Embed Size (px)
Citation preview
XIX CONGRESO INTERNACIONAL DE INVESTIGACIÓN EN CIENCIAS
ADMINISTRATIVAS
“Gestión de las organizaciones rumbo al tercer milenio”
TITULO:
“RELACIÓN DE LARGO PLAZO ENTRE LOS MERCADOS FINANCIEROS Y REALES
DEL ÁREA DEL TLCAN.”
AUTORES:
Teresa de J. Vargas Vega.
Profesora Investigadora de Tiempo Completo del Instituto de Ciencias Económico
Administrativas de la Universidad Autónoma del Estado de Hidalgo. Campus La
Concepción. Dirección: Libramiento a La Concepción, Km. 2.5, San Juan Tilcuautla, San
Agustín Tlaxiaca, Hgo. Cp 42160. Tel 7172000 Ext. 4132. E-Mail: [email protected]
Zeus S. Hernández Veleros.
Profesor Investigador de Tiempo Completo del Instituto de Ciencias Económico
Administrativas de la Universidad Autónoma del Estado de Hidalgo. Campus La
Concepción. Dirección: Libramiento a La Concepción, Km. 2.5, San Juan Tilcuautla, San
Agustín Tlaxiaca, Hgo. Cp 42160. Tel 7172000 Ext. 4121. E-mail: [email protected]
Sergio D. Polo Jiménez.
Profesor Investigador de Tiempo Completo del Instituto de Ciencias Económico
Administrativas de la Universidad Autónoma del Estado de Hidalgo. Campus La
Concepción. Dirección: Libramiento a la Concepción, Km. 2.5, San Juan Tilcuautla, San
Agustín Tlaxiaca, Hgo. Cp 42160. Tel 7172000 Ext. 4121. E-mail:
CAPITULO: Finanzas y Economía.
Durango, Dgo. 21 al 24 de Abril de 2014
RELACIÓN DE LARGO PLAZO ENTRE LOS MERCADOS FINANCIEROS Y
REALES DEL ÁREA DEL TLCAN.
Resumen
El objetivo de este trabajo consiste en evaluar la existencia de relaciones de largo
plazo entre la economía real de los países del área del TLCAN y la injerencia
sobre el desarrollo de cada mercado financiero, así como la búsqueda de una
posible interrelación entre los mercados y las economías de esos países.
Validando para ello, el uso de la metodología adecuada: cointegración de
Johansen, MCO o ARDL, acorde a las características deterministas y la naturaleza
de estacionariedad de las series objeto de estudio
En la primera sección este trabajo se presenta una revisión de los aspectos
teóricos generales existente sobre las técnicas para determinar la existencia de
relaciones de largo plazo, así como estudios previamente desarrollados donde se
analizan evidencias empíricas de la existencia de relaciones de largo plazo entre
el sector financiero y la economía real. En la segunda sección retomando
resultados de investigaciones previas sobre causalidad, se analizan las relaciones
de largo plazo para las diversas variables reales y financieras de las economías
del área del TLCAN que han sido consideradas. Por último, se resumen las
principales conclusiones obtenidas en este trabajo.
Palabras clave: Cointegración, MCO. ARDL.
Introducción.
El desempeño económico de México depende en gran medida del resto del
mundo, pero esta influencia se hace más evidente con la economía de Estados
Unidos.Principalmente por la estrecha relación comercial existente entre esta
última y nuestra economía. Las relaciones comerciales entre México y Estados
Unidos, han crecido bajo el Tratado de Libre Comercio de América del Norte,
convirtiendo a México en el segundo mayor asociado comercial de los Estados
Unidos, ya que el comercio total entre estos países superó los $260 mil millones
de dólares en 2000, de acuerdo con el informe del Presidente Bush (2001).
Además, mucho se ha mencionado en estudios realizados por diversas
instituciones financieras internacionales, sobre el papel positivo o negativo que
ejerce el desempeño económico de Estados Unidos sobre México. Cuando la
economía de Estados Unidos se expande, fomenta la exportación y la actividad
económica mexicana, pero tan pronto como la actividad se deprime la Reserva
Federal de Estados Unidos contrae los flujos de capitales y los escenarios
mexicanos se complican.
Esta influencia en la conducta del ciclo de negocios de la economía de
Estados Unidos sobre México, se puede apreciar mayormente a partir de 2000, ya
que la economía de Estados Unidos ha venido presentando un crecimiento
económico irregular y se ha visto reflejado en el desempeño del mercado
financiero mexicano. Desde los atentados terroristas como los acontecidos el 11
de Septiembre de 2001, hasta descensos de casi 10 puntos porcentuales en los
rendimientos ofrecidos por las tasas de interés a largo plazo de los Estados
Unidos (Warnock y Warnock, 2005), han ejercido una presión negativa sobre el
sector real y financiero de México. En el ámbito bursátil, el panorama se ha
comportado de igual forma: elevada volatilidad como consecuencia de la
inestabilidad de los mercados financieros internacionales, derivada principalmente
de la incertidumbre financiera ocasionada por la desaceleración económica de
Estados Unidos; vaivenes con trayectoria a la baja en la Bolsa de Nueva York y el
IPC de la BMV mostrando un comportamiento similar a los índices accionarios
Nasdaq y Dow Jones.
En el caso de la economía canadiense, ésta tiene una relación única con
Estados Unidos, propiciada en primera instancia por el hecho de que comparten
una frontera natural sumamente extensa, la más grande del mundo, lo cual
provoca que ambos países tuvieran que desarrollar una relación cooperativa que
va más allá del simple hecho de operar como socios comerciales para funcionar
como economías integradas en diferentes ámbitos, que van desde lo político hasta
las inversiones.
La importancia que tiene esta relación transfronteriza de dependencia se
basa tanto en el volumen escalonado de su comercio bilateral, equivalente en el
2006 a $1.5 billones de dólares americanos diarios en bienes, que soportan
millones de trabajos en ambos países según datos proporcionados por la
Embajada de Estados Unidos de América en Ottawa (2007); como en el hecho de
que el 80% de la población canadiense viva dentro del área fronteriza (de 200 km.)
con Estados Unidos.
Analizando esta relación y de acuerdo con Bourassa y Lawson (2007),
podemos resaltar que Estados Unidos es el principal inversionista extranjero en
Canadá. La IED americana en el 2006 ascendió a $241 billones, es decir el 61%
del total de la inversión. Igualmente, es el consumidor más voraz de combustibles
fósiles y de otros productos y servicios canadienses. Por su parte, Canadá es
sumamente importante para Estados Unidos, ya que éste encabeza el mercado
exportador de 39 de los 50 estados americanos y está calificado entre los 3
primeros para otros 8 estados. De hecho, Canadá es un gran mercado para los
bienes norteamericanos, Estados Unidos vende cerca de tres veces más
mercancías en este mercado que en otros, como sería el caso de Japón.
Esta dependencia también se vive en el mercado financiero canadiense,
laBolsa de Valores de Toronto (TSX) al igual que otros mercados de América,
desde sus inicios ha mostrado un desempeño muy ligado al desarrollo de la
economía internacional; depreciación sobre el tipo de cambio Can/US, altibajos
en los precios de los commodities y en las tasas de interés de documentos
gubernamentales líderes, así como cambios en el comercio exterior.
Acorde con cifras proporcionadas por el Ministerio de Comercio
Internacional (2006) las condiciones económicas, financieras, monetarias y
políticas estables, han favorecido también al sector financiero, ya que el 45% de
la inversión extranjera directa fue captada por el sector financiero y de seguros.
Permitiendo de igual forma que la TSX ostente un desempeño favorable logrando
que el volumen de acciones cotizadas llegara a niveles históricos en 2000 (TSX,
2001), ubicándose entre los primeros lugares de las bolsas del mundo.
Desafortunadamente, aunque se ha presentado un moderado fortalecimiento del
mercado de capitales y la existencia de un ambiente óptimo para la inversión
privada, la Bolsa de Toronto continúa aun mostrando una estrecha relación con el
comportamiento del mercado financiero de Estados Unidos.
Por lo anteriormente citado y, porque una vasta literatura muestra evidencia que
sugiere la existencia de relaciones a largo plazo entre los mercados financieros y
las economías de los países integrantes del Tratado de Libre Comercio de
América del Norte (TLCAN) (Ortiz et. al. 2007, Castillo y Ramírez 2008, Canarella
et al. 2008, López et. al. 2009, López y Venegas 2012, entre otros), es necesario
analizar lo que ha implicado para los mercados financieros de los tres países,
conformar un bloque comercial a partir de la firma del TLCAN. Para tal fin, el
objetivo de este trabajo consiste en evaluar la existencia de relaciones de largo
plazo entre la economía real de cada país y la injerencia sobre el desarrollo de
cada mercado financiero, así como la búsqueda de una posible interrelación entre
los mercados y las economías de esos países. Validando para ello, el uso de la
metodología adecuada: cointegración de Johansen, MCO o ARDL, acorde a las
características deterministas y la naturaleza de estacionariedad de las series
objeto de estudio
Modelos y estadísticos de contraste.
Con las recientes crisis mundiales, la economía mundial ha puesto de manifiesto a
los inversionistas la urgente necesidad de diversificar internacionalmente sus
inversiones de capital y poder así minimizar riesgos locales. Particularmente, a
partir de la globalización de los mercados y la alta tecnificación en el sector
financiero, hacen suponer que los vínculos entre los distintos mercados y países
no son de la magnitud que se esperaría (Espinosa y Ramos, 2009). Por ello se
requiere poner especial atención a la cuantificación del grado de integración que
tiene un mercado en específico.
Primeramente se hace necesario definir lo que en este trabajo
consideramos como integración. Para ello recurrimos a la definición de
estacionariedad. Una serie estacionaria se caracteriza por una media constante,
que no varía con el tiempo; una varianza también constante y finita; una limitada
memoria de su conducta pasada, con efectos transitorios de una perturbación
aleatoria. Gráficamente serán series que tienden a volver a su media y cruzarla
repetidamente, fluctuando a su alrededor con una amplitud relativamente
constante (Anchuelo, 1993).
En este contexto, la teoría de la econometría ha desarrollado un sinnúmero
de estudios que ponen de manifiesto las relaciones existentes entre diversas
variables. La gran mayoría de los estudios se han centrado en el caso particular
de series no estacionarias representado por las series integradas de orden 1, I(1).
Podemos iniciar esta relación de estudios, con los trabajos desarrollados
por Klein (1953) (en Banerjee y Hendry, 1992) que estudió las relaciones entre
consumo e ingreso y el capital y la producción. Rosenbluth (1957, 1958) y Hay
(1966) Solnik (1974), (en Castillo y Ramírez, 2008) quienes evaluaron el
comportamiento conjunto de las economías canadiense y estadounidense,
encontrando una asociación cercana.
Los econometristas de esas épocas, hablaron de cointegración durante
muchos años sin darse cuenta de ello: los altos índices de Klein (1953) (en
Banerjee y Hendry, 1992) fueron un fenómeno interesante cuando la teoría
econométrica supone un mundo I(0) pero estaban aún más interesados,
estadísticamente hablando, de las variables I(1).
Por otra parte, es muy frecuente encontrar regresiones de series de tiempo
no estacionarias, I(1), causando resultados espurios (Granger y Newbold, 1974).
En otras palabras y de acuerdo con estos autores, las variables no mantienen
entre si una relación causal y por lo tanto la estimación de un modelo
econométrico temporal que las relaciona, proporciona elevada bondad de ajuste y
un valor bajo del estadístico Durbin- Watson, que correspondería a la ausencia de
autocorrelación El análisis de Granger y Newbold (1974) destaca la necesidad de
analizar la estacionariedad de la perturbación aleatoria, contrastar que tenga una
varianza constante es clave para el estudio de la cointegración. (Guisan, 2002).
Para ello, el análisis de series de tiempo sugiere la conveniencia de
diferenciar las variables en cuestión antes utilizarlas en una regresión, validando la
estacionariedad de las mismas a través de una prueba de raíces unitarias sobre
los residuos de la regresión (ut). Aunque éste procedimiento nos puede llevar a
una pérdida de información de la relación a largo plazo existente entre las
variables (Zuñiga, 1992).
Dicha estrategia fue aplicada por un elevado número de investigadores tras
la publicación del trabajo de Granger y Newbold (1974). No era, sin embargo,
satisfactoria: Davidson, Hendry, Srba y Yeo (1978), así como Hendry y Mizon
(1978) hicieron notar que, al expresar el modelo en diferencias, no era posible
inferir su solución a largo plazo a partir del modelo estimado.
En este caso, debido a que la ut estimada se basa en el parámetro de
cointegración estimado β2, los valores críticos de significancia de las pruebas de
raíces unitarias de DickeyFuller (DF) y DickeyFuller Aumentada (ADF) no son del
todo apropiados; para ello, Engle y Granger (1987), siguiendo un procedimiento
algo diferente y teniendo en cuenta que la perturbación es una variable no
observable, calcularon valores críticos más elevados; verificando con mayor rigor
la existencia de raíces unitarias.
Bajo el supuesto que los datos son estacionarios, si una combinación lineal
de series económicas que presentan “paseos aleatorios” es estacionaria, es
posible inferir que existe una relación de largo plazo o de equilibrio entre ambas
series;es decir, estarán cointegradasy, de acuerdo a Engle y Granger (1987), la
aplicación de una regresión de mínimos cuadrados producirá estimaciones
consistentes.Para Engle y Granger (1987) las variables que componen un vector
xtestán cointegradas de orden d,b
(3.1)
si todas ellas son integradas de orden d, I(d), y existe un vector αdistinto de cerotal
que
(3.2)
es decir, zt es integrada de orden d menos b, siendo b mayor que cero. El vector α
que origina una combinación lineal de variables I(d) con un orden de integrabilidad
menor que d se denomina vector de cointegración.
El método bietápico de Engle y Granger es relativamente simple e intuitivo.
A pesar de estas ventajas, no está exento de inconvenientes. El número de
vectores de cointegración que puede existir entre un conjunto de N variables
(todas integradas del mismo orden) puede ser de hasta N-l(3.3). Un segundo
inconveniente importante de este método es, que los estadísticos que proporciona
carecen de distribuciones límite bien definidas. (Anchuelo, 1993)
De igual forma, podemos encontrar series, que analizadas de manera
individual son I(1), pero que al someterlas de manera conjunta a una prueba de
raíces unitarias descubrimos que su combinación lineal es I(0), esto es, dicha
combinación cancela las tendencias estocásticas de las dos series; y
unaregresión entre ellas puede ser significativa, confirmando la evidencia de que
ambas variables están cointegradas (Gujarati y Porter, 2010. p.762).
Para estudiar este tipo de situaciones, Johansen (1988) desarrollo una
prueba relacionada con el enfoque VAR.Este autor analiza las restricciones
impuestas por la cointegración de las series incluidas en un modelo VAR no
restringido. Su enfoque permite estimar mediante máxima verosimilitud todos los
vectores de cointegración que existan entre un conjunto de N variables;
proporciona contrastes, con estadísticos que tienen distribuciones límite bien
definidas, del número de vectores de cointegración que son significativos; también
ofrece contrastes de restricciones lineales sobre los parámetros que componen
dichos vectores.(Anchuelo, 1993)
El planteamiento teórico de la propuesta de Johansen considera un modelo VAR
de orden p:
(3.4)
dondeytes un vector de k variables no estacionarias, I(1), xtes un vector de d
variables deterministas, y εtes un vector de innovaciones.
En forma condensada, podemos rescribir el modelo VAR como
(3.5)
Donde
, (3.6)
El teorema de representación de Granger afirma que si la matriz de coeficientes Π
tiene un orden reducido r<k, entonces existen k*r matrices α y β de orden r, tal que
P = αβ' y β'yt(3.7)es estacionaria, donde r es el número de relaciones de
cointegración (el orden de cointegración). Cada columna de β es el vector de
cointegración. Los elementos de α son conocidos como los coeficientes de ajuste
en el modelo del vector de corrección del error. El método de Johansen estima la
matriz Π en forma restringida, de forma que analiza si se pueden rechazar las
restricciones implícitas por el orden reducido de Π.
Respecto al número de relaciones de cointegración, si tenemos k variables
endógenas, cada una de las cuales con una raíz unitaria, puede haber desde cero
hasta k-1 (3.8) relaciones de cointegración. Si existe una ecuación de
cointegración en el sistema, entonces una combinación lineal de los niveles de las
variables endógenas β'yt-1, deberá ser añadida en cada ecuación del modelo VAR.
Si existen, exactamente, k relaciones de cointegración, es decir, tantas
como variables endógenas, es porque ninguna de las series contiene una raíz
unitaria, y el modelo VAR puede expresarse en términos de los niveles de todas
las series. Nótese que en algunos casos, el test individual de raíces unitarias
puede indicar que algunas de las series están integradas (tienen raíz unitaria),
pero el test de Johansen puede, sin embargo, indicar que el orden de
cointegración es k. Esta aparente contradicción puede ser el resultado del error de
especificación de modelo.
Por otra parte, cada columna de la matriz β proporciona una estimación del
vector de cointegración. El vector de cointegración no se identifica a menos que se
imponga alguna normalización arbitraria. Por tanto, el test de cointegración de
Johansen nos permitirá confirmar que las variables están cointegradas y el
número de ecuaciones de cointegración.
Aunque para algunos autores, como Otero (1993) (en Guisán, 2002),
señalan que las propiedades estadísticas del método de Johansen son superiores
a las del método de Engle-Granger, sus resultados son, en opinión de Guisán
(2002) y otros autores, en general menos interesantes para un economista ya que
se alejan mucho de los supuestos realistas de las relaciones causales de la
economía. Al omitir el orden de causalidad entre las variables y no considerar la
importancia de las relaciones causales contemporáneas. Para Maddala (1992) (en
Guisán, 2002) se trata de enfoque ateórico, puramente estadístico, y que en
general no resulta adecuado para el análisis de las relaciones económicas.
Buscando la robustez de la prueba, Johansen (1988), Johansen y Juselius
(1990), y Johansen (1991) abordaron la estimación de máxima verosimilitud
completa de (1) para k finita y un vector m de residuos, idéntica,normal e
independientemente distribuido. También desarrollaron el estadístico de la traza y
el estadístico del máximo eigenvalorpara la prueba de cointegración.
La prueba estadística de la traza para la hipótesis nula de que existen, por
lo menos, r vectores de cointegración, se calcula como
(3.9)
Donde T es el número de periodos en la muestra, son los
eigenvaloresordenados de , y , (3.10) son los
residuos obtenidos de la regresión de y , respectivamente sobre ,
… (3.10).
El estadístico del máximo eigenvalor se utiliza para probar la hipótesis nula
de que existenr vectores de cointegración contra la alternativa de r+1 vectores de
cointegración, y consiste en probar (3.11). (Mallory y Lence, 2012)
Como es bien sabido, las pruebas de Johansen adolecen de distorsiones de
tamaño y bajo poder en pequeñas muestras, sobre todo cuando el modelo de
corrección de error produce residuos que son casi integrados de orden uno I (1).
Ante ello, surgen estudios tratando de dar solución. Saikkonen (1992)
demostró que cuando un conjunto de datos cointegrado tiene una estructura (MA),
la distribución asintótica de la prueba de la traza de Johansen y de los máximos
eigenvalores, son los mismos que los reportados en Johansen (1988) y Osterwald-
Lenum (1992) -siempre y cuando la longitud del retardo del modelo vectorial de
corrección de error (VECM) conjuntamente con el tamaño de la muestra,tienda a
infinito a una velocidad suficiente.
Toda y Yamamoto(1995) realizaron un estudio independiente del
desempeño de las pruebas de la traza de Johansen en muestras finitas y
determinó que la distribución simulada de la prueba estadística asintótica bajo la
hipótesis nula fue razonablemente buena, con 100 observaciones. Sin embargo,
100 observaciones no fueron suficientes para determinar el verdadero rango de
cointegración bajo una alternativa estacionaria, si una o más de las raíces
estacionarias del proceso fueran cercanas a 1, la prueba presentaba baja
potencia.
Saikkonen y Luukkonen(1997) (en Mallory y Lence, 2012), utilizando
simulación Monte Carlo, derivan algunas alternativas a la prueba de la traza de
Johansen y a la prueba estadística del máximoeigenvalor. Estas pruebas se basan
en el uso de un VAR de orden finito para estimar un proceso VARMA de orden
infinito. Lo que significa que la aproximación finita de la longitud del retardo debe
crecer con el tamaño de la muestra.
Posteriormente, derivado de los hallazgos de Perron (1989) en el análisis
de series económicas, quien resalta la necesidad de incorporar variables dummies
que representen rompimientos en los componentes determinísticos de la serie
debido a que éstos pueden inducir aparentes raíces unitarias en series
estacionarias;Johansen, Mosconi y Nielsen
(2000),analizandodatosmacroeconómicos proponen un modelo VAR para probar
el rango de cointegración. Basado en el análisis de cointegraciónde máxima
verosimilitud propuesto años anteriores por Johansen (1989) con algunas
diferencias: incluyen rompimientos estructurales en la tendencia lineal en fechas
conocidas, y el análisis de cointegración se da en términos de la regresión
reducida del rango, es decir, una combinación basada en el análisis de las
regresiones por MCO y el análisis canónico de correlación.
Conforme a Lin (2008) la cointegración se presenta cuando una
combinación lineal de dos series I(1) se convierte en un proceso I(0), implicando
con ello un equilibrio de largo plazo. Si no hay ninguna relación de cointegración,
cualquier método de análisis de series temporales, como por ejemplo los modelos
VAR sin restricciones, puede aplicarse a las primeras diferencias de los datos.
Dado que hay k elementos integrados separados en las series, los niveles de las
series no aparecen en el modelo VAR en este caso.
Sin embargo, acorde con Banerjee y Hendry (1992) es posible comprobar la
existencia de una relación a largo plazo antes de dedicar recursos a la
modelización. En los procesos de cointegración, la exogeneidad débil11 de las
variables condicionantes de los parámetros de interés sigue siendo tan vital como
lo ha demostrado ser en los procesos estacionarios. Realizando pruebas de
exogeneidad débil en un subconjunto de las variables para los parámetros,
permite la reducción condicional de I(1) a I(0) y el análisis procede como de
costumbre, una regresión de mínimos cuadrados ordinarios (MCO).
El problema se presenta cuando,existiendo un conjunto de variables, se
desea modelar la relación entre ellas; teniendo en cuenta las raíces unitarias y/o la
cointegración asociadas con los datos, podemos encontrar que algunas de las
variables en cuestión pueden ser estacionarias I(0), algunas pueden ser I(1) o
incluso estar mínimamente integradas, y también existe la posibilidad de
cointegración entre algunas de las variables I(1).
Precisamente, cuando no se está seguro del orden de integración de las
series y las pruebas tradicionales de cointegración (como la de Engle-Granger o la
de Johansen) no pueden ser utilizadas, es donde Giles (2013b) resalta la
importancia de utilizar la metodología modelos autorregresivos y con retardo
distribuido/Prueba de límites de Pesaran et al. (1999,2001).
Pesaran, Shin y Smith (1999,2001) (en Giles, 2013b) utilizando la
metodología de modelos autorregresivos y con retardo distribuido (ARDL, por sus
siglas en inglés) desarrollaron las pruebas de límites para el análisis de relaciones
de largo plazo, las cuales presentan una serie de características que muchos
investigadores piensan les otorga algunas ventajas con respecto a las pruebas de
cointegración convencional: Se puede utilizar con una mezcla de datos I(0) e I(1);
se trata de conformar sólo una sola ecuación, por lo que es fácil de aplicar y de
interpretar; y, se pueden asignar diferentes distancias a los retardados de las
diferentes variables al entrar en el modelo.
11
Entendiéndose ésta, acorde a la definición de Johnston y Dinardo (1997), como la distribución marginal de las variables
condicionantes que no incluye información relevante y puede ser ignorada en el análisis.
En su trabajo, Pesaran et al. (1999, 2001) proporcionan dos conjuntos de
valores críticos asintóticos para la distribución del estadístico F. Los dos casos
extremos: uno en el que se asume que todos los regresores son I(1), denominado
limite superior; y el otro asumiendo que todos son I(0), el límite inferior. Si los
resultados calculados en esta prueba, están por abajodel límite inferior, se puede
concluir que las variables son I(0) y por definición, no hay posibilidad de
cointegración. Si el estadístico calculado sobrepasa el límite superior, podemos
concluir la existencia de cointegración. Sin embargo, si el estadístico calculado se
encuentra entre los límites inferior y superior, la prueba es inconclusa.
Como comprobación, se puede corroborar la existencia de la relación de
largo plazo, si el estadístico t para es menor que el límite superior tabulado
por Pesaran et al. (2001).
Aunque desde la década de los sesenta, la metodología de ARDL se
utilizaba con frecuencia, sobre todo para eliminar los efectos de la
multicolinealidad asociados por la inclusión de demasiados rezagos de “x” como
regresores; es en los tiempos más recientes que han demostrado proporcionar un
medio muy valioso para probar la presencia de relaciones de largo plazo entre las
series de tiempo económicas.(Giles, 2013a)
De acuerdo con Johnston y Dinardo (1997), a aquellos modelos que
incluyen regresores que sean tanto valores retardados de la variable dependiente,
como valores actuales y retardados de una o más variables explicativas, se les
denomina modelos autorregresivos con retardo distribuido (ARDL). Con un
esquemaARD(p,q)
(3.12)
Y, por lo tanto el valor actual de y depende tanto del valor actual como de los
valores previos de x y ε. Dicho de otro modo, esta relación muestra que el valor
actual de x influye tanto sobre los valores actuales de y como sobre los futuros.
A la par del desarrollo de los trabajos previamente citados, y derivado de la
discusión académica sobre el vínculo existente entre el sector real y el mercado
financiero, se generaron trabajos empíricos mostrando el interés sobre evidenciar
la existencia de dicha relación a largo plazo.
Trabajos como el de Roll (1992) y Longing y Solnik(1995) (en Espinosa y
Ramos, 2009) muestran las correlaciones existentes entre diferentes mercados y
países, resaltando la importancia de conocer el grado de integración entre estos.
Empleando datos anuales tipo panel, Rousseau y Wachtel (2000) (en
Levine, 2004) examinaron la relación entre los mercados accionarios, la banca y el
crecimiento. Los resultados que obtuvieron indican que los componentes
exógenos tanto del desarrollo financiero12 como del desarrollo bancario ayuda a
predecir el crecimiento económico.
Rioja y Valev (2004) (en Levine, 2004) utilizando datos tipo panel
encontraron que el sector financiero estimula el crecimiento en países ricos
principalmente agilizando el crecimiento de la productividad, mientras que en los
países pobres lo hace fundamentalmente a través de la aceleración de la
acumulación de capital.
Adicionalmente a las aportaciones anteriores, se han realizado análisis
económicos formales para identificar la integración de los países que conforman
bloques comerciales. Específicamente, y como parte del interés central de este
trabajo, presentamos una breve reseña de la literatura desarrollada en la materia,
respecto a la posible integración de los mercados de los países que conforman el
bloque comercial de América del Norte. Cabe destacar que a pesar de ser un tema
relevante, aun es escasa la investigación desplegada.
En 2003, Cuevas et al. (en Castillo y Ramírez, 2008), analizaron las
correlaciones entre las tasas de crecimiento de varios indicadores entre Canadá,
12
Levine (2004) precisa que el desarrollo financiero ocurre cuando los instrumentos financieros, mercados e intermediaros
mejoran los efectos de la información, la normativa y los costos de transacción y, por tanto, realizan un mejor trabajo.
Conlleva mejoras en la producción de información ex ante para posibles inversiones; monitoreo de las inversiones y la
implementación del gobierno corporativo; negociación, diversificación y administración del riesgo; movilización y
acumulación de ahorros y el intercambio de bienes y servicios.
Estados Unidos y México; concluyendo que la interdependencia económica se
incrementó como resultado del Tratado de Libre Comercio de América del Norte.
Fernández y Kutan (2005) (en Castillo y Ramírez, 2008) reconocieron un
alto grado de interdependencia económica, pero sugieren que los ciclos de
negocios entre los países son asincrónicos.
Asimismo, Garcés (2005) (en Espinosa y Ramos, 2009) analizando el
periodo 1980-2000, reportó que el PIB de México y sus componentes tienen
relaciones de cointegración con el índice de producción industrial de Estados
Unidos.
Por otra parte, Rosmy y Simons (2007) (en Castillo y Ramírez, 2008),
muestran que las economías de los países que conforman el bloque comercial del
TLCAN, presentan una respuesta similar a las crisis comunes. Adicionalmente
identifican un ciclo de negocios “norte americano”.
Ortiz et al. (2007) analizaron el proceso de integración de los mercados de
capitales de los países que integran el Tratado de Libre Comercio de América del
Norte durante el periodo 1984-2002, mediante un modelo econométrico que
captura las relaciones de largo plazo. Su evidencia sugiere la existencia de
integración entre los mercados de los tres países, pero es cambiante en el tiempo.
Contrariamente a Rosmy y Simons (2007) (en Castillo y Ramirez, 2008),
Castillo y Ramírez (2008), evidenciaron que las economías del bloque del TLCAN
no solo comparten ciclos económicos, sino también una tendencia.
Sin embargo en el trabajo de Chukwuogor-Ndu y Kasibhatla (2007) se
documenta que los mercados de capitales de Estados Unidos, Canadá y México
están cointegrados, como resultado del Tratado de Libre Comercio de América del
Norte
En el trabajo de López et al. (2009),utilizando un modelo de vectores
autorregresivos (VAR) con un mecanismo de corrección de errores, acomodando
cambios a través del tiempo en las correlaciones y volatilidades de los mercados,
muestran evidencia que sugiere la presencia de una relación de equilibrio a largo
plazo a la cual los mercados se ajustan de sus desviaciones a corto plazo,
existiendo canales de interacción significativa entre los rendimientos de los tres
mercados. También identifican los efectos de la transmisión de volatilidades de los
mercados de Canadá y Estados Unidos al mercado mexicano, no encontrando
evidencia de que la volatilidad de este último mercado afecte significativamente a
la volatilidad de sus contrapartes.
Contrariamente, en el trabajo de Canarella et al. (2008) explorando los
vínculos dinámicos de los rendimientos de los mercados de valores en el TLCAN,
las pruebas estándar de cointegración no encontraron evidencia de que los índices
bursátiles del TLCAN comparten relaciones de equilibrio de largo plazo.
López y Ortiz (2010) examinan la integración entre los mercados del
TLCANy el mercado de capitales mundial. Utilizando la técnica de análisis de
Johansen no les fue posible encontrar dos relaciones de cointegración. Su
evidencia de no cointegración fue algo desalentador para los autores, teniendo en
cuenta el alto nivel de actividad económica que México mantiene con la economía
de Estados Unidos, así como la pequeña pero creciente relación con Canadá.
Por otra parte, en un estudio más reciente, López y Venegas (2012)
muestran los resultados de su estudio sobre las características de las relaciones
entre los mercados accionarios mexicanos y estadounidenses y los mercados de
derivados de esos mercados accionarios. El análisis se lleva a cabo conforme a la
hipótesis de que hay canales de transmisión de los rendimientos y de las
volatilidades de estos mercados debido a que están integrados. Su trabajo
proporciona evidencia favorable acerca de la presencia de canales de transmisión
significativos. Sin embargo, dicha evidencia sugiere que la integración es sólo
moderada o incompleta.
Como podemos apreciar, la diferencia de nuestro trabajo radica en que
buscaremos la existencia de relaciones de largo plazo entre el Mercado accionario
y el crecimiento económico de los países del TLCAN, en función a la adecuada
metodología: MCO o ARDL, según las características deterministas de las series y
la naturaleza estacionaria de las series.
Datos y metodología econométrica.
Al considerar los resultados obtenidos en trabajos previamente desarrollados en
los que se evidencia la causalidad existente entre algunas variablesdel sector
financiero y el crecimiento económico de México y Canadá,para la detección de
las relaciones a largo plazo, se utilizan series de tiempo desestacionalizadas13,
transformadas en logaritmos neperianos, del PIB denotada con LOGRGDP, M2
denotada con LOGRM2 y M3 denotada con LOGRM3, como variables “proxies”
para medir la dinámica de las economías de cada país; en tanto que para estimar
la actividad del mercado bursátil se hace usode los índices de las bolsas de
valores de Canadá (TSX) y México (IPC) denotadas con LOGSECAN y
LOGSEMEX respectivamente. Los datos tienen una frecuencia trimestral para el
horizonte temporal comprendido entre 1970 a 2011. Las series canadienses
comprenden un total de 168 observaciones cada una de ellas, para el caso de
México la muestra se acorta a 124 observaciones por la disponibilidad de la
información. El conjunto de series económicas y financieras se obtuvieron de la
base de datos International FinancialStatistics (IFS) del Fondo Monetario
Internacional. Se utilizaron como herramientas estadísticaslos programas
econométricosEviews 7.1 y Gauss 13.
Como un análisis preliminar, se revisa la estacionariedad, tomando como
base el correlograma de las series a incluir en las relaciones de largo plazo. Con la
finalidad de mostrar evidencia empírica de la relación existente entre el sector
financiero y la economía real, se observa la dinámica de la evolución en el tiempo
entre las variables canadienses. Para las tres series canadienses, lasfunciones de
autocorrelación (FAC) individual son muy altas, cercanas a uno hasta el rezago 5,
Para realizar la desestacionalización de las series de tiempo se utilizó la transformación conjunta, la cual nos permite
obtener una serie de características estacionarias, sin tendencia creciente o decreciente y sin alteraciones en la dispersión
de los valores respecto a su nivel medio (ΔLogYt = LogYt - LogYt-1).
y las funciones de autocorrelación parcial (PAC) del primer rezago son igualmente
cercanas a 1 y los restantes cercanos a cero; con lo cual podemos anticipar una
posible ausencia de estacionariedad en las series.
En cuanto a las series de tiempo mexicanas, se puede observar un
comportamiento similar. Los resultados de las funciones de autocorrelación en los
correlogramas muestran como la correlación de orden uno (relación de
dependencia lineal entre la variable en un momento dado y el inmediatamente
anterior) adopta un valor muy elevado. Además, presenta un perfil de
decrecimiento muy moderado (es decir, no se anulan). En concreto, presenta un
comportamiento exponencial decreciente positivo, sin que haya un corte, típico de
series no estacionarias. Para el caso de las funciones de autocorrelación parcial,
apreciamos para LOGRM3MEX Y LOGSEMEX, fuera de las bandas solamente el
primer retardo y en el caso de LOGRGDPMEX, el primer y cuarto retardo, lo que
nos podría llevar a pensar en la existencia de un esquema estacional derivado del
formato de los datos.
Como medio de verificación, se incluyen las gráficas de las trayectorias
descritas por las series tanto canadienses como mexicanas. En ellas, se muestra
como las dinámicas del sector económico de ambos países (representado por M2,
M3 y GDP) tienden a seguir tendencias conjuntas, mostrando caminatas y
comportamientos muy similares.
Sin embargo, para el caso del sector financiero (representado por los
índices bursátiles de ambos países, SE) se aprecian comportamientos totalmente
diferentes. El mercado canadiense (LOGSECAN) presenta una tendencia
creciente positiva moderada a lo largo del periodo de estudio, con algunas
disminuciones (rompimientos) en momentos de crisis internacional afectando
sobre ella. En el caso del mercado mexicano, muestra una recuperación
significativa, remontando desde zonas de decrecimiento, con una tendencia
positiva alcista, perturbada también por las externalidades del mercado
internacional.
Por lo tanto, derivado de la inspección de los gráficos podemos confirmar la
ausencia de estacionariedad de las seis series.
Para la confirmación de esta característica, empleando la prueba tipo panel
de Carrion, Barrio y López-Bazo (CBL) (2005),permitiendo la presencia de
múltiples rompimientos en diferentes fechas desconocidas y la especificación de
un numero diferente de rompimientos para cada serie individual, los resultados
obtenidos muestran los estadísticos críticos generados mediante bootstrap,
poniendo de manifiesto una mayor potencia de la prueba.
En la tabla1 se exhiben las conclusiones de la prueba CBL, las cuales
indican para el caso del modelo que permite varianzas homogéneas, solo una de
las seis variables sigue siendo integrada de orden I(1). En concordancia, bajo la
hipótesis nula de estacionariedad con rompimientos y varianzas heterogéneas,
encontramos que una de las variables, el GDPMEX14, continua siendo no
estacionaria I(1).
Tabla1. Contrastes de pruebas de raíces unitarias Carrion, Barrios & López-Bazo.
Conclusiones.
Carrion, Barrios & López-Bazo test
Panel A: Conclusion
Variable
HOMOGENEOUS
HETEROGENEOUS
GDPCAN I(0) I(0)
GDPMEX I(1) I(1)
M2CAN I(0) I(0)
M3MEX I(0) I(0)
SECAN I(0) I(0)
14
Cabe resaltar que la prueba CBL utiliza las series de tiempo individuales a niveles, ya que la prueba en sí, realiza las
transformaciones necesarias para su tratamiento. Por ello los nombres de las variables no incluyen las siglas LOG como
en las pruebas anteriores.
SEMEX I(0) I(0)
FUENTE: Elaboración propia a partir de datos obtenidos del IFS.
Dada la naturaleza estacionaria I(0) de cinco de las variables, nos advierte
sobre una ausencia de una relación de largo plazo entre ellas. Pero en ánimo de
encontrar evidencia de la existencia de alguna de relación de largo plazo entre los
sectores financiero y económico de Canadá y México, se procederá en primer
lugar con la realización de la regresión por mínimos cuadrados ordinarios (MCO)
sobre las variables estacionarias I(0), en este caso serán las propias del mercado
canadiense. Los resultados de este análisis revelan un coeficiente de
determinación bajo (R2=0.098) poniendo de manifiesto la existencia de una débil
relación entre las variables. El estadístico Durbin-Watson levemente inferior al
máximo permitido, 1.60 nos indica la ausencia de autocorrelación serial. El
resumen de esta regresión aparece en la tabla2.
Tabla 2. Resultados de la regresión por MCO para las series LOGSECAN,
LOGRGDPCAN y LOGRM2CAN
Dependent Variable: DLOGSECAN
Method: LeastSquares
Date: 06/04/14 Time: 17:09
Sample: 1980Q1 2011Q4
Includedobservations: 128
Variable
Coefficien
t Std. Error t-Statistic Prob.
DLOGRGDPCAN 2.281183 0.880065 2.592063 0.0107
DLOGM2CAN -0.849754 0.400368 -2.122430 0.0358
C 0.008985 0.009761 0.920494 0.3591
R-squared 0.098334 Mean dependentvar
0.01536
8
Adjusted R-
squared 0.083908 S.D. dependentvar
0.07937
7
S.E. of regression 0.075974 Akaikeinfocriterion
-
2.29368
6
Sum squaredresid 0.721511 Schwarzcriterion
-
2.22684
2
Log likelihood 149.7959
Hannan-
Quinncriter.
-
2.26652
7
F-statistic 6.816153 Durbin-Watson stat
1.60406
6
Prob(F-statistic) 0.001550
FUENTE: Elaboración propia a partir de datos obtenidos del IFS.
Continuando con el análisis de las relaciones de largo plazo, en el caso de
las series de tiempo de México, presentan un panorama mixto, es decir, de
acuerdo con los resultados obtenidos en la prueba de raíces unitarias, existen dos
variables I(0) (LOGRM3MEX y LOGSEMEX) y una variable I(1) (LOGRGDP), por
ello se hará uso de la prueba de los límites de ARDL propuesta por Pesaran et al.
(1999, 2001).
Conforme a dicha metodología, debemos seleccionar de manera eficiente
los valores apropiados para la longitud máxima de los rezagos a incluir en la
ecuación del modelo VAR. En este trabajo, siguiendo a Giles (2013), se determinó
el número de rezagos empleando el criterio bayesiano de Schwarz, el cual nos
señala una longitud de cero rezagos. Los productos de los criterios de información
para elegir el número de rezagos, se incorporan en la tabla3..
Tabla3 Criterios de información para elegir el número de rezagos para las
variables de México.
FUENTE: Elaboración propia a partir de datos obtenidos del IFS
VAR Lag Order Selection
Criteria
Endogenous variables:
DLOGSEMEX
Exogenous variables: C D(LOGRGDPMEX(-1)) D(LOGRM3MEX(-1))
LOGRGDPMEX(-1) LOGRM3MEX(-1)
Date: 06/02/14 Time: 14:47
Sample: 1970Q1 2011Q4
Includedobservations: 104
Lag LogL LR FPE AIC SC HQ
0 40.85650 NA* 0.029383* -0.689548* -0.562414* -0.638042*
1 40.85940 0.005469 0.029953 -0.670373 -0.517812 -0.608566
2 41.47183 1.142401 0.030179 -0.662920 -0.484932 -0.590812
3 41.48900 0.031699 0.030758 -0.644019 -0.440604 -0.561610
4 41.52996 0.074845 0.031335 -0.625576 -0.396735 -0.532866
5 41.58104 0.092326 0.031917 -0.607328 -0.353059 -0.504316
6 41.62248 0.074121 0.032518 -0.588894 -0.309199 -0.475581
7 42.07229 0.795822 0.032871 -0.578313 -0.273191 -0.454699
8 42.36208 0.507120 0.033333 -0.564655 -0.234106 -0.430740
* indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5%
level)
FPE: Final prediction error
AIC: Akaikeinformationcriterion
SC:
Schwarzinformationcriterion
HQ: Hannan-Quinninformationcriterion
Extendiendo la verificación de que nuestro modelo ARDL sea
dinámicamente estable, presentamos en la Figura3. la Raíz Inversa del polinomio
de las características asociadas con nuestra ecuación. Se percibe un modelo
correcto, debido a que las raíces unitarias se encuentran todas dentro del círculo
unitario. Este resultado indica que hay una tendencia común y se podría pensar en
la existencia de un vector cointegrador.
Figura3.Raíz Inversa del polinomio.
FUENTE: Elaboración propia a partir de datos obtenidos del IFS.
Antes de proceder con la prueba de los límites, es necesario revisar el
ajuste del modelo de corrección de errores. Como se distingue en la Figura4,
nuestro modelo se ajusta bien en términos explicativos de la variable LOGSEMEX
sobre sí misma, así como para DLOGSEMEX.
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Inverse Roots of AR Characteristic Polynomial
Figura 4. Gráfica del ajuste del modelo de corrección de errores.
FUENTE: Elaboración propia a partir de datos obtenidos del IFS.
Seguidamente se efectúa la regresión por MCO sobre D(LOGSEMEX) para
probar que los coeficientes de las variables rezagadasde LOGRGDP sean iguales
a cero en nuestro modelo y con ello proceder a la prueba de los limites. Los
resultados de dicha regresión, muestran un coeficiente R2=0.1251 y un estadístico
DW=2.05, los cuales se presentan en la Tabla4.
Tabla4. Resultados de la regresión por MCO para las series LOGSEMEX Y
LOGRGDP
Dependent Variable: D(LOGSEMEX)
Method: LeastSquares
Date: 03/09/14 Time: 21:20
Sample (adjusted): 1980Q3 2011Q4
Includedobservations: 126 afteradjustments
Variable
Coefficien
t Std. Error t-Statistic Prob.
-1.00
-0.75
-0.50
-0.25
0.00
0.25
0.50 -.8
-.4
.0
.4
.8
80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10
Residual Actual Fitted
C 2.548693 2.302055 1.107138 0.2704
LOGSEMEX(-1) -1.08E-05 0.010169 -0.001063 0.9992
LOGRGDPMEX(-
1) -0.159041 0.148049 -1.074245 0.2849
D(LOGSEMEX(-
1)) 0.246250 0.088933 2.768947 0.0065
D(LOGRGDPMEX
(-1)) 0.203208 0.385298 0.527406 0.5989
R-squared 0.125194 Mean dependentvar
0.08166
5
Adjusted R-
squared 0.096275 S.D. dependentvar
0.19020
6
S.E. of regression 0.180818 Akaikeinfocriterion
-
0.54377
7
Sum squaredresid 3.956118 Schwarzcriterion
-
0.43122
6
Log likelihood 39.25792
Hannan-
Quinncriter.
-
0.49805
1
F-statistic 4.329112 Durbin-Watson stat
2.05295
8
Prob(F-statistic) 0.002623
FUENTE: Elaboración propia a partir de datos obtenidos del IFS.
La regresión anterior, posibilita,a través de la prueba de Wald, la obtención
del estadístico F. El valor del estadístico F calculado de 2.57, incorporado en la
tabla5, es necesario para realizar el contraste con los valores críticos obtenidos
por Pesaran et. al. (2001) y poder determinar la existencia de una relación de largo
plazo.
Tabla5. Resultados de la Prueba de Wald.
Wald Test:
Equation: FINALEQ
Test Statistic Value df
Probabilit
y
F-statistic 2.570732 (2, 121) 0.0807
Chi-square 5.141465 2 0.0765
NullHypothesis: C(2)=C(3)=0
NullHypothesisSummary:
NormalizedRestriction (=
0) Value Std. Err.
C(2) -1.08E-05 0.010169
C(3) -0.159041 0.148049
Restrictions are linear in coefficients.
FUENTE: Elaboración propia a partir de datos obtenidos del IFS.
Comparando nuestro valor calculado del estadístico F, 2.57 y tomando para
k=1, con un nivel de significancia del 5%, los limites inferior y superior para el
estadístico F, proporcionados en la Tabla CI(iii) de la página 300 de Pesaran et.al
(2001), de [4.94, 5.73] respectivamente. Como el valor de nuestro estadístico F es
menor que el límite inferior, podemos concluir que no existe evidencia de una
relación de largo plazo entre las variables, confirmando que ambas son I(0), y que
por definición, NO HAY COINTEGRACIÓN entre el sector financiero, representado
por el índice bursátil, y económico, representado por el PIB, de México.
Prosiguiendo con el estudio para mostrar evidencia empírica de la relación
existente entre el sector financiero y la economía real mexicana, se efectúa la
regresión por MCO sobre D(LOGSEMEX) para probar que los coeficientes de las
variables rezagadas de LOGRM3 sean iguales a cero en nuestro modelo y con
ello proceder a la prueba de los limites. Los resultados de dicha regresión
presentados en la tabla6, muestran un coeficiente R2=0.3008 y un estadístico
DW=1.99, infiriendo con ellos un modelo que ajusta mejor.
Tabla6. Resultados de la regresión por MCO para las series LOGSEMEX Y
LOGRM3MEX
Dependent Variable: D(LOGSEMEX)
Method: LeastSquares
Date: 03/11/14 Time: 13:18
Sample (adjusted): 1985Q3 2011Q2
Includedobservations: 104 afteradjustments
Variable
Coefficien
t Std. Error t-Statistic Prob.
C -3.689810 1.376542 -2.680492 0.0086
LOGSEMEX(-1) -0.072924 0.014557 -5.009402 0.0000
LOGRM3MEX(-1) 0.266143 0.094473 2.817134 0.0058
D(LOGSEMEX(-
1)) 0.021991 0.093865 0.234283 0.8152
D(LOGRM3MEX(-
1)) 0.342660 0.355060 0.965077 0.3369
R-squared 0.300827 Mean dependentvar
0.08592
8
Adjusted R-
squared 0.272577 S.D. dependentvar
0.18820
9
S.E. of regression 0.160522 Akaikeinfocriterion
-
0.77389
4
Sum squaredresid 2.550950 Schwarzcriterion
-
0.64676
0
Log likelihood 45.24250
Hannan-
Quinncriter.
-
0.72238
9
F-statistic 10.64896 Durbin-Watson stat
1.99803
8
Prob(F-statistic) 0.000000
FUENTE: Elaboración propia a partir de datos obtenidos del IFS.
Conforme el valor del estadístico F calculado de 15.29, incorporado en la
Tabla7, y tomando para k=1, con un nivel de significancia del 5%, los limites
inferior y superior para el estadístico F, proporcionados en la Tabla CI(iii) de la
página 300 de Pesaran et.al (2001), de [4.94, 5.73] respectivamente. Como el
valor de nuestro estadístico F supera al límite superior, podemos concluir que
existe evidencia de una relación de largo plazo entre las variables.
Adicionalmente, confirmando la existencia de la relación, utilizamos el
estadístico t de la variable LOGSEMEX(-1), -0.0729. Al comparar este valor con
los valores críticos para el estadístico t de la tabla CII(iii) de la página 303 de
Pesaran et. al (2001), los limites inferior y superior de [-2.86,-3.22]
respectivamente para k=1, con un nivel de significancia del 5%. Como el valor de
nuestro estadístico t es mayor que el límite superior, podemos concluir que existe
evidencia de una relación de largo plazo entre las variablesdel sector financiero,
representado por el índice bursátil, y económico, representado por M3, de México.
Tabla7. Resultados de la Prueba de Wald.
Wald Test:
Equation: FINALEQ
Test Statistic Value df
Probabilit
y
F-statistic 15.29451 (2, 99) 0.0000
Chi-square 30.58902 2 0.0000
NullHypothesis: C(2)=C(3)=0
NullHypothesisSummary:
NormalizedRestriction (=
0) Value Std. Err.
C(2) -0.072924 0.014557
C(3) 0.266143 0.094473
Restrictions are linear in coefficients.
FUENTE: Elaboración propia a partir de datos obtenidos del IFS.
Así, recuperando los coeficientes resultantes de la regresión de la Tabla.7,
podemos calcular el multiplicador de largo plazo entre el sector financiero y
económico de México, esto es –(-0.072924/0.266143)= 0.2740. Por lo tanto, en el
largo plazo, el aumento de 1 unidad en M3 de México nos llevará a un aumento de
0.27 unidades en la Bolsa Mexicana de Valores.
Conclusiones.
El objetivo perseguido en este trabajo ha sido evaluar la existencia de relaciones
de largo plazo entre la economía real de los países del área del TLCAN y la
injerencia sobre el desarrollo de cada mercado financiero, así como la búsqueda
de una posible interrelación entre los mercados y las economías de esos países.
Validando para ello, el uso de la metodología adecuada: cointegración de
Johansen, MCO o ARDL, acorde a las características deterministas y la naturaleza
de estacionariedadde las series objeto de estudio La metodología seguida permitió
llegar a resultados que contradicen algunos resultados obtenidos para estas
variables mediante la utilización de pruebas estándares de cointegración.
El análisis ha revelado que utilizando pruebas de raíces unitarias de mayor
potencia como la CBL, se reconocencinco series I(0) y tan solo una I(1), en
consecuencia no fue viable utilizar una prueba tradicional de cointegración de
Johansen.Dada esta naturaleza estacionaria I(0) de cinco de las variables, nos
advirtió sobre una ausencia de una relación de largo plazo entre ellas.
Por ello se hizo necesario el uso de la prueba de los límites de ARDL
propuesta por Pesaran et al. (1999, 2001) para encontrar evidencia de relaciones
de largo plazo. Conforme a dicha metodología, se seleccionó de manera eficiente
los valores apropiados para la longitud máxima de los rezagos a incluir en la
ecuación del modelo VAR. En este trabajo y, siguiendo a Giles (2013), se
determinó el número de rezagos empleando el criterio bayesiano de Schwarz, el
cual nos señala una longitud de cero rezagos.
Para el caso de los sectores financiero y económico de Canadá los
resultados de la regresión por mínimos cuadrados ordinarios (MCO) sobre las
variables estacionarias I(0), ponen de manifiesto la existencia de una débil
relación entre las variables.
En el caso delsector financiero y la economía real mexicana, acorde a los
resultados empíricos,podemos concluir que existe evidencia de una relación de
largo plazo entre las variables del sector financiero, representado por el índice
bursátil, y económico, representado por M3, de México.
Por ello, como conclusión global de este trabajo es que se hace necesario utilizar
pruebas de raíces unitarias de mayor potencia, que incorporen un mayor número
de rompimientos para verificar el orden de integración previo a la realización de un
análisis de cointegración. Así mismo, podemos decir que a la luz de las pruebas
realizadas en este trabajo, las series objeto de estudio,variables reales de la
economía y del sector financieropresentan relaciones de largo plazo entre ellas.
ANCHUELO, A. (1993). Series Integradas y Cointegradas: Una Introducción. Revista de
Economía Aplicada. 1, I, 151-164.
BANERJEE, A. Y HENDRY, D.F. (1992). Testing Integration and Cointegration: An
Overview. Oxford Bulletin Of Economics And Statistics, 54,3. 225-255.
BOURASSA, P. Y LAWSON, J. (Mayo, 2007).How can Canada survive in a globally-
driven market? BioscienceWorld. 10, 5.
BUSH, G.W. Hoja de Datos: “Relaciones entre Estados Unidos y México”. Oficina de la
Secretaría de Prensa. The White House. 4 de septiembre de 2001. Recuperado el 9 de junio
de 2014 de:http://www.whitehouse.gov/news/releases/2001/09/20010904-9.es.html
CANARELLA, G., MILLER, S. M. Y POLLARD, S. K., (2008).Dynamic Stock Market
Interactions between the Canadian, Mexican and the United States Markets: The NAFTA
Experience. EconomicsWorkingPapers.Paper 200849. Recuperadoel 9 de junio de 2014
de: http://digitalcommons.uconn.edu/econ_wpapers/200849
CASTILLO, R.A. Y RAMÍREZ, R.J. (2008). Economic Integration In North América.
Applied Econometrics and International Development. 8, 2, 111-122.
CARRION-I-SILVESTRE, J., DEL BARRIO-CASTRO L., T. y LOPEZ-BAZO E. (2005).
Breaking the panels: An application to the GDP per capita.Econometrics Journal, 8, 159–
175.
CHUKWUOGOR-NDU, C. y KASIBHATLA, K. (2007).Post NAFTA Integration of
North American Stock Markets: Implications for Financial Decision Making. North
American Journal of Finance and Banking Research, 1, 37-53.
BANCO DE MÉXICO.Informe Anual 2000.
DAVIDSON, J. E. H., HENDRY, D. F., SRBA, F. y YEO, S. (1978). Econometric
Modelling of the Aggregate Time-series Relationship between Consumers Expenditure and
Income in the United Kingdom.EconomicJournal, 88, 661-92.
EMBAJADA DE ESTADOS UNIDOS DE AMÉRICA EN OTTAWA (Sep. 2007).
RelacionesCanadá – US.
ENGLE. R. F. y GRANGER. C. W. J. (1987). Co-Integration and Error Correction:
Representation, Estimation, and Testing. Econométrica, 55, 251 -76.
ESPINOSA, C. y RAMOS, E. (2009). Relación de Largo Plazo Entre el Mercado
Accionario Mexicano y Estadounidense. Panorama Socioeconómico. Año 27, 39, 124 –
136.
GILES, D. (2013a, 31 de Octubre). ARDL Models - Part I. Mensaje dirigido a
Econometrics Beat: Dave Giles' Blog en http://davegiles.blogspot.ca/
GILES, D. (2013b, 19 de Junio) ARDL Models‐Part II ‐BoundsTests Mensaje dirigido a
Econometrics Beat: Dave Giles' Blog en http://davegiles.blogspot.ca/
GRANGER, C.W.J. y NEWBOLD, P. (1974). Spurious Regressions In Econometrics.
Journal of Econometrics, 2.111-120
GUISAN, M.C.(2002) Causalidad y cointegración en modelos econometricos: Aplicaciones
a los paises de la OCDE y limitaciones de los tests de cointegración. Universidad de
Santiago de Compostela. WorkingPaper Series EconomicDevelopment. No. 61. Recuperado
el 9 de junio de 2014 de:
http://www.usc.es/economet/aeeadepdf/aeeade61.pdf?origin=publication_detail
GUJARATI, D.N. y PORTER, D.C. (2010). Econometría. Quinta Edición. Mexico:
McGraw Hill. 762.
HENDRY, D. F. y MIZON, G. E. (1978).Serial Correlation as a Convenient Simplification,
Not a Nuisance: A Comment on a Study of the Demand for Money by the Bank of
England. Economic Journal,88,549-63.
JOHANSEN, S. (1988).Statistical Analysis of Cointegration Vectors.Journal of Economic
Dynamics and Control, 12, 231 -254.
_____________ (1991).Cointegration in Partial Systems and the Efficiency of Single
Equation Analysis.Journal of Econometrics, 52, 389-402.
JOHANSEN, S. y JUSELIUS, K. (1990). Maximum Likelihood Estimation and
InferenceonCointegration—With Applications to the Demand for Money, Bulletin, 52, 169-
210.
JOHANSEN, S., MOSCONI, R. y NIELSEN, B. (2000), Cointegration analysis in the
presence of structural breaks in the deterministic trend. TheEconometricsJournal, 3. 216–
249.
JOHNSTON, J. y DINARDO, J. (1997). Métodos de Econometria. Primera edición en
castellano. Barcelona: Ediciones Vicens Vives, S.A.
LEVINE, R. (2004). Finance and Growth: Theory and Evidence. Working Paper.National
Bureau of Economic Research.
LIN, J.L. (2008). Notes on Testing Causality.NationalChengchiUniversity. Recuperadoel 9
de junio de 2014 de: http://faculty.ndhu.edu.tw/~jlin/files/causality.pdf
LÓPEZ, F. ORTIZ, E. y CABELLO, A. (2009). Las interrelaciones de volatilidad y
rendimientos entre los mercados de valores del TLCAN. Investigación económica, 68, 267,
83-114.
LÓPEZ, F. y ORTIZ, E. (2010). CointegrationTrendsamongthe Nafta EquityMarkets.
Revista de Economía Mundial, 26, 155-176.
LÓPEZ, F. y VENEGAS, F. (2012). Integración Financiera México-Estados Unidos:
Mercados Accionarios yde Derivados Accionarios. Economía: Teoría y Práctica. Nueva
Época, 36, 179 – 196.
MALLORY, M. y LENCE, S. H. (2012). Testing for Cointegration in the Presence of
Moving Average Errors. Journal of Time Series Econometrics, De Gruyter, 4, 2, 1-68.
MINISTERIO DE COMERCIO INTERNACIONAL, (2006). Opening doors to the World:
Canadá´s International Market Access. Foreing Affairs and International Trade Canada.
Gobierno de Canadá. Priorities 2006.
ORTIZ, E., LÓPEZ F. y CABELLO, A. (2007). Las bolsas de valores en el área del
TLCAN: un análisis a largo plazo. Problemas del Desarrollo. Revista Latinoamericana de
Economía. 38, 151,37-61.
OSTERWALD-LENUM, M. (1992). A Note with Quantiles of the Asymptotic Distribution
of the Maximum Likelihood Cointegration Rank Test Statistics.Oxford Bulletin of
Economics and Statistics, 54, 3, 461-472.
PERRON, P. (1989). The Great Crash, the Oil Price Shock, and the Unit Root
Hypothesis.Econometrica, Econometric Society, 57, 6, 1361-1401.
PESARAN, M. H. y Y. SHIN, (1999). An autoregressive distributed lag modelling
approach to cointegration analysis. Capitulo 11 en S. Strom (ed.), Econometrics and
Economic Theory in the 20th Century: The Ragnar Frisch Centennial Symposium.
Cambridge University Press, Cambridge. (Discussion Paper)
PESARAN, M. H., SHIN, Y. y SMITH, R. J., (2001). Bounds testing approaches to the
analysis of level relationships.Journal of Applied Econometrics, 16, 289–326.
SAIKKONEN, P. (1992). Estimation and Testing of Cointegrated Systems by an
Autoregressive Approximation.Econometric Theory, Cambridge University Press, 8, 1, 1-
27.
TODA, H.Y. y YAMAMOTO, T. (1995). Statistical Inference in Possibly
Integrated/Cointegrated Vector Autoregressions: Application to Testing for Structural
Changes. Journal of Econometrics66, 1-2, 225-250.
TSX.Group History at a Glance.Recuperadoel 9 de junio de 2013 de:
http://www.tmx.com/en/index.html
WARNOCK, F.E. y WARNOCK, V. (2005). “International Capital Flows and U.S. Interest
Rates”, Board of Governors of the Federal Reserve System. International
FinanceDiscussionPapers, 840.
ZÚÑIGA, N. (1992). Cointegración y corrección de errores en el análisis de tasas de interés
durante el periodo de liberalización financiera. Financial Services Project.Occasional
Paper 17.
