ESCRIBA LO QUE DESEA LEER EN ESTE BLOG

miércoles, 26 de octubre de 2022

Vulnerabilidad financiera y escenarios de riesgo del PBI usando Growth at Risk (GaR) Rocío Gondo

 Vulnerabilidad financiera y escenarios de riesgo del PBI usando Growth at Risk (GaR) Rocío Gondo * 

* Banco Central de Reserva del Perú


Vulnerabilidad financiera y escenarios de riesgo del PBI usando Growth at Risk (GaR) 

Rocıo Gondo* 

11 de febrero de 2020 

Resumen 

Este trabajo analiza emp´ıricamente si las variables financieras son m´as relevantes para el crecimiento del PBI en escenarios de riesgo. Para ello, se usan datos de Per´u y se estiman las p´erdidas en el crecimiento del PBI ante escenarios de riesgo extremo usando el ”Growth at Risk”de Adrian, Boyarchenko & Giannone (2019). Se consideran 3 categor´ıas de riesgos financieros: apalancamiento, precios de activos dom´esticos y variables externas. 

Los resultados muestran que un crecimiento excesivo del cr´edito y de los precios de activos son indicadores de un deterioro de las condiciones financieras futuras y de una desaceleraci´on en el crecimiento del PBI en escenarios de crisis para distintos horizontes. Asimismo, incluir variables financieras mejora la proyecci´on del PBI bajo escenarios de crisis, tal como lo observado durante la Crisis Financiera Global de 2008-2009. C´odigos JEL- E44, G01, G1 Palabras claves: condiciones financieras, regresi´on de cuantiles, vulnerabilidad financiera, riesgo de recesion 

*Subgerencia de Investigaci´on Econ´omica. Banco Central de Reserva del Per´u.Direcci´on: Jr Santa Rosa 441. Lima, Per´u. rocio.gondo@bcrp.gob.pe 

Este documento representa las opiniones de la autora y no necesariamente la opini´on del Banco Central de Reserva del Per´u. Se agradece los comentarios recibidos durante el Seminario de Investigaci´on Econ´omica del BCRP y el Encuentro de Economistas del BCRP 2019.

1. Introduccion 

La literatura financiera utiliza el indicador de Valor en Riesgo (Value at risk, VaR) como una medida para calcular p´erdidas extremas de una inversi´on, dadas las condiciones de mercado, en un periodo de tiempo. As´ı, esta medida sirve como una gu´ıa para los inversionistas y los reguladores de cu´anto provisionar para cubrir p´erdidas potenciales. De forma similar, se ha adaptado esta metodolog´ıa para calcular p´erdidas en el crecimiento del PBI y los autores Adrian, Boyarchenko & Giannone (2019) la han denominado Growth at Risk (GaR). 

En esta literatura se considera el v´ınculo entre condiciones financieras y el crecimiento del PBI, que reflejan una posible relaci´on no lineal. Si bien el cr´edito es clave para financiar inversi´on y consumo a lo largo del ciclo econ´omico, su importancia es a´un mayor en ´epocas de vulnerabilidad financiera. As´ı, durante episodios de estr´es, se acent´ua el impacto al restringir el acceso a financiamiento y generar una ca´ıda m´as pronuciada en el producto (Bernanke et al, 1996, Korinek & Mendoza, 2014). Adem´as, existe evidencia de que los episodios de credit boom del ciclo financiero anticipa una recesi´on de la actividad econ´omica (Borio et al, 2018). 

En ´epocas de crecimiento sostenido de la actividad econ´omica ocurre una mejora en la calidad del colateral y una reducci´on en el percepci´on de riesgo, lo que podr´ıa llevar a un apalancamiento excesivo de los agentes econ´omicos. Desde el punto de vista del sistema financiero, la mejora en los indicadores de solvencia y liquidez aumenta el apetito por riesgo, lo que contribuye a una situaci´on de estr´es financiero futuro, aumenta la probabilidad de un credit crunch y genera un impacto negativo sobre el crecimiento futuro de la econom´ıa. 

As´ı, el objetivo de este trabajo es validar este mecanismo y estimar c´omo las variables financieras afectan el crecimiento de la econom´ıa peruana en escenarios de riesgo, ie. si las condiciones financieras afectan el crecimiento futuro del PBI de forma diferenciada en condiciones normales y de crisis. Para ello, se utiliza la metodolog´ıa propuesta por Adrian, Boyarchenko y Giannone (2019), que emula el Value at Risk ampliamente usado en la literatura de riesgos financieros y se adapta para considerar riesgos sobre el sector real. Se utilizan modelos de estimaci´on por cuantiles (Koenker & Hallock (2001)) para encontrar el impacto de variables financieras a trav´es de distintos puntos de la distribuci´on del crecimiento del PBI. As´ı, la metodolog´ıa del GaR estima la funci´on de distribuci´on del crecimiento del PBI en un horizonte de tiempo t a trav´es de distintos percentiles α. 

Se consideran distintas fuentes de riesgos financieros: (i) indicadores de cantidad / apalancamiento, (ii) indicadores de precio de riesgos financieros (precios de distintos activos financieros dom´esticos) e (iii) indicadores de riesgos externos. Asimismo, se consideran distintos horizontes de tiempo para identificar si distintos tipos de riesgos financieros afectan el crecimiento en el corto o mediano plazo. Los datos incluyen variables financieras y macroecon´omicas en frecuencia trimestral para la econom´ıa peruana entre 1997 y 20181 . 

En particular, el caso peruano es interesante porque se trata de una econom´ıa emergente donde el sector financiero se asocia principalmente a la intermediaci´on bancaria y el mercado de capitales es relativamente pequeno. Asimismo, la dolarizaci´on financiera podr´ıa generar impactos diferenciados de choques financieros. Por otro lado, al ser una econom´ıa pequena y abierta, podr´ıa verse fuertemente afectada por choques financieros externos. 

Los resultados muestran que tanto indicadores del sector bancario - como un crecimiento excesivo del cr´edito - y del mercado de capitales - como los precios de activos o los retornos de los bonos del Tesoro- son buenos indicadores de un menor crecimiento futuro del PBI real en ´epocas de ´estres. Esto contrasta con la situaci´on en ´epocas normales, donde pierden relevancia, al encontrarse que el cr´edito simplemente ayuda a financiar proyectos de inversi´on productivos y aumenta la producci´on. 

Por su parte, si bien las variables externas, tales como el tipo de cambio o los precios de las materias primas, son relevantes como predictores del crecimiento futuro del PBI, el impacto es homogeneo bajo distintos escenarios financieros. Por ejemplo, un mayor crecimiento de los precios de las materias primas siempre tiene un efecto expansivo en el crecimiento, mientras que la depreciaci´on del tipo de cambio reduce el crecimiento futuro, en l´ınea con el canal de hoja de balance y de toma de riesgo del tipo de cambio (Bruno & Shin, 2015). 

1Se incluye datos desde 1997 en vez de s´olo el periodo de metas de inflaci´on para capturar en la muestra periodos de vulnerabilidad financiera, tal como las crisis financieras en pa´ıses emergentes de finales de la d´ecada de los noventas. 

Otro resultado relevante es la importancia de hacer seguimiento e incorporar las condiciones financieras en las proyecciones de escenarios de riesgo. As´ı, si consideramos proyecciones anteriores a la Gran Crisis Financiera Global, vemos que el modelo con variables financieras para el nivel de value at risk al 5 % considera el escenario de crecimiento de -0.8 % observado en ese periodo. En contraste, el escenario sin factores financieros predice un crecimiento positivo de alrededor de 2 % a´un en situaciones de riesgo negativo extremo. 

1.1. Revision Literaria 

Este trabajo se asocia a varias l´ıneas de investigaci´on que buscan capturar el v´ınculo entre el sector financiero y el sector real en una econom´ıa peque˜na y abierta como Per´u. Primero, podemos ligarla a los trabajos que analizan el v´ınculo no lineal entre el crecimiento en el sector financiero y el crecimiento en el sector real. La literatura te´orica encuentra diferentes mecanismos que resaltan el v´ınculo entre el sector financiero y el sector real, a trav´es del canal crediticio de la pol´ıtica monetaria, el cual genera un efecto asim´etrico que endurece las condiciones financieras previo a un periodo de crecimiento bajo del PBI (Brunnermeier et al, 2013, Bernanke et al, 1999). Sin embargo, la mayor´ıa de modelos DSGE se resuelven a trav´es de una aproximaci´on lineal que limita la importancia de esta asimetr´ıa e ignora momentos mayores de la distribuci´on de las variables del modelo. 

En cuanto a la literatura emp´ırica, esta relaci´on no lineal ha sido capturada usando regresiones de cuantiles por Giglio et al (2016), donde encuentran que las medidas de riesgo sist´emico son buenos predictores del crecimiento del PBI solamente para la cola negativa de la distribuci´on. Con respecto al uso de variables financieras para predecir el crecimiento del PBI o periodos de recesi´on, Estrella & Mishikin (1998) y Ponka (2017) utilizan variables financieras, especialmente el cr´edito, para mejorar la proyecci´on de estos episodios para EEUU. 

Asimismo, Guender (2018) considera si es mejor utilizar variables financieras de precio o cantidad para mejorar la proyeccci´on del crecimiento del PBI. Asimismo, se vincula a la literatura asociada a los modelos de early warning que calculan la probabilidad de ocurrencia de escenarios de estr´es financiero (Alessi & Detken (2011); Rose & Spiegel (2012); Gourinchas & Obstfeld (2012); Lo Duca & Peltonen (2013); Drehmann & Juselius (2014)). La metodolog´ıa de GaR permite extender el impacto de variables financieras sobre la probabilidad condicional de estos escenarios y simult´aneamente calcular cu´al es el valor esperado del crecimiento del PBI a trav´es de distintos escenarios de riesgo. 

En particular, este trabajo emp´ırico es una aplicaci´on de la metodolog´ıa aplicada a Estados Unidos por Adrian, Boyarchenko y Giannone (2019) y los estudios en la misma l´ınea para un panel de pa´ıses (International Monetary Fund 2017, 2018). Los resultados de estos estudios muestran que: (i) un aumento de la volatilidad en los precios de activos financieros e incremento de los diferenciales de tasas de inter´es previo a los episodios de menor crecimiento econ´omico; (ii) los precios de activos son m´as relevantes en horizontes de corto plazo, mientras que los de cantidad y apalancamiento son m´as relevantes en horizontes entre 1 y 3 a˜nos; (iii) un aumento en el VIX es un buen predictor de menor crecimiento en el corto plazo. Por su parte, algunos bancos centrales de la regi´on utilizan esta metodolog´ıa para calcular los escenarios de riesgo que se consideran en los ejercicios de pruebas de tensi´on (stress tests) del sistema bancario que se reportan en los Informes de Estabilidad Financiera (Banco de la Rep´ublica, 2018, 2019). En este trabajo se busca contrastar estos resultados con el caso peruano. 

2. Modelo del V´ınculo entre Variables Financieras y Reales en Episodios de Estr´es Financiero 

Como motivaci´on de los posibles mecanismos de transmisi´on presentes en el ejercicio emp´ırico, se presenta un marco te´orico basado en el modelo de equilibrio parcial de dos periodos de Bernanke, Gertler y Gilchrist (1996) para ilustrar c´omo cambia el v´ınculo entre variables financieras y PBI dependiendo de si la econom´ıa est´a en una situaci´on de estr´es financiero o no. La principal caracter´ıstica de este modelo es la existencia de un mercado de cr´edito con informaci´on imperfecta caracterizado por el problema de principal-agente. As´ı, los prestamistas (principales) no pueden acceder a informaci´on sobre las acciones de los prestatarios (agentes). 

Consideremos una firma representativa que busca maximizar beneficios. Para producir el bien final, necesita adquirir el insumo productivo x1 usando una tecnolog´ıa de producci´on a1f(x1), donde a1 representa la productividad y f() es una funci´on estrictamente creciente y c´oncava. Para adquirir dicho insumo, el financiamiento viene por dos fuentes: capital propio y deuda. La deuda del periodo est´a dada por b1 y la tasa de inter´es es r1. El capital propio consiste en la capitalizaci´on de las utilidades del periodo anterior a0f(x0)−r0b0. Asimismo, la deuda est´a condicionada por el valor del colateral K, cuyo precio es q1. As´ı, el problema de la firma est´a dado por:

VER MÁS AQUÍ





No hay comentarios:

Publicar un comentario