FACULTAD DE CIENCIAS EMPRESARIALES CARRERA PROFESIONAL DE INGENIERÍA ECONÓMICA Y DE NEGOCIOS “DETERMINANTES MACROECONÓMICOS DE LOS PRECIOS DE LOS PRINCIPALES COMMODITIES MINERO METÁLICOS DEL PERÚ. UNA APROXIMACIÓN EMPÍRICA 1990 - 2016” Tesis para optar el Título Profesional de Ingeniero Economista Presentado por: BACH. OSCAR SOTO CALDERÓN Asesor: Dra. PILAR TEJADA VIDAL LIMA- PERÚ 2019 i Dedicatoria A mis padres José Manuel (†) y Antonia por su infinito e incomparable amor y a mi hijo José Samuel Joaquín, quien es mi mayor orgullo y motivación en esta vida. ii Agradecimientos Agradezco a Dios, ser divino que me da fuerza, paciencia y sabiduría para alcanzar mis metas. Mi profundo agradecimiento a la Doctora Pilar Tejada Vidal por los aportes brindados en esta investigación además por el tiempo y la gran atención en todas las consultas realizadas. iii Índice general Resumen ..................................................................................................................................... ix Introducción ................................................................................................................................ 1 CAPÍTULO I: PLANTEAMIENTO DEL PROBLEMA ....................................................... 3 1.1. Descripción de la realidad problemática .................................................................... 3 1.2. Formulación del problema .......................................................................................... 9 1.2.1. Problema general .................................................................................................. 9 1.2.2. Problemas específicos ........................................................................................... 9 1.3. Objetivos de la investigación ..................................................................................... 10 1.3.1. Objetivo general .................................................................................................. 10 1.3.2. Objetivos Específicos .......................................................................................... 10 1.4. Justificación de la investigación ................................................................................ 11 1.5. Limitaciones de la investigación ............................................................................... 12 1.6. Viabilidad de la investigación ................................................................................... 12 CAPITULO II: MARCO TEÓRICO...................................................................................... 13 2.1. Antecedentes de la investigación ............................................................................... 13 2.1.1. Evidencia empírica a nivel internacional .......................................................... 13 2.1.2. Evidencia empírica a nivel nacional .................................................................. 20 2.2. Bases teóricas .............................................................................................................. 26 2.2.1. Commodities............................................................................................................ 26 2.2.2. Demanda de commodities minero metálicos .................................................... 29 2.2.3. Oferta de commodities minero metálicos ......................................................... 36 2.2.4. Precio de los commodities minero metálicos. ................................................... 42 2.2.5. Teoría del comercio internacional ..................................................................... 48 2.2.6. Teoría del crecimiento económico con comercio internacional ...................... 51 2.3. Formulación de hipótesis ........................................................................................... 53 2.3.1. Hipótesis general ................................................................................................. 53 2.3.2. Hipótesis especificas ............................................................................................ 53 CAPITULO III: DISEÑO METODOLÓGICO .................................................................... 55 3.1. Diseño de la investigación .......................................................................................... 55 3.2. Población y muestra ................................................................................................... 55 3.3. Operacionalización de variables ............................................................................... 56 3.4. Técnicas de recolección de datos. .............................................................................. 58 3.5. Técnicas para el procesamiento y análisis de datos ................................................ 59 3.5.1. Especificación del modelo matemático.............................................................. 59 iv 3.5.2. Especificación del modelo econométrico ........................................................... 60 3.6. Aspectos Éticos ........................................................................................................... 62 CAPITULO IV: RESULTADOS............................................................................................. 63 4.1. Resultados de las estimaciones estadísticas .............................................................. 63 4.2. Análisis de raíz unitaria y de cointegración ............................................................. 66 4.2.1. Análisis de raíz unitaria...................................................................................... 66 4.2.2. Análisis de cointegración .................................................................................... 67 4.2.3. Análisis del test de causalidad de Granger ............................................................ 70 4.3. Resultados de las estimaciones econométricas de cada commodity ...................... 73 4.3.1. Análisis de correlación ........................................................................................ 73 4.3.2. Estimación paramétrica commodity oro .......................................................... 74 4.3.3. Estimación paramétrica commodity Cobre ...................................................... 79 4.3.4. Estimación paramétrica Commodity Zinc ....................................................... 82 4.3.5. Estimación paramétrica utilizando primeras diferencias ............................... 86 CAPÍTULO V: DISCUSIÓN, CONCLUSIONES Y RECOMENDACIONES .................. 90 5.1. Discusión de resultados .............................................................................................. 90 5.2. Conclusiones ............................................................................................................... 98 5.3. Recomendaciones ..................................................................................................... 100 Referencias bibliográficas ...................................................................................................... 102 Abreviaturas ............................................................................................................................ 105 Definiciones conceptuales ....................................................................................................... 106 Anexos ...................................................................................................................................... 115 v Índice de figuras Figura 1: Exportaciones tradicionales y exportaciones mineras 2001-2016 ................ 3 Figura 2: Exportaciones mineras, agrícolas, algodón, azúcar y café 1980-2000 ......... 4 Figura 3: Exportaciones e importaciones 1980-2016 (en valores FOB US$) .............. 5 Figura 4: Exportaciones de cobre, oro y zinc 1980- 2016 (en valores FOB US$) ...... 6 Figura 5: Evolución de las cotizaciones de cobre, oro y zinc 1990 - 2016 ................. 7 Figura 6: Clasificación de los commodities ................................................................. 28 Figura 7: Curvas de demanda de metales según el horizonte temporal ....................... 35 Figura 8: Curvas de oferta de metales según horizonte temporal ................................ 38 Figura 9: Composición del comercio mundial, 2008 ................................................... 50 Figura 10: Estimación estadística de la cotización del Oro ......................................... 63 Figura 11: Estimación estadística de la cotización del Cobre ...................................... 64 Figura 12: Estimación estadística de la cotización del zinc ......................................... 65 Figura 13: Evolución temporal Actual, Fitted y Residual commodity oro ................. 78 Figura 14: Evolución temporal Actual, Fitted y Residual commodity cobre .............. 82 Figura 15: Evolución temporal Actual, Fitted y Residual commodity zinc ................. 85 Figura 16: Evolución del precio del petróleo y la gasolina 2008 – 2015 ..................... 90 Figura 17: Determinantes del precio de los metales a Corto plazo .............................. 94 vi Índice de tablas Tabla 1: Análisis de raíz unitaria de las series ............................................................ 66 Tabla 2: Test de cointegración de Johansen commodity oro ....................................... 68 Tabla 3: Test de cointegración de Johansen commodity cobre .................................. 69 Tabla 4: Test de cointegración de Johansen commodity zinc ...................................... 69 Tabla 5: Test de causalidad de Granger commodity cobre .......................................... 71 Tabla 6: Test de causalidad de Granger commodity oro.............................................. 72 Tabla 7: Test de causalidad de Granger commodity zinc ............................................ 72 Tabla 8: Matriz de correlaciones de las variables involucradas ................................... 74 Tabla 9: Estimación commodity oro ............................................................................ 75 Tabla 10: Resumen estimación commodity oro ........................................................... 75 Tabla 11: Estimación commodity oro modificado ....................................................... 76 Tabla 12: Significancia global commodity oro inicial y modificado ........................... 76 Tabla 13: estimación commodity cobre ....................................................................... 79 Tabla 14: Resumen estimación commodity cobre ....................................................... 80 Tabla 15: Significancia global commodity cobre ........................................................ 80 Tabla 16: Estimación commodity zinc ......................................................................... 83 Tabla 17: resumen estimación commodity zinc ........................................................... 83 Tabla 18: Significancia global estimación commodity zinc ........................................ 84 Tabla 19: Estimación paramétrica en primeras diferencias commodity cobre ............ 87 Tabla 20: Estimación paramétrica en primeras diferencias commodity zinc .............. 88 Tabla 21: Estimación paramétrica en primeras diferencias commodity oro ................ 89 Tabla 22: Matriz de correlación de las variables exógenas.......................................... 91 vii Índice de anexos Anexo 1: Matriz de consistencia .................................................................................. 116 Anexo 2: Matriz de Operacionalización de variables .................................................. 118 Anexo 3: Series utilizadas en el modelo econométrico ............................................... 119 Anexo 4: Matriz de correlación entre las series que intervienen en el modelo econométrico ................................................................................................................ 132 Anexo 5: Resultados estadísticos de las series que intervienen en el modelo ............. 133 viii Resumen En la presente investigación se analizan los determinantes macroeconómicos de los precios de los principales commodities minero metálicos del Perú entre ellos oro, cobre y zinc en el periodo 1990 – 2016. El Perú es uno de los países de larga tradición minera en América Latina y el mundo. Es el segundo productor de cobre, zinc y plata a nivel mundial. En Latinoamérica ocupa el primer lugar en la producción de oro, zinc, plomo y molibdeno. Los commodities minero metálicos tienen un mercado global reconocido y líquido que es ampliamente utilizado como como mecanismo de fijación de precios. El mercado de los metales tienden a tener propiedades físicas en gran medida homogéneas y estandarizadas; por lo tanto, los precios de los metales tienden a reflejar la interacción entre la oferta, la demanda y los inventarios mundiales. El modelo econométrico para cuantificar las interrelaciones entre las variables contempladas en el modelo, es la técnica de estimación de los Mínimos Cuadrados Ordinarios (MCO). Los resultados de las estimaciones muestran que existe una alta correlación entre las variables endógenas (cotización de los commodities oro, cobre y zinc) y las variables exógenas consideradas en el modelo. Los resultados en primeras diferencias muestran que el tipo de cambio real de USA es una variable significativa en la determinación de los precios de los commodities oro, cobre y zinc. Asimismo el precio internacional del petróleo y la producción mundial del cobre son variables significativas en la determinación del precio del commodity cobre; y la producción mundial del zinc resulta ser una variable significativa en la determinación del precio del commodity zinc. Finalmente, sobre la base de los resultados, se incluye una sección acerca de las implicaciones de políticas en lo relacionado con la minería minero metálica. Palabras clave: Productos básicos, precio de los bienes básicos mineros metálicos, determinantes macroeconómicos, industria minero metálica. ix Abstract In the present investigation the macroeconomic determinants of the prices of the main metallic mining commodities of Peru are analyzed, among them gold, copper and zinc in the period 1990 - 2016. Peru is one of the countries with the greatest mining tradition in Latin America and the world. It is the second producer of copper, zinc and silver worldwide. In Latin America it occupies the first place in the production of gold, zinc, lead and molybdenum. Metallic mining commodities have a recognized and liquid global market that is widely used as a pricing mechanism. The metals market tends to have largely homogeneous and standardized physical properties; therefore, metal prices tend to reflect the interaction between supply, demand and global inventories. The econometric model to quantify the interrelations between the variables contemplated in the model, is the estimation technique of the Ordinary Least Squares (OLS). The results of the estimations show that there is a high correlation between the endogenous variables (quotation of gold, copper and zinc commodities) and the exogenous variables considered in the model. The results in first differences show that the real exchange rate of the USA is a significant variable in the determination of the prices of gold, copper and zinc commodities. Likewise, the international price of oil and world copper production are significant variables in determining the price of the copper commodity; and the global zinc production turns out to be a significant variable in the determination of the price of the zinc commodity. Finally, based on the results, a section on the implications of policies in relation to metallic mining is included. Keywords: Commodities, price of metallic mining basic goods, macroeconomic determinants, metal mining industry. x Introducción La actividad minera en el Perú desempeña un rol importante en la economía del país y es desarrollada desde las primeras civilizaciones. El descubrimiento, la exploración, desarrollo y producción y exportación de los metales como oro, cobre, zinc entre otros, tienen un impacto significativo positivo y negativo en el crecimiento económico del Perú, debido a la naturaleza cíclica de la industria a nivel global. La actividad minera sigue afectando de manera significativa al Perú en los ámbitos económico, político y social (Casas & Málaga, 2016). La industria minero metálica en el Perú es la principal actividad generadora de divisas, impuestos, inversión y empleo; asimismo a nivel departamental con presencia de actividad minera es el principal financiador de los presupuestos locales a través del canon minero y las regalías, situación que se espera continuará debido a las inversiones realizadas y a las reservas mineras con las que contamos, además de las potenciales (aproximadamente el 17% del territorio minero está en exploración) (Macroconsult, 2012). En el período 1990 – 2016 la minería metálica (extracción, refinación y fundición) incrementó su participación porcentual en el Producto Bruto Interno; en 1994 el peso de la minería y la refinación de metales ascendía a 4.7% del PBI, en el 2007 a 14.5% y en el 2016 la minería metálica creció 21.2%; contribuyendo de esta manera al crecimiento sostenido del PBI global (Macroconsult, 2012), (BCRP, 2016). Esto implica la existencia de la dependencia del sector exportador minero metálico, respecto de los precios de los commodities minero metálicos transados en las principales bolsas del mundo. El análisis de los principales commodities minero metálicos del Perú es importante debido a que en el desarrollo de este sector (en sus actividades de exploración, explotación, refinación y exportación), se generan integraciones hacia atrás y hacia adelante donde intervienen 1 diversos recursos y servicios; el requerimiento y utilización de estos recursos y servicios contribuyen a la dinamización de la economía; reflejándose en el incremento de divisas, recaudación tributaria, canon y regalías mineras, inversiones, los presupuestos regionales, el empleo y el nivel de vida de la población en general. A diciembre del 2016 las áreas donde se realizó actividad minera tanto explotación y exploración sumó una extensión de 1 650,742 hectáreas que representa el 1.28% del territorio nacional (unidades en producción minera 0.98% y unidades en exploración minera 0.30%); y las áreas concesionadas sumaron 18.2 millones de hectáreas que representa el 12.8% del territorio nacional y las áreas restringidas a la actividad minera sumaron 81 007,998 hectáreas que representa el 63% del territorio nacional MINEM (2016). Asimismo las reservas mundiales de cobre fueron de 720 millones de TM y el Perú ocupó el tercer lugar con una participación de 11.25%; las reservas mundiales de zinc fueron de 222 millones de TM, ocupando el Perú el tercer lugar con el 11.36%; asimismo las reservas mundiales de oro fueron de 57,000 TM ocupando el Perú el sexto lugar con el 4.23% (U.S. Geological Survey , 2017). La presente investigación consta de cinco capítulos: En el primer capítulo, planteamiento del problema con la descripción y formulación del problema, establecimiento de los objetivos; en el segundo capítulo antecedentes y revisión de la literatura con los antecedentes de la investigación, bases teóricas y la formulación de hipótesis; en el tercer capítulo diseño metodológico se define básicamente la metodología utilizada en la investigación, las técnicas de procesamiento de datos y la especificación del modelo econométrico por commodities; en el cuarto capítulo resultados se presenta la evaluación de los principales resultados econométricos; el quinto capítulo contiene la discusión de los resultados y la interpretación del modelo y finalmente las conclusiones y recomendaciones. 2 CAPÍTULO I: PLANTEAMIENTO DEL PROBLEMA 1.1. Descripción de la realidad problemática La presente investigación constituye una primera aproximación a la estimación, carácter y el tipo de relación existente entre las variables que determinan el comportamiento temporal de las exportaciones de tres grandes commodities: el oro, el cobre y el zinc. Tradicionalmente el sector exportador peruano se ha basado en productos tradicionales, los cuales llega a constituir aproximadamente las tres cuartas partes de las exportaciones peruanas y en las exportaciones mineras que representan aproximadamente el 56% (ver Figura 1). Figura 1: Exportaciones tradicionales y exportaciones mineras 2001-2016 (en porcentaje de participación) Exportaciones en porcentaje 100.0 77.4 77.1 67.4 69.6 69.9 71.7 74.6 75.0 76.5 77.8 77.4 75.6 80.0 73.6 70.0 68.0 70.6 60.0 55.6 56.4 61.8 62.1 60.9 40.0 58.4 61.2 59.4 57.9 55.5 52.0 55.0 58.8 51.6 45.6 49.4 20.0 0.0 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 Mineras Tradicionales Fuente: BCRP. Elaboración propia En los últimos años la composición de las exportaciones se ha modificado; a inicios de la década de los ochenta las exportaciones agrícolas representaban el 5.9% del total exportado, destacando las exportaciones de algodón y café con 1.8% y 3.4% respectivamente. Asimismo, las exportaciones mineras equivalían al 36.4% del total exportado, destacando las exportaciones de cobre y zinc con 19% y 6.7% 3 respectivamente. En la década de los noventa la participación de las exportaciones agrícolas respecto a las exportaciones totales se incrementó a 8.2%, al igual que la participación de las exportaciones del sector minero en el total de exportaciones a 38% siendo los minerales con mayor participación, el cobre con 18.3% y zinc con 8.9%, mientras que las exportaciones de petróleo y derivados equivalen al 5.5% retrocediendo 1.1% respecto a 1980. Para el año 2000 las exportaciones agrícolas equivalen al 6.5% donde el café tiene una participación del 6.1%; las exportaciones mineras equivalen a 54.5% donde el oro tiene una participación del 22.2%, el cobre 16% y el zinc 6.3% (De la Cuba & Ormeño, 2003). Figura 2: Exportaciones mineras, agrícolas, algodón, azúcar y café 1980 – 2000 (en valores US$ FOB) Fuente: BCRP. Elaboración propia Durante el periodo 2001 al 2016, el comportamiento de las exportaciones ha cambiado drásticamente debido fundamentalmente a la volatilidad de las cotizaciones de los commodities; la disminución de las cotizaciones significó para el Perú una crisis macroeconómica con el consiguiente incremento en la tasa de desempleo, disminución de las inversiones (públicas y privadas), reducción del gasto de consumo 4 total y una marcada tendencia “al déficit comercial” durante los últimos años, tal como se puede observar en la figura 3, donde la balanza comercial fue de 0.26% en el 2013, -0.74% en el 2014, -1.64% en el 2015 y 0.89% en el 2016. Figura 3: Exportaciones e importaciones 1980-2016 (en valores FOB US$) Título del gráfic 50000 45000 40000 35000 30000 25000 20000 15000 10000 5000 0 Exportaciones Importaciones Fuente: BCRP. Elaboración propia Las exportaciones del Perú, compuesta principalmente por las exportaciones tradicionales se explica básicamente por una alta participación de las exportaciones mineras donde se destacan las participaciones de cobre, oro y zinc respecto a las exportaciones totales; en el 2001 la participación de las exportaciones mineras fue oro con el 36%, cobre con el 31% y zinc con el 13%; en el año 2005 la participación de estos metales fueron cobre con el 36%, oro con 32% y zinc con 8%; en el 2010 la estructura porcentual fue cobre 41%, oro 35%, zinc 8%; de igual manera se observa que en el año 2015, las participaciones fueron cobre 43%, oro 35% y zinc 8%; observándose fluctuaciones en los volúmenes de exportaciones de los commodities oro, cobre y zinc; estos metales constituyen los metales de exportación más importantes del Perú (Ver Figura 4). 5 Figura 4: Exportaciones de cobre, oro y zinc 1980- 2016 (en valores FOB US$) Fuente: BCRP. Elaboración propia Así mismo podemos apreciar la evolución de las cotizaciones del cobre, oro y zinc. En el caso del cobre la cotización fue centavos de dólar por libras, oro dólares por Onza y en zinc centavos de dólar por libra. La cotización del cobre en el año 1990 fue cUS$ 111.09 por libra, en el año 1995 de cUS$ 130.19 por libra, para el año 2000 desciende a cUS$ 79.94 por libra; en el año 2005 la cotización de este metal fue cUS$ 160.00 por libra y a partir de aquí empieza el alza hasta llegar a la cotización máxima de 385.27 en el 2011, a partir de la fecha la cotización tiene una tendencia descendente llegando en el 2016 a cotizarse en cUS$ 185.05 por libra. De igual manera podemos apreciar las variaciones en la cotización de oro, cotizándose en 1990 en US$ 371.62 por onza, en el año 2000 la cotización fue US$ 280.38 por onza y en el 2005 la cotización fue US$ 450.18 por onza, empezando una 6 tendencia ascendente hasta llegar a la cotización máxima en el año 2012 con US$ 1671.92 por onza, luego empieza a descender hasta llegar en el 2016 a cotizarse en US$ 1250.63 por onza. La cotización del zinc también tiene comportamiento volátil, en el año 1990 la cotización fue de cUS$ 36.02 por libra, en el 2000 cUS$ 28.39, en el año 2005 cUS$ 33.51, llegando a la máxima cotización en el 2007 con cUS$ 90.51 por libra y siendo la cotización en el 2016 cUS$ 59.69 por libra como se puede observar en la figura 5. Figura 5: Evolución de las cotizaciones de cobre, oro y zinc 1990 - 2016 Fuente: BCRP. Elaboración propia Como se aprecia, los precios de los commodities muestran largas fluctuaciones impulsadas principalmente por fenómenos de demanda asociados al crecimiento de grandes economías que impulsaron fuertemente la demanda por metales como el crecimiento económico de India y China; asimismo la evidencia empírica actual menciona que existe una correlación negativa entre el dólar y la cotización de los commodities y una correlación positiva entre el tipo de cambio y la cotización del cobre y oro. Los trabajos de Ridler y Yandle (1972), Côté (1987), Gilbert (1989) y 7 Rezitis (2015) citados en (Cárdenas, 2016) utilizando distintos métodos comprobaron la correlación negativa entre el dólar y la cotización de los commodities. “Esta correlación se puede ver a través de dos caminos: (i) los precios internacionales de commodities están expresados en dólares, por lo cual un encarecimiento de un commodity, reduce la cantidad de demanda del mismo; y, (ii) en el caso de algunos commodities, que sirven como refugio frente al valor del dólar, el efecto se da frente a especulación de los mercados financieros, como es el caso del oro y la plata” (p. 2). En la figura 5 se puede observar una fase contractiva de los precios de oro y cobre desde 1990 hasta el 2001 y una fase expansiva de los precios desde el 2002 hasta el año 2012 y partir del 2012, se observa un ciclo contractivo con los precios de los commodities en disminución y asociado a la recuperación de la economía de los Estados Unidos de América después de la crisis y el debilitamiento de la economía China. La reducción de la demanda por metales y la mayor producción de éstos han llevado a la reducción de su precio siendo los impactos a las economías por la reducción del valor de las exportaciones de metales y la variación (reducción y postergación) de la inversión privada para desarrollar nuevos proyectos mineros. Los commodities en general tienen un impacto significativo en el desarrollo económico de los países emergentes, motivo por el cual el crecimiento de estos países dependen de los commodities como es el caso del Perú, donde se observa las tendencias volátiles en sus precios; por lo tanto, la cotización de los commodities minero metálicos es una de las preocupaciones centrales para los responsables de las políticas económicas debido a que tienen una influencia significativa en la evolución de la actividad económica; además los mercados de commodities transmiten choques de oferta y demanda entre países exportadores e importadores, por lo tanto, es crucial conocer los determinantes de los precios de los commodities minero metálicos del Perú. 8 1.2. Formulación del problema 1.2.1. Problema general ¿Cuáles son los determinantes macroeconómicos de los precios de los principales commodities minero metálicos del Perú, entre ellos oro, cobre y zinc en el periodo 1990 – 2016? 1.2.2. Problemas específicos 1.2.2.1. ¿Es la producción mundial de los principales commodities minero metálicos una variable que determina la cotización de estos metales, en el período 1990-2016? 1.2.2.2. ¿Es el índice de producción agregada de los países industrializados una variable que determina la cotización de los commodities minero metálicos del Perú en el período 1990 – 2016? 1.2.2.3. ¿Es índice de precios al consumidor mundial una variable que determina el precio de los commodities minero metálicos del Perú en el período 1990 – 2016? 1.2.2.4. ¿Cuál es el grado de importancia del tipo de cambio real de los EEUU en la determinación de la cotización de los principales commodities minero metálicos del Perú en el periodo 1990- 2016? 1.2.2.5. ¿Es la tasa de interés real de USA una variable determinante de los precios de los commodities minero metálicos del Perú en el periodo d 1990 - 2016? 1.2.2.6. ¿Cuál es la relación entre la cotización internacional del petróleo y los precios de los commodities minero metálicos del Perú en el periodo 1990 - 2016? 9 1.3. Objetivos de la investigación 1.3.1. Objetivo general Definir y analizar los determinantes macroeconómicos de los precios de los principales commodities minero metálicos del Perú, entre ellos oro, cobre y zinc en el periodo 1990 – 2016. 1.3.2. Objetivos Específicos 1. Analizar la relación existente entre la producción mundial de los principales commodities minero metálicos (oro, cobre y zinc) y los precios de estos, en el periodo 1990 – 2016. 2. Analizar la importancia del índice de producción agregada de los países industrializados como determinante del precio de los commodities minero metálicos en estudio en el periodo 1990 – 2016. 3. Conocer la relación existente entre el índice de precios al consumidor mundial y el precio de los commodities mineros metálicos en estudio en el periodo 1990 – 2016. 4. Establecer el grado de importancia que presenta el tipo de cambio real de los EEUU, en la determinación de la cotización de los principales commodities minero metálicos en el periodo 1990 – 2016 5. Conocer la relación existente entre la tasa de interés Real USA y la cotización de los commodities minero metálicos en el periodo de 1990 – 2016. 6. Conocer la relación existente entre el precio internacional del petróleo y la cotización de los commodities minero metálicos en el periodo de 1990 – 2016. 10 1.4. Justificación de la investigación La importancia teórica de plantear la presente investigación de los determinantes macroeconómicos de los precios de los principales commodities mineros metálicos del Perú radica en que los mercados de commodities juegan un rol central en la transmisión de distorsiones en los precios internacionales desde los países importadores de este tipo de bienes hacia los países oferentes de los mismos y en el caso peruano, las exportaciones mineras están compuestas por cobre, oro y zinc. La importancia práctica está en que si se conocen los determinantes macroeconómicos de los precios de los commodities, podremos predecir algunas posibles distorsiones y cambios en esta variable como las fluctuaciones de los precios internacionales que afectan la recaudación tributaria; las inversiones, las divisas, los presupuestos regionales y el empleo; mediante un modelo econométrico dinámico cuyo objetivo fundamental es brindar una estrategia de modelización que al evitar la generosa imposición de restricciones en que se apoya la identificación de los modelos econométricos convencionales, permite especificar modelos que reflejen lo más fielmente posible, las regularidades empíricas e interrelaciones entre las variables objeto de análisis. La econometría dinámica se origina de acuerdo a Trujillo (2010) “de un proceso generador de datos (PGD) desconocido mediante la teoría económica y la econometría aplicada (marginalización, simplificación, reparametrización, etc.) se obtiene una representación robusta, simple y parsimoniosa, plasmado en un modelo de series de tiempo de variables interrelacionadas”. 11 En esta investigación se define como se relacionan las variables endógenas y exógenas en el tiempo; es decir que la relación entre las variables endógenas y las variables exógenas se especifican adecuadamente por una ecuación lineal; para la estimación de los determinantes macroeconómicos de los precios para los tres minerales analizados en el período 1990-2016; según la modelación econométrica de series de tiempo bajo las técnicas propuestas y la restricción de información disponible. 1.5. Limitaciones de la investigación No se ha encontrado ninguna sólo el tiempo y esfuerzo que invertirá el investigador en sacar adelante este estudio. 1.6. Viabilidad de la investigación Es posible realizar la presente investigación de determinantes macroeconómicos de los precios de los principales commodities minero metálicos del Perú entre ellos cobre, oro y zinc en el periodo 1990-2016; porque se cuenta con información disponible del BCRP, el INEI y los mercados de los commodities de metales como la London Metal Exchange (LME), datos de Fondo Monetario Internacional (FMI), entre otros; asimismo existen las técnicas y el software econométrico para procesar adecuadamente la información. 12 CAPITULO II: MARCO TEÓRICO 2.1. Antecedentes de la investigación 2.1.1. Evidencia empírica a nivel internacional  Entre las principales investigaciones que buscaron establecer relaciones entre las variables macroeconómicas y la evolución de la cotización de los commodities sobresalen los de Chu y Morrison (1984) Dornbush (1985) y Gilbert (1989). En estas investigaciones se incluyeron básicamente dos factores de demanda: la variación de los ciclos económicos de los países industrializados y el tipo de cambio real de los Estados Unidos de América. No obstante, su capacidad predictiva del modelo durante la segunda mitad de los años ochenta fue insuficiente. Estos resultados motivo a otros investigadores a buscar corregir los problemas relacionados y al mismo tiempo mejorar la cuantificación de las variables ya consideradas en el modelo (De la Cuba & Ormeño, 2003).  Entre estos se encuentran las investigaciones desarrolladas por Borensztein y Reinhart (1994) y Reinhart y Wickham (1994), quienes incluyeron en sus modelos econométricos dos variables importantes que hasta la fecha no se habían considerado en la especificación de la cotización de los commodities: “el impulso primario exportador aplicado por los países en vías de desarrollo en su búsqueda por afrontar la crisis de la deuda (1984) y la crisis económica por la que estaban pasando los países del Este”. Por estos acontecimientos, estos investigadores mejoraron la definición de sus 13 modelos econométricos al considerar variables de oferta e incluir al índice de producción industrial de los países industrializados el desarrollo de la actividad económica de los países del este de Europa y la Ex-Unión Soviética. A diferencia del trabajo de Borensztein y Reinhart en donde se analiza los determinantes macroeconómicos del índice agregado de los commodities excluyendo el petróleo. “El rendimiento predictivo de esta especificación fue superior a las especificaciones que excluyen la variable oferta” (De la Cuba & Ormeño, 2003).  Las investigaciones realizadas a nivel internacional considerados para la presente investigación son las siguientes: a. La investigación realizado por Acosta (2009) sobre el impacto de variables macroeconómicas en el ciclo de precios de commodities minerales, los metales considerados en el estudio fueron aluminio, cobre, estaño, plomo y zinc, cada uno de los cuales se transan en la Bolsa de Metales de Londres; los datos corresponden a precios mensuales, entre enero de 1971 y mayo de 2007. La investigación busca estimar el impacto que tienen distintas variables macroeconómicas en el precio de metales seleccionados utilizando un modelo econométrico de test de series univariadas y test de series multivariadas. Para el estudio se utilizaron indicadores de la actividad macroeconómica de 7 países de la OCDE: Alemania, Canadá, Estados Unidos, Francia, Italia, Japón y el Reino Unido. Además incluyeron 14 variables de actividad económica de China debido a su importancia en la economía mundial y en el boom de precios que han experimentado los commodities. Se consideraron los tipos de cambio, tasas de interés y niveles de producción industrial. Dado que un aumento en el nivel de producción industrial está asociado a mayor demanda por commodities, y por ende a un aumento de sus precios. Mayores tasas de interés reducen los incentivos de inversión, y tienen el efecto opuesto. Los tipos de cambio afectarían positivamente los precios de los commodities. Los resultados encontrados indican que las variables macroeconómicas escogidas no inciden en la variable que representa el ciclo económico internacional (obtenida del modelo dinámico). Se estimaron dos regresiones para el factor común, la primera en función del índice agregado de producción industrial (considera el conjunto de países utilizados en el estudio) y las tasas de interés, y la segunda en función sólo del índice de producción industrial (ambas regresiones con series en primeras diferencias). Los resultados muestran que en la primera ecuación, el índice de producción industrial no tiene una incidencia marcada en el factor común al tratarse de datos mensuales, siendo su efecto no significativo. Las tasas de interés tienen una relevancia menor, y salvo la de China, tampoco son significativas. Para la segunda regresión el efecto de la producción industrial tampoco es significativo. Al utilizar datos anuales los resultados fueron similares, pero en la segunda regresión el índice de producción industrial agregada es significativo y su coeficiente asociado es mayor al caso mensual. El estaño es el único commodity 15 que tiene una correlación negativa en su componente de tendencia con el del índice agregado de Producción Industrial (en niveles). Además, la investigación evidencia que los precios de los metales presentan ciclos, con períodos de altos y bajos valores. Debido a la estructura diferente en sus mercados, algunos de ellos muestran un comportamiento más parecido frente a las variaciones de la economía mundial. b. Asimismo se tiene la investigación realizado por Lombardi, Osbat, & Schnatz (2010) sobre los ciclos globales de commodities, utilizando un modelo VAR aumentado por factores (Factor-Augmented VAR model - FAVAR) para el período de 2003T1- 2008T3, en el cual los factores considerados son 2 tendencias comunes en precios de alimentos (cacao, café, maíz arroz, soya, azúcar y trigo) y precio de metales (los metales incluidos en el análisis fueron aluminio, cobre, hierro, níquel, zinc y estaño). Con esta estructura estudian el impulso respuesta entre el precio de bienes básicos, las tendencias comunes, la tasa de cambio, la producción industrial, los precios del petróleo y la tasa de interés. De acuerdo con los autores, la tasa de cambio, la actividad económica y las tendencias comunes tienen un gran impacto sobre los precios de commodities. Los coeficientes indican que el factor de los metales es impulsado principalmente por la evolución de los precios del cobre y en menor medida por las tendencias en el mineral de hierro y el níquel. El factor alimentario está ligado principalmente a la evolución de los precios del maíz, el cacao y el 16 trigo. En conclusión, la investigación de las interrelaciones entre un conjunto de precios de los productos básicos y las variables macroeconómicas de impulso respuesta ha confirmado que los tipos de cambio y la producción industrial afectan los precios individuales de los productos básicos no energéticos. Por el contrario, no se han encontrado efectos positivos significativos entre el petróleo y los precios de los productos básicos no petroleros, ni un impacto de la tasa de interés. c. En la investigación realizada por Reicher & Utlaut (2011) se encuentra un análisis detallado del efecto de la inflación sobre el precio de los bienes básicos. Estos investigadores utilizaron un modelo econométrico de estimaciones tipo SVAR en el periodo 1970-2010 para caracterizar los aumentos de 1% en la inflación en EE. UU. implica un incremento de entre 3 y 4% en el precio agregado de commodities. Este resultado es replicado en un modelo de equilibrio general dinámico con oferta y demanda de bienes básicos y con política monetaria. En este modelo, una mayor inflación está asociada necesariamente a un aumento de la demanda agregada nominal, el cual tiene un efecto más que proporcional en el precio de los bienes básicos debido a su baja elasticidad de demanda y a las rigideces nominales en los otros componentes del índice de precios. Las conclusiones a las que llegaron son que el efecto estimado de la inflación a corto plazo sobre los precios de las materias primas parece coherente con la teoría macroeconómica. Las estimaciones se centran en el rango de 3% a 4% 17 para un shock de gasto nominal permanente del 1%, lo que podría predecir un modelo teórico razonablemente calibrado. Asimismo, parte de la evolución de los precios de las materias primas a mediados de la década de 1970 se debe al comportamiento de la política monetaria en ese momento; entre el periodo de 1973-74 se permitió que la inflación sobrepasara su objetivo a largo plazo, causando que la inflación a largo plazo, la inflación a corto plazo y los precios reales de las materias primas se movieran juntos. Sin embargo, a pesar de la clara cadena de causalidad que va de la inflación a la producción, luego a la demanda de materias primas y posteriormente a los precios de las materias primas. Pero se debe de tener en cuenta que un aumento en los precios de las materias primas no indica necesariamente una presión inflacionaria inminente. Los choques tanto a la inflación de tendencia como a la inflación a corto plazo son pequeños, especialmente desde los años ochenta, por lo que si bien los shocks inflacionarios tienen un efecto estimado grande sobre los precios de los productos básicos, su contribución general a dichos precios de productos básicos, se ve empequeñecida por los shocks. Si bien un aumento en los precios de las materias primas puede reflejar una acumulación de presión inflacionaria, lo más probable, vayan a reflejar la oferta mundial y los factores de demanda. d. Por otro lado Barreto (2016) en su investigación analiza el mercado de commodities en Argentina, Brasil, Chile y Colombia y su relación con el crecimiento económico en el periodo del 2008 -2016, utilizando 18 un modelo econométricos de análisis de regresión múltiple (MCO) que cumple los 10 supuestos de Gauss-Markov; el objetivo fue obtener los mejores estimadores y determinar si el nivel de precios de oro, plata, cobre y aluminio cotizados en El London Metal Exchange explica la tasa de crecimiento del PBI Real de las economías de Argentina, Brasil, Chile y Colombia. Los resultados de la estimación del modelo es que ante un cambio de un 1% en los precios del oro el crecimiento de los países tendera a ser positivo, especialmente para Chile y Colombia, de igual forma, un alza en el precio del cobre también fomentará el crecimiento de Brasil, Chile y Colombia. En contraste al crecimiento económico derivado de estos commodities, la plata y el aluminio solo afectarán la expansión de estas economías. Simultáneamente se puede deducir que los modelos se acoplan de forma aceptable a los datos gracias a que el 𝑅2 ajustado en promedio igual a 0.56. Lo que significa que un 56% de la variación en el crecimiento de los países es explicado por el precio de los commodities. Asimismo la estimación del modelo de cointegración para cada uno de los países bajo una relación céteris páribus y suponiendo que su crecimiento en el largo plazo dependerá exclusivamente de la extracción de oro, plata, cobre y aluminio se encontró que a excepción de Argentina en donde el cobre y el aluminio no fueron significativos para el modelo, en los casos de Brasil, Chile y Colombia todos los commodities si fueron significativos para explicar su crecimiento en el largo plazo, de igual forma ante cambios de un 1% sobre las 19 variaciones de las cotizaciones de los commodities, en el largo plazo solo el oro y el cobre serán los únicos commodities que generarán crecimiento económico. En el modelo de corrección del error se encontró que en el corto plazo, la velocidad de ajuste de Argentina y Brasil para corregir los desequilibrios en el corto plazo y converger hacia su equilibrio de largo plazo será mayor a la velocidad de ajuste de Chile y Colombia, esto debido a que en el período de estudio la dependencia de estos dos países hacia los commodities ha sido mayor que la de Argentina y Brasil. 2.1.2. Evidencia empírica a nivel nacional En la evidencia empírica a nivel nacional existen diversas investigaciones, las consideradas para la presente investigación tenemos: a. La investigación realizada por De la Cuba & Ormeño (2003) denominada la Volatilidad del Sector Primario Exportador: Una Aproximación al Caso Peruano; utilizando el método de mínimos cuadrados ordinarios (MCO) analizaron las variables de demanda y oferta determinantes de cada commodity en el periodo que abarca desde el año 1962 al 2000. El modelo econométrico estuvo compuesto por cinco principales productos básicos el cobre, oro, harina de pescado, zinc y café. Las variables exógenas especificadas fueron el índice de producción agregada de los países industrializados, el tipo de cambio real del dólar USA., la tasa de interés real y el índice de precios al consumidor de los países industrializados. Asimismo se 20 consideraron la oferta mundial anual de cada producto básico bajo estudio y la cotización de la harina de soya. Las variables consideradas en el modelo fueron deflactadas por el índice de precios de producción de los Estados Unidos de América con excepción de las variables de oferta: el tipo de cambio real USA y el índice de precios al consumidor de los países industrializados. Los resultados obtenidos fueron: El índice de producción agregada de los países industrializados (IPW) resultó significativo en la determinación de la cotización del commodity cobre y el zinc (IPW para cobre 3.25, IPW para zinc 0.32), estos commodities tuvieron una participación del 75% del total de las exportaciones tradicionales del Perú durante la década de los años noventa. Mientras que el índice de precio al consumidor de los países industrializados es significativo en la determinación de la cotización del commodity oro (IPC_W de oro 1.74), lo cual destaca por ser utilizado como reserva de valor en periodos de mayor inflación. Los resultados medidos por el estadístico R2, muestran un aceptable grado de ajuste en la calibración del orden de 76% para cobre, 90% para oro, 28% para zinc, 82% para harina de pescado y 74% para café. Para la estimación paramétrica del precio del commodity harina de pescado incluyeron como variable exógena principal la cotización del commodity harina de soya; determinándose que la cotización del commodity harina de soya y la producción de la harina de pescado están fuertemente correlacionados, por lo tanto, al 21 ser la harina de soya un producto sustituto indicaría que la importancia de la producción se trasmite de manera indirecta a través de los precios. De forma complementaria buscaron cuantificar la importancia relativa de cada una de las variables macroeconómicas que tienen impacto en la evolución de los productos primarios bajo estudio. Para este objetivo realizaron la descomposición de la varianza de las variables del modelo y los resultados de las estimaciones muestran que el índice de producción agregada de los países industrializados (IPW) es el principal componente de volatilidad de los precios del cobre y zinc (IPW cobre 77.6% e IPW zinc 63.5% de volatilidad de los precios respectivamente). De igual manera el índice de precios al consumidor de los países industrializados resultó ser la principal variable determinante de la volatilidad del precio del oro con el 58.2%. b. Por otro lado en la investigación realizada por Cruz (2015) sobre El Impacto del Índice y Volatilidad de los Precios de los Commodities en los Ingresos Fiscales en el Perú durante el periodo 2000 – 2015; utilizando la metodología de Vectores Autoregresivos Estructurales o SVAR (Structural Vector Autoregression), llegó a la conclusión de que el coeficiente asociado al índice de precio de los commodities (agrícolas, minerales y energéticos) estimado por el modelo SVAR es positivo y significativo a un nivel de significancia del 5%, por lo que un choque positivo del mismo aumenta los ingresos fiscales. Asimismo el coeficiente asociado a la volatilidad del precio de los commodities 22 es negativo, por lo que un choque positivo del mismo reduce los ingresos fiscales aunque de manera no significativa; evidenciándose el carácter neutral de las políticas fiscales establecidas y recomienda la adopción de una política contracíclica y crear condiciones que hagan frente a periodos de muy bajo crecimiento económico, dado que el índice de precios de los commodities desempeña un rol fundamental en las finanzas públicas específicamente en la recaudación fiscal. c. Asimismo en la investigación realizada por Contreras & Gutiérrez (2016) denominada Efectos de ciclos de precios de metales: Estimación de un modelo de equilibrio general con Time to Build1 para la economía peruana, 2001-2015, utilizando un modelo econométrico de equilibrio general dinámico estocástico (Dynamic stochastic general equilibrium) basado en los modelos utilizados en Fornero y Kirchner (2014) y Medina y Soto (2007) con el objetivo de analizar los efectos de choques de las cotizaciones de los metales en las inversiones mineras en una economía abierta y verificar los resultados incorporando el mecanismo time to build para la economía peruana. La investigación utiliza datos con frecuencia trimestral entre los años 2001 y 2015, para identificar los resultados en la última fase expansiva del ciclo de los precios de metales. Los agentes económicos 1 El modelo “time to build” postula que se requiere varios periodos (más de uno) para completar un proyecto de inversión. El Time to build se introduce en el campo de la planeación de la mina y se modelan sus impactos en la estrategia de minería óptima. Según a Fornero y Kichner (2014): “La mayoría de los proyectos de inversión en el sector minero son grandes y la producción toma tiempo porque existen costos de ajuste para el inicio los proyectos y existe un desfase entre el inicio del proyecto, la instalación del capital necesario y las operaciones” (efecto conocido como “time to build) p.3. 23 incluidos en el modelo son: hogares ricardianos y no ricardianos2, sector no transable, sector transable no minero, sector importador, inversionistas en el sector minero y no minero, la SUNAT y el BCRP. Las variables consideradas fueron: producto bruto interno real, producción minera real, inversión total real, gasto público real, empleo formal (de empresas con más de 10 trabajadores), índice de precios al consumidor, inflación subyacente, tasa de interés de depósitos overnight, tipo de cambio real, cuenta corriente, demanda externa (variación porcentual del producto bruto interno de China, USA, Europa y Japón), Inflación promedio de China, USA, Europa y Japón, tasa de interés externa (tasa libor), prima de riesgo (Spread EMBIG Perú), precio internacional del petróleo (US$ por barril WTI), índice de cotización de los metales (cotización promedio de cobre, oro, plata, estaño, hierro, zinc y plomo, ponderada por cesta de exportación). Los resultados de la investigación muestra los efectos de un choque en la cotización de los commodities con o sin mecanismo “time to build” observándose que el valor de la producción de los distintos sectores se incrementa; por lo tanto se incrementan la recaudación tributaria y el gasto de gobierno; asimismo el tipo de cambio real se reduce generando una presión sobre la cuenta corriente debido a que un menor tipo de cambio afecta a las exportaciones y se abaratan las importaciones. 2 Los agentes no ricardianos son aquellos que tiene restricciones de liquidez. “Estos agentes no tienen acceso al mercado de capitales; no reciben ganancias y no ahorran, y por consiguiente consumen completamente sus ingresos salariales disponibles” Fornero y Kichner (2014) p.11. 24 Cuando se incorpora el mecanismo “time to build” los principales efectos son sobre el producto bruto interno y el sector commodities mineros; siendo mayor el incremento en periodos posteriores al choque y no inmediatamente; puesto que los proyectos mineros toman su tiempo en las fases de preinversión, inversión y operación. Observándose que la reacción de la tasa de interés es contracíclica y después procíclica; la tasa de interés se reduce antes de lo que debería sino se incluye el mecanismo “time to build”; siendo muy importante conocer estos efectos para una oportuna política monetaria En los experimentos para la política monetaria ante choques de las cotizaciones de los commodities; realizaron ejercicios contrafactuales a la regla de Taylor; el resultado muestra que los cambios en el objetivo sobre la importancia de la temporalidad del crecimiento del producto bruto interno generan variaciones muy ligeras respecto a las variables consideradas y al eliminar la inflación subyacente del modelo se observa una mayor amplificación en la reacción de las variables, principalmente del consumo. Además las inversiones en el sector tienen un efecto pero con una ligera repercusión el producto bruto interno minero. En los experimentos realizados sobre política fiscal asociados al sector minería como el impuesto a la renta y las regalías; redujeron a cero las regalías y el impuesto a la renta del sector minería; los resultados de las simulaciones fueron que la reducción del impuesto a la renta tiene 25 impacto en todo los sectores de la economía amplificando más el ciclo económico. Sin embargo la reducción de las regalías tiene un impacto poco significativo. En consecuencia el instrumento de política fiscal con mayor margen de manejo es el impuesto a la renta. La principal conclusión a la que llega la investigación incorporando en el modelo el mecanismo “time to build” es que cuando se incrementa el precio de los commodities mineros, se genera una dinámica procíclica en el valor de la producción de todos los sectores de la economía, en las inversiones, el consumo y el gasto de gobierno. El mecanismo time to build hace que los efectos de un choque del precio de los commodities y los canales bajo el cual se transmite no se propaguen automáticamente debido a que hay un tiempo de construcción de los proyectos mineros y esto va a tardar en afectar a la economía. Asimismo se ha probado que cuando el modelo incorpora el time to build es robustamente mejor; además de tener una mayor capacidad predictiva. 2.2. Bases teóricas 2.2.1. Commodities Un commodity es definido como todo producto que tiene valor o utilidad y muy bajo nivel de diferenciación o especialización. De acuerdo a Torres, A. (2007) “un commodity es un producto o servicio de atributos no diferenciados, donde el factor precio es la clave determinante de compra. Se conocen también como productos básicos” (p. 116). Según Sinnott, Nash, & 26 De La Torre (2010) “los commodities se definen como productos comercializados, sin marca, a granel, con poco procesamiento industrial; su calidad y características se pueden establecer objetivamente y se suministran sin diferenciación cualitativa en un mercado” (p. 2). Asimismo, Schaper (2007), menciona que “los mercados de commodities se caracterizan por el intercambio de bienes que no son diferenciables, en los que no es posible establecer diferencias visibles a partir de su origen o de alguna característica específica del producto” (p. 204). Según esta definición, los commodities son los recursos naturales (minerales, petróleo y gas) o bienes producidos directamente mediante la explotación de recursos naturales (agricultura). Según el diccionario Económico Financiero de Escobar y Cuartas (2006) citado en Yagüe Aguilar, P. (2014): “La definición legal de commodity utilizada en los Estados Unidos de América amplió el concepto de éste, pues permitió que este término se acuñase a todo aquello que fuese subyacente en un contrato de futuros de una bolsa de commodities establecida. Así, prácticamente cualquier cosa podía considerarse un commodity, llegando a tomar una gran cantidad de activos financieros bajo condición de que no se los tome como valores” (p. 8). Entre los commodities financieros utilizados como activos subyacentes se encuentran las divisas (euro, dólar, libra esterlina entre otros), las tasas de interés o de referencia (bonos a 30 años, bonos a 10 años), los índices bursátiles (Dow Jones, Nasdaq 100, S&P 500) y productos de inversión parecidos. Los mercados de commodities se dividen en dos tipos: los mercados spot físicos y los mercados de derivados. Los mercados spot físicos donde los consumidores demandan commodities, determinándose el precio spot o 27 contado. El mercado de derivados financieros se caracteriza porque son contratos en donde la entrega del activo subyacente se realiza en el futuro a un precio previamente fijado, por otro lado a la firma de estos contratos no es necesario desembolsar dinero o en todo caso el desembolso es pequeño con relación al monto negociado. El mercado de derivados se clasifica en: mercado organizado de derivados y mercado no organizado de derivados OTC, dentro del primero se encuentran las opciones y los futuros que son los más conocidos y en el segundo están los forward y los swaps. Entre los commodities más negociados por los inversores individuales destacan los metales preciosos como el oro, al que se recurre en épocas de incertidumbre, crisis económicas, alta volatilidad o ante presiones inflacionarias. Figura Nº 6: Clasificación de los commodities Fuente: Bloomberg commodity index methodology. Junio 2014 Elaboración: Kitomari Banking & Finance Blog 28 Los commodities minerales se separan normalmente en tres clases genéricas: metales, no metales y minerales energéticos, incluyendo petróleo y gas, y abarcan un gran número de sustancias diferentes. Ver Figura Nº 6. 2.2.2. Demanda de commodities minero metálicos Según Mankiw (2012) la cantidad demandada es la cantidad de un bien que los compradores están dispuestos y tienen la capacidad de comprar. Los commodities minero metálicos tienen demanda porque poseen propiedades físico químicas, tales como conductividad, resistencia, resistencia a la corrosión o Btus (british thermal unit), que son necesarios en la fabricación de bienes de consumo final y de producción. La demanda de metales está compuesta por la demanda final y la demanda derivada. La demanda final proviene, principalmente, de los bancos centrales e inversionistas, quienes demandan metales como el oro y la plata para ser utilizados como instrumentos financieros: reserva de valor y activos financieros. Por otro lado, la demanda derivada proviene de la demanda final de otros bienes y servicios. En consecuencia, la demanda de metales depende de la demanda de otros bienes y servicios, que en su mayoría se encuentra fuertemente correlacionada con variables de crecimiento económico de un país. La teoría económica establece que la demanda de un bien depende principalmente del precio del bien, el ingreso de consumidor, el precio de los bienes sustitutos y complementarios, los cambios de los gustos y preferencias de los consumidores, etc. Los factores que determinan la demanda de los metales literalmente son demasiados, pero los factores que a menudo se 29 consideran en los estudios sobre la demanda de metales tenemos: 1) los ingresos y actividad económica, 2) precio del metal, 3) precio de los productos sustitutos, 4) precios de los productos complementarios, 5) cambio tecnológico, 6) los gustos y preferencias de los consumidores y 7) las políticas gubernamentales. 1) los ingresos: Los metales se utilizan como bienes intermedios en los procesos de fabricación de los bienes finales; por lo tanto, los cambios en la demanda de bienes finales tiene un efecto directo en la demanda de los metales. A menudo se observa dos tipos de cambios en la producción: Los cambios a corto plazo que surgen principalmente como resultado de las fluctuaciones en el ciclo económico; y los cambios a largo plazo causados por el crecimiento secular y el cambio estructural en la economía. Los niveles de ingreso de los consumidores y la actividad económica determinan la demanda de bienes finales. La demanda de bienes finales será mayor al incrementarse el nivel de ingreso de los consumidores. Por ejemplo, al evaluar la demanda de alambre de cobre, podríamos utilizar la producción de equipos eléctricos y electrónicos para captar el efecto de las fluctuaciones de los ingresos. 2) Precio del metal: El nivel de precios de los metales influye en la cantidad demanda. La demanda tiende a caer con un aumento en el precio y subir con una disminución en el precio. Hay dos razones para esta relación inversa. En primer lugar, un precio más alto del metal aumenta los costos de producción de los bienes finales en los que se utiliza. Si estos costos se pasan al consumidor, la demanda de los bienes finales disminuirá. En segundo lugar, y generalmente de mayor importancia, las empresas pueden responder al precio más alto sustituyendo otro producto metálico cuyo precio no ha 30 aumentado. Sin embargo, es importante señalar que la sustitución de metales requiere tiempo. Con frecuencia se necesitan nuevos equipos y es necesario contratar personal o volver a capacitarlos, y las técnicas de producción deben ser alteradas frecuentemente. 3) Precios de los sustitutos: La demanda de un commodity minero metálico puede verse afectada por los precios de los sustitutos. La mayoría de metales utilizados como productos intermedios compiten con otros materiales directos inclusive con metales que proporcionan una función similar. Por ejemplo, en la manufactura de tuberías para refrigeración o cocina, el aluminio compite con el cobre; por lo tanto el cobre y el aluminio son muy buenos sustitutos por tener propiedades termodinámicas similares. En los procesos de manufactura si los precios de los metales se incrementan y la posibilidad de sustituirlos es mayor; entonces la cantidad demandada por estos será menor. 4) Precios de complementarios: En algunos casos, una caída en el precio de un metal puede realmente aumentar la demanda de otro. En estos casos, decimos que los dos son complementarios. Por ejemplo, una caída en el precio del acero tiende a aumentar el uso de estaño, ya que la chapa de estaño se compone principalmente de acero. Esto, a su vez, estimula la demanda de estaño. Una disminución en el precio del hierro puede aumentar la cantidad demandada del acero; así como la cantidad demandada de otros metales o minerales utilizados en la fabricación del acero. 5) Cambio tecnológico: La nueva tecnología puede alterar la demanda de varias maneras. En primer lugar, puede reducir la cantidad de un metal utilizado en la producción de artículos específicos así como reduciendo las mermas y desperdicios. Por ejemplo, las nuevas aleaciones y otros desarrollos 31 tecnológicos han reducido significativamente la cantidad de aluminio en una lata de cerveza. En segundo lugar los avances tecnológicos pueden afectar la capacidad de un producto mineral para competir en los mercados de bienes finales; es decir los adelantos tecnológicos reducen o eliminan el uso de metales en ciertas aplicaciones; por ejemplo en el mercado de tubos de agua para la construcción de viviendas, donde las innovaciones en la producción de tuberías de plástico de PVC (cloruro de polivinilo) han reducido significativamente la demanda de cobre para la producción de cañerías, otro ejemplo es el remplazo de fibra óptica en lugar de alambre de cobre, el mayor uso del satélite y del teléfono celular y la utilización del plástico en muchas aplicaciones. Y en tercer lugar mediante la creación de productos totalmente nuevos, como el advenimiento del automóvil, por ejemplo, dio lugar a un nuevo mercado importante para el petróleo, el acero y el plomo. Asimismo el tremendo impacto que el estañado galvánico o estañado electrolítico (electrolytic tinning) tuvo en la demanda de estaño fue básicamente un evento único. También se tiene aquellas inversiones para mercados totalmente nuevos como los paneles solares o fotovoltaicos que requieren el uso de metales escasos como el indio, el selenio, el telurio y el galio 6) Preferencias de los consumidores: Los cambios en los gustos y preferencias de los consumidores alteran los mercados de uso final de los commodities minero metálicos. Los gustos y preferencias de los consumidores determinan la demanda de bienes finales, por lo tanto, tienen una variedad de posibles efectos como un incremento o disminución de la demanda de metales en el corto plazo y largo plazo. Por ejemplo cuando las preferencias se desplazan hacia los automóviles pequeños, la demanda de 32 acero, cobre, aluminio y otros metales por parte de la industria automotriz tienden a caer. Las preferencias de los consumidores varían con el tiempo y entre los países por diversas razones. La distribución por edades de la población, por ejemplo, puede ser importante. Entre las edades de 18 y 35 años, muchas personas se dedican a establecer nuevas unidades familiares y gastan una proporción relativamente grande de sus ingresos en vivienda, automóviles, refrigeradores y otros bienes duraderos. El ingreso per cápita y el nivel general de desarrollo económico también influyen en las preferencias de los consumidores. Los pobres tienen que gastar sus ingresos limitados casi en su totalidad en necesidades básicas, mientras que los ricos pueden disfrutar de más lujos. Los ricos también tienden a ahorrar una mayor porción de sus ingresos. Asimismo la nueva tecnología, al hacer disponibles nuevos y mejores productos, también provoca cambios en las preferencias de los consumidores. Por último, los gustos y preferencias de los consumidores pueden cambiar simplemente en respuesta a los cambios en los gustos personales. 7) Las políticas gubernamentales: La intervención del gobierno a través de políticas, regulaciones y otras medidas en el sector de minería metálica también afecta la demanda. Una política de industrialización o desarrollo industrial implica inversión en infraestructura generándose demanda por acero, cobre, materiales de construcción y diversos complementos. Una política comercial que implica el almacenamiento de reservas estratégicas tiene efectos en la demanda a corto plazo. Por ejemplo, las reservas de oro en los bancos centrales se eliminaron en gran escala cuando se dejaron el patrón oro. En la actualidad los ejércitos de Estados Unidos de América y Japón 33 mantienen existencias de ciertos minerales que se definen como críticos. Los cambios en los gastos gubernamentales en educación, defensa, investigación y desarrollo, autopistas y otros bienes públicos alteran la mezcla de resultados de la economía. Las políticas fiscales, monetarias y de bienestar social afectan la distribución del ingreso y el nivel general de inversión y crecimiento económico. La legislación sobre salud y seguridad del trabajador, las normas ambientales y otras regulaciones gubernamentales pueden prohibir ciertos minerales en usos finales particulares. La relación entre la demanda y sus principales factores impulsores puede expresarse mediante la función de demanda generalizada (a corto plazo) siguiente: Qdt = ƒ (R x c s t, P t, P t, P t, Tt, Const, Govt) Dónde: La demanda de los metales es una función del ingreso (Rt), el precio (Pxt), el precio de los bienes sustitutos (P s c t), y complementarios (P t), la tecnología (Tt), Los gustos y preferencias de los consumidores (Const) y las políticas gubernamentales (Govt) en el período t. La elasticidad ingreso de la demanda es elástica en el corto plazo. También en el corto plazo, se supone que la elasticidad ingreso de la demanda para la mayoría de los productos minerales es mayor que 1, ya que la demanda se concentra en la construcción, el transporte, los equipos de capital y los sectores de consumo duradero, donde la demanda tiende a ser altamente sensible al ciclo económico. 34 Según Tilton3 (1992) la elasticidad ingreso de la demanda de commodities minero metálicos depende de varias consideraciones: cuando el ciclo económico produce un cambio en los ingresos, la elasticidad ingreso de la demanda de commodities minero metálicos será normalmente mayor que la unidad. Cuando el crecimiento secular causa un cambio en el ingreso, la elasticidad ingreso será mayor que la unidad si el crecimiento económico se concentra en países en desarrollo y será menor que la unidad si se concentra en los países desarrollados. Dado que el cambio en el ingreso tiene un impacto inmediato en la demanda de commodities minero metálicos la elasticidad del ingreso de la demanda es la misma en el inmediato, corto, largo y muy largo plazo. Sin embargo, en el caso de la elasticidad precio y elasticidad cruzada de la demanda, las elasticidades son a menudo menores que la unidad en el plazo inmediato y corto plazo y mayores que la unidad en el largo y muy largo plazo. (p. 51). Como se indica en el Figura 7. Figura 7: Curvas de demanda de metales según el horizonte temporal Fuente: Tilton 1985, 1992 p. 49 3 Economics of the mineral industries. 35 La demanda de metales está fuertemente ligada al crecimiento económico. Sin embargo, si bien el nivel del PBI mundial es un indicador razonable de los niveles de vida y puede ser una variable macroeconómica amplia útil para los mercados energéticos y agrícolas, no es una representación tan útil para la demanda de materiales industriales, ya que gran parte del PBI está relacionada al sector servicios en la mayoría de las economías desarrolladas. Por el contrario, los mejores impulsores macroeconómicos de la demanda de materiales industriales son la producción industrial (PI) y la inversión en activos fijos reales (FAI). En los últimos años en la demanda de materiales industriales el país que se ha convertido en dominante es China. La demanda china de casi todos los metales se ha vuelto dominante en términos absolutos y aún más como una proporción del crecimiento de la demanda mundial. Por esta razón, gran parte del análisis tradicional de la demanda por país ha sido abrumado por los flujos de la demanda china. (Tilton, 1985), (Tilton, 1992), (Ulloa A. , 2002 a), (Naqvi, 2013), (Halland, Lokanc, Nair , & Padmanabhan, 2016). 2.2.3. Oferta de commodities minero metálicos La cadena de valor de la minería metálica y no metálica tiene las siguientes etapas: 1) la exploración y explotación, que consta del transporte interno desde el yacimiento minero hasta la planta de concentración a través de camiones, vagones o fajas transportadoras. 2) La etapa de beneficio consta desde la concentración hasta la transformación del mineral en refinados; así como el transporte desde la planta de concentración hasta la planta de fundición a través 36 de los medios de transporte como camiones, ferrocarriles, mineroductos y barcos. 3) La comercialización que consta desde el almacenamiento, el embarque y la venta de los commodities minero metálicos. La oferta de commodities minero metálicos se puede dividir en oferta primaria y secundaria. La oferta de commodities minero metálicos varía ampliamente entre la producción primaria (directa de la mina o depósitos recientemente agotados) y la producción secundaria (el reciclaje o remanentes de manufactura). La oferta primaria se puede clasificar en oferta de metales principales, complementarios y subproductos. La clasificación depende de la importancia del commodity minero metálico para la viabilidad económica y financiera del proyecto de inversión. Los metales principales son tan críticos para la viabilidad de un proyecto determinando la producción del proyecto. Los metales complementarios son aquellos cuyos pecios afectan el nivel de producción. Los subproductos son casi totalmente poco importantes, su precio o recuperación no tienen impacto en la cantidad de producción del proyecto minero. La oferta secundaria debe ser considerada en toda evaluación de oferta y demanda de los commodities minero metálicos, por las características y propiedades que tienen los metales pueden ser reciclados y reinsertados nuevamente en la oferta de commodities minero metálicos; siendo con frecuencia un sustituto perfecto de la producción primaria. En la oferta de commodities minero metálicos es importante resaltar el corto plazo y el largo plazo. Según Tilton (1992), en el corto plazo la oferta es muy inelástica, debido a que la capacidad de producción queda fija en su nivel 37 instalado. En el plazo inmediato las empresas mineras no tienen tiempo para cambiar su nivel de producción; en el corto plazo el nivel de producción se puede cambiar a través del uso más eficiente de la capacidad instalada. En el largo plazo, la oferta es considerablemente más elástica que en el corto plazo o en el plazo inmediato; debido a que se pueden desarrollar nuevos yacimientos mineros y se pueden expandir o construir nuevas instalaciones de procesamiento con la inversión de capital. A muy largo plazo, la curva de oferta se vuelve plana o elástica en su totalidad y no existen restricciones con respecto a los depósitos o instalaciones de producción existentes. Las empresas mineras tienen tiempo para realizar inversiones de capital y la nueva tecnología puede permitir explorar nuevos yacimientos mineros. (Ver figura 8). Figura 8: Curvas de oferta de metales según horizonte temporal Fuente: Tilton 1985, 1992, p. 54 Las variables que determinan la oferta de commodities minero metálicos a corto y largo plazo, consideradas a menudo importantes son: 1) precio del 38 commodity, 2) costos de los insumos, 3) la tecnología, 4) los conflictos laborales y otras perturbaciones, 5) actividades gubernamentales y 6) estructura de mercado. 1. Precio del commodity. Las empresas que maximizan sus beneficios tienen un incentivo para incrementar su producción hasta el punto en que los costos marginales sean iguales a los ingresos marginales. En consecuencia, un aumento en el precio de un commodity minero metálico normalmente aumenta su oferta, mientras que una caída en el precio reduce su oferta. Sin embargo, en el corto plazo, la respuesta de la oferta a un cambio de precio puede verse limitada por la capacidad existente, en el largo plazo oferta es altamente sensible a las señales de los precios. 2. Costos de los insumos. Los costos de mano de obra, energía y otros insumos utilizados en la extracción y el procesamiento de minerales afectan la rentabilidad y, a su vez, en la oferta. En el corto plazo, debido a una baja elasticidad de sustitución entre los factores de producción, un incremento en el precio de un factor de producción (como el trabajo) con frecuencia afectará directamente la curva de oferta. En el largo plazo, las empresas pueden adecuar las tecnologías y diseñar la combinación óptima de los factores de producción, teniendo en cuenta los precios actuales y los precios futuros proyectados 3. Cambios Tecnológicos. La utilización de nuevas tecnologías reducen los costos de extracción o procesamiento afectando la oferta de minerales. Por ejemplo, la extracción de cobre de grandes yacimientos de pórfido a cielo abierto se hizo factible en los primeros años del siglo XX como resultado de 39 la introducción del proceso de flotación para concentrar tales minerales de baja ley. Los avances en la capacidad de excavación (técnicas de voladura más potentes, camiones más grandes y palas más fuertes) han ayudado a mantener los yacimientos de baja ley a precios reales constantes o incluso más bajos. 4. Conflictos laborales y otras perturbaciones. Las huelgas, accidentes en minas, desastres naturales, disturbios civiles y otras interrupciones similares pueden afectar la oferta mundial de un commodity minero metálico al interrumpir su producción o transporte. 5. Actividades gubernamentales. Las acciones del gobierno influyen en la oferta de metales de diversas maneras. Las regulaciones ambientales y los impuestos como el canon y regalías mineras tienden a aumentar los costos y reducir la oferta. En algunos países se exige que las empresas mineras compren suministros de productores nacionales, procesen minerales y se concentren en el país, contraten mano de nacional para puestos gerenciales y técnicos, aunque estas restricciones pueden reducir la eficiencia y aumentar los costos. Alternativamente, los gobiernos pueden estimular la oferta subsidiando nuevas minas o instalaciones de procesamiento. De acuerdo con Halland, Lokanc, Nair, & Padmanabhan (2016), las políticas y las reglamentaciones del gobierno afecta la oferta; “ i) al establecer límites físicos y directos sobre la cantidad de oferta disponible para los mercados internacionales (es decir, a través de restricciones en las exportaciones, tales como cuotas o aranceles); ii) al limitar los incentivos para la nueva oferta (a través de límites de precios); iii) al desalentar la inversión en nuevas capacidades de producción (a través de cambios frecuentes de políticas o anuncios de políticas poco claras), y iv) posiblemente, al limitar la productividad y la inversión en el sector (a través del control estatal directo de las operaciones)” (p. 36). 40 6. Estructura del mercado. Cuando pocas empresas o países representan la mayor parte de la producción de un commodity minero metálico, pueden ejercer influencia sobre el precio, como en el caso del petróleo, un precio de cartel. La relación entre la oferta y las variables determinantes más importantes se puede expresar a través de la función de oferta (a corto plazo) siguiente: QSt = ƒ (Pxt, Ct, Tt, Rt, Govt) Donde la cantidad ofertada está en función del precio del commodity (Pxt); los costos de producción (salarios, energía y servicios de capital) (Ct); el nivel de tecnología (Tt); los recursos naturales en cualquier periodo específico (Rt), y las actividades gubernamentales (Govt) durante el período t. Es esta función de oferta; no están incluidos las perturbaciones laborales ni de ningún otro tipo, así como tampoco están incluidos los valores desfasados correspondientes a precios o costos. La elasticidad precio de la oferta de un commodity minero metálico es generalmente mayor en el largo plazo que en el corto plazo, pero esto es cierto solo cuando la producción en el corto plazo se acerca a la capacidad máxima. Cuando la capacidad está subutilizada, la oferta puede responder a los cambios en el precio, incluso a corto plazo (Tilton, 1985), (Tilton, 1992), (Ulloa A. , 2002 a), (Naqvi, 2013), (Halland, Lokanc, Nair , & Padmanabhan, 2016). 41 2.2.4. Precio de los commodities minero metálicos. Los commodities minero metálicos tienen un mercado global reconocido y líquido que es ampliamente utilizado como como mecanismo de fijación de precios. El mercado de los metales es posiblemente la expresión más directa de la macro y microeconomía aplicadas. Los mercados mundiales de metales son uno de los mercados de comercio de commodities más extensos. Al igual que la mayoría de los mercados agrícolas y energéticos, los mercados de metales tienden a tener propiedades físicas en gran medida homogéneas y estandarizadas; por lo tanto, los precios de los metales tienden a reflejar la interacción entre la oferta, la demanda y los inventarios mundiales. Los elementos clave para la dinámica de precios son: El nivel de inventarios, medido mejor en términos de cuántos días, semanas, meses o años de consumo; y la tasa de cambio en los niveles de inventario. Estos dos factores se combinan para formar los motores físicos fundamentales para los precios de los metales. Un nivel muy bajo de inventarios disponibles, como el cobre o el estaño, verá típicamente precios altos y volátiles, ya que en esta situación sólo se necesitan cambios modestos en el equilibrio entre la oferta y la demanda para producir una gran variación en los precios. Por el contrario, los metales con niveles muy grandes de inventarios, como el oro y la plata, requieren cambios mucho mayores en el balance de oferta y demanda para justificar un cambio en el precio. De acuerdo a Ulloa A. (2002 b), los niveles de inventario no sólo son el principal impulsor de los niveles de precios y el cambio, sino también de los precios forward. “Cuando los commodities pueden ser almacenados como es el caso de los metales el tamaño de los inventarios que los agentes almacenan para suavizar 42 los cambios de los precios o para entrar a especular en el mercado es un factor adicional que interviene en los cambios de los precios; por lo tanto los precios como los cambios en los inventarios participan en el ajuste que se produce ante alteraciones de la demanda u oferta.…La razón del tamaño de los inventarios es cuando los precios están muy bajos, los productores prefieren guardar el producto para evitar una mayor caída y esperar así hasta que éste suba; de esta manera el almacenaje sirve como un colchón. Por otro lado, cuando el precio está muy alto ya no hay stock y sin este colchón el precio se mantiene alto por un mayor período. Por eso mismo, el almacenaje al servir como colchón reduce la varianza de los movimientos de precios período a período y causa una especie de heteroscedasticidad en la serie de precios (p. 293, 294). En el corto plazo las curvas inelásticas de la demanda y de la oferta determina la inestabilidad de los precios de los commodities minero metálicos. La capacidad de almacenamiento permite disminuir los grandes desequilibrios en la cantidad demandada y cantidad ofertada puesto que el proceso de ajuste se da por cantidad y precio. Según la teoría económica, las principales variables determinantes de la cotización de los commodities minero metálicos son: la tasa de interés por el lado de la oferta y el ingreso del consumidor por el lado de la demanda. Por lo tanto, la volatilidad de la cotización de los commodities minero metálicos se debe a variaciones en los ingresos de los consumidores, cambios en las tasas de interés, variaciones del tipo de cambio, disponibilidad del commodity o los avances tecnológicos. La inestabilidad o variabilidad de los precios de los commodities minero metálicos, se explica por la particularidad de las curvas de oferta y demanda. En el corto plazo son altamente inelásticas, los cambios en la oferta y demanda provoca grandes fluctuaciones, siendo el mecanismo de ajuste inmediato y fuertes variaciones en las cotizaciones. Asimismo las cotizaciones altamente 43 cíclicas se deben a la alta elasticidad ingreso de la demanda y las demoras en las decisiones de inversión y producción. La volatilidad de las cotizaciones de los commodities minero metálicos se atribuye principalmente según Ulloa A. (2002 b) “a la variabilidad de la oferta y demanda y factores exógenos que las gobiernan como shocks macroeconómicos, clima, desastres naturales, agotamiento del recurso, nuevos descubrimientos, demoras en los procesos de inversión, cambios en gustos, variaciones de ingreso, etc.”. Los commodities minero metálicos se transan en dos tipos de mercados. El mercado spot y futuros. Los contratos de referencia del mundo están listados en la London Metal Exchange (LME). Sin embargo, otros contactos clave incluyen al Comex Copper y Shanghai Futures Exchange (SHFE) para los contratos de cobre. Participan activamente los agentes comerciales (compañías mineras, usuarios industriales, comerciantes físicos, consumidores finales), bancos, corredores, fondos de cobertura e inversores institucionales. Los metales preciosos que se comercializan activamente son oro (que se negocia más activamente y tiene el mayor número de participantes), plata, platino y paladio. Todos estos tienen OTC líquido y mercados de intercambio. A diferencia de otros commodities, también tienen un mercado mayorista de comercio físico muy grande, del cual Londres es generalmente considerado como el centro global, aunque existe una amplia gama de importantes mercados locales en todo el mundo (Tilton, 1985), (Tilton, 1992), (Ulloa A. , 2002 b), (Naqvi, 2013), (Halland, Lokanc, Nair , & Padmanabhan, 2016). 44 Precio de los commodities minero metálicos y los ciclos económicos En la historia económica mundial se han registrado periodos de crecimiento y decrecimiento en el nivel de precios de los commodities minero metálicos. A esta tendencia se le conoce como los ciclos4, inclusive algunos investigadores los llaman súper ciclos. Un súper ciclo5 es definido como una subida tendencial de los precios reales de los commodities. Los mercados de metales son bien conocidos por su inestabilidad, por su naturaleza de auge y declive. La demanda de la mayoría de los metales y muchos otros productos minerales se concentra en cuatro sectores -construcción, bienes de capital, transporte y bienes de consumo duraderos cuya producción es particularmente sensible a las fluctuaciones del ciclo económico. Durante una recesión, estos sectores sufren mucho más que la economía en su conjunto. Durante un auge, sus ventas se disparan. Como consecuencia, la curva de demanda de la mayoría de los metales cambia considerablemente durante el ciclo económico. En los últimos años, las fluctuaciones de la cotización internacional de los commodities minero metálicos, han tenido impactos en el desempeño económico de los países productores y exportadores, por ser economías que tienen dependencia al nivel de precios de los commodities exportados (los ingresos fiscales en estos países son altamente dependientes del 4 Los ciclos de los commodities son las fluctuaciones en el nivel de cotizaciones. Periodos de tiempo donde los las cotizaciones presentan altos niveles seguidos de contracciones. 5 De acuerdo a Naqvi (2013) un súper ciclo es cuando la cotización de los metales es más alto que el promedio de los reales o nominales. Los precios de los metales suben sincrónicamente llegando a máximos históricos. Se denominan súper ciclos según Cuddington y Jerret (2008) cuando: “1) son ciclos de largo periodo donde los aumentos duran aproximadamente de 10 a 35 años, implicando ciclos completos de 20 a 70 años; 2) tienen una base amplia que afecta a una serie de productos industriales, incluidos los metales y otros recursos no renovables”. 45 comportamiento de estos precios). La fluctuación de las cotizaciones de los commodities minero metálicos ha sido de gran interés para los países que sus economías dependen de la exportación de commodities. En América Latina países como Perú, Chile, Ecuador y México son ejemplos donde los súper ciclos han causado una bonanza económica originándose incrementos en la recaudación fiscal, inversión extranjera directa, inversión privada nacional, reservas internacionales netas, empleo y salarios. Por lo tanto, las empresas que estudian la posibilidad de desarrollar nuevas minas o de ampliar las instalaciones existentes hacen previsiones de los precios de los metales a largo plazo. Del mismo modo, los fabricantes que contemplan la sustitución de un material por otro se basan en previsiones de precios. Los gobiernos cuyos ingresos fiscales y ganancias en divisas siguen las tendencias de los mercados de exportación y los gobiernos locales cuya economía depende de la producción de minerales también tienen interés en las futuras tendencias de los precios de los commodities minero metálicos que cambian según el ciclo económico. El precio de los commodities minero metálicos y el tema monetario Los factores macroeconómicos se han convertido últimamente en un motor más importante o en una racionalización de los precios de los metales. Los dos factores que han soportado los ciclos económicos como una influencia en los precios de los metales, o que están influidos por los precios de los metales, son las monedas y la inflación. 46 El tema monetario es relevante para la formación de los precios de los metales, ya que una débil moneda nacional es positiva para los productores y una negativa para los consumidores, siendo también el opuesto. El vínculo entre los precios de los metales y la inflación es más moderado para la mayoría de los metales, con la clara excepción para el oro. Por muchas razones, el oro es una excepción a la base de formación de precios para la mayoría de los mercados de metales. Se ha visto a menudo como un activo de refugio a largo plazo de la riqueza y, por lo tanto, una cobertura contra la inflación. Actualmente el rol de los mercados financieros constituye un elemento importante en la volatilidad y determinación de las cotizaciones de los commodities minero metálicos. Las transacciones en las bolsas de metales se incrementan a partir de los años 80; comenzando a tomar más importancia los fututos y las opciones. Según Ulloa A. (2002 b): “Los activos fácilmente almacenables como ciertos productos agrícolas, metales o productos energéticos son considerados como una inversión más dentro del portafolio de los inversionistas. Las transacciones de futuros y opciones de commodities se han incrementado y han crecido en importancia; estos instrumentos constituyen una herramienta de diversificación de cartera y además se usan ampliamente para reducir el riesgo en la variabilidad de los precios, especialmente en commodities” (p. 294, 295). Sin embargo, se sabe que las empresas toman sus decisiones de inversión bajo condiciones de incertidumbre respecto a las cotizaciones futuras. Por otro lado, también existe una relación entre activos financieros y activos reales tales como en el caso del cobre. Cuando los retornos de los activos financieros caen, algunos inversionistas tienden a comprar activos reales como oro, plata, cobre y otros, acentuando con ello la caída en el precio de 47 los primeros y aumentando el retorno de estos últimos. Como resultado de esta interconexión, la volatilidad de los mercados financieros se transmite hacia el mercado de activos reales y viceversa. La importancia de estos factores dependerá de la relevancia que tengan las transacciones en los mercados de intercambio como las bolsas respecto a la cantidad total transada del metal. (Tilton, 1985), (Tilton, 1992), (Ulloa A. , 2002 b), (Naqvi, 2013), (Halland, Lokanc, Nair , & Padmanabhan, 2016). 2.2.5. Teoría del comercio internacional El comercio internacional de acuerdo a Mochón (2009) “es el intercambio de bienes, servicios y capitales entre los diferentes países. La justificación de los intercambios internacionales descansa fundamentalmente en que las naciones poseen recursos muy distintos y capacidades tecnológicas diferentes”. Estas diferencias son: “ a) condiciones climáticas, b) riqueza mineral, c) tecnología, d) Cantidad disponible de mano de obra, capital y tierra cultivable. El comercio internacional facilita la especialización al permitir que cada país coloque en el resto del mundo los excedentes de los productos en los que se ha especializado, y esto es algo beneficioso para todos (Mochon , 2009) (p. 392) Los países realizan transacciones de comercio internacional por dos razones fundamentales, y ambas contribuyen a que obtengan beneficios del comercio internacional: a) los países comercializan porque son diferentes. Los países y los individuos pueden obtener beneficios de sus diferencias produciendo aquellos que relativamente producen bien; b) los países comercializan para alcanzar economías de escala en la producción. Un país al producir solo una limitada variedad de productos, puede producir a una escala mayor y con 48 mayor eficiencia que si produce una gran variedad. En el mundo real, estas dos razones reflejan la interacción de los estándares del comercio global (Krugman, Obstfeld, & Melitz, 2012). Adam Smith propuso en 1776 la teoría de la ventaja absoluta, explicando las razones por las que el libre comercio internacional sin restricciones tiene beneficios para las naciones. Adam Smith afirmaba que la existencia de la mano invisible en el funcionamiento de los mercados más que las normas del gobierno, decidía que bienes importaba y que bienes exportaba una nación. De la obra de Smith han surgido dos teorías: 1) la teoría de la ventaja comparativa planteada por el economista inglés David Ricardo, quien sostiene que la ventaja comparativa surge de las diferencias entre las productividades de las naciones; convirtiéndose en la base intelectual del fundamento moderno en favor del libre comercio internacional sin restricciones. 2) la teoría de Heckscher-Ohlin propuesta por los economistas suecos, Eli Heckscher y Bertil Ohlin en el siglo xx, ellos perfeccionaron la teoría de Ricardo y afirman que los países exportarán los bienes producidos con los factores que abundan en su suelo y que importarán los bienes que son producidos con factores escasos. La gran virtud de las teorías de Smith, Ricardo y Heckscher-Ohlin es que determinan con precisión las ganancias específicas del comercio internacional. Las ganancias surgen gracias a que el comercio internacional permite que un país se especialice en la producción y exportación de los bienes que produce con mayor eficiencia, por lo tanto puede importar bienes de países que producen a su vez más eficientemente (Hill, 2011). 49 Considerando todos los cambios que se han generado en el comercio internacional desde la época de Ricardo, ¿serán relevantes en la actualidad las ideas de épocas pasadas? La respuesta es un si categórico. El comercio a nivel global ha experimentado importantes cambios, pero los principios fundamentales planteados por los economistas de antaño siguen siendo aplicables en la actualidad. En épocas pasadas los productos de las actividades primarias (productos agrícolas y de minería) desempeñaban un rol mucho más importante en el comercio internacional. El dominio actual de los productos manufacturados en el comercio internacional es relativamente nueva (Krugman, Obstfeld, & Melitz, 2012). Como se observa en Figura 9 la mayor parte del comercio a nivel mundial son bienes manufacturados, pero los minerales (categoría que incluye desde cobre, oro, carbón y petróleo), siguen siendo importantes. Figura 9: Composición del comercio mundial, 2008 Fuente: Krugman 2012 50 Asimismo cabe mencionar la teoría de disponibilidad de recursos, planteada por Kravis (1956), según esta teoría los países disponen de recursos limitados como petróleo, minerales o tierras fértiles. Esta teoría plantea que el comercio internacional surge porque los países tienen diferencias por la existencia o carencia de recursos naturales unida al surgimiento y expansión de las innovaciones tecnológicas. Las diferencias en disponibilidad o indisponibilidad de recursos naturales y la velocidad de transmisión de las innovaciones tecnológicas para fabricar bienes, definen las cantidades y tipos de bienes que los países intercambian. Los bienes que los países deben importar son aquellos que no pueden producir porque la oferta es rígida (inelástica) o la producción es insuficiente. En cambio los bienes que deben exportar los países son aquellos que tienen una oferta elástica, de tal forma que la producción sea mayor a las necesidades locales. 2.2.6. Teoría del crecimiento económico con comercio internacional La relación entre el crecimiento económico y el comercio internacional están dentro de la teoría del crecimiento endógeno Romer (1986) y Lucas (1988) citado en (Salvatore, 1999), quienes ofrecen una base teórica más rigurosa sobre la relación positiva entre comercio internacional y crecimiento económico a largo plazo. “ La nueva teoría del crecimiento económico endógeno postula que las reducciones de las barreras arancelarias aceleran la tasa de crecimiento económico y desarrollo a largo plazo porque: i) permite que las naciones en desarrollo absorban la tecnología descubierta en naciones avanzadas; ii) se incrementa los beneficios que fluyen de la investigación y desarrollo; iii) conduce a mayores economías de escala en la producción; iv) reduce distorsiones de precios y fomenta el uso más eficiente de los recursos entre 51 los distintos sectores; v) provoca una especialización más intensa y eficiente en la producción de insumos intermedios; vi) lleva a una introducción más rápida de nuevos productos y servicios” (p. 334). Sobre la balanza de pagos tenemos la conocida ley de Thirlwall que tiene sus bases teóricas fundamentadas firmemente en las ideas de Harrod (1933) y Kaldor (1975 y 1981) quienes buscaban determinar las relaciones entre las teorías del comercio internacional y del crecimiento económico. De acuerdo a Clavijo & Ros (2015), la relación entre el crecimiento económico y el comercio internacional en una economía con salarios fijos fue analizada por Harrod en términos del multiplicado estático del comercio internacional, donde los flujos de divisas generadas por desbalances comerciales no pueden tener un impacto en los precios relativos. “En consecuencia, si el volumen de exportaciones disminuye o la propensión a importar del país aumenta, el nivel de producto desciende” (p. 14). El multiplicador dinámico del comercio internacional se debe a Thirlwall, quien ha demostrado que las restricciones provenientes de la balanza de pagos, son la mayor restricción al crecimiento económico de los países. Thirlwall (1979) en su afamado artículo especifica la manera cómo opera la restricción de la balanza de pagos sobre el crecimiento económicos de un país: “If a country gets into balance of payments difficulties as it expands demand, before the short term capacity growth rate is reached, then the demand must be curtailed; supply is never fully utilized; investment is discouraged; technological progress is slowed down, and a country´s goods compared to foreign goods become less desirable so worsening the balance of payments still further, and so on. A vicious circle is started. By contrast, if a country is able to expand demand up to the level of existing productive capacity, without balance of payments difficulties arising, the pressure of demand upon capacity may well raise the capacity growth rate” (p. 46). 52 Cabe resaltar que Thirlwall considera economías que producen y exportan determinados bienes, asumiendo que no son consumidos internamente y realiza importaciones asumiendo que no son producidos internamente. Por otro lado en el documento Fifteen years of New Growth Economics: What Have We Learnt? presentado en el Quinto Congreso Anual del Banco Central de Chile, Los retos del crecimiento económico Sala-i-Martin (2001), las conclusiones generales de los estudios empíricos fueron: “El crecimiento económico está positivamente correlacionado con: (1) la estabilidad política y económica, (2) el grado de apertura de la economía al exterior, (3) el mantenimiento de la ley y de los derechos de propiedad, (4) la poca intervención pública (es decir, cuanto más “socialista” es un país, menos crece su economía), (5) la inversión en capital humano, educación y salud, y (6) la inversión en capital físico y maquinaria” (p. 216). 2.3. Formulación de hipótesis 2.3.1. Hipótesis general H1: El precio de los principales commodities minero metálicos de exportación peruanos, oro, cobre y zinc se explica de manera significativa por la producción mundial, y los precios pasados de estos minerales así como por el índice de producción agregada de los países industrializados en el período 1990 -2016. 2.3.2. Hipótesis especificas H2: La producción mundial de los principales commodities minero metálicos (cobre, oro y zinc) determina de manera significativa la cotización de los mismos en el periodo 1990 – 2016. 53 H3: El índice de producción agregada de los países industrializados resulta significativo como determinante del precio de los principales commodities minero metálicos de exportación en el periodo 1990 – 2016. H4: El índice de precios al consumidor mundial resulta significativo como determinante del precio de los principales commodities minero metálicos en estudio en el periodo 1990 – 2016. H5: El tipo de cambio real de los EE.UU. determina de manera significativa el precio de los principales commodities minero metálicos en estudio en el periodo 1990 – 2016. H6: La tasa de interés real de USA determina de manera significativa la cotización de los commodities minero metálicos del Perú en el periodo de 1990-2016. H7: El precio internacional del petróleo determina de manera significativa la cotización de los commodities minero metálicos del Perú en el periodo de 1990- 2016. 54 CAPITULO III: DISEÑO METODOLÓGICO 3.1. Diseño de la investigación La presente investigación es de carácter no experimental, longitudinal y correlacional. Es no experimental dado que la investigación se realizó sin manipular deliberadamente las variables. Los fenómenos se observaron tal como se dan en su contexto real, para posteriormente analizarlos. En una investigación no experimental no se genera ninguna situación, sino que se observa situaciones ya existentes, las variables independientes ocurren y no es posible manipularlos, no se tiene control directo sobre dichas variables ni se puede influir sobre ellas porque ya sucedieron al igual que sus efectos. Es longitudinal dado que el comportamiento de los datos es analizado a lo largo de un período de tiempo. En los diseños longitudinales se recolectan datos a través del tiempo en puntos o periodos, para hacer inferencias respecto al cambio, sus determinantes y consecuencias. Es correlacional porque se busca la relación causa efecto de las variables bajo estudio. Las investigaciones correlaciónales tienen como finalidad conocer la relación o grado de asociación que existe entre dos o más variables en un contexto particular. Las investigaciones correlaciónales al evaluar el grado de asociación entre dos o más variables miden cada una de ellas y después cuantifican y analizan su vinculación (Hernández, Fernández, & Baptista, 2010). 3.2. Población y muestra La población para la presente investigación está dado por el conjunto de datos comprendidos entre los años 1990 y 2016 de forma mensual para las variables incorporadas en la especificación del modelo econométrico. No se utilizó muestra 55 3.3. Operacionalización de variables 3.3.1. Variables Las variables consideradas en la presente investigación son: Variables endógenas o dependientes  Precio de los commodities (Pi).- Se considera como variable endógena al precio (cotización) del cobre, zinc y oro. Las cotizaciones se forman en la London Metal Exchange y Metal Bullions. Dichas cotizaciones se encuentran a valores corrientes (valor nominal) para el presente trabajo es necesario expresar el precio de los commodities en términos reales para ello se divide la cotización entre el deflactor del GNP de USA. Variable Exógena o independiente:  Índice de producción agregada de los países industrializados (IPAPI): Para medir el efecto de la demanda sobre el precio de los commodities se utilizó el índice de producción de los países industrializados el cual se construye a partir de los índices de producción de Estados Unidos de América, Japón, Canadá y la Eurozona, el cual también considera las principales actividades manufactureras o industriales en dichos países.  Índice de precios al consumidor de los países desarrollados (IPCPI).- Se considera el nivel de precios para medir el efecto sobre la de demanda pero considerando el canal de precios, este indicador es un promedio de los IPC de las economías desarrolladas en el modelo de oro nos permitirá identificar si el oro aun cumple su función como reserva de valor. 56  Producción mundial del oro, cobre y zinc (Qi).- Para medir el impacto de la oferta de los minerales sobre su cotización se utilizó la producción mundial de cobre, oro y zinc, la cual ha sido recopilada por RAW Material y proviene de los informe de producción de las diversas compañías mineras a lo largo del globo.  Tipo de cambio real de Estados Unidos de América (TCRUSA).- El tipo de cambio real entre la moneda local y la moneda extranjera es un indicador de los precios de una canasta de bienes y servicios de un país en relación a la de otro país; para esta investigación se trata del Tipo de Cambio Real de los Estados Unidos de América. El tipo de cambio real se diferencia del tipo de cambio nominal, el tipo de cambio nominal representa el precio relativo de dos monedas y el tipo de cambio real mide el precio relativo de dos canastas de bienes.  Precio internacional del petróleo. (WTI).- El precio del barril de petróleo (el West Texas Intermediate, de referencia en USA.), es el precio de un barril de petróleo crudo (1 barril igual a 159 litros o 42 galones de petróleo crudo). La cotización internacional del petróleo crudo ha oscilado o variado de acuerdo a diversos factores y las características de la economía mundial. A través de la historia la evolución de las cotizaciones han oscilado dentro de un rango de los $20 a $150 dólares por barril aproximadamente.  Tasa de interés real (TIRUSA).- Según Mankiw (2009) “la tasa de interés ajustada por la inflación se llama tasa de interés real, es decir, la 57 tasa de interés real es la diferencia entre la tasa de interés nominal y la tasa de inflación”. La relación entre la tasa de interés real, la tasa de interés nominal y la inflación es: Tasa de interés real = Tasa de interés nominal – Tasa de inflación. La tasa de interés real de acuerdo a Parkin (2009) “es el costo de oportunidad de los fondos prestables, independientemente de su fuente. La tasa de interés real también es el costo de oportunidad de usar las utilidades retenidas”. La fórmula exacta es: Tasa de interés nominal – tasa de inflación Tasa de interés real = - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - x 100 1 + Tasa de inflación La tasa de interés nominal nos dice qué tan rápido aumenta con el tiempo la cantidad de dinero, mientras que la tasa de interés real nos dice qué tan rápido aumenta con el tiempo el poder de compra. 3.3.2. Matriz de consistencia Ver anexo 1 3.3.3. Matriz de operacionalización Ver anexo 2 3.4. Técnicas de recolección de datos. La recolección de datos se realizó a través de fuentes secundarias: libros, revistas, documentos especializados y bases de datos del Banco Central de Reserva del Perú y 58 los mercados de commodities metálicos como la London Metal Exchange. Además se consultaron las estadísticas proporcionadas por el Fondo Monetario Internacional (FMI) para las variables Precio de los commodities (Pi), Índice de producción agregada de los países industrializados (IPAPI), Índice de precios al consumidor de los países desarrollados (IPCPI), mientras que la producción mundial del oro, cobre y zinc se obtuvo de RAW MATERIAL página especializada en minería y la tasa interés real del Sistema de Reserva Federal USA (Federal Reserve System - FED). 3.5. Técnicas para el procesamiento y análisis de datos Una vez recolectado la información, se ingresaron los datos a una base para ser sometidos a un análisis econométrico mediante el software Eviews versión 9, según las especificaciones en el modelo econométrico. 3.5.1. Especificación del modelo matemático La formulación de la ecuación matemática de los determinantes macroeconómicos de los precios de los principales commodities minero metálicos del Perú, tiene como objetivo principal identificar cuáles son las variables que más influyen en la variable endógena: Variables endógenas o dependientes Cotización commdity cobre (COT_COBRE) Cotización commdity oro (COT_ORO) Cotización commdity zinc (COT_ZINC) Variables exógenas o independientes Índice de producción agregada de los países industrializados (IPAPI) 59 Índice de precios al consumidor de los países industrializados (IPCPI) Producción mundial cobre (PROD_COBRE) Producción mundial de oro (PROD_ORO) Producción mundial de zinc (PROD_ZINC) Tipo de cambio real de USA (TCRUSA) Precio internacional del petróleo (WTI) Tasa de interés real USA (TIRUSA) MODELO TEÓRICO COT_COBRE = ƒ (IPAPI, IPCPI, PROD_COBRE, TIRUSA, WTI, TCRUSA) COT_ORO = ƒ (IPAPI, IPCPI, PROD_ORO, TIRUSA, WTI, TCRUSA) COT_ZINC = ƒ (IPAPI, IPCPI, PROD_ZINC, TIRUSA, WTI, TCRUSA) MODELO ESTADÍSTICO COT_COBRE = α0 + α1IPAPI + α2IPCPI + α3PROD_COBRE + α4TIRUSA + α5WTI + α6TCRUSA COT_ORO = γ0 + γ1IPAPI + γ2IPCPI + γ3PROD_ORO + γ4TIRUSA + γ5WTI + γ6TCRUSA COT_ZINC = β0 + β1IPAPI + β2IPCPI+ β3PROD_ZINC + β4TIRUSA + β5WTI + β6TCRUSA 3.5.2. Especificación del modelo econométrico A partir del modelo matemático para poder contrastar las hipótesis y determinar la influencia que tiene las variables bajo estudio sobre la variable 60 endógena, se estructura un sistema de ecuaciones simultáneas de la siguiente manera: COT_COBRE = α0 + α1IPAPI + α2IPCPI + α3PROD_COBRE + α4TIRUSA + α5WTI + α6TCRUSA + μt COT_ORO = γ0 + γ1IPAPI + γ2IPCPI + γ3PROD_ORO + γ4TIRUSA + γ5WTI + γ6TCRUSA + μt COT_ZINC = β0 + β1IPAPI + β2IPCPI+ β3PROD_ZINC + β4TIRUSA + β5WTI + β6TCRUSA + μt Donde: α0, α1, α2, α3, α4, α5, α6 β0, β1, β2, β3, β4, β5, β6 Son los parámetros a estimar γ0, γ1, γ2, γ3, γ4, γ5, γ6 µt = Término de error estocástico El objetivo del presente modelo econométrico es cuantificar las interrelaciones entre las variables contempladas en el modelo. Se utilizó la técnica de estimación de los Mínimos Cuadrados Ordinarios (MCO). De acuerdo a Gujarati (2010) “el análisis de regresión múltiple es el análisis de regresión condicional sobre los valores fijos de las variables explicativas, obteniéndose un valor promedio de Y o la respuesta media de Y a los valores dados de las regresoras X”. En el análisis de regresión múltiple según Stock & Watson (2012) “el coeficiente de uno de los regresores es el efecto de un cambio en ese regresor, manteniendo constantes el resto de los regresores”. En una regresión múltiple los estimadores MCO de los coeficientes pueden 61 presentar el sesgo de variable omitida; “el análisis de regresión múltiple proporciona una manera de mitigar el problema del sesgo de variable omitida mediante la inclusión de regresores adicionales”. El modelo de mínimos cuadrados ordinarios (MCO), permite especificar adecuadamente en el modelo econométrico la relación entre dos o más variables a través de una función lineal; es decir que la relación entre la variable endógena y las variables exógenas pueden ser adecuadamente definidas por una ecuación lineal. (Stock & Watson, 2012), (Gujarati, 2010), (Trujillo, 2010). 3.6. Aspectos Éticos Al tratarse de un proyecto que implica el estudio de los determinantes macroeconómicos que influyen en los precios de los commodities minero metálicos del Perú se desarrolló sin sesgos políticos ni orientaciones de ningún tipo, argumentando con el uso de la teoría y siempre acreditando la autoría de los documentos que se consultan como referencia para las afirmaciones que el investigador presenta en este trabajo. 62 CAPITULO IV: RESULTADOS 4.1. Resultados de las estimaciones estadísticas En esta sección se presentan los resultados de las estimaciones estadísticas de las series consideradas en el modelo. Cotización del Oro: Figura 10: Estimación estadística de la cotización del Oro 90 Series: COT_ORO 80 Sample 1990M01 2016M12 Observations 324 70 60 Mean 677.0124 Median 392.9550 50 Maximum 1770.950 Minimum 256.0800 40 Std. Dev. 451.8089 30 Skewness 0.937639 Kurtosis 2.422750 20 Jarque-Bera 51.97341 10 Probability 0.000000 0 400 600 800 1000 1200 1400 1600 1800 Fuente: Eviews 7 Como era de esperarse (dada la alta volatilidad de este commodity) la serie no presenta estándares de “normalidad” (J-B > 2), sin embargo al resultar la desviación estándar (=451.8089) inferior a la media (?̅? = 677.0124) la presencia de esta característica de no normalidad, no es tan contundente estadísticamente hablando, por lo que la evolución temporal de la serie bajo análisis en un primer tramo (las 500 primeras observaciones) resulta ser más sesgada que las ultimas 1300 observaciones, al final de la muestra la cotización del oro registra una secuencia mucho más suavizada y/o parsimoniosa . 63 Cotización del Cobre: Figura 11: Estimación estadística de la cotización del Cobre 50 Series: COT_COBRE Sample 1990M01 2016M12 40 Observations 324 Mean 4109.586 30 Median 2867.065 Maximum 9872.130 Minimum 1371.250 20 Std. Dev. 2506.924 Skewness 0.649934 Kurtosis 1.911117 10 Jarque-Bera 38.81683 Probability 0.000000 0 2000 3000 4000 5000 6000 7000 8000 9000 10000 Fuente: Eviews 7 Así como la cotización del oro, la cotización del cobre no presenta estándares de “normalidad” (J-B > 2), la desviación estándar (=2506.924) inferior a la media (?̅? =4109.586) la presencia de esta característica de no normalidad, no resulta contundente estadísticamente hablando. En comparación con la evolución del precio del oro, la presencia de características de erraticidad en la evolución temporal de la serie es mucho más significativa, dada la alta demanda industrial de este mineral por parte de las principales economías del globo Cotización del Zinc: El precio del zinc no presenta estándares de “normalidad” (J-B > 2), la desviación estándar (=706.0910) inferior a la media (?̅? = 1548.969) la presencia de esta característica de no normalidad, no resulta contundente estadísticamente hablando. Similar al comportamiento del precio del oro, la presencia de características de erraticidad en la evolución temporal de la serie es mucho más significativa durante la 64 mitad de su proceso generador de datos (PGD) para terminar con una más “suavizada” evolución. Figura 12: Estimación estadística de la cotización del zinc 60 Series: COT_ZINC Sample 1990M01 2016M12 50 Observations 324 40 Mean 1548.969 Median 1249.775 Maximum 4381.450 30 Minimum 748.8100 Std. Dev. 706.0910 20 Skewness 1.362293 Kurtosis 4.892297 10 Jarque-Bera 148.5561 Probability 0.000000 0 800 1200 1600 2000 2400 2800 3200 3600 4000 4400 Fuente: Eviews 7 Dado que el uso de los modelos tiene carácter “explicativo”, no será necesario el análisis sugerido por Engle y Granger (1990) relacionado a la condición de estacionariedad y orden de integración para cada una de las variables involucradas en la modelación. Este tipo de tratamiento estadístico se realiza cuando el objetivo del modelo es inferir sobre las condiciones de equilibrio de largo plazo o también llamada Cointegración de las series. Análisis estadístico de las series exógenas que intervienen en los modelos Lo más relevante es que todas las series no presentan características de normalidad, dado que sus valores Jarque-Bera (J-B) resultan ser mayores que el valor de la distribución 2 con 2 grados de libertad que al 95% de confianza es igual a 3.84: J-B > 2. Era un resultado esperado, dado que las series están expuestas a una serie de volatilidades que se generan exógenamente (en otros mercados).Ver Anexo 5. 65 4.2. Análisis de raíz unitaria y de cointegración 4.2.1. Análisis de raíz unitaria. Las pruebas de raíz unitaria de acuerdo a Trujillo (2010) “tienen como finalidad contrastar la hipótesis de que una serie estadística sigue un comportamiento estacionario6 en media y varianza a lo largo de su trayectoria temporal de estimación o análisis”. El contraste que se plantea es: Ho = La serie no es estacionaria (Presenta raíz unitaria). H1 = La serie es estacionaria (No presenta raíz unitaria). Para el análisis de raíz unitaria se utilizó el contraste de Dickey-Füller Aumentado (ADF Test) a los logaritmos de las series consideradas en el modelo y los resultados se muestran en la tabla 1. Tabla 1: Análisis de raíz unitaria de las series ADF TEST 1ra Variables A Niveles Resultado Resultado Diferencia LCOT_ORO -1.736813 No estacionaria -15.55110 Estacionaria LCOT_ZINC -2.619180 No estacionaria -12.94875 Estacionaria LCOT_COBRE -1.695721 No estacionaria -16.23289 Estacionaria LPROD_ORO -2.066451 No estacionaria -19.08729 Estacionaria LTCRUSA -2.079305 No estacionaria -18.17418 Estacionaria LWTI -2.669683 No estacionaria -14.92395 Estacionaria LIPCPIG8 -3.014000 No estacionaria -17.23239 Estacionaria LPROD_ZINC -3.029214 No estacionaria -17.72723 Estacionaria LIPAPIG8 -5.329549 Estacionaria LPROD_COBRE -3.749625 Estacionaria al 95% TIRUSA -3.719863 Estacionaria al 95% Fuente: Eviews 6 La estacionariedad es una condición estadística de una variable aleatoria, que consiste en que la variable no deambule en torno a un valor predeterminado en el tiempo. Estadísticamente hablando, una variable estacionaria es aquella que se comporta con una media y una varianza constante en el tiempo. 66 Los resultados de la prueba ADF (Dickey-Füller Aumentado) se compararon con los valores críticos de Mackinnon que son: al 99% -3.986815; al 95% -3.423842 y al 90% -3.134914. Los resultados estadísticos de la prueba a niveles y primera diferencia en tendencia e intercepto fueron superiores a los valores críticos de Mackinnon, por lo que se rechaza la existencia de raíz unitaria. Rechazar la hipótesis nula implica la existencia de continuidad en las distribuciones y propiedades estadísticas de las series bajo análisis, independencia en la parte aleatoria de la serie lo que se conoce como “White noise” o “Ruido Blanco”7 y que cualquier shock tiene un efecto transitorio sobre la variable, por lo que es susceptible de predicción. 4.2.2. Análisis de cointegración De acuerdo a Stock & Watson (2012) “dos o más series que tienen una tendencia estocástica común se dice que están cointegradas”. Asimismo en términos económicos según Gujarati (2010) “dos o más variables están cointegradas si existe una relación de largo plazo o de equilibrio entre las variables”, es decir, que existe alguna fuerza que hace que las variables tiendan a un equilibrio o a un estado estacionario en el largo plazo. La importancia de modelo que cointegra según Trujillo (2010) “es que el vector de cointegración describe la relación de largo plazo de las variables, por cuanto un residuo estacionario nos asegura que las variables no pueden diferir sistemáticamente 7 Un “ruido blanco” se caracteriza porque es estacionario en media y varianza, asimismo, los errores no están autocorrelacionados. 67 entre sí en el largo plazo”. Un test de cointegración se considera como una preprueba para evitar las situaciones de regresiones espurias. El contraste que se plantea es el siguiente: H0 = No existe un vector de cointegración (Existencia de una raíz unitaria en los residuos). H1 = Existe un vector de cointegración 8 (No existe una raíz unitaria en los residuos). Para el análisis de cointegración se utilizó la prueba de Hipótesis de Cointegración de Johansen & Joselius y los resultados se muestran en las tablas 2, 3 y 4. Test de cointegración commodity oro Tabla 2: Test de cointegración commodity oro Date: 10/18/18 Time: 19:25 Sample (adjusted): 1990M06 2016M12 Included observations: 319 after adjustments Trend assumption: Linear deterministic trend (restricted) Series: LCOT_ORO LPROD_ORO LIPAPIG8 LIPCPIG8 LTIRUSA LTCRUSA LWTI Lags interval (in first differences): 1 to 4 Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.143282 171.2149 150.5585 0.0020 At most 1 * 0.124125 121.8827 117.7082 0.0265 At most 2 0.102899 79.60495 88.80380 0.1917 At most 3 0.062053 44.96574 63.87610 0.6486 At most 4 0.047256 24.53010 42.91525 0.8126 At most 5 0.015972 9.087528 25.87211 0.9579 At most 6 0.012310 3.951343 12.51798 0.7491 Trace test indica tes 2 cointegrati ng eqn(s) at the 0 .05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Fuente: Eviews 8 Cointegración significa que, a pesar de no ser estacionarias en un nivel individual, una combinación lineal de dos o más series de tiempo puede ser estacionaria. 68 Test de cointegración commodity cobre Tabla 3: Test de cointegración commodity cobre Sample (adjusted): 1990M06 2016M12 Included observations: 319 after adjustments Trend assumption: Linear deterministic trend (restricted) Series: LCOT_COBRE LPROD_COBRE LIPAPIG8 LIPCPIG8 LTIRUSA LTCRUSA LWTI Lags interval (in first differences): 1 to 4 Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.154850 163.5280 150.5585 0.0075 At most 1 0.118215 109.8592 117.7082 0.1412 At most 2 0.093547 69.72678 88.80380 0.5177 At most 3 0.059336 38.39587 63.87610 0.8954 At most 4 0.033066 18.88274 42.91525 0.9772 At most 5 0.017537 8.156410 25.87211 0.9797 At most 6 0.007845 2.512379 12.51798 0.9287 Trace test indica tes 1 cointegrati ng eqn(s) at the 0 .05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Fuente: Eviews Test de cointegración commodity zinc Tabla 4: Test de cointegración commodity zinc Sample (adjusted): 1990M06 2016M12 Included observations: 319 after adjustments Trend assumption: Linear deterministic trend (restricted) Series: LCOT_ZINC LPROD_ZINC LIPAPIG8 LIPCPIG8 LTIRUSA LTCRUSA LWTI Lags interval (in first differences): 1 to 4 Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.156596 162.6456 150.5585 0.0086 At most 1 0.114274 108.3168 117.7082 0.1687 At most 2 0.079527 69.60695 88.80380 0.5224 At most 3 0.063231 43.17216 63.87610 0.7288 At most 4 0.040952 22.33560 42.91525 0.9014 At most 5 0.019724 8.996931 25.87211 0.9605 At most 6 0.008248 2.642107 12.51798 0.9161 Trace test indic ates 1 cointegrat ing eqn(s) at the 0.0 5 level * denotes rejection of the hypothesis at the 0.05 level Fuente: Eviews 69 La conclusión sobre las posibles relaciones de cointegración contrastados al 5% de su valor crítico, en las ecuaciones de commodity oro, commodity cobre y commodity zinc; ofrecen resultados semejantes, donde existe entre ellas un vector de cointegración que determina su comportamiento temporal de largo plazo; por lo que la prueba ha rechazado la hipótesis nula (Ho) de no cointegración entre las variables. Habiéndose demostrado que existe una relación de largo plazo entre las variables consideradas se podrá utilizar el modelo vectorial de corrección de errores (VEC) para analizar las funciones de impulso-respuesta y para hacer pronósticos. 4.2.3. Análisis del test de causalidad de Granger El test de causalidad de Granger es una prueba estadística útil para "evaluar" si un par de series encuentran cierta "causalidad estadística". Esta "causalidad estadística" se conoce como: "causalidad en el sentido de Granger". La Causalidad en el sentido de Granger, implica la existencia significativa (estadísticamente hablando) de una relación causal (causa-efecto); pero de ninguna manera de una relación "causal" en sentido económico; es decir: no podemos concluir la relación causal entre un par de variables para tipificarla como "dependiente" o "independiente". Recalcamos, que la prueba es válida solo para "inferir" la existencia significativa de una relación causal en el sentido de Granger. No hay fundamentos teóricos macroeconómicos para diferenciar las series como endógenas o exógenas (Sims, 1980). 70 El test de Granger, se aplica a la "variable" NO a la "serie transformada". La serie transformada es un "hibrido" construido por el investigador a fin de lograr un resultado econométrico que lo lleve a no rechazar la hipótesis nula. La hipótesis nula planteada es: X no causa a Y Si se logra "rechazar" la Hipótesis Nula a cierto nivel de confianza (95%), entonces tenemos suficiente evidencia estadística para concluir que la variable considerada como exógena, es verdaderamente explicativa por lo que la "causalidad en el sentido de Granger" es validada (Stock & Watson, 2012), (Gujarati, 2010), (Trujillo, 2010). A continuación se muestran los resultados del test de causalidad en el sentido de Granger para cada commodity: Test de causalidad de Granger commodity cobre Tabla 5: Test de causalidad commodity cobre Test de Valor F Modelo 2: Variable Endógena Granger Hipótesis Critico COT_COBRE (logaritmos) Valor F-Test Nula F(6,317) 95% 95% Producción de cobre 2.94657 Rechazar IPAPIG8 0.03892 Aceptar IPCPIG8 1.06678 Aceptar 2.127219 TIRUSA 1.58002 Aceptar TCRUSA 0.29919 Aceptar WTI (USA) 1.25118 Aceptar Elaboración: propia 71 Variables Exógenas (logaritmos) Test de causalidad de Granger commodity oro Tabla 6: Test de causalidad commodity oro Test de Valor F Modelo 2: Variable Endógena Granger Hipótesis Critico COT_ORO (logaritmos) Valor F-Test Nula F(6,317) 95% 95% Producción de oro 11.9772 Rechazar IPAPIG8 2.16409 Rechazar IPCPIG8 2.70749 Rechazar 2.127219 TIRUSA 1.67588 Aceptar TCRUSA 0.61078 Aceptar WTI (USA) 6.67732 Rechazar Elaboración: propia Test de causalidad de Granger commodity zinc Tabla 7: Test de causalidad commodity zinc Test de Valor F Modelo 2: Variable Endógena Granger Hipótesis Critico COT_ZINC (logaritmos) Valor F-Test Nula F(6,317) 95% 95% Producción de zinc 0.03402 Aceptar IPAPIG8 0.38627 Aceptar IPCPIG8 2.65947 Rechazar 2.127219 TIRUSA 1.76372 Aceptar TCRUSA 0.88885 Aceptar WTI (USA) 0.51791 Aceptar Elaboración: propia Las tablas 5, 6 y 7 muestran los resultados de las pruebas de causalidad de Granger (con un rezago) en los tres modelos de commodities cobre, oro y zinc. Los principales resultados se resumen a continuación. La producción de cobre nuestra un vínculo de causalidad en el sentido de Granger al nivel de 5% de significancia con la cotización del cobre. La producción de oro, el índice de producción agregada de los países industrializados, índice de precios al consumidor de los países industrializados y precio internacional del petróleo están vinculados en el sentido de Granger con la cotización del oro al nivel de 5% de significancia. El índice de precios al consumidor de los países 72 Variables Variables Exógenas Exógenas (logaritmos) (logaritmos) industrializados muestra la causalidad en el sentido de Granger al nivel del 5% de significancia con la cotización del Zinc. 4.3. Resultados de las estimaciones econométricas de cada commodity Habiéndose rechazado la existencia de raíz unitaria y demostrado que existe una relación de largo plazo entre las variables con el análisis de cointegración y el análisis de causalidad en el sentido de Granger; por lo tanto la no existencia de relaciones espurias9; se presenta a continuación los resultados de las estimaciones econométricas. 4.3.1. Análisis de correlación El objetivo principal del análisis de correlación según Gujarati (2010) “es medir la fuerza o el grado de asociación lineal entre dos variables…En el análisis de correlación se tratan dos variables cualesquiera en forma simétrica”. La correlación de acuerdo a Stock & Watson (2012) “es una medida alternativa de la dependencia entre X e Y que resuelve el problema de las unidades de la covarianza. En concreto, la correlación entre X e Y es la covarianza entre X e Y dividida por sus desviaciones típicas”. La matriz de correlación muestra el grado de asociación lineal de cada una de las variables con otra variable. La correlación siempre toma valores entre -1 y 1, es decir, -1 < corr (X, Y) < 1. Una correlación positiva indica que la proyección de la regresión lineal tiende a crecer conjuntamente con la otra variable. Sin embargo, una correlación negativa indica que la proyección de la regresión lineal tiende a decrecer conjuntamente con la otra variable. 9 Una relación es "espuria" cuando hay un alto ajuste econométrico (R2 muy cercano a la uinidad) pero los fundamentos económicos del modelo son pobres (exogeneidad debil), lo contrario es "exogeneidad fuerte". 73 Tabla 8: Matriz de correlaciones de las variables involucradas10 COT_ZINC COT_ORO COT_COBRE COT_ZINC 1.000000 0.579891 0.820248 COT_ORO 0.579891 1.000000 0.865522 COT_COBRE 0.820248 0.865522 1.000000 PROD_ZINC 0.508889 0.844214 0.695501 PROD_ORO 0.467118 0.416315 0.581350 PROD_COBRE 0.561229 0.912105 0.785967 IPAPIG8 0.395277 0.428422 0.478578 IPCPIG8 0.616109 0.871328 0.783890 TIRUSA -0.270624 -0.707729 -0.565018 TCRUSA -0.239489 -0.451174 -0.321330 WTI 0.677458 0.819052 0.926834 Fuente: Eviews 9 Se aprecia una alta correlación entre la cotización de los commodities minero metálicos considerados en el modelo y las variables exógenas como: el índice de producción agregada de los países industrializados, el índice de precios al consumidor de los países industrializados y el precio internacional del petróleo. Se concluye que la cotización de los commodities de exportación responde a variables externas, antes que a variables del tipo “oferta”. 4.3.2. Estimación paramétrica commodity oro En la estimación paramétrica para el commodity oro se observa un ajuste en la calibración del orden del 90% así como una alta significancia individual para las series: precio internacional del petróleo, índice de precios al consumidor de los países industrializados, producción mundial de oro, tasa de interés real de los Estados Unidos de América, e índice de producción agregada de los países industrializados tal como se observa en la tabla 9 adjunta. 10 Matriz completa ver anexo 4 74 Tabla 9: Estimación commodity oro Dependent Variable: COT_ORO Method: Least Squares Date: 06/14/17 Time: 17:35 Sample: 1990M01 2016M12 Included observations: 324 Vari able Coeff icient Std . Error t-S tatistic P rob. C 44.7 8875 235 .4427 0.1 90232 0. 8492 PROD_ORO -3.98E-05 3.28E-06 -12.11907 0.0000 IPAPIG8 -7.902148 0.983439 -8.035222 0.0000 IPCPIG8 15.28708 1.229009 12.43854 0.0000 TCRUSA 41.49773 122.2277 0.339512 0.7344 TIRUSA -80.29308 8.504844 -9.440864 0.0000 WTI 8.490401 0.586029 14.48802 0.0000 R-squared 0.90 3536 Mea n dependent v ar 677. 0124 Adjusted R-squared 0.901710 S.D. dependent var 451.8089 S.E. of regression 141.6479 Akaike info criterion 12.76593 Sum squared resid 6360327. Schwarz criterion 12.84762 Log likelihood -2061.081 Hannan-Quinn criter. 12.79854 F-statistic 494.8640 Durbin-Watson stat 0.188467 Prob(F-statistic) 0.000000 Fuente: Eviews 9 El resumen de las estimaciones se observa en la Tabla 10 adjunta: Tabla 10: Resumen estimación commodity oro t-Student Tabular 95% Variable Exógena t- Student 317g.d.l (1.645) PROD_ORO -12.119070 Significativo IPAPIG8 -8.035222 Significativo IPCPIG8 12.438540 Significativo TCRUSA 0.339512 No significativo TIRUSA -9.440864 Significativo WTI 14.488020 Significativo Elaboración: propia El tipo de cambio real de los Estados Unidos de América resultó no significativo al 95%, probablemente debido a problemas de colinealidad en la matriz de información X´X. Al restimar el modelo retirando como instrumento 75 el tipo de cambio real de los Estados Unidos de América, obtenemos los siguientes resultados: Tabla 11: Estimación commodity oro modificado Dependent Variable: COT_ORO Method: Least Squares Sample: 1990M01 2016M12 Included observations: 324 Variable Coefficient Std. Error t-Statistic P rob. C 1 13.6809 119.2432 0.953353 0 .3411 PROD_ORO -4.00E-05 3.23E-06 -12.39068 0.0000 IPAPIG8 -8.117021 0.751683 -10.79846 0.0000 IPCPIG8 15.04334 0.996153 15.10144 0.0000 TIRUSA -80.14773 8.482239 -9.448889 0.0000 WTI 8.597016 0.494102 17.39927 0.0000 R -squared 0.903500 Mean depen dent var 677.0124 Adjusted R-squared 0.901983 S.D. dependent var 451.8089 S.E. of regression 141.4507 Akaike info criterion 12.76012 Sum squared resid 6362639. Schwarz criterion 12.83014 Log likelihood -2061.140 Hannan-Quinn criter. 12.78807 F-statistic 595.4704 Durbin-Watson stat 0.190939 Prob(F-statistic) 0.000000 Fuente: Eviews 9 Observamos que los coeficientes estimados de esta nueva especificación resultaron estadísticamente significativos al 95%. Igualmente, la significancia global es mayor que en la versión anterior, y el ajuste econométrico es mayor en la versión que excluye al tipo de cambio real de los Estados Unidos de América, tal como se aprecia en la tabla 12 adjunta: Tabla 12: Significancia global commodity oro inicial y modificado Modelo que incluye Modelo que excluye al TCR de USA al TCR de USA F-Fischer 494.864 595.4704 Fk-1,n-k 95% k= 7 ; 2.10 k=6 ; 2.21 R2 Ajustado 90.17% 90.20% Elaboración: propia 76 Las variables que resultaron ser más significativas (en orden de significancia) son: el precio internacional del petróleo, el índice de precios al consumidor de los países industrializados, la producción mundial del oro, el índice de producción agregada de los países industrializados y la tasa de interés real de los Estados Unidos de América. Cabe resaltar como factor determinante de la cotización internacional del oro, al precio internacional del petróleo, insumo básico en el proceso de transformación del mineral extraído. El intercepto de la ecuación estimada para la cotización del oro indica que, si mantenemos constante las variables consideradas como exógenas, la cotización para este commodity sería de US$ 113.6809. El efecto sobre la cotización ante una variación unitaria de la producción mundial de oro es inversamente proporcional e igual a -0.00004 unidades. Similar efecto sobre la cotización del oro causa una variación unitaria del índice de producción agregada de los países industrializados, por cada variación unitaria del Índice de producción agregada de los países industrializados, la cotización del oro disminuirá 8.117021 unidades. Muy por el contrario, por cada variación unitaria del índice de precios al consumidor de los países industrializados, la cotización del oro aumenta 15.04334 unidades. El efecto sobre la cotización del oro ante una variación unitaria del tipo de cambio real de los Estados Unidos de América es negativo y ascendente a 80.14773. Finalmente, ante una variación unitaria en el precio internacional del petróleo la cotización del oro experimenta un incremento de 8.597016 unidades. 77 A continuación, se presenta la evolución temporal de la serie histórica (Actual), la serie estimada por mínimos cuadrados ordinarios (Fitted) y el error en la estimación (residual) que se obtiene como diferencia entre las series estimada e histórica: Figura 13: Evolución temporal Actual, Fitted y Residual commodity oro Fuente: Eviews 9 La brecha entre las series estimada e histórica es concordante con un R2 del orden del 90.35%. Casi a finales del periodo de estudio, la volatilidad de este commodity se hace más marcada en la estimación paramétrica, hecho estilizado y muy correlacionado con la volatilidad de los mercados internacionales debido a factores de ruido político y de especulación que se observaron en el periodo de estudio ante la inminente caída del precio del dólar estadounidense en los mercados internacionales debido a la fuerte recesión económica por la que atravesaba los Estados Unidos de América, lo que conllevó a que los agentes e inversionistas institucionales busquen al oro como refugio financiero. Los periodos en que la trayectoria temporal de los residuos 78 se salen fuera de las bandas de confianza diseñadas al ± 95% de confianza, indican la existencia de otros factores no especificados en el modelo, que estarían determinando la trayectoria temporal de la cotización internacional del oro en el periodo de estudio evaluado. 4.3.3. Estimación paramétrica commodity Cobre En la estimación paramétrica para el commodity cobre se observa un ajuste en la calibración del orden del 89.5% así como una alta significancia individual para las series: precio internacional del petróleo, índice de precios al consumidor de los países industrializados, producción mundial de cobre, tasa de interés real de los Estados Unidos de América, tipo de cambio real de los Estados Unidos de América e índice de producción agregada de los países industrializados, tal como se observa en la Tabla 13 ajunta: Tabla 13: estimación commodity cobre Dependent Variable: COT_COBRE Method: Least Squares Sample: 1990M01 2016M12 Included observations: 324 Vari able Coeff icient Std . Error t-S tatistic P rob. C -11020.71 1304.805 -8.446252 0.0000 PROD_COBRE -0.005862 0.002803 -2.091209 0.0373 IPAPIG8 16.72615 6.032672 2.772594 0.0059 IPCPIG8 78.44839 8.428754 9.307234 0.0000 TIRUSA 136.1988 51.34862 2.652434 0.0084 TCRUSA 4696.551 718.6569 6.535178 0.0000 WTI 60.13320 3.359153 17.90130 0.0000 R-squared 0.89 5061 Mea n dependent v ar 4109 .586 Adjusted R-squared 0.893075 S.D. dependent var 2506.924 S.E. of regression 819.7487 Akaike info criterion 16.27724 Sum squared resid 2.13E+08 Schwarz criterion 16.35892 Log likelihood -2629.913 Hannan-Quinn criter. 16.30984 F-statistic 450.6350 Durbin-Watson stat 0.176976 Prob(F-statistic) 0.000000 Fuente: Evie ws 9 79 Tabla 14: Resumen estimación commodity cobre t-Student Tabular 95% Variable Exógena t- Student 317g.d.l (1.645) PROD_COBRE -2.091209 Significativo IPAPIG8 2.772594 Significativo IPCPIG8 9.307234 Significativo TCRUSA 6.535178 Significativo TIRUSA 2.652434 Significativo WTI 17.90130 Significativo Elaboración propia Observamos que los coeficientes estimados de esta especificación resultaron estadísticamente significativos al 95%. Igualmente, la significancia global, y el ajuste econométrico también resulto ser significativo, tal como se aprecia en la tabla 14. Tabla 15: Significancia global commodity cobre Significancia Global F-Fischer 450.6350 Fk-1,n-k 95% k= 7 ; 2.10 R2 Ajustado 89.30% Elaboración propia Todas las variables resultaron ser significativas (en orden de significancia) son: el precio internacional del petróleo, el índice de precios al consumidor de los países industrializados, el tipo de cambio real de los Estados Unidos de América, el índice de producción agregada de los países industrializados, la tasa de interés real de los Estados Unidos de América y la producción mundial del cobre. Cabe la pena resaltar como factor determinante de la cotización internacional del cobre, al precio internacional del petróleo, insumo básico en el proceso de transformación del mineral extraído en commodity. 80 El intercepto de la ecuación estimada para la cotización del cobre indica que si mantenemos constante las variables consideradas como exógenas, la cotización para este commodity seria de US$ -11020.71. El efecto sobre la cotización ante una variación unitaria de la producción mundial del cobre es inversamente proporcional e igual a -0.005862 unidades. El efecto sobre la cotización del cobre causada por una variación unitaria del índice de producción agregada de los países industrializados, por cada variación unitaria es de 16.762615 unidades. Muy por el contario por cada variación unitaria del índice de precios al consumidor de los países industrializados, la cotización del cobre aumenta 78.44839 unidades. El efecto sobre la cotización del cobre ante una variación unitaria del tipo de cambio real de los Estados Unidos de América es positivo y ascendente a 4696.551. Finalmente, ante una variación unitaria en el precio internacional del petróleo la cotización del cobre experimenta un incremento de 60.13320 unidades. A continuación, se presenta la evolución temporal de la serie histórica (Actual), la serie estimada por mínimos cuadrados ordinarios (Fitted) y el error en la estimación (residual) que se obtiene como diferencia entre las series estimada e histórica: 81 Figura 14: Evolución temporal Actual, Fitted y Residual commodity cobre Fuente: Eviews 9 La brecha entre las series estimada e histórica es concordante con un R2 del orden del 89.50%. A diferencia de la trayectoria temporal para la estimación del oro, se observa una mayor estabilidad durante el periodo de análisis. Los periodos en que la trayectoria temporal de los residuos se salen fuera de las bandas de confianza diseñadas al ±95% de confianza, indican la existencia de otros factores no especificados en el modelo, que estarían determinando la trayectoria temporal de la cotización internacional del cobre en el periodo de estudio evaluado. 4.3.4. Estimación paramétrica Commodity Zinc Se observa un ajuste en la calibración del orden del 65.12% así como una alta significancia individual para las series: precio internacional del petróleo, índice de precios al consumidor de los países industrializados, tasa de interés real de los Estados Unidos de América, tipo de cambio real de los Estados Unidos de América e índice de producción agregada de los países 82 industrializados, tal como se observa en la Tabla 13 y en el resumen tabla 14 adjuntas: Tabla 16: Estimación commodity zinc Dependent Variable: COT_ZINC Method: Least Squares Date: 06/20/17 Time: 09:39 Sample: 1990M01 2016M12 Included observations: 324 Vari able Coeff icient Std . Error t-S tatistic P rob. C -602 2.715 685 .8134 -8.7 81858 0. 0000 IPAPIG8 19.04504 3.190898 5.968552 0.0000 IPCPIG8 37.74774 3.850684 9.802868 0.0000 PROD_ZINC -0.001037 0.001116 -0.929185 0.3535 TCRUSA 1872.171 378.9022 4.941040 0.0000 TIRUSA 263.6692 25.90233 10.17936 0.0000 WTI 8.472457 1.654711 5.120203 0.0000 R-squared 0.65 1237 Mea n dependent v ar 1548 .969 Adjusted R-squared 0.644636 S.D. dependent var 706.0910 S.E. of regression 420.9180 Akaike info criterion 14.94412 Sum squared resid 56163503 Schwarz criterion 15.02580 Log likelihood -2413.948 Hannan-Quinn criter. 14.97672 F-statistic 98.65446 Durbin-Watson stat 0.119682 Prob(F-statistic) 0.000000 Fuente: Eviews 9 Tabla 17: resumen estimación commodity zinc t-Student Tabular 95% Variable Exógena t- Student 317g.d.l (1.645) PROD_ZINC -0.929185 No significativo IPAPIG8 5.968552 Significativo IPCPIG8 9.802868 Significativo TCRUSA 4.941040 Significativo TIRUSA 10.17936 Significativo WTI 5.120203 Significativo Elaboración propia Observamos que los coeficientes estimados de esta especificación resultaron estadísticamente significativos al 95%, con excepción de la producción mundial del zinc, por lo que la cotización de este commodity (al 95% de 83 confianza) no responde de manera significativa a la producción. Igualmente, la significancia global, y el ajuste econométrico también resulto ser significativo, tal como se aprecia en la tabla 18 adjunta: Tabla 18: Significancia global estimación commodity zinc Significancia Global F-Fischer 98.65446 Fk-1,n-k 95% k= 7 ; 2.10 R2 Ajustado 64.46 % Elaboración propia Las variables exógenas que resultaron ser significativas (en orden de significancia) son: la tasa de interés real de los Estados Unidos de América, el índice de precios al consumidor de los países industrializados, el índice de producción agregada de los países industrializados, el precio internacional del petróleo, y el tipo de cambio real de los Estados Unidos de América. Cabe la pena resaltar como factor determinante de la cotización internacional del zinc, la tasa de interés real de los Estados Unidos de América. El intercepto de la ecuación estimada para la cotización del zinc indica que si mantenemos constante las variables consideradas como exógenas, la cotización para este commodity seria de US$ -6022.715 El efecto sobre la cotización ante una variación unitaria de la producción mundial del zinc es inversamente proporcional e igual a -0.001037 unidades. El efecto sobre la cotización del zinc causada por una variación unitaria del índice de producción agregada de los países industrializados, por cada variación unitaria es de 19.04504 unidades. Muy por el contario por cada variación unitaria del índice 84 de precios al consumidor de los países industrializados, la cotización del zinc aumenta 37.74774 unidades. El efecto sobre la cotización del zinc ante una variación unitaria del tipo de cambio real de los Estados Unidos de América es positivo y ascendente a 1872.171. Finalmente, ante una variación unitaria en el precio internacional del petróleo la cotización del zinc experimenta un incremento de 8.472457 unidades. A continuación, se presenta la evolución temporal de la serie histórica (Actual), la serie estimada por mínimos cuadrados ordinarios (Fitted) y el error en la estimación (residual) que se obtiene como diferencia entre las series estimada e histórica: Figura 15: Evolución temporal Actual, Fitted y Residual commodity zinc Fuente: Eviews 9 La brecha entre las series estimada e histórica es concordante con un R2 del orden del 65.12%. En la trayectoria temporal estadística de la serie estimada, 85 se observa una mayor estabilidad durante el periodo de análisis. Los periodos en que la trayectoria temporal de los residuos se salen fuera de las bandas de confianza diseñadas al ± 95% de confianza, indican la existencia de otros factores no especificados en el modelo, que estarían determinando la trayectoria temporal de la cotización internacional del zinc en el periodo de estudio evaluado. 4.3.5. Estimación paramétrica utilizando primeras diferencias Para la estimación paramétrica en primeras diferencias de los logaritmos de las series, se utilizó la metodología utilizada por Borensztein y Reinhart (1994), quienes además se basaron el en las estimaciones realizadas por Dornbush (1985 y 1984). Estimaron una ecuación utilizando la técnica de los mínimos cuadrados ordinarios con datos trimestrales de 1971: I a 1992: III para el índice del FMI de todos los productos básicos. En las estimaciones econométricas para evitar problemas de no estacionareidad evitaron utilizar niveles y los instrumentos se trataron mediante el uso de diferencias de cuatro trimestres (en lugar de las primeras diferencias) de todas la variables. Los resultados de las estimaciones paramétricas de cada commodity en primeras diferencias se muestran a continuación: 86 Estimación paramétrica en primeras diferencias commodity cobre En la estimación paramétrica en primeras diferencias para el commodity cobre se observa un ajuste en la calibración del orden del 32.51%; así como una alta significancia individual para las series: precio internacional del petróleo, producción mundial del cobre y tipo de cambio real de los Estados Unidos de América; tal como se aprecia en la tabla 19. Tabla 19: Estimación paramétrica en primeras diferencias commodity cobre Dependent Variable: D1LCOT_COBRE Method: Least Squares Date: 12/04/18 Time: 06:25 Sample (adjusted): 1990M02 2016M12 Included observations: 323 after adjustments Vari able Coeff icient Std . Error t-S tatistic P rob. C 0.00 5097 0.0 03651 1.3 95926 0. 1637 D1LPROD_COBRE -0.269032 0.031228 -8.615220 0.0000 D1LIPAPIG8 -0.012658 0.071690 -0.176559 0.8600 D1LIPCPIG8 0.001385 0.005067 0.273268 0.7848 D1LTCRUSA 0.438841 0.118200 3.712712 0.0002 D1TIRUSA 0.052255 0.034798 1.501681 0.1342 D1LWTI 0.332582 0.040615 8.188608 0.0000 R-squared 0.32 5094 Mea n dependent v ar 0.00 2853 Adjusted R-squared 0.312279 S.D. dependent var 0.075048 S.E. of regression 0.062237 Akaike info criterion -2.694305 Sum squared resid 1.224003 Schwarz criterion -2.612436 Log likelihood 442.1303 Hannan-Quinn criter. -2.661624 F-statistic 25.36884 Durbin-Watson stat 1.897041 Prob(F-statistic) 0.000000 Fuente: Eviews Estimación paramétrica en primeras diferencias commodity zinc En la estimación paramétrica en primeas diferencias del commodity zinc se observa un ajuste en la calibración del orden del 8.21%; así como una alta significancia individual para las series: tasa de interés real de los Estados 87 Unidos de América, tipo der cambio real de los Estados Unidos de América y producción mundial del zinc (Tabla 20). Tabla 20: Estimación paramétrica en primeras diferencias commodity zinc Dependent Variable: D1LCOT_ZINC Method: Least Squares Date: 12/04/18 Time: 06:30 Sample (adjusted): 1990M02 2016M12 Included observations: 323 after adjustments Vari able Coeff icient Std . Error t-S tatistic P rob. C 0.00 4154 0.0 03562 1.1 66148 0. 2444 D1LPROD_ZINC 0.038320 0.023076 1.660642 0.0978 D1LIPAPIG8 0.000439 0.069935 0.006278 0.9950 D1LIPCPIG8 0.003554 0.004944 0.718782 0.4728 D1LTCRUSA 0.257355 0.115717 2.224013 0.0269 D1TIRUSA 0.106508 0.033953 3.136886 0.0019 D1LWTI 0.055382 0.039405 1.405482 0.1609 R-squared 0.08 2061 Mea n dependent v ar 0.00 2237 Adjusted R-squared 0.064632 S.D. dependent var 0.062782 S.E. of regression 0.060720 Akaike info criterion -2.743670 Sum squared resid 1.165047 Schwarz criterion -2.661801 Log likelihood 450.1027 Hannan-Quinn criter. -2.710989 F-statistic 4.708234 Durbin-Watson stat 1.465623 Prob(F-statistic) 0.000131 Fuente: Evie ws Estimación paramétrica en primeras diferencias commodity oro En la estimación paramétrica en primeras diferencias del commodity oro se observa un ajuste en la calibración del orden del 5.52%; así como una alta significancia individual para la serie tipo de cambio real de los Estados Unidos de América (Tabla 21). 88 Tabla 21: Estimación paramétrica en primeras diferencias commodity oro Dependent Variable: D1LCOT_ORO Method: Least Squares Date: 12/04/18 Time: 06:34 Sample (adjusted): 1990M02 2016M12 Included observations: 323 after adjustments Vari able Coeff icient Std . Error t-S tatistic P rob. C 0.00 3882 0.0 02065 1.8 80172 0. 0610 D1LPROD_ORO -0.001162 0.033379 -0.034807 0.9723 D1LIPAPIG8 0.022099 0.040582 0.544537 0.5865 D1LIPCPIG8 -0.000735 0.002867 -0.256393 0.7978 D1LTCRUSA 0.253634 0.066925 3.789835 0.0002 D1TIRUSA 0.004326 0.019638 0.220257 0.8258 D1LWTI 0.023549 0.024130 0.975941 0.3298 R-squared 0.05 5233 Mea n dependent v ar 0.00 3212 Adjusted R-squared 0.037294 S.D. dependent var 0.035871 S.E. of regression 0.035196 Akaike info criterion -3.834332 Sum squared resid 0.391449 Schwarz criterion -3.752464 Log likelihood 626.2447 Hannan-Quinn criter. -3.801651 F-statistic 3.078977 Durbin-Watson stat 1.772230 Prob(F-statistic) 0.006067 Fuente: Eviews Las estimaciones paramétricas tienen concordancia con los resultados obtenidos por Dornbusch (1985 y 1986), donde el precio de los productos básicos es excesivamente sensible a las variaciones en el tipo de cambio real. De igual manera en las estimaciones realizadas por Borensztein y Reinhart (1994), quienes incluyeron una proyección instrumental para el tipo de cambio real; no se eliminó la significancia del tipo de cambio real en la determinación de la cotización de los commodities. 89 CAPÍTULO V: DISCUSIÓN, CONCLUSIONES Y RECOMENDACIONES 5.1. Discusión de resultados Se observa que, para los dos primeros metales evaluados, la cotización internacional del petróleo (WTI) es el principal factor que determina el comportamiento del precio, tanto para el oro como para el cobre. Sin embargo, para la cotización del zinc, la tasa de interés real de USA resulto ser el factor más relevante en la cotización del precio de este commodity. La demanda de petróleo en los procesos de manufactura del oro y del cobre, impulsan al alza a la cotización de estos dos commodities, a pesar de la inminente “desaceleración” en el precio de este importante insumo, tal como se muestra en la figura 16 adjunta: Figura 16: Evolución del precio del petróleo y la gasolina 2008 – 2015 Fuente: Bloomberg/Boletín petrolero de la comisión europea. Boletín petrolero de la comisión europea Lo que se puede inferir es que dada la inelasticidad en el precio del petróleo y su principal derivado la gasolina y dado que no solo el uso del petróleo es un elemento fundamental en la producción del oro y el cobre, sino también el uso de gasolina que 90 por efecto multiplicador indirecto traslada el costo de fabricación hacia el precio (cotización) dado el uso intensivo de maquinaria y equipo para los demás procesos productivos que no requieren petróleo sino: gasolina. Si bien es cierto en la muestra evaluada la cotización internacional del petróleo (WTI) ha experimentado una alta volatilidad con cimas (expansiones) y fondos (depresiones) que le ha causado una desaceleración, el precio de la gasolina ha mantenido una tendencia lineal y creciente, esto generado por su alto y permanente consumo más aun al no contar con sustitutos perfectos que puedan reemplazar el grado de utilización que actualmente registra la industria transformadora de minerales metálicos (el oro, el cobre y el zinc) están contenidos dentro de este universo. Otro aspecto relevante es la notoria importancia que presenta el Índice de Precios al Consumidor (IPCPI) sobre el Índice de Producción Agregada (IPAPI), de los países industrializados. Lo que demuestra la presión que ejerce el consumo (efecto demanda) sobre el efecto causado por la producción (efecto oferta) en la cotización de los tres commodities evaluados; esta presión del consumo se traslada a precios vía producción, lo que redunda en una presión al alza en las cotizaciones de estos minerales. Tabla 22: Matriz de correlación de las variables exógenas COT_ORO COT_COBRE COT_ZINC IPAPIG8 IPCPIG8 COT_ORO 1.000000 0.865522 0.579891 0.428422 0.871328 COT_COBRE 0.865522 1.000000 0.820248 0.478578 0.783890 COT_ZINC 0.579891 0.820248 1.000000 0.395277 0.616109 IPAPIG8 0.428422 0.478578 0.395277 1.000000 0.641080 IPCPIG8 0.871328 0.783890 0.616109 0.641080 1.000000 Fuente: Eviews 9 El diagnostico de esta evidencia, puede observarse en la Tabla de Correlaciones (tabla 22) adjunta donde se demuestra que las cotizaciones para los tres commodities 91 seleccionados presentan una correlación positiva con el Índice de Precios al consumidor y el Índice de Producción Agregada, de los Países Industrializados. Se observa que la correlación existente entre la cotización del oro y el Índice de Precios al Consumidor (ryx1 = 0.871328) es mayor que la correlación existente entre la cotización del oro y el Índice de Producción Agregada (ryx2 = 0.428422). La misma tendencia se aprecia para los demás commodities, demostrando que el efecto precio es mayor que el efecto producción en la determinación de la cotización de los commodities evaluados. La variable Tipo de Cambio Real de los Estados Unidos (TCRUSA) resultó ser una serie que afecta significativamente la cotización del Cobre y del Zinc, pero no a la cotización del Oro, lo que demuestra que el precio del oro responde más a variables internacionales que a variables de su propio mercado, por otro lado la demanda mundial del Oro está dirigida hacia los Bancos Centrales Europeos (para fortalecer el precio del Euro frente al Dólar de Estados Unidos de América), lo que justifica la poca significancia estadística de TCRUSA sobre la cotización del Oro. La incorporación de una nueva serie tal como la Tipo de Cambio Real del Euro en la especificación dinámica de los modelos evaluados en esta investigación, podría ser parte de un estudio más profundo sobre el tema. En las estimaciones paramétricas realizadas en primeras diferencias siguiendo el modelo de Borensztein y Reinhart (1994), la variable significativa para los tres commodities evaluados en el modelo econométrico resultó ser el tipo de cambio real de los Estados Unidos de América. Estos resultados tienen concordancia con los 92 resultados obtenidos por Dornbush (1985 y 1984) donde el precio de los commodities es excesivamente sensible al tipo de cambio real de los Estados Unidos de América; asimismo en las estimaciones realizadas por Borensztein y Reinhart, quienes incluyeron una proyección instrumental para el tipo de cambio real; no se eliminó la importancia del tipo de cambio real en la determinación de la cotización de los commodities. El modelo de oferta y demanda permite explicar y determinar el precio de los commodities minero metálicos tanto en el corto como en el largo plazo, según Tilton (1985), Tilton (1992), Ulloa A. (2002a), Ulloa A. (1992b), Naqvi (2013) y Halland, Lokanc, Nair & Padmanabhan (2016) existen consideraciones específicas en uno u otro caso, como se muestra a continuación: Corto plazo En el corto plazo podemos observar lo siguiente: 1. La Figura 17 ilustra conceptualmente la curva de oferta de un commodity minero metálico en el corto plazo. De hecho, si en el mercado existen muchos productores, de forma que la producción de ninguno de ellos tiene un efecto significativo sobre el precio del producto en cuestión, entonces la curva de oferta vendrá dada por la curva de costos marginales. 2. Como lo muestra la figura 17, la curva de oferta en el corto plazo es relativamente plana para gran parte de la producción (en la práctica presenta, sin embargo, una pequeña pendiente positiva); pero, debido a la restricción que impone la capacidad –que es la principal característica de la oferta de corto plazo– la pendiente de la 93 curva se hace muy pronunciada en el tramo donde la demanda se intersecta con la oferta. Figura 17: Determinantes del precio a Corto plazo Fuente: Tilton 1992 p. 61 En la Figura 17 se consideran tres curvas de demanda dependiendo de si el mercado se encuentra en recesión (Dt), boom (Dp), o una situación intermedia (Dm). Como se desprende de esta figura, como resultado de la baja respuesta de la oferta en el tramo relevante para la determinación del precio, el precio del commodity puede variar considerablemente dependiendo de si la demanda es una u otra. Esto implica que en el corto plazo el precio será inestable o volátil, lo que bien se sabe causa problemas no sólo a los productores, sino que también a los consumidores y gobiernos cuyas economías dependen importantemente de sus recursos minerales. 3. Debido a que en el corto plazo la oferta de los commodities minero metálicos es inflexible, la Figura Nº 17 permite afirmar que la principal responsable de la determinación del precio de los commodities minerales en el corto plazo es la 94 demanda. Tanto la demanda como la oferta no son observables en la práctica. Afortunadamente, en aquellos productos minerales transados en bolsa es posible observar la variación de la demanda y oferta a través del cambio en los inventarios. De esta forma, en el corto plazo el aumento de la demanda se advierte indirectamente a través de una disminución en los inventarios; mientras que lo contrario ocurre con la oferta. De aquí, es esperable (y de hecho así ocurre) que exista una relación inversa entre los inventarios y el precio de los commodities minerales. Aun así, el cambio en los inventarios sólo es capaz de explicar parte (aunque importante) de la variación en el precio, existiendo otros factores “estructurales” responsables del resto, particularmente referidos a la velocidad de ajuste de las condiciones de equilibrio. 4. En el corto plazo, la especulación financiera (cuya PROXY resulta ser el Índice de Precios al Consumidor) también juega un rol sustancial en la formación del precio para aquellos productos transados en bolsa. 5. Si bien se reconoce la existencia de la especulación en el mercado, para los economistas de minerales ésta no tiene ningún efecto sobre la determinación del precio, incluso en el corto plazo. Sin embargo, esta posición ortodoxa no permite explicar la burbuja especulativa que afectó al precio de la plata en 1979 cuando los hermanos Hunt arrinconaron el mercado, ni la menos afortunada (y espectacular) intervención de Yasuo Hamanaka en 1996 en el mercado del cobre. Aun así, parece insostenible atribuir a la especulación financiera la mayor parte del aumento en el precio de los commodities minerales en el último quinquenio, toda vez que la mayoría de los productos minerales no transados en bolsa 95 experimentaron incrementos de precios incluso más espectaculares que aquellos donde la especulación financiera sí existe (por ejemplo, el molibdeno, que no se transa en bolsa, incrementó su valor casi siete veces en términos nominales). Largo plazo En el largo plazo podemos observar lo siguiente: 1. La importancia del precio de largo plazo radica en que es una de las variables centrales sobre las que se basa la estrategia competitiva de las empresas mineras, así como los planes de las minas controladas por las mismas. Claves, entonces, son los factores que determinan la curva de oferta de largo plazo. Entre éstos se encuentran la disponibilidad del mineral, el cambio tecnológico, los costos asociados a la mano de obra e insumos, así como cualquier otra tendencia en la inversión y los costos de producción. 2. En el largo plazo la economía de minerales asume que toda restricción de capacidad puede ser eliminada. Esto permite incorporar una noción de curva de oferta. En ésta se asume la existencia de una gran cantidad de depósitos de costos altos pero similares, referidos como depósitos marginales, lo que permite anticipar una curva de oferta más bien plana para un amplio rango de demanda (esto último cuenta, además, con el apoyo de la geología, al menos parcialmente). La horizontalidad de la curva de oferta hace posible el pronóstico del precio de largo plazo puesto que para un amplio rango de curvas de demanda el precio será prácticamente igual al costo de los depósitos marginales. El precio así obtenido se conoce en economía de minerales como el precio de incentivo, puesto que sobre éste existe un incentivo económico a la entrada de nueva producción y, bajo él, al 96 cierre de operaciones. Por otro lado, la determinación del precio de largo plazo utilizando la metodología antes descrita se conoce como técnica del precio de incentivo y ha sido usada para pronosticar dichos precios en economía de minerales por casi tres décadas. 3. La técnica del precio de incentivo no está exenta de críticas. Tal vez la principal se refiere al hecho de que esta teoría descansa en un largo plazo que es independiente de las acciones que se tomen en el corto plazo. El largo plazo no debe ser entendido como un estado independiente del corto plazo, sino que más bien como el estado futuro al cual se llega concatenando periodos de corto plazo. De esta forma, mientras que la técnica del precio de incentivo responsabiliza a la oferta como principal conductor del precio de largo plazo. 4. Si bien la técnica del precio de incentivo funciona en la práctica, esto no se debe a que descanse sobre bases teóricas sólidas, sino que más bien al hecho de que gran parte de los actores de la industria minera se guían por la misma, con lo cual se termina convirtiendo en una “profecía autocumplida”. 5. Hoy existen teorías económicas (entre las cuales la teoría de juegos y la econometría se vislumbra como las más prometedoras) que permitirían no sólo mejorar la estimación del precio de largo plazo, sino que incorporar explícitamente consideraciones estratégicas en dicho precio, tales como el timing de la inversión. Sin embargo, todavía se requiere de desarrollo para incorporar las características específicas de las industrias de minerales. 97 5.2. Conclusiones  En el análisis de correlación entre la oferta mundial de los commodities oro, cobre y zinc y sus respectivas cotizaciones; la correlación más significativa se observa en el cobre: 78.59%, sustentada dada su mayor demanda mundial.  En el análisis de correlación entre el índice de producción agregada de los países industrializados y las cotizaciones de los commodities oro, cobre y zinc; la correlación más significativa se observa entre la cotización del commodity cobre y el IPAPIG8: 47.86%; explicada por la inminente demanda por este mineral para los procesos de manufactura en el resto del mundo.  En el análisis de correlación entre el índice de precio al consumidor de los países industrializados y las cotizaciones de los commodities oro, cobre y zinc; se observa una alta correlación entre la inflación mundial (PROXY IPCPIG8): 87.13%; explicada fundamentalmente por el fuerte sesgo de los Bancos Centrales en adquirir este mineral con el objetivo de preservar su estabilidad monetaria. Asimismo se ha visto a menudo como un activo de refugio a largo plazo de la riqueza.  En el análisis de correlación entre el tipo de cambio real de USA y las cotizaciones de los commodities oro, cobre y zinc; se observa mayor correlación entre TCRUSA y el precio del commodity oro.  En la estimación paramétrica del commodity oro existe un ajuste en la calibración del orden del 90% así como una alta significancia individual para las series. Las variables que resultaron ser más significativas (en orden de significancia) son: el 98 precio internacional del petróleo, el índice de precios al consumidor de los países industrializados, la producción mundial del oro, el índice de producción agregada de los países industrializados y la tasa de interés real de los Estados Unidos de América.  En la estimación paramétrica del commodity cobre se observa un ajuste en la calibración del orden del 89.5% así como una alta significancia individual para las series. Todas las variables resultaron ser significativas. Cabe resaltar como factor determinante de la cotización internacional del cobre, al precio internacional del petróleo, insumo básico en el proceso de transformación y transporte del mineral extraído.  En la estimación paramétrica del commodity zinc se observa un ajuste en la calibración del orden del 65.12% así como una alta significancia individual para las series. La tasa de interés real de los Estados Unidos de América es el factor determinante de la cotización internacional del zinc. Asimismo se observa que los coeficientes estimados de esta especificación resultaron estadísticamente significativos al 95%, con excepción de la producción mundial del zinc.  Asimismo la tasa de interés real de USA es un factor determinante en la cotización de los tres commodities evaluados cobre, oro y zinc; siendo ésta más significativa en la cotización del zinc.  Finalmente al realizar las estimaciones econométricas en primeras diferencias siguiendo el modelo de Borensztein y Reinhart se concluye que la cotización internacional del petróleo, producción mundial del cobre y tipo de cambio real de los Estados Unidos de América son variables significativas en la determinación 99 del precio del commodity cobre; la tasa de interés real de los Estados Unidos de América, el tipo de cambio real de los Estados Unidos de América y producción mundial del zinc son variables significativas en la determinación del precio del commodity zinc y la variable tipo de cambio real de los Estados Unidos de América es la variable significativa en la determinación del precio del commodity oro. 5.3. Recomendaciones El Perú es uno de los principales países mineros y uno de los mayores productores de metales en el mundo. El crecimiento económico observado en los últimos años ha venido impulsado por el buen desempeño de la minería y por el incremento de los precios internacionales de los commodities minero metálicos. Las recomendaciones de política para el sector minería metálica son complejas y requiere de una amplia colección de datos geológicos, metalúrgicos y relacionados con la minería; por lo tanto se recomienda:  Monitorear las variables que determinan las cotizaciones de los commodities minero metálicos como el tipo de cambio real de USA; que resulto ser uno de los principales determinantes de los precios de los tres commodities minero metálicos (oro, cobre y zinc).  Promover las inversiones locales e internacionales en la exploración, el desarrollo y la producción en minería metálica para lo cual las autoridades competentes deben poner a disposición datos geológicos (indicadores del tamaño y la calidad de los posibles yacimientos) y estableciendo un clima de inversión favorable; que permita 100 mejoras en la sociedad en general como la reducción de los niveles de pobreza en el país.  Establecer un sistema de concesiones mineras donde debe incorporarse tres exigencias: a) la protección de la biodiversidad y el medio ambiente, b) respeto de derechos de las comunidades campesinas y los pueblos indígenas y, c) la participación de los gobiernos descentralizados y la planificación del territorio.  Promover la máxima transparencia de la información -con fácil acceso, oportuna y permanente-sobre: las concesiones mineras entregadas en el territorio nacional, incluyendo ubicación, tamaño, dueño, estado de gestión, y otra información relevante.  Por otro lado, se recomienda profundizar la investigación con estimaciones más sofisticadas y simulaciones econométricas para cada commodity; incorporando en el modelo más variables como otros commodities minero metálicos no incorporados en el modelo; así como variables exógenas como el tipo de cambio y la tasa de interés de la zona euro, el índice de precios al consumidor y el índice de producción agregada de países como China e India entre otros. 101 Referencias bibliográficas Acosta, F. A. (2009). Impacto de las variables macroeconómicas en el ciclo de precios de commodities minerales. Santiago de Chile: universidad de Chile. Barreto, R. (2016). Análisis del mercado de commodities en argentina, Brasil, Chile y Colombia y su relacion con el crecimiento económico 2008T2-2016T1. Bogotá: Fundación Universitaria los Libertadores. BCRP. (2016). Memoria 2016. Lima: BCRP. BCRP. (2011). Glosario de Términos Económicos. Lima. Borenstein, E., & Reinhart, C. (1994). The macreoconomic determinants of commodity prices. Papers Vol. 41 No. 2 Junio. IMF Staff. Cárdenas, J. (2016). Superciclos de commodities: Cadenas de Markotv para explicar cambio de régimen y su importamcia predictiva. Lima: Universidad del Pacífico. Casas, C., & Málaga, A. (2016). Modelo de equilibrio parcial del sector minero para una economía pequeña y abierta como la peruana. Lima: Centro de Investigacion Universidad del Pacifico. Chu , K., & Morrison, T. (1984). The 1981- 82 Recession and Non-Oil Primary Commodity Prices. Staff Papers. IMF. Vol. 31 Marzo, 93-140. Clavijo , P., & Ros, J. (2015). La ley de Thirlwall una lectura crítica. Investigación económica Vol. LXXIV Núm. 292 abril-junio, 11-40. Contreras, A. A., & Gutiérrez, B. R. (2016). Efectos de los ciclos de los precios de metales: Estimacion de un modelo de equilibrio general con Time to Build para la economia peruana 2001-2015. Lima: Universidad del Pacifico. Cruz, T. (2015). El impacto del indice y volatilidad del precio de los commodities en los ingresos fiscales en el Perú 2000-2015. Trujillo: Universidad nacional de Trujillo. De la Cuba, M., & Ormeño, A. (2003). La volatilidad del sector primario exportador: Una aproximación al caso peruano. BCRP: Estudios Economicos Nº 9, 149-172. Dornbusch, R. (1985). Policy and Performance Links Between LDC Debtors and Industrial Nations. Brookings Papers on Economic Activity, Vol. Nº 2, 303-368. Fornero, J., & Kirchner, M. (2014). Learning About Commodity Cycles and Saving- Investment Dynamics in a Commodity-Exporting Economy. Working paper of the Central Bank of Chile Nº 727. Mayo. Santiago. Gilbert, C. L. (1989). The Impact of Exchange Rates and Developing Country Debt on Commodity Prices. The Economic Journal. Vol. 99, No. 397. Setiembre, 773-784. Guerrero, R. (1990). Estudio de la metalurgia del cobre en la cultura Vicus. Piura: Universidad de Piura. 102 Gujarati, D. N. (2010). Econometria. Mexico D.F.: McGRAW-HILL/Interamerica Editores S.A. Halland, H., Lokanc, M., Nair , A., & Padmanabhan, S. (2016). El sector de las industrias extractivas: Aspectos esenciales para economistas, profesionales de las finanzas públicas y responsables de políticas. Washington, DC: Banco Mundial. Harrod, R. F. (1933). International Economics. London: Nisbet & Co. Hernández, R., Fernández, C., & Baptista, M. (2010). Metodologia de la investigacion . Mexico: McGraw-Hill / Interamericana Editores S.A. . Hill, C. (2011). Negocios Internacionales. Competencia en el mercado global. Mexico: McGraw-Hill/Interramericana editores S.A. Kaldor, N. (1975). Economic Growth and the Verdoorn Law - A Comment on Mr Rowthorn's Article. The Economic Journal. Vol. 85, No. 340. December., 891-896. Kravis, I. B. (1956). Availability and Other Influences on the Commodity Composition of Trade. Journal of Political Economy Vol. 64, Nº 2. April, 143-155. Krugman, P., Obstfeld, M., & Melitz, M. (2012). Economia Internacional teoria y politica. Madrid: Pearson Edicación, S.A. Lombardi, M., Osbat, C., & Schnatz, B. (2010). Global Commodity Cycles and Linkages a Favar Approach. Frankfurt: European Central Bank. Lucas, R. (1988). On the mechanics of economic development. Journal of Monetary Economics Vol. 22, Nº 1, July, 3-42. Macroconsult. (2012). Impacto Económico de la Minería en el Perú. Lima: Sociedad Nacional de Minería, Petróleo y Energía. Mankiw, N. G. (2012). Principios de Economía. Mexico: Cengage Learning Editores, S.A. de C.V. Medina, J. P., & Soto, C. (2007). The Chilean Business Cycles Through the Lens of a Stochastic General Equilibrium Model. Working Papers. Central Bank of Chile Nº 457. MINEM. (2017 ). Anuario Minero 2016, Ministerio de Energia y Minas. Lima: MINEM, Abril. Mochon , F. (2009). Economía Teoría y política. Madrid: McGraw-Hill/Interamericana. Naqvi, K. (2013). The Metals Markets. En S. Gibner, Commodity Investing and Trading (págs. 133-164). United Kingdom: Berforts Group Ltd. Parkin, M. (2009). Economía (Octava ed.). México: PEARSON EDUCACIÓN. Reicher, C., & Utlaut, J. (2011). The Effect of Inflation on Real Commodity Prices. Kiel: Kiel Institute for the World Economy. Reinhart, C., & Wickham, P. (1994). Commodity Prices: Cyclical Weakness or Secular Decline? Paper vol.41, No 2, Junio, p. 175-213. IMF Staff. 103 Romer, P. (1986). Increasing Returns and Long-Run Growth. The Journal of Political Economy, Vol. 94, No. 5. Octubre, 1002-1037. Sala-i-Martin, X. (2001). Fifth Annual Conference of the Central Bank of Chile, The Challenges of Economic Growth. 15 years of New Growth Economics: What Have We Learnt? Santiago, Chile. Salvatore, D. (1999). Economia Internacional. Mexico: Prentice Hall Hispanoamericana S.A. Schaper, M. (2007). Los desafíos del desarrollo sostenible en las economías abiertas en América Latina y el Caribe. Pensamiento iberoamericano, 199-213. Sims, C. A. (1980). Macroeconomics and Reality. Econometrica, Vol. 48, No. 1, 1-48. Sinnott, E., Nash, J., & De La Torre, A. (2010). Natural resources in Latin America and the Caribbean: beyond booms and busts? Washington DC.: The World Bank. Stock, J., & Watson, M. (2012). Introducción a la Economtría . Madrid: Pearson Educación S.A. Survey, U.S.Geological. (2017). Mineral Commodity Summaries. Virginia: U.S. Geological survey 202 p. Thirlwall, A. (1979). The Balance of Payments Constraint as an Explanation of International Growth Rate Differences. Banca nazionale de Laboro Quarterly Review, 45-53. Tilton, J. (1985). The Metals. En W. Voyely, Economics of the mineral industries : a series of articles by specialists (4th ed., págs. 384-415). New York: American Institute of Mining, Metallurgical, and Petroleum Engineers. Tilton, J. (1992). Economics of the Minerals Industries. En H. Hartman, Mining Engineering Handbook vol. 1 (2nd ed., págs. 47-67). Littleton: Colorado Society for Mining, Metallurgy and Exploration INC. Torres Avendaño, G. I. (2005). El Acuerdo de Basilea: Estado del Arte del SARC en Colombia. AD-minister Nº 6 Enero - Junio. Universidad EAFIT, 114-134. Trujillo Calagua, G. (2010). Econometría con Eviews. Cajamarca: Universidad Nacional de Cajamarca. U.S. Geological Survey . (2017). Mineral Commodity Summaries 2017. Virginia: U.S. Geological Survey. Ulloa, A. (2002 a). Análisis econométrico del consumo mundial del cobre y perspectivas futuras. En P. Meller, Dilemas y Debates en torno al Cobre (págs. 101-172). Santiago, Chile: Dolmen CIEPLAN. Ulloa, A. (2002 b). Tendencia y Volatilidad del Precio del Cobre. En P. Meller, Dilemas y Debates en torno al Cobre (págs. 291-337). Chile: Dolmen CIEPLAN. Yague Aguilar, P. (2014). Estudio de los commodities: El caso de los cereales. Madrid: Universidad Pontificia Comillas. 104 Abreviaturas BCRP: Banco Central de Reserva del Perú. COT_COBRE : Cotización commodity cobre. COT_ORO: Cotización commodity oro. COT_ZINC: Cotización commodity zinc. FOB: (Free on Board) Libre a bordo. IMF: International Monetary Fund. IPAPI: Índice de Producción Agregada de los Países Industrializados. IPCPI: Índice de Precios al Consumidor de los Países Industrializados. LME: London Metal Exchange. MCO: Mínimos Cuadrados Ordinarios MINEM: Ministerio de Energía y Minas. NYMEX: New York Mercantile Exchange. OTC: (Over the Counter) Mercado extrabursátil / mercado paralelo no organizado. PBI: Producto Bruto Interno. TCRUSA: Tipo de Cambio Real de Estados Unidos de América. TIRUSA: Tasa de Interés Real de Estados Unidos de América WTI: (West Texas Intermediate) precio del barril de petróleo. 105 Definiciones conceptuales Cobre El cobre es quizás uno de los primeros metales que fue usado por el hombre; 6,000 a.C. ya se conocía el arte de fundirlo y trabajarlo para la confección de instrumentos y artículos domésticos. Su nombre deriva del término latín "ciprium" por Cyprus (Chipre), isla de donde fue obtenido por los romanos, denominándosele "Cuprum". Es un metal de color rojizo, de superficie brillante, lustrosa, dúctil, maleable, flexible, buena resistencia a la corrosión, buen conductor de calor, su propiedad física más importante es su alta conductividad eléctrica. Pertenece al grupo de los metales nobles junto con el oro y la plata, elementos que se caracterizan por su escasa reactividad por lo que es corriente encontrarlos libres en la naturaleza. En la naturaleza el cobre se encuentra en dos formas: en estado nativo (al igual que el oro y la plata), y en forma de compuestos, que es lo más frecuente, especialmente formando óxidos y sulfuros. El cobre forma aleaciones con la mayoría de los metales; estas aleaciones se caracterizan por su resistencia mecánica moderada unida a una elevada ductilidad, en el vasto campo de las aleaciones de cobre encontramos materiales que cumplen muy variados requisitos respecto a las propiedades mecánicas a las que hay que añadir las características propias del cobre como elevada conductibilidad térmica y eléctrica, buena resistencia a la corrosión y al desgaste, entre otros (Guerrero, 1990). 106 Se utiliza en industrias cíclicas como la construcción y se considera un indicador adelantado del crecimiento. Sus principales usos son para el cableado eléctrico, telecomunicaciones, componentes electrónicos, tuberías; asimismo es usado en los sistemas de aire acondicionado y en los sistemas de procesado de comida. Se trata del tercer metal básico más utilizado, por detrás del hierro y el aluminio. Los principales mercados de cotización del cobre son el LME, el NYMEX y el Shanghai Futures Exchange (SFE). Los mayores consumidores de cobre en el mundo son Estados Unidos y China. Commodities Un commodity se define como todo bien que tiene valor o utilidad y muy bajo nivel de diferenciación o especialización. Un commodity es un producto o bien por el que existe una demanda en el mercado y se comercian sin diferenciación cualitativa en operaciones de compra y venta, es un término que generalmente se refiere a bienes físicos que constituyen componentes básicos de productos más complejos. Un commodity es un producto de atributos no diferenciados, donde el factor precio es la clave determinante de compra. Su significado tradicional se circunscribe primordialmente a materias primas (Torres Avendaño, 2005). Tipos de commodities: Metales industriales.- También conocidos como metales no ferrosos, este grupo lo compone el aluminio, el cobre, el plomo, el níquel, el estaño y el zinc. Pero en esta lista encontramos un gran ausente: el acero11. El acero es el metal más importante en 11 Acero = Fe + C (mezcla de hierro con una cantidad de carbono variable entre el 0,03 % y el 2,14 % en masa de su composición). 107 la economía mundial, sin embargo, debido a la gran variedad de tipos del mismo no se negocian en los mercados de commodities. Los seis metales industriales son negociados en diversos mercados a nivel global. No obstante, los principales contratos de referencia se negocian en el London Metal Exchange (LME). Metales preciosos.- Los metales preciosos son los que tienen mayor valor económico porque no son abundantes, es decir, son escasos en la naturaleza. Algunos metales preciosos como el iridio excepcionalmente alcanzan las 8 toneladas de producción anual ya que se encuentra en menos de una billonésima parte de la corteza terrestre. Los metales considerados preciosos además del iridio tenemos: el oro, la plata, el paladio, el platino, el rutenio o el rodio. Los commodities oro y plata ocupan el primer y segundo lugar en el ranking de metales preciosos con mayor volumen de transacciones, según el New York Mercantile Exchange la que recoge el mayor volumen de estos futuros y opciones. Softs.- Los commodities que son cultivados y crecen en la naturaleza se denominan softs. De acuerdo a esta especificación tenemos a los commodities tropicales como el café, el cacao o el azúcar, asimismo, tememos los granos como el maíz, el trigo o la soja. No obstante, dada la importancia adquirida en los últimos años, existe un consenso para englobar bajo esta denominación solo productos tropicales, formándose otro grupo específico para los granos. Carnes y derivados.- La carne de ganado porcino es la más consumida a nivel mundial. También en este mercado encontramos carne de ganado bovino, de aves, así como huevos, leche, manteca y derivados. 108 Energéticos.- La importancia de los commodities energéticos a nivel mundial se debe al predominio del petróleo crudo en la economía a nivel mundial. De acuerdo a Yague Aguilar (2014) “el petróleo es el commodity más negociado globalmente, tanto en el mercado de futuros como en el spot. Además del petróleo y sus derivados, en este grupo se encuentran el gas natural, etanol, electricidad, carbón, uranio, entre otros”. Mercados de commodities Los commodities minero metálicos se transan en dos tipos de mercados. El mercado spot y futuros. Los contratos de referencia del mundo están listados en la London Metal Exchange (LME). Sin embargo, otros contactos clave incluyen al Comex Copper y Shanghai Futures Exchange (SHFE) para los contratos de cobre. Participan activamente los agentes comerciales (compañías mineras, usuarios industriales, comerciantes físicos, consumidores finales), bancos, corredores, fondos de cobertura e inversores institucionales. Los metales preciosos que se comercializan activamente son oro (que se negocia más activamente y tiene el mayor número de participantes), plata, platino y paladio. Todos estos tienen OTC líquido y mercados de intercambio. A diferencia de otros commodities, también tienen un mercado mayorista de comercio físico muy grande, del cual Londres es generalmente considerado como el centro global, aunque existe una amplia gama de importantes mercados locales en todo el mundo (Tilton, 1985), (Tilton, 1992), (Ulloa A. , 2002 b), (Naqvi, 2013), (Halland, Lokanc, Nair , & Padmanabhan, 2016). Correlación Es un estadístico que mide el grado de asociación lineal entre dos variables aleatorias teniendo en cuenta las unidades en que éstas se miden. Su valor se expresa en 109 porcentaje y oscila entre: -1< rxy < 1. Un rxy más cerca a la unidad indica una fuerte correlación entre ambas variables. (Trujillo, 2010) Estacionariedad Es una condición estadística de una variable aleatoria, que consiste en que la variable no deambule en torno a un valor predeterminado en el tiempo, es decir, debe girar en torno a una media, sin presentar una conducta errática o atípica. Estadísticamente de acuerdo a Trujillo (2010) “una variable estacionaria es aquella que se comporta con una media y una varianza constante en el tiempo, es decir que el proceso estocástico subyacente que lo generó es invariante con respecto al tiempo, es decir, estacionario” (p. 91). Si el proceso estocástico es estable en el tiempo, entonces se puede modelar el proceso a través de una ecuación con coeficientes estables que pueden ser estimados a través de datos pasados. Índice de Precios al Consumidor (IPC) El Índice de Precios al Consumidor (IPC) de acuerdo a Parkin (2010) “es una medida del promedio de precios que pagan los consumidores urbanos por una canasta fija de bienes y servicios de consumo”. Tradicionalmente el IPC se ha calculado aplicando un Índice de Laspeyres convencional. El IPC considera únicamente los precios de los bienes y servicios de consumo final que adquieren las familias. Por consiguiente no considera los precios de los bienes de capital ni los bienes intermedios. 110 Modelo Económico Un modelo económico es la representación formal y abstracta de la realidad mediante el uso de variables endógenas (dependientes) y exógenas (independientes), que intentan describir un determinado fenómeno económico variables (Trujillo, 2010). Oro El oro en un elemento químico metálico (Au) cuyo nuero atómico es 79, según el DRAE (2014) “de color amarillo brillante, el más dúctil y maleable, muy buen conductor del calor y electricidad, escaso en la corteza terrestre, encontrándose nativo y muy disperso, utilizado en joyería, monedas y en odontología aleado con platino o paladio”. Se extrajo por primera vez hace aproximadamente 4 000 años y fue utilizado para acuñar moneda por primera vez el año 640 a. C, en la región que hoy es Turquía. La mayor parte de la demanda de oro está relacionado con la joyería. Generalmente se acostumbra realizar aleaciones de oro otros metales como la plata o el cobre, debido a que, en el uso diario el oro puro no es tan resistente. El oro por tener propiedades físicas y químicas como la conductividad eléctrica y resistencia la corrosión tiene aplicaciones en las diferentes industrias como la electrónica, química, aplicaciones médicas o fotografía. No obstante, la cotización elevada del oro limita un mayor desarrollo en las industrias. El principal mercado de cotización del commodity oro es el New York Mercantile Exchange (NYMEX). El oro es el más líquido de los metales preciosos y su cotización es en USD por onza. Producción minería e hidrocarburos De acuerdo al BCRP (2011) “el PBI minero es la suma del valor de producción minera e hidrocarburos”. El PBI minero se calcula con la información de los volúmenes de producción de los metales cobre, oro, zinc, plata, plomo, cadmio, hierro, estaño y 111 molibdeno. Así como la información de los volúmenes de producción de los hidrocarburos: petróleo crudo y gas natural. Ruido blanco (White noise) Este concepto está ligado a los residuos de la regresión. Los residuos de un modelo se dice que son “ruido blanco” si son una secuencia distribuida idéntica e independientemente con media cero y varianza constante. También se le conoce como proceso puramente aleatorio (Trujillo, 2010). Tasa de interés real Según Mankiw (2009) “la tasa de interés ajustada por la inflación se llama tasa de interés real, es decir, la tasa de interés real es la diferencia entre la tasa de interés nominal y la tasa de inflación”. La relación entre la tasa de interés real, la tasa de interés nominal y la inflación es: Tasa de interés real = Tasa de interés nominal – Tasa de inflación. La tasa de interés real de acuerdo a Parkin (2009) “es el costo de oportunidad de los fondos prestables, independientemente de su fuente. La tasa de interés real también es el costo de oportunidad de usar las utilidades retenidas”. La fórmula exacta es: Tasa de interés nominal – tasa de inflación Tasa de interés real = - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - x 100 1 + Tasa de inflación 112 La tasa de interés nominal nos dice qué tan rápido aumenta con el tiempo la cantidad de dinero, mientras que la tasa de interés real nos dice qué tan rápido aumenta con el tiempo el poder de compra. Tipo de cambio real El tipo de cambio real de acuerdo a Parkin (2009) “es el precio relativo de los bienes y servicios producidos en el país extranjero expresado en términos de los bienes y servicios producidos en el país local”. El tipo de cambio real según Mankiw (2009) “es el tipo al que una persona puede cambiar los bienes y servicios de un país por los bienes y servicios de otro”. La fórmula para calcular el tipo de cambio real es: Índice de precios nacional Tipo de cambio real = Tipo de cambio x - - - - - - - - - - - - - - - - - - - - - Nominal Índice de precios extranjero Por lo tanto, el tipo de cambio real depende del tipo de cambio nominal y de los precios de los bienes en los dos países medidos en las monedas locales. Variables Las variables económicas de acuerdo a su dependencia o independencia respecto de otras variables se clasifican en: Variable endógena.- Variable que es explicada por un conjunto de variables que suponen su estructura. También se le denomina variable dependiente. Variable exógena.- Aquellas que explican el comportamiento de un fenómeno económico. También se les conoce como variables independientes (Trujillo, 2010). 113 Zinc El zinc es un elemento químico metálico (Zn) cuyo número atómico es 30, de acuerdo al DRAE (2014) “es de color blanco, brillante y blando, abundante en la corteza terrestre en forma de sulfuro, carbonato o silicato, utilizado en la fabricación de pilas eléctricas, formación de aleaciones (latón), y en la galvanización del hierro y acero”. Aproximadamente el 55% de la producción mundial se utiliza para galvanizar y evitar la corrosión de los metales como el hierro y acero. Asimismo se utiliza en las industrias automovilística, eléctrica y química. Es el cuarto metal industrial más utilizado. Los países con mayor demanda por zinc son China, Estados Unidos de América y Japón. 114 Anexos 115 Anexo 1: Matriz de consistencia PROBLEMA OBJETIVOS HIPÓTESIS VARIABLES TITULO Metodología Dependiente o Problema principal Objetivo general Hipótesis general endógena Definir y analizar los determinantes El precio de los principales commodities ¿Cuáles son los determinantes macroeconómicos de los precios de los minero metálicos del Perú oro, cobre y macroeconómicos de los precios de principales commodities minero zinc se explica de manera significativa Precio de los los principales commodities minero metálicos del Perú, entre ellos oro, por la producción mundial, y los precios commodities metálicos del Perú, entre ellos oro, cobre y zinc en el periodo 1990 – 2016 pasados de estos minerales, así como por (cotización oro, cobre y cobre y zinc en el periodo 1990 – el índice de producción agregada de los zinc) 2016? países industrializados. en el periodo 1990 – 2016 Independientes o Problemas Específicos Objetivos específicos Hipótesis especificas Uso de Determinantes exógenas ¿Es la producción mundial de los Analizar la relación existente entre la La producción mundial de los principales Producción mundial información macroeconómicos principales commodities minero producción mundial de los principales commodities minero metálicos (cobre, del oro, cobre y zinc secundaría de los precios de metálicos una variable que commodities minero metálicos (oro, oro y zinc) determina de manera (PROD_ORO, determina la cotización de estos cobre y zinc) y los precios de estos, en significativa la cotización de los mismos PROD_COBRE Y obtenida del los principales metales, en el período 1990-2016? el periodo 1990 – 2016. en el periodo 1990 – 2016 PROD_ZINC) BCRP, LME, commodities ¿Es el índice de producción Analizar la importancia del índice de El índice de producción agregada de los agregada de los países producción agregada de los países países industrializados resulta Índice de producción FMI minero metálicos industrializados una variable que industrializados como determinante del significativo como determinante del agregada de los países Aplicación de del Perú. Una determina el precio de los precio de los commodities minero precio de los principales commodities industrializados commodities minero metálicos del metálicos en estudio en el periodo 1990 minero metálicos de exportación. en el (IPAPI) Métodos aproximación Perú en el período 1990 – 2016? – 2016. periodo 1990 – 2016 Econométricos empírica 1990 - ¿Es índice de precios al consumidor Conocer la relación existente entre el El índice de precios al consumidor mundial una variable que determina índice de precios al consumidor mundial resulta significativo como Iíndice de precios al con software 2016 el precio de los commodities mundial y el precio de los commodities determinante del precio de los consumidor de los Eviews. minero metálicos del Perú en el mineros metálicos en estudio en el principales commodities minero países desarrollados período 1990 – 2016? periodo 1990 – 2016. metálicos en estudio en el periodo 1990 – (IPCPI) 2016. ¿Cuál es el grado de importancia Establecer el grado de importancia que El tipo de cambio real de los EE.UU. del tipo de cambio real de los presenta el tipo de cambio real de los determina de manera significativa el EEUU en la determinación del EEUU, en la determinación de la precio de los principales commodities Tipo de cambio real de precio de los principales cotización de los principales minero metálicos en estudio en el USA (TCRUSA) commodities minero metálicos del commodities minero metálicos en el periodo 1990 – 2016. Perú en el periodo 1990- 2016? periodo 1990 – 2016 116 ¿Es la tasa de interés real de USA Conocer la relación existente entre la La tasa de interés real de USA determina una variable determinante de los tasa de interés Real USA y la de manera significativa la cotización de Tasa de interés real de precios de los commodities minero cotización de los commodities minero los commodities minero metálicos del USA (TIRUSA) metálicos del Perú en el periodo d metálicos en el periodo de 1990 - 2016 Perú en el periodo de 1990-2016 1990 - 2016? ¿Cuál es la relación entre el precio Conocer la relación existente entre el El precio internacional del petróleo internacional del petróleo y los precio internacional del petróleo y la determina de manera significativa la precios de los commodities minero cotización de los commodities minero Precio internacional del cotización de los commodities minero petróleo (WTI) metálicos del Perú en el periodo metálicos en el periodo de 1990 - 2016 metálicos del Perú en el periodo de 1990- 1990 - 2016? 2016 Fuente: Elaboración propia 117 Anexo 2: Matriz de Operacionalización de variables Dimensiones (aspecto Escala de Variable Definición conceptual Definición operacional Indicadores sub variables) Medición Dependiente (Endógena) Cotización internacional del cobre, que Es la cotización Precio mundial del se tranzan en los principales mercados de cUS$/libras Razón internacional de los cobre commodities. Precios de los commodities mineros Cotización internacional del oro, que se Commodities metálicos de exportación: Precio mundial del oro tranzan en los principales mercados de US$/onza troy Razón Oro, Cobre y Zinc; que se commodities tranzan en las principales Cotización internacional del zinc, que se Precio mundial del bolsas internacionales. tranzan en los principales mercados de cUS$/libras Razón Zinc commodities Escala de Variable Definición conceptual Definición operacional indicadores medición Independientes (Exógenas) Índice de Producción Son los índices de producción de USA, Japón, Canadá y Agregada de los Países la Eurozona, el cual también considera las principales Variación porcentual Porcentaje (%) Razón Industrializados actividades industriales en dichos países Índice de Precios al Es un índice económico que valora los precios de una Consumidor de los países determinada cantidad de bienes y servicios que se Variación porcentual Porcentaje (%) Razón Industrializados consideran representativos de los hogares. Producción Mundial de Oro, Es la producción (oferta mundial) de estos tres Producción de oro en gramos finos, Cobre y Zinc commodities de exportación. cobre y zinc en Toneladas Métricas gf, TMF Razón Finas Es el precio relativo de los bienes entre diferentes países. Tipo de Cambio Real de Se define usualmente como la relación entre el poder de Precio US$/Euro Razón USA compra de una divisa en relación a otra divisa. Es la cotización de barril de petróleo en el mercado Precio Internacional del estadounidense. precio US$/Barril Razón petróleo Tasa de Interés Real de los Es la rentabilidad nominal o tasa de interés de un activo Estados Unidos descontando la pérdida del valor del dinero a causa de la precio Porcentaje (%) Razón inflación. Fuente: Elaboración propia 118 Anexo 3: Series utilizadas en el modelo econométrico Cot Cot Cot PROD PROD PROD WTI Periodos ORO COBRE ZINC IPAPI IPCPI TIRUSA TCRUSA ORO ZINC COBRE $ / barrel $/onz $ /Tn $/ Tn 1990M01 410.11 2191.36 1294.00 8643212.04 83529.22 39112.21 32.00050 84.064900 6.454902 0.9478431 22.69 1990M02 416.81 2511.02 1394.00 8725939.51 72423.22 35057.36 32.32545 84.367193 6.437500 0.9381250 21.55 1990M03 393.06 2797.62 1666.00 9051621.04 68215.11 33447.24 32.48785 85.134886 6.438569 0.9381804 20.34 1990M04 374.24 2577.16 1686.00 8711998.44 72822.32 34883.23 32.44880 85.814961 6.408068 0.9455392 18.50 1990M05 369.05 2469.14 1775.00 8729258.24 79954.28 37558.39 32.50340 85.588884 6.336174 0.9385747 17.47 1990M06 352.33 2546.30 1715.00 8441043.97 69379.31 33280.99 32.61430 85.716721 6.381832 0.9518861 17.05 1990M07 362.53 2762.35 1637.00 8873338.68 64275.62 31583.78 32.57715 85.550493 6.245211 0.9997701 20.57 1990M08 394.73 2865.96 1615.00 10081937.48 78817.31 37807.79 32.67640 85.866563 6.177812 1.0000000 27.45 1990M09 389.32 2791.01 1537.00 11812789.54 105218.31 48292.50 32.72295 85.517394 6.188679 0.9928302 39.53 1990M10 380.74 2585.98 1353.00 10664626.04 93245.47 43219.89 32.47250 85.306060 6.079460 1.0254873 35.31 1990M11 381.73 2449.29 1278.00 9494412.86 81046.73 38189.03 32.09385 85.338081 5.841436 1.0254301 29.08 1990M12 376.95 2608.02 1265.00 9344672.63 70639.17 34159.88 31.88060 85.744739 5.447094 1.0186289 28.48 1991M01 383.64 2365.52 1206.00 8183158.22 64424.60 31450.81 76.73975 86.385121 5.129918 1.0342984 21.90 1991M02 363.83 2528.66 1188.00 7624884.05 46608.66 24332.09 76.02450 86.252580 4.636499 0.9982938 19.28 1991M03 363.34 2345.68 1199.00 7704362.59 56699.94 28163.80 75.50410 86.817364 4.540059 0.8990356 19.63 1991M04 358.38 2334.66 1254.00 8027025.90 62847.53 30566.14 75.22315 87.128990 4.374537 0.8871947 20.99 1991M05 356.95 2131.83 1127.74 7752793.76 65384.75 31365.78 75.43190 87.449897 4.262537 0.8705015 21.16 1991M06 366.72 2226.63 1067.45 7563020.73 57418.34 28370.92 76.57440 87.769549 4.338235 0.8349265 20.56 1991M07 367.69 2226.63 1063.41 7741266.21 59982.29 29408.94 75.80065 87.780353 4.273128 0.8644640 21.70 1991M08 356.31 2299.38 1047.74 7742807.41 55294.44 27522.95 75.77575 87.890824 4.143485 0.8605417 22.28 1991M09 348.74 2369.93 1025.60 7649750.35 49474.97 25212.49 76.15885 87.842116 3.978102 0.8962774 22.25 1991M10 358.69 2345.68 991.65 7785548.92 52546.74 26505.75 76.20060 87.800526 3.797376 0.8922741 23.29 1991M11 360.17 2261.90 1100.65 7756507.74 58842.48 28923.00 76.71370 88.108690 3.490566 0.9107402 21.48 119 1991M12 361.73 2131.83 1185.08 7587055.94 64721.20 31125.21 76.28065 88.093411 3.205499 0.9673661 19.15 1992M01 354.45 2164.90 1157.66 7452582.71 59980.45 29207.75 76.39580 76.925886 2.913955 0.9172090 18.93 1992M02 353.91 2270.72 1135.48 7359696.35 53021.01 26537.71 76.86905 77.262540 2.929293 0.9007937 18.69 1992M03 344.34 2239.86 1217.77 7633872.21 59711.74 29091.46 76.65100 77.927736 2.861251 0.8936736 19.49 1992M04 338.62 2202.38 1304.95 8032765.54 68939.12 32685.92 76.78730 78.259793 2.675753 0.8934720 20.88 1992M05 337.24 2228.84 1377.74 8396582.74 74600.45 34961.65 76.69510 78.251747 2.734431 0.9151754 22.13 1992M06 340.81 2414.02 1385.41 8385182.45 66075.81 31782.15 76.25660 78.027292 2.683797 0.9598144 21.84 1992M07 352.72 2475.75 1320.41 8289463.32 61099.35 29967.51 75.94455 78.078617 2.313167 0.9841993 21.83 1992M08 343.06 2414.02 1363.40 8283703.34 64247.12 31071.29 75.83255 78.207324 2.343750 1.0234375 21.46 1992M09 345.43 2288.36 1367.12 8363226.00 71654.28 33917.00 75.41340 78.052904 2.282069 0.9822821 21.83 1992M10 344.38 2224.43 1158.36 7686451.51 59786.91 29117.44 75.75550 78.004647 2.187721 0.8983063 20.68 1992M11 335.02 2151.68 1052.24 7270009.96 53944.54 26635.65 75.50135 78.277622 2.174525 0.8664321 19.91 1992M12 334.82 2266.31 1061.48 7223188.20 48013.73 24384.44 74.77935 78.347765 2.052003 0.8465917 19.49 1993M01 329.01 2171.52 1067.57 7334522.20 53844.20 26566.23 75.17160 78.694241 2.114846 0.8480392 20.27 1993M02 329.31 2096.56 1073.63 7391845.40 58412.97 28314.18 74.96570 78.572898 2.117400 0.8232006 20.53 1993M03 330.08 2109.79 996.76 7201755.42 53238.97 26276.19 74.78255 78.448054 2.142359 0.8422889 20.44 1993M04 342.15 1845.24 1006.00 7297693.95 68371.18 32138.88 74.62915 78.397932 2.058414 0.8574409 20.54 1993M05 367.18 1752.65 979.26 7275998.58 73737.77 34394.55 74.42295 78.370987 2.080444 0.8488904 20.04 1993M06 371.89 1891.53 928.23 6983862.40 62021.82 29902.66 74.28765 78.195937 2.106722 0.7949411 18.82 1993M07 392.19 1937.83 930.07 6945002.05 60850.98 29650.69 74.18535 78.385880 2.117647 0.7567474 17.94 1993M08 378.84 1887.13 886.83 6827749.28 59504.49 28952.73 74.69925 78.198070 2.092541 0.7859116 18.24 1993M09 355.28 1638.01 875.73 6765043.98 68385.84 32039.74 75.01205 78.620566 2.131034 0.8012414 18.72 1993M10 364.18 1609.35 918.57 6627115.41 69457.55 32499.13 75.26950 78.954579 2.053571 0.7781593 16.97 1993M11 373.83 1638.01 929.39 6440569.03 66383.86 31374.40 75.36445 79.124293 2.068493 0.7674658 15.36 1993M12 383.30 1829.81 975.53 6406192.52 58585.43 28533.27 75.59420 79.406377 2.023240 0.7607656 14.19 1994M01 386.88 1915.78 998.60 6645861.57 58797.66 28742.25 75.82380 79.718326 2.084757 0.7662338 15.24 1994M02 381.91 1902.56 969.75 6435747.74 55305.72 27291.32 76.43085 79.390648 2.215406 0.7724608 14.50 120 1994M03 384.13 1909.17 937.61 6416425.37 54109.04 26843.90 76.74155 79.488067 2.270564 0.7829368 14.78 1994M04 377.27 2012.79 924.34 6695809.31 52387.23 26220.56 77.72125 79.529005 2.418478 0.7934103 16.92 1994M05 381.43 2292.77 956.71 7012950.60 44755.07 23508.75 77.86200 79.732737 2.718644 0.7937627 18.30 1994M06 385.64 2361.11 966.00 7226720.73 45148.64 23778.24 78.29055 79.777909 2.873563 0.8148749 19.37 1994M07 385.49 2451.50 962.64 7367432.87 42795.32 22938.19 78.44765 79.549226 2.870620 0.8144205 20.30 1994M08 380.36 2568.34 946.91 6872554.00 29281.01 17610.98 78.75055 79.840290 3.000000 0.8100000 17.60 1994M09 391.58 2500.00 993.55 7157590.91 38648.68 21372.41 79.08085 79.919516 3.168118 0.8254521 18.36 1994M10 389.77 2731.48 1059.55 7270742.90 30715.55 18427.38 79.89145 80.013808 3.186078 0.8486613 18.16 1994M11 384.39 3022.49 1150.27 7440374.98 21088.29 14836.94 80.41895 80.191076 3.531375 0.8113485 18.06 1994M12 379.29 3093.03 1112.75 7281633.62 14135.51 12095.05 81.19090 80.536966 3.630913 0.8173884 17.77 1995M01 378.55 3037.92 1154.81 7490162.64 20738.27 14665.99 81.00710 80.895210 3.674419 0.8235216 18.48 1995M02 376.64 2868.17 1030.68 7197714.30 21451.17 14767.36 81.06235 81.093127 3.923128 0.8424785 18.52 1995M03 382.12 3075.40 1021.70 7309180.92 13406.58 15640.13 81.01420 80.777839 3.955026 0.8808862 19.18 1995M04 391.03 2848.32 1059.14 7629003.60 30438.46 24417.89 81.20700 80.466065 3.985507 0.8729249 20.36 1995M05 385.22 2918.87 1036.62 7310821.07 21477.50 19713.24 81.41195 80.805466 3.951348 0.8579882 18.88 1995M06 387.56 3059.96 1007.77 7014042.21 9940.15 13838.51 81.34035 80.960411 3.937008 0.8740814 17.38 1995M07 386.23 2980.60 1028.06 7093481.95 15256.56 16518.72 81.19510 81.351261 3.833552 0.8784404 17.62 1995M08 383.67 2927.69 1015.48 7095095.94 17301.22 17499.22 81.56055 82.236422 3.754088 0.8336167 17.89 1995M09 383.06 2932.10 988.03 6971918.13 14598.39 16072.67 82.06080 82.959304 3.788374 0.8472240 17.54 1995M10 383.14 2837.30 980.43 6975437.93 18986.36 18259.69 81.42240 83.047777 3.752443 0.8477524 17.67 1995M11 385.31 2916.67 1033.19 7205339.67 19976.30 18914.82 81.61550 83.267475 3.773585 0.8298634 18.27 1995M12 387.44 2779.98 1017.16 7382080.53 28826.77 23431.17 82.31585 83.356831 3.638726 0.8302144 19.54 1996M01 399.45 2550.71 1019.69 7160307.92 37503.46 27813.28 81.41735 83.829694 3.594053 0.7976729 17.76 1996M02 404.76 2572.75 1035.83 7517367.02 42429.05 30514.41 81.90740 83.998615 3.367742 0.8097419 19.59 1996M03 396.21 2572.75 1063.25 7835374.39 47047.83 32866.71 81.91695 84.214567 3.414791 0.8075241 21.43 1996M04 392.85 2671.96 1043.95 7697057.61 39597.34 29033.38 81.85815 84.437421 3.344010 0.7859705 20.95 1996M05 391.93 2610.23 1036.55 7485939.68 39224.44 28732.82 82.59750 84.335360 3.350384 0.7923274 19.77 121 1996M06 385.27 2023.81 1009.40 7574995.33 67274.32 42659.99 82.97175 84.519011 3.363114 0.7933631 20.92 1996M07 383.47 2072.31 1000.52 7471740.87 63116.05 40510.21 82.45400 84.431690 3.439490 0.8131847 20.46 1996M08 387.35 2127.43 1007.95 7795145.62 65660.49 41985.26 83.23290 84.297770 3.320611 0.8097964 22.25 1996M09 383.14 2006.17 998.98 8066871.36 74839.06 46629.42 83.49985 84.570127 3.360812 0.7928979 24.20 1996M10 381.07 2039.24 1002.72 7913107.70 70964.68 44599.96 83.21945 84.853728 3.312263 0.7991150 23.25 1996M11 377.85 2431.66 1044.31 8066822.32 55264.72 36821.00 83.96105 84.920867 3.345936 0.7901701 23.70 1996M12 369.00 2266.31 1036.55 8359077.33 66514.40 42446.83 84.11535 85.158826 3.324953 0.7880578 25.90 1997M01 355.11 2334.66 1086.14 8126768.52 60016.81 38938.41 84.21275 85.579283 3.293601 0.7400251 24.15 1997M02 346.58 2506.61 1178.16 7682288.22 46935.45 32138.68 85.00225 86.140896 3.249843 0.7180964 20.30 1997M03 351.81 2524.25 1254.34 7893342.07 51386.76 34562.41 85.78585 86.181370 3.372966 0.7297247 20.35 1997M04 344.47 2480.16 1240.02 7800381.71 51231.69 34337.83 86.26045 86.436311 3.445904 0.7038774 20.20 1997M05 343.84 2614.64 1310.13 8089338.98 50656.84 34211.71 86.10475 86.028810 3.439650 0.7135710 21.00 1997M06 340.76 2506.61 1354.98 7989700.71 55194.37 36408.23 87.06265 85.615311 3.470662 0.7033084 19.82 1997M07 324.10 2398.59 1517.02 8346679.09 68131.51 42883.57 87.67320 85.722766 3.441397 0.6691397 20.19 1997M08 324.01 2184.74 1650.63 8572931.44 84794.94 51360.78 88.16700 86.060334 3.445274 0.6764925 19.66 1997M09 322.82 2109.79 1638.29 8774341.40 90899.17 54477.30 88.39890 86.425594 3.436725 0.6899504 21.13 1997M10 324.87 1999.56 1276.67 7935645.72 75455.20 46238.37 89.45885 86.424458 3.405573 0.7077399 21.10 1997M11 306.04 1854.06 1171.15 7282225.78 68927.29 42378.39 89.63740 86.799966 3.413729 0.6944960 19.13 1997M12 288.74 1695.33 1101.26 6797988.10 66456.32 40657.76 90.17270 87.159143 3.399258 0.6792954 17.65 1998M01 289.10 1735.01 1096.25 6717411.96 63305.10 39051.09 90.59190 87.122944 3.432099 0.6660494 17.21 1998M02 297.49 1671.08 1043.20 6350063.50 60386.77 37509.22 90.84100 86.914233 3.401235 0.6718519 15.44 1998M03 295.94 1748.24 1046.75 6400615.71 57413.49 36031.62 90.82600 87.118476 3.388889 0.6646914 15.75 1998M04 308.29 1820.99 1096.18 6545135.95 58178.16 36667.15 91.12700 87.411630 3.360049 0.6794081 15.56 1998M05 299.10 1697.53 1060.37 6360989.33 59821.03 37261.68 91.56130 87.763444 3.376384 0.6782903 15.21 1998M06 292.32 1618.17 1007.60 6059027.88 57432.44 35814.54 91.02790 88.215711 3.415233 0.6727273 14.30 1998M07 292.87 1686.51 1043.50 6140637.64 56266.64 35295.85 91.32105 88.154415 3.394608 0.6798407 14.27 1998M08 284.11 1589.51 1029.05 5907286.17 56481.43 35171.08 91.61705 88.475831 3.396573 0.6916769 13.29 122 1998M09 288.98 1615.96 999.64 6327683.71 60989.59 37666.26 91.63970 88.316831 3.370031 0.7214067 16.19 1998M10 295.93 1591.71 941.36 5950803.94 55808.05 34969.95 92.09535 87.591325 3.093350 0.7252593 14.48 1998M11 294.12 1545.41 965.95 5500239.06 51925.16 32810.49 91.77290 87.555306 2.943327 0.7069470 11.37 1998M12 291.68 1461.64 961.58 5601846.25 57096.50 35402.37 91.64465 87.635973 2.846715 0.7130779 12.14 1999M01 287.08 1413.14 931.75 5617557.02 58565.82 36067.46 92.55215 87.495249 2.811172 0.6901032 12.81 1999M02 287.33 1375.66 1017.60 5738826.89 64189.15 38972.39 92.19080 87.933724 2.890103 0.6693989 12.31 1999M03 285.96 1371.25 1028.80 6456571.51 74978.90 44676.06 92.31750 88.327600 2.918689 0.6535194 16.66 1999M04 282.62 1580.69 1018.18 6741492.44 68632.39 41595.99 92.78385 88.768740 2.857143 0.6371308 18.69 1999M05 276.44 1375.66 1039.92 6467011.41 74459.00 44301.39 93.07625 89.067566 2.855422 0.6278916 16.85 1999M06 261.31 1673.28 999.91 6698611.99 61533.21 37746.17 93.40210 89.020773 2.867470 0.6239157 19.33 1999M07 256.08 1671.08 1071.23 7030763.64 67769.63 40976.41 94.03845 89.137530 2.993401 0.6422915 20.52 1999M08 256.69 1712.96 1129.69 7431755.31 73044.12 43830.22 94.22585 88.825940 3.034111 0.6321963 22.15 1999M09 264.74 1803.35 1192.93 8001843.32 79147.36 47276.99 94.34770 88.634013 3.110846 0.6367104 24.54 1999M10 310.72 1770.28 1147.98 7677742.17 78457.41 47366.43 95.45640 88.819081 3.093397 0.6276621 21.79 1999M11 293.18 1763.67 1146.39 8083651.84 83282.79 49730.50 95.87935 88.810980 3.218527 0.5992280 24.87 1999M12 283.07 1880.51 1185.24 8268303.55 80558.53 48343.76 96.03885 88.848156 3.139810 0.5968602 25.76 2000M01 284.32 1860.67 1178.58 8562173.46 85703.59 51060.27 95.94320 89.002923 3.219138 0.5726521 27.65 2000M02 299.86 1735.01 1098.25 8918528.68 96118.80 56587.37 96.67880 89.670300 3.370588 0.5674706 30.57 2000M03 286.39 1763.67 1113.00 9199325.84 84990.71 50574.43 97.02035 89.708126 3.421053 0.5591813 26.86 2000M04 279.69 1741.62 1132.52 9009156.81 83508.47 49675.87 97.86590 89.584069 3.522528 0.5338209 25.71 2000M05 275.19 1787.92 1154.07 9632005.45 89624.83 52939.67 98.60695 89.963355 3.662383 0.5478388 29.03 2000M06 285.73 1798.94 1116.19 10197670.63 96397.01 56676.48 97.94280 90.277360 3.792102 0.5531940 32.44 2000M07 281.59 1920.19 1135.91 9346861.49 79651.25 47921.97 98.48120 90.510200 3.786914 0.5363636 27.50 2000M08 274.47 1951.06 1172.55 10398942.69 92278.86 54586.37 98.42070 90.478780 3.763752 0.5146497 33.09 2000M09 273.68 2017.20 1221.67 10126544.35 86685.11 51695.08 98.61590 90.666856 3.755760 0.5091590 30.87 2000M10 270.00 1867.28 1091.61 10096014.11 90020.31 53234.69 98.47660 90.869768 3.743531 0.4883841 32.70 2000M11 266.01 1854.06 1058.68 10151425.46 90279.45 53318.98 98.98845 91.053221 3.737084 0.5008037 33.61 123 2000M12 271.45 1867.28 1059.33 8955375.55 74435.72 44985.70 99.20825 91.597695 3.665521 0.5397480 26.72 2001M01 265.49 1871.69 1032.70 9907924.82 77448.10 46603.18 98.37710 92.023840 3.405467 0.5333144 28.62 2001M02 261.87 1785.71 1021.58 10123385.93 73911.06 37995.21 98.28680 92.266913 3.119318 0.5246591 27.35 2001M03 263.03 1671.08 1005.62 10522623.53 80219.61 44790.38 97.92280 92.829366 3.015332 0.4984668 26.37 2001M04 260.48 1688.71 970.14 10661109.21 80521.37 43199.70 97.35555 93.224349 2.721088 0.5034580 28.48 2001M05 272.36 1657.85 937.96 11296543.94 83829.83 45608.91 97.24380 93.518126 2.374506 0.4771010 28.39 2001M06 270.23 1554.23 896.93 11984702.24 82544.20 42623.55 96.90570 93.601516 2.234102 0.4783343 26.37 2001M07 267.53 1494.71 853.30 12022412.75 84376.40 72467.82 95.74300 93.619683 2.125141 0.4939121 26.70 2001M08 272.39 1494.71 830.03 13615183.42 86924.63 70243.35 96.80505 93.412089 2.057497 0.5143179 26.65 2001M09 283.42 1424.16 799.51 11501930.28 87006.54 78665.55 95.99620 93.322255 1.723751 0.5119034 23.44 2001M10 283.06 1371.25 761.74 13075940.77 90067.18 83347.15 95.14270 93.254625 1.402027 0.5066441 21.20 2001M11 276.16 1591.71 774.35 12686728.42 125338.44 63511.23 94.55775 93.160991 1.177465 0.5050704 19.46 2001M12 275.85 1439.59 757.97 11123623.97 104442.04 93299.33 94.83270 93.748260 1.025930 0.5021984 19.96 2002M01 281.51 1611.55 794.20 12990990.29 107739.52 72627.59 95.14240 94.388624 0.973551 0.4831176 19.71 2002M02 295.50 1574.07 773.47 11501740.76 97406.35 54196.71 95.25170 94.687858 0.977528 0.4879775 21.78 2002M03 294.06 1675.48 820.00 11974659.96 113809.70 71588.46 95.91475 94.935194 0.969188 0.4884034 26.21 2002M04 302.68 1615.96 807.58 11263804.99 98548.52 69408.13 96.21020 95.219993 0.976018 0.5020636 27.32 2002M05 314.49 1677.69 768.25 12283817.03 95385.11 67654.17 96.49990 95.061439 0.974930 0.5202786 25.37 2002M06 321.18 1690.92 769.42 13127722.13 94656.37 71769.21 97.09525 94.906571 0.974388 0.5522272 26.79 2002M07 313.29 1492.50 795.01 12117537.20 120157.83 60468.56 96.68320 94.749881 0.961111 0.5430556 27.02 2002M08 310.26 1514.55 748.81 14218084.63 104112.85 79669.35 96.94485 94.943636 0.963989 0.5440443 28.97 2002M09 319.14 1455.03 756.18 14265723.09 90058.66 73189.86 97.06375 95.181104 0.967920 0.5457965 30.59 2002M10 316.56 1574.07 755.09 15226016.08 108030.81 76155.70 96.59940 95.579899 0.965784 0.5467439 27.18 2002M11 319.07 1622.57 764.57 15068427.09 94671.06 71578.19 97.09425 95.574536 0.738292 0.5479890 26.87 2002M12 331.92 1536.60 794.26 13491395.29 108420.15 76246.93 96.21670 95.862618 0.682068 0.5776128 31.21 2003M01 356.86 1743.83 782.34 14193906.53 103960.05 75341.64 97.22920 96.029799 0.679080 0.5897590 33.51 2003M02 358.97 1708.55 785.67 12699796.80 98884.37 63342.27 97.42340 96.647395 0.686275 0.5881264 36.76 124 2003M03 340.55 1571.87 790.33 12163076.79 118043.44 70220.00 96.96970 96.852111 0.679717 0.5940185 31.14 2003M04 328.18 1598.32 756.75 12970305.76 109385.13 70243.52 96.78200 96.839724 0.687773 0.6104258 26.09 2003M05 355.68 1719.58 776.12 14232116.21 127541.79 67834.29 95.98965 96.750153 0.688901 0.6444505 29.56 2003M06 356.35 1649.03 790.66 15122017.63 115774.64 70674.16 96.06385 96.952685 0.666303 0.6286729 30.15 2003M07 351.02 1803.35 828.50 15568554.55 118446.13 64646.95 97.05570 97.049243 0.549809 0.6113772 30.56 2003M08 359.77 1770.28 815.20 15655551.50 109870.62 70356.71 96.46900 97.213631 0.558266 0.5951220 31.76 2003M09 378.95 1792.33 818.94 16909950.89 118370.74 66183.96 96.61815 97.145679 0.545651 0.6299298 29.19 2003M10 378.92 2065.70 900.10 15952626.90 112682.21 76856.56 97.82570 96.809729 0.546241 0.6265008 29.24 2003M11 389.91 1999.56 914.24 14190105.40 118835.12 71729.95 98.01685 96.890663 0.540541 0.6483243 30.33 2003M12 406.95 2299.38 976.76 12966620.89 121998.04 75175.07 98.18190 97.183771 0.528302 0.6785984 32.51 2004M01 413.79 2519.84 1015.89 17617226.32 113599.93 74029.85 98.22360 97.430966 0.536769 0.6692968 33.16 2004M02 404.88 2960.76 1085.79 16445806.88 94250.65 81671.46 98.86070 97.831688 0.540975 0.6689877 36.08 2004M03 406.67 2996.03 1101.80 13807557.01 103733.18 88863.24 98.48420 98.268559 0.534474 0.6582042 35.75 2004M04 403.26 2667.55 1028.91 14273155.96 104742.89 88389.41 98.98385 98.278404 0.533618 0.6393810 37.31 2004M05 383.78 2817.46 1030.98 13384884.98 117522.71 77341.05 99.53615 99.084025 0.531350 0.6475027 39.90 2004M06 392.37 2656.53 1018.86 12963897.09 85201.57 93564.69 99.12810 99.044174 0.545262 0.6451562 36.92 2004M07 398.09 2883.60 988.10 13253042.40 104912.23 79662.42 99.80160 99.195945 0.666314 0.6356425 43.72 2004M08 400.51 2824.07 976.80 13529644.71 113990.06 87285.18 99.03615 99.433131 0.755814 0.6441860 42.23 2004M09 405.28 3086.42 980.03 13848879.71 88142.85 91356.58 99.67825 99.558733 0.848261 0.6550053 49.56 2004M10 420.46 2969.58 1066.95 15850569.12 99668.37 84809.48 100.33505 99.865995 0.922432 0.6700734 51.78 2004M11 439.38 3181.22 1100.23 14591701.32 95689.53 86119.37 99.92705 99.853558 1.006781 0.6934272 49.16 2004M12 442.08 3278.22 1182.14 13657451.90 87551.75 102481.33 100.33515 100.058624 1.126761 0.7072509 43.36 2005M01 424.03 3225.31 1245.55 15535801.01 105472.23 80837.68 100.90850 100.028471 1.189979 0.6802714 48.25 2005M02 423.35 3306.88 1323.11 14857143.92 104888.49 76402.05 100.99775 100.620331 1.299376 0.6879938 51.75 2005M03 433.85 3328.92 1373.96 14190636.86 99853.25 85784.05 100.91415 101.122055 1.361989 0.6713102 55.31 2005M04 429.23 3291.45 1297.81 13993002.56 106957.20 79628.96 101.68710 101.445814 1.440372 0.6645844 49.20 2005M05 421.87 3317.90 1245.54 14220044.02 101354.04 83264.30 101.07070 101.453068 1.549587 0.6358471 52.08 125 2005M06 430.66 3425.93 1273.12 17106069.54 96183.44 75999.44 101.72185 101.599334 1.569437 0.6247806 56.63 2005M07 424.48 3721.34 1196.86 17147578.92 104148.80 82507.04 101.91390 102.122858 1.672653 0.6223704 60.71 2005M08 437.93 3769.84 1300.75 17277819.15 103365.92 86602.44 101.45755 102.333143 1.784804 0.6294748 68.63 2005M09 456.05 3972.66 1396.66 18161222.89 105233.30 83884.69 101.15315 102.896928 1.820926 0.6051308 66.21 2005M10 469.90 4179.89 1483.22 21825114.44 88277.13 93530.74 101.88475 103.174146 1.898543 0.6021095 59.80 2005M11 476.67 4574.51 1610.65 22604133.14 100177.58 82924.23 103.15070 103.220650 2.019182 0.5951035 57.33 2005M12 510.10 4766.31 1819.36 20903577.87 85759.53 98532.29 103.14365 103.404393 2.099950 0.5978294 61.06 2006M01 549.86 4929.45 2091.77 18608091.75 85040.32 87744.04 103.50440 103.470551 2.152534 0.6098846 67.86 2006M02 555.00 4819.22 2219.75 16735440.78 95755.16 72241.32 103.54195 103.935068 2.251755 0.5978937 61.37 2006M03 557.09 5485.01 2427.66 17621806.57 92960.07 95677.79 103.97610 104.128486 2.298448 0.6068603 66.25 2006M04 610.65 7354.50 3068.34 16703599.61 95280.43 89631.64 104.29760 104.590333 2.386647 0.6296462 71.80 2006M05 675.39 8192.24 3544.64 17797995.59 102806.19 81548.37 105.02655 104.677413 2.454049 0.6364630 71.42 2006M06 596.15 7632.28 3197.59 18330393.87 100295.41 82838.35 105.21100 105.016353 2.472745 0.6337463 73.94 2006M07 633.71 7958.55 3320.74 16974974.04 102256.36 87493.99 105.10285 105.447994 2.582553 0.6290784 74.56 2006M08 632.59 7647.71 3339.97 16333000.85 110756.40 85035.41 105.46785 105.773950 2.576055 0.6284102 70.38 2006M09 598.19 7625.66 3394.06 16464395.04 97806.02 85073.60 105.43030 105.633334 2.588757 0.6248521 62.90 2006M10 585.78 7354.50 3829.60 15988429.40 112418.13 92500.09 105.31485 105.551804 2.600297 0.6321446 58.72 2006M11 627.83 6990.74 4378.61 16284098.38 105072.54 92564.55 105.71950 105.564558 2.599010 0.6554950 62.97 2006M12 629.79 6291.89 4381.45 15426390.29 101347.34 96548.28 107.31145 106.022820 2.580010 0.6498769 60.85 2007M01 631.17 5694.44 3784.86 14426856.20 115434.17 83091.41 106.50855 106.255359 2.580652 0.6406897 58.17 2007M02 664.75 6025.13 3321.38 12567798.38 112947.79 82498.29 107.33600 106.701529 2.575578 0.6480566 61.78 2007M03 654.90 6929.01 3256.18 15191404.69 126123.34 100609.40 107.77505 106.932251 2.562254 0.6506956 65.94 2007M04 679.37 7808.64 3566.86 14415043.62 109158.14 94348.57 107.44875 107.480280 2.549732 0.6627360 65.78 2007M05 667.31 7480.16 3847.52 12915248.17 127882.08 98748.55 108.52180 107.977223 2.539237 0.6506735 64.02 2007M06 655.66 7614.64 3628.65 11577765.89 138651.98 94737.92 108.52370 108.345879 2.533368 0.6534159 70.47 2007M07 665.38 8055.56 3546.30 13181225.12 136301.17 99968.24 108.55745 108.433788 2.533682 0.6586128 78.20 2007M08 665.41 7519.84 3244.17 13238260.86 118587.45 109130.17 109.05830 108.064030 2.417332 0.6563392 73.98 126 2007M09 712.65 8004.85 2887.60 15022857.82 115616.45 104061.74 108.98145 108.195513 2.368771 0.6843541 81.64 2007M10 754.60 7645.50 2979.99 14374115.74 125636.30 113514.92 109.07975 108.630641 2.275443 0.6922415 94.16 2007M11 806.25 6959.88 2554.60 15696714.13 102053.13 99316.66 109.11450 108.835684 2.129638 0.6940057 88.60 2007M12 803.20 6679.89 2378.60 17520248.35 115961.87 110255.58 109.26280 109.293876 2.005250 0.6900140 95.95 2008M01 889.60 7250.88 2364.41 14434180.99 129746.29 85875.87 109.75345 109.179703 1.856966 0.7006514 91.67 2008M02 922.30 8492.06 2458.48 14737998.43 119663.63 100278.61 109.47700 109.667568 1.401120 0.7137719 101.78 2008M03 968.43 8518.52 2511.18 14275950.36 131546.92 105874.83 108.99935 109.797848 1.222780 0.7390090 101.54 2008M04 909.71 8672.84 2278.51 14348651.48 124908.29 103548.17 109.41035 110.539178 1.065709 0.7299642 113.70 2008M05 888.66 7998.24 2178.33 14677308.10 133939.38 107921.43 107.44705 111.466674 0.920040 0.7227426 127.35 2008M06 889.49 8589.07 1906.17 14386018.62 142228.56 103669.53 107.46080 112.517833 0.919697 0.7245370 139.96 2008M07 939.77 8192.24 1856.45 14377789.10 134588.29 109195.76 106.73125 113.055756 0.917741 0.7123224 124.17 2008M08 839.03 7559.52 1734.65 15662191.15 148953.94 108199.64 105.61225 113.091883 0.914537 0.6709955 115.55 2008M09 829.93 6366.84 1744.52 16012407.46 129123.40 104804.33 102.98445 112.785565 0.826948 0.6443802 100.70 2008M10 806.62 4065.26 1303.00 15693416.88 139010.68 106881.40 102.08085 111.496773 0.447015 0.5867877 68.10 2008M11 760.86 3578.04 1169.36 15957312.13 123154.70 116026.65 99.37860 110.308883 0.182967 0.5956754 55.21 2008M12 816.09 3075.40 1112.90 14927757.94 145355.76 116573.74 96.20915 109.601040 0.075687 0.6613118 44.60 2009M01 858.69 3223.10 1202.52 13858098.71 136751.48 106794.72 93.05290 109.555940 0.070777 0.6031623 41.73 2009M02 943.00 3364.20 1118.00 14042563.95 113834.25 97684.64 91.71700 110.244194 0.103430 0.5956136 44.15 2009M03 924.27 4054.23 1223.22 15643751.65 118852.03 104462.14 90.45060 110.873074 0.084708 0.6235911 49.64 2009M04 890.20 4526.01 1388.14 15556847.55 122543.25 103029.25 89.40290 111.218356 0.070519 0.6218355 50.35 2009M05 928.65 4843.47 1491.89 15618476.93 122492.16 108076.88 89.98790 111.298341 0.084498 0.6644384 66.31 2009M06 945.67 4977.95 1555.46 14640008.66 120823.87 106235.01 90.10625 111.861649 0.097770 0.6534755 69.82 2009M07 934.23 5767.20 1582.85 15687041.05 126629.00 100456.97 90.66045 111.616908 0.074514 0.6636364 69.26 2009M08 949.38 6190.48 1818.01 16666747.71 133328.57 107716.81 91.19980 112.022839 0.074265 0.6651350 69.97 2009M09 996.59 6192.68 1879.15 16331398.09 109083.99 106555.17 92.64540 111.740578 0.069489 0.6780289 70.46 2009M10 1043.16 6496.91 2070.84 15083865.75 136980.18 112624.23 92.47635 111.733140 0.055425 0.6797870 77.04 2009M11 1127.04 6940.04 2196.55 15338525.71 138486.57 109207.04 92.81655 111.931571 0.055240 0.6909139 77.19 127 2009M12 1134.73 7336.86 2374.04 13935254.00 129318.07 111881.13 93.04475 112.168643 0.055211 0.6587623 79.39 2010M01 1117.96 6715.17 2414.69 15803035.53 124612.42 101826.05 94.30325 112.463643 0.050578 0.6374145 72.85 2010M02 1095.41 7204.59 2158.82 14809031.72 119076.10 93993.04 94.20675 112.716586 0.059830 0.6271142 79.72 2010M03 1113.34 7817.46 2277.29 13673096.08 115432.75 99231.46 95.35665 113.056428 0.073613 0.6216615 83.45 2010M04 1148.69 7356.70 2367.53 12353817.06 117780.17 101074.38 95.84920 113.612541 0.091995 0.6116751 86.07 2010M05 1205.43 6827.60 1969.82 13902561.88 130142.45 103414.74 97.52460 113.543676 0.092043 0.5663399 74.00 2010M06 1232.92 6472.66 1746.51 14380691.76 134836.47 108533.53 97.51640 113.432556 0.082873 0.5633543 75.59 2010M07 1192.97 7290.56 1847.03 12703329.10 133755.64 106465.11 97.62695 113.311126 0.082719 0.5996186 78.85 2010M08 1215.81 7409.61 2047.48 12428800.11 121782.29 102872.46 97.95460 113.359550 0.087187 0.5821781 71.93 2010M09 1270.98 8037.92 2150.94 12604434.20 120190.24 98182.07 98.53970 113.444425 0.087046 0.6245791 79.95 2010M10 1342.02 8227.51 2373.56 13050467.52 123868.63 111484.72 98.86810 113.676988 0.086744 0.6368845 81.45 2010M11 1369.89 8428.13 2283.30 13496500.84 127547.02 124787.37 99.20010 114.029100 0.086525 0.5911016 84.12 2010M12 1390.55 9786.16 2287.32 13957778.50 131334.64 139677.33 99.99795 114.692625 0.081643 0.6068344 91.38 2011M01 1356.40 9812.61 2375.81 13560291.31 81136.05 139618.22 99.86415 115.156738 0.076858 0.6187525 90.99 2011M02 1372.73 9872.13 2473.45 14214087.64 100578.32 141970.09 100.10555 115.751063 0.072105 0.6219975 97.10 2011M03 1424.00 9479.72 2341.48 14924460.27 143123.17 144096.11 100.52035 116.385425 0.062767 0.6351156 106.19 2011M04 1479.76 9182.10 2371.48 15683715.41 184792.71 174432.42 100.16685 117.100438 0.044624 0.6605293 113.39 2011M05 1512.60 9199.74 2159.60 14641898.27 150945.02 150554.46 100.51135 117.187350 0.040035 0.6403744 102.70 2011M06 1528.66 9417.99 2234.47 14166844.93 129584.94 135772.48 99.82865 117.079325 0.040035 0.6452675 95.30 2011M07 1572.21 9863.32 2397.75 14498159.89 125011.98 133996.89 100.75845 117.078813 0.031057 0.6387009 95.68 2011M08 1757.21 9230.60 2199.24 14156948.48 155368.70 157452.56 101.29780 117.153113 0.044227 0.6359407 88.81 2011M09 1770.95 6933.42 2075.22 13238390.12 238182.68 212725.13 100.42370 117.290863 0.035305 0.5907404 78.93 2011M10 1665.21 8000.44 1871.42 13899765.17 192406.37 180388.85 100.65480 117.415950 0.030871 0.6111577 93.19 2011M11 1738.11 7854.94 1935.32 14738804.03 231181.90 209197.66 100.64050 117.548438 0.035216 0.5917621 100.36 2011M12 1641.84 7566.14 1911.15 14349211.78 225746.07 203221.20 100.48695 117.711688 0.030807 0.5698367 98.83 2012M01 1652.21 8350.97 1989.23 14437017.79 192913.91 181262.70 100.58935 117.761513 0.035109 0.5739489 98.46 2012M02 1742.14 8531.75 2057.79 15441559.34 222112.37 204090.73 100.97890 118.391138 0.043787 0.5835088 107.08 128 2012M03 1673.77 8430.33 2035.93 14917763.06 205898.57 191130.63 100.57895 119.263750 0.056795 0.5829773 103.03 2012M04 1649.69 8450.18 2002.68 14970883.30 203790.56 189302.37 100.56980 119.485700 0.061059 0.5774448 104.89 2012M05 1591.19 7411.82 1928.01 13241502.36 197411.64 181625.19 101.00210 119.194188 0.069954 0.5403066 86.52 2012M06 1598.76 7694.00 1855.93 13054035.28 177070.48 167651.70 100.61590 119.036838 0.070020 0.5540336 85.04 2012M07 1589.90 7539.68 1847.75 13270392.64 189979.39 176534.43 100.95660 119.104075 0.070030 0.5385272 88.08 2012M08 1630.31 7614.64 1816.32 14016188.37 210462.74 192132.80 101.21945 119.589950 0.056560 0.5471972 96.47 2012M09 1744.81 8317.90 2009.85 14176800.63 194665.38 183831.65 100.27995 119.870150 0.060609 0.5566547 92.18 2012M10 1746.58 7775.57 1903.96 13570687.05 200879.91 187239.69 100.05730 120.197800 0.069068 0.5594526 86.23 2012M11 1721.64 8002.65 1912.40 13707775.32 192109.53 181003.17 99.98255 120.301025 0.069181 0.5614888 88.54 2012M12 1684.76 8026.90 2040.43 14037146.50 200788.51 186732.31 100.41910 120.700725 0.069183 0.5705836 91.83 2013M01 1671.85 8209.88 2031.41 14469169.22 203267.67 188728.75 100.13070 121.213913 0.060438 0.5862088 97.65 2013M02 1627.57 7775.57 2128.69 14017686.79 210123.14 192060.43 100.43905 122.239838 0.064376 0.5603313 92.03 2013M03 1593.09 7484.57 1929.15 14121308.19 219700.38 197937.53 100.96510 122.528838 0.060264 0.5518417 97.24 2013M04 1487.86 7028.22 1855.60 13448256.77 212230.44 190017.84 101.09125 122.572075 0.064695 0.5678956 93.22 2013M05 1414.03 7250.88 1831.01 13132796.09 185859.28 170320.05 101.00080 122.969088 0.047435 0.5605554 91.93 2013M06 1343.35 6723.99 1839.01 13329921.45 211871.99 186960.11 101.31105 122.795988 0.038734 0.5599143 96.36 2013M07 1285.52 6876.10 1837.62 13898764.10 216519.54 189786.71 100.57215 123.178050 0.038668 0.5715170 105.10 2013M08 1351.74 7109.79 1896.39 14365651.96 225386.81 197665.98 101.39640 123.266100 0.034298 0.5668620 107.98 2013M09 1348.60 7321.43 1846.88 13841192.89 198365.16 178538.34 101.74235 123.481913 0.034240 0.5789199 102.36 2013M10 1316.58 7264.11 1884.84 13312827.61 184177.77 167656.05 101.36435 123.439675 0.038495 0.5810119 96.29 2013M11 1275.86 7123.02 1866.42 12886227.45 174965.99 160088.90 102.28660 123.713163 0.034157 0.5802912 92.55 2013M12 1221.51 7588.18 1974.98 13339577.43 164007.82 152298.08 102.17565 124.288263 0.038323 0.5853172 98.17 2014M01 1244.27 7098.77 2036.93 13418297.76 193361.23 172806.60 101.88105 124.314125 0.029732 0.5728521 97.55 2014M02 1299.58 7140.65 2034.53 13985633.06 212121.73 187297.68 102.34595 124.584438 0.029709 0.5857712 102.88 2014M03 1336.08 6715.17 2007.90 13936869.56 233558.59 202455.87 102.49480 124.980125 0.033913 0.5837717 101.57 2014M04 1298.45 6679.89 2027.21 13745142.09 227219.03 197223.79 103.17045 125.279663 0.038056 0.5863549 100.07 2014M05 1288.74 6913.58 2058.98 14030388.61 224205.62 195384.78 102.97705 125.403713 0.038006 0.5756262 103.40 129 2014M06 1279.10 7028.22 2128.10 14306266.18 227619.80 197928.00 103.06115 125.602050 0.042191 0.5776825 106.07 2014M07 1310.59 7105.38 2310.62 13960767.76 220726.62 193498.50 103.40365 125.606950 0.037933 0.5643200 98.23 2014M08 1295.13 6911.38 2326.99 13912067.67 227922.25 198053.44 102.84945 125.859400 0.037949 0.5537542 97.86 2014M09 1236.55 6626.98 2294.59 13184618.96 215163.82 187352.94 103.48750 126.184413 0.037893 0.5318513 91.17 2014M10 1222.49 6748.24 2276.83 12261800.78 180844.70 162575.32 103.47205 126.316700 0.037871 0.5270333 80.53 2014M11 1175.33 6305.11 2253.23 10928870.46 159251.69 145309.08 103.99340 126.876438 0.037933 0.5248229 65.94 2014M12 1200.62 6256.61 2175.76 9881070.20 131141.96 125273.47 104.50910 127.221950 0.050748 0.5116635 53.45 2015M01 1250.75 5573.19 2113.05 9468432.02 154678.31 141617.74 104.14530 126.886975 0.046818 0.4804345 47.79 2015M02 1227.08 5987.65 2097.76 9559326.28 134979.94 127902.75 104.62880 127.603388 0.046726 0.4755857 49.84 2015M03 1178.63 6056.00 2028.73 9185836.01 115304.00 113116.86 104.60750 128.267425 0.046638 0.4549752 47.72 2015M04 1198.93 6362.43 2212.73 10423648.73 142591.88 133744.71 104.18660 128.364813 0.050805 0.4751966 59.62 2015M05 1198.63 6084.66 2281.80 10556105.57 161609.07 146879.22 104.11295 128.825088 0.050659 0.4638714 60.25 2015M06 1181.50 5782.63 2082.09 10214668.85 160098.35 144967.88 104.22995 129.152350 0.054755 0.4691205 59.48 2015M07 1128.31 5220.46 2000.68 8979395.12 145247.43 132260.07 104.78775 129.145763 0.054683 0.4621972 47.11 2015M08 1117.93 5154.32 1807.64 8895545.92 140480.11 128594.33 104.43915 129.217600 0.058897 0.4718073 49.20 2015M09 1124.77 5169.75 1720.23 8471304.93 125758.84 118112.78 104.45360 128.786325 0.058950 0.4706323 45.06 2015M10 1159.25 5099.21 1724.34 8686313.34 138243.12 127508.48 104.68245 128.943425 0.050431 0.4624941 46.60 2015M11 1086.44 4508.38 1583.31 7837614.09 133061.87 121468.95 104.09355 129.146675 0.050356 0.4433030 40.43 2015M12 1068.25 4686.95 1527.79 7458206.11 110552.63 105314.04 103.62260 129.128613 0.100823 0.4562239 37.13 2016M01 1097.91 4550.26 1520.36 7239345.08 112943.17 107197.07 105.27475 128.660513 0.142793 0.4551315 33.66 2016M02 1190.50 4691.36 1709.85 7616094.59 128936.64 120374.05 104.40700 128.622138 0.159861 0.4574119 32.74 2016M03 1245.14 4810.41 1801.69 8201344.36 146726.73 134278.70 103.41275 129.020663 0.151311 0.4783120 36.94 2016M04 1241.26 5024.25 1855.37 8992283.63 160408.46 144556.30 104.41925 129.085788 0.154883 0.4795513 45.98 2016M05 1260.95 4625.22 1869.03 9311100.51 190949.61 166091.85 103.74685 129.393925 0.154551 0.4649900 49.10 2016M06 1276.40 4839.07 2026.19 9467580.08 190178.70 166156.23 104.31110 129.403450 0.158395 0.4628877 48.27 2016M07 1336.65 4894.18 2183.25 9252966.30 189792.34 166827.60 104.16125 129.422975 0.162629 0.4659522 41.54 2016M08 1340.17 4563.49 2279.14 9631167.74 219496.62 187628.36 105.16710 129.425263 0.166458 0.4643343 44.68 130 2016M09 1326.61 4854.50 2292.31 9861289.26 211337.23 182138.39 104.57355 129.596288 0.165974 0.4664277 47.72 2016M10 1266.28 4850.09 2311.50 9663436.28 201546.02 174136.11 104.81850 129.972275 0.165383 0.4540174 46.83 2016M11 1238.35 5780.42 2566.20 10106989.83 173352.09 155200.56 105.49345 130.410600 0.169178 0.4368924 49.41 2016M12 1157.36 5507.05 2664.81 10378843.27 190644.86 165881.16 104.95875 131.383688 0.222193 0.4327002 53.75 Fuente: Data.imf.org, indexmundi, fred.stlouisfed.org, gold.org, stats.oecd.org; ecb.europa.eu, boj.org.jp. 131 Anexo 4: Matriz de correlación entre las series que intervienen en el modelo econométrico COT COT COT PROD PROD PROD IPAPIG8 IPCPIG8 TIRUSA TCRUSA WTI ZINC ORO COBRE ZINC ORO COBRE COT_ZINC 1.000000 0.579891 0.820248 0.508889 0.467118 0.561229 0.395277 0.616109 -0.270624 -0.239489 0.677458 COT_ORO 0.579891 1.000000 0.865522 0.844214 0.416315 0.912105 0.428422 0.871328 -0.707729 -0.451174 0.819052 COT_COBRE 0.820248 0.865522 1.000000 0.695501 0.581350 0.785967 0.478578 0.783890 -0.565018 -0.32133 0.926834 PROD_ZINC 0.508889 0.844214 0.695501 1.000000 0.565453 0.964359 0.520788 0.878780 -0.73617 -0.613219 0.790673 PROD_ORO 0.467118 0.416315 0.581350 0.565453 1.000000 0.584643 0.507246 0.556178 -0.551264 -0.411359 0.710031 PROD_COBRE 0.561229 0.912105 0.785967 0.964359 0.584643 1.000000 0.579810 0.926760 -0.776756 -0.628915 0.837969 IPAPIG8 0.395277 0.428422 0.478578 0.520788 0.507246 0.579810 1.000000 0.641080 -0.709009 -0.794004 0.537190 IPCPIG8 0.616109 0.871328 0.783890 0.878780 0.556178 0.926760 0.641080 1.000000 -0.774874 -0.699704 0.788826 TIRUSA -0.270624 -0.707729 -0.565018 -0.73617 -0.551264 -0.776756 -0.709009 -0.774874 1.000000 0.682500 -0.632581 TCRUSA -0.239489 -0.451174 -0.32133 -0.613219 -0.411359 -0.628915 -0.794004 -0.699704 0.682500 1.000000 -0.390435 WTI 0.677458 0.819052 0.926834 0.790673 0.710031 0.837969 0.537190 0.788826 -0.632581 -0.390435 1.000000 Fuente: Eviews 9 132 Anexo 5: Resultados estadísticos de las series que intervienen en el modelo PROD ORO PROD ZINC PROD COBRE IPAPIG8 IPCPIG8 TIRUSA TCRUSA WTI Mean 11250724.7 105595.073 83278.89833 92.050679 100.231852 1.87984568 0.66851852 46.8962346 Median 11193714.5 99276.37 75258.355 97.040000 96.870000 2.050000 0.640000 32.720000 Maximum 22604133.1 238182.68 212725.13 109.750000 131.380000 6.450000 1.030000 139.960000 Minimum 5500239.06 9940.15 12095.05 31.880000 76.930000 0.030000 0.430000 11.370000 Std. Dev. 3607938.65 51856.0966 53534.1423 15.3725271 16.1518298 1.65225645 0.13955135 30.7164658 Skewness 0.26642528 0.69308801 0.740112785 -2.16613281 0.35899542 0.56985391 0.64539651 0.7762415 Kurtosis 2.06637583 2.91476459 2.483203655 8.80032315 1.83808319 2.66419527 2.76677385 2.30807669 Jarque-Bera 15.6003815 26.0381116 33.18497373 707.565698 25.1850803 19.0579328 23.2273042 39.0009778 Probability 0.00040966 2.22E-06 6.22E-08 0.000000000 3.40E-06 7.27E-05 9.04E-06 3.40E-09 Sum 3645234787 34212803.5 26982363.06 29824.42 32475.12 609.07 216.6 15194.38 Sum Sq. Dev. 4.2046E+15 8.6856E+11 9.25687E+11 76329.6127 84264.7591 881.774292 6.29028889 304750.91 Observations 324 324 324 324 324 324 324 324 Fuente: Eviews 9 133