Coleccion Ensayos Vol X No1

Oeconomia
Breves Ensayos de Economía y Finanzas
Volumen X, Número 1.
Marzo 2016
Efectos de la Política Monetaria de Estados Unidos en Centro América y la

República Dominicana
Ariadne M. Checo, Salomé Pradel y Francisco A. Ramírez......................3
Un Acercamiento a la Estabilidad Financiera en la República Dominicana:

Modelo Telaraña
Marco Martínez y Marcos Noyola..............................................................22
Efectos de las Remesas sobre el Ahorro Doméstico

Antonio Giraldi.............................................................................................35
Banco Central de la República Dominicana

Departamento de Programación Monetaria y Estudios Económicos.
Oeconomia Vol. X, No. 1

Elaborado por el Departamento de Programación Monetaria y Estudios Económicos del Banco
Central de la República Dominicana – Santo Domingo: Banco Central de la República
Dominicana, 2016.
55 p.
Trimestral
ISSN 2304-3458
© 2016
Publicaciones del Banco Central de la República Dominicana
Esta es una publicación del Departamento de Programación Monetaria y Estudios Económicos

del Banco Central. El contenido y las opiniones de los artículos publicados en Oeconomia son de
exclusiva y estrictamente responsabilidad de su o sus autores y no reflejan la opinión del Banco
Central de la República Dominicana.
Consejo Editorial:
Julio Andújar Scheker,
Director Departamento de Programación Monetaria y Estudios Económicos.
Joel Tejeda Comprés,

Subgerente de Políticas Monetaria, Cambiaria y Financiera.
Comentarios y preguntas sobre esta publicación pueden ser enviados a:

Av. Dr. Pedro Henríquez Ureña esq. Calle Leopoldo Navarro
Santo Domingo de Guzmán, D. N., República Dominicana
Apartado Postal 1347
809-221-9111 exts. 3072-73
[email protected]
œ
Oeconomia, ensayos sobre economía y finanzas Volumen X, Número 1
Efectos de la Política Monetaria de Estados Unidos en Centro

América y la República Dominicana1
Por Ariadne M. Checo, Salomé Pradel y Francisco A. Ramírez 2
I. Introducción
En octubre de 2014, la Reserva Federal (Fed) decidió finalizar seis años de política monetaria no
convencional en vista de la recuperación económica en Estados Unidos (EEUU) y la estabilidad
en sus mercados financieros. En este periodo, la tasa de fondos federales (FFR, por sus siglas en
inglés) – instrumento de política monetaria convencional– ha permanecido en niveles
históricamente bajos. Las mejorías en el mercado laboral, así como en las proyecciones de
crecimiento de la actividad económica, han traído a la discusión de los hacedores de política en
la Fed la posibilidad de un período de incremento de tasas de interés para contrarrestar las
posibles presiones inflacionarias en el horizonte de política.
Este fenómeno, conocido como la normalización de la política monetaria, es considerado un tema

importante entre los hacedores de política dado que un alto incremento en las tasas de interés
podría incrementar la volatilidad de los mercados financieros. Esto vuelve a poner en la
discusión la pregunta sobre cómo los efectos de la política monetaria de EEUU se traspasan
hacia el resto del mundo, en el contexto actual de tasa de interés en niveles históricamente bajos.
El objetivo principal de esta investigación es cuantificar el efecto de los shocks de política

monetaria externos, medidos a través de la FFR, en las economías de América Central y
República Dominicana (CARD). Este tema es relevante para los hacedores de política en dichas
economías debido al vínculo comercial importante de CARD con la economía estadounidense, a
pesar de los bajos niveles de desarrollo financiero en relación con otras economías emergentes
en América Latina.
La estrategia empírica para estudiar este fenómeno busca cuantificar los efectos de los shocks de
política monetaria en EEUU en cada país. La medición del impacto inducido por los shocks
hacia otros países está sujeto al problema de identificación de dichos shocks (ver, Canova y De
Nicoló, 2000; Kim, 2001; Canova, 2005).
Este problema es abordado por medio del uso de restricción de signos para identificar los
efectos de un shock de política monetaria en EEUU mediante un incremento en la FFR. Mientras
la FFR ha permanecido sin cambios durante los últimos siete años, la Fed ha utilizado
1
Los puntos de vista y conclusiones de este estudio no representan necesariamente la opinión del Banco Central de la República
Dominicana (BCRD). Cualquier error es de exclusiva responsabilidad de los autores. El documento fue presentado en el IX Foro de
Investigadores de Bancos Centrales del CMCA y en la XX Reunión Anual de la Red de Investigadores de Banca Central del CEMLA,
celebrados en el Banco Central de la República Dominicana en Julio y Noviembre 2015, respectivamente. Se agradecen los
comentarios y sugerencias de los representantes de los países miembros del CMCA y CEMLA en los mismos, así como de un referee
anónimo.
2 Departamento de Programación Monetaria y Estudios Económicos, Banco Central de la República Dominicana. Para preguntas y
comentarios: [email protected]; [email protected]; [email protected].
3
instrumentos no convencionales, tales como el relajamiento cuantitativo (QE, por sus siglas en
inglés), que han conllevado una política monetaria más expansiva de lo que se ha reflejado en la
FFR. Para hacer frente a este problema, utilizamos la Tasa de Fondos Federales Sombra (Wu-
Xia, 2014) como medida de instrumento de política monetaria.
El modelo de Vector Autorregresivo aumentado-por-Factores (FAVAR) es estimado con un

bloque de variables externas, donde EEUU es el país extranjero relevante para estas economías.
Los factores comunes son extraídos desde una base de datos de cerca de ochenta variables
macroeconómicas para los países de CARD3, para el período 2003 - 2014.
Otros estudios han utilizado la metodología del FAVAR para estudiar la transmisión
internacional de los shocks de política monetaria. Mumtaz y Surico (2007) extienden el modelo
de Bernanke, Boivin y Eliasz (2004) para el caso de la economía abierta, analizando la
transmisión hacia diecisiete países industriales. Mientras, Zuniga (2011) estudia los efectos de
un cambio en la política monetaria en EEUU sobre el caso mexicano y brasileño. A la fecha, este
es uno de los primeros trabajos en estudiar los efectos de la política monetaria en EEUU sobre
las economías de CARD.
Resumiendo los principales hallazgos, los shocks de política monetaria de EEUU tienen efectos
contractivos sobre estas economías. La importancia relativa de la estabilidad del tipo de cambio
minimiza la respuesta de dicha variable, por lo que el aumento de las tasas de interés y la caída
en las reservas internacionales netas realizan gran parte del ajuste. Por el lado real, las
exportaciones disminuyen debido al predominio del efecto ingreso (“income-absorption”) sobre
el efecto sustitución (“expenditure-switching”), sustentado en la fluctuación limitada del tipo de
cambio. No obstante, se observa una recuperación en la balanza comercial, dado que las
importaciones disminuyen en mayor medida que las exportaciones. Finalmente, las remesas, las
cuales son una fuente importante de ingreso no laboral en estas economías, responden
negativamente.
El documento está organizado de la siguiente manera: La sección 2 presenta la revisión de

literatura; la sección 3 describe la estrategia empírica; la sección 4 describe los datos utilizados;
la sección 5 compara los resultados de un shock positivo de la tasa de interés en EEUU sobre los
principales indicadores de CARD; la sección 6 concluye.
II. Revisión de Literatura
La literatura relacionada a los shocks monetarios convencionales, medidos a través de cambios

en la tasa de interés, a pesar de extensiva, se enfoca en “tiempos normales”, es decir, períodos
que no incluyen episodios hiperinflacionarios, crisis cambiarias o recesiones masivas (Canova,
2005). Al estudiar los shocks monetarios y su transmisión internacional, se distinguen dos
3La muestra de países incluye: Costa Rica, El Salvador, Guatemala, Honduras y la República Dominicana. Nicaragua fue excluida
de la muestra debido a ausencia de datos para el período previo al 2007.
4
estrategias empíricas: aquéllas basadas en modelos teóricos con restricciones y aquéllas

orientadas hacia los datos, que se basan en relaciones empíricas.
En los modelos teóricos, tales como el modelo de Mundell-Fleming y la extensión de Obstfeld-

Rogoff (1996), la transmisión de los shocks monetarios hacia otras economías ocurre a través de
dos canales principales: cuenta corriente y el tipo de cambio.
Un shock contractivo en el país de origen es asociado con una caída en el producto y una
apreciación del tipo de cambio en dicho país. No obstante, el impacto de este shock sobre otros
países es ambiguo, dado que operan simultáneamente dos mecanismos que se contrarrestan, sin
evidencia clara de cuál dominaría: por un lado, el tipo de cambio en el país extranjero se
deprecia, teniendo un efecto positivo sobre la economía (efecto “expenditure-switching”);
mientras, el incremento de la tasa de interés contrae la actividad económica en el país de origen,
conllevando una reducción de la demanda por exportaciones de los países extranjeros (efecto
“income-absorption”) (Kawai, 2015). Del mismo modo, los modelos inter-temporales muestran
resultados ambiguos, inclusive tras adicionar las expectativas futuras de los agentes como
mecanismo adicional (Kim, 2001).
Los modelos empíricos (ver, Lastrapes, 1992; Eichenbaum y Evans, 1995; Grilli y Roubini, 1995;
Kim y Roubini, 2000; Clarida y Gali, 1994) emplean estrategias que minimizan restricciones,
utilizando datos para identificar los mecanismos de transmisión para el caso del tipo de cambio.
Kim (2001) compara los resultados empíricos con diferentes modelos teóricos, encontrando que
un shock monetario expansivo en EEUU, medido como una caída en la tasa de interés mundial,
tiene un efecto positivo sobre el crecimiento de las economías G-6, lo que se ajusta con los
resultados sugeridos por los modelos inter-temporales (ver, Svensson y Van Wijnbergen, 1989;
Obstfeld y Rogoff, 1995). Además, el vínculo comercial no es significativo, lo que no es
consistente con la teoría del “empobrecer al vecino” del modelo MFD básico. El estudio
concluye que la respuesta del tipo de cambio no depende de si se utiliza una estrategia
recursiva o no, como sugieren Kim y Roubini (2000) y Cushman y Zha (1997). Otros hallazgos
de Kim (2001) incluyen la exogeneidad de EEUU hacia la política monetaria de otros países.
La transmisión internacional de shocks monetarios hacia países industrializados ha sido

recientemente estudiada por Vespignani (2014). Mumtaz y Surico (2007) exploran los efectos de
una caída en la tasa de interés internacional de corto plazo en el Reino Unido, encontrando un
impacto positivo sobre el PIB, la inversión y el consumo luego de un año. Asimismo, el trabajo
de Jannsen y Klein (2011) encuentra que un incremento en la tasa de interés externa (Zona Euro,
en este caso) tiene un impacto positivo en las tasas de interés domésticas para un conjunto de
países que no han adoptado el euro.4 El incremento en las tasas de interés se traduce en una
contracción del PIB por medio de una reducción en las importaciones. En tanto, las
exportaciones disminuyen, mostrando la importancia del efecto ingreso (“income-absorption”) en
estas economías. Dado que tanto las exportaciones como importaciones caen, no se observan
4 La muestra de países incluye el Reino Unido, Dinamarca, Suecia, Noruega y Suiza.
5
cambios significativos en la balanza comercial. La respuestas de estas variables, así como el rol
limitado que se observa en el tipo de cambio, es similar a la reacción de países como un régimen
de tipo de cambio fijo, revelando la importancia de la estabilización del tipo de cambio para
estas economías pequeñas y abiertas.
Para las economías en desarrollo, el grado de transmisión de los shocks monetarios

internacionales varía de acuerdo al régimen cambiario, los fundamentos macroeconómicos y las
características estructurales de cada país (ver, Arora y Cerisola, 2001; Borda et al., 2000; Canova,
2005; Mackowiak, 2007; Zuniga, 2011).5 Estos autores identifican, por medio de distintas
especificaciones de modelos VAR, dos canales de transmisión principales: la balanza comercial
y las tasas de interés.
La investigación de Borda et al. (2000), relacionada con la contribución de la política monetaria

estadounidense hacia los ciclos económicos en el Caribe, concluye que para los países con
régimen de tipo de cambio flexible, un shock de la tasa de interés mundial tiene un efecto
negativo sobre el producto debido al incremento en el tipo de cambio real que aumenta el costo
de los insumos. No obstante, indica que el PIB para los países caribeños no es explicado por la
tasa de interés mundial, sino que por el tipo de cambio, destacado como un mecanismo de
transmisión importante. Este resultado es consistente con las conclusiones de Mackowiak
(2007), donde la respuesta típica de una economía emergente a una política monetaria
restrictiva en EEUU es una depreciación del tipo de cambio, inflación y caída en la actividad
económica.6 Mientras, los resultados provistos por Canova (2005) sugieren que el canal de tasas
de interés sirve como un amplificador de los cambios monetarios en EEUU, confiriendo al canal
comercial un rol insignificante en la transmisión de shocks monetarios en EEUU hacia
Latinoamérica.
La normalización de la política monetaria enfocada en el impacto de los instrumentos no

convencionales adoptados por los países industrializados luego de la crisis internacional de
2007 ha sido abordada por diferentes autores, los cuales analizan los efectos “derrame” sobre las
economías emergentes. En general, los resultados confieren un rol más importante a los
vínculos financieros y al canal comercial.
Hausman y Wongswan (2006) explora los canales de transmisión de la política monetaria de

EEUU a través de los anuncios del Comité Federal de Mercado Abierto (FOMC, por sus siglas
en inglés), notando que un país con un mayor grado de integración real y financiera con los
Estados Unidos presenta una mayor respuesta en su tasa de interés, así como en aquéllos con
tipos de cambio menos flexibles. En resumen, contrario a Ehrmann y Fratzscher (2006), sugieren
que los vínculos reales y financieros con los Estados Unidos son más importantes que con los
del resto del mundo. Asimismo, Bauer y Neely (2013) distingue la importancia relativa de la
señalización y los canales de balance de portafolio en explicar la contribución de la política no
5 Zuniga (2011) utiliza un modelo FAVAR.

6 Los países bajo análisis incluyen Corea del Sur, Tailandia, Malaysia, Filipinas, Singapur, Hong Kong, México y Chile.
6
convencional a la reducción del rendimiento de los bonos en la mayoría de países luego de la

crisis internacional de 2007.7 Por medio de un modelo de estructura temporal dinámica,
concluye que ambos canales son importantes.8 Sin embargo, Chen et al. (2014) indica que los
efectos sobre los precios de los activos y mercado de capitales son mayores si provienen de
sorpresas de señal. Los autores destacan que, inclusive si la política monetaria no convencional
tiene un mayor impacto que la convencional, características como mejores fundamentos y una
estructura de mercado más líquida permiten mitigar los efectos. Bowman et al. (2014)
demuestra también que las fluctuaciones en los precios de los activos de los mercados
emergentes, luego de un shock monetario en EEUU, son mayores que las fluctuaciones en el
país de origen (EEUU), donde fundamentos más débiles explican, en parte, esta sobrerreacción.
Para los efectos de la política monetaria no convencional hacia otros países, consulte además
Craine y Martin (2008).
Una de las peculiaridades de estas economías es la importancia de la estabilidad relativa del

tipo de cambio como objetivo de política. Para la mayoría de países en la región, los regímenes
cambiarios de facto varían entre distintos grados de flotación administrada hasta dolarización.
De acuerdo al Reporte Anual de las Disposiciones de Tipo de Cambio y Restricciones
Cambiarias 2014 del Fondo Monetario Internacional, Guatemala ha mostrado mayor
flexibilidad, siendo clasificado como “flotador” en distintos años durante el período bajo
análisis, a pesar de que comparte la volatilidad de reservas con los países que tienen objetivos
cambiarios (Jácome y Parrado, 2007).9 Honduras y la República Dominicana siguen una
disposición tipo reptante, mientras que Costa Rica tiene el régimen menos flexible, luego de El
Salvador, el cual es una economía dolarizada.
Tabla 1. Clasificación de la Disposición de Tipo de Cambio para los Países de CARD

País Disposición cambiaria*
Costa Rica Otra disposición administrada **
El Salvador Sin moneda nacional de curso legal
Honduras Tipo Reptante
Guatemala Tipo Reptante
República Dominicana Tipo Reptante
*Clasificación a partir del Reporte Anual sobre Disposiciones de Tipo de Cambio y Restricciones Cambiarias 2014 del
Fondo Monetario Internacional. **Como establece el reporte, “esta disposición cambiaria es característica de períodos
durante los cuales las condiciones volátiles del mercado cambiario dificultan el uso de un régimen cambiario más
claramente definido.” Fue clasificada previamente como “disposición estabilizada” en 2013.
El régimen cambiario de un país influencia la conducción de su política monetaria. A pesar de

que la estabilidad de precios es el objetivo de todos los regímenes, la variable que absorbe los
7 Australia, Estados Unidos, Canadá y Japón.

8 El canal de la señal es más importante para países con una fuerte respuesta a las sorpresas de política monetaria convencionales en
EEUU; el balance de portafolio es consistente con el grado de sustitución de los bonos internacionales entre países.
9 El Reporte Anual sobre Disposiciones de Tipo de Cambio y Restricciones Cambiarias 2014 del FMI reclasificó a Guatemala como
tipo de reptante, siendo anteriormente considerada como bajo un régimen de flotación.
7
shocks no es la misma; por tanto, el régimen modela el grado en que operan los mecanismos de
transmisión de los shocks de política monetaria externos. Del mismo modo, muchos países se
consideran flotadores, pero en realidad se adhieren a un régimen de tipo de cambio. Como
explica Canova (2005) en sus resultados, la falta de un mecanismo de transmisión diferenciado
de los shocks de política monetaria en EEUU entre grupos de flotadores y no flotadores, para un
conjunto de países de América Latina, puede surgir debido a que los flotadores podrían estar
sufriendo de “miedo a flotar” (ver Calvo y Reinhart, 2000), por lo que utilizan las reservas
internacionales para contrarrestar la volatilidad cambiaria.10
III. Estrategia Empírica
En esta sección se describe la estrategia empírica utilizada para establecer los posibles efectos de
un shock de política monetaria en EEUU sobre las economías de Centroamérica y República
Dominicana (CARD) y los mecanismos de transmisión subyacentes. Se utiliza un conjunto de
datos multi-sectorial de cerca de 80 variables, el cual engloba la información macroeconómica
de los países de la región, para estimar factores comunes por medio de Componentes
Principales. Los factores comunes son utilizados como indicadores del estado de la economía de
estos países. Para una identificación adecuada de los shocks monetarios de EEUU, se emplean
restricciones de signo para las variables de EEUU.
Por lo tanto, la estrategia empírica consiste en un enfoque FAVAR con una identificación por
medio de restricciones de signos de los shocks de política monetaria en EEUU, donde los
factores incluidos son componentes principales. Esta metodología–introducida a los
pronosticadores por Stock y Watson (2002) y hacia la macroeconomía por Bernanke et al. (2004)
– extrae de un gran conjunto de datos, un grupo reducido de factores que representan la
dinámica de la muestra completa. Este mecanismo permite al investigador resumir claramente
el gran conjunto de datos, evitando el “problema de la dimensionalidad”11, mientras que al mismo
tiempo representa la información crucial.
El análisis de Componentes Principales extrae una serie de factores de un conjunto de m

variables, los cuales son una combinación lineal del conjunto de datos y busca: a) minimizar el
ruido, dado que los factores extraídos contienen la información más importante, dejando de
lado las desviaciones ruidosas y b) minimiza la redundancia, pues dos factores no deben
contener la misma “información” del conjunto de datos, pero deben expresar diferentes
dimensiones a través de las cuales los datos varían. Luego de que estos factores son estimados,
se realiza un análisis de VAR. Se utilizan métodos bayesianos para estimar los coeficientes del
VAR e imponemos restricciones de signo sobre las funciones de impulso respuesta para la
identificación de los shocks de política monetaria de EEUU.
Si tenemos una cantidad M de variables durante T períodos, comprendidos en Mx1 vectores ,

de los cuales extrajimos N factores que abarcan los mismos T períodos en un vector Nx1,
10Los países considerados son: Argentina, Brasil, Chile, Ecuador, México, Panamá, Perú y Uruguay.
11 “curse of dimensionality”
8
donde N<M. El modelo está dividido en dos partes. En primer lugar, la ecuación de
observación es
Donde la matriz es MxN. Sus elementos son llamados factores de carga; los mismos asocian el
valor de los factores con las variables observadas en el modelo.
La segunda parte del modelo es la ecuación de estado, la cual es simplemente un VAR con
restricciones de signo, que contiene un bloque de variables externas exógeno ( ), el Índice de
Volatilidad (VIX) para capturar las condiciones financieras en estas economías y un bloque de
los factores domésticos estimados ( ), el cual Bernanke et al. (2004) llamaron Vector
Autorregresivo-aumentado-por Factores (FAVAR):
̃
[ ] [ ̃ ][ ]
Donde incluye la tasa de fondos federales y un conjunto de variables externas como el

crecimiento del producto de EEUU, la inflación en EEUU y el crecimiento de los saldos reales en
EEUU. Es importante notar que se restringen las variables externas como exógenas, imponiendo
restricciones de coeficientes cero ( ̃ ). es el término de error con media cero y matriz de
covarianzas .
El procedimiento para estimar los factores es no-paramétrico, dado que es hecho a través de una
descomposición de la matriz de los datos llamada Descomposición en Valores Singulares (SVD,
por sus siglas en inglés) de la matriz de información, de la cual se obtienen los coeficientes de la
combinación lineal de los datos que componen los factores. De esta forma se obtiene las series
de los N factores.
Para evaluar las respuestas dinámicas de las variables observables a los shocks de tasa de
interés externos, se computa el VAR en la ecuación de estado e inducir un shock a la variable
para obtener vectores de respuestas para cada variable en el VAR en la respuesta simulada.
Luego, con los factores de carga de la ecuación de observación, se asocian estas respuestas de
los factores y de la variable de política monetaria a las respuestas de cada una de las variables
observables en . Claramente, si la respuesta de una variable periodos en el futuro a un
shock de en el período t se denota como ̂ , donde ̂ podría ser un vector (para los
factores) o un escalar (para la variable de política monetaria), entonces se puede computar las
respuestas de las variables observables con
̂ ̂
En relación a la transmisión de los shocks monetarios, la literatura ha empleado restricciones de

signo como una estrategia de identificación, imponiendo restricciones que van acorde con la
9
teoría establecida a priori. De este modo, un shock de tasa de interés contractivo lleva a una
caída en el producto, a una disminución de las presiones inflacionarias, a la vez que el tipo de
cambio se aprecia, tal como se espera a partir de los modelos teóricos.12
La estrategia de identificación, se basa en la estrategia popularizada por Canova y De Nicoló

(2002), Uhlig (2005) y Gertler y Karadi (2014).13 El objetivo es estimar los shocks de modelos que
producen la respuesta esperada en las variables de EEUU a movimientos exógenos de la política
monetaria. En particular, se imponen las siguientes restricciones de signo, de acuerdo a Canova
y De Nicoló (2002), donde los precios cambian lentamente y el producto tiene una respuesta
rezagada a las innovaciones monetarias. Como en Uhlig (2005), limitamos las restricciones de
signo a los impulsos respuesta para proveer una “identificación minimalista”; imponemos
restricciones sólo en impacto, donde el horizonte para que permanezca la restricción de signo es
un período, entonces:
FFR >0, t=1
Crecimiento Producción Industrial <0, t=2
Inflación IPC <0, t=2
Crecimiento Saldos Reales <0, t=2
Donde denota el periodo en meses donde la restricción de signo es impuesta.
IV. Descripción de los Datos
En esta sección se describen los datos estadísticos utilizados en la estimación, donde toda la
información se encuentra en frecuencia mensual. Se utiliza una muestra amplia de datos, que
consiste en los principales indicadores macroeconómicos para un conjunto de economías
pequeñas y abiertas: Costa Rica (CR), El Salvador (ES), Guatemala (GT), Honduras (HN) y
República Dominicana (RD), para el periodo 2003-2014. El listado completo de las variables y
las transformaciones realizadas se muestra en el Apéndice A. Todas las variables están
expresadas en variaciones interanuales y estandarizadas por medio de la sustracción de la
media y divididas por su desviación estándar muestral.
Dividimos la muestra en tres grupos:
a. Indicadores Reales
Este grupo contiene las variables del sector real de la economía, i.e. indicadores de actividad
económica, exportaciones, importaciones, balanza comercial y remesas, todos en términos
12 Uhlig (2005) emplea un procedimiento de identificación agnóstico para estudiar el efecto de la política monetaria sobre el
producto. El autor no encuentra un efecto claro sobre incrementos de la tasa de interés sobre el PIB real.
13 Sin embargo, como enfatiza Fry y Pagan (2011), reconocemos el problema de múltiples modelos que surge de la transformación de
un nuevo conjunto de shocks estructurales.
10
reales.14 Del sector fiscal, se incorporan los ingresos y gastos fiscales totales. Al incluir este
grupo, se busca capturar la variación de las respuestas a través de los sectores y periodos para
los ciclos económicos y cómo podrían responder ante shocks de tasas de interés externas.
b. Precios y precios relativos
Este grupo consiste de los tipos de cambio reales e índices de precios al consumidor (IPC).
Finalmente, los tipos de cambio nominales, expresados en moneda local respecto al dólar,
también están incluidos.
c. Indicadores financieros y monetarios
Este grupo está compuesto de distintas medidas de tasas de interés, incluyendo la tasa de
interés nominal activa y pasiva. Además, se incluyen el crecimiento del crédito al sector privado
en términos reales, como indicador del ciclo económico. Por último, para capturar la evolución
de la oferta monetaria, se considera el agregado M1.
Para poder medir apropiadamente el impacto de las tasas de interés externas sobre estas
economías, se debe primero identificar los shocks de política monetaria en EEUU. Con este
propósito, se considera el IPC de EEUU, el Índice de Producción Industrial (IPI) y los saldos
reales (M1), los cuales son el conjunto de variables típico utilizado para analizar el impacto de
shocks monetarios en Estados Unidos (Sims, 1992). En relación al instrumento de política
monetaria en EEUU, la FFR ha permanecido sin cambios en los últimos siete años. No obstante,
la FED ha empleado instrumentos no convencionales, como el relajamiento cuantitativo (QE,
por sus siglas en inglés), lo cual ha conllevado una política monetaria más expansiva de lo que
puede ser observado por medio de la FFR. Para poder abordar este problema, se considera la
Tasa de Interés de Fondos Federales Sombra Wu-Xia (Wu y Xia, 2014) como medida de
instrumento de política monetaria en EEUU.
Además, consideramos el Índice de Volatilidad (VIX), como medida de premio por riesgo a
nivel regional.
V. Resultados
En esta sección se discuten la respuesta de las variables domésticas a una innovación en la tasa
de interés externa, medida por un incremento no esperado de 25 puntos básicos en la FFR
sombra, nuestra proxy de tasa de política monetaria en EEUU. El FAVAR utilizado contiene las
variables exógenas EEUU, descritas en la estrategia empírica, así como cuatro factores que
resumen el estado de la economía centroamericana; dicho VAR es de orden 5. La Tabla 2
resume las respuestas cualitativas de las variables macroeconómicas para cada país. Los
14 Utilizamos un Indicador Mensual de Actividad Económica, IMAE.
11
resultados completos en términos de funciones de impulso respuesta se muestran en el

Apéndice B.15
Tabla 2. Resumen de Resultados

Costa El República
Variables Guatemala Honduras
Rica Salvador Dominicana
Producto ↓ ↓ ↓ ↓ ↓
Exportaciones ↓ ↓ ↓ ↓ ↓
Importaciones ↓ ↓ ↓ ↓ ↓
Balanza Comercial ↑ - ↑ ↑ ↑
Remesas ↓ ↓ - ↓ ↓
Inflación IPC ↓ - - ↓ ↑
Tipo de Cambio Real - - - - -
Tipo de Cambio Nominal - - - -
Reservas Internacionales Netas ↓ - ↑ ↓ ↓
M1 ↓ ↓ - ↓ ↓
Crédito al Sector Privado en MN ↓ - - ↓ ↓
Tasa de interés ↑ - ↑ ↑ ↑
EMBI ↑ ↑
Fuente: Estimación de los autores. ↑ (↓) representa un aumento (disminución) estadísticamente significativo .
De acuerdo a las funciones de impulso respuesta estimadas, un shock positivo sobre la FFR
sombra tiene un impacto negativo sobre las principales variables reales domésticas. Para todos
los países bajo análisis, el crecimiento del producto, las exportaciones e importaciones caen. En
adición, las variables del sector financiero como las tasas de interés y las primas por riesgo
incrementan, mientras que el dinero y la demanda de crédito se reduce. No hay evidencia de un
ajuste significativo sobre el tipo de cambio nominal y real producto del shock. En tanto, se
encuentra una disminución de las reservas internacionales para tres de estas economías.
La literatura empírica sobre los mecanismos de transmisión de los shocks de política monetaria
en EEUU (ver Canova, 2000) enfatiza el rol del régimen del tipo de cambio y el grado de
integración financiera sobre la magnitud del traspaso de estos shocks hacia las variables
macroeconómicas domésticas (reales y nominales). Por ende, países con regímenes cambiarios
flexibles (menos flexibles) y con mercados financieros con niveles relativos de integración altos
(bajos) muestran menor (mayor) volatilidad en las variables domésticas como producto y tasas
de interés.
A pesar de que los resultados de los impulsos respuesta sugieren presiones hacia la
depreciación luego de un shock de tasa de interés externo en CR, GT y HN, éstos no son
estadísticamente significativos. Por el contrario, los datos sugieren que los bancos centrales
15En el Apéndice B, incluimos las funciones de impulso respuesta asumiendo una estrategia de identificación recursiva utilizando
una descomposición de Cholesky. Los problemas de identificación de shocks monetarios ocurren cuando este enfoque es utilizado.
12
reaccionan al shock externo incrementando las tasas de interés en todos los países y reduciendo
las reservas internacionales en CR, HN y RD. Las primas por riesgo aumentan en ES y RD.16 Del
mismo modo, no se observan presiones inflacionarias debido a la reacción de tasas de interés y,
por ende, al efecto limitado del traspaso del tipo de cambio.
Por el lado real, los resultados muestran un efecto negativo sobre el crecimiento del producto.
De manera similar, el crecimiento de las exportaciones e importaciones caen en todos los países.
Estos resultados se encuentran en línea con los de Jannsen y Klein (2011), quienes enfatizan la
importancia del efecto ingreso (“income-absorption”) sobre el efecto sustitución (“expenditure-
switching”) en los países con política cambiaria activa orientada a la estabilización de dicha
variable. No obstante, la caída en el crecimiento de las importaciones excede la de las
exportaciones. Como resultado, la balanza comercial mejora en la mayoría de los países
considerados, excluyendo a ES. Este hallazgo es contrario a las predicciones de la literatura
teórica de los DSGE para la economía abierta, como en Gali y Monacelli (2005), donde una
depreciación real inducida por un shock de tasas de interés externo produce un incremento en
las exportaciones. Detrás de este mecanismo de transmisión teórico se encuentra el supuesto de
flexibilidad relativa en los mercados cambiarios.
Finalmente, el flujo de remesas es afectado negativamente para todos los países (excluyendo
GT, donde la respuesta es negativa, pero no significativa). Las remesas son una fuente
importante de ingreso no laboral en países como ES, HN y, en menor medida, en la RD. Por
ende, representa un canal de transmisión relevante para el traspaso de shocks externos.
VI. Conclusión
En este documento se analiza el impacto de una eventual normalización de la política monetaria

en EEUU para las economías en desarrollo de América Central y la República Dominicana.
Como mencionamos, esas economías se diferencian de otras economías emergentes por su bajo
nivel de profundización financiera y menor exposición a los flujos de capitales.
Utilizando un conjunto de variables macroeconómicas, que incluye indicadores del sector real y
monetario, se identifica el mecanismo de transmisión de shock de política monetaria externo
(EEUU) hacia la economía doméstica (CARD). El análisis de las funciones de impulso respuesta
sugiere que este tipo de shocks presiona a la baja el crecimiento del producto, las exportaciones
e importaciones. Adicionalmente, el shock de política monetaria en EEUU tendría un bajo
impacto sobre los tipos de cambio nominales, al costo de un alza en las tasas de interés,
disminución de las reservas internacionales netas y aumentos en la prima por riesgo.
Referencias
Arora, V., y Cerisola, M. (2001). How Does U.S. Monetary Policy Influence Sovereign Spreads in
Emerging Markets? Palgrave Macmillan Journals, 48(3), pp. 474-498.
16 Información para el periodo bajo análisis sólo se encuentra disponible para estos dos países.
13
Bauer, M. D., y Neely, C. J. (2013). International Channels of the Fed's Unconventional Monetary Policy.
Working Paper Series 2012-12, Federal Reserve Bank of San Francisco.
Bernanke, B. S., Boivin, J., y Eliasz, P. (2004). Measuring the Effects of Monetary Policy: a Factor-
Augmented Vector Autoregressive (FAVAR) Approach. Working Paper 10220, National Bureau of
Economic Research.
Borda, P., Manioc, O., y Montauban, J. G. (2000). The Contribution of US Shocks to Caribbean Business
Cycles. Social and Economic Studies, 49(2/3), pp. 225-250.
Bowman, D., Londono, J. M., y Sapriza, H. (2014). U.S. Unconventional Monetary Policy and
Transmission to Emerging Market Economies. International Finance Discussion Papers 1109, Board of
Governors of the Federal Reserve System.
Canova, F. (2005). The Transmission of US Shocks to Latin America. Journal of Applied Econometrics,
20(2), pp. 229-251.
Canova, F., y De Nicoló, G. (2002). On the source of cyclical fluctuations in the G-7. Journal of
International, 77-100.
Chen, J., Mancini-Griffoli, T., y Sahay, R. (2014). Spillovers from United States Monetary Policy on
Emerging Markets: Different This Time? Working Paper 2014 240, International Monetary Fund.
Clarida, R., y Gali, M. (1994). Sources of Real Exchange Rate Fluctuations: How Important are Nominal
Shocks. Carnegie-Rochester Series on Public Policy, 41, pp. 1-56.
Craine, R., y Martin, V. L. (2008). International Monetary Policy Surprise Spillovers. University of
California, Berkley.
Cushman, D. O., y Zha, T. (1997). Identifying Monetary Policy in a Small Open Economy under Flexible
Exchange Rates. Journal of Monetary Economics, 39, pp. 433-448.
Ehrmann, M., y Fratzscher, M. (2006). Global Financial Transmission of Monetary Policy Shocks. Working
Paper Series 616, European Central Bank.
Eichenbaum, M., y Evans, C. L. (1995). Some Empirical Evidence on the Effects of Shocks to Monetary
Policy on Exchange Rates. The Quarterly Journal of Economics, 110(4), pp. 975-1009.
Fry, R., y Pagan, A. (2011). Sign Restrictions in Structural VectorAutoregressions: A Critical Review.
Journal of Economic Literature, 49(4), 938–960.
G, Gertler, M., y Karadi, P. (2014). Monetary Policy Surprises, Credit Costs and Economic Activity.
National Bureau of Economic Research.
Galí, J., y Monacelli, T. (2005). Monetary Policy and Exchange Rate Volatility in a Small Open Economy.
Review of Economic Studies, 72, 707-734.
Grilli, V., y Roubini, N. (1995). Liquidity and exchanges rates: puzzling evidence from G-7 countries.
Working Paper, Yale University.
14
Hausman, J., y Wongswan, J. (2006). Global Asset Prices and FOMC Announcements. International
Finance Discussion Papers 886, Board of Governors of the Federal Reserve System.
Inter-American Development Bank. (2014). Global Recovery and Monetary Normalization: Escaping a
Chronicle Foretold?
International Monetary Fund. (2014). Regional Economic Outlook Western Hemisphere: Rising
Challenges.
Jannsen, N., y Klein, M. (2011). The International Transmission of Euro Area Monetary Policy Shocks. The
Kiel Institute for the World Economy. Working Paper No. 1718
Kawai, M. (2015). International Spillovers of Monetary Policy: US Federal Reserve’s Quantitative Easing
and Bank of Japan’s Quantitative and Qualitative Easing. Asian Development Bank Institute.
Kim, S. (2001). International Transmission of U.S. Monetary Policy Shocks: Evidence from VAR's. Journal
of Monetary Economics, 48, pp. 339-372.
Kim, S., y Roubini, N. (2000). Exchange Rate Anomalies in the Industrial Countries: A solution with a
structural VAR approach. Journal of Monetary Economics, 45, pp. 561-586.
Lastrapes, W. (1992). Sources of Fluctuations in Real and Nominal Exchange Rates. Review of Economics
and Statistics, 74, pp.530-539.
Mackowiak, B. (2007). External Shocks, US Monetary Policy and Macroeconomic Fluctuations in

Emerging Markets. Journal of Monetary Economics, 54(8), pp. 2512-2520.
Mumtaz, H., y Surico, P. (2008). The Transmission of International Shocks: A Factor Augmented VAR
Approach. Domestic Prices in an Integrated World Economy. Washington, D.C.: Federal Reserve Board.
Obstfeld, M., y Rogoff, K. (1995). Exchange Rate Dynamics Redux. Journal of Political Economy, 103,
pp.624-660.
Obstfeld, M., y Rogoff, K. (1996). Foundations of International Macroeconomics. Cambridge,MA: MIT

Press.
Stock, J., y Watson, M. W. (2002). Macroeconomic Forecasting using Diffusion Indexes. Journal of
Business and Economic Statistics, 20(2), pp. 147-162.
Svensson, L., y Van Wijnbergen, S. (1989). Excess Capacity, Monopolistic Competition and International
Transmission of Monetary Disturbances. Economic Journal, 99, pp. 785-805.
Uhlig, H. (2005). What are the effects of monetary policy on output? Results from an agnostic
identification procedure. Journal of Monetary Economics , 52, 381–419.
Vespignani, J. L. (2015). International Transmission of Monetary Shocks to the Euro Area: Evidence from
the U.S., Japan and China. Economic Modelling, 44, pp. 131-141.
Zuniga, M. C. (2011). International Monetary Transmission, A Factor-Augmented Vector Autoregressive

(FAVAR) Approach: The Cases of Mexico and Brazil. Business and Economics Journal, 2.
15
Apéndice A – Descripción de los Datos
Todas las series fueron tomadas directamente de la base de datos del Consejo Monetario
Centroamericano/Secretaría Ejecutiva, con excepción del grupo Otros (fuentes al final del
apéndice). El formato es presentado de la siguiente manera: nombre de la variable, muestra y
descripción de la variable como se encuentra en la base de datos. Las variables nominales, con
excepción de las reservas internacionales netas y las tasas de interés, fueron deflactadas por el
IPC. En relación a la transformación, las tasas de interés son presentadas en diferencias
absolutas interanuales. El resto presenta una diferencia logarítmica anualizada. Todas las
variables transformadas fueron estandarizadas tras eliminar su media y se expresan en
términos de su desviación estándar.
Sector Real
INDICADOR MENSUAL DE ACTIVIDAD ECONOMICA(IMAE):TENDENCIA

1. IMAE_CR 2003M01: 2014M12 CICLO, INDICE - COSTA RICA
2.IMAE_SV 2003M01: 2014M12 CICLO, INDICE - EL SALVADOR
3.IMAE_G 2003M01: 2014M12 CICLO, INDICE - GUATEMALA
4.IMAE_H 2003M01: 2014M12 CICLO, INDICE - HONDURAS
5.IMAE_RD 2003M01: 2014M12 CICLO, INDICE - RD
6.EXPORTS_CR 2003M01: 2014M12 EXPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - COSTA RICA
7.EXPORTS_SV 2003M01: 2014M12 EXPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - EL SALVADOR
8.EXPORTS_G 2003M01: 2014M12 EXPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - GUATEMALA
9.EXPORTS_H 2003M01: 2014M12 EXPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - HONDURAS
10.EXPORTS_RD 2003M01: 2014M12 EXPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - RD
11.IMPORTS_CR 2003M01: 2014M12 IMPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - COSTA RICA
12.IMPORTS_SV 2003M01: 2014M12 IMPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - EL SALVADOR
13.IMPORTS_G 2003M01: 2014M12 IMPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - GUATEMALA
14.IMPORTS_H 2003M01: 2014M12 IMPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - HONDURAS
15.IMPORTS_RD 2003M01: 2014M12 IMPORTACIONES DE BIENES: MILLONES DE $US, TOTAL FOB - RD
16.REMESAS_CR 2003M01: 2014M12 INGRESO POR REMESAS: MILLONES DE $US- COSTA RICA
17.REMESAS_SV 2003M01: 2014M12 INGRESO POR REMESAS: MILLONES DE $US- EL SALVADOR
18.REMESAS_G 2003M01: 2014M12 INGRESO POR REMESAS: MILLONES DE $US- GUATEMALA
19.REMESAS_H 2003M01: 2014M12 INGRESO POR REMESAS: MILLONES DE $US- HONDURAS
20.REMESAS_RD 2003M01: 2014M12 INGRESO POR REMESAS: MILLONES DE $US- RD
Tipo de Cambio
21.TCR_CR 2003M01: 2014M12 TIPO DE CAMBIO REAL- COSTA RICA

22.TCR_SV 2003M01: 2014M12 TIPO DE CAMBIO REAL- EL SALVADOR
23.TCR_G 2003M01: 2014M12 TIPO DE CAMBIO REAL - GUATEMALA
24.TCR_H 2003M01: 2014M12 TIPO DE CAMBIO REAL- HONDURAS
25.TCR_RD 2003M01: 2014M12 TIPO DE CAMBIO REAL- RD
26.TCN_CR 2003M01: 2014M12 TIPO DE CAMBIO NOMINAL: MONEDA LOCAL POR $US- COSTA RICA
27.TCN_SV 2003M01: 2014M12 TIPO DE CAMBIO NOMINAL: MONEDA LOCAL POR $US- EL SALVADOR
28.TCN_G 2003M01: 2014M12 TIPO DE CAMBIO NOMINAL: MONEDA LOCAL POR $US - GUATEMALA
29.TCN_H 2003M01: 2014M12 TIPO DE CAMBIO NOMINAL: MONEDA LOCAL POR $US- HONDURAS
30.TCN_RD 2003M01: 2014M12 TIPO DE CAMBIO NOMINAL: MONEDA LOCAL POR $US- RD
Base Monetaria y Agregados
BASE MONETARIA RESTRINGIDA: MILLONES DE MONEDA LOCAL- COSTA

31.BMR_CR 2003M01: 2014M12 RICA
BASE MONETARIA RESTRINGIDA: MILLONES DE MONEDA LOCAL- EL
32.BMR_SV 2003M01: 2014M12 SALVADOR
BASE MONETARIA RESTRINGIDA: MILLONES DE MONEDA LOCAL -
33.BMR_G 2003M01: 2014M12 GUATEMALA
16
BASE MONETARIA RESTRINGIDA: MILLONES DE MONEDA LOCAL-

34.BMR_H 2003M01: 2014M12 HONDURAS
35.BMR_RD 2003M01: 2014M12 BASE MONETARIA RESTRINGIDA: MILLONES DE MONEDA LOCAL- RD
36.M1_CR 2003M01: 2014M12 AGREGADO MONETARIO M1: MILLONES DE MONEDA LOCAL- COSTA RICA
37.M1_SV 2003M01: 2014M12 AGREGADO MONETARIO M1: MILLONES DE MONEDA LOCAL- EL SALVADOR
38.M1_G 2003M01: 2014M12 AGREGADO MONETARIO M1: MILLONES DE MONEDA LOCAL - GUATEMALA
39.M1_H 2003M01: 2014M12 AGREGADO MONETARIO M1: MILLONES DE MONEDA LOCAL- HONDURAS
40.M1_RD 2003M01: 2014M12 AGREGADO MONETARIO M1: MILLONES DE MONEDA LOCAL- RD
41.RIN_CR 2003M01: 2014M12 RESERVAS INTERNACIONALES NETAS: MILLONES DE $US- COSTA RICA
42.RIN_SV 2003M01: 2014M12 RESERVAS INTERNACIONALES NETAS: MILLONES DE $US- EL SALVADOR
43.RIN_G 2003M01: 2014M12 RESERVAS INTERNACIONALES NETAS: MILLONES DE $US - GUATEMALA
44.RIN_H 2003M01: 2014M12 RESERVAS INTERNACIONALES NETAS: MILLONES DE $US- HONDURAS
45.RIN_RD 2003M01: 2014M12 RESERVAS INTERNACIONALES NETAS: MILLONES DE $US- RD
46.CREDITOPRIV_CR 2003M01: 2014M12 CRÉDITO AL SECTOR PRIVADO, EN MONEDA NACIONAL- COSTA RICA
47.CREDITOPRIV_SV 2003M01: 2014M12 CRÉDITO AL SECTOR PRIVADO, EN MONEDA NACIONAL- EL SALVADOR
48.CREDITOPRIV_G 2003M01: 2014M12 CRÉDITO AL SECTOR PRIVADO, EN MONEDA NACIONAL - GUATEMALA
49.CREDITOPRIV_H 2003M01: 2014M12 CRÉDITO AL SECTOR PRIVADO, EN MONEDA NACIONAL- HONDURAS
50.CREDITOPRIV_RD 2003M01: 2014M12 CRÉDITO AL SECTOR PRIVADO, EN MONEDA NACIONAL- RD
Tasas de Interés
51.TASA_ACTIVA_CR 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, ACTIVA (ANUAL)- COSTA RICA
52.TASA_ACTIVA_SV 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, ACTIVA (ANUAL)- EL SALVADOR
53.TASA_ACTIVA_G 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, ACTIVA (ANUAL) - GUATEMALA
54.TASA_ACTIVA_H 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, ACTIVA (ANUAL)- HONDURAS
55.TASA_ACTIVA_RD 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, ACTIVA (ANUAL)- RD
56.TASA_PASIVA_CR 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, PASIVA (ANUAL)- COSTA RICA
57.TASA_PASIVA_SV 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, PASIVA (ANUAL)- EL SALVADOR
58.TASA_PASIVA_G 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, PASIVA (ANUAL) - GUATEMALA
59.TASA_PASIVA_H 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, PASIVA (ANUAL)- HONDURAS
60.TASA_PASIVA_RD 2003M01: 2014M12 TASA DE INTERÉS NOMINAL, PASIVA (ANUAL)- RD
Balance Fiscal
INGRESOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL- COSTA

61.ING_FISCALES_CR 2003M01: 2014M12 RICA
INGRESOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL- EL
62.ING_FISCALES_SV 2003M01: 2014M12 SALVADOR
INGRESOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL -
63.ING_FISCALES_G 2003M01: 2014M12 GUATEMALA
INGRESOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL-
64.ING_FISCALES_H 2003M01: 2014M12 HONDURAS
65.ING_FISCALES_RD 2003M01: 2014M12 INGRESOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL- RD
GASTOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL- COSTA
66.GASTOS_FISCALES_CR 2003M01: 2014M12 RICA
GASTOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL- EL
67.GASTOS_FISCALES_SV 2003M01: 2014M12 SALVADOR
GASTOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL -
68.GASTOS_FISCALES_G 2003M01: 2014M12 GUATEMALA
GASTOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL-
69.GASTOS_FISCALES_H 2003M01: 2014M12 HONDURAS
70.GASTOS_FISCALES_RD 2003M01: 2014M12 GASTOS DEL GOBIERNO: TOTAL, MILLONES DE MONEDA LOCAL- RD
Otros
71.EMBI_SV* 2009M01: 2014M12 EMERGING MARKET BOND INDEX (JP MORGAN CHASE)- EL SALVADOR
72.EMBI_RD* 2009M01: 2014M12 EMERGING MARKET BOND INDEX (JP MORGAN CHASE)- RD
INDICE DE PRECIO AL CONSUMIDOR PARA TODOS LOS CONSUMIDORES
73.US_CPI_SA** 1980M01: 2014M12 URBANOS: TODOS LOS PRODUCTOS - EEUU
74.FFR*** 1980M01: 2014M12 TASA DE FONDOS FEDERALES EFECTIVA (SIN AJUSTE ESTACIONAL)- EEUU
75.US_IP_SA*** 1980M01: 2014M12 INDICE DE PRODUCCION INDUSTRIAL(2007=100) - EEUU
AGREGADO MONETARIO M1, EN MILES DE MILLONES DE $US (CON AJUSTE
76.US_M1*** 1980M01: 2014M12
ESTACIONAL)- EEUU
77.SHADOW_FFR** 2009M01: 2014M12 TASA DE FONDOS FEDERALES SOMBRA (WU-XIA)-EEUU

78. VIX*** 2003M01: 2014M12 VOLATILITY INDEX, VIX-EEUU
Fuentes: * JP Morgan Chase; **Bureau of Labor Statistics; *** FRED
17
Apéndice B – Figuras de las Funciones de Impulso-Respuesta
1.a FAVAR con Restricciones de Signo
CR ES GT HN DR
.02 .02 .02 .04
.00 .02 .00 .00
-.02 -.02 .00
-.02 -.02
Output -.04 -.04 -.04 -.04
Producto -.06 -.06 -.06 -.06
-.08
-.08 -.08
-.08 -.10 -.10
-.10 -.12
-.10 -.12 -.12
-.12 -.14 -.14 -.14 -.16
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.02 .08
.00 .04 .01 .02
.04
Exports
Exports -.02 .00 -.01 -.02
.00
-.04 -.04 -.03 -.06 -.04
-.06
-.08 -.08 -.05 -.10 -.08
-.10 -.12 -.07 -.14 -.12
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.02 .04 .04 .04 .050

.00 .02 .02 .025
.00 .000
Imports
Imports
-.02 .00 .00
-.04 -.025
-.04 -.02 -.02
-.050
-.06 -.04 -.04 -.08 -.075
-.08 -.06 -.06 -.100
-.12
-.10 -.08 -.08 -.125
-.12 -.10 -.10 -.16 -.150
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.020 .05 .04 .06

.016 .05 .04 .05
.03 .04
.03
Exports
XN .012 .03
.02 .02 .03
.008 .02
Netas .01 .01 .01 .01
.004 .00
-.01 .00 .00
.000 -.01 -.01
-.004 -.03 -.02 -.01 -.02
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.01 .02 .02 .02 .01

.00 .01 .01 .00 .00
.00
Remittances-.01 -.01 .00 -.02 -.01
Remesas -.02 -.02 -.01 -.04 -.02
-.03 -.03 -.02 -.06 -.03
-.04
-.04 -.05 -.03 -.08 -.04
-.05 -.06 -.04 -.10 -.05
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.02 .08 .10 .12

.01 .04 .05 .10
.00 .08
CPI -.01 .00 .00 .06
IPC -.02 -.04 -.05
.04
.00 .02
-.03 -.08 -.10
-.04 -.04 -.02
-.05 -.12 -.15
-.06 -.16 -.20 -.08 -.06
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.10 .100 .20 .04 .08

.08 .075 .15 .02 .06
.06 .050 .04
RER .10 .00
TCR .04
.02
.025
.000 .05 -.02
.02
.00
.00 -.025 .00 -.04 -.02
-.02 -.050 -.04
-.04 -.075 -.05 -.06 -.06
-.06 -.100 -.10 -.08 -.08
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
* Todos los resultados están expresados en términos de un shock de 25 puntos básicos a la FFR sombra Wu-Xia.
18
CR ES GT HN DR
.150 .20 .08 .03
.125 .16 .06 .02
.100 .04 .01
TCN
NER .075 .12
.02 .00
.050 .08 -.01
.025 .00 -.02
.04 -.02
.000 -.03
-.025 .00 -.04 -.04
-.050 -.04 -.06 -.05
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.02 .04 .030 .02 .04

.03 .025 .00 .02
.00 .02 .020 .00
RIN
NIR -.02 .01 .015 -.02
-.02
.00 .010 -.04
-.04 -.01 .005 -.04
-.06 -.06
-.06 -.02 .000
-.03 -.005 -.08 -.08
-.08 -.04 -.010 -.10 -.10
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.02 .04 .08 .02 .04

.00 .02 .04 .00 .00
-.02
M1
M1 -.04
.00 .00 -.02
-.04
-.02 -.04 -.04
-.06 -.08
-.08 -.04 -.08 -.06
-.06 -.12 -.08 -.12
-.10
-.12 -.08 -.16 -.10 -.16
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.04 .06 .04 .02 .04

.02 .04 .03 .00 .02
.02
Crédito
Credit .00
.00
.02 -.02 .00
-.02 .01 -.04 -.02
-.02
-.04 -.04 .00 -.06 -.04
-.06 -.06 -.01 -.08 -.06
-.08 -.08 -.02 -.10 -.08
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.10 .16 .06 .10 .12

.08 .12 .08 .10
.04
Tasa de .08
Interest Rate.06 .08
.02
.06 .06
Interés .04 .04 .04 .04
.00 .02
.02 .00 .02
-.02 .00
.00 -.04 .00 -.02
-.02 -.08 -.04 -.02 -.04
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.12
.10 .16
.08 .12
EMBI
EMBI .06
.08
.04
.02 .04
.00 .00
-.02
5 10 15 20 -.04
5 10 15 20
19
Figura 1.b Descomposición de Cholesky
CR ES GT HN DR
.01 .02 .05 .016 .05
.00 .00 .00 .00
-.02 -.05 .012
-.01 -.05
Output -.02 -.04 -.10 .008
Producto -.03
-.06 -.15 -.10
-.08 -.20 .004
-.04 -.15
-.10 -.25 .000
-.05 -.12 -.30 -.20
-.06 -.14 -.35 -.004 -.25
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.10 .25 .20 .10 .4

.08 .20 .16 .08 .3
Exports
Exports .06 .15 .12 .06
.2
.04 .10 .08 .04
.1
.02 .05 .04 .02
.00 .00 .00 .00 .0
-.02 -.05 -.04 -.02 -.1
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.16 .24 .30 .07 .01

.20 .25 .06 .00
.12
Imports
Imports
.16 .20 .05
.04 -.01
.08 .12 .15
.03 -.02
.04 .08 .10 .02
.04 .05 -.03
.00 .01
.00 .00 .00 -.04
-.04 -.04 -.05 -.01 -.05
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.01 .01 .030 .35

.00 .028 .00 .025 .30
.25
Exports
XN -.01 .020 -.01 .020
.20
.015
Netas -.02 .012 -.02
.010
.15
.10
-.03 -.03 .005
.004 .05
-.04 -.04 .000 .00
-.05 -.004 -.05 -.005 -.05
5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20 5 10 15 20
.05 .04 .25 .04 .1

.00 .00 .20 .00 .0
Remittances-.05 -.04 .15 -.04 -.1
Remesas -.10 -.08 .10 -.08 -.2
-.15 -.12 .05 -.12 -.3
-.20 -.16 .00 -.16 -.4
-.25 -.20 -.05 -.20 -.5
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.05 .05 .04 .02 .5

.00 .00 .00 .00 .4
-.05 -.05 -.04 -.02 .3
CPI
IPC -.10 -.04
-.10 -.08 .2
-.15 -.06
-.20 -.15 -.12 -.08 .1
-.25 -.20 -.16 -.10 .0
-.30 -.25 -.20 -.12 -.1
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.02 .28 .05 .28 .25

.00 .24 .04 .24 .20
.20 .20
-.02 .03 .15
TCR
RER .16 .16
-.04 .12 .02 .12 .10
-.06 .08 .01 .08 .05
.04 .04
-.08 .00 .00 .00 .00
-.10 -.04 -.01 -.04 -.05
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
20
CR ES GT HN DR
.04 .01 .30 .4
.00 .00 .25
-.01 .3
-.04 .20
TCN
NER -.08 -.02 .15 .2
-.03
-.12 -.04 .10 .1
-.16 -.05 .05
-.20 .00 .0
-.06
-.24 -.07 -.05 -.1
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.05 .04 .25 .04 .1

.00 .00 .20 .00 .0
RIN
NIR -.05 -.04 .15 -.04 -.1
-.10 -.08 .10 -.08 -.2
-.15 -.12 .05 -.12 -.3
-.20 -.16 .00 -.16 -.4
-.25 -.20 -.05 -.20 -.5
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.05 .06 .02 .04 .02

.00 .05 .00 .00
-.02 .00
-.05 .04 -.02
M1
M1 -.10 .03 -.04 -.04 -.04
-.06
-.15 .02 -.08 -.08 -.06
-.20 .01 -.10 -.08
-.25 .00 -.12 -.10
-.12
-.30 -.01 -.14 -.16 -.12
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.1 .1 .04 .1 .05
.0 .0 .00
-.1 .0 .00
-.1
Crédito
Credit -.2 -.1 -.04 -.2
-.05
-.3 -.10
-.4 -.2 -.08 -.3
-.4 -.15
-.5 -.3 -.12
-.6 -.5 -.20
-.7 -.4 -.16 -.6 -.25
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.002 .1 .1 .04 .30

.000 .0 .0 .00 .25
Tasa de -.002 -.1
-.1 -.04 .20
Interest Rate
-.004 -.2 .15
Interés -.006 -.3 -.2 -.08
.10
-.008 -.4 -.3 -.12
-.010 -.5 .05
-.012 -.6 -.4 -.16 .00
-.014 -.7 -.5 -.20 -.05
10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40 10 20 30 40
.28 .20
.24
.16
.20
.12
EMBI
EMBI .16
.12 .08
.08
.04
.04
.00 .00
-.04 -.04
10 20 30 40 10 20 30 40
21
Un Acercamiento a la Estabilidad Financiera en la República

Dominicana: Modelo Telaraña
Por: Marco Martínez y Marcos Noyola1
I. Introducción
Antes de estallar la crisis financiera internacional de 2008, la opinión común era que las
herramientas microprudenciales, así como la regulación y supervisión de las instituciones de
manera individual, podían mantener un entorno equilibrado en el sistema financiero. Sin
embargo, todas las dificultades mostraron que velar por el cumplimiento a nivel particular no
garantiza que el sistema en su conjunto sea estable.
Es decisivo que las autoridades monetarias realicen sus propuestas de política tomando en
cuenta que la política macroprudencial es un complemento de la política monetaria para
asegurar la estabilidad financiera simultáneamente con la estabilidad de precios.
El análisis de la estabilidad financiera pretende evaluar de manera sistémica los componentes

del mercado financiero, con el fin de identificar fuentes de riesgo y vulnerabilidades, sean estas
por causas endógenas o exógenas a las instituciones. Más allá, la estabilidad se ha convertido, a
la luz de la crisis financiera mundial, en un objetivo explícito para los bancos centrales y otros
organismos superiores del sistema financiero (SF), por lo que los esfuerzos de estimar la
vulnerabilidad de los mercados se ha hecho indispensable.
En la República Dominicana, la estabilidad financiera ha sido abordada por medio de la

estimación de un índice de estabilidad bancaria desarrollado por Delgado y García (2013). Este
indicador fue obtenido por medio del método de componentes principales, utilizando los
Indicadores de Solidez Financiera sugeridos por el Fondo Monetario Internacional (FMI) para el
análisis de la fortaleza bancaria.
Por lo general, la noción de estabilidad financiera es a menudo discutida en términos del riesgo
sistémico. Sin embargo, no existe un consenso sobre la definición de este fenómeno. Partiendo
del trabajo de Allen y Wood (2005), la estabilidad financiera debe estar relacionada con un
entorno propicio para el bienestar de los agentes. Además, debe ser un estado observable con el
propósito de que los responsables de mantener la estabilidad puedan medir los resultados de
sus políticas. Por último, debe estar sujeta al control de las autoridades públicas; de lo contrario,
sería inútil formalizarlo como un objetivo de política pública.
Sobre lo anterior, se abordará la estabilidad financiera de manera que el riesgo sistémico sea
capturado en un conjunto de factores contenidos en cinco dimensiones diferentes, tomando en
1Departamento de Programación Regulación y Estabilidad Financiera, Sub-Dirección de Análisis de Estabilidad Financiera. Para
preguntas y comentarios escribir a [email protected] o [email protected].
Los autores agradecen la asistencia y colaboración de Carlos Delgado.
22
cuenta un entorno institucional y un entorno agregado. Estas dimensiones se presentan de una

manera gráfica en un diagrama de estilo telaraña, como una herramienta para representar las
condiciones que afectan la estabilidad y fijar un eje para contrastar dichas vulnerabilidades.
El resto del documento se estructura como sigue. La segunda sección describe la experiencia de
otros países modelando un diagrama de telaraña para capturar el grado de estabilidad en su SF.
Una tercera sección detalla el diseño del Modelo de Telaraña (MT) para el sistema financiero
dominicano, donde además se describe la construcción de cada dimensión del diagrama para
capturar las mayores fuentes de riesgo. Mientras que la cuarta sección resume el rendimiento
del modelo durante el periodo de análisis. Y una quinta y última sección delinea las
conclusiones y recomendaciones abordadas sobre el análisis.
II. Modelo Telaraña: Experiencia de Otros Países
El Fondo Monetario Internacional (2007) introdujo el Mapa de Estabilidad Financiera Global

como una herramienta para representar de manera gráfica, a través de un MT, los riesgos que
afectan la estabilidad financiera. El MT pretende evaluar los riesgos derivados de la economía
real, el mercado de crédito, la liquidez y el apalancamiento. Sin embargo, el mismo puede
ampliarse al marco circunstancial específico de cada economía, de manera que nuevas fuentes
de riesgo puedan ser introducidas al análisis.
El MT busca evaluar los riesgos generales de la estabilidad financiera generalmente derivados

de los mercados de crédito, la economía real, la liquidez y el apalancamiento. El propósito de
este tipo de diagramas es condensar las diversas exposiciones de riesgo de los sistemas
financieros, de forma tal que se distinga las vulnerabilidades en varias dimensiones.
Muchas economías han utilizado este tipo de modelos para representar las diversas fuentes de
riesgo que afectan sus mercados con miras a minimizar las dificultades conceptuales de la
estabilidad financiera y facilitar la medición del riesgo sistémico. El Banco de Jamaica (2010)
utilizó un MT para formarse un panorama más amplio sobre el entorno financiero de su
economía con el propósito de indicar posibles riesgos para la estabilidad del sistema.
El Banco de la Reserva de Nueva Zelanda (2011) construyó también un MT para evaluar la

estabilidad financiera en un solo diagrama, permitiendo una mejor comunicación de los
principales riesgos a los cuales se enfrenta su SF. Los resultados de su modelo se muestran en
cinco dimensiones construidas utilizando una amplia gama de indicadores cuantitativos que
capturan el entorno doméstico, las condiciones del mercado financiero, el entorno internacional,
capital y rentabilidad de las instituciones, y una última dimensión de apalancamiento y
liquidez.
De igual manera, el Banco de Noruega (2011) resume las principales áreas de vigilancia para su
sistema financiero en un MT. Un prerrequisito para un entorno financiero estable es el buen
funcionamiento del sector bancario. Sobre esta base, el MT para el SF de Noruega fue
23
desarrollado con el propósito de presentar con facilidad cambios en las vulnerabilidades del
sector bancario y las fuentes de riesgo externas de este sector.
Este modelo fue construido tomando en cuenta siete dimensiones, de las cuales tres agrupan las
vulnerabilidades del sector bancario: (i) estructura del sector, (ii) fondeo del sector, y (iii) capital
y utilidades del sector; y otras cuatro agrupan las fuentes externas de riesgo para el sector: (i)
condiciones macroeconómicas, (ii) mercado de dinero y créditos, (iii) hogares, y (iv) empresas.
El Banco Central de Brasil (2012) también captura una percepción global del riesgo sistémico en
un MT. Para lo cual evalúan los factores de riesgo en base a seis dimensiones sistémicas,
tomando en cuenta factores para medir el apalancamiento, la liquidez, interconexión,
vulnerabilidad externa, solidez bancaria y el entorno económico. Con este análisis se aprecia
fácilmente cómo la importancia relativa de estos riesgos particulares ha cambiado con el
tiempo.
III. Diseño de la Telaraña
De acuerdo a los objetivos y estrategias del Banco Central de la República Dominicana (BCRD),
las autoridades monetarias y financieras tienen el compromiso de garantizar la estabilidad de
precios y la regulación eficiente del SF. Es por esto, que el diseño del MT para estimar el grado
de estabilidad financiera, toma en cuenta las principales variables que son regularmente
monitoreadas por el BCRD y la Superintendencia de Bancos (SB).
Las perturbaciones en el sector financiero limitan la capacidad de garantizar la continuidad de

la oferta de servicios financieros comprometiendo, de esta manera, la estabilidad financiera. El
modelo se desarrolló con el objetivo de capturar cambios en la vulnerabilidad del sector
bancario y posibles fuentes de riesgo provenientes del sector real de la economía.
El extremo superior del modelo considera las fuentes de riesgo inherentes al sector bancario
representadas bajo las dimensiones Rentabilidad y Solvencia, Calidad de la Cartera y Fondeo y
Liquidez. Sin embargo, el extremo inferior pretende modelar los cambios en el entorno
macroeconómico que pudieran afectar la estabilidad del sector financiero bajo las dimensiones
Sector Externo y Contorno Macroeconómico.
Las dimensiones del MT fluctúan entre el intervalo de 0 a 1; donde valores cercanos al centro
del modelo simboliza mayores niveles de estabilidad financiera y, por el contrario, alejarse del
eje del diagrama revelaría grados de inestabilidad dentro del sistema.
Una valoración positiva de la estabilidad financiera va a depender, tanto de, un sector bancario
que se muestre robusto, como también de la falta de evidencia de riesgos externos que puedan
afectar la salud de la banca.
24
IV. Metodología
El MT está conformado por cinco dimensiones que, a su vez, están compuestas por varios
indicadores. Los indicadores fueron seleccionados por su importancia en el quehacer económico
y financiero junto a que la periodicidad en la que están publicados permite la estimación de la
estabilidad financiera de manera regular.
Para poder comparar adecuadamente los indicadores de riesgo bajo cada dimensión, éstos
fueron llevados a una misma escala. Las series fueron normalizadas, media 0 y varianza 1.
Luego, con la finalidad de acotar los niveles de riesgo de cada indicador entre el intervalo [0, 1],
estas series fueron transformadas utilizando la siguiente función logit:2
De esta manera se posibilita el contraste entre indicadores y cada punto de la serie de las
variables arroja una idea de qué tan estresada se encuentra con respecto a los valores históricos
con los que se cuente.
Para agregar las variables se utilizó un promedio simple, el cual representa el nivel de estrés de
las extensiones del diagrama. Bajo este método, se torna sencilla la aplicación de ponderaciones
para cada indicador implicando diferencias en la importancia de cada factor para la estabilidad
financiera.
En algunos casos se hace necesario reflejar una mayor importancia en los factores que
intervienen en la salud del sistema financiero. En este estudio no se tomó este tipo de
consideraciones al ponderar similarmente a todas las variables.
4.1 Construcción de las Dimensiones
4.1.a Vulnerabilidades propias del Sector Bancario
Rentabilidad y Solvencia
De acuerdo a la SB, en su Guía Descriptiva de Indicadores Financieros (2006), los indicadores de

rentabilidad buscan ofrecer una idea de la capacidad que tienen las entidades para generar
utilidades con el fin de mantenerse en el mercado financiero, expandirse, reponer e incrementar
sus fondos patrimoniales. Por otro lado, los índices de suficiencia patrimonial arrojan una
buena idea de la robustez y solidez de las entidades financieras.
Rentabilidad del Activo
Este indicador de desempeño busca medir el grado de eficiencia con que las entidades
financieras utilizan sus activos. La rentabilidad del activo o ROA, por sus siglas en inglés, está
2 Para mayor detalle sobre esta función logit, ver Gujarati (2004).
25
dada por la relación de resultados del ejercicio del periodo sobre activos promedio. Cuando los
indicadores de rentabilidad muestran volatilidades altas se entiende que el sector bajo estudio
está expuesto a riesgos.
Rentabilidad del Patrimonio
La Rentabilidad del Patrimonio o ROE, por sus siglas en inglés, corresponde a la razón
resultados del ejercicio del periodo sobre patrimonio promedio de las entidades. El Fondo
Monetario Internacional (FMI) aconseja que la evaluación de este indicador se efectúe de
manera conjunta con algún indicador que explique el grado de capitalización de las entidades
con el fin de desestimar los riesgos asociados a un mayor grado de apalancamiento.
Solvencia
La suficiencia de capital determina en última instancia la capacidad, por parte de las

instituciones, de absorber choques adversos que afecten sus hojas de balance. Los coeficientes
de capital agregados y ponderados en función del riesgo, como es el caso; el cual es visto como
el cociente patrimonio técnico entre los activos ponderados por riesgos, son los indicadores de
solvencia más utilizados.
La SB exige que las entidades de intermediación muestren un patrimonio técnico equivalente o

superior al 10% de los activos ponderados por riesgo.
Apalancamiento
El apalancamiento financiero, medido como la razón activos sobre capital, se refiere a la deuda
o préstamos de fondos para financiar la compra de activos de las entidades financieras. El
apalancamiento es el uso de la deuda y este aumenta los rendimientos de los bancos,
específicamente el rendimiento sobre el capital.
Calidad de la Cartera de Créditos
La cartera de créditos representa el rubro más grande dentro de los activos de las entidades
bancarias. En los bancos dominicanos, la cartera de préstamos corresponde a la fuente principal
de generación de ingresos. Al medir la calidad del portafolio de préstamos se percibe la
capacidad de la gerencia de las entidades de reconocer y controlar el riesgo de crédito inherente
de la actividad financiera.
Índice de Morosidad
Este es un indicador tradicional que refleja la salud de la cartera de créditos por parte de las
entidades bancarias, y se mide como el cociente de la cartera vencida mayor a 30 días sobre la
cartera bruta total. Aumentos de este indicador se perciben como señal de deterioro en la
cartera de crédito.
26
Crecimiento de la Cartera Vencida
El crecimiento de la porción de la cartera de créditos que ha caído en incumplimiento de pago

representa un síntoma de pérdida de calidad e incremento del riesgo, tanto en la cartera como
en los activos. El mismo es medido como la tasa de crecimiento interanual mostrada por este
tipo de cartera.
Constitución de Provisiones sobre Cartera Bruta
En vista de que los indicadores entorno a la cartera vencida no contienen ninguna información
sobra la calidad de la cartera vigente, se construyó una proxy de cartera riesgosa medida como
la razón gasto por constitución de provisiones para cartera riesgosa sobre la cartera bruta.
Fondeo y Liquidez
Evaluar la liquidez de las entidades bancarias permite tener un entendimiento de la habilidad

del sistema financiero para afrontar sus compromisos en el corto plazo. Una crisis de liquidez
podría llevar a la insolvencia a bancos solventes, al intentar vender activos por debajo de su
precio de mercado a cambio de liquidez.
Pasivos Líquidos entre Activos Líquidos
Para la elaboración de este indicador se dividieron los depósitos de exigibilidad inmediata entre
las disponibilidades presentadas por el sistema financiero. Un aumento de las obligaciones de
corto plazo sin el respaldo de activos que pudieran hacer frente ante un posible retiro de
recursos por parte de los ahorrantes elevaría el riesgo de liquidez.
Depósitos sobre Cartera Bruta
De acuerdo con la guía de indicadores de solidez financiera del FMI, un valor históricamente
bajo de este coeficiente podría señalar una posible tensión de liquidez en el sistema bancario
que podría acarrear desconfianza por parte de los depositantes e inversionistas en la viabilidad
del sector financiero en el largo plazo.
4.1.b Vulnerabilidades externas al Sector Bancario
Contorno Macroeconómico
Las circunstancias macroeconómicas condicionan la capacidad de pago de los deudores

afectando, en última instancia, la estabilidad financiera y la percepción de riesgo de los agentes
que intervienen en el mercado.
De acuerdo a un estudio realizado por investigadores de la Asociación de Bancos Comerciales

de la República Dominicana (ABA), la intermediación financiera en este país guarda un vínculo
creciente con el incremento de la riqueza nacional mediante la creación de empleo y
contribuyendo a la productividad de la economía. El sector financiero se encarga de canalizar
27
los recursos ociosos hacia las actividades productivas contribuyendo, de esta manera, al
crecimiento de la economía a través de la expansión del crédito y la inclusión financiera.
Crecimiento Real del Producto Interno Bruto
De manera general, el crecimiento económico se mide en porcentaje de aumento del Producto

Interno Bruto (PIB) real. Éste se considera deseable y guarda relación con mayores niveles de
productividad y poder adquisitivo.
Inflación
Un aumento generalizado de los precios puede introducir distorsiones en el SF desacelerando la

demanda de servicios bancarios, disminuyendo la capacidad de pago de los deudores y
convirtiendo el ahorro en un hábito menos atractivo. El incremento de los precios es medido
por el cambio porcentual del Índice de Precios al Consumidor (IPC).
Diferencial de Tasa de Cambio
Siguiendo a Becker y Sy (2005), el margen entre el precio de venta y compra en los mercados de
divisas es importante ya que determina los costos de transacción y de cobertura de riesgos,
afecta directamente al comercio, compromete la efectividad de las políticas monetarias y, en
última instancia, los altos niveles y oscilaciones de este diferencial pueden impactar
significativamente a variables de orden micro y macroeconómicas.
Sector Externo
El comercio con el exterior incide de manera directa en la cantidad de divisas que posee una
economía. En una economía pequeña y abierta como la dominicana, la ausencia de divisas
presiona el tipo de cambio hacia el alza. El Banco Central y los Bancos Múltiples se constituyen
los principales agentes del mercado de divisas; estos últimos, facilitando el intercambio de
depósitos bancarios denominados en diferentes monedas. Las operaciones cambiarias exponen
a las entidades financieras a descalces de monedas.
Reservas Internacionales como Porcentaje del PIB
Las reservas internacionales son activos financieros en divisas con los que cuenta el BCRD para
mantener la estabilidad del poder adquisitivo de la moneda nacional mediante la compensación
de desequilibrios en la balanza de pagos. Una fuerte posición de reservas internacionales es
señal de solidez financiera.
Cuenta Corriente sobre PIB
La cuenta corriente se aproxima al componente externo del PIB, donde los saldos positivos
indicarían que los ingresos de una economía por concepto de venta al exterior de bienes son
superiores a los egresos por compra al exterior de productos. Por el comportamiento histórico
28
de esta serie, en este estudio se considera deseable computar saldos negativos para este
indicador.
V. Datos
Las métricas relacionadas a los riesgos de crédito y liquidez fueron construidas con información
de la hoja de balance de las entidades. Por otro lado, los indicadores financieros bajo la
dimensión Rentabilidad y Solvencia se obtuvieron de la SB. Las variables concernientes al
Contorno Macroeconómico y Sector Externo fueron obtenidas del BCRD.
La Tabla 1 muestra las combinaciones de variables que componen cada dimensión. El signo que
las acompaña representa la relación de estas variables con la estabilidad dentro de su propia
dimensión de riesgo; es decir, signos positivos indican que aumentos en estos indicadores
incrementan los niveles de estrés dentro de la dimensión mientras que signos negativos
denuncian lo contrario.
Tabla 1. Dimensiones del Diagrama de Telaraña
Rentabilidad y Calidad de la Fondeo y Sector

Contorno Económico
Solvencia Cartera Liquidez Externo
Crecimiento Diferencial Cuenta

Índice de Pasivos líquidos / Crecimiento
Apalancamiento ROE Cartera Tasa de Corriente/
Morosidad Activos líquidos Real del PIB
Vencida Cambio PIB
(-) (-) (+) (+) (+) (+) (-) (+)
Reservas
Gastos de provisiones / Depósitos /
Solvencia ROA Inflación Internacionales /
Cartera Bruta Cartera Bruta
PIB
(-) (-) (+) (-) (+) (-)

Fuente: Elaboración de los autores.
Todos los coeficientes y variables que conforman los distintos extremos del MT para estimar la
estabilidad financiera tienen una frecuencia trimestral desde el último trimestre del 2000 al
primer trimestre del 2015. Las informaciones propias del sector financiero corresponden al
sistema financiero dominicano, el cual está conformado por los subsectores de Banca Múltiple
(BM), Asociaciones de Ahorros y Préstamos (AAyP), Bancos de Ahorros y Créditos (BD) y las
Corporaciones de Créditos (CI).
VI. Resultados
Las cinco dimensiones se apartaron del centro del diagrama en los periodos de estrés financiero
pero, luego de disiparse las turbulencias económicas y financieras, se situaron más cerca del eje
de la telaraña indicando menores niveles de tensión.
29
Hacia finales de 2002 los indicadores construidos muestran una tendencia al alza, previo a la
crisis financiera de 2003, la cual se caracterizó por la quiebra de entidades bancarias, fuertes
procesos inflacionarios, depreciación de la moneda local e incertidumbre macroeconómica.
Estos aprietos económicos y financieros se extendieron hasta mediados del 2005.
El primer extremo en revelar signos de estrés fue el relacionado al Fondeo y Liquidez de las
entidades del SF. En diciembre de 2001, ya este indicador presentaba uno de los mayores grados
de tensión para toda la serie. En septiembre 2002, el BCRD tuvo que intervenir en el SF
otorgando facilidades de liquidez a tres entidades. En la Figura 1 se puede observar cómo para
diciembre de 2003, en comparación con los niveles mostrados en diciembre de 2002, la
dimensión de Fondeo y Liquidez había perdido importancia en términos de mantener la
estabilidad financiera.
Figura 1. Modelo Telaraña

Rentabilidad y Solvencia
1
0.8
0.6
0.4
Calidad de la Cartera Fondeo y Liquidez
0.2
Sector Externo Contorno Macroeconómico
Mediana Dic.2002 Dic.2003 Mar.04 Mar.15
Como resultado de la crisis financiera de 2003, las dimensiones de Rentabilidad y Solvencia,

Calidad de Cartera, Contorno Macroeconómico y Sector Externo muestran sus valores
históricos máximos alrededor del último trimestre de 2003 y el primer trimestre de 2004. A
diciembre 2005, los cinco aspectos de la estabilidad financiera representados en el MT se
movieron de manera paulatina hacia el centro del diagrama, dejando en evidencia un proceso
de estabilización de la economía.
Los factores de riesgos contenidos en el diagrama no siempre se mueven en la misma dirección,

lo que evidencia la capacidad del modelo de identificar los orígenes y naturaleza de las
turbulencias experimentadas por el sistema financiero. Este mismo hecho, que permite declarar
30
con sencillez la tensión de los extremos del diagrama, plantea un reto a la hora de emitir un
juicio sobre la estabilidad bajo un concepto holístico.
En vista de que el MT capturó de manera coherente la situación del sistema financiero, se

consideró prudente complementar el análisis agregando las distintas dimensiones utilizando la
técnica de componentes principales.3
Figura 2. Primer Componente

6
5
4
3
2
1
0
-1
-2
El primer componente (PC) explica la mayor parte de la variación observada del grupo de
dimensiones. Los valores por encima de cero representan episodios de inestabilidad financiera,
mientras que valores inferiores indican periodos estables.
La Figura 2 muestra la evolución de PC. De manera congruente con el MT, a finales de 2002, el
PC incrementó de manera significativa revelando periodos de inestabilidad en el sistema
financiero, para luego retornar al valor neutro a mediados de 2005. En junio de 2008, se detuvo
el proceso de estabilización y PC mostró comportamientos al alza, aunque no superó los límites
de la inestabilidad.
De igual forma, el MT y PC reflejan que, luego de superar la crisis financiera de 2003 y las
consecuencias que esta trajo consigo, el sistema financiero dominicano ha gozado de estabilidad
desde inicios de 2007 hasta el final del periodo de estudio, marzo 2015.
VII. Conclusión y Recomendaciones
El MT es un modelo que propone evaluar la estabilidad del sistema financiero mediante la

demarcación explícita de las vulnerabilidades a las que está expuesta el mercado. El propósito
3Para una explicación más detallada sobre el uso del Análisis de Componentes Principales para abordar la estabilidad
financiera ver Delgado y Garcia (2013).
31
fundamental de este tipo de modelo es presentar las fuentes de riesgo de manera particular y
que sean fácilmente interpretables.
Se construyó un diagrama tomando en cuenta cinco dimensiones que representan el entorno

macroeconómico exhibido por el sistema financiero, y un entorno que estampa las operaciones
institucionales de las entidades que conforman el mercado. De esta manera, se agrupan los
riesgos provenientes de la economía agregada y riesgos internos característicos del sector. Esta
metodología tiene la bondad de que puede modificarse a medida que las fuentes de riesgos
evolucionen dentro de la economía y permite establecer un monitoreo continuo de la
estabilidad financiera.
Los resultados muestran que las fuentes de riesgo varían a través del tiempo, concentrándose en
dimensiones diferentes para los distintos periodos. En este mismo orden, los factores de riesgo
no siempre se mueven en la misma dirección, señalando la capacidad que tiene el modelo de
identificar la naturaleza de las turbulencias que afectan al sistema.
Considerando las ventajas que muestra el modelo y la claridad de los resultados arrojados, el
MT se presta como una herramienta para establecer puntos de referencia a los debates sobre la
estabilidad financiera y así enfocar el análisis a los factores de riesgo más significativos.
Referencias
Allen, W. y Wood, G. (2005). Defining and Achieving Financial Stability. LSE Financial Markets Group,
Special papers series No. 160.
Bank of Jamaica Financial Stability Report 2010.
Becker, T. y Sy, A. (2005). Were Bid-Ask Spreads in the Foreign Exchange Market Excessive During the
Asian Crisis? IMF Working Paper No. 05/34.
Bedford, Paul y Chris Bloor (2009). A Cobweb Model of Financial Stability in New Zealand. Reserve Bank
of New Zealand Discussion Paper Series No. 11.
Dallas FED (2012). Financial Insights. Volume 1, Issue 3.
Dattels, McCaughrim, Miyajima y Puig (2010). Can You Map Global Financial Stability? IMF Working
Paper No. 10/145.
Delgado, C. y García, Y. (2013). Un Índice de Estabilidad Bancaria para la Republica Dominicana: Una
Aproximación Cuantitativa de Estabilidad Financiera.
Illing, Mark y Ying Liu (2003). An Index of Financial Stress for Canada. Bank of Canada Working Paper
No. 14.
International Monetary Fund, (2006). Financial Soundness Indicators: Compilation Guide.Washington,

D.C.: IMF Press.
32
International Monetary Fund, (2007, Abril). Global Financial Stability Report. International Monetary
Fund.
International Monetary Fund. (2010). Global Financial Stability Report. International Monetary Fund.
Julio Lozano y Katherin Cabral (2015). Contribución de la banca múltiple al empleo en república
dominicana. Dirección de Estudios Económicos del ABA.
Jesús Geraldo Martinez (2006). Guía Descriptiva de Indicadores Financieros. Superintendencia de Bancos
de la República Dominicana, Santo Domingo, D.N.
Pearson, K. (1901). Principal components analysis. The London, Edinburgh, and Dublin. Philosophical
Magazine and Journal of Science, 6(2):559.572.
Pereira da Silva, L (2012). Financial Stability in Brazil. Banco Central do Brasil, Working paper series 289.
Pett, M., Lackey, N., y Sullivan, J. (2003). Making sense of factor analysis. Thousand Oaks: Sage
Publications, Inc..
Anexo
X.1 Desempeño de las dimensiones
X.1.a Vulnerabilidades Propias del Sector Bancario

Rentabilidad y Solvencia Calidad de la Cartera
1 1
0.8 0.8
0.6 0.6
0.4 0.4
0.2 0.2
0 0
2000 2002 2004 2006 2008 2010 2012 2014 2000 2002 2004 2006 2008 2010 2012 2014
Fuente: Elaboración de los autores. Fuente: Elaboración de los autores.
33
Fondeo y Liquidez
1
0.8
0.6
0.4
0.2
0
2000 2002 2004 2006 2008 2010 2012 2014
X.1.b Vulnerabilidades Externas al Sector Bancario

Sector Externo Contorno Macroeconómico
1 1
0.8 0.8
0.6 0.6
0.4
0.4
0.2
0.2
0
0
2000 2002 2004 2006 2008 2010 2012 2014
2000 2002 2004 2006 2008 2010 2012 2014
34
Efectos de las Remesas sobre el Ahorro Doméstico

Por: Antonio Giraldi1
I. Introducción
El flujo de remesas hacia las naciones en desarrollo se ha más que duplicado en comparación
con los últimos diez años, aumentando de 178 mil millones de dólares en el 2004, a más de 435
mil millones en 2014 (World Bank, 2014). Debido a esta dinámica, es importante determinar
cómo este recurso monetario afecta el comportamiento de la economía en los países receptores,
tanto a nivel agregado como a nivel individual.
Los economistas han estudiado el impacto de las remesas sobre diferentes variables, tales como:
la tasa de cambio, la inflación, el ingreso, el ahorro, entre otras, para así poder tener una idea de
su comportamiento e implicaciones en materia de políticas económicas. Debido al flujo de
dinero que ingresa a las naciones en desarrollo cada año a través de remesas, es importante
entender cómo este dinero afecta, tanto al desarrollo, como a los niveles de vida de las
economías receptoras de remesas. Este estudio examina el efecto de las remesas sobre el ahorro
en la República Dominicana, usando la Encuesta Nacional de Hogares (ENHOGAR) del año
2007, la cual es una encuesta que estudia el nivel socioeconómico de los hogares dominicanos y
es conducida por la Oficina Nacional de Estadísticas (ONE).
El ahorro juega un rol muy importante en el desarrollo de una nación, principalmente a través
de su correlación con la inversión. La relación entre ahorro e inversión, y su efecto en el
crecimiento económico, fue explicado en el modelo de crecimiento de Solow (Solow Growth
Model), el cual es uno de los modelos más importantes para entender el crecimiento económico
(Romer, 2012). A lo largo del tiempo, diversas investigaciones han estudiado la alta correlación
entre los ahorros y las inversiones. Baxter y Crucini muestran que esta correlación es mayor en
países con un nivel de desarrollo “más alto” que en países “sub-desarrollados” (Baxter y
Crucini, 1993).2 Aunque los países sub-desarrollados presentan una correlación menor entre el
ahorro y la inversión, esta correlación es alta aún y provee una conexión importante entre las
dos variables.
En la República Dominicana, el flujo de remesas también ha incrementado rápidamente en

décadas recientes. Desde el año 2000, las remesas domésticas se han más que duplicado,
creciendo de US$1,500 millones a más de US$3,000 millones en 2013 (ver Figura A1 del
apéndice). Adicional a esto, de acuerdo con las estadísticas del Banco Mundial, el ingreso total
de remesas para la República Dominicana contabilizó el 7.4 por ciento del PIB en el año 2013.
Este alto nivel de ingreso por remesas incrementa el nivel de consumo, inversión, y ahorro del
país, y por ende, provoca un impulso en el desarrollo de la economía. De hecho, Pozo, Sánchez-
1
División de Estadísticas Monetarias y Financieras, Departamento de Programación Monetaria y Estudios Económicos. Para
preguntas y comentarios escribir a [email protected].
2
Este resultado ha sido apoyado por otros estudios en la literatura relacionada a Ahorros-Inversiones.
35
Fung y Santos-Paulino (2010) argumentan que el ingreso de remesas ha jugado un rol muy
importante en el crecimiento sostenido de la economía del país, el cual fue el crecimiento más
rápido de las economías en América Latina desde 1970 a 2003. Adicionalmente, ellos
argumentan que la migración y el ingreso de remesas al país aumentan la inversión en el capital
físico y humano, como también la inversión en los negocios personales, los cuales son factores
importantes en el desarrollo de una economía. Del mismo modo, en un estudio para diferentes
países de África, Fayissa y Nsiah (2010) hallan evidencia de que el ingreso de remesas aumenta
la tasa de crecimiento de una economía.
Además de proveer un impacto directo en la inversión y el consumo, las remesas también

afectan la inversión a través del ahorro, debido a la alta correlación entre las dos variables, como
se menciona anteriormente. Más aún, los ahorros obtenidos de las remesas pueden ser usados
para sostener el consumos con el tiempo, y les permiten a los hogares a sobrepasar shocks
negativos en los ingresos (Amuedo-Dorante y Pozo, 2011). Por esta razón, es importante
entender cómo las remesas afectan el ahorro de los hogares que las reciben, y cómo esto se
traduce al desarrollo del país.
El resto del documento está estructurado de la siguiente manera: la próxima sección provee una
revisión de la literatura, la sección 3 provee una descripción de la data, la sección 4 describe la
metodología econométrica, la sección 5 muestra los resultados obtenidos, y finalmente, la
sección 6 presenta las conclusiones.
II. Revisión de la Literatura
Diferentes estudios han investigado el comportamiento del ahorro personal, a fin de entender
los factores que afectan la decisión de una persona al momento de ahorrar, y a determinar cómo
este tipo de comportamiento afecta las políticas económicas dirigidas al ahorro. Sin embargo, la
literatura es escasa en el área de remesas y en su impacto sobre los ahorros y otros fines
productivos, como señalan Duran et al. (1996). Se pueden citar el trabajo de Foster (1995), en el
que describe los efectos de las remesas en los ahorros a nivel agregado, y el de Duran et al.
(1996), en cuyo documento se explican los efectos de las remesas en el ahorro de individuos,
usando una encuesta conducida por los autores. La carencia de estudios con respecto a la
relación entre las remesas y el ahorro podría deberse a la falta de datos adecuados para poder
formular una hipótesis formal que permita a los investigadores medir el efecto marginal de las
remesas sobre el ahorro.
Desde la perspectiva macroeconómica, puede ser difícil aislar el efecto de las remesas sobre los
ahorros totales, ya que se necesitaría que el ingreso total de remesas represente una alta porción
del PIB, u otras medidas de producción. Adicionalmente, los datos de serie de tiempo de este
tipo es escasa, ya que los datos de PIB es usualmente provista de forma trimestral, y por ende,
limita el número de observaciones y de parámetros a ser estimados. Foster (1995), utiliza datos
de series de tiempo de las pequeñas islas del Pacífico, donde los rangos del ingreso por remesas
oscilan entre 30 y 50 por ciento del PIB, para comprobar cómo estos altos niveles de remesas
36
recibidas (como proporción del PIB) afectan los depósitos en los bancos. El autor encuentra que
las remesas tienen un efecto positivo y significativo sobre los depósitos de ahorros, y que el
efecto marginal de cada dólar de remesa adicional en los ahorros ronda entre 20 a 40 centavos.
Estos valores representarían una gran porción del PIB, y contradice los hallazgos en la literatura
previa, la cual sugiere que las remesas recibidas se gastan mayormente en el consumo. De la
misma manera, el método econométrico de Foster puede ser cuestionado debido a que usa una
muestra de solo cinco a seis años, en la cual la única variable descriptiva eran las remesas (lo
cual puede ser causado por la falta de datos para estimar más parámetros). Por tanto, esto
compromete la validez de sus resultados, hasta cierto grado, pero nos da un punto de partida
motivando este tema y provee soporte a la hipótesis de que las remesas aumentan el ahorro en
los países a los cuales se destinan.
Otro inconveniente al usar datos macroeconómicos en el ahorro doméstico es que los

investigadores no pueden controlar por las heterogeneidades en los individuos, tal y como
argumentan Attanasio y Banks (2001) en una revisión a la literatura y política sobre el ahorro.
También hacen énfasis en la necesidad de más bases de datos a nivel individual, que permitan a
los investigadores profundizar más sobre la conducta de los ahorros en individuos,
especialmente a través del tiempo. Duran et al. (1996), usaron datos recogidos en una encuesta
en diferentes comunidades de México, para poder investigar la conducta de los inmigrantes
pobladores de esas comunidades. Sus resultados sugieren que, tanto las características
individuales como las variables macroeconómicas, pueden influir en la proporción de remesas
que son enviadas en forma de ahorro.
De forma similar, Massey y Parrado (1994) analizan el ingreso de “migro-dólares” (remesas) a

México, utilizando varias muestras de diferentes comunidades, tanto en Estados Unidos como
en México. Ellos estiman que el monto total de migro-dólares recibidos en diferentes
comunidades tiene un efecto significativo en diferentes sectores económicos, y puede alcanzar
hasta un 95 por ciento del ingreso total de la comunidad. De manera similar, ellos estiman que
el 1.6 por ciento de las remesas recibidas fueron dirigidas al ahorro, y 6.5 por ciento hacia fines
productivos como cultivos, ganados, y actividades de negocios. Los resultados de estas
investigaciones sirven para evaluar el comportamiento de los ahorrantes, especialmente el de
los inmigrantes que viven fuera de su nación y envían dinero a la misma. Sin embargo, no es
posible medir cómo estas remesas afectan el comportamiento de las personas que las reciben.
Un resultado importante de Duran et al. (1996), es la decisión de remitir y el monto actual
remitido son interdependientes. Esto conlleva implicaciones importantes en términos de la
metodología econométrica necesaria para medir los efectos de esta variable sobre el ahorro,
como será discutido en la siguiente sección.
Otros estudios sobre la literatura de remesas parecen coincidir, aunque indirectamente, con la
hipótesis de que las remesas pueden tener un efecto positivo sobre el ahorro de los países
receptores. Por ejemplo, desde la perspectiva teórica, Quinn (2005) construye un modelo de dos
periodos (similar al modelo de generaciones solapadas) en el cual los inmigrantes trabajan fuera
37
de su país natal en el primer periodo, y retornan en el segundo periodo. En este estudio, Quinn
se enfoca en la función de ahorro de los inmigrantes que envían las remesas, pero la restricción
presupuestaria de su modelo (la ecuación 3 en su estudio), asume que hay una relación lineal y
positiva entre las remesas recibidas y el ahorro en el lado receptor del proceso (Sh = Y1+ R – C1),
donde Sh representa el nivel de ahorro de la parte receptora de remesas y R representa el nivel
de remesas recibidas. Él argumenta que los inmigrantes consideran las remesas como una forma
de ahorro, aunque al mismo tiempo sea una transferencia dirigida hacia el consumo.
En la parte empírica, Amuedo-Dorantes y Pozo (2002) muestran diferentes resultados que

soportan indirectamente la hipótesis de que las remesas aumentan el ahorro. Primero, ellos
muestran que los nativos presentan una acumulación de capital más alta que los inmigrantes, y
argumentan que esto puede ser causado por el envío de remesas a sus hogares. Luego,
estimando los efectos de los cambios en el nivel de riesgo en el país de los inmigrantes que
envían las remesas sobre el flujo de remesas, los autores muestran que los inmigrantes envían
remesas a su hogar como una forma de seguro (ambos seguro propio y seguro familiar). Esta
motivación puede verse como una forma de ahorro por sí misma, ya que este tipo de remesas
puede ser de modo preventivo para balancear riesgos futuros (Amuedo-Dorantes y Pozo, 2006).
Finalmente, usando datos de México, los autores muestran que las remesas sirven como una
forma para sostener los ingresos a través del tiempo (“income smoothing”), especialmente en
hogares que presentan dificultades para ahorrar (Amuedo-Dorantes y Pozo, 2011). Los ingresos
pueden ser sostenidos en el tiempo, ahorrando algún monto de los ingresos en el presente, con
miras a ser usados para compensar shocks inesperados en el futuro.
En resumen, la literatura sobre remesas y ahorro soporta la hipótesis de que el flujo de ingresos
por remesas afecta positivamente el nivel de ahorro en los países receptores de remesas. Este
estudio provee soporte a esta rama de la literatura, y también aporta a la misma estimando la
magnitud de este efecto. Además, este estudio aborda los problemas mencionados
anteriormente con respecto a los datos y la metodología econométrica, utilizando datos a nivel
microeconómicos, los cuales permiten corregir por las heterogeneidades en los individuos.
También, se utiliza un modelo de doble obstáculo (“double-hurdle model”) con el fin de
abordar la interdependencia entre la decisión de ahorrar y el monto ahorrado.
III. Data
Los datos fueron obtenidos de la encuesta doméstica, Encuesta Nacional de Hogares

(ENHOGAR) correspondiente al año 2007, conducida por la Oficina Nacional de Estadística
(ONE) de la República Dominicana. Dicha encuesta es conducida cada año para cuestionar
diferentes aspectos socioeconómicos que afectan a los agentes económicos (ENHOGAR, 2007).
La encuesta del 2007 cubrió 12,670 hogares, con ingreso mensual medio de 165,000 pesos, y una
media per cápita de ingreso de 28,285 pesos. Dentro de la muestra total, 15.3 por ciento (1941
hogares) reportaron que recibieron remesas en los últimos 12 meses. La Tabla B1 del apéndice
38
presenta un resumen estadístico de la muestra total. Para las variables de características

individuales, tales como edad y educación, la cabeza del hogar (dígase de la persona que
representa la autoridad doméstica) fue seleccionada como representación del hogar, ambos en
el resumen estadístico y en el análisis econométrico, debido a que la cabeza del hogar es más
propensa a llevar el control de los ingresos de las remesas y las decisiones sobre en qué gastar el
dinero.
Como fue mencionado anteriormente, 1,941 hogares reportaron recibir remesas durante la
encuesta de ese año. Esta es la muestra usada en este estudio. Los hogares que no reciben
remesas no fueron considerados en este análisis, porque no hay información sobre sus ahorros.
La metodología de la encuesta, en términos de remesas y ahorro, fue de la siguiente manera:
primero, se les preguntó a las personas si recibieron remesas en los últimos 12 meses. Si la
respuesta fue negativa (no remesas recibidas), se procedía a la siguiente pregunta de la lista. Si
la respuesta fue positiva (indicando que recibieron algún dinero de esta naturaleza), entonces se
les hacían una serie de preguntas referentes a diferentes aspectos de las remesas recibidas (ej.
país de procedencia, cantidad, frecuencia, y otras). Una de las preguntas con relación a las
remesas fue intentando investigar cómo los receptores gastan el dinero: ¿Usted gastó algo de
este dinero en esta actividad? ¿Si afirmativo, cuánto? Las diferentes categorías para gastar el
dinero fueron: educación, salud, mobiliarios, construcción, vivienda, inversiones, deudas,
ahorros y otros (ver Tabla B2).
En este análisis se utilizó la cantidad de ahorro reportado por las personas como la variable
dependiente, tratando de determinar las variables que afectan el nivel de ahorro proveniente de
las remesas. Debido a la naturaleza de la encuesta y la data, algunas preguntas interesantes no
son posibles de analizar y responder. Por ejemplo, no podemos analizar cómo los hogares que
reciben remesas se comparan con los hogares que no reciben las mismas. Adicionalmente,
ningunas de las teorías formales de ahorro3 pueden ser probadas con esta base de datos, pues se
requiere información detallada sobre el ahorro, y preferiblemente, a través del tiempo. Sin
embargo, algunos puntos importantes pueden derivarse de esta encuesta, lo cual es la intención
de este estudio. Hay dos preguntas particulares que se intentan responder: la primera es ¿cómo
el nivel de remesas recibidas afecta el monto ahorrado? Es decir, saber si una mayor cantidad de
remesas recibidas inducen a un mayor monto en ahorro o no. La segunda pregunta es ¿cuál es
la magnitud de este efecto en el ahorro?
Para responder estas preguntas, se estima el modelo de dos etapas de Cragg (double-hurdle
model) usando el ahorro como la variable dependiente, así como las remesas y un conjunto de
variables como variables explicativas.
3
Dígase la teoría del ciclo de vida “life-cicle theory” y las teorías de ahorros de Buffer-Stocks.
39
IV. Metodología Econométrica
Para medir el efecto de las remesas en el ahorro de los hogares receptores de remesas. Se estima
la siguiente ecuación:
(1)
Donde w es una variable binaria que toma el valor de uno (1) si el individuo reporta algún
monto ahorrado, y cero para el resto de las observaciones. R es un vector que contiene tres
variables de remesas: el monto de las remesas recibidas por cada hogar durante los últimos 12
meses (Remt), InKind representa el valor monetario de las remesas recibidas en especies
(también conocidas como remesas “in-kind”), y la variable de remesas al cuadrado, ya que se ha
sugerido que la curvatura de la función de ahorros tiene implicaciones en términos de sus
resultados general4 (Kimball, 1990). Además de las variables de remesas, se incluye un vector de
variables control (X). En la segunda ecuación, S representa el monto ahorrado por cada hogar,
mientras que ϕ, β, θ, y α son vectores de parámetros a ser estimados. Finalmente, ε y µ son los
residuos para cada ecuación en particular.
El vector de las variables control incluye las características individuales de cada hogar que
pueden afectar sus ahorros, y por lo tanto, es importante controlar por estas variables (Laurine,
Le Roux, y Canicio, 2013). Las variables de control incluidas en este modelo son: ingreso total
del hogar, número de miembros en el hogar, edad (en años) del cabeza del hogar, también su
nivel de educación, sexo, estatus civil, y ubicación geográfica (rural o urbana). Las variables
monetarias tales como ahorros, remesas, e ingresos, son todas medidas en dólares. Las
características individuales de las personas, tales como género, ubicación, y estatus civil son
variables binarias que toman valores de cero y uno. La variable de educación es una variable
discreta que toma rangos de valores de cero a cinco, y representa el nivel de educación de las
personas en orden ascendente (ej. no educación=0, intermedios=1,..., profesionales=5).
Para poder estimar el modelo presentado en la ecuación (1), se utiliza el modelo de dos etapas
(“double-hurdle model”) de Cragg (1971), el cual fue propuesto para señalar un caso especial de
variables dependientes limitadas. Como se puede observar en la Figura A3 del anexo, solo una
parte de las personas ahorran, mientras que el resto ahorra cero. Este es un ejemplo típico de
una variable dependiente limitada. El modelo de Tobit es uno de los modelos más importantes
y comúnmente usados para estimar el comportamiento de este tipo de variables. Pero, como
Cragg explica en su estudio, el modelo Tobit no es eficiente en algunos casos. El modelo double-
hurdle (MDH) de Cragg es en realidad una variante del modelo Tobit. Sin embargo, Cragg
argumenta que cuando las decisiones entre tomar una acción y el monto deseado no están
íntimamente relacionadas, usar el modelo Tobit no sería eficiente. Este ejemplo en particular
4
El cuadrado de las remesas en especies no fue incluido ya que este tipo de remesas son recibidas en forma de regalo físico y no en
un monto monetario.
40
destacado por Cragg se ajusta a la situación analizada en este caso. Primero, los hogares que
reciben remesas necesitan tomar la decisión de cómo gastar el dinero recibido (ej. consumiendo,
haciendo inversiones, o ahorrando). Luego de haber decidido ahorrar alguna cantidad de
dinero, los hogares entonces van a decidir cuánto exactamente quieren ahorrar.
En vista de que el modelo double-hurdle (MDH) parece proveer un mejor ajuste intuitivo para
esta situación en particular, se implementa dicho modelo en este estudio. De manera adicional,
se compara los resultados del MDH con el modelo de Tobit para proveer soporte al argumento
de que el MDH es el modelo más apropiado. Finalmente, Greene (2012) presenta una discusión
detallada sobre las diferencias y cuestiones de estos modelos, así como las diferentes variaciones
del modelo de Cragg.
V Resultados
Antes de presentar los resultados del modelo, se muestran las estadísticas descriptivas de la
muestra usada en este análisis, ya que la data descrita en la sección 3 correspondía a la muestra
de la encuesta en general. En la Tabla 1 se presenta las estadísticas descriptivas de los hogares
que reciben remesas:
Tabla 1. Estadísticas Descriptivas de la Muestra usada en la Regresión

Variable n Media Mediana Des. Est. Mín Máx
Dummy Ahorro 1935 0.06 - - 0 1
Remesas 1935 1104.8 443.52 2082.18 5.91 35370
Ahorros en USD 1935 19.88 - 148.78 0 3405.61
Ahorros en USD | S>0 113 340.44 151.51 521.64 0.61 3405.61
Ingresos en USD 1935 307.03 212.12 375.19 3.03 5454.55
Ingresos (pp) en USD 1935 102.31 60.60 152.16 2.27 2727.27
Miembros en Hogar 1935 3.74 4 1.90 1 13
Edad 1935 49.66 48 18.11 14 97
Educación 1935 2.33 2 1.07 0 5
Género (1=Masculino) 1935 0.51 - - 0 1
Estado Marital(1=en unión) 1935 0.58 - - 0 1
Zona (1=Urbana) 1935 0.71 - - 0 1
Fuente: Elaborado por el autor.
Alrededor de 6 por ciento (113) de los hogares que reciben remesas reportaron ahorrar algún
monto. El monto promedio ahorrado del flujo total de ingreso por remesas es de alrededor de
US$20, y el monto promedio ahorrado para los que decidieron ahorrar fue de US$340 (US$151
mediana). La media de ingresos de los hogares que reciben remesas es de US$307 (US212
mediana), que es aproximadamente 30 por ciento más alto (40 por ciento si se usa la mediana de
los ingresos), que el de la muestra total (US$239). Esto sugiere que los hogares que reciben
remesas tienen relativamente mayor ingreso, comparado con la población total, lo cual difiere
de lo encontrado en otros países (Borras y Pozo, 2007). Adicionalmente, la media de las remesas
recibidas fue de US$1,105 (US$443.5 mediana).
41
Tanto las remesas como los ahorros presentan una distribución asimétrica (ver Figura A2 del
anexo), lo cual sugiere que sería mejor utilizar los montos de la mediana de esas variables como
referencia, en lugar de usar la media. Debido a la falta de simetría de muchas de las variables
del modelo, se aplicó una transformación logarítmica de esas variables para que puedan seguir
una distribución normal. Se estima el modelo para ambos casos, con las variables simétricas y
uno con las variables no simétricas.
Finalmente, la fuente principal de las remesas hacia la República Dominicana, basados en la

muestra de la encuesta, fueron los Estados Unidos con alrededor del 70 por ciento de las
personas enviando dinero desde ese país, y contabilizando más del 70 por ciento del total de las
remesas recibidas si incluimos Puerto Rico.5
5.1 Resultados del Modelo
Los resultados del modelo estimado para la ecuación (1), con errores estándares ajustado por
heteroscedasticidad, son presentados en la Tabla 2 debajo. Como fue señalado en la sección 3, el
MDH divide la variable dependiente en dos ecuaciones, en la cual la primera describe la
elección entre ahorrar o no, y la segunda ecuación describe la relación entre las variables para
los montos positivos de ahorro. El primer cuadrante de la Tabla 2 (Etapa 1), presenta los
resultados de la primera ecuación del modelo de dos etapas. El segundo cuadrante (Etapa 2),
presenta los resultados de la segunda ecuación del modelo.
La primera ecuación (Etapa 1) es equivalente a un modelo probit, usando la variable

dependiente como binaria (1 para ahorrantes, y 0 para no-ahorrantes). La segunda ecuación
(Etapa 2), presenta la estimación por máxima verosimilitud para los valores positivos de ahorro
sobre las variables explicativas, usando una regresión truncada. Estas dos ecuaciones pueden
ser estimadas por separado y obtener el mismo resultado. Sin embargo, al estimarse ambas
ecuaciones con el MDH, se puede obtener predicciones y efectos marginales directamente de los
resultados obtenidos del modelo (Burke, 2009).
Los resultados de la Etapa 1, presentados en la Tabla 2, muestran que tanto las remesas como
las remesas in-kind tienen un efecto positivo y significativo en la probabilidad de que una
persona decida ahorrar.6 El coeficiente de las remesas al cuadrado es negativo y significativo, al
igual que el coeficiente de la edad de la cabeza del hogar. Sin embargo, la mayoría de las
variables de control son no significativas al explicar la decisión de ahorrar.
5
Para un resumen más detallado e información acerca de las remesas recibidas y las variables usadas en el modelo, ver el anexo B.
6 Las variables no significantes fueron excluidas en la tabla de resultados.
42
Tabla 2. Resultados de la Ecuación (1)

Coef Error est. Valor Z Valor P
Etapa 1
Remesas 0.21 0.041 5.15 0.000
Remesas al Cdo -8.81E-06 2.54E-06 -3.45 0.001
InKind 0.0048 0.0019 2.55 0.011
Ingresos 0.097 0.114 0.86 0.391
Edad -0.0107 0.00296 -3.45 0.001
Etapa 2
Remesas 1,578.3 525.3 3.00 0.003
Remesas al Cdo -0.085 0.029 -2.85 0.004
InKind 3.13 4.74 0.66 0.508
Ingresos -1,091.6 1,539.8 -0.71 0.478
Edu 266.86 146.04 1.83 0.068
Género 2901.15 1412.04 2.05 0.040
Zona -1672.81 955.26 -1.75 0.080
Const -8632.98 3567.86 -2.42 0.016
Fuente: Elaborado por el autor. Nota: Las variables monetarias se expresan en miles.
Los resultados para la Etapa 2 son similares que los de la Etapa 1, con algunas diferencias. Aquí,
el monto de remesas recibidas tiene un efecto positivo y significativo en el monto que el hogar
ahorra, como en la Etapa 1. Igualmente, el coeficiente para las remesas al cuadrado es negativo
y significativo. Esto significa que el monto de remesas que una persona recibe tiende a
aumentar el monto total que el receptor ahorra, pero el monto ahorrado de cada dólar recibido
disminuye según el nivel de remesas recibidas aumenta.
En contraste con la Etapa 1, las remesas in-kind y la edad no afectan el monto a ahorrar. Dado
que éstas son regresiones separadas, las variables que son significativas en la Etapa 1 no
necesariamente son significativas en la Etapa 2. De hecho, es posible tener signos diferentes en
los coeficientes, como en el caso de los ingresos (aunque los ingresos no son significativos en
ambas ecuaciones). Adicionalmente, las variables correspondientes a educación y género tienen
un efecto positivo y significativo sobre el monto ahorrado, queriendo dejar dicho que los
hogares con cabeza de hogar con mejor educación, ahorran más en promedio que los menos
educados, después que se deciden ahorrar. Asimismo, los hogares encabezados por hombres
son, en promedio, más propensos a ahorrar que los encabezados por mujeres. Finalmente, los
hogares en zonas urbanas tienden a ahorrar más que los que se encuentran en zonas rurales,
según los resultados del modelo.
5.2 Efecto Marginal y Comparaciones
Los coeficientes reportados en la Tabla 2 fueron obtenidos de la estimación por máxima

verosimilitud, y por tanto, no pueden ser interpretados como efectos marginales. El efecto
marginal de una variable de interés puede ser calculado de los resultados obtenidos del MDH
siguiendo algunos pasos adicionales (Burke, 2009).
43
La Tabla 3 presenta los efectos marginales para las remesas y las remesas al cuadrado usando
diferentes métodos de estimación.7 La tabla también muestra la esperanza estadística del ahorro
controlando por las variables incluidas en el modelo, E(S). La esperanza estadística del ahorro
condicional a que una persona haya escogido ahorrar es también reportada como E(S|S>0);
estos valores son obtenidos de los resultados de la regresión anterior.
El coeficiente del efecto marginal para un dólar extra de remesas recibidas en ahorros es
estimado a ser 0.025, y para las remesas al cuadrado es negativo 0.00000122. Esto significa que
por cada dólar adicional de remesas, se debe esperar 0.025 – 2*(0.00000122)*E(R) a ser ahorrado.
Este valor es reportado como efecto total en la tabla. Por lo tanto, el efecto marginal total del
monto de las remesas recibidas del MDH es 0.0235. Así, por cada dólar adicional de remesas
recibidas en la economía, se debe esperar de 2 a 3 centavos dirigidos hacia el ahorro, y el resto
dirigido hacia otras actividades económicas como el consumo o la inversión. Este valor puede
ser considerado como la propensión marginal al ahorro derivado de las remesas, ya que las
remesas son un recurso de ingreso adicional en la mayoría de los casos. Es importante
mencionar la gran diferencia entre las magnitudes de los resultados de este estudio y los
reportados por Foster (1995). Los coeficientes reportados por Foster están más alineados con los
resultados del modelo de Tobit y la regresión por MCO para valores positivos.
Usando este valor (0.0235) como la propensión marginal al ahorro, podemos estimar el impacto
total del flujo de ingresos por remesas al país en el ahorro. Por ejemplo, en 2007, el año de
referencia de este análisis, el Banco Mundial estimó que el flujo de ingreso total por remesas al
país fue de US$3,397 millones. Por lo tanto, según los resultados del modelo, y dado el monto
de remesas recibidas, se puede esperar que alrededor de US$80 millones sean dirigidos al
ahorro. Este monto contabiliza alrededor de 1 por ciento del ahorro nacional bruto del país en el
2007.
Otra pregunta de interés, dado el método escogido para estimar este modelo, es cómo el método
de Cragg se compara a los otros métodos de estimación. El efecto marginal general de un dólar
adicional en remesas hacia el ahorro es de 0.0235, según los resultados obtenidos usando el
método de dos etapas de Cragg. El efecto marginal total obtenido de la regresión usando MCO
es 0.0237 y 0.196 usando la regresión Tobit. Los resultados por MCO y el método de dos etapas
son relativamente parecidos cuando se considera el efecto total. Sin embargo, si miramos el
efecto de las remesas en los hogares que decidieron ahorrar (dE[S|S > 0]/dR), la diferencia es
mucho más amplia. El MDH estima un efecto marginal de 0.135 después de la decisión de
ahorrar, mientras que el resultado usando MCO es de 0.205 y el del Tobit es de 0.196.
7
Los resultados de la regresión de Tobit y la regresión por MCO son reportados en el anexo B.
44
Tabla 3. Efectos Marginales

Promedio Remt Remt2 Total
E(S) 25.39
E(S|S > 0) 229.46
Mediana 443.52
MDH
dE(S|S > 0)/dR - 0.13865 0.00000747 0.132
dE(S)/dR - 0.02456 0.00000122 0.0235
MCO
dE(S|S > 0)/dR - 0.2128 0.0000082 0.206
dE(S)/dR - 0.0244 0.00000081 0.0237
Tobit
dE(S)/dR - 0.2035 0.0000085 0.196
El propósito de este estudio no es determinar cuál modelo es mejor para este tipo de análisis,
pero se debe hacer énfasis en que la selección de un modelo apropiado es muy importante,
especialmente para el análisis y las decisiones dentro de las políticas económicas. Por ejemplo,
la diferencia entre los resultados de los modelos MDH y Tobit, cuando se considera el efecto
total de las remesas sobre los ahorros es aproximadamente 0.1715. Si usamos el flujo de ingreso
total de las remesas a la República Dominicana en el 2007, la diferencia en el monto ahorrado
será de alrededor de US$583 millones (7 por ciento del ahorro nacional bruto), el cual representa
un margen sustancial entre los resultados de ambas estimaciones. Es bueno también apreciar
que los resultados obtenidos del modelo Tobit son más consistentes con la regresión usando
solamente la población de ahorrantes.
Ambos efectos marginales, dígase dE(S|S > 0)/dR y dE(S)/dR, son significativos en términos de
su importancia para el análisis económico, pero son usados para propósitos diferentes. Por
consiguiente, si el análisis de políticas económicas está tratando de medir el efecto total de las
remesas sobre los ahorros, como muestra el ejemplo presentado anteriormente, el MDH es el
aconsejado. Si el efecto marginal de interés es el de la población de ahorrantes, cualquier
modelo puede ser usado dado una comparación razonable de los dos modelos. Nuevamente, es
importante tomar en consideración, que el MDH estima ambos la probabilidad de ahorrar y la
regresión truncada conjuntamente, lo cual puede ser útil en algunas circunstancias.
5.3 Corrección del modelo
Como fue mencionado anteriormente, la distribución de ambos ahorros y remesas aparentan ser
asimétricas (ver Figura A2 en el anexo). La asimetría, en ambas las variables dependientes y las
co-variables, pueden causar inconsistencia en los parámetros estimados, aunque estos serían
todavía insesgados (Wooldridge, 2009). Un análisis residual para la regresión truncada (Etapa 2)
fue llevado a cabo para determinar si las suposiciones generales de la regresión lineal se
cumplen. La Figura A3 presenta el diagrama de dispersión de los residuos contra las remesas y
45
contra los valores ajustados de la regresión. La Figura muestra una fuerte correlación con ambas
variables. En efecto, usando una regresión por MCO se haya evidencia de que los valores
ajustados tienen una correlación significativa con los residuos. Luego de realizar una regresión
con relación a los residuos sobre todas las co-variables del modelo (los vectores R y X en la
ecuación (1)), los hallazgos muestran que las diferentes variables, incluyendo remesas e
ingresos, tienen una correlación significativa con los residuos, y el valor estadístico-F de la
regresión es estadísticamente significativo al 1 por ciento. Aún más, la distribución de los
residuos (mostrados en la Figura A3) luce ser asimétrica también, lo cual viola el supuesto
general de la regresión lineal con respecto a los residuos.
Los resultados del análisis residual sugieren que el modelo puede no ser consistente con las
asunciones de la regresión linear, lo cual puede causar que los resultados de la regresión sean
inconsistentes. Una forma de manejar la asimetría de la data es transformando las variables
usadas en el modelo usando la función logarítmica. La Figura A4 muestra la distribución de
ahorros y las demás variables independientes usadas en el modelo, luego de la transformación
logarítmica. Se puede ver que después de aplicar la transformación logarítmica, todas las
variables aparentan seguir una distribución normal, lo cual debería aliviar el problema
presentado en las regresiones anteriores. Por eso, se estima el modelo en la ecuación (1)
nuevamente usando las variables en logaritmos. Los resultados de esta regresión son
presentados en la Tabla 4, aunque, la variable de remesas al cuadrado fue excluida del modelo
porque sería perfectamente co-lineal con las remesas, debido a la transformación logarítmica.
Tabla 4. Resultados de la Ecuación (1) en Logs

Coef Error est. Valor Z Valor P
Etapa 1
Ln(Remesas) 0.2767 0.04223 6.55 0.000
Ln(InKind) 0.0082 0.01067 0.77 0.442
Ln(Ingresos) 0.0766 0.06644 1.15 0.249
Edad -0.0105 0.00317 -3.30 0.001
Etapa 2
Ln(Remesas) 0.5201 0.1264 4.12 0.000
Ln(InKind) 0.0248 0.0284 0.87 0.382
Ln(Ingresos) 0.2938 0.1845 1.59 0.111
Zona -0.5651 0.3315 -1.70 0.088
Const -0.529 1.5135 -0.35 0.727
Los resultados del modelo logarítmico son consistentes con las estimaciones previas. El
logaritmo de las remesas tiene un efecto positivo y significativo sobre ambos, la decisión de
ahorrar y el monto a ser ahorrado. Sin embargo, solamente la edad tiene un efecto significativo
sobre la decisión de ahorrar y solamente la variable binaria “Zona” es significativa en la Etapa 2.
Se encontró que la edad tiene un efecto negativo sobre la decisión de ahorrar, lo que es
consistente con la teoría del ciclo de vida del ahorro, la cual infiere que las personas de mayor
edad tienden a ahorrar menos, especialmente después de retirarse. La variable Zona fue
46
encontrada con coeficiente negativo nuevamente, lo que significa que los hogares en zonas
rurales ahorran menos en promedio que los de las zonas urbanas
Una vez más, los coeficientes en esta regresión son derivados de la estimación por máxima
verosimilitud, y no pueden ser interpretados como efectos marginales. El coeficiente de efecto
marginal para las remesas se muestra en la Tabla 5. En vista de que ambos, la variable
dependiente y las variables de remesas están en logaritmos, el coeficiente es interpretado en
forma de elasticidad. Por lo tanto, el efecto marginal de las remesas en niveles puede ser
obtenido luego de una simple manipulación de la ecuación de regresión tal como muestra
Wooldridge (2009). Después de diferenciar la esperanza estadística condicional de los ahorros,
esto es E[S|R,X], se puede obtener el efecto marginal de las remesas sobre el ahorro, tal como se
muestra en la siguiente ecuación:
[ | ̂
donde es la varianza del residuo ε, ̂ es el valor ajustado de S; es el coeficiente

marginal para las remesas, y es el nivel de remesas. En vista de que el efecto marginal de
las remesas depende del nivel de remesas recibido, se muestra el efecto marginal como un
efecto en función del nivel de remesas recibidas en la Figura 1, que se presenta debajo.
La Figura muestra que el efecto marginal de las remesas sobre el ahorro disminuye a medida
que el monto de remesas recibidas aumenta. Este resultado va contra la intuición, ya que se
esperaría que la propensión marginal al ahorro (PMA) aumentara con un incremento en los
ingresos. De todas formas, se puede argumentar que las remesas son una forma distinta de
ingresos y, por ende, puede no seguir la misma relación que los ingresos y la PMA.
Figura 1. Efecto Marginal de las Remesas en los Ahorros según Percentil

0.03
0.025
0.02
0.015
0.01
0.005
0
1-pctl 10-pctl 25-pctl 50-pctl 75-pctl 90-pctl
La PMA promedio para la muestra de hogares con ahorro fue estimada a ser 0.215. El efecto
marginal de la ecuación logarítmica fue estimado en 0.1692 para la muestra total y 0.516 para los
hogares con ahorro positivo. Esto significa que, un aumento promedio de un 10 por ciento en
las remesas incrementaría el ahorro en alrededor de 1.7 por ciento para los hogares que reciben
47
remesas, y alrededor de 5.2 por ciento para los hogares que deciden ahorrar como se puede ver
en la Tabla 5.
Tabla 5: Efecto Marginal Modelo Logarítmico

Remesas Ln(Remt)
dE(S|S > 0)/dR 0.215 0.5165
dE(S)/dR 0.0015 0.1692
MCO
dE(S|S > 0)/dR - 0.4953
dE(S)/dR - 0.155
Tobit
dE(S|S > 0)/dR - 0.4953
dE(S)/dR - 2.559
Mediante el análisis residual de la ecuación logarítmica, se puede ver que los problemas
presentes en la regresión usando las variables en niveles fueron eliminados. El diagrama de
dispersión de los residuos contra las remesas en logaritmo y los valores ajustados muestra que
no hay correlación alguna, o ningún patrón reconocible entre esas variables. Además, la
regresión de los residuos contra las variables independientes usadas en el modelo y también los
valores ajustados, muestra que no hay ninguna correlación significativa con los residuos, y el
valor estadístico-F para ambas regresiones fue insignificante (p > 0.90). Finalmente, el
histograma de los residuos muestra que la asunción sobre la normalidad se cumple. Por lo
tanto, a partil del resultado del análisis residual, se puede concluir que el modelo logarítmico
hace un buen trabajo representando la decisión de ahorrar y en el monto a ser ahorrado.
En resumen, los resultados de ambas ecuaciones, la ecuación en niveles y la ecuación

logarítmica, muestran que las remesas tienen un efecto positivo y significativo en ambos, la
decisión de ahorrar y el monto ahorrado. Aunque los resultados de la ecuación en niveles
parecen violar la asunción de normalidad en la regresión lineal, estos resultados siguen siendo
insesgados dado que el tamaño de la muestra es suficientemente grande, según la propiedad de
normalidad asintótica de la regresión lineal. Por lo tanto, dado el tamaño de la muestra de 113
observaciones para la regresión truncada (Etapa 2), no se puede ignorar los resultados de la
regresión con las variables en niveles. Una implicación importante en la política económica de
este estudio es que se debería hacer énfasis en aumentar la probabilidad de que los hogares
decidan ahorrar, dado que la PMA aumenta drásticamente después que se toma la decisión de
ahorrar. Esto se puede lograr educando la población sobre la importancia del ahorro y usando
otros estudios sobre la conducta hacia el ahorro para enfocarse en las variables que afectan su
estimulación del ahorro. De igual forma, ya que el monto de remesas recibido es la variable de
mayor importancia, tanto en la probabilidad de ahorrar como en el monto ahorrado, las
autoridades deben enfocarse en incrementar el flujo de remesas hacia el país, lo cual puede
lograrse facilitando el proceso de enviar remesas y reduciendo los costos de envío.
48
VI. Conclusión
Este estudio investiga los efectos de las remesas sobre los ahorros en los hogares usando la
información de la Encuesta Nacional de Hogares (ENHOGAR), realizada en la República
Dominicana en el año 2007. Tanto las remesas, como las remesas en especies (“in-kind”),
incrementan la probabilidad de que un hogar decida ahorrar usando las variables en niveles.
Sin embargo, solamente las remesas afectan la cantidad de dinero que un hogar ahorra. El efecto
marginal promedio de cada dólar adicional recibido de remesas está estimado en 0.024, lo cual
representaría alrededor de US$80 millones ahorrados dado el flujo de ingresos de remesas al
país en el año 2007.
Usando las variables en forma logarítmica, las remesas siguen teniendo un efecto positivo y
significativo en la decisión de ahorrar y en el monto ahorrado. Específicamente, se estima que si
se observa un incremento de un 10 por ciento en las remesas recibidas, se esperaría un aumento
en el ahorro de alrededor de un 1.7 por ciento. En general, estos resultados dan soporte a
algunas de las investigaciones previas sobre remesas, las cuales sugieren que las mismas no
solamente aumentan el consumo, sino que también afectan diferentes sectores productivos de la
economía, como la inversión, el crecimiento de los negocios, y en este caso en particular, los
ahorros. Adicionalmente, aumentando el nivel de ahorro, las remesas dan un empuje a otras
variables como las inversiones e ingresos futuros de manera indirecta. Este efecto indirecto
ayuda a desarrollar la economía al disminuir la inseguridad y estabilizando los niveles de
consumo e inversión.
Sería interesante una línea de investigaciones futuras dirigidas a confirmar si estos resultados
prevalecen en el tiempo, y en otros países donde el ingreso por remesas juega un rol importante
en las condiciones económicas de los individuos y en el desarrollo del país en general. Para que
esto sea posible, se reitera la necesidad y la importancia de que se implementen más encuestas
de micro data que permitan investigar el comportamiento de los individuos en diferentes
aspectos económicos.
Referencias
Amuedo-Dorantes, C., y Pozo, S. (2002). Precautionary Savings by Young Immigrants and Young
Natives. Southern Economic Journal, 69:1, 48-71. Acceso realizado en Junio 26, 2014, localizable en
http://www.jstor.org/stable/1061556.
Amuedo-Dorantes, C., y Pozo, S. (2006b). Remittances as insurance: Evidence from Mexican imigrants.
Journal of Population Economics, 19, 227-254.
Amuedo-Dorantes, C., y Pozo, S. (2011). Remittances and Income Smoothing. American Economic
Association, 101(3), 582-587. Acceso realizado en Marzo 1, 2015, localizable en
http://www.jstor.org/stable/29783810
Attanasio, O., y Banks, J. (2001). The assessment: Household saving - issues in theory and policy. Oxford
Review of Economic Policy, 17:1, 1-19.
49
Baxter, M., y Crucini, M. (1993). Explaining Saving--Investment Correlations. The American Economic
Review, 83(3), 416-436. Acceso realizado en Diciembre 20, 2014, localizable en
Borraz, F., y Pozo, S. (2007). Remittances in Uruguay. Revista De Ciencias Empresariales Y Economía, 19-
43.
Burke, W. (2009). Fitting and interpreting Cragg's tobit alternative using stata. The Stata Journal, 9:4, 584-
592.
Cragg, J. (1971). Some statistical models for limited dependent variables with application to the demand
for durable goods. Econométrica, 39:5, 829-844. Acceso realizado en Octubre 2, 2014, localizado en
Duran, J., Kandel, W., Parrado, E., y Massey, D. (1996). International migration and development in
Mexican communities. Demography, 33:2, 249-264.
ENHOGAR. (2007). Las remesas internacionales. In Encuesta Nacional de Hogares de Propósitos

Múltiples (pp. 109-127). Santo Domingo: Oficina Nacional de Estadísticas.
Fayissa, B., y Nsiah, C. (2010). The Impact of Remittances on Economic Growth and Development in
Africa. The American Economist, 55:2, 92-103.
Foster, J. (1995). The relationship between remittances and savings in small Pacific Island states: Some
econometric evidence. Asian and Pacific Migration Journal, 4(1), 117-138.
Greene, W. (2012). Econometric analysis (7. ed., internat. ed., pp. 852-860). Boston, Mass. [u.a.: Pearson.
Hagen‐Zanker, Jessica y Siegel, Melissa, (2007). The Determinants of Remittances: A Review of the
Literature. MGSoG Working Paper No. 003. Localizable en SSRN: http://ssrn.com/abstract=1095719
Islam, A., Parasnis, J., y Fausten, D. (2013). Do immigrants save less than natives? Immigrant and native
saving behaviour in Australia. The Economic Record, 89:284, 52-71.
Kimball, M. (1990). Precautionary saving in the small and in the large. Econométrica, 58(1), 53-73. Acceso
realizado en 20, 2014, localizable en http://www.jstor.org/stable/2938334
Laurine, C., Le Roux, P., y Canicio, D. (2013). Microeconometric analysis of the determinants of savings
behaviour in Zimbabwe: 2009-2012. International Journal of Business and Management, 8:10, 159-168.
Massey, D., y Parrado, E. (1994). Migradollars: The remittances and savings of Mexican migrants to the
USA. Population Research and Policy Review, 13, 3-30.
Pozo, S., Sánchez-Fung, J., y Santos-Paulino, A. (2010). Economic development strategies in the
Dominican Republic. World Institute for Development Economics Research, Working Paper No.
2010/115.
Quinn, M. (2005). Remittances, savings, and relative rates of return. The Journal of Developing Areas,
38(2), 1-23. Acceso realizado en Abril 7, 2014, localizable en http://www.jstor.org/stable/4192972
50
Romer, D. (2012). Advanced macroeconomics (4th ed.). New York: McGraw-Hill/Irwin.
Sinning, M. (2011). Determinants of savings and remittances: Empirical evidence from immigrants to
Germany. Review of Economics of the Household, 9:1, 45-67. Localizable en
http://link.springer.com/article/10.1007/s11150-009-9082-5#
World Bank. (2014). Migration and Remittances: Recent Development and Outlook. Migration and
Development Brief, 23. Acceso realizado en Marzo 19, 2015, localizable en
http://siteresources.worldbank.org/INTPROSPECTS/Resources/334934-
1288990760745/MigrationandDevelopmentBrief23.pdf
Wooldridge, J. (2009). Introductory econometrics: A modern approach (4th ed., pp. 172-177). Mason, OH:
South Western, Cengage Learning.
Anexo
A) Gráficos
Figura A1. Flujo de Remesas a la República Dominicana por Año

3,500
3,000
2,500
2,000
1,500
1,000
Fuente: Elaborado por el autor a partir de datos del BCRD.
Figura A2: Distribución de las Variables Figura A3: Análisis Residual del MDH (Tier 2)
10000150002000025000
1000 2000 3000 4000
USSaving
resid
5000
0
0
0 10000 20000 30000 40000 0 5000 10000 15000 20000 25000

Remittances Remittances
5.0e-051.0e-041.5e-042.0e-04
10000150002000025000
Density
resid
5000
-30000 -20000 -10000 0 10000 0 5000 10000 15000 20000 25000

Linear prediction resid
51
Figura A4: Distribución de las Variables en Logaritmo Figura A5: Análisis Residual del Log MDH (Tier 2)
Tabla B1. Estadísticas Descriptivas de la Muestra Completa

Variable n Media Mediana Dev. Est. Mín Máx
Dummy de Remesas 12,670 0.15 - - 0 1
Ingresos en USD 12,670 7,910.98 5,000 10,274 0 190,000
IngresosPP en USD 12,670 2,671.14 857.14 4,131.43 0 90,000
Miembros del Hogar 12,670 3.77 4 1.93 1 14
Edad 12,670 47.61 45 16.75 12 99
Educación 12,670 2.06 2 1.16 0 5
Género (1=Masculino) 12,670 0.63 - - 0 1
Estado Marital (1=en unión) 12,670 0.64 - - 0 1
Zona (1=Urbano) 12,670 0.59 - - 0 1
Tabla B2. Gastos de las Remesas por Categoría

Gastos Proporción de Respuestas Positivas Promedio de Valor Gastado en USD
Educación 0.28 82.74
Salud 0.42 122.49
Inmueble 0.05 25.97
Construcción 0.06 36.55
Hogar 0.77 415.11
Inversión 0.02 15.66
Deuda 0.23 81.00
Ahorro 0.06 19.88
Otros 0.08 41.58
52
Tabla B3. Remesas Recibidas por País

Proporción de la Proporción de las
País N Media Total Dev. Est.
Muestra Remesas
EE.UU 1,345 1,065.88 1,433,613.98 1,941.94 0.695 0.671
España 256 1,277.27 326,980.10 2,674.62 0.132 0.153
Italia 47 1,339.10 62,937.65 3,207.26 0.024 0.029
Europa 23 1,344.75 30,929.18 1,675.15 0.012 0.014
Puerto Rico 84 865.76 72,723.84 1,119.42 0.043 0.034
América Latina 36 1,517.09 54,615.24 2,655.91 0.019 0.026
Haití 12 1,274.77 15,297.29 1,885.05 0.006 0.007
Otros 132 1,065.84 140,691.14 2,034.70 0.068 0.066
53
œ

Coleccion Ensayos Vol X No1

Cargado por

Copyright:

Formatos disponibles

Coleccion Ensayos Vol X No1

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

Coleccion Ensayos Vol X No1

Cargado por

Copyright:

Formatos disponibles

Oeconomia

Breves Ensayos de Economía y Finanzas

Efectos de la Política Monetaria de Estados Unidos en Centro América y la

Un Acercamiento a la Estabilidad Financiera en la República Dominicana:

Efectos de las Remesas sobre el Ahorro Doméstico

Banco Central de la República Dominicana

Oeconomia Vol. X, No. 1

Esta es una publicación del Departamento de Programación Monetaria y Estudios Económicos

Joel Tejeda Comprés,

Comentarios y preguntas sobre esta publicación pueden ser enviados a:

Efectos de la Política Monetaria de Estados Unidos en Centro

Este fenómeno, conocido como la normalización de la política monetaria, es considerado un tema

El objetivo principal de esta investigación es cuantificar el efecto de los shocks de política

comentarios: [email protected]; [email protected]; [email protected].

El modelo de Vector Autorregresivo aumentado-por-Factores (FAVAR) es estimado con un

El documento está organizado de la siguiente manera: La sección 2 presenta la revisión de

II. Revisión de Literatura

La literatura relacionada a los shocks monetarios convencionales, medidos a través de cambios

estrategias empíricas: aquéllas basadas en modelos teóricos con restricciones y aquéllas

En los modelos teóricos, tales como el modelo de Mundell-Fleming y la extensión de Obstfeld-

La transmisión internacional de shocks monetarios hacia países industrializados ha sido

4 La muestra de países incluye el Reino Unido, Dinamarca, Suecia, Noruega y Suiza.

Para las economías en desarrollo, el grado de transmisión de los shocks monetarios

La investigación de Borda et al. (2000), relacionada con la contribución de la política monetaria

La normalización de la política monetaria enfocada en el impacto de los instrumentos no

Hausman y Wongswan (2006) explora los canales de transmisión de la política monetaria de

5 Zuniga (2011) utiliza un modelo FAVAR.

convencional a la reducción del rendimiento de los bonos en la mayoría de países luego de la

Una de las peculiaridades de estas economías es la importancia de la estabilidad relativa del

Tabla 1. Clasificación de la Disposición de Tipo de Cambio para los Países de CARD

El régimen cambiario de un país influencia la conducción de su política monetaria. A pesar de

7 Australia, Estados Unidos, Canadá y Japón.

tipo de reptante, siendo anteriormente considerada como bajo un régimen de flotación.

III. Estrategia Empírica

El análisis de Componentes Principales extrae una serie de factores de un conjunto de m

Si tenemos una cantidad M de variables durante T períodos, comprendidos en Mx1 vectores ,

Donde incluye la tasa de fondos federales y un conjunto de variables externas como el

En relación a la transmisión de los shocks monetarios, la literatura ha empleado restricciones de

La estrategia de identificación, se basa en la estrategia popularizada por Canova y De Nicoló

FFR >0, t=1

Crecimiento Producción Industrial <0, t=2

Inflación IPC <0, t=2

Crecimiento Saldos Reales <0, t=2

Donde denota el periodo en meses donde la restricción de signo es impuesta.

IV. Descripción de los Datos

Dividimos la muestra en tres grupos:

un nuevo conjunto de shocks estructurales.

b. Precios y precios relativos

c. Indicadores financieros y monetarios

14 Utilizamos un Indicador Mensual de Actividad Económica, IMAE.

resultados completos en términos de funciones de impulso respuesta se muestran en el

Tabla 2. Resumen de Resultados

En este documento se analiza el impacto de una eventual normalización de la política monetaria

Mackowiak, B. (2007). External Shocks, US Monetary Policy and Macroeconomic Fluctuations in

Obstfeld, M., y Rogoff, K. (1996). Foundations of International Macroeconomics. Cambridge,MA: MIT

Zuniga, M. C. (2011). International Monetary Transmission, A Factor-Augmented Vector Autoregressive

Apéndice A – Descripción de los Datos

INDICADOR MENSUAL DE ACTIVIDAD ECONOMICA(IMAE):TENDENCIA

21.TCR_CR 2003M01: 2014M12 TIPO DE CAMBIO REAL- COSTA RICA