Repositorio Institucional de Documentos

2015 3 Jon Frías Mendi Análisis predictivo del diferencial de tipos de interés repo-OIS en España y la Eurozona durante el periodo 2008-13 Departamento Director/es Contabilidad y Finanzas Ferruz Agudo, Luis Director/es Tesis Doctoral Autor Repositorio de la Universidad de Zaragoza – Zaguan http://zaguan.unizar.es UNIVERSIDAD DE ZARAGOZA Departamento Director/es Jon Frías Mendi ANÁLISIS PREDICTIVO DEL DIFERENCIAL DE TIPOS DE INTERÉS REPO-OIS EN ESPAÑA Y LA EUROZONA DURANTE EL PERIODO 2008-13 Director/es Contabilidad y Finanzas Ferruz Agudo, Luis Tesis Doctoral Autor 2014 Repositorio de la Universidad de Zaragoza – Zaguan http://zaguan.unizar.es UNIVERSIDAD DE ZARAGOZA Departamento Director/es Director/es Tesis Doctoral Autor Repositorio de la Universidad de Zaragoza – Zaguan http://zaguan.unizar.es UNIVERSIDAD DE ZARAGOZA UNIVERSIDAD DE ZARAGOZA Departamento de Contabilidad y Finanzas ! ! ! ! ! Análisis predictivo del diferencial de tipos de interés repo-OIS en España y la Eurozona durante el periodo 2008-13 ! ! ! ! Memoria presentada para optar al grado de Doctor en Contabilidad y Finanzas ! ! Doctorando: Jon Frías Mendi Director: Dr. Luis Ferruz Agudo ! II ! III ! IV ! V ! VI ! 1 Introducción La presente Tesis Doctoral con el título “Análisis predictivo del diferencial de tipos de interés repo-OIS en España y la Eurozona durante el periodo 2008-13”, ha sido desarrollada en el contexto del Programa de Doctorado en Contabilidad y Finanzas de la Universidad de Zaragoza. El primer objetivo del presente trabajo de investigación ha sido analizar el grado de afectación de distintas variables económicas y de los mercados financieros dentro de la Eurozona sobre la evolución del diferencial de tipos de interés repo-OIS en España y la Eurozona. Será necesaria una revisión de la literatura financiera relacionada con la evolución de este diferencial, representativo del coste de la toma de fondos con garantía en los mercados de capitales. Asimismo, se analizarán los estudios sobre otros tipos de interés y diferenciales del mercado monetario, tanto en Europa como en otras áreas del mundo, lo que permitirá contextualizar el presente trabajo y el diferencial de tipos de interés de estudio. Una vez definidas las variables que intervendrán en los futuros modelos predictivos, se procederá al estudio de series temporales de las mismas, definiendo su orden de integración, lo que determinará en última instancia su intervención en los modelos. Ante la no cotización en los mercados examinados de determinadas variables cuyo uso es extendido en trabajos sobre los mercados financieros en otras áreas económicas, se procederá a la creación sintética de las mismas, a partir de datos cotizados del mercado español y europeo. Presentados los modelos de predicción para el diferencial repo-OIS en cada área económica estudiada, se procederá a la validación de los mismos mediante una serie amplia de contrastes econométricos. Los resultados de estos contrastes determinarán o no la validez de los modelos presentados, así como la fiabilidad de sus estimaciones. El siguiente paso, una vez validados los modelos, será la realización de predicciones del diferencial repo-OIS en España y la Eurozona. Se decide asumir en el presente trabajo un periodo de análisis para la generación de los modelos que irá de enero de 2009 a diciembre de 2012, en tanto en cuanto este periodo será capaz de abarcar los momentos más significativos de la crisis de deuda en Europa de los últimos años. La valoración del poder predictivo de los modelos se llevará a cabo mediante la realización de estimaciones sobre los ejercicios 2008 y 2013. De este modo, se ! 2 comprobará la efectividad de las predicciones sobre un ejercicio convulso en los mercados financieros, 2008, y sobre un año de relativa calma y recuperación como 2013. Se identificarán, para ambas áreas económicas, qué variables han afectado en la evolución de los costes de financiación en cada una de ellas, lo que permitirá obtener valiosas conclusiones sobre la crisis de deuda en Europa y las medidas de política monetaria tomadas. Con el objeto de seguir un orden lógico en la exposición de la investigación, se ha dividido la presente Tesis Doctoral en cuatro capítulos. En el primero de ellos se aproxima el funcionamiento de los mercados de operaciones repo y su relación con los mercados monetarios. Se abordará en este capítulo la definición de conceptos claves para el correcto seguimiento del estudio en capítulos posteriores. Asimismo, se identificará la relación de los tipos repo con los tipos OIS y se analizará el diferencial repo-OIS mediante un enfoque de acercamiento basado en el aprovechamiento de las oportunidades de arbitraje. Se llevará a cabo de forma adicional un estudio de liquidez de las operaciones del mercado repo español y europeo, que ayudará a determinar aquellos plazos de mayor liquidez, y que servirá para seleccionar qué tipología de operatoria repo contribuirá los tipos de interés para la realización del estudio. El segundo capítulo se centrará en la metodología utilizada para la obtención de las bases de datos de las variables del estudio, tanto para el modelo español como para el europeo. Se tratará igualmente la creación de variables sintéticas que, dada su no cotización en los mercados estudiados, se hará necesaria para la realización del estudio. Será en este capítulo donde se realizará la especificación econométrica de cada variable candidata a participar en los modelos de predicción, lo que permitirá definir de forma correcta su inclusión en los modelos. El tercer y cuarto capítulo tratarán la creación, validación y realización de predicciones de los modelos econométricos presentados para la economía de España y la Eurozona. Estos modelos están destinados a explicar el grado de afectación de distintas variables sobre los costes de financiación dentro de la Eurozona y España, tratando encontrar las fuerzas de mercado que han influido en la evolución del diferencial de estudio en ambas economías. Las conclusiones de la presente investigación expondrán qué factores han estado detrás de la evolución del diferencia repo-OIS en las dos áreas analizadas, centrándose en qué dirección han afectado al mismo en cada una de ellas. Adicionalmente se presentarán una serie de resultados auxiliares obtenidos del desarrollo del estudio, y que abrirán sin duda nuevas puertas a futuros estudios de investigación. ! 3 Capítulo 1 Los mercados monetarios y de operaciones repo. Aproximación al estudio del diferencial repo-OIS y análisis de su evolución en España y la Eurozona El presente capítulo tiene carácter introductorio, siendo su principal objetivo la aproximación de los conceptos más significativos que serán utilizados a lo largo de esta Tesis Doctoral. En la primera parte, Capítulo 1.1, se acercará el funcionamiento de las operaciones repo y de los mercados en que operan este tipo de productos financieros. El Capítulo 1.2 tratará las distintas variables que se utilizarán a lo largo de la investigación, definiéndolas para lograr una mayor comprensión de su importancia en los futuros modelos predictivos. Posteriormente, en el Capítulo 1.3 se explicará el diferencial de estudio, tipo repo-OIS, desde varias perspectivas. Por un lado, acercará la literatura relacionada con este y otros diferenciales del mercado monetario, mostrando las distintas aproximaciones al mismo desde la literatura financiera. En este sentido se tratarán aquellos factores de riesgo y liquidez que pudieran afectar en la evolución de este diferencial. Igualmente se analizará el diferencial de análisis desde la perspectiva del resultado de una estrategia de arbitraje en los mercados monetarios y de deuda. Finalmente, la última parte del presente capítulo, tratará la evolución del diferencial de tipos repo-OIS en las economías de España y la Eurozona. Para ello se llevará a cabo un estudio en la evolución del mismo seguido de un análisis de liquidez para ambos mercados, lo que ayudará a seleccionar la operatoria más negociada en cada mercado y que intervendrá posteriormente en los modelos de predicción. ! 4 1.1. El mercado de operaciones repo. Características principales, funcionamiento y definiciones básicas Las denominadas operaciones repo han constituido tradicionalmente uno de los instrumentos clave para la implementación de la política monetaria en el Eurosistema, actuando asimismo como una de las más importantes fuentes de financiación para las entidades financieras dentro de este área económica. Ha sido habitual su utilización por parte de bancos, compañías de seguros y fondos de inversión para la canalización de sus picos de tesorería, constituyéndose como un canal atractivo para el intercambio de capitales. El otorgamiento de activos como garantía por parte del agente receptor de financiación incrementará la seguridad de la parte prestadora, reduciendo su riesgo de contraparte y permitiéndole a este ofrecer tipos de interés más competitivos por la financiación. Una operación repo, o repurchase agreement, es definida por la Asociación Internacional del Mercado de Capitales, ICMA1 por sus siglas en inglés, como una operación financiera entre dos partes en la que una se compromete a la venta de un activo al inicio de la operación y a un precio, acordando la recompra de dicho activo en una fecha futura y a otro precio2. En caso de que el vendedor y receptor de financiación incurriese en un evento de impago, el comprador de repo y nuevo propietario del activo podría vender el activo a una tercera parte mitigando así las perdidas. Es por esta razón que el activo actúa como colateral mitigando el riesgo de crédito entre vendedor y comprador. Aunque legalmente una operación repo consiste en una venta y posterior compra de un activo, el hecho de pactar una recompra implicará que la parte receptora de las garantías tendrá un uso limitado de esos activos, acotado de forma temporal por el vencimiento de la operación repo. Por ello este tipo de operaciones es entendida en muchas ocasiones como un préstamo colateralizado, o préstamo con garantías. En él la parte prestadora de fondos y a la vez receptora de garantías (comprador de repo) financiará a un tipo de interés o tipo repo a la parte receptora de financiación y que a su vez estará otorgando activos como garantía (vendedor de repo). La diferencia entre el precio de venta inicial y de recompra final, en términos de tipos de interés es conocido como tipo repo, y no será otra cosa que la remuneración del préstamo colateralizado. Habitualmente este tipo de interés es positivo, aunque determinadas circunstancias en los mercados como fuertes incrementos en la demanda de los activos que actúan como colateral, podrán hacer que sea muy próximo a cero o incluso se vuelva negativo. Existe una diferenciación el la tipología referida a las operaciones dobles del mercado repo y que diferencia en la terminología anglosajona entre operación repo y sell-buy back, !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 1 International Capital Market Association (ICMA) 2 La parte vendedora en una operación repo se comprometerá al final de la operación a la recompra de un activo equivalente al cedido inicialmente, aunque no tendrá que ser necesariamente el mismo activo. Esto se debe a que el comprador de repo podría vender los activos una vez recibidos como garantía para luego recomprarlos antes del final de la operación repo. ! 5 equivalente a la denominación de operación repo y operación simultanea en el mercado español. Según estimaciones de ICMA (2013), en mercados como el de EEUU, Reino Unido, Francia, Bélgica, Holanda o Suiza predominará la negociación de operaciones repo, mientras en otros mercados como España, Italia y algunos países emergentes predomina la negociación de operaciones de tipo simultanea. Una operación simultanea es un tipo de operación doble que implicará, al igual que una operación repo, la venta de un activo en un momento inicial y su posterior compra en un momento futuro. El comprador de simultanea se convierte en propietario de los activos recibidos como colateral y podrá disponer de ellos libremente pues no tendrá obligación de devolver exactamente los mismos títulos al final de la operación. La operación repo pura ,sin embargo, implicará la no plena disponibilidad de los títulos recibidos como garantía por parte del comprador. Esta limitación afecta al hecho de que el comprador de repo no podrá vender los activos recibidos en garantía, ni cederlos en otra operación repo si esta última tiene mayor vencimiento que la operación original por la que se recibieron estos activos3. En la práctica sin embargo la denominación de operación, mercado y tipo repo se ha vuelto habitual para referirse tanto al mercado de operaciones repo como al mercado de operaciones simultaneas. Siguiendo esta pauta ya extendida tanto en la literatura económica como en los mercados, la presente Tesis Doctoral tratará y denominará a las operaciones dobles y a sus tipos de interés como operaciones repo y tipo repo, aún cuando como se verá en el Capítulo 2.1.1 los tipos utilizados para el estudio del mercado español serán referidos a tipos de operaciones simultaneas. Desde el punto de vista de la tipología de los participantes en estos mercados, se encuentran habitualmente como agentes vendedores los intermediarios en los mercados de bonos y los inversores con elevado grado de apalancamiento en sus posiciones y que acuden a este mercado para la obtención de liquidez. Como tradicionales compradores se encuentran los inversores con excesos de liquidez así como aquellos inversores con elevada aversión al riesgo, que buscan la inversión de sus fondos de forma más segura. Desde el inicio de la crisis el mercado repo ha atraído, además de a bancos comerciales, a instituciones como fondos de inversión soberanos, fondos de pensiones y compañías de seguros. El grado de afectación de la operatoria repo en los mercados financieros ha crecido asimismo enormemente durante los últimos años, en tanto en cuanto para los prestadores de fondos significa la recepción de una garantía que reduce significativamente el riesgo de crédito del prestatario. El riesgo de crédito no desaparece ya que este seguirá presente en el riesgo del emisor del activo recibido como garantía. Sin embargo este tipo de operatoria permite diversificar dicho riesgo mediante la búsqueda de activos como garantía de emisores con riesgo de crédito no correlacionados con el grado de riesgo del prestario. Este hecho sin embargo es en ocasiones difícil de alcanzar, pues las entidades pertenecientes al sistema financiero de un determinado país suelen utilizar como activos de garantía bonos de riesgo soberano del mismo país. Adicionalmente este tipo de operatoria mitigará para el comprador de repo su riesgo de liquidez, ya que podrá vender o ceder en repo esos activos recibidos como garantía para conseguir nuevos fondos y esquivar posibles tensiones puntuales de liquidez. En el caso de los vendedores de repo receptores de financiación, la !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 3 Fuente: Tesoro Público (www.tesoro.es) ! 6 otorgación o cesión de una garantía reducirá el coste de la financiación frente a otros mercados sin otorgamiento de garantías. La mitigación del riesgo de crédito ha convertido a este tipo de operaciones en el principal medio de los Bancos Centrales para la conducción de sus actuaciones de política monetaria. De este modo estos consiguen incrementar la liquidez en el sistema con un menor riesgo implícito en cada operación para el Banco Central. Asimismo cabe señalar como la operatoria repo no solo facilita la toma de posiciones largas y cortas en determinados activos, sino que permite también la cobertura de posiciones ya abiertas así como la creación de posiciones de tipo arbitrajista, jugando un papel fundamental como piedra angular para el buen funcionamiento de los mercados financieros. Además de proveer una fuente eficiente de financiación, los mercados de operaciones repo proporcionan por tanto un refugio seguro para los excesos de liquidez de los agentes del mercado. Adicionalmente, su importancia queda reflejada en la ampliación del rango de participantes en el mercado monetario que permite, mitigando el riesgo de crédito y permitiendo acceso de determinados agentes a la obtención de fondos con plazos de vencimiento elevados. En los referentes a la cobertura de posiciones abiertas, este mercado permite la cobertura de posiciones tomadas en los mercados primarios de deuda, promoviendo de este modo la adquisición de deuda pública en estos mercados. De este modo una posición compradora en una determinada emisión de deuda pública podría ser cubierta con la toma de posición vendedora en repo4. Del mismo la toma de una posición corta mediante la entrega de títulos de deuda puede ser cubierta mediante la obtención de títulos cedidos en el mercado de repo. Es por esto, que las emisiones de deuda pública, sin este mercado proveedor de coberturas, implicaría más riesgos para los compradores y elevaría inevitablemente los costes de emisión para los emisores. Al igual que en los mercados primarios, la operatoria repo juega un papel fundamental en el funcionamiento de los mercados secundarios de deuda, permitiendo fijar precios de compra y venta de forma continua para los inversores y asegurando niveles de liquidez suficientes en estos mercados. De este modo, aunque los creadores de mercado mantienen posiciones en cartera de determinados activos, podrán atender fácilmente la demanda de activos fuera de su cartera. En este caso podrían acudir al mercado secundario para comprar dichos activos, aunque habitualmente será el mercado repo el que les mostrará la posibilidad o no de obtención de ese activo y de poder venderlo aún no poseyéndolo en cartera. La alternativa a este mercado sería el mantenimiento de largos inventarios de activos por parte de los creadores de mercado, lo que elevaría los costes de estas transacciones. La mejora en la liquidez en los mercados primarios y secundarios de deuda fomentada por el incremento en la negociación y el arbitraje en estos mercados, permitirá mejorar el balance entre oferta y demanda de estos activos y facilitar su correcta valoración. Esto permitirá la creación de curvas de descuento de tipos de interés más suavizadas, esenciales para la valoración apropiada de los activos financieros, mejorando la valoración y distribución de capitales en los mercados financieros. La capacidad para tomar prestados determinados activos prevendrá además situaciones de restricción en el acceso a los mismos (squeezes). Estas restricciones provocan habitualmente fallos en la liquidación y en el funcionamiento de los mercados, animando la volatilidad en los tipos de interés asociados y creando distorsiones en las curvas de descuento. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 4 Esta posición podría cubrirse también mediante otros medios, ya sea mediante la venta de un activo similar, o mediante un posición vendedora en el mercado de futuros de deuda pública. ! 7 Respecto a los mercados internacionales de operaciones repo, existen marcadas diferencias en el funcionamiento de estos diferenciando entre distintas zonas económicas del mundo. El comportamiento de estos mercados en Estados Unidos y Europa presenta por ejemplo una diferente evolución fundamentada principalmente en las diferencias estructurales existentes entre los mismos. Respecto al rango de colaterales, aunque este suele ser amplio y difiere según el mercado analizado, la utilización de bonos soberanos como garantía está extendida en todo el mundo, siendo el mercado repo con garantía de activos privados un mercado de mucha menor liquidez (ICMA 2014). Estos activos incluirán bonos corporativos, acciones de renta variable, cestas de acciones que replican índices de renta variable, titulizaciones hipotecarias, titulizaciones de activos, pagarés bancarios y, desde el inicio de la crisis, el oro (ICMA, 2013). Los repo sobre activos no soberanos reciben la denominación anglosajona de credit repo, y su casi siempre mayor riesgo respecto al riesgo soberano provocará la aplicación de un haircut o margen inicial sobre su precio de mercado, lo que implicará menores flujos de liquidez otorgados y recibidos5. Desde el inicio de la crisis en 2007 esta situación ha cambiado y se ha vuelto habitual la aplicación de haircuts y márgenes iniciales sobre operaciones repo con colateral soberano. En lo relativo a los plazos de vencimiento de este tipo de operatoria, el informe de ICMA (2013) señala como en el mercado de EEUU la práctica totalidad de la operatoria repo es de vencimiento a un día, mientras en Europa los vencimientos son más heterogéneos y se han amplían más en el tiempo. Hördahl y King (2008) observaban como en Europa las operaciones repo con vencimiento no superior un mes constituyen dos tercios del total de la operatoria negociada, en contraposición con otros mercados como el de Reino Unido, donde dos tercios del volumen negociado se refiere a operatoria intradía y únicamente un cinco por ciento de la operatoria presenta vencimientos superiores a un mes. El colateral negociado en estas operaciones ha jugado un papel importante en la diferente evolución que han seguido los mercados de EEUU y Europa desde el inicio de la crisis. Mientras el mercado europeo se centraba en operaciones con colateral de máxima calidad crediticia, casi siempre bonos de riesgo soberano, el mercado estadounidense negociaba un amplio abanico de activos de diferente riesgo y naturaleza. Ante la agravación de la crisis en 2008, el mercado de Estados Unidos empezó a rechazar la aceptación de activos como colateral que no fueran de máxima calidad crediticia. Este hecho unido al aumento de la demanda sobre estos últimos6, provocó ya desde el tercer trimestre de 2008 una caída abrupta en el tipo repo de máxima calidad junto con una huída de participantes del mercado repo de colateral de menor calidad. Hördahl y King (2008) achacaban a la combinación de tres factores las tensiones que experimento el mercado repo de EEUU a diferencia al principio de la crisis. De este modo citan la escasez de títulos, el aumento en la demanda de los mismos y reticencia de los agentes a prestar estos títulos mediante operaciones repo como origen de esas tensiones. En Europa sin embargo, la menor diversificación en el colateral hizo que su mercado repo no se viera afectado en un primer momento por un brusco cambio de tendencia en la preferencia por uno u otro tipo de activos. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 5 Por haircut debe entenderse aquel porcentaje de descuento que se aplica sobre el valor de mercado del activo entregado como garantía. Esta minoración en el valor del activo entregado, provocará que el agente receptor de financiación obtendrá una cantidad en efectivo inferior al 100% del valor de mercado del activo cedido. 6 El incremento de la demanda de estos activos vino principalmente de su utilización como activo refugio y para la cobertura de posiciones cortas que habían llegado a vencimiento ! 8 Gorton y Metrick (2012) apuntan en la misma línea como cuando se desató la crisis en 2007, los compradores de operaciones repo en EEUU exigieron una mayor calidad en los activos recibidos como garantía, además de un incremento en los márgenes iniciales y haircuts. Estos autores señalan como algunos bancos estadounidenses trataron entonces de responder a esta situación aumentando su capital mediante la emisión de activos, siendo esta iniciativa insuficiente por la brusca caída en los precios de los activos inmobiliarios y su fuerte afectación sobre los balances. La venta masiva del subyacente que actuaba de colateral, en muchos casos titulizaciones de activos y activos inmobiliarios, acentuó la caída en precios de estos activos que, junto al aumento de los márgenes iniciales, creó una espiral de caída en precios difícil de contener. Esto provocó para agosto de 2007, un cese en la operatoria de repo para una gran cantidad de colaterales en ese mercado. Estos autores señalan a la fuga masiva de capitales en el mercado repo como el principal detonante del pánico financiero desatado en 2007-08, reduciendo la importancia de la fuga en los mercados de depósitos que había sido hasta entonces el tradicional detonante de las crisis anteriores. En este sentido, otros estudios como el de Giannone et al. (2011) constatan como tras el colapso del banco de inversión Lehman Brothers, tradicionales canales de transmisión de distorsiones en anteriores crisis financieras como los componentes del agregado monetario M1 o los préstamos a corto plazo a empresas no financieras siguieron un patrón de comportamiento acordes a la economía de precrisis. Estos autores constataban igualmente de este modo las características diferenciales de esta crisis frente a crisis anteriores. En Europa mientras tanto las tensiones no afloraron en el mercado de operaciones repo hasta la segunda mitad de 2008, dando lugar a un tensionamiento en la rentabilidad exigida por los agentes financiadores a medida que la crisis avanzaba. Este hecho tuvo su reflejo en el incremento relativo de los tipos repo frente a otras referencias, soportado por un incremento en la aversión al riesgo, una creciente preferencia por la liquidez y por una cada vez mayor incertidumbre sobre el precio del colateral. Es asimismo destacable como las diferentes formas de afrontar los inicios de la crisis por parte de los bancos centrales de ambos países afectaron a la evolución de sus mercados. El Banco Central Europeo (BCE) aceptó desde un principio en sus operaciones de financiación un gran rango de colateral, superior al de otros bancos centrales. Como constata González-Páramo (2012), ya desde antes de la crisis el BCE aceptaba un mayor abanico de colateral que la Reserva Federal estadounidense (Fed) o el Banco de Inglaterra. Tras el inicio de la crisis, se amplió aún más la variedad de activos aceptados como garantía lo que ayudó a reducir las tensiones en la liquidez del sistema financiero europeo. Entre otras actuaciones importantes por parte de la Institución Europea cabe destacar la creación del Euro GC Pooling, que logró incrementar el volumen negociado en el mercado de operaciones repo, evitando las tensiones en la demanda que se habían dado en el mercado estadounidense. Este sistema permitía la contratación de operaciones repo vía Cámara Central de Contrapartida (CCP en sus siglas en inglés) habilitando un sistema transfronterizo de gestión del colateral que permitía la reutilización de determinados colaterales cediéndolos al BCE y aumentando significativamente el volumen de operaciones repo negociadas. La CCP presentaba dos funciones fundamentales: i) Una vez acordada una operación repo entre dos partes, la Cámara se situaba de intermediaria actuando como contrapartida para ambas, siendo parte ! 9 compradora para el vendedor de repo, y parte vendedora frente al comprador del repo7. ii) La Cámara realizaba el neteo en las entregas de activos entre diferentes operaciones de repo y diferentes contrapartidas que liquidasen el mismo activo en la misma fecha. De este modo, la CCP reducía la exposición al riesgo de contrapartida a la vez que aplicaba una rigurosa gestión del riesgo que beneficiaba la solvencia de todo el sistema. Adicionalmente, y gracias al neteo en las operaciones, aumentaba la eficiencia del mercado y conseguía reducir el tamaño de las hojas de balance de las contrapartidas afectadas. Durante la crisis de 2007, las CCP consiguieron mantener activo el mercado repo en Europa en algunas economías periféricas donde se habían detectado ya restricciones. En Europa las principales cámaras de compensación de mercado repo son LCH-Clearnet Ltd. (Reino Unido), LCH-Clearnet S.A. (Francia), Eurex Clearing (Alemania), CC&G (Italia), y MEFF (España). La diferencia en la naturaleza y definición del repo con colateral de máxima calidad en Europa y en EEUU, conocido como general collateral repo o GC repo, es también un factor clave a la hora de definir la diferente evolución que han seguido ambos mercados. Mientras en EEUU el colateral de máxima calidad es referido a una cesta homogénea de activos del Tesoro Americano, en el caso Europeo esta cesta es mucho más heterogénea y en su elaboración intervienen los bonos soberanos de hasta quince países europeos8. El GC Repo Europeo, también conocido como Eurepo y publicado por la Federación Bancaria Europea (FBE) y el European Repo Council9, es calculado a partir de tipos de operaciones repo negociadas en la Eurozona y fue publicado por primera vez en marzo de 2002. Diariamente cada uno de los miembros de un panel formado por trece entidades financieras10, informan sobre un tipo de interés, redondeado a tres decimales, al que estiman le prestarían a otro banco de igual calidad en operación repo, con una cesta de bonos soberanos como garantía. Los bancos del panel deberán informar sus datos a Thomson Reuters no más tarde de las 10:45 am. (CET) cada día del calendario denominado TARGET, y tendrán hasta las 11:00 am. (CET) para subsanar posibles errores. A esa hora Thomson Reuters procederá al cálculo del tipo Eurepo o GC repo, eliminando el 15% de datos mayores y menores y procediendo a realizar una media de los tipos restantes que redondeará a dos decimales. Los precios son de tipo contado, con base Act./360 redondeados a tres decimales, y toman valor a los dos días de publicación. El general collateral es el rango de activos aceptados como colateral en el mercado repo por la mayoría de intermediarios y que deberán presentar un precio muy similar. Por ello los !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 7 La CCP estará calificada crediticiamente como AAA ya que tendrá colateralizadas todas sus posiciones abiertas, ofreciendo un atractivo bajo riesgo de contrapartida en estas operaciones. 8 El colateral del GC repo estará compuesto por una cesta de bonos soberanos de los siguientes países europeos: Austria, Bélgica, Chipre, Finlandia, Francia, Alemania, Grecia, Irlanda, Italia, Luxemburgo, Malta, Holanda, Portugal, Eslovenia y España. 9 La FBE es el órgano representativo de alrededor de 5.000 bancos en Europa, mientras ERC es un consejo regional integrado en el International Repo Council (IRC), grupo de interés creado por ICMA para miembros activos del mercado internacional de operaciones repo. 10 Entidades financieras de la Eurozona: Belfius (Bélgica); Commerzbank, DZ Bank, Unicredit AG (Alemania); National Bank of Greece (Grecia); Banca Monte dei Paschi di Siena, Intesa San Paolo (Italia); Caixa Geral de Depósitos (Portugal); BBVA, Banco Santander, Cecabank (España). Entidades financieras de fuera de la Eurozona: Nomura y Morgan Stanley ! 10 miembros del mercado estarían indiferentes entre la selección de uno u otro activo de la cesta por lo que el precio de la financiación debería variar por las variaciones en la oferta y demanda de efectivo, más allá de alteraciones de demanda en los activos de la cesta. Sin embargo la crisis financiera iniciada en 2007 y la posterior crisis de deuda en Europa han llegado a fragmentar el mercado repo de riesgo soberano en la Eurozona, provocando diferencias entre tipos repo por las diferentes contrapartidas y el tipo de colateral. La elevada heterogeneidad en el riesgo de crédito de los emisores de cada colateral de la cesta de elegibles ha provocado finalmente que las cotizaciones se realicen teniendo en cuenta la entrega de aquellos activos de mayor calidad de la cesta11. La consecuencia ha sido un retroceso en la integración del mercado repo en la Eurozona y el nacimiento de mercados nacionales de general collateral, aunque el GC Repo en la Eurozona ha seguido siendo una referencia sobre todo a plazos cortos donde se minimiza el riesgo de crédito. El GC Repo FBE sigue siendo por tanto una buena referencia y aproximación al repo de mayor calidad en el conjunto de la Eurozona. En 2005 fue considerado por el entonces presidente del BCE, Jean Claude Trichet, como un éxito de la integración de los mercados de financiación europeos, del que se rescatan a continuación sus palabras: "The growing repo market is still somewhat less integrated than the unsecured segment which is fully integrated, but integration progresses. The creation of the Eurepo index - the benchmark for secured money market transactions in the euro area - three years ago was an important market initiative for promoting the repo market’s integration. Anecdotal evidence collected via market survey from counterparties active in the repo market suggests that the share of euro area cross-border transactions increased further to around 30% in December 2004." Jean Claude Trichett NY, 19 de abril de 2005 1.2. Aproximación a las variables intervinientes en los modelos de predicción del diferencial repo-OIS. Definiciones básicas Se procede durante el presente capítulo a la definición de las variables de mercado que intervendrán en los futuros modelos predictivos de esta Tesis Doctoral. La definición adecuada de estas variables permitirá en primer lugar, sentar las bases conceptuales para el correcto desarrollo y seguimiento de esta investigación, además de constituir una pieza clave para la correcta interpretación de los resultados de los modelos de estimación expuestos. Se tratarán tanto variables comunes a ambas áreas geográficas, como variables exclusivas de cada una de ellas. Igualmente se aproximarán los instrumentos de política monetaria del Eurosistema, en tanto en cuanto estos jugarán un importante papel a la hora de definir la evolución del diferencial de estudio repo-OIS. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 11 Este hecho es observable en las cotizaciones contribuidas en Reuters (EUREPOPANEL) en el que bancos con riesgo tan heterogéneo como el National Bank of Greece y el Commerzbank cotizan tipos de interés muy similares, asumiéndose la entrega del colateral de máxima calidad de la cesta. ! 17 1.3. El diferencial repo-OIS y otros diferenciales de tipos de interés del mercado monetario 1.3.1. Análisis de condicionantes del diferencial repo- OIS y revisión de la literatura relacionada El estudio de los distintos diferenciales de tipos de interés ha sido ampliamente seguido por analistas, académicos y operadores del mercado, en cuanto en tanto son indicadores fiables de la determinación de los costes de financiación dentro de una economía. El presente estudio se centra en la evolución del diferencial entre el tipo de interés de operaciones repo y el tipo del OIS, por tratarse este de una referencia adecuada para la valoración del coste de la financiación de fondos con otorgamiento de garantías. Los contratos de OIS son considerados tradicionalmente como productos cercanos al libre de riesgo, y el haberse visto escasamente afectados por el incremento del riesgo de crédito y la escasez de liquidez desde 2007, ha hecho de ellos una buena referencia para medir el riesgo de crédito de contrapartida. Hördahl y King (2008) analizan la evolución del diferencial repo-OIS en las economías de Estados Unidos, Europa y Reino Unido, observando como en cada una de ellas este sigue un camino particular y diferenciado del resto de economías del análisis. Otros estudios han tratado de analizar los elementos externos que han afectado al desarrollo del diferencial. Rai (2013) estudia los efectos sobre el repo-OIS de las medidas tomadas por la Reserva Federal entre 2007 y 2009, representando el efecto sobre los spreads de crédito mediante el diferencial Repo 1 mes – OIS 1 mes como indicador del coste de los fondos garantizados. Además del diferencial repo-OIS como medida del riesgo de toma de fondos con garantía, existen otros diferenciales de tipos de interés ampliamente utilizados en los mercados monetarios como serían el Libor-OIS y el Euribor-OIS, representativos ambos de los costes de financiación en mercados interbancarios no garantizados. Heider et al. (2009) analizan el mercado monetario europeo mediante el diferencial Euribor-OIS del euro con vencimiento a tres meses, comparándolo con el estadounidense Libor-OIS al mismo plazo, y observando como la crisis de 2007-08 no afectó de forma tan importante a la economía europea como a estadounidense. Estos autores constatan la caída pronunciada en la actividad de varios segmentos del mercado interbancario americano, como el de préstamos no garantizados (unsecured), el de préstamos garantizados (secured) y el de operaciones repo con colateral de baja calidad crediticia. Refiriéndose al mercado europeo, observan a raíz de la crisis en 2007, un tensionamiento en el tipo Eurepo o GC repo europeo frente a los tipos de operaciones repo sin colateral gubernamental, mostrando la importancia como tipo benchmark de esta referencia. Para el caso de Estados Unidos, Gorton y Metrick (2012) encuentran una alta correlación entre los movimientos en el diferencial Libor-OIS y el comportamiento de los diferenciales de crédito y los tipos repo, además de observar como dicho diferencial actúa como una aproximación de los miedos sobre la solvencia del sistema bancario. Taylor (2009, 2011) ! 18 analizó el efecto de las medidas política monetaria de la Fed, y más en concreto de su programa TARP, troubled asset relief program, dirigido a la prevenir los impagos en los activos del sistema bancario estadounidense, sobre la evolución del diferencial Libor-OIS en esa economía. Este autor no encontrará evidencia de que dichas medidas fueran efectivas y consiguieran relajar las tensiones en los costes de financiación. Otros autores sí defenderán la importancia de estas medidas de política monetaria y su éxito en conseguir relajar las tensiones en el diferencial Libor-OIS. Mc Andrews et al. (2008) defendían en este sentido la importancia de las políticas monetarias, centrando su análisis en como el programa TAF, term auction facility, en EEUU afectó positivamente en la rebaja de tensiones sobre el tipo Libor. Finalmente Taylor y Williams (2009) constatan la alta correlación entre el Libor-OIS y el Libor-Repo, diferencial este que tratan como medida del riesgo de contraparte, evidenciando las relaciones existentes entre los tipos del mercado monetario y de repo. La aproximación a los condicionantes que han guiado este y otros diferenciales del mercado monetario, ha sido amplia en la literatura económica, centrándose en muchos de ellos en variables relativas al riesgo y la liquidez. Ejemplos de la utilización y diferenciación de estos dos factores son Fong et al. (2010) que encuentran una correlación positiva entre las desviaciones positivas en el arbitraje de la paridad de interés cubierta, la falta de liquidez del mercado y las diferencias de riesgo de crédito entre los bancos de los países analizados22. Sarkar (2009) muestra también como, tanto las estrecheces en la liquidez como el aumento en el riesgo de crédito de las contrapartidas, fueron determinantes en las distintas etapas de la crisis de 2007-09. Para este autor, las políticas de la Fed que primaron el estímulo de la liquidez en las primeras etapas de la crisis alcanzaron cierta efectividad, aunque perdieron su influencia una vez el riesgo de crédito paso a ser el factor predominante en el mercado. En contra de la separación entre riesgo y liquidez se encuentran autores como Goodhart y Huang (1999) que asumen que ni siquiera los bancos centrales, especialmente en decisiones de intervención rápida, son capaces de distinguir entre bancos insolventes y bancos solventes con problemas de liquidez, rechazando por esta razón una diferenciación entre los dos factores. En este sentido Rai (2013) señala como el programa de compra de activos problemáticos en Estados Unidos, TARP, no diferenciaba entre ambos factores, teniendo como objetivo tanto la reducción tanto del riesgo de crédito como del riesgo de liquidez. En este sentido señala como la implementación de políticas monetarias no convencionales lograron reducir los diferenciales de crédito EEUU, aunque pronto perdieron su efectividad por la contradicción con sus políticas de tipo convencional. Otros autores sí observan una mayor importancia de una de estas dos variables frente a la otra. Brunnermeier (2009) enfatiza el papel de la escasez de liquidez como uno de los factores clave que agravaron la crisis en 2007-08, aunque no lo desvincula del riesgo de contrapartida. Para este autor, la preocupación sobre el acceso futuro a los mercados de capitales, junto con el miedo a que el elevado riesgo de contrapartida iniciara una espiral de cancelación de posiciones, estuvieron detrás de la acumulación de capital de los bancos estadounidenses en ese periodo. Pedersen (2009) enfatiza la importancia del riesgo de liquidez y la necesidad de incorporarlo a los modelos de precios, mientras en sentido contrario, Taylor y Williams (2009) verán en el riesgo de contrapartida el componente fundamental que explica el tensionamiento de los tipos interbancarios. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 22 Por arbitraje de paridad de interés cubierta se entenderá la obtención de una estructura de inversión mediante la toma de financiación en mercado repo y la cobertura de tipo de interés mediante la compra de OIS; y su posterior préstamo también en repo y en otra divisa diferente junto con la venta de OIS en esa segunda divisa. ! 19 El estudio de Drehmann y Nikolaou (2010) relaciona la liquidez de fondos específicos con la liquidez de mercado. Estos autores señalan como en un mercado con fuertes fricciones de liquidez, los bancos podrían optar por incrementar la venta de sus activos, hecho que provocaría una caída del precio de los mismos. Esto empujaría al sistema bancario a la aplicación de mayores márgenes a la hora de prestar sus fondos, restringiendo así la liquidez de fondos en el sistema. Pedersen (2009), Brunnermeier (2009) y Brunnermeier y Pedersen (2009) también remarcan la importancia de la liquidez en la generación de espirales negativas de precios cuando interactúan con la escasez de fondos en el mercado. La relación de no linealidad entre liquidez de mercado y liquidez de fondos es analizada empíricamente por Valente (2010), que solo encuentra correlación positiva de ambas variables ante grandes movimientos en la liquidez de mercado. 1.3.2. Aproximación al diferencial repo-OIS como retorno de la inversión La presente Tesis Doctoral acerca un análisis novedoso del diferencial repo-OIS a través de la presentación de una estrategia inversora en la que el resultado monetario resultante será igual diferencial de estudio. En capítulos posteriores se analizarán los factores que han guiado el diferencial repo-OIS en uno u otro sentido, y aquellos que han apoyado su mantenimiento positivo o negativo de forma continuada a lo largo del tiempo23. La determinación de los factores que podrán influir en este diferencial será un importante punto de apoyo para la posterior generación de los modelos predictivos. Entre estos, destacan los factores de riesgo y liquidez, que han tratado de explicar tradicionalmente el no aprovechamiento de estas oportunidades de beneficio, incluyendo cada uno de ellos diferentes variables que determinarán la importancia de cada factor en el modelo. La estrategia de inversión propuesta parte del posicionamiento de un agente inversor como tomador de financiación a un día y que a su vez acudirá como agente otorgador de financiación, con los fondos obtenidos, al el mercado repo a más largo plazo. La utilización de los fondos obtenidos a corto plazo, obligará al agente a renovar diariamente la obtención de financiación diaria hasta el vencimiento de la estructura. Esto lo conseguirá mediante una renovación del préstamo con la misma contrapartida, o a través de la obtención de fondos de un tercero con los que devolverá el préstamo recibido. Asimismo, el agente arbitrajista tomará un posición compradora en el mercado de OIS por la que pagará un tipo fijo, tipo OIS, y recibirá el tipo variable a un día en el mercado europeo, Eonia. De este modo los flujos de pago derivados de la financiación a un día, y que en media pueden suponerse a tipo Eonia, quedarán compensados por los flujos de cobro diario del OIS. Una vez compensados los flujos variables, quedarán únicamente un flujo fijo de cobro, tipo repo a más largo plazo, y otro de pago, tipo fijo del OIS o tipo OIS. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 23 Mancini Griffoli y Ranaldo (2011) ejecutan una metodología similar, explicando mediante una estrategia de arbitraje, el funcionamiento del mercado monetario y de divisas. ! 20 De este modo, el arbitrajista tomará financiación diaria a un tipo € rt...T A que se compensará con los cobros derivados de su posición compradora en OIS. Esta posición le obligará de igual modo a realizar un pago de tipo fijo € rt...T OIS , que determinará los resultados de la estrategia al confrontarse con el tipo € rt...T B al que prestará los fondos. El resultado queda definido como sigue, donde [1] define la estructura de posiciones inicial, y [2] presenta los flujos finales donde el resultado es el diferencial repo-OIS. La operatoria completa de esta estructura de inversión puede observarse gráficamente en la Figura 1.3.2.a. [1] [2] Figura 1.3.2.a: Arbitraje en el mercado monetario y de operaciones repo El tipo de estrategia expuesto implica varios supuestos. Por un lado se asume que el agente arbitrajista será capaz de renovar su posición de toma de financiación diariamente, ya sea en el mercado de repo a un día o en el mercado interbancario de depósitos. Por otro lado, se asume que el tipo de interés que pagará por esos fondos obtenidos diariamente será, y para el caso del mercado europeo, igual a Eonia. Este segundo requisito no es en ningún modo restrictivo, ya que en la estructura presentada el agente acudirá al mercado de repo a un día a obtener financiación, siendo este tipo tradicionalmente más bajo que el tipo € zt=(1+rt...T B)−(1+rt...T A)+(1+rt...T A)−(1+rt...T OIS ) € zt=(1+rt...T B)−(1+rt...T OIS ) ! 21 Eonia24. De forma prudencial y previendo posibles tensionamientos en el tipo repo a un día, se asumirá la obtención de financiación a niveles del tipo Eonia. La realización de esta estructura será posible sin la implicación de fondos propios por parte del arbitrajista, ya que los fondos necesarios para tomar la posición prestadora serán obtenidos en el mercado a un día. Por ello, el agente deberá acudir diariamente a mercado a obtener financiación y poder así devolver los fondos obtenidos el día inmediatamente anterior. Igualmente no será necesaria la tenencia en cartera de activos para ser entregados como colateral, ya que estos se recibirán como garantía y durante un mayor periodo de tiempo mediante la posición compradora en repo a más largo plazo. La utilización de estructuras de arbitraje para la explicación de las fuerzas que inciden en el mercado no es nuevo en la literatura económica y financiera. Mancini Griffoli y Ranaldo (2011), entre otros, utilizan esta metodología para explicar el funcionamiento de los mercados de divisas, mediante el arbitraje de la paridad de interés cubierta. Se ha realizado tradicionalmente una distinción en la operatoria por arbitraje entre arbitraje sin garantía y arbitraje garantizado, utilizada por primera vez por Brunnermeier y Pedersen (2009) y más tarde por Mancini Griffoli y Ranaldo (2011). A diferencia de estos autores, el arbitraje analizado en esta aproximación metodológica considera únicamente préstamos garantizados, ajustándolo a la realidad de un mercado que cada vez exige mayores garantías para el préstamo de fondos. Se analiza por tanto un arbitraje asegurado que puede ser llevado a cabo, ya no solo por hedge funds, habituales ejecutores de estas posiciones garantizadas, sino también por mesas de tesorería de instituciones financieras. Estas se verán por su parte obligadas a dar y recibir colaterales en garantía por la reducida confianza existente entre los agentes. Los plazos de las operaciones se reducen asimismo acordes con esta coyuntura, por lo que el análisis de las estructuras de ganancias por arbitraje se centrará en productos garantizados a corto plazo, cubriéndose el riesgo de interés de la posición tomadora mediante posiciones en OIS. 1.3.3. Determinación de las variables del modelo relativas a los condicionantes de riesgo y liquidez Se explorarán en el presente capítulo, entre los factores relativos al riesgo y la liquidez, las posibles causas específicas que podrían afectar a la evolución del diferencial de estudio repo-OIS. Se trata de aislar de este modo las dos posibles causas que pueden afectar a esta operatoria, y que definirán las variables de mercado intervinientes en los modelos. Se toma para ello apoyo, en la estructura de inversión definida en el capítulo anterior. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 24 Comparando datos de la Eurozona entre enero de 2007 y junio 2013, el repo a un día (repo tom-next FBE) se mantuvo el 71,3% de las ocasiones por debajo del tipo Eonia, mientras en un 25,3% de los casos fue superior. En un 3,4% de los datos coincidieron (Fuente: Thomson-Reuters). ! 22 En primer lugar, se define para los modelos de predicción el riesgo de contraparte, enfatizado por Taylor y Williams (2009) como causa principal de tensionamiento en los tipos interbancarios frente a los excesos en la demanda de liquidez. Heider et al. (2009) enfatizan el riesgo de crédito de contrapartida para explicar la caída de actividad del mercado interbancario europeo durante el periodo 2007-09, que alcanzó tanto al mercado de depósitos no garantizados, como al mercado de operaciones repo con colateral no libre de riesgo. Este riesgo se refiere específicamente a la posibilidad de que una contrapartida incumpla sus obligaciones de pago, refiriéndose esta posibilidad tanto al mercado repo como al de OIS. Se ha tratado de minimizar este riesgo asumiendo plazos reducidos de vencimiento para las operaciones, aunque no es posible eliminarlo completamente. Este riesgo se ha visto contenido, desde el inicio de la crisis en 2007-08, por el incremento en la exigencia de garantías por parte de las contrapartidas, tanto en operaciones de derivados financieros como en operaciones repo25. En el caso de operaciones de repo, las garantías extraordinarias vienen habitualmente reflejadas en los contratos de Global Master Repurchase Agreement (GMRA) y European Master Agreement (EMA). El contrato de GMRA consiste en un acuerdo legal entre las partes intervinientes en una operación repo, y fue publicado por ICMA por primera vez en 1992. Posteriormente ha experimentado sucesivas modificaciones tratando de incorporar los conocimientos adquiridos de la experiencia de acontecimientos económicos ocurridos. De este modo se actualizó en 1995 incorporando conclusiones de la crisis del banco Baring Brothers, y posteriormente en 2000 para hacer lo propio con la crisis rusa y asiática de 1998. La última modificación fue publicada en 2011 y trató de englobar otros contratos, como el Global Markets Securities Lending Agreement (GMSLA) y el ISDA Master Agreement. En el caso de las operaciones repo, la firma de estas garantías adicionales permite a ambas partes de la operación reducir significativamente el riesgo de insolvencia de la contrapartida. Esta cobertura se conseguirá mediante la actualización periódica del valor de mercado de los títulos entregados como colateral, compensándose monetariamente los movimientos en la valoración de los activos. Es habitual asimismo, con el fin de incrementar las garantías, el uso de márgenes y haircuts al inicio de la operación, mediante los cuales el nominal de los títulos cedidos es desde el principio superior al efectivo prestado26. Haircuts y márgenes son utilizados para ajustar el riesgo de crédito y liquidez del activo entregado como garantía. Estos representarán la pérdida potencial de valor del activo derivada de la alta volatilidad del precio del activo, y del hipotético coste de liquidar el colateral ante un evento de crédito del emisor. La firma de estos contratos consigue reducir el riesgo de contrapartida, pero no lo anula. Se podría dar el caso de que confluya un evento de crédito del agente vendedor de repo y del emisor del bono utilizado como colateral. Esta situación es factible teniendo en cuenta que el activo que actúa sobre colateral es, en un porcentaje elevado de los casos, activos de deuda soberana. De este modo, un hipotético evento de impago del país es más que probable que arrastrase a la misma situación a su sistema financiero. Es por esto, que a !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 25 En el caso de operaciones con derivados financieros, estas garantías extraordinarias han venido incluidas en los contratos de Credit Support Anex (CSA), o en su caso en el Anexo III del Contrato Marco de Operaciones Financieras (CMOF) para operaciones entre contrapartidas del mercado español. 26 Por haircut debe entenderse a la diferencia entre el valor de mercado de un activo y el efectivo pagado por el comprador de repo al principio de la operación, y es expresado como el porcentaje de deducción sobre el valor del activo. Por margen inicial se entiende el valor de mercado del activo sobre el efectivo pagado por el comprador de repo.! ! 23 pesar de la existencia de estos contratos, el factor riesgo juega un papel importante a la hora de restringir la operatoria de las entidades financieras de determinados países. En el caso de la posición en OIS, el riesgo de crédito se referirá a la posibilidad de impago de la contraparte en el instrumento derivado. Los OIS son instrumentos derivados que no implican un intercambio de nominales, por lo que el posible impago afectaría únicamente a los flujos monetarios pendientes de cobro. Este riesgo se ha visto igualmente minorado por la expansión de los contratos de garantías sobre derivados financieros. Mediante estos contratos, un aumento (disminución) en la valoración del instrumento derivado implicará un cobro (pago) que compense esa variación en el valor. De este modo, una situación de impago de la contraparte en la posición de OIS, junto con una valoración positiva del producto para el arbitrajista, encontraría a este con una garantía monetaria depositada en su balance que le compensaría posibles impagos. El riesgo de crédito de contrapartida es capturado para los modelos de estimación en la presente Tesis Doctoral mediante la variable credit default swaps (CDS) sobre instituciones financieras. La utilización de CDS financieros como variable representativa del riesgo de contraparte ha sido utilizada anteriormente por Mancini Griffoli y Ranaldo (2011) a través del índice CDS de instituciones financieras de Estados Unidos. Otros autores utilizan índices específicos de CDS de instituciones financieras. Ejemplos son Huang et al. (2009, 2012), que utilizan índices de CDS de entidades concretas para medir el riesgo sistémico, primero en EEUU, y luego en un conjunto de ocho países del área Asia-Pacífico. Yang y Zhou (2013) analizan CDS de instituciones financieras internacionales como indicativos del riesgo de crédito y sistémico de las mismas, mientras Eichengreen et al. (2012) explican mediante estos índices individuales el contagio de la crisis subprime al mercado financiero estadounidense, y posteriormente al resto del mundo. En el presente estudio se utilizará para el análisis del diferencial repo-OIS de la Eurozona el índice CDS sobre instituciones financieras europeas publicado por Bloomberg. Para el caso español, y ante la no existencia de un índice cotizado sobre instituciones financieras nacionales, se procederá a la creación sintética del índice a partir de datos de CDS de entidades específicas. Se tratará de recoger de este modo el riesgo de crédito medio del sector bancario español. Aunque la utilización de CDS sobre deuda pública española fue valorada en un primer momento, la menor profundidad de las bases de datos consultadas, unida al hecho de que estos no se refieren específicamente a entidades financieras, hizo optar por la creación del índice. Alexander y Kaeck (2008) analizan los índices iTraxx de CDS en Europa observando como estos se muestran altamente sensibles a la volatilidad de la renta variable en episodios de turbulencias crediticias. Bajo episodios de normalidad en los mercados, observan como estos índices dependen en mayor medida de los retornos de las acciones que de la volatilidad de las mismas. Adicionalmente señalan como los movimientos de tipos de interés no afectarán a los índices iTraxx CDS sobre instituciones financieras, lo que permite aislar de los movimientos de tipos de interés a esta variable representativa del riesgo de crédito de contrapartida. El índice Markit iTraxx Europe Senior Financial index es utilizado también por Blanco, Brennam y Marsh (2005), que analizan el mercado europeo de CDS mediante el análisis de series temporales y de correlaciones entre CDS específicos de entidades financieras. El número de estudios relativos a los CDS creció enormemente a partir de la crisis de 2007. Markose et al. (2012) relacionan la fragilidad en el mercado de CDS, mediante el análisis de datos de 25 entidades financieras estadounidenses, con el riesgo sistémico de las mismas. El ! 24 riesgo sistémico también es analizado mediante esta variable por Trapp y Wewel (2013) para los mercados de EEUU y Europa, y por el BCE (2010). Como se hizo notar en el Capítulo 1.1, las operaciones repo permiten diversificar el riesgo de crédito, asumiendo el riesgo del emisor y reduciendo el del prestario. En el caso del mercado español, una gran parte del colateral negociado está formado por deuda pública española, por lo que la medida del riesgo de estos activos sería definitoria igualmente del riesgo de crédito de estas operaciones. Por esto, para el caso de los modelos referidos a la economía española, se asumirá igualmente como variable representativa del riesgo de crédito a la prima de riesgo país, entendida esta como el diferencial entre la rentabilidad del bono español a diez años y la del bono alemán al mismo plazo. El riesgo de que se produzca un evento de impago soberano, en cuanto a que afectaría inevitablemente a su sistema financiero nacional por su elevada presencia como activo de garantía, debe ser tenido en cuenta como posible factor desincentivador en la toma de posiciones en los mercados financieros. Esta variable jugará un papel importante también en los modelos referidos a la Eurozona, siendo considerada como una buena medida de las tensiones derivadas de la crisis de deuda en Europa, y debiéndose observar como un indicador de riesgo sistémico. Continuando con el análisis del riesgo de crédito de contrapartida, Taylor y Williams (2009) encuentran en este riesgo y en las expectativas de tipos futuros, aquellos factores que más han afectado al diferencial Libor-OIS para la economía de EEUU. Siguiendo sus pasos, se asumirá la toma de la variable Euribor-OIS como representativa de este riesgo, asumiendo en el mismo el tipo Euribor por tratar este estudio las economías de España y la Eurozona. El segundo factor de riesgo analizado es el calificado como riesgo de roll over, que implicaría la no renovación de una posición de financiación por una de las partes de la estructura. Específicamente y referido a un posicionamiento de arbitraje, es referido al riesgo de que el agente que otorga la financiación a más corto plazo, decida cerrar esa posición dejando al arbitrajista con un riesgo de tipo de interés abierto. Acharya, Gale y Yorulmazer (2011) enfatizan este riesgo como la principal causa que provoca la no toma de posiciones en el mercado cuando el sentimiento de los agentes se torna negativo. En la presente Tesis Doctoral, el riesgo de roll over supone el hecho de que la contraparte no renueve su financiación diaria, lo que conllevaría el no cumplimiento de las expectativas de beneficios del agente arbitrajista. En tanto en cuanto la apelación al crédito del BCE sería una opción de financiación ante la ausencia de posiciones prestadoras en mercado, se recogerá este riesgo mediante la variable relativa a la apelación a la facilidad marginal de crédito del BCE. Como variable definitoria de la percepción del riesgo e incertidumbre por parte del sector financiero se asumen los indicadores de volatilidad de ambas economías. Para el caso español, se toma la volatilidad histórica del índice Ibex35. Esta decisión nace de la inexistencia de un índice de volatilidad nacional cotizado y consultable mediante las principales agencias de información financiera. En este sentido cabe señalar que aunque se han elaborado para el caso español índices de volatilidad como VIBEX o VIBEX NEW27 , desarrollados por González-Pérez y Novales (2007, 2011) la dificultad de acceso a datos cotizados de los mismos inclina a tomar como solución válida el cálculo de la volatilidad. Para el caso de la Eurozona, y dado que existen índices suficientemente extendidos y cotizados, se tomará el índice VSTOXX sobre volatilidad de opciones sobre acciones del índice Euro Stoxx 50. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 27 Este índice es desarrollado con la misma metodología que usa EUREX para el cálculo del VDAX NEW alemán y el VSMI suizo. ! 25 La utilización de ambos índices de volatilidad toma inspiración en los trabajos de Brunnermeier, Nagel y Pedersen (2009), que utilizan como indicativo de riesgo el índice VIX sobre opciones sobre acciones del índice de renta variable S&P 500. La importancia de la volatilidad en el arbitraje fue asimismo tratada por Shleifer y Vishny (1997), que señalaban como los escenarios de volatilidad extrema podrían exponer al arbitrajista a liquidar sus posiciones prematuramente por presiones de los proveedores de fondos. González-Pérez y Novales (2007) observan por su parte una correlación negativa entre los retornos del IBEX 35 y los valores de su índice de volatilidad español, considerándolo como una medida de la percepción del riesgo del mercado. Respecto a la liquidez, se identifican tres posibles causas de las tensiones y restricciones que provocará su escasez en los mercados. Por un lado, y como primer foco de tensiones en la liquidez de fondos, se encontrarán las presiones para desinvertir o desapalancar posiciones que los agentes financiadores soportarán. Estas presiones podrán inclinarles a no conceder la financiación necesaria para la realización de operaciones de arbitraje, restringiendo de este modo la liquidez en los mercados financieros. Se asume el ímpetu por desapalancar posiciones de balance por parte de las entidades financieras, como un hecho originador de la escasez de liquidez en el sistema. La relación entre el proceso de desapalancamiento de inversiones, la variación en el tamaño de los balances y la liquidez de mercado en EEUU es tratado ampliamente por Adrian y Shin (2008, 2010). Siguiendo sus pasos, y para el caso de las entidades financieras españolas y de la Eurozona, se relaciona la reducción de posiciones financiadas con el agravamiento de la crisis financiera y las mayores restricciones de capital en el sistema. Adrian y Shin (2010) relacionan las variaciones de precios de los activos con los movimientos en las hojas de balance de los principales bancos en EEUU, encontrando como estos últimos provocarán movimientos en los mercados de financiación. La fuerte caída en la concesión de nuevos préstamos por parte de instituciones financieras con necesidades de capital es documentada también por Cornett et al. (2011). Se asumirá por tanto un índice de apalancamiento para la economía española y otro para la economía de la Eurozona, que aproximarán la inclinación a reducir el peso de las posiciones financiadas por parte de los bancos de ambas economías. Estas variables sin embargo, no son cotizadas para ninguno de los dos mercados estudiados, por lo que tendrán que ser creadas de forma sintética, hecho que se analizará en capítulos posteriores de esta Tesis Doctoral. La segunda causa relacionada con la restricción en la liquidez se encuentra en la propensión de los agentes financieros a retirar fondos del mercado para dirigirlos de forma prudencial a sus propias tensiones de capital. Cuando la liquidez en el mercado se reduce, los bancos afrontan estrecheces en la misma que pueden afectar a su nivel de calificación crediticia, por lo que podrían estar dispuestos a sacrificar beneficios a cambio de mejorar su situación de liquidez. Adicionalmente, en un entorno de falta de confianza, las entidades financieras podrían querer evitar acudir al mercado a solicitar fondos por miedo a incrementar su riesgo reputacional, lo que les puede inclinar a no conceder financiaciones y dirigir esos fondos a sus propias tensiones. Tomando esta perspectiva, se define la posibilidad de que las contrapartidas bancarias, de forma prudencial, decidan dirigir sus fondos hacia sus propias necesidades de liquidez. Se toma para ello inspiración en el trabajo de Mancini Griffoli y Ranaldo (2011), que representan este hecho mediante la evolución en la cantidad de depósitos que los bancos estadounidenses mantienen en la Reserva Federal. Estos depósitos, tanto en el caso estadounidense como en el europeo, implican una búsqueda de seguridad a la vez que ! 26 suponen importantes costes de oportunidad, siendo representativos por tanto de la acumulación de liquidez por parte de las entidades financieras. Por ello la escasez de liquidez de fondos derivada de este hecho será explicada, para el caso español y el europeo, mediante la apelación a la facilidad marginal de depósito del BCE. Una tercera fuente de restricciones de liquidez se encuentra en los fondos que deben comprometerse para recibir financiación en tiempos de crisis financieras. Este hecho esta referido a la existencia de contratos de garantía así como haircuts y márgenes requeridos a la contraparte. Debido a este incremento de garantías, y como señalan Gromb y Vayanos (2012), el agente receptor de financiación podría no poseer el capital necesario para otorgar esas garantías a la parte financiadora, lo que le podría mantener alejado de la toma de posiciones arbitrajistas en el mercado. A la hora de tratar estas dificultades para la obtención de fondos con garantías, el presente trabajo toma apoyo en los estudios de Gorton y Metrick (2010), que relacionan el incremento en los niveles de haircuts con la escasez de liquidez, y Mancini Griffoli y Ranaldo (2011). Este último define las restricciones derivadas del aumento de garantías, mediante el diferencial entre tipos repo de diferente calidad crediticia en su colateral. Para ello confronta tipos GC Repo del mercado estadounidense con tipos MBS repo28 de peor calidad crediticia. Estos autores asumen la idea de que en épocas de crisis, ante la escasez de capital y dificultad en la obtención del mismo, los agentes prestadores en repo pueden obtener mayores rentabilidades por sus fondos, siendo relativamente mayor el incremento en aquellos repo con colateral de peor calidad. De este modo, y aunque admiten la escasa existencia de guías en la literatura para definir esta situación, asumen la variación entre tipos de interés repo con diferente colateral, como definitoria de la escasez de liquidez de fondos en el mercado. La no existencia en Europa de un mercado de repo con colateral tan amplio como en EEUU dificulta la generación de esta variable. Sin embargo, y tomando inspiración en estos autores, se asumirá como variable representativa de estas dificultades, el diferencial entre el tipo repo del Banco de España frente al tipo GC Repo FBE de máxima calidad. En cualquier caso y coincidiendo con la dificultad que expresan muchos autores sobre la diferenciación entre los factores de riesgo y liquidez, se admite igualmente que esta variable podría ser representativa de las tensiones en el riesgo de crédito de la deuda española, hecho que se tendrá en cuenta en las conclusiones de esta Tesis Doctoral. Por otro lado, y como variable general representativa de la escasez de la liquidez existente en el mercado, se toma ejemplo de Mancini-Griffoli y Ranaldo (2011) que definen esta variable como el diferencial entre los tipos de oferta y demanda en el tipo OIS y en el mercado de divisas. Se asumirá por tanto como variable definitoria de las tensiones en la liquidez de mercado, el diferencial oferta-demanda29 de los tipos OIS al plazo de vencimiento asumido. Ampliaciones en la orquilla entre tipos de oferta y demanda de estos activos, se considerarán por tanto representativas de los incrementos en las tensiones de liquidez en los mercados monetarios. Finalmente, e igualmente en relación a los fondos existentes en el mercado, se tratará la variable representativa del saldo de las operaciones de mercado abierto vivas con el BCE. Como ya se anotó en el Capítulo 1.2, este tipo de operaciones incluyeron las dos grandes !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 28 MBS repo (Mortgage backed securities repo) o repos sobre activos respaldados por hipotecas. 29 Es habitual la notación de este diferencial mediante el acrónimo anglosajón BAS (bid-ask spread). ! 33 De ahí hasta noviembre de 2011, las crecientes dudas sobre la estabilidad de las balanzas fiscales de economías como la española, hacían repuntar su prima de riesgo por encima de los 400 puntos básicos a cierre de noviembre, y el tipo repo del BdE sobre el OIS hasta alcanzar máximos de la serie. El nuevo presidente del BCE, Mario Draghi, anunciaba tras la reunión del Consejo de Gobierno de noviembre, una bajada de un cuarto de punto en el tipo de intervención hasta el 1,25%, y hasta el 1% en la reunión de diciembre, justificadas estas rebajas en un empeoramiento de las condiciones macroeconómicas y en la moderación del precio de las materias primas. Los repuntes en el diferencial repo-OIS en España se vieron frenados con las ya mencionadas LTRO del BCE en noviembre de 2011, y más tarde en marzo de 2012, y que llegarían a situar al diferencial de estudio en valores negativos. Tras esta inyección de liquidez, se sucedieron operaciones de carry dentro la banca española, aumentando la demanda de deuda nacional y rebajando los tipos de la deuda española con la consecuente relajación de la prima de riesgo45. En mayo de 2012 se anunciaba la próxima apertura de una línea de crédito al sistema financiero español de hasta cien mil millones de euros y que no consiguió, por su falta de concreción, recuperar la confianza de los mercados en la economía española. Se publicaron asimismo las estimaciones de necesidades de capital de la banca realizadas por las consultoras independientes Oliver Wyman y Roland Berger. Estas estimaron unas necesidades de capital para la banca española, con el objeto de mantener un 6% de core Tier 1 capital, de entre 52 y 61 mil millones de euros en el escenario más adverso presentado46 (Oliver Wyman, 2012). En julio el incremento de la aversión al riesgo impulsaba la demanda sobre los activos considerados seguros, como la deuda alemana y la estadounidense, mientras la prima de riesgo española alcanzaba los 635 puntos básicos con el tipo a diez años superando el 7,5%47. En cuanto a las políticas no convencionales, el BCE no compró deuda durante las sesiones en las que el castigo en los mercados a Italia y España llevaron a la rentabilidad del bono a diez años español a superar el 7%. En su Comité de julio, el BCE bajaba el tipo de intervención en un cuarto de punto, dejándolo en el 0,75%. Esta medida venía acompañada de una rebaja equivalente en los tipos de la facilidad de crédito, del 1,75% al 1,5%, y de la facilidad de depósito, situada en el 0,0%, medidas con las que se pretendía reactivar la economía en la Eurozona. El BCE mantenía el tipo de intervención en su reunión de septiembre de 2012 en el 0,75% !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! reflejaba en el precio del petróleo, con precios de cierre superiores a 110$ en caso del West Texas (2, 3 y 4 de mayo de 2011), y por encima de 125$ en el caso del Brent (3 de mayo de 2011) (Fuente: Thomson Reuters) 45 El 25 de noviembre de 2011, la Obligación del Estado española a 10 años cotizaba a 6,713% con la prima de riesgo en 473 puntos básicos; mientras once días más tarde, el 6 de diciembre, se reducía al 5,189%, y la prima bajaba hasta los 303 puntos básicos (Fuente: Datastream) 46 Este escenario presentaba una caída acumulada del 6,5% en el PIB en tres años para la economía española: -4,1% (2012), 2,1% (2013), 0,3% (2014); mucho más restrictiva que la estimación del -1.8% acumulado presentado para otras economías: Alemania, Irlanda, Grecia, Francia, Italia, Portugal y Reino Unido. Asimismo estimaba una caída acumulada en esos tres años en el precio de la vivienda en España del 26,4%: - 19,9% (2012), -4,5% (2013), -2% (2014); así como unas tasas de desempleo del 25% (2012), 26,8% (2013) , 27,2% (2014) (Oliver Wyman, 2012) 47 El 23 de julio de 2012 el interés de la deuda española a diez años alcanzaba una rentabilidad del 7,508%, mientras un día después se situaba en el 7,59%. Ambos días se registró una prima de riesgo frente al bono alemán de 635 puntos básicos (Fuente: Datastream) ! 34 y confirmaba su intención de intervenir en los mercados de deuda, a través del fondo de rescate para los países con problemas de financiación48 (BCE, 2012). Se estableció que el fondo podría realizar compras en el mercado primario, focalizándose en vencimientos entre 1 y 3 años, y que se esterilizarán para evitar el riesgo de inflación. El BCE consideraba este tramo de vencimiento como el más relacionado con los tipos interbancarios de financiación a corto plazo, además de asumir que la intervención en esos plazos afectaría a los vencimientos a más largo plazo. Adicionalmente, el BCE no tendría preferencia sobre el resto de acreedores, y las compras estarían supeditadas a una petición previa y al cumplimiento de condiciones fiscales por parte del país ayudado. Además, se relajaron los requisitos de colateral elegible para las operaciones con el Eurosistema. Esta serie de medidas no convencionales trajeron una relativa estabilidad monetaria de la que se benefició tanto el nivel de riesgo país español, como el diferencial de estudio en el mercado nacional. 1.4.2. Análisis de liquidez y tipo de colateral negociado en los mercados de operaciones repo en España y la Eurozona durante el periodo 2008-13 Antes de proceder a realizar un análisis econométrico y de series temporales sobre el diferencial repo-OIS, se hace necesario un estudio previo de los mercados de negociación de estos productos. Principalmente, y debido a su importancia como fuente de financiación, este análisis se centrará en el mercado de operaciones repo, extrapolando los resultados en cuanto a plazos de vencimiento a la operatoria OIS. Se buscará por tanto, aquel tipo de operatoria doble, colateral y plazos de vencimiento, con mayores volúmenes de negociación en el mercado de operaciones doble, buscando determinar aquella operatoria más líquida, y por tanto más adecuada para su estudio. Se analizará aquella operatoria de operaciones dobles más negociadas, tanto en España como en el conjunto de Europa49. Se analiza en primer lugar el mercado español mediante su mercado de deuda regido por el Banco de España, y en el que se negocian tanto operaciones simples, compras y ventas, como operaciones dobles, repo y simultaneas. El informe de ICMA (2013) ya señalaba como la operatoria de simultanea en España era mayoritaria frente a la operatoria en repo, hecho que será corroborado por el presente análisis. Los diferentes volúmenes de negociación para ambos tipos de operaciones se mostrarán diferenciando, además, por plazo de vencimiento y tipo de colateral. De este modo podrá ser definida aquella operatoria más líquida en el mercado de operaciones dobles en España, y de la que se !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 48 MEDE (Mecanismo Europeo de Estabilidad), o ESM (European Stability Mechanism) en sus siglas en inglés! 49 Dado que el estudio sobre mercado repo continental parte de datos de ICMA, se utilizarán datos para el conjunto de Europa, en los que participarán, además de bancos de la Eurozona, bancos suizos y de Reino Unido ! 35 asumirán sus tipos de interés para los futuros modelos predictivos. Respecto a la tipología de colateral, Hördhall y King (2008) señalaban en su estudio como en Europa no existía un abanico tan amplio de colateral como en EEUU, hecho que ayudó a que el mercado repo europeo no se viera tan afectado como el estadounidense al principio de la crisis. En el caso concreto de España, y tomando apoyo en los datos publicados por ICMA (2014, 2012, 2010), se observa una prevalencia del colateral de riesgo soberano sobre otros emisores. La encuesta ICMA sobre el mercado repo europeo pregunta a un panel de bancos en Europa sobre la composición y efectivo negociado en su operatoria repo no vencida. La Tabla 1.4.2.a muestra el porcentaje de operaciones repo con colateral español, respecto al resto de colaterales, negociado en Europa en el periodo 2008- 13. Se puede observar como la operatoria doble con colateral de riesgo soberano, supera ampliamente al resto de emisores nacionales, apoyando la idea de una mayor liquidez en este segmento del colateral. Tabla 1.4.2.a: Operatoria doble negociada en Europa con colateral español sobre el total negociado (tanto por ciento) Fuente: ICMA Una vez definido el colateral de riesgo soberano como el más negociada en este mercado, se desagrega el mismo entre Letras del Tesoro, Bonos y Obligaciones del Estado, y deuda segregada del Estado. Igualmente se diferenciará según el plazo de vencimiento de estas operaciones, mostrando plazos desde un día a más de doce meses. Se muestran a continuación los resultados desagregados de este análisis tanto para operaciones repo, Tabla 1.4.2.b, como para operaciones simultaneas, Tabla 1.4.2.c. En ambos casos se mostrarán los volúmenes negociados en el mercado español desde 2008 hasta 2013. Respecto de los volúmenes de negociación, tanto de operaciones repo como simultaneas, se observa como son en general aquellos plazos con vencimientos más cortos los que presentan mayores volúmenes de negociación. En ambos casos se puede ver como, conforme los plazos de vencimiento se alargan, el volumen de negociación se ve reducido. Como excepción cabe señalar el caso de operaciones doble con colateral deuda segregada del Estado, en las que algunos vencimientos más lejanos presentarán mayor negociación que plazos más cortos, aunque muy alejados de las cifras de negociación de operaciones con vencimiento hasta tres meses. De cualquier modo, los volúmenes de negociación de operaciones doble con este colateral son en ambos casos claramente residuales, por lo que no se tendrán en cuenta para el estudio futuro de los tipos repo en el mercado español. En general, y salvo casos puntuales en el vencimiento a más de doce meses, se podrán definir aquellas operaciones con vencimiento a un día como las de mayor volumen de negociación, seguidas por las de vencimiento hasta un mes, 1-3 meses, 3-6 meses, 6-12 meses y más de 12 meses. ! 36 Tabla 1.4.2.b: Volumen negociado de operaciones repo con pacto de recompra, al contado y en el conjunto de mercado. Mercado español (millones de euros). Fuente: Banco de España Tabla 1.4.2.c: Volumen negociado de operaciones simultaneas con pacto de recompra, al contado y en el conjunto de mercado. Mercado español (millones de euros). Fuente: Banco de España ! 37 Analizando los volúmenes negociados por colateral, se encuentra que, salvo algunos casos en los plazos más largos, será aquella operatoria que tome como colateral Bonos y Obligaciones del Estado la más negociada. De este modo, y centrando el análisis en los plazos de vencimiento más cortos y con este tipo de colateral, se corroboran las afirmaciones del informe de ICMA (2013), observándose como la operatoria en simultanea supera ampliamente a la de repo en el mercado español. Puede concluirse por tanto aquella tipología de operatoria doble más líquida en el mercado español, que será la formada por la combinación de operación simultanea, a corto plazo, y con colateral Bonos y Obligaciones del Estado. Esta definición será clave a la hora de determinar los tipos de interés que se utilizarán para la determinación del diferencial repo-OIS en los modelos predictivos de la economía española50. Respecto a Europa, y aunque el tipo repo utilizado en el estudio, GC repo, lo constituye un tipo teórico contribuido, se hace necesaria igualmente la determinación de la operatoria más líquida en este mercado. De este modo, las conclusiones podrán apoyar o no la toma de esta operatoria con colateral de riesgo soberano de máxima calidad, así como de su plazo de vencimiento, para la realización del estudio. Al igual que se diferenció para el mercado español, deberá distinguirse entre la tipología de operatoria doble más negociada en el mercado europeo. Tal y como señalaba el informe de ICMA (2013), mientras en España es más negociada la operatoria de simultanea, en otros países europeos este tipo de operatoria pierde importancia frente a la operatoria en repo. Con datos de ICMA (2014, 2012, 2010) se corrobora esta afirmación, mostrándose como, dentro del mercado europeo, y para el periodo de análisis, más del 84% de la operatoria corresponde a operaciones repo. Estos resultados pueden consultarse en la Tabla 1.4.2.d. Tabla 1.4.2.d: Operatoria doble negociada en Europa por tipología (tanto por ciento) Fuente: ICMA Desagregando por tipología del colateral, se toma igualmente como base el estudio de Hördhall y King (2008), que asume que será el colateral de riesgo soberano el más negociado en este mercado de operaciones repo. Adicionalmente, se toman datos de las encuestas de ICMA (2014, 2012, 2010) sobre volumen de repo vivo de emisores en Alemania y Francia, como países representativos del repo de máxima calidad en la Eurozona. Este encuesta pregunta a una serie de bancos europeos sobre la composición y efectivo intercambiado de sus operaciones repo negociadas y no vencidas. La Tabla 1.4.2.e muestra el porcentaje de repo con colateral de origen francés y alemán negociado en Europa los últimos años, diferenciando entre emisor soberano y otros emisores. Al igual !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 50 Por ser un criterio extendido tanto en la literatura económica como en los mercados financieros, se utilizará indistintamente en esta investigación la calificación de tipo repo y operación repo, para esta tipología de operaciones dobles negociadas en España. ! ! 38 que en el caso español, puede concluirse que la prevalencia del riesgo soberano frente a otros emisores, hacen del primero el colateral más líquido en estos países. Tabla 1.4.2.e: Operatoria doble negociada en Europa con colateral alemán y francés (tanto por ciento) Fuente: ICMA Se analiza igualmente la importancia del origen nacional del colateral negociado dentro del mercado europeo, mostrándose aquellos activos emitidos en la Eurozona como los más negociados. Estas operaciones superan en todos los casos el 55% de la operatoria total, seguidas de lejos por las operaciones con colateral emitido en Reino Unido. La Tabla 1.4.2.f muestra estos resultados, diferenciando por país de origen de los activos que actúan de colateral. Tabla 1.4.2.f: Operatoria doble negociada en Europa por emisor del colateral (tanto por ciento) Fuente: ICMA ! 39 Del mismo modo, la importancia del euro como divisa de negociación en este mercado frente a otras divisas, es altamente significativa. La Tabla 1.4.2.g muestra como es el euro la divisa más negociada en el mercado europeo, seguido del dólar estadounidense, la libra esterlina y el yen japonés. Tabla 1.4.2.g: Operatoria doble negociada en Europa por divisa (tanto por ciento) Fuente: ICMA Una vez determinado el tipo de colateral más negociado en Europa, activos con riesgo soberano de la Eurozona, y su divisa de cotización, euros, se procede a realizar un estudio sobre los vencimientos de la operatoria doble negociada por los bancos europeos. Vuelve a tomarse apoyo en las encuesta de ICMA (2014, 2012, 2010), y se desagrega esta operatoria en los distintos vencimientos. Los resultados están expuestos en la Tabla 1.4.2.h, donde se observa como son aquellos vencimientos de entre una semana y un mes, los más negociados en Europa. 1.4.2.h: Operatoria doble negociada en Europa por plazo de vencimiento (tanto por ciento) Fuente: ICMA A la vista de los resultados, puede concluirse la operatoria repo más negociada en Europa durante el periodo de análisis 2008-13. En primer lugar se ha determinado como, entre los bancos europeos, son las operaciones repo frente a las simultaneas, las más negociadas. ! 40 Respecto al colateral utilizado, serán aquellos de riesgo soberano y dentro de la Eurozona los más utilizados como garantías en este mercado. Dentro del análisis del peso de cada país, destaca dentro de la Eurozona, la elevada negociación de colateral de máxima calidad de Francia y Alemania. Una vez determinado el colateral más negociado, se ha procedido a analizar los plazos de vencimiento más líquidos en este mercado. Se concluye, a la vista de los resultados, como serán los plazos de entre una semana y un mes, aquellos más negociados en Europa. Ampliando el análisis a otros plazos se observa como, en conjunto, son los plazos de vencimiento más corto los más negociados. De este modo, las operaciones con plazos de vencimiento hasta un mes superan, salvo en 2011, el 50% del repo vivo negociado51. Puede concluirse por tanto, que los tipos GC repo de la Eurozona utilizados en la presente investigación cumplen con los criterios de liquidez del mercado europeo de operaciones dobles. Estos tipos son emitidos sobre un colateral de máxima calidad y riesgo soberano en la Eurozona, y se han asumido para un plazo de vencimiento de un mes, que se ha demostrado ser altamente negociado. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 51 57,7% (2013), 50,5% (2012), 48,1% (2011), 62,5% (2010), 62,9% (2009), 55,4% (2008) ! 41 Capítulo 2 Metodología, origen de los datos y especificación econométrica de las variables a intervenir en los modelos predictivos El presente capítulo tratará, en primer lugar, la determinación de cada base de datos utilizada en la presente investigación, así como los criterios seguidos para su selección. Existirán determinadas variables que por no ofrecer datos cotizados en los mercados analizados, y dada su importancia contrastada en estudios relacionados, deberán ser creadas de forma sintética a partir de datos cotizados en estas economías. El Capítulo 2.2 estará destinado a definir la especificación econométrica de las variables intervinientes en los modelos predictivos de capítulos posteriores. Además de definir los distintos contrastes que se utilizarán, se determinará el orden de integración de cada variable, paso previo a la elaboración de los modelos de estimación del diferencial repo- OIS. ! 42 2.1. Obtención y determinación de las bases de datos del estudio 2.1.1. Origen y criterios de selección de las bases de datos Se expone en el presente capítulo la metodología empleada para la obtención de las bases de datos tratadas a lo largo de la presente Tesis Doctoral. Asimismo se definirán las características fundamentales de dichas bases, concretándose en este punto los plazos de vencimiento más adecuados para aquellos tipos de interés cotizados y presentes en el trabajo. Se aborda en primer lugar el tipo de operatoria doble con pacto de recompra al contado que presente mayores volúmenes de negociación, y por tanto sea la más indicada para su inclusión en el estudio. Para ello se analizaron en el Capítulo 1.4.2 los volúmenes negociados en los mercados de operaciones dobles, tanto europeo como español. Dentro del mercado repo español, se estudió la evolución en la negociación diferenciado entre operaciones repo y operaciones simultaneas, ambas al contado en el Mercado de Deuda Pública Anotada. Tal y como se observó en las Tablas 1.4.2.b y 1.4.2.c dentro de la tipología de operaciones dobles al contado fueron las operaciones simultaneas las que presentaron mayor liquidez, lo que condicionará su selección como operatoria de referencia en detrimento de las operaciones repo. Dentro de la tipología de operaciones simultaneas al contado, y atendiendo al colateral negociado, se observó en la Tabla 1.4.2.c como fue aquella operatoria con colateral Bonos y Obligaciones del Estado la más negociada, frente a otros colaterales como Letras del Tesoro o Deuda Segregada. Una vez definida aquella tipología de operación y colateral más negociado en el mercado español de operaciones dobles, se analizan sus plazos de vencimiento, revelándose los plazos más cortos como aquellos de mayor negociación. En este punto, y como se observó en la Tabla 1.4.2.c, fue el plazo de las operaciones simultaneas a un día el que presentó mayor volumen de negociación, seguido por aquellos plazos con vencimiento no superior a un mes. El plazo a un día no es sin embargo objeto de este estudio en cuanto en tanto no incorpora todos los elementos de riesgo que pueden incorporar los precios de vencimientos mayores, por lo que se decide acotar el plazo de la operatoria doble elegida a aquellos plazos de vencimiento igual o inferior a un mes. En el caso de la Eurozona, se analizó el mercado europeo de operaciones repo mediante las encuestas que ICMA realizó al sector financiero en Europa. Aunque esta Tesis Doctoral asume un tipo repo teórico para la Eurozona, tipo GC repo, se creyó igualmente conveniente el análisis del mercado europeo para determinar aquel plazo y colateral más líquidos. Respecto al tipo de operatoria, se definió la operatoria de repo, frente a la de simultanea, como aquella más negociada en ese mercado. Igualmente se observó como, para dos de los principales emisores de la Eurozona, Francia y Alemania, el peso de los ! 49 Tabla 2.1.2.c: Índice sintético CDS de instituciones financieras españolas ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! Elaboración propia Índice del ratio de apalancamiento de la banca española Para el caso español, y con el objeto de poder representar el grado de desinversión en esta economía, se hace necesaria la creación de un índice sintético representativo del grado de apalancamiento de la banca española. Se toman nuevamente datos de balance a partir de Bloomberg de las dos entidades españolas de referencia. Los datos utilizados para la generación de este índice igualmente novedoso pueden consultarse en la Tabla 2.1.2.d y Tabla 2.1.2.e, mientras los resultados finales quedan reflejados para su consulta en la Tabla 2.1.2.f. Debido a que los datos de balance son de tipo trimestral, se obtendrá en un primer lugar un índice con esta frecuencia, para posteriormente y mediante interpolación lineal, obtener ! 50 datos mensuales del índice buscado. En la primera de las tablas, Tabla 2.1.2.d, se muestran, con frecuencia trimestral los datos de activos totales y fondos propios de las dos entidades nacionales tomadas como representativas del sector. Para cada periodo de tiempo se agregarán por un lado los activos y por otro los fondos propios, para cada periodo temporal. Se obtendrá de este modo y mediante el cociente de activos totales entre recursos propios, el grado de apalancamiento trimestral representativo de la banca española. Este resultado puede consultarse en la Tabla 2.1.2.e. Finalmente, la Tabla 2.1.2.f muestra mediante la interpolación lineal de los resultados obtenidos, un índice de apalancamiento de la banca española con datos mensuales y que será utilizado en los modelos predictivos sobre la economía española expuestos en el Capítulo 3 de esta Tesis Doctoral. Tabla 2.1.2.d: Fondos Propios y Activos Totales de Banco Santander y BBVA ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! Fuente: Bloomberg ! 51 Tabla 2.1.2.e: Cálculo del índice de ratio de apalancamiento agregado trimestral de la banca española ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! Fuente: Bloomberg. Elaboración propia. ! ! ! ! ! 52 Tabla 2.1.2.f: Índice del ratio de apalancamiento de la banca española ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! Elaboración Propia ! Índice del ratio de apalancamiento de la banca de inversión europea Tomando apoyo en los estudios de Adrian y Shin (2010) sobre el grado de apalancamiento de la banca en EEUU, y sus conclusiones relativas a la existencia de un mayor grado de desinversión en la banca de inversión que en la comercial57, se deciden replicar estos índices para bancos de inversión en Europa. Al contrario que en EEUU, donde existen grandes de bancos definidos como de inversión puros, en Europa está denominación se diluye por las amplias redes comerciales que presenta prácticamente toda la banca europea. Dada esta elevada dificultad para la !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 57 Estos autores concluyen que la banca comercial maneja ratios de apalancamiento dados por lo que es preferible el uso de la banca de inversión en estos estudios. ! 53 determinación clara de estas entidades, se toma apoyo en un informe de UBS (2013) sobre la banca de inversión en Europa, mediante el que se definen aquellas instituciones calificadas como de banca de inversión58. Posteriormente se procedió a la toma de datos de balance de las seis entidades financieras tomadas como de referencia, consiguiéndose datos trimestrales tanto de fondos propios como de activos totales para cada una de ellas. Esta información puede consultarse en la Tabla 2.1.2.g, donde debido a la ausencia de datos trimestrales en determinados trimestres y entidades, se ha optado por interpolar linealmente esos datos59. Posteriormente se ha procedido a realizar la agregación de datos, tanto de fondos propios como de activos por trimestre, para la obtención del índice agregado por trimestre de apalancamiento de banca de inversión europea, consultable en la Tabla 2.1.2.h. Tabla 2.1.2.g: Fondos Propios y Activos Totales de los bancos de inversión en Europa ! Fuente: Bloomberg ! Debido a que la publicación de los datos de balance de estas entidades se da con una frecuencia trimestral, y que el estudio y modelos predictivos que se analizarán en esta investigaciónn tomarán datos mensuales, se opta por interpolar linealmente los datos para la obtención de las frecuencias mensuales deseadas. Se obtiene de este modo el índice de apalancamiento de la banca de inversión europea, cuyos resultados pueden consultarse en la Tabla 2.1.2.i. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 58 Estas entidades fueron: Deutsche Bank, BNP Paribas, Société Générale, UBS, Credit Suisse y Barclays Bank 59 Los datos interpolados figurarán en las tablas en formato de letra bastardilla! ! 54 ! Tabla 2.1.2.h: Cálculo del índice del ratio de apalancamiento agregado trimestral de la banca de inversión en Europa ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! Fuente: Bloomberg. Elaboración propia. ! ! ! ! ! ! ! ! 55 ! Tabla 2.1.2.i: Índice del ratio de apalancamiento de la banca de inversión en Europa ! ! ! ! Elaboración propia ! 56 2.2. Especificación econométrica de las variables intervinientes en los modelos predictivos de España y la Eurozona 2.2.1. Introducción: Metodología econométrica y definición de los contrastes Antes de afrontar el análisis econométrico de cada variable candidata a participar en los modelos estadísticos finales y que explicarán los condicionantes que influyen en el desarrollo de la variable repo-OIS en España y la Eurozona, deberá llevarse a cabo y en primer lugar un análisis de estacionariedad de cada variable. Este análisis se realizará de forma introductoria mediante su gráfico de series temporales para el periodo analizado para posteriormente completarlo mediante el estudio de su correlograma. El periodo de análisis para la generación de los modelos se ha fijado para el periodo de tiempo que va de 2009 a 2012, no introduciendo los ejercicios 2008 y 2013 con la intención de utilizarlos para el chequeo final de los modelos de estimación.! El comportamiento de la función de autocorrelación muestral de cada variable (FAC) acercará la necesidad o no de diferenciación de cada variable interviniente en los modelos de predicción. La proximidad del primer valor de esta función a la unidad, así como su lento decrecimiento hacia un valor cercano a cero, será sintomático de la no estacionariedad de la serie analizada y planteará la necesidad de la toma de la variable en primeras diferencias para proceder a la revisión del análisis. La calibración de proximidad a uno de los valores de la FAC se determinará mediante el contraste propuesto por Dickey y Fuller (1979), que establecieron los denominados contrastes de raíz unitaria, y que constituye una herramienta básica de la metodología desarrollada por Box y Jenkins (1970) para la determinación del orden de diferenciación de las variables en los análisis de series temporales. Una FAC que presente un comportamiento en el que sus componentes partan de un valor próximo a la unidad y decrezcan muy lentamente hacia cero, será síntoma de la no existencia de estacionariedad en el proceso analizado. La proximidad o no a la unidad del primer valor de la función de autocorrelación será determinado por el resultado obtenido mediante el contraste de Dickey-Fuller. En cada caso se valorará si el proceso temporal que sigue cada variable presenta constante, tendencia y constante, o no presenta ni tendencia ni constante, decisión que subyacerá de los resultados de la regresión de Dickey-Fuller, en la que se observará cuáles de estos componente resultan estadísticamente significativos60. La hipótesis nula del contraste de raíz unitaria igualará la solución del polinomio de retardos a la unidad, resultado que de ser corroborado empujará a definir la serie como no estacionaria. Valores del p valor del contraste por encima del valor de significación !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 60 Todos los análisis propuestos a lo largo de esta Tesis Doctoral asumirán un nivel de significación igual al 5% ! 57 permitirán no rechazar la hipótesis nula, pudiéndose afirmar por tanto que se estará ante un proceso no estacionario de al menos orden I(1). En este caso se procederá a tomar primeras diferencias de la variable analizada y se repetirá el contraste hasta constatar que la solución del polinomio de retardos es significativamente distinta de cero. Llegar a esta constatación podría implicar una segunda diferenciación de la variable o incluso un mayor número de diferenciaciones, lo que situaría el análisis ante un proceso I(2) o posterior. En el presente estudio sin embargo, y como se observará durante el Capítulo 2.2.2 referido a la validación econométrica de las variables, ninguna de los procesos temporales superará el orden I(1), por lo que no será necesario diferenciar más de una vez ninguna variable. Tras la determinación del proceso temporal de cada variable y su necesidad o no de diferenciación, se procederá a la asignación de la forma funcional de los modelos, que en principio y a la espera de validación del mismo, se asumirá para los modelos de España y la Eurozona como de forma lineal. Para contrastar la validez de esta hipótesis se asumirá como herramienta el contraste Reset desarrollado por Ramsey (1969) y que permitirá determinar si las combinaciones no lineales de los valores ajustados permiten explicar la variable de estudio. Este contraste se basa en la incorporación en el modelo propuesto de coeficientes omitidos en ese modelo y que harían a este presentar una funcionalidad no lineal. La hipótesis nula del contraste asume una especificación de linealidad correcta del modelo analizado mediante la suposición de igualdad a cero de estos coeficientes, mientras la hipótesis alternativa mostrará estos coeficientes como distintos de cero determinando la no existencia de una relación lineal entre las variables analizadas. Valores del valor p asintótico del contraste superiores al nivel de significación permitirán no rechazar la hipótesis nula del contraste, lo que significará aceptar como correcta la especificación lineal asignada. Una vez determinada la estacionariedad de las variables del modelo así como la necesidad de tomar o no primeras diferencias, y aceptada la especificación funcional asignada a los modelos se procederá al análisis de homocedasticidad, autocorrelación y Normalidad de los modelos presentados, tomando apoyo en los residuos generados por los modelos de predicción. Este punto cobra relevancia en cuanto en tanto el cumplimiento o no de ciertos criterios de comportamiento en los modelos dará validez o no a los mismos. En un primer lugar se analizará la función de distribución de los residuos de cada modelo, estudiando si estos siguen un proceso de tipo Normal. La característica de Normalidad, aunque no necesaria sí es deseable, por lo que deberá ser analizada en cada modelo presentado. El contraste de Normalidad se realizará a partir del contraste desarrollado por Jarque y Bera (1980). La hipótesis nula de este contraste asumirá la Normalidad de los residuos generados por los modelos, mientras la hipótesis alternativa presentará la característica de no Normalidad en los mismos. Resultados en el valor p asintótico superiores al nivel de significación asumido del 5%, permitirán no rechazar la hipótesis nula y aceptar que los residuos siguen un proceso de tipo Normal. El siguiente aspecto a analizar de los residuos generados será el análisis de si estos si siguen o no un proceso de tipo heterocedástico. Se considerará que existe heterocedasticidad cuando la varianza del residuo en un periodo guarda relación la varianza de periodos anteriores. Se llevará a cabo para este análisis un contraste de tipo ARCH (autoregressive conditional heteroskedasticity) en el que la hipótesis nula del contraste asumirá existencia de homocedasticidad, mientras la alternativa consistirá en la existencia de ! 58 heterocedasticidad en los residuos61. Un valor p asintótico superior al nivel de significación asumido permitirá de este modo no rechazar la hipótesis nula y aceptar que los residuos estudiados siguen un proceso de tipo homocedástico. Valores inferiores del valor p harán rechazar la hipótesis nula aceptándose en ese caso que los residuos analizados siguen un proceso de tipo heterocedástico. Adicionalmente se estudiará la condición de homocedasticidad de los modelos de predicción mediante el contraste desarrollado por White (1980) que analizarán si alguna de las variables explicativas están detrás de posibles problemas de heterocedasticidad. Ante esta última situación, cabrían varias soluciones para suavizar la serie entre las que se destaca la toma de logaritmos neperianos sobre la serie original, lo que suavizaría en gran medida la variabilidad de los datos. Al igual que el contraste ARCH asumirá la hipótesis nula de homocedasticidad y valores de p inferiores al nivel de significación permitirán no rechazar dicha hipótesis. Finalmente deberá tenerse en cuenta si modelos presentados presentan un comportamiento de tipo autorregresivo, lo que al igual que en el caso anterior, invalidaría la utilización de los mismos. Este análisis ser realizará a partir de la información contenida en los residuos y que se considera un estimador de las perturbaciones del modelo. Se estudiará este proceso en primer lugar mediante el contraste desarrollado por Durbin y Watson (1950, 1951) y que constituye una de los métodos más frecuentemente empleados para la detección de presencia de autocorrelación en los modelos de regresión. Posteriormente, y debido a la indefinición en algunos casos de los resultados de este primer contraste, se aplicará el contraste desarrollado por Breusch (1978) y Godfrey (1978a, 1978b). El contraste de Durbin Watson utilizado analizará si los residuos siguen un proceso de tipo autorregresivo AR(1), definiéndose su hipótesis nula como la no existencia de este tipo de procesos, mientras la alternativa asumirá la existencia de autorregresión. El estadístico de Durbin Watson toma valores entre 0 y 4, y deberá ser comparado con los valores críticos específicos para cada nivel de significación y cada número de regresores utilizados. Los valores críticos serán dos, dL y dU, que a su vez originarán dos nuevos valores críticos para la definición de los resultados contraste, 4-dL y 4-dU. Valores del estadístico por debajo de dL o superiores a 4-dL serán indicativos, para el nivel de significación asumido, de rechazo de la hipótesis nula del contraste lo que implicará la existencia de un proceso de tipo autorregresivo en los residuos. Valores del estadístico situados entre dU y 4-dU permitirán no rechazar la hipótesis nula del contraste, asumiendo por tanto que los residuos analizados no siguen un proceso de tipo autorregresivo. Los valores críticos de este estadístico, con los que se comparará el estadístico del contraste, para un nivel de significación del 5% y para un número definido de regresores que en el presente trabajo va de cuatro a ocho variables, se exponen para su consulta en la Tabla 2.2.1.a. Tabla 2.2.1.a: Valores críticos al 5% del estadístico de Durbin-Watson para 48 observaciones !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 61 ARCH (autoregressive conditional heteroskedasticity) o modelos autorregresivos con heterocedasticidad condicional, propuestos por Engle (1982) ! 65 asumir un proceso para la variable original de tipo I(1), y de tipo I(0) para la serie en primeras diferencias. Figura 2.2.2.d: Evolución temporal de la variable en primeras diferencias CDS de instituciones financieras españolas Fuente: Elaboración propia a partir de datos de Bloomberg Tabla 2.2.2.f: FAC y FACP de la variable en primeras diferencias CDS de instituciones financieras españolas ! 66 Volatilidad histórica del IBEX 35 La Figura 2.2.2.e muestra la evolución temporal de la variable volatilidad histórica del IBEX 35, durante el periodo 2009-12. Aún cuando esta parece presentar una tendencia negativa hasta principios de 2010, la evolución de la serie toma a partir de entonces pendiente positiva lo que permite intuir su no estacionariedad. Al igual que en los análisis anteriores, se descarta mediante la observación cualquier patrón estacional en la misma. La FAC de la serie es mostrada mediante la Tabla 2.2.2.g, donde se observa que esta parte de valores muy próximos a uno, y decrece muy lentamente, síntomas inequívocos de la no estacionariedad de la serie. De cualquier modo se llevará a cabo el contraste de DF, done sus resultados con un valor p asintótico de 0,8945 (Tabla 2.2.2.k) corroborarán la proximidad del primer valor de la FAC a la unidad, lo que permitirá no rechazar la hipótesis de que la serie sigue al menos un proceso de tipo I(1). Figura 2.3.1.e: Evolución temporal de la variable volatilidad histórica del índice IBEX 35 Fuente: Elaboración propia a partir de datos de Bloomberg ! 67 Tabla 2.2.2.g: FAC y FACP de la variable volatilidad histórica del índice IBEX 35 ! ! ! ! ! ! ! En base a los resultados obtenidos, se procede a tomar la serie en primeras diferencias para concluir si esta sigue un proceso de tipo I(1) o de un orden superior. En la serie diferenciada se puede observar (Figura 2.2.2.f) como esta gana en estabilidad y se suavizan las tendencias que se daban en la serie con datos originales. Al igual que en la serie original, no se observan signos de concurrencia de un patrón estacional en la misma. 2.2.2.f: Evolución temporal de la variable en primeras diferencias volatilidad histórica del índice IBEX 35 ! Fuente: Elaboración propia a partir de datos de Bloomberg ! ! 68 Los valores de la FAC y la FACP pueden consultarse en la Tabla 2.2.2.h, donde se observan como estos parten de valores muy alejados de la unidad. Los resultados del contraste de DF (Tabla 2.2.2.k) corroboran este hecho, con un valor p asintótico (0,004088) muy inferior al 5% de significación. Se rechaza por tanto la hipótesis nula del contraste, aceptándose que la serie original sigue un proceso I(1), mientras la serie diferenciada será estacionaria y de orden I(0). ! Tabla 2.2.2.h: FAC y FACP de la variable en primeras diferencias volatilidad histórica del índice IBEX 35! ! Ratio de apalancamiento de la banca española La evolución temporal a lo largo del periodo de análisis de los modelos de esta variable se muestra en la Figura 2.2.2.g, donde aún cuando la serie gana cierta estabilidad a partir de última caída de 2011, no deja de mostrar tendencia negativa. Se descarta la repetición de patrones estacionales en la misma. Los valores de la FAC de la serie original puede observarse en la Tabla 2.2.2.i. Se lleva a cabo el contraste de raíz unitaria de Dickey Fuller para definir si ese primer valor puede considerarse de forma significativa igual a la unidad, con un resultado del valor p del contraste (0,2182) superior al nivel de significación, lo que permite no rechazar la hipótesis nula del mismo. De este modo se puede afirmar que la serie sigue un proceso de al menos un orden I(1). Los resultados de este contraste pueden consultarse en la Tabla 2.2.2.k. ! ! ! ! ! 69 Figura 2.2.2.g: Evolución temporal de la variable ratio de apalancamiento de la banca española ! ! ! ! ! Fuente: Elaboración propia a partir de datos de Bloomberg Tabla 2.2.2.i: FAC y FACP de la variable ratio de apalancamiento de la banca española Una vez contrastado el hecho de que la serie original no sigue un proceso estacionario de tipo I(0), se procede a tomar los valores originales en primeras diferencias para determinar si se está ante un proceso de orden I(1) u otro de orden superior. La serie diferenciada se muestra en la Figura 2.2.2.h, y presenta una evolución en la que desaparece la ligera tendencia negativa que se intuía en la serie original. Adicionalmente, y al igual que en la serie inicial, no se observan signos evidentes de la concurrencia de un patrón estacional en la misma. ! 70 Los valores de la FAC y FACP de la serie en primeras diferencias pueden observarse en la Tabla 2.2.2.j. Estos parecen partir de valores alejados de la unidad, hecho que corroborará los resultados del contraste de DF (Tabla 2.2.2.k). El valor p asintótico de este contraste queda por debajo del nivel de significación, permitiendo rechazar la hipótesis nula y afirmar, a un nivel de significación del 5%, que la serie diferenciada seguirá un proceso de orden I(0), mientras la original lo seguirá de orden I(1). ! Figura 2.3.1.h: Evolución temporal de la variable en primeras diferencias ratio de apalancamiento de la banca española ! ! ! ! ! ! ! ! Fuente: Elaboración propia a partir de datos de Bloomberg ! Tabla 2.2.2.j: FAC y FACP de la variable en primeras diferencias ratio de apalancamiento de la banca española ! ! ! ! ! ! ! ! 71 Tabla 2.2.2.k: Resultados del contraste de DF para las variables intervinientes en los modelos de predicción de la economía española ! ! ! ! ! ! 2.2.3. Análisis del orden de integración de las variables intervinientes en los modelos de predicción de la economía de la Eurozona ! Se ofrece en el presente capítulo un análisis de series temporales sobre la evolución de las distintas variables que participarán de forma exclusiva en los modelos de predicción sobre el diferencial repo FBE – OIS en la Eurozona. Al igual que en el caso español, se llevará a cabo un estudio sobre la estacionariedad de las variables, cuyo objetivo último será determinar que tipo de proceso temporal siguen. En caso de que la serie original se muestre como no estacionaria, se procederá a tomar la variable en primeras diferencias con el objeto de conseguir una serie estacionaria de tipo I(0). Al igual que en el caso anterior se analizará en primer lugar la función de autocorrelación de cada serie original y, tomando apoyo en el contraste de raíz unitaria de Dickey Fuller, se podrá determinar de forma fehaciente la estacionariedad o no de la serie analizada. Se procede a continuación al análisis de las cuatro variables exclusivas de los modelos sobre el repo-OIS de la Eurozona. Estas variables son en su definición, equivalentes a las utilizadas en el Capítulo 2.2.2 del modelo español. Sin embargo, en este caso se referirán a datos de la economía de la Eurozona y tomarán valores distintos a los del capítulo anterior. De este modo se analizará el diferencial de estudio repo FBE – OIS, frente al estudiado en el modelo español Repo BdE – OIS. Las variables exógenas exclusivas de la Eurozona serán CDS de instituciones financieras europeas, el índice de volatilidad VSTOXX sobre opciones sobre de EuroStoxx 50 y el ratio de apalancamiento de la banca de inversión europea. ! 72 Repo FBE - OIS La evolución de esta variable se puede observar gráficamente, y para el periodo de generación de los modelos, mediante la Figura 2.2.3.a, donde la serie presenta hasta final de 2011 una clara tendencia negativa, que se tornará positiva a lo largo de 2012. La existencia de esta tendencia muestra ya signos de la no estacionariedad de la serie, que será corroborada a través del análisis de su FAC y mediante el contraste de Dickey Fuller. Se descarta asimismo problemas derivados de una posible estacionalidad de la serie al no percibirse un patrón repetitivo y estacional en la misma. Figura 2.2.3.a: Evolución temporal de la variable diferencial repo FBE – OIS ! ! Fuente: Thomson Reuters ! La FAC y FACP de la serie se muestran en la Tabla 2.2.3.a, donde se observa como parten de valores elevados próximos a uno y decrece muy lentamente, evidenciando la ausencia de estacionariedad de la serie. El contraste de DF, mostrado en la Tabla 2.2.3.h, con un valor p asintótico de 0,5096 muy superior al nivel de significación del 5%, permite no rechazar la hipótesis nula de ese contraste y aceptar que la serie sigue al menos un proceso de orden I(1). Se procede a la toma de primeras diferencias de la serie original para la repetición del proceso anterior. En la Figura 2.2.3.b se observa gráficamente como la serie en primeras diferencias pierde la acusada tendencia de la serie original y muestra mayores signos de estabilidad, además de seguir no presentando patrones estacionales de comportamiento. ! 73 Tabla 2.2.3.a: FAC y FACP de la variable diferencial tipo repo FBE – OIS ! ! ! ! ! ! ! ! ! Figura 2.2.3.b: Evolución temporal de la variable en primeras diferencias diferencial repo FBE – OIS ! ! ! ! ! ! Fuente: Thomson Reuters La FAC de la serie diferenciada puede observarse en la Tabla 2.2.3.b, y a diferencia de la FAC de la serie original, esta parte de valores muy alejados de la unidad, hecho que clarifica su condición de serie estacionaria. Se corrobora este resultando mediante el contraste de DF (Tabla 2.2.3.h) que muestra un valor p asintótico (0,001217) inferior al nivel de significación y que permite rechazar la hipótesis nula del contraste y afirmar que la serie diferenciada sigue un proceso de tipo I(0), mientras la original lo hará de orden I(1). ! 74 Tabla 2.2.3.b: FAC y FACP de la variable en primeras diferencias diferencial repo FBE – OIS! ! ! ! ! ! ! CDS de instituciones financieras europeas La Figura 2.2.3.c muestra la evolución de la variable relativa a los CDS de la banca europea para el periodo de generación de los modelos de estimación. Se observa una marcada tendencia positiva en la evolución de la misma, lo que permite no poder afirmar que se cumpla la condición de estacionariedad en la serie. No se observan patrones estacionales repetitivos durante los años analizados. Figura 2.2.3.c: Evolución temporal de la variable CDS de instituciones financieras europeas ! ! ! ! ! ! ! Fuente: Bloomberg ! 81 Tabla 2.2.3.h: Resultados del contraste de DF para las variables intervinientes en los modelos de predicción de la economía de la Eurozona 2.2.4. Análisis del orden de integración de las variables comunes a los modelos de predicción de la economía española y de la Eurozona Se analizan a continuación aquellas variables que intervendrán indistintamente en los modelos predictivos del diferencia repo-OIS en España y en la Eurozona. Al igual que en los dos capítulos anteriores, se analizará la estacionariedad de cada variable mediante su gráfico de series temporales, los valores de su función de autocorrelación (FAC) y los contrastes de raíz unitaria de Dickey Fuller. Una vez definido el proceso temporal de cada variable se podrá determinar como será su inclusión en los modelos predictivos, ya sea como variable original o como variable en primeras o superiores diferencias. Se analizarán siete variables comunes a ambos modelos. En primer lugar se tratará la variable prima de riesgo española, como determinante de las tensiones vividas en la economía europea a raíz de la crisis de la deuda de los países periféricos en Europa. A continuación se tomarán varios diferenciales representativos de las tensiones de riesgo y liquidez en Europa y en España, como serán el Euribor-OIS, el diferencial repo BdE - Repo FBE, y el diferencial oferta-demanda del tipo OIS. Adicionalmente se estudiarán tres variables relacionadas con la política monetaria del Eurosistema y que se considera afectarán a los tipos repo y OIS en ambas economías. Se analizará en este sentido, la evolución de la apelación de los bancos a la facilidad marginal de crédito del BCE, la apelación a la facilidad marginal de depósito del BCE, y la evolución del saldo de las operaciones de mercado abierto de la Institución Europea. Prima de riesgo española La evolución de esta variable durante el periodo de tiempo de generación de los modelos puede observarse en la Figura 2.2.4.a. En ella se observa de forma clara la existencia de una tendencia positiva persistente el tiempo que apoya la idea de definición de la serie como no ! 82 estacionaria. Al igual que en las variables analizadas anteriormente, no se observa ningún patrón estacional repetido a lo largo de los años en la evolución de esta variable. Figura 2.2.4.a: Evolución temporal de la variable prima de riesgo española Fuente: Datastream Los valores de la FAC de esta serie mostrados en la Tabla 2.2.4.a parten de valores muy próximos a uno y decrecen lentamente hacia cero, síntomas claros de la no estacionariedad de la serie. Se contrasta esta conclusión mediante el contraste de Dickey Fuller cuyos resultados pueden observarse al final del presente capítulo en la Tabla 2.2.4.n. Los resultados de este contraste muestran un valor p asintótico superior al nivel de significación, lo que hace no rechazar la hipótesis nula y aceptar que la serie sigue un proceso de al menos orden I(1). Se adjunta de forma adicional en la Tabla 2.2.4.b el resultado de la regresión de Dickey Fuller donde se puede observar como la tendencia de la serie es un elemento significativo de la regresión. Una vez definido el proceso como de al menos orden I(1) se procede a repetir el proceso sobre la serie tomada en primeras diferencias. La evolución de la serie diferenciada puede observarse en la Figura 2.2.4.b, donde desaparece la tendencia en la misma ganando estabilidad en su evolución y permitir sugerir la estacionariedad de la serie analizada. Nuevamente no hay evidencia de la existencia de patrones estacionales en la serie. La FAC de la serie, mostrada en la Tabla 2.2.4.c, parte de valores muy alejados de uno, reafirmando la idea de estacionariedad de la serie diferenciada. El contraste de DF reafirma este hecho, con un valor p asintótico (0,002315), muy inferior al nivel de significación, lo que permite rechazar la hipótesis nula y afirmar que la serie en primeras diferencias sigue un proceso de orden I(0), mientras la original será de orden I(1). Estos resultados pueden consultarse al final del capítulo en la Tabla 2.2.4.n. ! 83 Tabla 2.2.4.a: FAC y FACP de la variable prima de riesgo española ! ! ! ! ! ! ! ! ! ! Tabla 2.2.4.b: Regresión aumentada de Dickey Fuller sobre la variable prima de riesgo española ! ! ! ! ! ! 84 Figura 2.2.4.b: Evolución temporal de la variable en primeras diferencias prima de riesgo española Fuente: Datastream Tabla 2.2.4.c: FAC y FACP de la variable en primeras diferencias prima de riesgo española ! ! ! ! ! ! Diferencial Euribor-OIS El comportamiento temporal de la variable Euribor-OIS viene reflejado en la Figura 2.2.4.c, donde se alternan periodos de estabilidad con otros que parecen indicar la existencia de una tendencia. No se observa la repetición de ningún patrón estacional en la serie durante el periodo estudiado. ! 85 Figura 2.2.4.c: Evolución temporal de la variable diferencial Euribor-OIS Fuente: Thomson Reuters La FAC de esta serie, expuesta en la Tabla 2.2.4.d, parte de un valor que será necesario contrastar mediante DF para valorar su proximidad o no a la unidad. El resultado del contraste de Dickey Fuller (Tabla 2.2.4.n), muestra un valor p asintótico igual a 0,043, inferior al nivel de significación, lo que permitiría rechazar la hipótesis nula y afirmar que el proceso sigue un proceso de orden I(0). Sin embargo, y al igual que ocurrió con la variable VSTOXX, esta variable ganará poder de estimación en los modelos de predicción tomada en forma de primeras diferencias, por lo que aún aceptando su estacionariedad, la serie podrá ser diferenciada. Tabla 2.2.4.d: FAC y FACP de la variable diferencial Euribor-OIS ! ! ! ! ! ! ! 86 BAS OIS La evolución del diferencial de oferta y demanda de los tipos OIS63, puede observarse en la Figura 2.2.4.d. En ella se aprecia como, aunque parece existir una tendencia al inicio y al final de la serie, la estabilidad de los datos centrales puede otorgar cierta estacionariedad a la serie. Figura 2.2.4.d: Evolución temporal de la variable BAS OIS Fuente: Thomson Reuters (Contribuidor: Tradeweb) La FAC, mostrada en la Tabla 2.2.4.e, parte de datos claramente muy alejados de la unidad, lo que reafirma la intuición de estacionariedad de la serie derivada de la observación de su gráfico de series temporales. El contraste de DF reafirma esta posición mostrando un valor p asintótico muy inferior al nivel de significación, lo que permite rechazar la hipótesis nula del contraste y afirmar que la serie sigue un proceso de orden I(0). Los resultados del contraste de DF pueden consultarse en la Tabla 2.2.4.n. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 63 Bid-ask spread OIS o BAS OIS ! 87 Tabla 2.2.4.e: FAC y FACP de la variable BAS OIS Facilidad marginal de depósito del BCE La Figura 2.2.4.e muestra la evolución histórica de la variable analizada para el periodo 2009-12. En ella se observa como, aunque mantiene cierta estabilidad en su evolución temporal hasta mediados de 2011, toma una elevada pendiente positiva que se mantendrá hasta el primer trimestre de 2012. Esta evolución inclina a rechazar en un primer momento la condición de estacionariedad de la serie temporal. Se observa adicionalmente el no cumplimiento de patrones estacionales durante el periodo estudiado. Figura 2.2.4.e: Evolución temporal de la variable facilidad marginal de depósito del BCE ! ! ! ! ! ! ! Fuente: Thomson Reuters ! 88 Los valores de la FAC de esta serie pueden consultarse en la Tabla 2.2.4.f, donde se observa como esta parte de valores elevados próximos a uno, y decrece suavemente hacia cero. Esta observación sin embargo debe ser contrastada mediante el contraste de raíz unitaria de Dickey Fuller, cuyos resultados podrán consultarse en la Tabla 2.2.4.n. El resultado del contraste ofrece un valor p asintótico muy superior al nivel de significación asumido del 5%, lo que implica no rechazar la hipótesis nula del contraste, y aceptar que la serie original sigue un proceso de al menos un orden I(1). Se toma a continuación la variable analizada en primeras diferencias con el objeto de estudiar la estacionariedad de la nueva serie temporal obtenida. La Figura 2.2.4.f muestra la evolución de la variable diferenciada y como esta gana en estabilidad frente a la serie original. Se mantiene igualmente sin mostrar patrones estacionales. Tabla 2.2.4.f: FAC y FACP de la variable facilidad marginal de depósito del BCE Figura 2.2.4.f: Evolución temporal de la variable en primeras diferencias facilidad marginal de depósito del BCE ! ! ! ! ! ! ! ! Fuente: Thomson Reuters ! 89 La FAC se muestra en la Tabla 2.2.4.g y parte de valores muy alejados de la unidad. Este hecho se corroborará mediante el resultado del contraste de DF mostrado en la Tabla 2.2.4.n, que dará como resultado un valor p asintótico inferior al nivel de significación, permitiendo rechazar la hipótesis nula del contraste y aceptar que la serie diferenciada sigue un proceso I(0), mientras la original lo hace de orden I(1). Tabla 2.2.4.g: FAC y FACP de la variable en primeras diferencias facilidad marginal de depósito del BCE ! ! ! ! ! ! ! ! Operaciones de mercado abierto del BCE En la Figura 2.2.4.g se muestra la evolución temporal de la variable relativa al saldo del sistema financiero en Operaciones de Mercado Abierto (OMA) durante el periodo de análisis. Se observa un comportamiento no estacional, sin patrones de comportamiento repetidos a lo largo del tiempo, así como no estacionario por la escasa estabilidad en la evolución del valor de la variable. La FAC de esta serie temporal, mostrada en la Tabla 2.2.4.h, se inicia en valores próximos a la unidad además de presentar un comportamiento de decrecimiento suave hacia cero, lo que permite sugerir la no estacionariedad de la serie. El resultado del contrate de DF reafirma esta intuición con un resultado del valor p asintótico muy superior al nivel de significación, y que permite no rechazar la hipótesis nula del contraste. De este modo se asume que la variable analizada seguirá un orden de al menos un tipo I(1). Los resultados del contraste de DF sobre esta variable pueden ser consultados al final de este capítulo en la Tabla 2.2.4.n. Se procede a tomar la serie en primeras diferencias como búsqueda de solución a la contrastada condición de no estacionariedad de la serie original. La evolución de esta nueva variable puede observarse en la Figura 2.2.4.h, donde se observa un comportamiento más estable en el tiempo que en la serie original. Se descarta asimismo cualquier problema de estacionalidad al no percibirse repetición de patrones estacionales en la variable durante el periodo de estudio. ! 90 Figura 2.2.4.g: Evolución temporal de la variable operaciones de mercado abierto Fuente: Thomson Reuters Tabla 2.2.4.h: FAC y FACP de la variable operaciones de mercado abierto ! ! ! ! ! ! ! ! ! ! 97 Capítulo 3 Análisis de los condicionantes sobre el diferencial repo-OIS en la economía española. Elaboración de los modelos de estimación y validación de su capacidad predictiva 3.1 Introducción Se desarrollan a lo largo del presente capítulo una serie de modelos econométricos de predicción sobre el diferencial repo-OIS de la economía española. El primer objetivo de estos modelos será buscar explicar la evolución del diferencial de estudio repo-OIS mediante el camino temporal seguido por aquellas variables económicas y financieras ya documentadas en esta Tesis. De este modo se podrá conseguir el objetivo principal de poder predecir el diferencial de estudio mediante una serie de variables del mercado. El periodo de tiempo asumido para la generación de los modelos irá de enero de 2009 hasta diciembre de 2012, englobando de este modo tanto un periodo de tensión en los mercados monetarios (crisis de deuda europea), junto con un periodo de cierta recuperación y menos turbulencias en esta economía. La elaboración de los modelos parte del análisis econométrico de las variables candidatas a participar en el mismo y expuestas a lo largo del Capítulo 2 de esta Tesis Doctoral. Se iniciará el proceso mediante la presentación de un modelo que asuma todas las variables contrastadas bibliográfica y financieramente, para avanzar hacia modelos con un grado ! 98 superior de ajuste y que logren explicar la evolución del diferencial en España con mayor fiabilidad. Se asumirán inicialmente tanto variables específicas de la economía nacional como una serie de variables que serán comunes a los modelos de predicción del diferencial repo-OIS en España y la Eurozona. Entre las variables específicas españolas se encontrarán los CDS de instituciones financieras españolas, la volatilidad histórica del IBEX 35 y el índice apalancamiento de instituciones financieras españolas. Como variables comunes de ambos modelos se tomaran aquellas referidas a la política monetaria del Eurosistema, siendo estas la apelación a la facilidad marginal de crédito y depósito, y el saldo vivo de operaciones de mercado abierto del BCE. Respecto a las variables comunes a los modelos de ambas zonas económicas, se tomará el diferencial de oferta y demanda de las operaciones OIS, el diferencial Euribor-OIS y el diferencial repo BdE - repo FBE, todos ellos con vencimiento a un mes, junto con la prima de riesgo de deuda soberana española a diez años frente a la alemana. Una vez analizada durante el Capítulo 2 la condición o no de estacionariedad y grado de diferenciación de cada variable analizada, se estará en condición de presentar modelos de predicción en los que todas sus variables sean estacionarias y puedan presentar una relación de equilibrio a largo plazo permanente y de tipo no espuria. Este objetivo se conseguirá mediante la toma en primeras diferencias de todas aquellas variables cuyo proceso temporal se haya identificado como de orden I(1), y manteniendo inalterables aquellas de orden I(0). A partir de ese punto, y una vez obtenido un modelo generalista que integre todas las variables del estudio, se procederá a mejorar el grado de ajuste del modelo mediante el aislamiento de sus variables significativas, hasta conseguir modelos de mayor grado de ajuste y mejor capacidad predictiva. Se procederá a continuación a validar los modelos presentados mediante una serie de contrastes definidos en el Capítulo 2.2.1, y que otorgarán o no validez a los modelos. En primer lugar se descartarán posibles problemas de multicolinealidad entre las variables de cada modelo, para a continuación pasar a analizar si la especificación funcional otorgada al modelo, lineal en todos los casos, es correcta y el modelo puede ser explicado con esa forma funcional (Ramsey, 1969). Una vez descartados problemas de multicolinealidad y aceptada como correcta la especificación funcional propuesta, se tratará el análisis de homocedasticidad, autocorrelación y Normalidad de los modelos mediante el análisis de los residuos generados. En este sentido se analizará que estos sigan un proceso de tipo Normal mediante el contraste de Jarque y Bera (1980). Los posibles problemas de autocorrelación de los modelos serán analizados mediante los contrastes desarrollados por Durbin y Watson (1950, 1951) y Breusch y Godfrey (Breusch, 1978; Godfrey, 1978a, 1978b). Finalmente se deberán descartar problemas de heterocedasticidad, primero mediante los contrastes de White (1980) y a continuación mediante un contraste ARCH que definirá si los residuos siguen un proceso de tipo heterocedástico. El ajuste de modelo se medirá mediante el estadístico R2 y R2 corregida que ayudará a una correcta comparación del grado de ajuste entre los modelos. Igualmente se tendrá en cuenta el valor p (F) que mostrará la significación o no de las variables del modelo. Finalmente, en el Capítulo 3.2.3 se analizará la capacidad predictiva de los modelos presentados y validados. Se realizarán en un primer momento estimaciones mediante estos modelos para los datos del ejercicio 2013. De este modo se observará cuál es la predicción del modelo para un ejercicio no interviniente en la generación de los modelos, y se contrastará junto con los datos efectivos del diferencial repo-OIS en España durante ese año. Se asume un intervalo de confianza del 95% en las previsiones y se compararán los indicadores de error que presenta cada modelo para definir aquel que mejor comportamiento ha presentado. Del mismo modo se realizarán estimaciones mediante los ! 99 modelos generados sobre datos de 2008, buscando demostrar la fiabilidad de los modelos validados ante un escenario de elevada incertidumbre en los mercados financieros. 3.2. Generación, validación y contraste de la capacidad predictiva de los modelos de predicción del diferencial repo-OIS en la economía española 3.2.1. Generación de los modelos de predicción sobre el diferencial repo-OIS en España El objetivo del presente capítulo es la presentación de una serie de modelos de predicción del diferencial repo-OIS de la economía española, basados en las variables ya contrastadas en los capítulos anteriores de esta Tesis Doctoral. Se toma en primer lugar apoyo en la especificación econométrica obtenida para cada variable en el Capítulo 2.2, buscando la obtención de modelos cuyos componentes presenten una relación estable de equilibrio a largo plazo. La no correcta especificación de las variables deriva en la generación de modelos no cointegrados que no son capaces de explicar relaciones estables entre los componentes que lo forman. Se procede por tanto a la presentación de un modelo para el periodo 2009-12, con todos sus componentes estacionarios, mediante la toma en primeras diferentas de todas aquellas variables cuyo proceso temporal fueran definidas en el capítulo anterior como de tipo I(1)64. Aquellas variables que se observó seguían un proceso estacionario y de tipo I(0) se mantienen con sus valores originales, siendo este el caso de las variables BAS OIS y facilidad marginal de crédito65. Los resultados de este Modelo General pueden consultarse en la Tabla 3.2.1.a, donde se observa un elevado grado de ajuste medido por su R2 así como un valor p (F) que permite rechazar la hipótesis de no significatividad de los coeficientes de forma conjunta. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 64 Todos los modelos presentados en este capítulo y durante el Capítulo 4 asumirán el periodo de generación de enero de 2009 a diciembre de 2012, resultando en 48 observaciones mensuales 65 El diferencial Euribor-OIS, aunque definido como de tipo I(0), presenta mayor poder explicativo tomado en primeras diferencias, por lo que se incluirá de este modo en los modelos. ! 100 Tabla 3.2.1.a: Modelo General España Al igual que ocurrirá en el resto de modelos presentados en esta Tesis, se asume la incorporación de una constante en la regresión que mejora significativamente el grado de ajuste de los mismos. En la Tabla 3.2.1.a se puede observar como, para un nivel de significación del 5%, únicamente cuatro variables resultan significativas: d_prima de riesgo, d_diferencial Euribor-OIS, d_diferencial repo BdE – repo FBE, y la facilidad marginal de crédito. Observando el resto de variables, únicamente BAS OIS y d_facilidad de depósito podrían considerarse significativas a un grado de significación del 15%, mientras el resto presentan valores de su p valor asintótico muy superiores. Es destacable asimismo de este modelo el elevado grado de ajuste, medido por su R2 (86,07%) y por su R2 corregido (82,3%), mostrando como en un elevado porcentaje, los movimientos de la variable endógena vienen explicados por las variables exógenas. Como aspectos negativos a tener en cuenta respecto a este modelo debe tenerse en cuenta como la existencia de un gran número de variables no significativas hace poco operativo el modelo de cara a la obtención de resultados y a la realización de predicciones. Por esta razón se decide avanzar mediante la presentación de modelos predictivos más ajustados en aquellas variables con mayor grado de significación. Se presentarán para ello cinco modelos adicionales, ajustados por aquellas variables más significativas y más operativos para la realización de las predicciones futuras. ! 101 El modelo cuyos resultados se presentan en la Tabla 3.2.1.b, denominado Modelo A, está formado únicamente por aquellas variables que resultaron significativas a un nivel del 5% en el Modelo General. Todas las variables de este nuevo modelo mantienen alta significatividad presentando valores p asintóticos muy inferiores a 0,05. En cuanto al grado de ajuste del nuevo modelo, éste mantiene un R2 elevado, aunque algo inferior al del Modelo General. Este hecho es explicado debido a que aunque muchas variables del primer modelo presentado no resultaron significativas, algunas de ellas poseerán cierto poder de predicción que hará aumentar el grado de ajuste del modelo. Sin embargo, este escaso incremento en el indicador no justifica la escasa operatividad que implica la inclusión de una serie de variables no significativas a la hora de realizar predicciones y obtener conclusiones válidas. El R2 se mantiene por su parte en niveles elevados y el valor p (F) del modelo permite asegurar la significatividad de forma conjunta de las variables. Tabla 3.2.1.b: Modelo A España Como paso siguiente en la búsqueda de modelos de alta precisión, se decide incorporar al modelo anterior una de las variables que, aún no siendo significativas en el Modelo General, sí presentaba significatividad a un nivel del 15%. Se añade de este modo la variable BAS OIS, que sigue mostrando significatividad al 15% y aumenta el ajuste del modelo hasta conseguir un R2 corregido igual al 82,7973%, superior al del Modelo General y al del Modelo A. Sin embargo el incremento tan escaso en el R2 corregido del modelo deriva de la inclusión de una variable que resulta no significativa en el mismo, lo que podría derivar en una pérdida de precisión del modelo. Los resultados de este nuevo modelo, denominado Modelo B, se presentan en la Tabla 3.2.1.c, donde se observa como todas aquellas variables que resultaron significativas en el Modelo General siguen mostrando significatividad al 5%. El valor p (F) de este nuevo modelo sigue siendo muy cercano a cero lo que permite afirmar la significación conjunta de las variables del modelo. ! 102 Tabla 3.2.1.c: Modelo B España Siguiendo con el proceso de elaboración de modelos de predicción, se opta nuevamente por incrementar el número de variables presentadas en el Modelo General, esta vez añadiendo las dos variables que presentaban significación al 15%. Se incorporan de este modo la variable BAS OIS y d_facilidad marginal de depósito, dando lugar a un modelo denominado como Modelo C, y cuyos resultados pueden observarse en la Tabla 3.2.1.d66. En dicha tabla se observa como las cuatro variables comunes al Modelo A siguen mostrando significatividad al 5%, mientras que las variables BAS OIS y d_facilidad marginal se mantienen no significativas a ese nivel. El porcentaje del movimiento de la variable endógena debido a movimientos en las variables explicativas mejora ligeramente obteniéndose un valor del R2 corregido superior al 83%. Este ligero incremento sin embargo deriva de la inclusión de variables poco significativas y que podrían influir en la precisión del modelo a la hora de realizar predicciones. !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 66!Se ha descartado la generación de un nuevo modelo mediante la inclusión aislada de la variable d_diferencial marginal de depósito por presentar resultados de inferior calidad a los del Modelo A. ! 103 Tabla 3.2.1.d: Modelo C España Una vez presentados los anteriores tres modelos con resultados de ajuste positivos, se decide valorar la posibilidad de incorporar retardos en las variables. Esta tentativa buscará, mediante la incorporación de variables retardadas, lograr un incremento en el poder explicativo de las variables exógenas y en el poder de predicción del modelo. En la Tabla 3.2.1.e se pueden consultar los resultados del Modelo E aplicando retardos sobre todas sus variables. Se observa como una de las variables retardadas, d_Euribor-OIS, resulta significativa a un nivel del 5%, mientras otra, d_prima de riesgo, sería significativa a un nivel del 10%. El R2 del modelo supera el 90%, explicado este aumento por el incremento en el número de variables utilizadas. El R2 corregido del modelo mejorará sustancialmente frente a los modelos anteriores y superará el 86%. ! 104 Tabla 3.2.1.e: Modelo C España aplicando retardos en todas sus variables Una vez observada que la posibilidad de incorporar retardos podría incrementar la calidad de los modelos, se inicia un proceso de generación de modelos con inclusión de variables retardas buscando aquellos que presenten mejor ajuste y sigan resultando operativos para la realización de predicciones futuras. Se presentan a continuación los dos modelos que presentaron un mejor comportamiento incorporando retardos en algunas de sus variables. El primer modelo presentado de esta tipología, denominado Modelo D, prescindirá de la variable BAS OIS e incorporará la variable retardada d_Euribor-OIS. Se conseguirá mediante esta modificación un modelo con un nivel de R2 corregido superior al 86,5%, y en el que salvo la variable d_facilidad de depósito (valor p asintótico igual a 0,0678), todas sus variables resultarán significativas a un nivel del 5%. Respecto al valor p (F) sigue mostrando valores cercanos a cero lo que permite rechazar la hipótesis de no significatividad del conjunto de variables. Los resultados de este modelo pueden ser consultados en la Tabal 3.2.1.f que se expone a continuación. ! 105 Tabla 3.2.1.f: Modelo D España Como último paso en la generación de modelos para la economía española, se presenta el Modelo E, en el que nuevamente se prescinde de la variable BAS OIS, y en el que se incorporan retardos además de sobre d_Euribor-OIS, sobre d_prima de riesgo. Los resultados de este modelo, expuestos en Tabla 3.2.1.g, muestran como salvo la variable d_prima, todas las variables resultan significativas al nivel del 5%, con un poder explicativo del movimiento de la endógena medido por su R2 corregido superior al 87,5%. El valor p (F) siguen siendo muy cercano a cero lo que permite aceptar la significación del modelo presentado. ! 106 Tabla 3.2.1.g: Modelo E España Antes de proceder a validar en el siguiente capítulo todos los modelos aquí expuestos, se muestran los resultados de los estadísticos de evaluación de la predicción de los cinco modelos aplicados sobre el periodo de generación del modelo 2009-12. Estos resultados mostrarán mediante el error cuadrático medio y el error absoluto medio, qué modelos han ajustado mejor sus predicciones durante el periodo de generación. Los resultados de estos estadísticos pueden consultarse en la Tabla 3.2.1.h Tabla 3.1.2.h: Estadísticos de evaluación de ajuste 2009-12 El elevado grado de ajuste de todos los modelos para el periodo de generación se muestra de forma gráfica a continuación. En la Figura 3.2.1.a se observa gráficamente la evolución de la predicción del Modelo A durante el periodo de generación del modelo, frente al valor real de la variable d_repo BdE-OIS. Se observan en este modelo dos puntos atípicos en la estimación para un intervalo de confianza del 95%, febrero y junio de 2009, y cuyos motivos se explicarán en las conclusiones de este capítulo. Estos dos puntos son también ! 113 Finalmente, y para terminar los procesos de validación de los residuos de los modelos, se analizará si estos siguen un proceso de tipo autorregresivo, tomando apoyo en dos tipos de contrastes. Por un lado se utilizará el estadístico de Durbin y Watson (1950, 1951) que no siempre determinará un resultado específico pudiendo ofrecer un resultado de indeterminación. Debido a esto, y con ánimo de mejorar el análisis, se procederá igualmente a realizar el contraste desarrollado por Breusch (1978) y Godfrey (1978a, 1978b), que determinará o no si los residuos siguen un camino de tipo autorregresivo. La Tabla 3.2.2.f muestra los valores del estadístico de Durbin-Watson para cada modelo de estudio. Estos valores habrá que considerarlos teniendo en cuenta las tablas de valores críticos de Durbin-Watson, que variarán según el tamaño de la muestra y el número de regresores. Los valores críticos del estadístico de Durbin-Watson para un tamaño muestral de 48 observaciones, y para un número de regresores que va desde 4 hasta 7, pueden consultarse en la Tabla 2.2.1.a. Los resultados de este contraste resultan indeterminados para todos los modelos estudiados del caso español, encontrándose el valor de estadístico de Durbin-Watson dentro de las bandas de valores críticos que no permiten definir el resultado del contraste. Tabla 3.2.2.f: Valores del estadístico de Dubin-Watson para los modelos de predicción de la economía española Ante la no definición de este contraste, se procede a ejecutar el contraste de Breusch- Godfrey para determinar si los residuos de los modelos siguen un proceso de tipo autorregresivo. Se toman para ello dos retardos a la hora de elaborar el contraste, cuya hipótesis nula será la no existencia de un proceso autorregresivo en los residuos. La Tabla 3.2.2.g muestra los resultados de este contraste para los cinco modelos presentados. En todos ellos el valor p asintótico del contraste resulta mayor que el nivel de significación, lo que permite no rechazar la hipótesis nula y aceptar que ninguno de los residuos generados por los modelos estudiados sigue un proceso de tipo autorregresivo. ! 114 Tabla 3.2.2.g: Resultados del contraste de Breusch-Godfrey con dos retardos sobre los residuos de los modelos predictivos de la economía española Se ha demostrado durante el presente capítulo y para todos los modelos presentados la no presencia de problemas de multicolinealidad entre las variables intervinientes en los modelos presentados. Igualmente se ha demostrado lo acertado de haber asumido una especificación funcional de tipo lineal en todos los modelos pudiéndose afirmar en todos los casos que la relación lineal entre las variables es correcta. Respecto a los residuos generados, estos se comportarán siguiendo una distribución de tipo Normal en los Modelos B y C, mientras los Modelos A, D y E generarán residuos con distribución de tipo no Normal. Este hecho sin embargo y como se ha hecho notar anteriormente, no será requisito determinante a la hora de dar validez a los resultados de los modelos. Se ha demostrado de igual modo que los residuos de todos los modelos siguen procesos de tipo no autorregresivo y homocedástico, permitiendo obtener conclusiones sobre el ajuste de los mismos más allá de si las variables toman uno u otro signo. 3.2.3. Contraste de la capacidad predictiva de los modelos de predicción sobre el diferencial repo- OIS en España Una vez validados los modelos de predicción del diferencial repo-OIS en España, y contrastada su validez operativa, se procede en el presente capítulo al análisis de la capacidad predictiva de los mismos. Se procederá en primero lugar a contrastar la capacidad predictiva de los cinco modelos presentados, observando como se ha comportando cada uno de ellos durante el año 2013 no incluido en la generación del modelo. Se observará durante ese año de chequeo como se han ajustado los valores estimados frente a los valores reales que tomó efectivamente la variable de estudio en ese ejercicio. Para ello se asumirá un intervalo de confianza del 95% en la estimación de los valores de predicción lo que permitirá concluir en qué grado las predicciones serán correctas o no. Igualmente se mostrarán los estadísticos de predicción para ese año, lo que permitirá conocer qué modelo presentó un mejor comportamiento en sus estimaciones. ! 115 Finalmente y buscando obtener la máxima información, se ha querido contrastar la capacidad predictiva los modelos sobre España sobre datos de esa economía para el ejercicio 2008. Las predicciones durante ese año que resultó especialmente convulso en los mercados financieros tratarán de validar el poder predictivo de los modelos ante escenarios de elevada incertidumbre financiera. De este modo se comprueba la fiabilidad de los modelos en un escenario de elevada volatilidad en los mercados, tratando de localizar posibles puntos de error en las estimaciones. Modelo A España Se procede a realizar las predicciones sobre el diferencial repo BdE-OIS para el año 2013 mediante el Modelo A de la economía española. Se contrasta para ello los valores reales tomados por la variable durante ese año, frente a los valores estimados propuestos por el modelo. Los valores de predicción aunque toman un valor concreto, serán propuestos de forma adicional en forma de intervalo de estimación67. De este modo será posible observar si los valores reales que tomó la variable de estudio durante el ejercicio 2013 estuvieron incluidos dentro de los rangos de estimación propuestos por el modelo. En la Tabla 3.2.3.a se muestra la predicción realizada por el Modelo A para 2013. En ella aparece tanto el valor real que tomó la variable durante ese año como la predicción realizada, en términos de valor y de intervalo de confianza. Puede observarse como, para todos los meses de 2013, el modelo predice correctamente la evolución del diferencial repo BdE – OIS. Este ajuste se muestra gráficamente en la Figura 3.2.3.a, donde se puede observar como los valores reales de la variable, entran en todos los casos dentro del rango de predicción con un intervalo de confianza del 95%. Tabla 3.2.3.a: Valores de predicción del Modelo A España sobre 2013 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 67!Se asumirá para todas las estimaciones un intervalo de confianza al 95%.! ! 116 Figura 3.2.3.a: Valores de predicción del Modelo A España sobre 2013 Tanto en la Tabla 3.2.1.a como en la Figura 3.2.1.a puede observarse como, para un intervalo de confianza del 95%, todos los valores predichos para el ejercicio 2013 fueron correctamente estimados. Los valores reales de la variable de estudio durante ese año se incluyeron en todos los casos dentro de las bandas de predicción, permitiendo calificar la capacidad predictiva del Modelo A como muy elevada y no presentando ningún punto de error en sus estimaciones. Se realiza para el ejercicio 2008 un proceso de predicción similar al ejecutado para 2013. Los valores de estimación para ese ejercicio obtenidos mediante el Modelo A, tanto en valor concreto como de intervalo de predicción, así como el valor real que tomó la variable pueden consultarse en la Tabla 3.2.1.b. Puede analizarse asimismo el grado de ajuste de la predicción de forma gráfica mediante la Figura 3.2.1.b. Aunque la estimación del dato de septiembre crea cierta tensión en la estimación del modelo, puede concluirse que el Modelo A predice correctamente todos los valores de ese año, incluido el de septiembre, y que logra integrar en sus intervalos de estimación todos los valores reales de aquel año. ! 117 Tabla 3.2.3.b: Valores de predicción del Modelo A España sobre 2008 Figura 3.2.3.b: Valores de predicción del Modelo A España sobre 2008 Modelo B España Se procede a continuación a realizar las predicciones sobre el ejercicio 2013 y 2008 mediante el Modelo B de la economía española. La Tabla 3.2.3.c muestra el resultado de las estimaciones de este modelo para 2013, así como del valor real que tomó la variable durante ese ejercicio. Puede observarse como, dado un intervalo del confianza del 95%, todas las estimaciones realizadas por el modelo son correctas, no produciéndose ningún error de estimación en el mismo durante ese ejercicio. Estos resultados se exponen de ! 118 forma gráfica en la Figura 3.2.3.c, donde se puede observar como todos los valores efectivos de la variable se incluyen dentro de los rangos de estimación presentados. Tabla 3.2.3.c: Valores de predicción del Modelo B España sobre 2013 Figura 3.2.3.c: Valores de predicción del Modelo B España sobre 2013 Se procede a realizar un análisis similar de predicción mediante el Modelo B de España esta vez sobre el ejercicio 2008. Pueden consultarse los resultados de este ejercicio predictivo tanto de forma numérica en la Tabla 3.2.3.d, como gráficamente en la Figura 3.2.3.d. Se observan dos puntos en los que el Modelo B no es capaz de predecir correctamente el valor que finalmente tomó la variable. Estos dos puntos se sitúan en septiembre y ! 119 noviembre de 2008, debiéndose analizar en las conclusiones de este capítulo las posibles causas que están detrás de este error en la predicción. Tabla 3.2.3.d: Valores de predicción del Modelo B España sobre 2008 Figura 3.2.3.d: Valores de predicción del Modelo B España sobre 2008 Modelo C España Se procede en el presente epígrafe a validar la capacidad predictiva del Modelo C sobre el diferencial repo-OIS en España. La Tabla 3.2.3.e muestra los valores de predicción para 2013, tanto en valor específico como en intervalo de confianza, así como los valores reales ! 120 que tomó la variable de estudio durante ese año. El ajuste de la predicción puede observarse también gráficamente mediante la Figura 3.2.3.e. Tabla 3.2.3.e: Valores de predicción del Modelo C España sobre 2013 Figura 3.2.3.e: Valores de predicción del Modelo C España sobre 2013 ! 121 Se puede observar como el Modelo C, al igual que los modelos anteriores, es capaz de predecir correctamente los valores que tomó el diferencial repo BdE – OIS en España durante el ejercicio 2013. Se procede a realizar el mismo proceso de predicción mediante el Modelo C sobre el ejercicio 2008, cuyos resultados pueden consultarse en forma numérica mediante la Tabla 3.2.3.f, y gráficamente mediante la Figura 3.2.3.f. Nuevamente el modelo no es capaz de predecir correctamente el dato de septiembre de 2008, aunque se muestra altamente efectivo con el resto de estimaciones sobre ese año. Tabla 3.2.3.f: Valores de predicción del Modelo C España sobre 2008 Figura 3.2.3.f: Valores de predicción del Modelo C España sobre 2008 ! 122 Modelo D España El Modelo D es el primero de los modelos que presenta una variable con retardos, hecho que lograba aumentar significativamente el valor de su R2 corregido. Se procede a realizar las estimaciones sobre el ejercicio 2013, cuyos resultados se recogen en la Tabla 3.2.3.g. Se puede observar como todos los valores de 2013 son estimados correctamente, no produciéndose errores en ningún punto de predicción de ese año. Estos resultados se pueden consultar gráficamente en la Figura 3.2.3.g. Tabla 3.2.3.g: Valores de predicción del Modelo D España sobre 2013 Figura 3.2.3.g: Valores de predicción del Modelo D España sobre 2013 ! 129 Respecto al grado de ajuste de los modelos presentados y atendiendo en primer lugar al periodo de generación de los mismos de 2009 a 2012, se observaron dos puntos de error en el ajuste de los mismos. Únicamente dos modelos erraron en uno de ellos, el Modelo A que falló en su estimación del dato de junio de 2009, mientras el Modelo E que hizo lo propio con el dato de febrero de 2009. El resto de modelos presentados fallaron en la estimación de estos dos puntos, prediciendo correctamente el resto de puntos del periodo de generación. Detrás de estos puntos atípicos puede estar el anuncio de la agencia de calificación Moody’s en febrero de 2009 de una inminente bajada del rating de España, y de la bajada efectiva de rating a veinticinco entidades financieras españolas por parte de esta agencia de calificación en junio de ese año. La observación de los estadísticos de evaluación de las estimaciones muestran resultados muy parecidos en todos los modelos analizados permitiendo concluir un elevado grado de ajuste en todos ellos. En cuanto a las estimaciones presentadas para el año 2013, los cinco modelos estimaron correctamente todas las proyecciones de ese año, por lo que cualquiera de ellos podría ser un buen estimador de la evolución del diferencial repo-OIS en España. Comparando los errores generados en la predicción mediante el error cuadrático medio en cada modelo, se encuentra que es aquel modelo de mayor R2 corregido, Modelo E, aquel que presenta mejor comportamiento. Resultados muy próximos presentarán asimismo los Modelos D y A. Realizando la comparativa mediante otros estadísticos de evaluación de error como el el error absoluto medio, se obtienen resultados similares con el Modelo E, D y A, en ese orden, como mejores estimadores del ejercicio 2013. Respecto a las estimaciones realizadas para el ejercicio 2008, únicamente el Modelo A estima correctamente todos los puntos de ese ejercicio. El resto de modelos erran la estimación del dato de septiembre de 2008, y adicionalmente en la estimación de noviembre (Modelo B) y de octubre de 2008 (Modelos D y E). La evaluación de la estimación medida mediante su error cuadrático medio, muestra nuevamente al Modelo A como aquel que presenta mejor comportamiento en este estadístico. El primer modelo expuesto en este capítulo, Modelo A, se muestra como el único de los modelos que no ha presentando puntos de ruptura en sus estimaciones, tanto para 2013 como para 2008. Adicionalmente es el único que presenta significatividad al 5% en todas su variables. El resto de modelos de estimación presentados incrementaron su número de variables pero no lograron incrementos altamente significativos en su R2 corregido. Se considera por tanto el Modelo A como un modelo de alta efectividad en la estimación de periodos de elevada volatilidad en los mercados financieros (2008), así como de periodos de recuperación financiera (2013). Este modelo ha presentado adicionalmente resultados en sus estadísticos de evaluación de error muy reducidos, lo que le reafirma como una herramienta predictiva de alta precisión. Igualmente importante para su utilidad será el fácil acceso a los datos de las variables intervinientes en el mismo: Euribor-OIS, repo BdE – repo FBE, prima de riesgo, y facilidad marginal de crédito, evitando el uso de variables retardadas que podría dificultar la utilidad e interpretación de los resultados. ! 130 ! 131 Capítulo 4 Análisis de los condicionantes sobre el diferencial repo-OIS en la economía de la Eurozona. Elaboración de los modelos de estimación y validación de su capacidad predictiva 4.1. Introducción A lo largo del presente capítulo se generarán y validarán una serie de modelos econométricos cuyo objetivo principal será la predicción correcta del diferencial repo-OIS en la Eurozona. La generación de estos modelos partirá de las variables económicas y financieras analizadas en capítulos anteriores, y tratará de explicar el camino temporal de la variable de estudio a partir de la evolución de estas variables a lo largo del tiempo. Al igual que en el caso de los modelos para la economía española, se asumirá un periodo de tiempo para su generación suficiente para englobar el periodo de crisis de deuda soberana en Europa junto con un periodo de menor tensión en los mercados financieros. Por ello y al igual que en los modelos relativos a la economía española, se asumirá para la generación un periodo de tiempo que irá de enero de 2009 a diciembre de 2012. Antes de proceder a la elaboración de los modelos predictivos sobre la Eurozona, se hizo necesario un análisis econométrico previo de todas las variables participantes y que se ha desarrollado a lo largo del Capítulo 2.2 de esta Tesis Doctoral. Este análisis dictaminó la estacionariedad y orden de integración de las variables, sirviendo de guía en la generación ! 132 de estos modelos. La generación de los modelos partirá de la creación de un modelo generalista (Modelo General Eurozona) que incluirá todas las variables propuestas y documentadas en durante el estudio, para avanzar hacia modelos más ajustados y con mayor poder explicativo. Se asumirán en estos modelos tanto variables exclusivas de la economía europea como otras variables comunes a los modelos de predicción de la economía española. Como variables exclusivas, aunque relacionadas con otras variables de los modelos sobre España, estarán el índice de volatilidad VSTOXX, los CDS de instituciones financieras europeas, y el índice de apalancamiento de instituciones financieras europeas. Las variables comunes coincidirán con las utilizadas para los modelos sobre España y pueden consultarse en el Capítulo 3.1. Una vez generados los modelos predictivos, se procederá a la validación o no de los mismos mediante los contrastes presentados a lo largo del Capítulo 2.2.1. Se deberán descartar problemas de multicolinealidad, así como de heterocedasticidad o autocorrelación en los mismos. Igualmente importante será el contraste que mostrará si la especificación funcional asignada es considerada válida para el grupo de variables seleccionadas. Sobre los residuos generados se estudiará que estos sigan una distribución Normal y se chequeará mediante un contraste ARCH la posible existencia de heterocedasticidad en los mismos. El poder explicativo de las variables será observado mediante sus medidas de R2 y R 2 corregido. Del mismo modo importante, se realizará un contraste de análisis de la varianza, cuyo resultado medido en términos del valor p (F) mostrará si el modelo en sus conjunto resulta significativo. La última sección del presente capítulo analizará la capacidad predictiva de los modelos de predicción validados. Se realizarán, al igual que en el caso de los modelos predictivos sobre España, dos tipos de predicciones sobre periodos de tiempo distintos. La primera de las predicciones se realizará sobre el ejercicio 2013 y se aplicará mediante los modelos de estimación ya validados. En segundo lugar se utilizarán los modelos presentados para la realización de predicciones sobre el ejercicio 2008. De este modo se podrán valorar las predicciones tanto en periodos de relativa calma en los mercados financieros(2013), como en aquellos con mayores distorsiones y más convulsos (2008). 4.2. Generación, validación y contraste de la capacidad predictiva de los modelos de predicción del diferencial repo-OIS en la economía de la Eurozona 4.2.1. Generación de los modelos de predicción sobre el diferencial repo-OIS en la Eurozona ! 133 Se presentan en este capítulo una serie de modelos de predicción cuyo objetivo principal será poder explicar, mediante variables del mercado, el funcionamiento del diferencial de tipos de interés repo-OIS en la Eurozona. Se parte del análisis econométrico de las variables llevado a cabo en el Capítulo 2.2, para la elaboración de modelos cuyas variables mantengan una relación de equilibrio estable a largo plazo. Se tomarán para ello primeras diferencias de las variables no estacionarias que resultaron seguir un proceso de tipo I(1), para conseguir de este modo variables estacionarias de tipo I(0). Aquellas variables que resultaron seguir un proceso estacionario y de tipo I(0) se integrarán en los modelos sin tomar diferencias. La inclusión conjunta de variables I(1) e I(0) en modelos de predicción sin realizar la rectificación previa comentada, derivaría inevitablemente en modelos predictivos no cointegrados y no capaces de presentar una relación de equilibrio estable a largo plazo entre sus variables. Se presenta en la Tabla 4.2.1.a el modelo inicial que integrará todas las variables analizadas para esta economía, y del que partirán los futuros modelos de predicción con un mayor grado de ajuste. Este modelo tomará primeras diferencias de aquellas variables I(1) y mantendrá los valores originales de las variables definidas como I(0), consiguiendo que todas ellas cumplan la condición de estacionariedad. Al igual que en el Capítulo 3, este y todos los modelos futuros presentados para la economía europea tomarán su base de datos desde enero de 2009 a diciembre de 2012, dando lugar a modelos de 48 observaciones mensuales. Del mismo modo se incorpora una constante que mejora en todos los casos el grado de ajuste de los modelos. Tabla 4.2.1.a: Modelo General Eurozona ! 134 Puede observarse como solo cuatro variables del Modelo General resultan significativas para un nivel de significación del 5%, siendo estas las primeras diferencias de las variables facilidad marginal de depósito, operaciones de mercado abierto y diferencial Repo BdE – repo FBE. El valor p asintótico más elevado corresponderá a la variable VSTOXX aunque como se podrá observar a lo largo del capítulo, esta situación tendrá que ver con la elevada correlación de esta variable con otras variables del modelo. El valor del R2 corregido no resulta demasiado elevado aunque posteriores modificaciones introducidas sobre este modelo conseguirán elevar esta medida hasta un nivel del 47%. Se aísla así en primer lugar aquellas variables que han resultado significativas a un nivel del 5% de significación, dando lugar al modelo denominado Modelo A Eurozona y cuyos resultados pueden consultarse en la Tabla 4.2.1.b. El grado de ajuste del modelo mejora hasta alcanzar un R2 corregido superior al 41%, y todas las variables presentadas resultan nuevamente significativas. Adicionalmente el valor p (F) del modelo se encuentra muy por debajo del nivel de significación asumido, lo que permite rechazar la hipótesis de no significación conjunta de las variables. Tabla 4.2.1.b: Modelo A Eurozona Se propone incorporar al modelo anterior una de las variables que aún no siendo significativa, presenta el valor p asintótico menor de entre todas las variables que no se incorporaron en el primer modelo. Se incluye por tanto la variable facilidad marginal de crédito, que se incorporará al modelo con sus valores originales al ser una variable de proceso I(0), tal y como se demostró en el Capítulo 2.2. Los resultados de este modelo pueden analizarse en la Tabla 4.2.1.c, donde se puede observar que la nueva variable no llega a ser significativa al 5%, pero consigue reducir su valor p asintótico, mientras el modelo gana en el poder explicativo de sus exógenas mejorando ligeramente su R2 ! 135 corregido (41,8%). El valor p (F) se muestra nuevamente muy cercano a cero permitiendo asumir la significatividad del modelo de predicción. Tabla 4.2.1.c: Modelo B Eurozona Se valora llegado este punto la inclusión de una nueva variable sobre el modelo anterior, d_VSTOXX. El modelo resultante pierde sin embargo poder de ajuste frente al Modelo B medido por su R2 corregido (41,58%) y define dos variables como no significativas, hecho que no beneficia la obtención de conclusiones valiosas a partir de los resultados del modelo. Los resultados de este modelo pueden consultarse en la Tabla 4.2.1.d. ! 136 Tabla 4.2.1.d: Modelo propuesto con CDS y VSTOXX Estos resultados que muestran dos de las variables del modelo no significativas, parecen provenir de la elevada correlación que presentan entres sí estas dos variables, superior al 76,06%, lo que podría derivar en problemas de multicolinealidad. Para confirmar o descartar esta clase de problemas se procede a realizar un contraste de restricciones lineales conjuntas en el que la hipótesis nula asume que los coeficientes de estas dos variables son igual a cero de forma conjunta. El valor del estadístico, junto con su valor p asintótico (Tabla 4.2.1.e), permiten rechazar la hipótesis nula de que ambos coeficientes sean iguales a cero de forma conjunta, por lo que se deduce un problema de multicolinealidad entre estas dos variables y se desecha la opción de utilizarlas conjuntamente. Tabla 4.2.1.e: Resultados del análisis de multicolinealidad entre d_VSTOXX y d_CDS de instituciones financieras europeas. Contraste de restricciones lineales conjuntas Tomando apoyo en este resultado que muestra una elevada correlación entre dos variables del Modelo General Eurozona, y con el objetivo de mejorar la operatividad de los modelos presentados, se valora la posibilidad de sustituir la variable d_CDS de instituciones ! 137 financieras europeas, por la variable d_VSTOXX, correlacionadas ambas en un 76,06%. Esta decisión se toma en aras de mejorar la operatividad de los modelos, ya que si bien la variable CDS de instituciones financieras europeas muestra una alta significación, no deja de ser una variable sintética que requiere un trabajo previo de recogida de datos y cálculo del índice. VSTOXX se trata sin embargo de un índice cotizado y directamente observable en la plataforma de Bloomberg, que puede facilitar la operatividad de esta clase de modelos. Los resultados de este nuevo modelo, denominado Modelo C Eurozona, puede consultarse en la Tabla 4.2.1.f.. Esta permuta realizada entre variables además incrementará el grado de ajuste del modelo medido por su R2 corregido, superando este el 42% y mejorando los resultados de los modelos anteriores. El valor p (F) del modelo sigue mostrando un modelo predictivo altamente significativo. Tabla 4.2.1.f: Modelo C Eurozona Se procede a incorporar la variable facilidad marginal de crédito sobre el Modelo C en la búsqueda de modelos de predicción que mejoren los ajustes y la calidad de las estimaciones. Esta incorporación da lugar a un nuevo modelo predictivo denominado Modelo D y cuyos resultados pueden consultarse en la Tabla 4.2.1.g. Puede observarse como, a costa de introducir una variable poco significativa pero con cierta capacidad predictiva, mejora el ajuste del modelo alcanzando su R2 corregido el 42,2102%. El incremento en el grado de ajuste es sin embargo muy reducido y como se verá más adelante, no justificará la inclusión de una variable poco significativa en el modelo. ! 138 4.2.1.g: Modelo D Eurozona Llegado a este punto, se cree conveniente analizar si la inclusión de variables con retardos en los modelos de predicción pueden mejorar la calidad de las estimaciones sobre el repo- OIS en la Eurozona, y si ese tipo de variables resultarían significativas. La Tabla 4.2.1.h muestra la aplicación de retardos sobre todas las variables del modelo D de la Eurozona, resultando ninguna de estas nuevas variables significativa.