Estimación de un índice de condiciones financieras para México

##plugins.themes.bootstrap3.article.main##

Thelma Armendáriz
Claudia Ramírez

Resumen

Antecedentes: Una herramienta que ha sido ampliamente usada para identificar el estado que guardan las condiciones financieras en un país son los índices de condiciones financieras. Éstos sintetizan la información de diferentes variables en un solo indicador, lo que permite identificar el comportamiento general de las condiciones financieras de manera oportuna y condensada.

Metodología: Construimos y analizamos, mediante la metodología de componentes principales, un índice de condiciones financieras (ICF) para México. Para ello incluimos 30 variables relacionadas con el comportamiento de los mercados financieros, clasificadas en nueve grupos: tasas de corto y largo plazos; mercado cambiario, mercado bursátil, mercado de derivados y mercado crediticio; primas de riesgo; deuda privada; y expectativas de inflación.

Resultados: Los resultados muestran que este ICF capta adecuadamente momentos de astringencia en los mercados financieros en México, como la crisis financiera de 2008-2009, la crisis en Europa a mediados de 2011, el inicio de la discusión del retiro del estímulo monetario en los Estados Unidos en la segunda mitad de 2013, entre otros.

Conclusión: El ICF propuesto para México funciona como herramienta para monitorear la evolución del estrés financiero e identificar en qué componentes de los mercados financieros existen señales de astringencia.
Palabras clave:
índice de condiciones financieras, componentes principales, México

Descargas

La descarga de datos todavía no está disponible.

##plugins.themes.bootstrap3.article.details##

Métricas PlumX

Citas

Abdi, H., y L. J. Williams (2010), “Principal component analysis”, Wiley Interdisciplinary Reviews: Computational Statistics, vol. 2, núm. 4, pp. 433-459.

Angelopoulou, E., H. Balfoussia y H. Gibson (2013), “Building a Financial Conditions Index for the Euro Area and Selected Euro Area Countries. What does it tell us about the crisis?”, series de documentos de trabajo del Banco Central Europeo núm. 1541, Banco Central Europeo, Alemania.

Aruoba, S. B., F. X. Diebold y C. Scotti (2009), “Real-Time Measurement of Business Conditions”, Journal of Business and Economic Statistics, vol. 4, núm. 27, pp. 417-427.

Banco de México (s. a.), “Efectos de la Política Monetaria Sobre la Economía”, disponible en http://www.banxico.org.mx/politica-monetaria-e-inflacion/material-de-referencia/
intermedio/politica-monetaria/{C6564A4C-E7F7-50E8-6056-C9062C9D05CC}.pdf

Boivin, J., M. Kiley y F. Mishkin (2009), “How Has the Monetary Transmission Mechanism Evolved Over Time?”, documento de trabajo del NBER núm. 15 879, NBER, Cambridge, Massachusetts.

Brave, S., y A. Butters (2011), “Monitoring Financial Stability: A Financial Conditions Index Approach”, Economic Perspectives, Federal Reserve Bank of Chicago, vol. 35, núm. 1, pp. 22-43.

Carauna, J. (2009), “The International Policy Response to Financial Crises: Making the Macroprudential Approach Operational”, disponible en http://www.bis.org/speeches/sp090911.htm

Cattell, R. B. (1966), “The Scree Test for the Number of Factors”, Multivariate Behavioral Research, vol. 1, núm. 2, pp. 245-276.

Doz, C., D. Giannone y L. Reichlin (2006), “A Quasi Maximum Likelihood Approach for Large Approximate Dynamic Factor Models”, documento de trabajo del Banco Central Europeo núm. 674, Banco Central Europeo, Alemania.

Dumitrescu, S. (2015), “Turbulence and systemic risk in the European Union financial system”, Financial Studies, vol. 19, núm. 2A, pp. 41-71.

English, W, K. Tsatsaronis y E. Zoli (2005), “Assessing the Predictive Power of Measures of Financial Conditions for Macroeconomic Variables in Investigating the Relationship between the Financial and Real Economy”, documento del BIS núm. 22, BIS, Suiza, pp. 228-252.

Gauthier, C., C. Graham y Y. Liu (2011), “Financial Conditions Indexes for Canada”, documento de trabajo del Banco de Canadá núm. 2004-22, disponible http://www.banqueducanada.ca/wp-content/uploads/2010/02/wp04-22.pdf

Giglio, S., B. Kelly, S. Pruitt y X. Qiao (2013), “Systemic Risk and the Macroeconomy: An Empirical Evaluation”, Journal of Financial Economics, vol. 119, núm. 3, pp. 457-471.

Gómez, E., A. Muricia y N. Zamudio (2011), “Financial Conditions Index: Early and Leading Indicator for Colombia”, Revista Ensayos sobre Política Económica, vol. 29, núm. 66, pp. 174-220.

Gordon, L. (2015), “The Absorption Ratio as an Indicator for Macro-prudential Monitoring in Jamaica”, documento del Financial Stability Department, Banco de Jamaica, Kingston, Jamaica.

Gosselin M., y G. Tkacz (2001), “Evaluating Factor Models: An Application to Forecasting Inflation in Canada”, documento de trabajo del Banco de Canadá núm. 01-18, disponible en http://www.bankofcanada.ca/wp-content/uploads/2010/02/wp01-18.pdf

Hakkio, C., y W. Keeton (2009), “Financial Stress: What Is It, How Can It Be Measured, and Why Does It Matter?”, Economic Review, vol. 94, núm. 2, pp. 5-50.

Hatzius, J., P. Hooper, F. Mishkin, K. Schoenholtz y M. Wason (2010), “Financial Conditions Indexes: A Fresh Look After the Financial Crisis”, documento de trabajo del NBER núm 16 150.

Hendricks, D., J. Kambhu y P. Mosser, (2006), “Systemic Risk and the Financial System”, documento presentado en la NAS-FRBNY Conference on New Directions in Understanding Systemic Risk, disponible en http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.591.1326&rep=rep1&type=pdf

Horn, J. L. (1965), “A Rationale and Test for the Number of Factors in Factor Analysis”, Psycometrika, vol. 30, núm. 2, pp. 179-185.

‒‒‒‒ , y R. Engstrom (1979), “Cattell’s Scree Test in Relation to Bartlett’s Ch-square Test and Other Observations in the Number of Factors Problem”, Multivariate Behavioral Research, vol. 14, núm. 3, pp. 283-300.

Jackson, A. D. (1993), “Stopping Rules in Principal Components Analysis: A Comparison of Heuristical and Statistical Approaches”, Ecology, vol. 74, núm. 8, pp. 2 204-2 214.

Jackson, J. E. (2003), A User’s Guide to Principal Components, John Wiley & Sons, Hoboken, Nueva Jersey.

Johnson, R., y D. Wichern (2002), Applied Multivariate Statistical Analysis, 5a ed., Upper Saddle River, Nueva Jersey.

Jolliffe, I. (2002), Principal Component Analysis, 2a ed., Springer, Nueva York.

Jushan, B., y S. Ng (2002), “Determining the Number of Factors in Approximate Factor Models”, Econometrica, vol. 70, núm. 1, pp.191-221.

Kaiser, H. F. (1974), “An Index of Factorial Simplicity”, Psychometrika, vol. 39, núm. 1, pp. 31-36.

Kim, H., H. Shin, y J. Yun (2013), “Monetary Aggregates and the Central Bank’s Financial Stability Mandate”, International Journal of Central Banking, vol. 9, núm. 1, pp. 69-108.

Kliesen, K., y D. Smith (2010), “Measuring Financial Market Stress”, economic synopses núm. 2 de la Reserva Federal del Banco de St. Louis, Misuri.

Kritzman, M., Y. Li, S. Page y R. Rigobon (2011), “Principal Components as a Measure of Systemic Risk”, The Journal of Portfolio Management, vol. 37, núm. 4, pp. 112-126.

Mishkin, F. S., y S. G. Eakins (2009), Financial Markets and Institutions, 7a ed., Pearson-Prentice Hall, Boston, Massachusetts.

Ledesma R., y P. Valero-Mora (2007), “Determining the Number of Factors to Retain in EFE: an Easy-to-Use Computer Program for Carrying Out Parallel Analysis”, Practical Assessment Research & Evaluation, vol. 12, núm. 2, pp. 1-14.

Raîche, G., Walls A. W., Magis D., Riopel M. y Blais J.-G. (2013), “Non-Graphical Solutions for Cattell’s Scree Test”, Methodology, vol. 9, núm. 1, pp. 23-29.

Stock, J. H., y M. W. Watson (1999), “Business Cycle Fluctuations in US Macroeconomic Time Series”, en J. B. Taylor y M. Woodford, Handbook of Macroeconomics, vol. 1, Elsevier, Ámsterdam, pp. 3-64.

‒‒‒‒ , y M. W. Watson (2002), “Forecasting Using Principal Components from a Large Number of Predictors”, Journal of the American Statistical Association, vol. 97, núm. 460, pp. 1 167-1 179.