Tesis Inflacion e Incertidumbre (Final)

UNIVERSIDAD CATOLICA BOLIVIANA “SAN PABLO”
FACULTAD DE CIENCIAS ECONÓMICAS Y FINANCIERAS
MAESTRIA EN ECONOMIA
INFLACIÓN E INCERTIDUMBRE INFLACIONARIA Y SUS

EFECTOS EN LA ACTIVIDAD ECONÓMICA REAL EN BOLIVIA
Por:
Ibelisse Fabiola Torrico Gonzales
Tesis para la obtención del grado académico de:

Maestría en Economía
LA PAZ – BOLIVIA
2009
Índice de Contenido
INFLACIÓN E INCERTIDUMBRE INFLACIONARIA Y SUS EFECTOS EN LA

ACTIVIDAD ECONÓMICA REAL EN BOLIVIA
ÍNDICE DE CONTENIDO
INTRODUCCIÓN ................................................................................................................................................ 1
CAPITULO I ................................................................................................................................................... 3
MARCO METODOLOGICO Y DE PROCEDIMIENTO .................................................................................. 3
1.1 Antecedentes ........................................................................................................................................... 3
1.2 PROBLEMÁTICA ..................................................................................................................................... 5
1.3 JUSTIFICACIÓN DEL TRABAJO ............................................................................................................ 5
1.3.1 JUSTIFICACIÓN TEÓRICA .................................................................................................................. 5
1.3.2 JUSTIFICACIÓN SOCIAL .................................................................................................................... 6
1.3.3 JUSTIFICACIÓN ACADÉMICA ............................................................................................................ 6
1.4 OBJETIVO GENERAL ............................................................................................................................. 6
1.4.1 OBJETIVOS SECUNDARIOS ............................................................................................................... 7
1.5 HIPÓTESIS .............................................................................................................................................. 7
1.6 DISEÑO METODOLÓGICO ..................................................................................................................... 8
1.6.1 ÁREA DE INVESTIGACIÓN ................................................................................................................. 8
4.1.2 NIVEL DE INVESTIGACIÓN ................................................................................................................. 8
4.1.3 TIPO DE INVESTIGACIÓN ................................................................................................................... 8
CAPITULO II ................................................................................................................................................ 10
MARCO TEORICO Y CONCEPTUAL.......................................................................................................... 10
2.1 CONCEPTUALIZACIÓN DE INFLACIÓN .............................................................................................. 10
2.2 TIPOS DE INFLACIÓN .......................................................................................................................... 11
2.3 ENFOQUES TEÓRICOS SOBRE LA GENERACIÓN DE INFLACIÓN ................................................ 13
i
2.3.1 TEORÍA CUANTITATIVA O INFLACIÓN DE DEMANDA ................................................................... 14
2.3.2 TEORÍAS DE INFLACIÓN POR EL LADO DE LA OFERTA............................................................... 16
2.3.2 .1 MODELOS BASADOS EN LA CURVA DE PHILLIPS .................................................................... 21
2.3.3 TEORÍAS MIXTAS DE INFLACION .................................................................................................... 23
2.4 LOS MECANISMOS DE FORMACIÓN DE EXPECTATIVAS SOBRE INFLACIÓN .............................. 25
2.5 LA INCERTIDUMBRE INFLACIONARIA ............................................................................................... 27
2.5.1 EFECTOS ECONÓMICOS DE LA INFLACIÓN Y LA INCERTIDUMBRE INFLACIONARIA .............. 28
2.5.2 EFECTOS DE LA INCERTIDUMBRE INFLACIONARIA EN EL CRECIMIENTO ECONOMICO ........ 31
CAPITULO III ............................................................................................................................................... 35
METODOLOGÍA PARA EL CÁLCULO DE LA INCERTIDUMBRE INFLACIONARIA .................................. 35
3.1 MEDICIÓN DE INCERTIDUMBRE ........................................................................................................ 35
3.2 MÉTODO DE ENCUESTAS .................................................................................................................. 35
3.3 MODELOS PREDICTIVOS .................................................................................................................... 36
3.3.1 Modelos GARCH................................................................................................................................. 38
3.3.2 MODELOS TARCH (THRESHOLD ARCH ......................................................................................... 39
3.3.3 MODELOS EGARCH .......................................................................................................................... 39
3.4 INCERTIDUMBRE INFLACIONARIA Y CRECIMIENTO ECONÓMICO ................................................ 42
CAPITULO IV ............................................................................................................................................... 44
ANÁLISIS DESCRIPTIVO DE LA INFLACIÓN EN BOLIVIA ....................................................................... 44
4.1 POLÍTICA MONETARIA ........................................................................................................................ 44
4.1.1 BANCO CENTRAL.............................................................................................................................. 46
4.2 HECHOS ESTILIZADOS SOBRE INFLACIÓN ...................................................................................... 46
CAPITULO V ................................................................................................................................................ 52
MARCO PRACTICO .................................................................................................................................... 52
5.1 Consistencia Teórica del Modelo para Inflación e Incertidumbre Inflacionaria ...................................... 52
5.1.1 Características de la Relación Inflación e Incertidumbre Inflacionaria ................................................ 52
ii
5.1.2 METODOLOGÍA PARA ESTIMAR INCERTIDUMBRE INFLACIONARIA........................................... 55
5.1.3 EVALUACIÓN CUANTITATIVO DE LA INFORMACIÓN .................................................................... 57
5.1.3.1 PROCESAMIENTO DE LA INFORMACIÓN ................................................................................... 57
5.1.3.2 DESCRIPCIÓN DE LOS VARIABLES PARA LA CONSTRUCCIÓN DEL MODELO

ECONOMÉTRICO EGARCH ANUAL .......................................................................................................... 58
5.1.3.2.1 ANÁLISIS ESTADÍSTICOS DE LAS SERIES PARA EL MODELO E-GARCH ANUAL ................ 59
5.1.3.2.2 ESTIMACIÓN DEL MODELO ECONOMÉTRICO EGARCH ANUAL ........................................... 68
5.1.3.2.3 EVALUACIÓN DEL MODELO EGARCH ANUAL ......................................................................... 71
5.1.3.2 ESTIMACIÓN DEL MODELO ECONOMÉTRICO EGARCH MENSUAL ......................................... 80
5.1.3.2.1 EVALUACIÓN DEL MODELO EGARCH MENSUAL .................................................................... 81
5.2 EVIDENCIA DEL IMPACTO DE LA INFLACIÓN Y LA INCERTIDUMBRE INFLACIONARIA EN EL

CRECIMIENTO ECONÓMICO .................................................................................................................... 81
5.2.1 PLANTEAMIENTO DEL MODELO GARCH-M .................................................................................. 81
5.2.1.1 DESCRIPCIÓN DE LOS VARIABLES PARA LA CONSTRUCCIÓN DEL MODELO

ECONOMÉTRICO GARCH-M ..................................................................................................................... 83
5.2.1.3 ANÁLISIS ESTADÍSTICOS DE LAS SERIES PARA EL MODELO ................................................. 84
5.2.1.4 ESTIMACIÓN DEL MODELO ECONOMÉTRICO GARCH-M.......................................................... 89
5.2.1.5 DIAGNOSTICO DE LOS MODELO ECONOMETRICO GARCH-M................................................. 90
CAPITULO VI ............................................................................................................................................... 92
IMPLICACIONES DE LOS RESULTADOS.................................................................................................. 92
6.1 PROPOSICIÓN 1: MAYORES NIVELES DE INFLACIÓN ESTÁN ASOCIADOS A MAYORES NIVELES

DE INCERTIDUMBRE ................................................................................................................................. 92
6.2 PROPOSICIÓN 2: NIVELES DE INCERTIDUMBRE MÁS BAJOS NO CONLLEVAN NIVELES DE

INFLACION PROMEDIO MÁS BAJOS ........................................................................................................ 93
6.3 PROPOSICIÓN 3: NO EXISTE UNA TENDENCIA CLARA EN CUANTO AL INCREMENTO DE LA

INCERTIDUMBRE INFLACIONARIA ........................................................................................................... 93
6.4 PROPOSICIÓN 4: NO EXISTE ASIMETRÍA EN LOS SHOCK INFLACIONARIOS .............................. 94
iii
6.6 PROPOSICIÓN 6: LA INCERTIDUMBRE INFLACIONARIA INFLUYE DE MANERA DIRECTA EN LA

ACTIVIDAD ECONÓMICA ........................................................................................................................... 95
CONCLUSIONES ........................................................................................................................................ 96
BIBLIOGRAFIA ............................................................................................................................................ 99
ANEXOS .....................................................................................................................................................102
iv
Índice de Cuadros

ÍNDICE DE CUADROS
CUADRO Nº 1
EFECTOS REALES DE LA INFLACION NO ANTICIPADA
EN LA ECONOMIA………………………………………………………………………………………………………29
CUADRO Nº 2
ESTADÍSTICOS DESCRIPTIVO DE LAS VARIABLES EN NIVELES LIPC…………………………………....60
CUADRO Nº 3
FUNCIONES DE AUTOCORRELACION DE LA SERIE LIPC……………………………………………………65
CUADRO Nº 4
PRUEBA DE ESTACIONARIEDAD ADF AUMENTADO
PARA LAS SERIES EN NIVELES Y PRIMERAS DIFERENCIAS LIPC………………………………………….67
CUADRO Nº 5
PRUEBA DE ESTACIONARIEDAD PP
PARA LAS SERIES EN NIVELES Y PRIMERAS DIFERENCIAS…………………………………………………68
CUADRO Nº 6
MODELO EGARCH PARA LA RELACIÓN INFLACIÓN E INCERTIDUMBRE INFLACIONARIA……………71
CUADRO Nº 7
ESTADÍSTICOS DESCRIPTIVO DE LAS VARIABLES EN NIVELES INF DE DINF…………………………..74
CUADRO Nº 8
FUNCIONES DE AUTOCORRELACION DE LA SERIE INF………………………………………………………77
CUADRO Nº 9
PARA LAS SERIES EN NIVELES Y PRIMERAS DIFERENCIAS INF y DINF………………………………….79
CUADRO Nº 10
MODELO EGARCH PARA LA RELACIÓN INFLACIÓN E INCERTIDUMBRE
INFLACIONARIA MENSUAL…………………………………………………………………………………………..80
CUADRO Nº 11
ESTADÍSTICOS DESCRIPTIVO DE LAS VARIABLES EN NIVELES TIB…………………………………….84
v
Índice de Cuadros
CUADRO Nº 12
FUNCIONES DE AUTOCORRELACION DE LA SERIE TPIB……………………………………………………87
CUADRO Nº 13
PRUEBA DE ESTACIONARIEDAD ADF PARA LAS SERIES
EN NIVELES Y PRIMERAS DIFERENCIAS TPIB…………………………………………………………………...88
CUADRO Nº 14
PRUEBA DE ESTACIONARIEDADPP PARA LA SERIE
EN NIVELES Y PRIMERAS DIFERENCIAS TPIB…………………………………………………………………...88
CUADRO Nº 15
RESULTADOS DEL MODELO DE GARCH-M
(VARIABLE DEPENDIENTE: TPIB) ………………………………………………………………………………….89
vi
Índice de Graficos

ÍNDICE DE GRAFICOS
GRAFICO Nº 1
ENFOQUES TEÓRICOS SOBRE LA GENERACIÓN DE INFLACIÓN…………………………………..…….13
GRAFICO Nº 2
INFLACION DE DEMANDA…………………………………………………………………………………………….14
GRAFICO Nº 3
ESPIRAL INFLACIONARIA…………………………………………………………………………………………….16
GRAFICO Nº 4
INFLACIÓN POR EL LADO DE LA OFERTA………………………………………………………………………..17
GRAFICO Nº 5
INFLACION DE COSTES……………………………………………………………………………………………….20
GRAFICO Nº 6
LA CURVA DE PHILLIPS DE CORTO Y LARGO PLAZO………………………………………………………...22
GRAFICO Nº 7
COSTOS EX ANTE DE LA INCERTIDUMBRE EN INFLACION………………………………………………….32
GRAFICO Nº 8
COSTOS EX POST DE LA INCERTIDUMBRE EN INFLACION………………………………………………….33
GRAFICO Nº 9
ÍNDICE DE IPC EN LOGARITMO……………………………………………………………………………………..48
GRAFICO Nº 10
RELACIÓN INFLACIÓN E INCERTIDUMBRE INFLACIONARIA…………………………………………………54
GRAFICO Nº 11
PASO PARA OPTIMIZAR EL TEST DE RAÍZ UNITARIA…………………………………………………………63
GRAFICO Nº 12
ANÁLISIS GRAFICO: LIPC…………………………………………………………………………………………….64
GRAFICO Nº 13
METODOLOGÍA PARA MODELIZACIÓN DEL PROCESO EGARCH………………………………………….69
GRAFICO Nº 14
ANÁLISIS GRAFICO: TASA DE CRECIMIENTO DEL PIB……………………………………………………….78
vii
Introducción
Introducción
Durante los veinte años la mayor parte de las economías del mundo han
experimentado profundas transformaciones que han influido en el
desenvolvimiento de sus sistemas monetarios, como consecuencia, en muchos de
ellos se ha presentado inestabilidad en la demanda de dinero y dificultades para
controlar los agregados monetarios.
Evidentemente esta realidad ha complicado el diseño e implementación de la

política monetaria y, por tanto, ha obligado a los Bancos Centrales a realizar un
profundo análisis de la labor que realizan y a adoptar enfoques alternativos o
complementarios.
La economía boliviana no ha estado ajena a este proceso de cambio. En los

últimos años nuestro país ha observado una serie de transformaciones que se han
reflejado, entre otros, en desregulación del sistema financiero, surgimiento de
innovaciones financieras, mayor participación de intermediarios no bancarios y en
mayor apertura de la cuenta de capitales. Estas transformaciones representan una
clara señal de las dificultades que se experimentan al ejecutar una adecuada
política monetaria enfocada en la estabilidad de las variables monetarias en
particular la tasa de inflación y la incertidumbre en relación a sus movimientos
futuros.
Los costos generados por la inflación están asociados a la incertidumbre sobre los
niveles futuros de la misma, así como los efectos de ésta en la economía y las
reacciones y expectativas de los agentes económicos.
Este trabajo busca aportar a este debate por medio del análisis de la relevancia
del la incertidumbre inflacionaria en la economía y a partir de estos, proveer
ciertas orientaciones básicas para el manejo monetario.
1
Introducción
El resto de la investigación se estructura de la siguiente manera:
El capítulo I presenta el perfil general de la investigación este incluye al marco

metodológico y marco de procedimientos, se expone la problemática, la
justificación, los principales objetivos, la hipótesis planteada y el diseño de la
metodología.
El capítulo II ofrece la visión teórica y conceptual en la cual se basa el estudio,

presenta un esbozo del estado de arte de la investigación, identifica los principales
fundamentos teóricos y adopta un enfoque teórico para el estudio. Además, se
realiza una breve conceptualización de elementos a ser mencionados en toda la
investigación.
El capítulo III presenta el marco situacional o de referencia en el cual se realiza

una descripción histórica del manejo de la inflación en Bolivia, descripción de la
situación actual en el sector monetario, aspectos relevantes, marco legal y otras
características de importancia para el adecuado desarrollo del estudio.
En el capítulo IV se desarrolla el marco práctico en el que se incluye el análisis

cuantitativo y cualitativo de la información, desarrollo del modelo econométrico y
diagnóstico integral de los resultados de la investigación.
El capitulo V presentan las implicaciones de política de los resultados hallados a lo

largo de todo el estudio.
Finalmente, el capítulo VI contiene las conclusiones y recomendaciones

generales.
2
Capítulo I: Marco Metodológico y de Procedimiento
CAPITULO I
MARCO METODOLOGICO Y DE PROCEDIMIENTO
1.1 Antecedentes
El análisis de la inflación y la incertidumbre han sido objeto de variados estudios e

investigaciones las cuales han llegado a distintas conclusiones dependiendo del
enfoque empleado, los datos utilizados, los rangos de tiempo empleados y las
técnicas econométricas usadas. Para una mejor comprensión de la presente
investigación se realiza un breve resumen de los hallazgos en estudios anteriores.
L’huillier Bowles (2001) en su trabajo sobre inflación en Bolivia (1982-1989) con

modelos econométricos de tipo ARCH hallo evidencia econométrica de la
importancia de las variaciones de la tasa de cambio nominal y la incertidumbre
sobre la evaluación de esta variable sobre el comportamiento de la inflación en
Bolivia en la década de los 80’s.
Solera Ramírez (2002) en su trabajo Inflación e Incertidumbre Inflacionaria:

Evidencia para Costa Rica concluye que en hay evidencia de que la incertidumbre
inflacionaria ha venido disminuyendo junto con la reducción de la inflación, este
fenómeno se puede asociar con un mayor compromiso de la autoridad monetaria
por cumplir con su objetivo prioritario de mantener la estabilidad interna y externa
de la moneda nacional.
Fernández (2004), en su trabajo inflación e incertidumbre inflacionaria: el caso de

Paraguay demuestran la existencia de un costo real potencial de la inflación en
Paraguay. Es decir, si la incertidumbre inflacionaria es costosa para la economía,
una inflación alta es igualmente costosa porque una tasa elevada de esta causa
una mayor incertidumbre. señala que para el caso paraguayo mayores niveles de
inflación van asociados con una mayor incertidumbre inflacionaria.
3
Fellinger (2005), en la investigación “Incertidumbre de inflación en Argentina” a

partir de la estimación de modelos con régimen cambiante de Markov establece
una medida directa de incertidumbre de inflación estimada y la inflación observada
comprobando la relación entre estas variables para ciertos periodos específicos,
esto es, la inflación mejora la predicción de la incertidumbre y la incertidumbre
mejora la predicción de la inflación. Sin embargo, los resultados ponen en
evidencia la sensibilidad de la relación a los distintos períodos bajo análisis.
Bello y Gamez (2006), en su artículo sobre Inflación e Incertidumbre Inflacionaria

en Nicaragua usando un Modelo EGARCH establecen que altos niveles de
inflación incrementan la incertidumbre inflacionaria y altos niveles de
incertidumbre inflacionaria incrementan la tasa de inflación promedio. Concluyen,
además, que la incertidumbre tiene una tendencia decreciente, producto de un
mejor aprendizaje de los agentes sobre el modelo que rige la economía.
Adicionalmente, se encuentra que los shocks de inflación impactan de forma
asimétrica a la incertidumbre. Shocks positivos de inflación (por ejemplo, un
aumento en el precio del petróleo no esperado) crean mayor incertidumbre
inflacionaria que shocks negativos de la misma magnitud.
Rozenwurcel (2008), en su artículo sobre Política monetaria e incertidumbre en

economías emergentes establece que las cuestiones de incertidumbre afectan a la
política monetaria en países desarrollados dado que allí los problemas de
incertidumbre se acentúan por diversos motivos como la elevada propensión a la
inestabilidad macroeconómica, la alta frecuencia de cambios de régimen, la mayor
dimensión y persistencia de las perturbaciones, la escasez de instrumentos
apropiados para lidiar con shocks y la falta de flexibilidad para realizar
correcciones. Adicionalmente afirma que la cuestión es más compleja, pues las
políticas también pueden constituirse, por sí mismas, en fuente autónoma de
incertidumbre. Esto puede ocurrir, en efecto, cuando debido a inconsistencias,
fallas de coordinación, cambios frecuentes de reglas o baja credibilidad de las
4
autoridades, las políticas alteran la conducta de los agentes y, consecuentemente,

las condiciones de funcionamiento de la economía.
1.2 PROBLEMÁTICA
Aunque en la ciencia económica no existe un consenso pleno en cuanto a las

causas generadoras de la inflación, si existe un amplio acuerdo en que la inflación
tiene consecuencias nocivas sobre la economía.
Los costos asociados con la inflación son que aparte de distorsionar el sistema de
precios y con ello la asignación de los recursos, la estructura de la producción y
del consumo, la inflación erosiona los ahorros, afecta la planeación económica,
desestimula la inversión, induce la fuga de capitales y la adquisición de activos
improductivos, inhibe el crecimiento y tiende a desestabilizar el ambiente social y
político.
Uno de los costos más importantes de la inflación es la incertidumbre que ella crea
acerca de la inflación futura, dada la limitada capacidad que tienen los agentes
económicos para predecirla. Esta incertidumbre dificulta la toma de decisiones por
parte de consumidores y productores, con el consiguiente efecto negativo sobre la
actividad económica.
Es dentro este contexto que se plantea la siguiente interrogante a ser estudiadas:
¿Cuál es la relación existente entre inflación e incertidumbre inflacionaria y los

efectos de esta ultima en la actividad económica del país?
1.3 JUSTIFICACIÓN DEL TRABAJO
1.3.1 JUSTIFICACIÓN TEÓRICA
Determinar las características, influencia y grado de relación de la incertidumbre

inflacionaria sobre las variables reales es un asunto tanto de política económica
5
como teórico, en el campo de política económica el determinar los efectos del la

incertidumbre inflacionaria permite establecer qué tipo de escuela económica se
ajusta mejor a la realidad boliviana de manera que las decisiones de política sean
mejoradas o corregidas, desde el enfoque teórico, este trabajo busca aportar al
debate sobre efectividad de políticas monetarias por medio de un análisis
econométrico, y a partir de este, proveer ciertas orientaciones básicas para el
manejo público.
1.3.2 JUSTIFICACIÓN SOCIAL
En los últimos años, en Bolivia, se viene observando un hecho muy recurrente: la

tendencia a una mayor protesta social ante políticas monetarias y fiscales de
ajuste, esta situación indica que la política monetaria tiene que adaptarse a la
situación propia del país y no es conveniente aplicar una estrategia uniforme sin
un respaldo técnico. Por lo expuesto, la investigación se plantea como un aporte
para determinar políticas que incentívenla estabilidad monetaria en el país.
1.3.3 JUSTIFICACIÓN ACADÉMICA
La presente investigación se plantea como un aporte para la Maestría en

Economía de la Universidad Católica Boliviana “San Pablo”, el estudio desarrolla
las herramientas teóricas y prácticas asimiladas en el periodo de formación
académica en particular en el campo de la macroeconomía, política económica,
economía monetaria y econometría.
1.4 OBJETIVO GENERAL
El objetivo principal de la investigación es:
Realizar un análisis de la relación entre la inflación y la incertidumbre inflacionaria

y la influencia de estas variables en la actividad económica del país mediante el
uso de herramientas estadísticas y econométricas.
6
1.4.1 OBJETIVOS SECUNDARIOS
Se han definido los siguientes objetivos secundarios para el presente estudio:
 Presentar un marco analítico y teórico adecuado que permita el desarrollo de

un modelo empírico para la investigación.
 Presentar un resumen histórico que exprese la evolución de las variables

relevantes para el adecuado desarrollo del estudio.
 Cuantificar la magnitud de los efectos de corto y largo plazo de cada una de

las variables causales mediante el uso de herramientas econometricas.
 Extraer lecciones para el manejo de política monetaria.
1.5 HIPÓTESIS
El presente trabajo busca demostrar que:
Una mayor incertidumbre inflacionaria es producto de una tasa de inflación

creciente y tiene un efecto negativo sobre el crecimiento económico en la
economía boliviana (1968-2008),
La importancia de demostrar esta hipótesis conlleva a una comprensión y

conocimiento profundo sobre la evolución de la inflación y la demostración
empírica de los costos sobre el nivel de producto que ocasiona la incertidumbre,
ello facilitaría la conducción de la política monetaria.
De no existir una mayor incertidumbre generada por incrementos en la inflación,

las variables macroeconómicas se ajustarían rápidamente, y los agentes
económicos serían indiferentes a bajas o altas tasas de inflación y el crecimiento
económico no se vería afectado.
7
1.6 DISEÑO METODOLÓGICO

1.6.1 ÁREA DE INVESTIGACIÓN
Las áreas de investigación dentro de las cuales se desarrolla el presente estudio

son tres: Al realizar un proceso deductivo en base a al marco teórico antes
planteadas mediante la comprobación o descarte de proposiciones se utiliza el
enfoque GARCH la cual es parte del área econometría se desarrollan conceptos
estadísticos y monetarios; finalmente se desarrollan conceptos de
macroeconomía.
4.1.2 NIVEL DE INVESTIGACIÓN
La presente estudio se basa en un análisis teórico y un uso práctico, es decir, que

los hallazgos de la investigación tienen una relevancia practica debido a que los
mismos son aplicables a una propuesta de mejora en la condición de la política
monetaria.
4.1.3 TIPO DE INVESTIGACIÓN
El estudio será de tipo descriptivo y cuantitativo, es decir, que se buscará durante

la investigación dar explicación a las causas y consecuencias del problema,
procediendo además en una retroalimentación hasta la verificación de la hipótesis.
Adicionalmente se utilizan como herramientas la investigación descriptiva y la
investigación correlacional.
a) INVESTIGACIÓN DESCRIPTIVA
La investigación descriptiva busca especificar las prioridades importantes de

personas, grupos o cualquier fenómeno que sea sometido a análisis. En un
estudio descriptivo se selecciona una serie de situaciones y se mide una de ellas
independientemente, para así describir lo que se investiga.
8
b) INVESTIGACIÓN CORRELACIONAL
Este tipo de estudio tiene como propósito medir el grado de relación que existe
entre o dos o más conceptos o variables. El estudio correlacional mide las dos o
más variables que se pretenden ver si están o no correlacionadas en los mismos
sujetos y después se analiza la correlación. La variable independiente es la que se
considera como posible causa en una relación entre variables, es la condición
antecedente, y el efecto provocado por dicha causa se denomina variable
dependiente (consecuente).
9
Capítulo II: Marco Teórico y Conceptual
CAPITULO II
MARCO TEORICO Y CONCEPTUAL
2.1 CONCEPTUALIZACIÓN DE INFLACIÓN
Existen muchas definiciones de inflación. En general los libros de economía

definen la inflación poniendo énfasis en los aspectos descriptivos, es decir, en el
aumento de precios. Siguiendo esta línea definimos a la inflación como el
crecimiento continuo y generalizado de los precios de los bienes y servicios
existentes en una economía; y el cambio porcentual en el nivel de precios (Sachs
y Larraín: 1994).
La inflación es un fenómeno dinámico, pues tiene sentido al estar referida respecto

al tiempo. De esta forma, no es inflación el aumento transitorio del precio de
ciertos bienes; debe ser un aumento permanente del promedio de los precios de la
economía.
La inflación se mide a través de la variación del índice de precios al consumidor

(IPC) cuya medida se basa en el costo de una canasta de mercado de bienes y
servicios representativa de la compras de una economía. La fórmula para calcular
la tasa de inflación básica es1:
𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑝𝑟𝑒𝑐𝑖𝑜𝑠 𝑎ñ𝑜 1 − 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑝𝑟𝑒𝑐𝑖𝑜𝑠 𝑎ñ𝑜 0

𝑇𝑎𝑠𝑎 𝑑𝑒 𝑖𝑛𝑓𝑙𝑎𝑐𝑖ó𝑛 = ∗ 100
𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑝𝑟𝑒𝑐𝑖𝑜𝑠 𝑎ñ𝑜 0
Cuando la inflación sea perturbada por un evento, esta llevará una tendencia que
será visible durante un periodo de tiempo. En tal situación los agentes económicos
1 Una variante de cálculo de la tasa de inflación se considera como Inflación subyacente, una medida alternativa a la
inflación normal y, como su nombre lo indica es una inflación que "subyace" de forma tendencial, mientras no cambien
radicalmente las condiciones de la economía. Así, la inflación subyacente se constituye en aquel componente durable o
persistente de la inflación total, es decir, la parte representativa de la inflación que refleja el comportamiento de largo
plazo del nivel de precios. Banco Central de Bolivia; Informe de Política Monetaria , Enero 2008
10
tomarán en cuenta el evento ocurrido, y sus decisiones de forma agregada

crearán así la tasa de inflación que se espera y se incorporará a los contratos y a
los acuerdos formales, este proceso es conocido como la tasa tendencial de
inflación.
Resulta improbable que la economía de un país permanezca sin perturbaciones o

eventos que la alteren, ellos pueden provenir de la demanda agregada o de la
oferta agregada de forma directa o debido a incrementos en el tipo de cambio,
variaciones en los impuestos o la baja del precio del petróleo u cualquier otro tipo
de fluctuaciones en el mercado económico, que repercuta en las decisiones que
toman los agentes económicos, tanto de corto, mediano o largo plazo.
2.2 TIPOS DE INFLACIÓN
Según la magnitud del aumento de precios, se pueden distinguir distintos tipos de

inflación:
a) Inflación Moderada
Caracterizada principalmente por una ligera y predecible aumento de los precios,

que no afecta las transacciones económicas. Se considera que son las variaciones
representadas por un dígito. Dentro de la cual los agentes económicos confían en
el valor del dinero y tienen seguridad en firmar contratos y confían en los precios
de los bienes y servicios.
b) Inflación Inercial
Cuando ya se desarrolla una alta inflación, los agentes intentan protegerse de las
perdidas de ingreso o capital por lo tanto los contratos, alquileres etc., están
sujetos a la indexación de los valores nominales con índices publicados por
organismos oficiales.
c) Hiperinflación
11
La hiperinflación es una inflación muy elevada, fuera de control, en la que los

precios aumentan rápidamente al mismo tiempo que la moneda pierde su valor.
Definiciones formales varían de una tasa de inflación de 100% a lo largo de tres
años, a inflación mayor de 50% al mes, según Philip Cagan. En uso informal, el
término con frecuencia se aplica a tasas mucho más bajas. Como regla general, la
inflación normal se anuncia cada año, pero la hiperinflación con frecuencia se
anuncia para periodos mucho más cortos, como cada mes.
En 1956, Philip Cagan escribió La dinámica monetaria de la hiperinflación,

considerado generalmente como el primer estudio serio de la hiperinflación y sus
consecuencias. En él, definió hiperinflación como una inflación mensual de al
menos el 50%.
La Norma Internacional de Contabilidad 29 describe cuatro signos que indican que

una economía podría encontrarse en hiperinflación:
1. La población general prefiere mantener su riqueza en bienes no monetarios o

en una moneda extranjera relativamente estable. Cualquier cantidad en moneda
local es inmediatamente invertida para mantener poder adquisitivo.
2. La población general considera cantidades monetarias no en términos de

moneda local, sino en términos de una moneda extranjera relativamente estable.
Es posible que los precios se fijen en moneda extranjera.
3. Las ventas y compras a crédito se realizan a precios que compensan por la

pérdida anticipada de poder adquisitivo durante el periodo crediticio, incluso si este
periodo es corto.
4. Los tipos de interés, salarios y precios se vinculan a un índice de precios y la

inflación cumulativa durante tres años se acerca, o excede, el 100%.
La definición usada por la mayoría de economistas es "un ciclo inflacionario sin

tendencia al equilibrio". Se origina un círculo vicioso en el que se crea más y más
12
inflación con cada repetición del ciclo. Aunque existe debate acerca de las causas
últimas de la hiperinflación, se hace visible cuando hay un aumento imparable del
suministro de dinero o una degradación drástica de la moneda, y se asocia con
frecuencia con guerras (o sus consecuencias), depresiones económicas, y
trastornos sociales o políticos.
2.3 ENFOQUES TEÓRICOS SOBRE LA GENERACIÓN DE INFLACIÓN
Varias teorías económicas exponen el origen de la inflación en la economía, de

acuerdo a Evia y Mendez (2008), éstas se pueden clasificar en tres grupos: teorías
de inflación por demanda, teorías de inflación por costos y teorías mixtas, que
incluyen las teorías estructuralista y monetarista.
GRAFICO Nº 1
ENFOQUES TEÓRICOS SOBRE LA GENERACIÓN DE INFLACIÓN
Causas de la Inflación
Por
Por Costos
Text
Demanda
Mixtas
ENFOQUES TEÓRICOS SOBRE LA
GENERACIÓN DE INFLACIÓN
Internos y
Externos
Evia y Mendez (2008)
13
2.3.1 TEORÍA CUANTITATIVA O INFLACIÓN DE DEMANDA
Esta teoría propone que la inflación se produce cuando, la demanda global de

bienes y servicios supera a la oferta global de los mismos. Ello se debe a que, un
incremento en la demanda agregada que se puede generar por crecimientos o
descensos de las variables que la integran como inversión, gasto público o en
balanza comercial, genera un exceso de demanda sobre la capacidad de
producción de la economía. Esta demasía en demanda ocasiona un incremento de
los precios.
El grafico Nº 2 muestra que al ser insuficientes los niveles de producción, los

demandantes compiten con una oferta restringida provocando el incremento de los
precios de P0 a P2.
GRAFICO Nº 2
INFLACION DE DEMANDA
Fuente: Evia y Mendez (2008)
14
Por ejemplo suponiendo que el nivel de precios P0 a un nivel de PIB igual a Q0

(PIB0), como se muestra en el punto A del Grafico No. 2 donde la demanda
agregada es representada por DA0 y la curva de oferta agregada a corto plazo es
Qp y la de largo plazo es OA, un incremento de la cantidad de dinero en
circulación provoca que las personas incrementen sus gastos, incrementándose
así la demanda agregada hacia DA1 intersecada en el punto B con la oferta
agregada, dando como resultado ahora el crecimiento del índice de precios a P 1
con un producto mayor, sin embargo en el corto plazo el nivel de producto se
mantiene invariable en Q0, razón por la cual el incremento en el nivel de precios es
mayor al previsto, subiendo a P2.
En el grafico Nª3 se puede observar que la demanda agregada se incrementa más

rápidamente que la cantidad de producción de la economía, así mismo se
aumentan los precios para equilibrar la oferta y la demanda agregada. Lo que
hace que el dinero de la demanda compita por la limitada oferta de mercancías y
presiona al alza sobre los precios.
Cuando el desempleo disminuye y los trabajadores escasean, suben los salarios y

se acelera el proceso inflacionario, este enfoque se basa en la idea de que el
crecimiento de la oferta monetaria eleva la demanda agregada lo cual, incrementa
a su vez el nivel de precios.
Al darse un incremento en el tiempo en el producto por el crecimiento de los

precios, los salarios aumentan (dado que hay escasez de empleo) con el
desplazamiento hacia la izquierda de la oferta agregada a corto plazo. Al no existir
nuevos cambios en la demanda agregada los precios aumentan aún más mientras
que el producto real empieza a descender deteniéndose este con el ajuste de los
salarios.
Si la demanda agregada continúa aumentando tal vez por un gran déficit

presupuestario los salarios se incrementan permanentemente al igual que los
15
precios, alternándose así primero el aumento de la demanda agregada, después

los salarios y así sucesivamente, identificándose este fenómeno como espiral
inflacionario de precios y salarios.
GRAFICO Nº 3
ESPIRAL INFLACIONARIA
El grafico muestra que al no variar el producto, con una demanda agregada de

DA0 a DA1 y posteriormente DA2 incrementándose así los precios, generando un
crecimiento en espiral de precios y salarios.
2.3.2 TEORÍAS DE INFLACIÓN POR EL LADO DE LA OFERTA
Estas teorías explican los orígenes de la inflación ante un incremento continuo de

los costos, estos costos pueden ser: condiciones climáticas, salarios, insumos
(siendo en las últimas décadas el más importante el petróleo), devaluación para
16
aquellos procesos productivos que utilizan insumos importados o por incrementos

en las tasas de interés.
GRAFICO Nº 4
INFLACIÓN POR EL LADO DE LA OFERTA
Para que se presente una inflación por costos respecto a los salarios en la
economía, deben cumplirse dos condiciones: los mercados de trabajo deben
presentar demandas de trabajo muy inelásticas y que las empresas se muevan en
mercados monopólicos.
17
Ante un incremento en los precios mundiales de insumos, como ser hidrocarburos

o minerales, este aumento se trasladará a todas las cadenas productivas, por lo
que los precios de productos finales se incrementan. De igual manera, si se
producen incrementos de precios en los países de los cuales se importan
productos, este incremento también se trasladará o contagiará a la economía, este
fenómeno recibe el nombre de “inflación importada”.
El tipo de cambio también afecta el nivel de precios, relación analizada bajo el

concepto de pass through, que mide el cambio porcentual que se traslada al nivel
de precios motivado por una devaluación, teniendo como objetivo conocer la
depreciación real generada por la devaluación nominal. Los determinantes del
coeficiente de pass through son:
1. Grado de apertura: un mayor grado generaría mayor incidencia en los

precios.
2. Inflación inicial: sobre la tendencia a aumentar precios por incremento de

costos, si inicialmente el contexto es deflacionario o no.
3. Fase del ciclo: cuando la economía se encuentra en la parte ascendente del

ciclo, la tendencia creciente es más fácil que se traspase a los precios.
4. Estructura de precios: existen bienes y servicios que se ajustan de forma

directa e instantáneamente a la depreciación.
5. Grado de sobrevaluación total: toma en cuenta en el ajuste a la devaluación

nominal el efecto de la sobrevaluación real que tenía antes la moneda.
Puede ocurrir que la devaluación nominal no altere los precios.
El efecto del tipo de cambio sobre el nivel de precios se acentúa en economías

con altos niveles de importaciones y altamente dolarizadas.
18
Una devaluación de la moneda incrementa los precios de los productos

importados y también los precios de los productos transables, afectando a toda la
economía y provocando una presión para el incremento de precios internos.
Por tanto, bajo tipo de cambio fijo (flexible) una devaluación (depreciación) de la
moneda genera inflación por tres vías diferentes:
1. precios de bienes finales importados.
2. precios de bienes domésticos transables.
3. precios de bienes intermedios que recaen sobre los costos de producción

de los bienes y servicios internos.
Los efectos de las tasas de interés sobre el nivel de precios son también directos,
es decir un incremento en las tasas afectan el acceso a financiamientos de las
empresas, incrementando el costo financiero que posteriormente los agentes
económicos productores trasladan a los precios de los bienes y servicios que
proveen, estableciendo un nivel de precios mayor.
Para que el incremento de costos sea inflacionario tiene que ser un proceso
continuo, de lo contrario su efecto sobre la economía se lo denomina “alza de
precios por una vez”. Evia y Mendez (2008).
Ante una menor oferta agregada, la disminución de ésta puede ser consecuencia
de un incremento en los niveles salariales y un alza de los precios de las materias
primas, induciendo así un aumento de costes que finalmente tendrá efecto en los
productos terminados, en especial en las economías con un elevado desempleo y
una gran subutilización de los recursos.
A su vez esto se verá reflejado en un alza de precios y salarios, como

consecuencia de la subida de los costos de producción, llevando a reducir la
cantidad ocupada del trabajo. En respuesta a ello la oferta agregada a corto plazo
se ve desplazada hacia la izquierda.
19
GRAFICO Nº 5
INFLACION DE COSTES
Partiendo del punto A con un índice de precios y producto dados, en donde la

demanda agregada será DA, la oferta agregada Q p y la oferta de corto plazo OA,
una disminución de precios del petróleo en el mercado internacional ocasiona que
se desplace hacia la izquierda en la curva OA1, en el punto B donde el producto
baja, este proceso se llama estanflación que ocurre cuando la inflación aumenta y
la producción disminuye o, al menos no aumenta.
20
Como consecuencia del fenómeno de estanflación (con una consecuencia de

mayor desempleo), para poder restablecer el aumento de la demanda agregada
se pueden elevar las compras gubernamentales de bienes y servicios o a través
de un recorte de impuestos, sin embargo otra política aplicable consiste en que el
Banco Central incremente la oferta monetaria en la economía.
Gracias a un nuevo incremento en los precios provocado por el desplazamiento de

la demanda agregada, el producto real desciende y el desempleo aumenta, si la
oferta agregada se incrementa nuevamente, la demanda agregada aumentará y
los precios se elevarán reiteradamente, resultando en un espiral inflacionario de
costes y precios.
2.3.2 .1 MODELOS BASADOS EN LA CURVA DE PHILLIPS
El origen del modelo clásico de Phillips se sitúa en 1958, cuando A. W. Phillips

encuentra una relación no lineal negativa entre el índice de crecimiento de los
salarios monetarios y la tasa de desempleo, con base en los datos del Reino
Unido entre 1861 y 1957.
La contribución teórica más importante fue la de Lipsey, quien sostuvo que la

inflación de los salarios está determinada por la presión de la demanda en el
mercado de trabajo.
La crítica al modelo de Phillips, incluyendo los aportes de Lipsey y Hansen, no

fueron suficientes para explicar la inflación observada en los salarios. La crítica se
basó en que este modelo hacía a un lado las expectativas inflacionarias. Otros
autores también criticaron este modelo y al hacer la diferenciación entre inflación
anticipada y la no anticipada, defendieron la existencia de una tasa natural de
desempleo y negaron la estabilidad de la función de Phillips en el largo plazo.
Es conveniente anotar que la mayor parte de los sectores marginales preferirían

un empleo sin importarles mucho el estado inflacionario de la economía. De igual
21
manera, “un proceso de desinflación favorece más al trabajo que al capital, pues
mientas el primero hace contratos hacia el futuro (uno o dos años), definidos con
la experiencia de la inflación pasada, los precios son más flexibles y se
descuelgan a los empresarios. No sucede lo mismo con los salarios que aumentan
de esta manera su poder adquisitivo
GRAFICO Nº 6
LA CURVA DE PHILLIPS DE CORTO Y LARGO PLAZO
Producto de la experiencia, se pudo concluir que la curva de Phillips es válida solo

en el corto plazo, esto puede explicarse debido a que, los costos no se ajustan
simultáneamente a las expectativas de inflación, por ejemplo los salarios, que se
negocian anualmente no pueden ajustarse a la tasa de inflación que varía
mensualmente, esta relación puede evidenciarse en el grafico Nº 6, al igual que la
curva de Phillips, la curva de oferta de corto plazo tiene una pendiente positiva,
22
pero a largo plazo ante el ajuste de los salarios la relación inversa desaparece y la
curva de oferta se convierte en una línea vertical.
2.3.3 TEORÍAS MIXTAS DE INFLACION
Las teorías mixtas de inflación sostienen que la inflación puede ser originada tanto
por la demanda como por la oferta. Un shock de demanda que impulsa los precios
hacia arriba acompaña una contracción de oferta, ello debido al incremento de los
costos, generando desempleo y caída de la producción, provocando al gobierno a
implantar políticas fiscales y monetarias expansivas para eliminar la recesión que
a su vez incrementa la inflación provocando una espiral inflacionaria.
Este shock inicial originado por el lado de la demanda también podría darse por el
lado de la oferta al presentarse un incremento de salarios o cualquier otro costo en
la economía provocando una contracción de la oferta agregada con un incremento
en el nivel de precios acompañado de recesión económica que, es atacada con
políticas monetaria y fiscal activas impulsando una expansión de la demanda
agregada y por lo tanto un mayor nivel de precios.
Dentro de las teorías mixtas de inflación sobresalen los enfoques estructuralista y

monetarista.
a) Teoría Estructuralista de la Inflación
La inflación estructural, o enfoque cepalino, explica el fenómeno inflacionario a

partir de los problemas básicos del desarrollo económico o deficiencias
estructurales de la economía, tales como la regresividad o inestabilidad de los
ingresos públicos, rigidez a la disminución de la inversión pública, inequitativa
distribución de la propiedad, ineficiente aprovechamiento de la agricultura,
monopolios, deficiente dotación y baja calidad de los factores de producción,
escasa diversificación de las exportaciones e inestabilidad social y económica,
entre otros factores.
23
La evidencia empírica en países de Latinoamérica muestra que, esta se trata de

una región crónicamente inflacionaria, es de esta región que surge la teoría
estructuralista que sostiene que nunca ha existido pleno empleo en economías
subdesarrolladas como las de América Latina y donde el verdadero reto consiste
en alcanzar cada vez mayores niveles de empleo y producción.
En este esquema la oferta agregada es bastante inelástica e incapaz de

desplazarse en el tiempo, esto como consecuencia de deficiencias estructurales
que tienen las economías subdesarrolladas donde el origen de una alta inflación
se encuentra en los grandes y persistentes déficits fiscales debido a progresiva
intervención del estado como motor del crecimiento económico. Adicionalmente
las economías de esta región enfrentan una creciente demanda agregada.
Por lo tanto, la inflación se convierte en un problema estructural inherente al

desarrollo económico, por lo tanto este enfoque como parte de las teorías de
inflación mixta sostiene que la inflación y la producción se mueven en el mismo
sentido ante la presencia de desempleo.
b) Teoría Monetarista de la Inflación
Esta teoría considera que el principal impulsor de la inflación está dado por la
demanda agregada, a partir de la teoría clásica que sostiene que los incrementos
continuos de la demanda solo pueden ser posibles si paralelamente se dan
aumentos sostenidos en la cantidad de dinero en la economía.
De acuerdo a este enfoque la inflación se origina por incrementos en la cantidad

de dinero en la economía y no así por los sindicatos con sus pedidos de aumentos
salariales. Para los monetaristas la inflación es por excelencia un fenómeno
monetario. Por tanto se hace importante establecer aspectos importantes
relacionados con la inflación:
24
2.4 LOS MECANISMOS DE FORMACIÓN DE EXPECTATIVAS SOBRE INFLACIÓN
Siempre han existido problemas para reconocer el pronóstico del comportamiento

económico, ocasionando costos inevitables. Cuanto más se aleje el estimado al
nivel de precios será más costoso. Cuando se predice correctamente se permitirá
adaptar las variaciones a la inflación esperada que se define principalmente
cuando los agentes económicos toman en cuenta la subida esperada del nivel de
precios, fijando así los salarios y los precios. Explicando así la inflación esperada
por medio de dos conceptos, el primero se conoce como expectativas adaptativas
y el segundo como expectativas racionales.
Bajo el esquema de expectativas adaptativas, los agentes hace su pronóstico de

la inflación futura basados solo en la inflación pasada de acuerdo a la siguiente
ecuación:
𝑒
𝑃+1 = 𝑃𝑒 + 𝑣(𝑃 − 𝑃𝑒 )
Dicha ecuación afirma que las expectativas de inflación en el siguiente periodo son
iguales a las expectativas de inflación del periodo presente P e, ajustadas de
acuerdo al error de predicción revelada en el periodo presente v(P – Pe).
La ecuación muestra que, si la inflación en el periodo presente resultó ser mayor a

la pronosticada entonces la inflación esperada para el periodo próximo se ajustará
a un nivel mayor.
Donde v, es el factor de corrección que mide la velocidad con que se corrigen las
expectativas, cuando v es pequeño las expectativas inflacionarias cambian
lentamente, mientras que cuando v es grande las expectativas se ajustan
rápidamente en respuesta a la inflación efectiva, cuando v es igual a 1:
𝑒
𝑃+1 =𝑃
25
Los pronósticos para la inflación futura son exactamente iguales a la inflación

corriente, este caso en particular lleva el nombre de expectativas estáticas. En
segundo lugar, para minimizar las pérdidas por los pronósticos equivocados se
debe utilizar toda la información pertinente disponible para disminuir al máximo los
probables errores de pronóstico. Esto hace que la gente no cometa errores
sistemáticos al realizar sus proyecciones, conocido esto como expectativas
racionales.
Las expectativas racionales nacieron a principios de los años 70, cuando un grupo
de economistas encabezados por Robert Lucas y Thomas Sargent iniciaron un
importante examen crítico del análisis inflación- desempleo con dos principales
objeciones, primero, cuestionaban la importancia de un mecanismo de ajuste de
salarios ya que, de acuerdo a ellos, los salarios se fijaban siempre manteniendo al
mercado laboral en equilibrio y segundo, criticaban el postulado de expectativas
adaptativas por ser arbitrario, por el contrario, afirmaban que los agentes
económicos que intentan conseguir el mayor provecho posible de sus recursos
escasos conseguirán que sus predicciones sean lo más acertadas posibles
mientras que sus errores serán los más pequeños permisibles en base a la mejor
información de la cual dispongan, se bautizó este enfoque como “expectativas
racionales”.
Un importante aspecto de las expectativas racionales encierra la forma en la que

trabajadores y empresas forman sus expectativas sobre los precios futuros a partir
de las futuras políticas económicas y no así únicamente de la historia pasada
como es el caso de las expectativas adaptativas.
Para poder hacer una expectativa racional de la inflación se puede utilizar un

modelo de oferta y demanda agregadas. En primer término, se requiere de la
proyección de la curva de demanda agregada anticipada en base a las variables
que influyan en ella, como es el nivel de importaciones y exportaciones. Ya
habiendo calculado ésta, se debe pronosticar la posición de la curva de oferta
agregada a largo plazo y a la tasa de salarios. Fundándose en el supuesto en que
26
los pronósticos de la inflación fueron acertados, esto influirá directamente en el

comportamiento de las personas, por ejemplo, los empleados jamás podrían
aceptar un contrato donde la tasa salarial fuera fija, por el contrario los salarios
deberían cambiar de acuerdo al nivel de precios.
Este punto se trata desde la teoría de expectativas racionales en donde se

encuadra el hecho de llegar a inflación cero sin costo o sea sin desempleo. Se
basa en tres condiciones: credibilidad hacia las autoridades, rápido equilibrio del
mercado laboral y expectativas "que miran hacia delante".
La siguiente fórmula describe el trade-off inflación-desempleo bajo expectativas

racionales:
𝑒
𝑈𝑡+1 = 𝑈𝑛 − ℎ(𝑃+1 − 𝑃+1 )
Donde, el desempleo en el próximo periodo es una función del error de pronóstico

de la inflación en el mismo periodo, cuando la inflación es más alta que lo
esperado (z+1 es positivo), el desempleo es bajo (porque el salario real también es
bajo), por otro lado, cuando la inflación resulta ser más baja de lo esperado el
desempleo es alto (porque el salario real es demasiado alto).
2.5 LA INCERTIDUMBRE INFLACIONARIA
Uno de los costos más importantes de la inflación es la incertidumbre que crea

sobre la inflación futura. Esta incertidumbre influye en la toma de decisiones de los
consumidores y de los inversionistas y tiene el potencial de reducir el bienestar
económico.
La incertidumbre puede considerarse un concepto ex ante que depende

intrínsecamente del proceso generador de expectativas. Como lo expone Evans
(1991), si los individuos poseen poca información, ellos pueden ver el futuro con
mucha incertidumbre a pesar de que la inflación sea poco volátil.
27
Respecto a la incertidumbre inflacionaria se deben tener en cuenta los distintos

aspectos relacionados de manera directa al tema.
2.5.1 EFECTOS ECONÓMICOS DE LA INFLACIÓN Y LA INCERTIDUMBRE

INFLACIONARIA
Un aspecto de constante interés por parte de los economistas, especialmente

aquellos que estudian el comportamiento del mercado monetario, es el crecimiento
en el nivel de precios o inflación y los costos que esta genera, que de acuerdo a
Fischer (1995) estos costos no son fáciles de cuantificar.
Los costos que la inflación produce dependen si ésta es esperada o no, se puede
indicar que la misma se refiere a inflación anticipada o esperada, cuando el
pronóstico de la tasa de inflación es correcto.
Los principales costos de la inflación anticipada son: la distorsión del impuesto de

la inflación sobre la cantidad de dinero que tiene la gente y que, una elevada
inflación induce a las empresas a cambiar más a menudo los precios anunciados.2
Por otro lado se considera a la inflación imprevista o no anticipada, como el error
en el pronóstico del cálculo de la tasa de inflación anticipada, redistribuyendo
arbitrariamente la riqueza entre las personas, afectando principalmente a las
personas que reciben ingreso fijo en moneda corriente.
Como se puede evidenciar Fischer (1995) describe la existencia de altos costos de

menú y de recomposición del portafolio como consecuencia de la presencia de la
inflación en la economía.
Adicionalmente, dentro de los costos de la inflación “debe incluirse en ellos la

reacción de los responsables de la política económica. Esa reacción ha consistido
2 Mankiw, G.(2005)
28
generalmente en contener la inflación mediante un elevado desempleo y bajo un

crecimiento del PIB”3.
En el cuadro No. 1, descrito a continuación se detallan los principales efectos que

genera la inflación en la economía:
CUADRO Nº 1
EFECTOS REALES DE LA INFLACION NO ANTICIPADA
EN LA ECONOMIA
Naturaleza del efecto

Fuentes del Efecto
Directo Indirecto
Efectos reales de inflación no anticipada ante la existencia de contratos nominales
Redistribución entre
Efectos sobre el nivel
compradores y
de la actividad
vendedores si la cantidad
económica (curva de
de bienes esta fijada por
Phillips)
contrato
Falta de una eficiente
Efectos en la cantidad de
asignación de
Contratos existentes de bienes y servicios fijados en servicios provistos
recursos
términos monetarios
Distorsión sobre precios
Transferencias
relativos fijados en
intergeneracionales
diferentes momentos
Redistribución del sector
privado al sector publico
Redistribución entre
deudores y acredores
Efectos reales de incertidumbre sobre la inflación futura
Renuencia para hacer
Cambios en los
futuros compromisos sin
patrones de
el conocimiento de los
acumulación de
precios ,ausencia de
activos
activos seguros
Necesidad de tomar decisiones sin conocimiento de los Incremento de los
precios futuros costos de
transacciones de
Acortamiento de los
hacer frecuentes
contratos nominales
contratos y perdida de
la habilidad de
planeación
3 Samuelson P (2006)
29
Fuente: Fischer (1995)
Uno de los costos más importantes de la inflación es la incertidumbre que ella crea
acerca de la inflación futura, esta incertidumbre dificulta la toma de decisiones por
parte de consumidores y productores, con el consiguiente efecto negativo en la
actividad económica, sin esta incertidumbre, consumidores y empresas podrían
tomar mejores decisiones para el futuro. Golob (1994).
Para muchos economistas los costos generados por la incertidumbre inflacionaria

son más grandes en términos de pérdida de producto que los anteriores ya
descritos, toda vez que genera efectos reales, directos e indirectos a la economía,
y lleva a los agentes económicos a tomar decisiones sin conocer los precios
futuros, provocando de manera redistribuciones de ingreso no deseadas ni
esperadas por el sector productivo. De forma indirecta, se generan cambios en los
patrones de acumulación de activos y un incremento en los costos de transacción
de realizar contratos frecuentes y perder la capacidad de planificación.
Milton Friedman (1997) afirmó que: “no importa la inflación per se, sino la inflación
no anticipada”, una inflación predecible, según Friedman, sin importar cual sea su
nivel, no tendrá ningún efecto sobre las variables reales de la economía. Parte de
ello se debería a que los contratos tomarían en cuenta el nivel esperado de la
inflación y ninguna variable real mostraría un comportamiento diferente de lo que
hubiese ocurrido si no hubiera inflación alguna, por lo tanto el empleo no tendría
porque ser distinto del que regiría de no existir inflación.
La incertidumbre inflacionaria, además de dificultar el cálculo económico y afectar

el proceso de decisión de los consumidores y productores, impone importantes
costos sociales en la economía; sin ésta, los agentes económicos planearían
mejor su futuro y se facilitaría la toma de decisiones óptimas por parte de ellos.
30
2.5.2 EFECTOS DE LA INCERTIDUMBRE INFLACIONARIA EN EL CRECIMIENTO

ECONOMICO
Golob (1994), distingue dos tipos de efectos negativos de la incertidumbre

inflacionaria en la economía: costos ex-ante y ex-post, los efectos de la
incertidumbre sobre las decisiones que toman consumidores y empresas que
difieren de las decisiones que tomarían en otras circunstancias se denominan
efectos ex-ante, debido a que estas decisiones se anticipan a la inflación futura.
La incertidumbre inflacionaria puede afectar a la economía ex-ante a través de tres
canales:
 Afecta los mercados financieros al elevar la tasa de interés de largo

plazo, debido a que, un importante determinante de las tasas de interés
de largo plazo está constituido por los retornos requeridos por los
inversores. Si la inflación es incierta, el retorno de la deuda a largo plazo
será mas riesgoso, como resultado los inversores requerirán altos
retornos esperados, lo cual implica un incremento en las tasas de interés
de largo plazo. Estas mayores tasas a su vez conllevan a que las
empresas invertirán menos en equipos y maquinaria, por su lado los
consumidores también invertirán menos en otros bienes durables.
 El segundo canal mediante el cual la incertidumbre inflacionaria afecta a

la economía está constituido por la incertidumbre en las tasas de interés
y en otras variables económicas. Cuando los pagos de un contrato no se
encuentran indexados a la inflación o a una variable proxy, la
incertidumbre inflacionaria ocasiona un incremento del riesgo asociado a
este tipo de contratos.
Incertidumbre sobre tasas de interés y otras variables económicas

puede reducir la actividad económica. Cuando los empresarios tienen
incertidumbre sobre las tasas de interés, los salarios, los impuestos y
otros beneficios pueden postergar la toma de decisiones retrasando
31
contrataciones e inversiones, mientras la incertidumbre se resuelve, de

estas variables la más vulnerable es la inversión ya que tiene costos
difíciles de revertir.
 Finalmente, el tercer canal mediante el cual la incertidumbre inflacionaria

afecta a la inflación está constituido por una mayor asignación de
recursos destinada a cubrirse de la inflación futura, toda vez que las
empresas gastan recursos evitando los riesgos de la futura inflación.
Adicionalmente, cuando la incertidumbre inflacionaria es alta, los
empresarios pueden gastar mayores recursos intentando mejorar las
proyecciones respecto a los niveles futuros de inflación.
GRAFICO Nº 7
COSTOS EX ANTE DE LA INCERTIDUMBRE EN INFLACION
Los efectos ex-post sobre la economía surgen después de que las decisiones han
sido tomadas y la inflación difiere de la esperada, estos costos se encuentran
32
relacionados con el error de predicción de la inflación una vez que la misma se

produce.
La inflación no esperada lleva a una transferencia de la riqueza debido a que los

pagos en los contratos están especificados en moneda nominal, cuando la
inflación es mayor a la esperada, el valor real de los pagos nominales es menor al
esperado, un ejemplo de transferencia de riqueza se constituye la reasignación en
la distribución de la misma entre prestamistas y prestatarios cuando las tasas de
largo plazo son fijas en los contratos, estos errores traen como consecuencia
transferencias no previstas de riqueza entre las partes de los contratos, las que
resultan muy difícil de evaluar objetivamente a nivel macroeconómico.
GRAFICO Nº 8
COSTOS EX POST DE LA INCERTIDUMBRE EN INFLACION
Según Golob (1995), si los costos de la inflación son difíciles de identificar,

explicar por qué la incertidumbre inflacionaria incrementa con la inflación es aún
33
más difícil. La explicación más recurrida apela a la respuesta de la política

monetaria a la inflación. Cuando la inflación es baja, las políticas económicas
tratan de mantenerla baja con éxito y la inflación permanece baja y estable.
Cuando la inflación es alta, la autoridad monetaria tiende a adoptar políticas
desinflacionarias, estas políticas incrementan la variabilidad de la inflación, pero
sobretodo, crean incertidumbre inflacionaria porque el tiempo exacto de aplicación
de la política antiinflacionaria y el impacto de la misma son inciertos.
La aplicación de la política desinflacionaria es incierta, en parte, por el trade-off de

corto plazo entre los objetivos de la política monetaria. Asimismo, mientras la meta
de largo plazo de la política monetaria va progresando en su meta de eliminar la
inflación, en el corto plazo el banco central tratará de suavizar el proceso, por otro
lado cuando la inflación es elevada, no está claro qué meta será prioritaria en el
muy corto plazo.
34
Capítulo III: Metodología para el Cálculo de la Incertidumbre Inflacionaria
CAPITULO III
METODOLOGÍA PARA EL CÁLCULO DE LA INCERTIDUMBRE INFLACIONARIA
3.1 MEDICIÓN DE INCERTIDUMBRE
Este capítulo desarrolla una revisión de modelos teóricos utilizados para el cálculo
de la incertidumbre inflacionaria y la relación: inflación, incertidumbre y producto.
Golob (1994), describe dos metodologías para estimar la incertidumbre

inflacionaria:
 Encuestas y
 Modelos Predictivos.
3.2 MÉTODO DE ENCUESTAS
La primera metodología se trata de encuestas realizadas por una parte a

especialistas económicos y por otra a consumidores. Los analistas estiman la
incertidumbre inflacionaria a través de las encuestas, utilizando dos diferentes
aproximaciones, la primera estima la incertidumbre con preguntas que son
respondidas en un rango de valores sobre los cuales la inflación puede variar, por
ejemplo, un encuestado puede esperar que la inflación varíe de 3 a 4 %, mientras
otro puede esperar que la inflación se incremente de 2 a 5%. Debido a que el
segundo encuestado identificó un amplio rango de posibles resultados, se
presume que este encuestado tiene una mayor incertidumbre sobre la inflación
futura. La limitación de esta metodología es que únicamente diferencia si un
encuestado tiene mayor o menor incertidumbre respecto a otro.
La segunda metodología, para estudiar la incertidumbre inflacionaria por medio de

encuestas, está basada en la variabilidad o dispersión de las expectativas
inflacionarias a través del conjunto total de participantes de la encuesta. A
35
diferencia de la primera metodología de cálculo donde la incertidumbre puede ser

estimada de forma individual, la estimación de la variabilidad requiere un
importante número de encuestas. Cuando los participantes de esta encuesta
tienen similares expectativas sobre el nivel de la inflación futura, se asume una
incertidumbre inflacionaria baja, pero cuando los participantes están en
desacuerdo con sus expectativas de inflación futura se presume una alta
incertidumbre, por ejemplo, si para el 90% de los participantes esperan una
inflación promedio entre 3 y 4%, la incertidumbre inflacionaria será menor que si
solo el 60% de las predicciones estuvieran en ese rango.
Cuando la incertidumbre inflacionaria ha sido estimada a través de encuestas, los

investigadores han encontrado consistentemente que la incertidumbre inflacionaria
es alta durante periodos de alta inflación. Golob (1994)
3.3 MODELOS PREDICTIVOS
La segunda estrategia para la estimación de la incertidumbre inflacionaria utiliza

modelos econométricos para proyectar la inflación futura.
El enfoque de modelos predictivos utiliza una modelación econométrica de la

inflación, para predecir los valores futuros a partir de la información existente en
cada periodo, por lo tanto, una mayor varianza de los errores implica mayor
incertidumbre. Una limitación de este tipo de modelos es que sus resultados
dependen del modelo de predicción escogido, dado que no existe una forma única
de descomponer una serie entre sus componentes predecibles e impredecibles,
Solera (2002).
Las metodologías más comunes utilizadas para la estimación de la incertidumbre

son: ARIMA (Autoregressive Integrated Moving Average) y ARCH (Autoregressive
Conditional Heteroskedasticity) tomando como proxy de inflación la variación
mensual del Índice de Precios al Consumidor (IPC). Ambas permiten estimar tanto
36
la media condicional, como la varianza condicional, a través de métodos de

máxima verosimilitud.
Los modelos ARCH, denominados modelos de heterocedasticidad condicional

autorregresiva, han sido diseñados para modelar la volatilidad, o varianza
condicional, de las variables, y resultan apropiados cuando los residuos de las
estimaciones presentan heterocedasticidad. Estos modelos permiten capturar la
incertidumbre de la variable (a través de la varianza condicional), como efecto
separado de la media de la variable al estimar la varianza condicional de los
residuos. En este caso, se especifica un modelo paramétrico respecto de la
volatilidad de las series, donde la varianza condicional no es constante, sino que
varía a través del tiempo.
La metodología ARCH fue introducida originalmente por Engle y posteriormente

generalizada a modelos GARCH por Bollerslev. Estos modelos han sido
ampliamente utilizados en economía y en finanzas, en particular en los casos de
series de tiempo vinculadas con los mercados financieros. Los modelos GARCH
explican la varianza condicional de la variable dependiente en función de los
valores pasados de la varianza condicional y de los errores al cuadrado rezagados
un período, así como de otras variables predeterminadas o exógenas al sistema.
La modelación de la serie de inflación a través de un proceso ARIMA permite
predecir la inflación en cada periodo, basándose en la información contenida en la
serie en los periodos anteriores, es decir en los rezagos de la serie, de esa forma
se obtienen los errores de predicción para cada periodo. La utilización de un
modelo ARCH, por su parte permite obtener una serie temporal de la varianza de
los errores que sirve como aproximación de la incertidumbre.
La incertidumbre inflacionaria se modela como la varianza del componente

estocástico o impredecible (errores) del modelo ARIMA utilizado para proyectar la
inflación, en lugar de calcular una medida de volatilidad basada en realizaciones
de esta variable. Específicamente, se emplea un modelo GARCH para obtener la
37
varianza de los errores condicional al tiempo. Esta varianza condicional puede ser
asociada a la idea de incertidumbre.4
Como lo menciona Magendzo (1999), un proceso ARCH muestra cómo la varianza

del error cambia en el tiempo, dependiendo en cada periodo de la magnitud de los
errores en periodos anteriores, medidos como el cuadrado del error.
Los modelos ARCH corresponden a una metodología de series de tiempo y

permiten modelar el comportamiento de la varianza del error de un modelo
particular. En el caso del modelo ARIMA, se trata de modelar el error ε t. El
comportamiento de la varianza se modela en forma análoga al modelo ARIMA,
usando la información contenida en la propia serie de los errores.
3.3.1 Modelos GARCH
El modelo GARCH generaliza la metodología ARCH permitiendo que la varianza

dependa también de los rezagos de la propia varianza, así un proceso
GARCH(1,1) se describe como:
yt = xt + t
t ~ (0, 2t) (1)
2t = + 2t-1 + 2t-1
Donde Y es la variable independiente, Xt es un vector de variables explicativas, β

es el vector de parámetros, εt es el error estocástico y 2t es la varianza del error.
El logaritmo de la verosimilitud para estimar el modelo será:
-0.5*(LOG (2t) +t2/2t) (2)
La utilización de la metodología GARCH permite estimar, además de la esperanza

condicional, la varianza condicional, la cual se puede asociar al concepto de
incertidumbre inflacionaria.
4 Esto levanta el supuesto de homocedasticidad que impone una varianza igual para cada periodo.
38
La varianza calculada se trata de una medición periodo a periodo, que está

asociada a la idea de incertidumbre a corto plazo5.
3.3.2 MODELOS TARCH (THRESHOLD ARCH)
Se utilizan estos modelos para capturar la asimetría ante efectos variados de la

inflación sobre la incertidumbre, que pueden darse ante niveles de inflación menor
o mayor a la esperada, para este caso el modelo de la varianza será:
2t = + 2t-1 + 2t-1γ2t-1dt-1
Donde dt = 1 si t<0; y dt= 0 en caso contrario.
El test utilizado para verificar la existencia de heteroscedasticidad en los errores

es el propuesto por Engle, el cual realiza una regresión a través de mínimos
cuadrados ordinarios del error sobre sus rezagos. La multiplicación del número de
observaciones por el coeficiente de correlación múltiple (R cuadrado) proporciona
un coeficiente con una distribución χ2. La hipótesis nula consiste en que todos los
coeficientes de los rezagos son iguales a cero, la concentración de errores de gran
magnitud en algunos periodos de tiempo y pequeños errores en otros, evidencia la
existencia de un proceso ARCH.
3.3.3 MODELOS EGARCH
El modelo EGARCH (p,q), donde el término p representa el orden de rezagos de la

variable dependiente (logaritmo condicional de los errores), mientras que el
término q representa el orden de los rezagos de los errores estandarizados, se
constituye en una versión extendida del modelo GARCH, las ecuaciones del
modelo serán6:
5 Magendzo (1997)
6 Modelo propuesto por Bello y Gámez (2007)
39
(1) 𝜋𝑡 = ∑ 𝜌𝑗 𝜋𝑡−𝑗 + ∑ 𝜃𝑘 𝜎 2 𝑡−𝑘 𝜀 +𝑡

𝑗𝑐𝐽 𝑘𝑐𝐾
(2) 𝜀𝑡 ~(0, 𝜎𝑡2 )
(3)
Donde:
πt Tasa de inflación mensual
εt Error estocástico que mide las innovaciones impredecibles en la inflación
tend Variable de tendencia
La ecuación (1) representa la ecuación para la tasa de inflación media, y es la que

se asume utilizan los agentes para proyectar la inflación.
La ecuación (2) representa las innovaciones impredecibles en la inflación, o el

error de estimación de la inflación (εt). La ecuación (3) muestra la varianza
condicional del error de estimación en logaritmo (log(𝜎𝑡2 )), que depende del error
rezagado estandarizado (εt-1/σt-1), del error rezagado estandarizado en valor
absoluto |εt-1/σt-1|, de un rezago de ella misma, de un termino de tendencia (tend)
y de rezagos de la tasa de inflación.
El coeficiente asociado al término error estandarizado (γ1) captura los efectos

asimétricos de choques de inflación sobre la incertidumbre inflacionaria. Si γ1 > 0,
se podría afirmar que choques positivos en la tasa de inflación causan mayor
incertidumbre inflacionaria que choques negativos en la misma magnitud. El
sistema de ecuaciones muestra que los agentes cometen errores al estimar la
inflación y que la desviación estándar condicional de los errores mide la
incertidumbre de los agentes acerca de la inflación futura.
40
Dicha incertidumbre depende de los errores de estimación en el pasado y de los

niveles de inflación observados en periodos anteriores. Si el parámetro ψs es
estadísticamente significativo y de signo positivo, entonces se podrá afirmar la
existencia de una mayor incertidumbre como producto de una tasa de inflación
creciente en la economía.
Para alcanzar los objetivos propuestos en el trabajo de investigación se ha

decidido utilizar la metodología denominada por Golob como modelo predictivo. La
decisión de trabajar con metodología econométrica para medir la incertidumbre, se
basa en el éxito de predicción de este tipo de modelos.
De acuerdo a Gujarati (1997), las predicciones obtenidas por este método son
más confiables, que aquellas obtenidas de la elaboración tradicional de modelos,
en particular para la predicción de corto plazo. Adicionalmente de acuerdo a
Greene (1999), este tipo de modelos es útil en el estudio de una gran variedad de
fenómenos macroeconómicos, incluidos la volatilidad de la inflación, la estructura
temporal de los tipos de interés y los mercados cambiarios.
La metodología utilizada en el trabajo de investigación consiste en el modelo

EGARCH planteado por Bello y Gamez (2007), la selección de esta metodología
específica responde a la existencia de diversas ventajas sobre los modelos ARCH
y GARCH, entre las cuales e pueden citar las siguientes:
 Permite asimetrías en la respuesta de la incertidumbre inflacionaria a los

choques de la inflación
 A diferencia de los modelos GARCH, el modelo EGARCH especificado en

logaritmos no impone restricciones de no negatividad sobre los parámetros.
 Modelizar la incertidumbre inflacionaria en logaritmo disminuye el efecto

outlier sobre los resultados de la estimación.
41
3.4 INCERTIDUMBRE INFLACIONARIA Y CRECIMIENTO ECONÓMICO
Barro (1995) destaca la importancia de la relación entre la inflación y la evolución

de la actividad económica relacionada con los costos que la inflación genera en la
economía.
Existen cuestiones y relaciones que han sido y siguen siendo causa de análisis
entre economistas, autoridades económicas e investigadores, entre ellas se
encuentran: si la incertidumbre respecto del crecimiento económico promueve o
retarda el crecimiento, si la incertidumbre asociada con la inflación genera efectos
perniciosos sobre la actividad económica, y si el crecimiento y la inflación
responden asimétricamente a los choques negativos o positivos de igual magnitud.
Varios trabajos se han desarrollado con el objeto de estudiar las relaciones
asociadas con la incertidumbre de la inflación y del crecimiento, y sus efectos
sobre la inflación y el crecimiento económico.
Para analizar la relación entre la incertidumbre inflacionaria y el producto se

plantea utilizar un modelo GARCH-M, utilizado por Grier, Henry y Olekalns (2003)
y aplicado para la economía argentina por Lanteri (2005).
Las desviaciones estándar condicionales del crecimiento del producto real y de las
tasas de inflación son incluidas como variables explicativas en las ecuaciones de
la media de la inflación y del crecimiento del producto. Se realizará la evaluación
estadística del orden de integración de las variables para fines de la elección del
modelo a estimarse. La ecuación propuesta será:
Yt = + i Yt-i +  ht + j t-j + t


t (0, Ht)
42
Bajo el supuesto εt |Ωt ~ (0, Ht), donde Ωt representa el conjunto de información

disponible en el tiempo t, el modelo podría ser estimado empleando el método de
Máxima Verosimilitud, donde Ht, es la matriz de la varianza condicional y positiva
para todos los valores de εt en la muestra, correspondiente a la incertidumbre ya
estimada.
Los resultados a estimar sobre la base del modelo descrito arriba, mostrarán una
descripción estadística de la media condicional y del proceso de varianza-
covarianzas condicionales, que caracterizan a las series del crecimiento del
producto real y de las tasas de inflación para el período considerado.
Una vez obtenidos los coeficientes de la matriz Ψ y verificado el signo y

significatividad estadística de los mismos, se podrá verificar el cumplimiento de la
hipótesis que establece que la incertidumbre de la inflación afecta el crecimiento
del producto, que se encontraría acorde con los argumentos planteados por
Friedman (1977) sobre los perniciosos efectos de la inflación en la actividad
económica.
43
Capítulo IV: Análisis Descriptivo de la Inflación en Bolivia
CAPITULO IV
ANÁLISIS DESCRIPTIVO DE LA INFLACIÓN EN BOLIVIA
4.1 POLÍTICA MONETARIA
De acuerdo a la ley 1643 del Banco Central de Bolivia, el objetivo de la política

monetaria está dirigido a la consecución de niveles de precios estables para de
esta manera influir positivamente en el poder adquisitivo de los salarios. La
premisa de que el principal objetivo de la política monetaria debe ser lograr y
mantener una tasa de inflación baja y estable ha conseguido un apoyo casi
generalizado de economistas y autoridades. La actual política monetaria en Bolivia
se orienta hacia el empleo de mecanismos de mercado y al uso de instrumentos
indirectos (Requena, Mendoza, Lora y Escobar, 2001). Hasta mediados de los
ochenta, el accionar de la autoridad monetaria estaba limitado a financiar
actividades productivas privadas a tasas de interés subsidiadas y, principalmente,
por los continuos requerimientos de financiamiento del sector público, altamente
deficitario y con limitado acceso al endeudamiento externo.
Uno de los principales roles del Banco Central ha estado centrada en alcanzar
niveles de inflación baja y estable, con la premisa de mantener niveles de
incertidumbre bajos que puedan mejorar los niveles de inversión que puedan
generar las metas de crecimiento económico previstas. Dada la experiencia en los
elevados niveles de inflación entre finales de los años 80’s y principios de los 90’s,
los agentes económicos le han asignado un papel fundamental al proceso de
estabilización de precios, que unido a la voluntad política de enfrentarla, hacen
que la política monetaria adquiero un rol mucho más importante, y el Banco
Central ejerza un rol más preponderante en la economía. En resumen, dado que la
sociedad le otorga una elevada prioridad a la estabilidad de precios, es esta
responsabilidad se le asigna al Banco Central, para que esta pueda cumplirla, es
preciosa que se deleguen facultades para lograrlo (Bianchi, 1994).
44
El saneamiento de las finanzas públicas y la cancelación de las funciones de

banca de desarrollo, han permitido que la autoridad monetaria se concentre en su
objetivo principal de lograr la estabilidad de precios y preservar un nivel adecuado
de reservas internacionales.
Con este propósito, el BCB adopta una estrategia de metas intermedias de

cantidad y fija límites a la expansión de su crédito interno neto (CIN). Al controlar
el comportamiento del CIN, busca que la evolución de las reservas internacionales
netas (RIN) cumpla una meta anual, y que la evolución de la emisión monetaria
sea consistente con la demanda de dinero del público, evitando, de ese modo,
presiones sobre los precios, el tipo de cambio y las reservas internacionales.
En general, este vínculo de la meta intermedia − agregado monetario o tasa − con

el objetivo último de la política monetaria es un tema que ha suscitado amplio
debate (Requena, Mendoza, Lora y Escobar, 2001). Ello ha determinado la
formulación de diversos canales de transmisión de la política monetaria. En el
caso de Bolivia, el CIN es mensurable, controlable y tiene un efecto predecible
sobre la inflación. Además, al ser una variable cuantificable y de disponibilidad
diaria, permite a la autoridad monetaria obtener señales oportunas para corregir
desvíos y sirve para que los agentes económicos puedan monitorear el accionar
de la autoridad monetaria
Las restricciones de financiamiento al gobierno, la eliminación de créditos de

desarrollo mediante Bancos de Segundo Piso y la reforma del sistema de encaje
legal han mejorado la capacidad de la autoridad monetaria de ejercer control sobre
la meta intermedia. Sin embargo, persisten factores que impiden un mayor control
de esta variable, como las fluctuaciones de los depósitos voluntarios en el BCB
que mantienen el sector financiero (exceso de encaje) y el sector público.
45
4.1.1 BANCO CENTRAL
El Banco Central de Bolivia (BCB) es una institución del Estado que ejecuta sus
funciones de manera autárquica y es la única que define la política monetaria
cambiaria del país. Es por ello que se constituye en el órgano principal del sistema
de intermediación financiero nacional, con competencia administrativa, técnica y
financiera.
El BCB fue creado el 20 de julio de 1928, inició sus funciones bajo la

denominación de “Banco de la Nación Boliviana” desde el 1 de julio de 1929.
Cambió de nombre a “Banco Central de Bolivia” a partir del 14 de abril de 1929.
Mediante Ley Nº 1670 de 1995 se aprobó la nueva ley del Banco Central de
Bolivia, en la cual se define como objetivo del BCB procurar la estabilidad del
poder adquisitivo interno de la moneda nacional. Para alcanzar dicho objetivo, el
BCB formula la aplicación de políticas monetaria, cambia y de intermediación
financiera.
Asimismo, el BCB tiene las funciones de emisión de billetes y monedas,

administración del sistema de pagos, administración de las reservas
internacionales, definición del régimen cambiario y agente financiero del Gobierno.
4.2 HECHOS ESTILIZADOS SOBRE INFLACIÓN
De acuerdo a Mercado (2008) la inflación es un indicador de que los mercados

están fuera de equilibrio y son los hogares más pobres quienes se ven
mayormente afectados en los procesos inflacionarios. Mendez (2008) indica que
Bolivia se ha caracterizado por vivir en crónica inflación, a momentos aguda,
desde la Guerra del Chaco hasta el presente, Bolivia vivió con inflación. Luego de
la Revolución Nacional de 1952 también se desencadenó un fuerte proceso
inflacionario, lo que llevó a imponer un programa de estabilización a finales del
año 1956.
46
De acuerdo a Machicado (2008), el ajuste estructural de 1956, en la práctica, frenó

el ímpetu social revolucionario de 1952 y dio lugar a un mejor ordenamiento de las
finanzas públicas, al margen de sincerar el manejo de la deuda externa. Dicho
ajuste estructural resultó positivo respecto al control de la inflación hasta los años
80, con un intervalo de pérdida de control entre 1973 y 1974.
En los años 80, luego de una crisis generalizada de la economía, que se reflejó en
una hiperinflación, fue necesario un segundo ajuste estructural a partir de 1985,
que produjo una reorientación del modelo económico, dando lugar a la apertura
económica y un nuevo modelo económico.
De acuerdo a Machicado (2008) en ambos procesos de ajuste estructural estuvo

presente la enajenación de patrimonios existentes, aunque en sentido inverso. En
el primero, el proceso inflacionario partió de la Nacionalización de las Minas y
Reforma Agraria, en los que el Estado se apropió de la gran minería del estaño y
de la propiedad de la tierra.
En el segundo caso, una vez agotado el modelo de Capitalismo de Estado, se

abre campo al modelo de mercado o neoliberal, que dejaba los cimientos para que
años más tarde las empresas estatales se traspasan a control de privados
extranjeros a través del proceso llamado Capitalización. En síntesis, ambos
fenómenos a su turno modificaron la lógica económica y valores existentes de la
sociedad boliviana.
A continuación se presenta la evolución de la inflación en el periodo de estudio,

1967-2008, la siguiente muestra el comportamiento de la inflación acumulada
anual, para una mejor observación del eje vertical muestra los valores en base
logarítmica, un detalle de los valores anuales se encuentra en el Anexo A.
47
GRAFICO Nº 9
ÍNDICE DE IPC EN LOGARITMO
Fuente: Elaboración Propia en base a datos INE.
Para un sumario de la evolución y características de la Inflación en Bolivia durante

el periodo de estudio, se divide el mismo en cuatro periodos: 1967-1978, 1979-
1986, 1987-1991 y 1992-2008.
El periodo 1967-1978, caracterizado por la maduración del programa de

estabilización de 1956, se distingue por tener el promedio más alto de crecimiento
económico, además de la recuperación de la confianza tanto nacional como
internacional de la economía nacional, posterior a la revolución nacional. Sin
embargo, en la segunda mitad de este periodo el crecimiento disminuyó pese a los
abundantes recursos externos disponibles a un bajo costo y sin mayores
condicionamientos. Fue la etapa de mayor endeudamiento y despilfarro, creando
obligaciones que en parte ocasionarían la crisis de los años 80.
La inflación se incrementó en especial en los años 1973 y 1974, alcanzando el 35

y 39% respectivamente.
48
El periodo 1979-1986 se caracteriza por cambios políticos y de transición, existe

una sucesión de gobiernos militares iniciados en la década de los 60 que
culminaron con la dictadura de García Meza. La Unidad Democrática Popular-
UDP gana las elecciones en 1980 y luego de diversos cambios políticos, recién
asume el gobierno en 1982. La UDP no pudo controlar la inflación ni el desorden
de las finanzas públicas que se había producido por el manejo discrecional de los
militares en función de gobierno. Si bien se intentó implementar varias reformas,
que posteriormente darían resultado en otro contexto y con diferente gobierno, las
mismas no pudieron ser llevadas a la práctica por la UDP por excesivas demandas
sociales y boicot político tanto de partidos de la oposición como de la misma
coalición de gobierno.
El déficit público originado por los bajos ingresos de las empresas estatales, así
como el incremento de las tasas de interés internacionales que afectaron los
pagos de la elevada deuda externa contraída en la década anterior, fueron
financiados a principios de los años 80 con la impresión masiva de billetes por
parte del Banco Central de Bolivia (BCB), el cual no gozaba en entonces de
independencia ni contaba con los instrumentos financieros de la actualidad. A esto
se sumó el hecho que Bolivia a comienzos de los 80 no contaba con crédito
externo para cerrar su brecha deficitaria, recurriendo el gobierno boliviano al
Banco Central para la emisión monetaria para cubrir el déficit.
La inflación empezó a subir a finales de 1981, pero alcanzó tasas

hiperinflacionarias en 1984. Entre 1983 y 1985 se produjo un deterioro de la
producción nacional, el déficit fiscal se incrementó hasta alcanzar un 25% del PIB,
y la inflación anual llegó al 23400% a septiembre 1985.
En agosto 1985 se instaló un nuevo gobierno, que aplicó el Decreto Supremo

21060, eliminando varios controles de precios, controlando la emisión monetaria,
reduciendo de forma progresiva el déficit fiscal a través del despido de miles de
empleados públicos, en especial mineros de la COMIBOL y el alza de carburantes.
49
El periodo 1987-1991 inició con una inflación estable después de los ajustes
realizados para controlar la hiperinflación vivida. En 1987 el incremento de precios
se ubicó en 11% anual, sin embargo en 1991 se registró un incremento brusco a
22%, debido a políticas fiscales expansivas realizadas por el gobierno de entonces
y un incremento de la cantidad de dinero en la economía.
Lograr controlar la emisión monetaria fue una de las claves del éxito para parar la
hiperinflación, entre diciembre de 1984 y diciembre de 1985 ésta se incrementó en
5878%, entre 1987 y 1991 en promedio creció 17% anual.
El periodo 1992-2008 inicia y termina con elevadas tasas de inflación, sin

embargo también contiene una de las inflaciones más bajas de la historia reciente.
En 1992 la inflación alcanzó un 12%, paulatinamente cada año fue disminuyendo
hasta alcanzar en el 2002 un incremento de los precios de 1%, para luego subir a
partir del 2003 en forma persistente hasta ubicarse, actualmente el 2008, en
alrededor del 13% anual.
Si bien la inflación fue incrementándose desde el 2003 de forma paulatina, de

acuerdo a Mercado (2008) fue en el 2007 donde aceleró su comportamiento y
alcanzó un 11,73%. Esta aceleración tiene diferentes características a las
experimentadas en el pasado. La hiperinflación durante los años 80 se desarrolló
en un ambiente macroeconómico caracterizado por un deterioro de los precios de
commodities a nivel mundial, una alta deuda externa, un elevado nivel de déficit
fiscal producto del modelo macroeconómico boliviano instituido después del año
1952 y la existencia de un estado de gran tamaño productor de petróleo y de
minerales. La crisis petrolera de los años 70, el agotamiento de las minas y el
clima de inestabilidad política, fueron el origen de una crisis nacional que se fue
agravando al pasar los años, situación que tocó fondo en la primera mitad de la
década de los 80.
50
El actual crecimiento en el nivel de precios, al menos en un inicio en el 2007, se

presentó en un ámbito macroeconómico favorable7: niveles record de Reservas
Internacionales Netas, que a junio del 2008 superaron los 7.000 millones de
dólares, bajos niveles de deuda externa, precios favorables de materias primas
exportables del país, hidrocarburos y minerales, y un sector financiero con niveles
de ingresos históricos.
Una vez presentados los argumentos empíricos y teóricos que fundamental la

investigación los dos capítulos posteriores desarrollan la cuantificación
econométrica necesaria para probar la hipótesis.
7 En octubre 2008 las condiciones externas favorables cambian drásticamente por la crisis financiera internacional
ocasionada por la Crisis Hipotecaria de Estados Unidos.
51
Capítulo V: Marco Practico
CAPITULO V
MARCO PRACTICO
Esta sección tiene por objeto contrastar estadísticamente la hipótesis planteada en

la investigación. Para un adecuado desarrollo del marco práctico el mismo se
divide en secciones temáticas complementarias.
En la parte inicial del capítulo se justifica la consistencia teórica de los modelos

econométricos a ser estimados. En la segunda parte se plantea los indicadores
estadísticos y los modelos matemáticos base de la investigación, la tercera parte
está destinada a la estimación de los modelos econométricos complementarios,
con la finalidad de establecer comparaciones y diferencias.
Adicionalmente, este apartado intenta discutir algunos aspectos relacionados a la

técnica econométrica seleccionada ofreciendo algunas explicaciones y sugiriendo
algunas mejoras.
5.1 Consistencia Teórica del Modelo para Inflación e Incertidumbre Inflacionaria
5.1.1 Características de la Relación Inflación e Incertidumbre Inflacionaria
En la teoría económica existe un amplio acuerdo en que la inflación tiene

consecuencias nocivas sobre la economía8. Uno de los costos más importantes de
la inflación es la incertidumbre que ella crea acerca de la inflación futura, dada la
limitada capacidad que tienen los agentes económicos para predecirla. Esta
incertidumbre dificulta la toma de decisiones por parte de consumidores y
productores, con el consiguiente efecto negativo sobre la actividad económica.
8
Los costos asociados con la inflación son que aparte de distorsionar el sistema de precios y con ello la asignación de
los recursos, la estructura de la producción y del consumo, la inflación erosiona los ahorros, afecta la planeación
económica, desestimula la inversión, induce la fuga de capitales y la adquisición de activos improductivos, inhibe el
crecimiento y tiende a desestabilizar el ambiente social y político.
52
En este contexto la retroalimentación entre inflación e incertidumbre inflacionaria

puede presentarse de dos maneras:
1) En la literatura económica se puede encontrar consenso, entre muchos

analistas, en que la incertidumbre en relación con la inflación futura aumenta
cuando la inflación aumenta. Estos analistas tienden a asociar alta volatilidad y
altos niveles de inflación con elevados niveles de incertidumbre inflacionaria,
entendida esta como el grado de dificultad para predecir la inflación, es decir, una
alta tasa de inflación crea mayor incertidumbre sobre los niveles futuros de
inflación. Desde este punto de vista existe un argumento para promover una
conducción de la política monetaria orientada a reducir la inflación.
2) Una hipótesis alternativa sostiene que un incremento en la incertidumbre acerca

del crecimiento del dinero y de la inflación incrementará la inflación óptima
promedio, ya que el aumento en la incertidumbre proveerá un incentivo a los
responsables de la política monetaria de crear sorpresa inflacionaria para
estimular el crecimiento del producto. Por tanto, uno de los argumentos que podría
ser utilizado para fundamentar la necesidad de mantener niveles reducidos de
inflación consiste en la relación positiva que existiría entre el nivel de inflación y el
grado de incertidumbre respecto a la misma, y viceversa.
La construcción de un modelo matemático permite evaluar empíricamente si se

cumple en el caso boliviano el primer enfoque planteado de que cuanto mayor es
la inflación, mayor es la incertidumbre respecto a esta variable o la segunda
afirmación sobre la influencia de la incertidumbre en la inflación optima promedio.
Para evaluar esta hipótesis es necesario obtener una estimación de la

incertidumbre inflacionaria. Los modelos GARCH (Generalized Autoregressive
Conditional Heteroscedasticity) y sus variantes se utilizarán para estimar una
proxy de ella a partir de los errores de pronóstico que genera un modelo
econométrico de la inflación.
53
GRAFICO Nº 10
RELACIÓN INFLACIÓN E INCERTIDUMBRE INFLACIONARIA
Fuente: Elaboración propia
El primer modelo desarrollado en la investigación despliega una herramienta

metodológica para determinar y explicar cual enfoque sobre la relación entre
inflación e incertidumbre inflacionaria.
Establecer un modelo optimo permite explicar la evolución de ambas variables, es

decir, que factores pueden explicar la incertidumbre inflacionaria en el periodo bajo
análisis, determinar es el rasgo particular en la creación de expectativas de los
agentes económicos en nuestro país.
54
5.1.2 METODOLOGÍA PARA ESTIMAR INCERTIDUMBRE INFLACIONARIA
El enfoque seleccionado en la presente investigación se refiere a la metodología

que se inscribe en el grupo de trabajos clasificados por Golob (1994) como
aquellos que utilizan la estrategia de modelos predictivos. En esta metodología se
utiliza un modelo econométrico para pronosticar la inflación futura para aproximar
la incertidumbre inflacionaria.
En el presente estudio se combinarán las metodologías ARIMA 9 (Autoregressive

integrated Moving Average) y EGARCH (General Autoregressive Conditional
Heteroskedasticity) para la inflación en Bolivia. De este modo se puede estimar
tanto la media condicional, como la varianza condicional, a través de métodos de
máxima verosimilitud.
La modelación de la serie de inflación a través de un proceso ARIMA permite

predecir la inflación en cada periodo, basándose en la información contenida en la
serie en los periodos anteriores, es decir, en los rezagos de la serie. Así, se
obtienen los errores de predicción para cada periodo. La utilización de un modelo
EGARCH, por su parte, permite obtener una serie temporal de la varianza de los
errores que sirve como aproximación de la incertidumbre.
En línea con el concepto de incertidumbre inflacionaria mencionado por Ball

(1990), éste se modela como la varianza del componente estocástico o
impredecible (errores) del modelo ARIMA utilizado para proyectar la inflación, en
lugar de calcular una medida de volatilidad basada en realizaciones de esta
variable. Específicamente, se emplea un modelo EGARCH para obtener la
varianza de los errores condicional al tiempo. Esta varianza condicional puede ser
asociada a la idea de incertidumbre. De este modo, se levanta el supuesto de
homocedasticidad que impone una varianza igual para cada periodo.
9Los modelos ARIMA son parte de la metodología habitual de series de tiempo y permiten estudiar el comportamiento de
una variable aleatoria a través del tiempo, utilizando sólo la información contenida en la serie histórica de la propia
variable. La forma genérica de un modelo ARIMA para una variable X se escribe en la terminología habitual de Box y
Jenkins.
55
Se puede representar el siguiente sistema de ecuaciones, como representativo del

modelo:
2
(1) 𝜋𝑡 = ∑ 𝜌𝑗 𝜋𝑗 + ∑ 𝜃𝑘 𝜎𝑡−𝑘 + 𝜀𝑡
𝑗∈𝐽 𝑘∈𝐾
(2) 𝜀𝑡 ~(0, 𝜎𝑡2 )
2 )
𝜀𝑡−1 𝜀𝑡−1
(3) ln(𝜎𝑡 ) = 𝛽𝑜 + 𝛽1 ln(𝜎𝑡−1 + 𝛾1 ( ) + 𝜑1 | | + 𝜔𝑡𝑒𝑛𝑑 + ∑ 𝜗𝑠 𝜋𝑡−𝑠 , |𝛽1 | < 1
𝜎𝑡−1 𝜎𝑡−1
𝑠∈𝑆
Donde πt representa la tasa de inflación anual; εt es un error estocástico que mide

las innovaciones impredecibles en la inflación; σt es la desviación estándar
condicional de εt, la cual representa la incertidumbre inflacionaria; y tend es una
variable de tendencia. Los rezagos de las ecuaciones J, K y S son empíricamente
definidos usando procedimientos estadísticos estándar.
La ecuación (1) representa la ecuación para la tasa de inflación media, y es la que

utilizan los agentes para proyectar la inflación. Como se puede ver, esta depende
de la inflación rezagada y de rezagos de la incertidumbre inflacionaria.
La ecuación (2) nos dice que las innovaciones impredecibles en la inflación, o el

error de estimación de la inflación (εt) sigue una distribución condicional con media
cero y varianza σ2t.
Por último, la ecuación (3) nos da la varianza condicional del error de estimación
𝜀
en logaritmo (log (σ2t )), la cual depende del error rezagado estandarizado (𝜎𝑡−1 )
𝑡−1
𝜀
del error rezagado estandarizado en valor absoluto |𝜎𝑡−1 | , de un rezago de ella
𝑡−1
misma, de un término de tendencia ( tend ) y de rezagos de la tasa de inflación.
El coeficiente asociado al término de error estandarizado 𝛾1 captura efectos

asimétricos de shocks de inflación sobre la incertidumbre inflacionaria; así, si 𝛾1>
0, diríamos que shocks positivos en la tasa de inflación causan más incertidumbre
inflacionaria que shocks negativos de la misma magnitud. La variable de tendencia
56
fue incluida ya que presumiblemente la incertidumbre inflacionaria en Bolivia ha

decrecido en el tiempo, producto de un mayor entendimiento de los agentes
acerca del proceso inflacionario.
Intuitivamente, este sistema de ecuaciones nos dice que los agentes cometen
errores al estimar la inflación, y que la desviación estándar condicional de los
errores mide la incertidumbre de los agentes acerca de la inflación futura. Dicha
incertidumbre depende de los errores de estimación en el pasado, de la
incertidumbre en el pasado, y de los niveles de inflación observados en periodos
anteriores.
Si se cumple el enfoque Nº 1, el parámetro 𝜗𝑠 debería ser estadísticamente

significativo con signo positivo. Por otro lado, si se cumple el enfoque Nº 2, el
parámetro 𝜃𝑘 debería ser positivo y estadísticamente significativo.
5.1.3 EVALUACIÓN CUANTITATIVO DE LA INFORMACIÓN
5.1.3.1 PROCESAMIENTO DE LA INFORMACIÓN
Para el desarrollo del modelo planteado se debe tener en cuenta ciertos aspectos
que permitan una optimización de los resultados los mismos se desarrollan a
continuación:
a) Rango De Tiempo: El rango de tiempo seleccionado para la construcción del

modelo econométrico comprende los años 1968 a 2008 con una periodicidad
anual y mensual. Este rango se selecciono en función a la disponibilidad de
información y como una muestra representativa para las condiciones
experimentadas en el ámbito monetario en el país en el largo y corto plazo10.
10 Según Gujarati (1997) una muestra de datos puede considerarse aceptable si la misma es mayor o igual a 30 como
rango de tiempo dinámico, en el caso del estudio se cumple esta condición ya que el rango de datos alcanza a los 40
datos realizados. Adicionalmente la periodicidad anual permite un mejor análisis de las condiciones de largo plazo para
el sector bajo estudio.
57
b) Tipo de modelo: Al contar con suficientes datos para la construcción de series

de tiempo se realizara un análisis dinámico de tiempo con estimaciones EGARCH.
Al tratarse de series de tiempo se plantea el uso de las herramientas de
construcción de modelos dinámicos: Pruebas de raíz unitaria, Metodología Box
Jenkins y Pruebas de Diagnostico.
c) Metodología de construcción del modelo econométrico: La construcción del

modelo utilizara la metodología general a particular, la estrategia sugiere ir de lo
general a lo particular. Considerando primero un modelo lo más general posible y
luego se lo va reduciendo a un modelo más simple a base de incorporar
restricciones que los datos no rechacen basados en un conjunto de diagnósticos
estándar.
5.1.3.2 DESCRIPCIÓN DE LOS VARIABLES PARA LA CONSTRUCCIÓN DEL

MODELO ECONOMÉTRICO EGARCH ANUAL
En base al modelo EGARCH planteado se determinan las variables relevantes

para la construcción del modelo para la incertidumbre inflacionaria. Ahora bien,
como el modelo de inflación propuesto es autorregresivo, no se requiere otro dato
que la serie histórica correspondiente a la inflación, sin embargo la existencia de
un importante quiebre estructural en el periodo 1985 se crean una variable
estructural relativa a esta situación de shock económico.
a) logaritmo de Índice de la variación del IPC (LIPC): Se toma como variable

proxy la primera diferencia del logaritmo del índice de precios al consumidor:
𝐼𝑃𝐶𝑡
𝐼𝑁𝐹 = log [ ]
𝐼𝑃𝐶𝑡−1
La inflación se aproxima de forma adecuada con el Índice de Precios al

Consumidor (IPC), que indica el crecimiento que sufren los precios de bienes y
servicios que conforman la llamada “Canasta Básica”.
58
Los datos relacionados a IPC tienen como fuente el Instituto Nacional de

Estadística, se logaritmiza para suavizar su tendencia de tiempo y el código
seleccionado para su uso en el modelo econometrico es de LIPC.
b) Variable dicotómica para captar el shock económico estructural (DICOS)
Se han incluido variables dicotómicas para capturar períodos excepcionales. En

particular destacan variables dicotómicas que capturan los shocks por , cambios
estructurales en la economía (DICOS85) convulsiones sociales, nuevas normas
tributarias y otros. Concretamente, es una variable dicotómica que toma valor uno,
en el periodo considerado de shock y cero en otro caso11. La selección de las
variables para el estudio econométrico permite iniciar el análisis econométrico
dinámico.
5.1.3.2.1 ANÁLISIS ESTADÍSTICOS DE LAS SERIES PARA EL MODELO E-GARCH

ANUAL
En análisis estadístico de las variables permite establecer una panorama general

de las condiciones presentes en el sector los últimos 41 años, para ello se realizan
una evaluación de los datos desagregando este análisis en tres secciones. En la
primera sección se observan los estadísticos descriptivos más importantes para
las series de tiempo tales como: la media, mediana, desviación estándar, etc, de
modo que se tenga un panorama general de las características de las series de
tiempo. En la segunda sección del análisis estadístico de las variables se
determina si las series son estacionarias o no, en base a sus características de
estacionariedad, se evaluara el modelo econométrico más conveniente para
determinar la importancia de la incertidumbre.
11 En la práctica, las variables, a veces experimentan perturbaciones atípicas en ciertas fechas motivadas por factores
externos. Estas perturbaciones pueden afectar las estimaciones. Para mejorar la estimación se añaden variables ficticias
a la ecuación o al sistema. Son variables que toman el valor uno en el momento de la variación atípica y cero en los
demás instantes. Ello permite aislar el efecto de las perturbaciones, del modelo dentro de una variable generalmente
tabulada como “Dt”.
59
a) ESTADÍSTICOS DESCRIPTIVOS DE LAS SERIES
El cuadro Nº 2 presenta los principales estadísticos descriptivos para las series en

niveles.
CUADRO Nº 2
ESTADÍSTICOS DESCRIPTIVO DE LAS VARIABLES EN NIVELES LIPC
Rango Total Pre-Crisis Económica Post-Crisis Económica

IPC LIPC IPC LIPC IPC LIPC
Promedio 279.8417 2.662830 54.14835 2.845891 11.27750 2.041203
Mediana 10.45983 2.347543 18.54135 2.881385 8.521696 2.142615
Máximo 8170.520 9.008288 328.4883 5.794501 65.96345 4.189101
Mínimo 0.924897 -0.078073 3.198653 1.162730 0.924897 -0.078073
Desv. Estándar 12 1308.591 1.760992 101.9445 1.464082 13.08264 0.878314
Sesgo 5.618432 1.825563 2.203184 0.690756 3.333145 -0.028375
Kurtosis 33.99191 6.795685 6.032837 2.664221 14.59006 3.754703
13
Jarque-Bera 1856.558 47.38565 19.07611 1.347548 171.3202 0.548931
P-value 0.000000 0.000000 0.000072 0.509781 0.000000 0.759978
Suma 11473.51 109.1760 866.3735 45.53426 259.3826 46.94766
Suma Desv.
Cuadrado 68496467 124.0436 155890.2 32.15303 3765.423 16.97160
Observaciones 41 41 16 16 23 23
Fuente: Elaboración propia en base a datos tabulados.
El análisis de los estadísticos descriptivos revela que durante todo el periodo de

evaluación el promedio el IPC alcanzo un 279.84% este indicador se considera
excesivamente alto, sin embargo se debe tener en cuenta la influencia de los
datos extremos de los periodos 1984 y 1985 alterna el valor promedio para le
rango de tiempo bajo análisis. Para una perspectiva más amplia desarrollamos el
modelo para dos subperiodos de tiempo.
12La desviación estándar es un índice numérico de la dispersión de un conjunto de datos (o población). Mientras mayor
es la desviación estándar, mayor es la dispersión de la población. La desviación estándar es un promedio de las
desviaciones individuales de cada observación con respecto a la media de una distribución. Así, la desviación estándar
mide el grado de dispersión o variabilidad.
13Combina el tercer y cuarto momento. Es un indicador de normalidad, tiene una distribución Chi-Cuadrada “χ” con dos
grados de libertad. El valor crítico de la tabla Chi-Cuadrado “χ” a un 5% de significancía con dos grados de libertad es de
5.99, si el valor del estadístico JB es mayor que el valor crítico, entonces se rechaza la hipótesis nula de Normalidad.
60
En el caso del IPC para el periodo pre crisis económica, se observa una marcada
inflación anual siendo esta de 54.14% no obstante este valor se explica por los
inicios de la cris a comienzos de los 80’s.
La evaluación de la variable promedio para el periodo post crisis económica

permite establecer una situación de menor inflación presentando una media de
11.27%, esta situación puede explicarse por las reformas establecidas en 1985
mediante la Nueva Política Económica (NPE)14.
La desviación estándar de los datos permiten observar la gran variación de los

mismos en el rango completo, nuevamente esta situación se explica por los datos
outlayer (extremos) que determinar un una gran dispersión.
La desviación estándar de las series indica que los datos que menos variación han
experimentado son los de la inflación post periodo crisis económica, en este caso
el grado de variabilidad del periodo pre crisis aun mantiene un nivel elevado en
relación a los estándares de los últimos 20 años.
La normalidad de las series fue analizada mediante el estudio del coeficiente de

Jarque Bera15, este estadístico indica que la serie para el rango total son no
normales, este es una característica típica de variables que presentan shock de
importancia, por ello se logaritmiza la variable para suavizar su sendero de tiempo.
En este caso, se observa una influencia relevante debido a los datos extremos de
los periodos 1984 y 1985, esta situación se contrarresta con la logaritmización de
los datos de forma tal que la serie suaviza la presencia de valores extremos.
14 A partir de 1985 en Bolivia se han implementado las Reformas Estructurales, para estabilizar la economía y lograr
mayor crecimiento. Estas reformas redefinieron el rol del Estado y orientaron la economía hacia el libre mercado, este
periodo de cambios estructurales es conocido como la Nueva Política Económica NPE. Entre los ajustes destacan el
tener un déficit fiscal e inflación controlados, ya que las crisis experimentadas en el pasado en los países altamente
endeudaos tuvieron como causa que estas variables no eran estables ni se hallaban en un nivel aceptable para tener
estabilidad económica.
15 Como afirma Gujarati, si prob. menor a 0.05 no aceptamos la hipótesis nula de normalidad al
95% de confianza.
61
b) PRUEBA DE ESTACIONARIEDAD PARA LAS SERIES MODELO E-GARCH

ANUAL
Una de las prácticas más comunes en la literatura empírica es la de realizar

contrastes de raíces unitarias a series de tiempo macroeconómicas. Desde que en
Dickey y Fuller (1979) se establecen las bases de los contrastes de raíz unitaria,
se ha desarrollado una amplia literatura, tanto teórica como empírica, alrededor de
esta problemática16.
Esto debido al hecho de que al estimar una serie no estacionaria, es muy posible
encontrar resultados espurios o dudosos ya que posiblemente se obtenga un
coeficiente de ajuste “R2 alto” y un estadístico Durban Watson “DW” pequeño,
situación que caracteriza a una “regresión espuria”. Esto puede ocurrir porque en
realidad no existe una relación entre las variables y lo único que se este captando
sean sus tendencias.
Para evitar el problema de regresión espuria debemos analizar la estacionariedad

de los datos17. La metodología para identificar la estacionariedad de una serie de
tiempo toma en cuenta varios instrumentos complementarios de forma tal que la
identificación sea lo mas exacta posible.
La metodología de contraste de estacionariedad de las series tiene como punto de

partida la inspección visual de las variables bajo análisis, este análisis del sendero
de tiempo para las variables es un indicador de inicial de la estaciónariedad o no
de las mismas, esta inspección se complementa con la función de correlación y
finalmente se formaliza con la prueba de estacionariedad ADF, y PP.
16 Una de las razones de este auge reside en que la aceptación o el rechazo de la hipótesis de raíz unitaria tienen
consecuencias importantes desde el prisma de la interpretación económica del comportamiento de una determinada
variable. Así, por ejemplo, el hecho de que una variable sea integrada de un orden igual o mayor a uno supone que los
shocks que influyen en su evolución tienen un carácter permanente. Por el contrario, si la variable es estacionaria la
influencia de las perturbaciones se desvanece en el tiempo.
17 Ya que la mayor parte de las series económicas presentan tendencia crecientes en el tiempo, por tanto, la media y la
varianza son crecientes en el tiempo esto, puede generar problemas de estacionariedad e invalidar los métodos
tradicionales de estimación.
62
GRAFICO Nº 11
PASO PARA OPTIMIZAR EL TEST DE RAÍZ UNITARIA
Fuente: Elaboración propia
b.1) INSPECCIÓN VISUAL DE LAS SERIES
La metodología de contraste de estacionariedad tiene como punto de partida la

inspección visual de las series bajo análisis, este análisis del sendero de tiempo
63
para las variables es un indicador de inicial de la estaciónariedad o no de las

mismas, la base de identificación se basa en establecer visualmente si las series
mantienen una media estable de largo plazo y una varianza constante, la no
existencia de estas dos características implica que la series potencialmente no
estacionaria.
El grafico Nº 12 presenta la serie LIPC en niveles y primeras diferencias.
GRAFICO Nº 12
ANÁLISIS GRAFICO: LIPC
La serie LIPC muestra un movimiento con grandes variaciones, pero con

tendencia ascendente en el rango de tiempo 1986-2000 esta estabilidad en el
sendero de tiempo en la variable inicia un nuevo proceso de crecimiento a prtior
de 2001.
64
No obstante, el análisis de la serie en diferencia indica que la misma alcanza un

mayor grado de estabilidad cuando se trabajan con la variable diferenciada, sin
embargo, el análisis grafico debe ser complementado con pruebas formales, la
primera impresión que deja estas variable es que es integrada de orden uno I(1).
b.2) INSPECCIÓN DE LAS FUNCIONES DE AUTOCORRELACIÓN
El cuadro 3 presenta un resumen de las funciones de autocorrelación para las

series bajo análisis.
CUADRO Nº 3
FUNCIONES DE AUTOCORRELACION DE LA SERIE LIPC
Este análisis indica que la serie en niveles presentan una caída lenta típica de las
serie no estacionarias Sin embargo, si las variables son diferenciadas estas
65
presentan un FAC de caída exponencial sin ningún pico importante en la gráfica

de autocorrelación18.
Se puede afirmar por tanto que la serie es potencialmente integrada de orden uno.
Para completar nuestro análisis se presentan las pruebas formales ADF y PP.
b.3) PRUEBA DE ESTACIONARIEDAD
Cuando se discute estaciónariedad y no estaciónariedad de las series de tiempo

es necesario contrastar la presencia de raíz unitaria para evitar el problema de
regresión espuria19.
La condición de estacionariedad es importante debido a que en este tipo de series

los momentos estadísticos permanecen invariantes respecto del tiempo
(principalmente su media, varianza y covarianza) permitiendo generalizar el
comportamiento de la variable durante cada periodo en análisis. Por lo tanto, las
series serán expresadas en primeras diferencias antes de ser introducidas en el
modelo estructural que se pretenden estimar.
Con el fin de establecer el orden de integración de las series en niveles se realizan

pruebas de raíz unitaria, utilizando las pruebas tradicionales Dickey - Fuller y
Phillips y Perron.
18 Como se afirma en Enders (1995) las series que presentan raíz unitaria tiene una función de autocorrelación
caracterizada por una caída geométrica lenta en el tiempo, esto es, que la caída se da de forma lenta; en cambio las
serie estacionarias presentan una caída exponencial desde el primer rezago ,es decir, no presentan picos significativos
en las funciones de autocorrelación. Un resumen de los resultados se presenta en los anexos.
19 Al estimar una serie no estacionaria, es muy posible encontrar resultados espurios o dudosos ya que posiblemente se
obtenga un coeficiente de ajuste “R2 alto” y un estadístico Durban Watson “DW” pequeño, situación que caracteriza a
una “regresión espuria”, Granger y Newbold (1974). Esto puede ocurrir porque en realidad no existe una relación entre
las variables y lo único que se este captando sean sus tendencias.Para evitar el problema de regresión espuria debemos
analizar la estacionariedad de los datos 19. Existen dos formas de analizar la estacionariedad: la primera es llamado
proceso Estocástico alrededor de una tendencia. La idea básica es añadir a la regresión una variable de tendencia “t”,
por ejemplo, yt=β1+β2t+μt, y si luego de correr la regresión el termino de error “μ t” es estacionario, se dice que la serie es
estacionaria en tendencia. El problema de esta idea, es que solo se cumple si la tendencia es deterministica. En tal caso
resulta más conveniente verificar si la serie es Estacionaria o sigue un proceso de “paseo aleatorio” (Nelson Ploser,
1982)
66
CUADRO Nº 4
PARA LAS SERIES EN NIVELES Y PRIMERAS DIFERENCIAS LIPC
Test DF Aumentado
Nombre de la Serie Componentes Rezagos Valor calculado Valor Tablas
Intercepto/ sin
LIPC tendencia 3 -2.255440 -2.943427
Sin Intercepto/
DLIPC sin tendencia 3 -4.432144 -1.950394
El test Dickey Fuller Ampliado (ADF) indica que la serie logaritmo de IPC poseen
una raíz unitaria al 95% de confianza, es decir, no se rechaza la hipótesis nula de
no estacionalidad en niveles, este resultado apoya los resultados del diagnostico
visual inicial en cuanto a la no estaciónariedad de la variable en niveles. Se
concluye, por tanto, la existencia de una o más raíces unitarias para la serie bajo
análisis.
En análisis de la prueba ADF se complementa realzando el test a las series en

primeras diferencias y evaluando si las mismas alcanzan o no la estaciónariedad,
la prueba en las series en primeras diferencias indica que las variables bajo
análisis alcanzan la estacionariedad, por lo que las series pueden considerarse
con un orden de integración I(1).
Una forma de reforzar los resultados se desarrolla mediante la contrastación de

una prueba adicional para establece la estaciónariedad, el test de mayor uso es el
test PP. Los resultados del test Phillip-Perron refuerzan las conclusiones halladas
con el contraste ADF, el test PP apoya la existencia de una raíz unitaria en la serie
bajo análisis encontrando que la serie es no estacionaria en niveles, además el
contraste PP indica que las series son integradas de orden uno, incluso al 1% de
nivel de confianza.
67
Han surgido test nuevos tales como KPSS (1992) y GLS (1996) los cuales han
logrado ampliar su uso debido a su mayor exactitud y poder, en este sentido, se
presentan los resultados de ambos test.
CUADRO Nº 5
PRUEBA DE ESTACIONARIEDAD PP
PARA LAS SERIES EN NIVELES Y PRIMERAS DIFERENCIAS
Test DF Aumentado
Intercepto/ sin
LIPC tendencia 3 -2.255440 -2.943427
Sin Intercepto/
DLIPC sin tendencia 3 -4.432144 -1.950394
Como se puede observar, el test adicional señala que la serie siguen un proceso
no estacionario en niveles a un alto nivel de significancia estadística; pero si se
toman primeras diferencias las series se tornan estacionarias con un alto grado de
confianza estadística20.
5.1.3.2.2 ESTIMACIÓN DEL MODELO ECONOMÉTRICO EGARCH ANUAL
La construcción de un modelo EGARCH se inicia con el desarrollo de componente

ARIMA que posea un comportamiento estacionario, es decir, integrada de orden
cero o I(0), esto es importante por cuanto variables con un orden de integración
mayor tienen asociada una varianza explosiva (infinita), por lo que no tiene sentido
considerar estas varianzas como medidas de incertidumbre. Por el contrario,
cuando una serie es estacionaria, su varianza está bien definida, es finita y tiene
sentido como medida de incertidumbre.
20Las pruebas D-F aumentado y P-P asumen la presencia de una raíz unitaria en la serie bajo la hipótesis nula.. Los
rezagos para el test D-F aumentado se determinaron mediante el criterio de Schwarz.
68
La metodología seleccionada se basa en la propuesta Box – Jenkins con la

inclusión del componente EGARCH.
GRAFICO Nº 13
METODOLOGÍA PARA MODELIZACIÓN DEL PROCESO EGARCH
Fuente: Elaboración Propia
69
Determinar las características de estaciónariedad es solo el primer paso para

desarrollar el modelo completo. Para cuestiones de pronostico el aspecto
preponderante es el modelizar los componentes ARIMA y EGARCH dentro un
sistema en el que se pueda modelar las interacciones de la variable.
Ahora bien, los resultados del contraste de raíz unitaria apuntan a que la serie
utilizada en la investigación es estacionaria en diferencias.
Cuando los datos de la serie evidencian un comportamiento no-estacionario es

necesario diferenciar los datos hasta que se logre la estacionariedad del proceso,
debiendo identificar también el orden de las diferencias aplicadas. Ello da lugar a
los denominados modelos ARIMA.
Utilizando la metodología de Box-Jenkins se identificó un modelo

ARIMA((3.4),1,(2,4)) con lo cual el modelo identifica una diferenciación y dos
parámetros autoregresivos y dos parámetros de medias móviles en la parte
regular. También el modelo identifica valores fuera de serie (outliers) purgados
por la variable dicotómica dicos85.
Una vez verificado el comportamiento heteroscedástico en los residuos, εt ,

provenientes del modelo ARIMA, se debe definir la estructura completa del modelo
EGARCH (a,b), donde se debe recordar que “a” indica el número de rezagos de
los residuos (rezagos ARCH) y “b” el número de rezagos de la varianza (rezagos
GARCH). El correlograma simple y parcial de los residuos al cuadrado, del modelo
ARIMA estimado, no suministra información clara para determinar la estructura
completa GARCH(a,b).
El cuadro Nº 6 presenta la estimación conjunta del modelo ARIMA-GARCH(1,1).

La ecuación de la varianza aproxima la varianza condicional de la inflación no
esperada y viene a constituirse en una medida de la incertidumbre inflacionaria.
70
CUADRO Nº 6
MODELO EGARCH PARA LA RELACIÓN INFLACIÓN E INCERTIDUMBRE INFLACIONARIA
Ecuación Media
Coeficiente Error Estándar Estadístico-z Probabilidad
C 0.30 0.06 4.67 0.00
DICOS1 -4.68 0.26 -18.13 0.00
ρ(2) -0.06 0.08 -0.75 0.45
ρ(3) -0.01 0.39 -0.04 0.97
θ(3) 0.15 0.35 0.42 0.68
θ(4) -0.17 0.12 -1.45 0.15
Ecuación Varianza
βo -2.657 1.214 -2.188 0.029
φ -1.582 0.699 -2.262 0.024
γ -0.645 0.572 -1.128 0.259
β1 -0.386 0.192 -2.013 0.044
ω 0.090 0.030 3.045 0.002
ψ1 0.109 0.665 0.165 0.869
ψ2 -0.047 0.273 -0.171 0.864
ψ3 1.804 0.344 5.239 0.000
ψ4 -0.615 0.563 -1.093 0.275
R-squared 0.469
Test ARCH P-0.061336
Jarque-Bera P-0.3361
5.1.3.2.3 EVALUACIÓN DEL MODELO EGARCH ANUAL
Para evaluar el modelo se observan los siguientes puntos:
a) Bondad de Ajuste: El modelo estimado presenta R2 de 0.46 (46%), esto

implica que las variables explicativas describen el movimiento de la inflación en un
71
46% en promedio, este ajuste puede considerarse adecuado, si tiene en cuenta el

rango de tiempo bajo análisis.
b) Supuesto de Homoscedasticidad: Otra condición importante en la evaluación

de los resultados del modelo es que las perturbaciones de la regresión sean
homocedásticas, esto implica que posean una dispersión igual.
Para comprobar la ausencia de heteroscedasticidad se efectúa el test ARCH

cuando esta es del tipo autoregresivo condicional, verificando si los residuos al
cuadrado dependen de sus valores pasados el test dio como satisfactoria la
prueba de no existencia de heteroscedasticidad.
Ho: Los errores de la regresión son Homocedasticos
Ha: Los errores de la regresión son Heterocedasticos
c) Prueba de Significancia (Test de Wald): El test de Wald nos permite testear la

significancia de los parámetros estimados de modo que se puede realizar un
análisis más detallado de los coeficientes estimados. En el caso del existen
parámetros significativos y no signifiactivos que serán desarrollados con mayor
detalle en el capítulo de implicaciones de política.
Ho: βi=0 (La variable no es significativa)
H1: βi≠0 (La variable es significativa)
La prueba de significancia permite establecer que existe una adecuada relación

entre la variable dependiente y las variables independientes.
d) Tests de Autocorrelación Q: El test Q es una prueba para medir la correlación

serial en los residuos. Para aplicar este test es necesario determinar el orden de
autocorrelación “p”.
72
Los resultados de este test consisten en una prueba “F” y otra Chi-Cuadrado, en
ambas la hipótesis nula es que los coeficientes “β´s” rezagados son iguales a cero,
o no existe correlación de orden p.
Los grados de libertad del estadístico “χ2” son iguales al número de rezagos “p”.
esta prueba esta basada en el multiplicador de Lagrange que se calcula
multiplicando el tamaño de la muestra “T” por el valor “R2”. Este valor es
comparado con el valor critico de la tabla Chi- Cuadrado al nivel se significancia
seleccionado. Si el valor de “χ2” es mayor al valor en tablas se rechaza la hipótesis
nula.
Ho: No existe Autocorrelación
Ha: Existe autocorrelación
La prueba rechaza la existencia de correlación serial hasta el doceavo rezago.

Se puede afirmar por tanto que los rezagos óptimos determinados con los
criterios de LR, FPE, AIC y HQ cumplen con la condición de errores no
autocorrelacionados.
5.1.3.3 CONSTRUCCIÓN DEL MODELO ECONOMÉTRICO EGARCH

MENSUAL
En el caso de los datos mensuales la especificación toma en cuenta la existencia

de incertidumbre de corto plazo, para evaluar esta posibilidad se desarrolla la
estimación del modelo E-GARCH para la inflación mensual.
a) ANÁLISIS ESTADÍSTICOS DE LAS SERIES PARA EL MODELO E-GARCH

MENSUAL
La primera aproximación a las características de la variable inflación se realiza

mediante el estudio de sus estadísticos descriptivos. El cuadro Nº 7 resume los
principales estadísticos de la variable con periodicidad mensual.
73
CUADRO Nº 7
ESTADÍSTICOS DESCRIPTIVO DE LAS VARIABLES EN NIVELES INF DE DINF
Rango Total Pre-Crisis Económica Post-Crisis Económica

INF DINF INF DINF INF DINF
Promedio 3.573237 -0.000366 4.457522 0.296920 0.752066 -0.118304
Mediana 0.623045 0.062695 0.793126 0.075308 0.540972 0.049091
Máximo 182.7721 114.0117 62.97067 41.83161 7.951394 3.896328
Mínimo -2.547326 -157.8314 -2.332813 -42.95053 -2.547326 -25.01211
Desv. Estándar21 12.63907 10.79128 10.03735 7.497525 1.032577 1.921649
Sesgo 8.046616 -4.150281 3.632256 0.087157 2.421840 -8.181793
Kurtosis 93.08923 122.9075 18.21265 15.21235 14.34594 104.8862
Jarque-Bera22 171339.8 295555.5 2403.841 1261.746 1743.862 122014.8
P-value 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
Suma 1754.459 -0.179756 904.8769 60.27479 206.8181 -32.53350
Suma Desv.
Cuadrado 78275.55 57061.32 20351.18 11355.00 292.1428 1011.809
Observaciones 491 491 203 203 275 275
El análisis de los estadísticos descriptivos se enfoca en el valor promedio que

presentan las series, el grado de dispersión de las series para el rango de tiempo
seleccionado y en la distribución de normalidad para las variables.
Basándose en los resultados obtenidos se obtuvieron las siguientes conclusiones

en cuento a los estadísticos descriptivos.
 Si se analiza el valor promedio de la inflación para el todo periodo este es

cercano a 3.57, este indicador es alto pero se debe a la hiperinflación de mediados
de los años 80’s. En cuanto a la inflación promedio post-crisis económica este es
se hallaba en 4.45 al mes siendo también un valor alto. En cuanto a la inflacion
74
post crisis económica el promedio la inflación no supero a 0.75% al mes, este

valor es bajo y de debe a la política monetaria desarrollada a partir de 1985.
 En cuanto a la desviación estándar, se aprecia que la muestra total y la

muestra pre crisis económica presentan mayor dispersión, es decir, variación en
su valor de mes en mes, para el caso de la inflación post crisis, la inflacion no
varía mucho siendo que los valores se acercan a la media.
b) PRUEBA DE ESTACIONARIEDAD PARA LAS SERIES MODELO E-GARCH

MENSUAL
El análisis grafico de la serie se divide dependiendo de las características de cada

serie, presentando en sendero de tiempo de la variable en niveles en el lado
izquierdo del grafico de la variable en diferencias en el lado derecho para el total
periodo de análisis. Se debe tener en cuenta que la observación del sendero de
tiempo de la serie bajo evaluación solo permite tener un indicador básico sobre la
estaciónariedad o no de esta variable siendo necesario una comprobación
mediante algún test de formal de raíz unitaria.
a) Análisis grafico inflación (INF)
El grafico Nº 14 presenta la serie de la inflación en niveles y primeras diferencias
Como se puede observar en el grafico la serie parece presentar las características

típicas de una serie estacionaria de una media de largo plazo y varianza
constante, esto se debe a las características de la serie (tasa de cambio), no
obstante. La serie en primeras diferencias también presenta las características de
estaciónariedad, con una mayor estabilidad de largo plazo.
En este caso se observa que la serie diferenciada presenta mejores condiciones

para ser considerada estacionaria.
75
GRAFICO Nº 14
ANÁLISIS GRAFICO TASA DE INFLACION
Fuente: Elaboración propia en base a datos estadísticos.
El análisis visual se complementa con la inspección de las funciones de

autocorrelación. Los correlogramas tienen mucha información acerca de las series
temporales ya que dan una descripción parcial del proceso. El correlograma
presenta dos medidas de autocorrelación23., la función de autocorrelación simple
(FAS) y la función de Autocorrelación parcial FAP.
23La autocorrelación es un problema que se presenta generalmente en las series temporales debido a la inercia de
estos. La mayor parte de las series temporales es economía experimentan ciclos, en los periodos de crecimiento la
variable Yt será mayor que la variable Yt-1 y viceversa en los periodos de recesión. Esto crea una correlación de la
variable consigo misma pero rezagada, por tanto, los residuos dejan de ser independientes en el tiempo. Bajo la
presencia de autocorrelacion los estimadores dejan de ser MELI(Mejor Estimador Linealmente Insesgado)
76
CUADRO Nº 8
FUNCIONES DE AUTOCORRELACION DE LA SERIE INF
Fuente: Elaboración propia en base a datos estadísticos.
La prueba del correlograma no solo sirve para analizar la autocorrelación

existente, sino que además, permite verificar la estacionariedad de una serie24, ya
que si esta presenta en los rezagos coeficientes de correlación elevados, es un
indicio para sospechar que la serie no es estacionaria. En contraste si una serie es
estacionaria, el coeficiente de autocorrelación de cualquier rezago es mayor a uno
es cero.
24 Sin embargo, esta prueba tiene la limitación de no poder distinguir entre un proceso no
estacionario de otro estacionario pero con un coeficiente autoregresivo cercano a 1, ver J.
Humerez (1999). “Un modelo Autoregresivo para la inflación en Bolivia en el periodo de la Post
estabilización”.
77
Este análisis indica que la serie en niveles presentan una caída lenta típica de las
series no estacionarias. Sin embargo, si las variables son diferenciadas estas
presentan un FAC de caída exponencial sin ningún pico importante en la gráfica
de autocorrelación. Se puede afirmar por tanto que las series son potencialmente
integradas de orden uno, para completar nuestro análisis se presentan la prueba
ADF25.
Cuando se discute estaciónariedad y no estaciónariedad de las series de tiempo

es necesario contrastar la presencia de raíz unitaria para evitar el problema de
regresión espuria26.
Los tests más frecuentemente utilizados para evaluar la presencia de una raíz
unitaria de frecuencia cero corresponden a variantes de los tests propuestos por
Dickey y Fuller (1979). En su versión más general, el test más popular
corresponde al test de Dickey y Fuller Ampliado (ADF).
El test ADF, será la principal prueba a utilizarse en la presente investigación su

uso debe tomar en cuenta, no obstante, la elección de la forma correcta del
25 Como se afirma en Enders (1995) las series que presentan raíz unitaria tiene una función de
autocorrelación caracterizada por una caída geométrica lenta en el tiempo, esto es, que la caída se
da de forma lenta; en cambio las serie estacionarias presentan una caída exponencial desde el
primer rezago ,es decir, no presentan picos significativos en las funciones de autocorrelación. Un
resumen de los resultados se presenta en los anexos.
26 Al estimar una serie no estacionaria, es muy posible encontrar resultados espurios o dudosos ya
que posiblemente se obtenga un coeficiente de ajuste “R2 alto” y un estadístico Durban Watson
“DW” pequeño, situación que caracteriza a una “regresión espuria”, Granger y Newbold (1974).
Esto puede ocurrir porque en realidad no existe una relación entre las variables y lo único que se
este captando sean sus tendencias.Para evitar el problema de regresión espuria debemos analizar
la estacionariedad de los datos 26. Existen dos formas de analizar la estacionariedad: la primera es
llamado proceso Estocástico alrededor de una tendencia. La idea básica es añadir a la regresión
una variable de tendencia “t”, por ejemplo, yt=β1+β2t+μt, y si luego de correr la regresión el termino
de error “μt” es estacionario, se dice que la serie es estacionaria en tendencia. El problema de esta
idea, es que solo se cumple si la tendencia es deterministica. En tal caso resulta más conveniente
verificar si la serie es Estacionaria o sigue un proceso de “paseo aleatorio” (Nelson Ploser, 1982)
78
modelo ADF usando la longitud optima de rezagos y los verdaderos componentes

determinísticos para el proceso generador de datos.
La apropiada longitud de rezagos óptimos se determina con el procedimiento

sugerido por Enders (1995), donde se inicia la prueba con la mayor cantidad de
rezagos posibles y se disminuye la cantidad de estos usando el test F habitual 27.
Una vez que la longitud de rezagos tentativo ha sido determinada se realizaran
pruebas de diagnóstico sobre estos28.
CUADRO Nº 9
PARA LAS SERIES EN NIVELES Y PRIMERAS DIFERENCIAS INF y DINF
Test DF Aumentado
Intercepto/ sin
INF 6 -3.108533 -3.443607
tendencia
Sin Intercepto/
DINF 6 -10.37261 -3.443635
sin tendencia
El test Dickey Fuller Ampliado (ADF) indica que la serie INF en sus periodo
mensual posee una raíz unitaria al 99% de confianza, es decir, no se rechaza la
hipótesis nula de no estacionariedad en niveles, este resultado apoya los
resultados del diagnostico visual inicial en cuanto a la no estaciónariedad de las
variables en niveles. Se concluye, por tanto, la existencia de una o más raíces
unitarias para la serie bajo análisis. El análisis de la serie en primeras diferencias
indica que las variables pueden considerarse estacionarias si las mismas se
diferencian una vez.
27Ya que se utilizan datos mensuales se inicia con dos años de rezagos (n=24)
28los tests deben mostrar que los errores no presentan ninguna evidencia de cambio estructural o
correlación serial
79
5.1.3.2 ESTIMACIÓN DEL MODELO ECONOMÉTRICO EGARCH MENSUAL
La estimación del modelo E-GARCH se basa en la metodología Box-Jenkins

optimizando la ecuación para el periodo mensual.
CUADRO Nº 10
MODELO EGARCH PARA LA RELACIÓN INFLACIÓN E INCERTIDUMBRE INFLACIONARIA MENSUAL
Ecuación Media
DICOS1 -2.623274 1.009078 -2.599675 0.0093
ρ(1) -0.189752 0.063277 -2.998743 0.0027
ρ(2) 0.374249 0.250931 1.491441 0.1358
ρ(3) -0.128773 0.048384 -2.661480 0.0078
s ρ(12) 0.609120 0.087161 6.988486 0.0000
θ(1) -0.441377 0.053079 -8.315510 0.0000
θ(2) -0.621039 0.224922 -2.761130 0.0058
θ(3) 0.336825 0.176624 1.907021 0.0565
s θ(3) -0.594427 0.090051 -6.601037 0.0000
Ecuación Varianza
βo 0.090131 0.019568 4.606045 0.0000
Φ1 -0.212440 0.058849 -3.609922 0.0003
Φ2 0.172617 0.062155 2.777196 0.0055
γ 0.430094 0.040367 10.65451 0.0000
β1 0.564562 0.102327 5.517217 0.0000
β2 0.384169 0.097009 3.960152 0.0001
ω -0.000387 8.26E-05 -4.687142 0.0000
ψ3 0.004034 0.001908 2.115002 0.0344
R-squared 0.26
Test ARCH P-0.061336
Jarque-Bera P-0.3361
80
5.1.3.2.1 EVALUACIÓN DEL MODELO EGARCH MENSUAL
En base a los resultados se puede realizar el siguiente análisis:
a) Bondad de Ajuste: El modelo presenta un R2 de 0.26, este ajuste puede

considerase bueno. La bondad de ajuste es lo suficientemente alta, es decir, el
modelo puede considerase aceptable para el análisis de sus parámetros.
b) Significatividad de los parámetros: La significatividad de los parámetros

medido por el estadístico z indica que los parámetros son relevantes para el
modelo a un 95%.
c) Test de autocorrelación: La prueba rechaza la existencia de correlación, es

decir, que no existe correlación serial en la serie.
d) test de heterocedasticidad: La prueba ARCH rechaza el problema de

heterocedasticidad.
5.2 EVIDENCIA DEL IMPACTO DE LA INFLACIÓN Y LA INCERTIDUMBRE

INFLACIONARIA EN EL CRECIMIENTO ECONÓMICO
En el desarrollo del marco teórico se señalo que la inflación y la incertidumbre

inflacionaria establecen potenciales perjuicios en el crecimiento económico, en
esta sección presentaremos un modelo adicional para comprobar tal afirmación.
5.2.1 PLANTEAMIENTO DEL MODELO GARCH-M
La expresión X en la ecuación 1, representa las variables exógenas o variables

predeterminadas que son incluidas en la ecuación media de la familia de modelos
ARCH.
(1) 𝑃𝐼𝐵𝑡 = ∑ 𝛽𝑗 𝑋𝑗 + 𝜀𝑡
𝑗∈𝐽
81
(2) 𝜀𝑡 ~(0, 𝜎𝑡2 )
(3) (𝜎𝑡 2 ) = 𝛽𝑜 + 𝜗1 𝜀𝑡−1 2 + β(𝜎𝑡−1

2 )
En este caso si incluimos la varianza condicional o desviación estándar dentro de

la ecuación de la media, se desarrolla un modelo GARCH in MEAN (GACH-M).
(4) 𝑃𝐼𝐵𝑡 = ∑ 𝜃𝑗 𝑋𝑗 + 𝛾𝜎𝑡𝑡 + 𝜀𝑡

𝑗∈𝐽
El modelo ARCH-M es a menudo utilizado en teorías económicas donde la

expectativa (incertidumbre) sobre los valores futuros de una variable están
relacionados al riesgo de valor esperado. El coeficiente estimado sobre el riesgo
del valor esperado es una medida de la importancia de la incertidumbre.
Dos variantes de la especificación ARCH-M usan la desviación estándar

condicional del logaritmo de la varianza condicional en lugar de la varianza.
(4) 𝑃𝐼𝐵𝑡 = ∑ 𝜃𝑗 𝑋𝑗 + 𝛾𝜎𝑡𝑡 + 𝜀𝑡

𝑗∈𝐽
(5) 𝑃𝐼𝐵𝑡 = ∑ 𝜃𝑗 𝑋𝑗 + 𝛾𝑙𝑜𝑔 𝜎𝑡𝑡 + 𝜀𝑡

𝑗∈𝐽
En cuanto a la ecuación de la varianza esta puede ser extendida para permitir la

inclusión de variables exógenas o predeterminadas como regresores.
2 2
(6)𝜎𝑡2 = 𝛽𝑜 + ∑ 𝛽𝑗 𝜎𝑡−𝑗 + ∑ 𝜃𝑗 𝜀𝑡−𝑗 + 𝛾𝑍𝑡 + 𝜀𝑡
𝑗∈𝐽 𝑗∈𝐽
82
5.2.1.1 DESCRIPCIÓN DE LOS VARIABLES PARA LA CONSTRUCCIÓN DEL

MODELO ECONOMÉTRICO GARCH-M
Ya que uno de los objetivo de la investigación es determinar el impacto de la

incertidumbre en la inflación en la actividad económica debemos recurrir a datos
empíricos de manera de poder explicar la misma, en este contexto la primera parte
se desarrollo mediante la utilización de la serie de LIPC, el desarrollo de la
segunda parte del estudio implica la inclusión de dos variables adicionales: 1) La
tasa de crecimiento del PIB real y la varianza condicional de la ecuación media.
De las dos variables mencionadas, la econometría dinámica exige el análisis de la
serie realizada, es decir, tasa de crecimiento del PIB.
a) Tasa de Crecimiento del PIB Real (TPIB): El Producto Interno Bruto (PIB) es
el valor total de los bienes y servicios finales producidos en un año en un país. No
incluye, por tanto, a los productos producidos por las personas del país residentes
en el extranjero y sí incorpora los producidos por extranjeros residentes en el país.
Esta magnitud puede ser calculada sumando el consumo, la inversión y las
exportaciones y restando las importaciones.
En países en desarrollo el PIB se toma generalmente como la referencia más

exacta para medir el efecto de distintas políticas macroeconómicas sobre el
comportamiento de la actividad económica, no obstante el nivel de inflación
experimentada cada periodo pueden afectar los resultados, de modo que se
realiza el análisis con el PIB real el cual se calcula a precios constantes de 1990.
Los datos se trabajan en tasa de cambio debido a la necesidad de suavizar el

sendero de los datos, la fuente utilizada es la Unidad de Análisis de Políticas
Económicas UDAPE y el código a ser utilizado en la construcción econometrica es
de TPIB.
83
5.2.1.3 ANÁLISIS ESTADÍSTICOS DE LAS SERIES PARA EL MODELO
A continuación describiremos las características de la variable para el modelo

GARCH-M. Se realiza el análisis de los estadísticos descriptivos de la variable, se
determina si las serie es estacionarias o no, en base a sus características de
estaciónariedad se evalúa el tratamiento de la serie en relación al modelo a ser
construido.
a) ESTADÍSTICOS DESCRIPTIVOS DE LAS SERIES
La primera aproximación a las características de la variable se realiza mediante el

estudio de sus estadísticos descriptivos. El cuadro Nº 11 resume los estadísticos
de la variable.
CUADRO Nº 11
ESTADÍSTICOS DESCRIPTIVO DE LAS VARIABLES EN NIVELES TIB
Periodo Post Crisis

Rango de Tiempo Completo Periodo Pre Crisis Económica Económica
TPIB TPIB TIB
Promedio 3.054969 2.926182 3.491820
Mediana 4.170000 4.610320 4.170000
Máximo 6.701123 6.701123 5.890000
Mínimo -4.042121 -4.042121 -2.573877
Desv. Estándar29 2.907197 3.810789 1.937672
Sesgo -1.198367 -1.026920 -1.427913
Kurtosis 3.542284 2.548293 5.231800
Jarque-Bera30 10.31562 2.948198 12.58932
P-value 0.005754 0.228985 0.001846
Suma 125.2537 46.81892 80.31185
Suma Desv.
Cuadrado 338.0719 217.8317 82.60061
Observaciones 41 16 23
84
La tasa de crecimiento del PIB real a mantenido un valor de 3.05% para los
últimos 41 años, este valor es mayor para el periodo post crisis económica y algo
menor para el periodo pre crisis económica, en este sentido al NPE parece haber
tenido un efecto positivo.
Las desviaciones estándar con menor dispersión se hallan en las series de la tasa
de crecimiento post crisis económica. La mayor dispersión se halla en la tasa de
crecimiento pres crisis económica la cual presenta un valor muy alto (el cual
puede explicarse por la caída constante experimentada los primeros años d ela
década de los 80’s).
b) PRUEBA DE ESTACIONARIEDAD PARA LAS SERIES MODELO GARCH-M
Para la correcta modelización del modelo econométrico para el impacto de las

exportaciones de gas natural en el tipo de cambio binacional Argentina-Bolivia
debe identificarse la estaciónariedad de las series de tiempo de ambas variables
para evitar problemas de regresión espuria31.
b.1) INSPECCIÓN VISUAL DE LAS SERIES
El grafico Nº 15 muestra el sendero de la serie en niveles y en primeras

diferencias. Las serie de tasa de crecimiento del PIB real presentan una tendencia
cíclica ascendente y descendente en el tiempo, en el caso del PIB real se observa
además una presencia importante de deterioro debido a la crisis de principios de
los años 80’s, el análisis grafico de estas dos variables indica que no son
31 Al estimar una serie no estacionaria, es muy posible encontrar resultados espurios o dudosos ya que posiblemente se
obtenga un coeficiente de ajuste “R2 alto” y un estadístico Durban Watson “DW” pequeño, situación que caracteriza a
una “regresión espuria”, Granger y Newbold (1974). Esto puede ocurrir porque en realidad no existe una relación entre
las variables y lo único que se este captando sean sus tendencias.Para evitar el problema de regresión espuria debemos
analizar la estacionariedad de los datos. Existen dos formas de analizar la estacionariedad: la primera es llamado
proceso Estocástico alrededor de una tendencia. La idea básica es añadir a la regresión una variable de tendencia “t”,
por ejemplo, yt=β1+β2t+μt, y si luego de correr la regresión el termino de error “μt” es estacionario, se dice que la serie es
estacionaria en tendencia. El problema de esta idea, es que solo se cumple si la tendencia es deterministica. En tal caso
resulta más conveniente verificar si la serie es Estacionaria o sigue un proceso de “paseo aleatorio” (Nelson Ploser,
1982)
85
estacionarias en niveles pudiendo ser no estacionarias o estacionarias en

tendencia.
GRAFICO Nº 15
ANÁLISIS GRAFICO: TASA DE CRECIMIENTO DEL PIB
No obstante, el análisis de la serie en diferencia indica que la misma alcanza un

mayor grado de estabilidad cuando se trabajan con la variable diferenciada, sin
embargo, el análisis grafico debe ser complementado con pruebas formales, la
primera impresión que deja estas variable es que es integrada de orden uno I(1).
El cuadro 12 presenta un resumen de las funciones de autocorrelación para las

series bajo análisis.
86
El análisis del grafico permite establecer que existe una caída lenta de la variable
en niveles, esto es, existe evidencia de una posible raíz unitaria en la serie en
niveles, en contraposición el FAC de la serie en diferencias tiene una caída lenta.
CUADRO Nº 12
FUNCIONES DE AUTOCORRELACION DE LA SERIE TPIB
i) PRUEBA DE RAÍZ UNITARIA
La comprobación del grado de integración se realiza mediante las pruebas de raíz

unitaria Dickey Fuller Ampliada (ADF) y la prueba de Philip Perron (1998), ambas
87
pruebas permiten establecer si las series presentan raíz unitaria o son

estacionarias en primer nivel.
Los resultados de las pruebas antes mencionadas se presentan en el cuadro Nº

13. Los rezagos óptimos son seleccionados mediante los criterios AIC y SBC y los
componentes determinísticos mediante el criterio de las medias.
CUADRO Nº 13
PRUEBA DE ESTACIONARIEDAD ADF PARA LAS SERIES
EN NIVELES Y PRIMERAS DIFERENCIAS TPIB
Test DF Aumentado
Intercepto/ sin
TPIB tendencia 3 -2.056641 -2.951125
Sin Intercepto/ sin
DTPIB tendencia 3 -1.951332 -2.168712
La prueba ADF permite establecer que la serie en niveles no cuentan con la

característica de estacionariedad necesaria para realizar modelos GARCH-M.
Para poder ratificar el resultado inicial se realiza la prueba Philip Perron (1998).
CUADRO Nº 14
PRUEBA DE ESTACIONARIEDADPP PARA LA SERIE
EN NIVELES Y PRIMERAS DIFERENCIAS TPIB
Test DF Aumentado
Intercepto/ sin
LIPC tendencia 3 -2.590668 -2.936942
Sin Intercepto/ sin
DLIPC tendencia 3 -8.637214 -2.938987
Ambas pruebas de estacionariedad dan como resultado la presencia de raiz

unitaria en la serie tasa de crecimiento del Producto Interno Bruto. Los hallazgos
88
indican, por tanto, que la regresión de las series puede realizarse en diferencias,
entonces al poder trabajar con variables en diferencia se precisa de efectuar un
análisis sobre el mejor modelo GARCH-M para las series bajo investigación.
5.2.1.4 ESTIMACIÓN DEL MODELO ECONOMÉTRICO GARCH-M
Los resultados del contraste de raíz unitaria apuntan a que las series utilizadas en
la investigación no son estacionarias en niveles, de este hecho se puede concluir
la existencia de un GARCH-M con variables en primeras diferencias como la mejor
alternativa para la modelización de los efectos de la inflación y la incertidumbre
inflacionaria en la actividad economica.
CUADRO Nº 15
RESULTADOS DEL MODELO DE GARCH-M
(VARIABLE DEPENDIENTE: TPIB)
Ecuación Media

C
-6.189147 4.418826 -1.400632 0.1613
Log(σ2)
3.886452 4.322132 0.899198 0.3685
β2D(LIPC(-2))
-0.068378 0.384080 -0.178031 0.8587
θ(1)
0.625486 0.206338 3.031363 0.0024
ρ(1)
-0.998379 0.474379 -2.104603 0.0353
DICOS1
1.182424 0.680610 1.737301 0.0823
Ecuación Varianza
C
2.244358 0.796413 2.818083 0.0048
φ
0.395402 0.500885 0.789406 0.4299
γ
-0.120075 0.364229 -0.329668 0.7417
R-squared 0.582178 Mean dependent var 0.032969

Adjusted R-squared 0.462800 S.D. dependent var 2.217812
S.E. of regression 1.625522 Akaike info criterion 4.129126
Sum squared resid 73.98503 Schwarz criterion 4.520971
Log likelihood -67.38883 F-statistic 4.876765

Fuente: Elaboración propia en base a datos estadísticos y e - views 4.1
89
Los modelos de GARCH-M se plantean en términos de las variaciones o tasa de

cambio de las variables, incorporando uno o más términos exógenos o realizados
que influyen en la variable dependiente.
La elaboración del modelo econométrico toma en cuenta a la variable que se

selecciono como significativas para explicar el comportamiento del crecimiento
económico real, el mismo se basa en la realización de distintos modelos
alternativos siendo mediante un proceso de general a particular que se obtiene el
modelo optimizado a ser utilizados para el análisis.
En el cuadro Nº 15 se presenta los resultados de la regresiones econométrica

optimizada, la variable dependiente es la tasa de crecimiento del Producto Interno
bruto PIB; esta variable se relaciona con la inflación medida por el logaritmo dela
diferencia del IPC y los datos a la derecha de los coeficientes son los estadísticos
z correspondientes, el procedimiento de cálculo.
5.2.1.5 DIAGNOSTICO DE LOS MODELO ECONOMETRICO GARCH-M
En base a los resultados se puede realizar el siguiente análisis:
a) Bondad de Ajuste: El modelo presenta un R2 de 49%, este ajuste puede

considerase bueno. La bondad de ajuste es lo suficientemente alta, es decir, el
modelo puede considerase aceptable para el análisis de sus parámetros.
b) Significatividad de los parámetros: En su mayor parte, las variables

resultaron significativas al menos al 90%, y en todos los casos mostraron los
signos teóricos esperados.
c) Test de autocorrelación: La prueba q rechaza la existencia de correlación

serial hasta de doceavo rezago. Se puede afirmar por tanto que los rezagos
óptimos cumplen con la condición de errores no autocorrelacionados para ambos
modelos.
90
d) test de heterocedasticidad: La prueba ARCH rechaza el problema de

heterocedasticidad; por tanto, se puede afirmar que en las perturbaciones no
existe información sistemática no explicada por las variables ya incluidas y que los
estimadores son insesgados.
e) Test de normalidad: La prueba de normalidad Jarque Bera indica que los

residuos pueden considerarse normalmente distribuidos al nivel de 95% de
confianza.
Una vez que ambos modelos econométricos han sido optimizados es posible
realizar un análisis la importancia de la inflación, la incertidumbre inflacionaria y el
crecimiento económico.
El análisis de los resultados obtenidos se desarrolla en el capítulo de

implicaciones de resultados. Se plantea además acciones a seguir en base a los
resultados generales de la investigación.
91
Capítulo VI: Implicaciones de los Resultados
CAPITULO VI
IMPLICACIONES DE LOS RESULTADOS
Una vez superado el problema de la estimación del sistema, a través de la

herramienta E-GARCH estamos en condiciones de cumplir con los objetivos
iníciales el estudio de las relaciones.
6.1 PROPOSICIÓN 1: MAYORES NIVELES DE INFLACIÓN ESTÁN ASOCIADOS A

MAYORES NIVELES DE INCERTIDUMBRE
La retroalimentación entre la inflación y la incertidumbre se analiza mediante la

significancia de los coeficientes relacionados a los valores realizados (pasados) de
la inflación en la ecuación de varianza del modelo EGARCH. En este caso La
hipótesis de Ball y Friedman (ψ >0) no es rechazada a un nivel de significancia de
1% para el tercer rezago de la inflación anual, por lo que validaríamos la hipótesis
de que en Bolivia mayores niveles de inflación están asociados con mayor
incertidumbre inflacionaria. Este resultado es de suma importancia, ya que sería
uno de los principales argumentos de la autoridad monetaria para perseguir
políticas que conduzcan a niveles bajos de inflación.
Ahora bien, se debe tener en cuenta que esta influencia se presenta con cierto
rezago, es decir, que los agentes económicos toman un tiempo antes de poder
asumir la situación de potencial incremento de la inflación antes de incrementar su
expectativa de incrementos sostenidos en la tasa de inflación. Llama la atención
que los dos primeros años antes de un proceso inflacionario no implican un
aumento general de la incertidumbre a largo plazo.
En el caso del modelo mensual la situación es similar, es decir, que mayores

niveles de inflación están asociados con mayor incertidumbre inflacionaria, en esta
caso la incertidumbre es de corto plazo debido a que una inflación alta en cierto
92
mes específico influye en la expectativa de los agentes económicos los cuales

incrementan su incertidumbre para los meses posteriores.
6.2 PROPOSICIÓN 2: NIVELES DE INCERTIDUMBRE MÁS BAJOS NO CONLLEVAN

NIVELES DE INFLACION PROMEDIO MÁS BAJOS
La importancia de la incertidumbre en la inflación promedio se analiza mediante la

significancia de los términos autoregresivos en la ecuación de media en el modelo
EGARCH calculado, en este caso lo términos seleccionados son el tercer y el
cuarto rezago.
En el modelo anual y bajo este contexto, la hipótesis de Cukierman y Metzler (θ>

0) es rechazada al 1% de significancia, por lo que niveles de incertidumbre
inflacionaria más bajos no conllevan a niveles promedio de inflación más bajos.
Esta situación puede deberse a las características de la política económica en
Bolivia donde las autoridades monetarias no cuentan con la credibilidad suficiente
como para establecer márgenes de incertidumbre afectivos y que estos se reflejen
en la inflación promedio anual.
La situación es diferente para el modelo mensual en donde existe una situación

que permite afirmar que en el corto plazo niveles de incertidumbre inflacionaria
más bajos llevan a niveles promedio de inflación más bajos, esta situación puede
explicarse por las expectativas adaptativas de los agentes económicos en el corto
plazo, en particular, la inflación mensual es mas variable lo que no permite un
mejor uso de la información por parte del agente económico de modo que las
expectativas adaptativas se ajustan mejor a su conducta de muy corto plazo.
6.3 PROPOSICIÓN 3: NO EXISTE UNA TENDENCIA CLARA EN CUANTO AL

INCREMENTO DE LA INCERTIDUMBRE INFLACIONARIA
El coeficiente asociado a la tendencia (ω) es positivo lo cual indicaría un aumento

de la incertidumbre, no obstante se debe tener en cuenta que este parámetro no
93
es estadísticamente significativo al 1%, lo cual indica que la incertidumbre

inflacionaria no ha mantenido una tendencia significativa en el largo plazo. Esto
puede ser el resultado de los aspectos sociales y económicos que no permiten
una mayor comprensión de los agentes del modelo que rige a la economía.
En el caso mensual El coeficiente asociado a la tendencia (ω) es negativo y

estadísticamente significativo al 1%, lo cual indica que la incertidumbre
inflacionaria ha tenido una tendencia decreciente en el tiempo. Esto puede ser el
resultado de las características de la inflación de los últimos 10 años, donde en la
mayor parte de los casos no ha existido una fuerte tendencia al alza mensual,
manteniendo valores de menos de 1% al año.
6.4 PROPOSICIÓN 4: NO EXISTE ASIMETRÍA EN LOS SHOCK INFLACIONARIOS
La asimetría en el efecto de la incertidumbre se plantea como una idea en la cual

se sostiene que shocks positivos de inflación presentan una mayor influencia
sobre la incertidumbre inflacionaria en relación al impacto de los shocks negativos.
El parámetro que captura la asimetría (γ) es significativo al 90% de confianza y

presenta un signo negativo, es decir, que la situación en el largo plazo es la
opuesta, por lo que shocks positivos de inflación tienen un impacto menor sobre
la incertidumbre inflacionaria que shocks negativos. Esta situación puede
explicarse por la política monetaria restrictiva aplicada a partir de 1985 con la
NPE, en este caso shock negativos en la inflación pueden percibirse como
políticas de estado lo que disminuye la incertidumbre inflacionaria.
En el modelo mensual al igual que en el modelo anual el parámetro que captura la

asimetría (γ) es significativo al 1% y con signo positivo, por lo que shocks positivos
de inflación tienen un impacto mayor sobre la incertidumbre inflacionaria que
shocks negativos de la misma magnitud.
94
6.5 PROPOSICIÓN 5: LA CRISIS ECONÓMICA ESTRUCTURAL DE MEDIADOS

DE LOS OCHENTA AFECTA LA PERCEPCIÓN DE LARGO PLAZO SOBRE
INCERTIDUMBRE
La variable DICOS capta la influencia del shock económico de mediados de los

ochenta y la importancia que el mismo tiene en la percepción de los agentes
económicos sobre incertidumbre inflacionaria. En el caso bajo análisis, se puede
concluir la existencia de un significativo efecto de quiebre estructural, es decir, la
incertidumbre inflacionaria pre crisis presenta características distintas a la
incertidumbre inflacionaria post crisis económica.Debe tenerse en cuenta que la
NPE incluyo un cambio estructural en la economía con modificaciones en el
modelo de crecimiento económico esto se vio reflejado en una política monetaria
ampliamente restrictiva, con un nuevo ente supervisor el BCB.
6.6 PROPOSICIÓN 6: LA INCERTIDUMBRE INFLACIONARIA INFLUYE DE MANERA

DIRECTA EN LA ACTIVIDAD ECONÓMICA
En lo que respecta a la segunda hipótesis, mencionada al principio del documento,

es decir, si la incertidumbre inflacionaria ha tenido un efecto persistente y
perjudicial sobre la actividad económica, se puede indicar que para el efecto se
realizo el modelo GARCH-M entre la incertidumbre inflacionaria y la tasa de
crecimiento del PIB, obteniéndose los siguientes resultados:
La inspección de los datos y el modelo GARCH-M optimizado y con un 99% de

confianza muestran una total independencia entre la incertidumbre inflacionaria y
la tasa de crecimiento del PIB anual. Dichos resultados se destacan porque la
variabilidad observada de la inflación podría haber sido pronosticada por los
agentes económicos, pero sobre todo porque es el resultado de las moderadas y
estables tasas de inflación producto de los esfuerzos por parte de las autoridades
monetarias en los últimos 28 años y el crecimiento relativamente constante en el
mismo periodo de tiempo
95
Conclusiones
CONCLUSIONES
Existe consenso en la literatura económica en que hay una correlación

positiva entre incertidumbre inflacionaria y la magnitud de la tasa de
inflación, lo cual, como lo señaló Friedman (1977), representa uno de los
costos asociados con la persistencia inflacionaria. Esto es porque tal
incertidumbre dificulta la toma de decisiones óptimas por parte de los
agentes económicos.
En la presente investigación se estima una medida de la incertidumbre

inflacionaria. Un modelo de inflación señala incertidumbre cuando los
errores de pronóstico son heteroscedásticos. Por medio de la especificación
de una ecuación EGARCH (Generalized Autoregressive Conditional
Heteroscedasticity), para la varianza del término de error de un modelo de
inflación, es posible estimar una proxy de incertidumbre inflacionaria.
La estimación simultánea del modelo de inflación y de la ecuación

EGARCH, produce un nuevo modelo de inflación en el cual los errores de
pronóstico son homocedásticos.
La evidencia empírica, para el periodo 1968-2008, apoya la hipótesis de

que para el caso de nuestro país mientras mayor es la inflación mayor es la
incertidumbre respecto a esta variable, confirmando las predicciones de
Friedman (1977).
Se identifica la no existencia de un efecto asimétrico de la inflación sobre la

incertidumbre inflacionaria. Es decir, la incertidumbre inflacionaria para el
siguiente periodo no tiende a incrementarse más cuando la inflación supera
las proyecciones que cuando la inflación es menor a la proyectada. En otras
palabras, una caída inesperada de la inflación tiene el mismo impacto sobre
la incertidumbre.
96
Conclusiones
Sin embargo, sobresale la independencia que tiene históricamente la

incertidumbre inflacionaria y la variable que mide el ritmo de actividad
económica, destacando las tasas de inflación de los últimos años, las
cuales han sido moderadas, situándose a niveles relativamente estables; si
bien la incertidumbre existente es un costo de la inflación, la autoridad
monetaria ha actuado en mitigar el mismo.
Niveles de incertidumbre inflacionaria más bajos no conllevan a niveles

promedio de inflación más bajos. Esta situación puede deberse a las
características de la política económica en Bolivia donde las autoridades
monetarias no cuentan con la credibilidad suficiente como para establecer
márgenes de incertidumbre afectivos y que estos se reflejen en la inflación
promedio anual.
Para la política monetaria este resultado es de suma importancia, por

cuanto entre los costos más relevantes asociados a la inflación se
encuentra precisamente su imperfecta predictibilidad. La incertidumbre
inflacionaria dificulta el proceso de decisión óptima por parte de
consumidores y productores, con el consiguiente efecto negativo sobre la
actividad económica. Así, las acciones de política monetaria deben
orientarse no sólo a mantener niveles bajos de inflación sino que también
estables, con el objetivo de reducir la incertidumbre inflacionaria.´
La incertidumbre inflacionaria no ha mantenido una tendencia significativa

en el largo plazo. Esto puede ser el resultado de los aspectos sociales y
económicos que no permiten una mayor comprensión de los agentes del
modelo que rige a la economía.
A la luz de los resultados obtenidos queda demostrado que la inflación se

ha asociado con la variabilidad de la incertidumbre inflacionaria, por lo que
97
Conclusiones
existe un costo potencial real de altas tasas de inflación en Bolivia, toda vez
que la inflación es la que causa la incertidumbre.
Finalmente, de conformidad a los resultados de este trabajo, se tiene una

implicación clara para la política monetaria; para reducir al mínimo las
perturbaciones causadas por la incertidumbre inflacionaria en la toma de las
decisiones económicas, la autoridad monetaria debe continuar trabajando
en mantener la estabilidad de precios.
98
Bibliografía
BIBLIOGRAFIA
Ball, L (1992) “Why does high inflation raise inflation uncertainty?”. NBER
Working Paper No 3224
Banco Central de Bolivia, (2008) “Informe de Política Monetaria - Enero

2008”
Banco Central de Bolivia, (2008) “Informe de Inflación - Octubre 2008”
Barro, R (1995) “Inflation and Economic Growth”. NBER WP
Bello, O, Gámez O (2007), “Inflación e Incertidumbre Inflacionaria en

Nicaragua: “Una aplicación usando un modelo GARCH”; CEMLA- Revista
Monetaria Volumen XXX, No.3, 2007
Evia Jose Luis, Mendez Armando (2008); “Determinantes de la Inflación en

Bolivia”; Documento de Trabajo No. 08/08. IISEC-Universidad Católica
Boliviana.
Evans, M (1991); “Discovering the link between Inflation Rates and Inflation
Uncertainty”; Journal of Money, Credit, and Banking 23.
Evans, Watchel (1993); “Inflation regimes and the sources of inflation

uncertainty”; Journal of Money, Credit and Banking Vol. 25
Fernández, V (2000); "Inflación e Incertidumbre Inflacionaria: El Caso de

Paraguay”,Banco Central del Paraguay y Universidad Católica de Asunción,
Marzo, 2000.
Friedman, M (1977); “Nobel Lecture: Inflation and Unemployment”; Journal

of Political Economy 85.
99
Bibliografía
Fischer, S. (1995) “Modern Approaches to Central Banking” NBER Working

Paper No 5064
Golob, J. E. (1994); “Does Inflation Uncertainty Increases with Inflation?”;

Federal Reserve. Bank of Kansas City Economic Review (3rd Quarter).
Grier K., Henry O., Olekalns N. (2003) “The effects of uncertainty on

Macroeconomic Performance: The importance of the Conditional
Covariance Model”. Forthcoming
Greene,W (1999); “Análisis Econométrico”; Prentice Hall.
Gujarati, D (1997); “Econometría”; McGraw-Hill.
Humala P, Tuesta V (2007); “Monetary Policy, Regime Shifts, and Inflation

Uncertainty in Peru (1949-2006)” Banco central de Reserva del Perú DT No.
2007-005
Lanteri, L (2005); “Efectos asimétricos de la incertidumbre en la inflación y

en la actividad económica real: El caso Argentino”; Banco Central de la
República Argentina
Machicado, F (2008); “Los fenómenos inflacionarios 1950 -1985: Similitudes

y diferencias”; Análisis del proceso inflacionario y sus efectos sociopolíticos-
Revista Opiniones y Análisis No.94
Magendzo, I (1997); “Inflación e Incertidumbre Inflacionaria en Chile”;

Banco Central de Chile.
Mankiw G (2005); “Macroeconomía”. Antoni Bosch Editor
Méndez, A (2008); “La inflación en Bolivia en el período 1985 – 2008”;

Análisis del proceso inflacionario y sus efectos sociopolíticos-Revista
Opiniones y Análisis No.94
100
Bibliografía
Mercado, A (2008); “Impactos sociales de la inflación”; Análisis del proceso

inflacionario y sus efectos sociopolíticos-Revista Opiniones y Análisis No.94
Okun, A (1971);”The Mirage of Steady Inflation”; Brokings Paper on

Economic Activity
Sachs J , Larraín F (1994); “Macroeconomía”. Prentice Hall
Samuelson P, (2006) “Economía”. McGraw Hill
Solera A (2002); “Inflación e incertidumbre inflacionaria: Evidencia para

Costa Rica”; Banco Central de Costa Rica. DIE-14- 2002- DI
101
Anexos
ANEXOS
1. Base de datos
obs LIPC TPIB DLIPC DTPIB
1968 1.248273 6.701123 NA NA

1969 1.162730 4.550481 -0.085543 -2.150642
1970 1.405681 4.955538 0.242951 0.405057
1971 1.191354 4.670160 -0.214327 -0.285377
1972 3.161092 5.484740 1.969738 0.814580
1973 3.548043 6.261095 0.386950 0.776355
1974 3.662334 4.896104 0.114292 -1.364991
1975 1.798838 6.194798 -1.863496 1.298694
1976 1.704262 5.746928 -0.094576 -0.447870
1977 2.347543 4.038345 0.643281 -1.708583
1978 2.601677 3.246269 0.254134 -0.792076
1979 3.816544 1.800670 1.214867 -1.445599
1980 3.175379 -4.022089 -0.641165 -5.822759
1981 3.223805 0.275616 0.048426 4.297706
1982 5.692203 -3.938738 2.468398 -4.214354
1983 5.794501 -4.042121 0.102298 -0.103383
1984 7.685810 -0.200672 1.891308 3.841450
1985 9.008288 -1.676388 1.322478 -1.475716
1986 4.189101 -2.573877 -4.819187 -0.897490
1987 2.366695 2.463480 -1.822405 5.037357
1988 3.068291 2.909505 0.701595 0.446026
1989 2.807135 3.790128 -0.261155 0.880623
1990 2.890942 4.635788 0.083807 0.845660
1991 2.675546 5.266522 -0.215396 0.630734
1992 2.347475 1.646500 -0.328072 -3.620022
1993 2.230870 4.269295 -0.116604 2.622795
1994 2.142615 4.667266 -0.088255 0.397971
1995 2.531875 4.678277 0.389259 0.011011
1996 2.073258 4.361340 -0.458616 -0.316937
1997 1.906714 4.954209 -0.166544 0.592868
1998 1.479822 5.029355 -0.426892 0.075146
1999 1.142146 0.426885 -0.337676 -4.602469
2000 1.227272 2.507811 0.085126 2.080926
2001 -0.078073 1.683799 -1.305345 -0.824012
2002 0.894415 2.485566 0.972488 0.801767
2003 1.370877 2.710000 0.476462 0.224434
2004 1.531298 4.170000 0.160421 1.460000
102
Anexos
2005 1.590972 4.040000 0.059675 -0.130000

2006 1.598411 4.630000 0.007439 0.590000
2007 2.461848 5.670000 0.863436 1.040000
2008 2.498152 5.890000 0.036304 0.220000
2. ANEXO ECONOMETRICO
I. Estadísticos Descriptivos
I.1 Base de Datos Total
IPC LIPC
Mean 279.8417 2.662830

Median 10.45983 2.347543
Maximum 8170.520 9.008288
Minimum 0.924897 -0.078073
Std. Dev. 1308.591 1.760992
Skewness 5.618432 1.825563
Kurtosis 33.99191 6.795685
Jarque-Bera 1856.558 47.38565

Probability 0.000000 0.000000
Sum 11473.51 109.1760

Sum Sq. Dev. 68496467 124.0436
Observations 41 41
I.2 Base de datos pre shock
IPC LIPC
Mean 54.14835 2.845891

Median 18.54135 2.881385
Maximum 328.4883 5.794501
Minimum 3.198653 1.162730
Std. Dev. 101.9445 1.464082
Skewness 2.203184 0.690756
Kurtosis 6.032837 2.664221
103
Anexos
Jarque-Bera 19.07611 1.347548

Probability 0.000072 0.509781
Sum 866.3735 45.53426

Sum Sq. Dev. 155890.2 32.15303
Observations 16 16
I.3 Base de datos post shock
IPC LIPC
Mean 11.27750 2.041203

Median 8.521696 2.142615
Maximum 65.96345 4.189101
Minimum 0.924897 -0.078073
Std. Dev. 13.08264 0.878314
Skewness 3.333145 -0.028375
Kurtosis 14.59006 3.754703
Jarque-Bera 171.3202 0.548931

Probability 0.000000 0.759978
Sum 259.3826 46.94766

Sum Sq. Dev. 3765.423 16.97160
Observations 23 23
II. Prueba de Raiz Unitaria para la serie LIPC
Test de Medias
Hypothesis Testing for LIPC

Sample: 1968 2008
Included observations: 41
Test of Hypothesis: Mean = 0.000000
Sample Mean = 2.662830

Sample Std. Dev. = 1.760992
Method Value Probability

t-statistic 9.682289 0.0000
104
Anexos
Test de Medias Intercepto
Hypothesis Testing for DLIPC

Sample (adjusted): 1969 2008
Included observations: 40 after adjustments


t-statistic 0.169478 0.8663
Test ADF
Null Hypothesis: LIPC has a unit root

Exogenous: Constant
Lag Length: 3 (Fixed)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -2.255440 0.1913
Test critical values: 1% level -3.621023

5% level -2.943427
10% level -2.610263
*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation
Dependent Variable: D(LIPC)
Method: Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
105
Anexos
LIPC(-1) -0.289020 0.128143 -2.255440 0.0311

D(LIPC(-1)) 0.238561 0.178268 1.338217 0.1903
D(LIPC(-2)) -0.083650 0.173236 -0.482868 0.6325
D(LIPC(-3)) 0.149304 0.173713 0.859486 0.3965
C 0.831595 0.401412 2.071676 0.0464

Durbin-Watson stat 1.821946 Prob(F-statistic) 0.153648
Test ADF en diferencias
Null Hypothesis: D(LIPC) has a unit root

Exogenous: None
t-Statistic Prob.*

5% level -1.950394
10% level -1.611202
Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LIPC,2)
D(LIPC(-1)) -1.477013 0.333250 -4.432144 0.0001

D(LIPC(-1),2) 0.578057 0.282676 2.044944 0.0492
D(LIPC(-2),2) 0.268050 0.217417 1.232884 0.2266
106
Anexos
D(LIPC(-3),2) 0.328229 0.160133 2.049720 0.0487
R-squared 0.570337 Mean dependent var -0.053706

Log likelihood -53.24459 Durbin-Watson stat 1.908244
Test PP en niveles
Null Hypothesis: LIPC has a unit root

Exogenous: Constant
Bandwidth: 0 (Newey-West using Bartlett kernel)
Adj. t-Stat Prob.*
Phillips-Perron test statistic -2.224449 0.2011

5% level -2.936942
10% level -2.606857
Residual variance (no correction) 1.172989

HAC corrected variance (Bartlett kernel) 1.172989
Phillips-Perron Test Equation

LIPC(-1) -0.221957 0.099781 -2.224449 0.0321

C 0.623195 0.318877 1.954342 0.0580

Test PP en diferencias
107
Anexos
Test PP en diferencias
Null Hypothesis: D(LIPC) has a unit root

Exogenous: None
Bandwidth: 3 (Fixed using Bartlett kernel)
Adj. t-Stat Prob.*

5% level -1.949609
10% level -1.611593
Residual variance (no correction) 1.355507

HAC corrected variance (Bartlett kernel) 1.103305
Phillips-Perron Test Equation

Dependent Variable: D(LIPC,2)
D(LIPC(-1)) -0.939199 0.161912 -5.800672 0.0000

108
Anexos
Modelo ARIMA

Convergence achieved after 25 iterations
Backcast: 1968 1971
C 0.177357 0.133844 1.325096 0.1948

DICOS1 -4.759696 0.879560 -5.411449 0.0000
AR(2) -0.023557 0.094293 -0.249829 0.8044
AR(3) -0.730888 0.081224 -8.998425 0.0000
MA(3) 0.964438 0.046958 20.53843 0.0000
MA(4) 0.027144 0.124937 0.217260 0.8294

Inverted AR Roots .45+.79i .45-.79i -.89

Inverted MA Roots .50-.86i .50+.86i -.03 -.98
MODELO EGARCH

Method: ML - ARCH (Marquardt) - Generalized error distribution (GED)
MA backcast: 1969 1972, Variance backcast: ON
LOG(GARCH) = C(7) + C(8)*ABS(RESID(-1)/@SQRT(GARCH(-1))) +
C(9)*RESID(-1)/@SQRT(GARCH(-1)) + C(10)*LOG(GARCH(-1))
+ C(11)*@TREND + C(12)*DLIPC(-1) + C(13)*DLIPC(-2) + C(14)
*DLIPC(-3) + C(15)*DLIPC(-4)
Coefficient Std. Error z-Statistic Prob.
C 0.097524 0.136260 0.715721 0.4742
109
Anexos
DICOS1 -4.929982 0.430426 -11.45373 0.0000

AR(2) 0.102534 0.091919 1.115485 0.2646
AR(3) 0.065329 0.542404 0.120443 0.9041
MA(3) -0.159471 0.425440 -0.374837 0.7078
MA(4) -0.102863 0.128075 -0.803143 0.4219
Variance Equation
C(7) -2.656859 1.214144 -2.188257 0.0287

C(8) -1.581908 0.699348 -2.261977 0.0237
C(9) -0.645389 0.572097 -1.128112 0.2593
C(10) -0.386307 0.191920 -2.012855 0.0441
C(11) 0.090410 0.029694 3.044718 0.0023
C(12) 0.109482 0.664532 0.164751 0.8691
C(13) -0.046683 0.273121 -0.170925 0.8643
C(14) 1.803714 0.344274 5.239176 0.0000
C(15) -0.615292 0.563146 -1.092597 0.2746
GED PARAMETER 72.68689 675.4810 0.107608 0.9143
R-squared 0.469000 Mean dependent var -0.018415

Inverted AR Roots .49 -.24+.27i -.24-.27i

Inverted MA Roots .68 -.12-.58i -.12+.58i -.43
Estimation Command:
=====================
ARCH(GED,EGARCH,DERIV=AN) D(LIPC) C AR(2) AR(3) MA(3) MA(4) DICOS1 @ @TREND
DLIPC(-1) DLIPC(-2) DLIPC(-3) DLIPC(-4)
Estimation Equation:
=====================
D(LIPC) = C(1) + C(2)*DICOS1 +
[AR(2)=C(3),AR(3)=C(4),MA(3)=C(5),MA(4)=C(6),BACKCAST=1973]
LOG(GARCH) = C(7) + C(8)*ABS(RESID(-1)/@SQRT(GARCH(-1))) + C(9)*RESID(-

1)/@SQRT(GARCH(-1)) + C(10)*LOG(GARCH(-1)) + C(11)*@TREND + C(12)*DLIPC(-1) +
C(13)*DLIPC(-2) + C(14)*DLIPC(-3) + C(15)*DLIPC(-4)
Substituted Coefficients:
=====================
D(LIPC) = 0.09752396127 - 4.929981757*DICOS1 +
[AR(2)=0.1025344795,AR(3)=0.06532862921,MA(3)=-0.1594707258,MA(4)=-
0.1028628298,BACKCAST=1973]
110
Anexos
LOG(GARCH) = -2.65685929 - 1.581908486*ABS(RESID(-1)/@SQRT(GARCH(-1))) -

0.6453893791*RESID(-1)/@SQRT(GARCH(-1)) - 0.3863069287*LOG(GARCH(-1)) +
0.09040954972*@TREND + 0.1094820114*DLIPC(-1) - 0.04668314697*DLIPC(-2) +
1.803714494*DLIPC(-3) - 0.6152920212*DLIPC(-4)
ARCH Test:
F-statistic 2.560536 Probability 0.061336

Obs*R-squared 8.800476 Probability 0.066285
Sample: 1973 2008

Q-statistic
probabilities
adjusted for 4 ARMA
term(s)
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
. | . | . | . | 1 -0.037 -0.037 0.0549

. |* . | . |* . | 2 0.085 0.084 0.3466
. | . | . | . | 3 0.023 0.030 0.3690
. |* . | . |* . | 4 0.074 0.070 0.6042
. | . | . | . | 5 -0.005 -0.004 0.6054 0.437
. | . | . | . | 6 -0.024 -0.037 0.6308 0.729
. | . | . | . | 7 0.009 0.004 0.6349 0.888
***| . | ***| . | 8 -0.342 -0.347 6.3413 0.175
. | . | . | . | 9 -0.017 -0.048 6.3568 0.273
.**| . | .**| . | 10 -0.235 -0.210 9.2552 0.160
. | . | . | . | 11 -0.033 -0.041 9.3163 0.231
. | . | . |* . | 12 0.041 0.137 9.4130 0.309
. | . | . |* . | 13 0.032 0.078 9.4736 0.395
. *| . | . | . | 14 -0.065 -0.030 9.7380 0.464
. | . | . | . | 15 -0.008 -0.012 9.7419 0.554
. |* . | . *| . | 16 0.078 -0.075 10.154 0.602
111
Anexos
7
Series: Standardized Residuals
6 Sample 1973 2008
Observations 36
5
Mean 0.050528
4 Median -0.144453
Maximum 1.693314
Minimum -1.694353
3
Std. Dev. 1.110434
Skewness 0.110979
2
Kurtosis 1.815843
1 Jarque-Bera 2.177239
Probability 0.336681
0
-1 0 1
II. Modelo Econometrico GARCH-M
I.1 Estadisticos Descriptivos
Sample: 1968 2008
TPIB
Mean 3.054969
Median 4.170000
Maximum 6.701123
Minimum -4.042121
Std. Dev. 2.907197
Skewness -1.198367
Kurtosis 3.542284
Jarque-Bera 10.31562
Sum 125.2537
Sum Sq. Dev. 338.0719
Observations 41
112
Anexos
Sample: 1968 1983
TPIB
Mean 2.926182
Median 4.610320
Maximum 6.701123
Minimum -4.042121
Std. Dev. 3.810789
Skewness -1.026920
Kurtosis 2.548293
Sum 46.81892
Sum Sq. Dev. 217.8317
Observations 16
TPIB
Mean 3.491820
Median 4.170000
Maximum 5.890000
Minimum -2.573877
Std. Dev. 1.937672
Skewness -1.427913
Kurtosis 5.231800
Sum 80.31185
Sum Sq. Dev. 82.60061
Observations 23
113
Anexos
Test de Medias
Hypothesis Testing for TPIB

Sample: 1968 2008


t-statistic 6.728591 0.0000
Hypothesis Testing for DTPIB

Sample Mean = -0.020278


t-statistic -0.059373 0.9530
Test ADF
Null Hypothesis: TPIB has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.951125
10% level -2.614300
114
Anexos
Null Hypothesis: D(TPIB) has a unit root

Exogenous: None
t-Statistic Prob.*

5% level -1.951332
10% level -1.610747
Test PP
Null Hypothesis: TPIB has a unit root

Exogenous: Constant
Adj. t-Stat Prob.*

5% level -2.936942
10% level -2.606857
Null Hypothesis: D(TPIB) has a unit root

Exogenous: Constant
Adj. t-Stat Prob.*

5% level -2.938987
10% level -2.607932
Dependent Variable: D(TPIB)

Method: ML - ARCH (Marquardt) - Normal distribution
115
Anexos

MA backcast: OFF, Variance backcast: OFF
GARCH = C(7) + C(8)*RESID(-1)^2 + C(9)*GARCH(-1)
LOG(GARCH) 3.886452 4.322132 0.899198 0.3685

C -6.189147 4.418826 -1.400632 0.1613
D(LIPC(-2)) -0.068378 0.384080 -0.178031 0.8587
DICOS 1.182424 0.680610 1.737301 0.0823
AR(1) 0.625486 0.206338 3.031363 0.0024
MA(1) -0.998379 0.474379 -2.104603 0.0353
Variance Equation
C 2.244358 0.796413 2.818083 0.0048

RESID(-1)^2 0.395402 0.500885 0.789406 0.4299
GARCH(-1) -0.120075 0.364229 -0.329668 0.7417

Inverted AR Roots .63

Inverted MA Roots 1.00
TEST DE DIAGNOSTICO
Date: 03/26/09 Time: 00:26

Sample: 1972 2008
Q-statistic
probabilities
adjusted for 2 ARMA
term(s)
. *| . | . *| . | 1 -0.166 -0.166 1.1053

.**| . | .**| . | 2 -0.210 -0.244 2.9238
. |* . | . |* . | 3 0.184 0.109 4.3583 0.037
116
Anexos
.**| . | ***| . | 4 -0.317 -0.345 8.7465 0.013

. | . | . | . | 5 0.023 -0.019 8.7697 0.033
. |* . | . | . | 6 0.197 0.028 10.570 0.032
. | . | . |* . | 7 0.020 0.167 10.590 0.060
. *| . | .**| . | 8 -0.133 -0.199 11.475 0.075
. | . | . | . | 9 -0.012 -0.028 11.483 0.119
. | . | . | . | 10 0.031 0.001 11.534 0.173
. | . | . |* . | 11 -0.028 0.080 11.577 0.238
. |* . | . | . | 12 0.151 0.064 12.895 0.230
ARCH Test:
F-statistic 0.504088 Probability 0.482551

Obs*R-squared 0.525942 Probability 0.468318
Test Equation:
Dependent Variable: STD_RESID^2
C 1.167083 0.331533 3.520261 0.0012

STD_RESID^2(-1) -0.120882 0.170259 -0.709991 0.4826

Adjusted R-squared -0.014373 S.D. dependent var 1.668472
117
Anexos
Modelo Mensual
INF DINF
Mean 3.573237 -0.000366
Median 0.623045 0.062695
Maximum 182.7721 114.0117
Minimum -2.547326 -157.8314
Std. Dev. 12.63907 10.79128
Skewness 8.046616 -4.150281
Kurtosis 93.08923 122.9075
Jarque-Bera 171339.8 295555.5
Probability 0.000000 0.000000
Sum 1754.459 -0.179756
Sum Sq. Dev. 78275.55 57061.32
Observations 491 491
Mean 4.457522 0.296920

Median 0.793126 0.075308
Maximum 62.97067 41.83161
Minimum -2.332813 -42.95053
Std. Dev. 10.03735 7.497525
Skewness 3.632256 0.087157
Kurtosis 18.21265 15.21235
Jarque-Bera 2403.841 1261.746
Probability 0.000000 0.000000
Sum 904.8769 60.27479
Sum Sq. Dev. 20351.18 11355.00
INF DINF
Mean 0.752066 -0.118304
Median 0.540972 0.049091
Maximum 7.951394 3.896328
Minimum -2.547326 -25.01211
Std. Dev. 1.032577 1.921649
Skewness 2.421840 -8.181793
Kurtosis 14.34594 104.8862
Jarque-Bera 1743.862 122014.8
Probability 0.000000 0.000000
Sum 206.8181 -32.53350
Sum Sq. Dev. 292.1428 1011.809
118
Anexos
Función de Auto correlación
Date: 04/13/09 Time: 11:36

Sample: 1968M01 2008M12
.|***** | .|***** | 1 0.635 0.635 199.78 0.000

.|**** | .|* | 2 0.487 0.139 317.30 0.000
.|*** | .|* | 3 0.437 0.141 412.20 0.000
.|**** | .|*** | 4 0.561 0.368 568.86 0.000
.|**** | .|* | 5 0.543 0.104 715.97 0.000
.|**** | .|* | 6 0.505 0.094 843.29 0.000
.|*** | .|* | 7 0.459 0.075 948.81 0.000
.|*** | *|. | 8 0.362 -0.163 1014.5 0.000
.|*** | .|* | 9 0.392 0.077 1091.7 0.000
.|*** | .|. | 10 0.387 -0.018 1167.2 0.000
.|** | *|. | 11 0.309 -0.182 1215.4 0.000
.|** | .|. | 12 0.245 -0.014 1245.8 0.000
.|** | .|. | 13 0.232 -0.049 1273.1 0.000
.|** | .|. | 14 0.274 0.048 1311.2 0.000
.|** | .|* | 15 0.257 0.067 1344.8 0.000
.|** | .|. | 16 0.228 0.001 1371.3 0.000
.|* | .|. | 17 0.194 0.064 1390.6 0.000
.|* | .|. | 18 0.173 0.014 1405.9 0.000
.|* | *|. | 19 0.146 -0.081 1416.8 0.000
.|* | .|. | 20 0.134 -0.010 1426.1 0.000
.|* | .|. | 21 0.145 0.004 1436.9 0.000
.|* | *|. | 22 0.115 -0.058 1443.7 0.000
.|* | .|. | 23 0.094 -0.006 1448.3 0.000
.|* | .|. | 24 0.089 -0.007 1452.4 0.000
119
Anexos
Hypothesis Testing for INF

Sample: 1968M01 2008M12


t-statistic 6.266356 0.0000
Hypothesis Testing for DINF

Date: 04/13/09 Time: 11:45
Sample (adjusted): 1968M02 2008M12
Sample Mean = -0.000366


t-statistic -0.000752 0.9994
Null Hypothesis: INF has a unit root

Exogenous: Constant
t-Statistic Prob.*

5% level -2.867279
10% level -2.569889
Null Hypothesis: D(INF) has a unit root

Exogenous: Constant
t-Statistic Prob.*
120
Anexos

5% level -2.867292
10% level -2.569896
Modelo ARIMA
Dependent Variable: D(INF)

Date: 04/13/09 Time: 13:28
Backcast: 1968M02 1969M04
AR(1) -0.040847 0.170755 -0.239216 0.8110

AR(2) -0.111519 0.161941 -0.688642 0.4914
AR(3) -0.375565 0.074033 -5.072966 0.0000
SAR(12) 0.095091 0.370211 0.256856 0.7974
MA(1) -0.551544 0.179340 -3.075402 0.0022
MA(2) -0.097734 0.233696 -0.418212 0.6760
MA(3) 0.165523 0.142348 1.162809 0.2455
SMA(12) -0.216635 0.363357 -0.596203 0.5513

Inverted AR Roots .82 .71+.41i .71-.41i .41-.71i

.41+.71i .32+.67i .32-.67i .00-.82i
-.00+.82i -.41+.71i -.41-.71i -.68
-.71+.41i -.71-.41i -.82
Inverted MA Roots .88 .76+.44i .76-.44i .50-.33i
.50+.33i .44-.76i .44+.76i .00+.88i
.00-.88i -.44+.76i -.44-.76i -.46
-.76+.44i -.76-.44i -.88
121
Anexos
E-GARCH
Dependent Variable: D(INF)

Method: ML - ARCH (Marquardt) - Student's t distribution
Date: 04/14/09 Time: 00:04
MA backcast: 1968M02 1969M04, Variance backcast: ON
t-distribution degree of freedom parameter fixed at 10
LOG(GARCH) = C(10) + C(11)*ABS(RESID(-1)/@SQRT(GARCH(-1)))
+ C(12)*ABS(RESID(-2)/@SQRT(GARCH(-2))) + C(13)*RESID(
-1)/@SQRT(GARCH(-1)) + C(14)*LOG(GARCH(-1)) + C(15)
*LOG(GARCH(-2)) + C(16)*INF(-3) + C(17)*@TREND
DICOS -2.623274 1.009078 -2.599675 0.0093

AR(1) -0.189752 0.063277 -2.998743 0.0027
AR(2) 0.374249 0.250931 1.491441 0.1358
AR(3) -0.128773 0.048384 -2.661480 0.0078
SAR(12) 0.609120 0.087161 6.988486 0.0000
MA(1) -0.441377 0.053079 -8.315510 0.0000
MA(2) -0.621039 0.224922 -2.761130 0.0058
MA(3) 0.336825 0.176624 1.907021 0.0565
SMA(12) -0.594427 0.090051 -6.601037 0.0000
Variance Equation
C(10) 0.090131 0.019568 4.606045 0.0000

C(11) -0.212440 0.058849 -3.609922 0.0003
C(12) 0.172617 0.062155 2.777196 0.0055
C(13) 0.430094 0.040367 10.65451 0.0000
C(14) 0.564562 0.102327 5.517217 0.0000
C(15) 0.384169 0.097009 3.960152 0.0001
C(16) 0.004034 0.001908 2.115002 0.0344
C(17) -0.000387 8.26E-05 -4.687142 0.0000

Inverted AR Roots .96 .83+.48i .83-.48i .48-.83i

.48+.83i .32-.23i .32+.23i .00+.96i
122
Anexos
-.00-.96i -.48+.83i -.48-.83i -.83

-.83-.48i -.83+.48i -.96
Inverted MA Roots .96 .83-.48i .83+.48i .63-.12i
.63+.12i .48-.83i .48+.83i .00+.96i
-.00-.96i -.48+.83i -.48-.83i -.82
-.83-.48i -.83+.48i -.96
123

Tesis Inflacion e Incertidumbre (Final)

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Tesis Inflacion e Incertidumbre (Final)

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDAD CATOLICA BOLIVIANA “SAN PABLO”

FACULTAD DE CIENCIAS ECONÓMICAS Y FINANCIERAS

INFLACIÓN E INCERTIDUMBRE INFLACIONARIA Y SUS

Ibelisse Fabiola Torrico Gonzales

Tesis para la obtención del grado académico de:

INFLACIÓN E INCERTIDUMBRE INFLACIONARIA Y SUS EFECTOS EN LA

MARCO METODOLOGICO Y DE PROCEDIMIENTO .................................................................................. 3

1.1 Antecedentes ........................................................................................................................................... 3

1.2 PROBLEMÁTICA ..................................................................................................................................... 5

1.3 JUSTIFICACIÓN DEL TRABAJO ............................................................................................................ 5

1.3.1 JUSTIFICACIÓN TEÓRICA .................................................................................................................. 5

1.3.2 JUSTIFICACIÓN SOCIAL .................................................................................................................... 6

1.3.3 JUSTIFICACIÓN ACADÉMICA ............................................................................................................ 6

1.4 OBJETIVO GENERAL ............................................................................................................................. 6

1.4.1 OBJETIVOS SECUNDARIOS ............................................................................................................... 7

1.5 HIPÓTESIS .............................................................................................................................................. 7

1.6 DISEÑO METODOLÓGICO ..................................................................................................................... 8

1.6.1 ÁREA DE INVESTIGACIÓN ................................................................................................................. 8

4.1.2 NIVEL DE INVESTIGACIÓN ................................................................................................................. 8

4.1.3 TIPO DE INVESTIGACIÓN ................................................................................................................... 8

MARCO TEORICO Y CONCEPTUAL.......................................................................................................... 10

2.1 CONCEPTUALIZACIÓN DE INFLACIÓN .............................................................................................. 10

2.2 TIPOS DE INFLACIÓN .......................................................................................................................... 11

2.3 ENFOQUES TEÓRICOS SOBRE LA GENERACIÓN DE INFLACIÓN ................................................ 13

2.3.1 TEORÍA CUANTITATIVA O INFLACIÓN DE DEMANDA ................................................................... 14

2.3.2 TEORÍAS DE INFLACIÓN POR EL LADO DE LA OFERTA............................................................... 16

2.3.2 .1 MODELOS BASADOS EN LA CURVA DE PHILLIPS .................................................................... 21

2.3.3 TEORÍAS MIXTAS DE INFLACION .................................................................................................... 23

2.4 LOS MECANISMOS DE FORMACIÓN DE EXPECTATIVAS SOBRE INFLACIÓN .............................. 25

2.5 LA INCERTIDUMBRE INFLACIONARIA ............................................................................................... 27

2.5.1 EFECTOS ECONÓMICOS DE LA INFLACIÓN Y LA INCERTIDUMBRE INFLACIONARIA .............. 28

2.5.2 EFECTOS DE LA INCERTIDUMBRE INFLACIONARIA EN EL CRECIMIENTO ECONOMICO ........ 31

CAPITULO III ............................................................................................................................................... 35

METODOLOGÍA PARA EL CÁLCULO DE LA INCERTIDUMBRE INFLACIONARIA .................................. 35

3.1 MEDICIÓN DE INCERTIDUMBRE ........................................................................................................ 35

3.2 MÉTODO DE ENCUESTAS .................................................................................................................. 35

3.3 MODELOS PREDICTIVOS .................................................................................................................... 36

3.3.1 Modelos GARCH................................................................................................................................. 38

3.3.2 MODELOS TARCH (THRESHOLD ARCH ......................................................................................... 39

3.3.3 MODELOS EGARCH .......................................................................................................................... 39

3.4 INCERTIDUMBRE INFLACIONARIA Y CRECIMIENTO ECONÓMICO ................................................ 42

ANÁLISIS DESCRIPTIVO DE LA INFLACIÓN EN BOLIVIA ....................................................................... 44

4.1 POLÍTICA MONETARIA ........................................................................................................................ 44

4.1.1 BANCO CENTRAL.............................................................................................................................. 46

4.2 HECHOS ESTILIZADOS SOBRE INFLACIÓN ...................................................................................... 46

MARCO PRACTICO .................................................................................................................................... 52

5.1.1 Características de la Relación Inflación e Incertidumbre Inflacionaria ................................................ 52

5.1.2 METODOLOGÍA PARA ESTIMAR INCERTIDUMBRE INFLACIONARIA........................................... 55

5.1.3 EVALUACIÓN CUANTITATIVO DE LA INFORMACIÓN .................................................................... 57

5.1.3.1 PROCESAMIENTO DE LA INFORMACIÓN ................................................................................... 57

5.1.3.2 DESCRIPCIÓN DE LOS VARIABLES PARA LA CONSTRUCCIÓN DEL MODELO

5.1.3.2.2 ESTIMACIÓN DEL MODELO ECONOMÉTRICO EGARCH ANUAL ........................................... 68

5.1.3.2.3 EVALUACIÓN DEL MODELO EGARCH ANUAL ......................................................................... 71

5.1.3.2 ESTIMACIÓN DEL MODELO ECONOMÉTRICO EGARCH MENSUAL ......................................... 80

5.1.3.2.1 EVALUACIÓN DEL MODELO EGARCH MENSUAL .................................................................... 81

5.2 EVIDENCIA DEL IMPACTO DE LA INFLACIÓN Y LA INCERTIDUMBRE INFLACIONARIA EN EL

5.2.1 PLANTEAMIENTO DEL MODELO GARCH-M .................................................................................. 81

5.2.1.1 DESCRIPCIÓN DE LOS VARIABLES PARA LA CONSTRUCCIÓN DEL MODELO

5.2.1.3 ANÁLISIS ESTADÍSTICOS DE LAS SERIES PARA EL MODELO ................................................. 84

5.2.1.4 ESTIMACIÓN DEL MODELO ECONOMÉTRICO GARCH-M.......................................................... 89

5.2.1.5 DIAGNOSTICO DE LOS MODELO ECONOMETRICO GARCH-M................................................. 90

IMPLICACIONES DE LOS RESULTADOS.................................................................................................. 92

6.1 PROPOSICIÓN 1: MAYORES NIVELES DE INFLACIÓN ESTÁN ASOCIADOS A MAYORES NIVELES