PROYECCIN DE LA TASA DE CAMBIO DE COLOMBIA BAJO CONDICIONES DE PPA: EVIDENCIA EMPRICA USANDO VAR1,2

Profesional en Finanzas y Negocios Internacionales, Universidad Tecnolgica de Bolvar, Colombia. Auxiliar de compras internacionales y nacionales, Propilco, Colombia. catherine.fayad@propilco.com

CATHERINE FAYAD HERNNDEZ

Maestra en Economa, Universidad del Rosario, Colombia. Profesor de tiempo completo, Universidad Tecnolgica de Bolvar, Colombia. Dirigir correspondencia a: Cra 21 No. 25-92, Universidad Tecnolgica de Bolvar Sede Manga, Edicio MB, P. 4. Cartagena, Colombia rfortich@unitecnologica.edu.co

ROBERTO CARLOS FORTICH MESA*

Master of Science en Industrial Engineering, University of Missouri, Estados Unidos. Profesor Asociado, Universidad Tecnolgica de Bolvar, Colombia. Grupo de investigacin Instituto de Estudios para el Desarrollo, IDE, Colombia. ivelez@unitecnologica.edu.co

IGNACIO VLEZ-PAREJA

Fecha de recepcin: 06-05-2009

Fecha de correccin: 12-11-2009

Fecha de aceptacin: 26-11-2009

RESUMEN El trabajo evala la proyeccin de la tasa de cambio (peso colombiano/dlar) con datos de 1995 a 2005 de Colombia a travs del modelo de Tasa de Cambio de Paridad de Poder Adquisitivo (TCPPA). Se realiz una comparacin del desempeo en la muestra (reservando los datos histricos de 2001 a 2005) de las proyecciones de modelos que utilizan la PPA, con las de un modelo de Vectores Autorregresivos (VAR). El mtodo VAR tiene mejor desempeo para predecir la tasa de cambio nominal, de acuerdo con los indicadores RMSE, MAE y U-Theil, mientras que de acuerdo con el MAPE en el primer y segundo mes pronosticado, el VAR tiene peor desempeo que los modelos que utilizan PPA.

1 Este documento fue seleccionado en la convocatoria para enviar artculos, Call for Papers, realizada en el marco del Simposio Anlisis y propuestas creativas ante los retos del nuevo entorno empresarial, organizado en celebracin a los 30 aos de la Facultad de Ciencias Administrativas y Econmicas de la Universidad Icesi y de los 25 aos de su revista acadmica, Estudios Gerenciales; el 15 y 16 de octubre de 2009, en la ciudad de Cali (Colombia). El documento fue presentado en las sesiones simultneas del rea de Finanzas, el ttulo de la presentacin fue Proyeccin de la tasa de cambio de Colombia bajo condiciones de PPA: evidencia emprica y demostracin economtrica mediante VAR 2 Se agradece a Gustavo Lpez y David A. Londoo por su valiosa colaboracin durante el desarrollo de una versin previa del trabajo. Tambin se agradecen los comentarios de Jess Otero para las pruebas de raz unitaria. * Autor para correspondencia.

estud.gerenc.,Vol. 25 No. 113 (Octubre - Diciembre, 2009), 211-226

ESTUDIOS GERENCIALES

211

PALABRAS CLAVE Tasa de cambio, modelo de series de tiempo, modelacin nanciera. Clasicacin JEL: F31, C22, G17 ABSTRACT Forecasting foreign exchange rates in Colombia assuming PPP conditions: empirical evidence using VAR This document examines exchange rate forecasts during the 1995-2005 period, using a Purchasing Power of Parity Exchange Rate Model (PPPER). Our rst nding is that the computed forecasts seem to validate the use of this model under certain conditions given that it performs well in predicting the behavior of the nominal exchange rate. Our second nding included a comparative analysis of out-of-sample forecasts (saving historical data) between the PPP-based forecast models and the Vector Autoregressive (VAR) model. The VAR has a better forecasting performance based on the RMSE, MAE, and U-Theil indicators. MAPE results measured on the rst and second month-ahead forecasts indicate that the VAR model performs more poorly than the PPP-based models. KEYWORDS Foreign exchange, time-series model, nancial forecasting. RESUMO Previso da taxa de cmbio na Colmbia sob condies de PPC: evidncia emprica usando VAR Esse documento avalia as previses da taxa de cmbio (peso colombiano/dlar) com dados de 1995 a 2005 da Colmbia, usando um Modelo de Taxa de Cmbio de Paridade de Poder de Compra (TCPPC). Foi realizada uma comparao do desempenho na amostragem (reservando os dados do histrico de 2001 a 2005) das previses de modelos que usam PPC, com as de um modelo de Vectores Auto-regressivos (VAR). O mtodo VAR tem melhor desempenho para prever a taxa de cmbio nominal, de acordo com os indicadores RMSE, MAE e U-Theil, enquanto que de acordo com o MAPE no primeiro e segundo ms prognosticados, o VAR apresenta pior desempenho que os modelos utilizando PPC. PALAVRAS-CHAVE Taxa de cmbio, modelo de sries de tempo, modelao nanceira.

212

ESTUDIOS GERENCIALES

Vol. 25 No. 113 Octubre - Diciembre de 2009

INTRODUCCIN Un hecho empresarial que resulta importante es el de comprender cmo se proyecta la tasa de cambio. Esta es una variable que puede influir signicativamente sobre la calidad de la toma de decisiones nancieras y es indudable que la incertidumbre acerca del comportamiento de la tasa de cambio puede acarrear diferentes consecuencias negativas sobre las empresas. Por ejemplo, para los importadores una depreciacin de la moneda aumenta sus costos de la produccin, de los insumos, de las materias primas, entre otros. Los exportadores, a su vez, ven agravados sus problemas durante las apreciaciones de la tasa de cambio. Lo anterior es poco si se le aade el tema del pago de pasivos expresados en denominaciones extranjeras y otras decisiones relacionadas con el cubrimiento del riesgo cambiario de la empresa, los cuales pueden llegar a multiplicar la vulnerabilidad del negocio ante cambios sbitos de la tasa de cambio. En la prctica, los empresarios no se preocupan por perfeccionar una metodologa que les asegure buenas proyecciones de los indicadores de tasa de cambio, lo cual es preocupante si se tiene en cuenta que estas proyecciones tampoco se encuentran disponibles en ningn medio informativo ocial. Qu es lo que se hace entonces? Lo ms usual es que se use informacin histrica, ya sea para predecir el comportamiento futuro o para suponer que el comportamiento histrico se mantendr hacia el futuro, y sobre esta base hacer los estimativos. Dado que no existe ningn mtodo de pronstico infalible, lo que hacen estos procedimientos es

estimar un valor posible pero siempre sujeto a errores. Precisamente, en este trabajo se discutirn teoras econmicas que intentan poner orden a la hora de explicar las variaciones de la tasa de cambio, para nalmente contrastar el nivel de acierto al que se llega utilizando diferentes conjuntos de modelos estadsticos. La motivacin, pues, ha sido la de aplicar a datos reales distintas aproximaciones o enfoques de proyeccin de tasa de cambio, con el n de comparar su desempeo, utilizando para ello indicadores que evalan el nivel de desvo o error al que se llega en cada caso. Los resultados de estas comparaciones podrn servir para que un empresario que se haya enfrentado a estos datos sepa con certeza cmo le hubiese ido al usar alguno de los mtodos de proyeccin propuestos. Es necesario delimitar bien el alcance del presente trabajo. No se intentar comprobar empricamente si se cumple la teora de la PPA; esa literatura acude al uso de pruebas de raz unitarias y modelos de cointegracin y se puede consultar en Taylor (2002). Tampoco se espera hallar resultados sistemticos o demostraciones matemticas que revelen las condiciones en las cuales un mtodo de proyeccin es mejor que otro; de modo que los resultados tienen validez nicamente para el periodo analizado en el caso colombiano. No se conocen antecedentes de pronsticos similares para otros pases, por lo que es imposible generalizar los resultados. El trabajo est organizado de la siguiente forma: en la seccin 1 se presenta la teora de la PPA y se explica su relacin con la proyeccin

Proyeccin de la tasa de cambio de Colombia bajo condiciones de PPA: evidencia emprica usando VAR

ESTUDIOS GERENCIALES

213

de la tasa de cambio. En la seccin 2 se realiza la proyeccin de la tasa de cambio utilizando el mtodo VAR. Finalmente, la seccin 3 presenta las conclusiones. 1. VOLATILIDAD DE LA TASA DE CAMBIO Y MODELACIN FINANCIERA: ES TIL LA HIPTESIS DE PARIDAD DE PODER ADQUISITIVO (PPA) PARA PROYECTAR LA TASA DE CAMBIO? En teora, cuando una empresa tiene relaciones comerciales con empresas de otros pases se establecen diferencias en cuanto a los precios y la moneda; no obstante, existe la Ley de un solo precio que arma que cuando se miden en moneda comn, las mercancas libremente negociadas deberan costar lo mismo en cualquier parte del mundo. As, la tasa de conversin de moneda extranjera a moneda nacional se denomina tasa de cambio, que en este caso se reere al peso colombiano/ dlar. De acuerdo con todo lo anterior se obtiene lo que se conoce como tasa de cambio de paridad de poder adquisitivo (TCPPA) -Ecuacin 1-.

Donde: TCPPA Variacin porcentual en la tasa de cambio de paridad de poder adquisitivo a lo largo de un ao

iCOL iUSA

Tasa de inacin de Colombia Tasa de inacin de Estados Unidos

Por otro lado, la tasa de cambio real (TCR) (Ecuacin 3), puede interpretarse como el cociente entre la Tasa Representativa del Mercado (TRM) y la TCPPA, ya que busca recoger el diferencial entre el valor de mercado de la moneda y su valor terico. Ntese que si la TRM fuese igual a la TCPPA, la TCR debera ser igual a 1. A su vez, la TRM puede despejarse de esta relacin, para obtener la Ecuacin 4.

TCR

TRM x PUSA PCOL PCOL PUSA

(3)

E (ri) s Psrs
Donde:

TRM TCR x

(4)

(1)

PCOL Precio de la canasta de bienes de referencia en Colombia PUSA Precio de la misma canasta de bienes en Estados Unidos Esta misma relacin se puede expresar tambin en trminos de tasas de variacin porcentual (Ecuacin 2).

TCPPA

1 iCOL 1 1 iUSA

(2)

Debido a que su comportamiento es ms predecible que el de la errtica TRM, algunos analistas nancieros suelen usar la TCPPA en su lugar. De este modo, ante la necesidad de proyectar estados nancieros donde se tengan en cuenta los valores futuros de la TRM, es comn que se tome simplemente la Ecuacin 2 (la cual supone por construccin que se cumple la Ley de un solo precio). Desde ese punto de vista, la variacin de la TRM puede interpretarse como una versin modicada de la variacin de

214

ESTUDIOS GERENCIALES

Vol. 25 No. 113 Octubre - Diciembre de 2009

la TCPPA, la cual se multiplica por una funcin de la tasa de variacin de la TCR (Ecuacin 5).
1 i COL TRM 1 i x (1 TCR ) 1 USA

que los dos primeros aos la tasa de variacin de la TCR ser de 3%, y que a partir de t+3 no presenta ms variaciones (Tabla 2). Qu tan vlido resulta el uso de estos mtodos para proyectar una TRM? Se trata de una cuestin emprica, la cual deber ser juzgada en trminos de su porcentaje de error respecto a los datos histricos, y respecto a su desempeo en comparacin con otros mtodos de pronstico. En este trabajo se propone evaluar lo anterior con datos de la TRM de Colombia entre 1995 y 2005. Desempeo del modelo TCPPA y el caso de informacin perfecta El modelo TCPPA con informacin perfecta corresponde a la proyeccin de la TRM durante el periodo de validacin que se reserv para hacer los pronsticos, utilizando como datos

(5)

Otra prctica extendida en los departamentos nancieros de las empresas, consiste en utilizar la Ecuacin 5 en sus proyecciones, pero slo durante los primeros aos. Luego, se suele suponer que la Ecuacin 2 es la que se verica. Para ilustrar esto con un ejemplo, supngase que se tiene la siguiente informacin: sea la TRM en t igual a 2000, y sean iCOL e iUSA iguales a 5% y 2%, respectivamente. Utilizando estos datos, es posible proyectar la TRM con dos mtodos diferentes: en primer lugar puede utilizar la Ecuacin 2 entre los periodos t+1 y t+6 (Tabla 1). En segundo lugar, podra suponerse arbitrariamente

Tabla 1. Ejemplo de una proyeccin de la TRM usando la TCPPA

t t+1 t+2
2

t+3 t+4 t+5 ... ...

t+6

1 0,05 1 0,05 2000 ... 2000 2000 1 0,02 1 0,02

1 0,05 6 2000 1 0,02

Tabla 2. Ejemplo de una proyeccin de la TRM usando un TCR arbitrario los dos primeros aos
T t+1
1 0,05

t+2
1 0,05 2000 (1 0,03) 2 1 0,02
2

t+3
1 0,05 TRM t 2 1 0,02

2000 2000 1 0,02 (1 0,03) T t+4

t+5
2

t+6
3

2000 TRM t 2

1 0,05 1 0,02

1 0,05 TRM t 2 1 0,02

1 0,05 4 TRM t 2 1 0,02

Proyeccin de la tasa de cambio de Colombia bajo condiciones de PPA: evidencia emprica usando VAR

ESTUDIOS GERENCIALES

215

de inacin domstica y extranjera los valores histricos ocurridos durante tal periodo, y sirvindose de la Ecuacin 2 para realizar los clculos. Los resultados de las proyecciones se muestran en el Grco 1. Esto equivale a suponer que el hipottico usuario o analista cuenta con una proyeccin perfecta de ambas inaciones. En este punto debe aclararse el porqu es importante probar el modelo TCPPA con informacin perfecta: los resultados que se obtengan servirn de referencia ideal, y en cierta medida se pone a prueba el argumento de la PPA per se, despojndolo de cualquier ruido ocasionado por el uso de valores cticios dentro de la Ecuacin 2. As, la prueba indicara la bondad del mtodo en s mismo, y ms adelante se realizar la misma Grco 1. TRM vs. TCPPA
3000 2600 2200 1800 1400 1000 600 1995 1996 1997 1998 1999

prueba pero utilizando las inaciones generadas mediante un VAR (a esto se le llamar TCPPA-VAR). Para evaluar el desempeo de los pronsticos se utilizaron diferentes mtodos, tales como el clculo del error porcentual en el primero, segundo y tercer mes proyectados,3 y de otros indicadores estadsticos como el MSE, RMSE, MAE, y la U-Theil. La construccin de cada uno de estos indicadores puede consultarse junto con otros detalles metodolgicos en De Gooijer y Hyndman (2006). Los resultados para el caso del modelo TCPPA (Tabla 3), indican que usar este mtodo con los datos colombianos entre 2001 y 2005 hubiese signicado un desfase de 2,05% para el primer mes pronosticado, y un 1,25% de error en promedio para el primer trimestre proyectado.

2000
TRM

2001
TCPPA

2002

2003

2004

2005

Fuente: Elaboracin propia

El error porcentual medio se conoce como MAPE por sus siglas en ingls, mean absolute percentage error.

216

ESTUDIOS GERENCIALES

Vol. 25 No. 113 Octubre - Diciembre de 2009

Tabla 3. Evaluacin del desempeo de las proyecciones del modelo TCPPA

Modelo MAPE mes 1 MAPE mes 2 MAPE mes 3 Promedio MAPE trimestre MAPE a dos aos (2001-2002) MSE RMSE MAE U-Theil
Fuente: Elaboracin propia

TCPPA 2,05% 0,68% 1,00% 1,25% 4,25% 62.506 250 199 0,05

es el de usar mtodos estadsticos de series de tiempo para estimar las variables necesarias para poder calcular la TCPPA y la PPA-TCR. En este trabajo, se estim un modelo VAR para conseguir los pronsticos de las variables TRM, TCR, iCOL e iUSA. 2.1. Descripcin de los datos y metodologa Los mtodos estadsticos de series de tiempo que se utilizaron requirieron de mltiples variables como insumo para su correspondiente estimacin. En este trabajo las variables utilizadas se resumen en la Tabla 4. Las variables utilizadas tuvieron una periodicidad mensual desde enero de 1995 hasta diciembre de 2005. Se consider tomar estas variables macroeconmicas puesto que hacen parte de las cuentas de la balanza comercial informadas por el Banco de la Repblica y su acceso es fcil para cualquier potencial usuario de los mtodos que se proponen en este

2. PROYECCIN DE LA TASA DE CAMBIO MEDIANTE VAR Los datos utilizados en las proyecciones de la seccin anterior se basaron en los valores histricos u observados de las inaciones, as que no representan la informacin que verdaderamente tendrn a su disposicin los usuarios o analistas interesados en estimar el comportamiento futuro de la TRM. Sin embargo, un ejercicio interesante que puede plantearse, Tabla 4. Denicin de variables

Tasa Representativa del Mercado. Es igual al promedio del precio reportado en las opeTRM raciones de compra y venta de divisas realizadas por los intermediarios nancieros del mercado cambiario colombiano, tomando el dato de n de mes. iCOL Tasa de inacin de Colombia. Es igual a la variacin porcentual del IPC mensual. iUSA Tasa de inacin de Estados Unidos. Es igual a la variacin porcentual del CPI mensual. TRM x PUSA Tasa de cambio real. Calculada como TCR = , donde PUSA es el CPI, y TCR PCOL PCOL es el IPC. X XT XNT M R Valor de las exportaciones totales (FOB) de Colombia. Valor de las exportaciones tradicionales (FOB) de Colombia. Valor de las exportaciones no tradicionales (FOB) de Colombia. Valor de las importaciones (CIF) de Colombia. Valor de las Reservas Internacionales de Colombia.

Fuente: Aos 1995 a 2005, variables obtenidas de la pgina web del Banco de la Repblica de Colombia, excepto por el CPI, el cual provino del Bureau of Labor Statistics de Estados Unidos.

Proyeccin de la tasa de cambio de Colombia bajo condiciones de PPA: evidencia emprica usando VAR

ESTUDIOS GERENCIALES

217

trabajo. A partir de las nueve variables elegidas, se hicieron pruebas de especicacin de series de tiempo multivariadas para encontrar el nmero de variables ptimas a incluir en el modelo. 2.2. Especicacin del modelo El objetivo de utilizar una tcnica de series de tiempo multivariada es poder contar con un mtodo para proyectar la TCR y las inaciones nacionales y, a su vez, incluir esos resultados en la Ecuacin 5. El modelo de Vectores Autorregresivos (VAR) es una extensin multivariada de un modelo autorregresivo univariado. Todo VAR tiene dos dimensiones: la longitud u orden, p, que es igual al mayor de los rezagos incluido en la autorregresin; y el nmero, k, de las variables existentes modeladas conjuntamente. Para que un VAR est correctamente especicado, el primer paso es elegir el nmero ptimo tanto de p como de k. Por ejemplo, un VAR de orden p en k variables se expresa como en la Ecuacin 6.
yt 1 yt 1 2 yt 2 ... p yt p t (6)

zar los pronsticos se debe a que su desempeo es superior al de los modelos de series de tiempo univariados lineales o ARIMA, los cuales son tradicionalmente utilizados para hacer proyecciones en economa. No obstante, segn Patterson (2000) la metodologa de VAR no est exenta de crticas: una de ellas es que existe un trade-off entre el nmero de variables que son incluidas en un VAR y el nmero de grados de libertad que quedan en la muestra. Al incluir ms variables en el modelo se debe mejorar la especicacin del mismo, pero ocurre que por cada variable aadida los grados de libertad de la estimacin se reducen signicativamente. Un paso preliminar necesario antes de llevar a cabo las medidas de prediccin para el modelo de tasa de cambio propuesto, es el de la determinacin del orden de integracin de los procesos generadores de los datos empleados en el anlisis. Si las series fuesen no-estacionarias, esto acarreara problemas debido a que no se podra estimar un proceso autorregresivo usando esos datos. Para lo anterior, inicialmente se analiza la estacionaridad de las series por medio de las prueba de DickeyFuller Aumentada o ADF por sus siglas en ingls. 2.3. Seleccin de orden y algoritmo de Dolado La prueba ADF se realiz estimando la ecuacin para cada variable con rezago y con tendencia; el nmero de rezagos mximos incluidos en p se calcul con base en la recomendacin de Hayashi (2000), y para evaluar

Por otro lado, en la Ecuacin 7 se expresa el mismo VAR(p) pero ahora en notacin del operador de rezago multivariado, donde cada i es una matriz de coecientes de tamao kxk. El segundo paso para una correcta especicacin del VAR consiste en garantizar la propiedad de estacionariedad para que las tcnicas de inferencia estndar puedan ser vlidas.

A( L) I 1 L ... p L

(7)

La principal razn por la cual se eligi utilizar un VAR para reali-

218

ESTUDIOS GERENCIALES

Vol. 25 No. 113 Octubre - Diciembre de 2009

la signicancia del ltimo rezago se utiliz la distribucin normal al 10%.4 Si el rezago es estadsticamente diferente de cero, entonces los errores son ruido blanco; si no lo son, se reduce entonces el nmero de rezagos en 1 y se repite el proceso. De esta forma, se encontr el valor crtico y el estadstico para empezar el Algoritmo de Dolado y concluir si las variables tenan raz unitaria o no, y el orden de integracin para cada una de ellas al momento de incluirlas en el VAR.5 Los resultados se observan en la Tabla 5, Paneles A y B. Tabla 5. Panel A: Prueba ADF*
Variable X XT XNT M icol iusa TRM TCR R Estadstico -0,43 -2,30 -0,32 0,39 -2,58 -3,45 -0,86 -1,58 -1,19

2.4. Estimacin del modelo y procedimiento de pronstico Se estimaron 245 ecuaciones VAR, resultantes de hacer todas las combinaciones posibles de variables y rezagos con las nueve variables disponibles. El siguiente paso en la especicacin consisti en calcular para cada ecuacin el valor del AIC (Akaike Information Criterion), en su versin tomada de Ltkepohl (1991), con el n de utilizarlo como criterio de seleccin de orden. Luego, se hicieron pruebas de

Valor crtico -3,15 -3,15 -3,15 -3,15 -3,15 -3,15 -3,15 -3,15 -3,15

Orden de integracin I(1) I(1) I(1) I(1) I(0) I(0) I(2) I(1) I(1)

* Nivel de signicancia = 10%

Tabla 5. Panel B: Resultados Algoritmo de Dolado

Variable dX dXT dXNT dM icol iusa d(dTRM) dTCR dR No. de rezagos ptimos 11 21 21 21 22 21 22 18 6 Modelo Sin constante, sin tendencia Con constante y tendencia Sin constante, sin tendencia Sin constante, sin tendencia Sin constante, sin tendencia Con constante y tendencia Con constante, con tendencia Sin constante, sin tendencia Con constante y tendencia Conclusin No tiene raz unitaria No tiene raz unitaria No tiene raz unitaria No tiene raz unitaria No tiene raz unitaria No tiene raz unitaria No tiene raz unitaria No tiene raz unitaria No tiene raz unitaria

Fuente: Clculos de los autores

4 5

Procedimiento sugerido en Franses (1998), otros autores utilizan otros niveles de signicancia; en este artculo los clculos se hicieron al 10%. La versin utilizada del Algoritmo de Dolado ha sido incluido en el Anexo A.

Proyeccin de la tasa de cambio de Colombia bajo condiciones de PPA: evidencia emprica usando VAR

ESTUDIOS GERENCIALES

219

estacionariedad de las races sobre las ecuaciones seleccionadas para renar la especicacin del modelo, reduciendo as la bsqueda a 32 ecuaciones. La especicacin nal a la que se lleg fue un VAR(8) en cuatro variables: icol, iusa, d(dTRM) y dTCR. Los resultados del anlisis se resumen en la Tabla 6. Tabla 6. Resultados pruebas de seleccin de orden VAR en cuatro variables
Rezago 0 1 2 3 4 5 6 7 8 9 10 11 12 13 AIC 10,4706 5,7650 5,8919 6,1639 6,2034 6,2735 6,2597 6,2436 5,4526* 4,7048 3,7117 3,1889 -0,3840 -8,4513 Estacionariedad VAR Races estacionarias Races estacionarias Races estacionarias Races estacionarias Races estacionarias Races estacionarias Races estacionarias Races estacionarias Races estacionarias Raz no-estacionaria Raz no-estacionaria Raz no-estacionaria Raz no-estacionaria Raz no-estacionaria

desde enero de 1995 hasta diciembre de 2005 y se dividi en dos submuestras. La primera es el periodo de estimacin que abarca 72 meses, mientras que el periodo de validacin consta de 60 meses; de esta forma se realiz una comparacin de los datos obtenidos al aplicar el modelo con los verdaderamente ocurridos. Se analiz el desempeo de los pronsticos de la TRM utilizando los indicadores MSE, RMSE, MAE, MAPE y U-Theil. 2.5. Proyeccin directa de la TRM (TRM-VAR) Se proyect la TRM con el fin de compararla con el valor histrico (Grco 2). Puede observarse cmo la trayectoria creciente que tuvo la TRM antes de 2001 contina representada en la TRM-VAR, al tener sta pendiente positiva. El pronstico parece ser consistente con los resultados que se obtienen en la literatura en relacin con su desempeo (De Gooijer y Hyndman, 2006; Nez, 2005; Patio y Alonso, 2005), ya que solo son conables en el corto plazo. Por otro lado, trabajar con datos de mayor frecuencia a la mensual pudo haber mejorado las proyecciones.

* Nmero de rezagos ptimos Fuente: Clculos de los autores

Usando el VAR seleccionado se realiz un pronstico dinmico. Se escogi una muestra de 11 aos (132 meses), Grco 2. TRM vs. TRM-VAR
3000 2600 2200 1800 1400 1000 600 1995 1996 1997 1998 1999 2000

2001

2002

2003

2004

2005

TRM

TRM-VAR

Fuente: Elaboracin propia

220

ESTUDIOS GERENCIALES

Vol. 25 No. 113 Octubre - Diciembre de 2009

Para evaluar el desempeo de los pronsticos tambin se utilizaron diferentes mtodos, tales como el MAPE en el primero, segundo y tercer mes proyectados, MSE, RMSE, MAE y la U-Theil. Los resultados para el caso del modelo TRM-VAR (Tabla 7) indican que usar este mtodo con los datos colombianos entre 2001 y 2005 hubiese signicado un desfase de 2,92% para el primer mes pronosticado, y un 1,41% de error en promedio para el primer trimestre proyectado. Tabla 7. Evaluacin del desempeo de las proyecciones del modelo TRMVAR
Modelo MAPE mes 1 MAPE mes 2 MAPE mes 3 Promedio MAPE trimestre MAPE a dos aos (2001-2002) MSE RMSE MAE U-Theil
Fuente: Elaboracin propia

proyectados, y dems indicadores estadsticos, se observa que se desfas en un 2,51% para el primer mes pronosticado, y en un 2,82% de error en promedio para el primer trimestre proyectado (Tabla 8). Tabla 8. Evaluacin del desempeo de las proyecciones del modelo TCPPAVAR
Modelo MAPE mes 1 MAPE mes 2 MAPE mes 3 Promedio MAPE trimestre MAPE a dos aos (2001-2002) MSE RMSE MAE U-Theil TCPPA-VAR 2,51% 2,64% 3,33% 2,82% 4,41% 124.639 353 267 0,0687

TRM-VAR 2,92% 1,24% 0,07% 1,41% 5,61% 93.296 305 241 0,0587

Fuente: Clculos de los autores

2.6. Desempeo del modelo TCPPA a partir de proyecciones del VAR El modelo de TCPPA-VAR corresponde a la proyeccin de la TRM durante el periodo de validacin que se reserv para hacer los pronsticos, utilizando como datos de inacin domstica y extranjera los valores generados mediante el VAR, y sirvindose de la Ecuacin 2 para realizar los clculos. Los resultados de las proyecciones se muestran en el Grco 3. En lnea punteada se representa el valor proyectado de la TCPPA-VAR. Al evaluar el desempeo de los pronsticos mediante el error porcentual en el primero, segundo y tercer meses

2.7. Desempeo del modelo PPA-TCR a partir de proyecciones del VAR El desempeo del modelo PPA-TCRVAR puede verse en el Grco 4. En este modelo se utiliza la Ecuacin 5 combinando simultneamente los pronsticos de inacin de Colombia, inacin de Estados Unidos y TCR. Para evaluar el desempeo de los pronsticos se utilizaron los diferentes mtodos ya mencionados (MAPE en el primero, segundo y tercer meses proyectados, MSE, RMSE, MAE, y U-Theil). Los resultados para el caso del modelo TCPPA (Tabla 9) indican que usar este mtodo con los datos colombianos entre 2001 y 2005 hubiese signicado un desfase de 3,16% para el primer mes pronosticado, y un 1,76% de error en promedio para el primer trimestre proyectado. En este trabajo se hizo un ejercicio emprico de proyeccin de variables macroeconmicas, apoyado en la

Proyeccin de la tasa de cambio de Colombia bajo condiciones de PPA: evidencia emprica usando VAR

ESTUDIOS GERENCIALES

221

Grco 3. TRM vs. TCPPA-VAR

3000 2600 2200 1800 1400 1000 600 1995 1996 1997 1998 1999
TRM

2000

2001

2002

2003

2004

2005

TCPPA - VAR

Fuente: Elaboracin propia

Grco 4. TRM vs. PPA-TCR-VAR

4200 3800 3400 3000 2600 2200 1800 1400 1000 600 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005

TRM

PPA - TCR - VAR

Fuente: Elaboracin propia

Tabla 9. Evaluacin del desempeo de las proyecciones del modelo PPATCR-VAR dentro de la muestra
Modelo PPA-TCR-VAR MAPE mes 1 3,16% MAPE mes 2 0,55% MAPE mes 3 1,58% Promedio MAPE trimestre 1,76% MAPE a dos aos (2001-2002) 8,02% MSE 754.779 RMSE 869 MAE 628 U-Theil 0,1514
Fuente: Elaboracin propia

teora de la Paridad de Poder Adquisitivo con el n de explicar las variaciones de la tasa de cambio y vericar si sta sirve para mejorar el nivel de acierto de las proyecciones. Para comparar el desempeo de las proyecciones, se incluy tambin un modelo de series de tiempo multivariado y se aplic principalmente a los datos de la TRM de Colombia entre 1995 y 2005. Un comparativo en el que se sintetizan los hallazgos se incluye en la Tabla 10.

222

ESTUDIOS GERENCIALES

Vol. 25 No. 113 Octubre - Diciembre de 2009

Tabla 10. Comparativo de desempeo

Modelo Promedio MAPE a dos MAPE aos (2001- MSE RMSE trimestre 2002) 5,61% 93.296 305 2,92% 1,24% 0,07% 1,41% 2,51% 2,64% 3,33% 2,82% 4,41% 124.639 353 3,16% 0,55% 1,58% 1,76% 8,02% 754.779 869 MAPE MAPE MAPE mes 1 mes 2 mes 3 5,13% 4,58% 190.572 437 MAE U-Theil 241 267 628 315 0,0587 0,0687 0,1514 0,0829

TRM-VAR TCPPA-VAR PPA-TCR-VAR Benchmark (pro5,46% 4,66% 5,26% yeccin lineal)

Fuente: Clculos de los autores

Qu mtodo debe usarse entonces para realizar la proyeccin de la TRM? Hay una propuesta que usa la llamada tasa de cambio de paridad de poder adquisitivo (TCPPA), cuyo uso frecuente por parte de las empresas fue la motivacin de este artculo (Ecuacin 2)

modelo VAR aqu usado fue similar al que rutinariamente hacen los equipos tcnicos de entidades especializadas en comercializar proyecciones de series econmicas. Ntese que las proyecciones realizadas, aunque rescatables en el corto plazo, presentan un creciente margen de error que se traduce en que no sean conables a la hora de necesitarse pronsticos de ms largo plazo (superiores a los tres periodos futuros). Este resultado es consistente con lo observado en la literatura de proyecciones econmicas basadas en mtodos extrapolativos, a diferencia de lo que ocurre con otro tipo de variables (e.g. eventos astronmicos) que presentan unas caractersticas naturales que permiten prolongar la temporalidad del pronstico. La TCPPA, en el caso de informacin perfecta, produce un desfase de 1,25% en el pronstico de corto plazo del modelo TCPPA, lo cual representa un error de slo $25 respecto a una TRM de $2.000. En el largo plazo, este modelo pierde desempeo. El modelo TCPPA-VAR tiene un desempeo aceptable, como lo indica su U-Theil de 0,0687, superior al proporcionado por TRM-VAR, o al del benchmark (proyeccin lineal).6

TCPPA

1 iCOL 1 1 iUSA

En realidad, la Ecuacin 2 se usa con las mejores proyecciones que hay en el mercado de pronsticos, ya que no es posible conocer los valores futuros de las inaciones domsticas y extranjeras. A su vez, las proyecciones de inaciones que realizan los departamentos investigativos de entidades como Bancolombia, Cornsura, Business Monitor International, etc., estn por lo general basadas en mtodos estadsticos sosticados (e.g. Redes Neuronales Articiales, mtodos no-lineales, combinacin de pronsticos, mtodos de suavizacin exponencial, ARIMA, VAR). De este modo los resultados de las proyecciones con el modelo TCPPA-VAR equivalen a las que obtendra un empresario que adquiera en el mercado unas proyecciones de inacin, ya que el procedimiento de especicacin del
6

La proyeccin lineal es simplemente el resultado de la funcin Pronstico incorporada en EXCEL.

Proyeccin de la tasa de cambio de Colombia bajo condiciones de PPA: evidencia emprica usando VAR

ESTUDIOS GERENCIALES

223

3. CONCLUSIONES De acuerdo con los resultados, un empresario que se enfrentara a los datos de la TRM hasta el ao 2000, hubiese obtenido los mejores resultados en su proyeccin hacia 2001-2002 si utilizaba el modelo TCPPA-VAR, como lo muestra el MAPE a dos aos. Sin embargo, el modelo VAR (TRM-VAR) arroj los mejores resultados de acuerdo con los indicadores de evaluacin MSE, RMSE, MAE y U-Theil. Esta discrepancia en el desempeo medido por diferentes indicadores se debe a que, mientras que unos utilizan toda la informacin de los cinco aos proyectados, los MAPE se reeren nicamente a los tres primeros meses y a los dos primeros aos. Por otro lado, se destaca que para proyecciones de largo plazo de la TRM, el modelo PPA-TCR-VAR tuvo los peores resultados en las evaluaciones de pronsticos. Para tener una idea de la magnitud del desvo, el desfase de 8,02% en el error promedio a dos aos, respecto a una TRM de $2.000, signica desviarse en $160,4 del valor correcto. Para futuras investigaciones, se recomienda replicar este ejercicio para otros pases utilizando sus correspondientes tasas de cambio reales, con el n de observar si los resultados son consistentes con lo aqu encontrado. Adicionalmente, dado que la tasa de cambio peso colombiano/dlar est disponible en periodicidad diaria, es posible calcular una proyeccin usando esa frecuencia, ante lo que se esperara mejore el desempeo de todos los modelos. Finalmente,

ya que el periodo de validacin de las proyecciones fue de cinco aos (45% de la muestra), se espera que al hacer el ejercicio con diferentes periodos de validacin (e.g. 20% de la muestra) tambin podra alterar las conclusiones. REFERENCIAS BIBLIOGRFICAS 1. De Gooijer, J. y Hyndman, R. (2006). 25 years of time series forecasting. International journal of forecasting, 22(3), 443-473. 2. Enders, W. (2004). Applied econometrics time series. Hoboken, NJ: Wiley. Hayashi, F. (2000). Econometrics. Princeton, NJ: Princeton University Press. Ltkepohl, H. (1991). Introduction to multiple time series analysis. Berln: Springer-Verlag. Nez, H. (2005). Una evaluacin de los pronsticos de inacin en Colombia bajo el esquema de inacin objetivo. Revista de Economa del Rosario, 8(2), 151-185. Patio, C. y Alonso, J. (2005). Determinantes de la tasa de cambio nominal en Colombia: evaluacin de pronsticos. Universidad ICESI (Mimeo). Disponible en: http:// www.icesi.edu.co/~jcalonso/Contact/tcn2005.pdf Patterson, K. (2000). An Introduction to Applied Econometrics: a Time Series approach. Basingtoke, UK: Palgrave McMillan. Taylor, A. (2002). A century of Purchasing Power Parity. Review of economics and statistics, 84(1), 139-150.

3.

4.

5.

6.

7.

8.

224

ESTUDIOS GERENCIALES

Vol. 25 No. 113 Octubre - Diciembre de 2009

ANEXOS Algoritmo de Dolado Modelo con constante y tendencia

y t t pyt 1 1 y t 1 2 yt 2 ... p yt p t
Modelo con constante, sin tendencia

yt py t 1 1 yt 1 2 y t 2 ... p y t p t
Modelo sin constante, sin tendencia

yt py t 1 1 yt 1 2 y t 2 ... p y t p t

Proyeccin de la tasa de cambio de Colombia bajo condiciones de PPA: evidencia emprica usando VAR

ESTUDIOS GERENCIALES

225

Grco A.1. Algoritmo de Dolado

Fuente: Adaptacin de Enders (2004, p. 257)

226

ESTUDIOS GERENCIALES

Vol. 25 No. 113 Octubre - Diciembre de 2009