Upload
alvaroarodriguezr
View
87
Download
3
Embed Size (px)
DESCRIPTION
Al mejor modelo de predicción de crisis cambiarias, uno de los utilizados en el FMI, se le agrego la distribucion de probabilidad del tipo de cambio obtenida mediante opciones financieras para hacerlo mas preciso.
Citation preview
Prediccion de crisis cambiarias con la inclusion
de expectativas vıa opciones
29 de Marzo de 2006
Sumario
A partir de las crisis cambiarias de Mexico y los paıses del sureste asiatico se ha
desarrollado un cuerpo de investigacion en un esfuerzo por construir sistemas de
alerta temprana (SAT ) para intentar predecirlas. Este documento presenta una mod-
ificacion a uno de los modelos empıricos de crisis cambiarias mas exitoso. La “in-
novacion” radica en la incorporacion de una variable adicional a la ultima version
del modelo desarrollado por Kaminsky, Lizondo y Reinhart (1997) conocido como la
aproximacion de senales. Se incluiran las expectativas del tipo de cambio derivadas
del precio de las opciones , a fin de que el poder predictivo del modelo mejore. En la
presente investigacion se enfatiza la importancia de intentar predecir tales crisis; se
hace un recorrido por las crisis cambiarias de los ultimos anos, ası como en los mod-
elos teoricos y empıricos que se han disenado para tratar de anticiparlas. Se describe
la metodologıa usada en el modelo con especial atencion en la variable adicional que
se deriva de las distribuciones de probabilidad implıcitas en las cotizaciones de op-
ciones. Por ultimo, se hace una simulacion para una muestra de paıses para evaluar
el desempeno del “nuevo modelo”.
Indice general
Introduccion 1
1. Antecedentes Historicos 12
1.1. Bretton Woods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2. Smithsoniano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3. Mexico 1982 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4. Sistema Monetario Europeo 1992-93 . . . . . . . . . . . . . . . . . . . . 15
1.5. Mexico 1994-95 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6. Sureste de Asıa 1997-98 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.7. Rusia 1998 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.8. Brasil 1999 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.9. Turquıa 2001 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.10. Argentina 2001-02 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2. Modelos Teoricos 31
2.1. Modelos de primera generacion . . . . . . . . . . . . . . . . . . . . . . . 32
2.2. Modelos de segunda generacion . . . . . . . . . . . . . . . . . . . . . . 35
2.2.1. Crisis auto-validadas . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.2.2. Rebano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.3. Contagio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
I
INDICE GENERAL II
2.3. Modelos de tercera generacion . . . . . . . . . . . . . . . . . . . . . . . 40
3. Modelos Empıricos 41
3.1. Los modelos de los bancos de inversion y bancos comerciales . . . . . 44
3.1.1. JP Morgan, “Event Risk Indicator” (1998) . . . . . . . . . . . . . 44
3.1.2. Goldman Sachs, “Watch” (1998) . . . . . . . . . . . . . . . . . . 47
3.1.3. Credit Suisse First Boston “Emerging Markets Risk Indicator”
(2000) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.1.4. Deutsche Bank, “Alarm Clock” (2000) . . . . . . . . . . . . . . . 49
3.1.5. Citigroup (2003) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2. Los modelos academicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.2.1. Sachs, Tornell y Velasco (1996) . . . . . . . . . . . . . . . . . . . 50
3.2.2. Frankel y Rose (1996) . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.3. Los modelos de los bancos centrales . . . . . . . . . . . . . . . . . . . . 53
3.3.1. Division de Desarrollos Externos del BCE (2002) . . . . . . . . . 53
3.4. Los modelos utilizados en el FMI . . . . . . . . . . . . . . . . . . . . . . 53
3.4.1. Kaminsky, Lizondo y Reinhart (1997) . . . . . . . . . . . . . . . 53
3.4.2. Division de Estudios de Paıses en Desarrollo del FMI (1999) . . 56
4. El Desempeno de los Modelos 59
5. El Modelo Goldstein, Kaminsky y Reinhart GKR (2000) 61
5.1. Metodologıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.1.1. Identificacion de crisis cambiarias . . . . . . . . . . . . . . . . . 62
5.1.2. Los Indicadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
5.1.3. El Horizonte de Prediccion . . . . . . . . . . . . . . . . . . . . . 68
5.1.4. Los Umbrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
INDICE GENERAL III
5.1.5. Clasificacion de los indicadores . . . . . . . . . . . . . . . . . . . 71
5.1.6. Indice de vulnerabilidad . . . . . . . . . . . . . . . . . . . . . . . 73
5.1.7. El indicador compuesto y las probabilidades de crisis . . . . . . 75
5.2. Simulacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6. El Modelo GKR con la Inclusion de Expectativas 82
6.1. Metodologıa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.1.1. Metodo de interpolacion de la curva smile . . . . . . . . . . . . 83
6.1.2. La construccion del nuevo indicador . . . . . . . . . . . . . . . . 100
6.2. Estimacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.3. Simulacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
7. Conclusiones 107
A. Indicadores examinados por KLR (1997) 111
B. Los Indicadores 113
C. Resolucion del sistema de ecuaciones de la Media y Varianza de una dis-
tribucion lognormal 118
D. Delta 119
E. Breeden-Litzenberger 120
Bibliografıa 122
Indice de Tablas
1. Indicadores Macroeconomicos alrededor de una crisis cambiaria . . . . 7
2. Desempeno de las agencias calificadoras antes de la crisis de Asia:
calificacionesa de deuda a largo plazo de Moody´s y Standard and
Poor´s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3. Valoraciones de riesgo previas a la crisis en Asia basadas en KLR1/,
DEPD2/, Diferenciales de Bonos, Calificacion crediticia y pronosticos
(Economist Intelligence Unit) . . . . . . . . . . . . . . . . . . . . . . . . 9
4. Clasificacion de regımenes de tipo de cambio al 30 de Abril de 2004
(FMI) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5. Clasificacion de regımenes de tipo de cambio (FMI) y Reclasificacion
Reinhart y Rogoff en parentesis al 31 de Diciembre del 2001 . . . . . . 11
3.1. Especificacion del modelo de la DEPD al 2002 . . . . . . . . . . . . . . . 57
3.2. Modelos empıricos de crisis cambiarias . . . . . . . . . . . . . . . . . . 58
4.1. Desempeno de los modelos fuera de la muestra . . . . . . . . . . . . . . 59
5.1. Crisis cambiarias 1970-1995 . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.2. Indicadores adelantados de crisis cambiarias . . . . . . . . . . . . . . . 66
5.3. Umbrales optimos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.4. Ejemplos de umbrales especıficos por paıs . . . . . . . . . . . . . . . . . 71
IV
INDICE DE TABLAS V
5.5. Clasificacion de los indicadores . . . . . . . . . . . . . . . . . . . . . . . 73
5.6. Indice de vulnerabilidad en mercados emergentes, 1996:6-1997:6 . . . . 76
5.7. Indicador compuesto y probabilidades condicionales de crisis cam-
biarias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.8. Indice de vulnerabilidad GKR,1999 y 2000 . . . . . . . . . . . . . . . . . 78
6.1. Estadısticas de las distribuciones de probabilidad del tipo de cambios
a 3 meses (Dolar/Bath) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.2. Indice de vulnerabilidad GKR con expectativas,1999 y 2000 . . . . . . . 104
A.1. Indicadores por categorıa examinados por KLR . . . . . . . . . . . . . . 111
Indice de Graficas
5.1. Indice de vulnerabilidad GKR 1970-2004:10 . . . . . . . . . . . . . . . . 80
5.2. Crisis cambiarias para los paıses en la muestra 1999:4-2004:10 . . . . . 81
6.1. Representacion grafica de la derivacion de las FDP . . . . . . . . . . . . 98
6.2. Funcion de densidad de probabilidad del Bath alrededor del anuncio
del gobernador del Banco Central de Tailandia . . . . . . . . . . . . . . 100
6.3. Valor crıtico para la distribucion de Tailandia del 7/12/04 . . . . . . . 101
6.4. Indice de vulnerabilidad GKR con expectativas 1999:4-2004:10 . . . . . 106
VI
Introduccion
Es impresionante lo mucho que se ha escrito sobre crisis cambiarias; trabajos teori-
cos y empıricos se pueden encontrar practicamente en cualquier rincon del orbe; la
pregunta es entonces; ¿por que seguir escribiendo al respecto?—La respuesta es
mas que obvia: por lo costosas que resultan. El crecimiento de la produccion cae, los
ajustes en la cuenta corriente de la balanza de pagos son muy bruscos, lo que refleja
la reversion de flujos de capital y la deuda publica se incrementa considerablemente.
Dornbusch (2001) lo describe de la siguiente manera:
Las crisis cambiarias son formidablemente costosas; incluso mas sihay una historia de crisis recurrentes. Los costos surgen de tres maneras:un incremento substancial de la deuda publica asociada con la crisis, unaperdida e interrupcion de la produccion y la posibilidad de redistribucionde ingreso y riqueza socialmente controversial.
En una crisis cambiaria, debido a que el gobierno rescata a bancos ya menudo-incluso a companıas, la deuda publica se incrementa substan-cialmente y con esto las obligaciones tributarias en el futuro. El deteriorode las finanzas publicas tambien surge de un periodo de altas tasas deinteres durante la crisis y la fase de estabilizacion. Tambien se incremen-tara por la caıda del producto y por lo mismo la caıda los ingresos trib-utarios en el periodo de crisis. Es mas, el incremento en la deuda puedepor sı mismo ser la semilla de crisis futuras si esto ocurre en una situaciondonde el gobierno no tiene la habilidad de cumplir la carga del serviciode la deuda con impuestos o reduciendo el gasto.
1
Introduccion 2
Como se observa en la tabla 1, la caıda en la produccion a un ano del inicio de la
crisis cambiaria va desde un 0.6 % en Filipinas hasta un desastroso 13.3 % en Indone-
sia; el ajuste en la cuenta corriente llega a ser hasta de 19 % del producto en Malasia
al pasar de un deficit de 5.9 % a un superavit de 13.1 % y la deuda publica crece con-
siderablemente como en Mexico en un 5.5 %. Todo esto aunado a los dolorosos anos
que siguen a una crisis cambiaria: rescates bancarios y corporativos, renegociacion
de la deuda, ayuda internacional condicionada a agobiantes planes de estabilizacion
con cuantiosos recursos destinados a ponerlos en marcha 1 y crecimiento muy por
debajo del potencial.
Por lo anterior, las investigaciones a fin de desarrollar Sistemas de Alerta Tem-
prana (SAT ) de crisis cambiarias, han recibido un fuerte estımulo en un entorno de
alta movilidad de capitales; en particular en anos recientes despues de la crisis de
Mexico y los paıses del sureste de asiatico. Ambos eventos tomaron a la comunidad
internacional por sorpresa, lo que centro su atencion en indicadores y metodos que
la pudieran asistir en la identificacion oportuna de paıses altamente vulnerables. Au-
nado a esto ,como se observa en la tablas 2 y 3, los analistas e indicadores de “mer-
cado” tradicionales como los diferenciales de tasas y los cambios en la calificacion
crediticia no han tenido un buen desempeno advirtiendo sobre crisis en ciernes y los
modelos SAT los han superado ampliamente.
Esta investigacion ademas de hacer un recorrido por las crisis cambiarias mas
importantes ocurridas en los ultimos anos y los modelos teoricos y empıricos que
se han disenado para intentar “predecirlas”, analiza que tan buenas han sido sus
1 Los paquetes de rescate del FMI—incluyen compromisos de cerca de 50 billones de dolares paraMexico en 1994-95; alrededor de 120 billones para Tailandia, Indonesia y Corea del Sur en 1997-98,alrededor de 25 billones para Rusia y Ucrania en 1998, 42 billones para Brasil mas tarde ese mismoano, etc.
Introduccion 3
predicciones fuera del periodo de estimacion con el proposito de disenar un modelo
apropiado dadas las circunstancias actuales en los paıses emergentes, en particular
la adopcion de un tipo de cambio flexible.
En la ultima decada, la mayorıa de las veces despues de una crisis cambiaria, ha
habido un pronunciado incremento en el numero de paıses emergentes en que la
cuenta de capital es muy abierta, el tipo de cambio es de jure flotante, y hay una
flexibilidad substancial de facto. Diez anos antes solo Sudafrica, entre los paıses en
desarrollo grandes, tenıa estas caracterısticas. Ahora, un gran numero, incluyendo
Brasil, Chile, Colombia, Corea del Sur, Filipinas, Mexico, Peru, Polonia y Turquıa se
han unido a esa clasificacion. Como se observa en la tabla 4, este tipo de arreglo,
a menudo aumentado con una polıtica monetaria de objetivos de inflacion, es en
cambio, ahora, la regla mas que la excepcion.
¿Que implicaciones tiene esto para los modelos de prediccion de crisis cam-
biarias?.—En principio, una pronunciada depreciacion en el tipo de cambio puede
ocurrir bajo un regimen de tipo de cambio flexible tan facilmente como en cualquier
otro regimen. Aunque un regimen de tipo de cambio flotante habrıa de ayudar a evi-
tar situaciones de sobrevaluacion extrema, particularmente aquellas conducidas por
inconsistencias de polıtica. Las economıas pueden todavıa ser vulnerables a cambios
repentinos en la percepcion del mercado, niveles insostenibles de deuda o debilidad
del sector financiero, entre otros factores. Es mas, regımenes que son muy flexibles
pueden, bajo un ataque especulativo, evolucionar hacia fijaciones de facto conforme
los encargados de formular polıtica resisten la presion a la divisa. Kumhof, Li y Yan
(1999) lo expresan de la siguiente manera:
Hay una vision ampliamente compartida de que para las economıas
Introduccion 4
emergentes la opcion de simplemente fijar su tipo de cambio ya no esviable, y la eleccion es entre un tipo de cambio fijo con un compromisoextremadamente fuerte (tal como un consejo monetario o completa dolar-izacion) y tipos de cambio flexibles. Muchas economıas emergentes talescomo Brasil, Chile, Colombia, Mexico y Polonia han elegido esta ulti-ma. Dados los problemas bien conocidos asociados con elegir un agre-gado monetario como el ancla nominal, han optado por un objetivo deinflacion. En el debate de polıtica es a menudo afirmado que una ventajaimportante del objetivo de inflacion es que no deja a la economıa vulnera-ble a un ataque especulativo. La logica es que una corrida sobre las reser-vas puede ser impedida porque el Banco Central puede simplemente “de-jar ir el tipo de cambio”. Sin embargo, si el encargado de formular polıticaesta completamente comprometido con el objetivo de inflacion esto noes correcto. La razon es que en una economıa abierta y pequena el tipode cambio es un muy importante determinante del ındice de precios alconsumidor, y un tipo de cambio administrado se vuelve necesario paralograr el objetivo de inflacion. El compromiso de intervenir en el mercadocambiario hace que el ataque especulativo sea posible.
Kumhof, Li y Yan (1999) describen el efecto traspaso “pass-through” del tipo de
cambio a los precios.
Por otra parte Mishkin (2004) enuncia los elementos de un regimen de objetivos de
inflacion:
1.- El anuncio publico de objetivos de inflacion de mediano plazo.
2.- Un compromiso institucional a la estabilidad de precios como el objetivo pri-mordial de la polıtica monetaria, a la que otros objetivos deben estar subordi-nados.
3.- Una estrategia de inclusion de informacion en que muchas variables, y no soloagregados monetarios o el tipo de cambio, son usadas para decidir la posturade los instrumentos de polıtica
4.- Incremento en la transparencia de la estrategia de polıtica monetaria a travesde comunicacion con el publico y los mercados sobre planes, objetivos, y deci-siones de las autoridades monetarias
5.- Incrementar la rendicion de cuentas por parte del Banco Central para cumplirsus objetivos de inflacion.
Introduccion 5
Calvo y Mishkin (2003) hacen hincapie en que la instrumentacion de los objetivos
de inflacion en mercados emergentes es mas complicada que en los paıses desarrol-
lados lo que los vuelve muy vulnerables a ataques especulativos y crisis cambiarias
debido a que aunque estos ultimos no son inmunes a tener problemas con sus institu-
ciones fiscales (debiles), financieras (debil regulacion y supervision prudencial por
parte del gobierno) y monetarias (baja credibilidad) estos son de un grado mucho
menor; menciona que lo que no ocurre en los paıses desarrollados son las repentinas
caıdas en los flujos de capital y la dolarizacion de deuda lo que lleva a que el impacto
de las crisis cambiarias sea totalmente diferente en las economıas de los mercados
emergentes. En estas circunstancias, la autoridades monetarias muestran el llamado
“miedo a flotar” descrito por Calvo y Reinhart (2000) de la siguiente manera:
Si los paıses tienen ya sea fijaciones duras o tipos de cambio flexibles,algunos han argumentado, que los ataques especulativos y crisis cam-biarias seran una reliquia del pasado. Sin embargo, una lectura cuida-dosa de la evidencia de polıtica cambiaria presenta de modo impresion-ante una imagen diferente. Los anuncios o intenciones de tipo de cam-bio flexible no son nuevos. Filipinas anuncio que habrıa de flotar en En-ero de 1988, menos de diez anos despues, al desarrollarse su crisis cam-biaria, su polıtica habrıa de ser agrupada junto con la del resto de lospaıses asiaticos, bajo la etiqueta comunmente usada pero mal-definidade “fijacion suave”. Bolivia anuncio que habrıa de flotar en Septiembrede 1985, debido a su hiperinflacion–a pesar de este anuncio su tipo decambio siguio tan de cerca al Dolar que su regimen fue reclasificado co-mo una flotacion administrada en Enero de 1998. Corea y Tailandia, a pe-sar de su estatus de libre flotacion, estan amasando reservas rapidamenteal momento en que se escriben estas lıneas—-¿Estan desapareciendo lasposturas intermedias?. No lo creemos. El miedo a flotar es penetrante,particularmente en los mercados emergentes.
A decir de Calvo y Reinhart (2000), la forma en que se esta administrando el tipo
de cambio actualmente es a traves de las polıticas de tasas de interes que estan reem-
plazando a la intervencion en el tipo de cambio como el medio para suavizar su
Introduccion 6
comportamiento, pero advierten que la polıtica pro cıclica de las tasas de interes
tiene sus lımites tal como las reservas internacionales, conforme las tasas de interes
se incrementan para defender a una divisa pasan factura a la economıa y al sector
financiero.
De hecho, de acuerdo al FMI con la clasificacion de jure, no hay evidencia de que
tipos de cambio flexibles hayan sido mas resistentes a crisis cambiarias2 .
Por esta razon, a fin de adaptar los modelos SAT a las circunstancias prevale-
cientes, el presente trabajo hace un aporte a estos modelos como el sugerido en el
Global Financial Stability Report IMF (2002a); que consiste en extraer informacion
sobre las expectativas del mercado del precio de los derivados e incluirlas en un
modelo (SAT ), en particular las expectativas extraıdas de las opciones sobre el tipo
de cambio. Se obtendra la distribucion de probabilidad neutral al riesgo del tipo de
cambio futuro que, a diferencia de los pronosticos de tipo de cambio tradicionales
que proporcionan unicamente una estimacion puntual de la media del tipo de cam-
bio futuro, los precios de las opciones permiten la derivacion de las probabilidades
asociadas con diferentes rangos para el valor del subyacente.
Una vez obtenida esta distribucion se construira un indicador que incorpore estas
expectativas al modelo de prediccion de crisis cambiarias mas exitoso a la fecha3 , el
de Kaminsky, Lizondo y Reinhart (1997) con las nuevos indicadores anuales prop-
uestos en Goldstein, Kaminsky y Reinhart (2000).
2 Un analisis mas completo deberıa corregir por la influencia de otros factores que contribuyen auna crisis cambiaria y habrıa de considerar clasificaciones de facto tales como aquellas presentadasen Levy-Yeyati y Sturzenegger (2001) y Reinhart y Rogoff (2002) como las de la tabla 5
3 Se han hecho varios estudios que evaluan los distintos modelos de prediccion de crisis cambiarasmas alla del periodo de estimacion; el mas reciente es el de Berg Borensztein y Pattillo (2004)
Introduccion 7
Tabla 1: Indicadores Macroeconomicos alrededor de una cri-sis cambiaria
Paıs t-2 t-1 t t+1 t+2Mexico (1982)
Crecimiento real 9.2 8.8 -0.6 -4.2 3.6Cuenta corriente/PIB -4.7 -5.3 -3.0 3.9 2.4Balance publico/PIB -3.0 -6.5 -11.9 -8.1 -7.2Deuda publica/PIB 41.7 35.4 35.1
Mexico (1994)Crecimiento real 3.6 2.0 4.4 -6.2 5.2Cuenta corriente/PIB -6.7 -5.8 -7.0 -0.6 -0.7Balance publico/PIB 4.2 0.5 0.0 -0.5 -0.2Deuda publica/PIB 28.1 25.3 35.3 40.8 31.1
Corea del Sur (1997)Crecimiento real 8.9 6.8 5.0 -6.7 10.9Cuenta corriente/PIB -1.7 -4.4 -1.7 12.7 6.0Balance publico/PIB 0.3 0.1 -1.3Deuda publica/PIB 8.4 8.0 10.4
Filipinas (1997)Crecimiento real 4.7 5.8 5.2 -0.6 3.4Cuenta corriente/PIB -2.7 -4.8 -5.3 2.4 10.4Balance publico/PIB 0.6 0.3 0.1 -1.9 -3.8Deuda publica/PIB 61.1 53.2 55.7 66.6 59.4
Indonesia (1997)Crecimiento real 8.4 7.6 4.7 -13.1 0.8Cuenta corriente/PIB -3.2 -3.4 -2.3 4.3 4.1Balance publico/PIB 2.2 1.2 -0.7 -3.0 -1.2Deuda publica/PIB 30.8 23.9 72.5 55.2 44.8
Malasia (1997)Crecimiento real 9.8 10.0 7.3 -7.4 6.1Cuenta corriente/PIB -9.7 -4.4 -5.9 13.2 15.9Balance publico/PIB 2.2 2.0 2.9Deuda publica/PIB
Tailandia (1997)Crecimiento real 9.3 5.9 -1.4 -10.5 4.5Cuenta corriente/PIB -8.1 -8.1 -2.0 12.7 10.2Balance publico/PIB 2.9 2.3 -2.1 -7.7 -10.4Deuda publica/PIB 4.6 3.7 4.6 10.8 20.8
Rusia (1998)Crecimiento real -3.4 0.9 -4.9 6.4 10.0Cuenta corriente/PIB 2.3 0.2 0.2 10.6 16.7Balance publico/PIB -5.2 -0.5 -5.4 -0.5 3.9Deuda publica/PIB 138.1 102.1 64.3
Brasil (1999)Crecimiento real 3.3 0.2 0.8 4.4 1.4Cuenta corriente/PIB -3.8 -4.3 -4.7 -4.2Balance publico/PIB -6.1 -7.9 -10.0 -4.6Deuda publica/PIB 34.6 42.4 47.0 49.2
Turquıa (2001)Crecimiento real -4.7 7.4 -7.5 7.8 5.8Cuenta corriente/PIB -0.7 -4.9 2.3 -1.2Balance publico/PIB -13.0 -11.5 -19.6 -3.5Deuda publica/PIB 61.0 57.4 93.3 77.2
Argentina (2002)Crecimiento real -0.8 -4.4 -10.9 8.7Cuenta corriente/PIB -3.3Balance publico/PIB -2.3 -3.3Deuda publica/PIB 50.8
Fuente: Elaboracion propia con datos del Banco Mundial.
Introduccion 8
Tabl
a2:
Des
empe
node
las
agen
cias
califi
cado
ras
ante
sde
lacr
isis
deA
sia:
califi
caci
ones
ade
deud
aa
larg
opl
azo
deM
oody
´sy
Stan
dard
and
Poor
´s15
deEn
ero
de19
962
deD
icie
mbr
ede
1996
24de
Juni
ode
1997
12de
Dic
iem
bre
de19
97C
alifi
caci
onPe
rspe
ctiv
aC
alifi
caci
onPe
rspe
ctiv
aC
alifi
caci
onPe
rspe
ctiv
aC
alifi
caci
onPe
rspe
ctiv
aM
oody
´sde
uda
endi
visa
extr
anje
raC
orea
delS
urA
1A
1es
tabl
eBa
a2ne
gati
vaFi
lipin
asBa
2Ba
2Ba
2Ba
2In
done
sia
Baa3
Baa3
Baa3
Baa3
Mal
asia
A1
A1
A1
A1
Mex
ico
Ba2
Ba2
Ba2
Ba2
Taila
ndia
A2
A2
A2
Ba1
nega
tiva
Stan
dard
and
Poor
´sC
orea
delS
urD
euda
endi
visa
extr
anje
raA
A-
esta
ble
AA
-es
tabl
eD
euda
endi
visa
loca
lFi
lipin
asD
euda
endi
visa
extr
anje
raBB
posi
tiva
BBpo
siti
vaBB
+po
siti
vaBB
+es
tabl
eD
euda
endi
visa
loca
lBB
B+BB
B+A
-A
-es
tabl
eIn
done
sia
Deu
daen
divi
saex
tran
jera
BBB
esta
ble
BBB
esta
ble
BBB
esta
ble
BBB
nega
tiva
Deu
daen
divi
salo
cal
A+
A+
A-
nega
tiva
Mal
asia
Deu
daen
divi
saex
tran
jera
A+
esta
ble
A+
esta
ble
A+
posi
tiva
A+
nega
tiva
Deu
daen
divi
salo
cal
AA
+A
A+
AA
+A
A+
nega
tiva
Mex
ico
Deu
daen
divi
saex
tran
jera
BBne
gati
vaBB
BBD
euda
endi
visa
loca
lBB
B+BB
B+es
tabl
eBB
B+po
siti
voTa
iland
iaD
euda
endi
visa
extr
anje
raA
esta
ble
Aes
tabl
eA
esta
ble
BBB
nega
tiva
Deu
daen
divi
salo
cal
AA
AA
Ane
gati
va
Fuen
te:G
olds
tein
,Kam
insk
yy
Rei
nhar
t(20
00)e
nba
sea
Rad
elet
ySa
chs
(199
8).
a.D
ela
mas
alta
ala
mas
baja
,Els
iste
ma
deca
lifica
cion
esde
Moo
dy´s
incl
uye
Aaa
,Aa1
,Aa2
,Aa3
,A1,
A2,
A3,
Baa1
,Baa
2,Ba
a3,B
a1,B
a2,B
a3,B
1,B2
,B3,
Caa
1,C
aa2
yC
aa3
ySt
anda
rd&
Poor
’sva
deA
AA
,AA
+,A
A,A
A-,
A+,
A,A
-,BB
B+,B
BB,B
BB-,
BB+,
BB,B
B-,B
+,B-
,CC
C,C
CC
-,C
C,C
yD
.
Introduccion 9
Tabla 3: Valoraciones de riesgo previas a la crisis en Asia basadas enKLR1/, DEPD2/, Diferenciales de Bonos, Calificacion crediticia y pronosti-cos (Economist Intelligence Unit)
Pais3/ KLR4/ DEPD5/ Diferencial6/
1997 Q1Calificacion7/
1997 Q1EIU 1997 Q1 RiesgoCambiario8/
Corea∗ 22 24 50 18 22Tailandia∗ 20 40 51 25 42Indonesia∗ 16 32 109 43 38Malasia∗ 14 39 37 20 36Zimbabwe∗ 19 nd nd nd 58Filipinas∗ 34 14 165 55 36Taiwan∗ 23 46 nd nd 12Colombia∗ 15 41 129 45 35India 10 21 nd nd 35Brasil 31 15 233 65 51Turquıa 16 18 416 66 56Venezuela 14 9 nd nd 53Pakistan 20 36 nd 68 49Sudafrica 19 26 85 48 39Jordania 14 15 nd nd 61Sri Lanka 12 17 nd nd 43Chile 11 14 nd nd 17Bolivia 10 5 nd nd 37Argentina 14 11 265 63 59Mexico 14 8 231 55 55Peru 20 26 nd 70 51Uruguay 10 14 135 50 37Israel 14 24 44 30 46
PromedioPaıses con Crisis 20 34 90 34 35Paıses sin Crisis 15 17 201 57 46
Correlacion declasificaciones9/ 0.52 0.53 -0.31 -0.49 -0.33
Fuente: Berg Borensztein y Pattillo (2004) en base a Kaminsky et al. (1997), Berg et al. (1999), Economist Intelli-gence Unit, Standard and Poor´s y Moody´s.1/ Kaminsky, Lizondo y Reinhart (1997).2/ Berg et al. (1999) DEPD es la Division de Estudios de Paıses en Desarrollo, La Division del Fondo en la cual
se formulo originalmente el modelo.3/ Los paıses que sufrieron una crisis en 1997 tienen un asterisco. Los paıses estan ordenados de acuerdo a la
severidad de la crisis.4/ Probabilidades de crisis cambiarias sobre un horizonte de 24 meses, promedio de 1996 del modelo KLR
como se implementa en el Departamento de investigacion del FMI.5/ Probabilidades de crisis cambiarias sobre un horizonte de 24 meses, promedio de 1996 de los resultados del
modelo DEPD.6/ El diferencial es expresado en puntos base. Se refiere a el diferencial entre el rendimiento un eurobono
emitido por un gobierno extranjero en dolares y un bono del tesoro de EU con la misma maduracion.7/ Promedio de las calificaciones de S&P y Moody”s convertidas a una calificacion numerica en el rango 0
(S&P AAA o Moody´s Aaa), siguiendo el procedimiento de Ferri, Liu y Stiglitz (1999). Un numero mas bajo setraduce como una calificacion mejor (al contrario de Ferri, Liu y Stiglitz).8/ Riesgo cambiario: “Calificaciones y clasificaciones evaluando el riesgo de una devaluacion contra el Dolar
de 20 % o mas en terminos reales sobre el periodo de pronostico de 2 anos”, Economist Intelligence Unit (EIU).9/ Los paıses estan clasificados de acuerdo a cada indicador ası como de acuerdo a la severidad de la crisis (en
ambos casos un numero mas bajo implica una crisis mas severa ya sea que haya sucedido o haya sido predicha).La correlacion de las clasificaciones relaciona estas dos jerarquıas.
Introduccion 10
Tabl
a4:
Cla
sific
acio
nde
regı
men
esde
tipo
deca
mbi
oal
30de
Abr
ilde
2004
(FM
I)M
arco
dela
polı
tica
mon
etar
iaR
egim
ende
tipo
deca
mbi
o(n
umer
ode
paıs
es)
Obj
etiv
osco
nre
spec
toa
unag
re-
gado
mon
etar
io
Ado
pcio
nde
ob-
jeti
vos
dire
ctos
dein
flaci
on
Prog
ram
am
onet
ario
resp
alda
dopo
rel
FMI
uot
roO
tros
mar
cos
Flot
acio
nin
depe
ndi-
ente
(36)
Mal
awi
Aus
tral
iaA
lban
iaEs
tado
sU
nido
s
Sier
raLe
ona
Bras
ilA
rmen
iaJa
pon
SriL
anka
Can
ada
Rep
.Dem
delC
ongo
Libe
ria
Uru
guay
Chi
leG
eorg
iaPa
pua
Nue
vaG
uine
aR
ep.D
elYe
men
Col
ombi
aM
adag
asca
rSo
mal
iaC
orea
Moz
ambi
que
Suiz
aFi
lipin
asTa
nzan
iaIs
land
iaU
gand
aM
exic
oN
orue
gaN
ueva
Zel
andi
aPe
ruPo
loni
aR
eino
Uni
doSu
ecia
Suda
fric
aTu
rquı
a
Fuen
te:E
labo
raci
onpr
opia
enba
seal
Info
rme
Anu
alFM
I(20
04).
Introduccion 11
Tabl
a5:
Cla
sific
acio
nde
regı
men
esde
tipo
deca
mbi
o(F
MI)
yR
ecla
sific
acio
nR
einh
art
yR
ogof
fen
pare
ntes
isal
31de
Dic
iem
bre
del2
001
Mar
code
lapo
lıti
cam
onet
aria
Reg
imen
deti
pode
cam
bio
(num
ero
depa
ıses
)
Obj
etiv
osco
nre
spec
toa
unag
rega
dom
onet
ario
Ado
pcio
nde
obje
tivo
sdi
rect
osde
infla
cion
Prog
ram
am
onet
ario
resp
alda
dopo
rel
FMI
uot
roO
tros
mar
cos
Flot
acio
nin
depe
ndi-
ente
(40)
Filip
inas
(Flo
taci
ondi
rigi
da)
Aus
tral
iaA
lban
iaA
fgan
ista
n(n
.d)
Gam
bia
(Ban
das
deflo
taci
on)
Bras
il(F
lota
cion
diri
gida
)A
rmen
ia(B
anda
sde
flota
cion
)Es
tado
sU
nido
sM
alaw
i(Fl
otac
ion
diri
gida
)C
anad
a(B
anda
sde
flota
cion
)C
ongo
,Rep
Dem
.Del
(n.d
)H
aitı
Peru
(Fijo
)C
hile
(Flo
taci
ondi
rigi
da)
Geo
rgia
(Ban
das
deflo
taci
on)
Japo
nSi
erra
Leon
a(n
.d)
Col
ombi
a(F
lota
cion
diri
gida
)M
adag
asca
rLi
beri
a(n
.d)
Turq
uıa
(Flo
taci
ondi
rigi
da)
Cor
eaM
olda
via
(Fijo
)Pa
pua
Nue
vaG
uine
a(n
.d)
Yem
en(n
.d)
Isla
ndia
(Flo
taci
ondi
rigi
da)
Moz
ambi
que
(Ban
das
deflo
taci
on)
Som
alia
(n.d
)M
exic
o(F
lota
cion
diri
gida
)Ta
nzan
ia(B
anda
sde
flota
cion
)Su
iza
(Ban
das
deflo
taci
on)
Nor
uega
(Flo
taci
ondi
rigi
da)
Tayi
kist
anN
ueva
Zel
andi
a(F
lota
cion
diri
gida
)U
gand
a(B
anda
sde
flota
cion
)Po
loni
a(F
lota
cion
diri
gida
)R
eino
Uni
do(F
lota
cion
diri
gida
)R
ep.C
heca
(Flo
taci
ondi
rigi
da)
Suda
fric
aSu
ecia
(Flo
taci
ondi
rigi
da)
Fuen
te:E
labo
raci
onpr
opia
enba
seal
Info
rme
Anu
alFM
I(20
02)y
Rei
nhar
tyR
ogof
f(20
02).
Antecedentes Historicos
“Hoy estudiamos el ayer para que el ayer no paralice el hoy, y para que el hoy no pueda paralizar el manana”.
Frederic William Maitland
En los ultimos 30 anos, las crisis cambiarias han atormentado a los paıses alrede-
dor del mundo. Entre las importantes se encuentran: el colapso del acuerdo Bretton
Woods en 1971, las crisis Latinoamericanas en 1982, el casi colapso del Sistema Mon-
etario Europeo en 1992, la crisis de Mexico en 1994, la crisis financiera del sureste
asiatico en 1997, la crisis en Rusia en 1998, la de Brasil en 1999 y las de Turquıa y
Argentina en el 2001.
Las causas y consecuencias de las crisis cambiarias no son bien entendidas y estan
sujetas a intensa investigacion y debate entre los economistas, los encargados de for-
mular la polıtica economica y los inversionistas. Mientras las crisis han probado ser
extremadamente difıciles de predecir, lecciones importantes han surgido. A contin-
uacion se presenta una breve revision historica de varias crisis cambiarias.
1.1. Bretton Woods
En 1944, al final de la segunda guerra mundial, los lıderes mundiales se reunieron
en Bretton Woods, New Hampshire con el objetivo de redisenar el sistema financiero
12
CAPITULO 1. ANTECEDENTES HISTORICOS 13
mundial. Estos lıderes representando a los paıses victoriosos de la segunda guerra
mundial, establecieron un sistema que fijaba el valor de sus monedas entre ellas;
el acuerdo de Bretton Woods dicto que las 44 naciones firmantes podrıan fijar el
valor de sus monedas al Dolar y mantendrıan esta paridad con un banda de +/-1 %.
EUA se comprometio a mantener el valor del Dolar a 35 dolares por onza de oro. El
sistema permitio a sus miembros usar el Dolar como moneda de reserva, mientras
los EUA mantuvieron reservas en oro para todo el sistema. El Sistema Bretton Woods
tambien establecio el FMI y el BM. El papel del FMI serıa monitorear el sistema y
proporcionar prestamos de corto plazo a paıses que experimentaran dificultades de
balanza de pagos.
El Sistema Bretton Woods fue presionado a finales de los anos sesenta cuando los
EUA empezaron a tener grandes y persistentes deficits en cuenta corriente, en efecto,
intercambiar dolares por bienes y servicios. Esto causo que algunos bancos centrales
intercambiaran sus tenencias de dolares por reservas de oro; para el final de la deca-
da, la deuda externa denominada en dolares se habıa vuelto mucho mayor que sus
reservas en oro y la especulacion en torno a que la paridad Dolar-oro cambiarıa,
crecio. Enfrentando una perdida de confianza en el sistema, el presidente Richard
Nixon suspendio la convertibilidad en Agosto de 1971; terminando con la era Bret-
ton Woods
1.2. Smithsoniano
En Diciembre de 1971, el FMI intento restablecer el estandar oro; el intercambio
Dolar-oro se fijo en 38 dolares por onza, una devaluacion efectiva de 8.6 %. Al mismo
tiempo, las paridades entre el Dolar y las demas monedas fueron realineadas y las
CAPITULO 1. ANTECEDENTES HISTORICOS 14
bandas de flotacion se incrementaron a 2.25 %. Sin embargo, la presion especulativa
contra le Dolar pronto resurgio y, en Febrero de 1973, los EUA cambiaron la pari-
dad a 42 dolares por onza; una devaluacion de 11.2 %. La especulacion persistio y al
siguiente mes los paıses empezaron a abandonar el sistema. En Marzo las divisas de
todas las naciones industrializadas estaban flotando unas con otras. Despues de la
terminacion de los acuerdos Bretton Woods y Smithsoniano, muchos paıses de Lati-
noamerica, Asia, y Africa restablecieron tipos de cambio fijos con una divisa o una
canasta de divisas
1.3. Mexico 1982
Mexico mantuvo un tipo de cambio nominal fijo de 1944 a 1975, un periodo en que
la inflacion fue moderada. Para la eleccion presidencial de 1976, sin embargo, una
expansion monetaria excesiva genero inflacion, lo que hizo necesario un ajuste.
Entre 1976 y 1980, el gobierno mantuvo un tipo de cambio nominal fijo; sin em-
bargo, la inflacion durante el periodo causo que el tipo de cambio real se depreciara
substancialmente. El crecimiento del PIB fue fuerte hasta 1980, pero luego comenzo a
debilitarse; ademas, el deficit fiscal y el deficit en cuenta corriente como porcentaje del
PIB se incrementaron considerablemente.
Estas tendencias pusieron a los inversionistas nerviosos y de 1980 a 1982, las sal-
idas de capital se estimaron en 17.3 y 23.4 billones de dolares, respectivamente; el
gobierno devaluo 68 % en febrero del 82 en un esfuerzo de detener la salida, pero es-
to aparentemente causo mas panico. Las salidas de capital continuaron y, en Agosto,
las autoridades mexicanas suspendieron el pago de la deuda; el gobierno fue forzado
CAPITULO 1. ANTECEDENTES HISTORICOS 15
a devaluar mas de 100 % en Diciembre.
1.4. Sistema Monetario Europeo 1992-93
En marzo de 1979, la comunidad europea CE establecio el Sistema Monetario Eu-
ropeo (SME), un arreglo de divisas que establecıa limitar las fluctuaciones entre los
nueve paıses de la CE. Bajo el SME, las naciones miembros mantenıan fijo su tipo
de cambio entre ellas, y flotando libremente contra otras. El SME requerıa que ca-
da paıs participante mantuviera fija su moneda con una banda de 2.25 % respecto al
valor objetivo de los demas paıses (a la lira italiana se le permitio fluctuar en una
banda de 6 %). Las paridades fueron ajustadas 11 veces entre 1979 y 1987, el sistema
parecio reducir la volatilidad del tipo de cambio y las bandas fueron mantenidas en
2.25 %. No hubo ajustes entre 1987 y 1992. Debido a la inflacion persistentemente
baja en Alemania y la confianza que los inversionistas tienen en el Bundesbank, el
marco aleman se convirtio, de facto, en la ancla del sistema.
Despues de la reunificacion alemana en 1990, el gasto publico se incremento con-
siderablemente y las tensiones en el sistema se agudizaron; en respuesta a la polıtica
fiscal expansiva, el Bundesbank apreto la polıtica monetaria. Esto incremento el val-
or del marco aleman, y al estar este ligado con las demas divisas, puso presion en los
otros miembros del SME para que incrementasen sus tasas de interes, otros miem-
bros estaban reticentes a hacerlo porque sus economıas estaban creciendo lenta-
mente. Tenıan que decidir entre caer en una recesion o salvar el SME. Debido a esta
tension, los inversionistas empezaron a especular sobre el ajuste y muchas divisas en
el SME enfrentaron ataques especulativos cuando alcanzaron el piso de sus bandas.
CAPITULO 1. ANTECEDENTES HISTORICOS 16
Cuando los especuladores atacaron la Libra el 16 de Septiembre del 92, el gobierno
britanico defendio su moneda incrementando las tasas de interes de 10 a 12 % y
posteriormente a 15 %; sin embargo las continuas ventas obligaron al gobierno a
abandonar la fijacion al dıa siguiente.
Las ventas extranjeras obligaron a Italia a devaluar la Lira en 7 % el 13 de Septiem-
bre de 1992, pero esto no logro restaurar la confianza; la continuacion de las ventas
llevo al gobierno italiano a sacar la Lira del SME, poco despues le siguio Inglaterra.
Espana experimento problemas e implemento una serie de pequenas devaluaciones,
pero permanecio en el SME. En los anos siguientes, el crecimiento de Inglaterra e
Italia fue mucho mejor que el de los paıses que permanecieron en el SME. El Sistema
se mantuvo a pesar de la salida de Inglaterra e Italia, pero la presion se mantuvo.
Hubo mucha especulacion de que Francia podıa abandonar el sistema, pero el
Banco Central subio las tasas y el franco permanecio en el SME. La membresıa tuvo
un alto costo, el crecimiento promedio 92-96 fue de solo 1.2 %; en Agosto del 93 las
bandas se ampliaron a +/-15 %.
1.5. Mexico 1994-95
Entre 1988 y 1994, Mexico implemento una serie de reformas economicas—incluyendo
la liberalizacion del comercio, privatizacion, desregulacion y estabilizacion macro-
economica. El balance fiscal fue logrado en 1992, la inflacion fue reducida a un dıgito,
y las reformas desmantelaron leyes de proteccionismo y regulacion. La comunidad
financiera internacional vitoreaba a Mexico como modelo de reforma y las entradas
de capital crecieron rapidamente; entre 1990 y 1993 Mexico recibio mas de la mitad
CAPITULO 1. ANTECEDENTES HISTORICOS 17
de los flujos de inversion extranjera directa a Latinoamerica, 91 billones.
A pesar del entusiasmo internacional, el desempeno economico era mixto 1 ; El
crecimiento real del PIB fue moderado, promediando solo 2.8 % entre 1988 y 1994-
significativamente menor al de Chile (7.1 %) o Colombia (4.1 %); el crecimiento en la
productividad fue casi plano hasta 1993; La cuenta corriente se deterioro, moviendose
de un superavit de 4.2 billones de dolares a un deficit de mas de 29 billones de dolares
a finales de 1994, y el tipo de cambio real se aprecio 36 % entre 1988 y 1993. Mexico
ajusto su tipo de cambio varias veces, e implemento una banda de techo fijo y piso
deslizable.
Una serie de acontecimientos polıticos y sociales desempenaron un papel funda-
mental en la crisis. Estos acontecimientos causaron un incremento en tasas de interes
internas considerable. Como se percibıan como choques temporales, Hacienda em-
pezo a emitir instrumentos de deuda a corto plazo y a refinanciar los vencimientos
de los cetes (deuda denominada en pesos) con tesobonos (deuda denominada en
dolares).
Cuando la administracion de Zedillo tomo posesion el primero de Diciembre, las
reservas eran de 12.5 billones de dolares2 con deuda publica de corto plazo de mas
de 27 billones, aproximadamente el 60 % en tesobonos. Las reservas cayeron durante
todo el ano, pero la caıda se acrecento en Noviembre y Diciembre. El 20 de Diciembre
de 1994 ante la enorme salida de capitales Mexico fue forzado a devaluar el peso, lo
que rapidamente condujo a la libre flotacion.
1 Para una exposicion mas detallada del desempeno de la economıa mexicana en esos anos verDornbusch y Werner (1994)
2 Incluso sumandole la lıneas de apoyo de las tesorerıas de los Estados Unidos y Canada poralrededor de 7 billones de dolares dando un total de 19.5 billones, resulta muy inferior al monto de ladeuda a corto plazo 27 billones de los que aproximadamente 16.1 eran tesobonos.
CAPITULO 1. ANTECEDENTES HISTORICOS 18
En los dıas que siguieron al colapso, Banxico elevo las tasas a niveles que alcan-
zaron el 80 % a fin de combatir las elevadas tasas de inflacion. Estas tasas de interes
tan altas llevaron a una contraccion de la demanda agregada y el PIB real cayo 6.2 %
en 1995.
1.6. Sureste de Asıa 1997-98
Muchas naciones asiaticas experimentaron un fuerte crecimiento economico durante
principios y mediados de los anos noventa. Entre 1990 y 1996, el crecimiento del PIB
promedio cerca del 8 % en Indonesia, Corea del Sur, Malasia y Tailandia. Filipinas
crecio a una tasa promedio de 3 %. Durante los anos noventa, todos estos paıses
utilizaron sistemas de tipo de cambio fijo.
Estos paıses experimentaron grandes entradas de capital durante los anos noven-
ta. Como porcentaje del PIB pasaron de niveles de 1.4 % en promedio del 86-90 a
6.7 % entre 1990 y 1996. Excepto para Malasia la mayorıa de los flujos eran presta-
mos a bancos y corporaciones. A pesar de su alto crecimiento y grandes entradas
de capitales, algunas tendencias negativas se desarrollaron a mediados de los anos
noventa. Como grupo se enfrentaban crecientes deficits en cuenta corriente, caıda en
el crecimiento de sus exportaciones y apreciacion de su moneda.
Estas tendencias, y la percepcion de debilidad en el sistema financiero de la re-
gion, llevaron a algunos inversionistas a especular sobre devaluaciones. Esto llevo a
incrementos en las tasas de interes y a caıdas en las reservas internacionales. La subi-
da en tasas en Tailandia provoco que los precios de la vivienda descendieran lo que
llevo al colapso de muchas companıas financieras que le habıan dado prestamos a
CAPITULO 1. ANTECEDENTES HISTORICOS 19
las constructoras, como la especulacion continuo el Banco Central de Tailandia deci-
dio dejar flotar el Baht el 2 de Julio de 1997. Esto condujo a ventas de panico de otras
monedas y, rapidamente, a mas devaluaciones en la region. Filipinas dejo flotar su
peso el 11 de Julio, e Indonesia abandono su fijacion con el Dolar y permitio flotar
la Rupia el 15 de Agosto. Corea del Sur amplio la banda del Won de 2.25 % a 10 %
en Noviembre, pero elimino las bandas totalmente a principios de Diciembre. Los
inversionistas perdieron la fe en la region, lo que llevo a una enorme salida de capi-
tales.
1.7. Rusia 1998
La eleccion de 1996 fue seguida de meses de lasitud. El tema central de la agenda,
despues de la victoria de Yeltsin, fue su cirugıa a corazon abierto. Su recuperacion
fue estropeada por una neumonıa, lo que dejo a sus aliados y opositores, inusual-
mente, concentrados en su fragilidad fısica. La Duma continuo siendo dominada
por fuerzas anti reformistas tanto comunistas como nacionalistas. El sistema polıtico
se habıa vuelto lo que la analista rusa Lilia Shevtsova describio como un
“regimen hıbrido”
, hecho con
“principios evidentemente incompatibles con la democracia, como el autori-tarismo, populismo, oligarquıa, nepotismo e incluso anarquıa”.
El desarrollo mas fuerte, despues de la reeleccion de Yeltsin, fue el crecimiento en el
poder polıtico de la nueva elite de los negocios concentrada en siete grandes bancos,
que dominaron los medios de comunicacion y ganaron el control de la mayor parte
de la industria. Solo unos anos antes, los directivos de estos bancos eran ingenieros,
cientıficos y academicos mal pagados. Ahora billonarios, son conocidos como la oli-
CAPITULO 1. ANTECEDENTES HISTORICOS 20
garquıa.
“Ellos son oligarcas”,
decıa un prominente polıtico,
“porque tienen dinero, poder y controlan los medios de comunicacion”.
Fue solo despues de la recuperacion de Yeltsin a principios de 1997 que el compro-
miso con la reforma se renovo. El primer signo de que “Boris el zar” habıa vuelto fue
el nombramiento en Marzo de 1997 de Anatoly Chubais como primer ministro. Un
memo de Chubais le advirtio de los riesgos de no atender los problemas urgentes del
presupuesto, impuestos, pensiones y corrupcion. El problema de los impuestos fue
particularmente difıcil debido a que las tasas eran ridıculamente altas y la recolec-
cion ridıculamente baja. Los autores del memo declararon que el gobierno estaba
enfrentando una “falta de confianza extrema” y la falta de progreso en esos temas
“destruirıa la credibilidad en todo el esfuerzo reformador” El memo tambien lo urgıa
a aislar al gobierno de “odiousniks” anti-reformadores “odious ones”.
Poco despues, Yeltsin nombro otro primer ministro Boris Nemtsov, un fısico vuelto
polıtico. Como el popular gobernador de la provincia de Nizhni Novgorod, Nemtsov
habıa incentivado la reforma mas rapido que en ninguna otra region. El se llamaba
orgullosamente un provinciano que habıa llegado a Moscu. Cuando Yeltsin estaba
adulandolo, Nemtsov le pregunto,
“¿‘Boris Nikolaevich, como quieres ser recordado, como un buen y gran zar....oquieres lo contrario?”.
Yeltsin respondio,
“No quiero vivir en un estado bandido”.
CAPITULO 1. ANTECEDENTES HISTORICOS 21
Con base en esto, Nemtsov tomo la estafeta como primer ministro. El entendio que
buena parte de su trabajo, como el mismo dicto, consistıa en
“implementar reglas claras que sean identicas para todos”.
Como lo explico,
“el periodo inicial de acumulacion de capital—que siempre incluso en los Esta-dos Unidos, fue acompanado por delincuencia, corrupcion, clientelismo y demas....eseperiodo esta terminando en Rusia”.
El nuevo equipo de Yeltsin le dio un nuevo impulso a la reforma—desde la con-
tinua reforma impositiva y presupuestal hasta la de regulacion y control de los mo-
nopolios y a la construccion de un nuevo Estado benefactor. El gobierno tambien
tuvo que encontrar una vıa para resolver el explosivo problema polıtico de tener
trabajadores sin recibir sueldos y pensiones. Al mismo tiempo, Yeltsin y su equipo
trataban de distanciar al gobierno de la oligarquıa.
“el gobierno no soportara ningun intento de presion de los representantes de losnegocios y banqueros”,
Yeltsin dijo firmemente al parlamento ruso en otono de 1997.
Y declaro que la retirada del gobierno habıa terminado:
“De la polıtica de no intervencion, estamos resueltos a ir a una polıtica de la reg-ulacion preventiva del proceso economico.....por sı mismo el mercado no es unacura en lo absoluto. En cualquier Estado civilizado, el mecanismo de mercado yla regulacion del Estado trabajan en armonıa”.
Una de las mas grandes dificultades era el proceso legal, particularmente en lo
relacionado a los derechos de propiedad, que son todavıa la base del sistema de
mercado. La reforma legal no pudo avanzar a traves de la Duma. El sistema legal
CAPITULO 1. ANTECEDENTES HISTORICOS 22
ruso continuo funcionando pobremente; las cortes estaban mal financiadas y eran
rehenes de fuerzas polıticas locales.
“El mayor impedimento a la inversion privada es que la propiedad todavıa noera clara y el sistema legal no protegıa los derechos de propiedad”.
Observo Sergei Vasiliev, uno de los jefes de asesores economicos de Yeltsin. Cientos
de miles de empresas aparecieron durante la presidencia de Yeltsin. Estos emprende-
dores eran particularmente vulnerables a la corrupcion y a impuestos inciertos, a la
mano gerencial no solicitada por parte de polıticos locales y el Estado, a la extor-
sion para recibir proteccion y desmoralizantes convenios o violencia. Como Vasiliey
lo noto:
“la violencia es mucho mas peligrosa para el mercado que la corrupcion. Puedespelear contra la corrupcion con desregulacion, pero no puedes pelear contra laviolencia con desregulacion”.
Aun ası, estas nuevas companıas estaban trayendo innovacion y dinamismo,
nuevas personas y nuevas formas de pensar y deberıan de tener un papel estelar
en perfilar la nueva economıa rusa y en crear los trabajos que se requerıan. Ellos er-
an los innovadores que tenıan que ser fomentados. Como Thane Gustafson un experto
en el nuevo capitalismo en Rusia observo en ese momento:
“la limitacion mas importante para el futuro de una Rusia prospera es la lentitudcon la que los pequenos negocios se estan desarrollando”.
El mandato fundamental estaba cambiando. Ya no era el desmantelamiento del
sistema sovietico, sino crear un gobierno moderno.
“Los rusos estaban construyendo un nuevo Estado”
, afirmo Thane Gustafson,
“no es un Estado sovietico que es propietario y administrador directo, sino unEstado regulador que es arbitro en el campo de juego”.
CAPITULO 1. ANTECEDENTES HISTORICOS 23
Esto se traduce como reglas para que la gente pueda tomar decisiones con mayor
confianza y predictibilidad. En cuanto a la regulacion bancaria y de valores, se real-
izo un progreso considerable en reglas y operaciones. En 1993 no habıa un mercado
accionario real en Moscu. En 1996 y a lo largo de la mayor parte de 1997—estimulado
por la recuperacion fısica y polıtica de Yeltsin—el mercado accionario ruso fue el de
mejor desempeno entre los mercados emergentes en el mundo; incrementandose los
flujos de inversion. Para finales de 1997, el paıs parecıa estar en una trayectoria de
crecimiento economico renovado.
Pero una nueva crisis se estaba gestando. Rusia estaba luchando con numerosos
problemas, incluidos la corrupcion, la posicion dominante de las oligarquıas y las
debiles bases de muchos bancos, pero, mas que nada, la nueva crisis fue el resul-
tado de la interaccion de dos dificultades domesticas con dos choques externos. De
muchas formas, en el centro del embrollo estaba el monstruoso, irracional y punitivo
sistema fiscal, que tenıa grandes incentivos para la evasion. Las absurdamente altas
tasas estaban acompanadas de absurdamente bajas recaudaciones. El sistema alenta-
ba el no pago, Y el gobierno podıa apoderarse de las cuentas bancarias de cualquier
entidad con impuestos atrasados y eso abarcaba todo el paıs. Esto proporciono una
razon para evitar hacer transacciones en efectivo; la economıa se estaba quedando
sin dinero. Algunas estimaciones calculan que del 30 al 50 % de la economıa era
conducida por promesas de pago y cambios de mercancıas entre empresas, lo que
resultaba en despreciables tasas de recaudacion. Como el reformador Gregory Yavlin-
sky expuso:
“La gente puede pagar impuestos solo si los puede pagar en zapatos y pan-talones”.
CAPITULO 1. ANTECEDENTES HISTORICOS 24
A fin de cubrir el faltante resultante entre ingresos y gastos, el gobierno recurrio al
endeudamiento en el corto plazo. La carga del pago de los intereses crecio rapida-
mente. Como las razones de deuda a presupuesto mostraban, las finanzas del gob-
ierno eran muy vulnerables.
Pero el no pago no era el unico peligro interno; Boris Yeltsin habıa perdido mucha
de la credibilidad y legitimidad que habıa ganado como el hombre que habıa toma-
do a la union sovietica y detenido los tanques comunistas. Se habıa convertido, en
cambio, en un erratico, impredecible, aislado polıtico, afligido con la enfermedad y
capaz, se decıa, de trabajar solo dos horas al dıa. Algunos empezaban a temer que
Rusia estuviera en el acto final de una opera tragica “Boris el zar”.
Para empeorar las cosas, dos poderosos choques externos golpearon Rusia en 1998.
El primero fue el colapso de los precios del petroleo y otros productos basicos que
golpeo Rusia fuertemente como un gran exportador de estos productos, por lo que
tanto las ganancias por exportaciones y la recoleccion de impuestos se redujeron. El
segundo fue el contagio de la crisis asiatica que llevo a la dramatica recalibracion de
riesgo de los inversionistas internacionales. Debido a la enorme deuda a corto plazo
que Moscu habıa construido, el dinero empezo a salir del paıs; para 1998, el mercado
accionario ruso—hasta hace poco el de mejor desempeno en el mundo—se habıa
convertido en el de peor desempeno. En la fecha memorable de 17 de Agosto de
1998, el gobierno ruso tomo dramaticas medidas: Incumplio a su deuda y devaluo el
rublo.
El panico una vez mas se esparcio por el paıs; los bienes desaparecieron de los es-
tantes. En cuestion de dıas, el precio de la leche paso de 5 a 35 Rublos. Los oponentes
CAPITULO 1. ANTECEDENTES HISTORICOS 25
de Yeltsin , liderados por el comunista Gennady Zyuganov, olieron sangre—Yeltsin.
Para el ruso comun, el compromiso con la reforma se habıa vuelto en desilusion con
el mercado. Pero de hecho no habıa sido el mercado el que habıa fallado en Rusia. En
cambio, habıan sido las enormes dificultades inherentes a crear las bases del merca-
do despues de 75 anos de comunismo y el deterioro polıtico resultante de la paralisis
construida entre el debilitado Yeltsin y la Duma que impidio las reformas necesarias.
En las palabras de Thane Gustafson,
“lo que todavıa se necesita es un profundo y continuo esfuerzo en la solidifi-cacion de los derechos de propiedad, contratos, gobierno corporativo, y todaslas otras reglas del juego que hacen que el mercado funcione.”
Estas incluyen redes de seguridad social y sistemas de bienestar apropiados a lo que
los reformadores llaman un paıs “civilizado” todas estas son las necesidades crıticas.
1.8. Brasil 1999
Brasil ha tenido por mucho tiempo dificultades con la inflacion incluso en los anos
ochenta y principios de los anos noventa. Los encargados de formular la polıtica
economica de Brasil no se comportaban como si apreciaran la conexion entre un
sistema fiscal problematico, deficits fiscales, imprimir dinero para pagar lo que la
imposicion no pudo e inflacion.
Los encargados de formular la polıtica economica parecıan percibir la inflacion
como un problema que se podıa resolver por decreto e indexando los costos de todo;
desde la educacion hasta deudas crecientes por movimientos pasados en los precios.
En sus esfuerzos periodicos por combatir la inflacion, los encargados de formu-
lar la polıtica economica tıpicamente congelaban salarios y precios por un tiempo,
CAPITULO 1. ANTECEDENTES HISTORICOS 26
detenıan la indizacion, y tal vez imponıan un tipo de cambio fijo. Los insostenibles
deficits fiscales detras de estos problemas recibıan menos atencion.
En 1994, Brasil finalmente inicio un plan economico de estabilizacion que mostro el
aprecio para el vınculo entre el gasto, la creacion de dinero y la inflacion. El plan
Real, nombrado despues de que se creo una nueva moneda, en el que el sistema de
tipo de cambio era la clave de los esfuerzos en combatir la inflacion temporalmente
involucraba indizacion. Sin embargo, la indizacion estaba amarrada a traves del tipo
de cambio, al numero de dolares requerido para comprar un producto mas que a
medidas de inflacion y de la divisa. Para incrementar la competencia, de acuerdo con
presiones de los oligopolios y monopolios que historicamente habıan sido libres de
incrementar precios, Brasil no solo comenzo liberalizando restricciones a la inversion
extranjera sino tambien al comercio. Las tarifas de Brasil bajaron de un promedio de
51 % en 1988 a un promedio de 14 % en 1994.
Brasil dio pasos en contra de lo que se convirtio en un gran problema de deficit
federal, aunque no fueron suficientes. Del lado del gasto, el Congreso aprobo una
reduccion de los fondos que el gobierno federal transferıa a los estados y municipios.
Del lado del ingreso, las tasas sobre la renta fueron incrementandose. La polıtica
monetaria fue restringida gradualmente.
Como pivote del programa, al Real se le permitio fluctuar entre bandas estableci-
das ajustadas periodicamente—un regimen del tipo de cambio que duro de 1995 a
1999.
Una pequena y continua devaluacion se habıa construido en el sistema a fin de
acomodar desviaciones de la tasa de inflacion de Estados Unidos y en general, aliviar
CAPITULO 1. ANTECEDENTES HISTORICOS 27
algunas presiones sobre la moneda, como la inestabilidad durante la crisis financiera
mexicana a principios de 1995. La trayectoria del Real era suave y controlada.
El plan trajo estabilidad economica y fue efectivo en contener la hiperinflacion
que habıa sido un problema cronico. Bajo el plan, el Real fue fijado contra un obje-
tivo predeterminado, principalmente al Dolar, usando un mecanismo de banda que
permitıa solo pequenos cambios diarios en el valor de la divisa.
Conforme el Dolar se fortalecıa a mediados de los anos noventa, el Real empezo a
sobrevaluarse relativo a su objetivo. La crisis Rusa en Agosto de 1998 aumento el
miedo entre los inversionistas concerniente a los rendimientos en los paıses emer-
gentes. Conforme las salidas de capital aumentaban, los observadores empezaron a
especular que el gobierno Brasileno devaluarıa su moneda. De mediados de Agosto
de 1988 a finales de Octubre de 1998, el Real habıa perdido 2 % de su valor contra
el Dolar a traves del mecanismo de bandas. Esto aunado a las dificultades en el pre-
supuesto y la percepcion de que no se resolverıan al votarse en contra por cuarta
vez una reforma a la seguridad social en Diciembre de 1998 que buscaba reducir el
deficit fiscal. Con las reservas en el rango de 30 a 40 billones, bajando de un pico de
mas de 70 billones a principios del ano, las salidas de capital de 350 a 400 millones
se volvieron comunes.
El desarrollo final que llevo a una devaluacion importante del Real sobrevino el
6 de Enero de 1999, cuando el gobernador de la provincia de Minas Gerais, Itamar
Franco anuncio una moratoria de 90 dıas del pago de la deuda al gobierno cen-
tral como protesta a medidas fiscales establecidas en un convenio con el FMI. El
movimiento incremento el miedo de los inversionistas y estimulo las salidas de cap-
CAPITULO 1. ANTECEDENTES HISTORICOS 28
ital, segun informes, aproximadamente un billon dejo el paıs en pocos dıas despues
de la moratoria de la deuda.
Reconociendo que el Real estaba bajo ataque, el Banco Central de Brasil deci-
dio una devaluacion de facto el 13 de Enero de 1999, ampliando la banda en la que
el Real podıa ser intercambiado cada dıa mientras prevenıa una caıda libre de su di-
visa. La alternativa habrıa sido para el gobierno defender la divisa y potencialmente
acabarse sus reservas. El presidente del Banco Central renuncio entonces, dejando a
su sucesor la implementacion de la devaluacion. Una nueva banda fue establecida
con un piso de 1.20 y un techo de 1.32 Reales por Dolar. Esto implıcitamente posibil-
itaba movimientos diarios de la moneda contra el Dolar en +/-4.76 %.
La nueva banda duro solo dos dıas durante los cuales otro billon de dolares dejo Brasil.
El siguiente paso fue dejar al Real flotar libremente y para el 3 de Febrero habıa caıdo
32 por ciento y se intercambiaba a 1.79 Reales por Dolar. Para incrementar la confi-
anza del mercado y detener el panico en los mercados de dinero y de capitales en
el mundo, la decision fue tomada para abandonar completamente la banda. Como
parte del paquete y a fin de desincentivar a los inversionistas de retirar fondos del
paıs, el Banco Central de Brasil anuncio que las tasas de interes se incrementarıan
de 29 a 39 por ciento. Por ahora, la estrategia parecıa haber detenido el panico, con-
forme la salida de dolares declinaba, aunque segun informes un total de 7 a 8 billones
dejaron el paıs en Enero.
CAPITULO 1. ANTECEDENTES HISTORICOS 29
1.9. Turquıa 2001
Caracterizada por esfuerzos para controlar un gran deficit publico (12 por ciento del
PIB en 2000), altos niveles de deuda publica (en el rango de 90 por ciento del PIB
a finales de 2001), y dificultades en servir deuda a corto plazo (100 por ciento de
las reservas). La adopcion de bandas de flotacion en 1999 con el objetivo de reducir
los altos niveles de inflacion incentivo grandes entradas de capitales con un aumento
substancial de deuda en moneda extranjera del sistema bancario. En Febrero de 2001,
el gobierno fue obligado a abandonar el regimen de bandas, lo que condujo a una
devaluacion real anual de 26 % a finales de 2001 y grandes perdidas en el sector
bancario que el gobierno esta ahora resolviendo.
1.10. Argentina 2001-02
La crisis en Argentina tiene sus raıces en el aumento de vulnerabilidades despues
de una exitosa estabilizacion a principios de los anos noventa. Despues de una larga
historia de inflacion (incluido un periodo de hiperinflacion) e intentos fallidos de es-
tabilizacion, la adopcion de un consejo monetario basado en el Dolar en 1991 detuvo
la inflacion del paıs automaticamente. El paıs experimento un boom despues de la
estabilizacion de orden del 7 por ciento de crecimiento en el PIB, mientras la reduc-
cion de las tasas de interes hacia niveles mundiales estimulo la demanda interna.
Sin embargo, vulnerabilidades substanciales permanecıan, y fueron incrementandose
a la vista durante la segunda mitad de los anos noventa. A pesar del fuerte crec-
imiento de las exportaciones, los ingresos de divisa extranjera fueron insuficientes
para financiar la boyante demanda por importaciones, dejando al paıs dependiente
CAPITULO 1. ANTECEDENTES HISTORICOS 30
de los flujos de capital. La polıtica fiscal no fue solo muy laxa en promedio, sino
tambien pro cıclica—a la expansion en la fase de recuperacion 1996-97, dejando a las
autoridades sin margen para comprimirla en la fase de contraccion despues de 1998.
Como resultado, la deuda publica permanecio alta (a 50 % del PIB a mediados de
2001), y los plazo se acortaron.
La apreciacion del Dolar en la segunda mitad de los anos noventa y la pronuncia-
da devaluacion condujeron a una apreciacion del tipo de cambio real del 15 % entre
Enero de 1997 y mediados del 2001, reprimiendo aun mas el crecimiento. Mas impor-
tante aun, la deflacion persistıa a lo largo de la economıa (los precios al consumidor
cayeron un 3 % acumulado de 1999-2001), y la economıa real permanecıa en rece-
sion, conduciendo a incrementar aun mas una de por sı ya alta tasa de desempleo.
Con los ingresos nominales cayendo notoriamente durante 2001, habıa poca opor-
tunidad de que las autoridades cumplieran con las proyecciones de ingresos trib-
utarios que eran la columna vertebral de una estrategia “deficit presupuestal cero”.
El conocimiento del mercado de cuantiosas deudas en dolares del sector publico y
privado completaban el cuadro que hizo a los prestamistas renuentes a mantenerse
expuestos conforme el fin de ano se acercaba.
Disturbios publicos—en parte como la reaccion a los lımites de retiros de los ban-
cos (bautizados por la gente como el “corralito”)-causaron la renuncia del presidente
Fernando de la Rua en Diciembre de 2001. Poco despues, el gobierno formalmente
fallo en el pago de su deuda y su moneda fue devaluada. Un tipo de cambio flotante
fue introducido a mediados de Febrero.
Modelos Teoricos
“Las teorıas son verificables donde se necesitan menos, y no son verificables donde se necesitan mas”.
Charles Mansky
Mientras que las burbujas especulativas y crisis que les preceden tienen mucha histo-
ria, la frecuencia de tales crisis se ha incrementado en las ultimas decadas. El econo-
mista del MIT Paul Krugman puntualiza que, desde 1980, “una crisis cambiaria ha
ocurrido en promedio una vez cada 19 meses”. A pesar de su frecuencia, y la difusion
de sus causas y consecuencias, las crisis cambiarias no son bien entendidas.
Krugman usa la devaluacion del 2 de Julio del Baht de Tailandia para ilustrar este
punto:
Lo que obligo a Tailandia a devaluar su moneda fue la especulacion masiva encontra del Bath, especulacion que en pocos meses consumio lo que inicialmenteparecıa un gran monto de reservas internacionales. ¿Por que los especuladoresapostaron en contra del Bath? Porque esperaban que se devaluara por supuesto.
Este tipo de logica circular—en que los inversionistas abandonan una mone-da porque esperan que se devalue, y mucha (aunque usualmente no toda) lapresion a la divisa ocurre precisamente por esta perdida de confianza de losinversionistas—es el rasgo que define una crisis cambiaria. Los ultimos treintaanos han ofrecido el espectaculo de distintas olas regionales de crisis cambiarias:Europa en 1992-3, Latinoamerica en 1994-95, y la crisis en Asia en 1997-98.
El objetivo de este capıtulo es revisar brevemente las aproximaciones teoricas a fin
de entender las crisis cambiarias.
31
CAPITULO 2. MODELOS TEORICOS 32
Los economistas han desarrollado tres aproximaciones teoricas de crisis cambiarias.
La primera, conocida como “el modelo canonico”, demuestra que un paıs con funda-
mentales economicos debiles es mas vulnerable a un ataque especulativo. En partic-
ular, financiar un continuo deficit fiscal a traves de la creacion de dinero claramente
no es factible con un tipo de cambio fijo. En los modelos de segunda generacion,
ataques especulativos auto-validados generados por objetivos de polıtica guberna-
mental incongruentes parecen ser la causa principal de las crisis. Esto es mas prob-
able cuando los fundamentales son debiles. Los modelos posteriores a la crisis de
Asia incluyen riesgo moral, debilidad en los sectores financiero y corporativo y fun-
damentales economicos debiles, que han sido, identificadas como causas potenciales
importantes de crisis. El contagio implica que el comercio entre paıses, vınculos fi-
nancieros y el sentimiento de mercado desempenan un papel.
2.1. Modelos de primera generacion
Los modelos de primera generacion responden a crisis en paıses en desarrollo como
las de Argentina (1981) y Mexico (1982). Estas crisis fueron precedidas por polıticas
economicas demasiado expansivas. Los modelos de primera generacion muestran
como un tipo de cambio fijo combinado con fundamentales resultado de polıticas
economicas excesivamente expansivas llevaron a la economıa a una crisis cambiaria,
con el sector privado tratando de hacer utilidades del desmantelamiento de las polıticas
incongruentes.
Estos modelos estan basados en un trabajo hecho durante los anos setenta que
consistıa en esfuerzos para estabilizar precios (Salant y Henderson (1978)). Stephen
Salant, entonces con la Reserva Federal, argumenta sobre la estabilizacion de precios—
CAPITULO 2. MODELOS TEORICOS 33
cuando una agencia promete comprar o vender un bien para estabilizar su precio—
esta destinada a fallar con base en la teorıa. Su argumento es el siguiente:
1.- Los especuladores mantendran un bien solo si esperan que su precio crezca losuficientemente rapido para ofrecerles una tasa de retorno ajustada por ries-go que iguale la disponibilidad de otros activos. Esto significa que el precioesperado del bien debe crecer con la tasa de interes. Si no lo hace, nadie vaa querer mantener el activo para propositos de inversion. Esto establece untrayectoria del precio por anticipado.
2.- Si un consejo de estabilizacion de precios anuncia su deseo de comprar ovender un bien a un precio fijo, los especuladores venderan sus tenencias solosi el precio objetivo es mayor que la trayectoria anticipada del precio, es decir,el nivel que prevalecerıa en ausencia de un consejo. Si un consejo pone unprecio inicial lo suficientemente alto para inducir cualquier venta, se encon-trara acumulando un gran monto del bien.
3.- Eventualmente, sin embargo, el precio que prevalecerıa en ausencia del con-sejo (el precio sombra) crecera por encima del precio objetivo del consejo. Eneste punto, los especuladores veran el bien como una inversion deseable y em-pezaran a comprarselo al consejo. Si el consejo trata de estabilizar el precio,los especuladores compraran todas sus tenencias rapidamente.
Krugman (1979) y Flood y Garber (1984) usaron el modelo de estabilizacion de
precios de Salant como la base de sus modelos de primera generacion de crisis cam-
biarias. Krugman (1998a) resume:
X (En estos modelos) la tendencia en el precio sombra de divisa extranjera—el precio que hubiera prevalecido si a la moneda se le hubiera permitidoflotar—fue proporcionado, supongamos que el gobierno de la economıa ob-jetivo esta enganchado en una estable e incontrolable emision de dinero parafinanciar deficit presupuestal. A pesar de esta tendencia, el Banco Central tratade dejar el tipo de cambio fijo usando su acervo de reservas internacionales,que se entiende como que esta listo a comprar o vender a un a tasa fija.
X La logica de crisis cambiarias es la misma que los de un ataque especulativoa un acervo de un bien. Supongamos que los especuladores esperan a quese acaben las reservas en el curso natural de los eventos. En ese punto, ellospodrıan saber que el precio de divisa externa, fijo hasta ahora, empezara acrecer; esto hara que la tenencia de divisa externa sea mas atractiva que la
CAPITULO 2. MODELOS TEORICOS 34
tenencia de divisa domestica, llevando a un salto en el tipo de cambio. Perolos especuladores se adelantaran y venderan justo antes del agotamiento dereservas—y, al hacerlo, adelantaran la fecha de su agotamiento, llevando alos especuladores a vender incluso antes, y ası sucesivamente. El resultadosera que cuando las reservas caigan a un nivel crıtico—tal vez a un nivel queparezca ser lo suficientemente grande para financiar anos de deficit—habra unataque especulativo abrupto que llevara esas reservas a cero y fuerce a aban-donar el tipo de cambio fijo.
X Los modelos de primera generacion de crisis cambiarias,entonces, explicantales crisis como resultado de inconsistencias fundamentales entre polıticasdomesticas—tıpicamente la persistencia de deficit presupuestales financiadoscon la emision de dinero—y el intento de mantener un tipo de cambio fijo. Estainconsistencia puede ser temporal si el Banco Central tiene suficientes reser-vas, pero, cuando estas reservas se vuelven inadecuadas, los especuladoresllevan a el problema con una ola de ventas.
X Este modelo tiene algunas virtudes importantes. Primero que todo, muchas cri-sis cambiarias claramente reflejan una inconsistencia basica entre la polıtica domesti-ca y la de tipo de cambio; la forma especıfica y simplificada de tal discrepanciaen los modelos de primera generacion puede ser vista como una metaforapara las polıticas mas complejas, pero igualmente incoherentes de muchosregımenes de tipo de cambio. Segundo, el modelo demuestra claramente que elcaracter abrupto, billones perdidos en dıas en corridas sobre una divisa no necesitareflejar la irracionalidad del inversionista o la intriga de manipuladores de merca-do. Puede ser simplemente el resultado de la logica de la situacion, en quemantener una moneda se vuelve poco atractivo una vez que su precio ya noesta siendo estabilizado, y el final de la estabilizacion es por sı mismo activadopor la salida de capitales especulativos.
A pesar de sus contribuciones positivas, los modelos de primera generacion sufren
de una limitacion importante. Supone que el gobierno seguira imprimiendo dinero
a pesar de las senales de advertencia, y que el Banco Central podrıa vender reservas
perpetuamente para proteger el tipo de cambio. Debido a que los gobiernos en el
mundo real responden ante cambios en las circunstancias, los teoricos desarrollaron
una “segunda generacion de modelos” para explicar su comportamiento.
CAPITULO 2. MODELOS TEORICOS 35
2.2. Modelos de segunda generacion
Estos modelos fueron disenados para capturar rasgos de los ataques especulativos
en el Sistema Monetario Europeo y en Mexico en los anos noventa. Estos ataques
difieren de los estudiados por la primera generacion en dos aspectos importantes:
(1) En los paıses que experimentaron los ataques, el estado del ciclo economico y el
sistema bancario ası como restricciones para la captacion de recursos impuestas por
polıticas monetarias en paıses socios, ataron de manos a las autoridades e impidieron
que usaran los metodos tradicionales para sostener el tipo de cambio; (2) Los ataques
especulativos, particularmente algunos de los que ocurrieron en Europa, parecen
no estar relacionados con los fundamentales que sugieren los modelos de primera
generacion.
Estos modelos hacen endogenas las decisiones de los gobiernos y bancos centrales.
Los gobiernos pueden y a menudo hacen cambios a polıticas fiscales en respuesta a
problemas de balanza de pagos y los bancos centrales tienen herramientas ademas
de la intervencion en el mercado cambiario para defender el tipo de cambio, la mas
importante es la habilidad de apretar la polıtica monetaria.
Los modelos de segunda generacion reconocen estas elecciones, y los costos aso-
ciados con ellas. Krugman (1998a) los describe de la siguiente manera:
X Los llamados modelos de segunda generacion (una de sus mejores representa-ciones es la de Obstfeld (1994)), requieren tres ingredientes. Primero, debehaber una razon por la cual el gobierno habrıa de abandonar su tipo de cam-bio fijo. Segundo, debe haber una razon por la cual el gobierno habrıa dedefender su tipo de cambio—ası que hay tension entre estos motivos. Final-mente, a fin de crear la logica circular que conduce a una crisis, el costo dedefender un tipo de cambio fijo debe incrementarse cuando la gente espera (oal menos sospecha) que la fijacion debe abandonarse.
CAPITULO 2. MODELOS TEORICOS 36
X ¿Por que podrıa un gobierno tener un motivo para permitir a su moneda de-preciarse? A fin de que un gobierno tenga incentivos reales a cambiar el tipode cambio, algo debe estar torpemente fijado en divisa local. Una posibilidadobvia es una gran carga de deuda denominada en divisa local—una carga queel gobierno esta tentado a inflar lejos, pero no puede en tanto este compro-metido con un tipo de cambio fijo. Otra posibilidad es que el gobierno sufrade desempleo debido a un salario nominal rıgido y le gustarıa adoptar unapolıtica monetaria mas expansiva, pero no puede en tanto este comprometidocon un tipo de cambio fijo. (Esta fue en esencia la motivacion de Inglaterrapara salirse del Sistema Monetario Europeo en 1992).
X Dada una motivacion a depreciar, ¿por que un gobierno en cambio elegirıadefender un tipo de cambio fijo? Una respuesta podrıa ser que cree que untipo de cambio fijo es importante para facilitar el comercio internacional einversion. Otra es que tiene una historia de inflacion, y considera un tipo decambio fijo como garantıa de credibilidad. Finalmente, el tipo de cambio amenudo desempena un papel importante en el orgullo nacional y/o comocompromiso de cooperacion internacional (como en el SME).
X Finalmente, ¿por que podrıa una perdida de confianza publica en el manten-imiento de un tipo de cambio fijo tener el efecto de que sea mas difıcil de-fenderlo? Supongamos que la gente espera que un tipo de cambio fijo se va adepreciar en un futuro. El canal usual involucra tasas de interes de corto pla-zo: defender una divisa de frente a expectativas de una futura depreciacionrequiere altas tasas de interes de corto plazo, pero tales tasas pueden ya seaempeorar el flujo de efectivo del gobierno (o empresas endeudadas) o deprim-ir la produccion y el empleo.
Krugman (1996) puntualiza, es posible combinar estos tres elementos para pro-
ducir una historia general de crisis cambiarias que es muy similar a la de los mod-
elos de primera generacion. Supongamos que se espera que los costos de manten-
er la paridad actual seran mayores que los costos de abandonarla, de tal manera
que en una fecha futura el paıs tendra que devaluar incluso en la ausencia de un
ataque especulativo. Entonces los especuladores seguramente trataran de salirse de
sus posiciones en la divisa de frente a una devaluacion—pero al hacerlo aumentaran
los costos de mantener la paridad, lo que llevara a una devaluacion temprana. Los
inversionistas inteligentes, dandose cuenta de esto, trataran de salirse de sus posi-
CAPITULO 2. MODELOS TEORICOS 37
ciones todavıa antes... el resultado final sera una crisis que pondra fin al regimen de
tipo de cambio antes de que el estado de los fundamentales hiciera necesaria una
devaluacion.
En el modelo descrito—ası como en el los modelos de primera generacion—las
crisis son finalmente el resultado de inconsistencias de polıticas gubernamentales—
por ejemplo, un deficit fiscal persistente y el deseo de mantener un tipo de cambio fijo.
En ese sentido las crisis son conducidas por fundamentales economicos. La mayorıa
de los paıses que son golpeados por ataques especulativos no comparten esta vision:
los gobiernos a menudo creen que estan preparados para defender su moneda por
mucho tiempo y, de hecho, podrıan si los costos de hacerlo no crecieran por el ataque
especulativo.
Un numero significativo de economistas que estudian este tema creen que las que-
jas de los paıses de que son injustamente o arbitrariamente atacados tienen algun
merito. A continuacion se describen las posibles formas en que—especialmente en
el contexto de los modelos de segunda generacion—tales quejas podrıan, de hecho,
estar justificas.
2.2.1. Crisis auto-validadas
Supongamos que hay una fuerte posibilidad de que el gobierno de un paıs cambie
sus polıticas antes de que el Banco Central se quede sin reservas. Si este es el caso,
el fin del tipo de cambio fijo no es inevitable, es meramente una posibilidad. En este
caso, el nivel de confianza que los especuladores tengan en las polıticas guberna-
mentales desempena un papel crucial. Krugman (1998a):
Un inversionista individual no pondra su dinero fuera del paıs si cree que el
CAPITULO 2. MODELOS TEORICOS 38
regimen de tipo de cambio no esta en peligro inminente, pero lo hara si el colap-so de una divisa parece probable. Una crisis, sin embargo, ocurrira precisamentesi muchos inversionistas individuales sacan su dinero. El resultado es que el op-timismo o pesimismo sera auto confirmado, y en el caso de pesimismo auto-validado, un paıs (habrıa) de estar justificado al reclamar que esta sufriendo deuna crisis innecesaria.
Aunque los inversionistas son los que finalmente causan el colapso, es la falta de
confianza en las polıticas gubernamentales lo que lleva a los inversionistas a reti-
rarse lo mas pronto posible. Krugman (1998a) sintetiza las crisis auto-validadas como
sigue:
Uno puede pensar en una rango en los fundamentales en que una crisis nopuede ocurrir, y un rango en el que debe ocurrir; en su mayorıa, los modelosde crisis auto-validadas mencionan que hay un punto intermedio en que unacrisis puede ocurrir, pero no necesariamente. Es una cuestion empırica (aunqueno una facil) que tan amplio es ese rango.
2.2.2. Rebano
Una explicacion relacionada involucra el comportamiento de manada de los inver-
sionistas. Como el termino lo implica, este ocurre cuando los inversionistas siguen a
otros, incluso cuando no ha sido revelada nueva informacion. El economista Robert
Schiller (1989) subraya el papel del comportamiento de manada en el crash de la
bolsa en 1987. La mayorıa no podıa citar una razon especifica para vender, mas
alla del hecho de que los precios estaban bajando. Hay una tendencia hacia el com-
portamiento de manada por parte de los inversionistas cuando se piensa que algunos
agentes poseen informacion privada. Los inversionistas que no la tienen monitorean
el comportamiento de otros cuidadosamente en un esfuerzo para detectar senales
con respecto a esta informacion. En tal situacion, las fluctuaciones aleatorias pueden
llevar a ventas de panico. Krugman resume “en un contexto de crisis cambiaria”, por
CAPITULO 2. MODELOS TEORICOS 39
supuesto, tal comportamiento puede significar una oleada de ventas sin importar su
causa inicial, podrıa ser magnificada a traves de pura imitacion y volverse, literal-
mente, en una estampida fuera de la divisa
2.2.3. Contagio
Las crisis cambiarias en los anos noventa ocurrieron en oleadas regionales. Estas in-
cluyen: la europea en 1992-1993; la latinoamericana de 1994-1995 y la crisis financiera
asiatica en 1997-1998. Este fenomeno en que la crisis de un paıs lleva a la crisis en
otro, geograficamente conectado, es conocida como contagio. ¿Por que el contagio es
mas fuerte dentro de una region?
Los paıses dentro de una region estan a menudo conectados, ya sea con ligas reales
o en la mente de los inversionistas. Krugman (1998a) describe el vınculo fısico como
sigue:
Una explicacion simple de contagio involucra ligas reales entre paıses: una crisiscambiaria en el paıs A empeora los fundamentales del paıs B. Por ejemplo, lospaıses del sureste asiatico...bajo ataque especulativo estan vendiendo productossimilares en los mercados mundiales de exportacion; entonces la devaluaciondel Thai tiende a deprimir las exportaciones de Malasia y llevarla a rebasar elpunto crıtico que activarıa una crisis. En la crisis europea de 1992-3, hay unelemento de devaluacion competitiva: la depreciacion de la libra afecta adversa-mente el comercio y empleo en Francia, por lo que incrementa la presion sobreel gobierno frances de abandonar su compromiso de un tipo de cambio fijo.
El contagio, sin embargo, algunas veces golpea a paıses que aparentemente no
tienen ligas cercanas entre sus economıas. Un paıs podrıa ser adversamente afectado
simplemente porque es percibido como ligado a un paıs con crisis a traves de ligas
geograficas o culturales. Por ejemplo, Argentina tiene pocas ligas economicas reales
con Mexico, pero es percibido como que tiene ligas culturales. No obstante, estuvo
bajo ataque especulativo poco despues de la crisis del Peso mexicano en 1994. Corea
CAPITULO 2. MODELOS TEORICOS 40
del Sur tambien parece haber sido vıctima de contagio, aunque no esta fısicamente
ligada ni es un socio comercial importante del sureste de Asia.
2.3. Modelos de tercera generacion
A pocos meses del primer ataque a la fijacion de Tailandia alrededor de Marzo de
1997, El Baht de Tailandia, la Rupia de Indonesia, el Won de Corea y el Ringgit de
Malasia fueron forzados a devaluar. Este estallido repentino de agitacion financiera
en Asia motivo a repensar la naturaleza y las causas de las crisis financieras. Despues
de todo, antes de la crisis, la mayorıa de los gobiernos involucrados no tenıan deficits
fiscales significativos, no estaban comprometidos en irresponsable polıtica mone-
taria expansiva. Ademas, las tasas de inflacion y de desempleo eran muy bajas, por
lo que entraron en conflicto con las metas macroeconomicos sugeridas por los mod-
elos de segunda generacion. Despues de la crisis asiatica, el deterioro de los estados
financieros de los bancos y companıas durante la crisis llamaron mucho la atencion.
En particular, el problema de riesgo moral (el sobre-endeudamiento interno e inter-
nacional) y la falta de liquidez experimentada por el sector privado, una vez que
el regimen de tipo de cambio colapso, se cree fueron las causas principales de las
crisis cambiarias. Rapidamente se han desarrollado modelos de tercera generacion
que combinan los dos elementos importantes (fundamentales y auto-validadas) de
las generaciones anteriores de modelos mas algunos elementos micro como la in-
troduccion de el sector bancario para analizar estas crisis modernas entre ellos se
encuentran Krugman (1998b) y Corsetti, Pessenti y Roubini (1998).
Modelos Empıricos
“Un buen estudio empırico requiere tres componentes: 1. Una estructura teorica concisa y sensible que este relacionada con laspreguntas que se hagan, 2. Razonablemente, buenos datos, y 3. Un experimento o evento o conjunto de circunstancias que le den alos datos la oportunidad de contestar las preguntas que se formularon. En resumen, el modelo necesita ser identificable por los datosa mano”.
Zvi Griliches
Las crisis en Mexico (1994-95) y Asia (1997-98) estimularon una variedad de estu-
dios empıricos disenados para identificar las causas de las crisis y los determinantes
del efecto contagio asociado Kaminsky y Reinhart (2000). Las crisis pasadas pueden
proporcionar utiles lecciones sobre los factores que contribuyen a la vulnerabilidad
de un paıs. Los academicos y los encargados de formular la polıtica economica se
dieron cuenta rapidamente de que los estudios empıricos pueden ser un elemento
en un sistema de alerta temprana (SAT ). Como resultado, un numero creciente de
instituciones financieras internacionales (IFI) y bancos centrales estan usando mod-
elos (SAT ) en sus actividades de supervision. De manera similar, muchos bancos
de inversion han desarrollado modelos SAT que aspiran a proporcionar asesorıa a
sus clientes en el mercado de divisas y a servir como complemento a su analisis
economico de los mercados emergentes.
Estos modelos tıpicamente tienen una estructura empırica que trata de pronosticar
la probabilidad de cierto tipo de “crisis”, usando factores tales como los fundamen-
tales de un paıs, acontecimientos en la economıa global y/o mercados financieros
41
CAPITULO 3. MODELOS EMPIRICOS 42
globales, y, en algunos casos, riesgo polıtico. Un numero de consideraciones ha in-
fluenciado el desarrollo de los modelos SAT existentes. Primero, a pesar del origen
comun en los modelos academicos de mediados de los anos noventa, los modelos
SAT existentes difieren mucho entre ellos en terminos de su definicion de “crisis” y
en terminos del horizonte sobre el cual intentan predecir una crisis. No es sorpren-
dente, estas diferencias reflejan los diferentes intereses de los usuarios finales, Por
ejemplo, los modelos de los bancos de inversion definen una crisis basicamente en
terminos de variables tales como variaciones en tipos de cambio y tasas de interes
que muy probablemente afecten la rentabilidad del comercio de divisas o posiciones
de inversion. Mas aun, los modelos de los bancos de inversion tıpicamente se orien-
tan en uno a tres meses como horizonte de pronostico que son considerados como
los mas relevantes para el comercio de divisas y para las posiciones de inversion.
En contraste, los modelos SAT usados por las IFI y bancos centrales en ejercicios de
supervision tienden a concentrarse en variables asociadas con crisis de balanza de
pagos mayores, dıgase grandes variaciones en tipo de cambio y/o reservas interna-
cionales. En resumen, los modelos de vigilancia SAT tıpicamente intentan predecir la
vulnerabilidad de un paıs a una crisis en un horizonte mucho mayor que los modelos
de los bancos de inversion. Estos modelos pueden tener un horizonte de prediccion
mayor a 24 meses, reflejando en parte el deseo de tener el tiempo suficiente para
formular ajustes de polıtica correctivos.
Una segunda consideracion que ha afectado la especificacion de los modelos y la
interpretacion de sus predicciones ha sido la necesidad de confrontar el “trade-off”
entre los errores tipo I y II asociados con la estimacion de los modelos estadısti-
cos. Los errores tipo II (la aceptacion de una hipotesis falsa de no crisis) puede ser
minimizado si los modelos SAT estan disenados de tal manera que tienen una prob-
CAPITULO 3. MODELOS EMPIRICOS 43
abilidad baja de perder una crisis. Desafortunadamente, adoptar procedimientos de
estimacion que minimicen los errores tipo II tıpicamente resultan en errores tipo I
grandes (el rechazo de una hipotesis verdadera de no crisis). En otras palabras, los
modelos pueden ser calibrados para capturar la mayorıa de las crisis, pero solo con
el costo de muchas falsas alarmas.
Una tercera consideracion ha sido la disponibilidad y frecuencia de los datos. Por
ejemplo, la ausencia de series de tiempo historicas de tasas de interes de mercado
y otras variables financieras ha llevado a la exclusion de tales variables en algunos
modelos SAT. Mas aun las variables, disponibles solo con retrasos importantes, com-
plican la actualizacion de la prediccion y de nuevo desincentivan el uso de lo que
serıan de otra forma variables explicativas importantes.
Debido a que mucho dinero puede ser ganado o perdido en un ataque especula-
tivo, hay numerosos estudios que intentan predecir la antesala de una crisis. Entre
los que se incluyen los de los bancos de inversion y bancos comerciales: JP Morgan
“Event Risk Indicator”, Goldman Sachs “Watch”, Credit Suisse First Boston “Emerg-
ing Markets Risk Indicator”, Deutsche Bank “Alarm Clock”y Citigroup; los academi-
cos: Sachs, Tornell y Velasco y Frankel y Rose; y los desarrollados y/o utilizados en
las instituciones financieras internacionales y bancos centrales como el Kaminsky,
Lizondo y Reinhart en el FMI, el de la Division de Estudios de Paıses en Desarrol-
lo del FMI y el de la Division de Desarrollos Externos del BCE. A continuacion se
describen a detalle.
CAPITULO 3. MODELOS EMPIRICOS 44
3.1. Los modelos de los bancos de inversion y bancos
comerciales
El interes de los bancos de inversion en desarrollar SAT como herramienta para as-
esorar a sus clientes ha fluctuado entre lo que esta “de moda” y si las crisis estan
en los titulares diariamente. Despues de la crisis del sureste de Asia, la mayorıa de
los bancos han desarrollado modelos tratando de predecir crisis cambiarias. Estos
modelos fueron disenados ya sea para su uso explıcito aconsejando estrategias en
el mercado de divisas, en general para evaluar valores y riesgos en las divisas de
los mercados emergentes y pronosticos economicos suplementarios proporcionados
a los inversionistas. Desde esa fecha, algunos de estos modelos han cesado de op-
erar: Lehman Brothers ha abandonado su Currency Jump Probability; Citicorp ya
no implementa su Early Warning System para anticipar crisis de balanza de pagos
en Latinoamerica y JP Morgan ha sustituido un ındice de vulnerabilidad pondera-
do simple por su Event Risk Indicador. Sin embargo, conforme la volatilidad en los
mercados emergentes se incremento de nuevo a finales del 2000 y 2001, nuevos mod-
elos privados han surgido. Por ejemplo, Deutsche Bank introdujo su Alarm Clock,
Morgan Stanley Dean Witter ha puesto en marcha un Sistema de Alerta Temprana
para crisis cambiarias y, a finales del 2003, surgio otro modelo en Citigroup.
3.1.1. JP Morgan, “Event Risk Indicator” (1998)
Basandose tambien en trabajos teoricos y empıricos previos, este modelo considera
tres posibles causas para una crisis: la polıtica monetaria, el nivel de reservas y la
competitividad, pero se alinea con los modelos de segunda generacion y, siguiendo
los argumentos de Gerlach y Smets (1995), incorpora una variable de contagio.
CAPITULO 3. MODELOS EMPIRICOS 45
Para que se produzca un “crash” en una moneda, debe haberse producido una
perdida de competitividad internacional; perdida que puede ser medida mediante
el deficit exterior o por el tipo de cambio real ponderado. Pero el momento en el que
se desencadena la crisis dependera, en primer lugar, de la credibilidad del gobierno
para defender su moneda, una credibilidad que se relaciona con el crecimiento de
la economıa y su nivel de reservas, y en segundo termino, de la fuerza del contagio
financiero. En este trabajo se consideran dos fuerzas de contagio: la causada por la
devaluacion de un socio comercial y la consiguiente perdida de competitividad, y
la generada por la caıda del apetito de las inversiones por riesgo, aunque se tengan
buenos fundamentos economicos. Este ultimo contagio se relaciona con relaciones
financieras y el hecho de que los inversores tengan posiciones en diferentes mercados
que pueden dejar por problemas en uno de ellos.
Los datos utilizados son de corte transversal dados los pocos casos existentes de
crisis para un paıs individual. De esta forma seleccionan los “crash” independien-
temente del tiempo y para todos los paıses, relacionandolos con las variables ex-
plicativas. Los paıses, a su vez, se seleccionan de tal forma que exista variedad en
las crisis y posibilidad de aplicacion a otros casos, pero no incluyendo paıses tan
diferentes como para no encontrar caracterısticas comunes entre ellos. Por ello se
eliminan del analisis paıses que en los ultimos anos hayan sido muy estables en sus
monedas; paıses con inflacion superior al 50 por ciento y paıses con economıas muy
cerradas. Los paıses que componen la base de datos final son Australia, Canada,
Chile, Colombia, Corea del Sur, Espana, Filipinas, Grecia, Finlandia, Francia, Hong
Kong, India, Indonesia, Italia, Malasia, Mexico, Noruega, Nueva Zelanda, Polonia,
Portugal, Sudafrica, Suecia, Taiwan, Tailandia y Reino Unido.
CAPITULO 3. MODELOS EMPIRICOS 46
Un periodo de crisis se define por la caıda del tipo de cambio de un 10 por ciento
en un mes, nivel que proporciona un total de 42 crisis en el periodo Enero 1980 a Di-
ciembre 1994 (periodo de estimacion) y 14 crisis en el periodo Enero 1994 a Diciembre
1997 (periodo de simulacion). Las variables que intervienen como explicativas son:
Medida de sobrevaluacion: se supone que el tipo de cambio afecta cuando se pro-
duce en un amplio periodo de tiempo y no por variaciones puntuales. Por ello uti-
liza la desviacion acumulada del tipo de cambio real de dos anos sobre los diez anos
anteriores. La variable termina expresandola en 4 niveles que van desde gran deval-
uacion hasta gran sobrevaluacion.
Producto esperado: se utilizan como variable “proxy” de las expectativas de crec-
imiento el cambio en tres meses del precio de las acciones con un retardo. Esta vari-
able tambien recogera con su caıda subidas en los tipos de interes para defender una
moneda o la perdida de confianza de los inversores en el tipo de cambio.
Reservas: aunque existen otras alternativas para medir este efecto, tales como
reservas sobre oferta monetaria o sobre importaciones, se prefiere la utilizacion de
reservas sobre la deuda externa. Esta variable mide la presion potencial sobre la
moneda y, si bien la razon serıa preferible construirla sobre la deuda externa a corto
plazo, la ausencia de datos fuerza a esta solucion.
Contagio: se utilizan dos variables para medir el contagio, el apetito de riesgo y el
cluster. El apetito de riesgo, variable creada por JP Morgan, se mide por la relacion
entre las ganancias y el riesgo de las inversiones (ponderacion de tipos de interes
diferenciales a largo plazo y tipo de cambio). La variable cluster intenta medir el
contagio por regiones y es una medida de como una crisis vecina puede afectar a
CAPITULO 3. MODELOS EMPIRICOS 47
otro paıs. Se diferencian dos bloques: bloque Dolar y bloque euro y a la variable le
asignan tres niveles segun el numero de crisis de los seis meses anteriores.
La variable endogena es binaria, utilizandose un modelo logit para la estimacion.
Para la definicion y seleccion de periodos tranquilos realizan un promedio de cada
variable sobre todo el periodo, excepto los meses de devaluacion. A este promedio
le suman y le restan una desviacion tıpica y obtienen ası los periodos tranquilos para
el analisis.
Todas las variables resultan significativas con la excepcion del precio de las ac-
ciones y sus porcentajes de acierto sobre periodos de crisis y tranquilos son muy
elevados (90 por ciento).
3.1.2. Goldman Sachs, “Watch” (1998)
En operacion desde 1998. GS-Watch (Ades, Masih y Tenengauzer (1998)) predice la
probabilidad de una crisis en un horizonte de tres meses, definida como un prome-
dio ponderado de cambios en tres meses del tipo de cambio y reservas. Las predic-
ciones son generadas a traves de una regresion logit en la que todas las variables
explicativas son convertidas en senales cero/uno. Los predictores incluyen funda-
mentales macroeconomicas tales como medidas de booms de credito, desalineacion
del tipo de cambio real, crecimiento de las exportaciones, crecimiento de las reser-
vas, y requerimientos financieros externos, ası como cambios en los precios de las ac-
ciones, riesgo polıtico, contagio y liquidez global. Las dos ultimas variables son me-
didas continuamente, lo que hace que las probabilidades de crisis sigan una trayec-
toria suave. Mientras la inclusion del riesgo polıtico hace sentido, la variable simple
cero/uno (toma el valor de uno alrededor del tiempo de elecciones, una revolucion,
CAPITULO 3. MODELOS EMPIRICOS 48
una huelga o bien cuando tiene lugar alboroto grande) solo captura parcialmente
este tipo de riesgo. El modelo estima usando datos mensuales, pero las predicciones
son actualizadas semanalmente para incluirlas en los reportes de los analistas. En
base semanal, cambios en la variable de contagio conduce mucho del movimiento
de las predicciones de crisis. El contagio es medido para cada paıs como un prome-
dio ponderado de variaciones en el tipo de cambio y reservas de los otros paıses en la
muestra, en las que las ponderaciones son la relacion historica en esos ındices entre
paıses.
3.1.3. Credit Suisse First Boston “Emerging Markets Risk Indica-
tor” (2000)
CSFB modifico su modelo en Septiembre del 2000, cambiando algunos de los pre-
dictores y reduciendo el numero de variables (Roy y Tudela (2001)). Un modelo log-
it predice la probabilidad a un mes de una depreciacion mayor al 5 por ciento y al
menos el doble de la depreciacion del mes anterior. Las variables son estandarizadas,
esto es, medidas con respecto a la media y varianza del paıs especıfico para esa vari-
able. Muchas variables similares a otros modelos son incluidas: desviaciones del tipo
de cambio real de la tendencia, la razon deuda a exportaciones, el crecimiento del
credito al sector privado, cambios en el producto, reservas a importaciones, cambios
en los precios de las acciones, precios del petroleo y una variable dummy de conta-
gio regional, medidas simplemente como el numero de paıses en la region que han
experimentado recientemente una crisis.
CAPITULO 3. MODELOS EMPIRICOS 49
3.1.4. Deutsche Bank, “Alarm Clock” (2000)
El modelo DBAC define por separado “eventos” de tipo de cambio y tasa de in-
teres como depreciaciones mayores a un cierto tamano (estimados por separado para
niveles que fluctuan entre 5 y 25 por ciento) e incrementos en las tasas de interes del
mercado de dinero de mas de 25 por ciento en un mes (Garber, Lumsdaine y Van
der Leij (2000)). Usa una metodologıa de estimar conjuntamente la probabilidad de
estos dos tipos de eventos, permitiendo que simultaneamente un evento de tasa de
interes afecte la probabilidad de una crisis de tipo de cambio y la probabilidad de un
evento de depreciacion afecte las predicciones de una crisis de tasa de interes. Relati-
vamente pocos predictores son incluidos en el modelo de evento de tipo de cambio:
cambios en los precios de las acciones, credito domestico, produccion industrial y
desviaciones del tipo de cambio real, ası como una variable de contagio. Todos los
modelos de los bancos de inversion reclaman que los inversionistas que usen estrate-
gias de comercio basados en sus modelos pueden ganar utilidades substanciales en
un periodo en particular. DBAC anade un giro a estos calculos proponiendo una
“accion de umbral” para identificar niveles de probabilidad lımite, en los cuales una
alarma deberıa ser escuchada y los inversionistas deberıan cambiar sus posiciones.
El control es calculado para maximizar beneficios, asumiendo una estrategia en la
que el inversionista estara largo en moneda local cuando la probabilidad de una de-
preciacion este por abajo del umbral y corto siempre que la probabilidad cruce por
encima del umbral.
3.1.5. Citigroup (2003)
Desarrollado por Mills y Omarova (2003) es muy similar a la aproximacion de senales
de Kaminsky, Lizondo y Reinhart (1997) la diferencia estriba en el calculo del um-
CAPITULO 3. MODELOS EMPIRICOS 50
bral optimo y en que unicamente utilizan 8 variables, aquellas con razones ruido a
senal menores a 0.6 en la estimacion de Goldstein, Kaminsky y Reinhart (2000) con
la restriccion de que no contengan informacion parecida. La razon ruido a senal es
construida de tal manera que no es tan importante enviar falsas senales, sino perder
crisis de la siguiente manera: Sea a (T) la probabilidad condicional de errores tipo
I asociados con el umbral T, Sea b (T) la probabilidad condicional de errores tipo
II asociados con el umbral T. Se busca un umbral de tal manera que la probabili-
dad no condicional de los dos tipos de errores sea igual. Sea w la probabilidad no
condicional de crisis. Hay que minimizar a (T) w tal que b (T) (1− w) ≤ a(T)w. En
la estimacion, incluyen 17 paıses para el periodo 1980-2001. Por ultimo, construyen
un indicador compuesto ponderando las senales por la inversa de su razon ruido a
senal.
3.2. Los modelos academicos
3.2.1. Sachs, Tornell y Velasco (1996)
Sachs, Tornell y Velasco (1996) analizan el impacto de la crisis en Mexico de Diciem-
bre de 1994 en otros mercados emergentes en 1995. Examinan los determinantes de
la magnitud de las crisis cambiarias en un corte transversal de 20 paıses en 1995.
Esta aproximacion no espera determinar el momento exacto de las crisis. En cambio,
puede establecer que paıses tienen mayor probabilidad de sufrir ataques serios ante
un cambio en el escenario global. Esta aproximacion es potencialmente atractiva, in-
cluso para nuestros propositos, por muchas razones. Sin embargo, los determinantes
de episodio de crisis pueden haber variado de manera importante en el tiempo. STV
pueden imponer una estructura economica a su analisis enfocandose en un conjun-
CAPITULO 3. MODELOS EMPIRICOS 51
to particular de crisis (aquellas que ocurren en un momento especıfico). STV argu-
mentan que un rasgo esencial de la crisis de 1995 fue que el ataque golpeo a paıses
vulnerables. En un panico racional, los inversionistas identificaron a un paıs como
probable a sufrir una gran devaluacion de frente a una salida de capitales, y vali-
daron sus propias preocupaciones abandonando el paıs. Por lo tanto, paıses con un
tipo de cambio sobrevaluado y un sistema bancario debil fueron sujetos a ataques
mas fuertes, pero solo si tenıan pocas reservas relativas a deuda (de tal manera que
no podıan acomodar la salida de capitales facilmente) y fundamentales debiles (por
lo que combatir el ataque con tasas de interes mas altas hubiera sido muy costoso).
El STV no fue disenado para predecir crisis futuras sino para explicar los eventos de
1995. Su habilidad de prediccion se limita a crisis que compartan las mismas carac-
terısticas.
STV define un ındice de crisis como una suma ponderada de caıdas en reservas y
depreciacion del tipo de cambio, de Noviembre de 1994 a Abril de 1995. Argumentan
que los paıses tienen ataques mas severos cuando los sistemas bancarios eran debiles
(aproximado como una variable de boom de credito (LB)) miden el crecimiento en
el credito en el sector privado 1990 a 1994) y cuando el tipo de cambio estaba so-
brevaluado (medida como el grado de depreciacion de 1986-89 a 1990-94 (RER)).
Sin embargo, encontraron que estos factores solo importan para paıses con reservas
bajas (DLR), medidas como tener una razon reservas/M2 en el cuartil mas bajo, y
“fundamentales debiles” (DWF), lo que se traduce como tener el RER en el los tres
cuartiles mas bajos o LB en los tres cuartiles mas altos.
Por lo que estiman para los i paıses de la muestra una ecuacion de la forma:
INDi = β1 + β2RERi + β3LBi + β4RERi •DLRi + β5LBi •DLRi + β6RERi •DWFi + B7LBi •DWFi + εi
CAPITULO 3. MODELOS EMPIRICOS 52
Los resultados enfatizados por STV son, primero, el efecto de RER es negativo y
significativo para paıses con reservas bajas y fundamentales debiles (la suma de los
estimados de β2 + β4 + β6 es negativa), y el efecto de LB es positivo y significativo
para esos mismos paıses (la suma de los estimados de β3 + β5 + β7 es positivo).
Adicionalmente, muestran que el ajuste es alto ya que el estadıstico R2 es de 0.69 por
lo que concluyen que el modelo explica adecuadamente el patron de contagio.
3.2.2. Frankel y Rose (1996)
Frankel y Rose (1996), metodologıa de regresion probit, estiman la probabilidad de
una crisis cambiaria usando datos anuales para mas de 100 paıses en desarrollo para
el periodo 1971-92. El uso de datos anuales restringe la aplicacion de la aproximacion
como un sistema de alerta temprana, pero permite analizar variables como la com-
posicion de la deuda externa que solo esta disponible en esa frecuencia. FR prueban
la hipotesis que ciertas caracterısticas de los flujos de capital estan positivamente
relacionados con la ocurrencia de crisis: baja proporcion de inversion extranjera di-
recta, baja proporcion de deuda concesionada o de bancos de desarrollo multilat-
erales, y alta proporcion de deuda del sector publico, a tasa variable, a corto plazo
y deuda de bancos comerciales. FR definen una crisis como depreciacion del tipo de
cambio nominal de 25 % que ademas exceda la del ano anterior por 10 %. Por lo que
el tipo de crisis consideradas son ataques especulativos correctamente defendidos
por las autoridades a traves de ventas de reservas o incrementos en las tasas de in-
teres. FR argumenta que es mas difıcil identificar defensas exitosas debido a que los
movimientos de reservas son medidas ruidosas de intervencion en el mercado cam-
biario y las tasas de interes estaban controladas por largos periodos en la mayorıa
de los paıses de la muestra. Concluyeron que la probabilidad de una crisis aumenta
CAPITULO 3. MODELOS EMPIRICOS 53
cuando las tasas de interes externas son altas, el crecimiento del credito interno es
alto, el tipo de cambio esta sobrevaluado relativo al nivel promedio del paıs, el deficit
fiscal y en cuenta corriente son altos como proporcion del PIB, la deuda externa con-
cesionada es pequena y la IED es pequena relativa al total de la deuda externa.
3.3. Los modelos de los bancos centrales
3.3.1. Division de Desarrollos Externos del BCE (2002)
Bussiere y Fratzscher (2002) utilizan un ındice de presion en el mercado cambiario, el
cual se construye como un promedio ponderado de variaciones en el tipo de cambio
nominal, reservas y tasas de interes a fin de observar tanto ataques especulativos
exitosos como aquellos que no lo son. Se define una crisis cambiaria como un evento
en que este ındice supere su media mas dos desviaciones estandar y el horizonte de
prediccion es 12 meses. Se usa una metodologıa de regresion logit con las siguientes
variables: sobrevaluacion, cuenta corriente como proporcion del PIB, deuda a corto
plazo a reservas, crecimiento en el PIB, credito interno e interdependencia financiera
como una medida de contagio. Para hacer la estimacion seleccionaron una muestra
de 32 paıses en el periodo 1993:12-2001:9.
3.4. Los modelos utilizados en el FMI
3.4.1. Kaminsky, Lizondo y Reinhart (1997)
Es uno de los dos modelos que utiliza el FMI en sus actividades de vigilancia con una
ligera modificacion que consiste en agregarle dos variables mas, la cuenta corriente
y el nivel de reservas a M2.
CAPITULO 3. MODELOS EMPIRICOS 54
Kaminsky, Lizondo y Reinhart (1997) examinaron una gran variedad de indicadores
potenciales en un intento de determinar si podıan ser usados en un SAT para crisis
cambiarias. Revisaron 25 estudios empıricos que cubrıan crisis desde inicio de los
anos cincuenta hasta mediados de los anos noventa, en los cuales se incluıan 105
indicadores potenciales que los autores agruparon en seis categorıas (Una lista de-
tallada de los indicadores se puede encontrar en el apendice A):
1.- El Sector Externo.
2.- El Sector Financiero.
3.- El Sector Real.
4.- Finanzas Publicas.
5.- Variables Institucionales y Estructurales.
6.- Variables Polıticas.
Entonces evaluaron los indicadores considerando el numero de estudios, en los
cuales eran empleados y de estos, seleccionaron los que eran estadısticamente signi-
ficativos. A partir de ahı, llegaron a las siguientes conclusiones:
X La comparacion de resultados entre varios documentos considerados no pro-porcionan una respuesta clara en lo que concierne a la utilidad de cada uno delos indicadores potenciales de crisis cambiarias...A pesar de estas dificultades,pueden derivarse un buen numero de conclusiones. La primera conclusion esque un sistema de alerta efectivo deberıa considerar un amplia variedad deindicadores; las crisis cambiarias parecen ser precedidas por multiples prob-lemas economicos y a veces polıticos. La evidencia revisada aquı apunta a lapresencia de desequilibrios internos y externos, que abarcan el lado real de laeconomıa y el sector financiero.
X Segunda, aquellas variables individuales que reciben amplio sustento de indi-cadores utiles de crisis cambiarias incluyen reservas internacionales, el tipo decambio real, el crecimiento del credito, credito al sector publico e inflacion. Los
CAPITULO 3. MODELOS EMPIRICOS 55
resultados tambien proporcionan sustento a la balanza comercial, compor-tamiento de las exportaciones, crecimiento de la emision de dinero, M2/reservasinternacionales, crecimiento real del PIB y el deficit fiscal.
X Tercera, solo conclusiones tentativas se pueden trazar de otros indicadores,primero porque han sido incluidos en uno o dos de los estudios bajo revision.Sujetos a esta advertencia, los resultados sugieren que muchas variables ex-ternas, polıticas, institucionales y financieras (diferentes de las mencionadasantes) tambien tienen algun poder predictivo.
X Cuarta, las variables asociadas con el perfil de la deuda no se desempenanbien. Tambien, al contrario de lo que se esperaba, el balance en cuenta corri-ente no recibe mucho sustento como un indicador util de crisis. Esto podrıaser porque la informacion proporcionada por el comportamiento de la cuen-ta corriente con alguna magnitud podrıa haber sido reflejado en la evoluciondel tipo de cambio real. En la mayorıa de los estudios en los que se encon-tro que la cuenta corriente no era significativa el tipo de cambio real tambienfue incluido y tuvo un efecto significativo.
X Quinta, las variables de mercado, tales como las expectativas del tipo de cam-bio1 y los diferenciales de tasas de interes no se desempenan bien en predecircrisis cambiarias, ya sea si estas han sido precedidas por deteriorados funda-mentales economicos o no.
Con esto en mente, disenaron un sistema de alerta temprana de crisis cambiarias
basado en una variedad de indicadores mensuales que senalan una crisis cuando
cruzan cierto valor crıtico. Una aproximacion variable a variable es utilizada para
monitorear el sistema basado en un metodo que indica que variables estan fuera de
lınea. La informacion de las variables por separado es combinada para producir una
medida compuesta de la probabilidad de una crisis.
Los 15 indicadores que incluyeron basados en consideraciones teoricas y la disponi-
bilidad de informacion mensual son los siguientes: reservas internacionales, im-
1 Por supuesto que las expectativas sobre el tipo de cambio de los documentos estudiados porKaminsky, Lizondo y Reinhart (1997) no estaban respaldadas por decisiones reales de los agenteseconomicos, como las que se usan en esta investigacion, sino eran simplemente el resultado de en-cuestas.
CAPITULO 3. MODELOS EMPIRICOS 56
portaciones, exportaciones, terminos de intercambio, desviaciones del tipo de cam-
bio real de la tendencia de largo plazo, el diferencial de tasa interna a externa, exceso
de saldos reales de M1, el multiplicador del dinero (de M2), credito interno como
proporcion del PIB, la tasa de interes real pasiva, la razon de tasa de interes acti-
va a pasiva, el acervo de los depositos en los bancos comerciales, la razon de M2 a
reservas, un ındice de produccion industrial y un ındice del precio de las acciones.
3.4.2. Division de Estudios de Paıses en Desarrollo del FMI (1999)
Berg et al. (2000) desarrollaron el modelo, en el espıritu de la aproximacion de senales
de Kaminsky y Reinhart (1996), utilizando datos mensuales para determinar que
variables contribuyen a la probabilidad de que una crisis ocurra en los proximos 24
meses. El concepto es tomar ventaja del poder de prediccion proporcionado por los
indicadores mensuales sugeridos por Kaminsky, Lizondo y Reinhart (1997), ası como
variables adicionales, para usarlas en una estructura econometrica similar a la de
Frankel y Rose (1996) (regresion probit). La definicion de crisis es exactamente la
misma a la del modelo KLR y unicamente utilizan cinco variables: sobrevaluacion
medida como la desviacion del tipo de cambio real de su tendencia de largo plazo,
cuenta corriente como proporcion del PIB, crecimiento de las reservas, crecimiento
en las exportaciones y deuda a corto plazo a reservas. En la estimacion mas reciente,
publicada por el FMI se tenıa la siguiente especificacion:
CAPITULO 3. MODELOS EMPIRICOS 57
Tabla 3.1: Especificacion del mod-elo de la DEPD al 2002
Variable CoeficienteConstante -3.250Sobrevaluacion 0.013Cuenta corriente 0.007Reservas internacionales 0.007Crecimiento en las exportaciones 0.002Deuda a corto plazo a reservas 0.002
Fuente: Global Financial Stability Report IMF(2002a).
CAPITULO 3. MODELOS EMPIRICOS 58Ta
bla
3.2:
Mod
elos
empı
rico
sde
cris
isca
mbi
aria
sD
EPD
1/
(Ber
g,B
oren
szte
in,M
iles
i-Fe
rret
tiy
Patt
illo
)
KLR
2/(K
amin
sky,
Lizo
ndo
yR
einh
art)
GS-
WA
TC
H3/
(Gol
dman
Sach
s)EM
RI4/
(Cre
dit
Suis
seFi
rstB
osto
n´s)
DB
Ala
rmC
lock
5/
(Deu
tsch
eB
ank)
Cri
sis
Prom
edio
pond
erad
ode
cam
bios
aun
mes
enre
serv
asy
tipo
deca
mbi
oqu
ees
ten
mas
detr
esve
-ce
s(e
spec
ıfico
por
paıs
)de
svia
-ci
ones
esta
ndar
por
enci
ma
del
prom
edio
delp
aıs
Igua
lala
dela
DEP
DPr
omed
iopo
nder
ado
deca
m-
bios
atr
esm
eses
del
tipo
deca
mbi
oy
rese
rvas
por
enci
ma
delu
mbr
ales
pecı
fico
delp
aıs
Dep
reci
acio
n>
5%
yal
men
osel
dobl
ede
lm
esan
teri
or
Var
ios
“pun
tos
obje
tivo
”D
epre
ciac
ion
>10
%e
in-
crem
ento
enla
sta
sade
in-
tere
s>
25%
Hor
izon
te2
anos
2an
os3
mes
es1
mes
1m
esM
etod
oR
egre
sion
Prob
itco
nla
sva
riab
les
inde
pend
ient
esm
edid
asen
(es-
peci
ficad
opa
raca
dapa
ıs)
term
i-no
sde
perc
enti
les
Pond
erac
ione
s(p
orfr
ecue
n-ci
asde
pred
icci
ones
corr
ec-
tas)
del
prom
edio
delo
sin
-di
cado
res.
Var
iabl
esm
edid
asco
mo
indi
cado
res
0/1
basa
-do
sal
umbr
alel
egid
opa
ram
inim
izar
lara
zon
ruid
oa
sena
l
Reg
resi
onlo
git
con
lam
ay-
orıa
dela
sva
riab
les
inde
pen-
dien
tes
med
idas
com
oin
di-
cado
res
0/1
basa
dos
enum
-br
ales
enco
ntra
dos
enau
tore
-gr
esio
nco
ndu
mm
y(S
ETA
R)
Reg
resi
onlo
git
con
vari
able
sin
depe
n-di
ente
sm
edid
asen
loga
ritm
os,c
alcu
lada
sco
mo
desv
iaci
ones
dela
med
iay
esta
ndar
izad
as
Logi
tdo
s-si
stem
asde
ecua
cion
essi
mul
tane
asde
“eve
ntos
”so
bre
elti
pode
cam
bio
yta
sas
dein
tere
sde
dife
rent
esm
agni
tud
Var
iabl
esSo
brev
alua
cion
Sobr
eval
uaci
onSo
brev
alua
cion
Sobr
eval
uaci
onSo
brev
alua
cion
Cue
nta
corr
ient
eC
uent
aco
rrie
nte
6/Pe
rdid
ade
rese
rvas
Perd
ida
dere
serv
asC
reci
mie
nto
dela
sex
port
acio
nes
Cre
cim
ient
ode
las
expo
rta-
cion
esC
reci
mie
nto
enla
sex
port
a-ci
ones
Deu
da/E
xpor
taci
ones
Deu
daa
cort
opl
azo/
Res
erva
sR
eser
vas/
M2
(niv
el)6
/R
eser
vas/
M2
(cre
cim
ient
o)R
eser
vas/
M2
(niv
el)
Cre
cim
ient
ode
lcr
edit
odo
mes
tico
Req
ueri
mie
ntos
Fina
ncie
ros
Cre
cim
ient
ode
lcr
edit
oal
sect
orpu
blic
o
Cam
bio
enel
mul
tipl
icad
orde
ldin
ero
Res
erva
s/Im
port
acio
nes
(niv
el)
Prod
ucci
onin
dust
rial
Tasa
dein
tere
sre
alPr
ecio
delp
etro
leo
Cre
cim
ient
ode
lcr
edit
oin
tern
oEx
ceso
deba
lanc
esen
M1
Mer
cado
acci
onar
ioC
reci
mie
nto
enel
prec
iode
las
acci
ones
Mer
cado
acci
onar
io
Cre
cim
ient
ode
lPIB
Even
tos
polıt
icos
Liqu
idez
glob
alC
onta
gio
Con
tagi
opo
rre
gion
Con
tagi
ode
valu
ator
ioC
onta
gio
depr
esio
nen
elm
erca
doD
umm
ies
regi
onal
esEv
ento
deta
sade
inte
res
Fuen
te:B
erg,
Bore
nszt
ein
yPa
ttill
o(2
004)
.1/
Berg
,Bor
ensz
tein
,Mile
si-F
erre
ttiy
Patt
illo
(199
9).
2/K
LR:K
amin
sky,
Lizo
ndo
yR
einh
art(
1997
).3/
Gol
dman
Sach
s–A
des,
Mas
ihy
Tene
ngau
zer
(199
8).
4/C
redi
tSui
sse
Firs
tBos
ton—
Roy
yTu
dela
(200
1).
5/D
euts
che
Bank
–Gar
ber,
Lum
sdai
ney
van
der
Leij
(200
0).
6/N
oes
tan
incl
uida
sen
elm
odel
oK
LRor
igin
al.
El Desempeno de los Modelos
“Un economista es un experto que sabra manana porque las cosas que predijo ayer no sucedieron hoy”.
Laurence J. Peter
Hay numerosos estudios que han evaluado los SAT para medir su desempeno den-
tro y fuera de la muestra el mas reciente es el de Berg, Borensztein y Pattillo (2004)
en la que se evaluaron los dos modelos que se utilizan en el FMI y dos modelos de
bancos de inversion con los siguientes resultados:
Tabla 4.1: Desempeno de los modelos fuera de la muestra
1999:1-2000:12 1999:1-2001:4 2000:8-2001:8
DEPD KLR GS CSFB
Porcentaje de observaciones llamadas correctamente 72 76 50 83
Porcentaje de crisis llamadas correctamente1/ 31 58 54 27
Senales falsas como porcentaje del total de senales2/ 78 65 87 96
Probabilidad de que haya una crisis dado que hubo una senal3/ 22 35 14 4
Probabilidad de que haya una crisis dado que no hubo senal4/ 14 9 12 2
Fuente: Berg, Borensztein y Pattillo (2004).
1/ Numero de periodos pre-crisis correctamente llamados como proporcion del total de periodos pre-crisis.
2/ Una senal falsa es una observacion con una probabilidad estimada de crisis por encima de un cierto umbral y que no es
seguida por una crisis.
3/ Numero de periodos pre-crisis llamados correctamente como proporcion del total de periodos pre-crisis pronosticados.
4/ Numero de periodos donde se predijo tranquilidad y ocurrio una crisis como proporcion del total de periodos de
tranquilidad pronosticados.
59
CAPITULO 4. EL DESEMPENO DE LOS MODELOS 60
Como se observa en la tabla 4.1, el desempeno de los modelos fuera de la muestra
es aceptable; el mas acertado en cuanto al porcentaje de crisis llamadas correcta-
mente como se menciono anteriormente es el Kaminsky, Lizondo y Reinhart (1997)
con un 58 %.
El Modelo Goldstein, Kaminsky y Reinhart GKR
(2000)
“Todos los modelos estan equivocados, pero algunos son utiles”.
George Box
Este modelo es una modificacion al desarrollado por Kaminsky, Lizondo y Rein-
hart (1997); se evaluaron nueve variables adicionales de las cuales solo se conser-
varon seis y de las quince considerados originalmente se descartaron otras tres. En-
tre ellas se descartaron los llamados “indicadores de mercado” de default y riesgo
cambiario—diferenciales de tasas y cambios en la calificacion crediticia al no antici-
par crisis cambiarias.
5.1. Metodologıa
Para estimarlo se seleccionaron los siguientes paıses para el periodo 1970-1995:
• Africa: Sudafrica
• Asia: Indonesia, Malasia, Filipinas, Corea del Sur, Tailandia.
• Europa y el Medio Este: Republica Checa, Dinamarca, Egipto, Finlandia, Grecia,Israel, Noruega, Espana, Suecia, Turquıa.
• Latinoamerica: Argentina, Bolivia, Brasil, Chile, Colombia, Mexico, Peru, Uruguay,Venezuela
61
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)62
La premisa basica de la aproximacion de senales es que la economıa tiene un com-
portamiento “anomalo” en la vıspera de una crisis cambiaria y que este compor-
tamiento aberrante tiene un patron sistematico recurrente. Este patron se manifies-
ta en la evolucion de un extenso sistema de indicadores economicos y financieros.
La evidencia empırica proporciona amplio sustento para esta premisa. Para imple-
mentar la aproximacion de senales, se necesita clarificar varios conceptos claves que
seran usados en el analisis.
5.1.1. Identificacion de crisis cambiarias
Una crisis cambiaria es definida como una situacion en la que un ataque a la divisa
lleva a una substancial perdida de reservas, a una depreciacion pronunciada o a am-
bas si el ataque especulativo tiene exito. Esta definicion de crisis cambiarias tiene la
ventaja de ser lo suficientemente comprensible para capturar no unicamente ataques
especulativos a un tipo de cambio fijo (por ejemplo, la experiencia de Tailandia antes
del 2 de Julio de 1997) sino tambien ataques que obligan una gran devaluacion mas
alla de las reglas establecidas en un regimen fijacion deslizable o de bandas (por
ejemplo, la ampliacion de la banda en Indonesia antes de la flotacion de la Rupia el
14 de Agosto de 1997)- Como la perdida de reservas tambien cuenta, el ındice tam-
bien captura ataques especulativos sin exito (por ejemplo, la perdida de reservas en
Argentina al desatarse la crisis en Mexico en 1994). Se construye un ındice de turbu-
lencia en el mercado cambiario como un promedio ponderado de variaciones en el
tipo de cambio y reservas. La tasa de interes fue excluida, debido a que muchos mer-
cados emergentes en muestra tenıan controles de tasas de interes en el periodo de
estudio. El ındice, ITMCi,t, es un promedio ponderado del cambio porcentual men-
sual del tipo de cambio nominal , 4e/e, y las reservas internacionales, 4R/R, con
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)63
ponderaciones tales que los dos componentes del ındice tengan las mismas volatili-
dades:
ITMCi,t = (4e/e)− (σe/σR) ∗ (4R/R) (5.1)
Donde σe, es la desviacion estandar de las variaciones en el tipo de cambio y σR
es la desviacion estandar del cambio en las reservas. Como las variaciones en el
tipo de cambio entran con ponderacion positiva y los cambios en reservas tienen
ponderacion negativa, las lecturas de este ındice ITMCi,t que esten tres desviaciones
estandar (DE) o mas por encima de su media son catalogadas como crisis.
CCi,t =
{1 si ITMCi,t > ITMCi + 3DE (ITMCi)
0 en cualquier otro punto(5.2)
Para paıses en la muestra que hayan experimentado hiperinflacion, la construc-
cion del ındice de turbulencia en el mercado cambiario fue modificada. Mientras
una devaluacion del 100 % puede ser traumatica para un paıs con baja a modera-
da inflacion, una devaluacion de esa magnitud es comun para paıses con episodios
de hiperinflacion. Un solo ındice para paıses que han tenido episodios de hiperin-
flacion podrıa perder devaluaciones grandes y perdida de reservas en los periodos
de inflacion moderada porque los episodios de inflacion alta distorsionaran la me-
dia historica. Para evitar esto, se divide la muestra conforme a si la inflacion en los 6
meses previos es mayor a 150 % y luego se construye un ındice para esa submuestra.
Las fechas de las crisis cambiarias, derivadas de este ındice, concuerdan bien con
las fechas que se hubieran obtenido si se definen crisis basandose exclusivamente en
eventos, tales como el cierre de los mercados cambiarios o por cambios en el regimen
de tipo de cambio como se muestra en la tabla 5.1.
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)64
Tabla 5.1: Crisis cambiarias 1970-1995Paıs Crisis cambiaria Paıs Crisis cambiariaArgentina Junio 1975 Abril 1983
Febrero 1981 Septiembre 1986Julio 1982 Agosto 1997Septiembre 1986Abril 1989 Israel Noviembre 1974Febrero 1990 Noviembre 1977
Octubre 1983Bolivia Noviembre 1982 Julio 1984
Noviembre 1983Septiembre 1985 Malasia Julio 1975
Agosto 1997Brasil Febrero 1983
Noviembre 1986 Mexico Septiembre 1976Julio 1989 Febrero 1982Noviembre 1990 Diciembre 1982Octubre 1991 Diciembre 1994
Chile Diciembre 1971 Noruega Junio 1973Agosto 1972 Febrero 1978Octubre 1973 Mayo 1986Diciembre 1974 Diciembre 1992Enero 1976Agosto 1982 Peru Junio 1976Septiembre 1984 Octubre 1987
Colombia Marzo 1983 Sudafrica Septiembre 1975Febrero 1985 Julio 1981
Julio 1984Dinamarca Mayo 1971 Mayo 1996
Junio 1973Noviembre 1979 Corea del Sur Junio 1971Agosto 1993 Diciembre 1974
Enero 1980Egipto Enero 1979 Octubre 1997
Agosto 1989Junio 1990 Republica Checa Mayo 1997
Espana Febrero 1976 Suecia Agosto 1977Julio 1977 Septiembre 1981Diciembre 1982 Octubre 1982Febrero 1986 Noviembre 1992Septiembre 1992Mayo 1993 Tailandia Noviembre 1978
Julio 1981Filipinas Febrero 1970 Noviembre 1984
Octubre 1983 Julio 1997Junio 1984Julio 1997 Turquıa Agosto 1970
Enero 1980Finlandia Junio 1973 Marzo 1994
Octubre 1982Noviembre 1991 Uruguay Diciembre 1971Septiembre 1992 Octubre 1982
Grecia Mayo 1976 Venezuela Febrero 1984Noviembre 1980 Diciembre 1986Julio 1984 Marzo 1989
Mayo 1994Indonesia Noviembre 1978 Diciembre 1995
Fuente: Goldstein, Kaminsky y Reinhart (1998).
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)65
5.1.2. Los Indicadores
Ademas de los 15 indicadores de alerta temprana, originalmente considerados en
Kaminsky, Lizondo y Reinhart (1998), se evaluo la habilidad de nueve indicadores
adicionales que figuran en la literatura teorica de crisis cambiarias y en las discu-
siones de estos eventos. Los indicadores usados fueron las reservas internacionales
(en dolares), importaciones (en dolares), exportaciones (en dolares), los terminos de
intercambio (definidos como el valor unitario de las exportaciones sobre el valor uni-
tario de las importaciones), desviaciones del tipo de cambio real de la tendencia de
largo plazo (medidas en terminos porcentuales), el diferencial entre la tasa de interes
pasiva interna y externa (tasas mensuales, deflactada usando precios al consumidor
y medidas en puntos porcentuales), “exceso” de M1, el multiplicador del dinero (de
M2), la razon de credito interno a PIB, la tasa de interes real pasiva (tasas mensu-
ales, deflactada usando precios al consumidor y medida en puntos porcentuales),
la razon de tasa de interes activa a pasiva (nominal), el acervo de los depositos en
los bancos comerciales (en terminos nominales), la razon de dinero en circulacion
(convertido a divisa extranjera) a reservas internacionales, un ındice de la produc-
cion industrial, y un ındice de los precios de las acciones (en dolares). Todas estas
series son mensuales. Las ligas entre indicadores de alerta temprana particulares y
las teorıas subyacentes de crisis cambiarias son discutidas con algun detalle en el
capitulo 2. Volviendo a los nueve “nuevos” indicadores que introdujeron, cuatro de
ellos son expresados como porcentaje del PIB. Estos son cuenta corriente, entradas
de capital de corto plazo, inversion extranjera directa, y deficit fiscal. Adicionalmente,
se observan las tasas de crecimiento en las siguientes variables (las tres primeras co-
mo porcentaje del PIB y la cuarta como fraccion de la inversion): el gasto publico,
credito del Banco Central al sector publico, credito neto al sector publico y la cuenta
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)66
Tabla 5.2: Indicadores adelantados de crisis cambiariasIndicador Transformaciones Frecuencia de los datosProduccion industrial Tasa de crecimiento en 12 meses MensualPrecio de las acciones Tasa de crecimiento en 12 meses MensualReservas internacionales Tasa de crecimiento en 12 meses MensualDiferencial de tasas de interes real interna a externa Nivel MensualExceso de saldos reales de M1 Nivel MensualM2/Reservas internacionales Tasa de crecimiento en 12 meses MensualDepositos bancarios Tasa de crecimiento en 12 meses MensualMultiplicador de M2 Tasa de crecimiento en 12 meses MensualCredito interno/PIB Tasa de crecimiento en 12 meses MensualTasa de interes real de los depositos Nivel MensualRazon de tasa de interes activa a pasiva Nivel MensualTipo de cambio real Desviacion de la tendencia MensualExportaciones Tasa de crecimiento en 12 meses MensualImportaciones Tasa de crecimiento en 12 meses MensualTerminos de intercambio Tasa de crecimiento en 12 meses MensualCalificacion crediticia de Moody´s Cambio en un mes MensualCalificacion de credito soberano de Institutional Investors Cambio semestral SemestralGasto publico/PIB Tasa de crecimiento anual AnualDeficit publico/PIB Nivel AnualCredito neto al sector publico/PIB Nivel AnualCredito al sector publico por parte del Banco Central/PIB Nivel AnualFlujos de capital de corto plazo/PIB Nivel AnualInversion extranjera directa/PIB Nivel AnualCuenta corriente/PIB Nivel AnualCuenta corriente/Inversion Nivel Anual
Fuente: Goldstein, Kaminsky y Reinhart (2000).
corriente. La ultima medida de la cuenta corriente fue motivada por la vision par-
ticularmente popular a principios de la crisis de Mexico 1994-95, que grandes deficits
en cuenta corriente son mas preocupantes si se originan debido a bajos niveles de
ahorro en oposicion a altos niveles de inversion. Los eventos en Asia—una region
caracterizada por excepcionalmente altos niveles de ahorro e incluso mayores nive-
les de inversion—han llevado a una reevaluacion de esta vision. Tambien se obser-
varon dos medidas de calificaciones de credito soberano. Como la mayorıa de los
nuevos indicadores no estan disponibles en frecuencias mensuales ni trimestrales,
son usados datos anuales. La tabla 5.2 proporciona una lista de los indicadores que
se examinaron, su periodicidad, y las transformaciones que se usaron.
Goldstein, Kaminsky y Reinhart (2000) examinaron el desempeno de las califi-
caciones de credito soberano cuando se trata de “predecir” crisis financieras. Es-
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)67
pecıficamente examinaron el comportamiento de las calificaciones de Institutional
Investor y Moody´s.
En la mayorıa de los casos se centraron en cambios en 12 meses en las variables.
Esta transformacion tiene muchos rasgos convenientes. Primero, elimina el proble-
ma de no estacionariedad de los niveles de las variables. Tambien hace a los indi-
cadores mas comparables entre paıses y en el tiempo. Algunos de los indicadores
tienen un patron estacional muy fuerte, que lleva a que la transformacion lo corrija.
Para algunos indicadores, tales como el precio de las acciones, contemplaron usar
una medida de sobre o subvaluacion. Sin embargo, el comportamiento empırico de
la mayorıa de los modelos de precio de activos no es lo suficientemente fuerte para
justificar tal ejercicio.
Para las variables mensuales (con la excepcion de la desviacion del tipo de cam-
bio real de la tendencia, exceso de M1, y las tres variables basadas en tasas de in-
teres), el indicador de un mes dado fue definido como cambio porcentual en el nivel
de la variable con respecto a su nivel un ano antes. Este filtro tiene muchos rasgos
atractivos: reduce el “ruido” de trabajar con datos mensuales, facilita la compara-
cion entre paıses, y asegura que las variables sean estacionarias con momentos bien
definidos.
Regresando a las calificadoras de valores, Institutional Investor construye un ındice
que aumenta con el incremento en la capacidad de pago y va de 0 a 100; el ındice es
publicado dos veces al ano y es publicado en Marzo y Septiembre, por lo que Gold-
stein, Kaminsky y Reinhart (2000) trabajaron con el cambio porcentual en 6 meses
en la calificacion del ındice. Para Moody´s Investor Services, son usados cambios
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)68
mensuales en la calificacion. Una baja de calificacion toma el valor de menos uno;
el ındice sin cambios toma el valor de cero, y una alza toma el valor de uno. Como
las calificaciones de Moody’s toman valores de 1 a 16, trabajaron con cambios en la
calificacion que toman en cuenta la magnitud del cambio.
5.1.3. El Horizonte de Prediccion
Se define como una senal (aun no definida) a una desviacion del comportamiento
“normal” en un indicador. Por ejemplo, una inusual caıda en el precio de las acciones
o terminos de intercambio puede senalar una futura crisis cambiaria. Si un indicador
envıa una senal que es seguida de una crisis en un tiempo plausible, la llaman una
buena senal. Si la senal no es seguida de una crisis en ese intervalo, la llaman una
falsa alarma o ruido. La ventana de senalizacion para crisis cambiarias se fija a priori
en 24 meses antes de la crisis. Si, en cambio, una caıda inusualmente grande en el
precio de las acciones ocurre 28 meses antes de la crisis, la senal caera fuera de la
ventana de senalizacion y sera etiquetada como una falsa alarma.
Goldstein, Kaminsky y Reinhart (2000) consideraron ventanas de senalizacion al-
ternativas (12 y 18 meses) como parte del analisis de sensibilidad. Mientras los re-
sultados de la ventana de 18 meses fueron similares a los que obtuvieron con 24
meses, la ventana de 12 meses probo ser muy restrictiva. Especıficamente, muchos
de los indicadores que usaron, incluyendo tipos de cambio reales y ciclos de credito,
senalaron relativamente temprano (consistentes con ciclo lento), y la ventana mas
corta de 12 meses penalizaba esas senales tempranas etiquetandolas como falsas
alarmas.
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)69
5.1.4. Los Umbrales
Se quiere probar la hipotesis nula de que la economıa esta en un “estado de tranquil-
idad” contra una hipotesis alternativa que una crisis va a ocurrir en algun momento
de los proximos 24 meses. Se desea probar esta hipotesis indicador por indicador.
Como en cualquier prueba de hipotesis, esto nos lleva a elegir un umbral o valor
crıtico que divide la distribucion de probabilidad de ese indicador en una region
que es considerada improbable bajo la hipotesis nula—la region de rechazo. Si el re-
sultado observado para una variable particular cae en la region de rechazo, se dice
que esa variable esta enviando una senal.
Para seleccionar el umbral optimo para cada indicador, permitieron que el tamano
de la region de rechazo oscilara entre 1 y 20 por ciento. Para cada eleccion fue calcula-
da la razon ruido a senal y el conjunto “optimo” de umbrales se definio como aquel
que minimiza la razon ruido a senal—esto es, la razon de senales falsas a senales
buenas, en la seccion 5.1.5 se explica este procedimiento a detalle.
La tabla 5.3 enlista los umbrales para todos los indicadores de crisis cambiarias.
Por ejemplo, el umbral para inversion extranjera directa como porcentaje del PIB es
de 16 por ciento. Esto transmite dos tipos de informacion. Primero, indica que el 16 %
de todas las observaciones en nuestra muestra (para esta variable) son consideradas
senales. Segundo, realza que la region de rechazo esta localizada en la cola inferior de
la distribucion de frecuencias, lo que significa que una inversion extranjera directa
baja llevara al rechazo de la hipotesis nula de tranquilidad a favor de la hipotesis
alternativa de que una crisis esta gestandose.
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)70
Tabla 5.3: Umbrales optimosIndicador PercentilDepositos bancarios 15Credito al sector publico por parte del Banco Central/PIB 90Calificacion de credito soberano de (Institutional Investor) 11Saldo en cuenta corriente/PIB 20Saldo en cuenta corriente/Inversion 15Credito interno/PIB 88Diferencial de tasas de interes real interna a externa 89Exceso de saldos reales de M1 89Exportaciones 10Inversion extranjera directa/PIB 16Gasto publico/PIB 90Importaciones 90Razon de tasa de interes activa a pasiva 88Multiplicador de M2 89M2/Reservas internacionales 90Credito neto al sector publico/PIB 88Produccion industrial 10Deficit publico/PIB 10Tipo de cambio real 10Tasa de interes real de los depositos 88Reservas internacionales 10Flujos de capital de corto plazo/PIB 85Precio de las acciones 15Terminos de intercambio 10
Fuente: Goldstein, Kaminsky y Reinhart (2000).
Mientras el umbral o percentil que define el tamano de la region de rechazo es
uniforme para todos los paıses para cada indicador, a los valores especıficos para ca-
da paıs se les permite diferir. Considere la siguiente ilustracion. Hay dos paıses, uno
que ha recibido poca inversion extranjera directa (como proporcion del PIB) durante
el periodo entero, mientras el segundo recibio montos substancialmente mayores
(tambien como proporcion del PIB). El percentil 16 de la distribucion de frecuencias
del que recibe poca inversion extranjera directa puede ser tan pequeno como medio
punto porcentual del PIB y cualquier disminucion mas alla habrıa de ser considera-
da como una senal. Mientras tanto, el paıs donde la norma fue un volumen alto de
entradas de capital probablemente tiene un valor crıtico mayor; entonces solo val-
ores por debajo de, digamos 4 % del PIB, habrıan de ser considerados como senales.
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)71
Tabla 5.4: Ejemplos de umbrales especıficos por paısPaıs Valor crıtico cuenta corriente ( % of PIB) Valor crıtico deficit publico( % del PIB)Filipinas -6.0 -4.1Mexico -5.8 -9.8Noruega -6.8 -5.8
Fuente: Elaboracion propia con datos del Banco Mundial.
La tabla 5.4 ilustra “el traje a la medida” del umbral optimo, mostrando los val-
ores crıticos especıficos por paıs de la cuenta corriente como porcentaje del PIB y del
deficit publico como porcentaje del PIB para Filipinas, Mexico y Noruega. Un deficit
publico del 8 % habrıa de ser considerado una senal de crisis cambiarias futuras en
Filipinas y Noruega pero no en Mexico. Enviar una senal solo cuando el deficit publi-
co en Mexico este por encima de 9.8 % parece descabellado dados los deficits que se
estan teniendo en la economıa actualmente, pero si consideramos medidas de deficit
publico mas precisas como los requerimientos financieros del sector publico no lo
parece tanto. Ademas hay que considerar que precisamente debido a esos excesos
Mexico ha experimentado cuatro crisis cambiarias desde 1970 y que al calibrar el
modelo para todos los paıses es de esperarse que en ocasiones el percentil optimo no
sea tan bueno para alguno de ellos, como en este caso con el percentil de 10 % para
el deficit publico.
5.1.5. Clasificacion de los indicadores
Un resumen preciso de los posibles resultados se presenta en la siguiente matriz dos
por dos.
Hay crisis en los siguientes
24 meses
No hay crisis en los sigu-
ientes 24 mesesSenal A B
No senal C D
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)72
Un indicador perfecto habrıa de tener solo entradas en las celdas A y D. Por lo
tanto, con la matriz se definen conceptos utiles que usan para evaluar la habilidad
de cada indicador. Goldstein, Kaminsky y Reinhart (2000) evaluan los indicadores
de tres maneras:
1.- La diferencia entre la probabilidad condicional y la probabilidad no condicional
de crisis calculada de la siguiente manera:
P (C | S)− P (C) = (AD− CB) / (A + B) (A + B + C + D) (5.3)
La intuicion es clara: si el indicador no es “ruidoso” (propenso a enviar falsas
alarmas), habra pocas entradas en la celda B y P (C | S) sera aproximadamente
igual a uno.
2.- La razon ruido a senal, R/S que se define como:
R/S = [B/ (B + D)] / [A/ (A + C)] (5.4)
3.- Por ultimo, puede darse el caso que un indicador tenga relativamente pocas falsas
alarmas en su record de rastreo. Esto puede ser el resultado de que el indicador
rara vez emite senales. En este caso, hay tambien el peligro de que el indicador
pierda las crisis (no emite una senal y una crisis ocurre). En este caso, tambien
deseamos calcular para cada indicador la proporcion de crisis correctamente lla-
madas
PC = C/ (A + C) (5.5)
La tabla 5.5 muestra la clasificacion de los indicadores de acuerdo con su razon
ruido a senal, el porcentaje de crisis llamadas correctamente por ese indicador, la
probabilidad condicional de crisis y la diferencia entre la probabilidad condicional y
la probabilidad no condicional.
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)73
Tabla 5.5: Clasificacion de los indicadoresIndicador R/S PC P (C | S)− P (C)Tipo de cambio real 0.22 58 35.2Flujos de capital de corto plazo/PIB 0.38 43 18.5Saldo en cuenta corriente/Inversion 0.38 38 18.4Precio de las acciones 0.46 66 18.3Deficit publico/PIB 0.47 52 10Saldo en cuenta corriente/PIB 0.5 33 12.1Exportaciones 0.51 80 15M2/Reservas internacionales 0.51 75 14.9Credito al sector publico por parte del Banco Central/PIB 0.52 23 7.6Produccion industrial 0.57 71 12.5Exceso de saldos reales de M1 0.57 57 12.3Reservas internacionales 0.58 72 12.2Multiplicador de M2 0.59 72 11.6Credito interno/PIB 0.68 57 8.3Credito neto al sector publico/PIB 0.72 15 4.5Terminos de intercambio 0.74 77 6.5Tasa de interes real de los depositos 0.77 89 5.5Importaciones 0.87 59 2.9Inversion extranjera directa/PIB 1.05 24 -0.6Diferencial de tasas de interes real interna a externa 1 86 -0.1Calificacion de credito soberano de (Institutional Investor) 1.05 31 5.4Razon de tasa de interes activa a pasiva 1.32 63 -4.8Depositos bancarios 1.32 43 -5.2Gasto publico/PIB 1.44 15 -3.8
Fuente: Elaboracion propia en base a Goldstein, Kaminsky y Reinhart (2000).
5.1.6. Indice de vulnerabilidad
Aunque calculando el numero de indicadores que cruza el umbral en un determi-
nado periodo se obtiene informacion util de la vulnerabilidad de un paıs, este anali-
sis no discrimina entre los indicadores mas y menos confiables. Kaminsky (1998)
mostro como construir un “ındice compuesto” para medir la probabilidad de una
crisis condicional a senales multiples de varios indicadores; los indicadores mas con-
fiables reciben una ponderacion mayor en el ındice compuesto.
En la ponderacion de los indicadores individuales, son eliminados aquellos indi-
cadores que tengan una razon ruido a senal mayor a la unidad; esto es equivalente
a decir que su habilidad de pronostico marginal P (C | S)− P (C), es menor o igual
a cero. Aplicando este criterio, el diferencial de tasa de interes interna a externa,
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)74
la razon tasa de interes activa a pasiva, depositos bancarios, gasto publico como
proporcion del PIB, inversion extranjera directa como proporcion del PIB y la cal-
ificacion de credito soberano de Institutional Investor se descartaron. Aunque no
calcularon la razon ruido a senal para la calificacion crediticia de Moody´s mediante
una regresion probit, encontraron que un una baja de calificacion de un grado solo
incrementa la probabilidad de crisis cambiaria en un 1 % por lo que tambien se elim-
ino.1 Para los indicadores restantes con una razon ruido a senal menor a la unidad,
se ponderan las senales con la inversa de la razon ruido a senal reportadas en la tabla
5.5. Supon que el tipo de cambio real y las importaciones emiten una senal; como el
tipo de cambio real tiene una razon ruido a senal muy baja de (0.22), recibirıa una
ponderacion de 4.55 (1/0.22); en contraste, con una relativamente alta razon ruido a
senal (0.87), las importaciones recibirıan una ponderacion de solo 1.49 (1/0.87).
Formalmente, se construye el siguiente indicador compuesto,
It =n
∑j=1
Sjt/wj (5.6)
En la ecuacion 5.6, se supone que hay n indicadores. Cada indicador tiene difer-
ente habilidad para pronosticar crisis, y como antes, esta habilidad puede ser sinte-
tizada por la razon ruido a senal, denotada por wj. Sjt es una variable dummy que
es igual a uno si el indicador, Sj cruza su umbral crıtico y esta, entonces, senalando
una crisis y cero de otra manera. Como antes, la razon ruido a senal se calcula ba-
jo el supuesto que un indicador emite una senal correcta si una crisis ocurre en los
proximos 24 meses. Todas las otras senales son consideradas falsas alarmas.
1 Estudios recientes que han examinado los determinantes de las calificaciones de credito soberanoproporcionan evidencia de que estan vinculadas a fundamentales economicos. Cantor y Packer (1996)encontraron que el PIB per capita, inflacion, nivel de deuda externa e indicadores de historia dedefaults y desarrollo economico son determinantes de las calificaciones. Sin embargo de acuerdo alos resultados, estos indicadores no son importantes cuando se trata de predecir crisis cambiarias
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)75
Si los 18 indicadores emiten senales, el valor maximo de este ındice de vulnerabil-
idad compuesto es 33.23. Esto es simplemente la suma de la inversa de las razones
ruido a senal de los indicadores que se conservaron. Sin embargo es raro el caso que
todos los indicadores esten senalando.
5.1.7. El indicador compuesto y las probabilidades de crisis
Mientras lo anterior nos permite acceder a la propension relativa a una crisis entre
paıses en un punto en el tiempo—como una foto—no nos proporciona informacion
de la dinamica del proceso. Para evaluar si un paıs se vuelve mas o menos vulnerable
a una crisis en el tiempo, se necesita un continuo de tales fotos. Para hacerlo, es
conveniente vincular el indicador compuesto a una probabilidad implıcita de crisis.
Una vez que construimos este indicador compuesto, se puede proceder—como en
los indicadores individuales—a elegir un valor crıtico para el indicador compuesto
de tal manera que cuando el indicador compuesto cruce este umbral, se considere
la crisis como inminente. Como anteriormente, este umbral crıtico puede ser elegido
como aquel que minimiza la razon ruido a senal del indicador compuesto. Es mas,
se puede calcular la probabilidad de una crisis condicional al indicador compuesto
senalando una crisis (cruzando el umbral crıtico), ası como las posibilidad de crisis
cuando el indicador no esta senalando. Sin embargo, este procedimiento no nos pro-
porciona una lectura exhaustiva de de vulnerabilidad conforme se aproxima la crisis
porque es dicotomico- esto es, solo proporciona dos tipos de informacion—senal o
no senal. Tambien quieren grises en la vulnerabilidad de crisis no solo blancos y
negros.
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)76
Por lo que se analiza la distribucion empırica del indicador compuesto junto con
las ocurrencias de crisis y se estiman las probabilidades de crisis condicionales a
diferentes valores del indicador compuesto. Se desea poder evaluar cuales son las
posibilidades de crisis si ninguno de los indicadores estan senalando (cuando el
indicador compuesto toma el valor de cero) o cuando todos los indicadores estan
senalando (esto es, cuando el indicador compuesto toma su valor maximo). Pero
tambien se quiere evaluar los escenarios intermedios, que dependen de cuantos y
cuales indicadores estan senalando. Por ejemplo, se calcula la probabilidad de crisis
condicionada a saber si el valor del indicador esta en el rango 9 a 14, que como se
observa en el analisis transversal de la tabla 5.6 antes de la crisis del sureste de asia
se asocia a crisis.
Tabla 5.6: Indice de vulnerabilidad en mer-cados emergentes, 1996:6-1997:6
Paıs Indice de vulnerabilidad ClasificacionArgentina 5.41 17Bolivia 6.59 12Brasil 7.57 10Chile 5.9 15Colombia 10.59 8Corea del Sur∗ 14.57 4Egipto 6.02 14Filipinas∗ 14.4 5Grecia 14.27 6Indonesia∗ 7.54 11Israel 6.3 13Malasia∗ 12.46 7Mexico 2.82 19Peru 2.82 20Rep. Checa∗ 15.42 2Sudafrica 16.52 1Tailandia∗ 14.63 3Turquıa 8.21 9Uruguay 4.4 18Venezuela 5.82 16
Fuente: Elaboracion propia en base a Goldstein, Kaminsky yReinhart (2000).Nota: Un asterisco denota un paıs con crisis cambiaria en 1997-
1998.
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)77
En la practica, podemos construir un conjunto de probabilidades usando la in-
formacion del valor del indicador compuesto para todos los paıses en la muestra,
junto con la informacion de crisis. Las probabilidades de crisis son estimadas de la
siguiente manera:
P(C | I ≤ It ≤ I
)= A/ (A + B) (5.7)
donde I es el lımite inferior del rango en el que estamos interesados (9 en el ejemplo
anterior) y I es el lımite superior del rango en el que estamos interesados (14 en nue-
stro ejemplo). Como antes, tenemos la siguiente matriz dos por dos,
Hay crisis en los siguientes
24 meses
No hay crisis en los sigu-
ientes 24 mesesI ≤ It ≤ I A B
It /∈[I, I]
C D
Estas probabilidades son estimadas usando toda la informacion de todos los paıses
en la muestra. Una vez que estimamos estas probabilidades y usamos esta informa-
cion del numero de senales emitidas en cualquier momento, se puede construir series
de tiempo de probabilidades de crisis para cada paıs. Pmt denota la probabilidad de
crisis para un paıs m en el periodo t.
La tabla 5.7 reporta las probabilidades condicionales para crisis cambiarias usan-
do el indicador compuesto obtenidas por Goldstein, Kaminsky y Reinhart (2000).
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)78
Tabla 5.7: Indicador compuesto yprobabilidades condicionales de crisiscambiarias
Valor del ındice Probabilidad de crisis cambiaria0-1 0.11-2 0.222-3 0.183-4 0.214-5 0.275-7 0.337-9 0.469-12 0.6512-15 0.74Mas de 15 0.96
Fuente: Goldstein, Kaminsky y Reinhart (2000).
5.2. Simulacion
Al estimar el modelo GKR para 9 paıses para el periodo 1970-2004:10, se obtienen
los siguientes resultados:
Tabla 5.8: Indice de vulnerabilidad GKR,1999 y 2000
1999 2000Paıs Indice de vulnerabilidad GKR Clasificacion Indice de vulnerabilidad GKR ClasificacionCorea del Sur 1.96 3 2.84 5Filipinas∗ 3.72 2 5.41 2India 1.47 5 3.17 4Mexico 0.00 6 1.69 6Noruega 8.87 1 8.17 1Suecia 1.47 5 3.17 4Sudafrica 1.75 6 1.69 6Tailandia 2.13 4 3.45 3
Fuente: Elaboracion propia con datos del FMI y Banco Mundial.Nota: Un asterisco denota un paıs con crisis cambiaria en 2000-2002.
Para construir este ındice compuesto se omitieron los siguientes indicadores por
no contar con los datos: Credito del Banco Central al sector publico, Credito neto al
sector publico como proporcion del PIB, Flujos de capital de corto plazo/PIB, Precio
de las acciones, Terminos de intercambio, y del 2001 al 2004, para los indicadores
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)79
anuales que si se incluyeron; por lo que no se puede utilizar para obtener las proba-
bilidades de crisis de la tabla 5.7, lo que sı se rescata es la consistencia de los resulta-
dos con la crisis que se presento en Filipinas en Octubre del 2000 como se observa en
el grafico 5.2. Lo anterior indica que en el modelo uno de los dos paıses con mayor
probabilidad de crisis fue el que efectivamente sufrio una y el otro practicamente
tambien. Si bien con los resultados anteriores no se puede estimar la probabilidad
de crisis cambiarias por no contar con todas las variables, sı se puede afirmar que es
muy util para la administracion del riesgo cambiario que es el enfoque que se le da
en esta investigacion.
El grafico 5.1 muestra el ındice de vulnerabilidad de Abril de 1999 a Octubre de
2004, aunque lo usual es transformar este ındice a probabilidad de crisis, usando la
tabla 5.7 y representarlo de esa manera.
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)80
Gra
fico
5.1:
Indi
cede
vuln
erab
ilida
dG
KR
1970
-200
4:10
CAPITULO 5. EL MODELO GOLDSTEIN, KAMINSKY Y REINHART GKR (2000)81
Gra
fico
5.2:
Cri
sis
cam
biar
ias
para
los
paıs
esen
lam
uest
ra19
99:4
-200
4:10
El Modelo GKR con la Inclusion de Expectati-
vas
“Si torturas a los datos lo suficiente, naturalmente confiesan”.
Ronald Coase
Este modelo fue inspirado en las mejoras sugeridas a los Sistemas de Alerta Tem-
prana (SAT ) en el Global Financial Stability Report IMF (2002a). Basicamente se in-
corpora una variable adicional derivada del precio de las opciones del tipo de cambio
al modelo desarrollado por Goldstein, Kaminsky y Reinhart (2000) en aras de incluir
las expectativas de los agentes economicos como un “indicador de mercado” exitoso
en alertar sobre crisis cambiarias en ciernes.
6.1. Metodologıa
Con las circunstancias prevalecientes en los mercados emergentes —cuenta de capi-
tal muy abierta, tipo de cambio de flexible, etc, resulta conveniente incluir una vari-
able adicional a las que se ha demostrado son significativas: el tipo de cambio real,
flujos de capital a corto plazo como proporcion del PIB, cuenta corriente como pro-
porcion del PIB, etc. La variable a incorporar son las expectativas del tipo de cambio
extraıdas de los precios de las opciones a traves de la distribucion de probabilidad
82
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 83
implıcita.
Existen dos metodologıas para estimar funciones de densidad de los activos sub-
yacentes a traves de los precios de sus derivados; la primera requiere predefinir el
tipo de distribucion de probabilidad que sigue el precio del activo subyacente (log-
normal, mezcla de lognormales, etc.) y despues encontrar los parametros correspon-
dientes a dichas distribuciones que reflejen de mejor manera los precios observados
y la de interpolacion de la curva smile, la cual a partir de los precios de los derivados
construye la distribucion de probabilidad para el activo subyacente, sin suponer que
esta tiene una forma predefinida.
En esta investigacion se usara el metodo de interpolacion de la curva smile para
construir las funciones de densidad para los activos subyacentes, ya que permite
interpolar todo el rango de precios a partir de unos cuantos datos observados, y
como la mayor parte de transacciones con opciones se hacen a traves del mercado
extrabursatil (“Over The Counter” - OTC), en el cual solo se tienen datos para unos
cuantos precios de ejercicio, es lo mas conveniente.
A continuacion se describira el metodo de interpolacion de la curva smile y pos-
teriormente se explicara como una vez obtenida la funcion de distribucion de prob-
abilidad del activo subyacente se construira la nueva variable que se incorporara en
el modelo Goldstein, Kaminsky y Reinhart (2000).
6.1.1. Metodo de interpolacion de la curva smile
Este metodo para obtener una estimacion de la distribucion de probabilidad del pre-
cio del activo subyacente; se utiliza cuando no se tienen precios de opciones para
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 84
varios precios de ejercicios con el mismo plazo por vencer. En este metodo se con-
struyen funciones de densidad para el activo subyacente interpolando todos los pre-
cios a partir de unos cuantos datos observados.
En esta seccion, usaremos precios de opciones en el mercado extrabursatil para
cuantificar las expectativas del mercado sobre la incertidumbre en el tipo de cambio
a traves de distribuciones de probabilidad neutrales al riesgo obtenidas mediante
el metodo desarrollado por Malz (1997); a partir de ellas, construiremos la nueva
variable que se incorporara al modelo GKR de prediccion de crisis cambiarias
Los mercados de derivados proporcionan una rica fuente de informacion tanto
para los participantes del mercado como para los bancos centrales. Debido a su nat-
uraleza de observar el futuro los precios de forwards, futuros y opciones capturan
las expectativas del mercado sobre el desarrollo futuro del precio de los activos sub-
yacentes. Los forwards y futuros pueden ser utiles para rastrear la media de las ex-
pectativas del mercado. Sin embargo, en algunos casos, tambien es util conocer tanto
el nivel como la naturaleza de la incertidumbre que el mercado asigna a la evolucion
futura de diferentes precios de activos. Los precios de las opciones son particular-
mente utiles en el ultimo aspecto, ya que pueden ser usados para estimar momentos
superiores de la distribucion del activo subyacente; estos momentos pueden, a su
vez, ser usados para caracterizar la incertidumbre que el mercado asigna al precio
de un activo subyacente en particular.
La extraccion de expectativas del precio de las opciones.
La formula mas usada para valuar opciones tipo europeo es la desarrollada Black
y Scholes (1973). La formula asume que el precio de el activo subyacente sigue un
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 85
movimiento browniano geometrico, lo que implica que los rendimientos logarıtmi-
cos del precio del activo se distribuyen normalmente con una varianza constante. La
formula Black-Scholes da el precio de una opcion como funcion de 5 factores:
• El precio actual del activo subyacente (St);
• El precio de ejercicio de la opcion (X);
• La tasa de interes libre de riesgo (r);
• El vencimiento de la opcion (τ = T − t);
• y La volatilidad (anualizada) de los rendimientos logarıtmicos del activo subya-cente (σ).
De los parametros anteriores, el ultimo no es observable en la practica. Sin embar-
go, es posible calcularlo a partir de los precios de mercado de las opciones intercam-
biadas, “invirtiendo” la formula Black-Scholes. Esta estimacion es conocida como la
volatilidad implıcita.
Una consecuencia de los supuestos detras de la funcion de precios Black-Scholes
es que la volatilidad implıcita debera ser la misma para todas las opciones del mismo
activo subyacente independientemente del precio de ejercicio. Sin embargo, los datos
del mercado generalmente no sustentan este supuesto. Primero, porque los partici-
pantes del mercado parecen valuar las opciones con precio de ejercicios cercanos al
precio actual usando una menor volatilidad que las opciones con precios de ejercicio
mas distantes. Como resultado la volatilidad implıcita, es usualmente una funcion
convexa del precio de ejercicio. Este fenomeno es a menudo llamado la sonrisa de
la volatilidad (“volatility smile”). Segundo, porque opciones con el mismo precio de
ejercicio, pero con diferentes vencimientos muestran diferencias en volatilidades im-
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 86
plıcitas, lo que implica que la “estructura a plazos” de la volatilidad implıcita no es
horizontal, como hubiera sido bajo los supuestos Black-Scholes.
La forma de sonrisa de la funcion de volatilidades implıcitas indica que el mercado
asigna una distribucion de probabilidad de los rendimientos del activo subyacente
a vencimiento que es diferente a una distribucion normal. La forma convexa de la
sonrisa revela que el mercado generalmente vincula mayor masa de probabilidad
a grandes movimientos en los precios. En otras palabras, el mercado pondera las
colas de la distribucion con mas peso. Como resultado, la distribucion implıcita tiene
colas mas pesadas que la normal. Mas aun, la volatility smile generalmente no es
simetrica, y esta asimetrıa implica que la distribucion de probabilidad subyacente,
al contrario de la distribucion normal, es asimetrica.
Muchos metodos han sido desarrollados para recuperar estas funciones de den-
sidad de probabilidad (FDP) de las expectativas del mercado de los precios de op-
ciones observados. Como se menciono al inicio se aplicara el metodo de Malz (1997)
para desarrollar las FDP implıcitas del tipo de cambio.
Las bases teoricas para derivar la FDP implıcitas en los precio de las opciones
empezaron con Cox y Ross (1976), que mostraron que el precio de las opciones tipo
europeo es igual al valor descontado de sus pagos (neutrales al riesgo) esperados:
c (t, T, X) = e−r(T−t)E [max (0, ST − X)] = e−r(T−t)∞∫
X
f (ST) (ST − X) dST (6.1)
donde c es el precio del call y f (ST) es la FDP (neutral al riesgo) de las expectativas
para el valor del activo subyacente. Un paso natural hacia delante es el resultado
de Breeden y Litzenberger (1978), que mostraron que la doble derivada parcial de
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 87
la funcion de precio del call c con respecto al precio de ejercicio X es igual al valor
descontado de la FDP neutral al riesgo.
δ2c(τ, X)δX2 = e−rτ f (X) (6.2)
El metodo que utilizaremos se le conoce en la literatura como de suavizamien-
to de la volatility smile y fue desarrollado originalmente por Shimko (1993). Las
tecnicas de suavizamiento de la smile convierten precios de opciones a volatilidades
implıcitas usando la formula Black-Scholes, y ajustan una funcion continua - general-
mente un polinomio de bajo grado. La funcion de volatilidad ajustada es de nuevo
convertida a una funcion precios, y finalmente la ecuacion 6.2 es usada para obten-
er la FDP implıcita derivando parcialmente dos veces la funcion del precio del call.
Malz (1997) aplico este metodo a opciones sobre divisas.
Muchos bancos centrales usan estos metodos para evaluar condiciones monetarias,
en tiempos de tension financiera, credibilidad en el Banco Central y medidas de la
efectividad de la polıtica monetaria. Una resena completa de las tecnicas y el uso po-
tencial de las distribuciones de probabilidad implıcitas en las opciones esta disponible
en Bahra (1997).
Un punto importante es notar que las FDP obtenidas con la tecnica anterior son
neutrales al riesgo, lo que significa que las FDP que calculamos no son las distribu-
ciones “reales” de las expectativas del mercado. En cambio, pueden ser consideradas
como distribuciones que son consistentes con precios de mercado observados desde
el supuesto que los agentes del mercado son neutrales al riesgo. Sin embargo, como
los inversionistas son generalmente considerados como adversos al riesgo - y como
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 88
consecuencia los precios de las opciones contienen informacion sobre las expectati-
vas y preferencias por riesgo - las FDP implıcitas en las opciones pueden desviarse
de la distribucion de probabilidad “verdadera” que los participantes del mercado
vinculan a diferentes resultados del precio del activo subyacente.
No obstante, la literatura empırica generalmente considera la diferencia entre las
dos distribuciones como despreciable. En primer lugar, la evidencia sugiere que
aunque la presencia de la aversion al riesgo puede alterar la media (el primer mo-
mento) de la distribucion, no altera la forma ni los demas momentos significativa-
mente (Rubinstein (1994)). En segundo lugar, si suponemos que las preferencias por
el riesgo son constantes en el tiempo, cambios en las distribuciones neutrales al ries-
go cuentan solo para cambios en las expectativas. Por consiguiente, la dinamica de
estas distribuciones y sus momentos pueden ser usadas para caracterizar la dinami-
ca de las expectativas.
Cotizaciones estandar en el mercado de opciones sobre divisas y su uso para esti-
mar FDP implıcitas.
En esta seccion, se describira a detalle el metodo desarrollado por Malz (1997) para
estimar FDP implıcitas a partir de los precios de las opciones sobre divisas en el
mercado extrabursatil.
Empezaremos con algunos rasgos esenciales y convenciones en el mercado de op-
ciones sobre divisas. La primera particularidad es que los precios de las opciones en
el mercado son cotizados en terminos de deltas1 y volatilidades, en lugar de precios
de ejercicio y precios en dinero. En la fecha de emision de un contrato especıfico, las
1 La delta es la probabilidad de que la opcion a vencimiento termine “in-the-money” o tecnica-mente es la derivada parcial del precio del call respecto al activo subyacente
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 89
volatilidades son trasladadas a precios con la formula del precio de opciones de Gar-
man y Kohlhagen (1983), el equivalente para divisas de la formula de Black-Scholes.
Como resultado, los operadores no necesitan cambiar sus cotizaciones cada vez que
el tipo de cambio spot se mueva, unicamente si su percepcion sobre la volatilidad
futura cambia. Es importante darse cuenta de que, aunque los operadores usan la
formula Black-Scholes/Garman-Kohlhagen para trasladar las volatilidades a pre-
cios, no implica que acepten los supuestos detras del modelo Black-Scholes. Ellos
unicamente usan la formula como un mapeo no-lineal uno-a-uno entre el espacio
volatilidad-delta (en el que la especificacion final para el contrato es expresada para
el vencimiento).
La segunda convencion importante es que los operadores del mercado observan
las expectativas sobre la volatilidad a eventos extremos a traves de las combinaciones
de opciones llamadas tambien figuras.
1.- Straddles largos tambien llamados Conos (atm): es una combinacion de un call y un
put con el mismo precio de ejercicio. Esta combinacion tiene una funcion de pagos
en forma de V: entre mas lejos este el precio spot del precio de ejercicio al momen-
to del vencimiento, mas alto es el pago. El precio de un straddle lleva informacion
sobre la varianza esperada del tipo de cambio: entre mas alta se espera que sea
la varianza, mayor es la rentabilidad de mantener un straddle, como resultado,
mayor es su precio. La cotizacion estandar del contrato Straddle en el mercado ex-
trabursatil es el straddle “at-the-money”, donde el precio de ejercicio para ambas
opciones es igual al precio forward. Esto tambien significa que la delta para ambas
opciones que hacen un straddle estandar es igual a 0.5. Como otras opciones, los
straddles son cotizados en terminos de su volatilidad. Por consiguiente, el precio
cotizado de un straddle nos da la volatilidad implıcita de una opcion con una delta
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 90
aproximada de 0.5. El precio del straddle es a menudo referido como la volatilidad
implıcita “at-the-money”. El pago a vencimiento para esta estructura presenta la
siguiente forma:
2.- Risk Reversals aka Bull Cylinder (rr): un Risk Reversal implica tomar una posicion
larga en una opcion europea tipo call “out-the-money” y, al mismo tiempo, tomar
una posicion corta en un put “out-the-money” con el mismo plazo que el call, pero
un precio de ejercicio menor. Especıficamente, un Risk Reversal implica tomar una
posicion larga en una opcion call y, al mismo tiempo, tomar una posicion corta en
un put con el mismo plazo que el call, pero un precio de ejercicio menor. El pago a
vencimiento para esta estructura presenta la siguiente forma:
En un Risk Reversal, el call llega a ser mas rentable cuando el valor del tipo de
cambio es alto mientras el put se vuelve mas rentable a valores bajos del tipo de
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 91
cambio. Como consecuencia, los risk reversal proporcionan informacion sobre la
asimetrıa o tercer momento de la distribucion del tipo de cambio. Si el mercado
espera una apreciacion grande del tipo de cambio, el valor de la opcion call ex-
cedera el valor del put y entonces el valor del risk reversal se volvera positivo y
la distribucion de probabilidad del tipo de cambio se inclinara a la izquierda. De
manera similar, si el mercado espera una depreciacion grande en el tipo de cam-
bio, el valor de la opcion put excedera el valor del call y entonces el valor del risk
reversal sera negativo, lo que implica una inclinacion a la derecha de la distribu-
cion de probabilidad. Los risk reversal son cotizados en terminos de volatilidad
como la diferencia entre la volatilidad implıcita del call y del put que construye la
estructura:
σrr = σC − σP
Sin embargo, debemos notar que hay una relacion entre la volatilidad de un call y
un put, en especial cuando consideramos opciones sobre divisas. Como las volatil-
idades son cotizadas en relacion con un nivel de delta debemos tratar de encon-
trar una relacion entre la delta de un call y la delta de un put. Usando el modelo
Garman-Kohlhagen estandar, sabemos que:
δCall = e−rF(T−t)N (d1)
y
δPut = e−rF(T−t) (N (d1)− 1)
Esto implica que:
δCall = δPut − e−rF(T−t)
Digamos, por ejemplo, que obtenemos la cotizacion para un risk reversal para el
mercado y sabemos que la volatilidad asociada a la opcion call es 25 %. Si quer-
emos inferir la volatilidad asociada al put, podemos ver que debe ser cercana a
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 92
-75 % o 75 % en terminos absolutos. ¿Porque?, la razon es que −e−rF(T−t) es la
mayor parte del tiempo cercano a uno (debido a que las opciones sobre divisas
son normalmente de corto plazo y la tasa de interes externa es baja). Con base a
esto se puede mostrar que la cotizacion del risk reversal obtenida por el mercado
puede ser expresada como:
σσrr ≈ σδ − σ1−δ
El contrato risk reversal estandar es el 25-delta.
3.- Strangles largos tambien llamadas Cunas (str)
Un Strangle implica tomar una posicion larga en una opcion call tipo europeo
“out-of-money” y, al mismo tiempo, tomar una posicion larga en un put “out-of-
money” con el mismo vencimiento del call, pero menor precio de ejercicio.
El pago a vencimiento de esta estructura presenta la siguiente forma:
La expectativa del mercado cuando se elige esta estrategia es de alta volatilidad
en el tipo de cambio o alternativamente se apuesta a las colas de la distribucion
debido a que se vuelve mas rentable con grandes movimientos en el tipo de cam-
bio. Los precios del strangle proporcionan informacion sobre la kurtosis o cuarto
momento de la funcion de probabilidad: entre mas alta sea la probabilidad de
grandes movimientos en el tipo de cambio, mayor sera el precio del strangle. Los
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 93
strangles son cotizados en terminos de volatilidad como la diferencia de la volatil-
idad “at-the-money” y el promedio de la volatilidad implıcita del call y el put que
construyen la estructura.
σstr =(σC + σP)
2− σatm
Basados en el argumento expuesto cuando se presentaron los risk reversal, podemos
transformar esta expresion a:
σstr ≈(σδ + σ1−δ)
2− σatm
Como en los risk reversals, el contrato strangle estandar es el 25-delta.
Los bancos de inversion tienen disponibles cotizaciones de estas combinaciones.
Por consiguiente, un conjunto de datos de al menos tres series: volatilidad implıcita
at-the-money (cotizacion del straddle), cotizaciones del 25-delta risk reversal y co-
tizaciones del 25-delta strangle estan disponibles para muchas monedas y muchos
vencimientos diariamente.
El metodo Malz (1997) usa estas series para estimar las funciones de probabili-
dad implıcitas para cada dıa. Usando las observaciones de las tres cotizaciones en
el mercado, se estima la volatility smile a traves de una aproximacion polinomial de
segundo orden (i.e. una funcion cuadratica de la delta). La funcion volatility smile
nos da la volatilidad implıcita para cada delta. Despues, la volatility smile es con-
vertida a una funcion del precio del call usando la formula Black-Scholes/Garman-
Kohlhagen. Como resultado, obtenemos una funcion continua aproximada que nos
da el precio de la opcion call para cada precio de ejercicio. Luego, podemos usar
la formula Breeden-Litzenberger, ecuacion 6.2, para obtener la funcion de probabil-
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 94
idad de densidad con la doble derivada parcial de la funcion del precio del call con
respecto al precio de ejercicio.
Una vez que se tienen las funciones de densidad de probabilidad FDP, es posible
calcular momentos mas altos de la distribucion para obtener medidas de varianza,
asimetrıa y kurtosis.
A continuacion se describe el metodo Malz (1997) a detalle:
Presentacion tecnica
Cuando se valuan opciones europeas sobre divisas, a menudo son usadas modifica-
ciones simples al modelo Black-Scholes. Por ejemplo, el modelo Garman Kohlhagen
usa la ecuacion B-S con dividendos y pone la tasa de dividendos igual a a la tasa de
interes externa. Una alternativa es sustituir el tipo de cambio spot por el forward (con
el mismo vencimiento de la opcion) en la ecuacion B-S e ignorar la tasa de interes
externa. Esto es mas apropiado porque la devaluacion esperada puede diferir por
las diferencias en las tasas de interes, violando el modelo Garman-Kohlhagen. Estas
diferencias se deben a los costos de los flujos de capital, relevantes en muchos paıses
que adoptan regımenes de tipo de cambio administrados, pero principalmente a los
riesgos extras (riesgo credito, riesgo de control de capitales, riesgo polıtico, riesgo de
fraude, etc.), que son generalmente substanciales en estos paıses. Todos estos riesgos
y costos son tomados en cuenta en el precio del forward, por lo que usaremos toda
esta informacion y aplicaremos la B-S a el tipo de cambio futuro dado por el precio
del forward.
La formula Black-Scholes/Garman-Kohlhagen para valuar opciones call europeas
de divisas toman la siguiente forma:
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 95
c (.) = e−rτ
FtN
ln( FtX ) +
(σ2
2
)τ
σ√
τ
− XN
ln( FtX )−
(σ2
2
)τ
σ√
τ
(6.3)
donde Ft es el tipo de cambio forward de no arbitraje , X es el precio de ejercicio,
σ es la volatilidad,τ es el vencimiento y N es la funcion de distribucion acumulada
normal estandar. A su vez, el forward de no arbitraje es igual a Ft = Ste(r−r∗)τ donde
St es el tipo de cambio spot, r es la tasa de interes interna libre de riego, r∗ es la tasa
de interes externa libre de riesgo y el resto de las variables ya han sido definidas.
La razon de cambio de la funcion Black-Scholes con respecto al subyacente se le
conoce como delta δ y es a menudo utilizada como medida del “moneyness” de
la opcion (es decir es la probabilidad de que la opcion al vencimiento este en el
dinero) esta siempre entre cero y uno y esta expresada por la siguiente ecuacion (ver
el apendice D):
δc =δc (.)δFt
= e−r∗τ N
ln(
FtX
)+(
σ2
2
)τ
σ√
τ
(6.4)
Como se menciono anteriormente, debido a convenciones de las cotizaciones del
mercado de opciones extrabursatil, los precios de straddles (atmt), risk reversals (rrt),
y strangles (strt) son cotizados directamente en terminos de volatilidad y delta. Us-
ando σ (δc)t como notacion para la funcion volatility smile, las convenciones de las
cotizaciones pueden ser escritas de la siguiente forma:
atmt = σ (0.5)t
rrt = σ (0.25)t − σ (0.75)t
strt = σ(0.25)−σ(0.75)2 − σ (0.5)t
(6.5)
Reordenando las ecuaciones anteriores para las volatilidades, obtenemos:
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 96
σ (0.25)t = atmt + 0.5rrt + strt
σ (0.5)t = atmt
σ (0.75)t = atmt − 0.5rrt + strt
(6.6)
El metodo Malz (1997) asume que la funcion de volatilidad implıcita puede ser ex-
presada como la siguiente aproximacion polinomial de segundo orden alrededor del
punto δc = 0.5:
σ (δc)t = b0atmt + b1rrt (δc − 0.5) + b2strt (δc − 0.5)2 (6.7)
Uno puede usar 6.6 para obtener los valores para el vector de parametros (b0, b1, b2).
Se puede mostrar que la solucion es compatible con 6.7 es (1,-2,16), ası que la aprox-
imacion de la funcion de volatilidad implıcita toma la siguiente forma:
σ (δc)t = atmt − 2rrt (δc − 0.5) + 16strt (δc − 0.5)2 (6.8)
Como la delta por sı misma es una funcion de la volatilidad implıcita, tenemos que
resolver 6.4 y 6.8 simultaneamente - para obtener las funciones implıcitas σ (δc)t,
que nos da la volatilidad implıcita para cada delta, y σ (X)t, que entonces nos da la
volatilidad implıcita para cada precio de ejercicio.
Sustituyendo los valores de esta ultima en la ecuacion Black-Scholes 6.3, nos pro-
porciona un estimado de la funcion del precio del call c (X)t. Finalmente, la funcion
de densidad de probabilidad implıcita neutral al riesgo f (X)t, se obtiene usando el
resultado Breeden-Litzenberger ecuacion 6.2; resolviendo la segunda derivada par-
cial del precio del call con respecto al precio de ejercicio se llega a la siguiente expre-
sion (ver el apendice E):
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 97
δ2c (.)δX2 = e−rτ
n
(ln( Ft
X )−(
σ22
)τ
σ√
τ
)Xσ√
τ(6.9)
donde n es la funcion de densidad normal estandar y el resto de las variables ya
ha sido definida; aunque lo mas comun es resolver esta derivada numericamente.
El grafico 6.1 ilustra paso por paso como se deriva la FDP; como se va pasando del
plano volatilidades-deltas, volatilidades-precios de ejercicio, precios de las opciones-
precios de ejercicio y se deriva numericamente esta ultima funcion para obtener la
FDP.
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 98
Grafico 6.1: Representacion grafica de la derivacion de las FDP
Aplicacion de las expectativas derivadas de las FDP a un acontecimiento reciente
en Tailandia
Para ejemplificar como funcionan las distribuciones de probabilidad, usaremos una
noticia reciente en Tailandia; El 7 de Diciembre de 2004 el gobernador del Banco
Central de Tailandia, Pridiyathorn Devakula sugirio vender el Bath (i.e. comprar
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 99
dolares) con el argumento de que dicha medida ayudarıa a los exportadores2 . Como
resultado el Bath se debilito, pero mas importante aun, las expectativas respecto al
tipo de cambio cambiaron como lo muestra las distribuciones de probabilidad antes
y despues de la noticia en la figura 6.2, que tienen las siguientes estadısticas:
Tabla 6.1: Estadısticas de lasdistribuciones de probabili-dad del tipo de cambios a 3meses (Dolar/Bath)
07/12/2004 10/12/2004Precio Spot 39.12 39.73Forward 39.09 39.75Straddle 7.20 % 7.40 %Risk Reversal 1.00 % 0.70 %Strangle 0.30 % 0.30 %Media 38.721 39.86Mediana 38.71 39.774Varianza 2.0453 2.5053Asimetrıa 0.0465 0.3317Kurtosis 3.0038 3.1962
Fuente: Elaboracion propia con datos deBloomberg.
La funciones del 7 y del 10 de Diciembre se distribuyen lognormal con paramet-
ros (µ = 3.66, σ = 0.04) y (µ = 3.68, σ = 0.04) respectivamente. Para obtener
los parametros anteriores, hay que resolver el sistema de ecuaciones 6.10 (ver el
apendice C) debido a que lo que nos proporciona el metodo Malz (1997) es la me-
dia y la varianza de una distribucion lognormal no la µ y la σ que se necesitaran
en la seccion 6.1.2 para construir el nuevo indicador a menos que se usen metodos
que ajustan datos de una funcion de densidad (probabilidades y valores del activo
subyacente, obtenidos mediante la ecuacion 6.9) a una distribucion.
E (Y) = eµ+ σ22 (6.10)
Var (Y) = e(2µ+σ2)(
eσ2 − 1)
2 En esta investigacion no se emite juicio de valor alguno sobre la medida sugerida por el gober-nador del Banco Central de Tailandia
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 100
Grafico 6.2: Funcion de densidad de probabilidad del Bath alrededor del anuncio del
gobernador del Banco Central de Tailandia
6.1.2. La construccion del nuevo indicador
Una vez que se explico el metodo para obtener distribuciones de probabilidad a
partir del precio de las opciones, explicaremos como se construye la nueva variable
a partir de ellas.
La nueva variable que esperamos tenga la menor razon ruido a senal de todas las
que se han utilizado en los Sistemas de Alerta Temprana (SAT ) se construye de la
siguiente manera:
1.- Se obtienen la distribuciones de probabilidad para cada dıa para todo el periodo.
2.- Se obtiene el valor crıtico de tal manera que la probabilidad acumulada sea 99 %
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 101
para cada distribucion, como se observa en el grafico 6.3 este valor es simplemente
el valor X tal que la P(X > C) = .99.
3.- Se obtiene el promedio mensual de los valores crıticos.
4.- Se obtiene el cambio porcentual mensual de los promedios de los valores crıticos.
El cambio porcentual mensual de los promedios de los valores crıticos es la vari-
able que incorporaremos al modelo GKR. Por lo tanto, lo que se genero es una vari-
able que refleja la probabilidad de que el tipo de cambio este en la cola de la distribu-
cion, lo que se traduce como la probabilidad de que haya una fuerte devaluacion.
Grafico 6.3: Valor crıtico para la distribucion de Tailandia del 7/12/04
Una vez elaborada esta variable se sigue un procedimiento igual al del modelo
GKR:
• Se selecciona una muestra de paıses sobre un periodo especifico, comunmente
aquel para el que se cuente con datos,
• Se calcula el umbral optimo o percentil minimizando la razon ruido a senal
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 102
• Se obtienen las senales para el periodo, como una variable dicotomica que toma el
valor de uno si el indicador cruza el umbral optimo y cero de otra manera.
• Por ultimo, se calcula el ındice de vulnerabilidad como una suma de las senales
de cada indicador ponderada por la inversa de su razon ruido a senal.
6.2. Estimacion
Para estimar el modelo GKR con expectativas se uso el periodo 1999:4-2004:10 y los
siguientes paıses:
• Africa: Sudafrica
• Asia: Filipinas, Corea del Sur, Tailandia.
• Europa y el Medio Oriente: Noruega, Suecia.
• Latinoamerica: Mexico.
Inicialmente se planeo hacer la calibracion con los mismos paıses utilizados por
Goldstein, Kaminsky y Reinhart (2000), pero no habıa datos para construir la nueva
variable para Malasia, Republica Checa, Dinamarca, Egipto y Israel. Por otra parte,
Finlandia, Grecia y Espana son parte de los 12 paıses que conforman el Euro, y los
datos de Argentina, Bolivia, Brasil, Chile, Colombia, Peru, Uruguay, Venezuela, In-
donesia, Malasia y Turquıa no estaban disponibles para todo el periodo (aunque esto
no nos impide simular el modelo para estos paıses una vez calibrado).
Ademas, aunque lo idoneo era calcular una distribucion por dıa y obtener el prome-
dio mensual como se describe en la seccion 6.1.2 era poco practico, al tener aprox-
imadamente 2010 distribuciones por paıs, (y aun no haber encontrado un metodo
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 103
para derivarlas mas facilmente), por lo que se opto por obtener una distribucion por
mes (la del primer dıa disponible de cada mes), lo que reduce el numero a 67 por
paıs.
En realidad no se puede decir que se calibro el modelo, ya que unicamente se ob-
tuvo el umbral optimo de la nueva variable (las expectativas derivadas del precio
de las opciones). No era conveniente calcular los umbrales de las demas variables
para un periodo tan corto, ya que se habrıan obtenido percentiles menos precisos
que los de Goldstein, Kaminsky y Reinhart (2000). Por lo tanto, utilizamos las mis-
mas razones ruido a senal de la tabla 5.5 calculadas en la estimacion original. Los
resultados que se obtienen siguiendo el procedimiento de la seccion 5.1.4 son los
siguientes:
La razon ruido a senal de la ecuacion 5.4 se minimiza en 0.1 con un percentil de
96 %. Esta razon es la menor entre todos los indicadores, por lo que las expectativas
derivadas del precio de las opciones son una “excelente” senal de crisis cambiarias;
sin embargo, no se pueden echar las campanas al vuelo, ya que es muy probable que
esta razon este por debajo de su valor verdadero al tener solo una crisis cambiaria
durante el periodo. Es de esperarse que actualizaciones futuras arrojen resultados
mas precisos al contar con periodos mas largos.
6.3. Simulacion
Aunque una razon ruido a senal fue de 0.1, implicarıa una ponderacion de 10 para la
nueva variable; se decidio cambiar la ponderacion a 5 debido a que es muy probable
que el valor verdadero de la razon ruido a senal sea mucho mayor al haber sido
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 104
calibrada unicamente con una crisis cambiaria. Por otra parte, como en la estimacion,
se usaron 67 distribuciones por paıs en lugar de las 2010 que se hubieran tenido que
calcular si se sigue el desarrollo de la seccion 6.1.2 al pie de la letra.
El modelo cuenta ahora con 19 indicadores, por lo que el valor maximo de este
ındice de vulnerabilidad compuesto es 38.23. Como se menciono anteriormente, este
ındice es simplemente la suma de la inversa de las razones ruido a senal incorporan-
do la nueva variable con una ponderacion de 5. La simulacion del “nuevo” modelo
para 1999 y 2000 entrega los siguientes resultados:
Tabla 6.2: Indice de vulnerabilidad GKR con expectativas,1999 y 2000
1999 2000
Paıs Indice de vulnerabilidad GKRcon expectativas
Clasificacion Indice de vulnerabilidadGKR con expectativas
Clasificacion
Corea del Sur 1.96 4 2.84 6Filipinas∗ 3.72 2 10.41 1India 1.47 7 3.17 5Mexico 0.00 8 1.69 7Noruega 8.87 1 8.17 3Suecia 3.17 3 8.17 2Sudafrica 1.75 5 1.69 7Tailandia 2.13 6 3.45 4
Fuente: Elaboracion propia con datos del FMI, Banco Mundial y Bloomberg.Nota: Un asterisco denota un paıs con crisis cambiaria en 2000-2002.
Como se observa, el ındice de vulnerabilidad es el mismo para el ano de 1999 que
el del modelo Goldstein, Kaminsky y Reinhart (2000), es decir, la incorporacion de
la nueva variable no lo modifico. No obstante, para el 2000, el ındice para Filipinas y
Suecia aumento 5 puntos. Aunque no se puede concluir nada acerca de la probabili-
dad de una crisis cambiaria por no haber obtenido un desarrollo como el de la tabla
5.7, al no contar con todos los indicadores y al no haberlo estimado nuevamente con
la incorporacion de la nueva variable; si se logra comprobar el avance en la consis-
tencia del modelo, al separar a Filipinas que experimento una crisis del resto de los
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 105
paıses.
El grafico 6.4 muestra el ındice de vulnerabilidad de Abril de 1999 a Octubre de
2004; aunque lo idoneo hubiera sido transformar este ındice a probabilidad de crisis
y representarlo de esa manera.
CAPITULO 6. EL MODELO GKR CON LA INCLUSION DE EXPECTATIVAS 106
Gra
fico
6.4:
Indi
cede
vuln
erab
ilida
dG
KR
con
expe
ctat
ivas
1999
:4-2
004:
10
Conclusiones
En comparacion a los indices adelantados del ciclo economico que tienen mucha
historia, los sistemas de alerta temprana apenas estan iniciando; por lo que todavıa
existen muchos otros indicadores que no han sido estudiados y que pueden mejorar
substancialmente el desempeno de los modelos. En el momento en que se escriben
estas lıneas Kaminsky (2004) presento un modelo con cuatro “nuevos” indicadores
con razones ruido a senal menores a uno, entre los que se encuentran: tasa de interes
mundial (0.4), deuda externa a exportaciones (0.5), salidas de capital (0.9) y deuda a
corto plazo a reservas (0.9).
En esta investigacion se demostro que, incorporando las expectativas sobre el tipo
de cambio, el poder predictivo del modelo Goldstein, Kaminsky y Reinhart (2000)
se incrementa substancialmente. En los ultimos anos, los modelos SAT han sido ob-
jeto de muchos estudios a fin de evaluar su validez; si bien es cierto que tienen un
record mixto en terminos de precision de pronostico, ofrecen un metodo sistematico,
objetivo y consistente para predecir crisis que evita el sesgo de los analistas.
La aproximacion de senales no es la unica forma de acceder a la vulnerabilidad de
un paıs; se han desarrollado un sinnumero de modelos que utilizan otros metodos
como los mencionados en el capıtulo 3. Aunque es un buen modelo, no deja de tener
debilidades; la mas importante es la perdida de informacion al pasar de una variable
107
CAPITULO 7. CONCLUSIONES 108
continua a una dicotomica; las senales se contabilizan igual si son mayores o menores
al umbral por 1, 5, o 10 puntos porcentuales. Por otra parte, Furman y Stiglitz (1998)
encontraron que los modelos de regresion (probit o logit) estan sobre-especificados
por lo que su desempeno decae sensiblemente fuera del periodo de estimacion.
Para la presente investigacion, cuyo objetivo era demostrar que la incorporacion
de las expectativas derivadas del precio de las opciones favorecerıa el poder predic-
tivo de estos modelos, resulto mas conveniente esta metodologıa porque se contaban
con datos de opciones para un periodo muy corto. En consecuencia, habıa muy pocas
crisis para calibrar el modelo, y la aproximacion de senales tiene la ventaja de que se
puede calibrar cada variable por separado a diferencia del analisis de regresion en el
que se calculan todas las variables al mismo tiempo. Por lo cual, con este metodo es
factible utilizar las estimaciones obtenidas en las demas variables para un periodo
mas largo; En cambio, de haber optado por modelos que utilizaran la metodologıa
de regresion, nos hubieramos tenido que ajustar a un periodo mas corto en los demas
indicadores lo que danarıa la estimacion de todas las demas variables y no solo de
esta en particular. En un futuro, cuando se cuenten con mas datos, se podra usar
una metodologıa distinta. Ademas, al aumentar el periodo, la estimacion podra ser
perfeccionada o con la misma calibracion el desempeno del modelo con la inclusion
de expectativas sera mejor.
Otro rasgo a destacar es que, si bien el nuevo indicador alerta sobre crisis cam-
biarias no lo hace con la suficiente anticipacion, por lo que incorporarlo a un modelo
como el de los bancos de inversion, cuyo objetivo es alertar en el corto plazo (con el
tiempo suficiente para que sus clientes saquen su dinero); a diferencia de los modelos
academicos y los del FMI (que buscan tener tiempo suficiente para hacer recomen-
CAPITULO 7. CONCLUSIONES 109
daciones de polıtica economica) le darıa mayor valor agregado.
Este nuevo indicador sera particularmente util en prevenir crisis cambiarias origi-
nadas por expectativas auto-validadas, contagio o comportamiento de rebano de los
inversionistas; causas de crisis que ninguno de los otros indicadores habıan logrado
atrapar adecuadamente.
Esta investigacion esta consciente de las limitaciones de estos modelos que, como
se concentran exclusivamente en indicadores macroeconomicos, no pueden capturar
detonantes polıticos y eventos exogenos—como por ejemplo, el voto en contra de
Dinamarca en 1992 al referendum para ratificar el tratado de Maastricht que creo la
Union Europea o el asesinato de Colosio en Marzo de 1994, sucesos que a menudo in-
fluyen en el momento del ataque especulativo. Los modelos SAT no revelan el como
y por que los indicadores afectan la probabilidad de crisis. Por ejemplo, encuentran
que una crisis es precedida de una sobrevaluacion del tipo de cambio, pero no nos
indican si esta proviene de un programa de estabilizacion para abatir la inflacion o
su causa es una oleada de flujos de de capital.
Los estudios de alerta temprana tampoco escapan a la “crıtica de Lucas”: si un con-
fiable conjunto de indicadores de alerta temprana son identificados empıricamente,
es posible que los encargados de formular la polıtica economica se comporten difer-
ente de ahora en adelante cuando estos indicadores esten fuera de lınea a como lo
habrıan hecho en el pasado. En consecuencia, transformarıan estas variables en lu-
gar de indicadores de alerta temprana de crisis a indicadores de alerta temprana
de polıtica correctiva. Aunque este efecto no ha sido lo suficientemente fuerte para
minar su poder predictivo, no se descarta que lo sea en un futuro sobretodo si la ev-
CAPITULO 7. CONCLUSIONES 110
idencia empırica en favor de los indicadores de alerta temprana es mas persuasiva.
Anticipar una crisis cambiaria no es tarea facil; las quiebras de Long Term Capital
Management (LTCM) al desatarse la crisis en Rusia donde colaboraban prominentes
figuras como Myron Scholes, Robert Merton y John Meriwether o la del conglomera-
do Daewoo en Corea companıa conducida con gran exito por muchos anos por Kim
Woo-Choong, actualmente profugo de la justicia por manipular estados financieros
para evitar el desmantelamiento de su companıa a raız de la devaluacion del Won,
son testimonio de que ni las mentes mas brillantes han podido cuantificar y, por
ende, cubrirse adecuadamente ante este riesgo.
Por otra parte, los costos en terminos de la calidad de vida de millones de personas
en todo el mundo son incalculables; de ahı la importancia de desarrollar modelos
SAT como una herramienta mas a considerar en la evaluacion de la vulnerabilidad
de un paıs. Esta investigacion pretende ser una viga mas en el apuntalamiento de
dichos modelos que si bien no son la panacea, son muy utiles.
Aunque mas importante que saber como cuantificar la vulnerabilidad de un paıs
es saber como disminuirla. En Mexico, hay unas cuantas cosas que se pueden hacer:
X Aumentar la eficiencia en la recaudacion del impuesto al valor agregado a traves
de una reforma fiscal que imponga un IVA generalizado del 10 %.
X Aumentar la transparencia de la polıtica monetaria para reforzar el esquema de
objetivos de inflacion a traves de la sustitucion del corto por un objetivo para la
tasa de interes a un dıa conocida como “overnight”.
X Perfeccionar la regulacion y supervision preventiva del sistema bancario.
Indicadores examinados por KLR (1997)
Tabla A.1: Indicadores por categorıa examinados por KLR
Sector IndicadoresExterno
Cuenta de capital (1) reservas internacionales/base mone-taria
(10) errores y omisiones mas capital acorto plazo
(2) reservas internacionales/PIB(11) porcion de flujos de capital a cortoplazo en forma de prestamos a cortoplazo
(3) acervo de reservas internacionales (12) flujos de capital de corto pla-zo/PIB
(4) reservas/importaciones (13) IED/deuda(5) crecimiento en reservas (14) saldo en cuenta de capitales/PIB(6) activos en el extranjero del banco cen-tral/base monetaria
(15) diferencial de tasas de interesreales interna-externa
(7) crecimiento en activos netos en el ex-tranjero del banco central
(16) diferencial de tasa de interes nom-inales interna-externa
(8) activos netos en el extranjero/M1(9) activos netos en el extranjero/M1 alcuadrado
Perfil de la Deuda (1) ayuda externa (7) porcion de deuda a corto plazo
(2) deuda externa/PIB (8) porcion de deuda del sector publi-co
(3) deuda publica/PIB (9) porcion de prestamos de bancos dedesarrollo multilaterales
(4) porcion de prestamos de bancos comer-ciales
(10) servicio de la deuda/ajustado porPIB, por el crecimiento de PIB.
(5) pocion de prestamos concesionados (9) balanza comercial/PIB(6) porcion de deuda a tasa flotante (10) cuenta corriente/PIB
Cuenta corriente (1) cambio en tipo de cambio real (11) exportaciones/PIB(2) nivel del tipo de cambio real (12) exportaciones/importaciones(3) tendencia del tipo de cambio real (13) cambio en las exportaciones(4) varianza del tipo de cambio real (14) cambio en importaciones(5) desviaciones del tipo de cambio real bi-lateral de la PPP .
(15) ahorro/PIB(6) desviaciones de la tendencia en el tipode cambio real.
(16) inversion/PIB(7) desviaciones del promedio historico deltipo de cambio real.
(17) cambio en los terminos de inter-cambio
(8) tipo de cambio real al cuadrado (18) cambio en precio de las exporta-ciones(19) expectativas de tipo de cambio
Internacional (1) crecimiento real del PIB de los paıses dela OCDE
(3) tasas de interes de los EstadosUnidos.
(2) tasas de interes internacionales (4) nivel de precios externo
111
APENDICE A. INDICADORES EXAMINADOS POR KLR (1997) 112
Sector IndicadoresFinanciero
Liberalizacion Financiera (1) tasas de interes reales (5) crecimiento en el multiplicador deM2
(2) crecimiento del credito (6) crecimiento en credito/M0 relativoa los Estados Unidos
(3) crecimiento del credito/PIB(4) diferencial en tasas pasiva-activa
Otras financiera (1)tipo de cambio “sombra” (9) crecimiento de M1 relativo al deEstados Unidos
(2) prima del mercado paralelo (10) crecimiento de M2 relativo a losEstados Unidos.
(3) paridad central (11) cambio en depositos bancarios(4) posicion dentro de la banda (12) rendimiento de los bonos(5) credito del banco central al sistema ban-cario
(13) inflacion(6) diferencia entre demanda-oferta dedinero
(14) inflacion relativa a la de EU
(7) crecimiento de M1 (15) M2/reservas internacionales(8) nivel de M1
Real (1) crecimiento real del PIB (6) crecimiento en salarios(2) crecimiento per-capita (7) tasa de desempleo(3) nivel de la produccion (8) crecimiento del empleo
(4) diferencia en la produccion (9) cambios en los precios de las ac-ciones
(5) salarios reales en la industria manufac-turera
Fiscal (1) deficit fiscal/PIB (4) credito interno al sector publi-co/credito total
(2) deficit fiscal/gasto publico relativo a losEstados Unidos
(5) crecimiento en el credito al sectorpublico
(3) Gasto publico/PIB (6) crecimiento del credito al sectorpublico/PIB
Institucional/estructural (1) dummy tipo de cambio multiple (6) apertura(2) dummy de controles de tipo de cambio (7) concentracion del comercio(3) PIB per-capita relativo (8) meses con tipo de cambio fijo(4) dummy de liberalizacion financiera (9) crisis cambiarias en el pasado
(5) dummy de crisis bancaria (10) evento de mercado cambiario enel pasado
Polıticas (1) dummy victoria del partido en el gob-ierno
(6) transferencias ilegales del poderejecutivo
(2) dummy derrota del partido en el gob-ierno
(7) grado de inestabilidad polıtica
(3) elecciones (8) gobierno de izquierda(4) cambio de gobierno (9) nuevo ministro de finanzas(5) transferencias legal del poder ejecutivo
Contagio (1) crisis en cualquier otra parte
Los Indicadores
Las fuentes incluyen Internacional Financial Statistics (IFS) del FMI,World Develop-
ments Indicators del Banco Mundial, S&P Emerging Markets Data Base y Bloomberg.
Multiplicador de M2: la razon de M2 a base monetaria (lınea 34 mas 35 IFS.) divi-
didas por lınea 14 IFS.
Credito domestico/PIB nominal: lınea 52 IFS dividida por lınea 99b IFS (interpola-
da). PIB nominal mensual se interpola con datos anuales y trimestrales.
Tasa de interes real a depositos: lınea 60l IFS tasas mensuales, deflactadas usando
los precios al consumidor (lınea 64 IFS) expresadas en terminos porcentuales.
Razon de tasa activa a pasiva: lınea 60p IFS divididas por lınea 60l.
Excesos de saldos reales de M1: M1 (lınea 34 IFS) deflactada usando los precios al
consumidor (lınea 64 IFS) menos un estimado de la demanda de dinero. La de-
manda por saldos reales es determinada por PIB real (interpolacion lınea 99b IFS),
inflacion y una tendencia de tiempo. La inflacion es usada en lugar de tasas de
interes nominales debido a que tasas de interes determinadas por el mercado no
estan disponibles para el periodo completo para todos los paıses; la tendencia de
tiempo (que puede ser incorporada como log-lineal, lineal, o exponencial) es mo-
tivada por su papel como una aproximacion a la innovacion financiera y/o susti-
tucion de una divisa.
113
APENDICE B. LOS INDICADORES 114
M2 (en dolares)/reservas (en dolares): lınea 34 IFS mas 35 convertido a dolares (us-
ando lınea ae IFS) dividida por lınea 1L.d.
Depositos bancarios: lınea 24 mas 25 IFS.
Exportaciones (en dolares): lınea 70 IFS.
Importaciones (en dolares): lınea 72 IFS.
Terminos de intercambio: el valor unitario de las exportaciones (lınea 74 IFS) entre
el valor unitario de las importaciones (lınea 75 IFS).Para aquellos paıses en donde
el valor unitario de las importaciones (o ındices de precios de las importaciones)
no estaban disponibles, un ındice de precios de exportaciones manufactureras de
los paıses industriales a los paıses en vıas de desarrollo fue usado.
Tipo de cambio real: basado en el ındice de precios al consumidor (lınea 64 IFS) y
definido como el precio relativo de los bienes comerciables (en divisa local) al pre-
cio de los no comerciables. Si el banco central del paıs analizado fija su divisa al
Dolar (o al Marco aleman), el ındice de precios externo relevante es el de Esta-
dos Unidos (o Alemania).Por lo tanto para todos los paıses Europeos el ındice de
precios al consumidor externo es el de Alemania, mientras para todos los demas
paıses el ındice de precios al consumidor en Estados Unidos fue usado. La ten-
dencia fue especificada como, alternativamente, log-lineal, lineal, y exponencial;
el mejor ajuste entre estos fue seleccionado paıs por paıs.
Reservas: lınea 1L.d IFS.
Diferencial tasa de interes interna a externa: tasas mensuales en puntos porcentuales
(lınea 60l IFS). Las tasas de interes en el paıs son comparadas con las tasas de in-
APENDICE B. LOS INDICADORES 115
teres en Estados Unidos (o Alemania) si el paıs fija su divisa al Dolar (o marco
aleman). La tasa de interes real esta dada por 100× [(1 + it)] pt/pt+1−1]
Produccion industrial: para la mayorıa de los paıses, la produccion industrial (lınea
66 IFS). Sin embargo, para algunos paıses (los exportadores de basicos) un ındice
de produccion de bienes basicos es usado (lınea 66aa IFS).
Precios de las acciones (en dolares): S&P/IFCI
Balance presupuestal/PIB: balance presupuestal publico consolidado como porcenta-
je del PIB (World Bank Debt Tables).
Saldo en cuenta corriente como porcentaje del PIB: (World Bank, Base de datos del
World Development Report disponible en CD ROM).
Saldo en cuenta corriente como porcentaje de la inversion: la cuenta corriente di-
vidida por la inversion (World Bank, Base de datos del World Development Report
disponible en CD ROM).
Flujos de capital de corto plazo: Flujos de capital de corto plazo como porcentaje
del PIB, (World Bank, Base de datos del World Development Report disponible en
CD ROM).
Inversion extranjera directa (IED): IED como porcentaje del PIB (World Bank, Base
de datos del World Development Report disponible en CD ROM).
Gasto gubernamental/PIB: Gasto gubernamental, basado en las cuentas nacionales
como porcentaje del PIB, tasa de crecimiento anual (World Bank, Base de datos del
World Development Report disponible en CD ROM).
APENDICE B. LOS INDICADORES 116
Credito neto al sector publico por parte del banco central/PIB: Tasa de crecimien-
to anual (World Bank, Base de datos del World Development Report disponible en
CD ROM).
Credito neto al sector publico/PIB: Tasa de crecimiento anual (World Bank, Base de
datos del World Development Report disponible en CD ROM).
Expectativas derivadas del precio de las opciones:
• Straddle: No estan disponibles directamente en Bloomberg, pero la volatilidad
es la misma a la de las opciones plain vanilla At-the-money forward con codigo
USTBV3M para el caso de Tailandia para los demas paıses basta sustituir TB por
el codigo del paıs, por ejemplo para Mexico MX.
• Risk Reversal: codigo USTBRR3M en Bloomberg.
• Strangle: No estan disponibles directamente en Bloomberg, pero es equivalente
a la volatilidad de los Butterfly Spread con codigo USTBB3M.
• Spot: THB es el codigo en Bloomberg para el Baht de Tailandia; la convencion
internacional es la primera y tercera letra del nombre del paıs mas la primera
letra del nombre de la moneda, por ejemplo para el caso del peso mexicano
MXN.
• Forward: TB3M es el codigo en Bloomberg para el caso del Forward del Baht de
Tailandia; para cualquier otro paıs basta con sustituir TB por el codigo del paıs,
por ejemplo para el caso de Mexico TB por MX.
• Tasa de Interes Implıcita: TBI3M es el codigo en Bloomberg para el caso de la
tasa de interes implıcita del Forward del Baht de Tailandia; para cualquier otro
APENDICE B. LOS INDICADORES 117
paıs basta con sustituir TB por el codigo del paıs, por ejemplo para el caso de
Mexico TB por MX.
• Tasa de Interes Externa e Interna: lınea 60B IFS.
Resolucion del sistema de ecuaciones de la Me-
dia y Varianza de una distribucion lognormal
M = eµ+ σ22
V = e(2µ+σ2)(
eσ2 − 1)
2ln (M) = 2(
µ +σ2
2
)
2ln (M) = 2µ + σ2
VM2 = eσ2 − 1
VM2 + 1 = eσ2
σ2 = ln(
VM2 + 1
)
µ = ln (M) +ln(
VM2 + 1
)2
118
Delta
C (.) = e−rτ[FN(d1)− XN(d2)]
donde
d1 = ln( FX )+ 1
2 σ2τ
σ√
τy d2 = d1 − σ
√τ
δC (.)δF
= Fe−rτ δN (d1)δF
+ e−rτ N (d1)− Xe−rτ δN (d2)δF
dado que....
δN(d1)δF = n(d1)
Fσ√
τy δN(d2)
δF = n(d2)Fσ√
τ
, por lo tanto....
δC (.)δF
= Fe−rτ n (d1)Fσ√
τ+ e−rτ N (d1)− Xe−rτ n (d2)
Fσ√
τ
como—-
Fe−rτXe−rτn(d2)
Fe−rτ
Fσ√
τ− Xe−rτ n (d2)
Fσ√
τ= 0
CF = −e−rτ N(d1)
119
Breeden-Litzenberger
La funcion del precio de una opcion europea tipo call usando Black-Scholes/Garman-
Kohlhagen y sustituyendo el spot por el forward es:
C (.) = e−rτ[FN(d1)− XN(d2)]
donde
d1 = ln( FX )+ 1
2 σ2τ
σ√
τy d2 = d1 − σ
√τ
δC (.)δX
= Fe−rτ δN (d1)δX
− Xe−rτ δN (d2)δX
− e−rτ N(d2)
dado que....
δN(d1)δX = −n(d1)
Xσ√
τy δN(d2)
δX = −n(d2)Xσ√
τ
, por lo tanto....
δC (.)δX
= Fe−rτ δN (d1)δX
− Xe−rτ δN (d2)δX
= −Fe−rτ n (d1)Xσ√
τ+ Xe−rτ n (d2)
Xσ√
τ
como—-−Fe−rτXe−rτn (d2)
Fe−rτXσ√
τ+
Xe−rτn (d2)Xσ√
τ= 0
CX = −e−rτ N(d2)
120
APENDICE E. BREEDEN-LITZENBERGER 121
y derivando nuevamente....
CXX = −e−rτ δN(d2)δX
CXX = −e−rτ
[−n (d2)Xσ√
τ
]
Bibliografıa
[1] Emerging markets strategy. Lehman Brothers.
[2] Early warning system—anticipating balance of payments crises in latin ameri-
ca. Citicorp Securities Inc (Mayo 1998).
[3] A. ADES, R. MASIH Y D. TENENGAUZER. Gs-watch: A new framework for pre-
dicting financial crisis in emerging markets. Informe tecnico, Goldman Sachs
(1998).
[4] B. BAHRA. Implied risk-neutral probability density functions from option
prices: theory and application. Informe tecnico, Bank of England (1997).
[5] A. BERG, E. BORENSZTEIN, G. M. MILESI-FERRETTI Y C. PATTILLO. Antici-
pating balance of payments crises–the role of early warning systems. Informe
tecnico, Washington, D.C: International Monetary Fund (1999). IMF Ocassional
Paper.
[6] A. BERG, E. BORENSZTEIN Y C. PATTILLO. Assessing early warning systems:
How have they worked in practice. IMF Working Paper (2004).
[7] A. BERG Y C. PATTILLO. Are currency crises predictable? a test. IMF Staff Papers
46(2), 1 (1999).
122
BIBLIOGRAFIA 123
[8] F. BLACK Y M. S. SCHOLES. The pricing of options and corporate liabilities.
Journal of Political Economy 81(3), 637–54 (1973).
[9] R. BLISS Y N. PANIGIRTZOGLOU. Testing the stability of implied probability
density functions. Informe tecnico, Bank of England (2000).
[10] D. T. BREEDEN Y R. H. LITZENBERGER. Prices of state-contingent claims im-
plicit in option prices. Journal of Business 51(4), 621–51 (1978).
[11] M. BUSSIERE Y M. FRATZSCHER. Towards a new early warning system of fi-
nancial crises. Informe tecnico, European Central Bank (Mayo 2002).
[12] G. A. CALVO Y F. S. MISHKIN. The mirage of exchange rate regimes for emerg-
ing market countries. Journal of Economic Perspectives 17(4) (2003). Otono.
[13] G. A. CALVO Y C. M. REINHART. Fear of floating. Informe tecnico, National
Bureau of Economic Research (Noviembre 2000).
[14] J. M. CAMPA, K. CHANG Y J. F. REFALO. An options-based analysis of emerg-
ing market exchange rate expectations: Brazil’s real plan, 1994-1997. Informe
tecnico, University of Southern California (1999).
[15] R. CANTOR Y F. PACKER. Determinants and impacts of sovereign credit ratings.
Informe tecnico 9608, Federal Reserve Bank of New York (1996).
[16] P. CARR Y L. WU. Stochastic skew models for fx options. Informe tecnico,
Columbia University (2004).
[17] G. CORSETTI, P. PESSENTI Y N. ROUBINI. Paper tigers? a model of the asian
crisis. Working paper, National Bureau of Economic Research (1998).
BIBLIOGRAFIA 124
[18] J. C. COX Y S. A. ROSS. The valuation of options for alternative stochastic
processes. Journal of Financial Economics 3, 145–166 (1976).
[19] R. DORNBUSCH. A primer on emerging market crises. Informe tecnico, Massa-
chusetts Institute of Technology (Enero 2001). Revised.
[20] R. DORNBUSCH Y A. WERNER. Mexico: Stabilization, reform and no growth.
Brookings Papers of Economic Activity 1, 253–315 (1994).
[21] A. DRAZEN. Contagious currency crises. mimeo (1997).
[22] P. DRUCKER. The global economy and the nation-state. Foreign Affairs (1997).
[23] B. EICHENGREEN, A. K. ROSE Y C. WYPLOSZ. Exchange market mayhem: the
antecedents and aftermath of speculative attacks. Economic Policy 21, 249–312
(1995).
[24] G. FERRI, L. G. LIU Y J. E. STIGLITZ. The procyclical role of rating agencies:
Evidence from the east asian crisis. Economic Notes 28(3), 335–355 (Noviembre
1999).
[25] R. P. FLOOD Y P. M. GARBER. Collapsing exchange rate regimes: Some linear
examples. Journal of International Economics 17, 1–13 (1984).
[26] FMI. Informe anual. Informe tecnico, Fondo Monetario Internacional (2002).
[27] FMI. Informe anual. Informe tecnico, Fondo Monetario Internacional (2004).
[28] J. A. FRANKEL Y A. K. ROSE. Currency crashes in emerging markets: an em-
pirical treatment. Informe tecnico, Board of Governors of the Federal Reserve
System (1996).
BIBLIOGRAFIA 125
[29] J. FURMAN Y J. E. STIGLITZ. Economic crises; evidence and insights from east
asia. Brookings Papers of Economic Activity 2, 1–114 (1998).
[30] P. M. GARBER, R. L. LUMSDAINE Y M. V. DER LEIJ. Alarm clock. Informe
tecnico, Deutsche Bank (2000).
[31] M. B. GARMAN Y S. W. KOHLHAGEN. Foreign currency option values. Journal
of International Money and Finance 2, 231–237 (1983).
[32] S. GERLACH Y F. SMETS. Contagious speculative attacks. European Journal of
Political Economy 11, 45–63 (Marzo 1995).
[33] M. GOLDSTEIN, G. L. KAMINSKY Y C. M. REINHART. “Assessing Financial
Vulnerability: An Early Warning System for Emerging Markets”. Institute for
International Economics (2000).
[34] IMF. Early warning system models: The next steps forward. in global financial
stability report. Informe tecnico, International Monetary Fund (Marzo 2002).
[35] G. L. KAMINSKY. Currency and banking crises: the early warnings of distress.
Informe tecnico, Board of Governors of the Federal Reserve System (1998).
[36] G. L. KAMINSKY. Currency crises: The early warning of distress. George Wash-
ington University (2004).
[37] G. L. KAMINSKY, S. LIZONDO Y C. REINHART. Leading indicators of currency
crisis. IMF Working Paper (1997).
[38] G. L. KAMINSKY Y C. M. REINHART. The twin crises: the causes of banking
and balance-of-payments problems. Informe tecnico, Board of Governors of the
Federal Reserve System (1996).
BIBLIOGRAFIA 126
[39] G. L. KAMINSKY Y C. M. REINHART. On crises, contagion, and confusion.
Journal of International Economics 51(1), 145–168 (2000).
[40] K. KIMBROUGH Y S. L. JEN. An early warning system for currency crises. In-
forme tecnico, Morgan Stanley Dean Witter (2001).
[41] P. KRUGMAN. A model of balance-of-payments crises. Journal of Money, Credit
and Banking 11(3), 311–25 (1979).
[42] P. KRUGMAN. Are currency crises self-fulfilling? NBER Macroeconomics An-
nual (1996).
[43] P. KRUGMAN. Currency crises. http://web.mit.edu/krugman/www/crises.html
(1998a).
[44] P. KRUGMAN. What happened to asia? MIT (1998b).
[45] M. KUMHOF, S. LI Y I. YAN. Balance of payments crises under inflation target-
ing. Informe tecnico 00020, Stanford University (Diciembre 1999).
[46] E. LEVY-YEYATI Y F. STURZENEGGER. Exchange rate regimes and economic
performance. IMF Staff Papers 45(Issue 0 (Special)), 62–98 (2001).
[47] A. M. MALZ. Option-implied probability distributions and currency excess
returns. Informe tecnico, Federal Reserve Bank of New York (1997).
[48] C. MILLS Y E. OMAROVA. Predicting currency crises—a practical application
for risk managers. Informe tecnico, National Associaton for Business Econo-
mists (2003). This paper was awarded a NABE Contributed Paper and was
presented at the NABE Annual Meeting on September 15, 2003.
BIBLIOGRAFIA 127
[49] F. S. MISHKIN. Can inflation targeting work in emerging market countries?
Informe tecnico, International Monetary Fund (Abril 2004). Festschrift in honor
of Guillermo A. Calvo.
[50] M. OBSTFELD. The logic of currency crises. Cahiers Economiques et Monetaires,
Banque de France (43) (1994).
[51] A. D. PERSAUD. Event risk indicator handbook. Informe tecnico, JP Morgan
(1998).
[52] S. RADELET Y J. SACHS. The onset of the east asian financial crisis. Informe
tecnico 6680, National Bureau of Economic Research (Agosto 1998).
[53] C. M. REINHART Y K. S. ROGOFF. The modern history of exchange rate
arrangements: A reinterpretation. Informe tecnico, National Bureau of Econom-
ic Research (Mayo 2002).
[54] A. K. ROSE Y L. SVENSSON. European exchange rate credibility before the fall.
European Economic Review 38, 1185–1216 (1994).
[55] A. ROY Y M. M. TUDELA. Emerging market risk indicator (emri):re-estimated
version september 2000. Informe tecnico, Credit Suisse First Boston (2001).
[56] M. RUBINSTEIN. Implied binomial trees. Journal of Finance 49, 771–818 (1994).
[57] J. SACHS, A. TORNELL Y A. VELASCO. Financial crises in emerging markets:
The lessons from 1995. Brookings Papers of Economic Activity 1, 147–215 (1996).
[58] S. W. SALANT Y D. W. HENDERSON. Market anticipations of government poli-
cies and the price of gold. Journal of Political Economy 86(4), 627–48 (1978).
[59] R. SHILLER. Market volatility. Cambridge MIT (1989).
BIBLIOGRAFIA 128
[60] D. SHIMKO. Bounds of probability. Risk 6/4, 33–37 (1993).
[61] D. YERGIN. “Commanding Heights: The Battle for the World Economy”. PBS
(2002).