documentos de trabajo - central bank of...

DOCUMENTOS DE TRABAJO

Impacto de Sorpresas Macroeconómicas y Anuncios en Factores de la Estructura de Tasas de Chile

Luis Ceballos

N.º 701 Julio 2013BANCO CENTRAL DE CHILE

BANCO CENTRAL DE CHILE

CENTRAL BANK OF CHILE

La serie Documentos de Trabajo es una publicación del Banco Central de Chile que divulga los trabajos de investigación económica realizados por profesionales de esta institución o encargados por ella a terceros. El objetivo de la serie es aportar al debate temas relevantes y presentar nuevos enfoques en el análisis de los mismos. La difusión de los Documentos de Trabajo sólo intenta facilitar el intercambio de ideas y dar a conocer investigaciones, con carácter preliminar, para su discusión y comentarios.

La publicación de los Documentos de Trabajo no está sujeta a la aprobación previa de los miembros del Consejo del Banco Central de Chile. Tanto el contenido de los Documentos de Trabajo como también los análisis y conclusiones que de ellos se deriven, son de exclusiva responsabilidad de su o sus autores y no reflejan necesariamente la opinión del Banco Central de Chile o de sus Consejeros.

The Working Papers series of the Central Bank of Chile disseminates economic research conducted by Central Bank staff or third parties under the sponsorship of the Bank. The purpose of the series is to contribute to the discussion of relevant issues and develop new analytical or empirical approaches in their analyses. The only aim of the Working Papers is to disseminate preliminary research for its discussion and comments.

Publication of Working Papers is not subject to previous approval by the members of the Board of the Central Bank. The views and conclusions presented in the papers are exclusively those of the author(s) and do not necessarily reflect the position of the Central Bank of Chile or of the Board members.

Documentos de Trabajo del Banco Central de ChileWorking Papers of the Central Bank of Chile

Agustinas 1180, Santiago, ChileTeléfono: (56-2) 3882475; Fax: (56-2) 3882231

Documento de Trabajo

N° 701

Working Paper

N° 701

IMPACTO DE SORPRESAS MACROECONÓMICAS Y

ANUNCIOS EN FACTORES DE LA ESTRUCTURA DE

TASAS DE CHILE

Luis Ceballos

Gerencia de Análisis Macroeconómico

Banco Central de Chile

Abstract

This paper presents a review on the factors of the structure of nominal interest rates in Chile

in the period 2005-2013 in daily frequency using two approaches: (1) Nelson-Siegel model

and (2) principal components. These factors correspond to the level, slope and curvature of

the yield curve, which characterize the interest rates at different maturities in compact form.

Based on these factors, we study the effects of macroeconomic surprises and asymmetric

effects, and announcements of unconventional monetary policy in such factors. Our results

indicate that local surprises have similar effects on the estimated factors under both

approaches. Regarding external surprises, there is an asymmetric effect on the factors.

Meanwhile, unconventional monetary policy announcements regarding the FLAP affect the

level of the yield curve depending on the approach used.

Resumen

Este trabajo presenta una revisión acerca de los factores de la estructura de tasas de interés

nominales en Chile en el período 2005-2013 en frecuencia diaria utilizando dos enfoques:

(1) modelo de Nelson-Siegel y (2) Componentes principales. Dichos factores corresponden

al nivel, pendiente y curvatura de la estructura de tasas, los cuales caracterizan las tasas de

interés a diferentes plazos en forma compacta. En base a dichos factores, se estudian los

efectos de sorpresas de variables macroeconómicas, así como los efectos asimétricos, y

anuncios de política monetaria no convencional en dichos factores. Nuestros resultados

indican que sorpresas locales tienen similares efectos en los factores estimados bajo ambos

enfoques. Respecto a sorpresas externas, se registra un efecto asimétrico en los factores. En

tanto, anuncios de política monetaria no convencional referente a la FLAP afecta el nivel de

la estructura de tasas dependiendo del enfoque utilizado.

Se agradecen los comentarios y sugerencias de Rodrigo Alfaro, Miguel Fuentes y Javier Garcia-Cicco, así como a los

asistentes al seminario interno de la Gerencia de Análisis Macroeconómico, y un árbitro anónimo. Todos los errores son de

exclusiva responsabilidad del autor. Email: [email protected].

mailto:[email protected]

1 Introducción

La estructura de tasas de interés contiene información clave tanto para laautoridad económica (Banco Central), como para agentes privados. En elprimer caso, la información contenida en la estructura de tasas permite alBanco Central monitorear las expectativas del mercado respecto a futuroscambios en la tasa de política monetaria así como también extraer expectati-vas de inflación a mediano-largo plazo. En el caso de agentes privados, éstosutilizan la informacion de las tasas de mercado para calibrar una curva detasas que les permite valorizar diferentes instrumentos financieros, tomardecisiones de inversion en ciertos tramos de la curva de tasas, entre otros.En base a lo anterior, cambios abruptos en el nivel de tasas puede generarimpactos relevantes en portfolios mantenidos incluso bajo cobertura por du-ration, ya que cambios en tasas de interés pueden ser no paralelos y estarconcentrados en determinados tramos de la estructura de tasas.

Dada la importancia de las tasas de interés, se presenta en el caso de Chilelos factores latentes de la estructura de tasas de interés, los cuales tienenla característica principal de presentar en forma compacta la estructura detasas a todos los plazos en pocos factores. Dichos factores corresponden alnivel, pendiente y curvatura de la estructura de tasas.

El presente estudio tiene como objetivo documentar los principales fac-tores de la estructura de tasas nominales en Chile y el efecto de sorpresasde variables macroeconómicas sobre éstas, asi como el efecto de anuncios depolitica monetaria no convencional e intervenciones cambiarias. En el casode sorpresas macroeconomicas, se considera el efecto asimetrico de éstas enlos factores de la estructura de tasas.

Las contribuciones de este trabajo son (i) computar factores de la estruc-tura de tasas en Chile utilizando dos metodologías excluyentes; el método deNelson-Siegel y el método por componentes principales, y (ii) cuantificar elimpacto de variables macroeconómicas sobre dichos de los factores en altafrecuencia, considerando el efecto asimetrico de éstos..

El trabajo está organizado de la siguiente forma: sección 2 presenta una

1

breve revisión de la literatura tanto a nivel internacional como local, sección3 presenta los hechos estilizados de la estructura de tasas en Chile, y unarevisión al modelo de Nelson-Siegel. La sección 4 presenta las metodologíaspara computar los factores de la estructura de tasas. La sección 5 presenta losresultados de los efectos de sorpresas de variables macroeconómicas y anun-cios en dichos factores en alta frecuencia. Finalmente la sección 6 presentalas conclusiones.

2 Revisión de la literatura

Respecto al modelamiento de la estructura de tasas de interés, destaca losmodelos bajo la premisa de no arbitraje, por ejemplo, Dai y Singleton (2000),quienes reportan los factores no observados que explican la estructura detasas. En tanto, la relación entre la estructura de tasas y variables macroe-conómicas ha generado diversas líneas de estudio. Entre las principalesdestaca a nivel internacional, Ang y Piazzesi (2003), Hördahl et al. (2002)y Wu (2002), quienes incorporan determinantes macroeconómicos en mode-los de estructura de tasas de interés, los cuales intentan estudiar la dinámicade dichos factores y variables macroeconómicas. Diebol y Li (2006) presentanuna variante del modelo de Nelson-Siegel (1987) que es capaz de capturar ladinámica conjunta de los factores de la estructura de tasas con algunas vari-ables macroeconómicas. Dichos factores son el nivel, pendiente y curvaturade la estructura de tasas, y corresponden a los parámetros estimados delmodelo original de Nelson-Siegel. Otra línea de investigación es la referentea como las tasas de interés se ven afectadas ante ciertos anuncios o releasesde datos macroeconómicos. Esto último es reportado por Gürkaynak et al.(2005), quienes reportan los efectos en las tasas forward a largo plazo antesorpresas de variables macroeconómicas como de política monetaria.

Por otro lado, existe una línea de investigación caracterizada por el usode análisis factorial, el cual corresponde a un método no paramétrico de es-timación de los factores de la estructura de tasas de interés. Litterman yScheninkman (1991) y Bliss (1997) utilizan dicho método para identificar los

2

factores que explican la dinámica de la estructura de tasas, identificando quetres factores, descritos como nivel, pendiente y curvatura, permiten explicaren forma compacta la estructura de tasas, siendo éstos factores similares entérminos de información a lo obtenido en el modelo de Nelson-Siegel. Dichosfactores son capaces de explicar el 97% de la varianza de las tasas de interés.Por otro lado, similares resultados es lo reportado por Cortazar y Schwartz(1994), quienes utilizan la metodologia de componentes principales en el mer-cado de commodities.

A nivel local, los efectos de sorpresas macroeconómicas y de política mon-etaria en la estructura de tasas ha sido reportado por Meyer (2006), quienreporta la respuesta de tasas de bonos a releases de datos económicos y Lar-raín (2007) quien reporta los efectos de sorpresas de tasa de política en tasasde bonos a diferentes plazos. Chaumont y Cicco (2012), utilizando un enfoqueheterocedástico, caracterizan efectos de shocks de política monetaria en ac-tivos financieros. Mas reciente es lo reportado por Ochoa (2006) quien estimalos factores de la estructura de tasas mediante un modelo de no arbitraje, con-cluyendo que dichos factores corresponden a la tasa instantánea y tendenciacentral. Por otro lado, Morales (2010) estima el modelo dinámico propuestopor Diebol y Li (2006) para tasas reales en Chile y estudian la dinámica delos factores y algunas variables macroeconómicas. Finalmente, Alfaro et al.(2011) estima una versión discreta del modelo dinámico de Nelson-Siegel,reportando la relación de los factores de la curva y algunas variables macroe-conómicas.

La estimación de factores de la estructura de tasas de interés bajo el en-foque de componentes principales, asi como el efecto de sorpresas y anunciosen alta frecuencia no ha sido reportado en el caso de Chile.

3

3 Estructura de tasas nominales

En esta sección se revisan los principales hechos estilizados de la estructurade tasas nominales en Chile en el período comprendido entre enero de 2005y abril de 2013, asi como también el modelo de estimación y ajuste de estruc-tura de tasas propuesto en Nelson-Siegel (1987).

3.1 Hechos estilizados

La estructura de tasas nominales en Chile ha registrado episodios de impor-tante volatilidad y cambios abruptos en el nivel de tasas a diferentes plazos.En particular, durante el periodo posterior al inicio de la crisis financiera en2008, se registraron importantes caídas en las tasas a todos los plazos, desta-cando la caída en torno a 400 puntos base de la tasa a 10 años, agregando aesto un aumento en la pendiente de la estructura de tasas (definido como ladiferencia entre la tasa larga y tasa corta) a niveles no observados hasta esemomento como se aprecia en el gráfico 1.

[Insertar Gráfico 1]

La tabla 1a reporta los principales estadisticos de la estructura de tasas,donde se aprecia que si bien la estructura de tasas promedio en el periodo2005-2013 es creciente, ésta puede asumir diferentes formas a través deltiempo. Esto es de vital importancia al momento de utilizar algún modeloen particular de ajuste de la estructura de tasas, que tenga la flexibilidadde poder capturar diferentes formas de la estructura de tasas a través deltiempo. Otra característica relevante de la estructura de tasas es el hecho deque las tasas de menor plazo son mas volátiles que las tasas de largo plazo,las cuales presentan un alto nivel de persistencia. Ademas, se observa que laque la correlacion entre los diferentes plazos es alta, a excepcion de la tasa a10 años, la cual presenta una correlacion menor a 0.3 con tasas menores a unaño, lo cual es presentado en la tabla 1b.

[Insertar Tabla 1]

4

En lo que resta del trabajo, se utilizará datos diarios de tasas de bonosdel mercado secundario de Bonos del Banco Central de Chile en pesos (BCP)informados por Riskamerica durante el periodo comprendido entre enero de2005 y abril de 2013. Los plazos considerados en las tasas nominales corre-sponden a 3 y 6 meses, así como también 1, 2, 5 y 10 años plazo. En el plazomenor a 1 año, se consideran tasas swaps.

3.2 Modelo de Nelson-Siegel

Tanto agentes del mercado como autoridades económicas utilizan modelos deajuste de tasas de interés con el objetivo de extraer informacion de la estruc-tura de tasas, o para contar con una curva que permita ser usada de referen-cia para la valoración de otros instrumentos financieros. Tal como se indicó enla sección anterior, dicho modelo debe tener la flexibilidad de poder capturarlas diferentes formas de la estructura de tasas en un día determinado (porejemplo curva con pendiente positiva„ negativa u otra forma). De acuerdo alBIS (2005), de las diferentes metodologías existentes para la calibración de laestructura de tasas de interés, el modelo de Nelson-Siegel (1987) es el métodomás utilizado por diferentes Bancos Centrales debido a su fácil estimación ybuen ajuste a los datos observados. Dicho modelo corresponde a:

yτ = β0 + β1

(1− e−λτ

λτ

)+ β2

(1− e−λτ

λτ− e−λτ

)(3.1)

donde yτ corresponde a las tasas de interés y al plazo τ observados enuna fecha determinada. El modelo (3.1) es calibrado en los parámetros Θ =

[β0, β1, β2, λ], tal que el error entre las tasas observadas y las tasas obtenidasdel modelo sea minimizado. Con esto, se busca minimizar el error de ajustedel modelo dentro de muestra.

La interpretación de cada parámetro del modelo viene dado por el efectoque éstas tienen en las tasas a diferentes plazos tal como se ilustra en elgráfico 2. Es así como el parámetro β0 es denominado como el factor nivel(L) ya que tiene efectos permanentes sobre el nivel de tasas. El parámetroβ1 corresponde al factor pendiente (S) dado su efecto principalmente en la

5

parte corta de la curva, mientras que a medida que aumenta el plazo de lastasas el efecto de este factor decae. Finalmente, el parámetro β2 se asocia concurvatura (C) dado que el mayor impacto en las tasas es a plazos intermedios.En tanto, el parámetro λ corresponde a la tasa de decaimiento de la curva detasas.


En general dicho modelo presenta un buen ajuste a las tasas de interésobservadas, y es capaz de capturar diferentes formas de la curva de tasas. Noobstante, existen periodos en los cuales el error de ajuste es mayor. El gráfico3 presenta la calibracion del modelo en determinadas fechas seleccionadas,donde se aprecia en el panel a que si bien en las fechas seleccionadas hayun buen ajuste del modelo a las tasas de mercado, no es así en la estimacionreportada en el panel b.


La estimación del modelo es no lineal y de corte transversal. En el primercaso, el parámetro λ impone la no-linealidad del modelo. En el segundocaso, el modelo (en su especificación original), ignora la dinámica de seriede tiempo de las tasas de interés, limitándose a una calibración de tasas encorte transversal. Además. el modelo de NS tiene importantes restriccionesrespecto a los niveles de tasas a los cuales converge:

• Al plazo instantáneo (τ → 0 ), la tasa estimada converge a β0 + β1 (lacual es asociada a la tasa de política monetaria).

• A plazos largos (τ → ∞ ), la tasa estimada converge a β0 (la cual esdenotada como la tasa de largo plazo de la economía)

4 Factores de la estructura de tasas

En esta sección se describen dos metodologías para obtener los factores de laestructura de tasas: (i) la versión dinámica del modelo Nelson-Siegel y (ii) lametodología de componentes principales (CP) descrita por Bliss (1997).

6

4.1 Enfoque en base al modelo de Nelson-Siegel

Con el objetivo de obtener los parametros (factores) de (3.1), se procede a fi-jar el parametro λ del modelo por dos razones (1) Al fijar dicho parametro,el modelo es lineal y es posible estimarlo mediante OLS, y (2) cambios enlos parametros (factores) estimados del modelo, se pueden interpretar comocambios efectivos en el nivel, pendiente y curvatura de la estructura de tasas.Con esto se procede a seleccionar el valor de λ que minimice la raiz del er-ror cuadratico medio (RECM) de ajuste a las tasas de mercado observadasen frecuencia diaria durante el periodo en estudio. El Grafico 4 presenta elRECM de ajuste dentro de muestra considerando una grilla de valores parael parametro λ, donde se aprecia que tomando λ = 0.11 el error se minimiza.1


Dicho valor de λ está en línea con lo reportado por Herrera y Magendzo(1997), quienes en el caso de tasas reales reportan un rango del parámetroentre 0,069 y 0,133 en el período marzo a junio de 1996. En tanto, Morales(2010) en base a tasas de instrumentos reales BCU en el periodo desde abrilde 1996 y julio de 2001, utiliza el parámetro calibrado en 0,083 en base a loreportado en el estudio previo. Mas reciente, es lo reportado por Alfaro etal. (2011), quienes utilizando tasas de bonos nominales BCP desde julio de2004 a junio de 2011, calibran el parametro λ en base a un set de criterioscomo RECM, R2 ajustado, BIC y AIC usando una grilla de valores para elparámetro λ, concluyendo que dicho valor se ubicaría entre 0.083 y 0.127.

Finalmente, se procede a estimar mediante OLS los parámetros del mod-elo (3.1) sujeto al valor calibrado de λ para cada día en el período enero de2005 a abril de 2013. Este método ignora la dinamica de serie de tiempo dedichos factores, y corresponde al enfoque en dos etapas, en la cual es posibleestimar en forma separada los parámetros del modelo, para luego estimar su

1Tambien se realizó el ejercicio de estimar el modelo no lineal durante toda la muestra, lacual evidencia que el promedio del parametro λ coincide con el seleccionado según el criteriodel RECM.

7

dinámica2. Por otro lado, se tiene la versión dinámica del modelo de NelsonSiegel propuesto por Diebold y Li (2006) en el cual la estimación del mod-elo (3.1) y la dinámica de serie de tiempo de los factores mediante un VAR,se calibran en forma conjunta utilizando un filtro de Kalman. Sin embargo,Morales (2010) reporta que en el caso de la estructura de tasas reales en Chilelos factores estimados usando el enfoque en dos etapas o su version dinamicagenera similares resultados. Con esto, el presente trabajo utiliza el enfoquede estimacion en corte transversal.


En el gráfico 5 se reportan los factores estimados bajo este método. Seaprecia que el factor nivel es persistente y es atribuible a lo derivado delmodelo de Nelson-Siegel, respecto a que este factor corresponde a la tasa delargo plazo de la economía. El factor pendiente registro un aumento impor-tante durante el periodo 2009-2010 atribuible a la expansividad de la tasa depolítica monetaria e implementación de medidas no convencionales (FLAP).Finalmente, el factor de curvatura adquiere mayor dinamismo durante elmismo período.

4.2 Enfoque en base al Analisis de Componentes Principales(CP)

El metodo de componentes principales (CP) busca maximizar la varianza delos datos en base a un set de factores de menor dimension que los datosoriginales. Sea X la matriz de datos (en este caso tasas de interés) tal queX = [x1, ..., xN ]T , donde cada vector x es de dimensión k (en este caso, al to-tal de tasas observadas en cada instante, k = 6). El método de componentesprincipales (CP) busca encontrar una matriz P = [p1, ..., pd]

T que mapee cadaobservación de X en un espacio con menor dimensión que el set de datosoriginales (d ≤ k). Cada vector p maximiza la varianza de X en direccionesortogonales con respecto al resto, tal que la cantidad de varianza explicada

2Véase Alfaro et al (2011) y Morales (2010) quienes reportan la dinamica de los factores dela estructura de tasas nominales y reales respectivamente en el caso de Chile

8

por cada vector decrece desde p1 a pd. A modo de ilustración, en el caso par-ticular de encontrar el primer componente principal se tiene que:

C =1

N

N∑j=1

(xj − µ) (xj − µ)T

donde C es la matriz de varianza y covarianza de X , y µ = 1N

∑Nj=1 xj

corresponde a la media de cada vector x. Luego, la varianza proyectada en p1corresponde a :

ν =1

N

N∑j=1

(pT1 xj − pT1 µ

)2= pT1 Cp1

El método de CP busca encontrar p1 tal que maximize ν sujeto a la restric-ción que p1 es un vector unidad. La solución a lo anterior es:

Cp1 = λ1p1 (4.1)

donde (4.1) corresponde a la descomposición de la matriz C en el eigen-vector p y en el eigenvalue λ. En terminos generales, la matriz C se puededescomponer como:

C = PΛP T (4.2)

donde Λ es una matriz diagonal con elementos {λ1, λ2, ..., λd}, siendo λ1 ≥λ2 ≥ ... ≥ λd. Ademas, cada columna de P corresponde al componente princi-pal.

Los factores estimados mediante esta metodología son obtenidos mediantela rotación de la matriz de loadings (o ponderadores) con el objetivo de mini-mizar la varianza de los loadings del primer factor, al igual que lo reportadopor Bliss (1997). Los factores estimados bajo esta metodología son reportadosen el gráfico 6.


9

La interpretación económica de cada factor esta dado por los loadings oponderadores de cada factor respecto a las tasas de interés a los diferentesplazos como se observa en el gráfico 7. Dado que los resultados son depen-dientes de la muestra utilizada, se presentan los loadings obtenidos en dosmuestras diferentes (la primera muestra considera el periodo previo a la cri-sis financiera, 2005-2008, y la segunda muestra considerando el periodo total2005-2013). Tal como es posible apreciar, en ambas muestras los resultadosson similares.


Respecto a los factores obtenidos, se destaca que el primer factor, denomi-nado “nivel”, registra loadings constantes en torno a 0,4 a todos los plazosde las tasas de interés, por lo que un cambio en dicho factor tiene efec-tos similares en todas las tasas de interés. El segundo factor, denominado“pendiente”, se explica por el hecho de contener loadings negativos a plazosmenores a un año, y positivos a plazos mayores. Este hecho, implica que cam-bios en este factor, produce cambios en la parte corta y larga de la curva endirecciones opuestas, afectando la pendiente de la estructura de tasas. Fi-nalmente, el tercer factor se denomina “curvatura”, ya que cambios en estefactor tiene efectos positivos en la parte media de la curva, y negativos en laparte larga, afectando de esta forma la curvatura de la estructura de tasas.

[Insertar Tabla 2]

La tabla 2 reporta la varianza de las tasas de interés explicada por cadafactor estimado. A modo de robustez, se consideran diferentes muestras lo-grando similares resultados. Al igual que lo reportado por Bliss (1997) en elcaso de la estructura de tasas, el primer factor explica en torno al 85% de lavarianza, mientras que el conjunto de factores explicaría un 97%. En tanto,Litterman y Scheinkman (1991) reportan el mismo patron en tasas de bonosdel Tesoro, siendo el primer factor el que explica mayor varianza de los datos(90%), y los tres primeros factores un 98% en conjunto. Lo anterior tambien

10

se ha evidenciado en otros mercado como futuros de cobre (vease Cortazary Schwartz (1994)). En todos los casos, el primer factor es referido al nivel,el segundo factor a la pendiente, y el tercer factor a la curvatura dado lainterpretacion de los loading.

4.3 Comparación de factores

El factor nivel (L) bajo el modelo de NS, corresponde a la tasa larga de laeconomía (denotada por β0), mientras que en el método de CP esta corre-sponde a una combinación de todas las tasas de interés. Dado lo anterior, seespera que el factor obtenido mediante NS sea menos volátil a cambios enlas tasas de mercado, ya que éste responde principalmente a cambios en latasa larga de la economía (por ejemplo la tasa a 10 años, la cual es la menosvolátil de las tasas en estudio). Por otro lado, el factor obtenido mediante CPresponde a cambios en las tasas a todos los tramos, siendo por defecto masvolátil. Con todo, se tiene que la correlación entre ambos factores es de 0.46en toda la muestra3

En tanto, los factores pendiente (S) y curvatura (C), presentan una altacorrelacion bajo enbos enfoques, siendo estas de 0.97 y 0.87 respectivamente4.Sin embargo, bajo el enfoque de CP, estos factores inciden en menor cuantiaque el primer factor.

Con todo, y aún cuando los factores derivados bajo ambos enfoques no sondirectamente comparables, se procede en la próxima sección a comparar elefecto de sorpresas y anuncios en cada factor bajo ambos métodos, dado quepermiten representar la informacion de la estructura de tasas en tres fac-tores que si bien diferen (principalmente en el factor nivel), entregan similarinformacion respecto a la estructura de tasas de interés.

3Dicha correlacion es sobre los cambios diarios de los factores estimados. Al considerar elperiodo antes de la crisis financieria (enero de 2005 a agosto 2008), se tiene que la correlacionaumenta a 0.61.

4En el caso del factor pendiente, se realiza la correlaciÓn entre el factor derivado del en-foque CP y el negativo de dicho factor bajo NS, es decir −β1

11

5 Impacto de sorpresas macroeconomicas y anun-cios en factores de la estructura de tasas

En esta sección se describen las variables macroeconómicas locales y externasutilizadas, así como las medidas de anuncios consideradas. Luego se procedea describir la construcción de las sorpresas macroeconómicas y el efectos queéstas tienen en los factores de la estructura de tasas en alta frecuencia.

5.1 Medidas de sorpresas y anuncios

Las variables macroeconómicas utilizadas corresponden a las comunes repor-tadas en la literatura, las cuales son el índice mensual de actividad (IMACEC),la tasa de inflación (IPC), la tasa de política monetaria (TPM) y desempleoa nivel local. A lo anterior se agregan las mismas variables en el caso deEE.UU.

Con las 8 variables ya mencionadas, se procede a computar medidas desorpresas macroeconómicas las cuales son definidas como:

Sjt = Xjt − E

(Xjt

)(5.1)

donde Sjt corresponde a la sorpresa de la variable macroeconómica j en elinstante t. Dicha sorpresa se construye como la diferencia entre el dato efec-tivo (X) y el esperado (E(X)) el cual corresponde a lo reportado por Bloombergrespecto a la mediana de las estimaciones de agentes e instituciones financierasdel mercado. Es importante destacar que todas las medidas efectivas corre-sponden al primer release de las series, y en ningún caso a revisiones o datoscorregidos. A lo anterior, se consideran anuncios locales y externos relevantesen dicho período, tal como anuncios de medidas de política monetaria no con-vencional y anuncios de intervención cambiaria. Las fechas y descripción deestos anuncios están detalladas en la tabla 3.

[Insertar Tabla 3]

12

Los releases de variables locales como inflación, TPM y actividad se infor-man durante la primera quincena de de cada mes, mientras que el releasede desempleo es informado los últimos días de cada mes. Por el contrario.releases externos referentes a desempleo se informan los primeros días decada mes, mientras que el resto de los anuncios de inflación y actividad seinforman a mediados de mes. En tanto, anuncios de Fed Fund han sido in-formados principalmente durante la tercera y cuarta semana del mes. En elcaso de los anuncios de intervención cambiaria se considera tanto la fechade anuncio de intervención, como la fecha en la cual se informa el programade esterilización de dicha intervencion. Lo anterior se basa en el hecho quedurante las dos intervenciones realizadas por el Banco Central en el periodoen estudio, el timming entre el anuncio de intervención y el del programa deesterilización registro importantes diferencias. Mientras que en la interven-cion del 2008, el detalle del programa de esterilizacion se informo con casi unmes de desfase, en la intervencion del 2011 el detalle del programa de esteril-izacion se realizo al dia siguiente del anunucio del programa de acumulacionde reservas.

5.2 Impacto de sorpresas y anuncios

Se procede a testear la siguiente especificación con el fin de cuantificar el im-pacto de sorpresas macroeconómicas locales y externas, así como también me-didas de anuncios relevantes en factores de la estructura de tasas obtenidosmediante (3.1) y (4.2):

4F kt = α+ β4F kt−1 +

N∑i=1

γiSi +

M∑j=1

ηjDj + εt (5.2)

donde F kt corresponde al vector de factores estimados mediante el enfoquek (Nelson-Siegel o CP) en el día t, Si corresponde a las medidas de sorpre-sas explicadas en (5.1), y Dj corresponden a los anuncios de intervención opolítica monetaria no convencionales. Tanto para el caso de la tasa de políticamonetaria local y externa, así como los anuncios de política e intervenciones,se considera que el efecto en las tasas de interés de mercado es capturado

13

al día hábil siguiente debido a que el mercado local se encuentra cerrado almomento de la publicación.

Con el objetivo de asegurar que el impacto de las variables macroeconómi-cas sea bien medido, se considera el efecto asimétrico de las sorpresas macroe-conómicas en (5.2) diferenciando sorpresas positivas de las negativas. En latabla 4 se reporta test de no-normalidad de las series, donde se aprecia que nose puede rechazar la no-normalidad de algunas sorpresas macroeconómicasutilizando diferentes test.

[Insertar Tabla 4]

La tabla 5 reporta los resultados de la estimación (5.2) utilizando los en-foques de NS y de CP . Para cada metodología de obtención de factores, sereporta el efecto de las sorpresas totales, es decir, sin diferencias el signode las sorpresas, como también se reporta los resultados de las asimetríasde cada sorpresa. Tanto para las sorpresas locales, externas y anuncios deintervención, los coeficientes son multiplicados por 100.

[Insertar Tabla 5]

Tabla 5a contiene los efectos de sorpresas macroeconómicas sobre el factor“nivel”. Respecto a sorpresas locales, se aprecia que en ambas metodologíasreportan similares resultados. Tanto las sorpresas de inflación y TPM tienencoeficiente positivo, lo cual indica que un valor por sobre lo esperado en estasvariables, genera un aumento en dicho factor. En tanto, solamente en el casodel factor estimado en base al enfoque de CP, sorpresas de desempleo son sig-nificativas y con el signo esperado. Más aún, se aprecia que el efecto de lasorpresa de desempleo regiatra un efecto asimetrico en el factor nivel, siendolas sorpresas negativas significativas. En tanto, sorpresas externas tienensolamente efectos asimétricos en ambas metodologías. En el caso de NS, sor-presas positivas de tasa de política y desempleo son significativas, mientrasque bajo CP, sorpresas de inflación, actividad y tasa de política son significa-tivas. Finalmente, los efectos de anuncios locales son significativos en ambos

14

enfoques el anuncio de intervencion de 2011, mientras que el anuncio de lamedida FLAP, es significativa bajo CP. El efecto de la medida FLAP puedeser explicado en base a la interpretación económica de cada factor en ambasmetodologías; mientras en el caso de NS este factor es representado por latasa de largo plazo de la economía, en el enfoque CP este factor representauna ponderación de todas las tasas (tanto cortas como largas), lo cual puedesugerir que efectos de anuncios locales no tiene efectos en la tasa de largoplazo de la economía, pero si a tramos menores. Finalmente, anuncios exter-nos de política no convencional son todos significativos, siendo los anunciosde QE1 y Twist operation los que registran mayor incidencia.

Tabla 5b reporta los efectos de sorpresas en el factor pendiente de la es-tructura de tasas. Tanto en las sorpresas locales como externa, resultan sig-nificativas solo sorpresas de tasa de política. Sorpresas de TPM local, re-ducen la pendiente de la estructura de tasas, mientras que sorpresas de tasaexterna la aumentan. En ambos casos no se evidencia un efecto asimétrico dela sorpresa en dicho factor de la estructura de tasas. En el caso de anuncioslocales se registran resultados smimilares. Anuncios de intervención son sig-nificativos y con signo positivo, mientras que anuncio de FLAP registran unefecto negativo en ambos métodos. En tanto, anuncios de política no conven-cional externas son significativas en ambos enfoques (a excepción del QE3).

Tabla 5c reporta efectos de sorpresas en el factor curvatura. Sorpresas deTPM local son relevantes bajo NS, mientras que sorpresas positivas de tasade política externa son significativas en ambos enfoques (NS y CP), agregán-dose sorpresas positivas de desempleo externo. Respecto a sorpresas de anun-cios locales, se evidencia que medida FLAP genera una menor curvatura enla estructura de tasas, mientras que efectos del anuncio de intervencion de2011 son positivas en factor bajo NS, mientras que registra signo contrariobajo el enfoque de CP. Finalmente, sorpresas externas registran resltadosmixtos. En base a NS, los anuncios del QE1, QE2 y Twist Operation sonsignificativos, mientras que en base a CP, se registran todos los anuncios sig-nificativos en dicho factor.

15

6 Conclusiones

En este trabajo se reportaron los factores de la estructura de tasas nomi-nales en Chile en el periodo 2005-2013 en frecuencia diaria bajo dos enfoquesexcluyentes, el enfoque de Nelson Siegel (NS) y el enfoque de ComponentesPrincipales (CP). Ambas metodologias, permiten representar la informacionde la estructura de tasas en forma compacta en tres factores, denominadosnivel (L), pendiente (S), y curvatura (C).

Al estudiar los efectos de sorpresas de variables macroeconómicas y anun-cios de intervencion cambiaria y politica monetaria no convencional en di-chos factores en alta frecuencia, se evidencia que sorpresas locales tienensimilares efectos en los factores estimados bajo ambos enfoques. Respecto asorpresas externas, se registra un efecto asimétrico en los factores. En tanto,efectos de anuncios locales y externos inciden en algunos factores de la curva,diferenciandose en el efecto del anuncio de la FLAP el cual tiene efectos sig-nificativos en el factor nivel solamente bajo el enfoque de CP.

16

ReferenciasAng, Andrew and Piazzesi, Monika. (2003). “A No-Arbitrage Vector Au-

toregression of Term Structure Dynamics with Macroeconomic and LatentVariables.” Journal of Monetary Economics, 50, pp. 745-787.

Alfaro, R., Becerra, J., y Sagner, A. (2011). “Estimación de la Estruc-tura de Tasas Nominales de Chile: Aplicación del Modelo Dinámico Nelson-Siegel”, Economía Chilena, 14(3), pp. 57-74.

BIS (2005). “Zero-coupon yield Curves: technical documentation”, Mone-tary and Economic

Bliss, R. (1997), “Movements in the Term Structure of Interest Rates,”Economic Review, Federal Reserve Bank of Atlanta, 82, 16-33.

Chaumont, G., y Garcia-Cicco, J. (2012). “Asset Prices and Monetary Pol-icy in Chile: A heteroskedasticity-based approach”, mimeo, Banco Central deChile.

Cortazar, G., y Schwartz, E (1994). “The valuation of commodity-contingentClaims”, The Journal of Derivatives.

Dai, Q., Singleton, K., (2000). “Specification analysis of affine term struc-ture models”. Journal of Finance 55, 1943–1978.

Diebold, F.X. y C. Li (2006). “Forecasting the Term Structure of Govern-ment Bond Yield.” Journal of Econometrics 130: 337–64.

Gürkaynak, S, Sack, B., and Swansson, E. (2005). “The Sensitivity ofLong-Term Interest Rates to Economic News: Evidence and Implications forMacroeconomic Models”, American Economic Review, March.

Herrera, L.O. e I. Magendzo (1997). “Expectativas Financieras y la Curvade Tasas Forward de Chile.” Documento de Trabajo N°23, Banco Central deChile.

Hördahl, P., Tristani, O., Vestin, D. (2002). “A joint econometric model ofmacroeconomic and term structure dynamics”. Manuscript, European Cen-tral Bank.

17

Larraín, M. (2007). “Sorpresas de política monetaria y la curva de rendimientoen Chile”. Economía Chilena 10(1)

Litterman, R. and Scheinkman, J. (1991), “Common Factors AffectingBond Returns,” Journal of Fixed Income, 1, 54-61.

Meyer, J. (2006). “Impacto de las Sorpresas Económicas en el Rendimientode los Bonos del Banco Central de Chile”, NIE Revista de Economia Chilena,Volumen 9.

Morales, M. (2010). “The Real Yield Curve and Macroeconomic Factors inthe Chilean Economy”, Applied Economics, 42(27) 3533-3545.

Nelson, C. y A. Siegel (1987). “Parsimonious Modeling of Yield Curve.”The Journal of Business 60(4): 473–89.

Ochoa, J. (2006). “An Interpretation of an Affine Term Structure Modelfor Chile.” Estudios de Economía 33(2): 155–84.

Wu, T., (2002). “Monetary policy and the slope factors in empirical termstructure estimations”. Federal Reserve Bank of San Francisco Working Pa-per 02-07.

18

Figuras

Figura 1: Estructura de tasas nominales en Chile

Figura 2: Efecto de factores en tasas de interes a diferentes plazos

19

Figura 3a: Ajuste de modelo de Nelson-Siegel (NS) (*)

(*) Puntos corresponden a tasas de mercado observadas en fecha indicada. Linea corresponde

a interpolacion en base al modelo de Nelson Siegel.

Figura 3b: Ajuste de modelo de Nelson-Siegel (NS) (*)

(*) Puntos corresponden a tasas de mercado observadas en fecha indicada. Linea corresponde

a interpolacion en base al modelo de Nelson Siegel.

20

Figura 4: RECM de ajuste dentro de muestra en base a diferentes λ

21

Figura 5: Estimacion de factores por Nelson-Siegel (NS)

Figura 6: Estimacion de factores por Componentes Principales (PCA)

22

Figura 7a: Ponderadores (loadings) de factores PCA

Figura 7b: Ponderadores (loadings) de factores PCA

23

Tablas

Tabla 1a: Estadistica descriptiva tasas nominales

Tabla 1b: Matriz de correlaciones

24

Tabla 2: Varianza total explicada por cada factor en diferentes muestras

Muestra A considera periodo entre el 03 de enero de 2005 y 15 de septiembre de 2008.Muestra B considera periodo entre el 16 de septiembre de 2008 y 03 de abril de 2013.

Muestra Total considera periodo entre el 03 de enero de 2005 y 03 de abril de 2013

25

Tabla 3: Anuncios de politica monetaria no convencional e intervenciones

Tabla 4: p-values test de normalidad (*)

(*) En gris se marca rechazo a hipotesis de normalidad en la variable indicada

26

Tabla 5a: Regresion sobre el cambio del factor nivel (L) de la estructura detasas (*)

(*) Resultados son reportados en base al enfoque de Nelson Siegel y Componentes Principales.Columna Total indica el efecto de cada sorpresa en el factor considerando el total de sorpre-sas macroeconomicas. La columna Positivo considera el efecto de sorpresas positivas en losfactores. La columna Negativo considera el efecto de sorpresas negativas en los factores.Coeficientes de sorpresas y anuncios locales y externos multiplicados por 100. Todas las vari-ables expresadas en puntos base. En gris se destaca coeficientes significativos.

*** Significancia al 1%, ** Significancia al 5%, * Significancia al 10%

27

Tabla 5b: Regresion sobre el cambio del factor pendiente (S) de laestructura de tasas



28

Tabla 5c: Regresion sobre el cambio del factor curvatura (C) de laestructura de tasas



29

Documentos de Trabajo

Banco Central de Chile

NÚMEROS ANTERIORES

La serie de Documentos de Trabajo en versión PDF

puede obtenerse gratis en la dirección electrónica:

www.bcentral.cl/esp/estpub/estudios/dtbc.

Existe la posibilidad de solicitar una copia impresa

con un costo de Ch$500 si es dentro de Chile y

US$12 si es fuera de Chile. Las solicitudes se pueden

hacer por fax: +56 2 26702231 o a través del correo

electrónico: [email protected].

Working Papers

Central Bank of Chile

PAST ISSUES

Working Papers in PDF format can be

downloaded free of charge from:

www.bcentral.cl/eng/stdpub/studies/workingpaper.

Printed versions can be ordered individually for

US$12 per copy (for order inside Chile the charge

is Ch$500.) Orders can be placed by fax: +56 2

26702231 or by email: [email protected].

DTBC – 700

A Note on Yield Spread and Output Growth

Rodrigo Alfaro y Damián Romero

DTBC – 699

Comportamiento de no Pago en Créditos de Consumo: Indicadores y Determinantes

Andrés Alegría, Rodrigo Alfaro y Carlos Saavedra

DTBC – 698

A Simple Out-of-Sample Test for the Martingale Difference Hypothesis

Pablo Pincheira

DTBC – 697

Vulnerability, Crises and Debt Maturity: Do IMF Interventions Shorten the Length of

Borrowing?

Diego Saravia

DTBC – 696

Are All Capital Inflows Associated with Booms in House Prices? An Empirical

Evaluation

Alejandro Jara y Eduardo Olaberría

DTBC – 695

Household Debt During the Financial Crisis: Micro-Evidence from Chile

Roberto Álvarez y Luis Opazo

http://www.bcentral.cl/esp/estpub/estudios/dtbc


http://www.bcentral.cl/eng/stdpub/studies/workingpaper


DTBC – 694

Efficient CPI-Based Taylor Rules in Small Open Economies

Rodrigo Caputo y Luis Oscar Herrera

DTBC – 693

Interventions and Inflation Expectations in an Inflation Targeting Economy

Pablo Pincheira

DTBC – 692

The Response Speed of the International Monetary Fund

Ashoka Mody y Diego Saravia

DTBC – 691

Efectos de Shocks al Precio del Petróleo sobre la Economía en Chile y sus Socios

Comerciales

Michael Pedersen y Miguel Ricaurte

DTBC – 690

Aumento del Salario Mínimo y sus Efectos sobre el Mercado Laboral

Gonzalo Castex

DTBC – 689

The Impact of Persistence in Volatility over the Probability of Default

Rodrigo Alfaro y Natán Goldberger

DTBC – 688

Rebellions, Technical Change, and the Early Development of Political Institutions in

Latin America

Álvaro Aguirre

DTBC – 687

Are International Market Linkages Stronger? Comparison between 1990s and 2000s

Francisca Pérez

DTBC – 686

What Affects the Predictions of Private Forecasters? The Role of Central Bank

Forecasts

Michael Pedersen

DOCUMENTOS DE TRABAJO • Julio 2013

documentos de trabajo - central bank of...

Documents