| 2.5. Cantidad de
dinero
La realidad nos muestra un gran aumento de la cantidad de
dinero, en los últimos años, y un relativamente bajo aumento de los créditos. Es de
esperar que esa masa de dinero se encuentre en manos de las entidades financieras que la
invierten en la mayoría de los casos en rentas fijas, con bajos rendimientos. Frente a la
alternativa de mayores rentabilidades, asociadas con mayor riesgo, este dinero fluye hacia
las inversiones de renta variable. Vimos en el capítulo 1 que dada la restricción
presupuestaria de la riqueza, un aumento de la cantidad demandada de dinero, implicaba una
oferta de activos financieros de riesgo que ofrecen a cambio rentabilidad y baja liquidez.
Pero cuando se produce un aumento real de la cantidad ofrecida de
dinero, y permaneciendo constante la demanda, cuando no hay espectativas de inflación, se
produce un exceso de oferta de dinero que se traduce en un exceso de demanda de acciones y
bonos y provoca un aumento de sus precios para ajustar el mercado. Este mecanismo es más
claro si se lo estudia desde el punto de vista de la tasa de interés del mercado, donde
un exceso de oferta de dinero se ajusta vía una disminución de la tasa de interés, que
provoca un aumento de los precios actuales de los activos que prometen una rentabilidad a
futuro.
Es importante destacar que lo descrito anteriormente es válido en
un contexto de demanda de dinero estable, y que no existan espectativas de inflación.
A continuación presentamos un gráfico
comparativo de la cantidad de dinero M1 y el índice Merval para el período de la
muestra:
Gráfico 2.4 – M1 e índice
Merval |
|
Fuente: Elaboración propia. |
En un análisis más relacionado con lo estadístico y econométrico calculamos la
regresión formada por el Merval como variable dependiente y la cantidad de dinero (M1)
como variable independiente, corroborando empíricamente que la relación entre la oferta
de recursos monetarios reales y los precios de las acciones es directa:
Tabla 2.2 -
Indice Merval y M1.
| Variable |
Coeficiente |
Error
estándar |
Estadístico
t |
Probabilidad
|
| C |
229.4996 |
90.41043 |
2.538419 |
0.0138 |
| M1 |
0.016982 |
0.004434 |
3.830219 |
0.0003 |
| |
|
|
|
| R-squared |
0.201878 |
Mean dependent var |
571.2167 |
| Adjusted R-squared |
0.188117 |
S.D. dependent var |
125.9160 |
| S.E. of regression |
113.4561 |
Akaike info criterion |
9.495597 |
| Sum squared resid |
746592.4 |
Schwarz criterion |
9.565408 |
| Log likelihood |
-368.0042 |
F-statistic |
14.67057 |
| Durbin-Watson stat |
0.303173 |
Prob(F-statistic) |
0.000317 |
Para reforzar este estudio se presenta la
matriz de correlación entre el índice Merval y M1:
2.6. Modelo final
El modelo teórico en el que
basaremos nuestro análisis es el siguiente:
Mt: Índice Merval.
ß1:
Sensibilidad del índice Merval respecto de la tasa de interés.
TEMt: Tasa de interés
efectiva mensual.
ß2:
Sensibilidad del índice Merval respecto del índice Dow Jones.
DJt: Índice Dow Jones.
El modelo teórico es del tipo uni-ecuacional, su forma es lineal en los
parámetros y en las variables.
El signo y valor de los coeficientes se espera que sean:
ß 1<0
ß 2>0
Al trabajar con una muestra de 60 observaciones nos permitirá inferir distribuciones
asintóticamente normales.
A continuación presentamos la tabla de estimación del
modelo:
Tabla
2.3 - Índice Merval.
- Modelo LS // Variable dependiente: Merval
- Período (ajustado): 1994:02 a 1998:12
- Observaciones incluidas: 59 después de ajuste puntos finales
- Convergencia arribada después de 13 iteraciones
| Variable |
Coeficiente |
Error
estándar |
Estadístico
t |
Probabilidad |
| TEM |
-5865.174 |
3764.120 |
-1.558179 |
0.1248 |
| DOWJONES |
0.118996 |
0.017934 |
6.635074 |
0.0000 |
| AR(1) |
0.970033 |
0.023965 |
40.47780 |
0.0000 |
| |
|
|
|
| R-squared |
0.870291 |
Mean dependent var |
569.3051 |
| Adjusted R-squared |
0.865658 |
S.D. dependent var |
126.1157 |
| S.E. of regression |
46.22475 |
Akaike info criterion |
7.716540 |
| Sum squared resid |
119656.7 |
Schwarz criterion |
7.822177 |
| Log likelihood |
-308.3553 |
F-statistic |
187.8676 |
| Durbin-Watson stat |
2.005281 |
Prob(F-statistic) |
0.000000 |
Fuente: Elaboración propia.
El modelo estimado resulta:
El proceso Autorregresivo de primer orden, AR(1),
presenta la siguiente forma:
El término de perturbación aleatoria (µt),
representa la diferencia entre la estimación del índice Merval y sus valores reales.
Mt = -5865.174.TEMt + 0.118996. DJt +
0.970033. Mt-1 + µt
En la tabla puede apreciarse que todos los coeficientes responden a los signos
esperados por la teoría económica, ß1
es negativo y ß2 es positivo, por
lo que si el tipo de interés aumenta el índice Merval disminuirá, y si el índice Dow
Jones aumenta el índice Merval también lo hará.
En cuanto a su significatividad puede observarse que los valores de los estadísticos
"t" siguiendo una distribución asintóticamente normal [1], superan en todos los casos el valor 1,55 tomando valores absolutos,
por lo que se puede asegurara con un 87% de confianza que los coeficientes son
significativamente distintos de cero.
El R2 obtenido es de aproximadamente 0,87, por lo que en nuestro modelo un
87% de la variación total en la variable dependiente, índice Merval, es explicada por el
cambio en las variables independientes, tasa efectiva mensual e índice Dow Jones. El 13%
restante podría explicarse por variables no incluidas en la especificación del modelo
que se contemplan en la componente aleatoria Ut. El R2 ajustado por
grados de libertad difiere en solo 0,004 del coeficiente de determinación múltiple, por
lo que podríamos afirmar que el modelo no presenta sobre-especificación.
Bajo el supuesto de normalidad de la componente aleatoria Ut, el estadístico
"F" sigue una distribución del tipo F con (k-1,n-k) g.l. Este test sirve para
probar o rechazar la hipótesis nula de que en forma simultánea todos los coeficientes de
la regresión sean iguales a cero. En nuestro caso el valor de la prueba fue de
aproximadamente 187,86 con (2,57) g.l., y el F crítico para un 95% de confianza para
(2,57) g.l. es de aproximadamente 3,15. Al comparar el valor de la prueba y su valor
crítico se puede rechazar la hipótesis nula de que ß1=ß2=Ø1=0.
Antes de hacer inferencias sobre los coeficientes debemos asegurarnos que se cumplan
los supuestos del modelo clásico de regresión lineal (MCO)
La prueba “t” es un test de significancia que muestra que un
parámetro es estadísticamente distinto de cero cuando el valor del estadístico de
prueba cae en la región crítica, rechazándose la hipotesis nula de no significancia
|
