*La presente entrada es un avance del documento de trabajo no publicado Nº 010-2013-EMECEP/GEE.EI. "Levantamiento del Velo a la metodología de estimación de la inflación en el Perú: Simulaciones y Proyecciones en torno a la Meta Explícita de Inflación".
Una de las principales discusiones y críticas de la econometría es la relativa a la estabilidad de los parámetros estimados de un modelo macroeconométrico; al respecto, los componentes de la inflación, conforme es calculada y estimada en el Perú, no son ajenos a dicha problemática.
Dicho de otro modo, se estima para un período T1 que C = 50 + 0.89*YD, pero si se amplía la muestra a T2 (que incluye a T1, es posible que dichas estimaciones paramétricas cambien poco o mucho. Así, en el período T2, podría obtenerse el siguiente resultado: C = 51 + 0.90*YD.
¿Qué quiere decir esto? En primer lugar, ello significa que los parámetros estimados no son estables, diferenciándose en el período de estudio. Luego, es posible que la forma funcional más adecuada sea una no lineal en variables [1]. Finalmente, todo lo anterior generará una preocupación si es que la diferencia entre dichos parámetros estimados es significativa. Obviamente, una buena parte de esta estabilidad paramétrica puede deberse a otros problemas con el modelo estimado, sin embargo, puede presumirse que el modelizador los debería haber corregido.
Adicionalmente, una de las principales preocupaciones es que dicha inestabilidad paramétrica haya sido advertida por el modelizador pero no corregida, o peor aún, elegida discrecionalmente por éste con la finalidad de comprobar su hipótesis. Dicho de otro modo, un modelizador puede querer decir que el impacto del ingreso disponible es realmente importante sobre la conducta de consumo ya que la propensión marginal a consumir es mayor a 90%. Si utiliza la ecuación 1 en el período T1, probablemente no lo pueda afirmar, mientras que si usa el período T2, sí resultaría posible.
Lo correcto sería que el objetivo de la investigación fuere lo que determine el período de estudio, asumiendo que dicho período tiene una infinidad de características que son de especial interés al modelizador y no simplemente la "ventaja" de que tenga parámetros estimados que se ajusten a lo que él quiera mostrar.
Ahora bien, en el caso de la inflación, compuesta desde un enfoque en particular, por la inflación subyacente (la interior ó intrínseca de la economía peruana) con la no subyacente (la más superficial o complementaria), se ha encontrado que existe también una inestabilidad de los parámetros estimados desde un modelo lineal, tal como se aprecia en el gráfico nº 01.
En efecto, rango de estudio (2000 a 2013), el gráfico de los coeficientes recursivos muestra que dichos coeficientes no se han mantenido estables en el período de estudio. Un investigador razonable podría preferir estimar el modelo en el período en el cual los parámetros estimados sean más estables, aproximadamente entre el 2004 y el 2011. Sin embargo, las hipótesis que pueda comprobar no serán aplicables para proyecciones ex-post ni ex-ante, por lo cual limitaría el poder de cualesquiera afirmación que pudiera hacer.
¿Qué efecto tiene esto sobre la meta de inflación? En este caso, el impacto de sobre la inflación subyacente se habría intensificado respecto a los 10 años anteriores, mientras que el de la inflación no subyacente ha tenido el efecto opuesto. De ello, considerando que la inflación subyacente es mucho menos volátil, más predecible y más fácil de controlar monetariamente, dicho coeficiente se muestra a favor de la actividad reguladora de Banco Central de Reserva. Complementariamente, un menor coeficiente de la inflación no subyacente disminuye la importancia relativa de cualquier impacto no previsto, estacional o no controlable sobre la inflación. Dadas estas características es posible que se esté subvalorando el impacto de la volatilidad no subyacente en los precios, con la consecuente reducción de la probabilidad de que la inflación termine fuera del rango meta (1%-3%)
Subsiste una interrogante: ¿Dicho cambio reciente de coeficientes ha sido un proceso natural de las variables analizadas o ha sido manipulado por el modelizador? Resolver dicha pregunta puede resultar complicado en la medida que los datos básicos de la inflación los construye el INEI y no el BCRP, así como la subyacente y no subyacente. Claro, nada impide una coordinación entre ambas para adecuar las estimaciones paramétricas de modo tal que haga más fácil la actividad de intervención del BCRP.
Sin perjuicio de lo anterior, lo que sí es cierto es que en el año 2009 (para ser exactos Diciembre de 2009) se cambió la base para el cálculo del Índice de Precios, por lo cual ello debería haber tenido un impacto en la composición de los parámetros del modelo de inflación ISNS. No obstante, a nivel paramétrico, el rango de estudio no revela distinciones en dicho extremo, por lo menos con un rezago de 10 meses, por lo cual las causas de este cambio paramétrico podrían ser otras.
El mayor riesgo existirá, tratando de no caer en teorías conspiratorias, si es que ha sido el BCRP conjuntamente con el INEI, las entidades que han motivado este cambio paramétrico a fin de distorsionar las estadísticas de la inflación total, para facilitar artificialmente la labor del ente regulador monetario, ante un escenario económico adverso en el cual la volatilidad externa de los precios podría llevar a una inestabilidad significativa en del nivel de precios global que afecte el cumplimiento de la meta explícita de inflación. Y con ello, afectar la "reputación" del BCRP como entidad cuyo principal objetivo es generar la confianza suficiente a los agentes económicos para anclar sus expectativas anuales de inflación garantizando efectivamente el cumplimiento de la meta inflacionaria a fin de año.
Tal vez sea solo una cuestión de forma funcional (o tal vez no), según puede apreciarse en el gráfico nº 2, pero lo cierto es que este tipo de ardides econométricos no deberían existir, dado que se estaría efectuando un fraude a las expectativas económicas, tratando de cumplir una meta explícita de inflación poco consistente con un país pequeño altamente dependiente del contexto internacional. Es posible, o por lo menos debe quedar la duda, que la reducción de la meta de infación de 1.5%-3.5% a 1%-3% realizada en el año 2007 haya sido demasiado optimista, considerando el detrimento cercano del contexto económico internacional. Claro, tal vez dicho poder predictor no exigible al común de los analistas económicos, pero sí a un Banco Central quien debe actuar con prudencia antes que por conveniencia.
-------------------
[1] No debe confundirse la linealidad en los parámetros con la linealidad en las variables. Básicamente, para distinguir una linealidad de parámetros, debe calcularse la primera derivada de la ecuación y observar si la variable endógena sólo depende del citado parámetro. En caso contrario, es muy probable que se tenga una ecuación no lineal. Una excepción a esta regla son las ecuaciones no lineales linealizables, tales como los modelos exponenciales.
Una de las principales discusiones y críticas de la econometría es la relativa a la estabilidad de los parámetros estimados de un modelo macroeconométrico; al respecto, los componentes de la inflación, conforme es calculada y estimada en el Perú, no son ajenos a dicha problemática.
IPC = f ( IPCSUB, IPCNOSUB)
A manera de ejemplo simplificado, se ha discutido ampliamente en la teoría económica que el consumo depende del ingreso disponible, en una relación lineal en parámetros [1] de la forma: C = a + b*YD. Pero al momento de estimar dicha relación, nada asegura que los parámetros sean los mismos durante el rango de estudio.Dicho de otro modo, se estima para un período T1 que C = 50 + 0.89*YD, pero si se amplía la muestra a T2 (que incluye a T1, es posible que dichas estimaciones paramétricas cambien poco o mucho. Así, en el período T2, podría obtenerse el siguiente resultado: C = 51 + 0.90*YD.
¿Qué quiere decir esto? En primer lugar, ello significa que los parámetros estimados no son estables, diferenciándose en el período de estudio. Luego, es posible que la forma funcional más adecuada sea una no lineal en variables [1]. Finalmente, todo lo anterior generará una preocupación si es que la diferencia entre dichos parámetros estimados es significativa. Obviamente, una buena parte de esta estabilidad paramétrica puede deberse a otros problemas con el modelo estimado, sin embargo, puede presumirse que el modelizador los debería haber corregido.
Adicionalmente, una de las principales preocupaciones es que dicha inestabilidad paramétrica haya sido advertida por el modelizador pero no corregida, o peor aún, elegida discrecionalmente por éste con la finalidad de comprobar su hipótesis. Dicho de otro modo, un modelizador puede querer decir que el impacto del ingreso disponible es realmente importante sobre la conducta de consumo ya que la propensión marginal a consumir es mayor a 90%. Si utiliza la ecuación 1 en el período T1, probablemente no lo pueda afirmar, mientras que si usa el período T2, sí resultaría posible.
Lo correcto sería que el objetivo de la investigación fuere lo que determine el período de estudio, asumiendo que dicho período tiene una infinidad de características que son de especial interés al modelizador y no simplemente la "ventaja" de que tenga parámetros estimados que se ajusten a lo que él quiera mostrar.
Ahora bien, en el caso de la inflación, compuesta desde un enfoque en particular, por la inflación subyacente (la interior ó intrínseca de la economía peruana) con la no subyacente (la más superficial o complementaria), se ha encontrado que existe también una inestabilidad de los parámetros estimados desde un modelo lineal, tal como se aprecia en el gráfico nº 01.
Gráfico Nº 01
Parámetros estimados IPCL = C(1)*IPCNOSUBL +C(2)*IPCSUBL (Modelo ISNS), período 2000 a 2013
Fuente: BCRP Series estadísticas mensuales
Elaboración: EMECEP Consutoría.
En efecto, rango de estudio (2000 a 2013), el gráfico de los coeficientes recursivos muestra que dichos coeficientes no se han mantenido estables en el período de estudio. Un investigador razonable podría preferir estimar el modelo en el período en el cual los parámetros estimados sean más estables, aproximadamente entre el 2004 y el 2011. Sin embargo, las hipótesis que pueda comprobar no serán aplicables para proyecciones ex-post ni ex-ante, por lo cual limitaría el poder de cualesquiera afirmación que pudiera hacer.
¿Qué efecto tiene esto sobre la meta de inflación? En este caso, el impacto de sobre la inflación subyacente se habría intensificado respecto a los 10 años anteriores, mientras que el de la inflación no subyacente ha tenido el efecto opuesto. De ello, considerando que la inflación subyacente es mucho menos volátil, más predecible y más fácil de controlar monetariamente, dicho coeficiente se muestra a favor de la actividad reguladora de Banco Central de Reserva. Complementariamente, un menor coeficiente de la inflación no subyacente disminuye la importancia relativa de cualquier impacto no previsto, estacional o no controlable sobre la inflación. Dadas estas características es posible que se esté subvalorando el impacto de la volatilidad no subyacente en los precios, con la consecuente reducción de la probabilidad de que la inflación termine fuera del rango meta (1%-3%)
Subsiste una interrogante: ¿Dicho cambio reciente de coeficientes ha sido un proceso natural de las variables analizadas o ha sido manipulado por el modelizador? Resolver dicha pregunta puede resultar complicado en la medida que los datos básicos de la inflación los construye el INEI y no el BCRP, así como la subyacente y no subyacente. Claro, nada impide una coordinación entre ambas para adecuar las estimaciones paramétricas de modo tal que haga más fácil la actividad de intervención del BCRP.
Sin perjuicio de lo anterior, lo que sí es cierto es que en el año 2009 (para ser exactos Diciembre de 2009) se cambió la base para el cálculo del Índice de Precios, por lo cual ello debería haber tenido un impacto en la composición de los parámetros del modelo de inflación ISNS. No obstante, a nivel paramétrico, el rango de estudio no revela distinciones en dicho extremo, por lo menos con un rezago de 10 meses, por lo cual las causas de este cambio paramétrico podrían ser otras.
El mayor riesgo existirá, tratando de no caer en teorías conspiratorias, si es que ha sido el BCRP conjuntamente con el INEI, las entidades que han motivado este cambio paramétrico a fin de distorsionar las estadísticas de la inflación total, para facilitar artificialmente la labor del ente regulador monetario, ante un escenario económico adverso en el cual la volatilidad externa de los precios podría llevar a una inestabilidad significativa en del nivel de precios global que afecte el cumplimiento de la meta explícita de inflación. Y con ello, afectar la "reputación" del BCRP como entidad cuyo principal objetivo es generar la confianza suficiente a los agentes económicos para anclar sus expectativas anuales de inflación garantizando efectivamente el cumplimiento de la meta inflacionaria a fin de año.
Gráfico Nº 02
Parámetros estimados LOG(IPCL) = C(1)*LOG(IPCNOSUBL) +C(2)*LOG(IPCSUBL) (Modelo LISNS), período 2000 a 2013
Fuente: BCRP Series estadísticas mensuales
Elaboración: EMECEP Consutoría. www.emecep-consultoria.com
Jefe de Estudios Económicos
+EMECEP Consultoría
+EMECEP Consultoría
-------------------
[1] No debe confundirse la linealidad en los parámetros con la linealidad en las variables. Básicamente, para distinguir una linealidad de parámetros, debe calcularse la primera derivada de la ecuación y observar si la variable endógena sólo depende del citado parámetro. En caso contrario, es muy probable que se tenga una ecuación no lineal. Una excepción a esta regla son las ecuaciones no lineales linealizables, tales como los modelos exponenciales.
No comments:
Post a Comment