152b96ba-b50e-48de-8bf5-1f39970b56e8

Vista previa del material en texto

Diciembre 2001
Colección
Banca Central y Sociedad
BANCO CENTRAL DE VENEZUELA
 3333344444
Serie Documentos de Trabajo
Gerencia de Investigaciones Económicas
Mecanismos
de transmisión
de la política
monetaria
en Venezuela
Adriana Arreaza
Norka Ayala
María Amelia Fernández
Adriana Arreaza
Norka Ayala
María Amelia Fernández
Mecanismo
de transmisión
de la política
monetaria
en Venezuela
Resumen
En este trabajo se emplea la técnica de los vectores
autorregresivos estructurales para investigar los
mecanismos de transmisión de la política monetaria en
Venezuela. Se estima igualmente una función de reacción
para el Banco Central. Se emplean datos mensuales entre
1989 y 2000, y como variable de política se utiliza un
agregado monetario. Los resultados de la estimación de
la función de reacción del Banco Central sugieren que
tanto el crédito del Banco Central como M1 exhiben
incrementos permanentes frente a shocks positivos en el
nivel de precios, y respuestas transitorias ante shocks de
origen fiscal. Las fluctuaciones del producto en el muy
corto plazo parecen no producir cambios en la dirección
de la política monetaria. En respuesta a shocks positivos
en las reservas internacionales, la autoridad monetaria
parece responder en forma rezagada con recortes de
liquidez. Al controlar por variables fiscales y cambiarias
que intervienen en la función de reacción del Banco
Central, se logra eliminar el problema de la paradoja
de los precios en los modelos de mecanismos de
transmisión. El modelo del mecanismo de crédito es el
que parece ajustar mejor los datos, lo cual sugiere que
este mecanismo puede estar operando en nuestra
economía.
Abstract
In this paper we use structural VARs to study the
transmission mechanisms of monetary policy in
Venezuela. We also estimate a reaction function for the
Central Bank. We use monthly data from 1989 until
2000. We use monetary aggregates —credit of
the Central Bank and M1— as policy variables. The
estimates of the reaction function suggest that a positive
shock in prices implies a permanent increase in the
policy variables, and that positive shocks on fiscal
variables induce a positive and transitory response of
the monetary aggregates. Positive innovations
on international reserves seem to produce lagged
cuts on liquidity. By controling for fiscal and
international finance variables that are significant in
the reaction function, we are able to eliminate the price
puzzle in the different models of transmission
mechanism we tested. The credit channel model seems
to fit the data adequately, which suggests that this
channel 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 ...............13
3.1 El mecanismo monetario ......................................................13
3.2 El mecanismo del crédito .....................................................14
3.3 El mecanismo cambiario ......................................................15
4. ANÁLISIS EMPÍRICO ........................................................................18
4.1 Función de reacción del Banco Central................................23
4.2 Mecanismos de transmisión .................................................26
4.2.1 Mecanismo monetario..................................................26
4.2.2 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 hace
necesario determinar en qué medida y de qué manera las acciones de
política monetaria se filtran al resto de la economía y finalmente a la
dinámica de los precios. Igualmente, resulta relevante analizar cómo
responde la política monetaria ante fluctuaciones en el producto y los
precios, es decir, si la política monetaria sigue algo similar a una regla
de Taylor o si la efectividad de la misma se ve afectada por variables
fiscales y cambiarias, como se espera en el caso venezolano.
En la presente investigación se utilizó la técnica de vectores
autorregresivos (VAR) estructurales debido a que, en nuestro criterio,
permite obtener resultados más confiables que los alcanzados usando
VAR tradicionales. En los VAR tradicionales, generalmente se em-
plea la descomposición de Choleski para obtener las innovaciones
estructurales a partir de los residuos estimados, para luego calcular
las funciones impulso-respuesta. Ello implica suponer que los errores
estructurales se derivan mediante un proceso recursivo, lo cual puede
incluir 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 partir
de los residuos estimados. Un antecedente en el caso venezolano lo
constituye el estudio de Guerra, Rodríguez y Sánchez (1998) quienes
utilizan 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 de
principios de los noventa.
El documento se estructura de la siguiente manera: en la segunda
sección 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 se
encuentran 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 como
instituto encargado de la política monetaria ha sido crear y mantener
las condiciones monetarias, crediticias y cambiarias favorables a la
estabilidad 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 objetivos
trazados han sido el encaje legal, la asistencia financiera a través de
los 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 la
necesidad de una actuación más activa por parte del Banco Central de
Venezuela que le permitiera propiciar el equilibrio en los mercados
monetario y cambiario. Anteriormente (con excepción de septiembre
de 1981 y febrero de 1984), la efectividad de estos mecanismos indi-
rectos fue solapada al actuar conjuntamente con mecanismos directos
como el manejo discrecional de las tasas de interés y establecimiento
de requerimientos mínimos de cartera crediticia con tasas de interés
preferenciales para diversas actividades (sector construcción y
agropecuario).
1 La Ley del Banco Central de Venezuela de 2000, establece más explícitamente que el objeto es
lograr 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 mantenerel mercado en equilibrio. Por ejemplo, la asistencia
financiera 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 de
títulos propios del Banco Central de Venezuela. Desde entonces, hasta
octubre 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 monetaria
en 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 de
bandas, ha propiciado una participación más activa del Banco Central
de Venezuela dentro del mercado cambiario. De hecho, en los últimos
años la venta de divisas ha sido utilizada como (o ha servido de) ins-
trumento de control monetario, hasta ser el instrumento de ajuste más
importante en el último semestre del 2000.
En cuanto a la forma de conducir la política monetaria, la Ley del
Banco Central de Venezuela establece que durante el primer mes de
cada semestre, el Directorio del Banco aprobará las directrices de la
política 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 objetivos
finales 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 por
la asistencia crediticia a la banca y por el incumplimiento del encaje (Ver Cuadro N° 1 en el
Anexo). 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 en
ese período. Con el programa de ajuste de 1989 se rediseñó el modelo y
oficialmente 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 ha
utilizado el dinero base como meta intermedia. Mientras que bajo un
esquema de tipo de cambio fijo o predeterminado, como el de bandas
de 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. Con
relación a los resultados obtenidos, cabe resaltar que hasta 1998 clara-
mente se expresaba en los informes económicos del Banco Central de
Venezuela que la programación monetario-financiera había permitido ajus-
tar los niveles de intervención del Instituto en el mercado monetario y
cambiario, para corregir desvíos ocasionados por la incidencia de la ges-
tión fiscal y los cambios autónomos en la demanda de dinero.
Cuadro N° 1
Programa monetario de Venezuela
 Período Objetivos Meta monetaria Variable
finales intermedia1/ instrumental Escenario
 1989-92 Inflación Dinero Operaciones de mercado -Programa económico
base. 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 o
de cambio los BCC fueron sustituidos predeterminado. (Control
nominal. por los Títulos de de cambio y desde 1996
Estabilización Monetaria banda de fluctuación
(TEM)). cambiaria).
-Flotación de las tasas de
interés.
 2000 -Inflación. Crédito Venta de divisas. -Banda de fluctuación
-Sostenibilidad interno neto cambiaria.
del tipo de y dinero -Flotación de las tasas
cambio nominal base. de interés.
prefijado.
Fuente: BCV
1/ Variable final del programa monetario
5 “En situaciones ambiguas en cuanto al rol del tipo de cambio y de las reservas internacionales
dentro 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 el
activo 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 estado
condicionada también a la política fiscal, más específicamente, el ca-
rácter expansivo o restrictivo de la política monetaria ha estado
inversamente determinado por la ejecución del gasto fiscal. Como
señala Mirabal (1999), mejoras fiscales asociadas a incrementos en
los precios del petróleo inducen incrementos en el nivel de
monetización que requieren una actuación más restrictiva del BCV.
Asimismo, la diversidad de objetivos que ha pretendido alcanzar la
política monetaria en determinados períodos, junto a circunstancias
como interrupción de los programas de ajustes, la crisis financiera,
controles de cambio, han limitado su eficiencia en el logro de sus
objetivos generales. Por otro lado, con relación a los instrumentos de
política, Mirabal (1999), señala que “la eficacia del instrumento para
lograr los objetivos de política ha estado condicionada, en algunos
casos, por la alta incidencia expansiva del gasto público y en otros
debido 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 la
política cambiaria y la política fiscal.
13
3. Mecanismos de transmisión de la política monetaria
Existen diversos modelos para explicar los canales a través de los
cuales 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 el
mecanismo cambiario para economías abiertas. Este breve análisis
que presentamos de la evolución y diferencias de los mecanismos más
discutidos en la literatura reciente se basa en Neumann (1995) y
Cecchetti (1995).
3.1El mecanismo monetario
El mecanismo tradicional empleado en los libros de texto para
explicar la transmisión de la política monetaria al resto de la econo-
mía es el mecanismo del dinero introducido por Keynes en su Teoría
General. 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, suponiendo
que ambos son sustitutos perfectos. Este supuesto de perfecta sustitu-
ción entre bienes de capital y activos financieros es lo que permite
que la política monetaria se transmita a la demanda agregada median-
te una tasa de interés única y que la elasticidad de la demanda de dinero
sea el único determinante de la efectividad de la política monetaria. De
este modelo se deriva la clásica interpretación de que una reducción de la
cantidad de dinero aumenta elcosto del crédito, reduciendo ello la in-
versión al eliminarse los proyectos marginalmente menos rentables y
por 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. Ello
implica que cambios inesperados en la oferta de dinero alteran todos
los 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 puede
ser entendido a través de la caracterización de cómo cambia la com-
posición de la tenencia de activos. Dado que en estos modelos no se
consideran 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 del
mecanismo tradicional de la política monetaria. Esta teoría considera
los efectos de la hoja de balance de las empresas y los efectos de los
préstamos a través de intermediarios. La presencia de imperfecciones
en el mercado de crédito hace más complejo el cálculo de la eficiencia
marginal de los proyectos de inversión. En cuanto a la situación del
balance de las empresas, ésta tiene implicaciones sobre la capacidad
de adquirir préstamos, debido a problemas de asimetría de informa-
ción y de riesgo moral en los mercados. Las políticas de restricción de
liquidez pueden reducir las ventas futuras e incrementar el valor real
del endeudamiento, lo cual deterioraría el valor de las empresas refle-
jado en los balances. Con esto, las empresas pierden capacidad de
contraer 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 nuevos
créditos de las empresas. El efecto de la hoja de balance implica que
la 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 tasa
de retorno del dinero, los prestamistas estarán dispuestos a conceder
menos crédito para un proyecto de inversión determinado en tanto
mayor 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 supuesto
clave de que existen empresas que sólo pueden financiarse mediante
préstamos bancarios (pequeñas y medianas empresas que no pueden
participar en el mercado de capitales). Otro supuesto importante es
que los activos del portafolio de los agentes se distribuyen entre dine-
ro, préstamos y todos los demás activos. Una reducción de la cantidad
de dinero tiene un efecto contractivo en las reservas de los bancos y
por ende en los depósitos, lo cual puede traducirse en una reducción
del crédito. Esto impide que las empresas que se financian únicamen-
te mediante créditos obtengan préstamos para nuevos proyectos de
inversión, en ausencia de sustitutos cercanos a los créditos. De operar
este mecanismo en la economía, los efectos de la política monetaria
son distributivos desigualmente, pues afectan particularmente a los
prestatarios que dependen exclusivamente del crédito.
3.3 El mecanismo cambiario
En economías abiertas, las acciones de política afectan también el
comportamiento del tipo de cambio, lo cual puede distribuirse al resto
de las variables de la economía. Cabrera y Lagos (2000) esbozan este
mecanismo basándose en un modelo desarrollado en Kamin (1996)
que intenta explicar la apreciación del tipo de cambio real durante
procesos de estabilización basados en anclajes cambiarios. El modelo
se centra en la dinámica del tipo de cambio real en el corto y mediano
plazo, 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 y
abierta que produce bienes transables y no transables; el capital es
específico a ambos sectores, el factor trabajo es móvil entre sectores y
cuenta con rendimientos decrecientes, el precio doméstico de los
transables 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 en
cada sector maximizan su beneficio. El tipo de cambio real se define
como el precio de los bienes transables con relación a los no transables.
En este contexto, una expansión monetaria que genere un exceso de
gasto sobre el producto ocasionará un exceso de demanda en los mer-
cados de bienes transables y no transables. En presencia de flujos de
capital, el desequilibrio en el mercado de bienes transables se traduce en
un 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. Por
el contrario, en el mercado de no transables el exceso de demanda
genera un incremento en el precio de estos bienes, resultando ello en
una 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 este
modelo como aquél que vacía el mercado de los bienes no transables
para un nivel dado de la demanda agregada en el corto y mediano
plazo. Este concepto difiere del concepto tradicional de tipo de cam-
bio real de equilibrio como el tipo de cambio que induce el equilibrio
sostenible en la cuenta corriente para un nivel de producto determi-
nado por los fundamentos de la economía, pues el interés del modelo
se centra en observar la dinámica del tipo de cambio real en el corto y
mediano plazo. La ecuación (1) representa pues, el equilibrio en el
mercado de bienes no transables, donde el TCRE depende
inversamente 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 de
equilibrio. Sustituyendo (1) en (2) obtenemos:
πt
n = -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 de
cambio actual y el de equilibrio. Ante un incremento en la brecha
gasto-producto, el TCRE cae y el ajuste hacia el nuevo equilibrio se
concreta vía incrementos en la inflación en los bienes no transables
con la consiguiente apreciación del TCR. De esta manera, πn depen-
derá del tipo de cambio real y de (G/Y). En este contexto, los efectos
de 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 brecha
gasto-producto incrementando el tipo de cambio real de equilibrio.
En un régimen de tipo de cambio predeterminado, esto reducirá las
presiones inflacionarias en los bienes no transables.
18
4. Análisis empírico
En este estudio se empleala metodología de los vectores
autorregresivos estructurales. La ventaja que ofrece este método, pro-
puesto inicialmente por Sims (1986) y Bernanke (1986), sobre los
VAR tradicionales es que permite hacer que todos los supuestos de
identificación para recuperar las innovaciones estructurales a partir
de los residuos estimados del vector autorregresivo sean consistentes
con la teoría económica. Considérese el siguiente modelo en su forma
estructural (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 variables
endógenas, y εt son las innovaciones estructurales. Se asume que εt
son independientes y siguen una distribución normal. Premultiplicando
la 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 recuperar
las innovaciones estructurales, εt, a partir de los residuos et del VAR
en 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 no
recursivas 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 por
Cabrera y Lagos (2000) para la economía chilena. Consideramos que
estos supuestos son razonables para el caso venezolano. A continua-
ción enumeramos los supuestos empleados, los cuales se detallan para
cada modelo en el Anexo:
• Se supone que la variable instrumento de política no responde
contemporáneamente a otras variables, excepto al comportamiento
del 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 con
rezago 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, responden
contemporáneamente a todas las variables, excepto a las reales, ya
que 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 está
correlacionado contemporáneamente con ninguna otra variable8.
• Los precios sólo responden contemporáneamente al tipo de cambio
y 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 y
en los precios de los bienes no transables.
7 La variable Incidencia fiscal sobre la base monetaria, es calculada en el Departamento de
Análisis 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, los
egresos 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 crawling
peg, 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 ciclo
económico. Pero por otra parte, antes de 1989 se disponían de menos
instrumentos 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 distorsionaría
el análisis de los resultados sobre los mecanismos de transmisión. En
este sentido, preferimos limitar el estudio a los últimos diez años e
interpretar 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, así
como el orden de integración de cada una.
Cuadro N° 2
Variables utilizadas y el orden de integración
Abreviación Descripción Orden de
integración1/
CICLO Logaritmo del PIB2/ real desestacionalizado menos la tendencia de
largo plazo del PIB real estimada a través del filtro de Hodrick-Prescott I(0)
LCIBBCV Logaritmo del Crédito interno bruto del Banco Central (Estadísticas
Financieras 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 Valores
de 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 mes
A 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 la
mensualización del PIB trimestral empleando las variaciones del Igaem (Indicador de producción mensual calculado por el
DAC, 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 Operaciones
Internacionales, BCV.
21
En todos los modelos se incluyeron las variables tipo de cambio
nominal, ventas netas de divisas, nivel de reservas internacionales netas
e incidencia fiscal sobre la base monetaria, con el fin de controlar por
la información que pueda incidir en el comportamiento de la política
monetaria, para tratar de evitar problemas de especificación que pue-
dan originar la paradoja de los precios9. Estas variables constituyen
información que la autoridad monetaria posee al momento de ejecutar
sus 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 los
modelos el número de días laborales para controlar por el tiempo efec-
tivo de trabajo. Para los modelos monetario y de crédito se tomó como
indicador de los precios el Índice del núcleo inflacionario, por consi-
derarlo una buena “proxy” de los componentes de los precios que
pueden 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 agregados
monetarios. 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 venezolano
tambiénhan empleado agregados monetarios como instrumento de
política. Por ejemplo, Guerra, Rodríguez y Sánchez (1996), utilizan
M1 para estudiar los mecanismos de transmisión de la política mone-
taria en Venezuela, por encontrar que con este agregado se obtienen
mejores resultados que con el dinero base. Por otra parte, López y
Zambrano (2000), encuentran que el agregado monetario que tiene
mayor impacto en la inflación, para el caso venezolano, es M1. En
este estudio decidimos incorporar, además, el crédito bruto del Banco
9 Si el impulso de política monetaria contiene respuestas de la autoridad monetaria a variables no
incluidas en el VAR, ello distorsiona los resultados de las funciones impulso-respuesta. Este
problema se ha identificado como uno de los causantes de la paradoja de los precios (price
puzzle). Algunos investigadores han encontrado que al incluir en el VAR variables que puedan
ser buenas “proxy” de información que disponga la autoridad monetaria sobre la inflación
futura (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 cual
el Banco Central tiene mayor control. Los resultados con dinero base
son 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 las
variables tanto en niveles como en primeras diferencias. Dado que
nuestro interés se centra en el análisis de las funciones impulso-res-
puesta y no en realizar predicciones a partir del modelo, el empleo de
las variables en niveles para las estimaciones no representa mayor
problema10. 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 los
vectores autorregresivos para cada modelo se realiza por mínimos
cuadrados ordinarios y los resultados se presentan en el Anexo. La
estimación de la matriz B para la ortogonalización de los residuos se
realiza por el método de máxima verosimilitud, empleando las res-
tricciones establecidas para cada modelo. Se probó la inclusión de
variables dummies en las fechas durante las cuales estuvo vigente el
control de cambio, pero no resultaron significativas ni mejoraron los
resultados de la estimación, por lo que decidimos excluirlas de las
estimaciones 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 es
el caso de las variables en niveles. Quienes advocan por incluir las variables diferenciadas
consideran que al trabajar con variables estacionarias nos acercamos al proceso generador de
datos y es posible interpretar los distintos tests de hipótesis. En tanto, los autores que prefieren
incluir las variables en niveles señalan que al diferenciar se puede perder información valiosa
para las funciones impulso-respuesta, que constituyen el centro de este tipo de análisis. Ver
Cabrera y Lagos (1998).
11 Al realizar la prueba para un número de rezagos no mayor de 6, generalmente obteníamos que
la estructura óptima de rezagos es de 1. Al realizar las pruebas incluyendo hasta 12 rezagos, el
número óptimo de rezagos era mayor; sin embargo, los grados de libertad disminuían
significativamente 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 Banco
Central 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 Banco
Central ajusta la política monetaria en función del desempeño de va-
riables como la inflación y la brecha del producto con respecto a su
tendencia. Por ejemplo, la regla de Taylor (Taylor, 1993), sugiere la
aplicación de una política restrictiva cuando la inflación excede su
objetivo o el producto está por encima de su tendencia.
Para el caso venezolano queremos averiguar cómo reacciona la
política 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, las
variaciones del tipo de cambio nominal y el nivel de reservas interna-
cionales. Igualmente resulta interesante indagar si efectivamente las
variables de origen fiscal tienen un impacto importante en el compor-
tamiento de los agregados monetarios.
Los resultados de las funciones impulso-respuesta, mostradas
en la página siguiente12, sugieren que la política monetaria no reac-
ciona ante desviaciones del producto respecto a su tendencia en el
corto plazo, dado que la respuesta de las variables de política, M1 y
crédito 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 de
este resultado, ya que sólo contamos con un período de diez años
para 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 resultados
con M1. Por ello sólo incluimos los resultados con M1, y los resultados con dinero base los
colocamos como Anexo.
13 El criterio de significación empleado en el informe es del 5%.
24
tido, deberíamos emplear datos trimestrales o anuales para períodos
más largos. Lamentablemente, no se disponen de los datos necesarios
para este tipo de análisis.
En cuanto a los precios, se observa una respuesta positiva de las
variables de política monetaria a los precios y significativa a partir
del 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 a
los precios: se evidencian aumentos de los agregados monetarios con
rezago 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 variable
de política. Para el caso de M1, el Banco Central parece responder
con un recorte temporal y significativo de liquidez ante incrementos
en las ventas netas de divisas, lo cual puede corresponderse con una
política dirigida a mantener el tipo de cambio.
Sin embargo, cuando consideramos como variable de política al
crédito del Banco Central, los resultados de la función de reacción
sugieren una respuesta pasiva de la institución a incrementar el cré-
dito ante shocks positivos tanto en el tipo de cambio como en las
ventas netas de divisas. Esta discrepancia en los resultados nos re-
sulta un tanto paradójica y no tenemos una hipótesis clara de qué
pueda 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 a
shocks positivos en el nivel de las RIN. Ello puede sugerir que la
política monetaria trata de esterilizar aumentos no esperados en el
nivel de reservas internacionales.
25
-.12
-.08
-.04
.00
.04
.08
.12
5 10 15 20
Respuesta de LCIBBCV
a innovaciones en CICLO
-.12
-.08
-.04
.00
.04
.08
.125 10 15 20
Respuesta de LCIBBCV
a innovaciones en LIS
-.12
-.08
-.04
.00
.04
.08
.12
5 10 15 20
Respuesta de LCIBBCV
a innovaciones en LTCN
-.12
-.08
-.04
.00
.04
.08
.12
5 10 15 20
Respuesta de LCIBBCV
a innovaciones en LINCIDENCIA
-.12
-.08
-.04
.00
.04
.08
.12
5 10 15 20
Respuesta de LCIBBCV
a innovaciones en LVENTA
-.12
-.08
-.04
.00
.04
.08
.12
5 10 15 20
Respuesta de LCIBBCV
a innovaciones en LRINFMI
-.08
-.06
-.04
-.02
.00
.02
.04
.06
5 10 15 20
Respuesta de LM1N
a innovaciones en CICLO
-.08
-.06
-.04
-.02
.00
.02
.04
.06
5 10 15 20
Respuesta de LM1N
a innovaciones en LIS
-.08
-.06
-.04
-.02
.00
.02
.04
.06
5 10 15 20
Respuesta de LM1N
a innovaciones en LTCN
-.08
-.06
-.04
-.02
.00
.02
.04
.06
5 10 15 20
Respuesta de LM1N
a innovaciones en LINCIDENCIA
-.08
-.06
-.04
-.02
.00
.02
.04
.06
5 10 15 20
Respuesta de LM1N
a innovaciones en LVENTA
-.08
-.06
-.04
-.02
.00
.02
.04
.06
5 10 15 20
Respuesta de LM1N
a 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 sobre
los agregados monetarios parece ser de carácter transitorio. Cuando
tomamos como medida de política el crédito del Banco Central, la
respuesta no es significativa, mientras que con M1 la respuesta sólo
resulta significativa por 4 períodos. Lo anterior evidencia un com-
portamiento pasivo de la política monetaria ante shocks fiscales. Nos
resulta interesante que la respuesta expansiva de la política moneta-
ria en el corto plazo ante incrementos del gasto público, no parece
verse contrarrestada por recortes en períodos siguientes y que sólo
se generen restricciones de liquidez ante shocks en las reservas in-
ternacionales. Esto quizás no sea sorprendente, dada la presencia de
regímenes cambiarios predeterminados durante la mayor parte del
período analizado.
De estos resultados se desprende que las decisiones de política
monetaria se ven afectadas por un conjunto de variables por las que
debemos controlar para obtener los impulsos de política, lo cual se
analiza 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 política
no resulta significativa. Esto puede deberse a que el índice bursátil
no resulta una “proxy” adecuada del valor de los activos financie-
ros, dadas las imperfecciones y poca profundidad del mercado de
capitales en Venezuela.
27
Como alternativa, podría considerarse el precio de un activo de
capital como los bienes inmobiliarios. Desafortunadamente, para esta
variable sólo se disponen de datos de frecuencia mensual a partir de
1997. 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 este
mecanismo tenemos resultados similares tanto al emplear M1 como
el crédito del banco central. Se evidencia en ambos casos una expan-
sión significativa y transitoria del crédito real del sistema financiero
en respuesta a un impulso de la variable de política14.
-.004
-.002
.000
.002
.004
.006
5 10 15 20
Respuesta de CICLO
a innovaciones en LCIBBCV
-.02
.00
.02
.04
.06
.08
.10
5 10 15 20
Respuesta de LIS
a innovaciones en LCIBBCV
-.04
.00
.04
.08
.12
.16
5 10 15 20
Respuesta de LIB
a innovaciones en LCIBBCV
-.006
-.004
-.002
.000
.002
.004
.006
5 10 15 20
Respuesta deCICLO
a innovaciones en LM 1N
-.02
.00
.02
.04
.06
.08
.10
5 10 15 20
Respuesta deLIS
a innovaciones en LM 1N
-.08
-.04
.00
.04
.08
.12
5 10 15 20
Respuesta deLIB
a innovaciones en LM 1N
14 Resultados similares se obtuvieron al emplear el crédito nominal del sistema financiero en el
modelo en lugar del crédito real.
Mecanismo monetarista
Funciones 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
Mecanismo monetarista
Funciones impulso-respuesta a innovaciones de 1 desviación estándar estructural
(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 ante
shocks de M1 o del crédito del Banco Central (significativo entre el
mes 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 el
crédito 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 de
política, pero que luego el efecto se traslada en forma más permanen-
te hacia precios. Se observa, además una relación directa entre crédito
y precios: ante un shock al crédito real del sistema financiero (LCIR)
los precios muestran una respuesta positiva y significativa durante los
primeros 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
a innovaciones en LM1N
-.02
-.01
.00
.01
.02
.03
5 10 15 20
a innovaciones en LM1N
Mecanismo de crédito
Funciones impulso-respuesta a innovaciones de 1 desviación estándar estructural
(línea punteada: ± 2 ± 2 ± 2 ± 2 ± 2 desv. estándar del error)
Meta intermedia: Log M1 Nominal
Mecanismo de crédito
Funciones 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
Respuesta de CICLO Respuesta de LIS Respuesta de LIS Respuesta de LCIR
a innovaciones en LCIBBCV a innovaciones en LCIBBCV a innovaciones en LCIR a innovaciones en LCIBBCV
Repuesta de CICLO Respuesta de LIS Respuesta de LCIR
a 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 de
política no resultó significativa. Los precios de los bienes no
transables muestran una respuesta positiva pero sólo resulta signifi-
cativa cuando se emplea el crédito del Banco Central como variable
de 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 es
el del mecanismo de crédito. Ello, sin embargo, no descarta que pue-
da estar operando el canal monetario en la economía y que nuestro
resultado 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 LTCR
a innovaciones en LCIBBCV
Respuesta de CICLO
a innovaciones en LCIBBCV
Respuesta de LIPCS
a innovaciones en LCIBBCV
-.003
-.002
-.001
.000
.001
.002
.003
.004
.005
5 10 15 20
Respuesta de CICLO
a innovaciones en LM1N
-.02
-.01
.00
.01
.02
.03
.04
.05
.06
5 10 15 20
Respuesta de LIPCS
a innovaciones en LM1N
-.010
-.005
.000
.005
.010
.015
.020
5 10 15 20
Respuesta de LTCR
a innovaciones en LM1N
Mecanismo cambiario
Funciones 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
Mecanismo cambiario
Funciones impulso-respuesta a innovaciones de 1 desviación estándar estructural
(línea punteada: ± 2 ± 2 ± 2 ± 2 ± 2 desv. estándar del error)
Meta intermedia: Log M1 Nominal
30
Cabe resaltar que en todos los casos se logró eliminar el problema
del price puzzle; como vimos anteriormente, el Banco Central parece
incluir información de variables fiscales y cambiarias en su función
de reacción. Pensamos que el controlar por esas variables en los
modelos anteriores contribuyó a la eliminación de los problemas de
especificación que generan el problema del price puzzle.
Por último, vale la pena mencionar que se ensayaron también
modelos con corrección de errores para los distintos mecanismos de
transmisión, 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 que
restringiendo la relación de largo plazo únicamente al agregado mo-
netario y a la inflación subyacente, siguiendo a Guerra, Rodríguez y
Sánchez (1998), hallamos efectivamente una relación de cointegración.
Para derivar las funciones impulso-respuesta del modelo de vector
con corrección de errores, VEC, empleamos la descomposición de
Choleski y encontramos que cualquier alteración en el orden de las
variables 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 pensamos
que los resultados con los VAR estructurales son más adecuados en
este 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 política
monetaria exhibe por una parte, cambios permanentes y en la misma
dirección frente a shocks en los precios y por otra, respuestas transito-
rias ante shocks de origen fiscal. Las fluctuaciones del producto en el
muy corto plazo parecen no producir cambios en la dirección de la
política monetaria. En respuesta a shocks positivos en las reservas
internacionales, la autoridad monetaria parece responder con recortes
de liquidez o crédito con rezago. Ello puede responder a una estrate-
gia de esterilización de recursos, para evitar que movimientos en las
reservas afecten los saldos monetarios. Recordemos que la política
monetaria 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 una
política 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 intervienen
en la función de reacción del Banco Central, logramos eliminar el
problema de la paradoja de los precios en los modelos de mecanismos
de transmisión. El modelo del mecanismo de crédito es el que parece
ajustar mejor los datos, lo cual sugiere que este mecanismo puede
estar 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 bien
los 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 limitaciones
del uso de los datos agregados para contrastar la existencia del meca-
nismo de crédito. Particularmente, se hace difícil distinguir entre los
efectos 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 provienen
del lado de la demanda, tal como sugiere el mecanismo monetario o
de 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 corte
transversal de las empresas para verificar si la política monetaria tie-
ne efectos distributivos, lo cual podría arrojar evidencia más sólida a
favor de la presencia del mecanismo de crédito. Dichos estudios están
sujetos, por supuesto, a la disponibilidad de datos en Venezuela.
33
ANEXO
34
35
36
37
38
39
40
Cuadro N° 2
Supuestos de identificación para la función de reacción del Banco Central
Variable Dependencia contemporánea
LCIBBCV LINCIDENCIA, LTCN, LVENTA, LRINFMI
CICLO Exógena
LIS LTCN
LTCN Exógena
LINCIDENCIA Exógena
LVENTA Exógena
LRINFMI LVENTA
Supuestos de identificación para el mecanismo monetario
Variable Dependencia contemporánea
LINCIDENCIA Exógena
LTCN Exógena
LCIBBCV LINCIDENCIA, LTCN, LVENTA, LRINFMI
LIB LINCIDENCIA, LTCN, LIS, LRINFMI
CICLO Exógena
LIS LTCN
LVENTA Exógena
LRINFMI LVENTA
Supuestos de identificación para el mecanismo crediticio
Variable Dependencia contemporánea
LINCIDENCIA Exógena
LTCN Exógena
LCIBBCV LINCIDENCIA, LTCN, LVENTA, LRINFMI
LCIR LTCN, LCIBBCV
CICLO Exógena
LIS LTCN
LRINFMI LVENTA
LVENTA Exógena
Supuestos de identificación para el mecanismo cambiario
Variable Dependencia contemporánea
LINCIDENCIA Exógena
LTCN Exógena
LCIBBCV LINCIDENCIA, LTCN, LVENTA, LRINFMI
CICLO Exógena
LIPCS LTCN
LTCR LTCN, LIPCS
LVENTA Exógena
LRINFMI LVENTA
41
Cuadro N° 3
Estimadores del vector autorregresivo para el mecanismo monetario
Instrumento de política monetaria: Log crédito bruto del Banco Central
Muestra: 1991:02 2000:12
Observaciones incluidas: 111
Errores 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° 4
Estimadores del vector autorregresivo para el mecanismo crediticio
Instrumento de política monetaria: Log crédito bruto del Banco Central
Muestra: 1991:02 2000:12
Observaciones incluidas: 111
Errores estándar en ( ) y estadísticos t en [ ]
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
 Determinant Residual Covariance 1.65E-20
 Log Likelihood (d.f. adjusted) 1268.049
 Akaike Information Criteria -21.40629
 Schwarz Criteria -19.45347
43
Cuadro N° 5
Estimadores del vector autorregresivo para el mecanismo cambiario
Instrumento de política monetaria: Log crédito bruto del Banco Central
Muestra: 1991:01 2000:12
Observaciones incluidas: 112
Errores estándar en ( ) y estadísticos t en [ ]
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 0.954616
Adj. R-squared 0.897708 0.997824 0.996857 0.316795 0.999949 0.996403 0.255048 0.950611
Sum sq. resids 13.37359 0.194290 0.315724 0.064079 0.008454 0.012623 30.40186 0.319727
S.E. equation 0.362096 0.043644 0.055636 0.025064 0.009104 0.011124 0.545946 0.055987
F-statistic 109.2362 5657.532 3913.152 6.718840 241662.4 3417.217 5.222548 238.3861
Log likelihood -39.90894 197.0655 169.8766 259.1827 372.6072 350.1616 -85.89740 169.1710
Akaike AIC 0.891231 -3.340455 -2.854939 -4.449691 -6.475128 -6.074315 1.712453 -2.842339
Schwarz SC 1.133954 -3.097732 -2.612216 -4.206968 -6.232405 -5.831592 1.955177 -2.599615
Mean dependent 12.12812 5.410690 8.371077 0.001582 3.707332 4.634578 6.592978 9.189353
S.D. dependent 1.132146 0.935691 0.992441 0.030324 1.274423 0.185477 0.632537 0.251927
Determinant Residual Covariance 1.09E-21
Log Likelihood (d.f. adjusted) 1431.811
Akaike Information Criteria -24.13948
Schwarz Criteria -22.19769
44
Cuadro N° 6
Estimadores del vector autorregresivo para la función de reacción del Banco Central
Instrumento de política monetaria: Log crédito bruto del Banco Central
Muestra: 1991:02 2000:12
Observaciones incluidas: 111
Errores estándar en ( ) y estadísticos t en [ ]
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 0.954221
Adj. R-squared 0.996691 0.284348 0.999936 0.997357 0.898689 0.261825 0.951110
Sum sq. resids 0.331617 0.068320 0.009032 0.235092 13.35532 30.69621 0.320326
S.E. equation 0.056741 0.025755 0.009364 0.047775 0.360088 0.545913 0.055767
F-statistic 4734.680 7.243710 244005.5 5930.901 140.3958 6.573736 306.7048
Log likelihood 165.1362 252.8138 365.1132 184.2284 -39.97453 -86.16298 167.0589
Akaike AIC -2.831283 -4.411060 -6.434472 -3.175287 0.864406 1.696630 -2.865926
Schwarz SC -2.636001 -4.215778 -6.239190 -2.980006 1.059687 1.891912 -2.670645
Mean dependent 8.384651 0.001678 6.453516 5.423958 12.13907 6.593317 9.191311
S.D. dependent 0.986442 0.030444 1.166925 0.929290 1.131309 0.635395 0.252212
Determinant Residual Covariance 1.27E-17
Log Likelihood (d.f. adjusted) 1056.808
Akaike Information Criteria -18.03257
Schwarz Criteria -16.66560
45
Cuadro N° 7
Estimadores del vector autorregresivo para el mecanismo monetario
Instrumento de política monetaria: Log M1 nominal
Muestra: 1991:02 2000:12
Observaciones incluidas: 111
Errores estándar en ( ) y estadísticos t en [ ]
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]
R-squared 0.908807 0.997591 0.997576 0.977772 0.369022 0.999936 0.351440 0.957835
Adj. R-squared 0.900681 0.997376 0.997360 0.975792 0.312797 0.999930 0.293648 0.954078
Sum sq. resids 12.83860 0.228869 0.337536 1.794999 0.064330 0.009634 28.80255 0.295037
S.E. equation 0.356532 0.047603 0.057810 0.133313 0.025238 0.009767 0.534017 0.054048
F-statistic 111.8377 4646.654 4618.299 493.6557 6.563226 174472.5 6.081075 254.9281
Log likelihood -37.78455 185.7174 164.1544 71.40899 256.1534 361.5336 -82.62899 171.6232
Akaike AIC 0.860983 -3.166080 -2.777556 -1.106468 -4.435196 -6.333939 1.668991 -2.912129
Schwarz SC 1.105085 -2.921978 -2.533454 -0.862367 -4.191094 -6.089837 1.913093 -2.668027
Mean dependent 12.13907 5.423958 14.10258 7.832952 0.001678 6.453516 6.593317 9.191311
S.D. dependent 1.131309 0.929290 1.125103 0.856820 0.030444 1.166925 0.635395 0.252212
Determinant Residual Covariance 3.41E-19
Log Likelihood (d.f. adjusted) 1100.042
Akaike Information Criteria -18.37913
Schwarz Criteria -16.42631
46
Cuadro N° 8
Estimadores del vector autorregresivo para el mecanismo crediticio
Instrumento de política monetaria: Log M1 nominal
Muestra: 1991:02 2000:12
Observaciones incluidas: 111
Errores estándar en ( ) y estadísticos t en [ ]
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
 Determinant Residual Covariance 3.75E-20
 Log Likelihood (d.f. adjusted) 1222.518
 Akaike Information Criteria -20.58591
 Schwarz Criteria -18.63310
47
Cuadro N° 9
Estimadores del vector autorregresivo para el mecanismo cambiario
Instrumento de política monetaria: Log M1 nominal
Muestra: 1991:01 2000:12
Observaciones incluidas: 112
Errores estándar en ( ) y estadísticos t en [ ]
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)