nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
1. INTRODUCCIÓN
En la macroeconomía moderna, la gestión de las expectativas en política monetaria es fundamental para conquistar las metas perseguidas por el Banco Central (Seelajaroen, Budsaratragoon y Jitmaneeroj, 2019; Ter Ellen, Larsen y Thorsrud, 2022). En la actualidad, la mayor cantidad de bancos centrales anuncian públicamente sus acciones de política a través de diversos canales con el propósito de satisfacer la demanda por información requerida por los agentes económicos (Ehrmann, Georgarakos y Kenny, 2022; Curti y Kazinnik, 2023). Esto ha convertido la comunicación en herramienta de política que sirve para transmitir de forma clara y oportuna información monetaria y macroeconómica con el propósito de conducir las expectativas hacia los objetivos deseados y reducir la incertidumbre en los mercados financieros (Jung, 2016; Kryvtsov y Petersen, 2021).
Dado que las expectativas representan un importante canal de transmisión en la política monetaria, la reputación y la credibilidad de los bancos centrales juegan un papel fundamental en este régimen (de Mendonça y Tiberto, 2024). En la medida en que la autoridad monetaria alcance sucesivamente la meta de inflación y aumente la credibilidad y transparencia, se espera que la gestión de la política monetaria se lleve a cabo de manera más fluida y con menos costos sociales. Por lo tanto, en cuanto se consolide el esquema de metas de inflación, las expectativas tendrán más influencia sobre la inflación y, en consecuencia, disminuirán los esfuerzos de la autoridad monetaria para alcanzar sus objetivos (Jitmaneeroj, Lamla y Wood, 2019).
La literatura que estudia los errores de pronóstico de tasa de interés se ha centrado de forma principal en economías desarrolladas (Johnson, 2003; Dovern, Fritsch y Slacalek, 2009; Apergis, 2017; Jitmaneeroj, Lamla y Wood, 2019). Respecto a la literatura que relaciona los errores de pronóstico de economías emergentes con los efectos de la comunicación de los bancos centrales es aún escasa y poco desarrollada para economías emergentes (Pedersen, 2015; Tovar, 2017).
El principal objetivo de esta investigación es medir los efectos de la comunicación del Banco Central sobre el error de pronóstico de tasa de interés de política monetaria para diferentes horizontes temporales para el caso de la economía de Colombia durante el periodo 2014/07-2021/03. Este trabajo trata de identificar si la reputación y la comunicación del Banco de la República de Colombia tienen la capacidad de ejercer cambios en el error de pronóstico del mercado financiero, una variable relacionada con la dinámica de formación de expectativas monetarias. Los resultados del trabajo muestran que, tanto la reputación como la comunicación, son instrumentos de política monetaria que le han permitido al Banco de la República influir en las expectativas de los agentes y en la disminución del error de pronóstico. En particular, la claridad de la información y cantidad de palabras en las minutas de las reuniones del Banco Central sólo reduce los errores de pronóstico a corto plazo y no tienen efectos luego de 3 meses.
Este trabajo está organizado de la siguiente forma. A continuación, la sección 2 explica la metodología y los datos utilizados en el estudio. En la sección 3 presentamos los resultados y, por último, en la sección 4 discutimos las conclusiones.
2. METODOLOGÍA
Para calcular los errores de pronóstico utilizamos datos de la Encuesta Mensual de Expectativas de Analistas Económicos (EME). Esta encuesta la desarrolla el Banco de la República y tiene como objetivo indagar a los agentes del mercado financiero sobre pronósticos de la tasa de interés de política monetaria, la tasa representativa del mercado, la inflación y la producción agregada. Esta encuesta recoge información sobre los pronósticos de la tasa de interés desde el año 2014. Por tal razón, el periodo de análisis se extiende entre 2014/07-2021/03.
El error de pronóstico de la tasa de interés (Error) es una medida de la equivocación que tienen los agentes al pronosticar la tasa de interés de política monetaria. De acuerdo con Frenkel, Jung y Rülke (2021), una forma de medirlo consiste en calcular la diferencia en valor absoluto entre las expectativas de la tasa de interés (el pronóstico) y la tasa de interés observada. Es decir:
Siendo
Al calcular el error de pronóstico en valor absoluto se supone una hipótesis en el trabajo. Este enfoque no considera efectos asimétricos en la sobreproyección o subproyección de las expectativas respecto a la tasa de interés. Esto es, tal y como sugieren Frenkel, Jung y Rülke (2021), una función de pérdida simétrica asociada al error de pronóstico.1 Así, este trabajo supone que un error positivo o negativo tiene igual peso.
En la Gráfica 1 presentamos el comportamiento del error de pronóstico de la tasa de interés. En general, se observan dos picos en todas las series con excepción del error a 1 mes; el error a 12 meses es la serie que presenta más pronunciados dichos picos. El primero de ellos en 2015 y el segundo en 2019, años en los cuales se evidencia para todos los horizontes temporales cierta variabilidad durante toda la serie de tiempo. Conjuntamente, los valores más altos en el error de pronóstico se presentan en los horizontes temporales de 12, 9 y 6 meses. Tomando un valor máximo de 3.36% para el error a 12 meses, 2.68% para el error a 9 meses y 2.01% para el error a 6 meses en su serie. Hubo varios momentos donde el error fue cero, como en 2014, 2018 e inicios de 2019.
Fuente: elaboración propia con datos del Banco de la República.
Gráfica 1 Error de pronóstico para diferentes horizontes
2.1. Reputación del Banco Central
Cuando un banco central adopta el esquema de inflación objetivo, se compromete con mantener una inflación estable y compatible con una meta que permita un correcto desempeño de la economía. La capacidad para anclar la inflación hacia las metas establecidas sirve a los agentes del mercado financiero como una medida del desempeño de la gestión de la autoridad monetaria y a su vez ejerce efectos en la formación de expectativas macroeconómicas. Este compromiso con la inflación es definido por la literatura como reputación y explica el desempeño pasado del banco central en el combate a la inflación (Montes y Bastos, 2014).
La reputación es importante en política monetaria porque el resultado de las políticas anunciadas en el pasado provoca efectos en la confianza de los agentes en la aplicación de las políticas futuras. Por lo tanto, la reputación es una condición necesaria para estabilizar las expectativas de la tasa de interés de política (véanse Galvis y de Mendonça (2017); Jitmaneeroj, Lamla y Wood, 2019).
Desde el 2000, el Banco Central de Colombia ha establecido metas e intervalos de inflación como principal estrategia de política monetaria para controlar la inflación. Desde entonces las metas e intervalos fueron cambiando conforme a la dinámica económica requerida. A partir de 2010 se alcanza una estabilidad en las metas establecidas y se define una meta del 3%, con un límite inferior del 2% y un límite superior del 4%.
La reputación es un indicador tipo backward looking y evalúa la gestión de la política monetaria en el pasado. De acuerdo con de Mendonça y de Guimarães e Souza (2009) y Galvis y de Mendonça (2017), REPU t es un índice de reputación que mide la percepción de los agentes sobre el anclaje de la inflación en la meta fijada por el Banco Central. El índice se define de la siguiente forma:
donde REPU
t
es la diferencia entre la inflación que registró la economía y la meta de
inflación anunciada por el Banco Central, normalizando los desvíos de la
inflación entre 0 y 1. Es igual a 1 cuando la inflación acumulada a 12 meses
(INF
t
) es igual a la meta
Es importante mencionar que el indicador de reputación se emplea en primeras diferencias (ΔREPU t ) porque esta medida permite identificar los efectos de los cambios en la reputación de política monetaria sobre los errores de pronóstico.
En la Gráfica 2 se observa el comportamiento de la reputación de política monetaria. Para el periodo de análisis, el índice tuvo un promedio de 0.33, con un máximo de 0.86 alcanzado en 2014/08 y un mínimo de 0.0 alcanzado entre 2016/02-2017/07. En general, se pueden identificar tres fases. Una primera fase se identifica entre 2014-2017. En este periodo se observa una fuerte caída de la reputación pasando en 2014/07 de 0.84 a 0.0 en 2017. Luego, una segunda fase se identifica entre 2018-2019, caracterizada por una fuerte tendencia creciente que alcanza una reputación de 0.82 en 2019/05. Finalmente, entre 2020-2021 la reputación inicia de nuevo una tendencia decreciente hasta alcanzar 0.14 en 2021/03.
2.2. Comunicación del Banco Central
En el esquema de inflación objetivo el suministro de información del Banco Central ayuda a conquistar los objetivos macroeconómicos. La autoridad monetaria informa sobre sus objetivos, estrategias, perspectivas económicas y las decisiones de política monetaria (Blinder et al., 2008; Kryvtsov y Petersen, 2021). Este tipo de información se anuncia al público a través de diversos instrumentos de comunicación: ruedas de prensa, minutas, reportes de inflación y conferencias de los directores que permiten guiar las expectativas del mercado hacia las metas perseguidas.
Existen diferentes formas de aproximarse a la comunicación y su medición. A partir de esta idea, se presentan a continuación tres variables asociadas a esta herramienta del Banco Central: el volumen de noticias, la claridad y el total de palabras.
2.3. Volumen de noticias
El conjunto de información que suministra el Banco Central hacia el público en general tiene el objetivo de reducir el ruido (Blinder et al., 2022). Los bancos centrales como estrategia deben proporcionar múltiples fuentes de información detallada que permitan satisfacer la demanda de los agentes del mercado financiero.
Para aumentar la transparencia de política monetaria hacia el público, los bancos centrales han fortalecido el suministro de información ofrecido en sus portales web institucionales (Curti y Kazinnik, 2023). En estos portales se publica información macroeconómica relacionada con la producción, los precios, el desempleo, la tasa de cambio, el mercado financiero y las expectativas macroeconómicas monitoreadas por la autoridad monetaria. Además, es común encontrar el calendario de eventos y presentaciones y toda la información relacionada con las decisiones de la Junta Directiva o de Gobierno que se puede visualizar en los comunicados de prensa, minutas y reportes de inflación.
Para medir el impacto del suministro de información publicado en el portal web del Banco Central hacia el público, se considera la cantidad de noticias publicadas que se asocian a la gestión de la política monetaria. De acuerdo con de Montes y Nicolay (2016) y Lamla y Lein (2015) se construye un indicador de volumen de noticias (Vol_not t ) a partir de la información suministrada en el portal web del Banco de la República en la sección Noticias y publicaciones. Esta sección está conformada por diez tipos de temáticas. Sin embargo, para construir el indicador fueron seleccionados y contabilizados sólo las temáticas relacionadas con la ejecución de la política monetaria. En particular, fueron seleccionados cuatro tópicos de la sección de noticias: 1) comunicados y minutas, 2) noticias y novedades, 3) informes institucionales y 4) presentaciones y discursos.
En la Gráfica 3 se observa el comportamiento del volumen de noticias del Banco Central de Colombia relacionados con la gestión de la política monetaria publicados en la página web (https://www.banrep.gov.co/es/noticias-y-publicaciones) a través de la sección Noticias y publicaciones. En la gráfica es posible observar que entre 2014-2017 el promedio de noticias emitidas en esta sección fue 4.0. Entre 2018-2021, se observa un incremento en el promedio pasando a 10.5 noticias publicadas cada mes. El comportamiento del volumen de noticias muestra el esfuerzo del Banco Central por satisfacer la demanda de información macroeconómica y de política monetaria de los agentes en Colombia.
2.4. Claridad
La claridad en los comunicados de política monetaria hace alusión a la calidad de la información ofrecida por el Banco Central y a la capacidad de comprensión que tienen los agentes sobre lo que se comunica. Por consiguiente, una comunicación más clara se puede entender con mayor facilidad. Por esta razón, se espera que la claridad en los comunicados del Banco Central reduzca la asimetría de información entre el Banco Central y el público en general (Montes y Nicolay, 2016; Galvis y Anzoátegui, 2019; Arango, Pantoja y Velásquez, 2023).
La evidencia empírica encontrada para la economía colombiana plantea que las minutas son el canal de comunicación que más atención captura de los agentes financieros (Anzoátegui y Galvis, 2019; Guío et al., 2020). Las minutas son un instrumento de comunicación de la Junta Directiva que se utiliza desde finales de 2007 para informar en detalle las decisiones tomadas sobre la tasa de interés de política monetaria. Este documento es clave porque permite que el mercado pueda entender la forma como piensan los diferentes directores, sus posturas frente al entorno macroeconómico y el argumento detrás de cada decisión de política monetaria.
De acuerdo con el Cuadro 1, la estructura de este instrumento de comunicación ofrece de forma inicial una descripción general de la Junta Directiva donde se dan a conocer los nombres de los integrantes, el objetivo de la reunión y la fecha. Luego, el documento se desagrega en dos grandes secciones. En la sección uno se revisa el contexto externo, la economía local y la dinámica inflacionaria. En la segunda sección, se proporcionan diferentes escenarios y opciones sobre la política monetaria, se describen las posturas de política de los directores, discusiones entre los miembros y es indicada la decisión final.
Cuadro 1 Estructura de las minutas emitidas por el Banco de la República
| Encabezado | Esta sección del documento tiene como objetivo presentar los directores que participaron de la reunión para tomar de decisiones de política monetaria y exponer el orden del día. En general, la estructura de la reunión tiene dos grandes componentes. Primero, se realiza la presentación del análisis macroeconómico del equipo técnico del Banco de la República, desde tres líneas: contexto interno, contexto externo y comportamiento de la inflación. En la segunda parte, los directores tienen una participación más activa en la cual se realiza la discusión y votación final. |
| Contexto interno | En esta sección el equipo técnico presenta el análisis de los principales indicadores macroeconómicos: comportamiento del producto interno bruto (PIB), por demanda agregada, por oferta y por sectores económicos. Además, se realiza monitoreo de las cifras del mercado laboral y del mercado financiero. |
| Contexto externo | Se revisa la dinámica económica de Estados Unidos y de la Unión Europea y de las economías más influyentes a nivel mundial y de la región. De igual forma, se realizan evaluaciones de la incertidumbre sobre las condiciones y la disponibilidad de financiamiento, así como también se analiza el comportamiento de las principales bolsas internacionales, el comportamiento de los precios del petróleo, la cuenta corriente y los movimientos en los flujos de capital. |
| Comportamiento de la inflación | Esta sección presenta un panorama detallado de la inflación. Los directores analizan todo el conjunto posible de indicadores de precios de la economía, como también las expectativas de inflación de empresarios y del mercado financiero. |
| Discusión y opciones | En esta sección, los directores presentan sus consideraciones de política monetaria. Exponen los argumentos considerados para inclinar su votación hacia determinada posición en la tasa de interés de política monetaria. |
| Decisión de política | Por último, se presenta la decisión final tomada por el cuerpo colegiado. Se anuncia si la decisión es unánime o por mayoría, contabilizando la votación de acuerdo con la postura elegida sobre la tasa de interés. |
Fuente: elaboración propia con base en las minutas del Banco de la República.
Debido a que las minutas son un importante canal de comunicación, es deseable cuantificar su claridad. La claridad en política monetaria se mide a través de indicadores de legibilidad. Estos indicadores son utilizados para identificar la facilidad para entender un texto. Además, sirven para analizar la calidad del escrito en términos de la cantidad de texto, el orden lógico de las frases y las diferentes estructuras del texto que permiten una adecuada lectura (Ferrando-Belart, 2004).
Para construir el índice de legibilidad para las minutas, se utiliza la escala INFLESZ, desarrollada por Barrio-Cantalejo et al. (2008). Este indicador de legibilidad se define de la siguiente forma:
donde
Cuadro 2 Escala INFLESZ
| Escala numérica |
Interpretación | Educación necesaria para interpretar el texto
y tipo de publicación |
| > 80 | Muy fácil | Educación primaria. Tebeos, cómic |
| 65-80 | Bastante fácil | Educación primaria. Prensa, novelas de éxito. |
| 55-65 | Normal | Educación primaria. Prensa general, prensa deportiva |
| 40-55 | Algo difícil | Bachillerato. Divulgación científica, prensa especializada |
| 0-40 | Muy difícil | Universitario. Texto científico |
Fuente: Barrio-Cantalejo et al. (2008).
La intuición del indicador indica que el uso de muchas silabas por palabra y un
incremento del número de palabras por cada frase reducen la legibilidad.
Conforme el diseño del contenido ofrecido en las minutas esté basado en palabras
y frases cortas podrán comprenderse con mayor facilidad para los lectores los
planteamientos de los directores que diseñan la política monetaria. Por lo
tanto, un incremento del indicador
Es importante destacar que utilizamos el índice en primeras diferencias. La explicación de este hecho está dada porque logra ayudar al Banco Central a consolidar reputación y credibilidad no es el nivel de claridad en las minutas en sí mismas, sino su variación, en otras palabras, si la comunicación se vuelve más clara o menos entendible.
En la Gráfica 4 se presenta la evolución del índice INFLESZ para las minutas del Banco Central de Colombia. Se destacan dos momentos para la muestra de análisis. De forma inicial entre 2014-2017, el índice presenta movimientos en un rango entre 56 y 62.34. Esto significa que las minutas podían ser entendidas por un público con al menos una educación primaria. Un segundo momento se origina entre 2018-2020, con una reducción importante en la legibilidad hasta alcanzar el nivel más bajo en 46.55. Como resultado, la legibilidad de las minutas alcanzó la escala numérica más baja en la muestra y c aumentó la educación mínima para entender los anuncios del Banco Central.
2.5. El número de palabras
Además de analizar la dificultad del lenguaje empleado en las minutas, es necesario identificar los efectos que puede tener la longitud de las palabras utilizadas sobre la formación de expectativas. De acuerdo con Coenen et al. (2017), determinado contexto económico exige mayor y mejor comunicación por parte de los bancos centrales. Por ejemplo, Coenen et al. (2017) y Silva y de Araujo (2023) encuentran que en situaciones que se caracterizan por fuertes contracciones económicas como la crisis de las hipotecas subprime y la pandemia del COVID-19, los principales bancos centrales del mundo aumentaron de forma significativa la extensión del número de palabras en las minutas. La mayor incertidumbre frente a la nueva coyuntura económica exigió por parte de los bancos centrales, el uso de nuevas medidas de política monetaria no convencionales que tenían que ser explicadas con mayor detalle al público. Como resultado, medir el número de palabras de las minutas, sirve como complemento para identificar el esfuerzo del Banco Central para explicar las decisiones tomadas por sus miembros.
En la Gráfica 5 se observa el número de palabras utilizadas en las minutas. Para el periodo de análisis, la extensión de palabras promedio fue de 1 249.6 con un valor máximo alcanzado en 2015/05 de 1 991 palabras y un mínimo valor en 2020/04 con 326 palabras. Se observa una marcada reducción en el número de palabras a lo largo de la serie, lo que puede sugerir una posible estrategia del Banco Central de Colombia para explicar las decisiones de política monetaria.
Teniendo en cuenta las tres variables asociadas a la comunicación, presentamos el modelo básico con el fin de evaluar los efectos de la reputación y de la comunicación del Banco Central en los errores de pronóstico de la tasa de interés de política monetaria:
donde β1 es la constante y Error
t-1
es el rezago de los errores del pronóstico. ΔREPU
t
es la reputación del Banco Central, Vol_not
t
es el volumen de noticias,
Finalmente, el Cuadro 3 muestra las estadísticas descriptivas utilizadas en los diferentes modelos. Es importante destacar que la media y el rango de los errores de pronóstico de las tasas de interés de política económica se incrementan conforme aumenta el horizonte de pronóstico.
Cuadro 3 Estadísticas descriptivas
| Variable | Media | Min | Max | Desviación estándar | Curtosis |
| Error t [h t+1 ] | 0.333 | 0.0 | 1.74 | 0.44 | 4.345 |
| Error t [ h t+3 ] | 0.13 | 0.0 | 0.98 | 0.19 | 7.31 |
| Error t [h t+6 ] | 0.44 | 0.0 | 2.01 | 0.48 | 3.96 |
| Error t [h t+9 ] | 0.78 | 0.01 | 2.68 | 0.76 | 3.14 |
| Error t [h t+12 ] | 1.10 | 0.0 | 3.35 | 0.95 | 2.57 |
| REPU t | 0.338 | 0 | 0.86 | 0.30 | 1.734 |
| Vol_not t | 7.7 | 2 | 23 | 5.32 | 3.06 |
|
|
55.2 | 45.7 | 62.3 | 4.2 | 2.2 |
| Tp t | 1 249.6 | 326 | 1 991 | 416.29 | 2.108 |
Fuente: elaboración propia con datos del Banco de la República.
Como procedimiento inicial para desarrollar las estimaciones, es necesario adelantar las pruebas de raíz unitaria Dickey-Fuller Aumentada (ADF) y Phillips-Perron (PP), y de forma complementaria la prueba de estacionariedad Kwiatkowski-Phillips-Schmidt-Shin (KPSS). El criterio para establecer el orden de integración fue la afinidad entre el resultado de la prueba kpss y al menos uno de los pruebas (ADF o PP) con al menos un nivel de significancia estadística del 5%.
Según se observa en el Cuadro 4, las series no presentan problemas de raíz unitaria. A continuación se realizó la prueba de de Breusch-Godfrey (LM) para identificar correlación serial de los residuales, y la prueba de Breusch-Pagan-Godfrey (BPG) para evaluar heterocedasticidad en las estimaciones con el método de mínimos cuadrados ordinarios (OLS, Ordinary Least Squares). De acuerdo con los resultados encontrados, los modelos no presentan problemas de correlación serial. Respecto a la prueba BPG, sólo los horizontes [h t+6 ] y [h t+9 ] presentan problemas de heterocedasticidad (véase el Cuadro 5).
Cuadro 4 Pruebas de raíz unitaria y estacionariedad
| Series | ADF | PP | KPSS | |||||||||
| Lags | Esp. | Test | C.V. (5%) | Band | Esp. | Test | C.V. (5%) | Band | Esp. | Test | C.V. (5%) | |
| Error t [h t+1 ] | 1 | N | -2.04 | -1.94 | 4 | N | -1.99 | -1.94 | 6 | N | 0.15 | 0.74 |
| Error t [h t+3 ] | 0 | N | -3.48 | -2.90 | 5 | C | -.230 | -3.51 | 6 | C,T | 0.1 | 0.21 |
| Error t [h t+6 ] | 0 | N | -2.45 | -2.59 | 4 | N | -2.00 | -1.94 | 6 | C | 0.08 | 0.46 |
| Error t [h t+9 ] | 0 | N | -1.93 | -1.94 | 5 | N | -1.94 | -1.61 | 6 | C | 0.12 | 0.46 |
| Error t [h t+12 ] | 0 | C | -3.48 | -2.90 | 5 | N | -1.94 | -1.61 | 6 | C | 0.14 | 0.46 |
| REPU t | 1 | N | -2.49 | -1.94 | 4 | N | -2.01 | -1.94 | 6 | C | 0.2 | 0.74 |
| Vol_not t | 0 | T,C | -6.55 | -4.08 | 5 | T,C | -6.79 | -4.08 | 6 | T,C | 0.15 | 0.21 |
|
|
0 | T,C | -4.81 | -4.08 | 4 | T,C | -4.82 | -4.08 | 6 | T,C | 0.16 | 0.21 |
| Tp t | 0 | T,C | -4.01 | -3.46 | 2 | T,C | -3.93 | -3.46 | 5 | T,C | 0.12 | 0.22 |
Nota: C.V. = valor crítico del 5%, T = tendencia, C = constante, N = sin tendencia y constante. Se incluyen con base en el criterio de información de Schwarz. La prueba KPSS se utilizó con banda Newey-West.
Fuente: elaboración propia.
Cuadro 5 Prueba de correlación serial y heterocedasticidad
| Prueba | Breusch-Godfrey (LM) | Breusch-Pagan-Godfrey (BPG) | ||
| Estadístico F | Valor p (5%) | Estadístico F | Valor p (5%) | |
| h t+1 | 1.38 | 0.25 | 1.65 | 0.14 |
| h t+3 | 0.90 | 0.40 | 2.86 | 0.21 |
| h t+6 | 2.58 | 0.11 | 6.19 | 0.00 |
| h t+9 | 2.36 | 0.10 | 3.63 | 0.00 |
| h t+12 | 2.76 | 0.07 | 1.35 | 0.25 |
Fuente: elaboración propia.
Las estimaciones fueron realizadas a través de tres métodos. El primer método ejecutado es el ols con matriz de corrección Newey-West. De acuerdo con Newey y West (1987) estimar a través de este método sirve para corregir los efectos de la correlación de los términos de error en las regresiones aplicadas en las series de tiempo. El segundo método aplicado es el método de los momentos generalizado (GMM, Generalized Method of Moments) con matriz de ponderación y covarianzas Newey-West (GMM-HAC). Hansen (1982) y Wooldridge (2001) plantean que la principal razón para utilizar el método GMM se origina en que el estimador OLS puede perder confianza en presencia de auto correlación serial en los errores, heterocedasticidad o problemas de no linealidad y endogeneidad típicos de series de tiempo que invalidan sus propiedades. Por lo tanto, para enfrentar estos problemas, el estimador GMM puede realizar mejores estimaciones porque no supone normalidad y minimiza los problemas de endogeneidad. Por último, se estima un vector autorregresivo (VAR, Autoregressive Vector) con el fin de calcular la descomposición de la varianza de los errores de pronóstico de la tasa de interés de política monetaria.
3. ESTIMACIONES Y RESULTADOS
En el Cuadro 6 se presentan los resultados de la estimación de la ecuación [7] que evalúan el efecto de la reputación y de la comunicación del Banco Central sobre los errores de pronóstico de la tasa de interés de política monetaria para los horizontes h t+1 , h t+3 , h t+6 , h t+9 , h t+12 .
Cuadro 6 Efectos de la reputación y de la comunicación en el error de pronóstico de la tasa de interés de política monetaria
| Variable dependiente Error t | |||||||||||||||
| Estimaciones OLS-HAC | Estimaciones GMM-HAC | Estimaciones GMM-Windmeijer | |||||||||||||
| Regresores | h t+1 | h t+3 | h t+6 | h t+9 | h t+12 | h t+1 | h t+3 | h t+6 | h t+9 | h t+12 | h t+1 | h t+3 | h t+6 | h t+9 | h t+12 |
| Const | 0.262*** | 0.382*** | 0.324* | 0.388 | 0.07 | 0.5495*** | 0.443** | 0.183 | 1.366** | -0.467 | 0.549*** | 0.444** | 0.482*** | 1.444 | -0.314 |
| (0.096) | (0.123) | (0.178) | (0.694) | (0.234) | (0.189) | (0.176) | (0.159) | (0.653) | (0.744) | (0.190) | (0.205) | (0.165) | (0.893) | (1.221) | |
| [2.739] | [3.094] | [1.817] | [0.559] | [0.299] | [2.897] | [2.517] | [1.147] | [2.091] | [-0.627] | [2.886] | [2.167] | [2.927] | [1.617] | [0.257] | |
| Error t-1 | 0.341*** | 0.481*** | 0.821*** | 0.875*** | 0.83*** | 0.310** | 0.409*** | 0.742*** | 0.754*** | 0.711*** | 0.311** | 0.407*** | 0.636*** | 0.777*** | 0.740*** |
| (0.119) | (0.132) | (0.075) | (0.072) | (0.073) | (0.140) | (0.099) | (0.081) | (0.061) | (0.072) | (0.144) | (0.157) | (0.121) | (0.115) | (0.114) | |
| [2.855] | [3.647] | [10.871] | [12.138] | [11.536] | [2.207] | [4.114] | [9.253] | [12.317] | [9.857] | [2.149] | [2.598] | [5.263] | [6.714] | [6.444] | |
| ΔREPU t | -0.565** | -1.161** | -1.509** | -1.895** | -3.603** | -0.789** | -0.791** | -1.337** | -5.49*** | -8.28*** | -0.789** | -0.683** | -5.69*** | -5.157* | -7.173** |
| (0.265) | (0.445) | (0.722) | (0.898) | (1.403) | (0.347) | (0.372) | (0.667) | (1.613) | (2.233) | (0.342) | (0.343) | (1.893) | (2.752) | (3.308) | |
| [-2.125] | [-2.606] | [-2.091] | [-2.109] | [-2.569] | [-2.274] | [-2.126] | [-2.002] | [-3.402] | [-3.710] | [-2.305] | [-1.995] | [-3.007] | [-1.873] | [-2.168] | |
| Vol_not t | -0.008** | -0.01*** | -0.012** | -0.015* | 0.002 | -0.0195*** | -0.016** | -0.01*** | -0.04*** | 0.037 | -0.019** | -0.017** | -0.016* | -0.044** | 0.001 |
| (0.003) | (0.004) | (0.006) | (0.008) | (0.011) | (0.007) | (0.006) | (0.008) | (0.013) | (0.037) | (0.007) | (0.007) | (0.009) | (0.0182) | (0.054) | |
| [-2.459] | [-2.849] | [-2.189] | [-1.907] | [0.133] | [-2.738] | [-2.606] | [-1.241] | [-3.307] | [0.992] | [-2.617] | [-2.356] | [-1.692] | [-2.428] | [0.022] | |
|
|
-0.007** | -0.011 | -0.012 | -0.002 | -0.004 | -0.008** | -0.011* | -0.031** | -0.006 | -0.076 | -0.008** | -0.002 | 0.023 | -0.006 | -0.027 |
| (0.003) | (0.009) | (0.009) | (0.013) | (0.016) | (0.003) | (0.006) | (0.014) | (0.012) | (0.055) | (0.003) | (0.007) | (0.034) | (0.0164) | (0.0568) | |
| [-2.342] | [-1.269] | [-1.24] | [-0.129] | [-0.261] | [-2.479] | [-1.637] | [-2.214] | [-0.552] | [-1.367] | [-2.414] | [-0.306] | [0.682] | [-0.393] | [-0.087] | |
| Tp t | -0.001** | -0.001** | -0.0001 | -8.5e-05 | 6.7e-05 | -0.0002** | -0.002* | -2.2e-05 | -0.004 | 0.0004 | -0.002*** | -0.002* | -0.002** | -0.0005* | -5.9e-05 |
| (5.5e-05) | (7.3e-05) | (0.0001) | (0.0001) | (0.0001) | (0.0002) | (0.000) | (9.6e-05) | (0.0002) | (0.0004) | (0.0001) | (0.0001) | (9.6e-05) | (0.0002) | (0.0006) | |
| [-2.266] | [-2.404] | [-1.146] | [-0.565] | [0.455] | [-2.643] | [-1.814] | [-0.23] | [-2.021] | [-0.966] | [-2.670] | [-1.723] | [-2.114] | [-1.832] | [-0.087] | |
| R2 ajustada | 0.28 | 0.42 | 0.78 | 0.87 | 0.89 | 0.08 | 0.39 | 0.75 | 0.82 | 0.81 | 0.08 | 0.35 | 0.62 | 0.82 | 0.86 |
| EstadísticoF | 6.761 | 11.504 | 54.111 | 101.294 | 124.658 | ||||||||||
| P(Estadístico F) | 0.000 | 0.0000 | 0.000 | 0.000 | 0.000 | ||||||||||
| EstadísticoJ | 0.15 | 6.86 | 5.03 | 8.84 | 7.18 | 0.15 | 5.689 | 2.186 | 6.98 | 8.24 | |||||
| P(Estadístico J) | 0.99 | 0.65 | 0.53 | 0.35 | 0.51 | 0.99 | 0.841 | 0.902 | 0.53 | 0.50 | |||||
| No. instrumentos | 10 | 15 | 12 | 14 | 14 | 10 | 16 | 12 | 14 | 15 | |||||
| No. observaciones | 79 | 79 | 79 | 79 | 79 | 79 | 79 | 79 | 79 | 79 | 79 | 79 | 79 | 79 | 79 |
Nota: niveles de significancia: *** denota significancia a 0.01, ** denota significancia a 0.05, * denota significancia a 0.1. Desviación estándar entre paréntesis y el estadístico t entre corchetes.
De forma inicial, los resultados indican que los coeficientes del rezago de los errores de pronóstico son positivos y significativos al 1% en todos los modelos presentados. La literatura sobre los errores de pronóstico de la tasa de interés plantea que la persistencia del rezago a través del tiempo indica que los agentes del mercado tienen dificultades para entender la futura dirección de la política monetaria (Chortareas, Jitmaneeroj y Woo, 2012; Frenkel, Jung y Rülke, 2021). Esto sugiere que la dinámica del rezago es importante y demuestra que existen diferencias en el acceso y procesamiento de la información que exigen afinar los instrumentos de comunicación de política monetaria.
Encontramos evidencia que respalda que la reputación del Banco Central es importante para reducir los errores de pronóstico en todos los horizontes de análisis. El coeficiente encontrado es negativo y significativo en todas las estimaciones presentadas. Este resultado sugiere que un banco central que tiene la capacidad para anclar la inflación hacia la meta establecida tiene más disposición para hacerlo. En particular, la reputación contribuye con la formación de expectativas, mejora la comprensión de la política monetaria y reduce así los errores del mercado financiero.
Los resultados asociados con la comunicación del Banco Central indican que es una herramienta de política monetaria que sirve para reducir los errores de pronóstico de corto plazo. De forma inicial, la evidencia encontrada muestra que el coeficiente asociado con el volumen de noticias es negativo y significativo en la gran mayoría de estimaciones presentadas, excepto para el horizonte a 12 meses. Este resultado señala que la información suministrada a través del portal web contribuye de forma decidida en la formación de los pronósticos del mercado y ancla las expectativas en las metas que comunica el Banco Central.
Respecto al parámetro asociado a la claridad, los resultados reportados indican que es negativo y significativo sólo en horizontes de muy corto plazo (1 y 3 meses) y para los otros horizontes (6, 9 y 12 meses) el coeficiente es estadísticamente igual a cero. Este hallazgo permite afirmar entonces que un incremento de la legibilidad tiene la capacidad de reducir los errores solo en la coyuntura. Conforme se incrementan los horizontes de pronóstico, la legibilidad tiende a perder sus efectos en la formación del pronóstico del mercado. Esta evidencia sugiere que las decisiones de los diseñadores de política monetaria tienen poco alcance para anclar las expectativas de largo plazo. Esto significa que la información suministrada por la minuta todavía no genera la confianza suficiente para conducir los pronósticos del mercado hacia los objetivos de política monetaria.
Por último, la evidencia encontrada apunta a que el mayor número de palabras en las minutas tiene la capacidad de reducir los errores sólo en horizontes de corto plazo (1, 3 y 6 meses). Según se observa, el coeficiente encontrado es negativo y significativo en los horizontes de 1, 3 y 6 meses y para los otros casos (9 y 12 meses) el coeficiente no tiene significancia estadística. Esta evidencia reafirma que deben realizarse mayores esfuerzos para que el contenido de las minutas no sólo contribuya para esclarecer el panorama económico de la coyuntura, sino que sirvan de insumo para reducir la incertidumbre en horizontes de mayor plazo.
La evidencia para la legibilidad y el número de palabras guardan relación con los hallazgos encontrados por la literatura que evalúa la credibilidad del Banco Central a través del anclaje de las expectativas de inflación que se forman a través de los títulos públicos. La reciente evidencia encontrada sugiere que las expectativas de inflación de largo plazo, medidas a través del Break Even Inflation (BEI), no se encuentran ancladas, lo que demuestra que se requieren mayores esfuerzos para consolidar la credibilidad de política monetaria.
3.1. Descomposición de varianza
Como un complemento al análisis de regresión por OLS y GMM, realizamos a
continuación un análisis de descomposición de varianza. En el Cuadro 4 presentamos la descomposición de
varianza de los errores de pronóstico para los horizontes h
t+1
, h
t+3
, h
t+6
, h
t+9
, h
t+1
ante una innovación en la reputación (ΔREPU
t
), la comunicación (Vol_not
t
,
De acuerdo con el Cuadro 7, los efectos de la reputación y de la comunicación se incrementan de forma monótona conforme aumenta el periodo de tiempo. Una innovación de la reputación (ΔREPU t ) explica entre un 10.59% de la varianza de los errores de pronóstico a 1 mes, luego crece a 16.92% para los errores a 3 meses y cae para 11.85% para los de 9 meses. De forma final, para los errores de 12 meses se reduce explicando el 8.72%. Estos resultados confirman que la reputación del Banco Central es importante en todos los horizontes de formación del pronóstico del mercado financiero.
Cuadro 7 Descomposición de varianza
| Horizonte | Periodo | Error estándar | Errort | ΔREPU t | Vol_not t |
|
Tp t |
| h t+1 | 1 | 0.09 | 100.0 | 0.00 | 0.00 | 0.00 | 0.00 |
| 6 | 0.11 | 84.09 | 6.07 | 1.85 | 2.12 | 5.85 | |
| 10 | 0.11 | 79.55 | 10.59 | 2.29 | 2.00 | 5.54 | |
| h t+3 | 1 | 0.15 | 100.0 | 0.00 | 0.00 | 0.00 | 0.00 |
| 6 | 0.20 | 81.34 | 13.86 | 2.87 | 1.49 | 0.41 | |
| 10 | 0.21 | 76.28 | 16.92 | 2.71 | 1.86 | 2.20 | |
| h t+6 | 1 | 0.24 | 100.0 | 0.00 | 0.00 | 0.00 | 0.00 |
| 6 | 0.48 | 87.71 | 7.40 | 1.93 | 2.45 | 0.48 | |
| 10 | 0.51 | 83.40 | 11.85 | 1.96 | 2.25 | 0.51 | |
| h t+9 | 1 | 0.23 | 100.0 | 0.00 | 0.00 | 0.00 | 0.00 |
| 6 | 0.69 | 83.14 | 8.46 | 0.73 | 4.42 | 3.23 | |
| 10 | 0.75 | 74.86 | 15.33 | 1.37 | 4.08 | 4.33 | |
| h t+12 | 1 | 0.31 | 100.0 | 0.00 | 0.00 | 0.00 | 0.00 |
| 6 | 0.85 | 94.19 | 4.32 | 1.01 | 0.05 | 0.41 | |
| 10 | 0.94 | 89.30 | 8.72 | 0.86 | 1.01 | 1.01 |
Nota: elaboración propia.
Por otra parte, es posible identificar que el volumen de noticias (Vol_not t ) ejerce su mayor influencia en los errores de pronóstico a 1 y 3 meses. Para el primer mes, el volumen de noticias explica la varianza entre un 1.85% y 2.29% y para el horizonte de tres meses se incrementa entre 2.71% y 2.87%. Sin embargo, para los horizontes de 6, 9 y 12 meses, el poder de explicación de la varianza muestra un comportamiento decreciente. Esta evidencia corrobora los resultados que se obtuvieron de forma previa ya que muestran que la comunicación del Banco Central pierde capacidad para guiar el pronóstico de los agentes conforme aumentan los horizontes de tiempo.
Resultados similares se pueden identificar con los efectos de la legibilidad
En conjunto, las innovaciones en la comunicación del Banco Central
(Vol_not
t
,
4. CONCLUSIONES
Cincos importantes aspectos se encontraron a través del análisis empírico propuesto. Primero, los resultados confirman que la reputación es clave para reducir los errores de pronóstico a corto y largo plazo. Esto demuestra que la capacidad de un banco central para anclar la inflación en las metas ejerce fuerte influencia en diferentes horizontes de pronóstico de la tasa de interés que realiza el mercado financiero.
Segundo, la comunicación como herramienta de política monetaria ha permitido que el Banco de la República pueda influenciar en las expectativas del mercado financiero. En concreto, la publicación de noticias relacionadas con la gestión de política monetaria ejerce influencia en la formación de expectativas macroeconómicas.
Tercero, con base en los resultados encontrados se recomienda que la estrategia de comunicación para economías emergentes que se preocupan por la estabilidad de precios establezca los siguientes lineamientos: 1) la comunicación debe ser clara y transparente. Explicar de forma comprensible el objetivo y el marco de la política, la función de reacción del Banco Central, así como las perspectivas de la política monetaria y los riesgos asociados; 2) la comunicación debe realizarse con regularidad; 3) la comunicación debe llegar a todos los segmentos de la población. Entender la heterogeneidad de los agentes receptores de la información requiere que los mensajes deben adaptarse a diferentes canales, según corresponda para llegar a todos los niveles de destinatarios. Además de seguir fortaleciendo instrumentos tradicionales como los comunicados y las ruedas de prensa, las minutas, los reportes de inflación, los bancos centrales deben diseñar estrategias para consolidar su presencia en las redes sociales. Finalmente, construir bases de datos sobre las expectativas macroeconómicas de empresarios y consumidores que puedan fortalecer la gestión de las expectativas.
Cuarto, la evidencia encontrada muestra que la reputación y mayores esfuerzos para comunicar la política monetaria por parte de los bancos centrales han logrado amortiguar la volatilidad de los mercados bursátiles y han conseguido cierto anclaje simultáneo de expectativas macroeconómicas como la inflación y las tasas de interés del mercado financiero. Sin embargo, existe otro conjunto de agentes como los empresarios y el público general, que también ejerce presiones importantes en la formación de precios y cuyas expectativas pueden provocar variaciones en el consumo, la inversión y los salarios que terminan por afectar las decisiones de ahorro y del sector real de la economía, convirtiéndose en un reto importante para la gestión de las expectativas por parte de la autoridad monetaria. Líneas de investigación futuras deberían enfocarse en entender la formación de expectativas de este conjunto de agentes.
Por último, es importante destacar que las limitaciones que restringieron los alcances de esta investigación se asocian con la definición del error de pronóstico. En esta investigación se asumió una función de pérdida del Banco Central simétrica. Es decir, que para la economía trae iguales consecuencias una sobreproyección de la tasa de interés que una subproyección. Esta limitante del trabajo es importante en términos de los alcances de los resultados alcanzados. Sin embargo, se convierte en una futura línea de investigación que permitirá entender el impacto de una variable económica sobre errores positivos y negativos.
