La estructura de dependencia entre los precios del petróleo y las tasas de cambio en Latinoamérica
Foto tomada por Zbynek Burival disponible en https://unsplash.com
El estudio de la relación entre el precio del petróleo, el sector real y el sector financiero ha tomado central importancia en las últimas décadas. Sin embargo, dicha relación difiere entre países debido a su condición de exportadores o importadores, y a las fricciones financieras propias de algunos de ellos. Dado que el precio del petróleo suele denominarse en dólares americanos (USD), el precio de este puede ser uno de los determinantes fundamentales de la tasa de cambio en países cuya moneda local no es el dólar. Por lo tanto, entender la relación que existe entre el precio del petróleo y la tasa de cambio de la moneda local tiene implicaciones importantes tanto para administradores de portafolios, como para un banco central que enfrenta un choque externo.
Este trabajo estudia la relación entre el precio del petróleo y la tasa de cambio para seis países latinoamericanos: Colombia, México, Brasil, Perú, Chile y Uruguay. La selección de países nos permite comparar nuestros resultados entre países exportadores (Colombia, México y Brasil) y países importadores (Perú, Chile y Uruguay) de petróleo. La base de datos comprende observaciones diarias de la tasa de cambio y de los precios del petróleo medidos a través del BRENT entre los años 2000 y 2018.
Un desafío metodológico para este análisis es que los retornos financieros no suelen seguir una distribución normal. Además, pueden presentarse asociaciones no-lineales entre distintos activos financieros. Debido a esto, el presente estudio emplea una metodología copula-GARCH en la que modelamos en primer lugar la relación entre los retornos tanto en media como varianza y después estimamos la dependencia entre los aplicando cópulas [1] sobre los residuos de la estimación de la primera etapa. Esta metodología no parte de supuestos sobre la distribución de los retornos, permite detectar asociaciones entre los activos de forma flexible, y analiza movimientos comunes de los activos eventos atípicos (en las colas de la distribución).
Adicionalmente, es posible que la relación entre los precios del petróleo y las tasas de cambio haya cambiado a través del tiempo. Esto puede ocurrir, por ejemplo, como consecuencia de eventos de gran magnitud en los mercados como la crisis financiera del 2008. Por lo tanto, añadir el componente de tiempo a este análisis puede hacer los resultados reflejen con mayor precisión las condiciones de los mercados financieros en un periodo dado. Así pues, en el estudio dividimos nuestra base de datos en 5 períodos con base en la metodología para detectar cambios estructurales propuesta por Bai y Perrón (1998) [2] y estimamos la dependencia entre tasas de cambio y petróleo en cada uno de ellos con base en la metodología de copula-GARCH descrita anteriormente.
Los resultados del análisis muestran que existe una relación negativa y significativa entre los precios del petróleo y las tasas de cambio de los países estudiados. Esto quiere decir que, frente a un aumento en los precios del petróleo, la divisa local tiende a apreciarse. Los resultados confirman que esta relación suele ser más fuerte para países exportadores de petróleo que para países importadores debido a que los choques en los precios del petróleo suelen tener mayor impacto en los términos de intercambio de los países exportadores de petróleo.
Es notable que el vínculo entre el crudo y las tasas de cambio no es constante a través del tiempo. Hasta el año 2007, dicha relación era muy débil. Sin embargo, se ha fortalecido después de la crisis financiera del 2008. Por último, el estudio no encontró evidencia de que los precios del petróleo y las tasas de cambio tengan una tendencia a tener eventos de apreciación o depreciación masiva de forma conjunta. Esto sugiere que una intervención del banco central puede ser innecesaria durante periodos de fuertes fluctuaciones en los precios del petróleo.
1. Una cópula es una función que nos permite expresar la función de distribución conjunta de múltiples variables aleatorias en términos de sus distribuciones marginales.
2. Los periodos van del 2000 al 2004, del 2004 al 2007, del 2007 al 2011, del 2011 al 2014 y del 2014 hasta el final de la muestra.
