Identificando las fuentes de volatilidad del Per y sus regiones:

Una aproximacin factorial1

EL KHALIFA
RESUMEN
Qu factores determinan la relacin entre volatilidad y desarrollo en los niveles
nacional, regional y sectorial? Qu tipos de riesgo implica la estructura productiva del
Per? Qu diferencias, en trminos de diversificacin y desarrollo, se establecen entre
las regiones del pas y cules son sus repercusiones en materia de poltica econmica?
Esta investigacin plantea respuestas a estas preguntas, utilizando un mtodo factorial
que descompone la volatilidad, desde dos niveles: el primero es un estudio comparativo
del riesgo asociado a la estructura productiva histrica del pas; el segundo, una revisin
de las diferencias, en trminos de volatilidad y sus componentes, de los procesos de
crecimiento reciente de las regiones del pas.
Encontramos evidencia a favor de la transicin de la economa peruana hacia una mayor
diversificacin, aunque comparativamente incipiente, de su estructura productiva en
aos recientes. Tambin encontramos evidencia internacional coincidente con teoras de
reconcentracin productiva en fases altas de desarrollo. Regionalmente, hallamos
patrones comunes, que implican la preponderancia de las dotaciones de recursos por
sobre el enfoque de retorno-riesgo de proyectos. Finalmente, planteamos la necesidad
de polticas de manejo de riesgos en regiones con componentes altos de volatilidad
sectorial y alta concentracin, como complemento de las polticas macroeconmicas.
1

Agradezco profundamente los valiosos comentarios y sugerencias de los profesores Silvana Tenreyro y
Miklos Koren, as como su permiso para el uso y adaptacin de sus cdigos en STATA.
Todos los errores son exclusivamente responsabilidad del autor.

I. INTRODUCCIN
La literatura econmica estudia, desde los aos ochenta,

los vnculos entre la

volatilidad del producto y el desarrollo econmico. Un estudio fundamental, piedra de

toque de la literatura de crecimiento econmico, es el de Lucas (1988) que demuestra
tericamente, bajo diferentes estructuras de modelos neoclsicos, que las economas
desarrolladas exhiben tasas de crecimiento ms estables, por extensos periodos de
tiempo, que economas menos desarrolladas, susceptibles a grandes fluctuaciones en sus
tasas de crecimiento. Dadas estas conclusiones, examinar profundamente las fuentes de
la volatilidad en pases pobres o en proceso de desarrollo se convirti en una necesidad
imperante, pues no solamente sucede que las fluctuaciones en su producto son mayores
y ms abruptas, sino tambin que su capacidad para enfrentarlas es limitada
Esta necesidad es abordada en este estudio bajo un esquema de identificacin y
cuantificacin de las fuentes de volatilidad del producto. Especficamente, el mtodo
identifica tres componentes de la volatilidad del crecimiento agregado. El primero
representa la volatilidad originada por shocks sectoriales: una economa (pas o regin)
que se especializa en sectores con una volatilidad propia ms alta tiende a desarrollar
niveles ms altos de volatilidad agregada. El segundo componente se refiere a los
shocks especficos de la economa: algunas de estas estn sujetas a mayores niveles de
inestabilidad econmica y/o poltica. Finalmente, el tercero contiene la relacin
(covarianza) entre los shocks especficos a las economas y sectores; por ejemplo, un
factor como las intervenciones de poltica monetaria o fiscal en algunas economas
estaran correlacionadas con shocks a sectores en particular, como la reaccin de
poltica monetaria a los riesgos crecientes en el sector financiero o inmobiliario de 2008.
Este tercer componente es notoriamente importante para economas como la peruana,
que recientemente han comenzado a aplicar (o a plantear) medidas de poltica

contracclicas. El mtodo y los supuestos subyacentes a ste son de mucha relevancia

para un correcto anlisis de los niveles nacional y regional que desarrollaremos.
La descomposicin de la volatilidad es importante por varias razones, entre ellas: es
bastante til para sealar reas sobre las cuales es posible influir, en el nivel nacional,
por ejemplo, influyendo sobre el tercer componente; y en trminos de manejo de
riesgos, sobre todo en el nivel regional (que morigeren los efectos de las diferencias
entre regiones y sectores). Por ejemplo, si la volatilidad de una economa se debe
mayormente a una gran exposicin a sectores de alto riesgo, entonces las polticas que
busquen mitigar esta volatilidad y sus efectos deberan enfocarse en profundizar el
mercado financiero o en incentivar la diversificacin de la economa. En cambio, si la
mayor parte de la volatilidad se debe a shocks propios de la economa, los esfuerzos
deben centrarse en la poltica econmica nacional o regional. Otra razn de la
pertinencia del mtodo es, como se discute ms adelante, que la descomposicin ayuda
a medir empricamente modelos tericos que vinculan la volatilidad del producto con el
nivel de desarrollo econmico y que, por lo tanto, aclarara los mecanismos bsicos que
generan volatilidad, especficamente los asociados a la estructura productiva.
Por la extensin de sus objetivos, este estudio no pretende ser exhaustivo, sin embargo,
si pretende aportar nueva evidencia sobre aspectos especficos de su objeto de estudio,
adems de abrir nuevas lneas de investigacin.
Lo que resta del documento se divide como sigue, en la seccin II se revisa brevemente
la literatura concerniente al tema, en la tercera seccin se revisa el mtodo de
descomposicin propuesto, la seccin IV presenta los datos utilizados, la quinta seccin
analiza los principales resultados del estudio y, finalmente, la seccin VI presenta las
principales conclusiones y recomendaciones del estudio.

II. REVISIN DE LA LITERATURA

El anlisis emprico global se inicia con el trabajo seminal de Ramey y Ramey (1995),
que establece la relacin negativa entre volatilidad y crecimiento, as como el efecto
amplificador de esta relacin producido por el gasto de gobierno, entre otros factores; en
ese sentido, algunas otras investigaciones muestran los siguientes hechos estilizados: en
el proceso de desarrollo de las economas, estas tienden a moverse hacia sectores de
menor volatilidad especfica; tambin se encuentra evidencia acerca de que la
concentracin sectorial decrece en las primeras fases de desarrollo, en cambio, en fases
posteriores este nivel de concentracin vuelve a incrementarse, Imbs y Wacziarg (2000)
encuentran este patrn en forma de U a lo largo de la senda de desarrollo de las
economas desarrolladas. Esta evidencia es respaldada por un modelo con costos de
comercio endgenos que muestra un trade-off entre los beneficios de la diversificacin
(con costos de comercio altos) y los beneficios de la especializacin en el sentido
ricardiano. Este patrn tambin es explicado en los datos por la transicin, en paralelo a
la reconcentracin, de las economas desarrolladas hacia sectores de menor
volatilidad intrnseca. Adems, la volatilidad especfica de una economa cae a lo largo
de su proceso de desarrollo, este resultado podra ser el producto de una mayor
estabilidad poltica y mejores polticas macroeconmicas, Stockman (1988) demuestra
la importancia de los shocks especficos de cada economa e industria por sobre las
teoras de shocks puramente tecnolgicos que afectan al producto agregado.
En cuanto al nivel sectorial, la relacin con la volatilidad no es claramente negativa
como en el nivel agregado, lo que es esperable dentro de un anlisis de tipo mediavarianza en el que proyectos de mayor retorno implican mayor volatilidad. Imbs (2006)
demuestra esta diferencia entre las relaciones del producto agregado y el producto
sectorial con el nivel de crecimiento agregado. Por ltimo, la covarianza entre los

shocks a las economas y los sectores muestra un patrn poco claro y sin tendencia
comn con respecto al nivel de desarrollo. Parte del anlisis posterior ser aclarar las
implicancias de estos componentes sobre los procesos de crecimiento regionales.
En el plano cualitativo, economas poco desarrolladas exhiben mayor volatilidad porque
se especializan en pocos sectores de mayor volatilidad, adems de ser susceptibles a
shocks agregados ms frecuentes y graves. Cuantitativamente, Koren y Tenreyro (2007)
hallan que alrededor del 50% de las diferencias en trminos de volatilidad entre pases
pobres y ricos son imputables a diferencias en los componentes de volatilidad
especficas a las economas, mientras que el 50% restante es originado por diferencias
de composicin sectorial productiva. Este resultado habla por s mismo de la
importancia de analizar este extremo desde los niveles sectoriales.
Otra ingente cantidad de estudios que explican las relaciones entre el riesgo
(volatilidad), la diversificacin productiva y el desarrollo es revisada sucintamente a
continuacin, as como relacionada a diferentes objetivos del presente estudio.
Especficamente, la concentracin sectorial alta que suelen exhibir las economas en las
primeras fases de desarrollo van en lnea con el trabajo de Acemoglu y Zilibotti (1997),
ellos sostienen que existe una fase inicial de acumulacin primitiva en la que, debido
a la indivisibilidad de los proyectos y la baja acumulacin de capital, no es posible una
correcta gestin de riesgos, lo que conlleva alta volatilidad, posteriormente es necesaria
una profundizacin del sistema financiero para impulsar un crecimiento ms robusto. En
Obstfeld (1994), se establece que en fases tempranas del proceso de desarrollo las
economas desarrolladas buscarn asegurar su crecimiento invirtiendo en sectores
menos voltiles (incluso a costa de retornos). De acuerdo a otra evidencia, como en
Tenreyro y Koren (2007), no solamente los pases pobres estn altamente concentrados
en pocos sectores, sino tambin que estos sectores son particularmente voltiles en su

componente especfico, este resultado est en las antpodas de las teoras anteriores, y se
explicara mas por las dotaciones iniciales de cada economa y su facilidad de
explotacin, as como por su baja productividad. Adicionalmente, los autores que
modelan explcitamente o implcitamente esta relacin toman un enfoque de eleccin
de portafolio (alta productividad sectorial a costa de alta volatilidad) el cul es, en la
realidad, improbable en economas de bajo nivel de desarrollo, por lo tanto, es
inconsistente con la cada en la volatilidad sectorial especfica en el proceso de
desarrollo (a travs de ganancias de productividad).
Por otro lado, Brooks y Del Negro (2004) as como Terrones et al (2005), entre otros,
establecen la dinmica de los portafolios internacionales desde sectores de bajo retorno
hacia posiciones ms arriesgadas, como la teora financieras predecira. Bajo este
enfoque, como muestran sus resultados, la integracin financiera y comercial abre
nuevas oportunidades para las economas en desarrollo, sobre todo durante el proceso
de globalizacin iniciado en los aos ochenta.
En el plano regional, ms all del clsico enfoque de convergencia, la teora que
relaciona la volatilidad y el crecimiento se basa en estudios como Gosh and Wolf (1997)
en el que establecen que el ciclo econmico en los Estados Unidos es afectado
mayormente por shocks geogrficos y sectoriales, utilizando micro shocks estimados en
regresiones sobre el nivel de crecimiento. Adems, hallan que los shocks se diseminan
ms fuertemente entre sectores que dentro de las regiones (estados). Otra muestra de
esta literatura es el estudio de Caselli y Coleman (2001) en el que, gracias a la cantidad
de datos disponibles, pueden analizar distintas hiptesis acerca de la transformacin
estructural productiva en Estados Unidos, la ms plausible trata del proceso de salida de
trabajadores del sector agricultura a otros de mayor productividad, nuestro anlisis no
ser capaz de abarcar el mismo espectro, por lo cual es tan solo un estudio referencial.

Particularmente, este estudio est ms en lnea con Koren y Tenreyro (2007) pues
persigue objetivos ms amplios, tales como: identificar fuentes de volatilidad, analizar
los resultados comparativamente, extraer recomendaciones de poltica, etc. Este enfoque
ms integral permitir medir cuantitativamente la importancia relativa de los
componentes de la volatilidad as como explorar los vnculos con los modelos tericos.
Metodolgicamente, este estudio se basa en el trabajo de Stockman (1988) en el que
descomponen la volatilidad del crecimiento del producto industrial en siete economas
europeas. Es necesario complementar este anlisis derivando medidas cuantitativas de
riesgo para los componentes de volatilidad y asocindolos con los niveles de desarrollo.
Adems, proponemos un modelo factorial que se ajusta a las caractersticas de nuestros
datos, como se expone en Forni y Reichlin (1996), sobre todo por la relativa corta
dimensin del componente temporal de nuestras series regionales (doce aos), en este
caso, modelos de este tipo son ms apropiados que los de tipo VAR o SVAR, ya que las
restricciones dependen de los shocks, que se derivan del anlisis econmico.
Finalmente, en comparacin con los anlisis resultantes de regresiones, de tipo panel o
corte transversal, los modelos factoriales exhiben ventajas en trminos del nivel de
sesgadez de los estimados causado por errores de medicin, esto es particularmente
importante debido a que las series sectoriales y regionales son susceptibles a errores en
su medicin, as como la presencia de una nica fuente en ambos casos, mayor detalle
de esta fortaleza de los modelos factoriales se encuentra en Del Negro (2000).
III. METODOLOGA
Para ambos anlisis, tanto el comparativo nacional como el regional, utilizamos las
fuentes de volatilidad del crecimiento econmico expuestas en Koren y Tenreyro (2007)
dando significados diferentes a sus componentes, debido a la diferente naturaleza de los

niveles a los que aplicaremos el enfoque, por ejemplo, debido a la escala, dado que la
diversificacin en una economa ms grande (un pas) es ms probable que en un
espacio menor (regin); en el caso interno, existen diferencias notorias a tener en cuenta
en el anlisis, como son: diferentes dotaciones iniciales de recursos, asimetra en los
efectos de la poltica econmica (diferentes niveles de profundidad del mercado de
crdito) y otros que analizamos en la seccin de resultados.
La varianza del crecimiento del producto, Var(Y), es descompuesta como sigue:
Var (Y) = Varianza sectorial + Varianza de la Economa + Covarianza Economa-Sector
A su vez, el componente de varianza de origen sectorial puede ser descompuesto en:
Varianza sectorial = Varianza sectorial global + Varianza sectorial interna
El mtodo utilizado para la descomposicin de varianza puede ser resumido brevemente
como sigue: calculamos las medidas de shocks (innovaciones) para cada economa (e),
sector (s) y ao (t); a las que denotamos

. Esta medida es calculada como la

desviacin (positiva o negativa) del promedio de la tasa de crecimiento de un sector en

una economa dada en un periodo determinado. Medimos los shocks especficos de cada
sector

como el promedio de

de todos los pases para cada sector. Su frmula es:

, donde E es el nmero de economas (pases o regiones). De esta

manera, el shock sectorial especfico es el promedio del shock que afecta un sector en
todas las economas. Los shocks especficos de cada economa son determinados como
el shock promedio en una economa luego de substraerle el shock sectorial especfico.

La frmula del shock

, donde S es el nmero de sectores. Es

decir, un shock especfico de la economa es el shock promedio que afecta a todos los
sectores de un pas o regin especfico. El residuo es el shock sectorial de cada

economa

que se computa como:

de shocks (

, hallados los tres tipos

calculamos las varianzas y covarianzas como detallamos a

continuacin.
El nfasis sobre la composicin productiva de una economa implica que
desagreguemos el valor aadido de cada economa en la suma de valores aadidos de
los diferentes sectores, tal que cada sector aporte su propio nivel de volatilidad
intrnseca. Los shocks en la tasa de crecimiento del producto en cada economa (e)
denotados por

, pueden ser expresados como la suma ponderada de los shocks en las

tasa de crecimiento de los valores aadidos en cada sector (s),

donde los pesos,

, con S = 1,,S:

, muestran la porcin de producto en el sector s

de la economa e. El objeto de este estudio es la varianza de

, Var

, y sus

componentes. Para separar el rol de la volatilidad agregada intrnseca del originado por
la composicin sectorial de la economa, separamos los shocks de las tasas de
crecimiento de los sectores en tres tipos de perturbaciones (agregamos el tiempo):
(1)
La primera perturbacin

es especfica de un sector, pero comn a todas las

economas. Esto incluye, por ejemplo, shocks sobre los precios de un importante
insumo de produccin, como el acero o el petrleo, que afectan la produccin de los
sectores intensivos en estos insumos. En amplio sentido, cambios en la tecnologa y
precios de factores que afectan un sector o grupo de stos sern parte de esta categora.
La segunda perturbacin

es especfica a la economa, pero comn a todos los

sectores dentro de la economa. Entonces, por ejemplo, un ajuste monetario en la

economa (e) podra causar un deterioro en la productividad de todos los sectores de la

misma economa, dado que todos necesitan de liquidez para poder producir.
Por parte de la tercera perturbacin

esta captura los shocks que son especficos de

un sector y pas. En los ejemplos anteriores, si algunos sectores son ms susceptibles a

los ajustes monetarios comunes y tienen una cada ms acentuada en su productividad,
la diferencia con respecto al promedio se reflejar en el tercer trmino

. De manera

anloga, si algn shock global tiene un impacto diferente en la productividad sectorial

de diferentes economas, el efecto diferencial es contenido en

Finalmente, cualquier perturbacin especfica de ambos niveles (economa y sector)

ser reflejada en

. Shocks de precios de materias primas, que afectan economas de

distintas maneras, dependiendo en su posicin de importadores o exportadores caern en

esta categora. Esta es la razn por la que, reflejado en los resultados, este componente
ser importante de analizar en casos como el peruano o las regiones mineras.
Por supuesto, las tres clases de perturbaciones podran estar correlacionadas entre s, por
ejemplo,

tendern a estar correlacionados si las polticas econmicas en

algunas economas son ms susceptibles a shocks sectoriales globales o si una economa

es influenciada altamente por un sector en particular (en el caso peruano reciente,
posiblemente haya un efecto del sector minero sobre la poltica fiscal), en tal caso, un
shock agregado en esta economa afectara a ese sector en otras economas. Adems,
como sealamos anteriormente, ciertos sectores seran ms susceptibles a los shocks
especficos de la economa (lo que implica que

podran estar correlacionadas),

o la productividad sectorial en ciertas economas seran afectadas diferencialmente por

shocks sectoriales globales (que implicara que

estuvieran correlacionados).

Un solucin a estos problemas causados por las correlaciones entre perturbaciones se

desprende del siguiente anlisis.
La expresin (1) provee un mtodo conveniente de diseccionar la data. Tal como se ve,
es una simple identidad contable, dado que

absorbe todo lo que no entra en los

shocks especficos por sector y economa, adems de no brindar ninguna restriccin

sobre la forma en que las tres perturbaciones covaran. En adelante, analizaremos como
descomponer la varianza de

en las varianzas y covarianzas correspondientes a estos

tipos de perturbaciones, Es conveniente reformular los shocks al crecimiento del

producto en notacin matricial. Denotando por
y por

el vector de innovaciones sectoriales

al vector de participacin sectorial

, el objeto de anlisis,

puede escribirse como:

(2)
Con el propsito de descomponer la

requerimos descomponer la matriz de

varianzas y covarianzas de las innovaciones a las tasas de crecimiento sectorial,

. Utilizando algo de algebra matricial tenemos que la matriz de varianzas y
covarianzas de los shocks sectoriales de la economa (e) puede ser expresada como:
(3)
Dnde:

adems 1 denota el vector de unos de tamao S x 1, as como denotan los vectores

de shocks sectoriales
matriz

y los shocks de la economa

, respectivamente. La

es la matriz de varianzas y covarianzas de shocks globales especficos de

cada sector;

es la matriz que contiene las varianzas de los residuos especficos a las

economas y los sectores

es la varianza de los shocks especficos

a la economa;

es la covarianza entre los shocks especficos a la economa y los

sectoriales; finalmente, como se detalla en el Apndice A, la matriz

componentes restantes de

recoge los

, que son: la covarianza entre los shocks sectoriales

as como los especficos a las economas y los residuos,

respectivamente, el ltimo componente contiene la covarianza entre residuos,

, para
Como lo demostraron Tenreyro y Koren (2007), resulta que el trmino

significa

cuantitativamente poco del total, por lo que puede ser descartado. Un ejemplo concreto,
el trmino

sera potencialmente importante en el caso de un shock idiosincrtico

severo en un pas altamente especializado, por ejemplo, si una sequa afecta la

produccin de soya en Argentina, el precio mundial del grano subir, lo que sera un
shock positivo para otros productores de soya, pero es negativo para la Argentina. Por lo
tanto,

estar correlacionado con los shocks sectoriales globales. Para el caso

peruano, sin embargo, esto es trivial dado que son pocos, si los hay, los productos que
exporta Per que determinen precios internacionales de los mismos. Por ese motivo,
este ltimo componente no se tendr en cuenta. Dada esta condicin, mantenemos la
hiptesis de trabajo en relacin a la caracterstica idiosincrtica de los shocks residuales
(lo que significa la no correlacin entre estos y con relacin a los shocks especficos al
sector y a la economa), por lo tanto

, por construccin es nulo. Este resultado implica

que podemos representar la matriz de varianza y covarianzas como sigue:

(4)
Introduciendo (4) en (2), la volatilidad agregada puede representarse como:
(5)

Esta representacin muestra claramente que el producto en una economa (e) es ms

voltil si:
1. La economa se especializa en sectores ms riesgosos, o sea, sectores expuestos
a shocks ms fuertes o frecuentes. Esto se refleja en los primeros dos trminos:
a. Relacionada a los shocks sectoriales globales

, este trmino es alto si

los sectores expuestos a shocks representan gran parte del producto de la

economa. Por ejemplo, si el sector minero es altamente voltil, las
economas con grandes sectores mineros, como porcentaje del producto
total, tendern a exhibir grandes valores de
b. El segundo factor

.
, relacionado a los shocks

sectoriales idiosincrticos. Este factor ser alto cuando los sectores con gran
volatilidad

, contengan gran porcentaje del producto. Por ejemplo, si las

industrias son extremadamente voltiles en una economa (e), entonces, si la

participacin de la industria en el producto
un valor alto de

es alta, la economa exhibir

2. Si el riesgo propio de la economa

es alto, o sea, si los shocks agregados

domsticos son ms graves o ms frecuentes.

3. Si la especializacin en un sector se da en sectores que estn positivamente
correlacionados con los shocks especficos de la economa, es decir, si
es alto. Este factor tendera a ser pequeo, por ejemplo, si los shocks de poltica
econmica estn correlacionados negativamente con los shocks sectoriales que
tienen grandes participaciones en el producto de la economa. Concretamente, si
la poltica fiscal en una economa reacciona contra cclicamente a los shocks en
el sector minero (por precios y/o produccin), y este sector es relativamente

importante en la economa, este factor tender a ser pequeo y probablemente

negativo.
El segundo trmino en (5) puede ser descompuesto como el producto del promedio de la
varianza idiosincrtica de la economa (e), medida como
adems

, y

, el ndice de concentracin a lo Herfindahl. As

. El ndice de Herfindahl

especializa en pocos sectores y

es alto si la economa se

es alto si los shocks idiosincrticos son frecuentes.

Por lo tanto, la volatilidad agregada de la economa puede ser descompuesta como la

suma de componentes con diferentes significados entre s. Diversos estudios empricos
analizan la diversificacin mediante regresiones sobre ndices de concentracin, tipo
Herfindahl o Gini como en Del Negro (2000), como medidas de diversificacin
productiva. Esta es una medida apropiada para capturar el riesgo, o su exposicin a ste,
de la estructura sectorial, bajo el supuesto de homocedasticidad y no correlacin entre
sectores, lo que hace que en estos casos los shocks globales o especficos de cada pas
se dejan de lado. En cambio, la descomposicin propuesta indica que en pos de medir la
diversificacin es importante tener en cuenta los riesgos propios involucrados en una
estructura sectorial particular. Adems, se evidencia que los ndices sectoriales de
concentracin son susceptibles al esquema de clasificacin sectorial particular (es decir,
la forma de dividir a las empresas en sectores de cada economa), introspectivamente,
este modelo factorial es robusto a las clasificaciones en sus componentes de riesgo
global sectorial

e idiosincrtico

, sin embargo, la descomposicin del

riesgo idiosincrtico en el ndice Herfindahl y la varianza promedio son potencialmente

sensibles a la clasificacin, para ms informacin, ver la Seccin V de Tenreyro y
Koren (2007). En nuestro anlisis se reportaran todos los componentes.

Por cuestiones de espacio, la estrategia de estimacin del modelo se detalla en el Anexo

1, adems, en el Anexo 2 se provee una revisin concisa del desarrollo de este tipo de
modelos y sus diversos usos.
IV. LOS DATOS
Para llevar a cabo la descomposicin sectorial utilizamos, en el primer caso, datos del
PBI en dlares constantes de 2005 de las base de datos de las Naciones Unidas (UN
Statistics) desde 1970 hasta 2012. Los pases analizados son separados en grupos de
tratamiento (pases de anlisis fundamental, entre ellos Per) y de control (con fines de
contraste) seleccionados por sus caractersticas similares a los pases de tratamiento en
diferentes conceptos (niveles de desarrollo, estructura productiva, etc.).
En segunda instancia, el caso regional peruano, utilizamos datos provedos por el INEI
desde 2001 hasta 2012, en soles constantes de 1994, de su mdulo de datos regionales,
existen datos anteriores, desde 1996, sin embargo, fueron obtenidos de procedimientos
distintos, por lo que nos parece conveniente utilizar datos consistentes. Adems, es
interesante comparar las regiones en un periodo de relativa estabilidad nacional. Las 24
regiones son analizadas, pero para fines de anlisis sern agrupadas y analizadas en
conjunto, los parmetros de agrupamiento se detallan mas adelante.
Finalmente, es completamente atingente sealar que una limitacin fundamental para el
estudio de la estructura productiva, en ambos casos, es la escasez de informacin
consistente, y en el caso de la informacin regional, el periodo relativamente corto. Para
el primer set de datos la UN es la nica fuente de datos comparables para nuestros fines.
Por lo tanto, este estudio est expuesto a imperfecciones debidas a errores de medicin2.

No obstante, como se detalla en del Negro (2000), este tipo de error (que sesga los estimados) es
minimizado usando modelos factoriales, comparados con el uso tpico de regresiones de panel de datos.

V. RESULTADOS
V. 1. Una revisin histrica nacional
La performance econmica del Per ha sido particularmente voltil en las ltimas
dcadas, como se puede observar en el Grfico 1. Este muestra la tasa de crecimiento
promedio del Producto Bruto per cpita (barras azules) y el nivel de volatilidad, medido
como la desviacin estndar de las tasas de crecimiento anual (barras rojas), por dcada,
desde 1970 hasta 2010. Para economas, como la peruana, con grandes fluctuaciones de
producto y baja productividad, as como una apertura financiera y comercial
relativamente reciente, es esperable que ambos tipos de volatilidad de carcter
intrnseco, varianza sectorial interna y varianza de la economa, expliquen la mayor
parte de la volatilidad, sobre todo en las primeras dcadas, por lo que analizaremos cada
dcada particularmente para tener en cuenta los diferentes modelos econmicos y las
caractersticas propias de cada esquema, en trminos de poltica econmica.
Grfico 1: Crecimiento promedio y volatilidad del producto, promedio por dcada.

10.0%
8.1%
8.0%
6.0%
4.2%
4.0%

2.0%

2.6%

5.3%

4.5%
3.3%

2.2%

0.9%

0.4%

0.0%
-2.0%
-2.7%

-4.0%
1970

1980
Promedio

Fuente: World Bank Data.

1990
Volatilidad

2000

2011-2012*

Esta medida de volatilidad captura las desviaciones de la tasa promedio de crecimiento

de la dcada. Estas desviaciones son a las que nos referiremos como shocks y son las
que descompondremos. Los aos setenta presenciaron un exiguo crecimiento y la
volatilidad ms baja de la muestra, producto de la elevada intervencin en la economa.
En contraste, los aos ochenta fueron los de mayor volatilidad y peor desempeo (8.1 y
-2.7 por ciento, respectivamente). Llegados los ajustes econmicos a inicios de los
noventa, la tasa de crecimiento se eleva y la volatilidad se estabiliza, incrementando casi
5% el promedio de crecimiento y reduciendo casi a la mitad la volatilidad. En la dcada
del 2000, y pasadas las crisis en los pases emergentes de finales de los noventa, el ritmo
de crecimiento se acelera y muestra tasas de poco ms del doble de la dcada anterior,
as mismo, la volatilidad cae por primera vez debajo del promedio (incluso con la tasa
de crecimiento de 2009 que fue la nica negativa). Finalmente, en los 2 primeros aos
de la dcada de 2010, observamos un incremento en el crecimiento promedio, as como
una volatilidad cercana a cero. Observando el grfico, podemos colegir que la relacin
entre crecimiento y volatilidad en el Per para el periodo es negativa y significativa.
Esta disminucin de la volatilidad en dcadas recientes parece ser simplemente un
efecto de la llamada Gran Moderacin, trmino ligado al largo periodo de baja
volatilidad en pases desarrollados antes de la crisis financiera de 2008, y cambios de
poltica econmica, pero no producto de cambios dentro de la estructura productiva,
como ilustramos en el Grfico 2, la estructura productiva del pas ha variado
relativamente poco en este periodo, con cambios marginales en la participacin de la
agricultura y manufactura (reduccin) y mayor peso relativo de los servicios y minera.
Conclusiones distintas se mostraron en Koren y Tenreyro (2012) que encuentran
cambios en la estructura productiva de los pases del Consejo de Cooperacin del Golfo,
economas eminentemente petroleras, que morigeraron la volatilidad de su producto

mediante la diversificacin productiva. Lamentablemente, el nivel de desagregacin en

ambos casos, dada la misma fuente y clasificacin de datos, no permite extraer ms
conclusiones al respecto, razn por la cual utilizaremos un mtodo que nos permita
ahondar en el tema y utilizar los datos disponibles eficientemente.

Grfico 2:Estructura Productiva del Per

45%
40%

Participacin en el Producto

35%
30%

Agricultura, Pesca y Ganadera

Minera y Energia

25%
20%

Manufactura
Construccin

Comercio, Restaurantes y Hoteles

15%

10%

Transportes y Comunicaciones
Servicios y Otros

5%
0%

Fuente: UN Statistics.

V. 2. La estructura productiva como fuente de volatilidad: un anlisis comparativo

Con respecto a los componentes de volatilidad establecidos por el modelo factorial, el
primero, relacionado a los shocks sectoriales en economas como la peruana, productora
de bienes y servicios de bajo valor agregado, cuya complejidad es exigua segn la
clasificacin del Atlas de Complejidad Econmica de Hausmann, Hidalgo et al (2011),
tiende a la concentracin en sectores de servicios, minera o agricultura. Dentro de este
componente, dos elementos distintos juegan un papel importante: el nivel de
concentracin sectorial, en relacin al nmero y tamao relativo de los sectores; y el
segundo, concerniente a la volatilidad propia de los diferentes sectores. Pases con alta
concentracin y nivel de desarrollo bajo tienen ambos elementos funcionando en la
misma direccin (concentrados en sectores muy voltiles), este comportamiento es

usualmente explicado por la dependencia de precios externos voltiles, produccin de

baja especializacin e incipiente diversificacin de mercados de destino.
El segundo componente contiene los shocks especficos de cada economa y que son
comunes a todos los sectores. Mediante este componente pretendemos capturar la
volatilidad originada por la situacin econmica y poltica3. Mediante este mtodo
tambin es posible que se capturen otros shocks agregados, como desarrollos
tecnolgicos que afecten todos los sectores, como la informtica y telecomunicaciones.
Finalmente, el tercer componente se refiere a la covarianza entre los shocks especficos
de las economa y los sectores. Especficamente, un factor a tener en cuenta sera
cualquier cambio en la poltica econmica que en algunas economas puede ser aplicado
en respuesta a shocks sobre sectores particulares. Este componente debe ser negativo, si
las polticas econmicas fueran contracclicas, es decir, si estn enfocadas en morigerar
el ciclo econmico, sin embargo, este factor parece ser ms probable en economas ms
desarrolladas, que fueron las primeras en asumir estos conceptos de ciclicidad en la
poltica econmica; en economas en desarrollo, en cambio, estos conceptos fueron
internalizados recientemente, por ello, la covarianza en economas como la peruana
debe ser estudiada cuidadosamente.
Esta forma de descomponer la volatilidad del producto es importante para economas
como la peruana puesto que permite medir el efecto que tiene la exposicin a sectores
como el minero, atado a precios internacionales de alta volatilidad, sobre la volatilidad
agregada y contrastarla con los efectos de shocks intrnsecos, de tal manera que sea
posible medir la mayor o menor susceptibilidad a shocks que no dependen de la misma

En amplio sentido, esta fuente de volatilidad no solo contiene shocks producidos por inestabilidad
poltica y/o econmica, sino tambin por eventos internos extremos, que para el caso peruano, por
ejemplo, van desde factores climticos (fenmeno del nio) hasta poltico-sociales (terrorismo).

economa, con mayor razn si la volatilidad de ese sector repercute en las posibilidades
de poltica econmica (reduccin de recursos fiscales). Esto es importante tambin en el
nivel regional que exploraremos ms adelante.
Grfico 3: Fuentes de volatilidad del Per, promedio de la dcada.
Covarianza entre Shocks

1970

1980
3% 5%
7%

-14% 12%
13%

61%

85%

1990
6%

2000
7%

10%

7%

18%
7%

77%

68%

Analizando los datos obtenidos de la aplicacin del modelo, las fuentes de volatilidad
del Per se detallan en el Grfico 3, es notorio que la fuente principal de riesgo son los
shocks propios de la economa, que alcanzaron su pico en la dcada de los ochenta y
que se estabilizaron en los ltimos aos alrededor del 68% del total, adems la
covarianza entre tipos de shocks es similar a la de otras economas en desarrollo, el
signo positivo en todas las dcadas podra indicar una leve tendencia hacia la prociclicidad por parte de la poltica econmica. En el Grfico 4 mostramos los resultados
del ejercicio sobre una economa de nivel de desarrollo inicial similar, as como una
estructura productiva parecida, como es Chile. Por cuestiones de espacio, los resultados
para los dems pases, que forman parte de los contrafactuales de contraste del caso
peruano, se detallaran en los anexos.

Grfico 4: Fuentes de volatilidad de Chile, promedio de la dcada.

Covarianza entre Shocks

1970

1980
3%

1%

4%
10%

14%

82%

13%

73%

1990

2000

4%
14%

21%

29%

18%
64%

28%

22%

Del Grfico 4 se desprenden inmediatamente varias diferencias, la primera es el proceso

de disminucin del riesgo asociado a la economa en especfico, que en el caso chileno
ha sido un trnsito progresivo desde el 80% en los aos setenta, hasta menos de la mitad
en la dcada pasada, adems, la dinmica de la covarianza es distinta a la peruana, en
Chile hacia el ao dos mil se percibe un incremento significativo (en porcentaje) en la
relacin entre los shocks, no obstante, desde 2010 la covarianza es negativa, lo que sera
fruto de la implementacin de polticas contra cclicas efectivas, as mismo, es necesario
tener en cuenta el hecho de que la economa chilena (ndice de Herfindahl de 0.23 en
promedio) es ms concentrada que la peruana (ndice de Herfindahl 0.20 en promedio).
El mensaje general de los resultados de los dos primeros componentes es que el
componente sectorial idiosincrtico de la volatilidad, altamente importante en
economas ricas en recursos, gana importancia en el transcurso del proceso de
desarrollo, mientras el componente especfico de cada economa refleja en gran medida
las situaciones internas. El componente sectorial idiosincrtico es susceptible a shocks

que en economas ms grandes seran marginales, proyectos de mediano tamao en

sectores como minera agregan volatilidad por el relativo poco tamao de las
economas, posteriormente en fases ms altas de crecimiento este componente se vuelve
ms importante. El componente global sectorial cobra relativa importancia luego de la
apertura de las economas al mercado mundial.
El anlisis del tercer componente, covarianza entre shocks sectoriales y nacionales, no
es tan directo, adems del signo, que de ser negativo, a priori, indicara una tendencia
hacia polticas macroeconmicas contra-cclicas, es importante tambin medir las
diferencias de magnitudes de un periodo a otro (en aos dentro de una misma dcada),
veamos un resumen de estas diferencias: en el caso chileno, este componente cae cada
ao desde el 2000, sin embargo, en los setentas suceda lo mismo, por lo que no es tan
claro que sean polticas econmicas contra cclicas las que hayan suscitado este cambio,
las causas podran ser diversas: enganche en el proceso de Gran Moderacin,
estructura productiva propia (por ejemplo, aquella en que la reubicacin laboral es alta y
eficiente) que morigera los efectos del ciclo, etc. No obstante, analizando las
magnitudes dentro de la dcada pasada, es claro que algn factor disminuy la
importancia de este componente, y entre estos la poltica econmica puede encontrarse.
Para el Per no existe evidencia de covarianza negativa entre los shocks luego de los
setentas, que se dio probablemente por el bajo nivel de desarrollo de la economa y el
grado de intervencin en esta, luego se incremento drsticamente en los ochenta
(inducida por una involucin productiva), para luego mantenerse en esos niveles, as los
datos, hay muestras de que aunque no hay evidencia de polticas contracclicas, al
menos la pro-ciclicidad habra decado, lo que implica mayor espacio para aplicarlas en
el futuro y as aminorar la volatilidad producida por otros componentes. Es difcil
encontrar economas de bajo nivel de desarrollo con covarianza negativa, y las que

existen (Bolivia, por ejemplo) no parecen ser ejemplos de efectos de este tipo de
polticas. En el otro extremo estn economas desarrolladas (como Canad y Australia)
que presentan covarianzas negativa a lo largo de todo el periodo de anlisis, lo que
indicara que este tipo de polticas requieren condiciones previas para ser aplicadas y
que son fruto tambin de la curva de aprendizaje del crecimiento econmico.
Para hacer comparaciones ms apropiadas extrajimos, de la muestra de 70 pases que se
tomaron para los clculos de los shocks, a 10 pases de Latinoamrica (grupo de
tratamiento) y otros 10 que por sus caractersticas (nivel de desarrollo, composicin de
su estructura productiva, etc.) son adecuados para contrastar (grupo de control). A
continuacin, presentamos los Grficos 5 y 6 que muestran la relacin entre volatilidad
y concentracin en periodos distintos. Los resultados globales, o sea, los que presentan
los estimados de toda la muestra (70 pases) se presentarn en los Anexos, adems se
presentar una lista de los pases con sus cdigos para una identificacin ms sencilla.
Grfico 5: Volatilidad y concentracin, grupos de tratamiento y control, 2012.

Grfico 6: Volatilidad y concentracin, grupos de tratamiento y control, 1992.

Grfico 7: Volatilidad y desarrollo, grupos de tratamiento y control, 2012.

Grfico 8: Volatilidad y desarrollo, grupos de tratamiento y control, 1992.

Apreciamos que en el ao 1992 la volatilidad ms elevada estaba en los pases del Asia
Pacfico, en tanto, las economas ms desarrolladas, aunque tambin ms concentradas,
eran las ms estables, de lo que inferimos que la tesis acerca de la relacin entre
desarrollo y concentracin en forma de U es cierta para Canad y Australia,
concentrados en servicios y minera, pero en una fase de estabilidad. En esta transicin
se encontraran la Republica de Corea y Sudfrica, mientras que las economas de
Latinoamrica se encontraban, y an lo estn, en una fase intermedia.
En el 2012, en cambio, algunas economas de Latinoamrica como Argentina y
Venezuela presentan las ms altas volatilidades, a niveles de economas menos
desarrolladas como Tnez, en oposicin, un grupo de pases latinoamericanos presenta
niveles de volatilidad similares a los desarrollados, entre los cuales se encuentra el Per,
con un nivel de diversificacin mayor a Mxico, Chile y Colombia.

El vnculo entre desarrollo y volatilidad, mostrado en los Grficos 7 y 8, implica una

mayor propensin hacia las teoras de retorno-volatilidad, as como el patrn en forma
de U en la relacin entre volatilidad y desarrollo en economas ms desarrolladas, los
procesos de pases como Corea, y en menor medida Turqua y Malasia, demuestran que
se encuentran en un proceso de reconcentracin sobre sectores menos voltiles, es decir,
estn transitando el camino de pases como Australia y Canad en el que los servicios
especializados de alto valor agregado ganan terreno en desmedro de sectores primarios,
de la misma manera, pases como Chile estaran iniciando este camino, como vimos
anteriormente, est ms expuesto a shocks sectoriales globales (precios internacionales,
flujos de capitales, etc.), de esta manera, estara alrededor de una dcada por delante de
los dems pases de la regin, no solo en trminos de desarrollo, sino en la
estabilizacin de sus niveles de volatilidad; el Per se encuentra an rezagado, esta
situacin presenta retos y oportunidades, veremos a continuacin el proceso interno.
V. 3. El proceso regional
En el nivel regional estudiaremos solamente los ltimos doce aos, que al ser un
periodo de relativa estabilidad en el agregado nacional se presta para analizar
comparativamente a las regiones, teniendo en cuenta, por ejemplo, sus diferentes
dotaciones iniciales de recursos e infraestructura, elementos que hacen a la estructura
productiva de cada economa regional nica. Esta situacin hace que la descomposicin
de la volatilidad regional sea pertinente para analizar las diferentes reacciones en las
regiones a impulsos o shocks en los sectores (nacionales o propios de cada regin), de
las polticas propias de cada regin, o de los efectos de las polticas nacionales. Por
cuestiones de espacio, reportaremos los resultados clasificando a las regiones o
sealando casos especiales cuando sea pertinente, mayores detalles en los Anexos.

En el Cuadro 1 podemos observar que las regiones que presentan un sector claramente
dominante son parte importante del total (en nmero), este es el caso de Amazonas,
Hunuco y San Martn en el sector Agricultura y Pesca; Ancash, Cajamarca, Madre de
Dios y Pasco en Minera; Huancavelica en Electricidad y Agua; y Lima, en el sector
servicios. En conjunto estas regiones representan el 64% del total del producto nacional,
sin embargo, Lima por s sola representa el 54% y tiene condiciones diferentes, como
capital de la Repblica, a las dems; aunque pequeas (10% en trminos de producto),
las dems regiones estn fundamentalmente concentradas por su dotacin de recursos
(agricultura o minera) o geografa (como Huancavelica y su recurso hdrico) adems de
su nivel de desarrollo, pues se encuentran entre las regiones ms pobres del pas.
Cuadro 2: Clasificacin de regiones por su nivel de concentracin - diversificacin.
REGIONES

REGIONES DE MEDIA

REGIONES

CONCENTRADAS

DIVERSIFICACIN

DIVERSIFICADAS*

Amazonas

Apurmac

Arequipa

Ancash

Ayacucho

Cusco

Cajamarca

La Libertad

Ica

Huancavelica

Lambayeque

Junn

Hunuco

Lima

Loreto

Madre de Dios

Moquegua

Puno

Pasco

Piura

Tacna

San Martn

Tumbes

Ucayali

* Nivel de diversificacin relativo al pas.

En total, de las 24 regiones 9 estaran concentradas en un sector especfico, por las
razones expuestas en el prrafo anterior sacaremos a Lima de este grupo, los dos grupos
adicionales que plantearemos estarn compuestos por las regiones restantes clasificadas

segn su grado de concentracin medido por el ndice Herfindahl del Cuadro 1, la

clasificacin de las regiones se detalla en el Cuadro 2.
A continuacin, presentamos los Grficos 9, 10 y 11 que contienen los datos de la
participacin de cada tipo de shock en el agregado de volatilidad para el periodo de
anlisis, para cada uno de los grupos de regiones, desde las regiones ms concentradas
hasta las de mayor diversificacin productiva.
Para el primer grupo, podemos ver claramente que el primer componente, el sectorial, es
el ms importante en todas estas regiones, yendo desde el 50% en Amazonas hasta 90%
en Pasco, con un claro contraste, en los shocks especficos regionales las economas
concentradas en minera (Pasco, Ancash, Madre de Dios y Cajamarca) tienen
porcentajes significativamente ms altos (promedio de 67%) que las concentradas en
Agricultura y Pesca (Hunuco, Amazonas y San Martn con 32%), con Huancavelica
(concentrada en Energa) en medio de stos con 50%.
En el segundo componente, referido a los shocks especficos de cada regin, tenemos
que las economas agropecuarias son ms propensas a estos shocks, que representan casi
el 50% de su volatilidad promedio, es sencillo colegir que algunos fenmenos que
afectan el agro entran en este componente, como son las sequias, pestes, etc. En cambio,
las economas mineras o energticas tienen en promedio 12.5% de shocks propios de las
regiones del total de volatilidad. Es necesario tener en cuenta que las volatilidades entre
estos dos tipos de regiones concentradas son distintas en trminos agregados (la
volatilidad promedio de las regiones agrarias es menor a la mitad de la perteneciente a
las regiones minero-energticas), por lo que el porcentaje de participacin de los tipos
de shocks debe ser comparado en su contexto general.

Grfico 9: Componentes de la volatilidad de las regiones ms concentradas,

promedio 2001-2012.

Debido al relativo bajo nivel de desarrollo de estas regiones, a excepcin de Madre de

Dios y Ancash, el tercer componente debe ser analizado de forma diferente al anlisis
de pases, por ejemplo, las polticas monetarias para ser efectivas necesitan como canal
un mercado de crdito profundo o al menos dinmico, en regiones pobres esta condicin
no se cumple, por lo que es necesario no extraer las mismas conclusiones de situaciones,
a priori, diferentes. Este componente de covarianza entre sectores y regiones muestra un
resultado positivo en la mayora de regiones, con excepcin de Ancash y Cajamarca,
esto se puede deber al proceso de ralentizacin de la explotacin minera en estas
regiones, por ejemplo, el porcentaje de participacin de la minera en Cajamarca cay
de 37% en 2004 a 20% en 2011, debido a esta situacin, los proyectos ya maduros de la
regin no agregan volatilidad, sino la morigeran, por otro lado, en Ancash la
concentracin en minera cay de 37 por ciento en 2003 a 24% el 2011, ao de bajos
precios de los minerales, la situacin sera similar de no ser porque en este periodo el
producto minero de Ancash creci 50%, en contraste con el estancamiento de
Cajamarca, por lo que, la produccin de nuevos proyectos justifica la diferencia.
Situacin similar a la de Cajamarca se dara en Huancavelica, en la que la concentracin
sobre energa cay, pero por el estancamiento de ste, y no por mayor diversificacin,
siendo la tasa de crecimiento de las ms bajas del pas. Sin duda, este no es el tipo de
moderador de volatilidad que se desea, puesto que mas que moderar la volatilidad lo
que hace es estancar el producto. En el mismo grupo de regiones mineras tenemos a
Madre de Dios y Pasco, con covarianzas positivas, aunque de distintas magnitudes, en
Madre de Dios la explotacin minera se acentu (representa el 40% del total), creciendo
30% en este periodo, fundamentalmente por precios, en tanto, Pasco se desconcentro
desde casi el 60% hasta el 44% y exhibiendo un exiguo crecimiento de 6%. Estas
situaciones explican la diferencia en sus niveles de covarianzas.

En las regiones agropecuarias, en cambio, la covarianza entre shocks es positiva y

relativamente importante, va del 3% al 7%, estas diferencias se explicaran tambin
mediante el anlisis de los crecimientos relativos del sector en comparacin con la
regin en general, as en Hunuco, el sector agropecuario creci alrededor de la mitad
de lo que creci la regin, en cambio, en Amazonas y San Martin el producto
agropecuario creci 66% y 100% del crecimiento del producto total. En trminos de
diversificacin, mientras Hunuco se desconcentro, hacia la construccin y el
transporte, Amazonas y San Martin mantuvieron sus estructuras de participacin del
producto, esto puede deberse a la diversificacin de posibilidades de cultivo en las dos
regiones, aunque positivo en su signo, este componente de covarianza, nuevamente por
el desarrollo relativo de estas regiones, es positivo si se enmarca desde el punto de vista
de proyectos, en este caso cultivos, ms rentables y por ende ms voltiles.
Otra atingencia en este punto es la posibilidad de morigerar estos patrones mediante
polticas ya no macroeconmicas, sino de administracin de riesgo, en San Martin o
Amazonas es necesario impulsar los seguros para los agricultores, solo de esta manera
la volatilidad generada por la concentracin sobre el sector ser cubierta, como ha
mostrado la evidencia, en casos de plagas (como la roya amarilla) el producto de estas
regiones se puede ver seriamente afectado. Esta recomendacin de poltica se enmarca
en las conclusiones del Informe sobre el desarrollo mundial 2014, Riesgo y oportunidad,
la administracin de riesgo como instrumento de desarrollo; para la consolidacin del
crecimiento, en este caso, desde la base regional.
Analizando el Grfico 10 identificamos patrones definidos por el grado de desarrollo de
las regiones, por un lado, Lima, Moquegua, Piura y Tumbes con shocks regionales
relativamente bajos, en tanto, Ayacucho, Apurmac, La Libertad y Lambayeque con
niveles ms elevados de este tipo de volatilidad.

Grfico 10: Componentes de la volatilidad de las regiones de mediana

diversificacin, promedio 2001-2012.

Dentro del primer grupo, evidentemente Apurmac y Ayacucho, por su nivel de

desarrollo, tienen altos componentes intrnsecos a sus economas, La Libertad y
Lambayeque presentan tambin un alto porcentaje de volatilidad debido a shocks
sectoriales, es importante tambin notar que la volatilidad promedio de las dos ltimas
regiones es el 33% de las primeras, por lo que los shocks de las 2 primeras si se
condicen con una endeble estructura productiva, aunque sus economas se han ms que
duplicado en el perodo de anlisis. El punto de partida de su crecimiento es demasiado
bajo, as el dinamismo de proyectos grandes, como Las Bambas en Apurmac puede ser
fuente de diversificacin, pues la minera solo representa alrededor del 3% en promedio.
En el caso de las regiones La Libertad y Lambayeque, la primera presenta ms
exposicin a los sectores, puesto que la agricultura y la manufactura, que son
importantes en esta regin, son mucho ms voltiles que el comercio, que es el sector de
concentracin de la economa de Lambayeque, esto tambin explicara la diferencia
entre tasas de crecimiento de 25% a favor de La Libertad.
El segundo grupo tambin contiene singularidades y diferencias, Lima y Moquegua, dos
de las regiones ms desarrolladas del pas tienen componentes de volatilidad propios a
la regin muy bajos, entre 25 y 30%, aunque la volatilidad agregada promedio de Lima
es la tercera parte de la exhibida en Moquegua, esto se debe fundamentalmente al sector
de concentracin de cada regin, mientras Moquegua se especializa en manufactura y
minera, sectores altamente voltiles, Lima se concentra en la provisin de servicios, lo
que hace de su desarrollo bastante estable. Sin embargo, la diferencia ms importante se
da en el componente de covarianza entre shocks, que es negativo en Moquegua y
positivo, y bastante significativo, en Lima; esta singularidad es bastante interesante,
pueden darse varias hiptesis como respuesta, mientras Moquegua se diversifica cada
vez ms, Lima continua centrada en los servicios, adems, dada la magnitud del

porcentaje de importancia de Lima en el producto, las polticas econmicas podran

estar asociadas al ciclo de Lima, que puede ser distinto al de las dems regiones, estas
hiptesis forman parte de las nuevas lneas de investigacin que implica el estudio.
Piura y Tumbes, son similares entre s por el grado de diversificacin de sus estructuras
productivas, as como por sus tasas de crecimiento en el periodo, entre 93 y 95 por
ciento, analizando los componentes de la volatilidad tenemos que por un lado Piura se
ha mantenido relativamente diversificada, lo que le da componentes intrnsecos bastante
bajos, el sectorial en 25% y el regional en 28%; por el lado de Tumbes, los componentes
propios son mayores, suman alrededor del 80%, esta diferencia es importante puesto
que shocks externos golpearan mas la economa piurana, como la demanda por sus
productos de agro exportacin, en cambio, los sectores de transportes y comercio en
Tumbes hacen de la economa de esta regin una poco susceptible a shocks de afuera.
Finalmente, el componente de la covarianza es diametralmente opuesto, esto se debe
fundamentalmente a los sectores de concentracin de cada regin, las condiciones
crediticias cooperan mas en economas de sectores como la manufactura, que en
aquellas que tienen sectores a los que no pueden ayudar, como el transporte o servicios
de baja especializacin. Este tipo de beneficios (en trminos de menores niveles de
volatilidad) trae la diversificacin hacia sectores de mayor complejidad.
Por ltimo, el grupo conformado por las ocho regiones ms diversificadas, que se
muestra en el Grfico 11, presenta casos distintos entre s, un caso especial es el de
Cusco, que aunque es la regin ms diversificada es tambin la regin de mayor
volatilidad agregada promedio, sin embargo, esto se debe a un cambio en la
composicin productiva de esta regin, que en el 2001 se compona de comercio y
servicios (influido por su dotacin de recursos arqueolgicos e histricos) en alrededor
de 32%, en contraste, en 2012, los sectores mencionados representaron el 20%, mientras

que sectores como minera y construccin llegan al 37% desde los 16% de inicios de
dcada, esta transformacin estructural es la que genera volatilidad, gran parte de esta
situacin se debera a la puesta en marcha del proyecto de Camisea, que impulso gran
parte del crecimiento de 145% de la regin, que fue el ms importante del Per junto a
Ica. Con respecto a los componentes de la volatilidad, el referido a shocks sectoriales
propios de esta regin es el ms importante, debido a la alta fluctuacin de Minera (que
contiene tambin a hidrocarburos), esto se reafirma cuando vemos que los shocks
comunes solo representan el 1% del total, el componente regional general es menor al
promedio, pero se debe tener en cuenta que el total es bastante ms alto.
Ucayali representa otro caso peculiar, la regin creci por sobre la media nacional
(80%) y mantuvo sus niveles de diversificacin, pero tiene el componente regional ms
elevado del grupo, esto puede deberse a la fragilidad de sectores como Agricultura,
adems tiene un elevado componente de covarianza negativa, lo que implicara que sus
productos tienen una demanda estable, no vara con los vaivenes regionales.
Las dems regiones tienen comportamientos parecidos, su componente regional propio
va entre 30 y 50% del total, por debajo del promedio nacional, adems, Ica y Arequipa
son regiones con altos crecimientos, mientras que Tacna, Junn, Loreto y Puno tuvieron
crecimientos cercanos al promedio nacional. En cuanto a los componentes sectoriales,
estos representan alrededor del 50% del total y la diferencia la cubre el componente de
covarianza. Estas diferencias se deberan a los niveles relativos de cada regin, mientras
Arequipa y Tacna tienen las tasas ms altas de PBI per cpita, as como procesos de
diversificacin de los servicios y la minera, respectivamente. Esta sera la razn del
contraste con las covarianzas negativas en Loreto y Puno, que tienen niveles de
desarrollo significativamente menores.

Grfico 11: Componentes de la volatilidad de las regiones ms diversificadas,

promedio 2001-2012.

Los casos de Ica y Junn son interesantes, ambas regiones tienen estructuras de
volatilidad parecidas, pero sus componentes sectoriales no son distribuidos de forma
similar, mientras en Ica los shocks nacionales son el 14%, porque el crecimiento fue
impulsado por la agroindustria y manufactura; en Junn, el componente nacional es ms
importante, debido a que su especializacin se centra en servicios y comercio, sectores
que dependen de interrelaciones con otras regiones como Lima. El componente de
covarianza debe ser estudiado ms a fondo, asociar los resultados a las polticas
econmicas nacionales no parece, a priori, dar evidencia clara de alguna relacin, un
factor distinto debe jugar algn rol en la determinacin de estos procesos. Las
magnitudes, como los signos, deben ser estudiadas para sacar conclusiones consistentes.
En los Anexos presentamos mayor evidencia de las relaciones entre volatilidad,
desarrollo y concentracin, con respecto a los componentes estimados de la volatilidad
de cada regin, a continuacin, presentamos grficos de los resultados generales.
Grfico 12: Volatilidad y desarrollo, 23 regiones*, 2012.

Grfico 13: Volatilidad y concentracin, 23 regiones*, 2012.

* En estos grficos se dejaron de lado las observaciones del Cusco, que estn muy por
encima de las dems observaciones, por cuestiones de escala en los mismos.
Como observamos en los Grficos 12 y 13, la relacin concentracin volatilidad es
claramente positiva en el nivel regional, en cambio, el vnculo entre desarrollo y
volatilidad, aunque no tan evidente, sera negativo, lo que se condice con las hiptesis
tericas de esta relacin para las economas en primeras fases de desarrollo.
VI. CONCLUSIONES Y FUTURAS LNEAS DE INVESTIGACIN
La finalidad de este estudio es examinar empricamente las teoras concernientes a las
relaciones entre volatilidad, estructura productiva y desarrollo en una economa en
proceso de desarrollo como la peruana; especficamente, procuramos precisar las
diferencias y/o patrones comunes de estas relaciones en los niveles nacional, subnacional (regional) y sectorial. A continuacin detallamos las siguientes conclusiones:

En el nivel internacional encontramos evidencia que respalda la teora de

concentracin, diversificacin y reconcentracin de las economas en su proceso de
desarrollo, tal es as que encontramos pases en esta transicin en las ltimas dcadas,
adems, la evidencia indica que el Per se encuentra en la fase de diversificacin.
Sectorialmente, la relacin cae dentro de las teoras de retorno-volatilidad de proyectos;
sin embargo, las dotaciones iniciales de recursos son importantes en economas pobres,
esto determina la alta concentracin de algunas economas en sectores primarios, en
cambio, economas desarrolladas tienen importantes sectores de servicios muy
productivos y de baja volatilidad.
En las regiones, el nivel de desarrollo inicial juega un papel muy importante, al igual
que en el nivel internacional, regiones poco desarrolladas ganan volatilidad porque
fluctuaciones en proyectos relativamente pequeos las afectan profundamente, este tipo
de regiones no puede diversificarse espontneamente, sino luego de algn periodo o
umbral de desarrollo. Por el lado de la poltica econmica, en contraste con el nivel
internacional, el componente de covarianza entre perturbaciones no puede imputarse a
la poltica econmica, esta carencia de consistencia en los resultados abre un nuevo
espacio para investigar las asimetras regionales de los efectos de la poltica
macroeconmica sobre la volatilidad regional, no obstante, si pueden recomendarse
ciertas medidas de poltica en regiones altamente concentradas, un enfoque de manejo
de riesgos es pertinente en estos casos.
Finalmente, como futuras lneas de investigacin, es necesario estudiar, sobre todo en
los niveles regional y sectorial de escasa literatura, las relaciones de los componentes de
la volatilidad con la apertura comercial y financiera, la poltica macroeconmica y, en
general, con todos aquellos factores que intervienen en el proceso de desarrollo.

REFERENCIAS BIBLIOGRFICAS
Acemoglu, Daron y Fabrizio Zilibotti. Was Prometheus Unbound by chance? Risk,
Diversification, and Growth. (1997). The Journal of Political Economy.
Banco Mundial. (2013). Informe sobre el desarrollo mundial 2014. Panorama general:
Riesgo y oportunidad. La administracin del riesgo como instrumento de desarrollo.
Washington, DC: Banco Mundial.
Broner, Fernando y Roberto Rigobn. Why are capital flows so much more volatile in
emerging than in developed countries. (2005), Banco Central de Chile.
Brooks, Robin y Marco Del Negro. A Latent Factor Model with Global, Country and
Industry Shocks for International Stock Returns. (2004). Working Paper 2002-23.
Federal Reserve Bank of Atlanta.
Brooks, Robin y Marco Del Negro. International Diversification Strategies. (2004).
Federal Reserve Bank of Atlanta.
Caselli, Francesco y John Coleman. The U.S. Structural Transformation and Regional
Convergence: A Reinterpretation. Journal of Political Economy, Vol. 109-03 (2001).
Del Negro, Marco. Asymmetric Shocks among U.S. States. (2002). Journal of
International Economics.
Forni, Mario y Lucrezia Reichlin. Dynamic Common Factors in Large Cross Sections
(1996). Empirical Economics, XXI (1996).
Ghosh, Atish R. y Holger C. Wolf. Geographical and Sectoral Shocks in the U.S.
Business Cycle. NBER Working Paper, 6180 (1997).
Hausmann, Ricardo, Csar Hidalgo, et al. Atlas of Economic Complexity, Mapping
Paths to Prosperity. (2011). Hardvards Center for International Development (CID).
Imbs, Jean. Growth and Volatility. (2006). Swiss Finance Institute, Research Paper
Series N 06 9.
Imbs, Jean y Romain Wacziarg. Stages of Diversification. American Economic
Review, XCIII (2003).

Koren, Mikls y Silvana Tenreyro. Technological Diversification. (2013). American

Economic Review, Vol. (2013).
Koren, Mikls y Silvana Tenreyro. Volatility and Development. (2007). Quarterly
Journal of Economics, 122(1).
Koren, Mikls y Silvana Tenreyro. Volatility, Diversification and Development in the
Gulf Cooperation Council Countries. (2012). Captulo 9 en David Held and Kristian
Ulrichsen (editor), The transformation of the Gulf: Politics, Economics and the Global
Order, Routledge.
Kose, Ayhan, Eswar Prasad, y Marco Terrones. How do Trade and Financial
Integration Affect the Relationship Between Growth and Volatility? (2005). IMF
Working Paper 05/19.
Kraay, Aart y Jaume Ventura. Comparative Advantage and the Cross-Section of
Business Cycles. NBER Working Paper, 8104(2001).
Lucas, Robert E. Jr. On the Mechanics of Economic Development. Journal of
Monetary Economics, XXII (1988).
Obstfeld, Maurice. Risk Taking, Global Diversification, and Growth. American
Economic Review, LXXXIV (1994).
Ramey, Garey y Valery Ramey, Cross-Country Evidence on the Link Between
Volatility and Growth. (1995). American Economic Review, LXXXV.
Reichlin, Lucrezia. Factor Models in Large Cross-Sections of Times Series. World
Congress of the Econometric Society, 2000.
Stockman, Alan C. Sectoral and National Aggregate Disturbances to Industrial Output
in seven European Countries. (1988). Journal of Monetary Economics,

Anexo 1: Estimacin del modelo.

Con el propsito de cuantificar los diversos componentes de la volatilidad vistos en la
ecuacin (5), requerimos estimar las matrices de varianza y covarianza

. La estrategia general ser usar datos de pases y sectores en el tiempo, para

estimar los shocks sectoriales

y los shocks especficos

. Luego computamos las

varianzas de la muestra y las covarianzas de los shocks estimados y los tratamos como
estimados de los parmetros de poblacin.
A continuacin medimos los shocks globales sectoriales como el promedio de toda la
muestra de pases de

en cada uno de los sectores. Los shocks especficos de cada

economa son identificados como el promedio entre las economas de

, usando

solamente la porcn no explicada por shocks sectoriales especficos. Entonces, el

residuo es la diferencia entre

y los dos shocks. En notacin:

(6)

Debemos resaltar que los shocks son normalizados para que

, o sea, los

shocks especficos a la economa son relativos a los shocks globales.

Una forma similar de plasmar esto es llevando el anlisis hacia regresiones de
sobre dummies sectoriales y especficas de cada economa. Detalladamente, las
frmulas para

cada periodo t, de
economas.

,y

dadas previamente resultaran de hacer regresiones, para

sobre un grupo de dummies especficas a los sectores y las

La especificacin economtrica es la siguiente:

(7)
Tenemos a

como variables dummy, que toman el valor de 1 para el

sector s, y 0 de otra manera, as como

son dummies que toman el valor

de 1 para la economa e y 0 de otra manera. Los coeficientes estimados

residuos

, y los

son, respectivamente, el shock global especfico del sector s, el shock

especfico a la economa e y el shock especfico al sector s y a la economa e en el

periodo t. Para cada seccin de datos, el nmero de observaciones es E*S y el nmero
de regresores E+S.
Estos shocks estimados son utilizados para estimar las matrices
Particularmente,

es la matriz de varianzas covarianzas estimadas de

los shocks sectoriales globales;

es la matriz de varianzas estimadas

de los shocks especficos a las economas;

es la matriz de

covarianzas entre los shocks sectoriales y el shock de la economa e; finalmente,

, con e = 1,,E siendo los estimados de las varianzas de los shocks
sectoriales idiosincrticos.
Con estos estimados de las matrices de varianzas y covarianzas de los factores,
utilizamos datos de porcentajes de participacin sectorial en el producto agregado para
calcular las diversas medidas de exposicin al riesgo.
Dando una notacin comn con el archivo de trabajo, tenemos que:
(8)
(9)

(10)
(11)
Tenemos a

que es parte de la volatilidad de la economa e en el tiempo t

debido a los shocks sectoriales que son comunes a todas las economas;

es la

parte de la volatilidad originada por los shocks sectoriales propios de cada economa e;
es la porcin de volatilidad fruto de los shocks especficos de la economa (que
por construccin no depende del tiempo, aunque pueden ser tratados empricamente por
periodos como dcadas o lustros) y, finalmente,

es dos veces la covarianza (este

componente puede ser negativo) entre los shocks globales sectoriales con la e-sima
economa en el periodo t. La volatilidad total es expresada como la suma de estos cuatro
componentes. Como un ejercicio adicional descomponemos el componente de riesgo
sectorial idiosincrtico en el producto del ndice de
Herfindahl,

concentracin sectorial a lo

y el promedio de la varianza idiosincrtica de los sectores,

:
,
,

El modelo economtrico especificado en (7), conocido como un modelo factorial, es popular

en finanzas, donde se usa para descomponer los retornos de los activos en componentes de
riesgo pas y riesgo del sector o industria (ver Heston and Rouwenhorst [1994]). Un
procedimiento similar adapto Stockman [1994], que descompuso el crecimiento del producto
industrial de siete pases europeos. Ghosh and Wolf [1997] hace el mismo ejercicio para los
estados de Estados Unidos. En ese sentido, la segunda parte del estudio (la revisin interna) se

deriva analticamente de este trabajo. Estos estudios y otros se enfocan en las diferencias
cualitativas entre shocks especficos de la industria y de la economa, pero no se establecen
medidas de riesgo cuantitativas, que son el objeto de nuestro anlisis, ms en el mismo
sentido de Tenreyro y Koren (2007) y Del Negro (2002).

Anexo 2: Una breve introduccin a los modelos factoriales.

Los modelos factoriales brindan representaciones parsimoniosas de largos paneles de
datos, en su forma dinmica fueron propuestos inicialmente por Sargent and Sims
(1977) y Geweke (1977). En la estructura factorial tenemos un vector de n series de
tiempo (n siendo el nmero de pases o regiones en nuestro estudio) que es representado
como la suma de dos componentes ortogonales no observables, un componente comn
influido por algunos factores comunes (menores a n) y un componente idiosincrtico
influido por n factores idiosincrticos. Su uso es diverso, en mltiples campos de la
economa y las finanzas, Pueden ser usados, por ejemplo, para estimar indicadores
coincidentes del ciclo de negocios, como Stock y Watson (1989) en paneles reducidos,
tambin pueden ser usados para calcular riesgos no asegurables en base a data
financiera. Esta es construida por la varianza de los componentes idiosincrticos de los
precios de acticos o, para riesgos macroeconmicos, de producto. Adicionalmente, son
usados para aprender acerca del comportamiento macroeconmico sobre datos
desagregados (sectores, regiones, etc.): Quah y Sargent (1993) y Forni y Reichlin (1996,
1998) son referencias muy tiles. En estos ejemplos, n, o sea, el nmero de unidades
transversales (como las regiones) es constantemente mayor al nmero de periodos. En
este contexto, los enfoques tipo VAR son inapropiados, porque implican la estimacin
de demasiados parmetros, por lo que los modelos factoriales son una alternativa viable.

Anexo 3: Grficos globales de la relacin entre la volatilidad, sus componentes y la

concentracin sectorial. Comparacin 2012-1992.

Anexo 4: Grficos globales de la relacin entre la volatilidad, sus componentes y el

nivel de desarrollo. Comparacin 2012-1992.

Anexo 5: Grfico regional de la relacin entre la volatilidad, sus componentes y el

nivel de desarrollo. Comparacin 2001 - 2012.

Anexo 6: Grfico regional de la relacin entre la volatilidad, sus componentes y la

concentracin sectorial. Comparacin 2001 - 2012.