LA ESTIMACION DE LA DEMANDA DE DINERO

1 En su trabajo de Carlos Lujan, “ LA DEMANDA DE DINERO EN UNA ECONOMÍA ABIERTA: UN ANÁLISIS DE

COINTEGRACIÓN APLICADO AL CASO PERUANO 2000 – 2016 ” tiene como objetivo estimar una ecuación
de largo plazo para la demanda de dinero en el Perú, así como la ecuación de ajuste de corto plazo.
3 La metodología utilizada se centra principalmente en la econometría de series temporales. Dentro
de los enfoques cualitativo de investigación de series temporales se tiene el de cointegración que
permite identificar relaciones estables de largo plazo entre variables de interés. Este enfoque surge
como una posible solución al manejo de series de tiempo no estacionarias y estimar regresiones
espurias.
2 Como principal teoría toma en cuenta el estudio de saldos reales, es decir, el estudio de los agentes
en cuanto a su poder adquisitivo y no por las cantidades nominales.
Para esto es necesario conocer teoría cuantitativa de Fisher o enfoque de la velocidad de
transacciones, que considera al dinero solamente como un medio de cambio. Que matemáticamente
plantea la siguiente ecuación:
1
M= P .T
V
Donde:
M es la cantidad de dinero.
V la velocidad de circulación.
P el nivel de precios.
T el nivel de transacciones.
Otra de las teorías que complementa la teoría de Fisher, es la teoría cuantitativa de Cambridge
conocido como el enfoque de la velocidad del ingreso. Con esta teoría es posible conocer la
proporción del ingreso que los agentes desean mantener en forma de dinero, es por ello que
formularon la ecuación:
M =K . Y
Donde:
Y representa en ingreso monetario.
K la relación entre el ingreso y la cantidad de dinero.
Para el modelamiento se utilizara valores rezagados, es así que, en un análisis de regresión con datos
de series de tiempo, cuando el modelo de regresión incluye no sólo valores actuales sino además
valores rezagados de las variables explicativas, se denomina modelo de rezagos distribuidos.
El modelo de corrección de error por ARD parte de una representación del sistema como un proceso
autorregresivo de rezagos distribuidos y se realizan estimaciones recursivas yendo de lo general a lo
particular hasta encontrar una especificación aceptable. Un modelo ARD puede expresarse de la
siguiente manera.

Δyt = 0 + 1 yt-1 + β1xt-1 + ɤ1Δyt-1 + ... + ɤnΔyt-n +ᵠ 0Δx1 +ᵠ 1Δxt-1 + ... + ᵠ nΔx1-k + Ɛ1
Se consideran diversas variables, cuya frecuencia es mensual, desde enero del 2000 hasta diciembre
decl 2016. El modelo econométrico y los signos esperados de acuerdo a la teoría económica es el
siguiente:

Dónde:

lm1r= Logaritmo de saldos monetarios reales (M1=Circ. y dep. a la vista,

2009=100).
lpbir= Logaritmo del PBI real (2007=100).
tdr= Tasa doméstica real (Tasa de interés de ahorro, 2009=100).

tir= Tasa internacional real (Tasa libor real, EE.UU. 2009=100).

ltc= Logaritmo del tipo de cambio real (Tasa bilateral, 2009=100).

lipc= Logaritmo del índice de precios al consumidor (2009=100).

Ɛ= Perturbaciones aleatorias.

Tambien esta presente la prueba de estabilidad estructural, esta es una prueba común en trabajos de
series temporales, puesto que los valores de los parámetros del modelo pueden no permanecen
constantes a lo largo de todo el periodo muestral, en este trabajo se utilizará la prueba CUSUM y
CUSUM cuadrado (CUSUMQ).
El test CUSUM se basa en la suma acumula de los residuos normalizados, bajo la hipótesis nula de
estabilidad del modelo, donde se construye bandas de confianza para dicha serie mediante las rectas
que unen los puntos.

Figura n°1: Prueba de estabilidad CUSUM a un nivel de significancia del 5%.

 Figura 9. Prueba de estabilidad CUSUMQ a un nivel de significancia del 5%

Todos los parámetros estimados resultaron tener los signos esperados, los cuales
concuerdan con la teoría económica; de igual manera, todas las variables resultaron ser
estadísticamente significativas, cuyas elasticidades son: con respecto a la producción real es
0.51, con respecto a la tasa de interés doméstica es -4.07, con respecto a la tasa
internacional es 3.54, con respecto al tipo de cambio es -0.87 y con respecto al nivel de
precios de 2.99.

Apreciación crítica
En la mayoría de los negocios, se desea ser capaz de estimar la demanda futura de un
producto o servicio dado. El análisis sobre series temporales permite utilizar la información
histórica para ofrecer un número aproximado de dicho valor, dentro de un rango de
probabilidades determinado.
Cuando estimamos un modelo de corrección de errores de un modelo autorregresivo implica
que las posibles desviaciones en el corto plazo sean momentáneas y que éstos regresan a ser
estables en el largo plazo con una corrección mensual de 16% aproximadamente