Академический Документы
Профессиональный Документы
Культура Документы
ECONOMETRIA III
INTEGRANTES:
SEMESTRE: VII
GRUPO: B
PUNO-PERÚ
2017
INTRODUCCIÓN
Se define al dinero por las funciones que cumple, por tanto desde esta perspectiva
el dinero es medio de transacción, depósito de valor y unidad de cuenta, además
juega un papel fundamental en todas las economías modernas, parece ser un
elemento natural de la vida económica, sin dinero, la vida económica sería
incómoda, incluso las simples operaciones de compra y venta se volverían
complejas y difíciles.
La demanda de dinero explica los motivos por los que los individuos deciden
guardar una parte de su riqueza en forma de dinero, renunciando a la rentabilidad
que podrían obtener si colocaran tales recursos como activos. Las personas
demandan dinero por diversos motivos, entre los que destacan: para poder realizar
transacciones, es decir para poder pagar las compras que realizan, depende
principalmente del nivel de renta, a mayor renta, mayor consumo, y por tanto mayor
demanda de dinero; por precaución, surge porque los individuos y las empresas
ven necesario tener reserva de dinero para enfrentar contingencias imprevistas y;
por especulación, es una representación formal de la incertidumbre de un individuo
respecto al futuro.
En el presente informe, realiza un análisis de la demanda de dinero en el Perú
durante el periodo 1996Q1-2016Q4, con el objetivo de corroborar que las
principales variables macroeconómicas consideradas en el modelo cumplan con la
teoría económica. Además identificar la estacionariedad, el modelo ARIMA, estimar
y proyectar la variable dependiente, y finalmente hacer una comparación con algún
modelo alternativo.
CONTENIDO
1. IDENTIFICACION DE VARIABLES ..................................................................................... 4
1.1 Demanda real de dinero (M/P) .................................................................................... 4
1.2 Producto bruto interno a precios constantes (PBIR) .......................................... 4
1.3 Tasa de cambio (TC) ..................................................................................................... 4
1.4 Tasa de interés pasiva (TIP) ....................................................................................... 4
1.5 Tasa de interés de EEUU (TII) .................................................................................... 4
2. MODELO .................................................................................................................................. 4
3. IDENTIFICACION DE LOS MODELOS DE LAS VARIABLES ...................................... 5
3.1 ANÁLISIS GRÁFICO ...................................................................................................... 5
3.2 CORRELOGRAMAS ...................................................................................................... 6
4. ANÁLISIS FORMAL PARA LA IDENTIFICACION DE SERIES ESTACIONARIAS 13
5. ESTIMACIÓN Y COINTEGRACIÓN DE ENGLE Y GRANGER ................................... 15
6. PROYECCIÓN DE A DEMANDA DE DINERO REAL .................................................... 17
7. COMPARACIÓN DE LAS PREDICCIONES CON UN MODELO ALTERNATIVO ... 20
8. CONCLUSIONES.................................................................................................................. 22
9. BIBLIOGRAFÍA ..................................................................................................................... 23
ANEXOS ......................................................................................................................................... 24
INDICE DE FIGURAS
2. MODELO
1
Cuba E. y Herrada R. (1995) “Demanda de dinero, inflación y politica monetaria en el Perú: 1991-1994” Cuadernos de
Economía, Año 32, N° 97, pp. 347-377
M/P= demanda real de dinero (demanda de saldos reales)
PBIR: Producto bruto interno a precios constantes
TC: tipo de cambio
TIP: Tasa de interés pasiva
TII: Tasa de interés de Estados Unidos
𝛽0: constante
Linealizando el modelo tenemos:
𝐿𝑛(𝑀/𝑃)𝑡 = 𝛽0 + 𝛽1 𝐿𝑛(𝑃𝐵𝐼𝑅)𝑡 + 𝛽2 (𝑇𝐶)𝑡 + 𝛽3 (𝑇𝐼𝑃)𝑡 + 𝛽4 (𝑇𝐼𝐼) 𝑡
3. IDENTIFICACION DE LOS MODELOS DE LAS VARIABLES
Las principales características de las series temporales es que sus valores medios
varían a lo largo del tiempo, son variables o series no estacionarias. Algunas series
suben y bajan sin una tendencia a revertir hacia algún punto lo que significa un
comportamiento de caminata aleatoria, siendo esta propiedad de muchas variables
no estacionarias.
LQDD LPBIR
6.5 7.0
6.9
6.0
6.8
5.5
6.7
5.0
6.6
4.5
6.5
4.0 6.4
96 98 00 02 04 06 08 10 12 14 16 18 96 98 00 02 04 06 08 10 12 14 16 18
TC TII
4.0 .07
.06
3.6
.05
3.2 .04
2.8 .03
.02
2.4
.01
2.0 .00
96 98 00 02 04 06 08 10 12 14 16 18 96 98 00 02 04 06 08 10 12 14 16 18
TIP
.14
.12
.10
.08
.06
.04
.02
.00
96 98 00 02 04 06 08 10 12 14 16 18
Observando las gráficas, LQDD y LBIR tienen una tendencia creciente muy
acentuada, es decir crecen continuamente a medida que transcurre el tiempo y la
característica de no volver hacia ningún punto, por lo que se puede concluir que no
son estacionarias. También se observa que en las variables TC, TII y TIP los shocks
tienen un alto grado de persistencia, es decir que los cambios repentinos en las
series toman tiempo para decaer, siendo esto una característica de series
temporales. Se concluye que en las variables no se presentan comportamientos en
media ni en varianza, por lo tanto son no estacionarios en niveles.
3.2 CORRELOGRAMAS2
2
Johansen, S., 1988. Statistical analysis of cointegration vectors. Journal of
Economic Dynamics and Control 12, 231–254.
figura 2 Prueba de Estacionariedad de la cantidad demandada de dinero
En este correlograma
de primera diferencia se pue ver que el FAS no sigue un comportamiento definido,
es decir, cuasialeatoria que es tipico de variables estacionarias. Por lo tanto existe
un comportamiento estacionario. Ademas corroboramos que se da un proceso
AR(1) y MA(1). En conclusion la variable LQDD es un modelo ARIMA(1,1,1)
Producto bruto interno real (LPBIR)
Analizando primero el
correlograma figura 4 prueba de Estacionariedad del producto bruto interno en niveles de la
variable LPBIR se observa que en el FAS hay una caida lenta de los coeficientes,
esto indica que no existe estacionariedad, además podria tratarse de un MA(1). Por
otra parte del FAP sobresalen los dos primeras autocorrelaciones y en la tercera se
produce una caida abrupta, por tanto se identifica un AR(2).
Ya que LPBIR no es estacionario en niveles procedemos la primera diferencia de
LQDD obteniendose el siguiente correlograma:
Del correlograma de
primera figura 9 Primera diferencia de Estacionariedad de la tasa de interes diferencia de TII
internacional
tiene un comportamiento
aleatorio en el FAS, lo que nos indicaria que es estacionario en primera diferencia.
Además se puede identificar que se se un proceso AR(1) y un MA(3). Por lo tanto
se concluye que es un modelo ARIMA(1,1,3).
Tasa de interés pasiva de las empresas bancarias (TIP)
Analizando primero el correlograma en niveles de la variable TIP se observa que
en el FAS hay una caida lenta de los coeficientes, esto indica que no existe
estacionariedad,. Por otra parte del FAP se observa que podria tratarse de un
AR(1).
3
Bill Hung. (October, 2000). Dickey-Fuller Unit Root Test (Stationary Test).
http://www.hkbu.edu.hk/~billhung/econ3600/application/app01/app01.html
𝐻𝑎 : 𝛾 ≠ 0 → 𝐿𝑎 𝑠𝑒𝑟𝑖𝑒 𝑒𝑠 𝑒𝑠𝑡𝑎𝑐𝑖𝑜𝑛𝑎𝑟𝑖𝑎, 𝑛𝑜 𝑡𝑖𝑒𝑛𝑒 𝑟𝑎𝑖𝑧 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑎
Se realizó el test de raíz unitaria para cada variable, además de que por ensayo-
error se determino cual era la mejor versión del test para cada variable (con
intercepto y tendencia, con alguna de las dos o sin ninguna de ellas) y se obtuvo
los siguientes resultados
TEST DICKEY-
FULLER EN PRIMERA DIFERENCIA
VARIABLE AUMENTADO
Valores críticos t-Estadistico Prob Durbin-Watson
-3.352212 0.0157 2.041079
1% level -3.514426
LQDD
5% level -2.898145
10% level -2.586351
-3.143432 0.002 1.931207
1% level -2.594946
LPBIR
5% level -1.945024
10% level -1.61405
-6.206146 0 2.023424
1% level -2.593468
TC
5% level -1.944811
10% level -1.614175
-4.542455 0 2.137437
1% level -2.593468
TII
5% level -1.944811
10% level -1.614175
-5.082383 0 1.888586
1% level -2.593468
TIP
5% level -1.944811
10% level -1.614175
figura 12 Resultados del test de raíz unitaria
Se debe probar que existe una relacion a largo plazo entre la variable dependiente
que en este caso es la cantidad demandada de dinero en logaritmos (LQDD) y las
variables independientes LPBIR, TC, TII, TIP.
Para lo cual las variables temporales (LQDD, LPBIR, TC, TII, TIP) deben ser
estacionarias en el mismo orden, preferiblemente 𝐼(1), ya que si son estacionarias
en otros órdenes o en órdenes distintos , el problema se complica.
En primer lugar hacemos el analisis de estacionariedad utilizando el test de raiz
unitaria Dickey Fuller Aumentada. Como ya se obtuvo dichos resultados
anteriormente se llegó a la conclusión de que todas las variables
(LQDD,LPBIR,TC,TII,TIP) son estacionarias en orden 1, es decir, 𝐼(1).
Ahora se procede a realizar la prueba de cointegración. Definido el caso se procede
a realizar la estmacion MCO del modelo, del cual se espera que exista una relación
económica a largo plazo entre las variables.
𝐿𝑛(𝑀/𝑃)𝑡 = 𝛽0 + 𝛽1 𝐿𝑛(𝑃𝐵𝐼𝑅)𝑡 + 𝛽2 (𝑇𝐶)𝑡 + 𝛽3 (𝑇𝐼𝑃)𝑡 + 𝛽4 (𝑇𝐼𝐼) 𝑡
Por MCO tenemos los siguientes resultados:
Dependent Variable: LQDD
Method: Least Squares
Sample: 1 84
Included observations: 84
t-Statistic Prob.*
Como se puede observar en este test, el estadístico DFA (-4.17) es mayor en valor
absoluto que los valores de criticos de McKinnon al 1, 5 y 10%. Por lo tanto no es
posible aceptar la hipotesis nula y concluimos que los residuos estan integrados en
orden I(0). Por lo que no se trata de una ecuación espuria.
Finalmente, con estos datos obtenidos, podemos concluir que existe una relacion
a largo plazo por lo que decimos que LQDD, LPBIR, TC, TII y TIP estan
cointegradas. Se ha pobrado la existencia de esta función de demanda de dinero.
6. PROYECCIÓN DE A DEMANDA DE DINERO REAL
Ahora lo que se busca es lograr predecir el comportamiento de la cantidad
demandada de dinero (LQDD) en seis periodos adelante, es decir, predecir los
peridos comprendidos entre 2017Q1 – 2018Q2.Para lo cual utilizaremos la
estimación del modelo hallado para LQDD que era un proceso ARIMA(1,1,1).
Utilizando el programa GRETL estimamos el proceso obteniendo los sguientes
datos:
Prob(F-statistic) 0.000165
figura 15 comportamiento de la cantidad demandada de dinero
PERIODO PREDICCIONES
2017Q1 6.362627
2017Q2 6.386093
2017Q3 6.410649
2017Q4 6.435611
2018Q1 6.460723
2018Q2 6.485891
Del cual la gráfica es la siguiente:
ESTADISTICOS
Error medio 6.59E-05
Raíz del Error cuadrático medio 0.03139
Error absoluto medio 0.024126
Porcentaje de error medio -0.0046666
Porcentaje de error absoluto medio 0.47242
U de Theil 0.75956
Proporción de sesgo, UM 4.40E-06
Proporción de regresión, UR 7.55E-06
Proporción de perturbación, UD 0.99999
figura 19 Predicción de la demanda de dinero
PERIODO PREDICCIONES
2017Q1 6.364166
2017Q2 6.389913
2017Q3 6.417074
2017Q4 6.444757
2018Q1 6.472616
2018Q2 6.500513
La gráfica que se presenta a continuación nos permite observar que también en
este modelo de crecimiento las predicciones son crecientes.
ESTADISTICOS
Error medio -0.00030856
Raíz del Error cuadrático medio 0.032393
Error absoluto medio 0.024947
Porcentaje de error medio -0.016893
Porcentaje de error absoluto medio 0.49401
U de Theil 0.75721
Proporción de sesgo, UM 9.07E-05
Proporción de regresión, UR 0.0032511
Proporción de perturbación, UD 0.99666
figura 22 estadisticos de evaluacion
Ahora se procede a hacer una comparación de la raíz del error cuadrático medio, error absoluto
medio y porcentaje de error absoluto medio de los dos modelos que se realizaron:
8. CONCLUSIONES
En el caso del modelo planteado M/P = f(PBIR, TC, TII, TIP) por medio del
análisis de cointegración se corroboró que la relacion entre las variables
independientes y la variable dependiente no es mera casualidad, es decir no es
un modelo espurio, sino que estas tienen una relación a largo plazo y por lo
tanto la funcion de demanda de dinero real existe.
Peña R. (2011), “La demanda de dinero en una economía abierta: el caso del -
Perú 2003-2011” UNMS, Lima-Perú
t-Statistic Prob.*
-
R-squared 0.384658 Mean dependent var 0.000305
Adjusted R-squared 0.360368 S.D. dependent var 0.038695
-
S.E. of regression 0.030947 Akaike info criterion 4.064349
-
Sum squared resid 0.072788 Schwarz criterion 3.945248
-
Log likelihood 166.5740 Hannan-Quinn criter. 4.016598
F-statistic 15.83618 Durbin-Watson stat 2.041079
Prob(F-statistic) 0.000000
t-Statistic Prob.*
-
R-squared 0.962846 Mean dependent var 0.000775
Adjusted R-squared 0.960810 S.D. dependent var 0.108432
-
S.E. of regression 0.021466 Akaike info criterion 4.782753
-
Sum squared resid 0.033637 Schwarz criterion 4.631682
-
Log likelihood 191.5274 Hannan-Quinn criter. 4.722276
Durbin-Watson stat 1.931207
t-Statistic Prob.*
-
R-squared 0.322198 Mean dependent var 0.000882
Adjusted R-squared 0.322198 S.D. dependent var 0.087443
-
S.E. of regression 0.071991 Akaike info criterion 2.412430
-
Sum squared resid 0.419799 Schwarz criterion 2.383080
-
Log likelihood 99.90965 Hannan-Quinn criter. 2.400647
Durbin-Watson stat 2.023424
Tasa de interés de EEUU (TII)
Test en primera diferencia sin intercepto ni tendencia:
t-Statistic Prob.*
t-Statistic Prob.*
.08 .10
.04 .05
.00 .00
-.04 -.05
-.08 -.10
96 98 00 02 04 06 08 10 12 14 16 18 96 98 00 02 04 06 08 10 12 14 16 18
.2
.01
.1
.00
.0
-.01
-.1
-.2 -.02
96 98 00 02 04 06 08 10 12 14 16 18 96 98 00 02 04 06 08 10 12 14 16 18
Differenced TIP
.02
.01
.00
-.01
-.02
-.03
96 98 00 02 04 06 08 10 12 14 16 18
ESTIMACIÓN DE MODELO ARIMA(1,1,1) EN GRETL