BCRP. EEree-34 PDF

DICIEMBRE 2017
REVISTA
ESTUDIOS
ECONÓMICOS
Nº 34
BANCO CENTRAL DE RESERVA DEL PERÚ

Página en blanco
Derechos reservados conforme a ley
© Banco Central de Reserva del Perú
Jr. Santa Rosa 441-445
Lima 1
Perú
El material de esta revista puede ser citado, reproducido o distribuido parcialmente siempre y cuando se
acredite a la Revista Estudios Económicos y a los autores correspondientes. La reproducción o reimpresión
total de artículos requiere del permiso escrito del Banco Central de Reserva del Perú.
E STUDIOS E CONÓMICOS
ISSN 1028-6438
Hecho el depósito legal en la Biblioteca Nacional del Perú 97-1316
E STUDIOS
E CONÓMICOS
34
BANCO CENTRAL DE RESERVA DEL PERÚ
D ICIEMBRE 2017
Página en blanco
E STUDIOS
E CONÓMICOS
34
B ANCO C ENTRAL DE R ESERVA DEL P ERÚ
La Revista Estudios Económicos (REE) es una publicación del Banco Central de Reserva del Perú que
tiene como objetivo la divulgación de investigaciones económicas en temas de interés para el Banco
Central de Reserva del Perú y la economía peruana. Las principales áreas de interés de la REE incluyen
macroeconomía, política monetaria, economía internacional, política económica y finanzas.
C OMITÉ E DITORIAL
Jorge Estrella
(Presidente del Comité Editorial)
Paul Castillo Marco Ortiz Fernando Vásquez Marco Vega
E DITORES A SOCIADOS
Carlos Montoro (Ministerio de Economía y Finanzas)
Gabriel Rodríguez (Pontificia Universidad Católica del Perú)
Diego Winkelried (Universidad del Pacífico)
E DITORES DE P UBLICACIÓN
Diego Winkelried (Universidad del Pacífico) Jorge Morales
Los puntos de vista expresados por los autores no reflejan necesariamente la posición del
Banco Central de Reserva del Perú
Página en blanco
5
C ONTENIDO
Factores globales e idiosincrásicos en la dinámica de la inflación en América Latina . . . . . . 9

Arnold Rivasplata y Paul Castillo
En este trabajo se cuantifica el rol de los factores globales e idiosincrásicos en la dinámica de la inflación
para un conjunto de países de América Latina (Perú, Chile, Colombia, Brasil, México) y Canadá que se
caracterizan por conducir su política monetaria bajo un esquema de metas explícitas de inflación. Para ello,
se emplea un modelo panel VAR que considera heterogeneidad entre los países de la muestra. El modelo
se estima para el periodo 2005M01-2015M11, usando variables globales (el valor de dólar respecto a una
canasta de monedas, un índice de precios de commodities y el precio del petróleo) así como domésticas (la
tasa de política monetaria, la brecha del producto, la depreciación de las monedas domésticas, la inflación
importada y la inflación total). Los resultados muestran que los desvíos de la inflación respecto a sus
niveles meta, particularmente durante el periodo 2007-2009 y desde el 2013 en adelante, se explican en
gran medida por factores comunes a la región, aunque existen factores idiosincrásicos que han acentuado
estos desvíos en algunos países como es el caso de Brasil.
Choques externos y coordinación de políticas monetarias y macroprudenciales en las

economías de la Alianza del Pacífico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Zenón Quispe, Donita Rodríguez, Hiroshi Toma y César Vasquez
Recientemente, las economías que integran la Alianza del Pacífico (Chile, Colombia, México y Perú)
han logrado alcanzar la integración comercial, han hecho avances en su integración financiera y han
podido sobrellevar los spillovers causados por los choques globales que han ocurrido fuera del bloque.
Pero, ¿estarían los miembros de la Alianza del Pacífico mejor aún si ellos coordinaran sus respuestas
de política cuando enfrentan spillovers de estos choques globales externos? Para responder esta pregunta
se propone un marco basado en el Global Projection Model (GPM) del Fondo Monetario Internacional
(FMI), que cuenta con vínculos reales y financieros entre países. Se consideran ecuaciones adicionales de
términos de intercambio, commodities, flujos de inversión de cartera, flujos de inversión directa extranjera,
créditos, tasas de interés de créditos y política macro prudencial con el objetivo de tener un modelo más
comprehensivo. El caso de coordinación considera a tres países: la Alianza del Pacífico actuando como un
país, China y Estados Unidos. En este caso de coordinación entre los países de la Alianza del Pacífico, los
miembros actúan como si siguieran la misma política monetaria y la misma política macroprudencial. Se
encuentra que ante los spillovers de los choques globales que provienen de China y los Estados Unidos,
las economías de la Alianza del Pacífico están generalmente mejor cuando coordinan sus respuestas de
política que cuando no lo hacen.
6
Cronología de los ciclos económicos en el Perú: 1992 a 2016 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Diego Winkelried
Al aplicar avances recientes de la metodología “fechar luego agregar” a una base de datos de 145 indicadores
mensuales de actividad económica peruana, este estudio ecuentra seis fases contractivas en el periodo de
1992 a 2016, con una duración acumulada de entre 75 y 80 meses (el 25 por ciento de un total de 300
meses), y cinco fases expansivas, con una duración acumulada de entre 220 y 225 meses (el 75 por ciento).
Se propone, además, un índice de difusión que marca claramente el inicio y fin de cada una de estas fases.
Las transferencias públicas y privadas y su importancia en la pobreza. . . . . . . . . . . . . . . . . . . 77

Nikita Céspedes
En este documento se estudia los efectos de las transferencias públicas y privadas en los indicadores de
pobreza. La alta incidencia en términos del número de personas que reciben estas transferencias y de los
montos de estas justifica este estudio. Se utiliza un método que permite estimar el ingreso de las personas
sin estas trasferencias y posteriormente identificar el cambio en los indicadores de pobreza debido a la
ausencia de estos recursos. Se encuentra que la tasa de pobreza promedio entre el 2015 y 2016 sería
cinco puntos porcentuales mayor a los datos oficiales en ausencia de las transferencias, siendo la mayor
contribución en este monto el de las transferencias privadas. Además, un porcentaje relevante de las
transferencias privadas proviene de regiones vecinas, razón por la cual una proporción alta de la población
en situación de pobreza se beneficia del crecimiento económico de otras regiones.
7
C ONTENTS
Global and idiosyncratic factors in the dynamics of inflation in Latin America . . . . . . . . . . . . 9

Arnold Rivasplata y Paul Castillo
In this work, the role of global and idiosyncratic factors in the dynamics of inflation is quantified for a
group of Latin American countries (Peru, Chile, Colombia, Brazil, Mexico) and Canada, which share the
fact that their policy monetary policy is pursued under an explicit inflation targeting scheme. In order
to do that, a Panel-VAR model that considers heterogeneity among the countries in the sample is used.
This model is estimated for the period 2005M01-2015M11, using global variables (the value of the dollar
against a basket of currencies, an index of commodity prices and the oil price) as well as domestic variables
(the rate of monetary policy, the output gap, the depreciation of domestic currencies, imported and overall
inflation). The outcomes show that deviations of inflation from its target levels, particularly during the
2007-2009 period and since 2013 onwards, are mainly explained by common factors to the region, although
idiosyncratic factors have accentuated these deviations in some countries as is the case of Brazil.
Global spillovers and coordination of monetary and macroprudential policies in the Pacific
Alliance economies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Zenón Quispe, Donita Rodríguez, Hiroshi Toma y César Vasquez
In recent times the Pacific Alliance member economies (Chile, Colombia, Mexico and Peru) have managed
to achieve trade integration, have made an important progress in their financial integration and have
withstood the spillovers from the global shocks risen from abroad. Notwithstanding, would the Pacific
Alliance members be better off if they coordinated their monetary and macroprudential policy responses
when facing the spillovers from these external global shocks? To test this we propose a framework
based on the Global Projection Model (GPM) of the International Monetary Fund (IMF), which features
real and financial linkages between countries. We introduce additional equations for terms of trade,
commodities, portfolio inflows, foreign direct investment inflows, lending inflows, lending interest rates
and macroprudential policy with the objective of having a more comprehensive model. We find that upon
global shocks spillovers coming from China and the United States, the Pacific Alliance member economies
are mostly better off when coordinating monetary and macroprudential policy responses than when not.
8
Chronology of economic cycles in Peru: 1992 to 2016 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Diego Winkelried
Recent advances in date-then-aggregate methodology are applied to a Peruvian set of 145 monthly
indicators of economic activity during 1992 - 2016. Six contractionary phases together with five
expansionary phases are found. With cumulated durations of 75-80 months and 220-225 months,
respectively, they represent 25 and 75 percent of the 300-month-period of analysis. Besides, a proposed
diffusion index can clearly mark off the beginnings and endings of those phases.
Public and private transfers and their importance in poverty . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

Nikita Céspedes
This paper studies the effects of public and private transfers on poverty indicators. The high incidence
in terms of the number of people getting these transfers and the amounts of these justifies this effort. A
method to estimate the income of people without these transfers and subsequently identify the change in
poverty indicators due to the absence of these resources is also presented. The study found that the average
poverty rate between 2015 and 2016 would be five percentage points higher than the official data in the
absence of transfers, whereas the highest contribution in this amount comes from private transfers. In
addition, a significant percentage of private transfers come from neighboring regions, so a high proportion
of the population in poverty situation benefits from the economic growth of these regions.
Derechos Reservados © 2017 Banco Central de Reserva del Perú
Revista Estudios Económicos 34, 9 - 29 (Diciembre 2017)
Disponible en www.bcrp.gob.pe/publicaciones/revista-estudios-economicos.html
Factores globales e idiosincrásicos en la dinámica de

la inflación en América Latina
A RNOLD R IVASPLATA Y PAUL C ASTILLO∗
En este trabajo se cuantifica el rol de los factores globales e idiosincrásicos en la dinámica

de la inflación para un conjunto de países de América Latina (Perú, Chile, Colombia, Brasil,
México) y Canadá que se caracterizan por conducir su política monetaria bajo un esquema
de metas explícitas de inflación. Para ello, se emplea un modelo panel VAR que considera
heterogeneidad entre los países de la muestra. El modelo se estima para el periodo 2005M01-
2015M11, usando variables globales (el valor de dólar respecto a una canasta de monedas,
un índice de precios de commodities y el precio del petróleo) así como domésticas (la tasa
de política monetaria, la brecha del producto, la depreciación de las monedas domésticas,
la inflación importada y la inflación total). Los resultados muestran que los desvíos de la
inflación respecto a sus niveles meta, particularmente durante el periodo 2007-2009 y desde
el 2013 en adelante, se explican en gran medida por factores comunes a la región, aunque
existen factores idiosincrásicos que han acentuado estos desvíos en algunos países como es
el caso de Brasil.
Palabras Clave : Inflación, América Latina, Panel VAR, Factores Globales.

Clasificación JEL : C32, E32, F41, F43.
¿Qué factores son más importantes en la dinámica de la inflación en América Latina? ¿Factores globales
como la evolución del precio del petróleo o el fortalecimiento del dólar?, o ¿factores domésticos, como
la dinámica de la brecha producto? ¿Por qué la reducción del precio del petróleo y de las materias
primas desde el 2014, no se han trasladado en tasas de inflación más bajas en los países de América
Latina, de la misma manera como se reflejaron en una menor inflación doméstica luego de la quiebra de
Lehman Brothers en 2008? ¿Existe interdependencia de la inflación entre los países de la región? ¿Qué
tan importante es esta interdependencia?
Responder estas preguntas resulta fundamental para comprender la evolución reciente del proceso
inflacionario en América Latina, que desde finales de la década de los 90 ha mostrado tasas de inflación
más bajas, gracias a que varias economías de la región implementan su política monetaria utilizando un
esquema de metas explícitas de inflación. Este esquema ha permitido que la inflación en la región se
reduzca significativamente en los últimos 15 años. Sin embargo, se han observado desvíos persistentes de
la inflación respecto a sus niveles metas, particularmente entre el 2007 y 2008, y recientemente durante
∗ Rivasplata: Universidad del Pacífico, Av. Salaverry 2020, Jesús María 15072, Lima, Perú (email: [email protected]).
Castillo: BCRP, Jr. Santa Rosa 441-445, Lima, Perú (email: [email protected]).
Se agradecen los comentarios y sugerencias de Fernando Pérez y de Diego Winkelried.
Este documento no representa necesariamente las opiniones del Banco Central de Reserva del Perú
10 Arnold Rivasplata y Paul Castillo
el 2014 y 2015, para Brasil, Chile, Colombia, México y Perú. Estos periodos también han coincidido con
movimientos significativos en los precios de commodities, y fortalecimiento del dólar, por lo que resulta
importante cuantificar el impacto de estos choques en la dinámica de la inflación en los países de la región,
para distinguir entre factores comunes a toda la región y factores idiosincrásicos.
La respuesta de la inflación a estos choques en la región, no parece haber sido la misma a lo largo del
periodo. Así, desde 2014, la caída del precios del petróleo y la apreciación del dólar, no se ha reflejado
para las principales economías de América Latina en rápidas y significativas reducciones en sus tasas
de inflación como las observadas durante la crisis financiera internacional en 2008 y 2009, sino por el
contrario en aumentos persistentes en la inflación.
El presente trabajo responde a las interrogantes previamente planteadas utilizando un modelo Multi-
Country Panel VAR, que se estima mediante el método propuesto por Canova y Ciccarelli (2009). Para
el análisis econométrico se utiliza datos mensuales para el periodo 2005M01-2015M11, de Perú, Chile,
Colombia, Brasil, México, y Canadá, todos países que implementan su política monetaria mediante el
esquema de metas explícitas de inflación. Para cada país, se considera como variables endógenas, la
inflación, el índice de precios de importación, el tipo de cambio nominal y brecha de producto, y la tasa
de política monetaria del Banco Central, y tres variables exógenas internacionales, el precio del petróleo,
índice commodities e índice dólar.
La metodología utilizada tiene tres principales ventajas para nuestro objetivo: 1) reduce la
sobreparametrización de los modelos Multi-Country VAR originales, debido a que emplea un método
de factorización de coeficientes; 2) captura mejor el co-movimiento de baja frecuencia presente en los
rezagos propios del VAR, y 3) facilita la interpretación de los coeficientes estimados.
Las variables globales que se utilizan buscan capturar el impacto tanto de la política monetaria de la
FED, a través de la variaciones del valor del dólar, como de la incidencia de los cambios en los precios de
las materias primas, principalmente del petróleo, y de otros commodities relevantes para la región. Para
capturar el movimiento del dólar, se utiliza el índice dólar que publica la FED, y para el índice de materias
primas, se utilizan un índice representativo de precios de materias primas que publica el FMI.
Estas variables globales afectan la inflación a través de varios canales. Los aumentos generalizados
de los precios de las materias primas (que incluyen además del precio del petróleo, minerales, como el
cobre y el oro, y productos alimenticios como la soya) afectan la economía y la inflación a través de su
efecto en demanda agregada y en los costos de bienes importados. Adicionalmente, el fortalecimiento del
dólar afecta la inflación doméstica a través de su efecto directo en los precios de las materias primas en
los mercados internacionales, y a través de canales financieros que inciden en el valor de las monedas
domésticas en la región. La inclusión de las tres variables globales antes mencionadas busca identificar de
mejor manera la importancia de estas fuentes posibles de presiones inflacionarias comunes en la región.
Los efectos de estos factores globales en la inflación dependen, a su vez, de las características propias
de los mercados de bienes y factores que subyacen la determinación de la inflación en las economías
domésticas, como por ejemplo, a) el grado de competencia en los sectores correspondientes de insumos
y bienes finales; b) el grado de indexación de salarios a la inflación; c) el grado de dolarización de las
economías, y d) la credibilidad en la política monetaria. Ello hace plausible la existencia de respuestas
heterogéneas de la inflación a choques globales en las distintas economías de la región. Por ello se requiere
una metodología que permita incorporar heterogeneidad en la dinámica de la inflación entre países, y que
a su vez, ello no signifique una gran pérdida de eficiencia. La metodología empleada permite lograr este
objetivo.
Existe una amplia literatura que estudia el rol de factores globales en la determinación de la inflación,
Estudios Económicos 34 © Diciembre 2017 BCRP

Factores globales e idiosincrásicos en la dinámica de la inflación en América Latina 11
en particular, para el caso del petróleo, Hamilton (1983), LeBlanc y Chinn (2004), Pincheira y García
(2007), Kilian (2009), Jiménez y Ramírez (2015), destacan su importancia. Los canales a través de los
cuales el petróleo afecta a las economías de la región, incluyen también su efecto indirecto a través del
tipo de cambio, que puede ser más intenso para las economías que son productoras de petróleo. Así, De
Gregorio y otros (2007) resalta que en los años 70, una parte significativa de la inflación en las economías
emergentes se explica en mayor medida por la devaluación que generó el incremento del precio petróleo,
que por el impacto directo de aumento en el precio del petróleo. Ciertamente, la política monetaria también
resulta importante en la transmisión de estos choques externos a la inflación. Así, Winkelried (2014) y
Maertens y otros (2012) encuentran evidencia empírica que muestra que la adopción de metas explícitas
de inflación contribuyó a la reducción del efecto traspaso del tipo de cambio en Perú.
El impacto de los factores globales en la inflación también ha sido documentado por Borio y Filardo
(2007), quienes destacan su importancia en la evolución de la inflación, en particular desde los 90, en las
economías emergentes. Ciccarelli y Mojon (2005) y Canova y Ciccarelli (2009) destacan la importancia de
choques comunes, vinculados a choques de precio de commodities, y choques de productividad globales,
en la inflación de las economías desarrolladas. Asimismo, Gerard (2012) destaca que la mayor correlación
entre choques globales y la política monetaria de las economías desarrolladas ha incrementado el co-
movimiento de la inflación entre las economías desarrolladas.
El modelo estimado en este trabajo permite descomponer la evolución de la inflación entre factores
comunes a todos los países de la región, factores asociados a características idiosincrásicas a cada país, y
a factores exógenos. La estimación muestra que en los periodos de mayor desvío de la inflación respecto a
sus niveles metas, el factor común de la inflación ha sido el factor más importante determinante de estos
desvíos. De acuerdo con los resultados de nuestra estimación, el componente común de la inflación para
los países considerados se incrementa significativamente entre 2007 y mediados de 2008, periodo previo
a la crisis financiera global, y se reduce rápida y drásticamente durante la segunda mitad de 2008 y en
particular en 2009 como respuesta al impacto de la crisis financiera global. Esta crisis generó una caída
abrupta en el precio de las materias primas e indujo a una contracción de la demanda agregada de las
economías, lo que se reflejó en una brecha producto negativa. En el periodo más reciente a partir de 2015,
se observa una aceleración de la inflación que coincide con el rápido y significativo fortalecimiento del
dólar en la región lo que indicaría que los factores comunes explican la evolución la inflación en los países
de la región, también para este período.
También se estima el factor común asociado a las otras variables del modelo, como brecha producto,
depreciación del tipo de cambio e inflación importada. En promedio, para los países analizados, la brecha
producto fue positiva para el periodo 2007 a mediados de 2008, y negativa para el periodo que va desde
la segunda mitad de 2008 hasta el 2010, que captura el impacto negativo en las economías de la región
de la financiera internacional. Para el periodo más reciente, desde 2011 a 2015, no se observan presiones
de demanda, dado que la brecha producto estimada es muy cercana a cero. Para este último periodo se
observa también una rápida caída en la inflación importada, que refleja la caída de los precios del petróleo,
mientras que el tipo de cambio muestra una tendencia creciente común para todas las monedas de la región,
consistente con el fortalecimiento del dólar. En el caso de la tasa de referencia de política monetaria, se
observa una rápida respuesta frente a la crisis financiera de 2008 mediante una reducción de la tasa de
interés de política monetaria, y también una posición de política monetaria expansiva para el periodo más
reciente, principalmente en 2013, con una reversión gradual en los siguientes años.
La estimación también muestra la importancia de factores específicos para la dinámica de la inflación
para Colombia, Perú, Chile y Brasil, que puede reflejar (para el periodo reciente, particularmente en 2015)
los efectos del fenómeno El Niño, que fueron más importantes en Colombia y Perú, el incremento de
tarifas eléctricas en Chile y el aumento de expectativas de inflación en el Brasil.
© Diciembre 2017 BCRP Estudios Económicos 34

Adicionalmente, se realiza la descomposición de varianza del error de predicción de la inflación, lo que

cuantifica la importancia de distintos choques en la evolución de la inflación en cada una de las economías
analizadas. Se observa que los factores externos explican entre el 30 y el 60 por ciento de la evolución de
la inflación en las economías consideradas, siendo mayor esta participación para el caso de las economías
más abiertas. Se presenta también la estimación del impacto de las variables globales mediante un ejercicio
de simulación contrafactual, que muestra que el impacto tanto de cambios no esperados en el precio del
petróleo, del índice de commodities, y del valor del dólar, son heterogéneos entre países (siendo el país más
sensible a estos choques, Colombia, y el menos sensible, Canadá). En el caso de Perú y Chile, se estima
impactos de similar magnitud: una caída del precio del petróleo de 10 por ciento genera una caída de la
inflación de entre 0,2 y 0,4 puntos porcentuales. Este impacto se ubica entre 0,3 y 0,4 puntos porcentuales
para una apreciación del dólar de 10 por ciento para los demás países considerados.
El presente trabajo está organizado de la siguiente manera: en la sección 1 se presenta la metodología
desarrollada por Canova y Ciccarelli (2009); en la sección 2, los resultados del modelo panel VAR
multipaís, mientras que en la última sección se ofrece las conclusiones.
1 M ETODOLOGÍA
Esta sección se basa en el modelo de Canova y Ciccarelli (2009). Formalmente, un panel VAR comprende
N unidades de análisis (como países, empresas, o bancos), un vector de n variables endógenas para cada
unidad de análisis, con p rezagos y un periodo temporal de tamaño T. También se incluye m variables
exógenas. El modelo más general puede escribirse de la siguiente manera:
y A1 A112,t ... A11N,t y

*. 1,t +/ *. 111,t +/ *. 1,t−1
// = .. A21,t A122,t ... A12N,t
+/
.. y2,t // .. y2,t−1 // +
.. ... // .. ... ..
.
..
.
..
. // .. ... //
, y N,t
1
- , AN1,t A1N2,t . . . A1N N,t - , y N,t−1 -
p p p
A A12,t ... A1N,t y c ε
*. 11,t
p p p +/ *. 1,t−p +/ *. 1,t *. 1,t
A21,t A22,t ... A2N,t ε
+/ +/
y
// .. 2,t−p // + .. c2,t // x + .. 2,t
+ .. .
.
.. .. .. // .. ... // .. ... // t .. ...
//
. .. . . . //
, ε N,t
p p p
, AN1,t AN2,t . . . AN N,t - , y N,t−p - , cN,t - -
donde, yi,t ≡ ( yi1,t yi2,t ... yin,t )0 es el vector de n variables endógenas correspondientes a la unidad
i. La matriz de parámetros, Aikj,t , es una matriz n × n de coeficientes que miden la respuesta de la unidad
i en el periodo t al k-ésimo rezago de la unidad j, dentro de la cual aikj,lm,t , representa la respuesta de la
variable l de la unidad i al rezago k-ésimo de la variable m de la unidad j. Adicionalmente, ci,t es una
matriz de n × m, que relaciona las n variables endógenas de la unidad i con las m variables exógenas:
c c . . . ci1,mt
*. i1,1t i1,2t
. . . ci2,mt
+/
ci2,1t ci2,2t
ci,t = ... .. .. ... ..
// ,
. . . . //
, cin,1t cin,1t . . . cin,mt -
donde, ci j,lt denota la respuesta de la variable endógena j de la unidad i a la variable exógena l en el
periodo t. Finalmente, el vector de las m variables exógenas, y los n residuos para cada unidad de análisis

pueden representarse como:
x ε
*. 1,t *. i1,t
εi2,t
+/ +/
x 2,t
x t = ... .. // y εi,t = ... .. // ∼ N (0, Σ ) .
i,i,t
. . // . . //
, x m,t - , εin,t -
La forma más general del modelo panel VAR, está caracterizada por cuatro propiedades:
1. Interdependencia dinámica: cada variable se explica por sus rezagos y los rezagos de las otras
variables para todas las unidades de análisis (esto es, Aikj,t , 0).
2. Interdependencia estática: εi,t esté correlacionado entre unidades de análisis (Σi, j,t , 0).
3. Heterogenidad entre subsecciones: los coeficientes del modelo VAR, y las varianzas de los residuos
son específicas a cada unidad de análisis (Alkj,t , Ask j,t , 0 ;Σi,i,t , Σ j, j,t , 0 y Ci,t , C j,t ).
4. Heterogenidad dinámica: los coeficientes VAR, y las varianzas de los residuos son específicos para
cada periodo (Aikj,t , Aikj,s ; Σi, j,t , Σi, j,s ).
Para el caso más general, el modelo contiene N × n × T elementos y un total de h = N × n(N np + m)

parámetros, lo que complica estimar el modelo mediante métodos de estimación estándar: se requiere
contar con una muestra temporal bastante grande, T ≥ (N np + m). Para el caso del modelo a estimar,
N = 6, n = 5, p = 5 y m = 3, con lo cual h = 6 × 5(6 × 5 × 5 + 3) = 4590 parámetros.
Si definimos Yt = (y1,t 0, y2,t 0, . . . , y N,t 0 )0 y Xt = (Yt−10, Yt−20, . . . , Yt−p0, x t−10, . . . , x t−p0 ), el modelo puede
escribirse de manera compacta como:
yt = X̄t β + εt ,
donde, X̄t = I N M ⊗ Xt0 y β representa el vector que contiene todos los parámetros del modelo anteriormente
planteado. Para reducir el número de parámetros a estimar, Canova y Ciccarelli (2013) proponen una
estrategia de factorización que permite expresar el conjunto de parámetros en términos de un número
reducido de factores. La estrategia consiste en expresar el vector β como una combinación lineal de r
factores estructurales:
β = z1 θ 1 + z2 θ 2 + z3 θ 3 + · · · + zr θr ,
donde β tiene dimensión h × 1, zs tiene dimensión, h × d s y θ s tiene dimensión d s × 1.

En la identificación del modelo se puede definir los siguientes factores estructurales:
1. θ 1 captura elementos comunes a todas las unidades de análisis.
2. θ 2 captura factores específicos a las unidades de análisis (tiene dimensión N).
3. θ 3 captura factores específicos a cada variable endógena (tiene dimensión n).
4. θ 4 captura factores específicos a los rezagos de cada variable endógena (tiene dimensión p).
5. θ 5 captura factores específicos a las variables exógenas (tiene dimensión m).

Apilando las matrices zi , se tiene z = (z1 z2 z3 · · · zr ) y θ ≡ ( θ 1 θ 1 · · · θr )0 de tal

manera que β = zθ, por lo que el modelo puede escribirse de manera compacta como:
yt = X̄t zθ + Et , (1)
tal que,
yt = Zt θ + Et (2)
donde, Zt = X̄t z. Nótese que θ tiene dimensión d s , significativamente menor que h.

Para ilustrar el proceso de factorización antes descrito, mostramos a continuación el caso de dos países,
dos variables, un rezago y una variable exógena. Esto implica, N = 2, n = 2, p = 2 y m = 1, con lo que
en total tenemos 7 parámetros a estimar, una cantidad menor que el número de parámetros del modelo
original, h = N × n(N np + m) = 36 parámetros. El modelo simple en su forma original tiene la siguiente
forma:
y a1 1
a11,12 1
a12,11 1
a12,12
*. 11,t +/ *. 11,11
1 1 1 1
+/ * y11,t−1 +
.. y12,t // = .. a11,21
1
a11,22
1
a12,21
1
a12,22
1
// .. y12,t−1 // +
. y21,t / .. a21,11 a21,12 a22,11 a22,12 // .. y21,t−1 //
1 1 1 1
, y22,t - , a21,21 a21,22 a22,21 a22,22 y
- , 22,t−1 -
a2 2
a11,12 2
a12,11 2
a12,12 y11,t−2 c ε
*. 11,11 +/ *. 1,11 *. 11,t
a2 2 2 2
// x 1,t + .. ε 12,t
+/ *
a11,22 a12,21 a12,22 y12,t−2 // + .. c1,21
+/ +/
+ ... 11,21 // ..
. ε 21,t
2 2 2 2
//
. a21,11 a21,12 a22,11 a22,12 // .. y21,t−2 / . c2,11 / /
, ε 22,t
2 2 2 2 y22,t−2
, a21,21 a21,22 a22,21 a22,22 -, - , c2,21 - -
Se define a continuación el conjunto de factores a considerar. El factor común en todo el sistema es

θ 1 ≡ θ 11 . Como hay dos unidades, el vector que contiene información específica de cada unidad de análisis
es θ 2 ≡ ( θ 21 θ 22 )0. Igualmente, como hay dos variables endógenas, el vector que contienen información
común de cada variable endógena es θ 3 ≡ ( θ 31 θ 32 )0. Asimismo, hay dos rezagos en el sistema, por
lo tanto θ 4 ≡ θ 41 captura la información específica que proviene de los rezagos en el sistema y θ 5 ≡ θ 51
contiene la información que la variable exógena aporta al sistema.
Para este ejemplo se define las dimensiones de las matrices. z1 es 36 × 1, z2 es 36 × 2, z3 es 36 × 2,
z4 es 36 × 1 y z5 es 36 × 1. Así, la primera variable del modelo y11,t se puede escribir como:
y11,t = Z11, t θ 11 + Z21,t θ 21 + Z31, t θ 3 + Z41, t θ 4 + Z51, t θ 5 ,
donde: Z11, t = y11,t−1 + y12,t−1 + y21,t−1 + y22,t−1 + y11,t−2 + y12,t−2 + y21,t−2 + y22,t−2 + x t captura el componente
común de todas las variables.
Z21, t = y11,t−1 + y12,t−1 + y11,t−2 + y12,t−2 representa la información común a la unidad de análisis 1.
Z31, t = y11,t−1 + y21,t−1 + y11,t−2 + y21,t−2 describe la información común en la variable 1 del modelo.
Z41, t = y11,t−1 + y12,t−1 + y21,t−1 + y22,t−1 denota la información contenida en el rezago 1.
Z51, t = x 1,t
Al utilizar este cambio de variable, el sistema puede escribirse de la siguiente manera:

y Z Z 0 Z 0
*. 11,t +/ *. 11,t *. 21,t *. 31,t
θ 21 θ 31
! !
.. y12,t // = .. Z11,t // θ 11 + .. Z21,t 0 0 Z32,t
+/ +/ +/
+ ..
θ 22 θ 32
// //
. y21,t / . Z11,t / . 0 Z 22,t / Z
. 31,t 0 /
, y22,t - , Z11,t - , 0 Z 22,t - , 0 Z32,t -
Z Z ε
*. 41,t *. 51,t *. 11,t
Z // θ 41 + .. Z51,t // θ 51 + .. ε 12,t
+/ +/ +/
+ .. 41,t
. ε 21,t
//
. Z41,t / . Z51,t / /
, Z41,t - , Z51,t - , ε 22,t -
donde,
Z22,t = y21,t−1 + y22,t−1 + y21,t−2 + y22,t−2 ,
Z32,t = y12,t−1 + y22,t−1 + y12,t−2 + y22,t−2 .
Así, el modelo anterior puede escribirse de manera más compacta yt = Zt θ + εt :
θ 11
*. θ 21 +/
y Z Z21,t 0 Z31,t 0 Z41,t Z51,t ε 11,t
*. 11,t +/ *. 11,t θ 22
. //
ε 12,t
+/ ..
y Z Z 0 0 Z Z41,t Z51,t // *. +/
.. 12,t // = .. 11,t 21,t 32,t // .. θ 31 // + .. // ,
. y21,t / . Z11,t 0 Z22,t Z31,t 0 Z41,t Z51,t ε 21,t
/ .. θ 32 // . /
, y22,t Z
- , 11,t 0 Z 22,t 0 Z 321,t Z41,t Z51,t . ε 22,t
- .. θ 41 // , -
, θ 51 -
De esta manera esta metodología permite estimar a partir de un conjunto de pocos factores, un
modelo complejo que contiene un gran número de parámetros. Una vez estimado el modelo, se puede
aplicar las herramientas usuales de la metodología VAR, como generar funciones impulso-respuesta, la
descomposición de la varianza de los errores de predicción y la descomposición histórica. Adicionalmente,
la estimación de los factores permite que se estime los componentes comunes e idiosincrásicos de las
variables bajo análisis . Así, por ejemplo, el factor común asociado a la variable 1 se puede estimar a partir
de:
f c1,t = Z11,t θ 11 + Z31,t θ 31 ,
que suma el factor común a todas las unidades de análisis, más el factor común que aporta al modelo la
variable 1 (inflación). Por otra parte, los factores específicos a cada país estarían capturados por Z21,t θ 21 ,
y Z22,t θ 22 . En nuestro caso, uno de estos factores comunes, el asociado a la variable inflación, se puede
interpretar como el componente común de la inflación.
La estimación de los parámetros θ del modelo propuesto se obtiene directamente de la representación
(2) regresionando las variables Yt en los respectivos promedios, dados por las variables Zt , y ajustando
los estimadores de las desviaciones estándar por la presencia de heterocedasticidad. Con el objetivo de
estimar una representación más flexible, Canova y Ciccarelli (2009), proponen factores cambiantes en el
tiempo, que evolucionan según la siguiente ley de movimiento:
θt = (I − C) θ̄ + Cθt−1 + η t , (3)

donde, η t ∼ N (0, Bt ), y
θ̄ = Pµ + , (4)
donde ∼ N (0, Ψ), θ̄ es la media no condicional de θt, P, C y Ψ son matrices conocidas, η t , y son
mutuamente independientes e independientes de εt . Bt = diag( B̄1, B̄2, . . . , B̄F ) = γ1 ∗ Bt−1 + γ2 B̄ = ξt ∗ B̄,
B0 = B̄, γ1 y γ2 son parámetros conocidos, y ξt = γ1t + γ2 (1 − γ1t )/(1 − γ1 ).
Como muestra Canova (1993), la estructura utilizada para Bt permite cambios en la varianza de θt que
pueden ser importantes para modelar apropiadamente la dinámica de los datos. Esta especificación anida
dos casos particulares, a) factores constantes, γ1 = γ2 = 0 y C = I, y b) varianza homocedástica, γ1 = 0 y
γ2 = 1.
El modelo a estimar comprende las ecuaciones (2), (3) y (4). Seguimos a Canova y Ciccarelli (2009)
que utilizan un enfoque bayesiano. Este enfoque tiene la ventaja de ofrecer estimadores válidos aún con
muestras pequeñas. La estimación clásica genera estimadores que son válidos únicamente cuando el
tamaño de muestra es grande. En caso la muestra sea grande, los estimadores bayesianos se aproximan a
los estimadores clásicos. La función de verosimilitud del modelo (2) puede escribirse como:
− 12 1X
L(θ, Υ|Y ) ∝ |Υt | exp[− (yt − Zt θt )Υt−1 (yt − Zt θt )] ,
2 t
donde Υt = (1 + σ 2 X̄t0 X̄t )Ω = σt Ω. Para calcular la distribución posterior de los parámetros del modelo,
se requieren “priors” para µ, Ψ−1 , Ω−1 , σ −2 y B−1 , que pueden obtenerse de una muestra de entrenamiento.
Cuando la muestra de entrenamiento no esta disponible, Canova y Ciccarelli (2009), plantean utilizar los
siguientes “priors”:
p(µ, Ψ−1, Ω−1, σ −2, B−1 ) = p(µ)p(Ω−1 )p(Ψ−1 )p(σ −2 )p(B −1

f ),
donde p(µ) = N ( µ̄, Σ µ ), p(Ψ−1 ) = W (z0, Q0 ), p(Ω−1 ) = W (z1, Q1 ), p(σ −2 ) = G( a21 , a22 ) y p(B −1
f ) =
W (z2 f , Q2 f ). N,W , y G representan distribuciones de probabilidad Normal, Wishart, y Gamma. Los
hiper-parámetros de estas distribuciones son tratados como fijos. La estimación de las distribuciones
posteriores se obtiene utilizando una variante del algoritmo de Gibbs de Chib y Greenberg (1995).
2 A NÁLISIS EMPÍRICO
2.1 L OS DATOS
Para el análisis se consideran las siguientes variables: a) el índice dólar, definido como el promedio
ponderado del tipo de cambio del dólar frente a las monedas de los principales socios comerciales de
Estados Unidos de Norte América1; b) un índice de precios representativos commodities2; c) el precio
internacional del petróleo3; d) la brecha del producto para cada país, definida como la diferencia entre el
producto potencial (calculado con el filtro de Hodrick y Prescott) y el PBI observado; e) el tipo de cambio
nominal , definido como el valor de dólar de Estados Unidos en términos de una moneda doméstica y f) un
1 Board of Governors of the Federal Reserve System Trade Weighted US Dollar Index Broad (TWEXBMTH), obtenida de la
base de datos FRED (https://fred.stlouisfed.org/series/TWEXBMTH).
2 Fondo Monetario Internacional.
3 Global price of WTI crude (POILWTIUSDM), obtenida de la base de datos FRED (https://fred.stlouisfed.org/
series/POILWTIUSDM).

índice de precios de importación, que considera precios de importación de alimentos y combustibles, una
canasta de precios de principales socios comerciales para importación de bienes de consumo y capital, y
la inflación, que se mide por el índice de precios al consumidor.
La muestra de países abarca a las principales economías de América Latina que implementan su
política monetaria mediante el esquema de metas de inflación. Adicionalmente, se considera a Canadá con
la finalidad de contrastar los resultados de la región con los de una economía desarrollada que también es
pequeña y abierta.
2.2 E SCOGIENDO EL MEJOR MODELO
Un sistema VAR sin restringir, propuesto con cinco variables endógenas y una global, y seis países implica
que por cada ecuación se tendría que estimar un total de 151 (k = 6 × 5 × 5 + 1) coeficientes, y tomando
en cuenta las 30 (6 × 5) ecuaciones, el número total de parámetros a estimar, se elevaría a 4530 más 465
parámetros de la covarianza. La estrategia de Canova y Ciccarelli (2009) permite reducir significativamente
el número de parámetros a estimar mediante un esquema de factorización que depende de tres factores:
θ 1,t un factor (1x1) que representa el factor común de los países de la región y Canadá, así como de las
variables consideradas en el modelo; θ 2,t , un vector (6 × 1) de los factores específicos de país; θ 3,t , un
vector (5 × 1) de los factores específicos de las variables.
El primer ejercicio que realizamos permite identificar qué especificación del modelo tiene mayor
capacidad de explicar los datos. Se estima los cinco modelos alternativos en el Cuadro 1. El modelo 1
está representado por tres factores (comunes y específicos) y características propias de la metodología
propuesta; en el modelo 2 no se asume interdependencia rezagada entre países; en el modelo 3 no se
permite variación temporal de los coeficientes; en el modelo 4 se excluye el componente específico de
país, mientras que en el modelo 5 se excluye el componente específico de variables.
Se utiliza el criterio planteado por Chib (1995) para elegir el mejor modelo. En el mismo Cuadro 1 se
observa los valores de la verosimilitud del método de cálculo de Chib. De acuerdo con estos resultados, el
modelo 1 (−981, 89) es el mejor, y el peor es aquel que no incluye variación temporal de los coeficientes,
es decir, el modelo 3 (−1685, 33).
El modelo elegido, el modelo 1, se estimará utilizando métodos bayesianos siguiendo la metodología
descrita en la sección previa. El modelo estimado considera tres factores, e incluye componentes
Cuadro 1. Modelos alternativos estimados

Modelo Especificación Verosimilitud
1 Yt = Z1, t θ 1, t + Z2, t θ 2, t + Z3, t θ 3, t + ε t −981, 89
θ t = θ t−1 + η t
2 Yt = Z1,∗ t θ 1, t + Z2,∗ t θ 2, t + Z3,∗ t θ 3, t + ε ∗t −1261, 50
θ t = θ t−1 + η t
3 Yt = Z1, t θ 1 + Z2, t θ 2 + Z3, t θ 3 + ε t −1685, 33
4 Yt = Z1, t θ 1, t + Z3, t θ 3, t + ε t −1606, 24
θ t = θ t−1 + η t
5 Yt = Z1, t θ 1, t + Z2, t θ 2, t + ε t −1631, 59
θ t = θ t−1 + η t
Nota: La verosimilitud es hallada por el método de Chib.

idiosincrásicos de país, lo que muestra una especificación razonable del modelo panel VAR multi-país.
Esta especificación permite cuantificar la interdependencia dinámica entre países y la dinámica de las
variables consideradas.
2.3 L A IMPORTANCIA DE FACTORES GLOBALES
Un primer resultado a partir de la estimación de los factores del modelo es la estimación del componente
común de inflación para todos los países de la muestra. Este se define como como Z1,t θ 1,t + (Z3,t θ 3,t )
y se presenta en el Gráfico 1. Como se puede observar, el componente común de la inflación para los
países considerados se incrementa significativamente entre 2007 y mediados de 2008 (previo a la crisis
financiera global) y se reduce rápida y drásticamente, durante la segunda mitad de 2008 y todo el 2009,
como respuesta al impacto de la crisis. Esto, generó una caída abrupta en el precio de las materias primas
e indujo a una contracción de la demanda agregada de las economías, lo que se reflejó en una brecha
producto negativa. En el periodo más reciente se observa una aceleración de la inflación a partir de 2015,
que coincide con el rápido y significativo fortalecimiento del dólar en la región.
El Gráfico 2 (p. 19) muestra, además del componente común de la inflación, los componentes comunes
para la región de brecha producto, tasas de interés, depreciación e inflación importada. La evolución
estimada es consistente con la interpretación que la inflación entre 2007 y 2009, tuvo un componente de
demanda doméstica significativo, dada la evolución de la brecha producto. En promedio para los países
analizados de la región, la brecha producto fue positiva para el periodo 2007 a mediados de 2008, y
negativa para el periodo que va desde la segunda mitad de 2008 hasta el 2010 (se captura el impacto
negativo en las economías de la región de la crisis financiera internacional). Para el periodo más reciente,
que va desde 2011 a 2015, no se observan presiones de demanda, dado que la brecha producto estimada
es muy cercana a cero. Para este último periodo, se observa también, una rápida caída en la inflación
importada (que refleja la caída de los precios del petróleo) mientras que el tipo de cambio muestra una
tendencia depreciatoria común para todas las monedas de la región (consistente con el fortalecimiento del
dólar). En el caso de la tasa de referencia de política monetaria, se observa una rápida respuesta frente a
la crisis financiera de 2008, mediante una reducción de la tasa de interés de política monetaria y también
Gráfico 1. Factor común de la inflación en América Latina

Gráfico 2. Determinantes macroeconómicos comunes de la inflación en América Latina
una posición de política monetaria expansiva para el periodo más reciente, principalmente en 2013 (con
una reversión gradual en los siguientes años).
Es interesante hacer notar el contraste entre la evolución de la inflación y la brecha producto del periodo
2007 – 2008 y su evolución en el 2013-2015. En el primer periodo se observa una caída más significativa
de la brecha producto y un menor depreciación que son consistentes con la rápida y significativa caída
de la inflación durante este periodo, mientras que en el segundo periodo, se observa una brecha producto
más neutral y una mayor depreciación de las monedas doméstica, consistente con el rápido aumento de
la inflación. La menor caída de la brecha producto, a pesar de la desaceleración del PBI en el segundo

Gráfico 3. Factores idiosincrásicos de la inflación en América Latina
periodo, estaría reflejando en parte, una caída más pronunciada del crecimiento potencial, que el observado
durante la crisis financiera global.
Los factores específicos a cada país que contribuyen a explicar la inflación se presentan en el Gráfico
3. Estos factores han sido importantes para explicar la evolución de la inflación en varios episodios para
los distintos países considerados. El factor específico de Colombia, que explica parte del incremento de
la inflación desde 2014, se dio por la presencia del fenómeno El Niño con una fuerte intensidad por
varios meses, afectando al sector agropecuario (choque de oferta). En esa misma línea, el factor específico
de Perú, explica el incremento de la inflación por las tarifas eléctricas, de agua potable y el choque

climático del fenómeno El Niño. Asimismo, en Brasil, el factor específico ha sido importante desde
inicios del 2015, por aumentos de expectativas de inflación. En México, el factor específico ha afectado la
inflación a la baja, producto de disminución de las tarifas de servicios públicos (en sectores energético y de
telecomunicaciones) así como el precio de materias primas, resultado de la implementación de reformas
estructurales (privatización).
Por otro lado, durante el periodo 2006 – 2010, se observa que también fueron factores específicos en
cada país los que amplificaron los efectos negativos en la brecha producto y en la inflación. Estos efectos
fueron particularmente fuertes en el caso de Brasil y de Canadá y menos intensos en el caso del Perú,
lo que podría reflejar la heterogeneidad en las respuestas de política monetaria y fiscal frente a la crisis
financiera global, así como la intensidad de los canales de transmisión de la crisis financiera internacional.
Por ejemplo, en el caso de Canadá, la cercanía con los EE.UU podría explicar los efectos negativos de
mayor intensidad que contribuyeron a la inflación a la baja.
En el caso específico del Perú (ver Gráfico 4) se observa la dinámica de todos los factores (línea sólida)
que explica, para el periodo 2014-2015, el 66,46% de la inflación observada (línea punteada), mientras
que para el periodo 2008-2009 esta alcanza el 81,27%. Este es resultado de una mayor importancia del
factor específico de la inflación y de la brecha de producto para este período, a diferencia del periodo
2014-2015, donde se observa una mayor contribución del factor común de inflación a la región.
2.4 I MPACTO DE LAS VARIABLES GLOBALES EN LA INFLACIÓN
En esta subsección utilizamos el modelo estimado para cuantificar el impacto de las variables exógenas en
la inflación de los distintos países de la muestra. Para ello se realiza un ejercicio contrafactual en el que
se simula la respuesta del sistema estimado considerando trayectorias alternativas para las tres variables
exógenas del modelo: el precio del petróleo, el índice de commodities y el valor del dólar. La respuesta
simulada se presenta para las variables endógenas como la inflación, índice de importación, tipo de cambio
y brecha de producto de los países de la región, considerando una variable exógena a la vez. La simulación
del modelo panel VAR estimado tiene la ventaja, al igual que en el caso de Canova y Ciccarelli (2009), de
considerar la interdependencia dinámica entre países y una estructura flexible que también considera la
posibilidad de cambios de parámetros en el tiempo.
Gráfico 4. Contribución de los factores sobre la inflación de Perú

El primer caso a considerar es el efecto de una caída no esperada en el precio del petróleo. En el
Gráfico 5 (p. 23) se observa la trayectoria para la tasa de crecimiento a 12 meses (a) del precio del petróleo
observado (línea sólida) y la trayectoria contrafactual (línea punteada). El precio promedio del petróleo es
USD 90 dólares por barril en la trayectoria contrafactual versus USD 66 en la observada.
El Gráfico 6 (p. 23) presenta las respuestas de inflación condicional (línea solida) de todos los países
ante choques del precio del petróleo. Se observa que una caída en el precio del petróleo reduce la inflación
en todos los países considerados, aunque los impactos difieren en magnitud. Así, el efecto máximo de la
caída en los precios del petróleo se ubica entre una caída de 0,5 puntos porcentuales para Colombia y
0,2 puntos porcentuales para Canadá, luego de 6 meses. En el Gráfico 7 (p. 24) se muestra estos efectos
comparativos para todos los países considerados en el modelo.
Asimismo, se observa el efecto traspaso de un choque del precio del petróleo sobre la inflación de los
países de la región (en el cuadro del Gráfico 7, que normaliza el impacto en la inflación a la magnitud del
choque en el precio del petróleo). De acuerdo con estos resultados, una reducción de 10 por ciento en el
precio del petróleo, la inflación en los países de la región se reduce entre 0,2 y 0,4 puntos porcentuales.
En el caso del Perú, el impacto es de 0,28 puntos porcentuales, similar al caso de Chile y Brasil. El caso
de mayor impacto es Colombia; siendo un productor de petróleo, el efecto directo del precio de petróleo
sobre la inflación se amplifica porque una caída en el precio del petróleo también representa un choque
contractivo de demanda, que también es deflacionario. Canadá, de otro lado, presenta el menor impacto,
lo que puede reflejar una estructura productiva mucho más diversificada, que limita el impacto de cambios
en el precio del petróleo en la inflación.
Al igual que el choque del precio del petróleo, se simula el efecto en la inflación de una trayectoria
contrafactual para el índice de commodities, que excluye al petróleo (ver Gráfico 8, p. 25). En este caso
se quiere capturar el efecto de cambios más generalizados en el precio de los commodities, que toma en
cuenta los efectos de cambios en los precio de los granos (maíz y trigo), así como en los precio de los
metales (hierro, cobre, otros). El observado se denota por la línea sólida y el contrafactual por la línea
punteada. El choque se mide por la diferencia entre ambas trayectorias.
En el Gráfico 9 (p. 25) se observa el efecto de la inflación ante un choque del índice de commodities
para los países de la región. La respuesta es similar a la observada en el caso del choque del petróleo,
mostrando una caída de la inflación en todos los países en los 5 meses siguientes al choque, que luego se
modera. Chile, México y Brasil presentan la mayor reversión en el impacto del choque, seguido por Perú
y Colombia.
El efecto traspaso se presenta en el Gráfico 10 (p. 26). Para una caída en el precio de commodities
de 10 por ciento, la menor reducción en la inflación se observa en el caso de Canadá, 0,15 por ciento,
mientras que la mayor caída en la inflación se observa en el caso de Colombia, 0,46 por ciento. Para Perú,
se estima un impacto de 0,30 por ciento, ligeramente mayor que el impacto estimado para Chile pero
menor al estimado para Brasil.
La tercera variable global que consideramos es el valor del dólar, que ha mostrado un fortalecimiento
significativo desde mayo de 2013. En el Gráfico 11 (p. 27), se muestra con la línea sólida, la tasa de
crecimiento a 12 meses observada y, con la línea punteada, la tasa de crecimiento contrafactual.
La respuesta de la inflación ante un fortalecimiento del dólar mayor al esperado se observa en el Gráfico
12 (p. 27), y se presenta un comparativo entre los países en el Gráfico 13 (p. 28). El mayor impacto también
se observa en el caso de Colombia, y el menor impacto en el caso de Canadá.
Adicionalmente, el efecto de traspaso del índice dólar sobre la inflación muestra impactos mayores que
en el caso del precio de los commodities, para todos los países. Así, por ejemplo, el fortalecimiento del

Gráfico 5. Trayectoria contrafactual de la variación anual del precio del petróleo
Gráfico 6. Respuesta de la inflación ante una caída del precio del petróleo
Brasil Canada
-.04 .00
-.08
-.05
-.12
-.16 -.10
-.20
-.15
-.24
-.28 -.20
-.32
-.25
-.36
-.40 -.30
M12 M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11
2014 2015 2014 2015
Chile Colombia
-.05 .0
-.10
-.1
-.15
-.2
-.20
-.25 -.3
-.30
-.4
-.35
-.5
-.40
-.45 -.6
2014 2015 2014 2015
Mexico Peru
.0 -.05
-.10
-.1
-.15
-.20
-.2
-.25
-.3
-.30
-.35
-.4
-.40
-.5 -.45
2014 2015 2014 2015
Nota: Se muestra las respuestas del modelo a la trayectoria contrafactual del precio del petróleo más las respuestas con la
trayectoria observada del precio del petróleo.

Gráfico 7. Comparativo de Efecto

la respuesta de la inflación ante una caída de precios de petróleo.
en la inflacion de una reduccion en el Precio del Petroleo
.0
-.1
-.2
-.3
-.4
-.5
M12 M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11
2014 2015
Peru Chile Colombia

Brasil Mexico Canada
Efecto traspaso de una caída del precio del petróleo

Periodo Brasil Canadá Colombia Chile México Perú
6 0, 0150 0, 0094 0, 0221 0, 0170 0, 0173 0.0151
11 0, 0284 0, 0171 0, 0394 0, 0287 0, 0305 0, 0284
dólar en Canadá tiene un impacto que es casi el doble que el impacto observado para el mismo país ante
un choque de precios de commodities y de precio de petróleo. Lo mismo se observa en el caso de los otros
países. En el caso de Perú, una apreciación del dólar de 10 por ciento, genera un aumento de la inflación
de 0,35 puntos porcentuales.
3 C ONCLUSIONES
El objetivo del documento es analizar la importancia de los factores comunes e idiosincrásicos en la
dinámica de la inflación de los países de América Latina con metas explícitas. Para ello, se utilizó la
metodología sugerida por Canova y Ciccarelli (2009), que permite explicar la inflación por factores
comunes asociados al país, a las variables y a los rezagos de las mismas, y por factores específicos. Esta
metodología permite también tomar en cuenta la posible interdependencia entre los países considerados.
Los resultados encontrados sugieren que factores comunes a las variables explicativas de la dinámica de
la inflación, como el debilitamiento o fortalecimiento del dólar, la evolución de los precios de commodities,
como el petróleo, tuvieron un papel importante en la evolución de la inflación en América Latina en los
últimos 15 años. Los resultados también permiten entender por qué la inflación cayó en el año 2009,
mientras que aumentó en el año 2014 y 2015 frente a un choque similar de caída de precios de commodities
y fortalecimiento del dólar. La diferencia clave, de acuerdo con la estimación, es el comportamiento del
tipo de cambio versus el de la brecha producto en ambos periodos: mientras que la brecha producto cayó
fuertemente en el 2009 y la depreciación de las monedas domésticas fue leve y transitoria, en el 2014
y 2015, se observó lo opuesto, una caída moderada en la brecha producto, y una fuerte y persistente
depreciación de las monedas locales. Este comportamiento diferenciado hizo que se observara mayor
inflación en el periodo reciente, y caída de inflación en el 2009.

Gráfico 8. Simulación contrafactual de variación 12 meses del índice de precios de materias primas
Gráfico 9. Respuesta de la inflación ante una caída del precio de materias primas
Brasil Canada
.0 .00
-.04
-.1
-.08
-.2
-.12
-.3
-.16
-.4
-.20
-.5 -.24
2014 2015 2014 2015
Chile Colombia
.00 .0
-.04
-.1
-.08
-.12 -.2
-.16
-.3
-.20
-.24 -.4
-.28
-.5
-.32
-.36 -.6
2014 2015 2014 2015
Peru Mexico
.00 .0
-.05
-.1
-.10
-.15
-.2
-.20
-.3
-.25
-.30
-.4
-.35
-.40 -.5
2014 2015 2014 2015

Gráfico 10. Respuesta comparativa de la inflación a una caída de precio de materias primas
Efecto en inflacion de un aumento en los precios de commodities
.0
-.1
-.2
-.3
-.4
-.5
-.6
M12 M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11
2014 2015
Peru Chile Colombia

Efecto traspaso de una caída del precio de commodities

6 0, 0180 0, 0074 0, 0232 0, 0144 0, 0188 0.0142
11 0, 0327 0, 0147 0, 0455 0, 0262 0, 0344 0, 0298
La estimación muestra también la importancia de factores específicos de país para la dinámica de la

inflación en Colombia, Perú, Chile y Brasil durante el periodo reciente, particularmente en 2015, entre los
cuales se cuenta a: los efectos del fenómeno El Niño que fueron más importantes en Colombia y Perú, el
incremento de tarifas eléctricas en el caso de Chile y la pérdida de anclaje de expectativas para el caso de
Brasil.
Mediante un ejercicio contrafactual, se estimó que una caída en el precio del petróleo, de un promedio
de USD 90 por barril a un promedio de USD 66 reduce la inflación por un año entre 0,2 y 0,4 puntos
porcentuales, siendo mayor en el caso de Colombia, y menor en el caso de Canadá, mientras que estos
impactos se ubican entre 0,3 y 0,4 puntos porcentuales para una apreciación del dólar de 10 por ciento para
los países considerados en la estimación. Esto muestra que un fortalecimiento del dólar genera aumentos
de inflación que son significativos y persistentes en las economías de la región.
Finalmente, en futuras investigaciones se pueden desarrollar extensiones a este trabajo, que incluyan
incorporar variables domésticas y externas adicionales. Asimismo se puede profundizar sobre la
transmisión de los choques a un grupo de países que presentan una política similar, pero heterogeneidad
sobre el comportamiento de sus principales variables domésticas, utilizando estrategias de identificación
de los choques estructurales más robustos, como por ejemplo, restricciones de signo.

Gráfico 11. Evolución contrafactual del valor del dólar
Gráfico 12. Respuestas de la inflación ante un aumento en el valor del dólar

Brasil Canada
.8 .6
.7
.5
.6
.4
.5
.4 .3
.3
.2
.2
.1
.1
.0 .0
2014 2015 2014 2015
Chile Colombia
.7 .8
.6 .7
.6
.5
.5
.4
.4
.3
.3
.2
.2
.1 .1
.0 .0
2014 2015 2014 2015
Mexico Peru
.7 .7
.6 .6
.5 .5
.4 .4
.3 .3
.2 .2
.1 .1
.0 .0
2014 2015 2014 2015

Gráfico 13. Respuestas comparativas de la inflación frente a un aumento del valor del dólar
Efecto en inflacion de un aumento en el valor del dolar
.7
.6
.5
.4
.3
.2
.1
.0
M12 M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11
2014 2015
Peru Chile Colombia

Efecto traspaso en la inflación de un aumento en el valor del dólar

6 0, 0196 0, 0140 0, 0206 0, 0169 0, 0192 0.0154
11 0, 0377 0, 0253 0, 0418 0, 0325 0, 0369 0, 0341
R EFERENCIAS
Borio, C. y A. Filardo (2007), “Globalization and inflation: New cross-country evidence on the global determinants
of domestic inflation”, BIS Working Paper 227.
Canova, F. (1993), “Modelling and forecasting exchange rates using a Bayesian time-varying coefficient model”,
Journal of Economic Dynamics and Control, 17, 233-262.
Canova, F. y M. Ciccarelli (2009), “Estimating multi-country VAR models”. International Economic Review, 50(3),
929-959.
Canova, F. y M. Ciccarelli (2013), “Panel vector autoregressive models: A survey”, ECB Working Paper 1507.
Ciccarelli, M. y B. Mojon (2005), “Global inflation”, ECB Working Paper 537.
Ciccarelli, M. y B. Mojon (2008), “Global Inflation”, Federal Reserve Bank of Chicago.
Chib, S. (1995), “Marginal likelihood from the Gibbs output”, Journal of the American Statistical Association, 90,
1313-1321.
Chib, S. y E. Greenberg (1995), “Understanding the Metropolis-Kastings algorithm“, American statistician, 49(4),
327-335.
De Gregorio, J., O. Landerretche y C. Neilson (2007), “Another pass-through bites the dust? Oil prices and inflation”,
Economía, 7(2), 155-208.
Gerard, H. (2012), “Co-movement in inflation”, Reserve Bank of Australia, Research Discussion Paper 2012-01.
Hamilton, J. (1983), “Oil and the macroeconomy since World War II”, Journal of Political Economy, 91(2), 228-248.

Jiménez, M. A. y F. A. Ramírez (2015), “Incidencia de los choques externos y domésticos sobre la dinámica de la
inflación: Evidencia a partir de un VAR Bayesiano”, mimeo.
Kilian, L. (2009), “Not all oil price shocks are alike: Disentangling demand and supply shocks in the crude oil
market”, American Economic Review, 99(3), 1053-1069.
LeBlanc, M. R. y M. D. Chinn (2004), “Do high oil prices presage inflation? The evidence from G5 countries”,
Business Economics, 39(2), 38 – 48.
Maertens, R., P. Castillo y G. Rodriguez (2012), "Does the exchange rate pass-through into prices change when
inflation targeting is adopted? The Peruvian case study between 1994 and 2007”, Journal of Macroeconomics,
34(4), 1154-1166.
Pincheira, P. y A. García (2007), “Impacto inflacionario de un shock de precios del petróleo: Análisis comparativo
entre Chile y países industriales”, Banco Central de Chile, Documento de Trabajo 413.
Winkelried, D. (2014), “Exchange rate pass-through and inflation targeting in Peru”, Empirical Economics, 46(4),
1181-1196.

Choques externos y coordinación de políticas

monetarias y macroprudenciales en las economías
de la Alianza del Pacífico
Z ENÓN QUISPE , D ONITA RODRÍGUEZ , H IROSHI T OMA Y C ÉSAR VÁSQUEZ∗
Recientemente, las economías que integran la Alianza del Pacífico (Chile, Colombia, México
y Perú) han logrado alcanzar la integración comercial, han hecho avances en su integración
financiera y han podido sobrellevar los efectos colaterales causados por los choques globales
que han ocurrido fuera del bloque. Pero, ¿estarían los miembros de la Alianza del Pacífico
mejor aún si ellos coordinaran sus respuestas de política cuando enfrentan choques globales
externos? Para responder esta pregunta se propone un marco basado en el Global Projection
Model (GPM) del Fondo Monetario Internacional (FMI), que cuenta con vínculos reales y
financieros entre países. Se consideran ecuaciones adicionales de términos de intercambio,
commodities, flujos de inversión de cartera, flujos de inversión directa extranjera, créditos,
tasas de interés de créditos y política macroprudencial con el objetivo de tener un modelo más
comprensivo. Se encuentra que ante choques globales que provienen de China y los Estados
Unidos, las economías de la Alianza del Pacífico están generalmente mejor cuando coordinan
sus respuestas de política que cuando no lo hacen.
Palabras Clave : Alianza del Pacífico, políticas monetaria y macroprudencial.

Clasificación JEL : F15, F41, F42.
La Alianza del Pacífico es un bloque comercial, establecido en 2012, que agrupa a cuatro de las economías
más importantes de la región de América Latina: Chile, Colombia, México y Perú. De acuerdo con el
Fondo Monetario Internacional (FMI), estas cuatro economías representaron el 37 % del PBI de América
Latina y el Caribe en 2015 (40 % si se mide en paridad del poder de compra), con lo que, cuando se
considera como un bloque, es la octava economía más importante en el mundo (séptima si se mide en
paridad del poder de compra).
∗ Quispe: Asesor de Investigación Económica, BCRP (email: [email protected]). Rodríguez: Jefa de Análisis
Macroeconómico, APOYO Consultoría (email: [email protected]). Toma: Supervisor Especializado de
Modelos Macroeconómicos, BCRP (email: [email protected]). Vasquez: Especialista en Economía Mundial,
BCRP(email: [email protected]).
Se agradecen los comentarios de Raymundo Chirinos y de los asistentes del Congreso Anual 2017 de la Asociación Peruana
de Economía y del XXXV Encuentro de Economistas del Banco Central de Reserva del Perú. Las opiniones expresadas en
el presente documento son exclusivas de los autores y no necesariamente reflejan las del Banco Central de Reserva del Perú.
Todos los errores son responsabilidad de los autores.
32 Zenón Quispe, Donita Rodríguez, Hiroshi Toma y César Vásquez
El objetivo principal de la Alianza del Pacífico ha sido lograr la integración comercial de sus economías,
sobre la base de su historia común y características económicas. Además, estos países han hecho esfuerzos
también para lograr la integración financiera, a través del Mercado Integrado Latinoamericano (MILA),
que proporciona un fácil acceso a un inversionista de cualquiera de los países miembros a las inversiones
en los mercados de valores de los demás miembros.
Recientemente, las economías de la Alianza del Pacífico han logrado enfrentar exitosamente los
efectos colaterales resultantes de los choques globales que han surgido desde el exterior, como la actual
desaceleración económica de China y el comienzo de la normalización de la política monetaria de la
Reserva Federal de los Estados Unidos. En escenarios como estos, cuando un choque global desde fuera del
bloque ocurre, ¿es conveniente para las economías coordinar sus políticas monetarias y macroprudenciales?
Si bien existe cierto consenso de que cada país debe seguir su propia política monetaria, el debate
actual se ha centrado en si los Bancos Centrales deberían coordinar sus políticas monetarias, sean estas
convencionales o no (Kahn y Meade, 2016; Mohan y Kapur, 2014).
En este documento, se propone un marco basado en el Modelo de Proyección Global (GPM) del FMI,1
el cual presenta interacciones a través del sector real y financiero entre países. Se introducen ecuaciones
para los términos de intercambio, commodities, flujos de inversión de cartera, flujos de inversión directa
extranjera, créditos, tasas de interés de créditos y política macroprudencial, para capturar los canales de
transmisión de los choques globales hacia las economías de la Alianza del Pacífico.
Primero, para identificar las respuestas económicas específicas de cada país a los efectos de los choques
globales, se considera un modelo con las cuatro economías de la Alianza del Pacífico por separado, así
como China y los Estados Unidos, que son las dos economías más importantes en el mundo y también
los principales socios comerciales del bloque. Este es el caso en el cual las economías de la Alianza del
Pacífico no coordinan sus políticas monetarias y macroprudenciales. En segundo lugar, proponemos el
mismo modelo, pero considerando solo China, los Estados Unidos y la Alianza del Pacífico como bloque,
para evaluar el caso en el que todos los países miembros de la Alianza del Pacífico se comportan como uno,
lo que se puede entender como una coordinación perfecta de políticas monetarias y macroprudenciales
entre estos países. Luego, las funciones impulso-respuesta y las funciones de pérdida de bienestar social de
ambos casos se comparan, a fin de evaluar la diferencia en los efectos colaterales de los impactos globales
en los países de la Alianza del Pacífico. De este modo, se puede estudiar la intensidad y duración de las
reacciones económicas de la Alianza del Pacífico, cuando se trabaja como economías no coordinadas y
cuando se opera como un bloque unificado.
Se encuentra que, ante los choques globales originados en China (choque de demanda negativo,
incremento de tasa de encaje y choque de depreciación del renminbi) y en los Estados Unidos (choque
de demanda negativo, aumento de la tasa de interés y choque de crédito negativo), las economías de la
Alianza del Pacífico están, en general, en mejor situación cuando coordinan las respuestas de política.
Solo en el caso de un choque de crédito negativo en los Estados Unidos se encuentra que las economías
miembros de la Alianza del Pacífico podrían estar ligeramente mejor si no coordinan sus políticas. Por
lo tanto, se concluye que la coordinación entre los miembros podría actuar como un soporte que ayuda a
paliar los efectos de los choques globales que provienen del exterior del bloque.
La siguiente sección caracteriza la Alianza del Pacífico. La segunda sección cubre brevemente la
literatura sobre los modelos GPM y el comercio entre bloques económicos. La tercera sección presenta el
modelo, mientras que los datos son explicados en la cuarta sección. En la penúltima sección se explican
los resultados y finalmente las conclusiones se detallan en la sección final.
1 Para el modelo base de GPM, ver Carabenciov y otros (2008a), Carabenciov y otros (2008b) y Carabenciov y otros (2008c).
Para sus extensiones, ver Canales-Kriljenko y otros (2009), Carabenciov y otros (2013), Blagrave y otros (2013).

Choques externos y coordinación de políticas monetarias y macroprudenciales 33
1 A LIANZA DEL PACÍFICO

La Alianza del Pacífico es un bloque comercial que agrupa las economías de Chile, Colombia, México
y Perú. Fue establecido en 2012, con el Acuerdo Marco de la Alianza del Pacífico (Alianza del Pacífico,
2012). Su principal objetivo es lograr la integración comercial de las cuatro economías, en base a su
historia común y características económicas. Si se analizan las exportaciones de los países miembros, es
notorio que existen similitudes que se han preservado a lo largo del tiempo (ver Gráfico 1).
Los miembros de la Alianza del Pacífico difieren en el grado de la diversificación de sus exportaciones,
medido como el porcentaje de exportaciones no tradicionales en relación con las exportaciones totales
(ver Gráfico 2, p. 34). Perú y Colombia tienen una mayor dependencia del sector tradicional, a diferencia
de México, cuya economía está mucho más diversificada hacia manufactura debido, principalmente, a su
proximidad con los Estados Unidos. Una característica importante es la transición que se ha dado hacia el
sector no tradicional, en los últimos años, lo cual ha ocurrido para todos los países miembros de la Alianza
del Pacífico. Así, las economías de la Alianza del Pacífico tienen características comunes, pero en algunos
casos muestran un cierto grado de heterogeneidad, como en su estructura productiva y exportadora.
Como ya se mencionó, los miembros de la Alianza del Pacífico son parte del MILA, lo cual puede
explicar las similitudes que ocurren dentro de la dinámica observable de los flujos de capital, ya que estos
países comparten un mercado financiero común. Por lo tanto, estas economías, además de sus importantes
vínculos reales, también muestran tendencias comunes con respecto a sus ciclos financieros. Por ejemplo,
en el Gráfico 3 (p. 34) se puede apreciar que Chile, México y Perú tienen grandes similitudes en la evolución
de la inversión de cartera e inversión directa, mientras que Colombia muestra una menor correlación con
el bloque.
Gráfico 1. Exportaciones totales de miembros de la Alianza del Pacífico
Fuente: UN Comtrade. Las cifras son variaciones porcentuales acumuladas de 12 meses.

Gráfico 2. Proporción de exportaciones no tradicionales de las economías de la Alianza del Pacífico
Fuente: UN Comtrade. Las cifras son porcentajes del total de exportaciones.
Gráfico 3. Flujos de inversión de cartera e inversión directa extranjera
Fuente: FMI. Las cifras son variaciones porcentuales acumuladas de 4 trimestres.

2 R EVISIÓN DE LA L ITERATURA
El modelo utilizado en este documento se basa en el Modelo de Proyección Global (GPM) del FMI.
El GPM fue desarrollado primero en Carabenciov y otros (2008a), donde se consideran vínculos reales
y financieros a la estructura económica. Dicho modelo es estimado por medio de técnicas bayesianas.
Posteriormente, los autores desarrollaron modelos adicionales para estudiar las interacciones entre países
(Eurozona y Japón) y el impacto de los precios del petróleo (Carabenciov y otros, 2008b,c). En los años
siguientes, los autores agregaron más economías al modelo, como América Latina y China (Canales-
Kriljenko y otros, 2009; Carabenciov y otros, 2013; Blagrave y otros, 2013). Se utiliza su metodología
para modelar las cuatro economías de la Alianza del Pacífico, así como las de China y los Estados Unidos,
que son las dos economías más importantes en el mundo, y los principales socios comerciales del bloque.
Si bien no se ha discutido lo suficiente en la literatura económica sobre la Alianza del Pacífico,
existen trabajos relacionados con bloques comerciales y su utilidad. Por ejemplo, se ha debatido mucho
sobre la conveniencia del Acuerdo Transpacífico de Cooperación Económica (TPP). Petri y Plummer
(2016) usan un Modelo de Equilibrio General Computable (CGE) con 19 sectores y 29 regiones, que
incluye interacciones entre empresas, hogares y gobierno para estudiar los efectos económicos del TPP.
Encuentran que, para 2030, este acuerdo produciría un beneficio de aproximadamente USD 465 mil
millones de ingresos adicionales para sus miembros, sobre la base de la integración económica y de la
creación de mano de obra. Este hallazgo parece estar respaldado por otras investigaciones, como Lee y
Itakura (2014) y Strutt y otros (2015).
Sobre la discusión de si los Bancos Centrales deberían coordinar sus políticas, Kahn y Meade (2016)
mantienen la idea de que la mayor parte de las interacciones entre Bancos Centrales en la historia se pueden
definir básicamente como diplomacia, que es cómo los autores llaman a la relación básica que se construye
entre instituciones. Los autores luego señalan que no ha habido muchas situaciones en las cuales los
Bancos Centrales hayan tomado acciones conjuntas. Finalmente, apuntan a un esquema de coordinación
global de Bancos Centrales en tiempos de crisis. En esta misma línea, Mohan y Kapur (2014) también
discuten sobre cómo la política monetaria convencional y no convencional no ha mostrado coordinación
entre los Bancos Centrales hasta ahora, a pesar de que, dada la globalización y los choques globales, podría
ser deseable coordinar.
Tal vez, el mejor ejemplo de un esquema de coordinación de política monetaria es la Unión Económica
y Monetaria (UEM) de la Unión Europea (UE), que ha sido ampliamente analizada. Por ejemplo, Beetsma y
otros (2001) revisan una serie de cuestiones relacionadas con la política macroeconómica y la coordinación
dentro de la UEM. Su principal objetivo es responder la pregunta de si la coordinación es deseable, y su
principal descubrimiento es que es beneficioso cuando la correlación de los choques (demanda u oferta) es
baja entre países. Los autores utilizan un modelo macroeconómico que caracteriza demanda, oferta, deficit
presupuestario, tasa de interés nominal, inflación y expectativas inflacionarias dentro de la UEM. A través
de una serie de choques simétricos y asimétricos de oferta y demanda, los autores evalúan el bienestar a
través de una función de pérdida. Encuentran que la conveniencia de la coordinación de políticas depende
del tipo de choque.
También se puede encontrar el trabajo de Suardi (2001) que explica cómo los canales de transmisión
funcionan cuando existe una política monetaria única a través de las economías de la UE, encontrando un
cierto grado de convergencia que podría reducir las asimetrías en algunas áreas de la UE. Mortensen
(2013) y Leino y Saarenheimo (2016) profundizan el debate sobre la coordinación de las políticas
macroeconómicas para la UEM, con respecto a temas como los límites en el uso del poder de la UE
sobre los estados miembros, la comparación entre la coordinación de políticas y la no-coordinación y
presentan un breve resumen de los eventos más destacados que han ocurrido en la UE.

3 M ODELO
El modelo que se propone está basado en el GPM del FMI, el cual es un modelo semi-estructural que
permite trabajar con varios países en simultáneo2. Para capturar los canales de transmisión de los choques
externos a la Alianza del Pacífico se introducen los términos de intercambio, commodities, los flujos de
inversión de cartera, los flujos de inversión directa extranjera, los créditos, las tasas de interés crediticias y
la tasa de política macroprudencial. De esta manera, es posible modelar choques como un incremento en
la tasa de política monetaria en los Estados Unidos (que afectaría los flujos de inversión de cartera) o una
desaceleración económica en China (que afectaría los términos de intercambio).
Mientras que las especificaciones originales del GPM incluyen a las economías más grandes del
mundo y a América Latina como un único país, en este documento se considera primero a cada uno de
los miembros de la Alianza del Pacífico por separado, así como a China y los Estados Unidos, que son
los principales socios comerciales del bloque. Este es el caso en el que no existe coordinación de políticas
monetarias y macroprudenciales entre los miembros de la Alianza del Pacífico. Luego, en una segunda
parte se considera a la Alianza del Pacífico como un único país, que representa el caso en donde hay
coordinación de políticas monetarias y macroprudenciales entre los miembros de la Alianza del Pacífico.
Con el objetivo de responder a la pregunta de si es conveniente coordinar políticas monetaria y
macroprudencial dentro de la Alianza del Pacífico se comparan las funciones impulso-respuesta y las
pérdidas de bienestar que resultan de los choques globales, tanto en las economías individuales como en
la Alianza del Pacífico como conjunto. La pérdida de bienestar social para cada miembro de la Alianza
del Pacífico depende de sus desvíos del estado estacionario para el producto, la inflación y el crédito.
3.1 M ODELO DE SEIS PAÍSES
En primer lugar se describen las ecuaciones para el caso en el que cada país de la Alianza del Pacífico es
modelado por separado.
Países de la Alianza del Pacífico

Cada miembro i = [CL, CO, M X, PE] de la Alianza del Pacífico se incluye en el modelo con la misma
estructura. Se consideran las siguientes ecuaciones del GPM original: la curva IS, la curva de Phillips,
la regla de Taylor, el tipo de cambio real y la tasa de interés real. Asimismo, todas las variables están
expresadas en desvíos de sus respectivos estados estacionarios, a excepción de la tasa de interés y el tipo
de cambio real, que se expresan en niveles. Todos los coeficientes son positivos.
Curva IS
y
yi,t = βi,1 yi,t−1 − βi,2ri,t + βi,3 Zi,t−1
T
+ βi,4 yi,t−1
X
+ βi,5tot i,t−1 + βi,6 li,t−1 + εi,t . (1)
Los movimientos en la demanda agregada son considerados en la curva IS, que se define como una relación
entre la brecha del producto yi,t , su rezago yi,t−1 y la tasa de interés real ri,t . Donde βi,1 , βi,2 , βi,3 , βi,4 , βi,5
y βi,6 son los parámetros de esta ecuación la cual modela la actividad económica. Al ser un modelo de
varios países, el GPM considera interacciones entre las economías. Primero, en la curva IS se introduce un
2 Como señalan Roldán-Peña y otros (2016), los modelos como el GPM cuentan con algunas limitaciones que surgen a partir
de su simplicidad. Primero, como no cuentan con microfundamentos, pueden no ser totalmente adecuados para un análisis de
bienestar. Segundo, no consideran la heterogeneidad de los agentes. Tercero, al ser modelos linealizados alrededor del estado
estacionario, no capturan las relaciones no lineales entre las variables, por lo que estos modelos solo pueden representar lo
que ocurriría en una economía bajo tiempos normales y no bajo una crisis (como la crisis financiera del 2007-2008).

T
término para la suma de las distancias del tipo de cambio real ponderadas por los flujos comerciales Zi,t−1
para tomar en cuenta que los flujos comerciales buscarán alcanzar aquel país que cuente con la mayor
depreciación real. También aparece un término para la brecha del producto de los otros países ponderada
X , para considerar que la brecha del producto local depende de la demanda
por los flujos de exportación yi,t−1
externa. Por último, tot i,t−1 se define como los términos de intercambio en el periodo t − 1 y li,t como los
créditos. Los términos de intercambio aparecen con un signo positivo, para indicar que mayores precios
de exportación incrementan la actividad económica.
Curva de Phillips
π
πi,t = λ i,1 Et πi,t+1 + λ i,2 yi,t−1 + λ i,3 Zi,t−1
M
+ εi,t . (2)
Los movimientos de la oferta agregada se consideran a través de la curva de Phillips, que muestra la
relación entre la inflación πi,t , la inflación futura esperada Et πi,t+1 y la brecha del producto pasada yi,t−1 .
Esta ecuación modela la dinámica de la inflación. Además, donde Zi,t−1 M es la suma de las distancias del
tipo de cambio real ponderadas por los flujos de importación, este término se usa para incluir a la inflación
importada. Finalmente εi,tπ es el error.
Regla de Taylor
Ii,t = CiI + γi,1 (πi,t − πitar ) + γi,2 yi,t + εi,t

I
, (3)
donde CiI es un intercepto y πitar es la inflación meta. La regla de Taylor define los movimientos en la tasa
de interés de política monetaria Ii,t que es establecida por el Banco Central a la respuesta de los desvíos
de la inflación de su meta (πi,t − πitar ) y de la brecha del producto yi,t .
Tipo de cambio real
port f di
Zi,t = η i,1 (Zi,t+1 ) + (rU S,t − ri,t ) − η i,2 f ki,t − η i,3 f ki,t + εi,t
Z
,

(4)
port
donde η i,1 , η i,2 y η i,3 son los parámetros. Los flujos de inversión de cartera están representados por f ki,t ,
f di
además f ki,t se define como los flujos de inversión directa extranjera. El diferencial entre la tasa de
f di
interés real de los Estados Unidos y la local es f ki,t . Finalmente, el error está definido por εi,t
Z.
En los modelos de economía abierta la dinámica del tipo de cambio real Zi,t se rige por la paridad
descubierta de tasas de interés. En este modelo el tipo de cambio real que se toma en cuenta es el bilateral,
que se computa como el tipo de cambio nominal entre la moneda local y el dólar de los Estados Unidos
controlado por los precios relativos entre el país local y los Estados Unidos. Asimismo, un incremento en
el tipo de cambio real se interpreta como una depreciación para los bienes del país local, mientras que una
caída se entiende como una apreciación de los bienes del país local.
Tasa de interés real
ri,t = Ii,t − πi,t+1 , (5)
donde Ii,tl es la tasa de interés crediticia y πi,t+1 es la inflación en el período t + 1.

Como se tenía anteriormente, todas estas variables están expresadas en desvíos de sus estados
estacionarios, a excepción de la tasa de interés crediticia y la tasa de política macroprudencial, que
se expresan en niveles.

Términos de intercambio
tot i,t = θi,1tot i,t−1 + θi,2 pcomi,t + εi,t

tot
, (6)
donde tot i,t−1 se define como los términos de intercambio en el periodo t − 1 y pcomi,t son los precios de
los commodities que cada miembro de la Alianza del Pacífico exporta.
Precio de commodities
pcom
pcomi,t = θi,3 pcomi,t−1 + θi,4 yC N,t + εi,t , (7)
donde pcomi,t−1 representa los precios de los commodities en el periodo t − 1. Los precios de los
commodities dependen de la demanda proveniente de China, medida por la brecha del producto chino
yC N,t e impacta sobre los términos de intercambio.
Las siguientes extensiones para el GPM son las ecuaciones para los flujos de inversión de cartera
port f di
f ki,t y los flujos de inversión directa extranjera f ki,t .
Flujos de inversión de cartera
port f k por t
f ki,t = τi,1 (ri,t − rU S,t ) + τi,2 yi,t−1 + εi,t . (8)
La primera ecuación modela cómo los flujos de inversión de cartera de cada país responden al diferencial
de la tasa de interés real local con la de los Estados Unidos (ri,t − rU S,t ), así como a la brecha del producto
pasada yi,t−1 . De esta forma, los flujos de inversión de cartera se incrementan cuando las tasas de interés
reales locales prometen retornos mayores que los de los Estados Unidos y cuando las economías locales
pasan por tiempos favorables. Como estos flujos pueden revertirse en el corto plazo, no se considera un
rezago de flujos de inversión de cartera en la ecuación.
Flujos de inversión directa extranjera
f di f di f k f di
f ki,t = τi,3 f ki,t−1 + τi,4 yi,t−1
PA
+ εi,t (9)
La segunda ecuación presenta la dinámica de los flujos de inversión directa extranjera como función
f di
de su pasado reciente f ki,t−1 (porque estas inversiones son de horizonte temporal mayor que los flujos de
inversión de cartera) y el promedio de la brecha del producto de la Alianza del Pacífico (porque se asume
que los inversionistas extranjeros ven a la Alianza del Pacífico como un solo mercado).
Ambos tipos de flujo de inversión aparecen, primero, en la dinámica del tipo de cambio real con un
signo negativo, para mostrar que este último se aprecia entre la entrada de inversión. Luego, ambos flujos
de inversión ingresan en la ecuación de la brecha del crédito con un signo positivo, considerando que los
bancos comerciales absorben parte de estos flujos para luego incrementar sus colocaciones crediticias.
Las últimas extensiones para el GPM son ecuaciones para la brecha del crédito li,t , la tasa de interés
crediticia Ii,tl y la tasa de política macroprudencial mpi,t .
Créditos
port f di
li,t = δi,1 li,t−1 + δi,2 f ki,t + δi,3 f ki,t + δi,4 yi,t−1 − δi,5 Ii,tl − δi,6 mpi,t + εi,t
l
. (10)
La primera ecuación muestra a la brecha del crédito como un resultado de li,t su pasado reciente li,t−1 , los
port f di
flujos de inversión de cartera f ki,t , los flujos de inversión directa extranjera f ki,t , la brecha del producto

pasada yi,t−1 , la tasa de interés crediticia Ii,tl y la tasa de política macroprudencial mpi,t . Entonces, las
colocaciones de crédito crecen cuando hay mayores flujos de inversión, así como cuando la economía
crece más rápido. Por otro lado, las colocaciones crediticias caen cuando suben la tasa de interés crediticia
o la tasa de política macroprudencial.
Tasa de interés crediticia
l
Ii,tl = µi,1 Ii,t−1
l
+ µi,2 Ii,t − µi,3 yi,t−1 + εi,t
I
. (11)
La tasa de interés crediticia Ii,tl depende de su rezago Ii,t−1

l , de la tasa de interés de política monetaria Ii,t
y de la brecha del producto pasada yi,t−1 . De esta forma, esta tasa de interés crediticia crece cuando el
Banco Central incrementa su tasa de política monetaria, para mostrar que hay un canal de transmisión de
política monetaria, y cuando a la economía no le va tan bien, para mostrar que los bancos cobrarán más
para cubrir sus mayores riesgos asociados a una circunstancia económica adversa.
Tasa de política macroprudencial
mp
mpi,t = ξi,1 li,t−1 + ξi,2 yi,t−1 + εi,t . (12)
Finalmente, la tasa de política macroprudencial mpi,t , que en el modelo se entiende como el ratio de activos
ponderados por riesgo, se usa para corregir excesos en las colocaciones crediticias y en el crecimiento
económico. Así, esta tasa se incrementa cuando crecen los rezagos de las brechas de créditos li,t−1 y del
producto yi,t−1 .
Adicionalmente, se usan las siguientes ecuaciones auxiliares. El primero describe el Índice ponderado
por comercio internacional con socios comerciales de la distancia del tipo de cambio real:
X
Zi,t =
T
ωi,T j Zi,t − Z j,t , (13)
j,i
donde j aplica para todos los países del modelo y ωi,T j es el promedio entre 2011-2015 de la suma de
importaciones y exportaciones entre el país i y el país j expresado como un porcentaje del producto del
país i.
La segunda ecuación auxiliar es el Índice ponderado por exportaciones hacia socios comerciales de la
brecha del producto:
X
yi,tX = ωi,Xj y j,t , (14)
j,i
donde j aplica para todos los países del modelo y ωi,Xj es el promedio entre 2011-2015 de las exportaciones
desde el país i al país j expresado como un porcentaje del producto del país i.
La tercera ecuación auxiliar es el Índice ponderado por importaciones desde socios comerciales de la
distancia del tipo de cambio real:
X
Zi,tM = ωi,Mj Zi,t − Z j,t , (15)
j,i
donde j aplica para todos los países del modelo y ωi,Xj es el promedio entre 2011-2015 de las importaciones
del país i provenientes del país j expresado como un porcentaje del producto del país i.

Finalmente, la cuarta ecuación es la brecha del producto promedio en la Alianza del Pacífico:
X
ytP A = ωiP A yi,t , (16)
i
donde i aplica para todos los miembros de la Alianza del Pacífico y ωiP A es el peso de cada miembro dentro
de este índice para la Alianza del Pacífico. En la versión de 6 países del modelo, cada miembro cuenta con
pesos iguales.
China
El modelo la economía china considera las ecuaciones originales del GPM: la curva IS, la curva de Phillips,
la regla de Taylor, el tipo de cambio real y la tasa de interés real.
La primera modificación para China se da en la dinámica del tipo de cambio real ZC N,t , en donde no se
consideran flujos de inversión. En vez de eso, para modelar que el gobierno chino ha demostrado aplicar
cierto control sobre el tipo de cambio real para estabilizar su economía, se introducen como determinantes
del tipo de cambio real a los términos rezagados del diferencial entre la inflación observada y la inflación
meta (πC N,t−1 − πCtarN ) , así como para la brecha del producto yC N,t−1 . Este tipo de cambio real está calculado
en relación a los Estados Unidos.
Curva IS
y
yC N,t = βC N,1 yC N,t−1 − βC N,2rC N,t + βC N,3 ZCT N,t−1 + βC N,4 yCXN,t−1 − βC N,7 RRC N,t + εC N,t . (17)
entre la brecha del producto yC N,t , su rezago yC N,t−1 y la tasa de interés real rC N,t . Donde βC N,1 , βC N,2 ,
βC N,3 , βC N,4 y βC N,7 son los parámetros de esta ecuación la cual modela la actividad económica.
Al ser un modelo de varios países, el GPM considera interacciones entre las economías. Primero, en la
curva IS se introduce un término para la suma de las distancias del tipo de cambio real ponderadas por los
flujos comerciales ZCT N,t−1 para tomar en cuenta que los flujos comerciales buscarán alcanzar aquel país
que cuente con la mayor depreciación real. También aparece un término para la brecha del producto de los
otros países ponderada por los flujos de exportación yCXN,t−1 , para considerar que la brecha del producto
local depende de la demanda externa.
Curva de Phillips
πC N,t = λ C N,1 Et πC N,t+1 + λ C N,2 yC N,t−1 + λ C N,3 ZCMN,t−1 + εCπ N,t . (18)
relación entre la inflación πC N,t , la inflación futura esperada Et πC N,t+1 y la brecha del producto pasada
yC N,t−1 . Esta ecuación modela la dinámica de la inflación. Donde λ C N,1 , λ C N,2 y λ C N,3 son los parámetros
de la ecuación.
Además, ZCMN,t−1 es la suma de las distancias del tipo de cambio real ponderadas por los flujos de
importación, este término se usa para incluir a la inflación importada. Finalmente, εCπ N,t es el error.
Regla de Taylor
IC N,t = CCI N + γC N,1 (πC N,t − πCtarN ) + γC N,2 yC N,t + εCI N,t , (19)
donde CCI N es un intercepto y πCtarN es la inflación meta. La regla de Taylor define los movimientos en la

tasa de interés de política monetaria IC N,t que es establecida por el Banco Central a la respuesta de los
desvíos de la inflación de su meta (πC N,t − πCtarN ) y de la brecha del producto yC N,t . Finalmente, εCI N,t es el
error.
Tipo de cambio real
ZC N,t = CCZN + η C N,1 (ZC N,t+1 ) + (rU S,t − rC N,t ) + φC N,1 (πC N,t−1 − πCtarN ) − φC N,2 yC N,t−1 + εCZ N,t , (20)

donde CCZN es un intercepto, η C N,1 , φC N,1 y φC N,2 son los parámetros. El tipo de cambio real ZC N,t se rige
por la paridad descubierta de tasas de interés, por lo que incluye el diferencial entre la tasa de interés real
de los Estados Unidos, así como el diferencial de inflaciones. En este modelo el tipo de cambio real que se
toma en cuenta es el bilateral, que se computa como el tipo de cambio nominal entre la moneda local y el
dólar de los Estados Unidos controlado por los precios relativos entre el país local y los Estados Unidos.
Asimismo, un incremento en el tipo de cambio real se interpreta como una depreciación para los bienes
del país local, mientras que una caída se entiende como una apreciación de los bienes del país local.
rC N,t = IC N,t − πC N,t+1 , (21)
donde IC N,t es la tasa de interés crediticia y πC N,t+1 es la inflación en el período t + 1.

La segunda modificación es la adición de la tasa de encaje RRC N,t como una segunda herramienta
de política para China. Esta tasa se modela como la regla de Taylor y afecta a la actividad económica
directamente a través de la curva IS.
Tasa de encaje
RRC N,t = CCRRN + κ C N,1 (πC N,t−1 − πCtarN ) + κ C N,2 yC N,t + εCRRN,t , (22)
donde CCRRN es un intercepto.

No se adicionan ecuaciones para el crédito y los flujos de inversión, ya que estos no resultan relevantes
para el presente análisis y porque hay pocos datos confiables sobre estas variables.
Las siguientes son las ecuaciones auxiliares para China. La primera describe el Índice ponderado por
comercio internacional con socios comerciales de la distancia del tipo de cambio real:
X
ZCT N,t = ωCT N, j ZC N,t − Z j,t , (23)
j,C N
donde j aplica para los otros 5 países del modelo y ωCT N, j es el promedio entre 2011-2015 de la suma de
importaciones y exportaciones entre China y el país j, como un porcentaje del producto chino.
La segunda ecuación auxiliar es el Índice ponderado por exportaciones hacia socios comerciales de la
brecha del producto:
X
yCXN,t = ωCX N, j y j,t , (24)
j,C N
donde j aplica para los otros 5 países del modelo y ωCX N, j es el promedio entre 2011-2015 de las
exportaciones desde China hacia el país j, como porcentaje del producto chino.

Finalmente, el Índice ponderado por importaciones desde socios comerciales de la distancia del tipo
de cambio real:
X
ZCMN,t = ωCMN, j ZC N,t − Z j,t , (25)
j,C N
donde j aplica para los otros 5 países del modelo y ωCMN, j es el promedio entre 2011-2015 de las
importaciones de China provenientes del país j, como un porcentaje del producto chino.
Estados Unidos
El bloque principal de la economía de los Estados Unidos está conformado por una curva IS, una curva de
Phillips, una regla de Taylor y la tasa de interés real. No se considera una ecuación para la dinámica del
tipo de cambio real debido a que el resto de tipos de cambio reales se calculan en relación a la moneda
de los Estados Unidos. Asimismo, debido a que Estados Unidos cuenta con una economía relativamente
cerrada, no se toman en cuenta términos de otros países dentro de la curva IS o la curva de Phillips.
Curva IS
y
yU S,t = βU S,1 yU S,t−1 − βU S,2rU S,t + βU S,5totU S,t−1 + βU S,6 lU S,t−1 + εU S,t . (26)
entre la brecha del producto yU S,t , su rezago yU S,t−1 . Donde, la tasa de interés real es rU S,t . Además, βU S,1 ,
βU S,2 , βU S,5 y βU S,6 son los parámetros de esta ecuación la cual modela la actividad económica.
La tasa de interés real es definido por rU S,t . Por último, totU S,t−1 se define como los términos de
intercambio en el periodo t − 1 y lU S,t como los créditos. Los términos de intercambio aparecen con un
signo positivo, para indicar que mayores precios de exportación incrementan la actividad económica.
Curva de Phillips
πU S,t = λU S,1 Et πU S,t+1 + λU S,2 yU S,t−1 + εUπ S,t . (27)
relación entre la inflación πU S,t , la inflación futura esperada Et πU S,t+1 y la brecha del producto pasada
yU S,t−1 . Esta ecuación modela la dinámica de la inflación. Donde λU S,1 , λU S,2 y λU S,3 son los parámetros
de la ecuación.
Además, ZUMS,t−1 es la suma de las distancias del tipo de cambio real ponderadas por los flujos de
importación, este término se usa para incluir a la inflación importada. Finalmente, εUπ S,t es el error.
Regla de Taylor
IU S,t = CUI S + γU S,1 (πU S,t − πUtarS ) + γU S,2 yU S,t + εUI S,t , (28)
donde CUI S es un intercepto y πUtarS es la inflación meta. La regla de Taylor define los movimientos en la
tasa de interés de política monetaria IU S,t que es establecida por la Reserva Federal a la respuesta de los
desvíos de la inflación de su meta (πU S,t − πUtarS ) y de la brecha del producto yU S,t . Finalmente εUI S,t es el
error.
rU S,t = IU S,t − πU S,t+1 , (29)

donde IU S,t es la tasa de interés crediticia y πU S,t+1 es la inflación en el período t + 1.

Las extensiones para los Estados Unidos incluyen, en primer lugar, a la brecha de términos de
intercambio y a la brecha de precios de commodities, para permitir que impacte la demanda de commodities
de China sobre la brecha del producto de los Estados Unidos. Adicionalmente, se consideran ecuaciones
para la brecha de crédito y la tasa de interés crediticia, para poder introducir un choque crediticio en el
modelo.
Términos de intercambio
totU S,t = θU S,1totU S,t−1 + θU S,2 pcomU S,t + εU S,t ,

tot
(30)
donde totU S,t−1 se define como los términos de intercambio en el periodo t − 1 y pcomU S,t son los precios
de los commodities que exporta Estados Unidos. Finalmente, εU tot define al error.
S,t
Precio de commodities
pcom
pcomU S,t = θU S,3 pcomU S,t−1 + θi,4 yC N,t−1 + εU S,t , (31)
donde pcomU S,t−1 representa los precios de los commodities en el periodo t − 1. Los precios de los
commodities dependen de la demanda proveniente de China, medida por la brecha del producto chino
yC N,t e impacta sobre los términos de intercambio. Finalmente, εU
tot define al error.
S,t
Créditos
lU S,t = δU S,1 lU S,t−1 + δU S,4 yU S,t−1 − δU S,5 IUl S,t + εU

l
S,t (32)
Donde, lU S,t−1 define al crédito en su pasado reciente, yU S,t−1 es la brecha del producto pasada, la tasa
de interés crediticia definida por IUl S,t . Además, δU S,1 , δU S,4 y δU S,5 son los parámetros.
Tasa de interés crediticia
l
IUl S,t = µU S,1 IUl S,t−1 + µU S,2 IU S,t − µU S,3 yU S,t−1 + εUI S,t . (33)
La tasa de interés crediticia IUl S,t depende de su rezago IUl S,t−1 , de la tasa de interés de política monetaria
IU S,t y en la brecha del producto pasada yU S,t−1 . De esta forma, esta tasa de interés crediticia crece cuando
la Reserva Federal incrementa su tasa de política monetaria, para mostrar que hay un canal de transmisión
de política monetaria, y cuando a la economía no le va tan bien, para mostrar que los bancos cobrarán más
para cubrir sus mayores riesgos asociados a una circunstancia económica adversa.
3.2 M ODELO DE TRES PAÍSES
En el segundo caso se considera al bloque de la Alianza del Pacífico como un único país, mientras que
las economías de China y de los Estados Unidos se mantienen como en el caso anterior. Para obtener un
bloque de la Alianza del Pacífico en el modelo se siguen las mismas ecuaciones que tenía cada miembro
del la Alianza del Pacífico en el caso anterior, pero considerando variables agregadas. Estas variables se
obtienen de una suma ponderada por los pesos del PIB de cada miembro dentro del PIB de todo el bloque.

3.3 C HOQUES
Se asume que todos los choques son procesos AR (1). Así, cada choque se expresa con la siguiente
ecuación:
εi,t = ρε εi,t−1 + υε,t ,
donde υε,t ∼ N (0, σ 2 ).

Aunque en el modelo se consideran choques en cada ecuación, solo se analizan seis choques globales.
Por un lado, para China se toman en cuenta un choque de demanda negativa, un incremento en la tasa de
encaje y un choque de depreciación del renminbi. Por el otro lado, para los Estados Unidos se consideran
un choque de demanda negativa, un incremento de tasa de interés de política monetaria y un choque
crediticio negativo. Todos los choques fueron elegidos por su relevancia reciente.
Primero, el reciente aterrizaje económico de China se puede capturar a partir de un choque de demanda
negativo. Segundo, la herramienta de política preferida por el Banco Central de China en tiempos recientes
ha sido la tasa de encaje, por lo que analizar un incremento en la tasa de encaje resulta más relevante que
estudiar un incremento de tasa de interés de política monetaria. Tercero, en los últimos años se ha registrado
en varias oportunidades una devaluación de la moneda china, haciendo un choque de depreciación del
renminbi relevante para analizar también.
Cuarto, la economía de los Estados Unidos es la más grande del mundo y, como tal, una desaceleración
suya afectará a los miembros de la Alianza del Pacífico. Quinto, asociado al proceso de normalización de
la política monetaria de los Estados Unidos, se han registrado incrementos en la tasa de interés de política
monetaria que han tenido efectos en todo el mundo que merecen ser estudiados. Sexto, durante la crisis
financiera del 2007-2008, muchos bancos comerciales redujeron sus colocaciones crediticias, en lo que se
conoce en inglés como credit crunch, lo que jugó un papel importante en la transmisión de los efectos de
la recesión. Con el análisis de este choque se puede ver cómo un choque financiero en los Estados Unidos
tiene ramificaciones hacia los miembros de la Alianza del Pacífico.
Antes de que ocurran los choques, se asume que todas las variables del modelo se encuentran en
su estado estacionario. Como el modelo está expresado en desvíos del estado estacionario, los valores
iniciales de todas las variables son 0.
Todos los choques se dan en el periodo 0 y tienen una desviación estándar igual a 1. Se analiza la
dinámica del modelo para los 60 trimestres próximos a cada choque.
Finalmente, se puede ver que todos los choques han sido elegidos de tal manera que tienen efectos
contraccionarios sobre la Alianza del Pacífico.
3.4 F UNCIÓN DE PÉRDIDA DE BIENESTAR SOCIAL
Para analizar si resulta conveniente la coordinación de políticas entre los miembros de la Alianza del
Pacífico ante los choques externos se propone una función de pérdida de bienestar social Li,t :
Li,t = yi,t
2
+ πi,t
2
+ li,t
2
.
La función de pérdida de bienestar social incluye un indicador de la actividad económica (brecha del
producto), un indicador de cómo los agentes son afectados por la política monetaria (inflación) y un
indicador financiero (brecha del crédito).

Luego, para obtener una única medida de las pérdidas de bienestar social en la que incurren las
economías por los 60 periodos analizados, se calcula la suma descontada de pérdidas de bienestar social
L̂i , usando a la tasa de interés de política monetaria como tasa de descuento.
60
X Li,t
L̂i = .
t=1
(1 + Ii,t )t
4 D ATOS
Para la estimación de los parámetros del modelo se consideran datos trimestrales, que van desde el primer
trimestre de 2011 hasta el cuarto trimestre de 2015. Las variables y sus series observables relacionadas se
presentan en el Cuadro 1.
Cuadro 1. Variables
Variable Descripción Serie observable Fuente
yi,t Brecha del producto Índice del PBI real FMI
πi,t Tasa de inflación Variación anual del IPC FMI
Ii,t Tasa de interés de política monetaria Tasa de interés de política monetaria FMI
Tipo de cambio real bilateral (respecto a
Zi,t Tipo de cambio real Bloomberg, FMI
EUA)
tot i,t Brecha de términos de intercambio Términos de intercambio Bloomberg
Índice de precios del principal
pcomi,t Brecha de precios de commodities Bloomberg, FMI, OMC
commodity
li,t Brecha de crédito Crédito al sector no financiero BIS, Bancos Centrales
Ii,tl Tasa de interés crediticia Tasa de interés crediticia FMI
port
f ki,t Brecha de flujos de IDE Inversión de cartera FMI
f di Brecha de flujos de inversión directa
f ki,t Inversión directa extranjera FMI
extranjera
mpi,t Tasa de política macroprudencial Ratio de activos ponderados por riesgo FMI
RRC N,t Tasa de encaje Tasa de encaje Bloomberg
Las variables en brechas están expresadas en desvíos porcentuales respecto a sus estados estacionarios.
Las series usadas para obtener las variables en brechas fueron ajustadas estacionalmente y luego filtradas.
Adicionalmente, las series de créditos, flujos de inversión de cartera y flujos de inversión directa extranjera
fueron deflactadas, ya que estaban expresadas originalmente en dólares corrientes. Por otro lado, las
variables expresadas en tasas y el tipo de cambio real no fueron transformadas.
En el caso en donde se considera a todo el bloque de la Alianza del Pacífico como un solo país,
para cada variable se construye un promedio ponderado de cada miembro para luego se introducido en
el modelo como brecha o como tasa. Los pesos corresponden a la participación promedio entre 2011 y
2015 del PBI de cada miembro dentro del PBI total del bloque. Los pesos son 13% para Chile, 17% para
Colombia, 60% para México y 10% para Perú.
5 R ESULTADOS
Los parámetros de cada uno de los casos es estimado primero con métodos bayesianos. Luego, con estos
parámetros estimados se procede a simular la dinámica del modelo ante la ocurrencia de los choques
externos.

5.1 C HOQUE DE DEMANDA NEGATIVO DE C HINA
Cuando se produce un choque de demanda negativo en China, la brecha del producto cae para todos
los miembros de la Alianza del Pacífico, ya que sus exportaciones y términos de intercambio caen. Esto
también tiene un efecto negativo tanto en la inflación como en los créditos. A medida que las economías
se vuelven menos atractivas para los inversores extranjeros, la brecha de flujos de inversión de cartera y
la brecha de flujos de inversión directa extranjera caen. Se tiene también que hay menos divisas en los
miembros de la Alianza del Pacífico, debido a la caída de las exportaciones y los flujos de inversión, por lo
que el tipo de cambio real aumenta, en lo que se puede entender como una depreciación real. La respuesta
de los miembros de la Alianza del Pacífico es reducir tanto su tasa de interés de política monetaria como su
tasa de política macroprudencial, para intentar frenar la contracción. La disminución de la tasa de interés
de la política monetaria reduce aún más la brecha de flujos de inversión de cartera.
Como se puede ver en el Gráfico 4, en promedio, cuando se considera a la Alianza del Pacífico como
un bloque, el tamaño y la duración de las respuestas de las variables son menores a cuando los países
responden individualmente. Esto se corrobora al ver los resultados de las pérdidas de bienestar social en
el Cuadro 2. Así se puede decir que la existencia de la Alianza del Pacífico actúa como un amortiguador
ante el choque.
Gráfico 4. Funciones impulso-respuesta de un choque de demanda negativo en China
Cuadro 2. Pérdidas de bienestar social de un choque de demanda negativo en China

Modelo con seis países Modelo con tres países
Chile 27.03 NA
Colombia 25.37 NA
México 103.23 NA
Perú 30.28 NA
Alianza del Pacífico 185.90 72.94

5.2 I NCREMENTO DE TASA DE ENCAJE EN C HINA
Según el modelo, un aumento en la tasa de encaje de China impacta directamente en la actividad económica
china, provocando, por lo tanto, respuestas en los miembros de la Alianza del Pacífico similares a las
causadas por el choque de demanda negativo, aunque con menores impactos. La diferencia aquí, como
se ve en el Gráfico 5, es la persistencia del impacto. La estimación de los parámetros muestra un choque
persistente en la tasa de encaje, que es el resultado de cambios lentos y persistentes en la serie observables
de la tasa de encaje china, y que también puede verse como un indicador de la política de aterrizaje suave
la economía china.
Al comparar los casos de no coordinación y coordinación de políticas monetarias y macroprudenciales
dentro del bloque de la Alianza del Pacífico, una vez más el tamaño y la duración de las respuestas son
más bajos en el segundo caso que en el primero (Gráfico 5). Esto significa que las pérdidas de bienestar
social en el segundo caso también son menores que en el primer caso (Cuadro 3).
Gráfico 5. Funciones impulso-respuesta de un incremento de tasa de encaje en China
Cuadro 3. Pérdidas de bienestar social de un incremento de tasa de encaje en China

Chile 2.51 NA
Colombia 2.81 NA
México 12.55 NA
Perú 2.77 NA

5.3 C HOQUE DE DEPRECIACIÓN DEL RENMINBI EN C HINA
Según el Gráfico 6, una depreciación de la moneda china (un aumento en el tipo de cambio real chino),
es persistentemente contractivo para Chile, Colombia y Perú, ya que una porción importante de las
exportaciones de estos países son sustitutos de las exportaciones chinas, ahora relativamente más baratas.
El caso de México es diferente, al no haber mucha sustitución entre exportaciones. El choque, además,
reduce el nivel de precios en los cuatro países considerados, tras la caída del componente de inflación
importada de China. La política monetaria y la política macroprudencial responden a la caída del producto.
En todos los casos, los términos de intercambio aumentan ya que aumentan los precios de exportación de
bienes locales en relación con los que provienen de China. Finalmente, los flujos de inversión de cartera
caen para los tres países afectados y los flujos de inversión directa extranjera caen para los cuatro países.
El choque también incrementa el tipo de cambio real chileno y peruano, debido al diferencial de la tasa
de interés real con los Estados Unidos, así como a la caída de los flujos de inversión, que hacen que las
divisas sean más escasas. Cuando se comparan los casos que consideran primero los países individuales y
luego a la Alianza del Pacífico como un bloque, se obtienen resultados similares a los choques previamente
analizados. El tamaño de la respuesta y su duración disminuyen significativamente cuando los miembros de
la Alianza del Pacífico coordinan sus acciones. Esto significa una volatilidad reducida y menores pérdidas
de bienestar social, como se muestra en el Cuadro 4.
Gráfico 6. Funciones impulso-respuesta de un choque de depreciación del renminbi en China
Cuadro 4. Pérdidas de bienestar social de un choque de depreciación del renminbi en China

Chile 27.75 NA
Colombia 23.31 NA
México 17.75 NA
Perú 7.65 NA

5.4 C HOQUE DE DEMANDA NEGATIVO EN E STADOS U NIDOS
El Gráfico 7 muestra que el país más afectado es México, debido a su fuerte pro-ciclicidad y asociación
comercial con los Estados Unidos (74 % de las exportaciones mexicanas van a los Estados Unidos y el
50% de las importaciones mexicanas provienen de los Estados Unidos). Además, la brecha del producto
de todos los miembros de la Alianza del Pacífico responde negativamente. Esto desencadena una tasa de
inflación decreciente y una reducción de la tasas de política monetaria y macroprudencial. Debido a la
caída de la producción, también disminuyen las brechas de créditos y los flujos de inversión. El choque
es inicialmente apreciatorio para las economías individuales, debido a la caída en los flujos de inversión.
En el caso del modelo de tres países, las variables del bloque responden con menor volatilidad pero en la
misma dirección que las variables de sus miembros en el modelo de seis países, a excepción del tipo de
cambio real, puesto que para el caso de la coordinación de políticas el choque es depreciatorio.
El Cuadro 5 muestra los resultados de las funciones de pérdida de bienestar social. Una vez más, el
caso del modelo de tres países resulta en una menor pérdida de bienestar social.
Gráfico 7. Funciones impulso-respuesta de un choque de demanda negativo en Estados Unidos
Cuadro 5. Pérdidas de bienestar social de un choque de demanda negativo en Estados Unidos

Chile 25.89 NA
Colombia 82.46 NA
México 1312.26 NA
Perú 24.11 NA

5.5 I NCREMENTO DE TASA DE INTERÉS DE POLÍTICA MONETARIA EN E STADOS U NIDOS
El incremento de la tasa de interés de política monetaria en los Estados Unidos tiene un impacto directo en
la brecha de producción de los Estados Unidos y la brecha de créditos. Por lo tanto, este choque comparte
características con el choque de demanda negativo en los Estados Unidos, aunque cuenta con una menor
intensidad y una menor duración, como se muestra en el Gráfico 8. Sin embargo, este choque tiene un
efecto de depreaciación sobre las monedas de todos los países miembros de la Alianza del Pacífico y del
bloque en su conjunto. Esto sucede debido al diferencial de tasas de interés reales con los Estados Unidos,
en el que Estados Unidos siempre tiene una tasa de interés real más alta que los demás países, por lo que
las divisas se vuelven más escasas en los miembros de la Alianza del Pacífico.
El Cuadro 6 muestra la comparación en las pérdidas de bienestar social. Como se tenía con los choques
previamente analizados, el caso en donde se tiene a la Alianza del Pacífico como un solo bloque cuenta
con una menor pérdida de bienestar social.
Gráfico 8. Funciones impulso-respuesta de un choque de tasa de interés de política en Estados Unidos
Cuadro 6. Pérdidas de bienestar social de un choque de tasa de interés de política en Estados Unidos
Chile 1.25 NA
Colombia 4.15 NA
México 66.25 NA
Perú 1.15 NA

5.6 C HOQUE CREDITICIO NEGATIVO EN E STADOS U NIDOS
Este choque a los mercados financieros en los Estados Unidos tiene efectos sobre las variables del modelo
similares a las del choque de demanda negativo de los Estados Unidos, aunque con un impacto más bajo.
La respuesta de las economías individuales de la Alianza del Pacífico refleja la resiliencia individual de
sus respectivos sistema financiero a los choques financieros internacionales. Esto se muestra en el Gráfico
9. Sin embargo, lo que llama la atención es la respuesta de las variables de la Alianza del Pacífico cuando
se considera como un bloque. Se muestra que estas respuestas son más volátiles que las de la mayoría
de las economías miembros de la Alianza del Pacífico, siguiendo de cerca las de México. Por lo tanto, el
Cuadro 7 muestra que, luego de este choque específico, las pérdidas generales de bienestar para la Alianza
del Pacífico son menores en el caso de no coordinación de políticas.
Gráfico 9. Funciones impulso-respuesta de un choque crediticio negativo en Estados Unidos
Cuadro 7. Pérdidas de bienestar social de un choque crediticio negativo en Estados Unidos

Chile 0.43 NA
Colombia 1.30 NA
México 19.41 NA
Perú 0.40 NA

6 C ONCLUSIONES
Si bien la Alianza del Pacífico ha alcanzado cierta integración comercial y financiera y ha tenido éxito
superando los efectos de los choques globales que se han generado fuera del bloque, aún no hay estudios
que hayan tratado de responder la pregunta de si la Alianza del Pacífico estaría mejor si los miembros
coordinaran sus respuestas de política monetaria y de política macroprudencial.
Para tratar de responder a esta pregunta se ha propuesto una versión modificada del Global Projection
Model (GPM) del Fondo Monetario Internacional (FMI), en el cual se han incluido ecuaciones para los
términos de intercambio, los commodities, los flujos de inversión de cartera, los flujos de inversión directa
extranjera, el crédito, la tasa de interés crediticia y la política macroprudencial. Se estima primero una
versión del modelo de seis países, que considera a los cuatro miembros de la Alianza del Pacífico (Chile,
Colombia, México y Perú), así como sus principales socios comerciales (China y Estados Unidos). Dado
que cada miembro de la Alianza del Pacífico responde a los choques individualmente, este caso se define
como el de no coordinación de políticas monetarias y macroprudenciales. Luego, se estima una versión del
modelo de tres países, que considera a la Alianza del Pacífico como un solo bloque y también a China y a los
Estados Unidos. En este caso, se asume que los miembros de la Alianza del Pacífico alinean sus acciones,
con lo que se puede definir como el caso de coordinación de políticas monetarias y macroprudenciales.
Con los resultados de las estimaciones se simula cómo responde el modelo ante los efectos colaterales
de seis choques globales: un choque de demanda negativo, un incremento en la tasa de encaje y un choque
de depreciación del renminbi desde China, y un choque de demanda negativo, un incremento de tasa de
política monetaria y un choque crediticio negativo desde los Estados Unidos. A través del análisis de
funciones impulso-respuesta y de pérdida de bienestar social se encuentra que en cinco de seis choques
los miembros de la Alianza del Pacífico se encontrarían mejor bajo el caso de coordinación de políticas.
Los resultados muestran que cuando los miembros del bloque coordinan sus acciones, el tamaño y la
duración de las respuestas de los choques se reducen de manera importante. Así, el bloque de la Alianza
del Pacífico actuaría como un colchón ante los choques que vienen de fuera, ya sea a través de sus vínculos
comerciales y financieros o a través de la posibilidad de acciones coordinadas entre sus miembros. Cabe
resaltar que hay una agenda importante para investigaciones futuras. Por ejemplo, no se ha alcanzado una
conclusión respecto a si debería o no existir un mecanismo que obligue a los miembros que coordinen sus
acciones ante un choque externo. Por lo tanto, aún hay temas que deben de ser discutidos antes de que sea
posible realizar una recomendación de política.
R EFERENCIAS
Beetsma, R., X. Debrun y F. Klaassen (2001), “Is fiscal policy coordination in EMU desirable?”, IMF Working
Paper 01-178.
Blagrave, P., P. Elliott, R. Garcia-Saltos, D. Hostland, D. Laxton y F. Zhang (2013), “Adding China to the Global
Projection Model”, IMF Working Paper 13-256.
Canales-Kriljenko, J., C. Freedman, R. Garcia-Saltos, M. Johnson, y D. Laxton (2009), “Adding Latin America to
the Global Projection Model”, IMF Working Paper 09-85.
Carabenciov, I., I. Ermolaev, C. Freedman, M. Juillard, O. Kamenik, D. Korshunov y D. Laxton (2008a), “A small
quarterly projection model of the US Economy”, IMF Working Paper 08-278.
Carabenciov, I., I. Ermolaev, C. Freedman, M. Juillard, O. Kamenik, D. Korshunov, D. Laxton y J. Laxton (2008b),
“A small quarterly multi-country projection model”, IMF Working Paper 08-279.

Carabenciov, I., I. Ermolaev, C. Freedman, M. Juillard, O. Kamenik, D. Korshunov, D. Laxton y J. Laxton (2008c),
“A small quarterly multi-country projection model with financial-real linkages and oil prices”, IMF Working
Paper 08-280.
Carabenciov, I., C. Freedman, R. Garcia-Saltos, D. Laxton, O. Kamenik, y P. B. Manchev(2013), “GPM6: The

Global Projection Model with 6 Regions”, IMF Working Paper 13-87.
Kahn, R. B. y E. E. Meade (2016), “International aspects of central banking: Diplomacy and coordination”, Federal
Reserve Board Finance AND Economics, Discussion paper 2016-062.
Lee, H. y K. Itakura (2014), “TPP, RCEP, and Japan’s agricultural policy reforms”, Osaka School of International
Public Policy, Discussion paper 2014-E-003.
Leino, P y T. Saarenheimo (2016), “On the limits of EU economic policy of coordination”, ADEMU Working Paper
Series 036.
Mohan, R. y M. Kapur (2014), “Monetary Policy coordination and the role of central banks”, IMF Working Paper
14-70.
Mortensen, J. (2013), “Economic policy coordination in the economic and monetary union: From Maastricht via the
SGP to the Fiscal Pact”, CEPS Working paper 381.
Alianza del Pacífico (2012), Framework Agreement of the Pacific Alliance.
Petri, P. y M. Plummer (2016), “The economic effects of the Trans-Pacific partnership: New estimates”, Peterson
Institute for International Economics, Working paper 16-2.
Roldán-Peña, J., M. Torres-Ferro y A. Torres (2016), “Financial stability objectives: Drivers of gains from
coordinating monetary and macroprudential policy”, en Carrière-Swallow, Y., Faruqee, H., Jácome, L., y
Srinivasan, K. (eds.), Challenges for Central Banking: Perspectives from Latin America, capítulo 7, Washington
DC: International Monetary Fund.
Strutt, A., P. Minor y A. Rae (2015), “A dynamic computable general equilibrium (CGE) analysis of the Trans-Pacific
Partnership agreement: potential impacts on the New Zealand economy”, New Zealand Ministry of Foreign Affairs
y Trade.
Suardi, M. (2001), “EMU and asymmetries in monetary policy transmission”, European Comission - Economic and
Financial Affairs, Economic Paper 157.

Cronología de los ciclos económicos en el Perú:

1992 a 2016
D IEGO W INKELRIED∗
Al aplicar avances recientes de la metodología “fechar luego agregar” a una base de datos
de 145 indicadores mensuales de actividad económica peruana, este estudio encuentra seis
fases contractivas en el periodo de 1992 a 2016, con una duración acumulada de entre 75
y 80 meses (el 25 por ciento de un total de 300 meses), y cinco fases expansivas, con una
duración acumulada de entre 220 y 225 meses (el 75 por ciento). Se propone, además, un
índice de difusión que marca claramente el inicio y fin de cada una de estas fases.
Palabras Clave : Ciclos económicos, puntos de giro, sincronización, Perú.

Clasificación JEL : C14, C22, C33, E32.
Un insumo de suma importancia en la investigación macroeconómica, tanto teórica como empírica, son
las “fechas de recesiones” que usualmente aparecen como áreas sombreadas en gráficos sobre la evolución
de diversos indicadores económicos. Estas fechas ayudan a los investigadores a centrarse en los episodios
más relevantes que deben ser explicados o racionalizados por sus modelos teóricos, o predichos por sus
modelos econométricos. Asimismo, el estudio del comportamiento de varios indicadores en torno a estos
eventos provee de información histórica útil para los hacedores de política.
Estas fechas son típicamente el resultado de la decisión colegiada de un comité de fechado, basada
en una compleja iteración entre el análisis cuantitativo multivariado de indicadores económicos y fuertes
elementos cualitativos sobre el comportamiento de la economía y de su posición en el ciclo. El NBER
(www.nber.org/cycles.html) es famosamente conocido por ser el ente encargado del fechado en los
EEUU, mientras que CEPR (cepr.org/content/euro-area-business-cycle-dating-committee)
desempeña esta labor para los países de la zona euro. Otras instituciones como The Conference Board
(www.conference-board.org/data/bci.cfm) y ECRI (www.businesscycle.com) proveen también
fechados para países de Asia, Oceanía y Latinoamérica (Brasil y México).
∗ Profesor asociado y jefe del Departamento Académico de Finanzas, Universidad del Pacífico, Av. Salaverry 2020, Lima 11,
Perú (e-mail: [email protected]).
Deseo agradecer a Carlos Barrera por las estimulantes discusiones que despertaron mi interés en el tema de este artículo,
así como a Bruno Seminario y a Marco Terrones por compartir su erudición conmigo en el proceso de esta investigación.
Destaco, además, la notable labor de Bruno Escobar como asistente de esta investigación, y la invalorable ayuda de Donita
Rodríguez y Miguel Ángel Saldarriaga en la recolección de datos. Los comentarios y sugerencias de Javier Torres y otros
colegas del Centro de Investigación de la Universidad del Pacífico y del Banco Central de Reserva del Perú permitieron
esclarecer y mejorar la presentación de este trabajo. Las opiniones vertidas acá, así como cualquier posible error, son de mi
entera responsabilidad y no representan, necesariamente, las de las personas o instituciones mencionadas.
56 Diego Winkelried
A pesar de su importancia, determinar una cronología similar para el caso peruano no ha sido
aparentemente un tema de mayor interés. Así, el primer objetivo de este estudio es ofrecer una primera
propuesta de tal cronología de ciclos económicos. Para tal fin, exploramos los avances metodológicos de
una creciente literatura de enfoques cuantitativos, básicamente algorítmicos y no paramétricos, capaces
de reproducir las conclusiones de los comités de fechado. En particular, implementamos las propuestas de
Harding y Pagan (2002, 2006) y Stock y Watson (2010, 2014) sobre una base de datos de 145 indicadores
mensuales de actividad económica (producción, empleo, comercio internacional, agregados monetarios,
cuentas fiscales, expectativas, entre otros), que abarcan los 25 años entre 1992 y 2016.
La cronología de ciclos económicos marca las fases de un ciclo de referencia de la actividad económica
peruana. Un segundo objetivo es estudiar cómo se asocian los indicadores económicos individuales con
este ciclo de referencia, con el propósito de dar los primeros pasos para el diseño un índice compuesto
coincidente de actividad económica.
Antes de proseguir, conviene aclarar a qué nos referimos con “ciclo económico”, pues en investigación
macroeconómica este término, dependiendo del contexto, se ha venido usando indistintamente para
describir fenómenos relativamente asociados, pero inherentemente distintos (véase Harding y Pagan,
2005). En especial, es cada vez más común el uso de “ciclo” como sinónimo del componente transitorio de
una serie de tiempo económica o en alusión al desvío de un indicador respecto a una tendencia de mediano
o largo plazo. Sin embargo, la noción tradicional de ciclo, resumida por ejemplo en Moore (1983) o en
Zarnowitz (1996) y la que de hecho da origen a las prácticas de fechado descritas, parte de la premisa
de que la evolución de un indicador económico se caracteriza por presentar fases expansivas seguidas de
fases contractivas, quizá de manera periódica, o “cíclica”, pero no de forma regular. Es por ello que la
identificación de puntos de giro (turning points) en los niveles de los indicadores económicos es crucial,
ya que una fase expansiva es la transición desde una sima (trough, un punto bajo) hasta un pico (peak, un
punto alto), mientras que una fase contractiva describe el paso de un pico a una sima. En términos simples,
luego, un ciclo no es más que la alternancia entre fases expansivas y contractivas.
Asimismo, es también necesario aclarar la noción de “ciclo de referencia”. El enfoque parte de la
idea de que en cada momento del tiempo los diversos indicadores económicos experimentan distintas
fases de su ciclo. No obstante, existen episodios en donde los ciclos de una gran cantidad de estos
indicadores parecieran sincronizarse, formándose un agrupamiento (cluster) o mostrando “conformidad”.
La identificación de estos episodios da origen a la idea de un “ciclo agregado” en donde la “actividad
económica” o el “estado de la economía”, que por definición no es observable, entra en fase expansiva o
contractiva. El ciclo de referencia es, en consecuencia, la alternancia de fases en el estado de la economía,
manifestada en el comovimiento de una gran cantidad de indicadores que recogen, posiblemente, distintas
dimensiones de “actividad”. Esta concepción del ciclo de referencia es coherente con el método de “fechar
luego agregar”, donde primero se analiza la evolución de los puntos de giro de indicadores individuales,
para luego obtener una inferencia sobre los puntos de giro agregados del estado de la economía. De acuerdo
con Harding y Pagan (2006), este método es el que recoge mejor la noción tradicional de ciclo económico
y el que describe de manera más cercana el accionar de los comités de fechado.
El enfoque más usual en la investigación macroeconómica es, sin embargo, el de “agregar luego
fechar”. En el caso peruano, los estudios de Escobal y Torres (2002), Morón y otros (2002), Ochoa y Lladó
(2003) y, recientemente, Pérez Forero y otros (2017) se basan en este principio. Acá algunos indicadores
económicos son agregados en un indicador compuesto y son los puntos de giro de éste los que definirían
al ciclo de referencia. Es usual, además, comparar la evolución de este indicador con la del PBI, que es el
indicador compuesto más popular. El supuesto detrás de esta práctica es que el estado de la economía no
observable puede aproximarse por el ciclo del indicador compuesto o, incluso, que el ciclo del PBI es en
sí mismo una buena proxy de la noción más amplia de actividad económica.

Cronología de los ciclos económicos en el Perú 57
Si bien una comparación rigurosa entre ambos métodos escapa al alcance de esta investigación, resulta
elocuente notar que las bondades de las cronologías de las fases de los índices compuestos del método
“agregar luego fechar” son siempre evaluadas al compararlas con las fases establecidas por los comités
bajo una lógica similar a la de “fechar luego agregar” (véase, por ejemplo, Stock y Watson, 2014). En
este sentido, el consenso pareciera ser que el enfoque “agregar luego fechar” sería adecuado toda vez que
alcance las mismas conclusiones que un análisis de “fechar luego agregar”.
El resto del documento se organiza de la siguiente manera. En la sección 1 se discuten aspectos
metodológicos para la determinación del ciclo de referencia, así como la clasificación de las series
individuales de acuerdo a cuán cercana es su dinámica respecto a este agregado. La sección 2 describe
la base de datos utilizada en la exploración empírica. La sección 3 presenta los resultados. Se encuentran
durante el periodo de 1992 a 2016 seis fases contractivas con una duración acumulada de entre 75 y
80 meses (el 25% de la muestra), y cinco fases expansivas, con una duración acumulada de entre 220 y
225 meses (el 75% de la muestra). Además, de los 145 indicadores que componen la base de datos, 70
se asocian de manera estadísticamente significativa con el ciclo de referencia, lo que permite calcular un
índice coincidente que marca con claridad cada una de estas fases. Finalmente, las principales conclusiones
así como la agenda de investigación futura se resumen en la sección 4.
1 M ETODOLOGÍA
A continuación se describe la metodología empleada que consiste en una secuencia de procedimientos
aplicados a un panel de datos para determinar el ciclo de referencia y su asociación con los indicadores
individuales. En primer lugar, se explora la dimensión temporal del panel, determinando los puntos de giro
de las series individuales que lo componen. Acá se siguen prácticas de fechado ya establecidas, iniciadas
en Bry y Boschan (1971) e implementadas en trabajos emblemáticos como Layton y Moore (1989). Luego,
se explora la dimensión transversal con el propósito de estudiar si cada momento del tiempo puede ser
clasificado como un punto de giro agregado. Los métodos involucrados siguen las propuestas de Harding
y Pagan (2006) y Stock y Watson (2010, 2014). Finalmente, se concluye con un análisis estadístico de
asociación o concordancia de las series individuales respecto al ciclo de referencia, siguiendo a Harding
y Pagan (2002) y Artis y otros (2004).
1.1 P UNTOS DE GIRO
La identificación de los puntos de giro de una serie de tiempo precisa la aplicación de un algoritmo capaz
de localizar sus máximos y mínimos locales. El algoritmo de Bry y Boschan (1971) es indiscutiblemente la
opción más utilizada en la literatura.1 A saber, el momento t es considerado un pico en la serie yt si ocurre
que yt − yt−k > 0 junto con yt − yt+k > 0 para k = 1, 2 . . . , K P , mientras que es considerado una sima si
yt − yt−k < 0 junto con yt − yt+k < 0 para k = 1, 2 . . . , K S . Así, un pico es el máximo local encontrado en
una ventana de ancho 2K P , mientras que una sima es el mínimo local de una ventana de ancho 2K S . La
calibración estándar es K P = K S = 8 meses, de modo que un pico, o una sima, se distancia del próximo
pico, o sima, por lo menos en 15 meses.
El algoritmo considera, además, dos reglas adicionales. La primera es que la duración mínima de una
contracción, el periodo entre un pico y una sima, sea de 5 meses, mientras que la duración mínima de
una expansión, el periodo entre una sima y un pico, sea de 9 meses. De ser aplicable, los puntos de giro
1 El algoritmo está diseñado para series mensuales. Harding y Pagan (2002) proponen una versión trimestral capaz de reproducir
con bastante precisión los puntos de giro producidos por el comité NBER.

58 Diego Winkelried
son rezagados o adelantados hasta que estas duraciones mínimas sean cumplidas. La segunda regla es la
alternancia: un pico debe ser seguido necesariamente de una sima, que a su vez precede al próximo pico,
y así sucesivamente. Cuando, por ejemplo, un pico es seguido de otro pico, se descarta el menor de ambos
para asegurar la alternancia.
Los primeros pasos del algoritmo de Bry y Boschan (1971) se encargan de tratar la serie, removiendo
sus valores extremos (outliers) y suavizándola, para luego aplicar las reglas de fechado mencionadas.
Ello es así porque se asume que la serie yt es la versión desestacionalizada del indicador de interés. Es
sabido, sin embargo, que las series desestacionalizadas mensuales pueden ser sumamente ruidosas, lo que
dificulta la identificación de puntos de giro. En este estudio optamos por utilizar al denominado componente
tendencia-ciclo (trend-cycle), que es una versión suavizada, libre de ruido, de la serie desestacionalizada.
Así, los primeros pasos del algoritmo resultan redundantes y son ignorados.
Al respecto, existen varios métodos de desestacionalización que producen tanto a la versión
desestacionalizada como al componente tendencia-ciclo. Los más populares son los métodos de la familia
X-11 o extensiones como X12-ARIMA (véase Findley y otros, 1998) y la dupla TRAMO-SEATS (véase
Gómez y Maravall, 1996). De acuerdo con Gómez y Maravall (2000), el método TRAMO-SEATS se basa
en una descomposición “óptima” de la serie de tiempo en varios componentes no observables de modo tal
que el filtro (es decir, el promedio móvil centrado) aplicado para obtener el componente tendencia-ciclo
está “hecho a la medida” y, por tanto, cambia de serie en serie. Por el contrario, el filtro de la familia X-11
es el mismo para todas las series. Ghysels (1997) sostiene que a pesar de la “optimalidad” del enfoque
TRAMO-SEATS, el hecho de que el filtro sea tan personalizado le resta atractivo en el contexto de estudios
multivariados, donde es preferible aplicar las mismas reglas de filtrado. Es por este motivo que utilizamos
el filtro X-11 en este estudio.2
Al ser un promedio móvil de dos lados, los valores del componente tendencia-ciclo hacia el final de la
muestra, al igual que los de la versión desestacionalizada, están sujetos a revisiones. Ello ocurre porque el
estimado “final” de este componente en el periodo t depende de {yt+1, yt+2, . . .} que, al no estar disponibles
en el momento t, son implícitamente reemplazados por proyecciones. Está documentado, por ejemplo
en Dagum y Laniel (1987) o en Gómez y Maravall (2000), que inicialmente estas revisiones pueden
ser considerables, pero decaen rápidamente conforme se cuenta con mayor información. En particular,
las revisiones alcanzan niveles inconsecuentes una vez que se agregan aproximadamente seis meses de
información futura. Como se discutirá, el periodo de nuestro análisis finaliza en diciembre de 2016, pero
la base de datos contiene información hasta casi finales de 2017, por lo que se espera que los estimados del
componente tendencia-ciclo no varíen significativamente en el futuro. Más aún, bajo las reglas de fechado
descritas, las mayores revisiones ocurren antes de que un punto de giro pueda ser identificado.
1.2 A GREGACIÓN
Considere una base de datos de n variables binarias tal que Dit = 1 cuando la serie i reporta un punto de
giro en el periodo t y Dit = 0 de otro modo, para i = 1, 2 . . . , n. Estas variables binarias, por supuesto,
son el resultado de aplicar el algoritmo de fechado descrito en la sección 1.1. En adelante, nos referimos
como “punto de giro” indistintamente a un pico o a una sima, manteniendo la salvedad de que los métodos
descritos se aplican por separado para cada uno de estos puntos.
2 Este filtro es la convolución de una serie de operaciones que desestacionalizan la serie, más una aplicación del denominado
filtro de Henderson a la serie desestacionalizada para obtener el componente tendencia-ciclo. Si bien existen reglas automáticas
para determinar el número de términos del filtro de Henderson, en nuestra aplicación empírica utilizamos un filtro homogéneo
de 23 términos (11 rezagos y 11 adelantos) para todos los indicadores. Esta elección da un componente tendencia-ciclo suave
que recoge los movimientos de mediado y largo plazo de interés. Véase Ladiray y Quenneville (2001).

Considere un intervalo de tiempo (t ∗, t ∗ + m) en donde ocurre un punto de giro agregado en el momento

τ. Este intervalo puede pensarse como el soporte de una función de probabilidad poblacional de puntos
de giro f (t), donde t ∈ (t ∗, t ∗ + m). El estimador del punto de giro del ciclo de referencia es la moda de
esta función de distribución, que es el momento en donde el punto de giro ocurre con mayor probabilidad.
Un primer ataque a la determinación de este punto de giro es aproximar f (t) a través de un histograma: se
define la frecuencia relativa como Bt = i=1 Dit /n para todo t ∈ (t ∗, t ∗ + m), tal que el gráfico de (t, Bt )
Pn
es el mencionado histograma. No obstante, Bt es un estimador ruidoso de f (t) por lo que Stock y Watson
(2010) sugieren utilizar el estimador kernel de esta densidad que, con un ancho de banda h, es igual a:
∗ +m
tX !
1 t − Bi 15
fˆ(t) = K , donde K (u) = (1 − u2 ) 2 1(u2 < 1) .
mh i=t ∗ h 16
La elección de la función K (·), quartic kernel, es la misma que en Stock y Watson (2014). Se
adopta, asimismo, un ancho de banda similar de h = 6 meses. La moda, luego, se estima como
τ̂ = argmaxt∈(t ∗,t ∗ +m) { fˆ(t)}. Este estimador es asintóticamente normal con las siguientes propiedades:
Z !
1 f (τ)
τ̂ ∼ N τ,
a
K (z) dz .
0 2
mh3 f 00 (τ) 2
Para estimar la varianza asintótica de τ̂, se tiene que K 0 (z) 2 dz = 2.1429 mientras que f (τ) y f 00 (τ) son
R
estimados consistentemente, respectivamente, por fˆ( τ̂) y por:

t ∗ +m
1 X 00 τ̂ − Bi
!
15 2
f ( τ̂) =
ˆ00 K , donde K 00 (u) = (3u − 1)1(u2 < 1) .
mh3 i=t ∗ h 4
El intervalo (t ∗, t ∗ + m) donde ocurre el punto de giro agregado no se conoce en la práctica y debe

ser determinado. Una primera aproximación sería explorar la evolución de las frecuencias relativas, (t, Bt )
para t = 1, 2, . . . , T, e identificar máximos locales. Nuevamente, la volatilidad de Bt limita los alcances de
este enfoque. Alternativamente, Harding y Pagan (2006) proponen el siguiente algoritmo no paramétrico:
• Suponga que para la variable i se encuentra Ki puntos de giro en las fechas {t i1, t i2, . . . , t iKi }.
• Para un periodo dado t se define la variable:
( )
dit = min | t − t i j | ,
j=1,...,Ki
donde dit mide, en meses, la distancia entre el momento t y el momento en donde la serie i reporta su
punto de giro más cercano. Claramente, dit = 0 si el periodo t es un punto de giro de esta serie.
• La distancia dit se calcula para todo i = 1, 2, . . . , n, formando una sección transversal (d 1t, d 2t, . . . , d nt )
con las distancias entre el momento t y el punto de giro más cercano reportado por cada serie.
• Defina una serie de tiempo dt = G(d 1t, d 2t, . . . , d nt ) para t = 1, 2, . . . , T, donde G es una función
que transforma las n distancias individuales en una única distancia agregada. Harding y Pagan (2006)
sugieren utilizar la mediana transversal o percentiles cercanos a la mediana.
• La evolución temporal de dt , en particular la ocurrencia de mínimos locales, indica los periodos en
donde es más probable que ocurra el punto de giro agregado.
• Los mínimos locales en dt son estimadores preliminares de τ, τ̂hp , y pueden utilizarse para determinar
t ∗ y m, por ejemplo, como t ∗ = τ̂hp − δ y m = 2δ para una elección, en meses, de la “vecindad” δ.

60 Diego Winkelried
Más allá de los refinamientos estadísticos del enfoque de Stock y Watson (2014), una ventaja sobre la
propuesta de Harding y Pagan (2006) es que pueden calcularse estimados de la varianza del punto de giro
y, por lo tanto, intervalos de confianza. Además, la metodología se extiende naturalmente para incorporar
un ajuste por el rezago medio en los puntos de giro de las series individuales. Un indicador adelantado
típicamente producirá puntos de giro algunos meses antes que la moda, mientras que uno rezagado lo hará
después. Esquemáticamente, para un indicador i que produce un punto de giro en la vecindad de τ se tiene
que t i = τ + ki + i , donde i es un ruido y ki es el rezago medio; es decir, un desvío sistemático de las
fechas de ocurrencia de los puntos de giro del indicador i con respecto al punto de giro agregado. Por
kr = 0, lo que permite estimar ki . Luego, un estimador del punto de giro ajustado por
Pm
definición, r=1
este rezago medio es t˜i = t i − ki . La moda ajustada, τ̃, es simplemente la moda calculada como antes pero
utilizando estos datos corregidos.
1.3 C ONCORDANCIA
Una vez determinado el ciclo de referencia, es de interés desarrollar una métrica que permita determinar
cómo el comportamiento de un indicador de actividad específico se asocia con este estado no observable.
En particular, el ciclo de referencia típicamente será menos ruidoso que los ciclos individuales que lo
componen. Además, es usual que las series individuales reporten un número distinto de puntos de giros
que el ciclo de referencia, e incluso estos puntos de giros podrían ocurrir en momentos distintos si es
que los indicadores son adelantados o rezagados. Ante tal complejidad, Harding y Pagan (2002) proponen
una medida de sincronización denominada concordancia que ha sido la adoptada en la literatura como la
métrica de asociación más conveniente.
La atención se traslada de los puntos de giro a las fases que estos puntos marcan. Para ello, defina Eit
como una variable binaria tal que Eit = 1 cuando la serie i se encuentra en fase expansiva y Eit = 0 cuando
se encuentra en fase contractiva. Si DitS = 1 cuando ocurre una sima en el periodo t para la serie i (DitS = 0
de otro modo) y DitP = 1 cuando ocurre un pico en el periodo t para la serie i (DitP = 0 de otro modo), se
verifica que Eit = Ei,t−1 + DitS − DitP para t = 1, 2 . . . , T, donde Ei0 = 1 si el primer punto de giro de la
serie i es un pico y Ei0 = 0 si es una sima. Análogamente, defina E Rt tal que E Rt = 1 cuando el ciclo de
referencia se encuentra en fase expansiva y E Rt = 0 cuando se encuentra en fase contractiva.
La concordancia entre la serie i y el ciclo de referencia es la contraparte muestral de la fracción de
tiempo en que la serie i y el ciclo de referencia se encuentran en la misma fase; es decir, de Pr(Eit = E Rt ):
T
1X
Ci = [Eit E Rt + (1 − Eit )(1 − E Rt )] .
T t=1
Este estadístico es igual a 1 cuando la serie i y el ciclo de referencia sincronizan perfectamente (es decir,
siempre se encuentran en la misma fase), y es igual a cero cuando la serie i se encuentra exactamente
en la fase opuesta al ciclo de referencia. Cuando Eit y E Rt son variables independientes se tiene que
E(Ci ) = 2E(Eit )E(E Rt ) + 1 − E(Eit ) − E(E Rt ) que, en general, es un valor desconocido.
Si bien es cierto que el estadístico Eit permite ordenar a las series de acuerdo con su asociación con
el ciclo de referencia, el hecho de que su media sea desconocida (aunque puede ser estimada fácilmente)
dificulta la inferencia que pueda realizarse con esta concordancia. En particular, que Eit y E Rt sean variables
aleatorias independientes constituye una hipótesis de interés, ya que el rechazo a esta hipótesis implica que
la serie i sincroniza significativamente con el ciclo de referencia. En otros términos, que la serie i guarda
una concordancia significativa con el ciclo de referencia.

Para el contraste de esta hipótesis, Artis y otros (2004) proponen utilizar la prueba “t”:
T
1X
(Eit − Ēi )(E Rt − Ē R )
T t=1
θ=v .
q
t !
1 gi (0)gR (0) + 2
 X k 

1 − gi (k)g R (k) 
T 
k=1
q + 1 
 
donde:
T
1 X
gi (k) = (Eit − Ēi )(Ei,t−k − Ēi ) .
T − k t=k+1
El numerador de θ, donde Ēi es el promedio muestral de Eit , tiene media cero bajo la hipótesis de
independencia, ya que es proporcional a Ci − C̄i , donde C̄i es un estimador consistente de E(Ci ) bajo esta
hipótesis. El denominador de θ es un estimador consistente de la desviación estándar del numerador bajo
la hipótesis de independencia, y q es un parámetro de truncamiento que satisface q → ∞ pero q/T 1/4 → 0
conforme T → ∞. Note que este estimador de la varianza de Ci − E(Ci ) considera explícitamente que
tanto Eit y E Rt son variables autocorrelacionadas, ya que la estadía en una fase del ciclo es claramente
un fenómeno persistente, e incorpora correcciones no paramétricas del tipo HAC para atender esta
dependencia. Por construcción, bajo independencia θ se distribuye asintóticamente como una variable
normal estándar. La hipótesis de independencia se rechaza cuando |θ| > zcrit , donde zcrit es el percentil
relevante de la función de distribución normal estándar.3
2 D ATOS
La base de datos contiene 145 variables mensuales estrechamente relacionadas con la actividad económica,
con varios niveles de desagregación. Estas variables son indicadores directos de producción, de empleo,
de comercio internacional y de transporte; indicadores indirectos de actividad en la forma de agregados
monetarios, variables financieras y cuentas fiscales; y, finalmente, reportes de encuestas que recojen la
percepción de los agentes sobre el estado de la economía. Toda la información utilizada es pública, siendo
la principal fuente la Nota Semanal (NS) del BCRP, aunque también se utilizan otras fuentes, detalladas
más adelante.
El periodo de análisis abarca los 25 años que se inician en 1992 y terminan en 2016; es decir, 300
observaciones mensuales.4 Sin embargo, no siempre se cuenta con información para todas las variables
durante todo este periodo. Hasta el año 1994, el 65 por ciento de indicadores reportan datos, cifra que se
incrementa rápidamente a 85 por ciento en 1995, a 95 por ciento en 1998 y al 100 por ciento en 2002.
3 Harding y Pagan (2006) notan que la hipótesis de independencia puede ser reinterpretada como H0 : φ = 0 en la regresión
E Rt = a + φEit + ut , para t = 1, 2, . . . , T. Nótese que bajo H0 , el error de regresión es igual a ut = E Rt − a y, por tanto,
se encuentra autocorrelacionado. Por ello, el estadístico relevante es la prueba de significación de φ calculada utilizando un
estimador del tipo HAC, robusto a la presencia de heterocedasiticidad y correlación serial. Denotamos a este estadístico como
θ hp , y es fácil verificar que también se distribuye asintóticamente como una variable normal estándar bajo H0 . Si bien es cierto
que ambos contrastes son asintóticamente equivalentes, es probable que el de Artis y otros (2004) tenga un mejor desempeño
en muestras finitas. Aunque no existe en la literatura una comparación formal entre ambas propuestas, las ganancias de θ
vendrían porque el estimador de la varianza de la concordancia bajo H0 , es menos ruidoso que el que utiliza θ hp .
4 En general, se cuenta con algunas observaciones previas a enero de 1992 y posteriores a diciembre 2016, pero son
exclusivamente utilizadas para el suavizamiento de las series.

62 Diego Winkelried
Las variables en la base de datos se clasifican de acuerdo con las siguientes 10 categorías:
1. Valor Agregado Bruto (8 series). Estas son las series con las que se calcula mensualmente
el “PBI sectorial”, y son reportadas en el Cuadro 63 de la NS. La base de datos incluye los
índices agropecuario, pesca, minería e hidrocarburos, construcción, electricidad y agua, comercio
y manufactura no primaria. Además, se construye un índice de producción industrial, siguiendo
prácticas internacionales, como un promedio ponderado de los índices de manufactura primaria y
no primaria (51%), minería e hidrocarburos (44%) y electricidad y agua (5%). Los pesos provienen
del valor agregado bruto del año base, 2007.
2. Producción manufacturera (58 series). Índices de producción manufacturera por rama de actividad,
reportados en el Cuadro 68 de la NS. De estos índices, 6 corresponden a ramas de procesamiento de
recursos primarios y 43 corresponden a ramas de la manufactura no primaria. Los últimos pueden,
a su vez, agregarse en 9 categorías industriales.
3. Empleo (16 series). Índices de empleo urbano agregados y por industrias (servicios, comercio y
manufactura), para empresas de más de 10 trabajadores, empresas de entre 11 y 49 trabajadores y
empresas de más de 50 trabajadores. Se incluyen, además, índices de empleo similares para Lima
Metropolitana, que solo consideran empresas de más de 100 trabajadores. La información proviene
del Cuadro 71 de la NS.
4. Exportaciones (13 series). Exportaciones por grupos de productos, según lo reportado en el Cuadro
54 de la NS. 4 grupos son de productos tradicionales, mientras que 8 corresponden a productos no
tradicionales.
En este grupo se incluye además las series de términos de intercambio (Cuadro 60 de la NS) y el
índice de producción industrial de EE.UU. (FRED, serie IPB50001N).
5. Importaciones (9 series). Importaciones según destino económico. Además de la cifra total, se

consideran importaciones de bienes de consumo (2 series), de insumos (2 series) y de bienes de
capital (4 series). La información proviene del Cuadro 75 de la NS.
6. Agregados monetarios (10 series). Distintos conceptos de liquidez y crédito, 7 de ellos en soles y
3 en dólares, provenientes de los Cuadros 1, 3 y 5 de la NS.
7. Cuentas fiscales (8 series). Ingresos (6 series) y gastos (2 series) del gobierno central, extraídos de
los Cuadros 74 y 76 de la NS.
8. Mercado financiero (7 series). Índices de precios y capitalizacion de la BVL (3 series, Cuadro

38 de la NS), aportes y valor del fondo del sistema privado de pensiones (2 series, Cuadro 39), y
agregados generales de ahorro en soles y en dólares (Anexo 3B de la NS).
9. Encuestas (4 series). La primera serie de este grupo es una proxy del crecimiento esperado por lo
agentes económicos para los siguientes 12 meses. El BCRP recoge, mes a mes, los pronósticos de
crecimiento de profesionales del sector financiero y de académicos para el final del año corriente
(menos de 12 meses) y para el año siguiente (más de 12 meses). Siguiendo a Winkelried (2013), el
crecimiento esperado se obtiene a través de interpolaciones de estos pronósticos: si mt = 1, 2, . . . , 12
es el mes de la encuesta registrada en el período t, Zt0 el pronóstico de crecimiento para el
año corriente y Zt1 el pronóstico para el año siguiente, el crecimiento esperado se mide como
Zte = [ (13 − mt ) Zt0 + (mt − 1) Zt1 ]/12. La medida Zte se encuentra siempre entre Zt0 y Zt1 . A inicios
del año (en enero) mt = 1 y, por tanto, Zte = Zt0 . Para el resto de meses, de los 12 meses que acumulan

crecimiento 13 − mt corresponden al año corriente (a una tasa mensual implícita de Zt0 /12) y el resto
a la proyección del año siguiente (a una tasa mensual implícita de Zt1 /12).
En segundo lugar, el BCRP reporta mensualmente un índice de confianza empresarial sobre la
evolución esperada de la economía durante los próximos 3 meses, a partir de encuestas realizadas a
empresas. Este índice se denomina balance statistic (BSt ) y se calcula como la diferencia entre la
frecuencia de respuestas optimistas (“mejor”) y pesimistas (“peor”), más 50. Sus propiedades como
método de cuantificación de información cualitativa han sido estudiadas en Pesaran y Weale (2006,
sección 3), quienes muestran que, bajo condiciones generales, BSt ' C1 × (Predicción de Zt ) + C2 ,
donde C1 y C2 son constantes desconocidas y Zt es la variable que los agentes tienen en mente
cuando reportan “mejor”, “igual” o “peor”. Es decir, la información cualitativa en BSt es, a la larga,
proporcional a la información detrás de una predicción cuantitativa de Zt . Si, como se argumenta en
Winkelried (2013), Zt representa el crecimiento de la economía, se calcula un indicador acumulando
los valores de BSt menos 55, que es cercano al promedio histórico de esta variable.
Finalmente, el Instituto Apoyo publica también índices de confianza pero de hogares en la forma
de dos balance statistics. El primero contrasta el porcentaje de encuestados que considera que su
situación familiar es “mejor” que la experimentada 12 meses atrás con el porcentaje que considera
que la situación familiar es “peor”. El segundo es similar pero considerando una expectativa
de la situación familiar para los próximos 12 meses. Schuldt (2004) estudia a profundidad el
comportamiento de estas series y su relación con la evolución de la economía y provee los resultados
de estas encuestas durante la década de 1990.
10. Otros indicadores de actividad (8 series). Finalmente, se incluyen los siguientes indicadores
más desagregados: despachos locales de cemento, ventas de barras de construcción, producción de
electricidad (2 series) e índices de flujo vehicular (4 series). En este caso, la fuente de información
es el Sistema de Series Nacionales y el boletín de Flujo Vehicular por Unidades de Peaje del Instituto
Nacional de Estadística e Informática.
Los índices de valor agregado bruto, la producción manufacturera, el empleo, otros indicadores de
actividad y los términos de intercambio son, por construcción, expresados en unidades reales. Por su parte,
las variables nominales en soles (agregados monetarios y fiscales, así como agregados financieros), son
expresadas en términos reales tras dividir por el IPC de Lima Metropolitana (disponible en el Cuadro 49 de
la NS); mientras que las series nominales en dólares (importaciones, exportaciones, y algunos agregados
monetarios y financieros) primero son expresadas en soles, utilizando el tipo de cambio nominal promedio
(disponible en el Cuadro 44 de la NS), y luego son deflactadas por el IPC de Lima Metropolitana.
3 R ESULTADOS
Los resultados son abundantes y solo se reportan aquellos directamente relacionados con la caracterización
del ciclo de referencia y sus fases. Los resultados sobre puntos de giro individuales y otros resultados
intermedios pueden ser solicitados al autor.
3.1 E STIMACIÓN PRELIMINAR DEL CICLO DE REFERENCIA
El Gráfico 1 (p. 64) muestra las frecuencias relativas, Bt , así como las distancias del método de Harding
y Pagan (2006), dt , para la determinación preliminar de simas y picos agregados. Con ello es posible
determinar, aunque preliminarmente, las fechas de 11 puntos de giro agregados: 6 simas y 5 picos.

64 Diego Winkelried
Gráfico 1. Determinación preliminar de los puntos de giro agregados

(a) Simas
10
0
1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
(b) Picos
10
0
1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Notas: Las barras muestran la frecuencia relativa (en porcentajes) de puntos de giros que ocurre en cada momento t. Las líneas
sólidas corresponden a las distancias d t propuestas por Harding y Pagan (2006), multiplicadas por una constante. Los mínimos
locales de d t junto con máximos locales en las frecuencias relativas indican la ocurrencia de un punto de giro agregado. La
línea discontinua muestra el porcentaje de series (dividido entre 10) con información disponible en el periodo t.

El primer punto de giro es una sima que ocurre en la segunda mitad de 1992, y estaría marcando
el inicio de un periodo de recuperación de la actividad económica tras la aplicación de un conjunto de
reformas estructurales a inicios de la década de 1990. La fase expansiva, un periodo de rebote y de
“sobrecalentamiento de la economía”, culmina tres años después, a mediados de 1995, donde se identifica
el segundo punto de giro, un pico. Se inicia una fase contractiva, de aproximadamente un año de duración,
finalizada por el tercer punto de giro, una sima durante 1996.
El cuarto punto de giro es un pico en 1998, tras una fase expansiva de aproximadamente dos años.
Este pico se asocia con el inicio de la recesión experimentada en el país como consecuencia de la crisis
rusa y brasileña, así como del Fenómeno del Niño en ese año. La sima que da fin a esta contracción, el
quinto punto de giro, ocurre claramente en 1999. Llama la atención la alta frecuencia de simas individuales
concentradas en torno a este episodio. La economía entra en un periodo de recuperación de corta duración,
de aproximadamente un año, ya que luego, hacia inicios de 2000, se reporta un claro pico, el sexto punto
de giro. Este pico da origen a la contracción de la economía experimentada al comienzo de la década de
2000, en un contexto de inestabilidad política y un entorno internacional desfavorable.
Esta contracción habría durado también cerca de un año. La frecuente ocurrencia de simas en los
indicadores individuales durante el año 2001 sugieren que el sétimo punto de giro, una sima, se ubica
por esas fechas. Esta da inicio a un prologando periodo de expansión, de aproximadamente 7 años. El
pico que finaliza esta fase, el octavo punto de giro, es bastante claro, ocurre hacia mediados de 2008, y
se asocia con el estallido de la crisis financiera internacional. Los efectos inmediatos de esta crisis sobre
la economía peruana habrían culminado un año después con el noveno punto de giro, una sima muy
claramente identificada hacia mediados de 2009. Se inicia, luego, otro periodo de prolongada expansión,
esta vez de cerca de 4 años.
El décimo punto de giro es un pico ocurrido entre 2013 y 2014, aunque es notable la dispersión de los
indicadores individuales en este episodio. La frecuencia relativa de picos hacia fines de 2013 es cercana
al 5 por ciento, mucho menor a las frecuencias del orden de 8 por ciento asociadas con el pico previo
de 2008. El último punto de giro es una sima ocurrida hacia fines de 2015, dando fin a un periodo de
contracción de aproximadamente 2 años, el episodio contractivo de mayor duración de nuestra muestra.
3.2 E STIMACIÓN FINAL DEL CICLO DE REFERENCIA
El Cuadro 1 (p. 66) presenta los puntos de giros estimados como las modas de las distribuciones
transversales de puntos de giros individuales. En términos generales, la máxima diferencia reportada
con los puntos de giro identificados a la Harding y Pagan (2006) es de 2 meses (en el pico de 1998 y
en las simas de 2000 y 2015). En general, estas diferencias no son significativas ya que el punto de giro
preliminar se encuentra contenido en el intervalo de la confianza de la moda transversal. Ocurre algo
similar cuando las modas son calculadas tras ajustar por el rezago medio de las series individuales. Los
puntos de giro ajustados coinciden con los no ajustados o se diferencian en tan solo un mes, con excepción
del pico de 2013 cuya diferencia es de 2 meses, aunque no es estadísticamente significativa.
Los intervalos de confianza de las modas estimadas son razonablemente estrechos e indican que esta se
ubicaría, como mucho, a tres meses de las fechas reportadas en el Cuadro 1. La notable excepción ocurre
en la sima de 1996, donde este intervalo tiene un ancho de casi el doble que los otros intervalos, aunque
ello deja de ocurrir en la versión ajustada de este punto de giro.
El resto del Cuadro 1 reporta cuán concentradas son las modas estimadas con respecto a la distribución
transversal de puntos de giro, así como la duración de cada fase del ciclo de referencia. No debería
sorprender el que las modas estimadas tras ajustar las series por sus rezagos medios se muestren, en

66 Diego Winkelried
Cuadro 1. Estimación de los puntos de giro agregados

(a) Estimación de la de moda (b) Concentración de la moda (c) Duraciones
τ̂s 1.96σ s ∆HP
s ∆i s ∆˜ s 1.96σ̃ s n s /n f ( τ̂s ) f ( τ̃s ) S→P P→S
S 09/1992 2.9 0 2.0 0 0.9 0.50 6.0 7.9 32
P 05/1995 1.5 −1 −0.1 −1 2.0 0.52 7.5 6.6 11
S 04/1996 4.8 0 0.3 1 2.0 0.55 5.8 7.2 21
P 01/1998 1.9 2 −0.9 0 1.2 0.69 6.3 7.1 14
S 03/1999 0.9 0 −0.2 0 0.8 0.72 7.9 8.9 11
P 02/2000 0.9 0 1.1 −1 1.0 0.69 8.3 8.1 10
S 12/2000 2.3 −2 2.4 −1 2.1 0.76 4.8 5.6 90
P 06/2008 1.2 1 −0.5 0 1.1 0.78 7.7 8.6 12
S 06/2009 1.2 0 −0.5 1 0.8 0.81 8.8 10.3 51
P 09/2013 1.3 1 −0.1 2 2.2 0.70 5.1 5.1 27
S 12/2015 2.6 2 −1.6 −1 1.5 0.59 5.1 5.2
Notas: S denota una sima, P denota un pico. En el panel (a), τ̂s es la moda estimada según el método de Stock y Watson
(2014), mientras que 1.96σ s es el número de meses que ha de quitarse y agregarse a τ̂s para formar el intervalo de 95% de
confianza de τs ; ∆HP s es la diferencia entre el punto de giro preliminar a la Harding y Pagan (2006) y el final, a la Stock y
Watson (2014); ∆i s es el rezago medio de los indicadores individuales en torno a la moda, mientras que ∆˜ s es la diferencia
entre D̂ s y la moda estimada tras corregir las series por su rezago medio, τ̃s . En el panel (b), n s /n es la proporción de series
que reportan un punto de giro en la vecindad de la moda D̂ s ; f ( τ̂s ) es el punto máximo de la densidad estimada, mientras que
f ( τ̃s ) es la densidad máxima de la moda tras corregir las series por su rezago medio. Finalmente, en el panel (c) se muestra el
número de meses que dura cada expansión, S → P, y cada contracción, P → S.
general, más concentradas que las modas estimadas con los datos no ajustados. Las diferencias, no
obstante, no son importantes por lo que en adelante detallamos los resultados base, sin ajuste de los datos.
Estos resultados se aprecian mejor en el Gráfico 2 (p. 67) que muestra las densidades estimadas de los
picos y simas que definen, respectivamente, el inicio y fin de las 5 fases contractivas iniciadas y terminadas
durante el periodo de análisis (se excluye la primera fase contractiva pues el pico que la origina ocurre
antes de 1992). En el gráfico se muestra, además, los intervalos de confianza de las modas.
El comportamiento de la primera fase contractiva, panel (a) de 1995 a 1996, es comparable con
el de la tercera fase contractiva, panel (c) de 2000 a 2001. Una gran frecuencia de series individuales
generan picos en torno a las fechas agregadas, dando origen a la contracción. Las densidades de las
simas que culminan la contracción son más dispersas, sugiriendo una recuperación más bien gradual de
los indicadores individuales. En el caso de la sima de 2001, incluso, puede identificarse una segunda
moda, aunque de menor magnitud, en el año 2002. Por su parte, las contracciones asociadas con las crisis
internacionales, panel (b) de 1998 a 1999 y panel (d) de 2008 a 2009, tienen como característica común
que producen modas bastante concentradas, sobre todo en las simas que dan fin a las fases contractivas.
La concentración de las modas es relevante porque, a pesar de la corta duración de algunos de los
episodios determinados por estos puntos de giro, estos pueden ser claramente identificados como nuevos
y no como continuaciones de episodios previos. Por ejemplo, una narrativa usual es que, producto de
una serie de eventos desfavorables, la economía peruana entró en una larga fase contractiva en 1998 que
culminó en 2001; no obstante, esta interpretación se invalida al notar que el inusalmente breve periodo
expansivo de menos de un año entre 1999 y 2000 es claramente separable de la dinámica previa.
Comparada con eventos anteriores, la última fase contractiva, panel (e) de 2013 a 2015, es distinta,
sobre todo porque el comportamiento de los indicadores individuales se ha tornado más disperso. Las
densidades involucradas se encuentran menos concentradas en torno a la moda; incluso, la densidad de

Gráfico 2. Densidades estimadas de los puntos de giro agregados durante contracciones

(a) De 1995 a 1996 (b) De 1998 a 1999
10 10
03/1999
8 8
05/1995
01/1998
04/1996
6 6
4 4
2 2
0 0
−12 0 12 24 36 −12 0 12 24 36
(c) De 2000 a 2001 (d) De 2008 a 2009
10 10 06/2009
02/2000
06/2008
8 8
6 6
12/2000
4 4
2 2
0 0
−12 0 12 24 36 −12 0 12 24 36
(e) De 2013 a 2015 (f) De 2013 a 2015
10 10
8 8
12/2015
6 12/2015 6
09/2013 09/2013
4 4
2 2
0 0
−12 0 12 24 36 −12 0 12 24 36
Notas: Cada panel muestra, primero, la función de densidad estimada en torno al pico que da origen a la contracción, centrada
en su moda en el momento 0, con un soporte de 18 meses antes y después de la moda. Luego se presenta la función de densidad
estimada en torno a la sima que termina la contracción, con un soporte total también de 36 meses. Las líneas punteadas verticales
marcan el intervalo de 95% confianza de la moda estimada. En el panel (f), las densidades con líneas discontinuas son estimadas
únicamente para los indicadores con información completa desde 1992.

68 Diego Winkelried
simas centrada en 2015 presenta una segunda moda de menor tamaño y relevancia en 2014. El resultado
final es que esta fase contractiva es la de mayor duración, de más de 24 meses en contraste con, por
ejemplo, los 14 meses del episodio de 1998 a 1999.
Surgen dos posibles explicaciones. La primera es que la economía peruana haya experimentado un
cambio estructural en el comportamiento de sus indicadores de actividad individuales y su relación con el
ciclo de referencia. A pesar de su importancia, indagar más en este importante análisis escapa al alcance
de este estudio.
La segunda es más artificial. Recuérdese que aproximadamente el 10 por ciento de las series en la base
de datos solo reportan información desde inicios de la década de 2000. Así, la información de estas series
ha sido utilizada para determinar los últimos puntos de giro, pero ha sido ignorada para la determinación
de los puntos de giro anteriores, sobre todo durante la década de 1990. De esta forma, podría suponerse que
los indicadores “nuevos” que completan la base de datos recogen un comportamiento sistemáticamente
distinto al de los indicadores “viejos” con los que se dispone información completa. Para descartar esta
conjetura, en el panel (f) del Gráfico 2 se muestran las densidades calculadas con todos los indicadores de
la base de datos (líneas continuas) en comparación con densidades que utilizan únicamente información de
los indicadores con información completa (líneas discontinuas). Es claro que no existe ninguna diferencia
cualitativa importante entre ambos conjuntos de información, lo que confirma que la dinámica de la última
fase contractiva se asocia con temas mucho más fundamentales que la mera selección de indicadores
individuales de actividad.
3.3 C ONCORDANCIA
Como una manera alternativa de presentar los resultados, el Gráfico 3 (p. 69) muestra un mapa de calor
que marca las expansiones (color claro) y contracciones (color oscuro) del ciclo de referencia (ubicado a
la altura de 1.00). El Gráfico presenta también las fases de los 50 indicadores individuales que presentaron
la mayor concordancia con el ciclo de referencia, ordenados por el valor del estadístico Ci . Así, no debe
sorprender que la ocurrencia de fases contractivas en los indicadores de mayor concordancia coincida de
una manera más clara con las fases contractivas del ciclo de referencia, y que esta asociación se vaya
debilitando conforme va cayendo el valor de Ci .
El Gráfico 3 ilustra varias conclusiones de interés. Primero, el ciclo de referencia es un reflejo de lo
ocurrido por la mayoría de series individuales y no necesariamente lo ocurrido con series específicas.
Por ejemplo, muchos indicadores mostraron breves episodios de contracción durante la fase expansiva
de 2001 a 2008. Puede concluirse lo mismo durante el periodo de 2010 a 2013. Segundo, se confirma
que los puntos de giro previamente identificados, en efecto, marcan el inicio de distintas fases. Ello es
particularmente cierto durante la década de 1990, caracterizada por ciclos volátiles con fases expansivas
(de 1996 a 1998 y de 1999 a 2000) y contractivas (de 1995 a 1996 y de 1998 a 1999) de corta duración.
Tercero, se aprecia nuevamente el incremento de la dispersión de fases en torno a la última contracción.
Ello por la ocurrencia de contracciones individuales durante la expansión agregada de 2009 a 2013, así
como por la ocurrencia de expansiones durante la posterior contracción agregada de fines de 2013 a
fines 2015. Incluso la sima agregada de fines de 2015 no se registra en un buen conjunto de indicadores
individuales que permanecen en fase contractiva hasta el final de la muestra.
Es importante enfatizar que la elección de la moda como medida representativa de la ocurrencia del
punto de giro agregado brinda robustez al análisis y a los resultados. La moda de una distribución no es
sensible a outliers o a la exclusión de un número limitado de observaciones. Por ello, las características
del ciclo de referencia previamente documentado se mantienen inalteradas ante variaciones en la base

Gráfico 3. Mapa de calor
1.00
0.93
0.82
0.81
0.79
0.78
0.77
0.75
0.73
1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Notas: Los recuadros de color claro son periodos en fase expansiva, mientras que los de color oscuro indican periodos en fase
contractiva. Sobre el valor 1.00 se presentan los resultados del ciclo de referencia. Luego, los resultados de los 50 indicadores
individuales con mayor concordancia (significativa). Los indicadores son ordenados descendemente de acuerdo con el valor de
su concordancia (de 0.93 a 0.73), que se muestra en el eje vertical.
de datos, en especial ante la exclusión de grupos de indicadores individuales, aunque estos sean de alta
concordancia. De hecho, con el ánimo de marcar una distancia respecto a la investigación previa, el PBI no
forma parte de la base de datos, pero los resultados obtenidos tras incluir este indicador son virtualmente
los mismos.
De los 145 indicadores que componen la base de datos, 70 resultaron tener una asociación significativa,
al 5% de confianza, con el ciclo de referencia, de acuerdo con la prueba θ de Artis y otros (2004). El
Cuadro 2 (p. 70) presenta la lista de estos indicadores, ordenados por concordancia, mientras que el Gráfico
4 (p. 71) muestra la evolución de una selección de estos indicadores con concordancia significativa. Es
bueno mencionar que se encuentran indicadores con asociación significativa para todas y cada una de las
categorías consideradas en la sección 2, lo que ilustra claramente que el ciclo de referencia representa, en
efecto, una noción amplia de “actividad económica”.

70 Diego Winkelried
Cuadro 2. Indicadores individuales según concordancia con el ciclo de referencia

C θ C θ
1. Manufactura total 0.93 5.56 50. Madera y muebles 0.73 2.98
2. Expectativas empresariales 0.92 3.83 51. Otros productos textiles 0.73 2.84
3. Importaciones totales 0.88 4.76 52. Muebles 0.72 2.06
4. Productos químicos, caucho y plásticos 0.87 4.57 53. Términos de intercambio 0.72 3.34
5. VAB Comercio 0.85 4.17 54. Productos alimenticios diversos 0.71 2.41
6. Flujo de vehículos pesados con 3 a 7 ejes 0.83 2.51 55. Importaciones de equipo de transporte 0.71 2.57
7. Productos metálicos, maquinaria y equipo 0.83 4.17 56. Textil, cuero y calzado 0.70 2.72
8. Ingresos corrientes del gobierno central 0.82 3.49 57. Balance sobre el pasado 0.70 2.61
9. Indice de producción industrial 0.82 3.53 58. Fibras artificiales 0.70 2.82
10. Importaciones de bienes de capital 0.81 4.01 59. Exportaciones siderúrgicas 0.70 2.67
11. Depósitos a la vista 0.81 3.36 60. Cerveza y malta 0.69 2.26
12. Material de transporte 0.81 4.21 61. Empleo manufactura en Lima 0.69 2.95
13. Liquidez en soles 0.81 3.11 62. Exportaciones textiles 0.68 2.24
14. Importaciones de consumo duradero 0.81 3.52 63. Exportaciones de pesca no tradicionales 0.68 2.20
15. Despachos locales de cemento 0.81 3.34 64. Crédito sobre liquidez en soles 0.66 2.23
16. Importaciones de insumos 0.80 3.45 65. Papel y cartón 0.65 2.45
17. Explosivos, esencias naturales y químicas 0.80 3.22 66. Maquinaria eléctrica 0.65 2.16
18. Crecimiento esperado 0.80 3.55 67. Madera 0.65 2.74
19. Pinturas, barnices y lacas 0.79 3.71 68. Hilados, tejidos y acabados 0.64 2.16
20. Productos minerales no metálicos diversos 0.79 3.67 69. Manufacturas diversas 0.63 2.27
21. Producción de energía eléctrica 0.79 3.18 70. Empleo manufactura, 10 a 49 trabajadores 0.62 2.44
22. Caucho 0.79 3.85 71. Ahorro en soles 0.77 1.96
23. Servicios industriales 0.79 3.20 72. Importaciones de capital industrial 0.72 1.94
24. Industria de papel e imprenta 0.79 3.18 73. Exportaciones de petróleo y gas 0.68 1.90
25. Dinero 0.79 2.73 74. Producción industrial de EEUU 0.75 1.87
26. Alimentos para animales 0.78 2.95 75. Plásticos 0.73 1.84
27. Actividades de impresión 0.78 3.08 76. Empleo urbano, más de 50 trabajadores 0.75 1.82
28. VAB Construcción 0.78 3.07 77. Exportaciones agroindustriales 0.75 1.81
29. Envases de papel y cartón 0.78 3.02 78. Productos farmacéuticos y medicamentos 0.62 1.81
30. Minerales no metálicos 0.78 2.99 79. Recaudación del impuesto a la renta 0.70 1.79
31. Circulante 0.78 2.49 80. Impuesto a la renta de personas jurídicas 0.70 1.79
32. Recaudación del IGV interno 0.77 2.46 81. Empleo en Lima 0.73 1.71
33. Materiales para la construcción 0.77 2.94 82. Empleo comercio, 10 o más trabajadores 0.72 1.62
34. Ventas de barras de construcción 0.77 3.08 83. Conservas y productos congelados de pescado 0.62 1.59
35. VAB Minería e hidrocarburos 0.77 2.52 84. Exportaciones mineras 0.68 1.58
36. Cuasidinero 0.77 2.12 85. Plaguicidas y abonos compuestos 0.62 1.52
37. Gastos no financieros del gobierno central 0.77 2.38 86. Flujo de vehículos pesados 0.74 1.45
38. Industria del hierro y acero 0.76 3.05 87. Sustancias químicas básicas 0.68 1.44
39. Empleo manufactura, más de 50 trabajadores 0.76 3.34 88. Productos cárnicos 0.74 1.38
40. Índice general de la BVL 0.75 3.14 89. Gastos de capital del gobierno central 0.66 1.34
41. Importaciones de insumos industriales 0.75 2.48 90. Productos lácteos 0.69 1.31
42. Capitalización bursátil 0.75 2.54 91. Conservas de alimentos y bebidas alcohólicas 0.68 1.29
43. Impuesto a la renta de personas naturales 0.75 2.05 92. Productos de tocador y limpieza 0.66 1.29
44. Productos metálicos 0.75 2.96 93. Importaciones de materiales de construcción 0.60 1.24
45. Tejidos y artículos de punto 0.74 2.10 94. Empleo comercio en Lima 0.72 1.22
46. Exportaciones de madera y papel 0.74 2.78 95. Exportaciones agrícolas 0.57 1.18
47. Índice selectivo de la BVL 0.74 2.73 96. Empleo servicios en Lima 0.71 1.15
48. Prendas de vestir 0.74 2.91 97. Empleo servicios, más de 50 trabajadores 0.73 1.15
49. Cemento 0.74 2.09 98. Futuro será mejor 0.61 1.15
Notas: Los primeros 70 indicadores presentan una concordancia estadísticamente significativa al 5% de confianza, θ > 1.96,
y están ordenados descendemente por el valor de C. El resto de indicadores están ordenados descendemente por el valor de θ.

Gráfico 4. Selección de indicadores de concordancia significativa con el ciclo de referencia

(a) Valor agregado bruto (b) Producción manufacturera
Manufactura total Metálicos, maquinaria y equipo

Comercio Químicos, caucho y plásticos
Electricidad y agua Minerales no metálicos
Minería e hidrocarburos Papel e imprenta
1992 1996 2000 2004 2008 2012 2016 1992 1996 2000 2004 2008 2012 2016
(c) Comercio internacional (d) Monetario y fiscal
X madera y papel Circulante

M insumos Depósitos a la vista
M bienes de capital Gastos del gobierno central
X siderúrgicas Ingresos del gobierno central
1992 1996 2000 2004 2008 2012 2016 1992 1996 2000 2004 2008 2012 2016
(e) Encuestas (f) Otros indicadores
Crecimiento esperado Flujo vehículos con 3 a 7 ejes
Balance sobre el pasado Empleo manufactura en Lima
Confianza empresarial Capitalización bursátil
Despachos locales de cemento
1992 1996 2000 2004 2008 2012 2016 1992 1996 2000 2004 2008 2012 2016
Notas: Trayectorias del componente tendencia-ciclo de los logaritmos de los indicadores individuales. Las áreas sombreadas
marcan las fases de contracción del ciclo de referencia.

72 Diego Winkelried
3.4 Í NDICE DE DIFUSIÓN
Las inferencias sobre el ciclo de referencia pueden entenderse como un problema de extracción de señales,
donde aquellos indicadores con concordancia significativa forman parte de la señal relevante, mientras
que los otros incrementan el ruido del problema. Esta interpretación es particularmente útil para el diseño
de un índice de difusión. Este es un indicador coincidente de actividad económica definido simplemente
como el porcentaje de series que en el periodo t se encuentran en fase expansiva. A saber:
n
100 X
Dt = Eit .
n i=1
El índice Dt usualmente se interpreta como una medida de la dispersión de la tendencia de la actividad

económica. Durante fases expansivas, Dt adopta valores elevados, mientras que Dt reporta cifras reducidas
durante contracciones. Más aún y por construcción, los puntos de inflexión en el índice de difusión
anteceden los puntos de giro agregados. Concretamente, los picos agregados son precedidos de máximos
locales en el índice de difusión, que ocurren aproximadamente en el momento medio de una expansión,
mientras que las simas agregadas son precedidas de mínimos locales en Dt , que ocurren cerca del periodo
medio de una expansión.
El Gráfico 5 (p. 73) presenta la evolución de dos índices de difusión. El primero (la línea delgada)
utiliza los 145 indicadores disponibles, mientras que el segundo (la línea gruesa) promedia únicamente
los 70 indicadores cuyas concordancias resultaron ser estadísticamente significativas (véase el Cuadro 2).
El valor de referencia del índice de difusión es 50, de modo que Dt < 50 durante contracciones. Este
comportamiento es ciertamente el observado en ambos índices, aunque en el caso del primer índice se
consigue una señal débil, Dt ' 50 durante la última contracción.
La señal asociada con el segundo índice es visiblemente superior a la del primero, y este indicador
refinado marca claramente las fases del ciclo de referencia. En particular, el inicio de todas las fases
contractivas identificadas se asocian con una transición rápida del índice de difusión de valores superiores
a 60 (cómodamente por encima de 50) a valores cercanos y usualmente inferiores a 40 (razonablemente
inferior a 50); durante la contracción, el índice de difusión tiende a mantenerse en valores menores que
40. Asimismo, las fases expansivas comienzan con un paso rápido de valores menores que 40 a valores
superiores a 60; el índice adopta valores superiores a 60 mientras esta fase dura.
El Gráfico 5 deja en claro que la cronología establecida y el comportamiento del índice de difusión son
dos caras de una misma moneda. El índice de difusión es, de hecho, un estimador crudo de la probabilidad
de encontrarse en expansión o contracción, que son las fases del ciclo de referencia que los puntos de giro
agregados delimitan. No obstante, en principio el cálculo del índice de difusión no requiere determinar
estos puntos de giro. En nuestro análisis, la determinación de los puntos de giros agregados permitieron
establecer el ordenamiento de concordancia que luego sería usado para refinar al índice, pero no para
calcularlo.
Por ello, en la práctica el declarar el final de una fase contractiva ocurre varios meses después de que
la fase concluyó. Por ejemplo, el comité del NBER declaró una sima ocurrida en Junio de 2009 recién a
finales de setiembre de 2010 (www.nber.org/cycles/sept2010.html). En cambio, el índice de difusión
tiene el valor práctico de que puede ser utilizando para el monitoreo del estado de la economía en tiempo
real, ya que su comportamiento estaría indicando si una economía en contracción estaría comenzando a
dar primero las señales de recuperación y luego las señales de expansión.

Gráfico 5. Índices de difusión
100
90
80
70
60
50
40
30
20
10 Todos los indicadores

Indicadores significativos
0
1992 1994 1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Notas: La línea delgada es el índice de difusión que involucra a las 145 series de la base de datos; la línea gruesa, el índice
de difusión que incluye únicamente 70 indicadores de concordancia significativa. Las áreas sombreadas marcan las fases de
contracción del ciclo de referencia.
4 D ISCUSIÓN Y COMENTARIOS FINALES

El primer objetivo de este estudio ha sido establecer una cronología de los ciclos económicos en el Perú
en los últimos 25 años, con la mayor cantidad de información pública disponible. Para ello, se implementó
metodologías diseñadas para reproducir las conclusiones alcanzadas por los comités de fechado sobre el
estado de otras economías.
La cronología propuesta da una caracterización de las fases de la actividad económica peruana que, en
líneas generales, corresponde a la narrativa histórica sobre el desempeño de la economía peruana desde
inicios de la década de 1990. Así, una conclusión de importancia es que los ciclos en la década de 1990
son típicamente más volátiles y de menor duración que los ciclos registrados durante las décadas de 2000
y 2010. Por su parte, llama particularmente la atención el comportamiento disperso de los indicadores
económicos en torno a la última fase contractiva identificada, de 2013 a 2015, que resulta ser, en meses,
la de mayor duración. Entender mejor este cambio y sus consecuencias resulta ser una pregunta de interés
para investigaciones futuras.
Estos resultados sobreviven varias pruebas de robustez no reportadas (pero que pueden ser solicitadas
al autor). Los resultados no son sensibles a la exclusión de indicadores económicos. Por ejemplo, si la base
de datos se restringiera únicamente a aquellos indicadores con información desde inicios de la década de
1990, los puntos de giros agregados seguirían cayendo dentro de los intervalos de confianza reportados
en el Cuadro 1 (véase, por ejemplo, el panel (f) del Gráfico 2). Ocurre lo mismo si el análisis solo
incluyera indicadores de concordancia significativa. Asimismo, las fechas de los puntos de giro agregados
no cambian, o lo hacen de manera muy marginal, ante distintas elecciones de la función kernel K (.), o
distintas calibraciones del ancho de banda h, de entre 4 y 8 meses. En este último punto sería interesante

74 Diego Winkelried
Cuadro 3. El ciclo de referencia y los sectores económicos

Fase ↑ ↓ ↑ ↓ ↑ ↓ ↑ ↓ ↑ ↓
Año inicio 1992 1995 1996 1998 1999 2000 2000 2008 2009 2013
Año fin 1995 1996 1998 1999 2000 2000 2008 2009 2013 2015
Duración (meses) 32 11 21 14 11 10 90 12 51 27
Manufactura no primaria 8.7 −1.9 5.5 −10.2 7.4 −0.7 5.3 −10.6 5.8 −2.6
Comercio 9.0 −0.8 4.7 −5.2 5.7 −0.5 4.3 −2.1 6.3 3.5
Construcción 16.0 −5.6 8.7 −10.1 −0.6 −17.7 6.5 2.4 7.7 −1.9
Minería e hidrocarburos 7.5 5.6 5.5 10.0 5.5 −3.2 4.9 0.9 2.3 5.9
PBI 7.9 2.5 2.4 9.1 7.5 −0.0 4.0 −0.6 2.6 2.8
Notas: Las cifras son las tasas de crecimiento promedio anualizadas de los índices de valor agregado bruto sectoriales
agregados durante las distintas fases del ciclo económico.
indagar si estas calibraciones son cercanas a la determinación de anchos de banda (es decir, el grado
de suavizamiento de las densidades estimadas) “óptimos”, o si este ancho de banda “optimizado” habría
también cambiado a lo largo de la muestra.
Una posible crítica es que los 145 indicadores económicos considerados reciben exactamente el mismo
peso, la misma importancia, en nuestro análisis. Ello sesgaría la medición del ciclo de referencia hacia
los sectores con mayor representación en nuestra base de datos, ya que la importancia de los diversos
sectores económicos que agregan a la “actividad económica” sería determinada por la disponibilidad de
información, mas no por su importancia real en la economía peruana. Por ejemplo, la base de datos incluye
mucho más indicadores – tanto de producción, empleo y comercio internacional – del sector manufacturero
que de otros sectores de la economía.
Una breve exploración sobre este punto se muestra en el Cuadro 3, donde se presentan las tasas
de crecimientos de índices de valor agregado bruto agregado sectoriales durante las fases del ciclo de
referencia. Los índices sectoriales han sido ordenados por concordancia. Por ello, no debería sorprender
que el índice de VAB de manufactura no primaria caiga en todas las fases contractivas y se incremente
durante todas las fases expansivas. El índice de VAB de comercio muestra también alta concordancia,
aunque permanece expandiéndose durante la fase contractiva de 2013 a 2015. Por su parte, el índice de VAB
de construcción presenta dos disasociaciones con el ciclo de referencia: cae durante la fase expansiva de
1999 a 2000 y crece durante la contracción de 2008 a 2009. Finalmente, el VAB de minería e hidrocarburos
únicamente se contrae durante una fase contractiva del ciclo agregado.
Estas cifras sugieren que, si bien hay preponderancia del sector manufacturero, el ciclo de referencia se
asocia significativamente también con otros sectores económicos de importancia. Ello es así no solo por la
inclusión directa de indicadores de actividad de estos sectores en la base de datos – por ejemplo, despachos
locales de cemento – sino por la inclusión también de indicadores indirectos de actividad económica que
capturarían dinámicas agregadas más allá de la manufacturera – por ejemplo, recaudación tributaria o
agregados monetarios.
No obstante, algunos sectores, notablemente el de servicios, estarían fuertemente subrepresentados en
nuestro análisis. Ello podría ser parte de la explicación de por qué el PBI, que no ha sido incluido en la
base de datos, resulta ser un indicador de concordancia, aunque significativa, media y no alta (C = 0.76
y θ = 2.58): de haber sido incluido en el Cuadro 2, el PBI ocuparía el puesto 40. El análisis podría ser
extendido con estas consideraciones de representatividad sectorial fácilmente, ya que el tratamiento de
Stock y Watson (2014) incluye la posibilidad de asignar pesos a los indicadores económicos individuales.

La cronología presentada no está libre de controversias. Llama en especial la atención el breve periodo
de expansión durante 1999. Como se mencionó, tanto la sima que marca el inicio de la expansión a
inicios de 1999 como el pico que marca su fin a inicios de 2000 son claramente identificados en los datos.
Ello sería el resultado de fuertes “rebotes estadísticos” en varios de los indicadores económicos, como
sugiere el comportamiento de los índices VAB de manufactura no primaria o de comercio presentados en
el Cuadro 3. Obedeciendo a esta evidencia, se ha insistido en dividir al periodo de 1998 a 2001 en tres
fases: contracción, corta expansión y nueva contracción. No obstante, para muchos expertos el año 1999
es recordado como un año de estancamiento, no de recuperación, por lo que posiblemente, a pesar de los
rebotes mencionados, sientan que una mejor caracterización de ese periodo es el de una única y prolongada
contracción de cerca de tres años de duración (una dinámica similar a la del VAB de construcción del
Cuadro 3). Son justamente estos dilemas entre los cambios cuantitativos de los datos y la percepción más
cualitativa sobre el estado de la economía los que dan un valor fundamental a los comités de fechado. Este
estudio ha intentado imitar a dicho comité, pero no reemplazarlo.
El segundo objetivo planteado ha sido el de explorar el diseño inicial de un índice coincidente de
actividad económica. Consideramos que el índice de difusión propuesto podría ser de utilidad para el
caso peruano. Como se mencionó, si bien es cierto que este índice marca las fases del ciclo de referencia
de forma clara, su cálculo es finalmente independiente de nuestro conocimiento sobre los puntos de giro
agregados. Ello permite que el índice de difusión provea señales sobre el estado de la economía mucho
antes de estar en la capacidad de declarar el fin de una fase en el ciclo de referencia. No obstante, en tiempo
real este índice estaría sujeto a revisiones ya que los datos sobre los que se basa son suavizados. Cómo
las revisiones de los indicadores individuales afectan las revisiones del índice de difusión y sobre todo sus
propiedades en tiempo real para guiarnos en el monitoreo de la actividad económica son preguntas que
forman parte de una agenda de investigación futura.
R EFERENCIAS
Artis, M., M. Marcellino y T. Proietti (2004), “Dating business cycles: A methodological contribution with an
application to the euro area”, Oxford Bulletin of Economics and Statistics, 66(4), 537-565.
Bry, G. y C. Boschan (1971), Cyclical Analysis of Time Series: Selected Procedures and Computer Programs, NBER
/ UMI.
Dagum, E. B. y N. Laniel (1987), “Revisions of trend-cycle estimators of moving average seasonal adjustment
methods”, Journal of Business and Economic Statistics, 5(2), 177-189.
Escobal, J. y J. Torres (2002), “Un sistema de indicadores líderes del nivel de actividad para la economía peruana”,
Grupo de Análisis para el Desarrollo, Documento de trabajo 39.
Findley, D.F., B. C. Monsell, W. R. Bell, M. C. Otto y B. C. Chen (1998), “New capabilities and methods of the
X-12-ARIMA seasonal-adjustment program”, Journal of Business and Economic Statistics, 16(2), 127-152.
Ghysels, E. (1997), “Seasonal adjustment and other data transformations”, Journal of Business and Economic
Statistics , 15(4), 410-418.
Gómez, V. y A. Maravall (1996), “Programs TRAMO (Time series Regression with ARIMA noise, Missing values,
and Outliers) and SEATS (Signal Extraction in ARIMA Time Series): Instructions for the User”, Research
Department, Banco de España, Working Paper 9628.
Gómez, V. y A. Maravall (2000), “Seasonal adjustment and signal extraction in economic time series”, en Peña, D.,
G. C. Tiao y R. S. Tsay (eds.), A Course in Time Series Analysis, ch. 8, 202-247, Wiley.

76 Diego Winkelried
Harding, D. y A. Pagan (2002), “Dissecting the cycle: A methodological investigation”, Journal of Monetary
Economics, 49(2), 365-381.
Harding, D. y A. Pagan (2005), “A suggested framework for classifying the modes of cycle research”, Journal of
Applied Econometrics, 20(2), 151–159.
Harding, D. y A. Pagan (2006), “Synchronization of cycles”, Journal of Econometrics, 132(1), 59-79.
Ladiray, D. y B. Quenneville (2001), Seasonal Adjustment with the X-11 Method, Lecture Notes in Statistics 158,
Springer.
Layton, A. P. y G. H. Moore (1989), “Leading indicators for the service sector”, Journal of Business and Economic
Statistics, 7(3), 379-386.
Moore, G. H. (1989), Business Cycles, Inflation, and Forecasting, 2da edición, NBER Studies in Business Cycles
24, Ballinger.
Morón, E., C. Casas y E. Carranza (2002), “Indicadores líderes para la economía peruana”, Centro de Investigación
de la Universidad del Pacífico, Documento de trabajo 49.
Ochoa, E. y J. Lladó (2003), “Modelos de indicadores líderes de actividad económica para el Perú”, Banco Central
de Reserva del Perú, Revista Estudios Económicos, 10.
Pérez Forero, F., O. Ghurra Aguilar y R. Grandez Vargas (2017), “Un indicador líder de actividad real para el Perú”,
Banco Central de Reserva del Perú, Documento de trabajo 2017-01.
Pesaran, M. H. y M. Weale (2006), “Survey expectations”, en Graham, E., C. W. J. Granger y A. Timmermann (eds.),
Handbook of Economic Forecasting, Elsevier, vol 1, cap. 14, 715-776.
Schuldt, J. (2004), Bonanza Macroeconómica y Malestar Microeconómico: Apuntes para el Estudio del Caso
Peruano, 1988-2004, Lima: Fondo Editorial de la Universidad del Pacífico.
Stock, J. H. y M. W. Watson (2010), “Indicators for dating business cycles: Cross-history selection and comparisons”,
American Economic Review, A 100(2), 16-19.
Stock, J. H. y M. W. Watson (2014), “Estimating turning points using large data sets”, Journal of Econometrics,
178(P2), 368-381.
Winkelried, D. (2013), “Modelo de Proyección Trimestral del BCRP: Actualización y novedades”, Banco Central
de Reserva del Perú, Revista Estudios Económicos, 26, 9-60.
Zarnowitz, V. (1996), Business Cycles: Theory, History, Indicators, and Forecasting, NBER Studies in Business
Cycles 27, University of Chicago Press.

Las transferencias públicas y privadas y su

importancia en la pobreza
N IKITA C ÉSPEDES R EYNAGA∗
En este documento se estudia los efectos de las transferencias públicas y privadas en los
indicadores de pobreza. La alta incidencia en términos del número de personas que reciben
estas transferencias y de los montos de estas justifica este estudio. Se utiliza un método que
permite estimar el ingreso de las personas sin estas trasferencias y posteriormente identificar
el cambio en los indicadores de pobreza debido a la ausencia de estos recursos. Se encuentra
que la tasa de pobreza promedio entre el 2015 y 2016 sería cinco puntos porcentuales ma-
yor a los datos oficiales en ausencia de las transferencias, siendo la mayor contribución en
este monto el de las transferencias privadas. Además, un porcentaje relevante de las trans-
ferencias privadas proviene de regiones vecinas, razón por la cual una proporción alta de
la población en situación de pobreza se beneficia del crecimiento económico de otras regiones.
Palabras Clave : Remesas, Pobreza, Desigualdad, Crecimiento Económico, Transferencias.

Clasificación JEL : F24, I32, O4, I22.
Las transferencias privadas fluyen de hogar a hogar y pueden separarse entre las denominadas remesas
externas, cuando son enviadas desde otros países, y las transferencias internas cuando son enviadas por
otros hogares ubicados en alguna región del país. En el caso de las transferencias públicas, estas se originan
del gobierno y son, usualmente, dirigidas hacia los hogares con pocos recursos económicos.
En el Perú los dos tipos de transferencias mencionadas son significativas tanto por el número de
personas que reciben estos recursos como por el monto de estas. Así, según la Encuesta Nacional de
Hogares (ENAHO), entre el 2004 y 2016 el 17 % de personas en promedio recibe transferencias privadas
internas, el 4 % transferencias externas, y el 20 % las públicas. Asimismo, la transferencia privada interna
(pública) promedio es de S/ 72 (S/ 189) por persona en cada hogar que recibe estos recursos, monto que
representa el 11 % (25 %) del consumo de los hogares que reciben estos recursos como se detalla en el
Gráfico 1 (p. 78). En términos agregados, las transferencias representan el 8 % del consumo de los hogares,
siendo 2 % la contribución de las transferencias internas, 1 % la contribución de las transferencias externas
y 5 % la de las transferencias públicas.
∗ BCRP, Jr. Santa Rosa 441-445, Lima 1, Perú. Teléfono: (+511) 613-2000 (email: [email protected])
Se agradece a Alexsander Gil por su valiosa colaboración como asistente de investigación de este proyecto. También a Judith
Guabloche por sus comentarios. Los errores aun subsistentes son de exclusiva responsabilidad del autor.
78 Nikita Céspedes Reynaga
Gráfico 1. Características de las transferencias en Perú

(a) Personas que reciben trasferencias (en %) (b) Transferencia promedio (en S/)
390
30 Remesas Transferencias internas
Remesas Transferencia interna Transferencia Pública
Transferencias Públicas
260
20
130
10
0
0
2004 2006 2008 2010 2012 2014 2016
2004 2006 2008 2010 2012 2014 2016 Año
Año
Fuente: INEI, ENAHO 2004 - 2016.

Notas: El panel (a) muestra el porcentaje de personas que reciben transferencias, externas e internas. El panel (b) muestra las
transferencias promedio mensual por persona de los hogares que reciben estos recursos, en soles de 2016.
Los tres tipos de transferencias tienen una considerable heterogeneidad y según sea el caso tienen
preponderancia en determinado segmento de la población. Los datos sugieren que las transferencias
públicas siguen en términos generales el concepto de focalización y están concentradas en las personas
de medianos y bajos ingresos. En el caso de las transferencias internas, estas están concentradas entre las
personas de medianos y bajos ingresos, mientras que las transferencias externas son recibidas mayormente
por personas de altos ingresos1 (Céspedes, 2011). Esta heterogeneidad sugiere que estos recursos pueden
tener efectos en la población de bajos ingresos. Otra característica que destaca es que las transferencias
privadas fluyen principalmente siguiendo el flujo migratorio. De este modo, en el caso de las remesas
externas van desde los países desarrollados hacia los países en desarrollo (CEMLA, 2011), y es de notar que
estos recursos son relevantes para las economías en desarrollo,2 ya que en términos agregados representa
la segunda fuente de ingresos de muchos de estos países, superando incluso al total del flujo de ingresos
por concepto de ayuda internacional (Fajnzylber y López, 2007). En el caso de las transferencias internas,
el flujo migratorio también define las regiones que reciben estos recursos, y en el caso peruano estas
provienen de las regiones vecinas y de las áreas urbanas, principalmente de la Región Lima.3
Estas evidencias sugieren que una proporción relevante de personas reciben recursos monetarios
provenientes de otros hogares y del gobierno, siendo esta proporción también relevante en el caso de la
población en situación de pobreza. Así, aproximadamente el 20 % de los hogares en situación de pobreza
1 Un mayor detalle y sustento de este hecho se muestra en el Gráfico 3 que describe la concentración de los tres tipos de
transferencias según deciles del ingreso de los hogares.
2 En el Perú las remesas externas han contribuido significativamente al ingreso de divisas. En términos macroeconómicos
representa el 1,5 % del PBI en 2016 y alcanzó hasta 2,0 % del PBI en 2008.
3 Los datos sobre origen de las transferencias internas ilustran que la relación comercial define en gran medida las regiones
de origen de las transferencias. Es ilustrativo, por ejemplo, mencionar que la Región Lima es la principal fuente de origen
de las transferencias de todas las regiones, mientras que las siguientes regiones en importancia son aquellas que están
geográficamente más cerca a la región en consideración (regiones limítrofes). Por ejemplo, las transferencias que reciben los
habitantes de la región Apurímac tienen su origen en Lima (63 %), Ica (4 %) y Cusco (4 %), siendo las regiones mencionadas
geográfica y económicamente relacionadas con Apurímac. Esta dependencia de las regiones receptoras de transferencias con
Lima y con las regiones con las que se mantiene alta relación comercial se encuentra en todas las regiones del Perú.

Las transferencias públicas y privadas y su importancia en la pobreza 79
Gráfico 2. Transferencias de hogar a hogar en Perú (solo hogares pobres)

(a) Personas que reciben trasferencias (en %) (b) Transferencia promedio (en S/.)
60 150
Remesa Transferencia interna Remesa Transferencia interna
Transferencia Pública Transferencia Pública
40 100
20 50
0 0
2004 2006 2008 2010 2012 2014 2016 2004 2006 2008 2010 2012 2014 2016
Año Año

Notas: El panel (a) muestra a las personas en situación de pobreza (absoluta) que reciben transferencias ya sean externas o
internas expresadas, en porcentaje de toda la población en situación de pobreza. El panel (b) muestra las transferencias promedio
mensual por persona a los hogares en situación de pobreza (absoluta).
recibe transferencias, siendo la transferencia interna y pública promedio mensual de estos hogares de
aproximadamente S/ 31 y S/ 54, respectivamente (ver Gráfico 2). Notar que el valor de consumo que se
requiere para dejar la situación de pobreza es de S/ 328 (valor de la línea de pobreza promedio en 2016),
con lo cual las transferencias internas pueden ser suficientes para determinar la situación de pobreza de las
personas. Con esta motivación, en este documento se mide la contribución de las transferencias públicas
y privadas de hogar a hogar en la tasa de pobreza entre 2004 y 2016 para el Perú.
La literatura internacional que estudia los efectos de las transferencias externas y públicas sobre el
bienestar y la pobreza es abundante, mientras que el rol de las transferencias internas de hogar a hogar en
los aspectos mencionados ha sido menos documentado. Además, la evaluación del efecto conjunto de los
tres tipos de transferencias consideradas en este estudio no han sido documentadas en el caso el Perú, por
lo cual consideramos que los elementos reportados en este estudio son importantes en la discusión sobre
los factores que han determinado la evolución de la pobreza en Perú desde el 2004 en adelante, periodo en
el cual el Perú registró un alto crecimiento económico, una activa política de transferencias públicas hacia
la población de bajos recursos, y una significativa reducción de la pobreza.
Una interesante rama de la literatura que se relaciona directamente con el presente estudio se refiere
al estudio de la influencia conjunta de las transferencias públicas y privadas en la pobreza y el bienestar,
destacando la probable existencia de sustitución entre estos tipos de recursos. En esta línea, Cox y Jimenez
(1992), utilizando datos de la Encuesta Nacional de Niveles de Vida de Perú, muestran que existe una
sustitución parcial de las transferencias privadas ante la eliminación de los pagos de la seguridad social.
Verme (2010) hace uso de datos panel para revelar que las transferencias privadas y las transferencias de
seguros sociales son eficaces para mejorar el bienestar y reducir la pobreza, mientras que las transferencias
de asistencia social tienen poco o ningún efecto en la pobreza; este autor también sugiere que los hogares
pobres de las economías en transición de la ex Unión Soviética son altamente vulnerables a los shocks
en las transferencias públicas y privadas. Otro estudio relevante es Maitra y Ray (2003), que muestra que
la exclusión de las transferencias privadas como resultado de la introducción de pensiones públicas en
Sudáfrica se mantiene solo para los hogares pobres y no para los no pobres. Este último estudio sugiere,

además, que tanto las transferencias privadas como las pensiones públicas reducen significativamente la
pobreza, pero las transferencias privadas tienen un mayor impacto en los patrones de gasto.
Los estudios en Perú que evalúan la contribución de las transferencias privadas sobre la pobreza
y la desigualdad en la distribución del ingreso son escasos. Por ejemplo, Loveday y Molina (2005) y
Acosta y otros (2008) estudian la contribución de las remesas externas en la desigualdad de la distribución
del ingreso en los años 2002 y 2003, respectivamente. Por otro lado, los estudios que se encargan de
las transferencias internas han sido menos estudiadas, destacando Gutiérrez (2012), que señala que las
trasferencias internas han sido relevantes en la evolución de la tasa de pobreza entre 2004 y 2009. Céspedes
(2011) muestra que las remesas externas tienen un efecto pequeño en la pobreza en la primera década de
los 2000, y Cox y Jimenez (1992) estudia la sustitución entre los dos tipos de transferencias consideradas
en Perú, aunque no estudia sus efectos sobre la pobreza.
En este documento se evalúa la contribución de las transferencias en los indicadores de pobreza. Para
este fín se hace uso de un modelo que permite identificar al consumo de los hogares cuando estos no
reciben las tres transferencias en consideración, y se crea de este modo el escenario contrafactual sin
transferencias. El escenario contrafactual se estima haciendo uso de dos modelos: el primer modelo se usa
para el caso de las transferencias internas y externas, y el segundo modelo para las transferencias públicas,
la distinción se hace al considerar que los hogares actúan y/o deciden sobre sus recursos de manera distinta
ante la ausencia de cada una de estas trasferencias.
En el caso de las transferencias externas, el consumo contrafactual se estima mediante un proceso de
dos etapas. En la primera etapa se estima el ingreso del hogar controlando por la posibilidad de que los
hogares reciban transferencias para lo que se utiliza un modelo de selección de Heckman (1979). En la
segunda etapa se estima la elasticidad del consumo respecto al ingreso, y al existir un probable sesgo
por endogeneidad se instrumentaliza el ingreso considerando al ingreso estimado en la primera etapa
como instrumento. Para el caso de las transferencias públicas, se utiliza la ecuación de horas trabajadas
estimadas mediante un panel dinámico, de esta ecuación el componente relevante es la elasticidad de las
horas trabajadas respecto a las transferencias, la cual captura la reacción de los hogares cuando se eliminan
las transferencias. Al igual que en el primer modelo se usa la propensión marginal a consumir para estimar
el cambio en el consumo de los hogares que reciben transferencias ante la ausencia de estas.
Los resultados sugieren que las transferencias públicas pueden haber contribuido hasta con dos puntos
porcentuales en la reducción de la tasa de pobreza promedio al periodo 2015 - 2016. En el caso de las
transferencias privadas, la contribución fue de tres puntos porcentuales, mientras que las transferencias
externas tienen una baja contribución. Esta heterogeneidad de los efectos de las transferencias se explica
en gran modo por las características de los receptores de las transferencias, en el caso de las transferencias
externas están dirigidas a los segmentos de medianos y altos ingresos, mientras que las transferencias
internas se dirigen a los segmentos de medianos y bajos ingresos, quienes están ubicadas mayormente
en las regiones diferentes de Lima. En el caso de las transferencias públicas, estas están en su mayoría
focalizadas y contribuyen básicamente con un porcentaje de la pobreza extrema y en las áreas rurales.
Se considera destacable el hecho de que las transferencias privadas internas provienen en su mayoría de
otras regiones (50 % provienen de otras regiones), con lo cual se puede argumentar que un porcentaje
relevante de la menor tasa de pobreza en el periodo de estudio podría ser importada de otras regiones.
Se muestra, además, evidencia de la sustitución entre las transferencias privadas y públicas. Respecto a
las implicancias de política, es interesante destacar la alta vulnerabilidad de los indicadores de pobreza
en Perú a choques provenientes de las transferencias, estas están influenciadas por eventos económicos
(por ejemplo crecimiento económico) ocurridos en otras regiones, y estos podrían propagarse hacia los
indicadores de pobreza mediante el canal de las transferencias.

El resto del documento se divide en las siguientes secciones. La sección 1 describe la metodología
utilizada para estimar la relación entre transferencias y pobreza monetaria. La sección 2 discute los datos
y describe las características de las transferencias públicas y privadas. La sección 3 presenta los resultados
en términos de la contribución de las transferencias en los indicadores de pobreza. Finalmente, la sección
4 resalta las principales conclusiones del estudio.
1. M ETODOLOGÍA
La estimación de los efectos de las transferencias sobre los indicadores de pobreza requiere la estimación
previa del consumo de los hogares cuando a estos se elimina las transferencias que reciben. Este ejercicio
no es trivial, pues los hogares responden de manera racional ajustando la estructura de sus fuentes de
ingresos ante la ausencia de transferencias, con lo cual se debe estimar la sensibilidad y/o reacción de
las principales fuentes de ingreso a los cambios en las trasferencias como se propone en este estudio. Un
método, que es de implementación rápida, es el de exclusión directa, mediante el cual la pobreza se calcula
luego de eliminar las trasferencias que forman parte del ingreso, notar que en este caso no se considera
la respuesta de los hogares a este evento.4 Resaltamos que este método no captura la respuesta natural
de los hogares en términos de cambios en su estructura de ingreso a choques exógenos de sus fuentes de
ingresos, que en este caso sería la pérdida de transferencias.
Otro aspecto que esta metodología contempla se refiere a las diferencias en los motivos por las cuales
se activan las transferencias públicas y privadas que reciben los hogares. En principio, las transferencias
privadas consideradas en este estudio implican en promedio algún proceso de migración previa ya sea
externa o migración hacia otras regiones, mientras que las transferencias públicas se activan básicamente
por las características socioeconómicas de las personas, por ejemplo para las personas en situación de
pobreza o invalidez y que viven en las áreas rurales. En este documento consideramos la respuesta de los
hogares ante la exclusión de las transferencias, y siendo las transferencias públicas y privadas diferentes
desde la perspectiva de los hogares, se estima un modelo para cada tipo de transferencia.
1.1. M ODELO PARA TRANSFERENCIAS EXTERNAS E INTERNAS
Las transferencias externas se realizan de hogar a hogar y por lo general implican un proceso previo de
migración, con lo cual la construcción de los efectos de estas transferencias en el bienestar del hogar y en
la pobreza requiere contemplar este proceso migratorio. Con esta premisa, en esta sección se describe el
modelo que permite estimar el consumo percápita promedio de los hogares distinguiendo entre aquellos
que reciben transferencias privadas de aquellos que no lo hacen. En breve, el procedimiento permite estimar
el consumo percápita de los hogares mediante un procedimiento de dos etapas como sugiere Rodriguez
(1998). En una primera etapa se estima el ingreso percápita y en una segunda etapa se estima el consumo
como una función de este ingreso previamente estimado.
En la primera etapa se estima una ecuación de ingresos, ecuación (1), la cual sigue la típica expresión
de Mincer que relaciona al ingreso percápita (yi ) en términos de la experiencia, educación y otros
determinantes que se agrupan en el vector zi . Los otros determinantes del ingreso se agrupan en la
variable νi que forma parte del residuo. Esta ecuación se estima utilizando el procedimiento de Heckman
(1979) que corrige el probable sesgo de selección al existir la posibilidad de que los determinantes del
ingreso sean diferentes entre los hogares que tienen migrantes y los que no tienen. En principio, las
condiciones para que algunos hogares tengan migrantes, ya sea en el exterior o en otra región del país, se
4 En la sección final se compara los estimados de este procedimiento de exclusión con el método desarrollado en este documento.

relacionan con la activación de algunas variables, como por ejemplo la existencia de redes migratorias,
riqueza del hogar, número de jóvenes y niños en el hogar, que son variables de uso común en la literatura
al identificar la migración de los miembros del hogar. La ecuación de ingreso es la siguiente:
yi = βzi + λ i + νi . (1)
La ecuación anterior incluye la corrección por selección debido a la migración mediante la introducción
del ratio de Mills (λ i ), variable que se estima mediante un modelo probit de elección discreta que incluye
entre sus determinantes principales a las series que definen la migración de alguno de los miembros del
hogar que se mencionaron en el párrafo anterior.
En la segunda etapa se estima una ecuación de consumo en términos del ingreso percápita del hogar.
Esta ecuación contiene como principal parámetro a estimar a la propensión marginal a consumir, θ,
parámetro que bajo la especificación anterior podría contener como principal desventaja la posibilidad de
ser inconsistente por la probable endogeneidad del ingreso. Esta posibilidad se corrige al utilizar el ingreso
predicho en la primera etapa ( ŷi ) como instrumento del ingreso observado (yi ). Con esta consideración la
ecuación de la segunda etapa es la siguiente:
ci = θ ŷi + µi . (2)
Con el consumo estimado se calculan los indicadores de pobreza monetaria con y sin transferencias
privadas, utilizando para este procedimiento el valor de las líneas de pobreza estimadas por el INEI. En el
escenario contrafactual se estima a la tasa de pobreza sin transferencias para lo cual se utiliza el ingreso
predicho del hogar, considerando solo a aquellos hogares que reciben este tipo de recursos. Notar que
estos hogares alteran la estructura de sus fuentes de ingreso al modificar los determinantes asociados a la
migración, es decir, en este caso se estima el hipotético ingreso del hogar cuando no se ha producido la
migración y por lo tanto el hogar en consideración no recibe transferencias privadas. Las variables que
se modifican respecto al escenario base son el número de miembros del hogar, que se incrementa en un
miembro, el capital humano promedio del hogar, que se reduce debido a que el miembro del hogar cambia.
En otros términos, el método busca reemplazar el ingreso por transferencias con el hipotético ingreso que
tendría el miembro del hogar que no habría migrado (o que ha retornado al hogar). Formalmente, si h es la
tasa de pobreza actualmente observada y ĥ es la tasa de pobreza sin transferencias, entonces la diferencia
ĥ − h es la probable “contribución de las transferencias privadas a la menor tasa de pobreza”. Si bien la
especificación anterior es general, se puede utilizar el procedimiento anterior y estimar por separado el
efecto de las remesas externas y de las transferencias internas como se realiza más adelante.
1.2. M ODELO PARA TRANSFERENCIAS PÚBLICAS
Las transferencias públicas están dirigidas a aquellas personas que tienen determinadas características
socioeconómicas, y constituyen una fuente de ingreso que podría alterar la asignación de recursos al
interior del hogar, de este modo se puede argumentar que mayores transferencias públicas afectan tanto al
ingreso monetario como al resto de ingresos. Por ejemplo, calcular el efecto de estas transferencias sobre
el ingreso requiere un doble proceso. Primero, si a un hogar se le reduce estas transferencias, este hogar ve
reducido su ingreso no salarial y debería responder, bajo un supuesto de racionalidad, mediante un cambio
en su ingreso salarial por ejemplo trabajando más horas para compensar la pérdida de ingresos. Esto es lo
que se conoce como el efecto ingreso o la respuesta de las horas trabajadas cuando existe una caída en el
ingreso de los hogares. En este contexto, el método utilizado considera el cambio en las horas trabajadas
(ingreso salarial) ante la reducción del ingreso no salarial por menores transferencias. La ecuación de

horas trabajadas que se considera es la siguiente:

publica
hit = αi + δTrit + θ zit + νit . (3)
La metodología consiste en estimar la ecuación de horas trabajadas (hit ) y calcular la elasticidad (δ) de
publica
estas respecto a las transferencias públicas (Trit ), esta última en este modelo esta representada por
una variable binaria que toma el valor de uno cuando el hogar en consideración recibe transferencias. La
ecuación (3) se estima mediante el método de paneles con efectos fijos utilizando datos de la ENAHO
entre 2004 y 2016. En esta ecuación se incluye los determinantes del ingreso, y/o salario por hora, que
cambian en el tiempo (zit ) con lo cual se controla por la probable endogeneidad del salario por hora
y los documentados sesgos por endogeneidad que esto podría generar. Además, la ecuación de horas
incorpora controles por heterogeneidad observable y se aíslan los probables efectos de la heterogeneidad
no observable que se mantiene fija a lo largo del tiempo (αi ). Se incluye también variables artificiales
binarias temporales con la finalidad de controlar por la heterogeneidad observable y no observable que
podría cambiar a lo largo del tiempo en el periodo de estudio. Finalmente, se incorpora el tamaño de la
empresa como una variable relacionada con la demanda de trabajo y que permite identificar la pendiente de
la oferta laboral. En esta ecuación, la variable transferencias públicas es una variable binaria, con lo cual el
coeficiente estimado representa la brecha en las horas trabajadas entre aquellos que reciben transferencias
públicas y aquellos que no tienen acceso a estas.
Con el coeficiente δ estimado de la ecuación de horas es posible calcular el cambio neto del ingreso
total de los hogares cuando estas transferencias públicas son eliminadas. Posteriormente, se calcula el
consumo percápita del hogar utilizando los estimados de la propensión marginal a consumir (θ) a nivel de
hogares estimados en la sección anterior mediante la ecuación (2). Con este procedimiento se estima el
cambio en el consumo percápita de los hogares que reciben transferencias públicas, y posteriormente se
calculan los indicadores de pobreza con y sin transferencias públicas.
2. D ATOS
Los datos utilizados en este documento provienen de la ENAHO 2004 - 2016. Esta base de datos permite
identificar las transferencias públicas y las privadas, estas últimas desagregadas entre transferencias internas
y externas.5 Las transferencias privadas internas son enviadas por personas ubicadas en cualquier lugar
del país y las transferencias externas son enviadas por personas ubicadas en otros países. En el caso de
las transferencias públicas, estas están constituidas por diversos conceptos agrupados en las siguientes
categorías: pensión de jubilación/cesantía, pensión por viudez, orfandad o sobrevivencia, transferencia del
programa Pensión 65, y otras transferencias de las instituciones públicas o privadas (Juntos, etc.).
Según esta base de datos, el 17 % de personas recibe transferencias privadas internas, el 4 % de la
población recibe transferencias externas, y 20 % recibe transferencias públicas en el periodo comprendido
entre 2004 y 2016 como se detalla en el Cuadro 1 (p. 84). Existe además heterogeneidad en el monto de
las transferencias según el tipo, así el promedio de las transferencias privadas internas que recibe cada
miembro del hogar es S/ 72 al mes, mientras que las transferencias públicas en promedio llegan a S/ 189.
Se muestra, además, que las remesas externas son mayores en promedio (S/ 194) a las otras transferencias,
5 Las encuestas de hogares constituyen la principal fuente de información para caracterizar a los que reciben trasferencias a
nivel nacional. Sin embargo, podrían existir algunas consideraciones de carácter técnico que podrían limitar la confiabilidad
de los resultados. El diseño muestral de la encuesta permite estimar con precisión el consumo e ingreso de los hogares,
mientras que las remesas al ser un componente de los ingresos podría no estar adecuadamente representado, generándose en
última instancia una subestimación tanto de las remesas como del número de personas que reciben trasferencias.

Cuadro 1. Estadísticas descriptivas

Promedio Mínimo Máximo Desv. estándar
Población total
Tranferencias (S/ de 2016) 152.26 141.76 175.42 8.86
T. internas 71.77 52.98 92.28 12.04
T. externas 193.99 155.57 223.74 20.71
T. públicas 188.93 140.46 277.41 45.17
Tranferencias (en % de consumo de hogar) 21 % 18.42 % 23.41 % 1.62
T. internas 11.02 % 9.98 % 12.38 % 0.73
T. externas 20.94 % 17.06 % 24.47 % 2.18
T. públicas 25.82 % 18.32 % 37.07 % 5.96
Población en situación de pobreza
Tranferencias (S/ de 2016) 42.89 36.96 48.77 3.87
T. internas 30.58 23.74 42.91 4.96
T. externas 66.31 38.59 88.79 13.1
T. públicas 53.86 33.04 104.05 24.64
Tranferencias (en % de consumo de hogar) 17.74 % 15.21 % 19.32 % 1.46
T. internas 11.58 % 9.96 % 14.55 % 1.13
T. externas 22.12 % 11.95 % 30.11 % 4.85
T. públicas 22.09 % 14.1 % 35.07 % 6.96
pero solo alcanzan a un pequeño porcentaje de la población. Existe además diferencias relevantes al
comparar las transferencias entre la población en situación de pobreza y la población total, de este modo
si bien la transferencia interna promedio es S/ 72 para toda la población, al considerar solamente a la
población en situación de pobreza este monto alcanza a S/ 31.
Gráfico 3. Distribución de transferencias (en %)
20
Remesa Transferencia interna
Transferencia Pública
15
10
0
1 2 3 4 5 6 7 8 9 10
Deciles

Nota: Se muestra a las personas que reciben transferencias distribuidas en los deciles de ingreso.

En general, existe una marcada heterogeneidad en la incidencia de las transferencias según el tamaño
del ingreso del hogar. De este modo, las transferencias públicas se concentran en la población de bajos
ingresos principalmente en las áreas rurales, las trasferencias externas tienen una muy baja incidencia entre
las poblaciones pobres y se concentran en los estratos de altos y medianos ingresos, y las transferencias
internas tienen una distribución más equitativa, estos hechos se fundamentan en los datos reportados por
el Gráfico 3 (p. 84).
Sobre las tendencias recientes, se muestra que la transferencia promedio, especialmente la interna,
se ha venido incrementando sistemáticamente desde el 2004, mientras que el monto promedio de las
transferencias públicas que reciben los hogares ha mostrado una tendencia decreciente (ver Gráfico 1b),
esta evidencia se mantiene cuando se analiza solo a los hogares en situación de pobreza (ver Gráfico 2b),
con lo cual es de esperarse que los efectos de estas transferencias sobre los indicadores de pobreza hayan
cambiado durante el periodo de estudio. Un dato que se destaca en esta sección es la tendencia creciente de
la proporción de personas que reciben transferencias públicas, mientras que la proporción de personas que
reciben transferencias privadas internas ha mostrado una tendencia decreciente en todo el periodo 2004 -
2016, lo cual podría ser consistente con la hipótesis de sustitución entre estos dos tipos de transferencias
al interior de los hogares.
Adicionalmente, es posible identificar la región de origen de las transferencias internas y según esto,
entre el 2014 y 2016 hasta el 50 % de las trasferencias internas provienen de una región diferente a la
región de residencia de la persona que recibe estos recursos. Este dato es de relevancia desde la perspectiva
de este estudio pues permite identificar en que magnitud los indicadores de bienestar de los hogares, por
ejemplo consumo, dependen de recursos generados en otras regiones.
3. R ESULTADOS
3.1. E STIMACIÓN DE LOS MODELOS
Ecuación de horas trabajadas

La ecuación estimada de las horas trabajadas, ecuación (3), se implementa para toda la muestra del
periodo 2004 - 2016. Se consideran tres métodos de estimación como se muestra en el Cuadro 2 (p. 86).
Las estimaciones de la columna 3 (modelo panel de efectos fijos con ingreso instrumentalizado) se utiliza
para el análisis de la subsección 3.2. El resultado que resalta es que las transferencias públicas tienen un
efecto negativo y significativo en las horas trabajadas al tener un valor estimado de -0,065, con lo cual se
podría inferir que el ingreso salarial sería 6,5 % superior cuando se eliminan las transferencias públicas
del ingreso del hogar.
Ecuación de ingresos y migración

Para el caso de las trasferencias privadas el modelo estimado en dos etapas se presenta en el Anexo.
En este precedimiento se considera fundamental la estimación de la probabilidad a migrar, y entre sus
determinantes se considera a las redes migratorias, a la tenencia de activos del hogar, y a la tasa de
dependencia que captura la composición del hogar entre perceptores de ingresos y los dependientes,
principalmente niños y jóvenes en edad escolar. Se destaca en este sentido la significancia estadística de
estos determinantes fundamentales de la migración que hacen que el ingreso del hogar (sin transferencias
privadas) sea diferente por efectos de la migración. El coeficiente que identifica este proceso es el ratio
inverso de Mills, el cual es estadísticamente significativo.

Cuadro 2. Estimación de la ecuación de horas trabajadas

(1) MCO (2) Efectos fijos (3) Efectos fijos (IV ingreso)
Tranferencia Pública -0.085∗∗∗ -0.026∗∗∗ -0.065∗∗∗
(0.000) (0.000) (0.000)
Ingreso (log) 0.056∗∗∗
(0.000)
Edad 0.372∗∗∗ 0.379∗∗∗
(0.000) (0.000)
Edad2 -0.480∗∗∗ -0.506∗∗∗

(0.000) (0.000)
Educación (años) -0.021∗∗∗ -0.023∗∗

(0.000) (0.005)
Estado civil sí sí
Tamaño de empresa sí sí sí
Dominio sí sí sí
Estrato sí sí sí
N de Obs. 273524 273524 276524
F 1298.0 48.32 49.93

Notas: Estimados por el método MCO (columna 1), por el método de panel de datos con efectos fijos (columna 2) y panel de
datos con fectos fijos instrumentalizando el ingreso mediante la ecuación de Mincer (columna 3). Se considera al logaritmo de
las horas trabajadas como variable dependiente. Transferencia Pública es una variable binaria. *, **, *** denota significancia
estadística al nivel de 10 %, 5 % y 1 %, respectivamente.
La ecuación se estima usando la ENAHO del periodo 2004 - 2016, la cual consta de más de 300 mil
observaciones de las cuales cerca del 40 % reciben algún tipo de transferencia. La ecuación se estima
para toda la muestra incorporando variables binarias para cada año, las que se multiplican con las otras
variables y se permite de este modo que los coeficientes de las regresiones cambien en el tiempo.6
Esto es especialmente relevante para las variables que definen la probabilidad de migrar como las redes
migratorias, el número de jóvenes y niños en el hogar. También se incluyen estas variables binarias anuales
de interacción a los años de educación. La estimación de los indicadores de pobreza se hace considerando
a los elementos de interacción anual. Sin embargo, al ser las regresiones muy extensas el Cuadro 3 (p. 87)
presenta una versión resumida de la estimación de la ecuación de ingresos sin considerar a las variables
binarias de interacción anual.
6 Un procedimiento alternativo es estimar regresiones anuales. En este documento se optó por una estimación conjunta para
todos los años, en la cual se incluyen variables binarias de interacción anual y se permite de este modo que los coeficientes de
los determinantes del ingreso cambien entre años. Este procedimiento hace que el número de observaciones en la estimación
conjunta sea mayor en comparación a la estimación anual, con lo cual se estaría haciendo una estimación más precisa
especialmente para el caso de las transferencias externas cuyo número de observaciones es menor en los años finales de la
muestra. Se considera que con este procedimiento se mejora la estimación para el caso de las remesas externas al tenerse un
menor número de hogares que reciben estos recursos.

Cuadro 3. Estimación de ecuación de ingreso

(1) (2) (3)
Mig. Externa Mig. interna Mig. Total
Ecuación de Ingreso
Sexo 0.030∗∗∗ 0.177∗∗∗ 0.173∗∗∗
Tamaño hogar -0.260∗∗∗ -0.293∗∗∗ -0.298∗∗∗
Edad 0.527∗∗∗ 0.779∗∗∗ 0.769∗∗∗
Edad2 -0.408∗∗∗ -0.812∗∗∗ -0.802∗∗∗
Educación 0.341∗∗∗ 0.399∗∗∗ 0.382∗∗∗
Parentesco 0.000 0.000 0.000
Dominio sí sí sí
Estrato sí sí sí
Año sí sí sí
Ecuación de selección
Mills lambda 0.906∗∗∗ 1.853 ∗∗∗ 1.663∗∗∗
No. de niños en hogar -1.066∗∗∗ -0.403∗∗∗ -0.412∗∗∗
No. de jóvenes en hogar -0.564∗∗∗ -0.304∗∗∗ -0.296∗∗∗
Tenencia de activos (rentas) -0.263∗∗∗ 0.006 -0.010
Tasa de dependencia -1.252∗∗∗ -0.873∗∗∗ -0.847∗∗∗
Redes migratorias (externa) -2.057∗∗∗
Redes migratorias (interna) 0.006
Redes migratorias (total) -0.238∗∗∗
Sexo 0.852∗∗∗ 0.583∗∗∗ 0.578∗∗∗
Edad 0.329 0.888∗∗∗ 0.832∗∗∗
Edad2 -1.438∗∗∗ -1.402∗∗∗ -1.356∗∗∗
Educación sí sí sí
Parentesco sí sí sí
Dominio sí sí sí
Estrato sí sí sí
Año sí sí sí
N de Obs. 326091 326091 326091
Prob >chi2 0.0000 0.0000 0.0000

Notas: Regresión que usa toda la muestra de la ENAHO 2004 - 2016. *, **, *** denota significancia estadística al nivel de
10 %, 5 % y 1 %, respectivamente.
3.2. E FECTO DE TRANSFERENCIAS SOBRE LA TASA DE POBREZA
Un primer resultado que se destaca al aplicar la metodología descrita en las secciones anteriores es que
si se eliminan las transferencias públicas (privadas) la tasa de pobreza absoluta entre el 2015 y 2016 sería
aproximadamente 2(3) puntos porcentuales superior a la tasa de pobreza promedio (35 %) observada del
periodo. Esta contribución no es homogénea en todos los años, por ejemplo en el 2004 se estima que la
tasa de pobreza absoluta sería aproximadamente 6 puntos porcentuales superior a la estimada por el INEI
de excluirse las transferencias privadas y en el caso de las transferencias públicas para el mismo año el
incremento de la pobreza sería de 2,1 puntos porcentuales (ver Gráfico 4, p. 88).

Gráfico 4. Tasa de pobreza ( % de población)

(a) Pobreza total (b) Pobreza extrema
Datos (INEI) Sin transferencias externas
.6 Datos (INEI) Sin transferencias externas
.6 Sin transferencias internas Sin transferencias públicas Sin transferencias internas Sin transferencias públicas
.4
.4
.2 .2
0 0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Año Año

Notas: Cada serie muestra la tasa de pobreza que resulta de excluir algún tipo de transferencia según el método descrito
anteriormente. Para estimar el efecto de las transferencias sobre la pobreza se debe restar de cada serie la tasa de pobreza del
escenario base que considera todas las transferencias. En el gráfico, el escenario base es la que reporta la tasa de pobreza más
baja (INEI) y las otras series representan a las tasas de pobreza cuando se excluye algún tipo de transferencias como indican las
leyendas.
Al considerar por separado los tres tipos de transferencias, la mayor contribución en el periodo 2004 -
2016 se encuentra en las transferencias internas (63 % de contribución), mientras que la menor contribución
se reporta en el caso de las transferencias externas (7 % de contribución).7
Esta heterogeneidad se explica en gran modo por las características intrínsecas de cada una de estas
transferencias, de este modo es razonable encontrar una baja contribución de las remesas externas al estar
estas concentradas entre las personas de medianos y altos ingresos. El caso de las transferencias públicas,
que tienen una contribución mediana, probablemente se relaciona con las políticas de focalización en
los estratos rurales y de bajos ingresos. Por su parte, las transferencias internas tienen un efecto mayor
sobre la pobreza al estar concentradas en la parte intermedia baja de la distribución de ingresos. La
mayor preponderancia de las transferencias internas se explica además por los patrones migratorios que
ha experimentado la población peruana durante las últimas décadas que ha permitido el desarrollo y el
crecimiento de las ciudades, mientras que las áreas rurales han perdido participación nacional.
Las transferencias públicas han venido ganando importancia y su rol como mecanismo que fomenta
la reducción de la pobreza rural se ha fortalecido en los años recientes. De este modo, en el 2004 la
contribución de estas transferencias en la pobreza rural era cercana a cero (0,4 puntos porcentuales),
mientras que el 2016 la pobreza absoluta de esta área sería 3,6 puntos porcentuales superior si se eliminan
estas transferencias. Se destaca además que este incremento en la participación de estas transferencias en
la reducción de la pobreza se ha dado de manera gradual y persistente como ilustra el Gráfico 4. Notar que
la contribución de las transferencias públicas en la reducción de la tasa de pobreza, tanto absoluta como
extrema, de las áreas urbanas es bastante baja como se muestra en los Gráficos 4 y 5 (p. 89).
7 Este cálculo asume que se puede sumar el efecto de cada una de las transferencias para tener el efecto de todas las transferencias;
sin embargo, al existir personas que acceden a más de una transferencia los cálculos podrían estar sobreestimando la
contribución de cada tipo de transferencia.

Gráfico 5. Tasa de pobreza urbana y rural ( % de población)

Tasa de pobreza absoluta
(a) Área urbana (b) Área rural
Datos (INEI) Sin tr. externas Datos (INEI) Sin tr. externas
.75 Sin tr. internas Sin tr. públicas Sin tr. internas Sin tr. públicas
.75
.5
.5
.25 .25
0 0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Año Año
Tasa de pobreza extrema

(c) Área urbana (d) Área rural
.6 .6 Datos (INEI) Sin tr. externas
Datos (INEI) Sin tr. externas
Sin tr. internas Sin tr. públicas
Sin tr. internas Sin tr. públicas
.4 .4
.2 .2
0 0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Año Año

Notas: Cada serie muestra la tasa de pobreza que resulta de excluir algún tipo de transferencia según el método descrito
anteriormente. Para estimar el efecto de las transferencias sobre la pobreza se debe restar de cada serie la tasa de pobreza del
escenario base que considera todas las transferencias. En el gráfico, el escenario base es la que reporta la tasa de pobreza más
baja (INEI) y las otras series representan a las tasas de pobreza cuando se excluye algún tipo de transferencias como indican las
leyendas.
Otra característica que destaca es que las transferencias privadas tanto externas como internas han
perdido importancia en la reducción de la pobreza, así de los datos del Gráfico 4, en el 2004 la pobreza
sería 6,4 puntos porcentuales superior a los observados en ausencia de las transferencias internas, mientras
que en el 2016 sería de solo 3,2 puntos porcentuales. Esta relevancia cada vez menor de las transferencias
privadas es similar en el caso de la pobreza extrema.
3.3. E FECTO DE LAS TRANSFERENCIAS SOBRE LA EVOLUCIÓN DE LA TASA DE POBREZA
Los cálculos anteriores pueden ser utilizados para evaluar los probables efectos de las transferencias
sobre la evolución de la tasa de pobreza. Para este propósito, se compara el cambio anual de la tasa

de pobreza en puntos porcentuales en los dos casos considerados, esto es en el caso observado y en el
hipotético caso en el cual se excluyen las transferencias.
Se calcula que la contribución promedio de las transferencias públicas en la evolución de la tasa de
pobreza entre 2004 y 2016 es de 9 % en el caso de la pobreza rural total y de 13 % en el caso de la
pobreza extrema rural. En otros términos, la pobreza total de las áreas rurales se ha reducido en 40 puntos
porcentuales entre el 2004 y 2016, de esta reducción las transferencias públicas han contribuido con el
12 %, con lo cual la reducción de la pobreza habría sido 3,4 puntos porcentuales menor por efectos del
cambio en las transferencias públicas. Esta contribución es cada vez mayor en años recientes como se
muestra en los Gráficos 4 y 5, lo cual a su vez es reflejo de la cada vez mayor incorporación de personas
que acceden a estos recursos, siendo esta incorporación mayor en las áreas rurales.
Al reproducir el ejercicio anterior para las transferencias privadas se encuentra que estas han tenido una
importancia cada vez menor en la evolución de la tasa de pobreza, lo cual es consistente con la reducción
del número de personas, tanto pobres como no pobres, que acceden a este tipo de transferencias como se
muestra en los Gráficos 1 y 2.
Los resultados anteriores deben complementar el conocimiento actual sobre los determinantes de la
tasa de pobreza y de su evolución en Perú durante la última década y media. Los datos dicen que la pobreza
total (pobreza extrema) en este periodo se redujo de 59 % (16 %) a 21 % (4 %), siendo los responsables
de esta reducción el crecimiento económico y los diversos programas de lucha contra la pobreza que
este ha posibilitado.8 Los resultados de este estudio son consistentes con la importancia relativa de las
transferencias públicas, a lo que se debe adicionar la cada vez menor importancia de las transferencias
privadas en la evolución de la tasa de pobreza.
3.4. P OBREZA DE UNA REGIÓN Y DESEMPEÑO ECONÓMICO DE OTRAS REGIONES
La dependencia de la tasa de pobreza respecto a las transferencias privadas de hogar a hogar conducen
a una pregunta interesante sobre la relación entre el crecimiento económico de una región con la tasa
de pobreza en otras regiones. Dicho de otro modo, la pregunta a la que esto conduce es si ¿es posible
sostener la hipótesis de que la reducción de la pobreza puede ser importada de otras regiones? Un elemento
adicional que se puede incluir dentro de esta discusión es sobre la vulnerabilidad de la reducción de la
pobreza a los eventos económicos adversos que puedan ocurrir en otras regiones y que podrían reducir el
flujo de transferencias internas.9
Para poder estimar la relación de la tasa de pobreza con las transferencias ocurridas en otras regiones
se realiza una tabla cruzada que permite estimar la distribución del origen de las transferencias internas
para cada una de las regiones del país, se adjunta a este cálculo el monto promedio de las transferencias
internas por región de origen. Un primer resultado de este ejercicio es que aproximadamente el 28 % de las
transferencias en las regiones provienen de Lima, lo cual convierte a esta región en una de las principales
fuentes de estos recursos, y que potencialmente podría afectar a la pobreza, durante la primera década de
8 Los resultados anteriores se relacionan en gran medida por el incremento sostenido del gasto social lo que ha condicionado
el incremento de las personas que acceden a los programas de transferencias del gobierno.
9 Una vez ocurrida la migración las transferencias dependen en gran medida de los ingresos generados por los migrantes en sus
localidades de residencia, por lo cual los salarios, el empleo y en general el crecimiento económico ocurrido en las regiones
donde se originan las transferencias constituyen fundamentales para que los migrantes generen los excedentes necesarios y
enviarlos a las regiones con las cuales mantiene relaciones de parentesco. Sobre este punto se podría utilizar, como motivación
adicional, a la literatura internacional que relaciona las remesas externas con el bienestar de las economías dependientes de
estos recursos como por ejemplo los países de América Central. El FMI ha documentado esta alta vulnerabilidad de estas
economías en diversos estudios regionales sobre las remesas externas.

Gráfico 6. Transferencias en cada región según región de origen (en %)

Ucayali 58% 33% 9%
Tumbes 61% 21% 19%
Tacna 76% 7% 16%
San Martin 50% 33% 17%
Puno 62% 5% 33%
Piura 70% 22% 8%
Pasco 37% 47% 17%
Moquegua 61% 6% 33%
Madre de Dios 83% 0% 17%
Loreto 54% 37% 10%
Lima 83% 0% 17%
Lambayeque 52% 29% 19%
La Libertad 71% 21% 8%
Junín 48% 42% 10%
Ica 67% 25% 8%
Huánuco 38% 48% 15%
Huancavelica 26% 34% 40%
Cusco 50% 36% 14%
Cajamarca 47% 39% 14%
Ayacucho 55% 33% 12%
Arequipa 76% 17% 7%
Apurímac 24% 63% 12%
Ancash 53% 38% 9%
Amazonas 61% 30% 9%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Misma región Lima Otras regiones

Notas: Se muestra para cada región el origen de las transferencias en porcentajes. El origen se divide en la misma región
cuando la transferencias es originada en la misma región, en Lima Metropolitina o en el resto de regiones.
2000 (ver Gráfico 6). En segundo lugar, las regiones están agrupadas en clusters regionales, de modo tal
que las transferencias provienen principalmente de las regiones limítrofes. De este modo, por ejemplo,
tenemos que en las regiones del sur el destino favorito de los migrantes es Tacna y Arequipa. En la zona
central, se tiene una fuerte migración de Huancavelica hacia Junín, y de Apurímac hacia Ica y Cusco. En
las regiones del norte del país y la selva se encuentran patrones similares, con lo cual se puede plantear que
los lazos migratorios atados a las relaciones comerciales entre regiones vecinas sostienen las transferencias
privadas de hogar a hogar.
En tercer lugar, podemos argumentar que aproximadamente el 50 % de las transferencias provienen de
la misma región, sobre este punto no podemos ahondar en el origen de las transferencias pues las base de
datos solo identifica la región de origen de las transferencias. En otros términos, es posible que al interior
de las regiones exista migración entre las provincias y/o distritos y por lo tanto el envío de transferencias
se dé entre estas. Con esta consideración, la importancia de los recursos enviados desde otras localidades
sería mayor al 50 % anteriormente sugerido.
Considerando que la política de ingresos del gobierno es centralizada, la dependencia entre regiones
puede también alcanzar al ámbito de las transferencias públicas. Considerando además que los recursos
que el Estado dispone provienen básicamente del sector formal y entre las personas de medianos y altos
ingresos, se puede argumentar que la política de transferencias públicas y de lucha contra la pobreza
depende fundamentalmente del crecimiento económico. Los resultados sugieren que un número creciente
de personas reciben las transferencias públicas y la contribución de estas transferencias ha ido creciendo
y de alguna manera sustituyendo en importancia a las transferencias privadas. Recordar del Gráfico 4 que

hacia 2004 la contribución de las transferencias públicas en la pobreza extrema era muy baja, y en 2016
estas transferencias son las que más contribuyen en la reducción de la tasa de pobreza, especialmente
de las áreas rurales. En resumen, este resultado sugiere que la reducción de la pobreza en estas áreas es
vulnerable al depender de la política de transferencias del gobierno.
En el caso de las remesas externas, la característica fundamental de estas es que son las personas de
medianos y altos ingresos las que reciben estas transferencias, por lo cual se espera que la tasa de pobreza
cambie poco ante cambios de este tipo de recursos. Los Gráfico 4 y 5 muestran que la contribución de
las remesas externas en la tasa de pobreza es baja y en el 2016 es cercana cero, mientras que en el 2004,
cuando la tasas de pobreza era mayor a 50 %, la contribución de las remesas externas era pequeña y esta
contribución se ha ido reduciendo persistentemente.
3.5. S USTITUCIÓN ENTRE TRANSFERENCIAS PRIVADAS Y PÚBLICAS
Las transferencias públicas y privadas al ser parte del ingreso no salarial de los hogares pueden ser vistas
como sustitutas y/o complementarias. Así, podemos entender que existe sustitución si ante la presencia
de transferencias públicas, las privadas se reducen, o en el caso extremo desaparecen. La existencia
de sustitución entre las trasferencias públicas y privadas obedece básicamente a la preponderancia de los
motivos por los cuales se envían las transferencias privadas, así Cox (1987) sugiere que si las transferencias
se envían por un motivo altruista, entonces una alta sustitución es probable, mientras que si el que envía
transferencias espera algo a cambio de lo hogares que reciben estos recursos, entonces es probable que
no ocurra sustitución. Adicionalmente, la presencia de sustitución es relevante en la evaluación de los
programas sociales y en la asignación de los recursos al interior del hogar, así, Jensen (2003) sugiere
tres aspectos que caracterizan la importancia del efecto sustitución de las transferencias públicas, estos se
refieren a la eficiencia de estos programas, a la probable sobreestimación de sus efectos en la población
y a los ajustes al interior del hogar que se producen de existir sustitución entre transferencias públicas y
privadas.10
La probable existencia de sustitución (crowding out) entre las transferencias públicas y privadas es
parte de la literatura que busca mejoras en la asignación de recursos públicos. De este modelo Jensen
(2003) muestra que las transferencias públicas (por concepto de pensiones) desplazan a las transferencias
privadas enviadas por miembros del hogar que viven fuera del hogar. Maitra y Ray (2003) muestran para
datos de Sudáfrica que la exclusión de las transferencias privadas como resultado de la introducción de
pensiones públicas se mantiene sólo para los hogares pobres y no para los no pobres. Cox y Jimenez
(1992) utilizan datos de la Encuesta Nacional de Niveles de Vida de Perú y muestran que existe una parcial
compensación de las transferencias privadas ante la eliminación de los pagos de la seguridad social.
Para mostrar si existe sustitución entre transferencias en Perú se estima un modelo Probit que mide
la probabilidad de recibir transferencias privadas y cómo éstas cambian cuando se permite el acceso a
transferencias públicas, procedimiento similar al implementado por Cox y Jimenez (1992). Al ser un
10 Estos tres aspectos tienen implicancias para las políticas públicas: i) La existencia de sustitución podría afectar la eficacia de
los programas de transferencia o redistribución pública; de este modo, si un programa de transferencias sustituye totalmente las
transferencias privadas al interior del hogar, dichos programas no tendrán efectos netos sobre los ingresos de los beneficiarios
previstos, reportándose por lo tanto poca eficiencia en términos de mejoras en el bienestar de estos programas. ii) La posibilidad
de sustitución tiene implicaciones para la evaluación de impacto de los programas de transferencias pública. De este modo,
en presencia de la sustitución, un análisis basado en datos de encuestas que tome la simple diferencia entre los ingresos
de un hogar de todas las fuentes y la cantidad de ingresos de transferencia pública que reciben sobreestimaría los impactos
distributivos del programa. iii) La sustitución puede proporcionar una visión del comportamiento y la toma de decisiones al
interior del hogar, de este modo se puede revelar la medida en que los hogares comparten los ingresos y cómo los individuos
permanecen vinculados incluso cuando algunos miembros residen en otras ciudades.

Cuadro 4. Modelo probit de transferencias privadas (externas, internas y ambas)

Externa Interna Ext. + Int. Externa Interna Ext. + Int.
(1) (2) (3) (4) (5) (6)
Transferencia pública -0.0956 -0.269∗∗∗ -0.266∗∗∗ -0.0773∗∗∗ -0.253∗∗∗ -0.248∗∗∗
(-1.91) (-18.15) (-18.12) (-4.57) (-32.27) (-32.27)
Rentas de propiedad 0.105 0.0462∗ 0.0497∗ 0.124∗∗∗ -0.00383 0.0125
(1.70) (2.26) (2.45) (7.46) (-0.45) (1.50)
Niños en hogar 0.0956∗∗∗ 0.0953∗∗∗ 0.0990∗∗∗ 0.112∗∗∗ 0.129∗∗∗ 0.136∗∗∗
(7.45) (20.73) (21.78) (17.35) (41.55) (44.70)
Jóvenes en hogar 0.332∗∗∗ 0.0611∗∗∗ 0.0861∗∗∗ 0.486∗∗∗ 0.126∗∗∗ 0.199∗∗∗
(25.15) (11.69) (16.75) (86.24) (42.04) (68.61)
Tasa de dependencia 0.561∗∗∗ 1.285∗∗∗ 1.290∗∗∗ 0.901∗∗∗ 1.213∗∗∗ 1.259∗∗∗
(6.04) (46.23) (46.76) (27.13) (80.52) (85.25)
Sexo (varón) -0.241∗∗∗ -0.484∗∗∗ -0.486∗∗∗ -0.306∗∗∗ -0.521∗∗∗ -0.535∗∗∗
(-4.14) (-25.71) (-25.98) (-16.71) (-60.42) (-63.06)
Edad -0.0305∗∗∗ -0.00373 -0.00534∗ -0.0264∗∗∗ -0.0265∗∗∗ -0.0291∗∗∗
(-4.67) (-1.77) (-2.55) (-11.04) (-24.01) (-26.76)
Edad 2 0.000401∗∗∗ 0.000163∗∗∗ 0.000181∗∗∗ 0.000398∗∗∗ 0.000367∗∗∗ 0.000406∗∗∗
(6.81) (8.55) (9.58) (18.53) (36.56) (40.95)
Redes migratorias externas 8.928∗∗∗ 8.192∗∗∗
(31.28) (74.73)
Redes migratorias internas 3.872∗∗∗ 3.936∗∗∗
(95.06) (152.57)
Redes migratorias totales 3.777∗∗∗ 3.805∗∗∗
(95.37) (155.65)
Constante -2.926∗∗∗ -2.818∗∗∗ -2.880∗∗∗ -3.364∗∗∗ -1.738∗∗∗ -1.938∗∗∗
(-10.49) (-4.93) (-5.04) (-35.04) (-5.37) (-5.98)
Niveles de educación sí sí sí sí sí sí
Estado civil sí sí sí sí sí sí
Dominio sí sí sí sí sí sí
Estrato sí sí sí sí sí sí
N de Obs. 99543 99599 99599 326080 326103 326103

Notas: Este modelo se usa para medir la probabilidad de recibir transferencias privadas. La variable dependiente es igual a
uno si recibe transferencias privadas y cero caso contrario. Se distinguen los individuos en tres categorías según el tipo de
transferencia privada recibida: internas, externas y ambos. Las columnas (1), (2) y (3) corresponden al modelo considerando a
la población en situación de pobreza. Las columnas (4), (5) y (6) consideran a toda la población. Estadístico t en paréntesis. *,
**, *** denota significancia estadística al nivel de 10 %, 5 % y 1 %, respectivamente.
modelo probabilístico que define el evento de recibir transferencias, se utilizan controles relacionados
con la migración interna o externa. Estos controles son la existencia de redes migratorias, la cantidad
de activos del hogar, el número de niños en el hogar. Se controla además por los tradicionales controles
demográficos del hogar como edad y sexo y por variables que identifican el estrato y dominio geográfico
al cual pertenece cada hogar. El modelo se estima restringiendo según el tipo de pobreza y considerando
las transferencias externas e internas por separado y los resultados se muestran en el Cuadro 4.

Cuadro 5. Efectos marginales de transferencias públicas

Población en Población
situación de pobreza total
Tranferencias externas -0.0004* -0.0009***
Tranferencias internas -0.049*** -0.049***
Tranferencias externas más internas -0.049*** -0.052***

Notas: Se muestra el cambio en la probabilidad de recibir transferencias privadas cuando se eliminan las transferencias
públicas. *, **, *** denota significancia estadística al nivel de 10 %, 5 % y 1 %, respectivamente.
El indicador que identifica la existencia de sustitución es el efecto marginal de las transferencias

públicas en la probabilidad de recibir transferencias privadas, estimados que se muestran en el Cuadro 5.
Este indicador se interpreta como el cambio en la probabilidad de recibir transferencias privadas al pasar
de recibir transferencias públicas positivas a cero.
Los efectos marginales estimados son altamente significativos, toman valores negativos y varían entre
5 % y 6 %, lo cual es evidencia de que las transferencias públicas son sustitutas de las transferencias privadas
internas. Por otro lado, para el caso de las transferencias externas el efecto marginal de las transferencias
públicas es significativa pero muy pequeña y cercana a cero (0,09 %), con lo cual las transferencias
externas se ven poco alteradas ante mayores transferencias públicas. Esta evidencia es previsible al ser
las transferencias externas dirigidas hacia las poblaciones de medianos y altos ingresos. Estos resultados
son también consistentes con la tendencia creciente del número de personas que reciben transferencias
públicas y la tendencia decreciente del número de personas que acceden a transferencias privadas que se
muestra en el Gráfico 1. Al distinguir por pobreza se reporta un grado de sustitución similar para toda
la población, esto al no encontrarse mayores diferencias en los efectos marginales entre la población en
situación de pobreza como entre quienes no son pobres.
4. R ESUMEN Y CONCLUSIONES
Las transferencias públicas y privadas que reciben los hogares constituyen una importante fuente de ingreso,
esto es particularmente relevante para los hogares ubicados en la parte baja de la distribución del ingreso.
Mientras que las transferencias que se originan en el exterior difieren de los otros tipos de transferencias
al estar concentradas en la parte intermedia y alta de la distribución del ingreso. Según la ENAHO 2004 -
2016, las transferencias públicas, las internas y las externas llegan a cerca del 40 % de personas y pueden
llegar a representar en total hasta 8 % del consumo, con lo cual se justifica su relevancia. Este estudio
muestra la contribución de las tres transferencias mencionadas en la reducción de la tasa de pobreza, tanto
absoluta como extrema. Para este propósito se utiliza dos modelos (uno para las transferencias de hogar
a hogar y otra para las transferencias públicas) que de manera conjunta permiten estimar el consumo
percápita de los hogares en ausencia de las transferencias. Este escenario contrafactual se compara con
los datos observados y de este modo se identifica el cambio de los indicadores de pobreza en ausencia de
cada una de las transferencias consideradas. Además, al estudiar los tres tipos de transferencias se evalúa
la posibilidad de que exista sustitución entre estas.

Se encuentra que las transferencias privadas tienen un efecto heterogéneo y su influencia en el bienestar
de la población depende principalmente de la posición que estos ocupan a lo largo de la distribución del
ingreso. Así la pobreza entre el 2015 y 2016 sería tres puntos porcentuales superior a los datos oficiales si las
transferencias privadas no existirían, mientras que en similar periodo, y al eliminar solo las transferencias
públicas, la pobreza sería dos puntos porcentuales superior a los datos observados.
Las transferencias públicas tienen una mayor contribución en la reducción de la pobreza en las áreas
rurales, especialmente en la pobreza extrema. Este comportamiento obedece principalmente a la política
de focalización que caracteriza a este tipo de trasferencias, que en el caso del programa Juntos por ejemplo
estan concentradas en las áreas rurales. En cifras, si se eliminan las transferencias públicas la tasa de
pobreza extrema rural sería 3,4 puntos porcentuales superior a la tasa observada en 2016.
La contribución de las transferencias externas en la reducción de la pobreza es baja en comparación
a las otras transferencias consideradas. Aunque a inicios de la muestra existía una contribución relevante,
esta se ha ido reduciendo y hacia el 2016 tienen un impacto cercano a cero en la pobreza.
Destaca, además, la vulnerabilidad de la reducción de la pobreza a los eventos económicos ocurridos en
las regiones donde se generan las transferencias. Aproximadamente el 50 % de las transferencias internas
se generan en las regiones distintas a la región de residencia. En esta misma línea se resalta la alta
contribución de las transferencias generadas en la región Lima en la tasa de pobreza de las otras regiones;
en números, aproximadamente el 28 % de las transferencias de las regiones se generan en la región Lima.
Con estos números se sugiere que la reducción de la pobreza podría ser importada y estaría empujada por
el buen desempeño en las regiones vecinas y en Lima.
Finalmente, se muestran evidencias que las transferencias públicas y privadas son ligeramente
sustitutas, de modo que la probabilidad de recibir transferencias privadas se reduce cuando los hogares
tienen acceso a transferencias públicas. Un punto que da sustento a este argumento es la cada vez menor
contribución de las transferencias privadas en la tasa de pobreza, mientras que la contribución de las
transferencias públicas han venido incrementándose sostenidamente entre 2004 y 2016.
Sobre las implicancias prácticas que podrían ser tomadas de este documento se resaltan las siguientes:
Primero, la alta participación en la pobreza de las transferencias originadas en otras regiones sugiere
considerar a esta fuente de ingreso como un indicador que identifica la vulnerabilidad de la reducción
de la tasa de pobreza en las regiones. Segundo, y relacionada con el punto anterior, existen suficientes
argumentos para sostener que el desempeño económico en las regiones que dan origen a las transferencias
es una fuente adicional de vulnerabilidad de la reducción de la tasa de pobreza. Tercero, la existencia de
sustitución entre las transferencias públicas y privadas sugiere tomar en consideración la eficiencia de los
programas de lucha contra la pobreza.
R EFERENCIAS
Acosta, P., C. Calderón, P. Fajnzylber y H. Lopez (2008), “What is the impact of international remittances
on poverty and inequality in Latin America?”, World Development, 36(1), 89-114.
CEMLA (2011), Programa de Mejora de la Información y Procedimientos de los Bancos Centrales en

el Área de Remesas: Perú, Centro de Estudios Monetarios Latinoamericanos Fondo Multilateral de
Inversiones - Banco Interamericano de Desarrollo.
Céspedes, N. (2011), “Remesas, desarrollo económico y bienestar en el Perú”, BCRP, Documento de

trabajo 2011-20.

Cox, D. (1987), “Motives for private income transfers”, Journal of Political Economy, 95(3), 508-546.
Cox, D. y E. Jimenez (1992), “Social security and private transfers in developing countries: The case of
Peru”, World Bank Economic Review, 5(2), 6(1): 155-169.
Fajnzylber P. y H. López (2007), “Close to home: The development impact of remittances in Latin
America”, World Bank Report 48911.
Gutierrez, J. A. (2012), Impacto de las Remesas Internas sobre la Condición de Pobreza, 2004-2010 (Tesis
de maestría), Pontificia Universidad Católica del Perú, Perú.
Heckman, J. (1979), “Sample selection bias as a specification error”, Econometrica, 47(1), 153-61.
Jensen, R. T. (2003), “Do private transfers displace? The benefits of public transfers? evidence from South
Africa”, Journal of Public Economics, 88, 89-112
Loveday, J. y O. Molina (2005), “¿Cuál es el impacto de las remesas internacionales en el bienestar?”,

Economía y Sociedad, 58, 15-21.
Maitra P. y R. Ray (2003), “The effect of transfers on household expenditure patterns and poverty in South
Africa”, Journal of Development Economics, 71(1), 23-49.
Rodriguez E. (1998), “International migration and income distribution in the Philippines”, Economic
Development and Cultural Change, 46(2), 329-350.
Verme, P. (2010), “The poverty reduction capacity of private and public transfer in transition”, University
of Turin, Working Paper 201007.

97
C ONVOCATORIA PARA PUBLICACIÓN EN LA

R EVISTA E STUDIOS E CONÓMICOS
La Revista Estudios Económicos (REE) es una publicación del Banco Central de Reserva del Perú que tiene como
objetivo la divulgación de investigaciones económicas en temas de interés para el Banco Central de Reserva del Perú
y la economía peruana. Las principales áreas de interés de la REE incluyen macroeconomía, política monetaria,
economía internacional, política económica y finanzas.
El Comité Editorial de la REE invita a investigadores del BCRP y de otras instituciones a enviar trabajos para ser
evaluados para su publicación en esta revista.
I NSTRUCCIONES PARA AUTORES
1. Envíos. Se recomienda el envío del manuscrito por vía electrónica a la dirección [email protected].
Alternativamente, los manuscritos pueden ser enviados en 3 copias impresas, a una cara por página, a la
siguiente dirección postal:
Editores Revista de Estudios Económicos

Sub Gerencia de Investigación Económica
Jr. Santa Rosa 441 - 445
Lima 1, Perú.
(a) Los manuscritos presentados deben ser trabajos originales no publicados en ningún otro medio.
Asimismo no deben ser sometidos para publicación en algún otro medio al mismo tiempo que son
sometidos para la publicación en la REE.
(b) Las remisiones pueden ser hechas en formatos PDF, Word o TeX.
(c) Los manuscritos deben ser escritos en español. Debe evitarse utilizar términos en otro idioma. De ser
absolutamente necesario, estos términos deben ser escritos en letras cursivas.
(d) Los manuscritos serán sometidos a una evaluación por parte de los Editores de la REE, quienes se
reservan el derecho de rechazar cualquier manuscrito que no cumpla con los estándares de la REE.
(e) La remisión de trabajos a la REE implica la aceptación por parte de los autores de las condiciones aquí
especificadas.
2. Manuscrito. Los trabajos deben ser escritos a doble espacio, en formato A4 y sobre una sola cara. El artículo
debe ser dividido en secciones. El tamaño del manuscrito no debe exceder la longitud de 40 páginas escritas
a doble espacio, incluyendo bibliografía, anexos, gráficos y cuadros. Los autores son responsables de revisar
el texto y las referencias bibliográficas para evitar errores que entorpezcan la labor editorial de los Editores
de la REE.
98
3. Portada. La primera página debe contener el título completo del artículo así como nombres, afiliaciones,
dirección completa, número de teléfonos y correos electrónicos de los autores. Debe contener además un
resumen con un máximo de 300 palabras. Se deben incluir al menos tres “palabras clave” y tres códigos de la
clasificación JEL. Los agradecimientos aparecerán en la primera nota al pie del texto.
4. Gráficos y cuadros. Los gráficos y cuadros deben aparecer al final del texto o ser enviados en archivos
separados. Los cuadros y gráficos deben ser numerados de manera independiente y consecutiva utilizando
los términos “Cuadro” y “Gráfico” (por ejemplo, Cuadro 1, Gráfico 1, Cuadro 2,...). No utilizar los términos
“Tabla” o “Figura”.
De ser necesario, los Editores de la REE podrán solicitar los cuadros o los datos de los gráficos en formatos
que permitan incorporar modificaciones o ediciones de forma, de acuerdo con el estilo de la REE (por ejemplo,
en MS Excel).
5. Notas al pie de página. Las notas deben aparecer al pie de la página respectiva y su numeración debe ser
consecutiva. Se recomienda minimizar el uso de notas al pie de página y evitar el uso de las mismas para
referencias bibliográficas.
6. Referencias bibliográficas. Las citas en el texto serán de la siguiente manera: Engle (1982), Gonzalo y Ng
(2001), Céspedes y otros (2004). Toda cita textual debe aparecer entre comillas “...” y su referencia debe
contener el número de las páginas de donde proviene el texto: (Adolfson, 2007, p. 470), (Gordon y Leeper,
1994, p. 1244), (Vega y otros, 2009, pp. 52-53). Del mismo modo, de tratarse de una monografía o libro,
debería inclurise el número de sección, capítulo o página: Hamilton (1994, sección 18.2), Durbin y Koopman
(2001, cap. 4), Carnot y otros (2011, pp. 103-115).
Las referencias bibliográficas deben aprecer listadas en orden alfabético al final del texto y comprender
únicamente citas incluidas en el texto. A continuación, se describe el estilo de citación de la REE.
Los artículos provenientes de revistas académicas especializadas y ampliamente conocidas (“journals”)
deben ser citados de la siguiente manera:
Adolfson, M. (2007), “Incomplete exchange rate pass-through and simple monetary policy rules”, Journal
of International Money and Finance, 26(3), 468-494.
Céspedes, L., R. Chang y A. Velasco (2004), “Balance sheet and exchange rate policy”, American Economic
Review, 94(4), 1183-1193.
Engle, R. F. (1982), “Autoregressive conditional heteroskedasticity with estimates of the variance of the
United Kingdom inflation”, Econometrica, 50(4), 987-1007.
Gonzalo, J. y S. Ng (2001), “A systematic framework for analyzing the dynamic effects of permanent and
transitory shocks”, Journal of Economic Dynamics and Control, 25(10), 1527-1546.
Gordon, D. y E. Leeper (1994), “The dynamic impacts of monetary policy: An exercise in tentative
identification”, Journal of Political Economy, 102(6), 1228-1247.
En el caso de artículos de revistas especializadas editadas por bancos centrales u otras instituciones afines,
debe incluirse el nombre de la institución. Los artículos de la REE y de la Revista Moneda corresponden a
esta categoría:
Armesto, M. T., K. M. Engemann y M. T. Owyang (2010), “Forecasting with mixed frequencies”, Federal
Reserve Bank of St. Louis, Review, November/December, 521-536.
McLaren, N. y R. Shanbhogue (2011), “Using internet search data as economic indicators”, Bank of England,
Bank of England Quarterly Bulletin, 51(2), 134-140.
Monge, A. and D. Winkelried (2009), “PPC y convergencia de precios: Un análisis para las ciudades del
Perú”, Banco de la República, Ensayos de Política Económica, 27(58), 56-105.
99
Vega, M., S. Bigio, D. Florián, G. Llosa, S. Miller, N. Ramírez, D. Rodríguez, J. Salas y D. Winkelried (2009),
“Un modelo semi-estructural de proyección para la economia peruana”, Banco Central de Reserva del
Perú, Revista Estudios Económicos, 17, 51-83.
Winkelried, D. (2010), “Sobre los determinantes de la inflación”, Banco Central de Reserva del Perú, Revista
Moneda, 145, 12-16.
Para artículos que forman parte de compilaciones debe especificarse el nombre de los editores o compiladores
y los datos editoriales de la compilación:
Caballero, R. (1999), “Aggregate investment”, en Taylor, J. y M. Woodford (eds.), Handbook of
Macroeconomics, Elsevier, vol. 1, cap. 12, 813-862.
Levine, R. (2005), “Finance and growth: Theory and evidence”, en P. Aghion y S. N. Durlauf (eds.),
Handbook of Economic Growth, Elsevier, vol. 1A, cap. 12, 865-934.
Mihaljek, D. y M. Klau (2008), “Exchange rate pass-through in emerging market economies: What has
changed and why?”, en Bank for International Settlements (ed.), Transmission Mechanisms for Monetary
Policy in Emerging Market Economies, BIS Papers chapters 35, 103-130.
Reinhart, C. y V. Reinhart (2002), “What hurts emerging markets most? G-3 exchange rate or interest
rate volatility?”, en Edwards, S. y J. Frankel (eds.), Preventing Currency Crises in Emerging Markets,
University of Chicago Press for the National Bureau of Economic Research, 133-170.
Romer, C. y D. Romer (1989), “Does monetary policy matter? A new test in the spirit of Friedman and
Schwartz”, en Blanchard, O. y S. Fischer (eds.), NBER Macroeconomics Annual, MIT Press, 9, 13-57.
En el caso de documentos pertenecientes a series de documentos de trabajo (working papers), debe
especificarse la institución de la serie y el número del documento:
Abiad, A., B. Gultekin, R. Mariano y T. Shabbir (2002), “Markov chains in predictive models on currency
crises, with application to Southeast Asia”, Penn Institute for Economic Research, Working Paper
02-013.
Edwards, S. (2002),“Does the current account matter?”, NBER Working Paper 8275.
Elekdag, S. e I. Tchakarov (2004), “Balance sheets, exchange rate policy and welfare”, IMF Working Paper
04/63.
Escobal, J. y M. Castillo (1994), “Sesgos en la medición de la inflación en contextos inflacionarios: El caso
peruano”, Grupo de Análisis para el Desarrollo (GRADE), Documento de Trabajo 21.
Lahura, E. y G. Castillo (2016), “Midiendo el impacto de cambios tributarios sobre la actividad económica
en Perú”, Banco Central de Reserva del Perú, Documento de Trabajo 2016-010.
Finalmente, el estilo de citación para monografías y libros es el siguiente:
Amemiya, T. (1985), Advanced Econometrics, Harvard University Press.

Cameron, A. C. y P. K. Trivedi (2005), Microeconometrics: Methods and Applications, Cambridge University
Press.
Durbin, J. y S. J. Koopman (2001), Time Series Analysis by State Space Methods, Oxford Statistical Science
Series 24, Oxford University Press.
Rao, C. R., H. Toutenburg, Shalabh y C. Heumann (2008), Linear Models and Generalizations: Least
Squares and Alternatives, 3era edición extendida, Springer Series in Statistics, Springer-Verlag.
7. Pruebas de imprenta. Los editores de la REE se reservan el derecho de modificar fragmentos del texto
para fines editoriales, de diagramación y de estilo narrativo. El autor de correspondencia recibirá pruebas del
manuscrito electrónicamente para su revisión y corrección. Las pruebas deben ser corregidas en un lapso 48
horas, de otro modo la publicación podría ser pospuesta.
100
8. Distribución de copias. El autor de correspondencia recibirá vía correo electrónico una copia en PDF de su
artículo aceptado. Si el autor deseara recibir copias impresas por correspondencia postal, deberá solicitarlas
a la oficina de publicación, en cuyo caso recibirá 3 ejemplares gratuitos. Copias adicionales pueden ser
solicitadas a la oficina de publicación a un costo adicional.
9. Derechos de publicación. Una vez que un manuscrito es aceptado para su publicación, los respectivos autores
deberán enviar el formulario de derechos de publicación cumplimentado a la oficina de publicación. Dicho
documento es requisito para la publicación del manuscrito y asegura la correcta y amplia diseminación de
la investigación. Los autores pueden utilizar el artículo publicado en otros ámbitos, toda vez que soliciten el
permiso correspondiente al Comité Editorial de la REE.
Comité Editorial
Revista Estudios Económicos
101
R EVISTA E STUDIOS E CONÓMICOS
NÚMERO 33 - Junio 2017

El efecto traspaso de la tasa de interés de política monetaria en Perú: Evidencia reciente. E. Lahura
Condiciones de mercado y calidad como determinantes del traspaso del tipo de cambio. R. Castellares
Dolarización real en el Perú. A. Contreras, Z. Quispe, F. Regalado y M. Martínez
Políticas monetaria y macroprudencial óptimas post Basilea III. C. Rojas
NÚMERO 32 - Diciembre 2016

Comparación de la transmisión de choques de política monetaria en América Latina: Un panel VAR jerárquico. F.
Pérez
Transmisión de choques de política monetaria de Estados Unidos sobre América Latina: Un enfqoque GVAR. J.
Flores
Sistema financiero, informalidad y evasión tributaria en el Perú. E. Lahura
Determinantes del margen financiero en el sector microfinanciero: El caso peruano. H. Fuentes
NÚMERO 31 - Junio 2016

La productividad como clave del crecimiento y el desarrollo en el Perú y el mundo. N. Loayza
Tendencias comunes en el índice de precios al consumidor. M. G. Ramos y D. Winkelried
Un análisis de la efectividad de las intervenciones cambiarias en el Perú. J. D. Durán-Vanegas
Sector bancario, mercado de capitales y actividad real en el Perú. E. Lahura y M. P. Vargas
Expectativas de inflación y dolarización en el Perú. R. Rossini, M. Vega, Z. Quispe y F. Pérez
NÚMERO 30 - Diciembre 2015

Sobre entradas y salidas de capitales: Flujos brutos, netos y política económica. J. De Gregorio
Radiografía del costo del crédito en el Perú. M. Choy, E. Costa y E. Churata
Tendencias de las emisiones de bonos en el exterior de empresas en América Latina. M. Luna, H. Vega y P. Castillo
Crisis bancarias como eventos infrecuentes. M. León, A. Vargas y D. Winkelried
La gran depresión de la economía peruana: ¿Una tormenta perfecta? L. G. Llosa y U. Panizza
La relación histórica de los números de la Revista Estudios Económicos se encuentra en:

http://www.bcrp.gob.pe/publicaciones/revista-estudios-economicos/ejemplares-publicados.html

BCRP. EEree-34 PDF

Cargado por

Copyright:

Formatos disponibles

BCRP. EEree-34 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

BCRP. EEree-34 PDF

Cargado por

Copyright:

Formatos disponibles

DICIEMBRE 2017

BANCO CENTRAL DE RESERVA DEL PERÚ

BANCO CENTRAL DE RESERVA DEL PERÚ

B ANCO C ENTRAL DE R ESERVA DEL P ERÚ

Paul Castillo Marco Ortiz Fernando Vásquez Marco Vega

Carlos Montoro (Ministerio de Economía y Finanzas)

Gabriel Rodríguez (Pontificia Universidad Católica del Perú)

Diego Winkelried (Universidad del Pacífico)

Diego Winkelried (Universidad del Pacífico) Jorge Morales

Factores globales e idiosincrásicos en la dinámica de la inflación en América Latina . . . . . . 9

Choques externos y coordinación de políticas monetarias y macroprudenciales en las

Cronología de los ciclos económicos en el Perú: 1992 a 2016 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Las transferencias públicas y privadas y su importancia en la pobreza. . . . . . . . . . . . . . . . . . . 77

Global and idiosyncratic factors in the dynamics of inflation in Latin America . . . . . . . . . . . . 9

Chronology of economic cycles in Peru: 1992 to 2016 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

Public and private transfers and their importance in poverty . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

Factores globales e idiosincrásicos en la dinámica de

En este trabajo se cuantifica el rol de los factores globales e idiosincrásicos en la dinámica

Palabras Clave : Inflación, América Latina, Panel VAR, Factores Globales.

Estudios Económicos 34 © Diciembre 2017 BCRP

© Diciembre 2017 BCRP Estudios Económicos 34

Adicionalmente, se realiza la descomposición de varianza del error de predicción de la inflación, lo que

y A1 A112,t ... A11N,t y

Estudios Económicos 34 © Diciembre 2017 BCRP

pueden representarse como:

Para el caso más general, el modelo contiene N × n × T elementos y un total de h = N × n(N np + m)

donde β tiene dimensión h × 1, zs tiene dimensión, h × d s y θ s tiene dimensión d s × 1.

1. θ 1 captura elementos comunes a todas las unidades de análisis.

2. θ 2 captura factores específicos a las unidades de análisis (tiene dimensión N).

3. θ 3 captura factores específicos a cada variable endógena (tiene dimensión n).

5. θ 5 captura factores específicos a las variables exógenas (tiene dimensión m).

© Diciembre 2017 BCRP Estudios Económicos 34

Apilando las matrices zi , se tiene z = (z1 z2 z3 · · · zr ) y θ ≡ ( θ 1 θ 1 · · · θr )0 de tal

donde, Zt = X̄t z. Nótese que θ tiene dimensión d s , significativamente menor que h.

Se define a continuación el conjunto de factores a considerar. El factor común en todo el sistema es

y11,t = Z11, t θ 11 + Z21,t θ 21 + Z31, t θ 3 + Z41, t θ 4 + Z51, t θ 5 ,

Estudios Económicos 34 © Diciembre 2017 BCRP

Z22,t = y21,t−1 + y22,t−1 + y21,t−2 + y22,t−2 ,

Z32,t = y12,t−1 + y22,t−1 + y12,t−2 + y22,t−2 .

Así, el modelo anterior puede escribirse de manera más compacta yt = Zt θ + εt :

f c1,t = Z11,t θ 11 + Z31,t θ 31 ,

© Diciembre 2017 BCRP Estudios Económicos 34

p(µ, Ψ−1, Ω−1, σ −2, B−1 ) = p(µ)p(Ω−1 )p(Ψ−1 )p(σ −2 )p(B −1

Estudios Económicos 34 © Diciembre 2017 BCRP

2.2 E SCOGIENDO EL MEJOR MODELO

Cuadro 1. Modelos alternativos estimados

Nota: La verosimilitud es hallada por el método de Chib.

© Diciembre 2017 BCRP Estudios Económicos 34

2.3 L A IMPORTANCIA DE FACTORES GLOBALES

Gráfico 1. Factor común de la inflación en América Latina

Estudios Económicos 34 © Diciembre 2017 BCRP

Gráfico 2. Determinantes macroeconómicos comunes de la inflación en América Latina

© Diciembre 2017 BCRP Estudios Económicos 34

Gráfico 3. Factores idiosincrásicos de la inflación en América Latina

Estudios Económicos 34 © Diciembre 2017 BCRP

2.4 I MPACTO DE LAS VARIABLES GLOBALES EN LA INFLACIÓN

Gráfico 4. Contribución de los factores sobre la inflación de Perú

© Diciembre 2017 BCRP Estudios Económicos 34

Estudios Económicos 34 © Diciembre 2017 BCRP