Omega Beta Gamma

Documento de Trabajo
N 03-2013

UN MODELO DE PREDICCIN DE CRISIS FINANCIERAS

EN LOS MERCADOS EMERGENTES: 1970 2009
por

Alfonso Ayala

Diciembre 05, 2013

Universidad Nacional Mayor de San Marcos

Lima - Per

Serie de Documentos de Trabajo Omega

Beta Gamma

El principal objetivo de la Serie de Documentos de Trabajo Omega Beta Gamma es difundir los
avances de investigaciones conducentes a futuras publicaciones de artculos cientcos as como de
textos resultantes del proceso de enseanza de los profesores del Departamento de Economa de la
Facultad de Ciencias Econmicas de la Universidad Nacional Mayor de San Marcos; incluyendo publicaciones de investigacdores nacionales e internacionales de otras instituciones de educacin superior.
La Serie de Documentos de Trabajo Omega Beta Gamma es promovido y desarrollado por un colectivo de profesores del Departamento de Economa de la Universidad Nacional Mayor de San Marcos.

COMIT EVALUADOR
Hugo Snchez,

Director

Alfonso L. Ayala, Universidad Nacional Mayor de San Marcos, Per

Enver Figueroa, Syracuse University, EEUU
Alexandra Lpez, Universidad del Tolima, Colombia
Cristian Marav, University of Rochester, EEUU
Roxana Mamani, University of London, Inglaterra
Richard Roca, Universidad Nacional Mayor de San Marcos, Per
Hugo Snchez, Universidad Nacional Mayor de San Marcos, Per

Documento de Trabajo Omega Beta Gamma, Nro. 03-2013, diciembre 2013.

Hecho el Depsito Legal en la Biblioteca Nacional del Per Nro. 2014-07538

Universidad Nacional Mayor de San Marcos

Facultad de Ciencias Econmicas
Av. Venezuela, cuadra 34.
Telfono 619-7000, anexo 2231.
Lima 01
Per

Un Modelo de Prediccin de Crisis Financieras en

los Mercados Emergentes: 1970  2009

Alfonso Ayala
Universidad Nacional Mayor de San Marcos e IESR
Diciembre 05, 2013

Resumen
En el presente documento se describe uno de los modelos de prediccin de crisis nancieras ms importantes para mercados emergentes: el modelo de seales, asimismo se muestra
los resultados de la aplicacin este modelo de usando datos mensuales desde 1970 hasta el
primer trimestre del 2009. El modelo propuesto est basado en el enfoque de Kaminsky,
Lizondo y Reinhart (1998). Se obtiene una identicacin de los principales factores determinantes de crisis nancieras (en el sentido emprico que se utiliza en el presente trabajo)
entendido como una aproximacin a la probabilidad de crisis en el corto plazo.

Palabras claves: Crisis nancieras, mercados emergentes, modelos de prediccin, modelos de

alerta temprana.

Clasicacin JEL: F37, F47.

Documento

expuesto en la Universidad del Pacco.

Sc. Economa, Universidad Nacional Mayor de San Marcos y M. A. Finanzas, Universidad del Pacco. Investigador
Asociado al Instituto de Estudios Sociales del Rmac y Profesor Auxiliar del Departamento de Economa, Universidad
Nacional Mayor de San Marcos, Ciudad Universitaria, Av. Venezuela, Cdra. 34, Lima 01. Telfono 619-7000, anexo 2210.
Contacto: aayalal@unmsm.edu.pe.
B.

1.

Introduccin

La presencia de crisis nancieras globales sigue siendo un tema de importancia en la economa mundial,
desde bancos centrales de pases desarrollados y en desarrollo, bancos de inversin, hasta numerosos
centros de investigacin y autoridades econmicas de varios pases monitorean permanentemente el
desarrollo de los mercados nancieros y emiten anlisis y predicciones sobre este fenmeno. Si bien la
economa mundial ha pasado por uno de sus periodos ms prolongados de crecimiento entre los aos
2003-2008, tal como seala la experiencia histrica, estos periodos tambin generan condiciones para
el surgimiento de crisis nancieras a travs de la expansin, que podemos llamar desordenada de
algunos sectores. La reciente crisis nanciera en Estados Unidos ha mostrado en la principal economa
capitalista, la naturaleza recurrente de las crisis, tambin ha puesto en debate, el gran problema que
enfrenta la economa normativa en el campo de la regulacin nanciera, la coordinacin de polticas no
solo macroeconmicas sino tambin nancieras en un marco de mayor integracin nanciera mundial.

2.

El modelo de prediccin de crisis de Kaminsky, Lizondo y

Reinhart (1998)

Desde el punto de vista de los modelos de prediccin de crisis nancieras, la estimacin de un sistema
de alerta temprana consta de cuatro pasos, estos son:1
1. La formulacin de un sistema de identicacin de los acontecimientos considerados como crisis.
2. La eleccin de un conjunto de variables que se consideran relevantes para anticipar las crisis,
estas son variables macroeconmicas monetarias, nancieras, del sector real y externas.
3. La denicin de un mtodo estadstico o economtrico que permita calcular la probabilidad de
ocurrencia de una crisis en un periodo determinado.
4. Un procedimiento para evaluar la bondad de las predicciones realizadas.
En el presente trabajo seguimos el modelo de alerta temprana bsico de Kaminsky, Lizondo y Reinhart
(1998) quienes desarrollan un modelo basado en un trabajo anterior de Kaminsky y Reinhart (1996)
usando el concepto de umbrales para generar un marco de trabajo en el que se evala un conjunto
de indicadores candidatos a predictores de ocurrencia de una crisis.
Una crisis es denida como un periodo de extrema presin en el mercado cambiario (exchange
market pressure), el ndice que reproduce el estado de crisis es calculado como el promedio ponderado
de cambios porcentuales mensuales en las reservas internacionales y el cambio porcentual en el tipo
de cambio, relacionando los ponderadores tal que los dos componentes del ndice tengan la misma
volatilidad. El ndice de presin del mercado cambiario (exchange market pressure, emp) es:
emp = ebt + 1 rbt

(1)

donde 1 es el ratio de las desviaciones muestrales de la tasa de cambio mensual del tipo de cambio y
las reservas internacionales. Cuando el ndice emp sobrepasa un umbral mximo denido como el valor
de la media de emp ms un nmero de veces la desviacin estndar de este indicador, luego se dene
que se ha iniciado una crisis si:2

crisis =

1
0

si empt > emp + n.emp

en otro caso

1 Ver [3].
2 En el tratamiento

(2)

emprico puede suceder que la intensidad de una crisis haga que el indicador sobrepase su umbral
durante varios periodos (meses) despus de iniciada una crisis, por lo que ser necesario denir un periodo mnimo de
separacin entre una crisis y la siguiente, otros modelos incluyen esta informacin como indicativo de la intensidad de
la crisis.

se da una seal por emitida cuando el ndice sobrepasa el umbral, es decir:


St =

1
0

si |Xt | > |X|

si |Xt | |X|

(3)

Donde X es a la vez un umbral denido por el valor que asume el n-simo percentil de la distribucin del indicador en estudio, donde el percentil es comn a todos los pases, pero el valor del indicador
es diferente para cada pas, ya que corresponde a su distribucin particular de la variable en estudio.
Segn este enfoque se puede evaluar algunas de las propiedades deseables para las seales de cada
indicador potencial, como por ejemplo la persistencia de una seal. Idealmente una seal debe ser emitida en el periodo ventana elegido y acertar exactamente al cumplimiento del mismo, por ejemplo,
si varios indicadores emiten una seal en junio de 1991, la crisis debe producirse en julio de 1993, y
la persistencia de la seal emitida debe durar el mismo tiempo que dura la crisis, es decir debe ser
perfectamente predecible el momento y la duracin de cada crisis, asimismo no debe dejar de explicar
todas las crisis que cumplen su denicin emprica.
Para analizar la efectividad de las seales emitidas por un indicador potencial, tenemos que considerar que una variable puede emitir una seal (un 0 o un 1, una variable binaria) cuando ha pasado
un umbral dado (sobre o por debajo del umbral). La tabla siguiente resume los posibles resultados:

La seal fue emitida

en los 24 meses
anteriores a la crisis
La seal no fue emitida en los 24 meses
anteriores a la crisis

Ocurri una crisis en

los siguientes 24 meses

No ocurri una crisis en

los siguientes 24 meses

B
(Error Tipo I)

C
(Error Tipo II)

Cuadro 1: Matriz de evaluacin de seales del Modelo KLR.

Donde A es el nmero de meses que el indicador emiti una buena seal dado que se produce una
crisis en la ventana de prediccin establecida, en este caso 24 meses, B es el nmero de meses que el
indicador emiti una mala seal o ruido es decir no se produjo una crisis, C es el nmero de meses en
los cuales el indicador no emiti una seal que hubiera sido una verdadera, y D es el nmero de meses
que el indicador no emiti una seal que hubiera sido mala. Para cada indicador KLR encuentran un
B(A+C)
umbral ptimo, denido como el umbral que minimiza el coeciente ruido-seal A(B+D)
, en base a
hacer una bsqueda grid o malla, entre los percentiles ms bajos o altos de la distribucin, segn lo
que indique el marco terico desarrollado.
Cuando tenemos que elegir el valor optimo del percentil para cada variable surge el problema de
> 0,
incurrir en los errores de tipo I y II, sea el error tipo I y el error tipo II, entonces 0 (X)
< 0. Podemos ponderar las seales por el ratio = tratando de minimizarlo, que es el
y 0 (X)
1
procedimiento operativo que da forma al modelo.
En la tabla anterior la probabilidad de incurrir en un error de tipo I es P(Rechazar H0 / H0 es
verdadera), en tanto que el error de tipo II es P(No rechazar H0 / H0 es falsa), el primer elemento es
C
B
A+C y el segundo B+D , queremos minimizar el ratio ruido (Error tipo II) a seal (1  Error tipo I).
Dentro de un intervalo determinado para el percentil,3 el criterio para elegir el percentil especco
viene dado por el objetivo de minimizar el denominado ratio de ruido/seal que viene dado por la
siguiente expresin:
B

Min

Error tipo II
B(A + C)
= B+DC =
1 Error tipo I
A(B + D)
1 A+C

(4)

3 En lnea con los estudios realizados en este tipo de modelacin, la bsqueda grid se realizar entre los percentiles
decimo y vigsimo.

Un indicador sera perfecto s nicamente emitiera seales (1s) que se ubicaran en las celdas A
y D de la tabla, tambin podra suceder que un indicador emita en todos los meses incluidos en la
ventana, tal que A es mayor a cero y C igual a cero, tambin podra no emitir seales dado que
no hay crisis en los siguientes meses, esto es, B = 0 y D > 0. No obstante, es imposible que algn
indicador tenga un comportamiento ideal.
Otro indicador de performance del indicador potencial es el nmero de buenas seales emitidas
A
, por ltimo, otro
como porcentaje del nmero total de observaciones que pudieron ser emitidas (A+C)
A
indicador de nuestro inters es la probabilidad condicional que una crisis pueda ser identicada (A+B)
.
Es de inters calcular la probabilidad condicional que se produzca una crisis en el horizonte de
prediccin, para ello el conjunto de indicadores potenciales que tericamente emiten seales, necesitan
ponderarse en funcin de su desempeo como buenos indicadores de crisis, cada seal emitida es ponderada entonces por el ratio ruido-seal tal que los indicadores con mayor ratio son valorados con una
menor probabilidad agregada.
Como se ha sealado el coeciente ruido-seal, es una medida de la capacidad de un indicador en
emitir buenas seales y evitar las malas seales, el porcentaje de seales falsas sobre el porcentaje de
B(A+C)
. Aquellos indicadores con un
buenas seales, en trminos de los elementos del cuadro 1 es, A(B+D)
coeciente ruido-seal mayor a la unidad emiten demasiadas seales falsas, por lo que no son conables
para predecir una crisis.
Asimismo se debe comparar la probabilidad condicional con la probabilidad incondicional de una
crisis.4 Para que un indicador sea considerado til para predecir una crisis, la probabilidad condicional
(A+C)
A
> (A+B+C+D)
. Si el indicador no es
debe ser mayor que la probabilidad incondicional, esto es, A+B
sensible a emitir seales falsas, lo que implica que habr pocas seales calicadas como B (el indicador
emite una seal cuando no hay crisis), la probabilidad condicional ser cercana a 1. De este modo, si
el indicador es able la probabilidad condicional ser mayor que la probabilidad incondicional.
Por otro lado, al tratarse de un modelo no paramtrico no es posible calcular un estadstico de
ajuste global del modelo del tipo R2 o similares, por lo que el anlisis de los resultados debe considerar
los dos aspectos antes mencionados. Sin embargo el trabajo de Berg, Borensztein y Pattillo (2004)
implementa un mtodo alternativo especial para evaluar una bondad de ajuste mediante el clculo
de una funcin de prdida y un test estadstico a la probabilidad estimada de crisis del modelo
mediante un modelo data panel simple.
En el presente documento tomamos una muestra de 20 pases emergentes, estos son los siguientes:
Argentina, Bolivia, Brasil, Colombia, Chile, India, Indonesia, Israel, Jordania, Corea, Malasia, Mxico,
Per, Filipinas, Singapur, Sudfrica, Tailandia, Turqua, Uruguay y Venezuela. Un primer criterio para
la eleccin de los pases fue el que hayan pasado por al menos una crisis nanciera en el periodo de
estudio, esto si bien puede agregar un sesgo de especicacin, puede verse minimizado con la diversidad de pases que se considere, un segundo criterio es que representen economa signicativas en sus
respectivas reas geogrcas, de esta manera se excluyen pequeos estados con poca participacin en
la economa mundial. Las economas que se analizan tienen una participacin creciente en la economa
mundial, llegando a alcanzar un 20,56 % al ao 2009, desde un 16,52 % en 1980, segn el mtodo de
Paridad de Poder de Compra utilizado en el Fondo Monetario Internacional. Esta mayor participacin
corresponde a la creciente importancia de las economas del sudeste asitico y la India, en contraposicin con la perdida de participacin que han experimentado los pases de Amrica Latina. La gura
1 muestra la evolucin de cada economa desde 1980, segn datos del World Economic Outlook de
Octubre del 2009.5
4 La probabilidad incondicional est dada por la proporcin (simple) de periodos de
5 En: http://www.imf.org/external/pubs/ft/weo/2009/02/weodata/index.aspx.

crisis en el lapso del estudio.

Figura 1: Participacin en el PBI mundial de las 20 economas emergentes de la muestra: 1980-2009.

3.

La revisin de la modelacin de sistemas de alerta temprana

de Berg, Borensztein y Patillo

En un trabajo cuyo propsito es hacer una revisin de los modelos de alerta temprana producidos hasta
el ao 2004, Berg, Borenzstein y Pattillo comparan la diversidad de modelos disponibles para producir
sistemas de alerta temprana, con la intencin de revelar algunas ventajas o desventajas de su uso por
parte de los organismos internacionales, en especial el FMI, quien tambin efecta un seguimiento a
los pronsticos de modelos del sector privado (el Emerging Market Risk Indicator del Credit Suisse
First Boston, el GS-WATCH del Banco de Inversin Goldman Sachs y el Alarm Clock del Deutsche
Bank).
Despus de analizar la performance de los modelos out-of-sample para las predicciones entre Enero
de 1999 y Diciembre del 2000 para un modelo KLR y DCSD,6 los autores sealan que los resultados
son mixtos, las predicciones del modelo KLR son estadsticamente y econmicamente signicativos
de las crisis actuales. Sin embargo la precisin en el periodo out-of-sample es solo ligeramente inferior
al ajuste en el periodo de estimacin en tanto que el modelo de la DCSD se desempea de manera
muy inferior en el periodo out-of-sample. Bajo los resultados mostrados, las predicciones son aun
signicativas, sin embargo la hiptesis de que las predicciones son insesgadas e informativas tiene una
probabilidad mayor que la hiptesis que las predicciones son intiles. Asimismo la evaluacin respecto
a los modelos privados de corto plazo muestra una performance pobre.

4.

La crtica de Pistelli

Pistelli (2006) apunta que los modelos desarrollados bajo la inuencia del enfoque de seales de KLR
y otros tienen pocos fundamentos tericos y problemas de aplicacin, cuestionando 3 puntos principales: (a) el uso de variables en variaciones a 12 meses, ya que segn el autor no hay fundamentos
6

Developing Country Studies Division, que es la divisin del Fondo Monetario que efecta el clculo del modelo de

prediccin de crisis del Fondo.

tericos para armar que la variacin en un ao es una variable adecuada en este caso, debiendo ser
el indicador formulado en trminos de niveles; (b) problemas con la medicin de sobre valuacin del
tipo de cambio real, sealando que al tomar el periodo completo de anlisis para tomar las variaciones
respecto a una tendencia deterministica se incluir el salto futuro del tipo de cambio real, produciendo por construccin buenos resultados, y (c) el problema del sesgo post-crisis, este se produce ya
que el modelo toma, como hemos visto dos tipos de periodos tranquilos e intranquilos, incluyendo
en este ultimo los periodos inmediatamente posteriores al inicio de las crisis, segn muestra el autor,
este hecho produce un sesgo en los resultados ya que esto puede llevar a un importante sesgo porque
el comportamiento de las variables independientes es muy diferente durante los periodos tranquilos en
comparacin con los periodos de recuperacin.7
Para solucionar estos inconvenientes en el modelo de KLR, Pistelli propone analizar otros indicadores de crisis, clasicados en cuatro grupos: a) adecuacin de las reservas internacionales. b) sector
externo y competitividad internacional, c) sector nanciero domstico y d) sector real domstico.
El autor estima una medida de performance basada en el clculo de las diferencias entre el valor
promedio en periodos de crisis y periodos tranquilos estandarizados, mostrando que los indicadores
propuestos se comportan mejor que los indicadores incluidos en el trabajo de Kaminsky y Reinhart
(1999), luego de ello ordena la eciencia de los indicadores basado en un promedio del ratio ruido/seal
como la diferencia estandarizada, para indicar que solo el ratio de la desviacin del tipo de cambio
real,8 se encuentra entre los mejores seis indicadores de crisis.
El autor concluye luego de comparar el indicador multivariado que toma ambos enfoques con los
seis mejores indicadores de Kaminsky y Reinhart (denominados KR-6), que el primero se ajusta mejor
a la prediccin de crisis tanto en la precisin de la seal, como en la precedencia durante la crisis,
ya que llega a emitir por lo menos una seal en todas las crisis identicadas, as como al menos tres
seales en al menos 68 % de las crisis, contra solo un 47 % de los casos para el modelo KR-6.

5.

Resultados del modelo

Usando datos trimestrales para los 20 pases de una muestra de mercados emergentes,9 se calcul
el ndice de presin en el mercado cambiario, o como se denomina en la literatura el ndice EMP,
siguiendo a Kaminsky, Lizondo y Reinhart (1996) y Edison (2000), estimamos un umbral determinando
un mltiplo de las desviaciones estndar de la ecuacin 2 tal que pueda captar los ltimos episodios
de crisis,10 el mltiplo seleccionado en el presente trabajo es de 2.20, en los grcos 2 se muestra los
resultados para los pases de la muestra, as como los umbrales mximos tanto para los periodos de
inacin baja, como para los periodos de alta inacin, lo que determina que algunos pases muestren
dos umbrales. Se identicaron 124 episodios de crisis en el periodo analizado, aproximadamente 30
episodios ms que el estudio de Edison del ao 2000. Los cuadros 2-5 a continuacin muestran los
periodos identicados y el ao y mes de su inicio para cada pas.
7 [3, p. 10], traduccin del autor.
8 Calculado como la diferencia entre

el tipo de cambio real y el promedio mvil de los ltimos 48 meses y no como lo

calcula Kaminsky y Reinhart (1999) respecto a una tendencia deterministica tomando toda la informacin existente.
9 Argentina, Brasil, Bolivia, Chile, Colombia, India, Indonesia, Israel, Jordania, Corea, Malasia, Mxico, Per, Filipinas, Sudfrica, Singapur, Tailandia, Turqua, Uruguay y Venezuela.
10 Tal como reporta [3], es necesario revisar en cada estimacin a realizar, el valor del mencionado mltiplo. Al agregarse
mayor informacin, si sta corresponde a periodos sin crisis nancieras, es de esperarse que el mltiplo deba caer, al
ajustar a este nuevo valor se evita introducir observaciones de periodos de crisis falsas en la estimacin.

Figura 2: Identicacin de crisis por pases 1970-2009.

10

11

12

13

14

15

Sobre el modelo propuesto cabe comentar que en general identica adecuadamente las fechas de inicio
de crisis en la mayora de pases, pero en algunos casos no puede identicar algunos episodios aislados
de alta presin en el mercado cambiario como crisis, as por ejemplo en el caso de Israel a nales del
2008, o la presin cambiaria de Argentina del 2006, lo que algunos medios de comunicacin en esos
aos clasicaban como crisis.
Pas
Fecha

Argentina

Bolivia

Brasil

Chile

Colombia

mar-75

oct-72

dic-79

ene-72

ene-84

nov-76

nov-79

sep-82

sep-72

ene-85

jul-82

feb-82

ene-85

jul-73

ago-95

abr-89

sep-85

ene-87

dic-74

sep-98

dic-89

ene-88

ene-88

oct-75

ago-99

ene-91

ene-90

ago-82

jul-02

feb-02

sep-91

oct-08

ago-07

sep-98

sep-08

abr-00
jul-02
Nro. de Crisis

10

Cuadro 2: Fechas de inicio de crisis identicados en el modelo por pases, 1970  2009
Pas
Fecha

India

Indonesia

Israel

Jordania

Korea

jun-72

may-75

nov-74

jul-75

sep-74

nov-78

nov-78

sep-75

nov-78

ene-80

jun-88

sep-86

nov-77

mar-80

nov-97

sep-90

dic-97

ago-83

may-86

sep-08

abr-91

oct-08

jun-85

ene-88

mar-93

dic-88

nov-97
sep-08
Nro. de Crisis

Cuadro 3: Fechas de inicio de crisis identicados en el modelo por pases, 1970  2009
El proceso de anlisis de cada indicador se bas primeramente en la clasicacin de sus tasas de
crecimiento o desviaciones, como predictores de crisis, el cuadro 6 siguiente muestra para cada uno de
los 15 indicadores propuestos la regin de inters de la distribucin emprica de estas variables, tanto
de las tasas de crecimiento como de las desviaciones dependiendo de cada caso.

16

Pas
Fecha

Malasia

Mxico

Per

Filipinas

Sudfrica

mar-80

sep-76

jun-76

sep-83

sep-75

feb-85

feb-82

nov-77

jun-84

jul-84

dic-92

dic-82

dic-84

feb-86

jul-85

jul-97

jul-85

oct-87

jul-97

may-86

oct-08

dic-87

sep-88

oct-00

abr-96

dic-94

jun-98

oct-08

dic-01
oct-08

Nro. de Crisis

Cuadro 4: Fechas de inicio de crisis identicados en el modelo por pases, 1970  2009
Pas
Fecha

Singapur

Tailandia

Turqua

Uruguay

Venezuela

jul-75

nov-78

jul-79

mar-72

feb-84

nov-78

oct-79

feb-80

nov-82

dic-86

mar-80

jul-81

ene-94

nov-84

mar-89

mar-91

jul-97

feb-01

jul-02

may-94

ago-97

oct-08

dic-95

mar-01

feb-02

oct-08

ene-03
ene-09

Nro. de Crisis

Cuadro 5: Fechas de inicio de crisis identicados en el modelo por pases, 1970  2009
Para las crisis identicadas se procedi a calcular el nmero de ocurrencias en las que el valor del
indicador sobrepasaba o caa por debajo de un umbral determinado realizando una simulacin grid
tanto en el segmento superior de los percentiles, como en el inferior dependiendo de la naturaleza del
indicador, esto corresponde a la estimacin del valor de las celdas A y C del cuadro 1. En el caso de
que las crisis tengan periodos superpuestos, se procedi a separar cada crisis y tratar a cada una como
un evento singular.
Segn la metodologa del enfoque de seales se debe evaluar los resultados de cada indicador a
travs de varios parmetros; primero, el ratio ruido seal, y en segundo lugar a travs del porcentaje
de crisis en la cual el indicador emiti al menos una seal de crisis, asimismo por el porcentaje de crisis
detectadas, entre otros aspectos. Los resultados de nuestro modelo se muestran en el cuadro 7.

17

Indicador

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Regin deinters como

predictor de crisis

Tasa de inters en Estados Unidos

Tasa de inters domsticas
Crdito domstico/PIB
Desviacin del tipo de cambio real
Diferencia de tasas de inters domsticas
Multiplicador de M2
Precio del petrleo
Importaciones
Ratio tasas activas sobre pasivas
Reservas internacionales
Depsitos bancarios
Ratio M2 sobre reservas internacionales
Exportaciones
Produccin industrial
ndice burstil

Superior
Superior
Superior
Inferior
Superior
Superior
Superior
Superior
Superior
Inferior
Inferior
Superior
Inferior
Inferior
Inferior

Cuadro 6: Indicadores propuestos y regin de inters como predictores de crisis

18

Reestimacin del modelo KLR(1970-2009)

Indicador

19

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Tasa de inters en Estados Unidos

Tasa de inters domsticas
Crdito domstico/PIB
Desviacin del tipo de cambio real
Diferencia de tasas de inters domsticas
Multiplicador de M2
Precio del petrleo
Importaciones
Ratio tasas activas sobre pasivas
Reservas internacionales
Depsitos bancarios
Ratio M2 sobre reservas internacionales
Exportaciones
Produccin industrial
ndice burstil

Nro.
de
crisis
124
87
122
124
86
124
124
124
77
124
123
124
122
88
77

Regin
crtica
90
90
90
10
90
90
90
90
90
10
10
90
10
11
14

Ratio
ruido/
seal
0.20
0.20
0.22
0.25
0.26
0.29
0.33
0.36
0.41
0.44
0.60
0.61
0.67
0.86
0.98

% de
crisis
detectadas
62 %
69 %
89 %
69 %
69 %
85 %
73 %
90 %
43 %
91 %
76 %
89 %
93 %
64 %
99 %

P(crisis /
se emiti
una seal)
0.41
0.34
0.39
0.51
0.01
0.05
0.29
0.01
0.00
0.12
0.05
0.33
0.07
0.10
0.03

Resultados originales de KLR(1998)

Nro.
de
crisis
n. d.
44
62
72
42
70
n. d.
71
33
72
69
70
72
57
53

Regin
crtica
n. d.
88
90
10
11
86
n. d.
90
80
15
10
87
10
11
11

Ratio
ruido/
seal
n. d.
0.77
0.62
0.19
0.99
0.61
n. d.
1.16
1.69
0.57
1.2
0.48
0.42
0.52
0.47

% de
crisis
detectadas
n. d.
89 %
56 %
57 %
86 %
73 %
n. d.
54 %
67 %
75 %
49 %
80 %
85 %
77 %
64 %

P(crisis /
se emiti
una seal)
n. d.
0.34
0.39
0.67
0.29
0.40
n. d.
0.26
0.18
0.41
0.25
0.46
0.49
0.49
0.49

Cuadro 7: Resultados del modelo basado en el enfoque de seales 1970-2009. Fuente: Cculos del autor. Estimacin usando datos mmensuales
B A+C
de 1970 a 2009-marzo. La regin crtica es el percentil que minimiza el ratio ruido-seal de la variable de inters. El ratio ruido-seal es B+D
A .
El porcentaje de crisis detectadas es el nmero de crisis para las cuales el indicador emiti al menos una seal de alerta, P(crisis/se emiti una
A
seal)= A+B
.

Para el periodo en estudio, el cuadro muestra en la primera columna el nmero de crisis para los que
existe informacin disponible, as por ejemplo, el indicador para el cual existe menor informacin es el
ndice burstil con informacin disponible slo para 77 crisis, en tanto que la mayora de indicadores
est disponible para la totalidad de crisis identicadas. En la segunda columna se puede observar la
regin crtica, en trminos del percentil de la distribucin de frecuencia de la variable de inters, por
ejemplo, para el caso de la tasa de inters de Estados Unidos el percentil que dene la regin crtica
es el 90, en tanto que el percentil para el indicador de la tasa de crecimiento es el 10, esto es la
cola inferior de la distribucin. En la tercera columna se muestra el ratio ruido-seal para el percentil
obtenido, cabe resaltar que la bsqueda se realiz entre el percentil 10 y 20 para el caso de percentiles
bajos y entre 80 y 90 para el caso de los percentiles altos. Como vemos en la tercera columna, el ratio
ruido-seal vara ampliamente entre las variables estudiadas, siendo el ratio de mejor performance el
de la tasa de inters de Estados Unidos, seguida de cerca de la tasa de inters domstica y el ratio
de crdito domstico/PBI, la mayora de los indicadores muestra un ratio ruido-seal bastante bajo
respecto a estudios anteriores (esto se puede deber a la mayor disponibilidad de datos) asimismo, todos
los indicadores propuestos muestran un ratio menor a uno, por lo que no pueden descartarse segn
este indicador de ajuste, la inclusin en el modelo de la informacin proporcionada por estos. Otro
aspecto a observar es el porcentaje de crisis para el cual se emite al menos una seal de alarma, este
valor tambin vara ampliamente entre las variables elegidas, as el indicador que muestra un menor
porcentaje es el ratio de tasas activas sobre pasiva del pas, con solo 42 %, en tanto la tasa de inters
de Estados Unidos solo detecta el 62 % de las crisis y la produccin industrial solo un 64 %. Finalmente
la ltima columna muestra la probabilidad que se d una crisis dado que se emite una seal de alerta,
descontando la probabilidad no condicional de que se produzca una crisis, con los datos disponibles
esta probabilidad es de 27.91 %.
Varios comentarios se pueden ofrecer a la luz de estos resultados, por ejemplo, en general, los
valores de los percentiles estimados son muy parecidos a los resultados de KLR (1996), Berg y Pattillo
(1998) y Edison (2000), pero una diferencia importante es el valor de los ratios ruido-seal, esto han
mejorado considerablemente con respecto a los trabajos anteriores, sin embargo esto no se traduce
en una mejora del porcentaje de crisis detectadas para la ltima crisis nanciera global del 2008,
esto es un indicativo de que el poder predictivo del modelo puede no ser lo sucientemente alto para
detectar nuevas crisis, tema al que llegaremos en el siguiente acpite. Asimismo el orden relativo segn
el ajuste del ratio ruido-seal varia respeto a los trabajos anteriores, el indicador de las tasas de
inters de referencia en Estados Unidos es la que muestra un mejor nivel de ajuste relativo (variable
no considerada en el trabajo original de KLR e incorporada en el estudio de Edison); tambin las tasas
de inters domsticas muestran un buen nivel de ajuste, aunque la disponibilidad de data es una de
las ms bajas en el estudio; el ratio de crdito domestico sobre PBI mantiene su importancia relativa
entre ambos estudios; el indicador para la desviacin del tipo de cambio cae al cuarto lugar, mientras
en los estudios anteriores era la primera o segunda variable de importancia, tambin puede notarse
que las variable nancieras ocupan la mayora de los primeros lugares en cuanto a la efectividad para
predecir las crisis, entre las variables de prediccin estudiadas.
Cabe comentar que el poder predictivo de la variable ratio de tasas de inters activas sobre pasivas
es nulo, ya que la probabilidad no condicional es superior a la probabilidad condicional de que se
produzca una crisis, si bien el ratio ruido-seal es menor a uno, la signicancia estadstica general de
la variable es cero, por lo que se puede descartar su inclusin en el modelo.

6.

Conclusiones

Las variables macro econmicas globales, tales como la tasa de inters de referencia de Estados Unidos
y variables domsticas como el crdito interno medido como porcentaje del PBI, la desviacin del tipo
de cambio real y la tasa de inters real domstica, en un modelo en la tradicin del enfoque de seales
muestran una mayor importancia relativa y un buen nivel de ajuste para estimar la probabilidad de
crisis nancieras en mercados emergentes.
20

El modelo de prediccin de crisis planteado ha mostrado entonces, resultados mixtos; no obstante

su aplicacin constituye un elemento valioso, ya que este tipo de modelos permite tener elementos
prospectivos de anlisis de riesgo de crisis en el corto plazo.
Las variables econmicas utilizadas, permiten sin embargo tener una aproximacin al efecto que
pueden tener cambios en el estado de los mercados nancieros en la probabilidad de crisis nancieras,
aunque la aplicacin se ha visto limitada por la disponibilidad de datos.
La aplicacin futura de este tipo de modelacin se puede potenciar por la disponibilidad de nuevas
series de tiempo, principalmente variables nancieras como las curvas de rendimiento, indicadores ms
detallados del mercado nanciero, o variables de la dinmica poltica nacional, pueden contribuir en
la aplicacin de esta metodologa en otros mercados emergentes.

Referencias
[1]

Berg, Andrew; Borensztein, Eduardo y Catherine Pattillo. (2004) Assessing Early Warning

[5]

International Monetary Fund. (2009) Inter-

[6]

Kaminsky, Graciela L.; Lizondo, Saul y Carmen

Reinhart. (1998) Leading Indicators of Currency

Systems: How Have They Worked in Practice?

IMF Working Paper WP/04/52.

[2]

Berg, Andrew y Catherine Pattillo. (1998) Are

, IMF Working

currency crises predictable? A test

Paper WP/98/154.
[3]

System, International Finance Discussion Paper

No. 675, Board of Governors of the Federal Reserve System.

[4]

Crises

Edison, Hali J. (2000) Do Indicators of Financial

Crises Work? An Evaluation of an Early Warning

Flood, Robert P. y Nancy Marion. (1998) Perspectives on the Recent Currency Crises Literature

NBER Working Paper No. 6380.

21

national Financial Statistics, CD-ROM, Setiembre.

[7]

, IMF Sta Papers, Vol. 45, pp. 1-48.

Pistelli,

Alfredo. (2006)

Speculative Currency

Attacks: Role of Inconsistent Macroeconomic Po-

,
Documento de Trabajo No 379, Banco Central de
Chile.
licies and Real Exchange Rate Overvaluation