Mecanismos de transmisión de la política monetaria en Venezuela · 2018-11-02 · 2. La política monetaria en Venezuela Desde sus inicios, el objeto del Banco Central de Venezuela

Diciembre 2001

ColecciónBanca Central y Sociedad

BANCO CENTRAL DE VENEZUELA

3333344444Serie Documentos de Trabajo

Gerencia de Investigaciones Económicas

Mecanismosde transmisión

de la políticamonetaria

en Venezuela

Adriana ArreazaNorka Ayala

María Amelia Fernández

Adriana ArreazaNorka AyalaMaría Amelia Fernández

Mecanismode transmisiónde la políticamonetariaen Venezuela

ResumenEn este trabajo se emplea la técnica de los vectoresautorregresivos estructurales para investigar losmecanismos de transmisión de la política monetaria enVenezuela. Se estima igualmente una función de reacciónpara el Banco Central. Se emplean datos mensuales entre1989 y 2000, y como variable de política se utiliza unagregado monetario. Los resultados de la estimación dela función de reacción del Banco Central sugieren quetanto el crédito del Banco Central como M1 exhibenincrementos permanentes frente a shocks positivos en elnivel de precios, y respuestas transitorias ante shocks deorigen fiscal. Las fluctuaciones del producto en el muycorto plazo parecen no producir cambios en la direcciónde la política monetaria. En respuesta a shocks positivosen las reservas internacionales, la autoridad monetariaparece responder en forma rezagada con recortes deliquidez. Al controlar por variables fiscales y cambiariasque intervienen en la función de reacción del BancoCentral, se logra eliminar el problema de la paradojade los precios en los modelos de mecanismos detransmisión. El modelo del mecanismo de crédito es elque parece ajustar mejor los datos, lo cual sugiere queeste mecanismo puede estar operando en nuestraeconomía.

AbstractIn this paper we use structural VARs to study thetransmission mechanisms of monetary policy inVenezuela. We also estimate a reaction function for theCentral Bank. We use monthly data from 1989 until2000. We use monetary aggregates —credit ofthe Central Bank and M1— as policy variables. Theestimates of the reaction function suggest that a positiveshock in prices implies a permanent increase in thepolicy variables, and that positive shocks on fiscalvariables induce a positive and transitory response ofthe monetary aggregates. Positive innovationson international reserves seem to produce laggedcuts on liquidity. By controling for fiscal andinternational finance variables that are significant inthe reaction function, we are able to eliminate the pricepuzzle in the different models of transmissionmechanism we tested. The credit channel model seemsto fit the data adequately, which suggests that thischannel may be operating in our economy.

Índice general

1. INTRODUCCIÓN.................................................................................7

2. LA POLÍTICA MONETARIA EN VENEZUELA ............................................9

3. MECANISMOS DE TRANSMISIÓN DE LA POLÍTICA MONETARIA ...............133.1 El mecanismo monetario ......................................................133.2 El mecanismo del crédito .....................................................143.3 El mecanismo cambiario ......................................................15

4. ANÁLISIS EMPÍRICO ........................................................................184.1 Función de reacción del Banco Central................................234.2 Mecanismos de transmisión .................................................26

4.2.1 Mecanismo monetario..................................................264.2.2 Mecanismo del crédito .................................................27

5. CONCLUSIONES ..............................................................................31

ANEXO..............................................................................................33

REFERENCIAS.....................................................................................55

7

1. Introducción

Uno de los objetivos fundamentales del Banco Central de Vene-zuela es defender el valor interno de la moneda. Para ello se hacenecesario determinar en qué medida y de qué manera las acciones depolítica monetaria se filtran al resto de la economía y finalmente a ladinámica de los precios. Igualmente, resulta relevante analizar cómoresponde la política monetaria ante fluctuaciones en el producto y losprecios, es decir, si la política monetaria sigue algo similar a una reglade Taylor o si la efectividad de la misma se ve afectada por variablesfiscales y cambiarias, como se espera en el caso venezolano.

En la presente investigación se utilizó la técnica de vectoresautorregresivos (VAR) estructurales debido a que, en nuestro criterio,permite obtener resultados más confiables que los alcanzados usandoVAR tradicionales. En los VAR tradicionales, generalmente se em-plea la descomposición de Choleski para obtener las innovacionesestructurales a partir de los residuos estimados, para luego calcularlas funciones impulso-respuesta. Ello implica suponer que los erroresestructurales se derivan mediante un proceso recursivo, lo cual puedeincluir supuestos de identificación poco adecuados. Por el contrario,los VAR estructurales permiten imponer las restricciones que se con-sideren apropiadas para derivar las innovaciones estructurales a partirde los residuos estimados. Un antecedente en el caso venezolano loconstituye el estudio de Guerra, Rodríguez y Sánchez (1998) quienesutilizan VAR tradicionales y de corrección de error con datos de fre-cuencia trimestral. Dada nuestra preocupación por los grados de li-bertad en las estimaciones, se optó por utilizar datos mensuales, sien-do que las series del PIB trimestral sólo están disponibles a partir deprincipios de los noventa.

El documento se estructura de la siguiente manera: en la segundasección se presenta un análisis de la conducción de la política mone-

8

taria en Venezuela con especial énfasis en la década de los noventa.En la tercera sección se exponen brevemente los principales mecanis-mos de transmisión de la política monetaria. En la cuarta sección seencuentran los resultados econométricos de la estimación de la fun-ción de reacción del Banco Central y de los mecanismos de transmi-sión. Por último, se exponen las conclusiones del estudio.

9

2. La política monetaria en Venezuela

Desde sus inicios, el objeto del Banco Central de Venezuela comoinstituto encargado de la política monetaria ha sido crear y mantenerlas condiciones monetarias, crediticias y cambiarias favorables a laestabilidad de la moneda, al equilibrio económico y al desarrollo or-denado de la economía, así como asegurar los pagos internacionales1.

Tal y como se muestra en el Cuadro N° 1 en el Anexo, los instru-mentos de política comúnmente utilizados para lograr los objetivostrazados han sido el encaje legal, la asistencia financiera a través delos anticipos y redescuentos y las operaciones de mercado abierto2.Sin embargo, a partir de 1989 con el programa de ajuste ma-croeconómico, implementado a raíz de un acuerdo con el Fondo Mo-netario Internacional, los mecanismos indirectos de control mone-tario comenzaron a tener mayor importancia y efectividad, ante lanecesidad de una actuación más activa por parte del Banco Central deVenezuela que le permitiera propiciar el equilibrio en los mercadosmonetario y cambiario. Anteriormente (con excepción de septiembrede 1981 y febrero de 1984), la efectividad de estos mecanismos indi-rectos fue solapada al actuar conjuntamente con mecanismos directoscomo el manejo discrecional de las tasas de interés y establecimientode requerimientos mínimos de cartera crediticia con tasas de interéspreferenciales para diversas actividades (sector construcción yagropecuario).

1 La Ley del Banco Central de Venezuela de 2000, establece más explícitamente que el objeto eslograr la estabilidad de precios y preservar el valor de la moneda.

2 Si bien han sido los instrumentos más comunes, en ocasiones se han utilizado otros instrumen-tos específicos, con el fin de mantener el mercado en equilibrio. Por ejemplo, la asistenciafinanciera indirecta de 1985 con la creación de Fogade y Fococam (luego sustituida por Ficam).

10

En 1989 las operaciones de mercado abierto pasaron a ser el instru-mento de política preponderante, con la particularidad de emisión detítulos propios del Banco Central de Venezuela. Desde entonces, hastaoctubre de 19993, la política monetaria ha tenido un carácter contractivo,salvo en 1994 a raíz de la crisis financiera, y se ha basado principalmen-te en la utilización de mecanismos indirectos de control monetario4.

Una limitación al impacto y efectividad de la política monetariaen Venezuela a lo largo de la década de los noventa ha sido la presen-cia de regímenes cambiarios con distintos grados de predeterminación.En este sentido, el compromiso de cumplir con el régimen cambiario,particularmente a partir de la implementación en 1996 del régimen debandas, ha propiciado una participación más activa del Banco Centralde Venezuela dentro del mercado cambiario. De hecho, en los últimosaños la venta de divisas ha sido utilizada como (o ha servido de) ins-trumento de control monetario, hasta ser el instrumento de ajuste másimportante en el último semestre del 2000.

En cuanto a la forma de conducir la política monetaria, la Ley delBanco Central de Venezuela establece que durante el primer mes decada semestre, el Directorio del Banco aprobará las directrices de lapolítica monetaria que contenga las metas y estrategias que orienta-rán su acción. Para propósitos operativos, el Banco diseña un progra-ma monetario que consiste en la determinación, fijación y seguimien-to de una meta monetaria intermedia, consistente con los objetivosfinales del programa económico.

En 1984 se elaboró el primer modelo de programación monetaria,con el fin de controlar la inflación a través de la liquidez monetaria(M2) como meta intermedia. Sin embargo, su ejecución estuvo limitada

3 En este mes ocurrió la última emisión de los TEM.4 En ocasiones, el BCV ha hecho uso del manejo discrecional de tasas de interés, como en el

caso de 1998, cuando se elevaron significativamente las tasas de interés anual, que cobra porla asistencia crediticia a la banca y por el incumplimiento del encaje (Ver Cuadro N° 1 en elAnexo). Aunque el resultado de repunte general de las tasas de interés en 1998, también estu-vo incentivado por las Operaciones de Mercado Abierto.

11

por los controles del tipo de cambio y de tasas de interés impuestos enese período. Con el programa de ajuste de 1989 se rediseñó el modelo yoficialmente comenzó a ejecutarse el programa monetario. Desde en-tonces, la meta ha dependido del esquema cambiario vigente. A saber,con tipo de cambio flexible y flotación libre de las tasas de interés, se hautilizado el dinero base como meta intermedia. Mientras que bajo unesquema de tipo de cambio fijo o predeterminado, como el de bandasde fluctuación, la variable intermedia ha sido el crédito interno neto5.

En el Cuadro N°1 se esquematizan los objetivos finales, metas inter-medias y variables instrumentales del programa monetario venezolano,bajo los distintos escenarios de tasas de interés y de tipo de cambio. Conrelación a los resultados obtenidos, cabe resaltar que hasta 1998 clara-mente se expresaba en los informes económicos del Banco Central deVenezuela que la programación monetario-financiera había permitido ajus-tar los niveles de intervención del Instituto en el mercado monetario ycambiario, para corregir desvíos ocasionados por la incidencia de la ges-tión fiscal y los cambios autónomos en la demanda de dinero.

Cuadro N° 1Programa monetario de Venezuela

Período Objetivos Meta monetaria Variablefinales intermedia1/ instrumental Escenario

1989-92 Inflación Dinero Operaciones de mercado -Programa económicobase. abierto con emisión de bajo el acuerdo del FMI.

títulos propios (Bonos - Tipo de cambio flexible.Cero Cupón (BCC)). - Flotación de las tasas de

interés. 1993-99 - Inflación. Crédito Operaciones de mercado -Desde 1996 la “Agenda

- Sostenibilidad interno abierto con emisión de Venezuela”.del tipo neto. títulos propios (en 1995 -Tipo de cambio fijo ode cambio los BCC fueron sustituidos predeterminado. (Controlnominal. por los Títulos de de cambio y desde 1996

Estabilización Monetaria banda de fluctuación(TEM)). cambiaria).

-Flotación de las tasas deinterés.

2000 -Inflación. Crédito Venta de divisas. -Banda de fluctuación-Sostenibilidad interno neto cambiaria.del tipo de y dinero -Flotación de las tasascambio nominal base. de interés.prefijado.

Fuente: BCV1/ Variable final del programa monetario

5 “En situaciones ambiguas en cuanto al rol del tipo de cambio y de las reservas internacionalesdentro de la estrategia de política económica o cuando se inicia un programa de estabilización,es recomendable hacer un seguimiento a la base monetaria, aunque la variable meta sea elactivo interno neto”, Mirabal (1999).

12

A pesar de los lineamientos de política establecidos por el Direc-torio del Banco Central de Venezuela y del diseño del programa mo-netario, en la práctica la ejecución de la política monetaria ha estadocondicionada también a la política fiscal, más específicamente, el ca-rácter expansivo o restrictivo de la política monetaria ha estadoinversamente determinado por la ejecución del gasto fiscal. Comoseñala Mirabal (1999), mejoras fiscales asociadas a incrementos enlos precios del petróleo inducen incrementos en el nivel demonetización que requieren una actuación más restrictiva del BCV.Asimismo, la diversidad de objetivos que ha pretendido alcanzar lapolítica monetaria en determinados períodos, junto a circunstanciascomo interrupción de los programas de ajustes, la crisis financiera,controles de cambio, han limitado su eficiencia en el logro de susobjetivos generales. Por otro lado, con relación a los instrumentos depolítica, Mirabal (1999), señala que “la eficacia del instrumento paralograr los objetivos de política ha estado condicionada, en algunoscasos, por la alta incidencia expansiva del gasto público y en otrosdebido a la caída recurrente de la demanda de dinero…”.

Tenemos pues, que la política monetaria en Venezuela en la últi-ma década se ha fundamentado en una programación financiera orien-tada hacia el control de agregados monetarios y condicionada por lapolítica cambiaria y la política fiscal.

13

3. Mecanismos de transmisión de la política monetaria

Existen diversos modelos para explicar los canales a través de loscuales los instrumentos de política monetaria pueden afectar las va-riables objetivo, como pueden ser la inflación, el nivel de activos ex-ternos netos o el tipo de cambio6. En esta sección se exponen breve-mente los principales mecanismos de transmisión de la política mo-netaria, a saber, el mecanismo monetario, el canal del crédito, y elmecanismo cambiario para economías abiertas. Este breve análisisque presentamos de la evolución y diferencias de los mecanismos másdiscutidos en la literatura reciente se basa en Neumann (1995) yCecchetti (1995).

3.1El mecanismo monetario

El mecanismo tradicional empleado en los libros de texto paraexplicar la transmisión de la política monetaria al resto de la econo-mía es el mecanismo del dinero introducido por Keynes en su TeoríaGeneral. En este mecanismo se agregan todos los activos de la econo-mía en dos categorías: monetarios y no monetarios. Los últimos, re-cogen tanto activos financieros como bienes de capital, suponiendoque ambos son sustitutos perfectos. Este supuesto de perfecta sustitu-ción entre bienes de capital y activos financieros es lo que permiteque la política monetaria se transmita a la demanda agregada median-te una tasa de interés única y que la elasticidad de la demanda de dinerosea el único determinante de la efectividad de la política monetaria. Deeste modelo se deriva la clásica interpretación de que una reducción de lacantidad de dinero aumenta el costo del crédito, reduciendo ello la in-versión al eliminarse los proyectos marginalmente menos rentables ypor ende induciendo caídas en la demanda agregada.

6 Ver Taylor (2000) para una comparación entre varios modelos existentes en la literatura.

14

Las restricciones analíticas de esta teoría condujeron a desarro-llos posteriores como aquella de los precios relativos o teoría moneta-ria para explicar los mecanismos de transmisión (Brainard y Tobin,1963). Según esta explicación, a diferencia de la teoría keynesiana,los activos financieros y de capital son sustitutos imperfectos. Elloimplica que cambios inesperados en la oferta de dinero alteran todoslos precios relativos, induciendo cambios en la composición del por-tafolio de los agentes y por consiguiente en sus decisiones de consu-mo e inversión. Por lo tanto, el impacto de la política monetaria puedeser entendido a través de la caracterización de cómo cambia la com-posición de la tenencia de activos. Dado que en estos modelos no seconsideran imperfecciones de mercado, ante cualquier caída de la in-versión sólo los proyectos menos productivos dejan de financiarse,haciendo que la distribución del financiamiento disponible entre sec-tores sea socialmente eficiente.

3.2 El mecanismo del crédito

La presencia del canal de crédito puede amplificar los efectos delmecanismo tradicional de la política monetaria. Esta teoría consideralos efectos de la hoja de balance de las empresas y los efectos de lospréstamos a través de intermediarios. La presencia de imperfeccionesen el mercado de crédito hace más complejo el cálculo de la eficienciamarginal de los proyectos de inversión. En cuanto a la situación delbalance de las empresas, ésta tiene implicaciones sobre la capacidadde adquirir préstamos, debido a problemas de asimetría de informa-ción y de riesgo moral en los mercados. Las políticas de restricción deliquidez pueden reducir las ventas futuras e incrementar el valor realdel endeudamiento, lo cual deterioraría el valor de las empresas refle-jado en los balances. Con esto, las empresas pierden capacidad decontraer nuevo endeudamiento, dado que se estarían generando in-centivos para subestimar el riesgo de los proyectos de inversión po-tenciales. Como resultado, aumenta la prima de riesgo para nuevoscréditos de las empresas. El efecto de la hoja de balance implica quela curva de la eficiencia marginal de la inversión depende de la pro-porción de deuda de la empresa. Por ende, dado un cambio en la tasade retorno del dinero, los prestamistas estarán dispuestos a concedermenos crédito para un proyecto de inversión determinado en tantomayor sea el nivel de deuda del inversor potencial. Bajo este mecanis-

15

mo, la política monetaria tiene un impacto distributivo dado que afec-ta de manera disímil a los agentes dependiendo de su grado de endeu-damiento. Esto explica cómo pequeños cambios en las tasas de inte-rés pueden tener un impacto importante en la inversión.

Otra explicación para el canal del crédito se basa en el supuestoclave de que existen empresas que sólo pueden financiarse mediantepréstamos bancarios (pequeñas y medianas empresas que no puedenparticipar en el mercado de capitales). Otro supuesto importante esque los activos del portafolio de los agentes se distribuyen entre dine-ro, préstamos y todos los demás activos. Una reducción de la cantidadde dinero tiene un efecto contractivo en las reservas de los bancos ypor ende en los depósitos, lo cual puede traducirse en una reduccióndel crédito. Esto impide que las empresas que se financian únicamen-te mediante créditos obtengan préstamos para nuevos proyectos deinversión, en ausencia de sustitutos cercanos a los créditos. De operareste mecanismo en la economía, los efectos de la política monetariason distributivos desigualmente, pues afectan particularmente a losprestatarios que dependen exclusivamente del crédito.

3.3 El mecanismo cambiario

En economías abiertas, las acciones de política afectan también elcomportamiento del tipo de cambio, lo cual puede distribuirse al restode las variables de la economía. Cabrera y Lagos (2000) esbozan estemecanismo basándose en un modelo desarrollado en Kamin (1996)que intenta explicar la apreciación del tipo de cambio real duranteprocesos de estabilización basados en anclajes cambiarios. El modelose centra en la dinámica del tipo de cambio real en el corto y medianoplazo, con base en desequilibrios entre la demanda y la oferta de bie-nes transables y no transables.

Los supuestos básicos del modelo son: una economía pequeña yabierta que produce bienes transables y no transables; el capital esespecífico a ambos sectores, el factor trabajo es móvil entre sectores ycuenta con rendimientos decrecientes, el precio doméstico de lostransables se determina por el tipo de cambio nominal y el nivel inter-

16

nacional de precios; el precio relativo de los no transables se determi-na a partir del equilibrio de la oferta y la demanda. Los productores encada sector maximizan su beneficio. El tipo de cambio real se definecomo el precio de los bienes transables con relación a los no transables.En este contexto, una expansión monetaria que genere un exceso degasto sobre el producto ocasionará un exceso de demanda en los mer-cados de bienes transables y no transables. En presencia de flujos decapital, el desequilibrio en el mercado de bienes transables se traduce enun incremento de las importaciones financiado por la cuenta de capi-tales. Esto hace que los desbalances en la cuenta comercial no se tra-duzcan, en el corto plazo, en movimientos en el tipo de cambio nomi-nal. Debido a esto, el precio de los bienes transables no se altera. Porel contrario, en el mercado de no transables el exceso de demandagenera un incremento en el precio de estos bienes, resultando ello enuna reducción en el tipo de cambio real.

La versión del modelo es la siguiente:

TCREt = a0 – a1 (G/Y)t a1 > 0 (1)πt

n = b(TCRt-1 – TCREt-1) b > 0 (2)

El tipo de cambio real de “equilibrio”, TCRE, se define en estemodelo como aquél que vacía el mercado de los bienes no transablespara un nivel dado de la demanda agregada en el corto y medianoplazo. Este concepto difiere del concepto tradicional de tipo de cam-bio real de equilibrio como el tipo de cambio que induce el equilibriosostenible en la cuenta corriente para un nivel de producto determi-nado por los fundamentos de la economía, pues el interés del modelose centra en observar la dinámica del tipo de cambio real en el corto ymediano plazo. La ecuación (1) representa pues, el equilibrio en elmercado de bienes no transables, donde el TCRE dependeinversamente de la brecha gasto-producto, G/Y. La ecuación (2) refle-ja un proceso de ajuste parcial de los precios de los bienes no transables,πn, respecto a la brecha entre el tipo de cambio real efectivo y el deequilibrio. Sustituyendo (1) en (2) obtenemos:

πtn = -ba0 + bTCRt-1 + ba1(G/Y)t-1 (3)

17

La ecuación (3) supone que el precio de los no transables se des-liza uniformemente en el tiempo para cerrar la brecha entre el tipo decambio actual y el de equilibrio. Ante un incremento en la brechagasto-producto, el TCRE cae y el ajuste hacia el nuevo equilibrio seconcreta vía incrementos en la inflación en los bienes no transablescon la consiguiente apreciación del TCR. De esta manera, πn depen-derá del tipo de cambio real y de (G/Y). En este contexto, los efectosde los instrumentos de política monetaria y el objetivo de política (in-flación, tipo de cambio, reservas, entre otros), deberá pasar por la re-lación gasto-producto. Por ejemplo, una contracción de base moneta-ria que produzca un alza en las tasas de interés, reducirá la brechagasto-producto incrementando el tipo de cambio real de equilibrio.En un régimen de tipo de cambio predeterminado, esto reducirá laspresiones inflacionarias en los bienes no transables.

18

4. Análisis empírico

En este estudio se emplea la metodología de los vectoresautorregresivos estructurales. La ventaja que ofrece este método, pro-puesto inicialmente por Sims (1986) y Bernanke (1986), sobre losVAR tradicionales es que permite hacer que todos los supuestos deidentificación para recuperar las innovaciones estructurales a partirde los residuos estimados del vector autorregresivo sean consistentescon la teoría económica. Considérese el siguiente modelo en su formaestructural (Enders, 1995):

BXt = Γ0 + Γ1Xt-1 + εt

donde B es la matriz de coeficientes que expresan la relación contem-poránea entre las variables endógenas, Xt es un vector de n variablesendógenas, y εt son las innovaciones estructurales. Se asume que εtson independientes y siguen una distribución normal. Premultiplicandola expresión anterior por B-1 tenemos:

Xt = B-1Γ0 + B-1Γ1Xt-1 + B-1εt

Definiendo A0 = B-1Γ0, A1 = B-1Γ1 y εt = B-1εt, obtenemos el mode-lo estándar de estimación de los VAR:

Xt = A0 + A1Xt-1 + et

Para obtener las funciones impulso-respuesta debemos recuperarlas innovaciones estructurales, εt, a partir de los residuos et del VARen su forma tradicional. Con la metodología de los VAR estructurales,podemos establecer restricciones sobre la matriz B basadas en la teo-ría económica, de manera que se obtengan ortogonalizaciones norecursivas de los errores.

19

Para establecer los supuestos de identificación, en esta investiga-ción se formularon restricciones de corto plazo relativas a la correla-ción contemporánea entre las variables, similares a las empleadas porCabrera y Lagos (2000) para la economía chilena. Consideramos queestos supuestos son razonables para el caso venezolano. A continua-ción enumeramos los supuestos empleados, los cuales se detallan paracada modelo en el Anexo:

• Se supone que la variable instrumento de política no respondecontemporáneamente a otras variables, excepto al comportamientodel tipo de cambio nominal, a las ventas de divisas, al nivel de reser-vas internacionales y a la incidencia fiscal en la base monetaria7.

• Las variables reales (actividad, tipo de cambio real) responden conrezago al resto de las variables, es decir, no existe correlación con-temporánea con el resto de las variables.

• Las variables financieras, como el índice bursátil, respondencontemporáneamente a todas las variables, excepto a las reales, yaque no se dispone de información sobre las mismas para la frecuen-cia mensual.

• El tipo de cambio nominal es predeterminado y por lo tanto no estácorrelacionado contemporáneamente con ninguna otra variable8.

• Los precios sólo responden contemporáneamente al tipo de cambioy no dependen de variables reales contemporáneas.

• El tipo de cambio real sólo reacciona contemporáneamente a cam-bios en el tipo de cambio nominal, en los precios internacionales yen los precios de los bienes no transables.

7 La variable Incidencia fiscal sobre la base monetaria, es calculada en el Departamento deAnálisis Económico del BCV. La metodología consiste en restar a todos los ingresos del go-bierno, tanto internos como externos procedentes del público o del sistema bancario, losegresos por concepto de operaciones cambiarias del gobierno central, transferencias de recur-sos hacia entes distintos del público o del sistema bancario y la variación de las cuentas man-tenidas en el BCV.

8 Siendo el BCV el principal oferente de divisas en el mercado y bajo los regímenes de crawlingpeg, control de cambios y bandas cambiarias existentes a lo largo del período, puede conside-rarse que el tipo de cambio nominal se comportó en forma predeterminada.

20

Los datos empleados son de frecuencia mensual y abarcan el pe-ríodo entre 1989 y 2000. Por una parte, esto puede constituir una limi-tación para nuestro estudio, dado que no pueden hacerse conclusio-nes generales para un período tan corto, particularmente para el cicloeconómico. Pero por otra parte, antes de 1989 se disponían de menosinstrumentos indirectos de política monetaria (ver Cuadro 1 del Anexo),existían controles sobre las tasas de interés y controles sobre la canti-dad de créditos a ciertos sectores económicos, lo cual distorsionaríael análisis de los resultados sobre los mecanismos de transmisión. Eneste sentido, preferimos limitar el estudio a los últimos diez años einterpretar con cautela los resultados.

Para cada mecanismo se incluye el conjunto de variables perti-nentes y se presentan los resultados de las funciones de impulso-res-puesta. Las variables empleadas se detallan en el Cuadro N° 2, asícomo el orden de integración de cada una.

Cuadro N° 2Variables utilizadas y el orden de integración

Abreviación Descripción Orden deintegración1/

CICLO Logaritmo del PIB2/ real desestacionalizado menos la tendencia delargo plazo del PIB real estimada a través del filtro de Hodrick-Prescott I(0)

LCIBBCV Logaritmo del Crédito interno bruto del Banco Central (EstadísticasFinancieras del FMI, línea 12) I(1)

LCIR Logaritmo del Crédito interno real (Estadísticas Financieras del FMI,línea 52) I(1)

LIB Logaritmo del Índice de capitalización bursátil de la Bolsa de Valoresde Caracas I(1)

LINCIDENCIA Logaritmo de la Incidencia fiscal sobre la base monetaria4/ I(0)LIPCS Logaritmo del Índice de precios al consumidor de servicios

(no transables) Base 1997=100 I(2)LIS Logaritmo del Índice de inflación subyacente o Núcleo inflacionario3/ I(2)LM1N Logaritmo de la M1 (efectivo más depósitos a la vista) en términos

nominales I(1)LRINFMI Logaritmo de las Reservas internacionales operativas (Estadísticas

Financieras del FMI, línea 1L) I(1)LTCN Logaritmo del Tipo de cambio nominal I(1)LTCR Logaritmo del Tipo de cambio real estimado como el cociente del IPC

de bienes transables entre el IPC de no transables5/ I(0)LVENTA Logaritmo de las Ventas netas de divisas del Banco Central6/ I(1)

DIAS Número de días laborales en el mesA menos que se indique lo contrario, los datos son obtenidos de las estadísticas publicadas por el BCV.1/ Utilizando el Test de Dickey-Fuller aumentado para raíces unitarias. 2/ El PIB mensual es obtenido a partir de lamensualización del PIB trimestral empleando las variaciones del Igaem (Indicador de producción mensual calculado por elDAC, BCV). 3/ Calculado por el DAC, BCV. 4/ Calculado por el Departamento de Análisis Económico, BCV. 5/ La “proxy”del IPC de transables es el IPC de bienes y la de no transables es el IPC de servicios. 6/ Vicepresidencia de OperacionesInternacionales, BCV.

21

En todos los modelos se incluyeron las variables tipo de cambionominal, ventas netas de divisas, nivel de reservas internacionales netase incidencia fiscal sobre la base monetaria, con el fin de controlar porla información que pueda incidir en el comportamiento de la políticamonetaria, para tratar de evitar problemas de especificación que pue-dan originar la paradoja de los precios9. Estas variables constituyeninformación que la autoridad monetaria posee al momento de ejecutarsus políticas, por lo cual consideramos relevante incluirlas para con-trolar por cualquier efecto de feedback entre estas variables y la varia-ble de política. Igualmente, se incluyó como variable exógena en losmodelos el número de días laborales para controlar por el tiempo efec-tivo de trabajo. Para los modelos monetario y de crédito se tomó comoindicador de los precios el Índice del núcleo inflacionario, por consi-derarlo una buena “proxy” de los componentes de los precios quepueden estar mayormente afectados por la cantidad de dinero. El índi-ce bursátil de la Bolsa de Valores de Caracas se tomó como “proxy”del valor de los activos financieros en el modelo monetario.

Como vimos en la Sección 2, la instrumentación de la programa-ción monetaria en Venezuela ha estado fundamentada en agregadosmonetarios. Por esta razón empleamos como variables de política agre-gados monetarios, tales como el crédito interno bruto del Banco Cen-tral, M1 y el dinero base. Estudios previos para el caso venezolanotambién han empleado agregados monetarios como instrumento depolítica. Por ejemplo, Guerra, Rodríguez y Sánchez (1996), utilizanM1 para estudiar los mecanismos de transmisión de la política mone-taria en Venezuela, por encontrar que con este agregado se obtienenmejores resultados que con el dinero base. Por otra parte, López yZambrano (2000), encuentran que el agregado monetario que tienemayor impacto en la inflación, para el caso venezolano, es M1. Eneste estudio decidimos incorporar, además, el crédito bruto del Banco

9 Si el impulso de política monetaria contiene respuestas de la autoridad monetaria a variables noincluidas en el VAR, ello distorsiona los resultados de las funciones impulso-respuesta. Esteproblema se ha identificado como uno de los causantes de la paradoja de los precios (pricepuzzle). Algunos investigadores han encontrado que al incluir en el VAR variables que puedanser buenas “proxy” de información que disponga la autoridad monetaria sobre la inflaciónfutura (precios de commodities, por ejemplo), el problema de identificación puede ser eliminado(Bernanke (1995)). En el caso venezolano, incluimos variables cambiarias y fiscales.

22

Central, siendo éste el componente de la base monetaria sobre el cualel Banco Central tiene mayor control. Los resultados con dinero baseson similares a aquellos obtenidos con M1, por lo cual sólo mostra-mos los resultados con dinero base en el Anexo.

Las estimaciones de los VAR estructurales se realizaron con lasvariables tanto en niveles como en primeras diferencias. Dado quenuestro interés se centra en el análisis de las funciones impulso-res-puesta y no en realizar predicciones a partir del modelo, el empleo delas variables en niveles para las estimaciones no representa mayorproblema10. Por otra parte, al estimar con variables en niveles se con-serva información de las variables que se pierde al tomar diferencias.Se emplearon los criterios de información de Schwarz y de Hannan-Quinn para establecer la estructura de rezagos11. La estimación de losvectores autorregresivos para cada modelo se realiza por mínimoscuadrados ordinarios y los resultados se presentan en el Anexo. Laestimación de la matriz B para la ortogonalización de los residuos serealiza por el método de máxima verosimilitud, empleando las res-tricciones establecidas para cada modelo. Se probó la inclusión devariables dummies en las fechas durante las cuales estuvo vigente elcontrol de cambio, pero no resultaron significativas ni mejoraron losresultados de la estimación, por lo que decidimos excluirlas de lasestimaciones que presentamos. Las versiones de los modelos en nive-les ajustaron mejor los datos y a partir de ellas se derivaron las funcio-nes impulso-respuesta que mostramos a continuación.

10 Existe una discusión en la literatura sobre si deben incluirse variables en niveles o en diferen-cias. Las variables en diferencia son generalmente estacionarias, lo cual no necesariamente esel caso de las variables en niveles. Quienes advocan por incluir las variables diferenciadasconsideran que al trabajar con variables estacionarias nos acercamos al proceso generador dedatos y es posible interpretar los distintos tests de hipótesis. En tanto, los autores que prefierenincluir las variables en niveles señalan que al diferenciar se puede perder información valiosapara las funciones impulso-respuesta, que constituyen el centro de este tipo de análisis. VerCabrera y Lagos (1998).

11 Al realizar la prueba para un número de rezagos no mayor de 6, generalmente obteníamos quela estructura óptima de rezagos es de 1. Al realizar las pruebas incluyendo hasta 12 rezagos, elnúmero óptimo de rezagos era mayor; sin embargo, los grados de libertad disminuíansignificativamente al incluir más de 6 rezagos en los modelos, arrojando resultados inestables.Por esta razón, decidimos optar por incluir sólo un rezago en los modelos.

23

Seguidamente estimamos una función de reacción para el BancoCentral y luego contrastamos los distintos modelos para los mecanis-mos de transmisión de la política monetaria.

4.1Función de reacción del Banco Central

En este apartado se pretende indagar a continuación si el BancoCentral ajusta la política monetaria en función del desempeño de va-riables como la inflación y la brecha del producto con respecto a sutendencia. Por ejemplo, la regla de Taylor (Taylor, 1993), sugiere laaplicación de una política restrictiva cuando la inflación excede suobjetivo o el producto está por encima de su tendencia.

Para el caso venezolano queremos averiguar cómo reacciona lapolítica monetaria, no sólo ante el ciclo y la inflación (si opera la re-gla de Taylor), sino también qué tanto es afectada por variables liga-das a la política cambiaria, tales como las ventas netas de divisas, lasvariaciones del tipo de cambio nominal y el nivel de reservas interna-cionales. Igualmente resulta interesante indagar si efectivamente lasvariables de origen fiscal tienen un impacto importante en el compor-tamiento de los agregados monetarios.

Los resultados de las funciones impulso-respuesta, mostradasen la página siguiente12, sugieren que la política monetaria no reac-ciona ante desviaciones del producto respecto a su tendencia en elcorto plazo, dado que la respuesta de las variables de política, M1 ycrédito del Banco Central, a la variable ciclo no es significativa13.Sin embargo, no podemos hacer inferencias sobre el comportamien-to de la política monetaria frente a los ciclos económicos a partir deeste resultado, ya que sólo contamos con un período de diez añospara los datos. Para obtener conclusiones más robustas en este sen-

12 Los resultados con dinero base como variable de política son muy similares a los resultadoscon M1. Por ello sólo incluimos los resultados con M1, y los resultados con dinero base loscolocamos como Anexo.

13 El criterio de significación empleado en el informe es del 5%.

24

tido, deberíamos emplear datos trimestrales o anuales para períodosmás largos. Lamentablemente, no se disponen de los datos necesariospara este tipo de análisis.

En cuanto a los precios, se observa una respuesta positiva de lasvariables de política monetaria a los precios y significativa a partirdel mes 7, cuando la variable de política es el crédito del Banco Cen-tral. Esto sugiere que la política monetaria ha sido pasiva en cuanto alos precios: se evidencian aumentos de los agregados monetarios conrezago probablemente para cubrir el incremento nominal de la de-manda de saldos monetarios, generado éste por el incremento del ni-vel de precios.

En cuanto a las variables relacionadas con la política cambiaria(tipo de cambio y ventas netas de divisas) los resultados parecen dife-rir según se tome a M1 o al crédito del Banco Central como variablede política. Para el caso de M1, el Banco Central parece respondercon un recorte temporal y significativo de liquidez ante incrementosen las ventas netas de divisas, lo cual puede corresponderse con unapolítica dirigida a mantener el tipo de cambio.

Sin embargo, cuando consideramos como variable de política alcrédito del Banco Central, los resultados de la función de reacciónsugieren una respuesta pasiva de la institución a incrementar el cré-dito ante shocks positivos tanto en el tipo de cambio como en lasventas netas de divisas. Esta discrepancia en los resultados nos re-sulta un tanto paradójica y no tenemos una hipótesis clara de quépueda explicarla.

Con las reservas internacionales se evidencia una respuesta nega-tiva de las variables de política con un rezago de al menos diez perío-dos, a partir del momento en que la respuesta se torna significativa ashocks positivos en el nivel de las RIN. Ello puede sugerir que lapolítica monetaria trata de esterilizar aumentos no esperados en elnivel de reservas internacionales.

25

-.12

-.08

-.04

.00

.04

.08

.12

5 10 15 20

Respuesta de LCIBBCVa innovaciones en CICLO

-.12

-.08

-.04

.00

.04

.08

.12

5 10 15 20

Respuesta de LCIBBCVa innovaciones en LIS

-.12

-.08

-.04

.00

.04

.08

.12

5 10 15 20

Respuesta de LCIBBCVa innovaciones en LTCN

-.12

-.08

-.04

.00

.04

.08

.12

5 10 15 20

Respuesta de LCIBBCVa innovaciones en LINCIDENCIA

-.12

-.08

-.04

.00

.04

.08

.12

5 10 15 20

Respuesta de LCIBBCVa innovaciones en LVENTA

-.12

-.08

-.04

.00

.04

.08

.12

5 10 15 20

Respuesta de LCIBBCVa innovaciones en LRINFMI

-.08

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LM1Na innovaciones en CICLO

-.08

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LM1Na innovaciones en LIS

-.08

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LM1Na innovaciones en LTCN

-.08

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LM1Na innovaciones en LINCIDENCIA

-.08

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LM1Na innovaciones en LVENTA

-.08

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LM1Na innovaciones en LRINFMI

Funciones de reacción del Banco Central a innovaciones de 1 desviación estándar estructural(línea punteada: ± 2 ± 2 ± 2 ± 2 ± 2 desv. estándar del error)

Meta intermedia: Log crédito bruto del Banco Central

Funciones de reacción del Banco Central a innovaciones de 1 desviación estándar estructural(línea punteada: ± 2 ± 2 ± 2 ± 2 ± 2 desv. estándar del error)

Meta intermedia: Log M1 nominal

26

Por su parte, el impacto positivo de las variables fiscales sobrelos agregados monetarios parece ser de carácter transitorio. Cuandotomamos como medida de política el crédito del Banco Central, larespuesta no es significativa, mientras que con M1 la respuesta sóloresulta significativa por 4 períodos. Lo anterior evidencia un com-portamiento pasivo de la política monetaria ante shocks fiscales. Nosresulta interesante que la respuesta expansiva de la política moneta-ria en el corto plazo ante incrementos del gasto público, no pareceverse contrarrestada por recortes en períodos siguientes y que sólose generen restricciones de liquidez ante shocks en las reservas in-ternacionales. Esto quizás no sea sorprendente, dada la presencia deregímenes cambiarios predeterminados durante la mayor parte delperíodo analizado.

De estos resultados se desprende que las decisiones de políticamonetaria se ven afectadas por un conjunto de variables por las quedebemos controlar para obtener los impulsos de política, lo cual seanaliza en la próxima sección.

4.2 Mecanismos de transmisión

4.2.1 Mecanismo monetario

Las variables incluidas en el VAR son: LCIBBCV o M1, LIB,CICLO, LIS, LTCN, LINCIDENCIA, LVENTA, LRINFMI. Los re-sultados para este mecanismo sugieren una respuesta positiva y sig-nificativa del ciclo durante dos períodos, cuando la variable de polí-tica es el crédito del Banco Central. Igualmente, los precios mues-tran un impacto positivo y significativo entre los períodos 2 al 22.La respuesta del índice bursátil a un shock en la variable de políticano resulta significativa. Esto puede deberse a que el índice bursátilno resulta una “proxy” adecuada del valor de los activos financie-ros, dadas las imperfecciones y poca profundidad del mercado decapitales en Venezuela.

27

Como alternativa, podría considerarse el precio de un activo decapital como los bienes inmobiliarios. Desafortunadamente, para estavariable sólo se disponen de datos de frecuencia mensual a partir de1997. Con M1, los resultados son bastante similares, sólo que la res-puesta de los precios no resulta significativa.

4.2.2 Mecanismo del crédito

Las variables empleadas en el VAR son: LCIBBCV o M1, LCIR,CICLO, LIS, LINCIDENCIA, LTCN, LRINFM1, LVENTA. Para estemecanismo tenemos resultados similares tanto al emplear M1 comoel crédito del banco central. Se evidencia en ambos casos una expan-sión significativa y transitoria del crédito real del sistema financieroen respuesta a un impulso de la variable de política14.

-.004

-.002

.000

.002

.004

.006

5 10 15 20

Respuesta de CICLOa innovaciones en LCIBBCV

-.02

.00

.02

.04

.06

.08

.10

5 10 15 20

Respuesta de LISa innovaciones en LCIBBCV

-.04

.00

.04

.08

.12

.16

5 10 15 20

Respuesta de LIBa innovaciones en LCIBBCV

-.006

-.004

-.002

.000

.002

.004

.006

5 10 15 20

Respuesta deCICLOa innovaciones en LM 1N

-.02

.00

.02

.04

.06

.08

.10

5 10 15 20

Respuesta deLISa innovaciones en LM 1N

-.08

-.04

.00

.04

.08

.12

5 10 15 20

Respuesta deLIBa innovaciones en LM 1N

14 Resultados similares se obtuvieron al emplear el crédito nominal del sistema financiero en elmodelo en lugar del crédito real.

Mecanismo monetaristaFunciones impulso-respuesta a innovaciones de 1 desviación estándar estructural

(línea punteada: ± 2 ± 2 ± 2 ± 2 ± 2 desv. estándar del error)Meta intermedia: Log crédito bruto del Banco Central


(línea punteada: ± 2 ± 2 ± 2 ± 2 ± 2 desv. estándar del error)Meta intermedia: Log M1 Nominal

28

La variable ciclo también evidencia un incremento transitorio anteshocks de M1 o del crédito del Banco Central (significativo entre elmes 2 y el mes 4). Los precios muestran una respuesta positiva y sig-nificativa entre los meses 2 y 21, cuando la variable de política es elcrédito del Banco Central, pero no es significativa para M1.

El modelo sugiere que las variables crédito real del sistema fi-nanciero y ciclo se ven afectadas transitoriamente por el shock depolítica, pero que luego el efecto se traslada en forma más permanen-te hacia precios. Se observa, además una relación directa entre créditoy precios: ante un shock al crédito real del sistema financiero (LCIR)los precios muestran una respuesta positiva y significativa durante losprimeros nueve meses.

-.006

-.004

-.002

.000

.002

.004

.006

5 10 15 20-.04

-.02

.00

.02

.04

.06

.08

5 10 15 20-.04

-.02

.00

.02

.04

.06

.08

5 10 15 20-.04

-.02

.00

.02

.04

.06

5 10 15 20

-.002

.000

.002

.004

.006

5 10 15 20

a innovaciones en LM1N

-.02

-.01

.00

.01

.02

.03

.04

.05

5 10 15 20


-.02

-.01

.00

.01

.02

.03

5 10 15 20


Mecanismo de créditoFunciones impulso-respuesta a innovaciones de 1 desviación estándar estructural




Respuesta de CICLO Respuesta de LIS Respuesta de LIS Respuesta de LCIRa innovaciones en LCIBBCV a innovaciones en LCIBBCV a innovaciones en LCIR a innovaciones en LCIBBCV

Repuesta de CICLO Respuesta de LIS Respuesta de LCIRa innovaciones en LMIN a innovaciones en LMIN a innovaciones en LMIN

29

4.2.3 Mecanismo cambiario

Las variables del VAR son: LCIBBCV o M1, LCIBBCV, CI-CLO, LIPCS, LTCR, LVENTA, LRINFMI, LINCIDENCIA, LTCN.Bajo el mecanismo cambiario, la respuesta del ciclo a los shocks depolítica no resultó significativa. Los precios de los bienes notransables muestran una respuesta positiva pero sólo resulta signifi-cativa cuando se emplea el crédito del Banco Central como variablede política. El tipo de cambio real experimenta un incremento (apre-ciación) que resulta significativo hasta el mes 12, independiente-mente de la variable de política.

De estos tres modelos, el que mejor parece ajustarse a los datos esel del mecanismo de crédito. Ello, sin embargo, no descarta que pue-da estar operando el canal monetario en la economía y que nuestroresultado para ese modelo se deba a que el índice bursátil no constitu-ye una buena “proxy” para el valor de los activos financieros.

-.004

-.002

.000

.002

.004

.006

.008

5 10 15 20-.02

-.01

.00

.01

.02

.03

.04

.05

5 10 15 20-.02

-.01

.00

.01

.02

.03

5 10 15 20

Respuesta de LTCRa innovaciones en LCIBBCV

Respuesta de CICLOa innovaciones en LCIBBCV

Respuesta de LIPCSa innovaciones en LCIBBCV

-.003

-.002

-.001

.000

.001

.002

.003

.004

.005

5 10 15 20

Respuesta de CICLOa innovaciones en LM1N

-.02

-.01

.00

.01

.02

.03

.04

.05

.06

5 10 15 20

Respuesta de LIPCSa innovaciones en LM1N

-.010

-.005

.000

.005

.010

.015

.020

5 10 15 20

Respuesta de LTCRa innovaciones en LM1N

Mecanismo cambiarioFunciones impulso-respuesta a innovaciones de 1 desviación estándar estructural




30

Cabe resaltar que en todos los casos se logró eliminar el problemadel price puzzle; como vimos anteriormente, el Banco Central pareceincluir información de variables fiscales y cambiarias en su funciónde reacción. Pensamos que el controlar por esas variables en losmodelos anteriores contribuyó a la eliminación de los problemas deespecificación que generan el problema del price puzzle.

Por último, vale la pena mencionar que se ensayaron tambiénmodelos con corrección de errores para los distintos mecanismos detransmisión, aunque nos concentramos fundamentalmente en el exa-men del mecanismo de crédito. En primer lugar, no encontramos rela-ciones a largo plazo estables y coherentes teóricamente para la totali-dad de las variables del modelo. Adicionalmente, encontramos querestringiendo la relación de largo plazo únicamente al agregado mo-netario y a la inflación subyacente, siguiendo a Guerra, Rodríguez ySánchez (1998), hallamos efectivamente una relación de cointegración.Para derivar las funciones impulso-respuesta del modelo de vectorcon corrección de errores, VEC, empleamos la descomposición deCholeski y encontramos que cualquier alteración en el orden de lasvariables altera en gran medida los resultados. Por otra parte, nota-mos que la bondad del ajuste del modelo VEC no supera a la del mo-delo con vectores autorregresivos estructurales, por lo que pensamosque los resultados con los VAR estructurales son más adecuados eneste caso.

31

5. Conclusiones

En este trabajo analizamos la función de reacción del Banco Cen-tral y los mecanismos de transmisión de la política monetaria en Ve-nezuela empleando la técnica de vectores autorregresivos estructura-les. Los resultados de la estimación de la función de reacción del Ban-co Central no parecen sorprendentes, ya que sugieren que la políticamonetaria exhibe por una parte, cambios permanentes y en la mismadirección frente a shocks en los precios y por otra, respuestas transito-rias ante shocks de origen fiscal. Las fluctuaciones del producto en elmuy corto plazo parecen no producir cambios en la dirección de lapolítica monetaria. En respuesta a shocks positivos en las reservasinternacionales, la autoridad monetaria parece responder con recortesde liquidez o crédito con rezago. Ello puede responder a una estrate-gia de esterilización de recursos, para evitar que movimientos en lasreservas afecten los saldos monetarios. Recordemos que la políticamonetaria ha estado limitada durante la mayor parte del período ana-lizado por regímenes cambiarios con cierto grado de predeterminación,lo cual no deja muchos grados de libertad para la conducción de unapolítica contracíclica tendiente a suavizar las fluctuaciones del pro-ducto o a recortar la liquidez ante presiones inflacionarias.

Al controlar por variables fiscales y cambiarias que intervienenen la función de reacción del Banco Central, logramos eliminar elproblema de la paradoja de los precios en los modelos de mecanismosde transmisión. El modelo del mecanismo de crédito es el que pareceajustar mejor los datos, lo cual sugiere que este mecanismo puedeestar operando en nuestra economía. Ello no significa, sin embargo,que los otros mecanismos no estén operando. En el caso del mecanis-mo monetario tradicional, el que el modelo planteado no ajuste bienlos datos puede deberse a que el índice bursátil representa una “proxy”inadecuada del valor de los activos financieros.

32

Checcetti (1995), entre otros autores, señala algunas limitacionesdel uso de los datos agregados para contrastar la existencia del meca-nismo de crédito. Particularmente, se hace difícil distinguir entre losefectos del mecanismo monetario y de crédito con datos agregados,pues la cercana relación entre activos y pasivos de la banca, represen-ta una traba para identificar si los efectos sobre el producto provienendel lado de la demanda, tal como sugiere el mecanismo monetario ode la oferta, como predice el mecanismo de crédito. En este sentido,los resultados de este trabajo no deben tomarse como concluyentes.Estudios posteriores sobre el tema deberían emplear datos de cortetransversal de las empresas para verificar si la política monetaria tie-ne efectos distributivos, lo cual podría arrojar evidencia más sólida afavor de la presencia del mecanismo de crédito. Dichos estudios estánsujetos, por supuesto, a la disponibilidad de datos en Venezuela.

33

ANEXO

34

35

36

37

38

39

40

Cuadro N° 2Supuestos de identificación para la función de reacción del Banco Central

Variable Dependencia contemporánea

LCIBBCV LINCIDENCIA, LTCN, LVENTA, LRINFMICICLO ExógenaLIS LTCNLTCN ExógenaLINCIDENCIA ExógenaLVENTA ExógenaLRINFMI LVENTA

Supuestos de identificación para el mecanismo monetario


LINCIDENCIA ExógenaLTCN ExógenaLCIBBCV LINCIDENCIA, LTCN, LVENTA, LRINFMILIB LINCIDENCIA, LTCN, LIS, LRINFMICICLO ExógenaLIS LTCNLVENTA ExógenaLRINFMI LVENTA

Supuestos de identificación para el mecanismo crediticio


LINCIDENCIA ExógenaLTCN ExógenaLCIBBCV LINCIDENCIA, LTCN, LVENTA, LRINFMILCIR LTCN, LCIBBCVCICLO ExógenaLIS LTCNLRINFMI LVENTALVENTA Exógena

Supuestos de identificación para el mecanismo cambiario


LINCIDENCIA ExógenaLTCN ExógenaLCIBBCV LINCIDENCIA, LTCN, LVENTA, LRINFMICICLO ExógenaLIPCS LTCNLTCR LTCN, LIPCSLVENTA ExógenaLRINFMI LVENTA

41

Cuadro N° 3Estimadores del vector autorregresivo para el mecanismo monetario

Instrumento de política monetaria: Log crédito bruto del Banco Central

Muestra: 1991:02 2000:12Observaciones incluidas: 111Errores estándar en ( ) y estadísticos t en [ ]

LINCIDENCIA LTCN LCIBBCV LIB CICLO LIS LVENTA LRINFMI

LINCIDENCIA(-1) 0.136859 0.004161 0.007807 0.004497 0.004347 -3.59E-05 0.172519 0.012370 (0.09152) (0.01214) (0.01327) (0.03431) (0.00644) (0.00242) (0.13926) (0.01324)[ 1.49537] [ 0.34274] [ 0.58815] [ 0.13105] [ 0.67550] [-0.01483] [ 1.23880] [ 0.93398]

LTCN(-1) -0.757237 0.772122 -0.092168 0.047874 -0.107354 0.012955 -0.739766 0.233628 (0.62009) (0.08226) (0.08994) (0.23249) (0.04360) (0.01642) (0.94355) (0.08973)[-1.22117] [ 9.38622] [-1.02478] [ 0.20592] [-2.46217] [ 0.78907] [-0.78402] [ 2.60363]

LCIBBCV(-1) 0.360037 0.107688 0.894287 0.085424 0.070989 0.034986 0.309541 -0.263482 (0.48400) (0.06421) (0.07020) (0.18147) (0.03403) (0.01282) (0.73648) (0.07004)[ 0.74387] [ 1.67717] [ 12.7389] [ 0.47073] [ 2.08593] [ 2.73008] [ 0.42030] [-3.76193]

LIB(-1) 0.340381 0.046732 0.112245 0.921822 0.011401 0.003451 -0.470705 0.105450 (0.16749) (0.02222) (0.02429) (0.06280) (0.01178) (0.00443) (0.25486) (0.02424)[ 2.03221] [ 2.10317] [ 4.62035] [ 14.6789] [ 0.96804] [ 0.77824] [-1.84689] [ 4.35068]

CICLO(-1) -0.425161 0.179522 -0.063882 -0.302623 0.164650 0.090968 0.816900 -0.171993 (1.32092) (0.17523) (0.19159) (0.49526) (0.09288) (0.03497) (2.00996) (0.19115)[-0.32187] [ 1.02447] [-0.33343] [-0.61104] [ 1.77272] [ 2.60099] [ 0.40643] [-0.89979]

LIS(-1) 0.825578 0.072761 0.101812 -0.051686 0.009214 0.962921 0.393967 -0.032053 (0.29011) (0.03849) (0.04208) (0.10877) (0.02040) (0.00768) (0.44144) (0.04198)[ 2.84577] [ 1.89059] [ 2.41962] [-0.47518] [ 0.45170] [ 125.361] [ 0.89247] [-0.76351]

LVENTA(-1) -0.190364 0.004581 0.005690 -0.001789 0.008195 -0.000951 0.160257 -0.016469 (0.06201) (0.00823) (0.00899) (0.02325) (0.00436) (0.00164) (0.09436) (0.00897)[-3.06974] [ 0.55685] [ 0.63256] [-0.07694] [ 1.87947] [-0.57909] [ 1.69834] [-1.83521]

LRINFMI(-1) 0.343517 -0.197928 -0.238401 -0.071541 0.010075 -0.064053 1.424338 0.933302 (0.23350) (0.03098) (0.03387) (0.08755) (0.01642) (0.00618) (0.35530) (0.03379)[ 1.47119] [-6.38979] [-7.03937] [-0.81718] [ 0.61367] [-10.3607] [ 4.00888] [ 27.6217]

C 1.345910 1.245155 2.005848 0.649770 -0.455444 0.467908 -7.304393 0.932343 (2.05616) (0.27277) (0.29823) (0.77092) (0.14458) (0.05444) (3.12872) (0.29754)[ 0.65457] [ 4.56485] [ 6.72583] [ 0.84285] [-3.15017] [ 8.59475] [-2.33463] [ 3.13349]

DIAS 0.016570 0.000654 -0.003479 -0.002330 0.004572 0.000213 0.010718 -0.001703 (0.02370) (0.00314) (0.00344) (0.00888) (0.00167) (0.00063) (0.03606) (0.00343)[ 0.69927] [ 0.20805] [-1.01212] [-0.26224] [ 2.74398] [ 0.34005] [ 0.29726] [-0.49661]

R-squared 0.909096 0.997629 0.997485 0.977722 0.379379 0.999940 0.332764 0.961700 Adj. R-squared 0.900995 0.997418 0.997261 0.975737 0.324076 0.999935 0.273307 0.958287 Sum sq. resids 12.79793 0.225227 0.269234 1.799078 0.063275 0.008972 29.63198 0.267993 S.E. equation 0.355967 0.047223 0.051630 0.133464 0.025030 0.009425 0.541651 0.051511 F-statistic 112.2287 4721.962 4450.317 492.5110 6.860021 187348.5 5.596738 281.7863 Log likelihood -37.60850 186.6076 176.7024 71.28302 257.0719 365.4851 -84.20465 176.9589 Akaike AIC 0.857811 -3.182118 -3.003646 -1.104199 -4.451746 -6.405138 1.697381 -3.008269 Schwarz SC 1.101913 -2.938016 -2.759545 -0.860097 -4.207644 -6.161036 1.941483 -2.764167 Mean dependent 12.13907 5.423958 8.384651 7.832952 0.001678 6.453516 6.593317 9.191311 S.D. dependent 1.131309 0.929290 0.986442 0.856820 0.030444 1.166925 0.635395 0.252212

Determinant Residual Covariance 1.58E-19 Log Likelihood (d.f. adjusted) 1142.695 Akaike Information Criteria -19.14766 Schwarz Criteria -17.19485

42

Cuadro N° 4Estimadores del vector autorregresivo para el mecanismo crediticio



LINCIDENCIA LTCN LCIBBCV LCIR CICLO LIS LRINFMI LVENTA

LINCIDENCIA(-1) 0.150013 0.007846 0.014432 0.005867 0.005019 0.000386 0.017524 0.150246 (0.09105) (0.01216) (0.01453) (0.01366) (0.00643) (0.00236) (0.01403) (0.14001)[ 1.64764] [ 0.64547] [ 0.99351] [ 0.42963] [ 0.78049] [ 0.16349] [ 1.24875] [ 1.07313]

LTCN(-1) -1.075068 0.827776 -0.076121 -0.292001 -0.105781 0.024971 0.192185 -0.516039 (0.64883) (0.08663) (0.10352) (0.09732) (0.04583) (0.01682) (0.10000) (0.99772)[-1.65693] [ 9.55580] [-0.73532] [-3.00051] [-2.30835] [ 1.48484] [ 1.92180] [-0.51722]

LCIBBCV(-1) 1.185555 0.113183 1.035247 0.140869 0.085368 0.026806 -0.069670 -0.597667 (0.49029) (0.06546) (0.07822) (0.07354) (0.03463) (0.01271) (0.07557) (0.75393)[ 2.41809] [ 1.72908] [ 13.2343] [ 1.91562] [ 2.46533] [ 2.10939] [-0.92197] [-0.79274]

LCIR(-1) -0.971273 0.111927 -0.021742 0.800192 -0.002348 0.027794 -0.160042 0.810080 (0.47981) (0.06406) (0.07655) (0.07197) (0.03389) (0.01244) (0.07395) (0.73781)[-2.02430] [ 1.74724] [-0.28402] [ 11.1191] [-0.06930] [ 2.23497] [-2.16414] [ 1.09795]

CICLO(-1) 0.212110 0.199893 0.064566 0.127755 0.177735 0.087128 -0.013114 0.081513 (1.31499) (0.17556) (0.20980) (0.19723) (0.09287) (0.03408) (0.20268) (2.02210)[ 0.16130] [ 1.13857] [ 0.30775] [ 0.64774] [ 1.91372] [ 2.55633] [-0.06471] [ 0.04031]

LIS(-1) 0.395686 0.068455 0.026649 0.070708 0.001548 0.966960 -0.133811 0.869539(0.29092) (0.03884) (0.04642) (0.04363) (0.02055) (0.00754) (0.04484) (0.44735)

[ 1.36014] [ 1.76247] [ 0.57414] [ 1.62049] [ 0.07536] [ 128.239] [-2.98429] [ 1.94376]

LRINFMI(-1) 0.145186 -0.106238 -0.159056 -0.101914 0.018067 -0.047813 0.940153 1.440151 (0.30109) (0.04020) (0.04804) (0.04516) (0.02127) (0.00780) (0.04641) (0.46300)[ 0.48220] [-2.64280] [-3.31098] [-2.25671] [ 0.84957] [-6.12673] [ 20.2589] [ 3.11048]

LVENTA(-1) -0.192396 0.003855 0.004475 0.006264 0.008072 -0.001040 -0.017355 0.164040(0.06200) (0.00828) (0.00989) (0.00930) (0.00438) (0.00161) (0.00956) (0.09534)

[-3.10315] [ 0.46572] [ 0.45242] [ 0.67362] [ 1.84341] [-0.64717] [-1.81614] [ 1.72058]

C 7.474964 -0.053599 1.421912 1.693293 -0.513533 0.201590 1.602018 -11.12864 (4.51933) (0.60338) (0.72105) (0.67785) (0.31919) (0.11714) (0.69656) (6.94951)[ 1.65400] [-0.08883] [ 1.97200] [ 2.49804] [-1.60887] [ 1.72097] [ 2.29991] [-1.60136]

DIAS 0.015277 -0.000291 -0.004838 -0.003188 0.004434 8.25E-05 -0.002544 0.014172(0.02365) (0.00316) (0.00377) (0.00355) (0.00167) (0.00061) (0.00365) (0.03637)

[ 0.64594] [-0.09201] [-1.28223] [-0.89882] [ 2.65455] [ 0.13460] [-0.69783] [ 0.38969]

R-squared 0.909068 0.997598 0.996955 0.971870 0.373650 0.999943 0.956538 0.318365 Adj. R-squared 0.900965 0.997384 0.996684 0.969364 0.317837 0.999937 0.952665 0.257625 Sum sq. resids 12.80184 0.228194 0.325880 0.287998 0.063859 0.008600 0.304115 30.27141 S.E. equation 0.356021 0.047533 0.056803 0.053399 0.025145 0.009228 0.054873 0.547464 F-statistic 112.1910 4660.431 3674.795 387.7242 6.694642 195442.5 246.9831 5.241465 Log likelihood -37.62543 185.8813 166.1048 172.9632 256.5619 367.8324 169.9412 -85.38955 Akaike AIC 0.858116 -3.169033 -2.812699 -2.936274 -4.442558 -6.447431 -2.881823 1.718731 Schwarz SC 1.102218 -2.924931 -2.568597 -2.692172 -4.198456 -6.203330 -2.637721 1.962832 Mean dependent 12.13907 5.423958 8.384651 4.308007 0.001678 6.453516 9.191311 6.593317 S.D. dependent 1.131309 0.929290 0.986442 0.305082 0.030444 1.166925 0.252212 0.635395


43

Cuadro N° 5Estimadores del vector autorregresivo para el mecanismo cambiario



LINCIDENCIA LTCN LCIBBCV CICLO LIPCS LTCR LVENTA LRINFMI

LINCIDENCIA(-1) 0.168422 0.007229 0.014706 0.003614 0.000462 0.000157 0.140749 0.016504 (0.09123) (0.01100) (0.01402) (0.00631) (0.00229) (0.00280) (0.13755) (0.01411)[ 1.84614] [ 0.65740] [ 1.04910] [ 0.57224] [ 0.20154] [ 0.05599] [ 1.02326] [ 1.17004]

LTCN(-1) -0.718713 0.816683 -0.052989 -0.109156 0.023694 0.011430 -0.973264 0.264470 (0.63780) (0.07687) (0.09800) (0.04415) (0.01604) (0.01959) (0.96163) (0.09862)[-1.12687] [ 10.6235] [-0.54072] [-2.47248] [ 1.47755] [ 0.58331] [-1.01210] [ 2.68181]

LCIBBCV(-1) 0.740337 0.325474 1.108030 0.063141 0.022357 0.078258 -0.556105 -0.150293 (0.53625) (0.06464) (0.08239) (0.03712) (0.01348) (0.01647) (0.80853) (0.08292)[ 1.38057] [ 5.03553] [ 13.4478] [ 1.70102] [ 1.65816] [ 4.75014] [-0.68780] [-1.81260]

CICLO(-1) -0.086853 0.235009 0.059574 0.175476 0.097239 0.016728 0.238804 -0.051095 (1.33222) (0.16057) (0.20469) (0.09222) (0.03350) (0.04093) (2.00864) (0.20599)[-0.06519] [ 1.46355] [ 0.29104] [ 1.90287] [ 2.90302] [ 0.40871] [ 0.11889] [-0.24805]

LIPCS(-1) 0.642276 -0.171601 -0.074713 0.031368 0.969498 -0.095321 1.148787 -0.088808 (0.47163) (0.05685) (0.07246) (0.03265) (0.01186) (0.01449) (0.71109) (0.07292)[ 1.36183] [-3.01870] [-1.03102] [ 0.96084] [ 81.7585] [-6.57869] [ 1.61553] [-1.21783]

LTCR(-1) 0.370154 -0.530710 -0.260602 0.073387 0.005119 0.766013 1.446575 -0.018860 (0.99117) (0.11947) (0.15229) (0.06861) (0.02492) (0.03045) (1.49442) (0.15325)[ 0.37345] [-4.44231] [-1.71120] [ 1.06964] [ 0.20540] [ 25.1558] [ 0.96798] [-0.12306]

LVENTA(-1) -0.195932 0.001881 0.003222 0.008518 -0.000602 0.000307 0.168114 -0.016948 (0.06319) (0.00762) (0.00971) (0.00437) (0.00159) (0.00194) (0.09527) (0.00977)[-3.10065] [ 0.24691] [ 0.33188] [ 1.94737] [-0.37912] [ 0.15818] [ 1.76452] [-1.73463]

LRINFMI(-1) 0.617148 -0.233474 -0.185276 0.029230 -0.050898 -0.049891 1.187417 1.023447 (0.23405) (0.02821) (0.03596) (0.01620) (0.00588) (0.00719) (0.35289) (0.03619)[ 2.63683] [-8.27620] [-5.15208] [ 1.80420] [-8.64922] [-6.93850] [ 3.36488] [ 28.2809]

C -0.956059 3.429912 2.497264 -0.850513 0.266587 1.155818 -8.504528 0.010786 (4.75025) (0.57256) (0.72987) (0.32881) (0.11944) (0.14594) (7.16214) (0.73448)[-0.20126] [ 5.99053] [ 3.42151] [-2.58661] [ 2.23206] [ 7.91994] [-1.18743] [ 0.01468]

DIAS 0.013358 0.000108 -0.004889 0.004239 0.000228 0.000702 0.015887 -0.003288 (0.02393) (0.00288) (0.00368) (0.00166) (0.00060) (0.00074) (0.03608) (0.00370)[ 0.55817] [ 0.03740] [-1.32958] [ 2.55876] [ 0.37949] [ 0.95502] [ 0.44030] [-0.88855]

R-squared 0.906002 0.998001 0.997112 0.372190 0.999953 0.996694 0.315450 0.954616Adj. R-squared 0.897708 0.997824 0.996857 0.316795 0.999949 0.996403 0.255048 0.950611Sum sq. resids 13.37359 0.194290 0.315724 0.064079 0.008454 0.012623 30.40186 0.319727S.E. equation 0.362096 0.043644 0.055636 0.025064 0.009104 0.011124 0.545946 0.055987F-statistic 109.2362 5657.532 3913.152 6.718840 241662.4 3417.217 5.222548 238.3861Log likelihood -39.90894 197.0655 169.8766 259.1827 372.6072 350.1616 -85.89740 169.1710Akaike AIC 0.891231 -3.340455 -2.854939 -4.449691 -6.475128 -6.074315 1.712453 -2.842339Schwarz SC 1.133954 -3.097732 -2.612216 -4.206968 -6.232405 -5.831592 1.955177 -2.599615Mean dependent 12.12812 5.410690 8.371077 0.001582 3.707332 4.634578 6.592978 9.189353S.D. dependent 1.132146 0.935691 0.992441 0.030324 1.274423 0.185477 0.632537 0.251927

Determinant Residual Covariance 1.09E-21Log Likelihood (d.f. adjusted) 1431.811Akaike Information Criteria -24.13948Schwarz Criteria -22.19769

44

Cuadro N° 6Estimadores del vector autorregresivo para la función de reacción del Banco Central



LCIBBCV CICLO LIS LTCN LINCIDENCIA LVENTA LRINFMI

LCIBBCV(-1) 1.021379 0.088222 0.039175 0.162447 0.769250 -0.226823 -0.142710 (0.07046) (0.03198) (0.01163) (0.05932) (0.44714) (0.67789) (0.06925)[ 14.4961] [ 2.75858] [ 3.36896] [ 2.73826] [ 1.72037] [-0.33460] [-2.06082]

CICLO(-1) 0.063874 0.172349 0.094553 0.230459 -0.066803 0.285298 -0.053649 (0.20849) (0.09463) (0.03441) (0.17555) (1.32311) (2.00592) (0.20491)[ 0.30636] [ 1.82123] [ 2.74794] [ 1.31282] [-0.05049] [ 0.14223] [-0.26182]

LIS(-1) 0.028778 0.004527 0.960853 0.043520 0.619141 0.698093 -0.099797(0.04306) (0.01955) (0.00711) (0.03626) (0.27328) (0.41431) (0.04232)

[ 0.66829] [ 0.23162] [ 135.201] [ 1.20029] [ 2.26560] [ 1.68497] [-2.35800]

LTCN(-1) -0.060427 -0.111048 0.013481 0.782383 -0.699075 -0.867436 0.261248 (0.09852) (0.04472) (0.01626) (0.08296) (0.62525) (0.94791) (0.09683)[-0.61332] [-2.48319] [ 0.82910] [ 9.43139] [-1.11808] [-0.91510] [ 2.69794]

LINCIDENCIA(-1) 0.015343 0.004365 0.000147 0.006980 0.155597 0.141505 0.019212 (0.01449) (0.00658) (0.00239) (0.01220) (0.09194) (0.13939) (0.01424)[ 1.05905] [ 0.66381] [ 0.06155] [ 0.57219] [ 1.69235] [ 1.01519] [ 1.34924]

LVENTA(-1) 0.004767 0.007769 -0.001001 0.004055 -0.194991 0.164389 -0.017441 (0.00988) (0.00448) (0.00163) (0.00832) (0.06268) (0.09503) (0.00971)[ 0.48258] [ 1.73302] [-0.61395] [ 0.48759] [-3.11081] [ 1.72988] [-1.79668]

LRINFMI(-1) -0.150868 0.021329 -0.061208 -0.160476 0.621969 1.055406 1.016287 (0.03041) (0.01380) (0.00502) (0.02561) (0.19300) (0.29260) (0.02989)[-4.96075] [ 1.54511] [-12.1950] [-6.26701] [ 3.22263] [ 3.60700] [ 34.0009]

C 1.156097 -0.465368 0.446747 0.923977 -0.810359 -3.800940 0.158309 (0.26487) (0.12022) (0.04371) (0.22301) (1.68088) (2.54831) (0.26032)[ 4.36482] [-3.87090] [ 10.2201] [ 4.14317] [-0.48210] [-1.49155] [ 0.60814]

R-squared 0.996902 0.329889 0.999940 0.997525 0.905137 0.308800 0.954221Adj. R-squared 0.996691 0.284348 0.999936 0.997357 0.898689 0.261825 0.951110Sum sq. resids 0.331617 0.068320 0.009032 0.235092 13.35532 30.69621 0.320326S.E. equation 0.056741 0.025755 0.009364 0.047775 0.360088 0.545913 0.055767F-statistic 4734.680 7.243710 244005.5 5930.901 140.3958 6.573736 306.7048Log likelihood 165.1362 252.8138 365.1132 184.2284 -39.97453 -86.16298 167.0589Akaike AIC -2.831283 -4.411060 -6.434472 -3.175287 0.864406 1.696630 -2.865926Schwarz SC -2.636001 -4.215778 -6.239190 -2.980006 1.059687 1.891912 -2.670645Mean dependent 8.384651 0.001678 6.453516 5.423958 12.13907 6.593317 9.191311S.D. dependent 0.986442 0.030444 1.166925 0.929290 1.131309 0.635395 0.252212


45


Instrumento de política monetaria: Log M1 nominal


LINCIDENCIA LTCN LM1N LIB CICLO LIS LVENTA LRINFMI

LINCIDENCIA(-1) 0.150619 0.008276 -0.015497 0.009497 0.004407 0.000712 0.145769 0.010401 (0.09196) (0.01228) (0.01491) (0.03439) (0.00651) (0.00252) (0.13774) (0.01394)[ 1.63787] [ 0.67402] [-1.03931] [ 0.27620] [ 0.67700] [ 0.28247] [ 1.05829] [ 0.74608]

LTCN(-1) -0.514254 0.844819 -0.061226 0.077163 -0.016088 0.046202 0.099593 -0.076573 (0.46451) (0.06202) (0.07532) (0.17369) (0.03288) (0.01272) (0.69575) (0.07042)[-1.10708] [ 13.6217] [-0.81289] [ 0.44426] [-0.48929] [ 3.63093] [ 0.14314] [-1.08742]

LM1N(-1) -0.150830 -0.045082 0.887061 -0.078735 0.035915 -6.60E-05 0.825027 -0.090086 (0.31334) (0.04184) (0.05081) (0.11716) (0.02218) (0.00858) (0.46932) (0.04750)[-0.48136] [-1.07759] [ 17.4597] [-0.67202] [ 1.61923] [-0.00769] [ 1.75791] [-1.89654]

LIB(-1) 0.409581 0.067426 0.035194 0.943573 0.016894 0.008364 -0.529735 0.079696 (0.15823) (0.02113) (0.02566) (0.05917) (0.01120) (0.00433) (0.23700) (0.02399)[ 2.58847] [ 3.19150] [ 1.37173] [ 15.9480] [ 1.50832] [ 1.92969] [-2.23514] [ 3.32245]

CICLO(-1) -0.053597 0.290635 -0.054864 -0.183481 0.190551 0.116548 0.447640 -0.299298 (1.29472) (0.17287) (0.20993) (0.48412) (0.09165) (0.03547) (1.93925) (0.19627)[-0.04140] [ 1.68127] [-0.26134] [-0.37900] [ 2.07914] [ 3.28614] [ 0.23083] [-1.52492]

LIS(-1) 1.020605 0.131051 0.149831 0.052535 -0.040915 0.962187 -0.726478 0.095698 (0.51287) (0.06848) (0.08316) (0.19177) (0.03630) (0.01405) (0.76818) (0.07775)[ 1.99000] [ 1.91382] [ 1.80176] [ 0.27395] [-1.12701] [ 68.4876] [-0.94572] [ 1.23089]

LVENTA(-1) -0.192389 0.003975 -0.021636 -0.002506 0.008157 -0.001067 0.163767 -0.016089 (0.06211) (0.00829) (0.01007) (0.02323) (0.00440) (0.00170) (0.09304) (0.00942)[-3.09733] [ 0.47934] [-2.14829] [-0.10788] [ 1.85518] [-0.62733] [ 1.76026] [-1.70866]

LRINFMI(-1) 0.340609 -0.198800 0.016242 -0.068908 0.004422 -0.065465 1.347967 0.950941 (0.23430) (0.03128) (0.03799) (0.08761) (0.01659) (0.00642) (0.35094) (0.03552)[ 1.45373] [-6.35494] [ 0.42752] [-0.78654] [ 0.26661] [-10.1998] [ 3.84106] [ 26.7734]

C 3.216439 1.804419 0.948488 1.387212 -0.535495 0.549920 -12.22337 0.934008 (2.74833) (0.36695) (0.44563) (1.02764) (0.19454) (0.07529) (4.11648) (0.41663)[ 1.17032] [ 4.91738] [ 2.12844] [ 1.34990] [-2.75256] [ 7.30445] [-2.96938] [ 2.24183]

DIAS 0.017943 0.001065 -0.002629 -0.002010 0.004852 0.000349 0.012028 -0.002735 (0.02366) (0.00316) (0.00384) (0.00885) (0.00167) (0.00065) (0.03544) (0.00359)[ 0.75839] [ 0.33705] [-0.68519] [-0.22719] [ 2.89689] [ 0.53812] [ 0.33943] [-0.76257]



46




LINCIDENCIA LTCN LM1N LCIR CICLO LIS LRINFMI LVENTA

LINCIDENCIA(-1) 0.173697 0.016143 -0.012700 0.011491 0.005702 0.001931 0.014058 0.107434(0.09350) (0.01210) (0.01495) (0.01392) (0.00654) (0.00239) (0.01410) (0.14014)

[ 1.85773] [ 1.33402] [-0.84955] [ 0.82566] [ 0.87201] [ 0.80870] [ 0.99669] [ 0.76662]

LTCN(-1) 0.431501 0.901534 0.000241 -0.145605 0.014568 0.047312 0.127734 -0.917135 (0.40094) (0.05189) (0.06410) (0.05968) (0.02804) (0.01024) (0.06048) (0.60094)[ 1.07623] [ 17.3737] [ 0.00375] [-2.43986] [ 0.51953] [ 4.62053] [ 2.11199] [-1.52616]

LM1N(-1) 0.309069 -0.098719 0.900704 -0.022961 0.043968 -0.014464 0.025907 0.500041 (0.36595) (0.04736) (0.05851) (0.05447) (0.02559) (0.00935) (0.05520) (0.54850)[ 0.84456] [-2.08433] [ 15.3939] [-0.42154] [ 1.71789] [-1.54758] [ 0.46931] [ 0.91165]

LCIR(-1) -0.704968 0.233982 0.009445 0.876814 0.000465 0.049982 -0.208903 0.181575 (0.52261) (0.06764) (0.08356) (0.07779) (0.03655) (0.01335) (0.07883) (0.78330)[-1.34895] [ 3.45937] [ 0.11303] [ 11.2720] [ 0.01272] [ 3.74488] [-2.64992] [ 0.23181]

CICLO(-1) 0.955401 0.329092 0.006302 0.243182 0.221396 0.113677 -0.076811 -0.591078 (1.30530) (0.16894) (0.20870) (0.19429) (0.09129) (0.03334) (0.19690) (1.95643)[ 0.73194] [ 1.94803] [ 0.03020] [ 1.25166] [ 2.42518] [ 3.41006] [-0.39010] [-0.30212]

LIS(-1) -0.074248 0.211360 0.107873 0.102271 -0.064085 0.987747 -0.170729 0.146042 (0.61321) (0.07936) (0.09804) (0.09127) (0.04289) (0.01566) (0.09250) (0.91910)[-0.12108] [ 2.66320] [ 1.10026] [ 1.12050] [-1.49429] [ 63.0724] [-1.84571] [ 0.15890]

LRINFMI(-1) 0.307549 -0.023265 0.049603 -0.051215 0.018333 -0.032854 0.907422 1.013190 (0.33666) (0.04357) (0.05383) (0.05011) (0.02355) (0.00860) (0.05078) (0.50460)[ 0.91354] [-0.53395] [ 0.92153] [-1.02207] [ 0.77862] [-3.82125] [ 17.8683] [ 2.00793]

LVENTA(-1) -0.196738 0.002521 -0.022158 0.005320 0.007915 -0.001292 -0.016784 0.170932 (0.06354) (0.00822) (0.01016) (0.00946) (0.00444) (0.00162) (0.00958) (0.09524)[-3.09633] [ 0.30656] [-2.18109] [ 0.56255] [ 1.78117] [-0.79621] [-1.75111] [ 1.79485]

C 4.974032 -0.407562 0.599155 1.342506 -0.674110 0.125770 1.788581 -9.278622(4.49180) (0.58134) (0.71818) (0.66858) (0.31415) (0.11472) (0.67758) (6.73249)

[ 1.10736] [-0.70107] [ 0.83427] [ 2.00799] [-2.14582] [ 1.09637] [ 2.63968] [-1.37819]

DIAS 0.017530 -0.000657 -0.002995 -0.003192 0.004695 3.61E-05 -0.002476 0.016012 (0.02429) (0.00314) (0.00388) (0.00362) (0.00170) (0.00062) (0.00366) (0.03641)[ 0.72158] [-0.20900] [-0.77099] [-0.88257] [ 2.76315] [ 0.05824] [-0.67570] [ 0.43972]

R-squared 0.904478 0.997629 0.997531 0.970900 0.354811 0.999941 0.956267 0.319722 Adj. R-squared 0.895966 0.997417 0.997311 0.968306 0.297318 0.999936 0.952370 0.259103 Sum sq. resids 13.44800 0.225259 0.343781 0.297938 0.065779 0.008771 0.306007 30.21116 S.E. equation 0.364895 0.047226 0.058342 0.054313 0.025520 0.009319 0.055043 0.546919 F-statistic 106.2612 4721.290 4534.203 374.4149 6.171463 191634.4 245.3866 5.274297 Log likelihood -40.35834 186.5997 163.1369 171.0801 254.9172 366.7404 169.5969 -85.27898 Akaike AIC 0.907357 -3.181976 -2.759224 -2.902343 -4.412922 -6.427756 -2.875620 1.716738 Schwarz SC 1.151459 -2.937875 -2.515122 -2.658241 -4.168821 -6.183654 -2.631519 1.960840 Mean dependent 12.13907 5.423958 14.10258 4.308007 0.001678 6.453516 9.191311 6.593317 S.D. dependent 1.131309 0.929290 1.125103 0.305082 0.030444 1.166925 0.252212 0.635395


47




LINCIDENCIA LTCN LM1N CICLO LIPCS LTCR LVENTA LRINFMI

LINCIDENCIA(-1) 0.187423 0.014099 -0.013555 0.003722 0.001221 0.000878 0.103878 0.014845 (0.09248) (0.01233) (0.01468) (0.00638) (0.00233) (0.00304) (0.13775) (0.01435)[ 2.02657] [ 1.14311] [-0.92356] [ 0.58340] [ 0.52399] [ 0.28888] [ 0.75409] [ 1.03434]

LTCN(-1) -0.175336 1.081049 -0.024925 -0.036848 0.036924 0.090976 -0.993314 0.116410 (0.55616) (0.07417) (0.08826) (0.03837) (0.01402) (0.01828) (0.82841) (0.08631)[-0.31526] [ 14.5752] [-0.28240] [-0.96034] [ 2.63443] [ 4.97668] [-1.19907] [ 1.34872]

LM1N(-1) -0.034809 0.015824 0.896211 0.028750 -0.004936 0.023329 0.500262 -0.039051 (0.32263) (0.04303) (0.05120) (0.02226) (0.00813) (0.01060) (0.48056) (0.05007)[-0.10789] [ 0.36778] [ 17.5038] [ 1.29167] [-0.60704] [ 2.19987] [ 1.04100] [-0.77995]

CICLO(-1) 0.483269 0.464334 -0.004082 0.202377 0.117116 0.058497 -0.514142 -0.135249 (1.30273) (0.17373) (0.20674) (0.08988) (0.03283) (0.04282) (1.94041) (0.20217)[ 0.37097] [ 2.67269] [-0.01974] [ 2.25174] [ 3.56738] [ 1.36613] [-0.26497] [-0.66899]

LIPCS(-1) 0.914017 -0.101777 0.133973 0.003958 0.983899 -0.109669 0.188542 -0.070424 (0.68288) (0.09107) (0.10837) (0.04711) (0.01721) (0.02245) (1.01715) (0.10598)[ 1.33848] [-1.11758] [ 1.23624] [ 0.08400] [ 57.1735] [-4.88604] [ 0.18536] [-0.66453]

LTCR(-1) 1.122171 -0.244282 0.103449 0.092503 0.033342 0.807171 0.208750 -0.106066(0.97290) (0.12975) (0.15440) (0.06712) (0.02452) (0.03198) (1.44914) (0.15098)

[ 1.15342] [-1.88275] [ 0.67001] [ 1.37815] [ 1.35989] [ 25.2412] [ 0.14405] [-0.70249]

LVENTA(-1) -0.195897 0.002004 -0.021989 0.008631 -0.000615 0.000404 0.169733 -0.017115(0.06378) (0.00851) (0.01012) (0.00440) (0.00161) (0.00210) (0.09501) (0.00990)

[-3.07125] [ 0.23558] [-2.17230] [ 1.96136] [-0.38246] [ 0.19293] [ 1.78655] [-1.72906]

LRINFMI(-1) 0.769314 -0.174863 0.050891 0.033765 -0.045269 -0.040995 0.946923 1.004831 (0.22860) (0.03049) (0.03628) (0.01577) (0.00576) (0.00751) (0.34050) (0.03548)[ 3.36534] [-5.73580] [ 1.40279] [ 2.14092] [-7.85800] [-5.45596] [ 2.78099] [ 28.3240]

C -3.353422 2.280545 0.557755 -1.152206 0.206097 0.819616 -8.157044 0.638828 (4.53994) (0.60545) (0.72048) (0.31321) (0.11441) (0.14922) (6.76224) (0.70455)[-0.73865] [ 3.76669] [ 0.77414] [-3.67867] [ 1.80139] [ 5.49256] [-1.20626] [ 0.90671]

DIAS 0.014408 0.000638 -0.003138 0.004398 0.000252 0.000873 0.016140 -0.003602(0.02415) (0.00322) (0.00383) (0.00167) (0.00061) (0.00079) (0.03597) (0.00375)

[ 0.59663] [ 0.19809] [-0.81882] [ 2.63974] [ 0.41329] [ 1.09922] [ 0.44870] [-0.96123]



48




LM1N CICLO LIS LTCN LINCIDENCIA LVENTA LRINFMI

LM1N(-1) 0.904855 0.043089 0.003945 -0.012357 0.045389 0.563363 -0.050513 (0.04935) (0.02233) (0.00840) (0.04213) (0.31105) (0.46191) (0.04821)[ 18.3344] [ 1.92940] [ 0.46992] [-0.29332] [ 0.14592] [ 1.21963] [-1.04770]

CICLO(-1) 0.009506 0.221948 0.131926 0.414454 0.699481 -0.523489 -0.153272 (0.20505) (0.09279) (0.03488) (0.17504) (1.29234) (1.91915) (0.20031)[ 0.04636] [ 2.39202] [ 3.78230] [ 2.36775] [ 0.54125] [-0.27277] [-0.76516]

LIS(-1) 0.098724 -0.061056 0.950740 0.037520 0.460690 0.023010 -0.017723 (0.07522) (0.03404) (0.01280) (0.06421) (0.47409) (0.70403) (0.07348)[ 1.31243] [-1.79374] [ 74.3027] [ 0.58430] [ 0.97174] [ 0.03268] [-0.24118]

LTCN(-1) 0.004317 0.012461 0.061315 0.967482 0.225395 -0.873833 0.070315 (0.05916) (0.02677) (0.01006) (0.05050) (0.37283) (0.55366) (0.05779)[ 0.07298] [ 0.46550] [ 6.09335] [ 19.1587] [ 0.60455] [-1.57828] [ 1.21674]

LINCIDENCIA(-1) -0.012489 0.005186 0.001321 0.013375 0.180345 0.103488 0.016862 (0.01481) (0.00670) (0.00252) (0.01264) (0.09334) (0.13861) (0.01447)[-0.84329] [ 0.77381] [ 0.52419] [ 1.05794] [ 1.93214] [ 0.74661] [ 1.16551]

LVENTA(-1) -0.021918 0.007567 -0.001207 0.002981 -0.199282 0.170060 -0.016967(0.01008) (0.00456) (0.00172) (0.00861) (0.06355) (0.09438) (0.00985)

[-2.17358] [ 1.65824] [-0.70357] [ 0.34631] [-3.13559] [ 1.80186] [-1.72233]

LRINFMI(-1) 0.042954 0.020904 -0.058533 -0.143972 0.680534 0.929407 1.013358(0.03181) (0.01439) (0.00541) (0.02715) (0.20046) (0.29769) (0.03107)

[ 1.35050] [ 1.45238] [-10.8188] [-5.30256] [ 3.39485] [ 3.12210] [ 32.6137]

C 0.612462 -0.584521 0.487937 1.272692 0.197188 -7.671270 0.232173(0.39003) (0.17649) (0.06634) (0.33294) (2.45815) (3.65039) (0.38102)

[ 1.57032] [-3.31194] [ 7.35460] [ 3.82254] [ 0.08022] [-2.10149] [ 0.60935]



49


Instrumento de política monetaria: Log dinero base


LINCIDENCIA LTCN LDBASE LIB CICLO LIS LVENTA LRINFMI

LINCIDENCIA(-1) 0.137126 0.006976 -0.019206 0.004535 0.005934 0.000762 0.189143 0.006819 (0.08959) (0.01218) (0.02186) (0.03391) (0.00653) (0.00249) (0.13659) (0.01406)[ 1.53067] [ 0.57272] [-0.87866] [ 0.13375] [ 0.90821] [ 0.30561] [ 1.38479] [ 0.48485]

LTCN(-1) -0.701315 0.894806 -0.246451 0.060147 -0.036863 0.048313 -0.056428 -0.014824 (0.43411) (0.05902) (0.10592) (0.16430) (0.03166) (0.01209) (0.66186) (0.06815)[-1.61552] [ 15.1609] [-2.32680] [ 0.36609] [-1.16424] [ 3.99740] [-0.08526] [-0.21753]

LDBASE(-1) -0.525159 0.037036 0.747391 -0.126425 0.005391 0.003787 0.712269 0.004138 (0.26823) (0.03647) (0.06545) (0.10152) (0.01956) (0.00747) (0.40895) (0.04211)[-1.95787] [ 1.01557] [ 11.4201] [-1.24538] [ 0.27554] [ 0.50712] [ 1.74169] [ 0.09828]

LIB(-1) 0.320904 0.066762 0.036772 0.916958 0.022071 0.008861 -0.332435 0.069063 (0.15490) (0.02106) (0.03779) (0.05862) (0.01130) (0.00431) (0.23616) (0.02432)[ 2.07174] [ 3.17021] [ 0.97298] [ 15.6417] [ 1.95362] [ 2.05464] [-1.40767] [ 2.84025]

CICLO(-1) 0.070290 0.241703 0.038585 -0.184262 0.214071 0.114823 0.727204 -0.366118 (1.25838) (0.17109) (0.30703) (0.47625) (0.09178) (0.03503) (1.91857) (0.19754)[ 0.05586] [ 1.41277] [ 0.12567] [-0.38690] [ 2.33241] [ 3.27745] [ 0.37904] [-1.85337]

LIS(-1) 1.527142 0.020151 0.400765 0.117235 0.000254 0.956977 -0.576345 -0.031443 (0.46144) (0.06274) (0.11259) (0.17464) (0.03366) (0.01285) (0.70353) (0.07244)[ 3.30953] [ 0.32121] [ 3.55964] [ 0.67130] [ 0.00755] [ 74.4914] [-0.81922] [-0.43408]

LVENTA(-1) -0.189655 0.004089 -0.031752 -0.001614 0.007940 -0.001081 0.156645 -0.015608 (0.06102) (0.00830) (0.01489) (0.02309) (0.00445) (0.00170) (0.09304) (0.00958)[-3.10795] [ 0.49285] [-2.13260] [-0.06989] [ 1.78394] [-0.63616] [ 1.68369] [-1.62938]

LRINFMI(-1) 0.623535 -0.223064 0.113020 -0.004080 0.004177 -0.067594 1.012245 0.941650 (0.27401) (0.03725) (0.06686) (0.10370) (0.01999) (0.00763) (0.41777) (0.04301)[ 2.27556] [-5.98765] [ 1.69049] [-0.03934] [ 0.20899] [-8.86045] [ 2.42297] [ 21.8912]

C 4.293455 1.347524 1.359023 1.356435 -0.311592 0.534266 -9.442140 0.301493(2.00542) (0.27265) (0.48930) (0.75898) (0.14627) (0.05583) (3.05754) (0.31481)

[ 2.14093] [ 4.94231] [ 2.77748] [ 1.78719] [-2.13029] [ 9.56909] [-3.08815] [ 0.95769]

DIAS 0.018637 0.001023 0.000819 -0.001837 0.004840 0.000344 0.011003 -0.002728 (0.02325) (0.00316) (0.00567) (0.00880) (0.00170) (0.00065) (0.03545) (0.00365)[ 0.80152] [ 0.32372] [ 0.14434] [-0.20876] [ 2.85382] [ 0.53126] [ 0.31037] [-0.74739]



50




LINCIDENCIA LTCN LDBASE LCIR CICLO LIS LRINFMI LVENTA

LINCIDENCIA(-1) 0.167038 0.010330 -0.017059 0.007682 0.007304 0.000874 0.016220 0.158917 (0.09060) (0.01217) (0.02170) (0.01353) (0.00654) (0.00236) (0.01393) (0.13662)[ 1.84364] [ 0.84897] [-0.78618] [ 0.56778] [ 1.11632] [ 0.36996] [ 1.16446] [ 1.16323]

LTCN(-1) -0.272465 0.926053 -0.223201 -0.201879 -0.021258 0.045719 0.137365 -0.485307 (0.41852) (0.05621) (0.10023) (0.06250) (0.03022) (0.01091) (0.06434) (0.63108)[-0.65102] [ 16.4763] [-2.22678] [-3.23003] [-0.70333] [ 4.19011] [ 2.13490] [-0.76901]

LDBASE(-1) -0.642190 -0.035320 0.712540 -0.082599 -0.014161 -0.011397 0.028552 0.846242 (0.29180) (0.03919) (0.06989) (0.04358) (0.02107) (0.00761) (0.04486) (0.44000)[-2.20077] [-0.90131] [ 10.1957] [-1.89547] [-0.67201] [-1.49817] [ 0.63644] [ 1.92327]

LCIR(-1) -0.044675 0.183092 0.080801 0.914480 0.043023 0.046667 -0.208380 -0.004762 (0.47653) (0.06400) (0.11413) (0.07116) (0.03441) (0.01242) (0.07326) (0.71855)[-0.09375] [ 2.86100] [ 0.70799] [ 12.8504] [ 1.25017] [ 3.75629] [-2.84434] [-0.00663]

CICLO(-1) 0.865802 0.271606 0.069182 0.203174 0.236294 0.103026 -0.054819 -0.060916 (1.27346) (0.17102) (0.30499) (0.19017) (0.09197) (0.03320) (0.19578) (1.92022)[ 0.67988] [ 1.58816] [ 0.22683] [ 1.06835] [ 2.56936] [ 3.10316] [-0.28000] [-0.03172]

LIS(-1) 1.433913 0.124855 0.445506 0.204416 0.023577 0.985302 -0.179722 -0.512692 (0.56164) (0.07543) (0.13451) (0.08387) (0.04056) (0.01464) (0.08635) (0.84688)[ 2.55310] [ 1.65535] [ 3.31204] [ 2.43721] [ 0.58128] [ 67.2907] [-2.08143] [-0.60539]

LRINFMI(-1) 0.944402 -0.049129 0.197655 -0.002303 0.051926 -0.032049 0.899971 0.651411(0.34600) (0.04647) (0.08287) (0.05167) (0.02499) (0.00902) (0.05319) (0.52172)

[ 2.72952] [-1.05733] [ 2.38525] [-0.04457] [ 2.07812] [-3.55289] [ 16.9190] [ 1.24858]

LVENTA(-1) -0.194764 0.003459 -0.032144 0.006024 0.007692 -0.001114 -0.017156 0.161823 (0.06226) (0.00836) (0.01491) (0.00930) (0.00450) (0.00162) (0.00957) (0.09389)[-3.12808] [ 0.41373] [-2.15557] [ 0.64787] [ 1.71073] [-0.68621] [-1.79226] [ 1.72363]

C 3.664406 -0.375625 0.575822 1.230405 -0.736369 0.120450 1.811185 -8.368039 (4.41645) (0.59311) (1.05773) (0.65954) (0.31895) (0.11514) (0.67898) (6.65947)[ 0.82972] [-0.63332] [ 0.54439] [ 1.86555] [-2.30876] [ 1.04610] [ 2.66751] [-1.25656]

DIAS 0.015984 -0.000217 0.000207 -0.003106 0.004492 9.92E-05 -0.002587 0.013933 (0.02376) (0.00319) (0.00569) (0.00355) (0.00172) (0.00062) (0.00365) (0.03583)[ 0.67272] [-0.06807] [ 0.03643] [-0.87531] [ 2.61801] [ 0.16013] [-0.70832] [ 0.38890]

R-squared 0.908206 0.997546 0.993850 0.971850 0.338915 0.999941 0.956347 0.338356Adj. R-squared 0.900026 0.997328 0.993302 0.969341 0.280006 0.999936 0.952457 0.279397Sum sq. resids 12.92325 0.233074 0.741272 0.288210 0.067400 0.008784 0.305449 29.38364S.E. equation 0.357705 0.048038 0.085670 0.053419 0.025833 0.009326 0.054993 0.539377F-statistic 111.0316 4562.614 1813.586 387.4316 5.753226 191355.5 245.8551 5.738885Log likelihood -38.14929 184.7069 120.4928 172.9225 253.5664 366.6596 169.6982 -83.73756Akaike AIC 0.867555 -3.147872 -1.990861 -2.935540 -4.388583 -6.426299 -2.877444 1.688965Schwarz SC 1.111657 -2.903771 -1.746759 -2.691438 -4.144481 -6.182197 -2.633343 1.933067Mean dependent 12.13907 5.423958 13.78035 4.308007 0.001678 6.453516 9.191311 6.593317S.D. dependent 1.131309 0.929290 1.046795 0.305082 0.030444 1.166925 0.252212 0.635395


51




LINCIDENCIA LTCN LDBASE CICLO LIPCS LTCR LVENTA LRINFMI

LINCIDENCIA(-1) 0.174514 0.014643 -0.020201 0.005316 0.000985 0.002071 0.144481 0.012407 (0.08906) (0.01218) (0.02173) (0.00634) (0.00231) (0.00307) (0.13338) (0.01418)[ 1.95961] [ 1.20197] [-0.92960] [ 0.83861] [ 0.42730] [ 0.67473] [ 1.08324] [ 0.87508]

LTCN(-1) -0.393057 1.063501 -0.076431 -0.055486 0.040948 0.073645 -1.036069 0.135749 (0.48909) (0.06691) (0.11934) (0.03482) (0.01266) (0.01685) (0.73252) (0.07787)[-0.80364] [ 15.8954] [-0.64043] [-1.59363] [ 3.23354] [ 4.36936] [-1.41439] [ 1.74336]

LDBASE(-1) -0.640351 -0.011948 0.715533 0.012736 -4.04E-05 0.004591 0.953853 -0.032843 (0.27824) (0.03806) (0.06789) (0.01981) (0.00720) (0.00959) (0.41672) (0.04430)[-2.30146] [-0.31391] [ 10.5392] [ 0.64303] [-0.00561] [ 0.47878] [ 2.28897] [-0.74143]

CICLO(-1) 0.702917 0.479714 0.212193 0.217224 0.113751 0.072728 -0.534229 -0.149505 (1.25630) (0.17186) (0.30655) (0.08943) (0.03253) (0.04329) (1.88157) (0.20001)[ 0.55951] [ 2.79135] [ 0.69220] [ 2.42892] [ 3.49703] [ 1.67987] [-0.28393] [-0.74749]

LIPCS(-1) 1.522380 -0.064154 0.278958 0.036605 0.976069 -0.077224 -0.002530 -0.098653 (0.52427) (0.07172) (0.12793) (0.03732) (0.01357) (0.01807) (0.78520) (0.08347)[ 2.90382] [-0.89453] [ 2.18062] [ 0.98081] [ 71.9058] [-4.27433] [-0.00322] [-1.18196]

LTCR(-1) 0.876776 -0.225478 -0.135297 0.137208 0.026324 0.841688 1.210748 -0.171546 (0.84131) (0.11509) (0.20529) (0.05989) (0.02178) (0.02899) (1.26003) (0.13394)[ 1.04216] [-1.95918] [-0.65906] [ 2.29099] [ 1.20846] [ 29.0312] [ 0.96089] [-1.28077]

LVENTA(-1) -0.195591 0.001952 -0.032818 0.008527 -0.000598 0.000322 0.167722 -0.016970 (0.06218) (0.00851) (0.01517) (0.00443) (0.00161) (0.00214) (0.09313) (0.00990)[-3.14537] [ 0.22952] [-2.16285] [ 1.92638] [-0.37119] [ 0.15035] [ 1.80088] [-1.71418]

LRINFMI(-1) 0.969867 -0.166736 0.125965 0.037244 -0.046569 -0.036290 0.767536 1.005199 (0.22580) (0.03089) (0.05510) (0.01607) (0.00585) (0.00778) (0.33818) (0.03595)[ 4.29531] [-5.39805] [ 2.28626] [ 2.31706] [-7.96560] [-4.66377] [ 2.26963] [ 27.9627]

C 3.299127 2.455167 3.259862 -1.198517 0.191395 0.842667 -16.69203 0.865800 (5.22413) (0.71464) (1.27474) (0.37189) (0.13526) (0.18003) (7.82422) (0.83171)[ 0.63152] [ 3.43552] [ 2.55728] [-3.22276] [ 1.41498] [ 4.68069] [-2.13338] [ 1.04099]

DIAS 0.016212 0.000635 -0.000314 0.004300 0.000262 0.000809 0.012467 -0.003428 (0.02355) (0.00322) (0.00575) (0.00168) (0.00061) (0.00081) (0.03527) (0.00375)[ 0.68846] [ 0.19726] [-0.05472] [ 2.56534] [ 0.43048] [ 0.99674] [ 0.35348] [-0.91436]



52




LDBASE CICLO LIS LTCN LINCIDENCIA LVENTA LRINFMI

LDBASE(-1) 0.732865 -0.001905 0.000335 0.010512 -0.648161 0.849606 -0.024538 (0.06333) (0.01987) (0.00735) (0.03683) (0.26435) (0.39802) (0.04230)[ 11.5723] [-0.09587] [ 0.04559] [ 0.28540] [-2.45186] [ 2.13458] [-0.58004]

CICLO(-1) 0.126040 0.265745 0.135868 0.400571 0.831339 -0.066889 -0.201063 (0.29205) (0.09165) (0.03388) (0.16986) (1.21911) (1.83553) (0.19509)[ 0.43156] [ 2.89968] [ 4.01001] [ 2.35826] [ 0.68192] [-0.03644] [-1.03060]

LIS(-1) 0.393365 -0.004353 0.955189 0.006734 1.462126 -0.510152 -0.045178 (0.11176) (0.03507) (0.01297) (0.06500) (0.46651) (0.70239) (0.07466)[ 3.51979] [-0.12414] [ 73.6714] [ 0.10360] [ 3.13418] [-0.72631] [-0.60516]

LTCN(-1) -0.198915 -0.008874 0.059749 0.981170 -0.287904 -0.488480 0.074989 (0.09346) (0.02933) (0.01084) (0.05436) (0.39014) (0.58741) (0.06243)[-2.12826] [-0.30256] [ 5.51029] [ 18.0499] [-0.73794] [-0.83158] [ 1.20109]

LINCIDENCIA(-1) -0.015910 0.007427 0.001540 0.013011 0.164607 0.157294 0.013485 (0.02147) (0.00674) (0.00249) (0.01248) (0.08960) (0.13491) (0.01434)[-0.74117] [ 1.10264] [ 0.61840] [ 1.04217] [ 1.83703] [ 1.16591] [ 0.94038]

LVENTA(-1) -0.032363 0.007249 -0.001239 0.003014 -0.195844 0.160796 -0.016438 (0.01480) (0.00464) (0.00172) (0.00861) (0.06176) (0.09299) (0.00988)[-2.18735] [ 1.56127] [-0.72180] [ 0.35028] [-3.17104] [ 1.72921] [-1.66315]

LRINFMI(-1) 0.152844 0.029869 -0.057938 -0.150951 0.975804 0.659792 1.014689 (0.05270) (0.01654) (0.00611) (0.03065) (0.22000) (0.33124) (0.03521)[ 2.90003] [ 1.80605] [-9.47559] [-4.92454] [ 4.43544] [ 1.99188] [ 28.8208]

C 1.252237 -0.308569 0.510798 1.146495 3.538910 -8.192647 0.035086 (0.46446) (0.14575) (0.05388) (0.27013) (1.93879) (2.91909) (0.31026)[ 2.69611] [-2.11714] [ 9.47957] [ 4.24421] [ 1.82532] [-2.80657] [ 0.11309]



53

-.003

-.002

-.001

.000

.001

.002

.003

.004

5 10 15 20

Respuesta de CICLOa innovaciones en LDBASE

-.02

-.01

.00

.01

.02

.03

.04

5 10 15 20

Respuesta de LISa innovaciones en LDBASE

-.08

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LIBa innovaciones en LDBASE

-.004

-.003

-.002

-.001

.000

.001

.002

.003

5 10 15 20


-.04

-.03

-.02

-.01

.00

.01

.02

5 10 15 20

Respuesta de LISa innovaciones en LDBASE

-.03

-.02

-.01

.00

.01

.02

.03

5 10 15 20

Respuesta de LCIRa innovaciones en LDBASE

-.003

-.002

-.001

.000

.001

.002

.003

.004

.005

5 10 15 20


-.01

.00

.01

.02

.03

.04

.05

5 10 15 20

Respuesta de LIPCSa innovaciones en LDBASE

-.008

-.004

.000

.004

.008

.012

5 10 15 20

Respuesta de LTCRa innovaciones en LDBASE


(línea punteada: ± ± ± ± ± 2 desv. estándar del error)Meta intermedia: Log dinero base





54

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LDBASEa innovaciones en CICLO

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LDBASEa innovaciones en LIS

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LDBASEa innovaciones en LTCN

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LDBASEa innovaciones en LINCIDENCIA

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LDBASEa innovaciones en LVENTA

-.06

-.04

-.02

.00

.02

.04

.06

5 10 15 20

Respuesta de LDBASEa innovaciones en LRINFMI

Funciones de reacción del Banco Central a innovaciones de 1 desviación estándar estructural(línea punteada: ± ± ± ± ± 2 desv. estándar del error)

Meta intermedia: Log dinero base

55

Referencias

Banco Central de Venezuela (1990): Compilación de leyes del BancoCentral de Venezuela. Colección Cincuentenaria.

Banco Central de Venezuela: Ley del Banco Central de Venezuela.1992. Cuadernos BCV. Serie divulgativa institucional.

Banco Central de Venezuela (1988-1999), Informe Económico.

Bello, Omar y Miguel Dorta (2001), “Desaceleración de la inflación ybandas cambiarias”, mimeo, Oficina de Consultoría Económica,Banco Central de Venezuela.

Bernanke, Ben (1886), “Alternative Explanations of the Money-Income Correlation”, Carnegie-Rochester Conference Series onPublic Policy.

Bernanke, Ben (1995), “What do we know about how monetarypolicy affects the economy?”, Federal Reserve Bank of St. LouisReview, Vol. 77.

Bernanke, Ben y Mark Gertler (1995), “Inside the Black Box: TheCredit Channel of the Monetary Policy Transmission”, Journal ofEconomic Perspectives, Vol. 9, N° 4.

Brainard, William y James Tobin (1963), “Financial Intermediariesand the Effectiveness of Monetary Controls”, AmericanEconomic Review.

Cabrera, Ángel y Luis Felipe Lagos (2000), “Monetary Policy inChile: A black box?”, Banco Central de Chile, Documentos deTrabajo, N° 88.

56

Cecchetti, Stephen (1995), “Distinguishing Theories of MonetaryTransmission Mechanism”, Federal Reserve Bank of St. LouisReview, Vol. 77.

Crazut, Rafael (1995), El Banco Central de Venezuela. Notas sobre suhistoria y evolución, 1940-1990. Colección Banca Central y So-ciedad, BCV.

Enders, Walter (1995), “Applied Econometric Time Series”, WileySeries in Probability and Mathematical Statistics, New York.

Guerra, José y Julio Pineda (2000), “Trayectoria de la políticacambiaria en Venezuela”. Banco Central de Venezuela, SerieDocumentos de Trabajo, N° 24.

Guerra, José, Pedro César Rodríguez y Gustavo Sánchez (1998), “Me-canismos de transmisión de la política monetaria”, Revista delBanco Central de Venezuela, Vol. XII, N° 1.

Kamin, Steven (1996), “Real Exchange Rate and Inflation inExchange-Rate Based Stabilizations: An Empirical Examination”,Board of Governors of the Federal Reserve System, InternationalDiscussion Paper, 554.

López, Oswaldo y Omar Zambrano (2000), “Relación de corto y largoplazo entre agregados monetarios e inflación en Venezuela: evi-dencia empírica”, mimeo. Departamento de Análisis Económico,Banco Central de Venezuela.

Machado, Alfredo (1965), “Banco Central y política monetaria”. Te-mas del desarrollo económico de Venezuela.

Mirabal, María Josefa (1999), “Programación y política monetaria enVenezuela, 1989-1998”. Serie Documentos de Trabajo, BCV, N° 21.

Neumann, Manfred (1995), “The aggregative structure of the newcredit view”, Federal Reserve Bank of St. Louis Review, Vol. 77.

Ley del Banco Central de Venezuela, 2000.

57

Rodríguez, Pedro César y Edgar Rojas (1999), “El papel de la estruc-tura financiera en la transmisión de la política monetaria”. Mone-taria. Vol. XXII, N°1, enero-marzo. Cemla.

Sims, Christopher (1986), “Are Forecasting Models Usable for PolicyAnalysis?”, Federal Reserve Bank of Minneapolis, QuarterlyReview.

Taylor, John (1993), “Macroeconomic Policy in the World Economy:From Econometric Design to Practical Operation”, W.W. Norton,New York.

Taylor, John (2000), “ The Monetary Transmission Mechanism andthe Evaluation of Monetary Policy Rules”, Banco Central de Chile,Documentos de Trabajo, N° 87.

Documents

Mecanismos de transmisión de la política monetaria en Venezuela · 2018-11-02 · 2. La política monetaria en Venezuela Desde sus inicios, el objeto del Banco Central de Venezuela