Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
mEquation Chapter 1 Section 1
7
Efectos de un shock en el precio del cobre sobre las
variables macroeconómicas del Perú
Autores:
Rodríguez Abel
Mendez María
Suclupe Anthony
Chávez Darha
Lima, diciembre del 2019
GERENCIA DE POLÍTICAS Y ANÁLISIS ECONÓMICO
DOCUMENTO DE TRABAJO Nº47
Gerencia de Políticas y Análisis Económico - Osinergmin
2
Organismo Supervisor de la Inversión en Energía y Minería del Perú
Gerencia de Políticas y Análisis Económico
Efectos de un shock en el precio del cobre sobre las variables macroeconómicas del Perú
Documento de Trabajo No 47 Gerencia de Políticas y Análisis Económico
Está permitida la reproducción total o parcial de este documento por cualquier medio, siempre y
cuando se cite la fuente y los autores.
Autores: Abel Rodríguez González, María Alejandra Mendez Vega, Pablo Anthony Suclupe Girio y
Darha Valeskka Chávez Vásquez.
Asistente de Investigación: Andrés Antonio Campaña Acuña.
Primera versión: diciembre 2019
Se solicita indicar en lugar visible la autoría y la fuente de la información.
Para comentarios o sugerencias dirigirse a:
Osinergmin
Bernardo Monteagudo 222, Magdalena del Mar
Lima, Perú
Tel. (511) 219-3400, anexo 1057
ISSN 2307 – 4272 (En línea)
Portal Corporativo
http://www.osinergmin.gob.pe/
Portal de la GPAE
http://www.osinergmin.gob.pe/seccion/institucional/acerca_osinergmin/estudios_economicos/ofi
cina-estudios-economicos
Correo electrónico: [email protected]
Los documentos de trabajo de la Gerencia de Políticas y Análisis Económico de Osinergmin buscan contribuir a la discusión de diferentes aspectos de la problemática del sector energético y minero desde un punto de vista académico. Osinergmin no se identifica, necesariamente, ni se hace responsable de las opiniones vertidas en el presente documento. Las ideas expuestas en los documentos de trabajo pertenecen a sus autores y no implican necesariamente una posición institucional de Osinergmin. La información contenida en el presente documento se considera proveniente de fuentes confiables, pero Osinergmin no garantiza su completitud ni su exactitud. Las opiniones y estimaciones representan el juicio de los autores dada la información disponible y se encuentran sujeto a modificaciones sin previo aviso.
Citar el documento como: Rodríguez González, Abel; Mendez Vega, María Alejandra; Suclupe
Girio, Pablo Anthony y Chávez Vásquez, Darha Valeskka (2019). Efectos de un shock en el precio
del cobre sobre las variables macroeconómicas del Perú. Documento de Trabajo No 47, Gerencia
de Políticas y Análisis Económico
– OSINERGMIN, Perú.
Gerencia de Políticas y Análisis Económico - Osinergmin
3
Organismo Supervisor de la Inversión en Energía y Minería – Osinergmin
Gerencia de Políticas y Análisis Económico-GPAE
Documento de Trabajo No 47
Efectos de un shock en el precio del cobre sobre las variables macroeconómicas del Perú1
Abstract
Mining is one of Peru's main economic activities. As of June 2019, Peruvian mining recorded 9% of
Gross Domestic Product. Copper is the most important mining product in Peru, so this paper
analyzes the effects of copper price shocks on the main Peruvian macroeconomic variables: GDP,
reference interest rate, exchange rate and inflation.
For this purpose, this paper uses a Structural Vector Autoregressive (SVAR) model to estimate the
relationships of an increase in copper’s price and the Peruvian macroeconomic variables. The time
period analysis covers from the first quarter of 1996 until the third quarter of 2019.
Resumen
La minería es una de las principales actividades económicas del Perú, esto debido al alto valor de
exportaciones que genera. A junio del 2019, esta actividad representó el 9% del Producto Bruto
Interno. El cobre es el producto minero más importante del país, por lo que en este documento de
trabajo se busca encontrar la relación entre los shocks externos del precio del cobre y sus efectos
en las principales variables macroeconómicas: PBI, tasa de interés de referencia, tipo de cambio e
inflación del Perú.
Para este fin, se utiliza un modelo econométrico de Vectores Autorregresivos Estructurales (SVAR)
a fin de estimar las relaciones de un incremento en el precio del cobre y su impacto en las variables
macroeconómicas anteriormente mencionadas. El periodo de análisis comprende desde el primer
trimestre de 1996 hasta el tercer trimestre del 2019.
Clasificación JEL: L72, N16; O40; P42
Palabras claves: minería, precios, crecimiento económico, Perú
1 Se agradece a Carlos Salazar por sus oportunos comentarios y observaciones que permitieron enriquecer el documento.
Gerencia de Políticas y Análisis Económico - Osinergmin
4
Tabla de Contenido
1. Introducción ................................................................................................................................ 5
2. Marco teórico .............................................................................................................................. 6
3. Datos ........................................................................................................................................... 9
4. Metodología .............................................................................................................................. 11
5. Resultados ................................................................................................................................. 14
6. Comentarios finales ................................................................................................................... 17
7. Bibliografía ................................................................................................................................ 19
8. Anexos ....................................................................................................................................... 22
Gerencia de Políticas y Análisis Económico - Osinergmin
5
1. Introducción
El Perú ha crecido de manera sostenida en los últimos 20 años, en parte, gracias al desempeño del
sector minería y de los precios favorables de las materias primas. El cobre es el principal producto
de exportación del país, el cual representó el 25.8% del valor de las exportaciones totales en el
periodo enero - octubre del 2019. Según el Servicio Geológico de los Estados Unidos (USGS por sus
siglas en inglés2), el Perú es el segundo productor de cobre a nivel global (por detrás de Chile) y el
tercer país con las mayores reservas de cobre a nivel mundial (solo superado por Chile y Australia).
El cobre es uno de los commodities mineros más importantes para la economía mundial. Según
Davis (2013), los commodities son productos básicos3 y homogéneos, comercializados a granel;
generalmente, son usados como insumos en la producción de bienes y servicios. Además, los
commodities pueden clasificarse en energéticos, metales o agrícolas.
Para Nkurunziza, Amui, Csordas y Jales (2019), el Perú está considerado como un país en desarrollo
dependiente de commodities (CDDC por sus siglas en inglés4), el cual está supeditado a las
exportaciones de minerales. Según los autores, este tipo de países son vulnerables a los shocks
negativos en los precios de los commodities y a su volatilidad.
Por lo tanto, y dado que las cotizaciones de los commodities presentan una alta y frecuente
variabilidad, el propósito de este documento es medir el impacto de un incremento del precio del
cobre sobre las principales variables macroeconómicas de la economía peruana por medio de un
modelo de Vectores Autorregresivos Estructurales (SVAR).
En primer lugar, se presenta el marco teórico que da soporte a la investigación; en esta se observa
que existe evidencia entre los shocks externos (entre ellos de precios de commodities) y las variables
macroeconómicas de diferentes países, especialmente, de los emergentes. En segundo lugar, se
describen los datos utilizados en el modelo que incluye el Producto Bruto Interno (PBI), tipo de
cambio, la inflación y la tasa de referencia. En tercer lugar, se presenta el modelo SVAR. Finalmente,
se exponen los resultados y comentarios finales.
2 United States Geological Survey. 3 Trafigura (2016) sostiene que estos son productos que se extraen de la tierra, fundamentalmente, generados por la fuerza de la naturaleza. 4 Commodity-dependent developing countries.
Gerencia de Políticas y Análisis Económico - Osinergmin
6
2. Marco teórico
La literatura académica que estudia los impactos de los factores externos sobre el crecimiento de
economías, en especial de las pequeñas economías emergentes (EMEs por sus siglas en inglés5), es
vasta6. Desde los trabajos de Balassa (1983), en el que se analizan las medidas adoptadas por los
países del África subsahariana ante un shock externo7 hasta estudios recientes como Gruss, Nabar
y Poplawski-Ribeiro (2019). En este último, los autores hallan que las condiciones externas
mantienen una influencia sobre el comportamiento del crecimiento de las economías emergentes
y en desarrollo, tanto en épocas de aceleración como de desaceleración.
A nivel regional, Österholm y Zettelmeyer (2007) analizan el impacto de condiciones internacionales
adversas sobre un conjunto de seis países de Latinoamérica (Argentina, Brasil, Chile, Colombia,
México y Perú). Dentro de las principales conclusiones del documento está la menor vulnerabilidad
de esos países a factores externos poco favorables, sobre la base del comportamiento de esas
economías entre 1994 y el 2006. Los autores consideran que esos países pueden soportar shocks
externos moderados. Sin embargo, señalan, que esas economías sí podrían ser más afectadas por
situaciones adversas prolongadas, en especial por un menor crecimiento de Estados Unidos o del
mundo. Asimismo, resaltan que los precios de los commodities se mantienen como uno de los
principales determinantes de las fluctuaciones de corto plazo para esos países.
Precisamente, dentro de los shocks externos más relevantes que afectan a los países en desarrollo
están las fluctuaciones de los precios de los commodities. Al respecto, también existe una extensa
lista de investigaciones que estudian los impactos de las cotizaciones de las materias primas sobre
esos países. Por ejemplo, Alom (2011) estudia los efectos de shocks de los precios de los
commodities sobre un conjunto de países asiáticos (Australia, Nueva Zelanda, Corea del Sur,
Singapur, Hong Kong, Taiwan, India, y Tailandia). Los autores encuentran que un shock del precio de
petróleo tiene un efecto diferenciado entre países; afecta más a los países escasos en ese recurso,
pero con un sector industrial relevante como Corea y Taiwan; sin embargo, no afecta a países que
tampoco son productores de petróleo pero que son ricos en recursos minerales como Australia y
Nueva Zelanda. Para calcular estos impactos, los autores usaron la metodología SVAR con datos
trimestrales desde el primer trimestre de 1980 hasta el cuarto trimestre de 2010. En el presente
trabajo se emplea una metodología similar a la utilizada por Alom (2011) y que será descrita en las
secciones posteriores.
Otros estudios como Rodríguez, González y Fernández (2015), hallan que las fluctuaciones de los
precios de los commodities son un determinante de los ciclos económicos en los países menos
desarrollados. Los trabajos de investigación también se extienden a regiones donde hay países
avanzados y no desarrollados.
5 Emerging market economies. 6 En el Anexo 1, a modo de resumen, se presenta un cuadro detallado del marco teórico. 7 El autor evalúa el impacto de un cambio en: (i) el crecimiento de los países de la Organización para la Cooperación y el Desarrollo Económicos (OCDE), (ii) los precios de las importaciones y (iii) en la entrada de capitales.
Gerencia de Políticas y Análisis Económico - Osinergmin
7
Trabajos más recientes como en Inoue y Okimoto (2017) encuentran que los shocks en precios de
los commodities (petróleo y alimentos) tienen efectos significativos y persistentes sobre los precios
finales de las economías asiáticas (India, Indonesia, Japón, Corea del Sur, Malasia, Filipinas Singapur,
Tailandia y China), aunque con diferencias dentro de esos países.
Un estudio más reciente sobre impactos en variables macroeconómicas y aplicado a países de la
región es el de Drechsel y Tenreyro (2018), los autores plantean un modelo para una economía
pequeña, abierta y exportadora neta de commodities con el fin de cuantificar los impactos del precio
del commodity sobre esa economía. El estudio considera un modelo SVAR con data de Argentina.
Los principales resultados que se obtienen señalan que, luego de los años 50, un shock en los precios
de los commodities explicaba el 38% de la varianza del PBI argentino, el 42% de la varianza del
consumo y el 61% de la varianza de la inversión.
Otros autores, también, han investigado los shocks externos sobre economías específicas, en
particular, el impacto que experimenta un país cuando el precio del commodity, del cual es
dependiente, varía. Chizonde (2016) realiza un análisis para evaluar los determinantes del
crecimiento económico de Zambia8 y la relevancia del precio del cobre sobre la economía de ese
país. El autor encuentra que el precio del petróleo, la inflación, el tipo de cambio y la productividad
tienen impactos en el resultado de largo plazo. Sin embargo, Chizonde (2016) sostiene que el
incremento del precio de ese commodity tiene un efecto positivo sobre el crecimiento económico
de corto plazo más no sobre el de largo plazo. Resalta que, con políticas económicas adecuadas,
Zambia podría tener un crecimiento económico alto, aun cuando los precios del cobre sean bajos.
Por su parte, Dunne y Bangara (2016) buscan calcular el impacto macroeconómico del principal
commodity (tabaco) que exporta Malawi9 sobre su PBI e Índice de Precios al Consumidor (IPC). Los
resultados muestran que un shock positivo en el precio del tabaco incrementa su PBI, después del
primer trimestre, en 0.001 puntos porcentuales (p.p.), y llega a su máxima expresión en el sétimo
trimestre (0.08 p.p.) y se termina de disipar en el duodécimo trimestre.
En la región, uno de los casos más estudiados es el de Chile, cuyos envíos de cobre, al 2017,
representaron 48.4% del valor de sus exportaciones totales. Medina y Soto (2007) analizan el
impacto de un shock del precio del cobre sobre la economía chilena (incremento de 10%). Los
autores hallan diferencias en el impacto de acuerdo con el comportamiento de la política fiscal
chilena. En resumen, el impacto es mayor cuando el gobierno no sigue una regla de superávit
estructural (gasta todo lo que obtiene por el incremento del precio del cobre). En este caso, el PBI
se incrementa en 0.7 p.p. Sin embargo, si se aplica la regla de superávit estructural, el incremento
es de 0.05 p.p. Finalmente, los autores hallan que, en el caso de una política fiscal sin credibilidad,
el impacto del shock va a depender de la sensibilidad de la inversión a las expectativas del rumbo
de la política monetaria.
8 Según el Observatorio de Complejidad Económica, al 2017, el valor de las exportaciones de cobre de Zambia alcanzó el 74.5% del total. 9 Según el Observatorio de Complejidad Económica, al 2017, el valor de las exportaciones de tabaco de Malawi alcanzó el 71.2% del total.
Gerencia de Políticas y Análisis Económico - Osinergmin
8
Posteriormente, Medina y Soto (2016) hacen un ejercicio similar a su trabajo anterior, pero con
rangos de fechas diferentes y actualizadas. Los autores obtienen que el primer efecto genera un
incremento de 0.6 p.p. mientras que el segundo entre 0.1 p.p. y 0.2 p.p.
De Gregorio y Labbé (2011) encuentran que un incremento de 10% en la volatilidad del precio del
cobre tiene un impacto de 1% en la volatilidad del PBI. Los autores sostienen que las políticas
macroeconómicas adoptadas por Chile han sido clave para que ese impacto sea, relativamente,
menor. Los autores señalan que Chile, a pesar de tener grandes recursos cupríferos, no ha caído en
la maldición de los recursos naturales debido a sus instituciones sólidas, altos nivel de capital
humano y estabilidad macroeconómica.
Eyraud (2015) investiga acerca de si un descenso en el precio del cobre tiene un efecto transitorio
sobre el crecimiento del PBI chileno. Demuestra que una caída del precio de ese commodity tiene
un shock fuerte para esa economía en los primeros tres años. El autor calcula que una disminución
de 20% del precio del cobre impacta, negativamente, entre 0.05 p.p. y 0.3 p.p. a la actividad
económica. Luego, la transición hacia el equilibrio de largo plazo dura entre cinco y diez años.
Fuentes y García (2016) desarrollan un modelo dinámico estocástico de equilibrio general (DSGE por
sus siglas en inglés) para la economía chilena y hallan que una simulación del aumento de 1% en el
precio del cobre incrementa en 0.16 p.p. al PBI en 5 años. Los autores enfatizan que el impacto del
precio del cobre es mayor sobre el PBI chileno cuando se considera al sector minero como un sector
integrado con el resto de la economía que cuando se trata solo como un enclave, es decir como una
actividad que funciona con su propio dinamismo y con escasa articulación hacia el resto de la
economía.
La literatura revisada muestra que los shocks externos, especialmente de los precios de los
commodities, impactan sobre las variables macroeconómicas, tanto en conjunto como
individualmente, de los países emergentes y dependientes de commodities. Dada la importancia de
las exportaciones de cobre en la economía peruana, es de especial importancia realizar un análisis
similar para el caso peruano.
La literatura disponible para el Perú es relativamente acotada y no hay estudios recientes al
respecto. El Ministerio de Economía y Finanzas (2016) como parte de la elaboración de su Marco
Macroeconómico Multianual 2017 - 2019 realizó un cálculo del impacto de una caída de 10% del
precio del cobre sobre los ingresos fiscales del país. La institución halló que ese shock implica una
reducción entre 0.1 y 0.2 p.p. del PBI en los ingresos fiscales. La institución no volvió a actualizar el
cálculo ni agregó mayores detalles metodológicos.
Luego, hay diferentes estudios que analizan impactos de shocks externos sobre el Perú, pero dentro
de un conjunto de países como, por ejemplo, Hegerty (2016). Este documento hace un análisis de
cómo los shocks en seis precios de commodities (cobre, estaño, oro, petróleo WTI, petróleo Brent y
café) afectan a un conjunto de variables macroeconómicas (PBI, tipo de cambio, tasa de interés e
inflación) de nueve países (Chile, Indonesia, Malasia, Perú, Brasil, México, Sudáfrica, Rusia e
Gerencia de Políticas y Análisis Económico - Osinergmin
9
Indonesia). Del documento se concluye que Brasil y México están menos expuestos a los
movimientos de los precios de los commodities que Chile y, en menor medida, que el Perú.
De otro lado, Vallejo (2017) analiza la relación existente entre las variaciones de los precios en los
commodities con los ciclos económicos que experimentan los países de la región (Perú, Colombia,
Argentina, Chile, Ecuador, Brasil, Venezuela y México). Sus resultados muestran que un shock de
una desviación estándar en los precios de los commodities impacta en 0.22% la tasa de crecimiento
real de los países de Latinoamérica. El autor señala que este impacto persiste un trimestre, a partir
de entonces se empieza a disipar y, luego de un año, desaparece el efecto.
Alonso y Martínez (2017), buscan determinar si existe una relación de largo plazo entre el precio
internacional del petróleo y el PBI en cada uno de los países miembro de la Alianza del Pacífico
(México, Colombia, Perú y Chile). Los autores encuentran que un incremento inesperado del precio
del commodity no tiene impacto en el PBI peruano; mientras que en México y Colombia los
resultados son positivos y persisten entre dos o tres trimestres para México y seis trimestres para
Colombia. En el caso chileno, se observa un incremento al producto de ese país a consecuencia del
shock. Este resultado es contraintuitivo debido a que Chile es un país importador neto de petróleo.
Alonso y Martínez (2017) señalan que el modelo implica simetría en la respuesta del PBI ante
cambios en el precio del petróleo.
3. Datos
Los datos recopilados para la estimación del modelo tienen una periodicidad trimestral. El rango
analizado es desde el primer trimestre de 1996 hasta el segundo trimestre del 201910. El Cuadro 1
resume las especificaciones generales de las variables utilizadas.
Cuadro 1: Fuente de origen de las variables utilizadas en el modelo
Variables Notación Unidad Fuente
Tipo de cambio TC Sol/USD BCRP
Tasa de interés interbancaria moneda nacional RMN % BCRP
Índice de Precios al Consumidor IPC 2009=100 BCRP
Producto Bruto Interno PBI Millones de soles
constantes del 2007 BCRP
Exportaciones mineras tradicionales EXPO_m Valor FOB Millones de USD BCRP
Precio del cobre PCOBRE USD/TM Bloomberg
Elaboración: GPAE-Osinergmin
El Perú tiene una posición de vanguardia en la industria del cobre. Como se mencionó
anteriormente, es el segundo país más importante en la producción mundial cuprífera y es el
principal producto de exportación del Perú. Por lo tanto, las fluctuaciones del precio del cobre
10 Por la disponibilidad de la información de las variables analizadas.
Gerencia de Políticas y Análisis Económico - Osinergmin
10
inciden en los resultados macroeconómicos del país, en especial, del PBI11 (ver Gráfico 1). La
aceleración que experimentó la economía peruana hasta el 2008 tuvo como uno de sus principales
determinantes al boom de los precios de los commodities, en especial del cobre. Asimismo, la
posterior caída de esas cotizaciones contribuyó a la desaceleración de la economía.
Gráfico 1: Precio del cobre y crecimiento del PBI peruano
Fuente: BCRP y Cochilco. Elaboración: GPAE-Osinergmin
Para identificar a las variables que presentan estacionalidad, se realizó el test de Hegy. Para el caso
del PBI, se obtuvo que el p-valor no rechaza la hipótesis nula del test de Hegy12 (ver Cuadro 2), por
lo que se desestacionalizó la serie con el método ARIMA-X12. En el caso de la variable exportaciones
mineras tradicionales se utilizó el deflactor del PBI para convertirla en una serie a valores
constantes.
Cuadro 2: Test de Hegy
Variables p-valor
TC 0
RMN 0
IPC 0
PBI 0.9666
EXPO_cons13 0
PCOBRE 0
Elaboración: GPAE-Osinergmin
11 En el Anexo 2 se explican los canales de transmisión de un incremento del precio del cobre sobre las variables macroeconómicas del Perú. 12 La hipótesis nula del test de Hegy es que la serie tiene raíz unitaria estacional. 13 Exportaciones mineras tradicionales en valores constantes.
Gerencia de Políticas y Análisis Económico - Osinergmin
11
Luego de realizar las pruebas de raíz unitaria a cada una de las series, se obtuvo que los p-valores
del IPC, el PBI, el precio del cobre, las exportaciones mineras tradicionales en valores constantes y
el tipo de cambio no rechazan la hipótesis nula de los test de raíz unitaria realizados14 (ver Cuadro
3).
Cuadro 3: Estadístico-t para los Test de Raíz unitaria
Variables GLS-
Constante
GLS-Constante y
tendencia lineal
ADF-
Constante
ADF-Constante y
tendencia lineal
TC -2.5903 -3.6104 -3.5030 -4.0608
RMN -2.5931* -3.6446* -3.5112* -4.0724*
IPC -2.5903 -3.6104 -3.5030 -4.0608
PBI_sa15 -2.5934 -3.6066 -3.5022 -4.0597
EXPO_cons -2.5934 -3.6484 -3.5122 -4.0738
PCOBRE -2.5906 -3.6142 -3.5038 -4.0602
* Significativo al 1%.
Elaboración: GPAE-Osinergmin
4. Metodología
Para estimar los efectos de las perturbaciones del precio del cobre sobre las variables
macroeconómicas peruanas, se siguió la metodología empleada por Lütkepohl (2005) y Alom (2011),
la cual consiste en definir un modelo de Vectores Autorregresivos Estructurales (SVAR) de orden 𝑝,
es decir, con 𝑝 rezagos de las variables endógenas y se modela de forma general de la siguiente
manera:
𝐴𝑌𝑡 = 𝐴0 + 𝐴1𝑌𝑡−1 + 𝐴2𝑌𝑡−2 +⋯+𝐴𝑝𝑌𝑡−𝑝 + 𝐵𝑢𝑡 (1)
Para estimar este modelo, primero se parte de la forma reducida, la cual se obtiene al reescribir la
ecuación (1):
𝑌𝑡 = 𝐴−1𝐴1𝑌𝑡−1 + 𝐴
−1𝐴2𝑌𝑡−2 +⋯+𝐴−1𝐴𝑝𝑌𝑡−𝑝 + 𝐴
−1𝐵𝑢𝑡
𝑌𝑡 = 𝐴1∗𝑌𝑡−1 + 𝐴2
∗𝑌𝑡−2 +⋯+ 𝐴𝑝∗𝑌𝑡−𝑝 + 𝑒𝑡
𝑒𝑡 = 𝐴−1𝐵𝑢𝑡
𝐴𝑒𝑡 = 𝐵𝑢𝑡
𝐴 es la matriz de efectos contemporáneos entre las variables endógenas, y 𝑌𝑡 es un vector de
variables endógenas16. Una de las condiciones para aplicar la metodología es que las variables sean
estacionarias. Por este motivo, se calcularon las tasas de crecimiento de estas variables, a fin de
convertirlas en estacionarias. En el caso de la tasa de interés interbancaria en moneda nacional, no
se aplicaron cambios porque es estacionaria en niveles.
14 Cuatro de las variables utilizadas en el modelo son integradas de orden 1 y una es estacionaria, por ello, se descarta el uso del modelo de corrección de errores (VEC). 15 PBI con ajuste estacional. 16 En el Anexo 3 se observa la evolución de estas cinco variables endógenas utilizadas en el modelo.
Gerencia de Políticas y Análisis Económico - Osinergmin
12
El vector 𝑌𝑡 está compuesto por [𝐷𝐸𝑃𝑇𝐶𝑡, 𝑅𝑀𝑁𝑡 , 𝐼𝑁𝐹𝐿𝐴, 𝑃𝐵𝐼𝐺𝑡, 𝑃𝐶𝑂𝐵𝑅𝐸𝐺𝑡]′, donde: 𝐷𝐸𝑃𝑇𝐶𝑡 es
la depreciación cambiaria, 𝑅𝑀𝑁𝑡 es la tasa de interés interbancaria en moneda nacional, 𝐼𝑁𝐹𝐿𝐴𝑡
es la inflación, 𝑃𝐵𝐼𝐺𝑡 es la tasa de crecimiento del PBI y 𝑃𝐶𝑂𝐵𝑅𝐸𝐺𝑡 es la tasa de crecimiento del
precio del cobre y 𝑢𝑡~(0, Σ𝑢) son los shocks estructurales.
El vector de constantes es 𝐴0 y las matrices 𝐴𝑖 (∀𝑖 = 1,… , 𝑝) contienen las interacciones dinámicas
o coeficientes de los rezagos de las variables endógenas; mientras que, la matriz 𝐵 es una matriz de
efectos contemporáneos que representa los shocks estructurales para descomponer el término de
error obtenido de la forma reducida del modelo representado por 𝑒𝑡~(0, Σ𝑒).
Zivot y Wang (2007) indican que los modelos SVAR están sobreidentificados debido a que existe un
mayor número de parámetros en la forma estructural que en la forma reducida, por ello, se deben
aplicar restricciones a las matrices 𝐴 y/o 𝐵. Según Neaime, Gaysset y Badra (2017), existen varias
formas de colocar restricciones en el proceso de identificación. Por ello, se debe tener cuidado con
imponer restricciones arbitrarias como la descomposición de Cholesky que pueden distorsionar el
comportamiento dinámico del sistema. Estas restricciones deben estar guiadas por la teoría
económica o por lo que es conocido en la literatura como “restricciones a priori”17.
Siguiendo a Lütkepohl (2005), el modelo 𝐴 − 𝐵 requiere de 2𝑘2 − 0.5𝑘(𝑘 + 1) = 51 restricciones
sobre las matrices 𝐴 y 𝐵 para obtener un modelo SVAR bien especificado. La identificación del
modelo proviene de Neaime, Gaysset y Badra (2017), Alom (2011) y Kim y Roubini (2000).
De acuerdo al ordenamiento de la matriz 𝐴, la variable 𝐷𝐸𝑃𝑇𝐶 es la más “endógena” del modelo.
Esto porque el mercado cambiario está en constante cambio y el Banco Central de Reserva del Perú
(BCRP) tiene en cuenta un conjunto de instrumentos para decidir los reajustes que considere
conveniente. Dado que el tipo de cambio es el precio de los activos que representan las expectativas
de movimientos en los fundamentos económicos, se asume que todas las variables del modelo
tienen efectos contemporáneos sobre el tipo de cambio.
El BCRP sigue una regla de Taylor, por ello, la tasa interbancaria en moneda nacional es afectada por
la inflación y el crecimiento del PBI de forma contemporánea. La inflación responde al crecimiento
del PBI y la tasa de crecimiento de las exportaciones mineras debido a los ajustes del PBI efectivo y
potencial. Si bien existe un efecto traspaso de la depreciación del tipo de cambio hacia la inflación,
la evidencia sugiere que este efecto no es instantáneo, según Kim y Roubini (2000).
La tasa de crecimiento del PBI responde a la tasa de crecimiento en el precio del cobre debido a su
efecto sobre el crecimiento de las exportaciones mineras. Asimismo, se asume que la inflación
afecta la actividad económica real, pero con un periodo de rezago. También, se supone que la tasa
interbancaria en moneda nacional y la depreciación cambiaria no afectan a la inflación ni la actividad
real contemporáneamente.
17 Restricciones de corto plazo, restricciones de largo plazo y restricciones que son una combinación de las dos anteriores.
Gerencia de Políticas y Análisis Económico - Osinergmin
13
El crecimiento de las exportaciones mineras responde al crecimiento del precio del cobre. El precio
del cobre no está afectado por ninguna de las variables macroeconómicas internas debido a que el
Perú es una economía abierta y pequeña. En consecuencia, las matrices quedan definidas como:
𝐴 =
(
1 𝑎12 𝑎13 𝑎14 𝑎15 𝑎160 1 𝑎23 𝑎24 0 00 0 1 𝑎34 𝑎35 00 0 0 1 𝑎45 𝑎450 0 0 0 1 𝑎560 0 0 0 0 1 )
𝑦 𝐵 =
(
𝑏11 0 0 0 0 00 𝑏22 0 0 0 00 0 𝑏33 0 0 00 0 0 𝑏44 0 00 0 0 0 𝑏55 00 0 0 0 0 𝑏66)
Luego, el modelo 𝐴 − 𝐵 se representa de la siguiente manera:
(
1 𝑎12 𝑎13 𝑎14 𝑎15 𝑎160 1 𝑎23 𝑎24 0 00 0 1 𝑎34 𝑎35 00 0 0 1 𝑎45 𝑎450 0 0 0 1 𝑎560 0 0 0 0 1 )
(
𝑒𝐷𝐸𝑃𝑇𝐶𝑒𝑅𝑀𝑁𝑒𝐼𝑁𝐹𝐿𝐴𝑒𝑃𝐵𝐼_𝐺𝑒𝐸𝑋𝑃𝑂
𝑒𝑃𝐶𝑂𝐵𝑅𝐸_𝐺)
=
(
𝑏11 0 0 0 0 00 𝑏22 0 0 0 00 0 𝑏33 0 0 00 0 0 𝑏44 0 00 0 0 0 𝑏55 00 0 0 0 0 𝑏66)
(
𝑢𝐷𝐸𝑃𝑇𝐶𝑢𝑅𝑀𝑁𝑢𝐼𝑁𝐹𝐿𝐴𝑢𝑃𝐵𝐼_𝐺𝑢𝐸𝑋𝑃𝑂
𝑢𝑃𝐶𝑂𝐵𝑅𝐸_𝐺)
Para determinar el rezago óptimo del VAR reducido se utilizó el criterio de información de Schwarz
que indica que el rezago óptimo es uno (𝑝 = 1). Según la metodología, el modelo SVAR es el
siguiente:
𝐴𝑌𝑡 = 𝐴0 + 𝐴1𝑌𝑡−1 + 𝐵𝑢𝑡
De acuerdo a Lütkepohl (1991), un VAR (1) es estable si todos los autovalores de la matriz 𝐴1 tienen
módulo menor o igual a uno, esta condición es equivalente a det(𝐼 − 𝐴1𝑧) ≠ 0 para |𝑧| ≤ 1.
Entonces, se analizaron las raíces inversas del polinomio característico del modelo VAR reducido.
Como se observa en el Anexo 4 esas raíces tienen un módulo inferior a uno y se encuentran dentro
del círculo unitario, por lo tanto, el VAR reducido satisface la condición de estabilidad18.
Según Baum (2013), la metodología VAR tiene buenas propiedades al aplicarse a series de tiempo
estacionarias en covarianzas, sin embargo, cuando se aplica a series no estacionarias o procesos
integrados pueden presentar dificultades. En el caso que un vector de variables sea integrado del
mismo orden y si existe un vector de cointegración, un VAR de las primeras diferencias
correctamente especificado no capturará las relaciones de largo plazo. Por ello, se prefiere estimar
un modelo de corrección de errores (VEC19, por sus siglas en inglés). En el presente estudio, cuatro
de las variables utilizadas en el modelo son integradas de orden 1 (ver Cuadro 3) y una es
estacionaria, por ello, se descarta el uso del modelo VEC.
18 La estabilidad del sistema requiere que las raíces del polinomio característico de la matriz |𝐼 − 𝐴1λ|= 0 caigan fuera del círculo unitario. 19 Vector Error Correction.
Gerencia de Políticas y Análisis Económico - Osinergmin
14
5. Resultados
Luego de estimar el SVAR se obtuvieron los coeficientes de la matrices 𝐴 𝑦 𝐵 que se presentan a
continuación:
𝐴 =
(
1 −0.2721 −0.2366 0.0876 −0.0197 0.04440 1 −0.6791 −0.4585 0 00 0 1 −0.0861 0.0243 00 0 0 1 −0.0234 0.00240 0 0 0 1 −0.23190 0 0 0 0 1 )
𝐵 =
(
1.8286 0 0 0 0 00 2.1565 0 0 0 00 0 0.4848 0 0 00 0 0 1.2306 0 00 0 0 0 10.339 00 0 0 0 0 13.8674)
El Gráfico 2 muestra los resultados de los impulsos respuestas del modelo SVAR ante un shock
estructural en el precio del cobre. Como se aprecia, este shock acelera el crecimiento del PBI en
0.3% hasta el segundo trimestre y, luego, se diluye hasta el quinto trimestre. En el caso de las
exportaciones mineras, también se acelera su tasa de crecimiento en 13.9% en el primer trimestre
y luego el impacto se disipa en el cuarto trimestre. Además, debido a que el Perú es un país líder en
la producción mundial de diferentes tipos de metales, entre ellos el cobre (segundo productor a
nivel global), el shock del crecimiento en el precio del cobre alienta la entrada de un mayor flujo de
capitales al país y genera una apreciación del sol de 0.8% hasta el tercer trimestre y luego el impacto
se diluye. Consecuentemente, en el primer gráfico de la izquierda, se puede observar una ligera
disminución de la tasa de política monetaria debido a la regla de Taylor que sigue el BCRP que
continua hasta el décimo trimestre. No se observa un claro impacto sobre la inflación en el país. En
el Anexo 5 se muestra los impulsos respuestas del modelo SVAR a los shocks estructurales de cada
una de las variables del modelo.
Gráfico 2: Funciones impulso respuesta a un shock estructural ±2.S.E20
Elaboración: GPAE-Osinergmin
20 Las abscisas de los cinco gráficos representan trimestres.
%
%
%
%
Para el análisis del rol de shocks estructurales en el periodo de estudio se han considerado tres
episodios que incluyen los años antes del boom de los precios de los metales, la etapa del súper
ciclo de los commodities21 y la etapa post-boom. Para este propósito se ha realizado una
descomposición histórica de la tasa de crecimiento del PBI (ver Gráfico 3). En el primer periodo que
comprende desde 1996T1 hasta el 2000T4, se examina la importancia de los shocks de la tasa
interbancaria en moneda nacional y la inflación, esto debido a la gran variabilidad de ambas series
para este intervalo. Desde el 2001T1 hasta el 2008T1, se registró el súper ciclo del precio de los
commodities motivado por el crecimiento de China, por esta razón los shocks de la tasa de
crecimiento del precio del cobre tienen mayor relevancia que las de otras variables. Luego del
colapso de Lehman Brothers en setiembre del 2008, ocurrió una fuerte caída en las tasas de
crecimiento del precio del cobre, el PBI y las exportaciones mineras; la inflación y la tasa
interbancaria en moneda nacional también cayeron. En los primeros dos trimestres del 2009, se
observa shocks de demanda negativos para el crecimiento del PBI. Con el fin del súper ciclo de los
precios de los commodities y con la moderación del crecimiento chino a una tasa promedio anual
del 6.5% al 2020, de acuerdo con Koleski (2017), se ha observado shocks negativos en la tasa de
crecimiento del cobre y de las exportaciones mineras pero menores que en el inicio de la crisis
financiera internacional.
Finalmente, se estimó la descomposición de la varianza del SVAR. En el corto plazo (tercer
trimestre), un shock en el crecimiento del PBI contribuiría en 96.1503% de la variación del
crecimiento del PBI (propio shock), el shock en el crecimiento del precio del cobre causaría el
0.1121% de la fluctuación del crecimiento del PBI y el shock en la tasa de crecimiento de las
exportaciones mineras participaría con el 3.7374%. En el mediano plazo (décimo trimestre),
aumenta la contribución del shock de la tasa del precio del cobre en la fluctuación del crecimiento
del PBI. La proporción de la variación del PBI explicada por su propio shock es de 84.7669%, por el
crecimiento del precio del cobre resulta 6.1690% y, finalmente, por las exportaciones mineras
muestra una proporción de 3.6436% (ver Anexo 6).
21 Según Alan Heap (2005), un súper ciclo se define como una prolongada tendencia al alza en los precios reales de los
commodities en el largo plazo (décadas), impulsado por un proceso de urbanización o industrialización de una economía preponderante.
Gerencia de Políticas y Análisis Económico - Osinergmin
17
Gráfico 3: Descomposición histórica del PBI con los pesos del SVAR
Elaboración: GPAE-Osinergmin
6. Comentarios finales
La minería desempeña un rol importante en la economía peruana, a junio del 2019, representó el
9% del PBI peruano. Por su parte, el cobre es el principal producto de exportación del país y
constituyó el 25.8% del valor de las exportaciones totales en el periodo enero - octubre del 2019.
La literatura económica muestra evidencia de que los shocks externos generan impactos en las
variables macroeconómicas de diferentes países del mundo, en especial, de los emergentes. Los
shocks pueden ser cambios en los flujos de capitales, menores tasas de crecimiento de las
economías más grandes o de alto desarrollo o una variación en los precios de los principales
commodities. La revisión de la literatura encontró que un cambio en las cotizaciones de las materias
primas tiene impactos sobre los países dependientes de las exportaciones de commodities, uno de
los casos más estudiados en la región, y similares al propósito del presente documento de trabajo,
es el de Chile.
Con el propósito de encontrar los efectos de un shock en el precio del cobre sobre las variables
macroeconómicas del Perú, se desarrolló un modelo de Vectores Autorregresivos Estructurales
(SVAR) con una data trimestral desde IT de 1996 hasta el IIIT del 2019.
El presente documento encontró evidencia de que un shock derivado de un incremento del precio
del cobre impacta a las principales variables macroeconómicas del Perú: el PBI, el tipo de cambio,
las exportaciones, la tasa de interés de referencia y la inflación. Se observa que un incremento en el
precio del cobre tiene un impacto positivo sobre el PBI, el cual llega a su máximo nivel al segundo
trimestre después del shock y dura hasta el quinto trimestre. Este shock también genera una
%
Gerencia de Políticas y Análisis Económico - Osinergmin
18
aceleración en la tasa de crecimiento de las exportaciones mineras en el primer trimestre y luego se
disipa en el cuarto trimestre. También se observa que el incremento del precio del cobre genera una
apreciación del sol hasta el tercer trimestre. Sin embargo, no se observa un claro impacto sobre la
inflación del país. Estos resultados obtenidos son acordes a lo hallado por diferentes autores en sus
análisis sobre otras economías emergentes.
Gerencia de Políticas y Análisis Económico - Osinergmin
19
7. Bibliografía
Alonso, J. C., & Martínez Quintero, D. A. (2017). Impacto del precio del petróleo sobre el PIB de los
países de la Alianza del Pacífico. Revista Finanzas y Política Económica, Vol. 9, no. 2 (jul.–dic. 2017);
p. 249–264.
Alom, F. (2011, August). Economic effects of oil and food price shocks in Asia and Pacific countries:
An application of SVAR Model. New Zealand Agricultural and Resource Economics Society
Conference (p.p. 25-26).
Aquino, J. C., & Espino, F. (2013). Terms of trade and current account fluctuations: A vector
autoregression approach. Central Reserve Bank of Peru. Working Paper Series No, 8.
Balassa, B. (1983). Policy responses to external shocks in sub-Saharan African countries. Journal of
policy Modeling, 5(1), 75-105.
Baum, C. (2013). VAR, SVAR and VECM models. Disponible en http://fmwww.bc.edu/EC-
C/S2013/823/EC823.S2013.nn10.slides.pdf
Chizonde, B. (2016). The Macroeconomic Determinants of Economic Growth in Zambia: Do Copper
prices matter?
Davis, J. (2013). Commodities and Development Report: Perennial Problems, New Challenges and
Evolving Perspectives. UNCTAD.
De Gregorio, J., & Labbé, F. (2011). Copper, the real exchange rate and macroeconomic fluctuations
in Chile. Beyond the Curse: Policies to Harness the Power of Natural Resources, 203-33.
Drechsel, T., & Tenreyro, S. (2018). Commodity booms and busts in emerging economies. Journal of
International Economics, 112, 200-218.
Dunne, J. P., & Bangara, B. C. (2016). Macroeconomic Effects of Commodity Price Shocks in a Low
Income Economy: The Case of Tobacco in Malawi (No. 2016-06). School of Economics, University of
Cape Town.
Eyraud, L. (2015). End of the Supercycle and Growth of Commodity Producers. International
Monetary Fund.
Fuentes, F., & García, C. J. (2016). The business cycle and coper mining in Chile. CEPAL Review, 2016
(118), 157-181.
Gruss, B., Nabar, M. S., & Poplawski Ribeiro, M. (2019). Domestic Amplifiers of External Shocks:
Growth Accelerations and Reversals in Emerging Market and Developing Economies (No. 19/128).
International Monetary Fund.
Heap, A. (2005). China-the engine of a commodities super cycle. Citigroup Smith Barney, 1-24.
Gerencia de Políticas y Análisis Económico - Osinergmin
20
Hegerty, S. W. (2016). Commodity-price volatility and macroeconomic spillovers: Evidence from nine
emerging markets. The North American Journal of Economics and Finance, 35, 23-37.
Inoue, T., & Okimoto, T. (2017). Measuring the effects of commodity price shocks on Asian
economies (No. 693). ADBI Working Paper Series.
Kim, S. y Roubini, N. (2000). Exchange rate anomalies in the industrial countries: A solution with
structural VAR Aproach.
Koleski, K. (2017). The 13th five-year plan. US-China Economic and Security Review, Washington,
DC.
Lütkepohl, H. (1991). Introduction to Multiple Time Series Analysis. Springer- Verlag
Lütkepohl, H. (2005). New Introduction to Multiple Time Series Analysis. Disponible en
https://afriheritage.org/TTT/2%20New%20Introduction%20to%20Multiple%20Time%20Series%20
Analysis.pdf
Medina, J. P., & Soto, C. (2007). Copper price, fiscal policy and business cycle in Chile. Banco Central
de Chile.
Medina, J. P., & Soto, C. (2016). Commodity prices and fiscal policy in a commodity exporting
economy. Economic Modelling, 59, 335-351.
Ministerio de Economía y Finanzas del Perú (2016). Marco Macroeconómico Multianual 2017-
2019. Ministerio de Economía y Finanzas del Perú.
Neaime, S., Gaysset, I. y Badra, N. The Eurozone Debt Crisis: A Structural VAR Aproach.
Nkurunziza, J., Amui, R., Csordas, S & Jales, M. (2019). The Commodities and Development Report
2019: Commodity Dependence, Climate Change and the Paris Agreement. United Nations
Conference on Trade and Development.
Observatorio de Complejidad Económica (s.f.). Disponible en https://oec.world/en/
Österholm, P., & Zettelmeyer, J. (2008). The effect of external conditions on growth in Latin
America. IMF Staff Papers, 55(4), 595-623.
Rodríguez, D., González, A., & Fernández, A. (2015). Sharing a Ride on the Commodities Roller
Coaster: Common Factors in Business Cycles of Emerging Economies. Inter-American Development
Bank.
Trafigura (2016). Commodities Demystified: A Guide to Trading and the Global Supply. Disponible en
https://www.commoditiesdemystified.info/pdf/CommoditiesDemystified-section-a-en.pdf
USGS (2018). Mineral Commodity Summaries 2018. US Geological Survey.
Gerencia de Políticas y Análisis Económico - Osinergmin
21
Vallejo, L. A. P. (2017). Assessing the effect of commodity price shocks in the macroeconomic
performance and fiscal outcomes in Latin America countries. Cuestiones Económicas (2017), 143.
Zivot, E., & Wang, J. (2007). Modeling financial time series with S-Plus® (Vol. 191). Springer Science
& Business Media.
8. Anexos
Anexo 1: Resumen del marco teórico
Documento de investigación Autores
Países o región de
análisis
Metodología utilizada Resumen
Policy responses to external shocks in
sub-Saharan African countries Balassa (1983) Países subsaharianos
Réplica de la metodología
utilizada por el Banco
Mundial
Se analizaron las medidas adoptadas por
los países subsaharianos ante los shock
externos.
The Effect of External Conditions on
Growth in Latin America
Österholm y
Zettelmeyer (2007)
Argentina, Brasil, Chile,
Colombia, México and
Perú
VAR Bayesiano
Los shocks externos explican cerca del
60% de la variación del crecimiento de
los países analizados.
Copper price, fiscal policy and
business cycle in Chile Medina y Soto (2007) Chile DSGE
Un incremento del precio del cobre
tendrá efectos diferenciados según el
tipo de política fiscal que se implemente.
Por ejemplo, el efecto es mayor si el país
no sigue una regla de superávit (0.07
p.p.) que cuando la aplica (0.05 p.p.).
Economic effects of oil and food price
shocks in Asia and Pacific countries: An
application of SVAR Model
Alom (2011)
Australia, Nueva
Zelanda, Corea del Sur,
Singapur, Hong Kong,
Taiwan, India, y
Tailandia
SVAR
Los autores encuentran que un shock del
precio de petróleo tiene un efecto
diferenciado entre países.
Copper, the real exchange rate and
macroeconomic fluctuations in Chile
De Gregorio y Labbé
(2011) Chile DSGE
Un incremento de 10% en la volatilidad
del precio del cobre tiene un impacto de
1% en la volatilidad del PBI.
Gerencia de Políticas y Análisis Económico - Osinergmin
23
End of the Supercycle and Growth of
Commodity Producers Eyraud (2015) Chile DSGE
Una disminución de 20% del precio del
cobre impacta, negativamente, entre
0.05 p.p. y 0.3 p.p. a la actividad
económica de ese país.
Sharing a Ride on the Commodities
Roller Coaster: Common Factors in
Business Cycles of Emerging
Economies
Rodríguez, González y
Fernández (2015)
Argentina, Brasil,
Bulgaria, Chile,
Colombia, Ecuador,
Malasia, México, Perú,
Rusia, Sudáfrica, Ucrania
y Venezuela
Modelo VAR Bayesiano
las fluctuaciones de los precios de los
commodities son un determinante de los
ciclos económicos en los países menos
desarrollados.
The business cycle and coper mining in
Chile
Fuentes y García
(2016) Chile DSGE
El aumento de 1% en el precio del cobre
incrementa en 0.16 p.p. al PBI en 5 años.
Marco Macroeconómico Multianual
2017 - 2019 MEF (2016) Perú n.d.
Una caída del precio del cobre en 10%
implica una reducción entre 0.1 y 0.2 p.p.
del PBI en los ingresos fiscales.
Commodity prices and fiscal policy in a
commodity exporting economy Medina y Soto (2016) Chile DSGE
Los autores hacen un ejercicio similar a
Medina y Soto (2007) y encuentran que
el efecto de un incremento del precio
del cobre es mayor si no sigue una regla
de superávit (0.6 p.p.) que cuando aplica
una regla (entre 0.1p.p. y 0.2 p.p.).
Gerencia de Políticas y Análisis Económico - Osinergmin
24
Commodity-price volatility and
macroeconomic spillovers: Evidence
from nine emerging markets
Hegerty (2016)
Chile, Indonesia,
Malasia, Perú, Brasil,
México, Sudáfrica, Rusia
e Indonesia
GARCH Multivariado
Se calculan los efectos de seis precios de
commodities sobre un conjunto de
variables macroeconómicas de nueve
países emergentes.
Macroeconomic Effects of Commodity
Price Shocks in a Low Income
Economy: The Case of Tobacco in
Malawi
Dunne y Bangara
(2016) Malawi SVAR
Un shock positivo en el precio del tabaco
incrementa el PBI de Malawi hasta en
0.08 puntos porcentuales.
The Macroeconomic Determinants of
Economic Growth in Zambia: Do
Copper prices matter?
Chizonde (2016) Zambia
Modelo Autorregresivo de
Rezagos Distribuidos
(ARDL)
El incremento del precio de ese
commodity tiene un efecto positivo
sobre el crecimiento económico de corto
plazo más no sobre el de largo plazo.
Assessing the effect of commodity
price shocks in the macroeconomic
performance and fiscal outcomes in
Latin America countries
Vallejo (2017)
Perú, Colombia,
Argentina, Chile,
Ecuador, Brasil,
Venezuela y México
PVAR (con datos de panel
– Descomposición de
Cholesky).
Un shock de una desviación estándar en
los precios de los commodities impacta
en 0.22% a la tasa de crecimiento real de
los países de Latinoamérica.
Measuring the effects of commodity
price shocks on Asian economies
Inoue y Okimoto
(2017)
India, Indonesia, Japón,
Corea del Sur, Malasia,
Filipinas Singapur,
Tailandia y China
VAR con variables
exógenas
Los shocks en precios de los commodities
(petróleo y de alimentos) tienen efectos
significativos y persistentes sobre los
precios finales de las economías
asiáticas.
Gerencia de Políticas y Análisis Económico - Osinergmin
25
Impacto del precio del petróleo sobre
el PIB de los países de la Alianza del
Pacífico
Alonso y Martínez
(2017)
México, Colombia, Perú
y Chile SVAR
Los autores buscan hallar las relaciones
de largo plazo entre el precio
internacional del petróleo y el PBI en
cada uno de los países miembro de la
Alianza del Pacífico.
Commodity booms and busts in
emerging economies
Drechsel y Tenreyro
(2018) Argentina SVAR
Un shock en los precios de los
commodities explica el 38% de la
varianza del PBI argentino, el 42% de la
varianza del consumo y el 61% de la
varianza de la inversión.
Domestic Amplifiers of External
Shocks: Growth Accelerations and
Reversals in Emerging Market and
Developing Economies
Gruss, Nabar y
Poplawski-Ribeiro
(2019)
Economías emergentes Logit
Las condiciones externas impactan en el
crecimiento de las economías
emergentes tanto en épocas de
aceleración como de desaceleración.
Anexo 2: Canales de transmisión del precio del cobre hacia las actividades económicas
Un shock en el precio del cobre afecta positivamente a las exportaciones mineras al incrementar su
valor, asimismo, genera un mayor flujo de divisas hacia el país y alienta las inversiones en ese sector.
En conjunto, esto genera una apreciación de la moneda nacional.
Según Aquino y Espino (2013), un shock permanente en los términos de intercambio (relación entre
los precios de las exportaciones y de las importaciones de un país) y en el precio de las exportaciones
mejora la cuenta corriente [y, por ende, mejora la situación del PBI] a través de un aumento en la
tasa de ahorro, pero, luego ese efecto se disipa a medida que la inversión aumenta más rápido que
el ahorro.
La mejora de las exportaciones, derivada del efecto del shock en el precio del cobre, incentiva el
incremento en la producción minera. Asimismo, como la conducta de la política monetaria sigue
una regla de Taylor, el BCRP ajusta su tasa de política de monetaria a cambios en la inflación y en la
brecha producto. Por ello, la tasa interbancaria en moneda nacional disminuiría ante el aumento
del producto por encima de su potencial.
Canales de transmisión de un shock en el precio del cobre
Elaboración: GPAE-Osinergmin
Precio del cobre
Exportaciones
El tipo de cambio
PBI
Inflación
Tasa interbancaria
Gerencia de Políticas y Análisis Económico - Osinergmin
27
Anexo 3: Representación gráfica de las variables analizadas
Elaboración: GPAE-Osinergmin
-8
-4
0
4
8
12
96
97
98
99
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
DEPTC
0
5
10
15
20
25
30
96
97
98
99
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
RMN
-1
0
1
2
3
96
97
98
99
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
INFLA
-4
-2
0
2
4
6
96
97
98
99
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
PBI_G
-60
-40
-20
0
20
40
96
97
98
99
00
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
PCOBRE_G
%
%
%
%
%
Anexo 4: Raíces inversas del polinomio característico del AR
Variables Raíz Módulo
DEPTC 0.825529 0.825529
RMN 0.558910 0.558910
INFLA 0.088339 – 0.263736 0.278137
PBI_G 0.088339 + 0.263736 0.278137
EXPO 0.016061-0.107415i 0.108609
PCOBRE_G 0.016061+0.107415i 0.108609
Elaboración: GPAE-Osinergmin
Elaboración: GPAE-Osinergmin
R
R
Anexo 5: Funciones impulso respuesta a shocks estructurales ±2.S.E
Elaboración: GPAE-Osinergmin
-2
-1
0
1
2
3
2 4 6 8 10
Response of DEPTC to Shock1
-2
-1
0
1
2
3
2 4 6 8 10
Response of DEPTC to Shock2
-2
-1
0
1
2
3
2 4 6 8 10
Response of DEPTC to Shock3
-2
-1
0
1
2
3
2 4 6 8 10
Response of DEPTC to Shock4
-2
-1
0
1
2
3
2 4 6 8 10
Response of DEPTC to Shock5
-2
-1
0
1
2
3
2 4 6 8 10
Response of RMN to Shock1
-2
-1
0
1
2
3
2 4 6 8 10
Response of RMN to Shock2
-2
-1
0
1
2
3
2 4 6 8 10
Response of RMN to Shock3
-2
-1
0
1
2
3
2 4 6 8 10
Response of RMN to Shock4
-2
-1
0
1
2
3
2 4 6 8 10
Response of RMN to Shock5
- .2
.0
.2
.4
.6
.8
2 4 6 8 10
Response of INFLA to Shock1
- .2
.0
.2
.4
.6
.8
2 4 6 8 10
Response of INFLA to Shock2
- .2
.0
.2
.4
.6
.8
2 4 6 8 10
Response of INFLA to Shock3
- .2
.0
.2
.4
.6
.8
2 4 6 8 10
Response of INFLA to Shock4
- .2
.0
.2
.4
.6
.8
2 4 6 8 10
Response of INFLA to Shock5
-0.5
0.0
0.5
1.0
1.5
2 4 6 8 10
Response of PBI_G to Shock1
-0.5
0.0
0.5
1.0
1.5
2 4 6 8 10
Response of PBI_G to Shock2
-0.5
0.0
0.5
1.0
1.5
2 4 6 8 10
Response of PBI_G to Shock3
-0.5
0.0
0.5
1.0
1.5
2 4 6 8 10
Response of PBI_G to Shock4
-0.5
0.0
0.5
1.0
1.5
2 4 6 8 10
Response of PBI_G to Shock5
-5
0
5
10
15
20
2 4 6 8 10
Response of PCOBRE_G to Shock1
-5
0
5
10
15
20
2 4 6 8 10
Response of PCOBRE_G to Shock2
-5
0
5
10
15
20
2 4 6 8 10
Response of PCOBRE_G to Shock3
-5
0
5
10
15
20
2 4 6 8 10
Response of PCOBRE_G to Shock4
-5
0
5
10
15
20
2 4 6 8 10
Response of PCOBRE_G to Shock5
Response to Structural One S.D. Innovations ± 2 S.E.
Anexo 6: Descomposición de varianza de las variables del modelo
Elaboración: GPAE-Osinergmin
0
20
40
60
80
100
2 4 6 8 10
Percent DEPTC variance due to Shock1
0
20
40
60
80
100
2 4 6 8 10
Percent DEPTC variance due to Shock2
0
20
40
60
80
100
2 4 6 8 10
Percent DEPTC variance due to Shock3
0
20
40
60
80
100
2 4 6 8 10
Percent DEPTC variance due to Shock4
0
20
40
60
80
100
2 4 6 8 10
Percent DEPTC variance due to Shock5
0
20
40
60
80
100
2 4 6 8 10
Percent RMN variance due to Shock1
0
20
40
60
80
100
2 4 6 8 10
Percent RMN variance due to Shock2
0
20
40
60
80
100
2 4 6 8 10
Percent RMN variance due to Shock3
0
20
40
60
80
100
2 4 6 8 10
Percent RMN variance due to Shock4
0
20
40
60
80
100
2 4 6 8 10
Percent RMN variance due to Shock5
0
20
40
60
80
100
2 4 6 8 10
Percent INFLA variance due to Shock1
0
20
40
60
80
100
2 4 6 8 10
Percent INFLA variance due to Shock2
0
20
40
60
80
100
2 4 6 8 10
Percent INFLA variance due to Shock3
0
20
40
60
80
100
2 4 6 8 10
Percent INFLA variance due to Shock4
0
20
40
60
80
100
2 4 6 8 10
Percent INFLA variance due to Shock5
0
20
40
60
80
100
2 4 6 8 10
Percent PBI_G variance due to Shock1
0
20
40
60
80
100
2 4 6 8 10
Percent PBI_G variance due to Shock2
0
20
40
60
80
100
2 4 6 8 10
Percent PBI_G variance due to Shock3
0
20
40
60
80
100
2 4 6 8 10
Percent PBI_G variance due to Shock4
0
20
40
60
80
100
2 4 6 8 10
Percent PBI_G variance due to Shock5
0
20
40
60
80
100
2 4 6 8 10
Percent PCOBRE_G variance due to Shock1
0
20
40
60
80
100
2 4 6 8 10
Percent PCOBRE_G variance due to Shock2
0
20
40
60
80
100
2 4 6 8 10
Percent PCOBRE_G variance due to Shock3
0
20
40
60
80
100
2 4 6 8 10
Percent PCOBRE_G variance due to Shock4
0
20
40
60
80
100
2 4 6 8 10
Percent PCOBRE_G variance due to Shock5
Variance Decomposition
Organismo Supervisor de la Inversión en Energía y Minería – Osinergmin
Gerencia de Políticas y Análisis Económico – GPAE
Alta Dirección
Dr. Daniel Schmerler Vainstein Presidente del Consejo Directivo
José Carlos Velarde Sacio Gerente General
Equipo de Trabajo de la GPAE
Abel Rodríguez González Gerente de Políticas y Análisis Económico
Especialistas Sectoriales: María Alejandra Mendez Vega (Minería y Gas Natural), Ben Solís Sosa (Electricidad e
Hidrocarburos) y Carlos Renato Salazar Ríos (Econometría).
Analistas Económicos: Francisco Javier Coello Jaramillo, Melissa Isabel Llerena Pratolongo, Carlos Alberto Miranda Velásquez, Pablo Anthony Suclupe Girio, Ernesto Yuri Guevara Ccama, Thaís Chávez Porta, Darha Chávez Vásquez, Alex Carrillo Chávez y Juan José Morante Montenegro. Asistentes:
José Emilio Chicasaca Huamani y Wilder Santos Viera.
Asistente Administrativo:
Clelia Bandini Malpartida