Mercado de Bonos

UNIVERSIDAD NACIONAL DE PIURA
FACULTAD DE ECONOMIA
CURSO: Econometría II
PROFESOR: Dr. Luis Varona castillo
ALUMNA: Heyde Katherine Arteaga Orozco
TEMA: IMPACTO DE EMISION DE BONOS DE GOBIERNO

SOBRE EL CRECIMIENTO ECONÓMICO 1980-2016
(CASO DE MEXICO)
AÑO ACADÉMICO: 2017
SEMESTRE: II
Índice
1. Introducción ………………...
………………………………………………………………………………………………3
2. Planteamiento del problema………...………………………………………...........................
…………..4
2.1.Pregunta de investigación………………………………………...………………………………………4
2.2.Objetivos……………………..………………………………………………..………………………………….5
2.3.Hipótesis………………...……………………………………………………...................................6.
3. Marco teórico…………………………………………………………………………………………………………7
4. Evidencia……...………………………………………………………………………………………………………….17
5. Metodología………………………………………………………………………………………………………….20
5.1 Análisis de Serie de Tiempo (Trimestral) ………………………………………………………….20
5.1.1. Análisis de la estacionalidad de la serie …………………….…………………….20
5.1.2. Dickker-Fuller…………………………………………………………………………………24
5.1.3. Método de la Raíz Unitaria …………………………………………………………….26
5.1.4. Test de Phillips Perrón……………………………………………………………………28
5.2. Arima…………………………………………………………………………………………………………..29
5.3. Cointegracion……………………………………………………………………………………………….31
6. Análisis de serie de tiempo (Anual)…………………………………………………………………...….33
7. Modelo VAR (Anual)……………………………………………………………………………………………..39
7.1. Analisis de estacionariedad (dicker -fuller aumentado)………………………………...39
7.2. VAR optimo………………………………………………………………………………………………….40
7.3. Impulso Respuesta……………………………………………………………………………………….42
7.4. Descomposición de la Varianza…………………………………………………………………….43
7.5.Pronostico……………………………………………………………………………………………………44
8. Modelo Var (trimestral)……………………………………………………………………………………….46
9. Conclusiones………………………………………………………………………………………………………..50
10. bibliografía……………………………...……………………………………………………………………………..51
11. anexos……………………………………………………………………………………………………………………..52
2
MERCADO DE BONOS – ECONOMETRIA II
1. INTRODUCCIÓN
En este trabajo investigamos la importancia del desarrollo de los mercados

financieros domésticos en el crecimiento económico. Básicamente se presentan los
resultados de una investigación econométrica diseñada para evaluar el impacto
específico de los mercados de bonos sobre el crecimiento de México, con el objeto de
analizar la hipótesis de que el comportamiento de los agentes económicos en los
mercados financieros, afecta positivamente el crecimiento económico.
La justificación que anima esta investigación, está basada en la ausencia de

consensos acerca de la importancia de los sistemas financieros domésticos para el
crecimiento económico. Teóricamente el estudio de las relaciones entre el desarrollo
de los sistemas financieros y el desarrollo económico ha sido un campo de debate
entre académicos y hacedores de políticas. Discusiones y controversias entorno a la
causalidad, relaciones y la relevancia de políticas financieras ha sido una constante sin
que a la fecha haya un consenso en muchas de estas cuestiones. Paradójicamente,
dentro de las agendas de los responsables del diseño de políticas eco-nómicas, la
reforma de los mercados financieros siempre ha tenido una alta prioridad. Razón por la
cual, consideramos de interés el estudio de dicha vinculación.
Los activos financieros de renta fija son instrumentos de deuda que certifican
un compromiso de pago de los emisores hacia los que adquieren estos papeles
(holders).
Dependiendo de los términos del bono, el emisor tiene la obligación de pagar intereses
y finalmente el principal. Con el paso del tiempo, los bonos han ido evolucionando en
su complejidad, por ejemplo, ahora los bond holders exigen ciertos covenants que
deben ser cumplidos. Muchos de estos están relacionados con las fuentes y usos de
capital, enfocándose en la razón deuda/patrimonio, mientras que otros están sujetos a
la eficiencia que logra la empresa en un periodo. Por ejemplo- en la literatura teórica
existe “el contrato óptimo de deuda” (Jensen, 1989; Barclay & Smith, 1995), que indica
que con un cash flow sin control, los agentes tienen el incentivo a gastar todos los
recursos en el menor tiempo posible, para lograr mayores metas o simplemente para
logar resultados electorales en el caso de los gobiernos nacionales. (Ver Townsend,
1979 y Gale & Hellwig, 1985 para las pruebas formales).
3
2. Planteamiento del Problemas.
2.1 Preguntas de Investigación
2.1.1 Pregunta general
 ¿Cómo ha evolucionado el mercado de bonos en la economía mexicana,
durante el periodo 1980 – 2016?
2.1.2 Preguntas especificas
 ¿Cómo ha evolucionado en nivel de bonos del sistema bancario en la
economía mexicana, durante el periodo 1980 -2016?
 ¿Cuál es el impacto que ha generado los bonos en el crecimiento económico
PBI?
4
2.3. Objetivos
 OBEJETIVO GENERAL:
Analizar el impacto de emisión de bonos de gobierno de México sobre el crecimiento

de dicho país entre los años 1980-2016
 OBJETIVO ESPECIFICOS:
 Describir las características de la serie bonos de Gobierno de México en los años

1980-2016
 Analizar la estacionalidad de la serie bonos de Gobierno de México en los años
1980-2016.
 Determinar el proceso generador de los datos para la serie de bonos de Gobierno
de México.
5
2.4. HIPOTESIS
2.4.1. HIPOTESIS GENERAL
 Durante el periodo de análisis de 1980 - 2016 la relación de los bonos con el

crecimiento económico en el país ha sido negativa y no favorable para el país.
2.4.2. HIPOTESIS ESPECIFICO
 Existe un impacto no significativo de los bonos para la economía durante el

periodo de estudio 1980-2016
 Los bonos, tipo de cambio real y el pbi presentan equilibrio en el largo plazo
durante el periodo 1950-2016
 Existe cointegracion entre la variable endógena bonos, con las variables
exógenas tipo de cambio real, pbi.
6
3. MARCO TEORICO
3.1. CONCEPTOS
3.1.1. MERCADO DE BONOS
El mercado de bonos está formado por los mercados de renta fija, los
instrumentos de renta fija son activos financieros que representan deuda, como
bonos, notas u otros similares. Ofrecen pagar un determinado rendimiento al
momento de la emisión, el cual puede estar compuesto por un cupón más la prima
o el descuento al cual el instrumento es vendido.
3.1.2. BONOS 1
El Ministerio de Economía y finanzas define los bonos como valores de

contenido crediticio, nominativos, representados mediante anotación en cuenta y
libremente negociables. Son emitidos por la República del Perú, representada por
el Ministerio de Economía y Finanzas (MEF) a través de la Dirección General de
Endeudamiento y Tesoro Público (DGETP). Los bonos emitidos localmente son
denominados Bonos Soberanos. ([CITATION Min18 \l 10250 ])
También, un bono es un instrumento de deuda que emite una empresa o

administración pública para financiarse, en el cual el emisor promete devolver el
dinero prestado al comprador más unos intereses fijados previamente, conocidos
como cupón. Por eso se conoce como instrumento de renta fija.[CITATION Sev17 \l
10250 ]
Siendo así uno de las principales fuentes de financiación de las grandes

empresas y las Administraciones públicas, principalmente de los Gobiernos, que
mediante la emisión de bonos materializan la deuda, entregando a sus
prestamistas un activo financiero.
La definición que da [CITATION Tavsf \p 1 \l 10250 ] explica que un bono es un

instrumento financiero de renta fija y constituye una de las formas de
endeudamiento que pueden utilizar, tanto el gobierno como las firmas privadas,
para financiarse. Consta de tres elementos fundamentales: El valor nominal, el
cupón de interés y la fecha de vencimiento.
1
Para ver más definiciones, ver ANEXO 1
7
Así mismo, [ CITATION Pas12 \l 10250 ] indica que los bonos son títulos
valores emitidos por empresas corporativas, gobiernos locales o por el gobierno
central, se consideran como de renta fija debido a que pagan intereses fijos a su
poseedor bajo la forma de cupones. Estas obligaciones sirven como alternativa de
financiamiento bursátil al sistema bancario y permite financiar proyectos tanto de
mediano como de largo plazo.
La [CITATION Con \p 1 \l 10250 ], define a los bonos como títulos valores de

obligación de mediano y largo plazo en donde una empresa se compromete a
pagar una tasa de interés fija por un período de tiempo determinado, y a devolver
el monto inicial al final del período de tiempo. Son emitidos en serie y a la orden o
al portador. Normalmente vencen entre 3 y 20 años después de ser emitidos y
pagan los intereses semestrales, trimestral o mensualmente.
Por otro lado, Castillo (2011) señala que un bono es un activo o instrumento
financiero; es un título valor que representa una acreencia a favor de su tenedor, y
una deuda respecto de su emisor. Asimismo, en algunos casos la emisión de
bonos genera una obligación para el emisor (prestatario) de pagar al inversor
(prestamista) flujos de intereses, mediante cupones periódicos o al vencimiento y
además la amortización del principal. Como ya se sabe, estos se distinguen de los
otros instrumentos de inversión porque el rendimiento que otorgan está definido
desde el momento de su emisión (Lopez, Enciso & Montes, 2015).
3.1.3. TASA DE INTERÉS
Una tasa de interés es el costo por solicitar fondos en préstamo o el precio que se
paga por la renta de los fondos.
Hay muchas tasas de interés en la economía: tasas de interés hipotecarias, tasas

de préstamos para la adquisición de automóviles y tasas de interés sobre muchos
tipos diferentes de bonos. Las tasas de interés son importantes en varios ámbitos.
En un nivel personal, altas tasas de interés podrían disuadirlo de comprar una
casa o un automóvil porque el costo del financiamiento sería muy alto; por otro
lado, podrían animarlo para que ahorrara, ya que generarían ingresos más altos
por intereses de sus ahorros. En un nivel más general, las tasas de interés tienen
un impacto en la salud global de la economía, no sólo porque afectan la
disposición de los consumidores para gastar o para ahorrar, sino porque influyen
en las decisiones de los inversionistas. Por ejemplo, altas tasas de interés podrían
disuadir a una corporación de construir una nueva planta que ofrecería más
empleos.
8
3.1.4. TIPO DE CAMBIO
Trabajos como Jiménez (2010) no explica que el tipo de cambio real se usa para
comparar los precios en los dos países. Si denominamos e al tipo de cambio real,
podemos definirlo como el precio relativo de los bienes extranjeros. Es una
relación del precio en moneda doméstica de los bienes extranjeros entre el precio
en moneda doméstica de los bienes domésticos. El tipo de cambio real nos
permite entonces medir la competitividad de un país con respecto a su entorno
comercial.
3.2. Teorías
MERCADOS FINANCIEROS Y CRECIMIENTO ENDÓGENO
Las bases teóricas de este tema en estudio están sustentadas

fundamentalmente en la la vinculación entre los mercados financieros y el
crecimiento ha sido modelada en base a la teoría del crecimiento endógeno. En
esta teoría, las tasas de crecimiento y de crecimiento auto sostenido dependen de
las preferencias, la tecnología, la distribución del ingreso y los arreglos
institucionales existentes en las economías. Los intermediarios son relevantes
porque reducen las fricciones explícitas en el sistema económico. Fricciones como
la inexistencia de títulos perfectamente divisibles que las empresas puedan emitir,
asimetrías de información y la existencia de contratos completos y/o arreglos
costosos. (Antonio Ruiz ,2004).
Académicamente, la literatura reciente sobre el desarrollo financiero y el

crecimiento económico se puede dividir en tres ramas principales. La primera
sugiere que los instrumentos, mercados e instituciones financieros surgen para
atenuar los efectos de los costos de información y transacción. La segunda
muestra que las diferencias en la reducción de costos de información y
transacción, de los sistemas financieros, influyen en las tasas de ahorro, las
decisiones de inversión, la innovación tecnológica y las tasas de crecimiento de
largo plazo. Finalmente, la tercera es una literatura teórica menos desarrollada
que trata sobre cómo los cambios en la actividad económica influencian los
sistemas financieros. El análisis de los efectos potenciales del desarrollo
financiero sobre el crecimiento, usando una estructura endógena, ha sido descrito
por Pagano (1993) y Agénor y Montiel (2000). Esto lo hacen incorporando la
intermediación financiera en el modelo de crecimiento endógeno más simple, el
“modelo AK”
9
CUADRO Nº 1.1: características de las teorías de crecimiento económico
exógeno y endógeno
Teorías de crecimiento Teorías de crecimiento

Exógeno Endógeno
El ritmo de progreso técnico es El progreso técnico es el fruto de
determinado fuera de la esfera inversiones que efectúan los agentes
económica. económicos generalmente estos
motivados por el beneficio. Es el
comportamiento de lo agentes
económicos el que determinar el ritmo
de crecimiento en una economía.
Hay convergencia entre los Hay heterogeneidad de las tasas de
países crecimiento entre países.
El estado no puede jugar ningún La intervención del estado puede
papel particular en el proceso estimular el crecimiento al incentivar a
de crecimiento los agentes a invertir más en el progreso
técnico.
El crecimiento se paraliza en La productividad del capital no decrece
ausencia de progreso técnico y cuando el stock de capital aumenta.
del aumento de población por la
hipótesis de la productividad
marginal del capital decreciente
Fuente: Destinobles (2007)
Elaboración propia
De esta forma Fernández &Manjarrez (2014) especifica de las primeras

modelos en explicar el crecimiento es el modelo de crecimiento de Harrod (1939)
y Domar (1946), los cuales se amplían con las ideas de Keynes en donde la
inversión juega un doble papel como determinante del ingreso y de la demanda
global. Otro de los modelos que también destaca es el modelo de la Kaldor que
explica que las diferencias que pudieran exhibirse en los ciclos económicos de un
país, donde plantea un grupo de factores que conllevan al crecimiento; entre ellos
podemos mencionar: 1) El crecimiento sostenido en el largo plazo del ingreso per
10
cápita; 2) El crecimiento del capital físico por trabajador; 3) El hecho que la tasa
de retorno del capital sea constante; 4) El aprovechamiento de las ventajas
comparativas y el equilibrio dinámico; 5) La acumulación de capital físico y social;
y, 6) El progreso tecnológico, la especialización del trabajo y el descubrimiento de
nuevos métodos de producción.
4. CLASIFICACIÓN DE BONOS
Asimismo, siguiendo a Castillo (2011) en el cuadro siguiente se aprecia la

clasificación de los bonos, tomando en cuando de acuerdo al emisor y según la
empresa emisora, asimismo sobre los diversos tipos de bonos que se presentan
Simples: Bonos de Inversión pública,

Bonos bonos de tesorería, etc.
públicos: No Remunerados: Bonos de
reconocimiento.
Clasificación Son obligaciones contraídas por
de los bonos empresas privadas, con la finalidad de
de acuerdo destinar los recursos captados por la
Bonos
al emisor emisión al capital de trabajo de la
privados
empresa u operaciones de
arrendamiento financiero de la misma,
según sea el caso.
Son títulos que representan una
obligación contraída por parte del
Simples emisor, el cual debe pagar intereses
periódicamente y la amortización del
principal al vencimiento
Son títulos que representan una
obligación contraída por parte del
Clasificación
emisor, el cual le da al tenedor el
según la Convertibles
derecho de optar por recuperar el
empresa
importe del bono o adquirir acciones de
emisora
la empresa emisora.
Son títulos que se caracterizan por ser
colocados simultáneamente en al menos
dos países, en una misma moneda que
Eurobonos
no es necesariamente la de cualesquiera
de ellos. Su vencimiento es superior a 2
años, pudiendo alcanzar hasta 40 años.
11
Fuente: Castillo (2011)
Del cuadro anterior tenemos que los Bonos Públicos son aquellos títulos
emitidos por el Estado o por personas jurídicas de derecho público, con la
finalidad de financiar inversiones y obtener fondos para cancelar obligaciones
contraídas. Los bonos Privados, por otro lado, se caracterizan por ser
obligaciones contraídas por empresas privadas, con la finalidad de destinar los
recursos captados por la emisión al capital de trabajo de la empresa u
operaciones de arrendamiento financiero de la misma, según sea el caso, las
misma que pueden ser de tres tipos: Simples, Convertibles, Eurobonos.
Asimismo, los tipos de bonos, de acuerdo a Contreras (2003) y según Castillo

(2011) pueden ser de 5 tipos:
 Bonos sin garantías específicas: obligaciones respaldadas únicamente por el

prestigio de la empresa que las emite. No existe garantía específica para su pago
en caso de liquidación de la empresa emisora.
 Bonos con garantías específicas: obligaciones que pueden estar respaldadas a
favor de los tenedores de títulos, por medio de hipotecas, prendas de efecto
público, garantías del Estado, de personas jurídicas de derecho público interno o
de alguna entidad paraestatal. En caso de liquidación de la empresa emisora, se
reembolsa a los tenedores de estos tipos de obligaciones con recursos
provenientes de la realización efectiva de dichas garantías.
 Bonos subordinados: obligaciones emitidas por empresas bancarias y
financieras. Su plazo de vigencia debe ser inferior a cuatro años, emitiéndose
generalmente a dos. Deben ser emitidos necesariamente por oferta pública y no
pueden ser pagados antes de su vencimiento ni procede su rescate por sorteo.
 Bonos cupón cero: obligaciones que acumulan los intereses que serán pagados
en el momento del vencimiento del préstamo, o en las fechas previstas en que
tenga lugar la amortización del principal.
 Bonos internacionales simples: obligaciones que se caracterizan por ser
emitidos en la moneda del país donde serán colocados, efectuándose dicha
colocación a través de un prestatario extranjero. Este tipo de bonos toman
diferentes denominaciones de acuerdo al país donde son colocados, por ejemplo,
en Estados Unidos se denominan Yankee Bonds; en Japón, Samurai; en España,
Matador; en Gran Bretaña, Bulldog, entre otros
12
5. MEDICIÓN DEL MERCADO DE BONOS DE RENTA FIJA
Existen básicamente tres segmentos importantes en el mercado financiero: el
mercado monetario (money market), el mercado de renta fija (fixed income) y el de
mercado de renta variable (equity market)
Los instrumentos de renta fija, llamados bonos o pagarés, son instrumentos que
especifican un pago fijo, que el emisor pagaría (de ahí la expresión pagaré) en el
futuro al tenedor del instrumento en una fecha (o fechas) especificada(s). Esto es
lo que define un bono: el pago de un flujo fijo en alguna denominación específica.
Su precio puede cambiar de acuerdo con las condiciones de mercado, pero la
cuota es fija. La denominación de los bonos puede ser en diferentes monedas:
pesos, dólares, euros, yenes u otras denominaciones especiales, como la deuda
indexada a la inflación o a la tasa de interés
Para poder trabajar con un bono, se debe de conocer el cupón, el plazo y la

periodicidad del mismo. El cupón de un bono es el valor de lo que se recibirá si se
adquiere el bono. El plazo, es el periodo de tiempo durante el cual el bono estará
vigente. La periodicidad es cada cuanto tiempo nos pagaran las rentas del cupón.
Los bonos son conocidos como activos financieros porque con ellos obtenemos
un derecho sobre la renta de quien los emite. Para conocer dicho derecho, se
tienen numerosas formulas, per existe una fórmula que podríamos llamar
“general” que es la siguiente:
Donde:
Po: Precio de mercado al dia de hoy
Qi: Pago de interés (cupón)
Pn: Precio de reembolso, este precio generalmente es el valor nominal del

instrumento.
r: Rendimiento hasta el vencimiento.
Esta fórmula supone que el mercado tiene un comportamiento ideal, es decir; se

comporta bajo la teoría de mercado eficiente.
13
6. FUENTES DE FINANCIAMIENTO
Una definición rápida de financiamiento que propone [CITATION Aró13 \l 10250 ],
es la siguiente:
“… es la forma en la cual las organizaciones obtienen flujos de fondos para poder

realizar adquisiciones de bienes de capital para poder lograr sus planes de
acción, ya sean productivos, comerciales o de cualquier tipo.”
Se podrán ver las diferentes fuentes de financiamiento, ya sean a corto o a

largo plazo y también se verá que dicha financiación puede ser de forma interna o
de forma externa al ente.
A Corto Internas - Proveedores

Plazo - Sueldo y
Remuneraciones
- Anticipos de Clientes
Externas - Descuentos de Valores
- Factoring
- Créditos a Corto Plazo
A Largo Internas - Resultados No
Plazo Distribuidos
- Amortizaciones
- Previsiones
Externas -Capital Social
- Créditos a Largo Plazo
- Compras a Plazo
Fuente: Elaboración propia en base a estudio “Determinación del comportamiento
de las actividades de financiamiento de las Pequeñas y Medianas Empresas”
6.1. Financiamiento a Corto Plazo
Desde el punto de vista de las organizaciones, la forma más habitual de

financiarse es a través de fuentes de financiamiento a corto plazo. Esto se debe a
que normalmente las organizaciones disponen de una suma limitada de recursos
financieros para realizar sus operaciones y cubrirlas dentro del plazo de un año.
Es por ello que generalmente buscan lograr este tipo de financiamiento.
6.2. Financiamiento a Largo Plazo
Esta forma de financiamiento generalmente es utilizada para poder realizar

inversiones de gran envergadura, para lograr ciertos objetivos y así poder pagar
los saldos de esta nueva deuda contraída con las ganancias que genere este
14
nuevo proyecto. En este punto, hay que destacar que toda deuda a largo plazo, es
aquella que se debe esperar más de un año para poder cancelarla.
Dentro del financiamiento a largo plazo, se observa que se debe decidir entre
financiarse con recursos propios o externos.
Dicha financiación debe ser utilizada para adquirir activos que se utilicen para
generar nuevos flujos de efectivos para beneficiar a las organizaciones en sus
operaciones.
7. ESPECIFICACIÓN OPERATIVA DEL MODELO DE CRECIMIENTO ENDÓGENO

Antonio Ruiz (2004), las variables de la ecuación, determinan los mecanismos
mediante los cuales el desarrollo de los sistemas financieros puede inducir
crecimiento. Econométricamente esto nos permite modelar la vinculación entre
sistema financiero y crecimiento económico a partir de relaciones de
comportamiento específicas entre parámetros. La eficiencia de la intermediación
financiera puede modelarse asumiendo que el comportamiento de θ es afectado
por los rendimientos en el mercado de bonos y el mercado de acciones. En este
contexto, asumiendo que los inversionistas no son adversos al riesgo extremo,
podemos modelar dicha eficiencia de la siguiente manera:
ln ∅=∅ 0+ ∅ 1 BR+∅ 2 SR+U 1

Donde:
BR = efecto del mercado de bonos
SR = efecto del mercado de valores
M1= término de error de ruido blanco
8. ¿CUAL ES EL PAPEL DE LOS BONOS PARA EL CRECIMIENTO

ECONÓMICO?
Renzo Jiménez (2007), En los países desarrollados, los mercados financieros,
como el de los bonos y el de las acciones, son mecanismos cruciales para
promover una mayor eficiencia en la economía. Esta mayor eficiencia se logra con
la canalización de fondos desde agentes que no tienen un uso más productivo
para sus excedentes de fondos hacia agentes que sí lo tienen. De ahí que éstos
últimos estén dispuestos a pagar intereses por el uso de estos fondos (emisión de
15
bonos) o a compartir la propiedad y las utilidades futuras de sus propios negocios
(emisión de acciones).
El buen funcionamiento de los mercados financieros es un factor clave para tener

un alto crecimiento económico, pero un pobre desempeño de dichos mercados es
una de las razones por las que muchos países aún permanecen sumamente
pobres. En los países desarrollados las actividades de los mercados financieros
tienen impactos directos sobre la riqueza de las personas, sobre el
comportamiento de las empresas y de los consumidores y sobre el desempeño
cíclico de toda la economía. Instituciones financieras como bancos, compañías de
seguros y administradoras de fondos, entre otras, son las que hacen que los
mercados financieros realmente funcionen. Sin ellos, los mercados financieros no
serían capaces de mover fondos desde la gente que ahorra sus excedentes hacia
la gente que usa los fondos en oportunidades productivas de inversión.
Por tanto, un sistema financiero nacional desarrollado y eficiente constituye un

importante dinamizador del desarrollo económico nacional. De hecho, desde el
punto de vista social es fundamental que el sistema financiero, en su conjunto, no
sólo sea eficiente sino que no sea frágil. Por ambas razones es necesario que el
sistema sea fuertemente regulado por el Estado.
Sin embargo, en países menos desarrollados, los mercados financieros no llegan

a cumplir su papel a plenitud, pues, son reducidas las empresas que pueden
emitir papeles en el mercado y es reducido el número de personas que puede
invertir en ellos. En estos países que cobra más importancia el papel de la banca,
pues, reemplaza a los mercados en muchas de sus funciones y, así, se convierte
en uno de los mayores asignadores de recursos en la economía.
4. EVIDENCIA EMPIRICA
16
AUTOR ENFOQUE VARIABKLES CONCLUICIONES
UTILIZADO FINANCIERAS
Análisis Créditos dirigidos La correlación entre el índice de

Correlacional al sector profundización financiera y el
comunicaciones crecimiento económico es positiva,
1999 – 2012 encontrándose además que los
Alestra (2014) Profundización créditos dirigidos al sector
financiera comunicaciones impactan de manera
positiva al crecimiento venezolano,
vía el canal de inversión.
Análisis de panel Capitalización Los resultados mostraron que en la

de datos Bursátil mayoría de las economías
Terceño & Guercio, latinoamericanas es el sector
(2010) Bonos bancario el que presenta una mayor
correlación con el crecimiento de la
Créditos bancarios
economía, independientemente de la
Activos Bancarios estructura financiera de cada país.
Ortiz (2010) Análisis de Crédito privado Con respecto a las bolsas de valores,
Cointegración como proporción aunque éstas sean un instrumento
del PBI muy eficiente en la alocución o
Análisis vectores distribución de recursos, y hasta
Autorregresivos Activos del Banco cierto punto en la distribución de las
(VEC) central como rentas, no significa que sea un
proporción del PBI instrumento perfecto y, por lo tanto,
Modelo Logit y
que no necesite regulación alguna.
Probit Activos de bancos
privados como
proporción del PBI
Profundidad
financiera
Requerimiento de
reservas
Tasa de interés
real
Cortes & Estimaciones Crédito interno del El crédito interno del sector bancario
Hernandez (2014) econométricas. sector bancario. como variable proxy del desarrollo del
sistema financiero es significativo y
Efectos positivo para todos los países de la
aleatorios en muestra y todo el periodo, lo cual
datos de panel. evidencia un efecto positivo sobre los
cambios en el crecimiento económico
en el conjunto de los países
emergentes estudiados. Sin embargo,
se destaca que dicho efecto
desaparece cuando el periodo se
reduce a la década de los noventa o
de los 2000. Lo que sugiere que tal
efecto solo es observable en el largo
17
plazo.
Ruiz & Rosales Estimaciones Crédito privado Los principales hallazgos

(2014) econométricas. econométricos muestran que existen
Capitalización del diversas relaciones entre los bancos,
Modelos de mercado de el desarrollo financiero y el
datos de panel. valores/PIB crecimiento económico. Las
estimaciones confirman que el
Valor total
desarrollo financiero, a nivel
comerciado de
agregado, esta correlacionado
mercado de
positiva y significativamente con el
capitales/PIB
crecimiento. Asimismo, las
Costos overhead estimaciones sugieren que los bancos
bancario/Total tienen efectos indirectos y
activos diferenciados sobre el crecimiento
económico, vía el desarrollo
financiero.
En particular, las estimaciones

muestran que la concentración
bancaria y la razón ingreso-costo
están correlacionadas positiva y
significativamente con el desarrollo
financiero; en tanto que el margen
neto de interés se correlaciona
negativamente.
“FORECASTS OF ECONOMIC GROWTH FROM THE BOND AND STOCK

MARKETS” – CAMPBELL R. HARVEY Según este artículo publicado en 1989 en la
revista Financial Analysts Journal, tanto el mercado de acciones como el mercado de
bonos contienen información relevante para predecir el crecimiento económico. Sin
embargo, mediante el mercado de bonos se pueden hacer predicciones más precisas.
El motivo es que el mercado de acciones, no solo incorpora información sobre
expectativas de crecimiento económico futuras, sino también expectativas sobre el
cash flow de las acciones, lo que lleva a confundir la información sobre el crecimiento
económico.
“STOCK-BOND CORRELATIONS” – ANTTI ILMANEN Antti Ilmanen es un

directivo de Citigroup en Londres que publica en 2003 un artículo en The
Journal of Fixed Income donde analiza las correlaciones entre acciones y
bonos.
Históricamente, las correlaciones entre bonos y acciones han sido ligeramente
positivas, aunque hay épocas donde llegan a ser ligeramente negativas; pero en
ninguno de los dos casos llegan a ser correlaciones muy significativas desde un punto
de vista estadístico. Los datos analizados por Ilmanen muestran que la rentabilidad del
18
mes anterior en el mercado de bonos está positivamente relacionada con la
rentabilidad en el mercado de acciones del mes siguiente; mientras que la rentabilidad
del mercado de acciones del mes anterior está inversamente correlacionada con la
rentabilidad de los bonos del mes posterior. Por último, se predicen bajas
correlaciones entre bonos y acciones de cara al futuro, puesto que la inflación se
espera que continúe en niveles bajos. El estudio de estas correlaciones es importante
para las valoraciones de los bonos del Estado, así como para la toma de decisiones en
la composición de las carteras de activos financieros.
3. METODOLOGÍA
19
Para el análisis de este trabajo realizaremos la metodología de series de tiempo.
6.1. ANÁLISIS DE SERIES DE TIEMPO: Bonos de gobierno (México) de

1993-2017 (trimestral) Estacionalidad
1.1. Descomposición de la serie:

1.1.1. Estacionalidad: (Identificación)
Grafico N°1
BONOS_SA by Season
3,200,000
2,800,000
2,400,000
2,000,000
1,600,000
1,200,000
800,000
400,000
0
Q1 Q2 Q3 Q4
Means by Season
Líneas Apiladas este análisis es pertinente debido a la frecuencia de los

datos, en este caso trimestral. Por inspección del gráfico podríamos apreciar que tanto
el tercer y cuarto trimestre podrían presentar estacionalidad, aunque no es tan notoria.
Pero observamos en el siguiente grafico observamos que la variable bonos de
gobierno de México no presenta estacionalidad:
Grafico N°2
BONOS_SA by Season
3,200,000
2,800,000
2,400,000
2,000,000
Q1
1,600,000 Q2
Q3
Q4
1,200,000
800,000
400,000
0
94 96 98 00 02 04 06 08 10 12 14 16
20
Líneas Separadas, Nos interesa el comportamiento de cada mes o trimestres,
en este caso es trimestral, si el comportamiento es diferente entonces existe
estacionalidad, pero en este grafico observamos no presenta estacionalidad.
Corrrelograma aplicado en esta variable, observamos que el comportamiento

del coeficiente de auto correlación de los bonos de gobierno de México no presenta
picos, por lo tanto, concluimos que no es estacional.
Grafico N°3
Date: 11/02/17 Time: 18:38

Sample: 1993Q1 2017Q2
Included observations: 98
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
.|******* .|******* 1 0.973 0.973 95.660 0.000

.|******* .|. | 2 0.947 -0.003 187.14 0.000
.|******* .|. | 3 0.920 -0.027 274.37 0.000
.|******| *|. | 4 0.889 -0.086 356.71 0.000
.|******| .|. | 5 0.857 -0.038 434.04 0.000
.|******| .|. | 6 0.823 -0.056 506.13 0.000
.|******| .|. | 7 0.789 -0.003 573.21 0.000
.|***** | .|. | 8 0.757 0.000 635.53 0.000
.|***** | .|. | 9 0.723 -0.028 693.10 0.000
.|***** | .|. | 10 0.689 -0.033 745.95 0.000
.|***** | .|. | 11 0.655 -0.010 794.32 0.000
.|***** | .|. | 12 0.623 0.011 838.61 0.000
.|**** | .|. | 13 0.591 -0.027 878.87 0.000
.|**** | .|. | 14 0.560 0.013 915.49 0.000
.|**** | .|. | 15 0.530 -0.018 948.64 0.000
.|**** | .|. | 16 0.500 -0.007 978.54 0.000
.|*** | .|. | 17 0.470 -0.038 1005.2 0.000
.|*** | .|. | 18 0.437 -0.064 1028.7 0.000
.|*** | .|. | 19 0.406 -0.007 1049.1 0.000
.|*** | .|. | 20 0.377 0.033 1067.0 0.000
.|** | .|. | 21 0.348 -0.030 1082.3 0.000
.|** | .|. | 22 0.318 -0.021 1095.4 0.000
.|** | .|. | 23 0.288 -0.043 1106.2 0.000
.|** | .|. | 24 0.257 -0.030 1115.0 0.000
.|** | .|. | 25 0.228 -0.009 1121.9 0.000
.|* | .|. | 26 0.199 -0.010 1127.3 0.000
.|* | .|. | 27 0.169 -0.019 1131.3 0.000
.|* | .|. | 28 0.140 -0.034 1134.0 0.000
.|* | .|. | 29 0.112 -0.001 1135.8 0.000
.|* | .|. | 30 0.085 -0.006 1136.8 0.000
.|. | .|. | 31 0.059 -0.017 1137.3 0.000
.|. | .|. | 32 0.033 -0.019 1137.5 0.000
.|. | .|. | 33 0.007 -0.017 1137.5 0.000
.|. | .|. | 34 -0.018 -0.019 1137.6 0.000
.|. | .|. | 35 -0.042 -0.003 1137.8 0.000
.|. | .|. | 36 -0.065 -0.026 1138.5 0.000
21
EL histograma, nos permite obtener la varianza, la media, jaker Bera en la cual
también nos permite ver la estacionalidad, en este caso no presenta estacionalidad.
Dado que se concluyó que la serie Inversión Directa Extranjera no estacionaria, la

Metodología Box – Jenkins en la línea con Gonzales (2009) sugiere que la serie debe
ser transformada de tal manera que se convierta en estacionaria. Para ello, el autor
considera dos transformaciones:
A. Estacionalidad en varianza: transformaciones estabilizadoras de varianza7.
B. Estacionalidad en media: número de diferencias “d” que hay que tomar para lograr
que la serie sea estacionaria en media.
Gráfico N°5
35
Series: BONOS
30 Sample 1993Q1 2017Q2
Observations 98
25
Mean 947835.4
Median 462608.3
20 Maximum 3035732.
Minimum 1645.895
15 Std. Dev. 1020684.
Skewness 0.768676
10 Kurtosis 2.154843
Jarque-Bera 12.56744
5
Probability 0.001866
0
1 500001 1000001 1500001 2000001 2500001 3000001
1.1.2. Estimación:
Después de comprobar que nuestra variable no es estacionaria, ahora determinamos

el orden de diferenciación. Para esto diferenciamos la serie:
En el siguiente grafico observamos el log(bonos_sa)
22
Grafico N°6
LOG(BONOS_SA)
15
14
13
12
11
10
6
94 96 98 00 02 04 06 08 10 12 14 16
En este
grafico observamos que la variable al ser aplicable con logaritmo, sigue presentando
problemas de estacionalidad, teniendo así una tendencia y no presenta estacionalidad.
Una vez que que aplicamos logaritmos a nuestra variable, tenemos que
diferenciarla, en el siguiente grafico presentado, observamos que nuestra variable de
bonos de gobierno de México en su segunda diferenciación, presenta estacionalidad,
siendo así que su media es constante.
Grafico N°7
D(BONOS_SA,2)
300,000
200,000
100,000
-100,000
-200,000
-300,000
-400,000
-500,000
94 96 98 00 02 04 06 08 10 12 14 16
23
Le aplicamos Dickey-Fuller Aumentado, a nuestra variable con segunda
diferenciación
Siendo nuestras hipótesis siguientes: H 0= p=1−→ H 0=δ=0
H 1= p<1−→ H 1=δ < 0
Null Hypothesis: D(BONOS_SA,2) has a unit root

Exogenous: Constant
Lag Length: 3 (Automatic - based on SIC, maxlag=11)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -11.07012 0.0001

Test critical values: 1% level -3.503049
5% level -2.893230
10% level -2.583740
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation

Dependent Variable: D(BONOS_SA,3)
Method: Least Squares
Date: 11/02/17 Time: 19:56
Sample (adjusted): 1994Q3 2017Q2
Included observations: 92 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
D(BONOS_SA(-1),2) -4.389113 0.396483 -11.07012 0.0000

D(BONOS_SA(-1),3) 2.288704 0.329359 6.948961 0.0000
D(BONOS_SA(-2),3) 1.136706 0.214848 5.290742 0.0000
D(BONOS_SA(-3),3) 0.429952 0.097786 4.396862 0.0000
C -762.9234 6832.097 -0.111668 0.9113
R-squared 0.877094 Mean dependent var 657.9629

Adjusted R-squared 0.871443 S.D. dependent var 182731.3
S.E. of regression 65518.10 Akaike info criterion 25.07086
Sum squared resid 3.73E+11 Schwarz criterion 25.20791
Log likelihood -1148.259 Hannan-Quinn cristera. 25.12617
F-statistic 155.2138 Durbin-Watson stat 2.080757
Prob(F-statistic) 0.000000
Concluyendo en la siguiente estimación por medio de estas tes, es que t-Statistic es

mayor que nuestros valores críticos, obteniendo asi que los valores son en valor
absolutos.
24
25
Método de la Raíz Unitaria
TEST DE RAIZ UNITARIA DE LOS BONOS DE MEXICO: DICKKER-FULLER AUMENTADO
VARIABLE BONOS LOGARITMO DE BONOS DIFERENCIA DE BONOS LOGARITMO DE DIFERENCIA DE

BONOS
Ho = No es estacionaria Ho = No es estacionaria Ho = No es estacionaria Ho = No es estacionaria
H1= es estacionaria H1= es estacionaria H1= es estacionaria H1= es estacionaria
PROB: 2.059 PROB: -1.742 PROB: -11.035 PROB: -3.512
TS : -2.89 TS : -2.896 TS : -2.892 TS : -2.895
INTERCEPTO
DECISIÓN: como 2.059 >-2.89 DECISIÓN: como -1.742 <-2.89 DECISIÓN: como -11.035 >-2.89 DECISIÓN: como -3.512 <-2.895
rechazamos Ho no tiene raíz aceptamos Ho tiene raíz unitaria, rechazamos Ho no tiene raíz rechazamos Ho tiene raíz
unitaria, por tanto, es por tanto, no estacionaria unitaria, por tanto, si estacionaria unitaria, por tanto, si estacionaria
estacionaria

PROB: -1.773 PROB: -1.975 PROB: -9.667 PROB: -3.753
TS : -3.458 TS : -3.462 TS : -3.457 TS : -3.4622
TREND
AND DECISIÓN: como -1.773<-3.458 DECISIÓN: como -1.975<-3.462 DECISIÓN: como -1.742 <-2.89 DECISIÓN: como -3.753 >-3.462
INTERCEPTO aceptamos Ho tiene raíz unitaria, aceptamos Ho tiene raíz unitaria, aceptamos Ho tiene raíz rechazamos Ho no tiene raíz
por tanto, no estacionaria por tanto, no estacionaria unitaria, por tanto, no unitaria, por tanto, es estacionaria
estacionaria

PROB: 4.4890 PROB: 1.551 PROB: -1.5839 PROB: -2.905
TS : -3.94 TS : -1.945 TS : -1.944 TS : -1.945
DECISIÓN: como 4.489>-3.94 DECISIÓN: como 1.551 >-1.945 DECISIÓN: como -1.583 <-1.944 DECISIÓN: como -2.905 <-1.945
NONE rechazamos Ho no tiene raíz rechazamos Ho no tiene raíz aceptamos Ho tiene raíz aceptamos Ho tiene raíz unitaria,
unitaria, por tanto, si estacionaria unitaria, por tanto, si estacionaria unitaria, por tanto, no por tanto, no estacionaria
estacionaria
26
27
Test de Phillips Perrón
Este test también permite observar si es que presenta raíz unitaria:
Null Hypothesis: D(BONOS_SA,2) has a unit root

Exogenous: Constan
Bandwidth: 53 (Newey-West automatic) using Bartlett kernel
Adj. t-Stat Prob. *
Phillips-Perron test statistic -82.87282 0.0001

5% level -2.892200
10% level -2.583192
Residual variance (no correction) 7.75E+09

HAC corrected variance (Bartlett kernel) 1.90E+08
Phillips-Perron Test Equation

Dependent Variable: D(BONOS_SA,3)
Date: 11/02/17 Time: 20:09
El test de Phillips-Perron como observamos en la estimación vemos que el Adj-Stat es

mayor que los valores críticos, pero siempre tomando en cuenta que los valores están
en valor absoluto.
28
6.2. ARIMA
El modelo ARIMA necesita identificar los coeficientes y número de regresiones que se

utilizarán. Este modelo es muy sensible a la precisión con que se determinen sus
coeficientes. Y para este procedimiento del arima necesitamos trabajar con la variable
de ya estacionalidad con su correlograma.
Para la variable bonos diferenciada observando el correlograma nos quedan:
 AR(3) *MA(3)
 AR(5) *MA(5)
 AR (8)
A continuación, regresionamos nuestro modelo en este caso serie
ls d_bonos_sa c ar(3) ar(5) ar(8) ma(3) ma(5)
Dependent Variable: D(BONOS_SA)

Date: 01/16/18 Time: 19:07
Convergence achieved after 243 iterations
MA Backcast: 1994Q1 1995Q1
C 50111.44 7795.238 6.428468 0.0000

AR(3) 0.191852 0.111828 1.715603 0.0900
AR(5) 0.729501 0.063289 11.52651 0.0000
AR(8) -0.124239 0.096774 -1.283799 0.2028
MA(3) 0.017717 0.061774 0.286804 0.7750
MA(5) -0.929257 0.062443 -14.88175 0.0000

Log likelihood -1098.630 Hannan-Quinn criter. 24.89076
Inverted AR Roots .94 .55 .29-.89i .29+.89i

-.28+.48i -.28-.48i -.76+.56i -.76-.56i
Inverted MA Roots .98 .31-.94i .31+.94i -.80+.58i
-.80-.58i
Como podemos observar en nuestra primera ecuación hay coeficientes que no

son significativos, entonces empezamos anular los que no los son.
29
Eliminamos el MA(3), quedando nuestro modelo:
ls d_bonos_sa c ar(3) ar(5) ar(8) ma(5)
Dependent Variable: D_BONOS_SA

Date: 01/16/18 Time: 19:08
MA Backcast: 1994Q1 1995Q1
C 50132.58 7713.152 6.499624 0.0000

AR(3) 0.206080 0.104485 1.972347 0.0519
AR(5) 0.730707 0.049115 14.87737 0.0000
AR(8) -0.136009 0.096500 -1.409424 0.1624
MA(5) -0.919174 0.035141 -26.15649 0.0000

Inverted AR Roots .94 .57 .29-.89i .29+.89i

-.29+.49i -.29-.49i -.76+.56i -.76-.56i
Inverted MA Roots .98 .30-.94i .30+.94i -.80+.58i
-.80-.58i
Los modelos ARIMA tratarán de expresar la evolución de la variable bonos de un

proceso estocástico en función del pasado de esa variable o de impactos aleatorios que
esa variable sufrió en el pasado. Para ello, se utilizarán dos tipos de formas funcionales
lineales sencillas: los modelos AR (Modelos Autorregresivos), y los modelos MA (de
Medias Móviles).
30
6.3. COINTEGRACION
Si dos o más variables de series de tiempo son integradas de primer orden (I (1)), y
algunas variables que fueran producto de una combinación lineal de entre ellas fueran
estacionarias, es decir, si existiera un vector de coeficientes que permita formar
una combinación lineal estacionaria, entonces estas variables producto de tal
combinación lineal tendrán un orden de integración menor, por lo que se dice que las
series están cointegradas.
En este caso las dos variables que vamos a trabajar son: bonos y pbi de México y para
que se cumpla la cointegracion debe darse lo siguiente:
1. que dos variables sean estacionarias en el mismo orden.

2. que exista una combinación lineal de ambas que sea estacionaria de orden
0.
1.- Las dos variables tanto bonos como PBI de México están cointegradas en el mismo
orden
D_BONOS_SA
300,000
200,000
100,000
-100,000
-200,000
-300,000
94 96 98 00 02 04 06 08 10 12 14 16
D_PBIMEXI_SA
600,000
400,000
200,000
-200,000
-400,000
-600,000
94 96 98 00 02 04 06 08 10 12 14 31
16
Como podemos observar las dos variables son estacionarias en el mismo orden
de diferenciación.
2.- Una vez que hemos comprobado que nuestras variables están diferenciadas por el
mismo orden, el siguiente paso será ver el mismo orden en sus residuos. Y para ello
estimamos el modelo de las variables ya estacionarias, en este caso diferenciadas.
Ls d_bonos_sa c d_pbimexi
Dependent Variable: D_PBIMEXI_SA

Date: 01/15/18 Time: 19:11
C 79231.21 15169.97 5.222898 0.0000

D_BONOS_SA -0.325953 0.204219 -1.596097 0.1138

Una vez estimado nuestra ecuación obtemos los residuos y observamos que los
residuos de dicha ecuación diferenciadas son estacionarios.
RESID01
300,000
200,000
100,000
-100,000
-200,000
-300,000
-400,000
-500,000
94 96 98 00 02 04 06 08 10 12 14 16
Por lo tanto,
32
4. Análisis de serie de tiempo: Anual 1980-2016
6.1. Análisis de estacionalidad de la serie (bonos)
La serie anual de bonos no es estacionaria como observamos en el gráfico:
BONOS
700,000
600,000
500,000
400,000
300,000
200,000
100,000
0
1980 1985 1990 1995 2000 2005 2010 2015
D2_BONOS
300,000
200,000
100,000
-100,000
-200,000
1980 1985 1990 1995 2000 2005 2010 2015
Como
podemos apreciar en los gráficos la variable normal de bonos no es estacionaria, pero
la trabajamos por medio grafico en diferenciación en la cual se vuelve estacionaria
33
6.2 Test de Dickey Fuller: bonos (1980-2016) anual
Siendo nuestras hipótesis siguientes: H 0= p=1−→ H 0=δ=0
H 1= p<1−→ H 1=δ < 0
 Dickey Fuller bonos: como observamos la variable en nivel no es

estacionaria por que no cumple su T. statistc es menor
Null Hypothesis: BONOS has a unit root

Exogenous: Constant, Linear Trend
t-Statistic Prob.*

5% level -3.540328
10% level -3.202445

Dependent Variable: D(BONOS)
Date: 01/16/18 Time: 21:08
Sample (adjusted): 1981 2016
BONOS(-1) -0.314061 0.117378 -2.675638 0.0115

C -34896.50 23557.58 -1.481328 0.1480
@TREND("1980") 6535.576 2366.744 2.761421 0.0093

34
Dickey Fuller diferencia de bonos: anual
Null Hypothesis: D_BONOS has a unit root

Exogenous: None
t-Statistic Prob.*

5% level -1.950687
10% level -1.611059

Dependent Variable: D(D_BONOS)
Date: 01/16/18 Time: 21:10
D_BONOS(-1) -0.922015 0.172440 -5.346865 0.0000
R-squared 0.456663 Mean dependent var -1178.371

Durbin-Watson stat 1.959135
En este caso observamos que si cumple con las hipótesis entonces podemos decir
que es estacionaria.
35
TEST DE RAIZ UNITARIA DE LOS BONOS DE MEXICO: DICKKER-FULLER AUMENTADO
VARIABLE BONOS LOGARITMO DE BONOS DIFERENCIA DE BONOS LOGARITMO DE DIFERENCIA DE

BONOS
PROB: -0.273 PROB: -0.656 PROB: -5.66 PROB: -2.81
TS : -2.95 TS : -2.972 TS : -2.95 TS : -2.97
INTERCEPTO
DECISIÓN: como -0.273<-2.95 DECISIÓN: como -0.656 <-2.972 DECISIÓN: como -5.66 >-2.95 DECISIÓN: como -2.81 <-2.97
aceptamos Ho tiene raíz unitaria, aceptamos Ho tiene raíz unitaria, rechazamos Ho no tiene raíz rechazamos Ho tiene raíz
por tanto, no estacionaria por tanto, no estacionaria unitaria, por tanto, si estacionaria unitaria, por tanto, si estacionaria

PROB: -2.676 PROB: --0.704 PROB: -5.627 PROB: -2.67
TS : -3.54 TS : -3.58 TS : -3.54 TS : -3.58
TREND
AND DECISIÓN: como -2.676<-3.54 DECISIÓN: como -0.704<-3.58 DECISIÓN: como -5.627 >-3.54 DECISIÓN: como -2.67 >-3.58
INTERCEPTO aceptamos Ho tiene raíz unitaria, aceptamos Ho tiene raíz unitaria, rechazamos Ho no tiene raíz aceptamos Ho tiene raíz unitaria,
por tanto, no estacionaria por tanto, no estacionaria unitaria, por tanto, si estacionaria por tanto, no estacionaria

PROB: 0.965 PROB: 1.36 PROB: -1.36 PROB: -1.34
TS : -1.95 TS : -1.953 TS : -1.953 TS : -1.953
DECISIÓN: como 0.965>-1.95 DECISIÓN: como 1.36 >-1.953 DECISIÓN: como -1.36 <-1.953 DECISIÓN: como -1.34 <-1.953
NONE rechazamos Ho no tiene raíz rechazamos Ho no tiene raíz aceptamos Ho tiene raíz aceptamos Ho tiene raíz unitaria,
unitaria, por tanto, si estacionaria unitaria, por tanto, si estacionaria unitaria, por tanto, no por tanto, no estacionaria
estacionaria
6.3 METODO DE RAIZ UNITARIA
36
37
6.4. ARIMA: BONOS ANUAL 1980-2016
La variable bonos esta trabaja en diferencia para poder hacer nuestro modelo arima
quedando los AR y MA
 AR(10) **MA(8)
LS D_BONOS C AR (10) MA (8)
Dependent Variable: D_BONOS

Date: 01/16/18 Time: 22:40
MA Backcast: 1983 1990
C 33599.67 27217.99 1.234466 0.2295

AR (10) 0.600722 0.263560 2.279265 0.0323
MA (8) -0.843887 0.048260 -17.48614 0.0000

Inverted AR Roots .95 .77-.56i .77+.56i .29-.90i

.29+.90i -.29-.90i -.29+.90i -.77-.56i
-.77+.56i -.95
Inverted MA Roots .98 .69-.69i .69+.69i -.00-.98i
-.00+.98i -.69+.69i -.69+.69i -.98
38
6.5. Cointegracion: anual 1980-2016
En este caso las dos variables que vamos a trabajar son: bonos y pbi de México y para
que se cumpla la cointegracion debe darse lo siguiente:
1. que dos variables sean estacionarias en el mismo orden.

2. que exista una combinación lineal de ambas que sea estacionaria de orden 0
1.- las dos variables están diferenciadas en el mismo orden por tanto si se
cumple.
D2_BONOS
300,000
200,000
100,000
-100,000
-200,000
1980 1985 1990 1995 2000 2005 2010 2015
D2_PBIMEXI
400,000
200,000
-200,000
-400,000
1980 1985 1990 1995 2000 2005 2010 2015
2.. Los residuos de la ecuación significativa nos arrojan como esta en el grafico
por tanto no están cointegradas.
39
5. MODELO VAR: ANUAL 1980-2016
Para trabajar este modelo tenemos las siguientes variables:
 Bonos
 PBI
 TIPO DE CAMBIO (TCR)
 INDICE DE TERMINOS DE INTERCAMBIO (TI)
7.1. Analisis de estacionariedad (dicker -fuller aumentado)
7.1.1. Diferencia de bonos (dicker -fuller aumentado)
t-Statistic Prob.*

5% level -1.950687
10% level -1.611059
H0: Tiene raíz unitaria, es no estacionaria. Tvc < Ts, Prob. > 5%
H1: No tiene raíz unitaria, es estacionaria. Tcv > Ts, Prob. < 5%
Como -1.951 > -5.34 y la probabilidad = 0.000, entonces decimos que TCV > TS y la
probabilidad < 5% aceptamos H1 y decimos que la serie en primera diferencia Bonos
de México durante el periodo 1980 -2016 con datos anuales es estacionaria.
7.1.2. Diferencia de PBI México (dicker -fuller aumentado)
t-Statistic Prob.*

5% level -1.950687
10% level -1.611059
40
7.1.3. Diferencia de Tipo de cambio Real (TCR) (dicker -fuller aumentado)
t-Statistic Prob.*

5% level -1.950687
10% level -1.611059
7.1.4. Diferencia de Índice de Términos de Intercambio (dicker -fuller aumentado)
t-Statistic Prob. *

5% level -1.950687
10% level -1.611059
Como podemos observar todas las variables son estacionarias en la primera

diferenciación. Una vez ya comprobado que son estacionarias, vamos a estimar
nuestro VAR.
El modelo VAR que presentare a continuación en un VAR con nuestras variables ya
estacionarias
41
D_PBIMEXI D_BONOS D_TCR D_TI
D_PBIMEXI (-1) -0.237692 0.134109 2.11E-06 1.15E-05

(0.21017) (0.14588) (1.7E-06) (3.1E-05)
[-1.13093] [ 0.91929] [ 1.25829] [ 0.37419]
D_PBIMEXI (-2) -0.327065 -0.025837 -1.67E-06 4.78E-05

(0.21049) (0.14610) (1.7E-06) (3.1E-05)
[-1.55381] [-0.17684] [-0.99481] [ 1.55545]
D_BONOS (-1) 0.106433 0.058594 -1.38E-06 4.23E-05

(0.29071) (0.20179) (2.3E-06) (4.2E-05)
[ 0.36611] [ 0.29038] [-0.59250] [ 0.99651]
D_BONOS (-2) 0.189848 -0.297922 -2.73E-06 2.06E-05

(0.29579) (0.20531) (2.4E-06) (4.3E-05)
[ 0.64182] [-1.45106] [-1.15317] [ 0.47643]
D_TCR (-1) -20895.26 2260.476 0.201996 -0.674917

(27419.0) (19031.8) (0.21925) (4.00362)
[-0.76207] [ 0.11877] [ 0.92132] [-0.16858]
D_TCR (-2) 22536.46 -331.1518 -0.349191 4.575286

(24460.4) (16978.2) (0.19559) (3.57160)
[ 0.92135] [-0.01950] [-1.78533] [ 1.28102]
D_TI (-1) 990.6737 863.8003 -0.002745 0.223273

(1474.28) (1023.31) (0.01179) (0.21527)
[ 0.67197] [ 0.84412] [-0.23285] [ 1.03718]
D_TI(-2) 1493.663 -504.7513 0.003180 0.295755

(1400.96) (972.416) (0.01120) (0.20456)
[ 1.06617] [-0.51907] [ 0.28384] [ 1.44580]
C 39952.11 20786.48 0.063382 -3.995245

(21034.9) (14600.5) (0.16820) (3.07144)
[ 1.89932] [ 1.42368] [ 0.37683] [-1.30077]
R-squared 0.407497 0.107031 0.399584 0.303545

Adj. R-squared 0.217896 -0.178720 0.207451 0.080680
Sum sq. resids 2.24E+11 1.08E+11 14.29907 4768.092
S.E. equation 94580.54 65649.23 0.756282 13.81027
F-statistic 2.149234 0.374560 2.079724 1.362010
Log likelihood -432.5617 -420.1474 -33.51908 -132.2807
Akaike AIC 25.97422 25.24397 2.501122 8.310630
Schwarz SC 26.37825 25.64800 2.905159 8.714666
Mean dependent 15350.94 17117.56 -0.002424 -4.314397
S.D. dependent 106947.2 60467.83 0.849514 14.40353
Determinant resid covariance (dof adj.) 1.90E+21

Determinant resid covariance 5.54E+20
Log likelihood -1004.966
Akaike information criterion 61.23327
Schwarz criterion 62.84942
42
7.2. Impulso Respuesta
La función impulso-respuesta muestra la reacción (respuesta) de las variables

explicadas en el sistema ante cambios en los errores. Un cambio (shock) en una
variable en el período i afectará directamente a la propia variable y se transmitirá al
resto de variables explicadas a través de la estructura dinámica que representa el
modelo VAR
En este caso observaremos la variable endógena que es el PBI de México como reaccionan frente a las
otras variables como bonos, tipo de cambio real, índice de términos de intercambio.
Response to Cholesky One S.D. Innov ations ± 2 S.E.

Response of D_PBIMEXI to D_PBIMEXI Response of D_PBIMEXI to D_BONOS Response of D_PBIMEXI to D_TCR Response of D_PBIMEXI to D_TI
120,000 120,000 120,000 120,000
80,000 80,000 80,000 80,000
40,000 40,000 40,000 40,000
0 0 0 0
-40,000 -40,000 -40,000 -40,000
-80,000 -80,000 -80,000 -80,000

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Response of D_BONOS to D_PBIMEXI Response of D_BONOS to D_BONOS Response of D_BONOS to D_TCR Response of D_BONOS to D_TI
100,000 100,000 100,000 100,000
50,000 50,000 50,000 50,000
0 0 0 0
-50,000 -50,000 -50,000 -50,000

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Response of D_TCR to D_PBIMEXI Response of D_TCR to D_BONOS Response of D_TCR to D_TCR Response of D_TCR to D_TI
1.0 1.0 1.0 1.0
0.5 0.5 0.5 0.5
0.0 0.0 0.0 0.0
-0.5 -0.5 -0.5 -0.5
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Response of D_TI to D_PBIMEXI Response of D_TI to D_BONOS Response of D_TI to D_TCR Response of D_TI to D_TI
10 10 10 10
0 0 0 0
-10 -10 -10 -10
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
43
7.3. Descomposición de la Varianza
La descomposición de la varianza consiste en obtener distintos componentes que

permitan aislar el porcentaje de variabilidad de cada variable que es explicado por la
perturbación de cada ecuación, pudiéndose interpretar como la dependencia relativa
que tiene cada variable sobre el resto. Esta descomposición se obtiene con relativa
facilidad en el caso en que los componentes del vector de perturbaciones sean
ortogonales.
Variance Decomposition ± 2 S.E.

Percent D_PBIMEXI variance due to D_PBIMEXI Percent D_PBIMEXI variance due to D_BONOS Percent D_PBIMEXI variance due to D_TCR Percent D_PBIMEXI variance due to D_TI
120 120 120 120
80 80 80 80
40 40 40 40
0 0 0 0
-40 -40 -40 -40

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Percent D_BONOS variance due to D_PBIMEXI Percent D_BONOS variance due to D_BONOS Percent D_BONOS variance due to D_TCR Percent D_BONOS variance due to D_TI
120 120 120 120
80 80 80 80
40 40 40 40
0 0 0 0
-40 -40 -40 -40

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Percent D_TCR variance due to D_PBIMEXI Percent D_TCR variance due to D_BONOS Percent D_TCR variance due to D_TCR Percent D_TCR variance due to D_TI
120 120 120 120
80 80 80 80
40 40 40 40
0 0 0 0
-40 -40 -40 -40

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Percent D_TI variance due to D_PBIMEXI Percent D_TI variance due to D_BONOS Percent D_TI variance due to D_TCR Percent D_TI variance due to D_TI
100 100 100 100
80 80 80 80
60 60 60 60
40 40 40 40
20 20 20 20
0 0 0 0
-20 -20 -20 -20

1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
44
7.4. Pronostico del VAR Para realizar el pronóstico en el VAR tenemos que
dejar datos, en este caso nuestros años para estimar nuestro VAR seria desde 1980-
2010
D_PBIMEXI D_BONOS D_TCR D_TI
D_PBIMEXI (-1) -0.318498 0.112667 2.31E-06 3.38E-06

(0.23877) (0.15701) (2.1E-06) (3.7E-05)
[-1.33394] [ 0.71759] [ 1.07885] [ 0.09026]
D_PBIMEXI (-2) -0.449523 0.101009 -1.15E-06 9.39E-05

(0.25500) (0.16769) (2.3E-06) (4.0E-05)
[-1.76280] [ 0.60237] [-0.50194] [ 2.34864]
D_BONOS (-1) 0.375481 0.293058 -2.55E-06 6.88E-05

(0.35164) (0.23123) (3.1E-06) (5.5E-05)
[ 1.06779] [ 1.26737] [-0.81078] [ 1.24794]
D_BONOS (-2) 0.328784 -0.451499 -3.56E-06 -5.75E-05

(0.44718) (0.29405) (4.0E-06) (7.0E-05)
[ 0.73524] [-1.53543] [-0.88868] [-0.82056]
D_TCR (-1) -10992.50 -4352.394 0.141587 -3.801578

(29149.2) (19167.9) (0.26084) (4.56816)
[-0.37711] [-0.22707] [ 0.54281] [-0.83219]
D_TCR (-2) 13904.54 3909.879 -0.317881 5.668084

(24376.8) (16029.7) (0.21813) (3.82025)
[ 0.57040] [ 0.24391] [-1.45728] [ 1.48369]
D_TI (-1) 1100.212 504.7198 -0.004470 0.104750

(1574.71) (1035.50) (0.01409) (0.24678)
[ 0.69867] [ 0.48742] [-0.31723] [ 0.42446]
D_TI(-2) 1118.478 29.20545 0.004835 0.457530

(1508.24) (991.788) (0.01350) (0.23637)
[ 0.74158] [ 0.02945] [ 0.35828] [ 1.93568]
C 40541.35 17647.04 0.034922 -3.895865

(21933.2) (14422.8) (0.19627) (3.43729)
[ 1.84840] [ 1.22355] [ 0.17793] [-1.13341]
R-squared 0.509000 0.157158 0.436268 0.413933

Adj. R-squared 0.302263 -0.197723 0.198907 0.167169
Sum sq. resids 1.59E+11 6.89E+10 12.75508 3912.200
S.E. equation 91562.83 60209.76 0.819341 14.34940
F-statistic 2.462068 0.442846 1.837995 1.677441
Log likelihood -354.1954 -342.4581 -28.72244 -108.8854
Akaike AIC 25.94253 25.10415 2.694460 8.420385
Schwarz SC 26.37074 25.53236 3.122668 8.848594
Mean dependent 17957.79 18281.64 -0.039479 -4.811445
S.D. dependent 109615.9 55015.95 0.915426 15.72372

45
7.4.1. Pronostico determinístico
D_BONOS D_PBIMEXI
200,000 200,000
160,000
100,000
120,000
80,000 0
40,000
0 -100,000
-40,000
-200,000
-80,000
-120,000 -300,000
1980 1985 1990 1995 2000 2005 2010 2015 1980 1985 1990 1995 2000 2005 2010 2015
Actual D_BONOS (Baseline) Actual D_PBIMEXI (Baseline)
D_TCR D_TI
3 20
2
0
1
-20
0
-40
-1
-60
-2
-3 -80
1980 1985 1990 1995 2000 2005 2010 2015 1980 1985 1990 1995 2000 2005 2010 2015
Actual D_TCR (Baseline) Actual D_TI (Baseline)
46
8. MODELO VAR: TRIMESTRAL 1993Q1-2017Q3
Para trabajar este modelo tenemos las siguientes variables:
 Bonos
 PBI
8.1. Analisis de estacionariedad (dicker -fuller aumentado)
8.1.1. Diferencia de bonos (dicker -fuller aumentado)
t-Statistic Prob.*

5% level -1.944530
10% level -1.614341
8.1.2. Diferencia de PBI Mexico (dicker -fuller aumentado)
t-Statistic Prob.*

5% level -1.944211
10% level -1.614532
Como -4.36> -1.94 y la probabilidad = 0.000, entonces decimos que TCV > TS y la
47
Como podemos observar todas las variables son estacionarias en la primera
diferenciación. Una vez ya comprobado que son estacionarias, vamos a estimar
nuestro VAR.
El modelo VAR que presentare a continuación en un VAR con nuestras variables ya
estacionarias
LOG_BONOS_
D_PBIMEXI_SA SA
D_PBIMEXI_SA(-1) 0.243886 1.34E-06

(0.10464) (9.0E-07)
[ 2.33075] [ 1.49929]
LOG_BONOS_SA(-1) -532.2771 0.887362

(5628.53) (0.04818)
[-0.09457] [ 18.4177]
C 54299.08 1.253272
(66736.1) (0.57126)
[ 0.81364] [ 2.19389]
R-squared 0.054651 0.784841

Adj. R-squared 0.034537 0.780264
Sum sq. resids 1.87E+12 137.0233
S.E. equation 141046.5 1.207350
F-statistic 2.717075 171.4436
Log likelihood -1286.227 -154.3909
Akaike AIC 26.58201 3.245173
Schwarz SC 26.66164 3.324803
Mean dependent 65008.82 11.58464
S.D. dependent 143547.2 2.575623

48
8.2. Impulso Respuesta
Response to Cholesky One S.D. Innovations ± 2 S.E.

Response of D_PBIMEXI_SA to D_PBIMEXI_SA Response of D_PBIMEXI_SA to LOG_BONOS_SA
200,000 200,000
160,000 160,000
120,000 120,000
80,000 80,000
40,000 40,000
0 0
-40,000 -40,000
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Response of LOG_BONOS_SA to D_PBIMEXI_SA Response of LOG_BONOS_SA to LOG_BONOS_SA

1.6 1.6
1.2 1.2
0.8 0.8
0.4 0.4
0.0 0.0
-0.4 -0.4
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
8.3. Descomposicion de la varianza
49
Variance Decomposition ± 2 S.E.
Percent D_PBIMEXI_SA variance due to D_PBIMEXI_SA Percent D_PBIMEXI_SA variance due to LOG_BONOS_SA
120 120
80 80
40 40
0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
Percent LOG_BONOS_SA variance due to D_PBIMEXI_SA Percent LOG_BONOS_SA variance due to LOG_BONOS_SA
120 120
80 80
40 40
0 0
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
8.4. Pronostico del Var trimestral
Para este pronóstico trabajaremos con los años 1993q1 – 2014q4
LOG_BONOS_
D_PBIMEXI_SA SA
D_PBIMEXI_SA(-1) 0.227586 1.35E-06

(0.10689) (9.5E-07)
[ 2.12920] [ 1.41535]
LOG_BONOS_SA(-1) 1662.459 0.864215

(6316.61) (0.05640)
[ 0.26319] [ 15.3243]
C 34497.79 1.470686
(72353.0) (0.64597)
[ 0.47680] [ 2.27670]
R-squared 0.052735 0.741066

Adj. R-squared 0.029910 0.734827
Sum sq. resids 1.70E+12 135.4631
S.E. equation 143091.7 1.277531
F-statistic 2.310350 118.7725
Log likelihood -1141.429 -141.5658
Akaike AIC 26.61462 3.361996
Schwarz SC 26.70024 3.447613
Mean dependent 68505.56 11.19762
S.D. dependent 145280.8 2.480884

50
CONCLUSIONES
 La serie Bonos de Gobierno de México de 1993Q1– 2017Q2 presenta

componentes determinísticos como tendencia, ciclo y estacionalidad. Esta
última debió ser aislada para continuar con el posterior análisis, y de esta
manera tener una apreciación más clara sobre el comportamiento de la serie
debido exclusivamente a razones de tipo económico
 La serie de Bonos de Gobierno de México en el periodo de 1993Q1– 2017Q2

resulto ser no estacionaria fundamentalmente en varianza según el método de
los momentos. Por ello, para determinar el Proceso Generador de dichos
datos, fue necesario la transformación a su segunda diferencia, es decir resulto
ser una I(2).
 Aplicando la metodología de serie de tiempo hemos concluido que los bonos

no aportan tan suficiente al crecimiento económico en el país de México, ya
que puede ser que otros sectores financieros aporten más de lo que aportan
los mercados de bonos.
51
 De acuerdo con l teoría de cointegracion , en la investigación realizada
comprobamos que nuestras variable de bonos y pbi están cointegradas a largo
plazo
 la función de respuesta de impulsos muestra el efecto de un cambio (shock) en

una de las variables endógenas sobre las demás variables del modelo VAR, la
descomposición de la varianza proporciona información acerca de la
importancia relativa de cada innovación aleatoria de las variables en el modelo
VAR.
BIBLIOGRAFIA
Antonio Ruiz Porras (2004).

“Mercados financieros y crecimiento económico en América Latina: un análisis
econométrico”
HARVEY, CAMPBELL R. (1989).
Forecasts of Economic Growth from the Bond and Stock Markets. Financial
Analysts Journal, September-October 1989 pp. 38-45.
MARTÍNEZ ABASCAL, EDUARDO (1998).

Invertir en Bolsa. Conceptos y Estrategias. Mc Graw Hill
ILMANEN, ANTTI (2003)

Stock-Bond Correlaciona. The Journal of Fixed Income, September 2003 pp.
55-66.
O’NEILL, JIM; STUPNYTSKA, ANNA; WRISDALE, JAMES (2011)
52
Linking GDP Growth and Equity Returns. Monthly Insights, May 2011. Goldman
Sachs Asset Management
Cortes, R & Hernandez, Y, 2014.

Impacto del desarrollo del sistema financiero en el crecimiento económico en
países emergentes durante el periodo 2001-2011. s.l.:s.n.
Ruiz, A & Rosales, G , 2014.

CRECIMIENTO ECONoMICO, BANCA Y DESARROLLO FINANCIERO:
EVIDENCIA INTERNACIONAL. Universidad de Guadalajara: Congreso
Nacional de Investigación Económica .
Rosales, Luis, 2012.

Econometría II, Teoría. Universidad Nacional de Piura.
Venegas, F & Rodriguez, A, 2014.

¿Existe una relación entre el desarrollo financiero y el crecimiento económico
en los países latinoamericanos con mayor PIB per cápita?. s.l.:Aesti Matio.
Ortiz, E., 2010.

CAPITAL ESPECULATIVO Y CRISIS BURSÁTIL EN AMÉRICA LATINA.
CONTAGIO, CRECIMIENTO Y CONVERGENCIA. 1993-2005. UNIVERSIDAD
NACIONAL AUTÓNOMA DE MÉXICO: PROGRAMA DE POSGRADO EN
ECONOMÍA.
Terceño, A & Guercio, M, 2010.

EL CRECIMIENTO ECONÓMICO Y EL DESARROLLO DEL SISTEMA
FINANCIERO. UN ANÁLISIS COMPARATIVO. Universidad Rovira i Virgili:
Investigaciones Europeas de Dirección y Economía de la Empresa.
http://www.inegi.org.mx/sistemas/bie/
http://www.banxico.org.mx/SieInternet/
53
ANEXO
BONOS AUTOR TÍTULO DEFINICIÓN

Miskin, F Un valor (también
(2014), denominado
instrumento
financiero) es un
derecho sobre el
ingreso futuro del
emisor o sobre sus
activos (cualquier
derecho financiero o
elemento de
propiedad del
patrimonio). Un bono
es un instrumento de
endeudamiento que
debe hacer pagos en
54
forma periódica
durante un periodo
de tiempo
específico2. El
mercado de bonos es
especialmente
importante para la
actividad económica,
porque permite a las
corporaciones y a los
gobiernos solicitar
fondos en préstamo
para financiar sus
actividades, y porque
es el ámbito en el
que se determinan
las tasas de interés.
Cinthya un bono es un activo

Castillo o instrumento
(2011), financiero; es un
título valor que
representa una
acreencia a favor de
su tenedor, y una
deuda respecto de su
emisor. En algunos
casos la emisión de
bonos genera una
obligación para el
emisor (prestatario)
de pagar al inversor
(prestamista) flujos
de intereses,
2
La definición de bono es la definición amplia usada comúnmente por los académicos,
la cual cubre los instrumentos de endeudamiento tanto a corto como a largo plazos.
Sin embargo, algunos estudiosos de los mercados financieros usan la palabra bono
para describir sólo instrumentos de endeudamiento específicos a largo plazo, como los
bonos corporativos o los bonos de la tesorería de Estados Unidos.
55
mediante cupones
periódicos o al
vencimiento y
además la
amortización del
principal. El cupón
puede ser constante
(tipo de interés fijo) o
variable de acuerdo
con algún indicador
(tasa de interés
variable).
[ CITATION Modelo de Vectores Instrumentos

Dei13 \l Autorreegresivos enel financieros de deuda
10250 ], Pronóstico de la Curva de utilizados por

Rendimiento Cupón Cero del
entidades privadas y
Gobierno Peruano
también por entidades
intergubernamentales,
que sirven para
financiar a las
mismas empresas.
[ CITATION Medición del riesgo en promesa de pago
Cab10 \l 10250 crédito: Implementación y futura documentada
] cálculo del VaR y el CVaR en en un papel que
tres modelos de
determina el monto o
incumplimiento
valor nominal F, la
fecha de maduración
T, la moneda y la
secuencia de pagos a
realizarse para
liquidarlo.
[CITATION Economipedia instrumento de deuda
Sev17 \l 10250 http://economipedia.com que emite una empresa
] o administración
pública para
financiarse, en el cual
56
el emisor promete
devolver el dinero
prestado al comprador
más unos intereses
fijados previamente,
conocidos como cupón.
Por eso se conoce
como instrumento de
renta fija
[CITATION BONOS: el instrumento de un instrumento
endeudamiento, por financiero de renta fija
Tavsf \p 1 \l
y constituye una de las
10250 ] excelencia, del sector público formas de
endeudamiento que
pueden utilizar, tanto
el gobierno como las
firmas privadas, para
financiarse. Consta de
tres elementos
fundamentales: El valor
nominal, el cupón de
interés y la fecha de
vencimiento.
(Pastor, Valoración de bonos y Indica que los bonos

2012) acciones son títulos valores
emitidos por empresas
corporativas, gobiernos
locales o por el
gobierno central, se
consideran como de
renta fija debido a que
pagan intereses fijos a
su poseedor bajo la
forma de cupones.
Estas obligaciones
sirven como alternativa
de financiamiento
bursátil al sistema
bancario y permite
financiar proyectos
tanto de mediano
como de largo plazo.
Contraloría, https://www.contraloria.gob.pa Títulos valores de
p.1 obligación de mediano
y largo plazo en donde
una empresa se
compromete a pagar
una tasa de interés fia
por un periodo de
57
tiempo determinado y
a devolver el monto
inicial al final del
periodo.
58

Mercado de Bonos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Mercado de Bonos

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE PIURA

PROFESOR: Dr. Luis Varona castillo

ALUMNA: Heyde Katherine Arteaga Orozco

TEMA: IMPACTO DE EMISION DE BONOS DE GOBIERNO

AÑO ACADÉMICO: 2017

En este trabajo investigamos la importancia del desarrollo de los mercados

La justificación que anima esta investigación, está basada en la ausencia de

2.1.1 Pregunta general

 ¿Cómo ha evolucionado el mercado de bonos en la economía mexicana,

durante el periodo 1980 – 2016?

2.1.2 Preguntas especificas

 ¿Cómo ha evolucionado en nivel de bonos del sistema bancario en la

economía mexicana, durante el periodo 1980 -2016?

 ¿Cuál es el impacto que ha generado los bonos en el crecimiento económico

Analizar el impacto de emisión de bonos de gobierno de México sobre el crecimiento

 Describir las características de la serie bonos de Gobierno de México en los años

2.4.1. HIPOTESIS GENERAL

 Durante el periodo de análisis de 1980 - 2016 la relación de los bonos con el

2.4.2. HIPOTESIS ESPECIFICO

 Existe un impacto no significativo de los bonos para la economía durante el

3.1.1. MERCADO DE BONOS

El Ministerio de Economía y finanzas define los bonos como valores de

También, un bono es un instrumento de deuda que emite una empresa o

Siendo así uno de las principales fuentes de financiación de las grandes

La definición que da [CITATION Tavsf \p 1 \l 10250 ] explica que un bono es un

La [CITATION Con \p 1 \l 10250 ], define a los bonos como títulos valores de

3.1.3. TASA DE INTERÉS

Hay muchas tasas de interés en la economía: tasas de interés hipotecarias, tasas

MERCADOS FINANCIEROS Y CRECIMIENTO ENDÓGENO

Las bases teóricas de este tema en estudio están sustentadas

Académicamente, la literatura reciente sobre el desarrollo financiero y el

Teorías de crecimiento Teorías de crecimiento

De esta forma Fernández &Manjarrez (2014) especifica de las primeras

Asimismo, siguiendo a Castillo (2011) en el cuadro siguiente se aprecia la

Simples: Bonos de Inversión pública,

Asimismo, los tipos de bonos, de acuerdo a Contreras (2003) y según Castillo

 Bonos sin garantías específicas: obligaciones respaldadas únicamente por el

Para poder trabajar con un bono, se debe de conocer el cupón, el plazo y la

Po: Precio de mercado al dia de hoy

Qi: Pago de interés (cupón)

Pn: Precio de reembolso, este precio generalmente es el valor nominal del

r: Rendimiento hasta el vencimiento.

Esta fórmula supone que el mercado tiene un comportamiento ideal, es decir; se

“… es la forma en la cual las organizaciones obtienen flujos de fondos para poder

Se podrán ver las diferentes fuentes de financiamiento, ya sean a corto o a

A Corto Internas - Proveedores

6.1. Financiamiento a Corto Plazo

Desde el punto de vista de las organizaciones, la forma más habitual de

6.2. Financiamiento a Largo Plazo

Esta forma de financiamiento generalmente es utilizada para poder realizar

7. ESPECIFICACIÓN OPERATIVA DEL MODELO DE CRECIMIENTO ENDÓGENO

ln ∅=∅ 0+ ∅ 1 BR+∅ 2 SR+U 1

BR = efecto del mercado de bonos

SR = efecto del mercado de valores

M1= término de error de ruido blanco

8. ¿CUAL ES EL PAPEL DE LOS BONOS PARA EL CRECIMIENTO

El buen funcionamiento de los mercados financieros es un factor clave para tener

Por tanto, un sistema financiero nacional desarrollado y eficiente constituye un

Sin embargo, en países menos desarrollados, los mercados financieros no llegan

Análisis Créditos dirigidos La correlación entre el índice de

Análisis de panel Capitalización Los resultados mostraron que en la

Ruiz & Rosales Estimaciones Crédito privado Los principales hallazgos

En particular, las estimaciones

.|* .|* 1 0.973 0.973 95.660 0.000