Académique Documents
Professionnel Documents
Culture Documents
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,
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
como el promedio de
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
de shocks (
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
, con S = 1,,S:
, 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
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
. De manera
estuvieran correlacionados).
, el objeto de anlisis,
, respectivamente. La
cada sector;
a la economa;
recoge los
significa
cuantitativamente poco del total, por lo que puede ser descartado. Un ejemplo concreto,
el trmino
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
.
, relacionado a los shocks
sectoriales idiosincrticos. Este factor ser alto cuando los sectores con gran
volatilidad
, y
es alto si la economa se
e idiosincrtico
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
1990
Volatilidad
2000
2011-2012*
Participacin en el Producto
35%
30%
25%
20%
Manufactura
Construccin
10%
Transportes y Comunicaciones
Servicios y Otros
5%
0%
Fuente: UN Statistics.
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.
1970
1980
3%
1%
4%
10%
14%
82%
13%
73%
1990
2000
4%
14%
21%
29%
18%
64%
28%
22%
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.
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.
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
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.
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.
* 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:
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).
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
, usando
(6)
, o sea, los
cada periodo t, de
economas.
,y
, y los
es la matriz de
(10)
(11)
Tenemos a
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,
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
:
,
,
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).