro boom con régimen cambiario flexible. Lo mismo en cuanto a apertura financiera. Finalmente, también presentamos algunas estadı́sticas
asociadas a la aceleración del crédito.
Como indica la Figura 3, del total de eventos de boom identificados en la muestra se observa que
en su mayorı́a éstos se concentran en la década de los 1970s y 2000s. En cambio, del total de eventos
de bust identificados, más de la mitad se concentra a fines de la década de los 1990s. Lo anterior
es consistente con otros estudios de ciclos que definen los eventos con otras metodologı́as (e.g., IMF,
2012).
En promedio po década, los eventos de boom duran entre 7 y 12 años, siendo los de los 19070 y
5
Las tablas 5y 6 presentan una lista con las caracterı́sticas más importantes de cada uno de los eventos de boom y bust
identificados en este trabajo.
6
La tabla 1 presenta el listado de paı́ses que componen cada una de estas categorı́as.
5
1980s los más duraderos. En cambio, los eventos de bust son menos frecuentes pero han durado más
años en gran parte del perı́odo analizado (ver tabla ??). Este resultado está en lı́nea con Cashin et
al. (2002), quienes analizan directamente las series de precio real de 36 commodities y encuentran
que hay asimetrı́a en los ciclos, siendo los bust más prolongados que los booms. Spatafora y Tytell
(2009) dan cuenta de estas diferencias analizando los ciclos de boom y bust de un ı́ndice de términos de
intercambio (y entonces precios de exportaciones e importaciones) construido a partir de commodities
solamente.
La Figura 4 da cuenta de otra dimensión de los eventos de boom y bust, según regı́menes cambiarios
y según su grado de apertura financiera. En general, se observa una gran concentración de episodios
de boom en paı́ses con régimen cambiario mixto, seguido por una significativa cantidad de eventos con
régimen cambiario fijo, lo cual se replica en los episodios de bust. Respecto de la apertura financiera,
el patrón indica que los eventos de boom y bust se observaron en mayor porcentaje en economı́as con
apertura financiera moderada, seguido por aquellos que tenı́an apertura financiera alta.
La Figura 5 muestra el promedio del ı́ndice de precios de commodities antes y durante el periodo crı́tico de los eventos de boom y bust.7 Por definición, ante un boom, el ı́ndice de precios de
commodities se acelera, mientras que ante un bust, se desacelera. Es interesante notar la asimetrı́a
de la respuesta de los términos de intercambio, los cuales aumentan en promedio un 54% durante el
perı́odo de alza de booms, y disminuye apenas 27% en promedio durante el perı́odo de caı́da de busts.
En términos de volatilidades, se observa que la decada de los 1970s fue en promedio algo más volátil
que la de los 2000s en el caso de los boom. En busts, se observa un comportamiento parecido entre
décadas, salvo en lo más reciente (ver tabla 3).
Una dimensión importante en este estudio es distinguir entre la duración de cada evento. La
duración del evento, salvo algunas excepciones, pareciera no alterar de manera importante el rango
de dichos cambios (ver Figura 10). Sin embargo, al calcular el promedio del cambio en el ı́ndice de
precios de commodities ponderando por la duración de cada evento, notamos que durante un boom
éste se acerca al 90%, mientras que en el bust, alcanza los 19%. Por ello, en las regresiones aplicamos
un factor de expansión correspondiente a la duración de cada evento.
Evolución del Crédito Doméstico
Una de las contribuciones más importantes de nuestro trabajo es la incorporación de las condiciones
financieras dentro del análisis de costo macroeconómico de los ciclos de precios de commodities. Para
tal efecto, hemos elegido enfocar nuestra atención en las condiciones de crédito doméstico de las
7
A diferencia del promedio del perı́odo previo que siempre comprende dos observaciones, el promedio del perı́odo de alza
o caı́da del evento se calcula sobre perı́odos de distinta duración para cada paı́s y evento, ya que se define entre el inicio
del evento y hasta que se observa el valor máximo del ı́ndice en casos de boom, y hasta el mı́nimo en casos de bust. Los
perı́odos de reversión y recuperación se definen entre el año inmediatamente posterior a aquel donde el ı́ndice de precios
alcanzó un máximo o mı́nimo, y el final del evento.
6
economı́as, como porcentaje de su respectivo PIB. En este punto del análisis cabe mencionar que,
con el fin de aislar endogeneidad entre ciclo económico y de crédito, la variable a observar es el ratio
de crédito doméstico al sector privado sobre una medida de PIB tendencial para cada economı́a. La
medida de PIB tendencial que ocupamos es la generada a partir del filtro de Hodrick-Prescott. En base
a esta variable de crédito recién descrita, formulamos distintas categorı́as de las condiciones financieras
de cada economı́a.
La primera categorı́a o medida de condiciones financieras es la aceleración del crédito. Esta se define
como la variación porcentual promedio observada en los años previos a la etapa a ser analizada – al
analizar la etapa de alza o caı́da, se observará como venı́a creciento el crédito en los años previos al inicio
del boom, mientras que si se está evaluando el costo de la etapa de reversión o recuperación, entonces
la aceleración de crédito previa corresponderá a aquella alcanzada durante la etapa previa, i.e. etapa de
alza o caı́da. En general, en los episodios de boom de commodities, los paı́ses desarrollados presentan
una aceleración del crédito mayor al que exhiben los paı́ses emergentes (12,1 pp Desarrollados; 4,6
Emergentes). En tanto, en los eventos de bust de commodities, las economı́as emergentes presentan
una mayor desaceleración del crédito respecto a los paı́ses de más altos ingresos (-5,7 pp Emergentes;
+0,6 pp Desarrollados). Esta diferencia se dio con especial énfasis en la década de los 90s.
La segunda categorı́a de condiciones financieras la llamaremos criterio absoluto, por cuanto define
el crédito como alto, moderado o bajo dependiendo de si éste se encuentra sobre, entre, o bajo el rango
absoluto 30-70% del PIB, respectivamente.8 Finalmente, generamos una medida alternativa de crédito
en base a un criterio relativo. Este criterio consiste en identificar episodios de boom y bust de crédito
dentro de la muestra. Se denomina relativo porque se define de acuerdo a la historia pasada del crédito
de cada economı́a por separado. Los boom y bust de crédito se identifican de manera similar a la
identificación de boom y bust de precios de commodities: un boom (bust) de crédito ocurre cuando
el ratio crédito a PIB tendencial en el perı́odo t se ubica 25% por sobre (por debajo) el promedio de
los últimos 5 años. El crédito se considera bajo cuando se identifica un bust de crédito, alto cuando
se observan boom de crédito, y moderado cuando no se observan boom o bust de crédito. A modo
de ilustración, presentamos el número de eventos que presentan un boom/bust de crédito al inicio o
punto máximo/mı́nimo de boom/bust de commodities en la tabla 4.
Crecimiento Económico durante los ciclos
La Figura 6 presenta el cremiento promedio del PIB observado en las distintas etapas de los eventos
de boom y bust identificados. Interesantemente, en la etapa de reversión de boom se observa un
deterioro importante del desempeño económico, en cual en ningun caso vuelve a los niveles promedio
observados previo al cambio de tendencia en los precios de commodities. En cambio, el caso de los
8
Estos valores son los que se observan en los percentiles 20 y 80 de la distribución de esta variable dentro de nuestra
muestra.
7
bust la tendencia del PIB pareciera acompañar al ciclo de precios de commdities. En la Figura 7,
es posible observar las diferencias en el desempeño económico al evaluar la duración de cada evento.
Sea un boom o bust largo aquel cuya duración del evento se encuentra en el quinto quintil de la
distribución de duraciones de todos los eventos de su tipo en la muestra. Lo que esta figura sugiere
es que la relación que existe entre la intensidad del evento y su impacto en crecimiento es más clara
en episodios de bust, puesto que un menor crecimiento observado ante eventos de bust abruptos es
consistentemente observado para todas las agrupaciones de paı́ses.
Entonces, ¿Cómo podemos evaluar el desempeño económico alrededor de los ciclos de precios de
commodities? Para responder la pregunta, utilizamos como ejemplo el caso de los eventos de boom,
que han sido más frecuentes, atinge a una gamma más amplia de paı́ses, y cuya duración es en general
más variable en la muestra. Nuestra premisa es que, ante distintas condiciones financieras, se observan
diferencias importantes en la respuesta del PIB.
Las Figuras 8 y 9 muestran la mediana y el promedio del crecimiento del PIB en torno al punto
máximo de los eventos de booms. Se observa que el crecimiento promedio en el periodo de alza de un
boom es más alto que en el de reversión, lo que es esperable dada la alta correlación ya reportada de
ambos ciclos para las economı́as exportadoras de commodities. No se observan diferencias significativas
en el patrón promedio de las economı́as emergentes versus aquellas de altos ingresos. Además, respecto
de la comparación según condición de crédito, especı́ficamente de su se observa un boom de crédito
al inicio del evento, cabe destacar dos resultados. Primero, el crecimiento promedio de los paı́ses
que presentaron boom de crédito al gatillarse el boom de precio de commodities es significativamente
mayor durante el perı́odo de alza, que en el perı́odo de reversión. Esta diferencia no se observa en
el caso de los paı́ses con crédito moderado. Segundo, y a consecuencia de la pérdida de PIB que
registran los primeros, el crecimiento promedio del PIB real durante el periodo de reversión del boom
de commodities es más bajo para las economı́as cuyo crédito venı́a creciendo aceleradamente, siendo
que en la primera etapa del boom crecı́an a un ritmo superior. Respecto del nivel absoluto del crédito
al inicio del evento, éste no parece tener implicancias significativas en cuanto al comportamiento o
sensibilidad de las economı́as durante el periodo de alza y reversión de los booms. En otras palabras,
la diferencia en el desempeño tiene más que ver con la dinámica del crédito más que con el nivel.
Finalmente, las economı́as con tipo de cambio mixto son las que en promedio muestran menor
volatilidad en cuanto a crecimiento económico, comparando los años alrededor del peak del ciclo de
boom de commodities. Mientras que el grado de apertura financiera tampoco muestra una relación
directa con el desempeño de las economı́as alrededor del ciclo. En promedio todas crecen menos en el
periodo de reversión que el de alza, siendo aparentemente mayor la volatilidad para aquellas con baja
apertura financiera.
8
4
Costo económico de los ciclos de precios de commodities y su
relación con estabilidad financiera
Para nuestro análisis del costo que eventos de boom y bust tienen sobre la actividad económica ante
distintas condiciones financieras, estimamos una variación del modelo empı́rico propuesto por Céspedes
y Velasco (2012). Esto es, se estiman distintas especificaciones lineales para la función:
∆yi = α + X 0 β + Z 0 δ + εi
(1)
donde X = {1, rci , afi , credi }, Z representa las interacciones de X con ∆pci , y donde β y δ son vectores
de parámetros a estimar. Especı́ficamente:
• ∆yi es el cambio porcentual promedio observado en el crecimiento anual del PIB real entre la
etapa previa al evento y su punto máximo (en casos de boom) o mı́nimo (en casos de bust);
• ∆pci es el cambio porcentual promedio del ı́ndice de precios de commodities de Céspedes y
Velasco (2011) entre la etapa previa al evento y su punto máximo (en casos de boom) o mı́nimo
(en casos de bust);9
• rci es el ı́ndice de régimen cambiario de Reinhart y Rogoff (2004)10 ;
• afi es el ı́ndice de apertura financiera de Chinn e Ito (2008);
• credi representa distintas medidas de condiciones financieras en términos del crédito doméstico
sobre PIB tendencial, ya sea como variable dicotómica para categorizar el nivel de crédito como
alto, o bien como la aceleración (desaceleración) del mismo observada en la etapa previa o de
alza (caı́da) de los eventos.
Nuestro trabajo se diferencia en dos aspectos al de Céspedes y Velasco (2012). En primer lugar,
mientras ellos se enfoncan en testear la hipótesis general que la estructura macroeconómica de los
paı́ses (régimen cambiario y apertura financiera) tienen un efecto significativo en el impacto de las
variaciones de precios de commodities durante eventos de boom y bust sobre la actividad doméstica, en
nuestro análisis, además de controlar por esos factores, también evaluamos las condiciones financieras
de cada paı́s como medida mitigante o agravante del impacto de precios de commodities sobre el
crecimeinto del PIB. La segunda diferencia con Céspedes y Velasco (2012) es que, mientras su estudio
9
Por ejemplo, supongamos que identificamos un boom entre 1977 y 1983. Si el ı́ndice de precios de commodities alcanzó su
máximo en 1980 durante este evento, entonces ∆pci será el cambio porcentual anual promedio entre pc1980
y el promedio
i
observado en los 2 años previo al evento, es decir, entre 1975 y 1976. Las fechas consideradas para definir ∆yi son las
definidas por el comportamiento del ı́ndice de precios de commodities. Para fechas de cada evento, su duración, años de
peak o through, y ∆pci , ver Tabla 4.
10
este ı́ndice se encuentra actualizado hasta el 2010 y disponible en
http://www.carmenreinhart.com/research/publications-by-topic/exchange-rates-and-dollarization/
como la clasificación oficial del Fondo Monetario Internacional.
9
considera todos los eventos dentro de una sola muestra, en esta investigación se estiman los modelos
empı́ricos para toda la muestra, y para sub-muestras que contemplan solo eventos de boom, o solo
eventos de bust. Adicionalmente y como se verá en la siguiente sección, también diferenciamos entre
las etapas de dichos eventos. Debido a la escasez de datos de crédito doméstico en algunos casos, para
efectos de este ejercicio cuantitativo, la muestra se reduce a 28 paı́ses, de los cuales 22 son economı́as
emergentes. En esta muestra reducida, se observan 62 eventos de boom y 32 eventos de bust.
Los resultados de nuestras estimaciones para distintas especificaciones se resume en las tablas 7 y 8.
En lı́nea con Céspedes y Velasco (2012), encontramos que aumentos en los precios de commodities están
directamente relacionados con la actividad económica, efecto que es en general mitigado por régimen
de tipo de cambio flexible y mayor apertura financiera. Al separar las muestras, se observa la asimetrı́a
de los efectos marginales en la actividad económica según tipo de evento. Particularmente, durante
eventos de boom, el ı́ndice de precios de commodities tiende a tener un impacto econónicamente más
importante en actividad económica que durante eventos de bust.
Controlando por el nivel inicial del crédito doméstico de cada economı́a, nuestros resultados sugieren que enfrentar un boom de commodities con un nivel de crédito doméstico alto tiende a exacerbar
el efecto de precios de commodities sobre la actividad económica. El efecto contrario se observa en las
estimaciones que consideran sólo eventos de bust, donde el coeficiente de la variable que representa
la interacción entre la aceleración del crédito previo al boom y ∆pci es negativo, lo cual se interpreta
como un efecto atenuador. En general, las dummies que evalúan si un paı́s se enfrentaba a un boom
de crédito al gatillarse el evento, o se éste se encontraba en niveles altos (sobre 70% del PIB), proponen resultados en esta misma lı́nea, aunque no presentan efectos significativos. Las especificaciones
que consideran la aceleración del crédito son en promedio más significativas, y en particular más
representativas para el caso en el que se considera sólo los eventos ocurridos en paı́ses emergentes.
5
Costo económico de la reversión de un boom
De la sección anterior, concluimos que las condiciones de crédito en las cuales se encuentra una
economı́a al momento de enfrentarse a un boom o bust de commodities son relevantes a la hora
de determinar cuál es el impacto de dicho evento sobre el crecimiento económico. en otras palabras,
este resultado nos sugiere que no solo el marco de polı́tica económica y la estructura de una economı́a
son aspectos clave en la respuesta de la actividad económica en la etapa primaria de los ciclos de boom
o bust de commodities; la estabilidad financiera también juega un rol importante en esa respuesta.
Sin embargo, aún queda por responder si estos aspectos son igualmente relevantes en la etapa final
del ciclo de precios de commodities. En particular nos interesa evaluar si las condiciones de crédito
iniciales han favorecido o no a las economı́as en la última década, que se caracteriza por concentrar
eventos de boom de precios de commodities.
10
Examinamos esta inquietud estimando variaciones de la equación (1), pero esta vez para ∆yi
y ∆pci correspondientes al cambio porcentual promedio observados en el crecimiento del PIB real
e ı́ndice de precios de commodities, respectivamente, entre el último año del boom y el año en el
que el precio de commodities alcanzó su máximo dentro del ciclo del boom. La Tabla 9 resume los
resultados para la especificación que considera aceleración del crédito como relevante para medir las
condiciones financieras observadas en el peak del boom. Es interesante notar que el efecto agravante de
las condiciones de crédito en el impacto de precios de commodities sobre PIB es mayor en la reversión
del boom, que en la etapa de alza. Más aún, el régimen cambiario pierde significancia en todos los
casos, y la apertura financiera, si bien mantiene su efecto mitigador, por si sola sugiere que mayor
apertura financiera en perı́odos de stress podrı́a desfavorable para la economı́a.
La Figura 11 compara el impacto total de una caı́da de 13% en precios de commodities11 de la
especificación (2) de la Tabla 9. Suponemos una aceleración del crédito nula, llamando éste el escenario
base y comparamos con la situación en donde previo a la reversión del boom, se observa una aceleración
del crédito de entre 1,3 y 1,4% (promedio anual). Claramente, el efecto de aceleración del crédito es
mucho mayor en el impacto de precios de commodities en PIB cunado se consideran solo los paı́ses
emergentes de la muestra. De alcanzar niveles de aceleración del crédito de 22% (valor alrededor del
cual se encuentran los deciles más altos de la nuestra muestra) mientras corrı́a el boom de precios de
commodities, la pérdida en puntos porcentuales del PIB podrı́a llegar a ubicarse sobre 4% (ver Figura
12).
Implicancias de Polı́tica: el caso de Chile
Un ejercicio más especı́fico considera a una economı́a emergente como Chile, clasificada como de
régimen cambiario mixto12 (debido a las los programas de acumulación de reserva llevados a cabo
en 2009 y 2011) y moderadamente integrada.13 Nos hacemos la pregunta: ¿si el presente boom
de commodities llegara a su fin, o inclusive, si llegara a niveles cercanos al inicio de un bust, qué
implicancias tendrı́a en términos de pérdida en PIB? Para responder a esta pregunta, hicimos una
proyección hasta el 2013 del ı́ndice de precios de commodities de Chile en base a su relación con una
proxy de términos de intercambio que considera precios de los commodities relevantes para este paı́s.
Luego, estimamos cuál serı́a la caı́da promedio anual que debiera observarse en este ı́ndice proyectado
para terminar el boom o empezar el bust. Encontramos que estas caı́das deberian ser de 4,2 y 5,2%
promedio anual, respectivamente. A dicho shock en ı́ndice de precios de commodities, le añadimos
distintos niveles de aceleración del crédito en la etapa de alza del boom. Los resultados se presentan
en la Figura 13. Los resultados indican que, de haberse observado altos niveles de crédito doméstico
11
Este shock corresponde a la caı́da anual promedio observada en la muestra durante perı́odos de reversión de los eventos
de boom identificados.
12
Reinhart & Rogoff (2004).
13
Chin & Ito (2008).
11
de hasta 16 puntos porcentuales del PIB tendencial, las caı́das de PIB en el margen podrı́an llegar a
ser de entre 2,5 y 3%. En cambio, nuestras estimaciones del crédito doméstico, medido como puntos
porcentuales de una medida de PIB tendencial, indica que en el perı́odo de alza del boom se observó
una desaceleración del crédito en Chile. Si bien este ejercicio no entrega proyecciones del PIB, ni
busca establecer las condiciones actuales de la economı́a chilena, es posible constatar que parte del
comportamiento moderado del PIb chileno en lo más reciente puede deberse a niveles austeros de
crédito al principio de la última década.
12
Referencias
Broda, C. (2004), ”Terms of Trade and Exchange Rate Regimes in Developing Countries”, Journal
of International Economics 63, no. 1, pp 31-58, May.
Borio, C., R. McCauley & P. McGuire (2011), ”Global credit and domestic credit booms”, BIS
Quarterly Review, September.
Chinn, M. & H. Ito (2008), ”A New Measure of Financial Openness”, Journal of Comparative Policy
Analysis , Volume 10, Issue 3 September 2008 , pp.309-322.
Cashin, P., C.J. McDermontt & A. Scott (2002), ”Booms and slumps in world commodity
prices”, Journal of Development Economics 69, pp.277-296.
Dell’Ariccia, G., D. Igan, L. Laeven & H. Tong (2012), ”Policies for macroeconomic stability:
How to deal with credit booms”, IMF Staff Discussion Note, Junio, International Monetary Fund.
Eyzaguirre, N., M.D. Kaufman, S. Phillips & R.O. Valdés (2011), ”Managing Abundance to
Avoid a Bust in Latin America,” IMF Staff Discussion Notes 11/07, International Monetary Fund.
Gourinchas, P.O. & M. Obsfeldt (2012), ”Stories of the twentieth century for the twenty-first”,
American Economic Journal: Macroeconomics, 4(1): 226-265.
Reinhart, C.M. & K.S. Rogoff (2004) ”The Modern History of Exchange Rate Arrangements: A
Reinterpretation,” The Quarterly Journal of Economics, MIT Press, vol. 119(1), pp 1-48, February.
IMF (2008), World Economic Outlook, Chapter 5, April, International Monetary Fund.
IMF (2012), World Economic Outlook, Chapter 4, April, International Monetary Fund.
Jordà, Ò., M. Schularick, A.M. Taylor (2011), ”Financial crises, credit booms and external
imbalances: 140 years of lessons”, NBER Working Paper 16567.
Kose, M.A. (2002), ”Explaining business cycles in small open economies ’How much do world price
matter?”, Journal of International Economics 56, pp.299-327.
13
Mendoza, E.G. & M.E. Terrones (2012), ”An Anatomy of Credits Booms and their Demise,” Journal Economı́a Chilena (The Chilean Economy), Central Bank of Chile, vol. 15(2), pages 04-32, August.
Ranciere, R., A. Tornell & F. Westermann (2008) ”Systemic crises and growth”, Quarterly
Journal of Economics, Vol.123, No.1 , pp. 359-406.
14
Figure 1: Índice de precios de commodities y eventos identificados para una muestra de paı́ses
1970
1980
1990
2000
2010
1990
Bust
2000
1990
2000
2010
2010
250
200
250
150
200
100
50
100
150
Boom
1980
1980
150
250
200
250
100
50
1970
250
50
100
150
200
250
200
100
50
150
250
100
1970
Noruega
200
100
50
150
1980
2010
150
200
250
200
150
100
50
1970
2000
Perú
Canadá
250
Australia
1990
50
100
50
2010
150
200
250
200
100
150
250
2000
50
1990
100
1980
Colombia
50
1970
50
50
100
150
150
200
200
250
Chile
1970
1980
1990
2000
2010
Índice Commodity
Fuente: Elaboración propia en base a ı́ndices de precios de commodities compartidos por Céspedes y Velasco (2011).
15
Figure 2: Etapas de los ciclos de precios de commodities
Etapas de un boom
160
150
140
130
MÁX
120
110
100
90
80
ALZA
PREVIO
70
REVERSIÓN
POSTERIOR
1985
1984
1983
1982
1981
1980
1979
1978
1977
1976
1975
60
Etapas de un bust
160
150
140
130
120
110
100
MÍN
90
80
CAÍDA
PREVIO
70
RECUPERACIÓN
POSTERIOR
Fuente: Elaboración propia.
16
1985
1984
1983
1982
1981
1980
1979
1978
1977
1976
1975
60
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
0
10
20
30
Figure 3: Número de paı́ses experimentanto boom o bust en cada año
Boom
Bust
Fuente: Elaboración propia. Notar que, en cada año, se cuentan el número de paı́ses experimentanto eventos. Ası́, la
suma total no corresponderá a la de los paı́ses en la muestra, puesto que dentro de los años vecinos los paı́ses son contados
más de una vez para el caso de aquellos eventos que duraron más de un año.
17
Figure 4: Número de eventos, según estructura económica
Apertura Financiera
0
0
10
10
20
20
30
30
40
50
40
Régimen Cabiario
Fijo
Mixto
Flexible
Baja
Boom
Fuente: Elaboración propia.
18
Bust
Moderada
Alta
Figure 5: Índice de precios de commodities promedio, por etapas de cada evento.
Metales
Otros
0
50
100 150
200
Energia
Previo
Alza
Reversión
Posterior
Metales
Otros
0
50
100
150
Energia
Previo
Caída
Recuperación
Posterior
Fuente: Elaboración propia. Panel superior muestra los promedios calculados para las distintas etapas de todos los
eventos de boom identificados en la muestra. Panel inferior muestra los promedios calculados para las distintas etapas
de todos los eventos de bust identificados en la muestra.
19
Figure 6: Crecimiento del PIB real promedio, por etapas de cada evento.
Metales
Otros
0
2
4
6
Energia
Previo
Alza
Reversión
Posterior
Metales
Otros
0
2
4
6
Energia
Previo
Caída
Recuperación
Posterior
Fuente: Elaboración propia. Panel superior muestra los promedios calculados para las distintas etapas de todos los
eventos de boom identificados en la muestra. Panel inferior muestra los promedios calculados para las distintas etapas
de todos los eventos de bust identificados en la muestra.
20
Figure 7: Crecimiento del PIB real promedio en cada etapa del evento, según duración.
Bust
Todos los eventos
Todos los eventos
Eventos de larga duración
Eventos de larga duración
4
5
Boom
Eventos de comienzo abrupto
0
0
1
1
2
2
3
3
4
Eventos de comienzo abrupto
Energia
Metales
Otros
Energia
Metales
Otros
Fuente: Elaboración propia. Panel izquierdo muestra los promedios calculados para las distintas etapas de todos los
eventos de boom identificados en la muestra. Panel derecho muestra los promedios calculados para las distintas etapas
de todos los eventos de bust identificados en la muestra.
21
Figure 8: Crecimiento del PIB real alrededor del punto máximo del boom
10
120
6
8
100
5
80
4
60
3
40
2
-2
20
1
-4
0
6
4
2
0
-10 -8
-6
-4
-2
0
2
Mediana Crecimiento PIB
4
6
8
10
-6
-4
-2
0
2
Índice Commodities
Percentiles 25-75
8
0
-10 -8
4
6
8
10
Promedio Crecimiento PIB
7
6
6
5
4
4
3
2
2
1
0
0
-2
-1
-10 -8
-6
-4
-2
Boom de crédito
0
2
4
6
8
10
Crédito Moderado o Bajo
-10
-8
-6
-4
-2
Crédito/PIB > 70%
0
2
4
6
8
Crédito/PIB < 70%
Fuente: Elaboración propia.
Eje horizontal: t = 0 corresponde al punto máximo de cada evento, t =
{−1, −2, ..., −10}; {1, 2, ..., 10} corresponden a los perı́odos antes y después del punto máximo, respectivamente. No
se hacen distinciones entre las observaciones antes o despues del punto máximo que pertenecieran o no a un evento
de boom. Panel superior izquierdo muestra la mediana del crecimiento anual del PIB real y el rango definido por los
percentiles 25 y 75 de toda la muestra. Los demás gráficos, muestran el promedio crecimiento anual del PIB real.
22
10
Figure 9: Crecimiento del PIB real alrededor del punto máximo del boom (cont.)
7
6
5
4
3
2
1
0
-10
-8
-6
-4
-2
0
2
Alto Ingreso
4
6
8
10
Emergentes
8
8
7
6
6
5
4
4
3
2
2
1
0
-2
-10 -8
0
-1
-6
-4
Fijo
-2
0
Mixto
2
4
6
8
10
-10 -8
-6
-4
Alta
Flexible
-2
0
2
Moderada
4
6
8
10
Baja
Fuente: Elaboración propia.
Eje horizontal: t = 0 corresponde al punto máximo de cada evento, t =
{−1, −2, ..., −10}; {1, 2, ..., 10} corresponden a los perı́odos antes y después del punto máximo, respectivamente. No
se hacen distinciones entre las observaciones antes o despues del punto máximo que pertenecieran o no a un evento de
boom. Todos los gráficos muestran el promedio crecimiento anual del PIB real.
23
Figure 10: Índice de precios de commodities y duración de eventos
Cambio en índice de precios de commoditites
20
18
18
16
16
Duración del Bust
Duración del Boom
Cambio en índice de precios de commoditites
20
14
12
10
8
14
12
10
8
6
6
4
4
2
2
0
0
0.0
0.5
1.0
1.5
2.0
2.5
-1.0
-0.8
-0.6
-0.4
-0.2
Fuente: Elaboración propia. Panel izquierdo muestra todos los eventos de boom identificados. Panel derecho muestra
todos los eventos de bust identificados.
24
0.0
Figure 11: Efecto promedio del ı́ndice de precios de commodities en la reversión de un boom
-6
-5
-4
-3
-2
-1
0
Toda la muestra
Escenario Base
Aceleración del Crédito
Sólo EMEs
5% - 95% Escenario Base
5% - 95% Aceleración de Crédito
Fuente: Elaboración propia.
25
Figure 12: Efecto del ı́ndice de precios de commodities en la reversión de un boom, ante distintos
escenarios de aceleración previa del crédito doméstico
-12
-12
-10
-10
-8
-8
-6
-6
-4
-4
-2
-2
0
2
4
6
8 10 12 14 16 18 20 22
Muestra Total
2
4
Sólo EMEs
Fuente: Elaboración propia.
26
6
8 10 12 14 16 18 20 22
5% - 95%
0
Figure 13: Chile: Escenarios de aceleración del crédito doméstico y término de reversión de boom
reciente
225
200
175
150
125
100
75
84 86 88 90 92 94 96 98 00 02 04 06 08 10 12 14
-3,5
-3,0
-2,5
-2,0
-1,5
Chile
2006-08
-1,0
-0,5
0
-4
0
4
8
12
16
Aceleración del Crédito (pp del PIB)
Índice de Precios de Commodities
Tendencia Histórica
Tendencia + 10%
Tendencia + 25%
Fuente: Elaboración propia.
27
Reversión al fin del boom
Reversión a tendencia histórica
Alto
Ingreso
Emergentes
Table 1: Paı́ses considerados en la muestra
INTENSIDAD EN EXPORTACIONES
Energı́a
Metales Otros
Australia
Dinamarca
Canadá
Nueva Zelanda
Kuwait
Noruega
Arabia Saudita
Indonesia
Bolivia
Argentina
Guatemala
Iran
Chile
Brazil
Honduras
México
Perú
Cameroon
India
Nigeria
Sudáfrica Colombia
Jamaica
Rusia
Costa Rica
Malasia
Trinidad y Tobago
Ecuador
Paraguay
Venezuela
Ghana
República Dominicana
Uruguay
28
Table 2: Duración promedio de eventos, por décadas
Boom
Bust
1970
1980
1990
2000
10.8
3.6
12.1
17.8
7.0
9.5
6.7
13.5
Table 3: Coeficiente de variación del ı́ndice de precios de commodities durante eventos
Boom
Bust
1970
1980
1990
2000
0.19
0.14
0.04
0.14
0.10
0.13
0.15
0.09
29
Table 4: Número de eventos según ciclo del crédito
Boom Precio Commodities
Inicio
Máximo
Bust Precio Commodities
Inicio
Mı́nimo
Boom de Crédito
1970
1980
1990
2000
14
1
1
10
6
16
1
12
0
0
5
0
0
0
3
1
Bust de Crédito
1970
1980
1990
2000
1
0
2
3
1
1
2
2
4
1
5
0
4
1
5
0
30
31
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
Pais
Argentina
Argentina
Argentina
Australia
Australia
Australia
Bolivia
Bolivia
Brazil
Brazil
Canada
Canada
Chile
Chile
Chile
Cameroon
Cameroon
Colombia
Colombia
Costa Rica
Denmark
Denmark
Dominican Republic
Ecuador
Ecuador
Ghana
Ghana
Guatemala
Guatemala
Indonesia
Indonesia
India
India
India
India
Iran
Iran
Iran
Inicio
1973
1977
2004
1973
1978
2004
1973
2003
1973
2007
1973
2003
1970
1978
2006
1974
2005
1973
2005
1977
1970
2005
1973
1974
2005
1977
2007
1973
1976
1974
2004
1973
1979
1987
2006
1974
1990
2004
Fin
1974
1985
2009
1976
1985
2009
1985
2009
1981
2008
1985
2009
1976
1983
2010
1985
2010
1985
2010
1980
1985
2010
1977
1985
2010
1984
2009
1974
1980
1985
2009
1975
1983
1988
2009
1985
1992
2010
Duración
1
8
5
3
7
5
12
6
8
1
12
6
6
5
4
11
5
12
5
3
15
5
4
11
5
7
2
1
4
11
5
2
4
1
3
11
2
6
Año through
1973
1980
2008
1974
1980
2008
1980
2008
1980
2008
1980
2008
1974
1980
2008
1979
2008
1980
2008
1977
1980
2008
1974
1980
2008
1980
2009
1974
1977
1980
2008
1974
1980
1987
2008
1980
1990
2008
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
Pais
Jamaica
Kuwait
Kuwait
Kuwait
Mexico
Mexico
Malaysia
Malaysia
Nigeria
Nigeria
Nigeria
Norway
Norway
New Zealand
New Zealand
New Zealand
New Zealand
Peru
Peru
Paraguay
Paraguay
Russia
Russia
Saudi Arabia
Saudi Arabia
Saudi Arabia
Trinidad & Tobago
Trinidad & Tobago
Trinidad & Tobago
Uruguay
Uruguay
Uruguay
Venezuela
Venezuela
Venezuela
South Africa
South Africa
Inicio
1974
1974
1990
2005
1974
2004
1974
2003
1974
1990
2005
1974
2004
1970
1977
1987
2003
1974
2005
1973
1979
1974
2000
1974
1990
2004
1974
1990
2000
1970
1979
1988
1974
1990
2004
1973
2006
Table 5: Eventos de boom de precios de commodities
Fin
1975
1985
1992
2010
1985
2010
1985
2009
1985
1991
2010
1990
2010
1974
1985
1993
2009
1985
2010
1974
1981
1993
2009
1985
1992
2010
1987
1993
2009
1974
1981
1993
1985
1992
2010
1990
2009
Duración
1
11
2
5
11
6
11
6
11
1
5
16
6
4
8
6
6
11
5
1
2
19
9
11
2
6
13
3
9
4
2
5
11
2
6
17
3
Año through
1974
1980
1990
2008
1980
2008
1980
2008
1980
1990
2008
1980
2008
1973
1980
1987
2008
1980
2008
1973
1980
1980
2008
1980
1990
2008
1980
1990
2008
1973
1980
1988
1980
1990
2008
1980
2008
32
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Pais
Argentina
Bolivia
Brazil
Chile
Cameroon
Colombia
Costa Rica
Denmark
Dominican Republic
Dominican Republic
Ecuador
Ghana
Ghana
Guatemala
Honduras
Indonesia
Indonesia
India
India
Inicio
1998
1998
1998
1998
1998
1998
1996
1998
1984
1995
1998
1970
1998
1991
1999
1970
1998
1970
1998
Fin
1999
1999
2003
2003
1999
1999
2009
1999
1987
2010
1999
1972
2003
2004
2009
1972
1999
1972
2003
Duración
1
1
5
5
1
1
13
1
3
15
1
2
5
13
10
2
1
2
5
Año peak
1998
1998
1998
1998
1998
1998
2003
1998
1985
2003
1998
1970
2001
1999
2003
1971
1998
1971
1999
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
Iran
Iran
Jamaica
Kuwait
Kuwait
Mexico
Malaysia
Nigeria
Nigeria
Norway
Peru
Paraguay
Saudi Arabia
Saudi Arabia
Trinidad & Tobago
Uruguay
Venezuela
Venezuela
Pais
Table 6: Eventos de bust de precios de commodities
Inicio
1970
1998
1984
1970
1998
1998
1998
1970
1998
1998
1998
1999
1970
1998
1970
2009
1970
1998
Fin
1973
1999
2010
1973
1999
1999
1999
1972
1999
1999
1999
2010
1973
1999
1973
2010
1973
1999
Duración
3
1
26
3
1
1
1
2
1
1
1
11
3
1
3
1
3
1
Año peak
1970
1998
2010
1970
1998
1998
1998
1970
1998
1998
1998
2000
1970
1998
1970
2009
1970
1998
33
-0.001
(0.94)
-0.004
(0.24)
afi
∆pci ∗ afi
R2 ajustado
Obs exp
Constante
∆pci ∗ Di
C/Y
Dummy: Crédito/PIB>70%
C/Y
(Di
)
-0.014
(2.71)***
0.38
400
-0.004
(1.23)
0.02
400
0.022
(0.33)
-0.001
(0.14)
-0.001
(1.12)
-0.023
(1.71)*
0.001
(0.38)
∆pci ∗ Diboomcred
0.000
(2.30)**
0.009
(6.13)***
-0.001
(4.64)***
-0.044
(2.36)**
0.001
(0.65)
-0.036
(2.23)**
0.002
(0.95)
-0.003
(0.45)
-0.013
(2.49)**
0.37
400
0.008
(5.90)***
-0.001
(3.87)***
-0.045
(2.39)**
0.002
(0.97)
-0.039
(2.39)**
0.002
(1.20)
Dummy: Boom de Crédito
(Diboomcred )
Crédito a PIB previo al evento
∆pci ∗ credi
-0.004
(1.14)
0.02
400
-0.021
(1.70)*
∆pci ∗ rci
Aceleración del Crédito
(credi )
0.000
(0.13)
rci
∆pci
(1)
0.057
(1.26)
Todos los eventos
(2)
(3)
(4)
0.157
0.154
0.052
(3.00)***
(2.97)***
(1.62)◦
-0.005
(1.21)
0.02
400
-0.036
(1.54)◦
0.005
(2.36)**
-0.002
(0.12)
-0.001
(1.30)
-0.019
(1.54)◦
0.000
(0.11)
(5)
0.056
(1.24)
-0.007
(1.15)
0.02
368
-0.012
(0.51)
0.000
(0.11)
-0.025
(1.77)*
0.001
(0.71)
(1)
0.063
(1.08)
-0.026
(4.19)***
0.51
368
0.010
(6.79)***
-0.001
(4.39)***
-0.087
(3.96)***
0.007
(3.78)***
-0.062
(2.88)***
0.006
(2.76)***
-0.027
(4.25)***
0.51
368
0.000
(1.27)
0.010
(6.88)***
-0.001
(4.77)***
-0.086
(3.91)***
0.007
(3.54)***
-0.061
(2.80)***
0.005
(2.63)***
-0.005
(1.21)
0.02
368
0.040
(0.61)
-0.005
(0.75)
-0.004
(0.27)
0.000
(0.35)
-0.027
(1.98)**
0.001
(0.91)
Toda la Muestra
Sólo eventos de Boom
(2)
(3)
(4)
0.240
0.239
0.045
(3.65)***
(3.63)***
(1.10)
-0.007
(1.29)
0.02
368
-0.021
(0.93)
0.004
(1.69)*
-0.009
(0.41)
0.000
(0.11)
-0.024
(1.69)*
0.001
(0.62)
(5)
0.064
(1.10)
0.356
(7.56)***
0.59
126
-0.003
(7.41)***
-0.066
(8.12)***
-0.006
(6.71)***
-0.163
(7.50)***
(1)
0.013
(7.02)***
Table 7: Impacto de ı́ndice de precios de commodities en la primera etapa del evento
0.340
(8.01)***
0.69
126
0.001
(3.26)***
0.018
(3.96)***
-0.003
(7.73)***
-0.070
(9.16)***
-0.005
(6.80)***
-0.153
(8.08)***
0.307
(6.96)***
0.83
126
-0.001
(5.73)***
0.000
(0.85)
0.009
(1.12)
-0.002
(6.63)***
-0.058
(7.86)***
-0.005
(6.02)***
-0.133
(6.67)***
0.356
(7.56)***
0.59
126
-0.003
(7.41)***
-0.066
(8.12)***
-0.006
(6.71)***
-0.163
(7.50)***
Sólo eventos de Bust
(2)
(3)
(4)
0.013
0.011
0.013
(6.88)***
(6.07)***
(7.02)***
0.340
(6.74)***
0.66
126
0.011
(6.01)***
0.203
(7.22)***
-0.002
(6.65)***
-0.065
(7.91)***
-0.006
(6.40)***
-0.158
(6.86)***
(5)
0.013
(6.39)***
34
0.001
(1.17)
-0.005
(0.32)
afi
∆pci ∗ afi
R2 ajustado
Obs exp
Constante
∆pci ∗ Di
C/Y
Dummy: Crédito/PIB>70%
C/Y
(Di
)
-0.012
(2.39)**
0.39
294
-0.003
(1.00)
0.02
294
0.054
(0.75)
0.002
(0.24)
0.001
(1.20)
-0.025
(1.91)*
0.001
(0.62)
∆pci ∗ Diboomcred
0.000
(0.73)
0.008
(5.11)***
-0.001
(3.34)***
-0.041
(2.11)**
0.003
(1.63)◦
-0.040
(2.42)**
0.002
(1.00)
-0.005
(0.80)
-0.011
(2.27)**
0.39
294
0.008
(5.05)***
-0.001
(3.18)***
-0.042
(2.18)**
0.003
(1.74)*
-0.040
(2.49)**
0.002
(1.05)
Dummy: Boom de Crédito
(Diboomcred )
Crédito a PIB previo al evento
∆pci ∗ credi
-0.004
(1.03)
0.02
294
-0.023
(1.92)*
∆pci ∗ rci
Aceleración del Crédito
(credi )
0.000
(0.20)
rci
∆pci
(1)
0.053
(1.14)
Todos los eventos
(2)
(3)
(4)
0.160
0.161
0.034
(2.86)***
(2.87)***
(1.14)
-0.004
(1.05)
0.01
294
0.047
(1.36)
-0.005
(2.09)**
-0.007
(0.49)
0.001
(1.62)◦
-0.024
(2.10)**
0.000
(0.37)
(5)
0.053
(1.12)
-0.005
(0.89)
0.02
281
-0.009
(0.42)
0.002
(1.03)
-0.026
(1.94)*
0.001
(0.54)
(1)
0.061
(1.01)
-0.025
(3.90)***
0.55
281
0.010
(5.92)***
-0.001
(3.71)***
-0.079
(3.64)***
0.008
(4.54)***
-0.064
(2.89)***
0.005
(2.60)***
-0.026
(4.04)***
0.55
281
0.000
(0.80)
0.010
(5.99)***
-0.001
(3.95)***
-0.079
(3.57)***
0.008
(4.37)***
-0.064
(2.83)***
0.005
(2.54)**
0.000
(0.01)
0.04
281
0.119
(1.80)*
-0.013
(2.12)**
0.016
(1.86)*
0.000
(0.26)
-0.032
(2.63)***
0.002
(1.26)
Sólo Emergentes
Sólo eventos de Boom
(2)
(3)
(4)
0.253
0.253
0.002
(3.51)***
(3.53)***
(0.08)
-0.005
(0.97)
0.02
281
0.056
(1.72)*
-0.006
(2.14)**
-0.012
(0.59)
0.002
(1.47)◦
-0.028
(2.22)**
0.001
(0.85)
(5)
0.061
(1.02)
0.382
(8.21)***
0.6
120
-0.002
(6.64)***
-0.066
(7.92)***
-0.006
(7.47)***
-0.174
(8.23)***
(1)
0.015
(7.62)***
Table 8: Impacto de ı́ndice de precios de commodities en la primera etapa del evento
0.369
(8.83)***
0.7
120
0.001
(3.07)***
0.018
(3.77)***
-0.002
(6.86)***
-0.068
(8.82)***
-0.006
(7.69)***
-0.165
(9.05)***
0.332
(8.47)***
0.86
120
-0.001
(6.19)***
0.000
(0.66)
0.008
(0.92)
-0.002
(5.40)***
-0.052
(7.51)***
-0.005
(7.28)***
-0.144
(8.16)***
0.382
(8.21)***
0.6
120
-0.002
(6.64)***
-0.066
(7.92)***
-0.006
(7.47)***
-0.174
(8.23)***
Sólo eventos de Bust
(2)
(3)
(4)
0.014
0.013
0.015
(7.58)***
(7.40)***
(7.62)***
0.372
(7.85)***
0.68
120
0.011
(6.47)***
0.214
(7.67)***
-0.002
(5.51)***
-0.062
(7.46)***
-0.006
(7.77)***
-0.172
(8.05)***
(5)
0.015
(7.63)***
Table 9: Impacto de ı́ndice de precios de commodities en la reversión del boom
Toda la Muestra
(1)
(2)
∆pci
Sólo Emergentes
(1)
(2)
0.158
(3.40)***
0.162
(3.49)***
0.121
(1.81)*
0.236
(2.87)***
rci
0.001
(0.52)
0.002
(0.75)
0.004
(1.04)
0.001
(0.15)
∆pci ∗ rci
0.025
(1.04)
0.027
(1.10)
0.046
(1.21)
0.004
(0.10)
afi
-0.005
(3.18)***
-0.005
(2.99)***
-0.005
(2.58)**
-0.005
(3.03)***
∆pci ∗ afi
-0.050
(2.56)**
-0.045
(2.11)**
-0.050
(2.39)**
-0.048
(2.26)**
Aceleración del Crédito
(credi )
0.001
(1.54)◦
0.003
(2.87)***
∆pci ∗ credi
0.009
(2.13)**
0.028
(3.65)***
Constante
R2 ajustado
Obs exp
0.013
(3.09)***
0.012
(2.62)***
0.008
(1.26)
0.018
(2.27)**
0.29
377
0.3
377
0.27
281
0.3
281
35