Dinero, flujos de capitales y precios de los activos en los mercados desarrollados: NYSE Y NASDAQ

1 TRABAJO FIN DE GRADO DEPARTAMENTO DE ECONOMÍA E HISTORIA ECONÓMICA FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES Doble Grado en Derecho y Economía Dinero, flujos de capitales y precios de los activos en los mercados desarrollados: NYSE Y NASDAQ ANTONIO JESÚS CALZADO LLAMAS Fecha: Junio, 2019 Vº Bº Director Luis Ángel Hierro 2 RESUMEN: El objetivo de este trabajo es tomar en consideración los efectos de los flujos de capital sobre los mercados financieros desarrollados, puesto que, de acuerdo con la literatura sobre la materia, el estudio es escaso y centrado solamente en los países emergentes. Para ello, se toman datos trimestrales del período 1973-2018 de dos mercados financieros estadounidenses: New York Stock Exchange y NASDAQ Stock Market, así como a varios agregados macroeconómicos, como el índice de producción industrial, la inflación, el tipo de interés, la oferta monetaria, el tipo de cambio, el índice tecnológico, el dinero bancario, la inversión extranjera directa y la inversión extranjera en fondos mutuos y del mercado monetario y se realizan modelos tomando sus primeras diferencias por el método de Prais- Winsten y comparativas gráficas en niveles. Dados los resultados obtenidos se observa que los flujos de capital tienen suficiente fuerza explicativa y capacidad predictiva para afirmar que el comportamiento de los inversores extranjeros puede ser determinante para explicar variaciones de los precios de los activos también en mercados de activos desarrollados. Palabras clave: precios de los activos, fundamentales, flujos de capital, mercado de activos, EEUU. Clasificación JEL: B26, E27, E44, G11, G12. ABSTRACT: The main purpose of this paperwork is to take into consideration the effects of capital flows on developed financial markets, since according to the litterature survey, the study is spare and focused only on developing countries. In order to do so, quaterly data from 1973 to 2018 are taken regarding two US financial markets: New York Stock Exchange and NASDAQ Stock Market, and also from several US macroeconomic aggregates: industrial production index, inflation, interest rate, money supply, exchange rate, tech index, bank money, foreign direct investment and foreing investment in mutual and monetary funds, in order to make Prais-Winsten estimation models from their first differences and a graphical comparison in levels. Given the obtained results, it is observed that capital flows have enough explanatory strength and predictive capacity to claim that foreign investors’ behaviour can be determinant to explain asset prices fluctuations in developed stock markets as well. Keywords: asset prices, fundamentales, capital flows, asset markets, USA. JEL Classification: B26, E27, E44, G11, G12 3 Índice de contenidos I. Introducción .................................................................................................................. 6 II. Revisión de la literatura ................................................................................................ 8 II. 1. Introducción a la fundamentación teórica de la relación: la teoría de precios de arbitraje (APT) frente al modelo de valoración de activos financieros (CAPM) ............................................................................................................... 8 II. 2. Factores macroeconómicos determinantes de los precios de los activos . 10 II. 2. 1. Factores asociados al mercado de bienes .................................... 11 II. 2. 2. Factores asociados al mercado de dinero .................................... 14 II. 2. 3. Factores asociados al mercado internacional .............................. 18 III. Metodología y datos ................................................................................................... 26 IV. Resultados .................................................................................................................. 31 IV. 1. Para el índice Dow Jones ............................................................... 31 IV. 2. Para el índice NASDAQ ................................................................ 34 IV. 3. Para el índice S&P 500 .................................................................. 35 IV. 4. Para el índice NYSE ...................................................................... 37 IV. 5 Algunas repercusiones económicas ................................................ 39 IV. 6 Ilustración gráfica de la capacidad predictiva................................. 40 V. Conclusiones............................................................................................................. 46 VI. Bibliografía .............................................................................................................. 47 ANEXO I: Variables proxy utilizadas como factores determinantes en la literatura estudiada ......................................................................................................................... 53 ANEXO II: Estadísticos principales de las variables utilizadas ..................................... 60 ANEXO III: Resultados de los contrastes ADF y PP para las variables observadas en niveles y en diferencias .................................................................................................. 61 ANEXO IV: Descomposición sectorial según número de empresas de los índices DJIA, NASDAQ, S&P 500 Y NYSE ............................................................................. 62 Índice de tablas Tabla 1. Estudios empíricos que relacionan el índice de producción industrial con el precio de los activos ........................................................................................................ 12 Tabla 2. Estudios empíricos que relacionan el producto interior bruto con el precio de los activos ................................................................................................................... 12 4 Tabla 3. Estudios empíricos que relacionan la inflación con el precio de los activos ..... 14 Tabla 4. Estudios empíricos que relacionan los tipos de interés con el precio de los activos .............................................................................................................................. 16 Tabla 5. Estudios empíricos que relacionan la oferta monetaria con el precio de los activos .............................................................................................................................. 18 Tabla 6. Estudios empíricos que relacionan el tipo de cambio con el precio de los activos .............................................................................................................................. 20 Tabla 7. Cuadro-resumen sobre los determinantes macroeconómicos más frecuentes y sus relaciones con los precios de los activos ................................................................ 25 Tabla 8. Relación de variables propuestas....................................................................... 30 Tabla 9. Factores económicos determinantes del índice DJIA. Estimación por el método de Prais Winsten (1973:1-2018:4) ...................................................................... 32 Tabla 10. Factores económicos determinantes del índice NASDAQ. Estimación por el método de Prais Winsten (1973:1-2018:4) .................................................................. 34 Tabla 11. Factores económicos determinantes del índice S&P 500. Estimación por el método de Prais Winsten (1973:1-2018:4) ...................................................................... 36 Tabla 12. Factores económicos determinantes del índice NYSE. Estimación por el método de Prais Winsten (1973:1-2018:4) ...................................................................... 37 Tabla ANEXO I: Variables proxy utilizadas como factores determinantes en la literatura estudiada ........................................................................................................... 53 Tabla ANEXO II: Estadísticos principales de las variables utilizadas ............................ 60 Tabla ANEXO III: Resultados de los contrastes ADF y PP para las variables observadas en niveles y en diferencias ............................................................................ 61 Índice de gráficos Gráfico 1. DJIA medio trimestral observado y estimado (MCO) con las variables del Modelo I en niveles entre 1973 y 2018 ........................................................................... 41 Gráfico 2. DJIA medio trimestral observado y estimado (MCO) con las variables del Modelo V en niveles entre 1973 y 2018 .......................................................................... 41 Gráfico 3. NASDAQ medio trimestral observado y estimado (MCO) con las variables del Modelo I en niveles entre 1973 y 2018 ...................................................... 42 Gráfico 4. NASDAQ medio trimestral observado y estimado (MCO) con las variables del Modelo V en niveles entre 1973 y 2018 .................................................... 42 5 Gráfico 5. S&P 500 medio trimestral observado y estimado (MCO) con las variables del Modelo I en niveles entre 1973 y 2018 ..................................................................... 43 Gráfico 6. S&P 500 medio trimestral observado y estimado (MCO) con las variables del Modelo V en niveles entre 1973 y 2018 .................................................................... 44 Gráfico 7. NYSE Composite Index medio trimestral observado y estimado (MCO) con las variables del Modelo I en niveles entre 1973 y 2018 .......................................... 45 Gráfico 8. NYSE Composite Index medio trimestral observado y estimado (MCO) con las variables del Modelo V en niveles entre 1973 y 2018 ........................................ 45 Gráfico 9. Descomposición sectorial de las empresas que integran el índice Dow Jones Average Index ........................................................................................................ 62 Gráfico 10. Descomposición sectorial de las empresas que integran el índice NASDAQ......................................................................................................................... 62 Gráfico 11. Descomposición sectorial de las empresas que integran el índice S&P 500 ................................................................................................................................... 63 Gráfico 12. Descomposición sectorial de las empresas que integran el índice NYSE .... 63 6 I. Introducción Explicar el funcionamiento de la Economía en su conjunto es una tarea compleja que ha llevado a muchos autores a especular y a razonar cuáles son las fuerzas que mueven a los individuos a realizar ciertos comportamientos con repercusión económica tanto en su entorno más cercano como, en conjunto, desde un devenir más global. Con el paso de los años, no sólo no se tienen indubitadamente claros los resortes de aquélla, sino que, conforme la sociedad evoluciona, también lo hacen sus necesidades, decisiones y comportamientos económicos, lo que contribuye a complejizar, aún más si cabe, el estudio (por no hablar de que, como ciencia social, está influida por muchos hechos extraeconómicos). Esta idea se hace muy ostensible en los mercados financieros, ámbito al que se circunscribe el presente trabajo. La financiarización de la Economía es un aspecto muy relevante tanto en los países desarrollados como en los países emergentes, donde la emersión de activos financieros ha aportado nuevas formas de obtener rentabilidad con mucho mayor dinamismo. Estos mercados, dentro de su componente algo más abstracto que el de la Economía real, tienen influencia, empero, en ella, y ella en éstos. Añádase a la complejidad intrínseca de estos mercados otro factor, que es el de la apertura e integración global que se ha venido produciendo desde la década de los años noventa hasta nuestros días. El comportamiento de los inversores en estos mercados se ha convertido en un factor clave a nivel internacional, cuyos principios teóricos son objeto de la Teoría Moderna de la Selección de Carteras, con Markowitz y su artículo Portfolio Selection (1952) como uno de los exponentes más relevantes. Concretando más a fondo el enfoque del presente documento, muchas son las teorías que pretenden explicar a qué se deben los cambios en los mercados financieros. Unos autores, como Sharpe (1964) o Lintner (1965) apuntan a factores endógenos al propio mercado (diversificación, rentabilidad, riesgo…). Sin embargo, otros autores de la talla de Ross (1976) abogan por una casuística más amplia, donde los mercados financieros, representados por los índices bursátiles, reaccionan al entorno económico donde el inversor plantea desarrollar su actividad inversora. Uno y otro enfoque son herencia del mencionado autor Markowitz (1952), donde lo discutible será si las decisiones inversoras en materia de riesgo y rentabilidad son lo importante (siguiendo a los dos primeros autores citados), o si las circunstancias que sirven al agente que opera en el mercado son las que primeramente condicionan al mismo a decidir si invertir o no. 7 Damos un paso más, y en el entendimiento de que, por lo general, los inversores se hace una composición de lugar y tiempo para su actividad (algo que, por otra parte, es propio de una conducta humana y medianamente sensata), se plantea un enfoque sobre las ideas preconizadas por Ross (1976), en la línea de muchos autores que han pasado de la teoría a la evidencia empírica y han empezado a indagar si existen relaciones entre las variables macroeconómicas y las fluctuaciones en los mercados de activos financieros. Existe cierto consenso entre los autores estudiados en torno a unas variables comunes representativas del mercado de bienes (nivel de producción, inflación), del mercado monetario (tipos de interés a corto y/o largo plazo, oferta monetaria en sus diferentes agregados), y respecto al mercado internacional (fundamentalmente representado por los tipos de cambio). Sin embargo, los estudios muestran muy escasamente la inclusión de variables relativas a los flujos de capital en sus modelizaciones, siendo éstos un fenómeno muy relevante en la coyuntura de interacción financiera global cuasi-ilimitada actual. Hoy día, más que nunca, se puede decir que la Economía de un país depende también de los factores exteriores a ella, y esto es aún más verídico en los mercados financieros, donde la movilidad de los capitales y de las decisiones de compra y venta son muy dinámicas y constantes. Sin embargo, los estudios sobre flujos de capitales son escasos, y dentro de los existentes, se encuentra que la mayoría se circunscriben a las economías emergentes. Conscientes de esta realidad, el objetivo, ya concreto, de este estudio es ofrecer una aproximación empírica, a los meros efectos de destacar la importancia explicativa y la capacidad predictiva, de los flujos de capitales sobre los precios de los activos, como una vía más de canalización del dinero hacia los mercados financieros, puesto que consideramos también el mercado monetario y el impacto del dinero bancario. Todo ello sirva, en definitiva, para puntualizar que los estudios futuros en la materia no debieran reducirse a países en vías de desarrollo, con sectores financieros en proceso de perfeccionamiento, sino que también los países desarrollados han de tener en cuenta que la inversión extranjera es un factor determinante. En nuestro particular, se han tomado datos para EEUU con periodicidad trimestral de dos mercados financieros: New York Stock Exchange (Dow Jones Average Index, S&P500 NYSE Composite Index) y NASDAQ en el período comprendido entre 1973 y 2018, ambos años inclusive. Este trabajo se estructura de la siguiente manera. En el apartado II se exponen las conclusiones de una revisión de la literatura sobre más de una treintena de trabajos empíricos que buscan la relación entre factores macroeconómicos y precios de los activos, con especial detenimiento en los flujos de capital. Desde el apartado III se detalla la metodología y las variables propuestas para el estudio. El apartado 8 IV sirve de concreción de los resultados obtenidos y su explicación econométrica. Por último, se extraen las conclusiones finales en el apartado V. II. Revisión de la literatura II.1 Introducción a la fundamentación teórica de la relación: la teoría de precios de arbitraje (APT) frente al modelo de valoración de activos financieros (CAPM) El punto de partida teórico para explicar la valoración de los activos financieros lo podemos encontrar en la teoría moderna de selección de carteras, que tiene por principal pionero al Premio Nobel de Economía, Harry Markowitz (Elton y Gruber, 1998). En su artículo, Portfolio Selection, establece que la formación de carteras de activos consiste en dos fases fundamentales: “La primera etapa comienza con la observación y la experiencia y termina con creencias sobre el comportamiento futuro de los activos disponibles. La segunda etapa comienza con las creencias relevantes sobre el comportamiento futuro de los activos y finaliza con la elección de la cartera” (Markowitz, 1952, p. 77). El autor establecía además dos tesis que posteriormente desarrollarían otros autores para concretar modelos económicos explicativos de las dinámicas de los inversores en el mercado de activos. La primera es que se presupone una actitud maximizadora de la rentabilidad por parte de los inversores, y la segunda, que la rentabilidad esperada de los activos para ellos es considerada un bien, mientras que la variabilidad de las mismas es considerada como un mal. A partir de esa dualidad, han sido dos las principales teorías de determinación de los precios de los activos. La primera de ellas se sintetiza en el Modelo de Valoración de Activos Financieros (CAPM, por sus siglas en inglés), cuyos autores de referencia son Sharpe (1964) y Lintner (1965). El primero de los mencionados asume la segunda hipótesis de Markowitz en la forma de una función de utilidad que representa, en términos de rentabilidad esperada y riesgo, el comportamiento maximizador del inversor. A partir de las propiedades de las curvas de indiferencia asociadas a la combinación de activos con diferentes parámetros de rentabilidad y riesgo, extrae la relación fundamental característica del modelo (según se extrae de Sharpe, 1964, p. 432): 𝐸𝑅𝑐 = 𝛼𝐸𝑅𝑝 + (1 − 𝛼) · 𝐸𝑅𝑎 (1) 9 Que, matemáticamente, es la expresión analítica de un segmento que combina dos puntos, o interpretado a efectos económicos, se trata de una cartera de inversión que combina, en términos de rentabilidad (𝐸𝑅𝑖), dos activos: Un activo libre de riesgo, y un activo con un determinado nivel de riesgo. Reajustando los términos de la ecuación, se llega a la especificación (2), que nos sugiere que la rentabilidad esperada de un activo depende de la rentabilidad de la cartera, o en términos amplios, del mercado, así como del riesgo que el inversor esté dispuesto a asumir. 𝐸𝑅𝑎 = 𝐸𝑅𝑝 + 𝛼 · (𝐸𝑅𝑐 − 𝐸𝑅𝑎) (2) Lintner (1965), añade hipótesis de comportamiento sobre el mercado, tales como la posibilidad de invertir en activos sin riesgo, así como también en cualquier otro en la proporción deseada en un contexto de competencia perfecta; y sobre los inversores, supone que éstos mantienen parte de su capital en dinero; que cada uno ha especificado los términos de riesgo de los activos por individual y de la cartera en su conjunto, y que la preferencia se va a dar siempre por la inversión de mayor rentabilidad y/o de menor riesgo (medido por la varianza). El modelo CAPM ha mantenido muchas críticas en cuanto a su especificación. Además de las condiciones restrictivas en que éste funcionaría, López y García (2009) aducen problemas de especificación de los términos de la ecuación propuesta y en la metodología de cálculo de los parámetros, a saber: no se tiene claro, indubitadamente, qué rentabilidad se puede tomar como referencia como libre de riesgo, ni qué especificación temporal es la más precisa para determinar la sensibilidad del activo al riesgo, ni qué indicador puede utilizarse como representativo del precio de los activos. Como alternativa a este modelo, Ross (1976) plantea un enfoque más simple y más diverso que se consolida en la teoría de precios de arbitraje. Dicha teoría considera que el riesgo puede estar determinado por varios determinantes macroeconómicos y microeconómicos (como indican López y García, 2009). En consecuencia, esta teoría parece más consecuente con la primera de las etapas de formación de carteras de activos que planteaba Markowitz: el análisis del contexto económico y la formación de expectativas sobre los rendimientos futuros. La especificación se traduce en el siguiente modelo ecuacional (según se extrae de Ross, 1976, p. 347): 𝑥𝑖 = 𝐸𝑖+ 𝛽𝑖1𝛿𝑖1 + ⋯+ 𝛽𝑖𝑘𝛿𝑘+ 𝜀𝑖 (3) 16 Fuente: Elaboración propia a partir de la revisión de la literatura b) Oferta monetaria: Las consecuencias de un aumento en la cantidad de dinero en las fluctuaciones del mercado de activos pueden provocar tanto mayores como menores precios de los mismos. La relación positiva entre ambos conceptos puede justificarse por el descenso de los tipos de interés, que como hemos indicado anteriormente, guardan una relación negativa con los precios de los activos (Ratanapakorn y Sharma, 2007). Cuando el dinero es excedente, también se favorece un reajuste de carteras de inversión mediante adquisición activos financieros, lo que también los revaloriza (Niarchos y Alexakis, 2000; Ibrahim y Yusoff, 2001; Humpe y McMillan, 2007 o Ray 2012). También la mayor liquidez estimula la actividad económica (entre otros, Niarchos y Alexakis, 2000; Humpe y Macmillan, 2007 y Ratanapakorn y Sharma, 2007). Tabla 4. Estudios empíricos que relacionan los tipos de interés con el precio de los activos Largo plazo Corto plazo Relación significativa + -Mukherjee y Naka (1995): para el tipo de interés a corto plazo. -Cáceres y Nagamine (1993): significativo respecto del índice minero laboral, considerando un retardo de la variable en el modelo. -Wongbangpo y Sharma (2002): para Indonesia y Malasia. -Ratanapakorn y Sharma (2007): sólo del tipo de interés a corto plazo. -Cáceres y Nagamine (1993)*: significativo respecto del índice general bursátil, sin retardo, y respecto del índice minero laboral, con retardo. -Lee, Boom y Baharumshah (2001)*: significativa sólo respecto del índice financiero y el agrícola. -Adam y Twenwboah (2008)*: sin retardo y segundo retardo. -Humpe y Macmillan (2007)*: significativo para EEUU sólo cuando no se incluye la oferta monetaria. - -Mukherjee y Naka (1995): para el tipo de interés a largo plazo. -Cáceres y Nagamine (1993): significativo en todas salvo respecto al índice minero laboral, con retardo. -Wongbangpo y Sharma (2002): para Filipinas, Singapur y Tailandia. -Ratanapakorn y Sharma (2007): sólo del tipo de interés a largo plazo. -Adam y Twenwboah (2008) -Shabbir (2018) -Cáceres y Nagamine (1993)*: significativo respecto del índice general bursátil con retardo y respecto del índice industrial laboral, con y sin retardo. -Dadgostar y Moazzami (2003)*: tanto de los tipos a corto como a largo plazo. -Adam y Twenwboah (2008)*: primer retardo. -Sohail y Zakir (2010)* Relación no significativa -Dritsaki-Bargiota y Drtisaki (2004) -Sohail y Zakir (2010) -Kemboi y Tarus (2012) -Masuduzzaman (2012): sólo correlación negativa, no hay causalidad. -Ouma y Muriu (2014): modelo con inflación. -Pramod, Kumar y Puja (2012) -Malaolu, Ogbuabor y Orji (2013) -Ouma y Muriu (2014): modelo sin inflación. -Shabbir (2018) 17 Pero el crecimiento de la actividad económica y financiera se dará siempre que los mercados puedan absorber los excesos de liquidez, porque de lo contrario, la Economía se recalienta y se producen tendencias inflacionarias alcistas que harían que el valor actualizado de los activos pudiera minorarse (Ibrahim y Yusoff, 2001; Wongbangpo y Sharma, 2002; Ratanapakorn y Sharma, 2007; Humpe y Macmillan, 2007 y Ray, 2012; entre otros). Además, según Niarchos y Alexakis (2000) los inversores pueden sospechar que las autoridades monetarias aplicarán políticas monetarias restrictivas, que juegan en perjuicio de los precios de los activos. Son diferentes los agregados monetarios empleados en el estudio de las relaciones entre la cantidad de dinero de la economía y el precio de los activos. Dentro del grupo de autores que especifican la variable utilizada, encontramos:  Autores que utilizan el agregado M1: Mukherjee y Naka (1995), Naka et al. (1998), Wongbangpo y Sharma (2002) Dadgostar y Moazzami (2003), Verma y Ozuna (2005), Humpe y Macmillan (2007), Ratanapakorn y Sharma (2007), Kim y Yang (2009), Pilinkus y Bugoslauskas (2009), Hsing (2011), Haque y Sarwar (2012).  Autores que utilizan M2: Ibrahim y Yusoff (2001), Al-Sharkas (2004), Menike (2006), Kim y Yang (2009), Sohail y Zakir (2010), Hsing (2011), Kemboi y Tarus (2012), Ouma y Muriu (2014).  Autores que utilizan M3: Niarchos y Alexakis (2000), Lee, Boom y Baharumshah (2001), Bhattacharya y Mukherjee (2002), Charkavarty (2005), Pramod, Kumar y Puja (2012), Ray (2012) Trivedi y Behera (2012), Širůček (2013).  Otros agregados: Kim y Yang (2009) y Taguchi (2011) utilizan la base monetaria, Širůček (2013) utiliza el agregado MZM (money zero maturity). Por último, Masuduzzaman (2012) habla de dinero en sentido amplio (broad money) en el sentido de no referirse sólo al dinero efectivo en circulación, pero no concreta a qué agregado monetario se refiere. 18 Fuente: Elaboración propia a partir de la revisión de la literatura. II.2.3 Factores asociados al mercado internacional a) Tipo de cambio: Existe cierto consenso en la literatura acerca de que el signo de la relación entre los tipos de cambio y los precios de los activos es indicativo de la propensión más importadora o exportadora de la Economía objeto de estudio. Un signo negativo implica una mayor ventaja competitiva en caso de apreciación cambiaria, por lo que la capacidad exportadora de las empresas aumenta, incrementando sus márgenes de beneficios. Un signo positivo indica la existencia de un sector empresarial mayoritariamente importador, donde la apreciación cambiaria perjudica, mediante un mayor coste de esas importaciones, a las empresas que dependan de éstas. El mismo razonamiento se puede deducir, en sentido opuesto, en caso de una depreciación cambiaria (Ibrahim y Yusoff, 2001; Menike, 2006; Adam y Tweneboah, 2008; Aydemir y Demirhan, 2009, Hasandadeh y Kianvand, 2012, Pramod, Kumar y Puja, 2012 o Ray, 2012; entre otros). Tabla 5. Estudios empíricos que relacionan la oferta monetaria con el precio de los activos Largo plazo Corto plazo Relación significativa + -Cáceres y Nagamine (1993): para el índice general bursátil y para el índice minero laboral en Perú. -Mukherjee y Naka (1995) -Wongbangpo y Sharma (2002): para Malasia, Singapur y Tailandia. -Humpe y Macmillan (2007): significativo sólo respecto a Japón. -Ratanapakorn y Sharma (2007) -Hasandadeh y Kianvand (2012) -Kemboi y Tarus (2012) -Masuduzzaman (2012): la significatividad se obtiene de la correlación positiva y causalidad a l/p en Alemania. -Pramod Kumar y Puja (2012) -Ouma y Muriu (2014): sin considerar la inflación en el modelo. -Cáceres y Nagamine (1993): respecto del índice general bursátil y del minero laboral con el tipo de interés sin retardo. -Dadgostar y Moazzami (2003): la relación es positiva con el tercer y cuarto retardo. - -Wongbangpo y Sharma (2002): para Indonesia y Filipinas. -Sohail y Zakir (2010) -Masuduzzaman (2012): la significatividad se obtiene de la correlación negativa y de causalidad a l/p en Reino Unido. -Cáceres y Nagamine (1993): respecto del índice general bursátil y del minero laboral con el tipo de interés retardado un período. -Lee, Boom y Baharumshah (2001): sólo es significativo respecto del índice compuesto y del de producción. -Dadgostar y Moazzami (2003): la relación es negativa con el duodécimo retardo. -Masuduzzaman (2012): la significatividad se obtiene de la correlación positiva y de la causalidad a c/p en Reino Unido Relación no significativa -Ibrahim y Yusoff (2001) -Sohail y Zakir (2010) -Malaolu, Ogbuabor y Orji (2013) 19 A nivel financiero, los efectos de las fluctuaciones cambiarias pueden traducirse en decisiones de reajuste de carteras de inversión, con preferencia por enfocarla hacia mercados nacionales (en caso de apreciación) o extranjeros (en caso de depreciación) (Pramod Kumar y Puja, 2012). En consecuencia, las relaciones negativas entre precios de activos y tipos de cambio pueden deberse al recelo de los inversores sobre las condiciones del mercado de activos concerniente (Malaolu, Ogbuabor y Orji, 2013). Así mismo, las empresas que no cuenten con seguros o mecanismos de cobertura de riesgos en materia cambiaria, pueden verse perjudicadas (Sohail y Zakir, 2010). También es interesante traer a colación una conclusión que estos dos últimos autores extraen de su estudio para Pakistán, donde observan una relación positiva, pero no significativa entre los tipos de cambio y el Karachi Stock Exchange Index, porque la razonan en un sentido de advertencia para las autoridades, de llevar a cabo una gestión cautelosa de las políticas económicas incidentes sobre los tipos de cambio de cara al futuro de esos mercados de activos. Ratanapakorn y Sharma (2007), realizan una crítica hacia los estudios desconsideran como variable los tipos de cambio, basándose en cuatro argumentos: en primer lugar, que la política monetaria tiene, entre otras, el tipo de cambio como variable objetivo de cara a la estabilidad. En segundo lugar, por la mayor evidencia del impacto de la cantidad de dinero sobre la inflación a través los tipos de cambio. La tercera razón es que los tipos de interés también se ven afectados por fluctuaciones cambiarias y, por último, la importancia de la variable en las opciones de inversión en cartera. 20 b) Flujos de capitales: Para estudiar la influencia de los flujos de capitales en el precio de los activos, nos basamos en los principales estudios empíricos hallados sobre la materia. De entrada, cabe afirmar que los mismos son algo menos frecuentes en relación al conjunto de los que estudian los determinantes macroeconómicos del precio de los activos y, como se comprobará en la disertación sobre los mismos, se refieren en su mayoría a economías emergentes. Una primera idea sobre la misma es la que apuntan Taguchi, Sahoo y Nataraj (2015), de que la entrada desmesurado de capitales hacia estos países en vías de desarrollo puede producir efectos nocivos en sus economías, contribuyendo a la formación de ciclos de burbujas como antesala a severas crisis financieras. El fenómeno puede explicarse como una doble etapa: En una primera etapa, la entrada de capitales es positiva para el contexto económico en general, favoreciendo en el país receptor auges del consumo, el crédito, la inversión y los tipos de cambio (Kim y Yang, 2011) e incluso contribuyendo a la integración financiera, dada la mayor oferta de activos y la mayor diversificación del riesgo entre los países implicados (Tillmann, 2012). En una segunda etapa, se producen los efectos contrarios por la salida neta de capitales, dado que llega un momento en que las condiciones Tabla 6. Estudios empíricos que relacionan el tipo de cambio con el precio de los activos Largo plazo Corto plazo Relación significativa + -Cáceres y Nagamine (1993): en relación con el índice general bursátil y el índice industrial laboral. -Mukherjee y Naka (1995) -Ratanapakorn y Sharma (2007) -Harque y Sarwar (2012): sólo significativo respecto de las empresas textiles. -Hassanzadeh y Kianvand (2012) -Masuduzzaman (2012): la significatividad se obtiene de la correlación positiva y de la causalidad a l/p en Alemania. -Cáceres y Nagamine (1993): significativo en todos los índices y con o sin retardo salvo respecto del índice minero laboral. -Dadgostar y Moazzami (2003): respecto del séptimo retardo del tipo de cambio. -Masuduzzaman (2012): la significatividad se obtiene de la correlación positiva y de la causalidad a l/p en Reino Unido. -Ouma y Muriu (2014) - -Cáceres y Nagamine (1993): en relación con el índice minero laboral. -Sharma y Mahendru (2010) -Cáceres y Nagamine (1993): sólo en relación con el índice minero laboral, sin retardo. -Adam y Tweneboah (2008): respecto del tipo de cambio sin retardo. Relación no significativa -Ibrahim y Yusoff (2001) -Dadgostar y Moazzami (2003) --Adam y Tweneboah (2008) -Harque y Sarwar (2012): sólo respecto de las empresas no textiles. -Pramod Kumar y Puja (2012) -Adam y Tweneboah (2008): respecto del primer y segundo retardo del tipo de cambio. -Sohail y Zakir (2010) -Pramod Kumar y Puja (2012) -Malaolu, Ogbuabor y Orji (2013) Fuente: Elaboración propia a partir de la revisión de la literatura. 21 otrora favorables de la Economía se vuelven perniciosas (Kim y Yang, 2011; Tillmann, 2012). Caballero y Krishnamurty (2006) también resaltan el papel de empresarios y bancos desde la perspectiva de cada una de las dos fases: Así, en la fase de más auge, éstos tienen facilidad para obtener liquidez internacional mediante la venta de activos, al tiempo que, en la fase recesiva, una vez que la burbuja no puede sostenerse más, el comercio internacional de estos activos en el mercado se dificulta. Sin embargo, Ventura (2012) ofrece una explicación particular del efecto burbujas especulativas: tienen un rol similar al de los flujos de capitales, pero actuando por medio de los precios. De esta forma, en las economías poco productivas incentivan el consumo, hecho que se traduce en mayor inversión en las más productivas. En definitiva, se sugieren por el autor efectos beneficiosos: “Esto mejora la localización de las inversiones a nivel mundial y reduce las diferencias en tasas de rentabilidad entre los países. En consecuencia, las burbujas permiten que la economía mundial opere con mayor nivel de eficiencia” (Ventura, 2012, p. 757). Centrándonos en la fase de entrada, Kim y Yang (2009 y 2011) advierten cuatro efectos principales que pueden tener los flujos de capitales en estas economías provocando, a lo sumo, aumento del precio de los activos:  Estímulo de la demanda de activos, contagiándose este efecto a otros mercados financieros.  Aumento de la cantidad de dinero disponible. Aquí, el efecto sobre los precios se condiciona a que se produzca o no esterilización monetaria.  Impulso del consumo y de la inversión si el contexto es de bajos tipos de interés.  Apreciación cambiaria nominal y real. Taguchi, Sahoo y Nataraj (2015), sintetizan los mecanismos de influencia en dos, a saber:  Uno “directo”, que se explica por el aumento de las adquisiciones de activos en los mercados financieros y cuya influencia no se ve alterada en función del sistema de tipo de cambio que cada país presente.  Otro “indirecto”, vía liquidez, donde se han de tener en cuenta las actuaciones discrecionales de las autoridades monetarias, condicionadas por el régimen cambiario. En un sistema de tipos de cambio variables, los efectos indirectos de la política monetaria se neutralizan a través de la esterilización, cosa que no puede ocurrir en los 22 sistemas de tipos de cambio fijo, donde los cambios en las condiciones de cantidad de dinero sí acaban incidiendo sobre los precios de los activos. En cuanto a la actuación de las autoridades monetarias respecto de los influjos de capitales, Caballero y Krishnamurthy (2006) establecen dos posibilidades que permitirían evitar efectos negativos asociados a burbujas: O bien se realizan “políticas coyunturales de gestión del riesgo”, o bien actuaciones de fomento de la inversión en activos alternativos ajenos a la especulación, lo que implica un grado importante de confianza de los inversores en las autoridades. Los autores se decantan por el primer grupo de medidas, y proponen algunas como la exigencia de mantener cierto volumen de riqueza en moneda extranjera, la esterilización de los flujos de capitales o el recurso a la deuda pública. Un ejemplo al respecto puede ser el que exponen Kim y Yang (2009) al señalar cuál fue la tendencia de la autoridad monetaria coreana en este contexto tras la crisis de 1997: No se pretendió un control directo de las entradas de capital, sino que se practicó una política monetaria restrictiva consistente en aumentar los coeficientes de reserva. Ello se combinó con actuaciones de política económica consistentes en exenciones a los rendimientos de capital extranjero de empresas nacionales, así como en una relajación de los umbrales máximos de inversión extranjera, que, en conjunto, pretendían fomentar las salidas de capitales al exterior. Entre algunos de los estudios empíricos realizados en la materia, podemos destacar los siguientes: Adam y Tweneboah (2008) se centran el mercado de activos de Ghana, e incorporan como determinantes de estudio asociados a la inflación, los tipos de cambio, el precio del petróleo, los tipos de interés y la inversión extranjera directa. Son estas dos últimas variables las que presentan una relación significativa a largo plazo, negativa y positiva respectivamente. No obstante, del modelo VECM se extrae que, a nivel coyuntural, los retardos de la inversión extranjera directa no son explicativos. Kim y Yang (2009) trataron de comprobar la influencia de los flujos de capitales en la economía coreana desde 1999 hasta 2007 con la intención de que la consolidación de esta relación sirva como elemento preventivo de cara a detectar burbujas especulativas. Su forma de estudio parte de la problemática de bicausalidad entre los flujos de capitales y de activos financieros, por lo que toman los flujos de capital como una variable exógena, y construyen un modelo VAR del cual concluyen que, si bien los flujos de capitales influyen 23 en el precio de los activos, dicho efecto sólo se circunscribe al mercado financiero, desconsiderando la posibilidad de burbujas especulativas. Estos autores extienden su metodología a otros países del sureste asiático 3 en un trabajo posterior, bajo los mismos supuestos (Kim y Yang, 2011). A partir del estudio del grado de impacto de las variables en el conjunto de modelos que presentan, reafirman la conclusión de su anterior trabajo: si bien existe una relación directa inmediata entre las entradas de flujos de capitales y los precios de los activos, ésta no tiene relevancia para variables como la producción o el nivel de precios de la economía en general. Es más, acerca del comentado efecto sobre los precios de los activos, afirman que “los shocks de entrada de capitales afectan a una parte relativamente pequeña de las fluctuaciones de los precios de los activos” (Kim y Yang, 2011, p. 314). Taguchi (2011) utiliza la misma metodología de Kim y Yang (2009) excluyendo algunas de las variables que éstos utilizan, tomando datos de China, Hong Kong, Indonesia, Corea y Tailandia con periodicidad trimestral entre 2000 y 2010. Su estudio corrobora, salvo en China, que inversión extranjera tiene una repercusión inmediata en los precios de los activos La respuesta indirecta se confirma para Hong Kong. Tillmann (2012) toma datos de cinco países asiáticos entre el año 2000 y el año 2011 4 . Destaca el shock positivo que los flujos de capitales tienen sobre el precio de los activos y de la vivienda en los países estudiados. Por otro lado, en el corto plazo, se observa una reacción inversa entre el tipo de interés a corto plazo y los flujos de capitales. Trivedi y Behera (2012) relacionan empíricamente (con datos entre septiembre de 1997 y marzo de 2011) el BSE Sensex con el índice de producción industrial, el precio de venta al por mayor, el tipo de interés del bono a tres meses, la oferta monetaria (M3), las inversiones institucionales extranjeras y el índice Morgan Stanley Capital International, que viene a ser un indicador utilizado a efectos de comprobar la integración en el mercado global. El análisis de cointegración confirma una relación significativa a largo plazo. Como resultado de su análisis impulso-respuesta muestran que la relación es positiva con todas las variables macroeconómicas salvo con el tipo de interés y la inflación. Por último, revelan que la 3 Corea del Sur, Malasia, Indonesia, Filipinas y Tailandia (Kim y Yang, 2011, p. 305) 4 Los países estudiados son Corea, Hong Kong, Malasia, Tailandia y Taiwán (Tillmann, 2012, p. 722), se realiza un segundo modelo para incorporar a Singapur, cuya serie de datos no comienza en 2001, sino en 2003. 24 inversión extranjera institucional, entre las variables, es la que explica mayor varianza del índice a medio y largo plazo (aunque en un porcentaje reducido). Igualmente, Taguchi, Sahoo y Nataraj (2015) estudian con análisis impulso-respuesta derivado de la modelización por vectores autorregresivos la misma relación, pero considerando 10 países entre latinoamericanos y asiáticos, de los cuales no todos tienen sistema de tipo de cambio variable 5 . A partir de los resultados de su modelización, corroboran la influencia de los dos canales explicados supra: Se puede afirmar la relación directa entre el precio de los activos y los flujos de capital para todos los países salvo Croacia y Rusia, pero dada la no significatividad de la respuesta de los precios de los activos a las variables monetarias, se comprueba que la relación indirecta es más influyente en el caso de economías con sistemas de tipos de cambio fijo. También Ray (2016) utiliza, entre otras, la inversión extranjera directa como indicador para analizar las relaciones de causalidad con el índice BSE Sensex en la India entre los años 1990-2011. De entre las relaciones observadas por el método de Granger, obtiene que las fluctuaciones en el índice de precios de los activos en dicho país causan las variaciones en los flujos de capitales. Para Pakistán, Shabbir (2018) realiza un análisis a corto y a largo plazo de los determinantes del Karachi Stock Index de Pakistán, utilizando como datos macroeconómicos el PIB, el índice de precios al consumidor, el tipo de interés del mercado monetario, los tipos de cambio y la inversión extranjera directa. En el corto plazo, observa que sólo esta última variable tiene un impacto significativo en la explicación de las fluctuaciones del índice. 5 Entre los países que son objeto del estudio Brasil, Chile, Colombia, Indonesia, México y Tailandia cuentan con un sistema de tipos de cambio variable, mientras que India, Perú, Croacia y Rusia lo tienen fijo (Taguchi, Sahoo y Nataraj 2015, pág 7, Tabla 1). 25 Tabla 7. Cuadro-resumen sobre los determinantes macroeconómicos más frecuentes y sus relaciones con los precios de los activos Fuente: Elaboración propia a partir de la revisión de la literatura. Factor determinante Mecanismo de incidencia Efecto sobre el precio de los activos (+/-) Indicadores de la actividad económica (IP, PIB, PNB) Anticipa la evolución de la economía y las perspectivas de ganancias empresariales. + Inflación (IPC, PVPM) Si la inversión en activos la contrarresta + Aumento de la presión fiscal - Mayor coste de materias primas (salvo repercusión en el precio final). - Incidencia sobre los tipos de interés - Tipos de interés (del bono, del mercado monetario…) Insuficiente rentabilidad de los activos - Mayores costes alternativos y reajuste de cartera hacia activos más rentables - Encarecimiento de la financiación ajena - Desincentiva modificaciones empresariales estructurales - Oferta monetaria (MZM, M1, M2, M3) Aumento de la inflación +/- Disminución de los tipos de interés + Reajuste de cartera cambiando liquidez por activos + Estimulación de la actividad económica + Sospechas de una futura política monetaria restrictiva (mayor tipo de interés) - Tipos de cambio Mayor propensión a exportar Depreciación (aumenta el tipo de cambio) + Apreciación (disminuye el tipo de cambio) - Mayor propensión a importar Depreciación (aumenta el tipo de cambio) - Apreciación (disminuye el tipo de cambio) + Flujos de capital Efecto directo sobre el precio de los activos + Efecto indirecto Sistema de tipo de cambio fijo + Sistema de tipo de cambio variable Sin efecto 32 un número de condición aceptable a efectos de colinealidad sería de entre 5-10, mientras que aquí nos encontramos con un número bastante inferior. En comparación, cuando introducimos el índice de producción industrial en diferencias, D(SFTECHPULSEINDEX), se observa que el índice de producción industrial deja de ser significativo, en favor de esta nueva variable, que mantiene ahora una significatividad del 1%, con relación positiva, y mejorando la bondad del ajuste en algo más de 6 puntos porcentuales, manteniéndose el modelo libre de autocorrelación y de colinealidad. En los subsiguientes modelos, se descarta el índice de producción industrial, ya que el índice tecnológico también tiene cierto componente de producción en su determinación que puede provocar que haya cierta correlación entre ambas variables, y dado que el índice Tabla 9. Factores económicos determinantes del índice DJIA. Estimación por el método de Prais Winsten (1973:1-2018:4) Variable dependiente D(DJIA) Modelo I Modelo II Modelo III Modelo IV Modelo V D(IND_PROD_INDEX) 60,1379* (0,0660) 42,7616 (0,1927) - - - D(SFTECHPULSINDEX) - 61,4676*** ( 7.03E-05) 67,8576*** (2,58e-06) 57,4193*** (2,60e-05) 43,0074*** (7,57E-06) D(CPI) 58,6413 (0,6000) 6,9752 (0,9474) −29,3155 (0,7800) - - D(FED_FUND_RATE) −7,7518 (0,8419) −20,0710 (0,5921) 1,2621 (0,9713) −4,2897 (0,8986) −4,5515 (0,8611) D(M2) −0,3817 (0,4508) 0,1335 (0,7737) 0,7469 (0,1495) 0,4674 (0.3555) 0,2434 (0,5150) D(NOMBROADINDEX) −68,1868*** (0,0002) −61,7998*** (0,0003) −62,1411*** (0,0002) −56,0989*** (0,0002) −19,5342* (0,0927) D(LIABILITIES) - - −0,8682*** (0,0041) −0,9210*** (0,0015) −0,6347*** (0,0062) D(FDI) - - - 0,0032 (0,0008) - D(RWEIFS) - - - - 0,0016*** (4,15E-022) CONST 143,935* (0,0993) 99,9826 (0,2076) 152,783* (0,0525) 80,4932* (0,0941) 42,9102 (0,1856) R2 0,1865 0,2496 0,2776 0,3195 0,5432 Estadístico F 5,7478*** (6,1E-05) 8,5176*** (3,96E-08) 9,8808*** (2,18E-09) 13,3408*** (1,94E-12) 44,1661*** (1,15E-32) Durbin-Watson 2,0786 2,0153 2,0252 2,0007 1,8501 Rho −0,0487 −0,0151 −0,0198 −0,0049 0,0249 Belsley-Kuh- Welsch 3,957 4,495 4,682 3,522 3,699 *: Significatividad al 10%; **: significatividad al 5%; ***: significatividad al 1%. P-valores entre paréntesis. Valores aproximados a 4 decimales salvo números de condición. Fuente: Elaboración propia a partir de las estimaciones de GRETL 33 tecnológico resulta más significativo, o simplemente, significativo, se entiende que esta variable ha de prevalecer. Comprobamos ahora la significatividad de la relación con el dinero bancario mediante el Modelo III. Esta relación es significativa y negativa, y aumenta la bondad de ajuste en torno a 3 puntos porcentuales más que el modelo anterior, sin existencia de autocorrelación o de colinealidad por los criterios antes mencionados. Las variables SFTECHPULSEINDEX, NOMBROADINDEX siguen manteniendo las mismas cualidades en signo y significatividad. Para la estimación posterior, se decide eliminar el efecto del índice de precios al consumidor, pero no las variables relacionadas con el mercado de dinero, porque a efectos de este estudio, se quiere observar si hay influencia de los diferentes canales por los que el dinero confluye hacia los índices bursátiles. En los Modelos IV y V se estudian los efectos de los flujos de capitales en las diferencias de los índices. Como se puede ver a través de los resultados, tanto la inversión extranjera directa como las inversiones en fondos mutuos son variables significativas, pero al cambiar la variable D(FDI), que adiciona un 4% de bondad de ajuste al modelo II, por la variable D(RWEIFS), ésta aumenta en torno a 23 puntos porcentuales. Con la especificación definitiva del modelo V, llegamos a una bondad de ajuste del 54,32%, frente al R2 inicial del modelo I, de en torno al 19%. Esto evidencia que los flujos de capitales tienen influencia determinante en el índice DJIA (en diferencias). El Modelo V, igualmente, sigue sin presentar problemas acuciantes de autocorrelación o colinealidad. IV.2 Resultados para el índice NASDAQ Empleando la misma metodología anterior, analizamos a partir de la Tabla 10 los Modelos I a V tomando como variable dependiente las diferencias en el índice NASDAQ, D(NASDAQ). De acuerdo con los estadísticos de Durbin y Watson y los números de condición de cada uno de los modelos, ninguno de ellos presenta problemas graves de autocorrelación o colinealidad que puedan comprometer la fiabilidad de los estimadores en diferencias. El Modelo I sólo arroja significatividad respecto del índice de producción industrial (al 10%) y el tipo de cambio (al 1%). La relación es positiva para la primera variable, y negativa para la segunda. Con las variables comúnmente consideradas, esta estimación 34 permite una bondad del ajuste de poco más de 10 puntos porcentuales en la explicación de las diferencias del índice NASDAQ. Al añadir la variable D(SFTECHPULSEINDEX), nuevamente la significatividad del índice de producción industrial se pierde mientras que esta nueva variable resulta significativa al 1% y positiva. La significatividad y signo del tipo de cambio se mantienen en los mismos niveles del Modelo I, con la particularidad de que, añadiendo el índice tecnológico, la bondad del ajuste aumenta en alrededor de 10 puntos porcentuales. Por lo tanto, se vuelve a descartar la variable D(IND_PROD_INDEX) en favor de D(SFTECHPULSEINDEX). Tabla 10. Factores económicos determinantes del índice NASDAQ. Estimación por el método de Prais Winsten (1973:1-2018:4) Variable dependiente D(NASDAQ) Modelo I Modelo II Modelo III Modelo IV Modelo V D(IND_PROD_INDEX) 25,6381* (0,0676) 10,4026 (0,4460) - - - D(SFTECHPULSINDEX) - 31,2917*** (4,90E-07) 32,4356*** (2,40E-08) 32,2361*** (7,95E-08) 22,5044*** (4,82e-06) D(CPI) 27,5743 (0,5652) −12,1012 (0,7806) −23,7166 (0,5828) - - D(FED_FUND_RATE) −1,0581 (0,9499) −4,7284 (0,7630) 1,8551 (0,8993) 1,1358 (0,9381) 0,0247 (0,9984) D(M2) 0,01689 (0,9370) 0,2350 (0,2082) 0,5132** (0,0161) 0,5336** (0,0158) 0,2640 (0,1487) D(NOMBROADINDEX) −17,8735** (0,0201) −16,7861** (0,0161) −16,7798** (0,0147) −15,5667** (0,0165) -4,7131 (0,4036) D(LIABILITIES) - - −0,3793*** (0,0028) −0,3703*** (0,0033) −0,2482** (0,0230) D(FDI) - - - −7,5399e-05 (0,8531) - D(RWEIFS) - - - - 0,0005*** (1,17E-012) CONST 23,5417 (0,5209) 14,7720 (0,6427) 32,7539 (0,3020) 20,5186 (0,3225) -4,9473 (0,7680) R2 0,1066 0,2096 0,2460 0,2449 0,4319 Estadístico F 2,7847** (0,0190) 8,1273*** (9,20E-08) 9,4135*** (5,85E-09) 9,2799*** (7,76e-09) 23,3245*** (3,52E-20) Durbin-Watson 1,9797 1,9195 1,9222 1,9214 1,9875 Rho −0,0327 0,0021 −0,0008 −0,0014 0,0061 Belsley-Kuh-Welsch 4,161 4,819 4,953 3,536 3,408 *: Significatividad al 10%; **: significatividad al 5%; ***: significatividad al 1%. P-valores entre paréntesis. Valores aproximados a 4 decimales salvo números de condición. Fuente: Elaboración propia a partir de las estimaciones de GRETL 35 En el Modelo III, la añadidura de la variable D(LIABILITIES), con significatividad al 1% y relación negativa, nos aporta en torno a un 3,6% de bondad de ajuste respecto al modelo anterior. La significatividad y signos de las variables D(SFTECHPULSEINDEX) y D(NOMBROADINDEX) se mantiene, pero además, se evidencia una relación positiva y significativa al 5% de la variable D(M2). Ni D(CPI) ni D(FED_FUND_RATE) son determinantes en este tercer modelo. Descartamos al respecto la variable del índice de precios al consumidor, manteniendo las monetarias a pesar de su no significatividad, por las razones ya explicadas en el apartado anterior. Respecto a las variables indicativas de los flujos de capitales, la inversión extranjera directa en EEUU no resulta significativa para explicar el índice NASDAQ en diferencias, atendiendo a la especificación del Modelo IV, razón por la que la bondad del ajuste se mantiene en torno al 24%. Pero en el Modelo V, al añadir a la inversión extranjera directa la inversión en fondos mutuos y del mercado monetario, el estadístico R2 aumenta hasta un 43,18%. Ahora bien, en este último modelo, se pierde la significatividad tanto de la oferta monetaria como del tipo de cambio. Sólo resultan determinantes por lo tanto el índice tecnológico, los pasivos de los bancos comerciales y la inversión en fondos mutuos, con especial hincapié en esta última variable. En comparación con el Modelo I, se ganan 33 puntos porcentuales de bondad de ajuste. IV.3 Resultados para el índice S&P 500 En la Tabla 12, se muestran los estadísticos de Durbin y Watson, así como el número de condición de Belsley-Kuh-Welsch, que nos indican nuevamente que no existen problemas de autocorrelación ni de colinealidad. De la especificación del Modelo I, sólo dos de las variables en diferencias consideradas habitualmente por la literatura presentan una relación significativa, a saber: la oferta monetaria, M2 (al 10%) con una relación negativa, así como el índice de tipos de cambio nominal de los Estados Unidos (al 1%), con el mismo signo. Bajo estas especificaciones, la bondad del ajuste se establece en casi un 24%. Proseguimos nuevamente a buscar una modelización más razonable. Al incluir la variable aproximativa de la producción y desarrollo del sector tecnológico en diferencias, D(SFTECHPULSEINDEX), se vuelve a repetir el patrón de comportamiento para con los índices anteriores, esto es, una relación positiva y significativa al 1%, que aporta más explicatividad a las diferencias del índice S&P500 que el índice de producción 36 industrial, ya de por sí aducido de falta de significatividad. Por ello, preferimos utilizar esta nueva variable a la anterior. Ocurre igualmente que el efecto de la oferta monetaria ya no es significativo en este modelo, pero sin embargo, con esta nueva especificación, las diferencias del tipo de cambio y del índice tecnológico permiten aumentar la bondad del ajuste en 10 puntos porcentuales más. Sobre la relación econométrica con los pasivos comerciales, atendiendo al Modelo IV, volvemos a evidenciar una relación significativa (al 1%) y negativa, manteniéndose las anteriores variables significativas en esa misma condición y con el mismo signo. La inclusión pretendida del peso del dinero bancario en las fluctuaciones diferenciales del índice S&P 500 nos aporta un aumento de la bondad del ajuste de un 4% más respecto del Modelo III. Tabla 11. Factores económicos determinantes del índice S&P 500. Estimación por el método de Prais Winsten (1973:1-2018:4) Variable dependiente D(SP500) Modelo I Modelo II Modelo III Modelo IV Modelo V D(IND_PROD_INDEX) 3,7441 (0,3092) 3,3378 (0,3539) - - - D(SFTECHPULSINDEX) - 9,5377*** (1,09E-07) 9,9589*** (2,68E-09) 9,3894*** (1,07E-08) 7,0695*** (4,39E-012) D(CPI) 18,1184 (0,1522) 7,3398 (0,5315) 0,8347 (0,9421) - - D(FED_FUND_RATE) −0,3941 (0,9263) −2,0525 (0,6165) −0,0867 (0,9817) −0,2947 (0,9370) −0,4212 (0,8704) D(M2) −0,1175** (0,0500) −0,0185 (0,7238) 0,0690 (0,2263) 0,0582 (0,3039) 0,0160 (0,6673) D(NOMBROADINDEX) −6,0972*** (0,0027) −5,4507*** (0,0038) −5,4264*** (0,0029) −5,2494*** (0,0019) −1,0326 (0,3714) D(LIABILITIES) - - −0,1189*** (0,0003) −0,1226*** (0,0001) −0,0813*** (0,0004) D(FDI) - - - 0,0002* (0,0550) - D(RWEIFS) - - - - 0,0002*** (6,04E-030) CONST 15,3802 (0,1461) 8,1043 (0,3652) 15,1105* (0,0859) 11,3522** (0,0486) 3,1972 (0,3362) R2 0,2386 0,3324 0,3782 0,3902 0,6817 Estadístico F 6,1480*** (2,8E-05) 11,3238*** (1,10E-10) 14,0873*** (4,53E-13) 15,6824*** (2,17E-14) 71,7188*** (1,09E-44) Durbin-Watson 2,0361 1,9547 1,9716 1,9657 1,9466 Rho −0,0633 −0,0127 −0,0220 −0,01476 0,0001 Belsley-Kuh- Welsch 3,305 4,251 4,388 3,296 3,553 *: Significatividad al 10%; **: significatividad al 5%; ***: significatividad al 1%. P-valores entre paréntesis. Valores aproximados a 4 decimales salvo números de condición. Fuente: Elaboración propia a partir de las estimaciones de GRETL 37 Los efectos de los flujos de capital se escinden, en significatividad y en bondad de ajuste, de la siguiente manera: cuando consideramos sólo la inversión extranjera directa (en diferencias), la significatividad es débil (sólo al 10%) y la relación es positiva, con un aumento de apenas un punto porcentual. Pero al añadir, en el modelo V, la influencia de la inversión en fondos mutuos y del mercado monetario junto a la inversión directa, la amalgama de ambos conceptos en la variable D(RWEIFS) arroja una relación muy significativa, positiva, y que aumenta en torno a 29 puntos porcentuales la bondad del ajuste respecto del modelo anterior. En este último modelo, la variable representativa de los tipos de cambio ya no es significativa, y mantienen sólo la significatividad el índice tecnológico, los pasivos de los bancos comerciales y la variable representativa de los flujos de capitales. Se consigue, en todo el itinerario de estimaciones, pasar de una bondad de ajuste de en torno a casi el 24% en el Modelo I, a un R2 de un 68% en el Modelo V. IV.4 Resultados para el índice NYSE Conforme a los resultados mostrados en la tabla 13, y en concreto, los estadísticos de Durbin y Watson así como los números de condición de Belsley-Kuh-Welsch, nuevamente se observa ausencia de autocorrelación o colinealidad problemáticos en todos los modelos presentados. Con la especificación del Modelo I, el valor de partida del R2 es de un 33,29% aproximadamente, y tenemos que, en diferencias, son tres las variables significativas: la inflación, con relación positiva al 5%, la oferta monetaria, con relación negativa al 1% y el índice de tipos de cambios, significativo al 1% y negativo. El índice de producción industrial no resulta una variable significativa en el Modelo I, así como tampoco en el Modelo II, pero nuevamente el índice tecnológico se muestra como una variable significativa y de relación positiva en este último modelo. La nueva especificación aumenta en más de 6 puntos porcentuales la bondad del ajuste del modelo anterior, y aunque el índice de precios al consumidor y la oferta monetaria mantienen su signo y siguen siendo significativos, esta última cualidad se ve minorada (del 5 al 10% en la primera variable, y del 1 al 5% en la segunda). Como venimos haciendo, retiramos de la ecuación econométrica la variable del índice de producción industrial. 38 Adicionando en el Modelo III los pasivos de los bancos comerciales, la significatividad del índice de precios al consumidor, así como la de la oferta monetaria se debilita por completo. Sólo se mantienen significativos el índice tecnológico (relación positiva al 1%), el índice de tipos de cambio (relación negativa al 1%) y los pasivos de los bancos comerciales (relación negativa al 1%). La varianza explicada de este modelo es de un 43,8%, es decir, 4 puntos porcentuales más que en el Modelo II. Para los modelos subsiguientes, se elimina la variable del índice de precios al consumidor. La influencia de los flujos de capitales, en sentido econométrico es débilmente significativa considerando exclusivamente la inversión extranjera directa en EEUU y apenas añade bondad de ajuste a la especificación econométrica por sí sola (véase Modelo IV en la Tabla 13. Sin embargo, cuando incorporamos a la inversión extranjera directa las inversiones en Tabla 12. Factores económicos determinantes del índice NYSE Composite Index. Estimación por el método de Prais Winsten (1973:1-2018:4) Variable dependiente D(NYSE) Modelo I Modelo II Modelo III Modelo IV Modelo V D(IND_PROD_INDEX) 11,9781 (0,5579) 1,4824 (0,9417) - - - D(SFTECHPULSINDEX) - 47,1856*** (1,05E-05) 47,4520*** (1,52E-06) 45,4892*** (2,74E-06) 32,8426*** (7,54E-07) D(CPI) 165,019** (0,0195) 122,703* (0,0686) 72,4416 (0,2713) - - D(FED_FUND_RATE) −0,7305 (0,9754) −7,3344 (0,7493) −2,6232 (0,9018) −1,6749 (0,9368) −2,0286 (0,9009) D(M2) −0,9708*** (0,0038) −0,6649** (0,0323) −0,1127 (0,7310) −0,1755 (0,5893) −0,3413 (0,1547) D(NOMBROADINDEX) −47,4895*** (3,15E-05) −44,5258*** (4,32E-05) −44,3616*** (2,42E-05) −47,1847*** (1,92E-06) −28,5199*** (0,0002) D(LIABILITIES) - - −0,6501*** (0,0004) −0,7125*** (7,58E-05) −0,5179*** (0,0003) D(FDI) - - - 0,0011* (0,0737) - D(RWEIFS) - - - - 0,001*** (2,98E-23) CONST 73,5589 (0,2108) 48,1814 (0,3656) 83,3519 (0,1075) 100,948*** (0,0043) 61,2047*** (0,0074) R2 0,332889 0,3971 0,4378 0,4430 0,6612 Estadístico F 12,2627*** (3,24E-10) 14,5151*** (1,99E-13) 17,8625*** (3,97E-16) 18,7384*** (8,34E-17) 56,2007*** (2,98E-38) Durbin-Watson 2,0182 1,9935 2,0303 2,0143 1,9324 Rho −0,0280 −0,0145 −0,0319 −0,0210 −0,0013 Belsley-Kuh- Welsch 3,303 3,816 4,033 3,112 3,284 *: Significatividad al 10%; **: significatividad al 5%; ***: significatividad al 1%. P-valores entre paréntesis. Valores aproximados a 4 decimales salvo números de condición. Fuente: Elaboración propia a partir de las estimaciones de GRETL 39 fondos mutuos y del mercado monetario, compactado todo en la variable D(RWEIFS), el aumento de R2 es muy relevante, casi de 22 puntos porcentuales, y, además de ésta, se mantienen significativos el índice tecnológico, el índice de tipo de cambio nominal y los pasivos de los bancos comerciales. Con la especificación del Modelo V, llegamos a un R2 de un 66,11%, frente a un 33,29% del Modelo I. IV. 5 Algunas repercusiones económicas Los cuatro índices que sirven de objeto a nuestro estudio se caracterizan por una serie de relaciones comunes con las variables que venimos utilizando en sus especificaciones. La primera idea a tener en cuenta es que la significatividad del índice de producción industrial pierde significatividad en favor del índice tecnológico SFTECHPULSEINDEX, considerado en diferencias. Ello, unido a su relación positiva, nos puede estar indicando la relevancia que el desarrollo tecnológico tiene en la evolución de los precios de los activos. Observando la desagregación de las empresas partícipes en cada índice por sectores, sin embargo, nos damos cuenta de que la proporción de empresas no es excesivamente grande en el sector tecnológico: en porcentajes, representan un 18,9% de la desagregación sectorial del índice DJIA, un 14,59% del conjunto de empresas del NASDAQ, un 21,7% del índice S&P 500 y un 8,15 % del NYSE Composite Index (Véase Anexo IV). Aun así, a fin de cuentas, lo relevante no es tanto el número de empresas como el nivel de capitalización bursátil de las mismas, por lo que se sugiere del conjunto de la interpretación que cabe la posibilidad de que el sector tecnológico esté experimentando auges que redunden en la existencia de burbujas asociadas a dicho mercado. Las variables asociadas al mercado monetario, que hemos empleado y mantenido en los modelos diferenciales, nos llevan a la conclusión de ausencia de significatividad en las especificaciones del Modelo V para los cuatro índices. No ocurre así en el caso del dinero bancario, donde observamos que se establece una relación significativa y negativa para los cuatro índices. Dicha relación negativa puede explicarse en la medida en que, para solicitar financiación ajena, existe la exigencia de mantener unos capitales propios mínimos en líquido. Cuando esos capitales propios están materializados en activos financieros, se necesita venderlos para obtener tal liquidez precisada para la cofinanciación. Por lo tanto, la oferta de esos activos aumenta en los mercados financieros y, en consecuencia, disminuye su precio. 40 Hasta llegar a la especificación del modelo V, el índice de tipos de cambio nominal mantenía una relación significativa y negativa con los índices, que empeora en significatividad con el mencionado modelo (sólo se aprecia significatividad al 10% en el índice DJIA y en al 1% en el índice NYSE). Al menos, en aquellas variables donde existen atisbos de significatividad, las relaciones negativas nos indican que las empresas importadoras que forman parte del índice DJIA y NYSE tienen un mayor peso en el mismo que las empresas exportadoras. Al incorporarse las variables asociadas a los flujos de capitales, se han tenido en cuenta dos perspectivas: la inversión directa en Estados Unidos (FDI) y la inversión extranjera en fondos mutuos y del mercado monetario, que podía definirse como la diferencia entre la variable RWEIFS y FDI. La inversión directa, por sí sola, incrementaba la bondad del ajuste en tres de los cuatro índices (no es significativa en el NASDAQ), pero al incorporar la inversión en fondos mutuos, se aprecia que la bondad de ajuste en los cuatro índices se incrementa considerablemente. A nivel económico, se pretenden valorar los efectos marginales de dos posibles destinos de la inversión extranjera, bien a la adquisición empresarial y la inversión real en EEUU, o bien a los mercados financieros, y se concluye que canal hacia los mercados financieros tiene una importancia muy mayúscula respecto a la inversión directa. Ello explica, como se verá en el apartado siguiente, la enorme predictibilidad que la variable tiene para explicar los cambios de los índices. Sirva todo ello para confirmar, en una primera aproximación analítica, que los flujos de capitales tienen una gran importancia como factor determinante del precio de los activos financieros. IV. 6 Ilustración gráfica de la capacidad predictiva A continuación, con objeto de mostrar la aproximación secuencial de las variables del Modelo V frente a la del Modelo I, se propone una comparativa gráfica a partir de la estimación por Mínimos Cuadrados Ordinarios (MCO), que pretende ser una ilustración indiciaria del mejor ajuste de nuestra especificación frente a la de la literatura. De la comparativa gráfica para el índice DJIA (Gráficos 1 y 2), se puede extraer que, si bien ambas especificaciones se ajustan en gran medida a la variable observada (en línea roja continua), la especificación del Modelo V reduce las fluctuaciones gráficas entre mediados de los años setenta y los años noventa, acompasándose mejora a las fluctuaciones del modelo. Cabe destacar que la aproximación mejora en el Modelo V durante los períodos 1995-2001, si bien, con cierta sobrevaloración en torno al año 2000; así como, con cierta 41 infraestimación, entre los años 2000 y 2008. En los años más recientes, existe cierta sobrevaloración en el período 2010-2011 y en el período entre 2014 y 2016. Gráfico 1. DJIA medio trimestral observado y estimado (MCO) con las variables del Modelo I en niveles entre 1973 y 2018 Fuente: Elaboración propia a partir del software GRETL. Gráfico 2. DJIA medio trimestral observado y estimado (MCO) con las variables del Modelo V en niveles entre 1973 y 2018 Fuente: Elaboración propia a partir del software GRETL 48 Büyüksalvarci, A. y Abdioglu, H. (2010). The causal relationship between stock prices and macroeconomic variables: A case study for turkey. International Journal of Economic Perspectives, 4(4), 601-610 Charkravarty, S. (2005). Stock market and macroeconomic behavior in India. Institute of Economic Growth. Recuperado de: http://www. iegindia. org/dispap/dis106. pdf. Chen, N. F., Roll, R., y Ross, S. A. (1986). Economic forces and the stock market. Journal of business, 59 (3), 383-403. Dadgostar, B. y Moazzami, B. (2003). Dynamic Relationship Between Macroeconomic Variables and the Canadian Stock Market. Journal of Applied Business and Economics, 2(1), 7-14. Dritsaki-Bargiota, M. y Dritsaki. C. (2004). Macroeconomic determinants of stock price movements: an empirical investigation of the Greek stock market. En XI International Conference. Multinational finance Society. Istambul. July (pp. 3-8). Elton, E. J., y Gruber, M. J. (1998). Modern portfolio theory, 1950 to date. Journal of Banking & Finance, 21(11-12), 1743-1759. Gujarati, D. N. y Porter, D. C. (2009), Econometría. Quinta Edición. Madrid: McGrawHill. Haque, A. y Sarwar, S. (2012). Macro-determinants of stock return in Pakistan. Middle- East Journal of Scientific Research, 12(4), 504-510. Hassanzadeh, A. y Kianvand, M. (2012). The impact of macroeconomic variables on stock prices: The case of Tehran Stock Exchange. Journal of Money and Economy, 6(2), 171-190. Hobijn, B., Stiroh, K. J., y Antoniades, A. (2003). Taking the pulse of the tech sector: A coincident index of high-tech activity. Current Issues in Economics and Finance, 9 (10), 1-7. Hsing, Y. (2011). Macroeconomic Determinants of the Stock Market Index and Policy Implications: The Case of a Central European Country. Eurasian Journal of Business and Economics, 4(7), 1-11. Humpe, A. y Macmillan, P. (2007). Can macroeconomic variables explain long-term stock market movements? A comparison of the US and Japan. Applied Financial Economics, 19(2), 111-119. Ibrahim, M. H. y Yusoff. S. W. (2001). Macroeconomic variables. exchange rate and stock price: A Malaysian perspective. International Journal of Economics. Management and Accounting, 9(2), 141-163. 49 Inegbedion, H. E. (2012). Macroeconomic determinants of stock price changes: Empirical evidence from Nigeria. Indian Journal of Finance, 6 (2), 19-23. ISSN 2222-1700 (Paper) ISSN 2222-2855 (Online). Kemboi, J. K. y Tarus, D. K. (2012). Macroeconomic determinants of stock market development in emerging markets: Evidence from Kenya. Research Journal of Finance and Accounting, 3(5), 57-68 Kim, S. y Yang, D. Y. (2009). Do capital inflows matter to asset prices? The case of Korea. Asian Economic Journal, 23(3), 323-348. Kim, S. y Yang, D. Y. (2011). The impact of capital inflows on asset prices in emerging Asian economies: is too much money chasing too little good? Open Economies Review, 22(2), 293-315. Lee, C. L., Boon, T. H. y Baharumshah, A. Z. (2001). The stock market. macroeconomic fundamentals and economic growth in Malaysia. The Asia Pacific Journal of Economics y Business, 5(2), 44-55. Lintner, J. (1965) The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets. The Review of Economics and Statistics, 47 (1), 13-37. Recuperado de: http://www.jstor.org/stable/1924119 López, F. y García, P. (2009). Bolsa, Mercados y técnicas de inversión. 2ª Edición. Madrid: McGrawHill. Malaolu, V., Ogbuabor, J. E., y Orji, A. (2013). Determinants of stock price movements in Nigeria: Evidence from monetary variables. Journal of Economics and Sustainable Development, 4(14), 61-66. Recuperado de: http://dspace.unn.edu.ng/bitstream/handle/123456789/6573/Ogbuabor%28Determ inants%20of%20Stock%20Price...%29.pdf?sequence=1yisAllowed=y (Visitado por última vez el 21/05/2019) Markowitz, H. (1952). Portfolio selection. The journal of finance, 7(1), 77-91. Recuperado de: https://www.jstor.org/stable/pdf/2975974.pdf Masaduzzaman, S. M. (2012). Impact of the macroeconomic variables on the stock market returns: The Case of Germany and the United Kingdom. Global Journal of Management and Business Research. 12(16), 23-34. Menike, L. M. C. S. (2006). The effect of macroeconomic variables on stock prices in emerging Sri Lankan stock market. Sabaragamuwa university journal, 6(1), 50-67. Montero. R (2013): Variables no estacionarias y cointegración. Documentos de Trabajo en Economía Aplicada. Universidad de Granada. España. Recuperado de: 50 https://www.ugr.es/~montero/matematicas/cointegracion.pdf (Visitado por última vez el 22/05/2019). Muradoglu, G., Taskin, F. y Bigan, I. (2000). Causality between stock returns and macroeconomic variables in emerging markets. Russian y east European finance and trade, 36(6), 33-53. NASDAQ.com. NASDAQ Companies (by industry). Recuperado de: https://www.nasdaq.com/screening/companies-by- industry.aspx?exchange=NASDAQ (Visitado por última vez el 22/05/2019). NASDAQ.com. NYSE Companies (by industry). Recuperado de: https://www.nasdaq.com/screening/companies-by-industry.aspx?exchange=NYSE (Visitado por última vez el 22/05/2019). Niarchos, Ν. Α. y Αlexakis, Χ. Α. (2000). The predictive power of macroeconomic variables on stock market returns: the case of the Athens stock exchange. SPOUDAI-Journal of Economics and Business, 50(1-2), 74-86. Ouma, W. N. y Muriu, P. (2014). The impact of macroeconomic variables on stock market returns in Kenya. International Journal of Business and Commerce, 3(11), 1-31. Pilinkus, D., y Boguslauskas, V. (2009). The short-run relationship between stock market prices and macroeconomic variables in Lithuania: an application of the impulse response function. Inžinerinė ekonomika, (5), 26-34. Pramod Kumar, N. y Puja, P. (2012). The impact of macroeconomic fundamentals on stock prices revisited: An evidence from Indian data. MPRA Paper No. 38980, Recuperado de: http://mpra.ub.uni-muenchen.de/38980/ Ratanapakorn, O. y Sharma, S. C. (2007). Dynamic analysis between the US stock returns and the macroeconomic variables. Applied Financial Economics, 17(5), 369-377. Ray, S. (2012). Testing granger causal relationship between macroeconomic variables and stock price behaviour: evidence from India. Advances in Applied Economics and Finance, 3(1), 470-481. Recuperado de: https://www.jstor.org/stable/pdf/2352710.pdf Reserva Federal del Banco de St. Louis (base de datos). Disponible online en https:/fred.stlouisfed.org/ (Visitado por última vez el 30/04/2019). Ross, S. A. (1976) The Arbitrage Theory of Capital Asset Pricing. Journal Of Economic Theory, 13, 341-360. Recuperado de: http://www.bertrandmaillet.net/bibliography/Ross_1976_Preview.pdf 51 Shabbir, M. S. (2018). "The Impact of Foreign Portfolio Investment on Stock Prices of Pakistan.". MPRA Paper No. 86859. Recuperado de: https://mpra.ub.unimuenchen.de/86859/ Sharma, G. D. y Mahendru, M. (2010). Impact of macro-economic variables on stock prices in India. Global Journal of Management and Business Research, 10(7), 19- 26. Širůček, M. (2013). Impact of money supply on stock bubbles. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 61(7), 2835-2842. Sohail, N. y Zakir, H. (2010). Macroeconomic determinants of stock returns in Pakistan: The case of Karachi Stock Exchange. Journal of Advanced Studies in Finance, 1(2), 181-187. SyP Dow Jones Indices. A Division of SyP Global. Dow Jones Industrial Average. Recuperado de: https://us.spindices.com/indices/equity/dow-jones-industrial- average (Visitado por última vez el 22/05/2019) SyP Dow Jones Indices. A Division of SyP Global. SyP 500. Recuperado de: https://us.spindices.com/indices/equity/sp-500 (Visitado por última vez el 22/05/2019) Taguchi, H. (2011). Capital inflows and asset prices: The recent evidence of selected east asian economies. Policy Research Institute. Ministry of Finance. Taguchi, H. Sahoo, P. y Nataraj, G. (2015). Capital flows and asset prices: Empirical evidence from emerging and developing economies. International Economics, 141, 1-14. Tillmann, P. (2013). Capital inflows and asset prices: Evidence from emerging Asia. Journal of Banking y Finance, 37(3), 717-729. Trivedi, P. y Behera, S. R. (2012). Macroeconomic fundamentals as determinants of equity prices: An Empirical Analysis for India. IUP Journal of Applied Finance, 18(3), 5- 30. Verma, R. y Ozuna, T. (2005). Are emerging equity markets responsive to cross-country macroeconomic movements?: Evidence from Latin America. Journal of International Financial Markets, Institutions and Money, 15(1), 73-87. Wongbangpo, P. y Sharma, S. C. (2002). Stock market and macroeconomic fundamental dynamic interactions: ASEAN-5 countries. Journal of asian Economics, 13(1), 27- 51. 52 Wooldridge, J.M. (2006). Introducción a la econometría: un enfoque moderno. 2ª Edición. Madrid: Paraninfo. Yahoo Finance! Nyse Composite (DJ) (^NYA) Historical Data. Recuperado de: https://finance.yahoo.com/quote/%5ENYA/history?p=%5ENYA (Visitado por última vez el 22/05/2019). Yahoo Finance! Nyse Composite (DJ) (^NYA) Historical Data. Recuperado de: https://finance.yahoo.com/quote/%5ENYA/history?p=%5ENYA (Visitado por última vez el 22/05/2019). 53 ANEXO I: Variables proxy utilizadas como factores determinantes en la literatura estudiada Autor/es y año Países y período Indicador del precio de los activos Variables utilizadas Actividad Económica Inflación Tipo de interés Oferta Monetaria Tipos de cambio Economía Internacional Otros Cáceres y Nagamine (1993) Perú (Mensual 1984:1 - 1991:12) Índice general bursátil, índice industrial laboral e índice minero laboral - - Tipo de interés para depósitos a plazo. Liquidez en moneda nacional Tipo de cambio paralelo y oficial Reservas internacionales netas del banco central Variable dummy: Valor 1 si está en el período (1990:8- 1991:12) Mukherjee y Naka (1995) Japón (Mensual 1971:1-1990:12) Tokyo Stock Exchange Índice de producción industrial Índice de precios al consumidor Tipo de interés del bono a largo plazo y del dinero a corto plazo. M1 (narrow money supply) Yen/dólar - - Naka, Mukherjee y Tufte (1998) India (Trimestral 1960:1 -1995:4) Bombay Stock Exchange Índice de producción industrial Índice de precios al consumidor Tipo de interés del dinero en el mercado interbancario de Bombay. M1 (narrow money supply) - - - Muradoglu, Taskin y Bigan (2000) Argentina, Brasil, Colombia, México, Portugal, Grecia, Corea, Jordania, Pakistán, India, Nigeria y Zimbabwe (Mensual 1976:1 - 1997:12) S&P Index Índice de producción industrial Índice de precios al consumidor Tipo de interés compuesto mensual de los depósitos a plazo. - Moneda nacional por derechos especiales de giro. - - Niarchos y Alexakis (2000) Grecia (Mensual 1984:1 - 1995:12) Athens Stock Index - Índice de precios al consumidor - M3 Dracma/dólar - - Ibrahim y Yusoff (2001) Malasia (Mensual 1977:1 - 1998:8) Kuala Lumpur Composite Index - Índice de precios al consumidor - M2 Ringgit/dólar - - Fuente: Elaboración propia a partir de la revisión de la literatura. Referencias en el apartado de Bibliografía. 54 Autor/es y año Países y período Indicador del precio de los activos Variables utilizadas Actividad Económica Inflación Tipo de interés Oferta Monetaria Tipos de cambio Economía Internacional Otros Lee, Boon y Baharumshah (2001) Malasia (Trimestral 1987:1 - 1997:2) -Composite Index -Industrial Index -Finance Index -Property Index -Plantation Index -Mining Index Índice de producción industrial o PIB real. Índice de precios al consumidor Tipo de interés del bono del Tesoro a 3 meses. M3 Ringgit/ dólar Balanza comercial Capitalización de activos, volumen de activos, capital físico y ahorro. Bhattacharya y Mukherjee (2002) India (Mensual 1992:4 - 2001:3) Bombay Stock Exchange Index Índice de producción industrial o Producto Nacional Bruto. Índice de precios al por mayor. Tipo de interés del bono (364 días) M3 - - - Wongbangpo y Sharma (2002) Indonesia, Malasia, Filipinas, Singapur y Tailandia (Mensual 1985:1- 1996:12) -Jakarta Composite Stock Price Index -Kuala Lumpur Composite Index, -Phillipine Stock Exchange Composite Index, -Stock exchange of Singapore Index, -Stock Exchange of Thailand Index, Producto Nacional Bruto nominal. Índice de precios al consumidor. Tipo de interés del bono M1 Tasa del mercado - - Apergis y Eleftheriou (2002) Grecia (Mensual 1988:1 -1999:12) Athens Stock Index Índice de producción industrial Índice de precios al consumidor Tipo de interés del bono a tres meses - - - - Dadgostar y Moazzami (2003) Canadá (Mensual 1974:1 - 2002:9) Toronto Stock Exchange Producción Industrial Índice de precios al consumidor Tipo de interés del bono a largo plazo M1 Tipo de cambio respecto al dólar - - Fuente: Elaboración propia a partir de la revisión de la literatura. Referencias en el apartado de Bibliografía (CONTINUACIÓN) 55 Autor/es y año Países y período Indicador del precio de los activos Variables utilizadas Actividad Económica Inflación Tipo de interés Oferta Monetaria Tipos de cambio Economía Internacional Otros Drtisaki- Bargiota y Dritsaki (2004) Grecia (Mensual 1998:9 - 2003:6) Athens Stock Index Índice de producción industrial Índice de precios al consumidor Tipo de interés mensual percibido por los bonos del Banco Nacional Griego a un año. - - - - Charkravarty (2005) India (1991:4 - 2005:12) Bombay Stock Exchange Index Índice de producción industrial Inflación - M3 Tipo de cambio. - Precio del oro Verma y Ozuna (2005) Argentina, Brasil, Chile y México (Mensual 1993:08 - 2003:04) -Argentina Merval -Brazil BOVESPA -IGPA -IPC35 - Índice de precios al consumidor Tipo de interés del mercado monetario (Argentina y México), de los fondos federales (Brasil), del préstamo (Chile). M1 Nominal respecto al dólar - - Menike (2006) Sri Lanka (Mensual 1991:9- 2002:12) Activos de de 34 empresas del Colombo Stock Exchange - Índice de precios al consumidor Tipo de interés de la empresa “i” en el momento “t”. M2, Nominal respecto al dólar - - Humpe y Macmillan (2007) EEUU y Japón (Mensual 1965:1-2005:6) S&P 500, Log Nikkei 225, Log Producción industrial. Índice de precios al consumidor Tipo de interés real del bono a 10 años (EEUU) y tipo de interés de descuento (Japón) M1, log (insign + l/p) - - - Ratanapakoorn y Sharma (2007) EEUU (Mensual 1975:1-1999:4) S&P 500 Producción industrial Índice de precios al consumidor Tipo de interés del bono a diez años y tipo de interés del bono del gobierno M1 Yen/dólar - - Fuente: Elaboración propia a partir de la revisión de la literatura. Referencias en el apartado de Bibliografía (CONTINUACIÓN) 56 Autor/es y año Países y período Indicador del precio de los activos Variables utilizadas Actividad Económica Inflación Tipo de interés Oferta Monetaria Tipos de cambio Economía Internacional Otros Adam y Tweneboah (2008) Ghana (Trimestral 1991:1 -2007:4) Databank Stock Index - Índice de precios al consumidor Tipo de interés a 91 días. - Índice de tipo de cambio nominal Inversión extranjera directa Precio mundial del petróleo. Aydemir y Demirham (2009) Turquía (Diario 29-febrero 2001- 11 enero 2008) Índices del mercado de activos nacional, de servicios, financiero, industrial y tecnológico. - - - - Tipo de cambio nominal - - Kim y Yang (2009) Corea (1999- 2007) KOSPI, KOSDAQ producción (no especifica) nivel de precios (no especifica) tipo de interés (no especifica) M1, M2, Base monetaria won-dólar, nominal -Entradas de capital (ratio respecto al PIB) -Salidas de capitales -Inversión extranjera directa, -Reservas internacionales Precio del apartamento. Precio de la vivienda. Pilinkus y Bugoslauskas (2009) Lituania (Mensual 2000:1-2009:6) OMX Vilnius Index PIB Índice de precios al consumidor Tipo de interés interbancario M1 Respecto al dólar - Tasa de desempleo Büyüsalvarci y Abdioglu (2010) Turquía (Mensual 2000:3 - 2010:6) ISE-100 Index Índice de producción industrial Índice de precios al consumidor - Oferta monetaria. Tipo de cambio extranjero - Precio del oro Sharma y Mahendru (2010) India (Semanal: 2008:1 - 2009:1) Bombay Stock Exchange Index - Índice de precios al por mayor - - Tipo de cambio Reservas internacionales Precio del oro Fuente: Elaboración propia a partir de la revisión de la literatura. Referencias en el apartado de Bibliografía (CONTINUACIÓN) 57 Autor/es y año Países y período Indicador del precio de los activos Variables utilizadas Actividad Económica Inflación Tipo de interés Oferta Monetaria Tipos de cambio Economía Internacional Otros Sohail y Zakir (2010) Pakistán (Mensual 1991:11 - 2008:6) Karachi Stock Exchange (KSE), log Índice de producción industrial Índice de precios al consumidor Tipo de interés del bono a 3 meses M2 Índice de tipo de cambio real efectivo - - Hsing (2011) Hungría (Trimestral 2000:1 - 2010:2) Hungary Stock Market Index PIB real Tasa de inflación esperada. Tipo de interés real del bono del Tesoro. M1, M2 real, y sus cuadrados nominal effective exchange rate, - German DAX index Rentabilidad del bono europeo ratio deuda pública/PIB, ratio préstamos/PIB Kim y Yang (2011) Malasia, Tailandia, Filipinas, Indonesia, Corea y China (utilizados pero no especificados) PIB real, log Deflactor del PIB, log - - tipo de cambio nominal o real Entradas/salidas de capitales (ratio respecto al PIB) precio de la tierra Taguchi (2011) China, Hong Kong, Indonesia, Corea y Tailandia (Trimestral 2000:1 - 2010: 4) (utilizados pero no especificados) Producción industrial Precios al consumidor. Tipo de interés del mercado de dinero. Base monetaria índice tipo de cambio nominal respecto al dólar Inversión en cartera (pasivo), reservas internacionales - Başçı y Karaca (2012) Turquía (Mensual 1996:1 - 2011:10) ISE-100 - - - - Tipo de cambio con el dólar Volumen mensual de importaciones y de exportaciones Precio de cierre de la onza de oro. Fuente: Elaboración propia a partir de la revisión de la literatura. Referencias en el apartado de Bibliografía (CONTINUACIÓN)