Cordero Puchuri FIN - Corrección

Universidad de Lima
Facultad de Ciencias Empresariales y Económicas
Carrera de Economía
INTERACCIÓN FINANCIERA:
VERIFICACIÓN DE CAUSALIDAD ENTRE
EL TIPO DE CAMBIO DEL DÓLAR
PONDERADO Y EL PRECIO DEL
PETROLEO CRUDO
Cordero Carranza, Andrew Raúl
Código 20162995
Puchuri Orellano, Hugo Renzo
Código 20163452
Lima – Perú
Julio de 2021
ii
FINANCIAL INTERACTION: CAUSALITY
VERIFICATION BETWEEN WEIGHTED
DOLLAR EXCHANGE RATE AND CRUDE
OIL PRICE
iii
TABLA DE CONTENIDO
INTRODUCCIÓN........................................................................................................1
CAPÍTULO I: MARCO TEÓRICO...........................................................................4
1.1 Tipo de cambio................................................................................4
1.2 Mecanismos de transmisión teóricos..............................................6
1.2.1 Canales de términos de intercambio...................................................................7
1.2.2 Canales de efecto de la riqueza y del portafolio.................................................8
1.2.3 Canales de denominación....................................................................................9
1.2.4 Canales de expectativas.......................................................................................11
1.3 Revisión de literatura......................................................................11
1.3.1 Términos de intercambio.....................................................................................11
1.3.2 Efectos de riqueza y portafolio...........................................................................12
1.3.3 Efectos de denominación....................................................................................13
1.3.4 Efectos de expectativas.......................................................................................15
1.4 Marco contextual.............................................................................16
CAPÍTULO II: METODOLOGÍA DE LA INVESTIGACIÓN..............................21
2.1 Modelamiento y procedimientos econométricos............................21
2.1.1 Prueba de estabilidad...........................................................................................22
2.1.2 Prueba de Wald...................................................................................................23
2.1.3 Prueba de Portmanteu Ljung-Box.......................................................................23
2.1.4 Prueba de Jarque-Bera.........................................................................................24
2.1.5 Prueba de causalidad lineal.................................................................................24
2.1.6 Prueba de Hiemtra-Jones (HJ)............................................................................25
2.1.7 Prueba de Diks-Panchenko (DP).........................................................................26
2.2 Descripción de variables.................................................................27
2.3 Descripción de la muestra...............................................................28
CAPÍTULO III: RESULTADOS................................................................................30
3.1 Pruebas de raíz unitaria y estacionariedad......................................30
3.2 Elección y análisis de los modelos de vector autorregresivos........31
3.3 Prueba de causalidad lineal a lo Granger........................................34
iv
3.4 Pruebas de causalidad no lineal a lo Granger..................................35
CAPÍTULO IV: CORRESPONDENCIA DE CONTENIDOS DE
INVESTIGACIÓN Y FORMACIÓN ACADÉMICA...............................................38
CONCLUSIONES.........................................................................................................39
RECOMENDACIONES...............................................................................................40
REFERENCIAS............................................................................................................41
v
ÍNDICE DE TABLAS
Tabla 2.1 Economías dentro de la variable del dólar ponderado por el comercio:
amplio, bienes y servicios...............................................................................................28
Tabla 2.2 Descripción de las variables..........................................................................29
Tabla 3.1 Pruebas ADF, PP, DF-GLS y KPSS para las periodicidades diaria, semanal
y mensual en el periodo 2006 – 2019.............................................................................30
Tabla 3.2 Pruebas ADF, PP, DF-GLS y KPSS para las periodicidades diaria, semanal
y mensual en el periodo 2010 – 2019.............................................................................31
Tabla 3.3 Modelos de vector autorregresivos óptimos para las periodicidades diaria,
semanal y mensual en el periodo 2006 – 2019...............................................................31
Tabla 3.4 Modelos de vector autorregresivos óptimos para las periodicidades diaria,
Tabla 3.5 Análisis del modelo de vector autorregresivo óptimo para las periodicidades
diaria, semanal y mensual en el periodo 2006 – 2019...................................................33
Tabla 3.6 Análisis del modelo de vector autorregresivo óptimo para las periodicidades
Tabla 3.7 Prueba de causalidad lineal a lo Granger para las periodicidades diaria,
Tabla 3.8 Prueba de causalidad lineal a lo Granger para las periodicidades diaria,
Tabla 3.9 Prueba de causalidad no lineal a lo Granger para las periodicidades diaria,
Tabla 3.10 Prueba de causalidad no lineal a lo Granger para las periodicidades
vi
ÍNDICE DE FIGURAS
Figura 1.1 Causalidades del precio del petróleo y del tipo de cambio............................7
Figura 1.2 Canal de la riqueza y el portafolio.................................................................9
Figura 1.3 Oferta y demanda de petróleo y descenso del dólar estadounidense...........10
Figura 1.4 Precios históricos mundiales de petróleo en el periodo 2000 – 2020,
aproximadamente............................................................................................................17
Figura 1.5 Precios del crudo, y principales acontecimientos geopolíticos y económicos
en el periodo 1968 – 2021...............................................................................................18
Figura 1.6 Correlación (+ o -) entre los rendimientos diarios de los futuros del crudo y
las inversiones financieras en el periodo 2010 – 2021...................................................20
vii
RESUMEN
Las interacciones entre el precio del petróleo y los tipos de cambio de dólar
estadounidense son necesarias para el diseño de mecanismos de respuesta efectivos a
problemas de volatilidad y un nivel de estabilidad financiera. Por lo tanto, en la
siguiente investigación, se comprobará la existencia de relaciones causales
unidireccionales y bidireccionales entre las cotizaciones del precio de mercado crudo
estadounidense (WTI) y el índice del tipo de cambio ponderado estadounidense
(DTWEXBGS). Para la verificación de esta relación, se utilizó dos periodos muestrales:
2006 – 2019 y 2010 – 2019, los cuales subdividen el análisis en diferentes
periodicidades: diaria, semanal y mensual con la intención de conocer la sostenibilidad
del efecto a lo largo del tiempo. Por lo tanto, primero se formula un VAR bivariante de
diferentes rezagos óptimos que verifica la existencia de causalidad a lo Granger lineal y,
posteriormente, se utilizó las pruebas Hiemstra-Jones y Diks-Panchenko para realizar
las comprobaciones de causalidad bidireccional. Los resultados indican la existencia de
una causalidad unidireccional a nivel diario por parte del precio de mercado crudo
estadounidense sobre el índice del tipo de cambio ponderado estadounidense, mas no a
nivel semanal y mensual. En cuanto a los resultados de causalidad bidireccional se
presentan significativos por parte de la prueba Diks-Panchenko a nivel diario y
semanal; sin embargo, a nivel mensual se pierde la significancia.
Códigos JEL: Q40; Q43
Línea de investigación: 5300 - 3. G2
Palabras clave: precios del petróleo crudo; tipo de cambio del dólar estadounidense;
causalidad de Granger lineal; causalidad de Granger no lineal; periodicidad
viii
ABSTRACT
The interactions of oil price and US dollar exchange rates are necessary for the design
of effective response mechanisms to volatility problems and a level of financial
stability. Therefore, in the following research, the existence of unidirectional and
bidirectional causal relationships between the quotes of the US crude oil market price
(WTI) and the US weighted exchange rate index (DTWEXBGS) will be tested. For the
verification of this relationship, two sample periods were used: 2006 - 2019 and 2010 -
2019, which subdivide the analysis in different periodicities: daily, weekly and monthly
with the intention of knowing the sustainability of the effect over time. Consequently,
first, a bivariate VAR of different optimal lags is formulated to verify the existence of
linear Granger causality and, subsequently, the Hiemstra-Jones and Diks-Panchenko
tests are used to check for bidirectional causality. The results indicate the existence of
unidirectional causality at the daily level by the U.S. crude oil market price on the U.S.
weighted exchange rate index, but not at the weekly and monthly levels. As for the
results of bidirectional causality, they are significant by the Diks-Panchenko test at the
daily and weekly levels; however, at the monthly level, significance is not found.
Codes JEL: Q40; Q43
Line of research: 5300 - 3. G2
Keywords: crude oil prices; US dollar exchange rate; linear Granger causality;
nonlinear Granger causality; periodicity
ix
INTRODUCCIÓN
Actualmente, existen diferentes productos y servicios que requieren del petróleo para su
producción y funcionamiento; por un lado, este recurso es necesario en la fabricación de
aluminios, plásticos, fibras y por otro, esencial para llevar a cabo servicios que son
requeridos en el día a día como el transporte público, privado, marítimo y aéreo. Este
importante recurso natural no renovable, también, está ligado a constantes procesos de
exportación e importación mediante una moneda predominante a nivel internacional: el
dólar estadounidense (USD); por ende, se ha podido establecer relaciones de causalidad
unidireccionales y bidireccionales entre el tipo de cambio que posee cada país respecto
al dólar y el precio del petróleo.
Asimismo, se ha demostrado que los efectos de las relaciones de causalidad

unidireccionales pueden cambiar según la condición exportadora o importadora del
petróleo de cada país. En otras palabras, para un país exportador de este recurso, un
cambio en el precio del petróleo y tipo de cambio del dólar, puede afectar sus ingresos
fiscales e inversiones privadas, mientras que, para los países importadores del petróleo,
se generan efectos relacionados con la capacidad de compra a nivel internacional y la
estabilidad de su moneda nacional (Hashemi, 2017). Sin embargo, existe una limitación
de comprensión acerca de la relación causal bidireccional, o relación interactiva, entre
el precio del petróleo crudo y el tipo de cambio del dólar respectivo de cada país;
explicando la idea anterior, Hashemi (2017) comenta que la causalidad bidireccional
varía según las diferentes frecuencias temporales de los datos y Fratzscher et al. (2014)
indica que tanto los precios del petróleo como el dólar estadounidense se ven
indirectamente afectados por los cambios en el riesgo y rendimiento de los activos del
mercado de renta variable; lo que dificulta la identificación de los mecanismos de
transmisión involucrados en la interacción. Por consiguiente, es necesario ahondar en
una relación interactiva de causalidad para realizar proposiciones exactas acerca del
comportamiento entre el precio del petróleo crudo y el tipo de cambio del dólar de un
país.
En base a esta problemática, la literatura indica que las fluctuaciones del precio
del petróleo crudo afectan indirectamente a los principales indicadores
1
macroeconómicos como el Producto Interno Bruto (PIB) e inflación, y generan cambios
en variables financieras como el tipo de cambio del dólar de cada país. Esto último,
también, resulta primordial, pues las volatilidades del tipo de cambio del dólar de cada
nación provocarían aumentos de riesgos de mercado e inversión, así como aumentos de
incertidumbre dentro de los mercados financieros. Por lo tanto, una clara comprensión
de las interacciones del precio del petróleo y los tipos de cambio de dólar de cada país
crearían importantes beneficios; ya que permitirían a los creadores de políticas
económicas el diseño de mecanismos de respuesta efectivos para los problemas de
volatilidad de las variables y también, lograr un nivel de estabilidad financiera.
Asimismo, para Aloui et al. (2013) se generarían más oportunidades de maximizar
ganancias para los inversores junto con mejoras de la competitividad internacional y
fomento de crecimiento económico.
En cuanto al aporte de la investigación, se utilizará indicadores representativos

como el West Texas Intermédiate (WTI) como variable descriptiva de las cotizaciones
de precios del petróleo crudo estadounidense y un tipo de cambio del dólar ponderado
(DTWEXBGS) en representación del tipo de cambio de una serie de países alrededor
del mundo. Además, se empleará un modelo econométrico vector autorregresivo (VAR)
y la prueba a lo Granger no lineal, la cual proveerá evidencia empírica que permita un
mayor entendimiento de los mecanismos de transmisión de estas dos variables y que
complemente la literatura existente.
A continuación, se delimitará la presente investigación con el fin de responder

las siguientes preguntas: ¿existen relaciones de causalidad a lo Granger no lineal entre
el precio del petróleo crudo y el tipo de cambio del dólar ponderado?; ¿los precios del
petróleo crudo generan la relación bidireccional?; y ¿los efectos de las relaciones
causales bidireccionales pueden cambiar según la frecuencia de la data?
Ante las preguntas anteriormente propuestas, las hipótesis a demostrar indican

que (1) existe una relación causal bidireccional entre el tipo de cambio del dólar
ponderado y el precio del petróleo crudo estadounidense; (2) los precios del petróleo
crudo estadounidense impulsan la relación causal bidireccional sobre el tipo de cambio
del dólar ponderado; y (3) la frecuencia de la data diaria, semanal y mensual no
presentarán efectos similares con respecto a la relación causal bidireccional entre el tipo
de cambio del dólar ponderado y el precio del petróleo estadounidense.
2
Por último, las hipótesis presentadas tendrán por objetivo analizar las relaciones
presentes en la prueba de causalidad a lo Granger no lineal entre el precio del petróleo
crudo estadounidense y el tipo de cambio del dólar ponderado. Luego, proporcionar
metodologías que generen evidencia del papel determinante de los precios del petróleo
crudo sobre el tipo de cambio del dólar ponderado y, por último, comprobar la
existencia de contradicciones en el estudio debido a la periodicidad de los datos.
3
1 CAPÍTULO I: MARCO TEÓRICO
Para poder sustentar la relación bidireccional entre el precio del petróleo y la tasa de
cambio del dólar de un país, es necesario revisar, en primer lugar, las relaciones que
posee el dólar con respecto a las monedas de cada nacionalidad. Por tanto, se realizará
un breve repaso de las teorías subyacentes a la tasa de cambio como la ley de un solo
precio, paridad de poder adquisitivo (PPA) y la tasa de cambio real (TCR).
Posteriormente, se enfocará en los fundamentos sobre los que se basan la relación
causal entre el precio del petróleo y el tipo de cambio del dólar, los cuales describen los
canales de transmisión teóricos propuestos por la literatura.
1.1 Tipo de cambio
Como punto de partida, una de las primeras proposiciones que sustentan la existencia de
la tasa cambio fue ofrecida por la economía clásica mediante la ley de un solo precio.
Esta se enfocaba en bienes y servicios idénticos que podían ser comercializados entre
dos países, e indicaba que dichos productos podían obtener un mismo precio en
términos de una moneda común; es decir, mediante un tipo de cambio nominal. Sin
embargo, esta proposición solo puede cumplirse bajo los siguientes supuestos: bienes y
servicios comercializados en mercados competitivos; los costos de transporte son
irrelevantes y las barreras comerciales no interfieren en el comercio internacional.
Formalmente, Lorduy Herrera (2014) indica que la ley de un solo precio puede
ser expresada de la siguiente manera:
Pi=tcn∗P ¿i (1)
Donde Pi es el precio del bien comercializado en la moneda local; Pi el precio

¿
del mismo bien expresado en una moneda extranjera y el tcn es la tasa de cambio
nominal de la moneda local en términos de la moneda extranjera. Asimismo, se sustenta
que el proceso de arbitraje asegura el cumplimiento de la ley de un solo precio, debido a
4
que los países comercializadores no pueden conseguir ganancias extraordinarias por
bienes homogéneos.
Posteriormente, Cassel (1916) realiza una generalización de la ley de un solo

precio elaborando el concepto de Paridad de Poder Adquisitivo (PPA) o Paridad de
Poder Adquisitivo Absoluto. Este autor señala que las canastas de bienes ponderados de
dos países, bajo los mismos supuestos de la ley de un solo precio, obtendrán una misma
valoración en términos de una moneda común, por lo cual esta proposición es descrita
mediante la siguiente ecuación:
P=tcn∗P ¿ (2)
Según Cassel (1916), las variables P y P¿ representan cestas idénticas de bienes

ponderados, las cuales están valoradas en términos moneda local y en moneda
extranjera respectivamente; por otra parte, la variable tcn representará el tipo de
cambio nominal.
Asimismo, a partir de la expresión (2) se puede obtener una variación de la

Paridad de Poder Adquisitivo denominado Paridad de Poder Adquisitivo Relativo
representado por las ecuaciones (3) y (4).
Δtcn Δ P Δ P¿
= − (3)
tcnt −1 Pt −1 Pt −1
Δtcn
=π t −π ¿t (4)
tcnt −1
Como puede observarse en las ecuaciones (3) y (4), las variaciones del tipo de
cambio deberían compensar las variabilidades en los niveles de precios nacionales y
extranjeros o como indica Lorduy Herrera (2014), las variaciones de la tasa de cambio
nominal son producto de presiones inflacionarias internas y externas.
5
Por otro lado, Iribarren Viertel (2006) señalan que la evidencia empírica
demuestra que el tipo de cambio nominal presenta fluctuaciones en periodos
relativamente cortos, por lo cual era necesario definir un concepto que recoja los
movimientos de la tasa de cambio nominal y los precios de las canastas de bienes de las
economías a analizar. Por tanto, se introduce el concepto de tipo de cambio real:
tcn∗P¿
TCR= (5)
P
La Tasa de Cambio Real (TCR) permite comparar el poder adquisitivo y la

competitividad entre dos países. Asimismo, depende de los precios de las canastas de
bienes nacionales (P), extranjeras (P¿) y el tipo de cambio nominal (tcn); por ello, para
el cumplimiento del concepto de Paridad de Poder Adquisitivo (PPA), la tasa de
cambio nominal deberá fluctuar para compensar cambios en los precios de las canastas
nacionales y extranjeras de tal manera que el tipo de cambio real permanezca constante.
1.2 Mecanismos de transmisión teóricos
En cuanto a los mecanismos de transmisión mostrados en la figura 1.1, es posible

identificar, por un lado, las proposiciones que señalan efectos de causalidad
provenientes del precio del petróleo sobre la tasa de cambio del dólar de un país; de esta
manera, puede identificarse dos perspectivas teóricas: el canal de términos de
intercambio, y el canal de riqueza y portafolio. Por otro lado, los canales de
denominación proponen efectos de causalidad unidireccionales inversos; es decir, las
apreciaciones o depreciaciones del dólar determinan la variabilidad del precio del
petróleo. Posteriormente, los canales de expectativas sustentan efectos de causalidad
bidireccionales entre el precio del petróleo y la tasa de cambio del dólar (Beckmann
et al., 2020).
6
Figura 1.1
Causalidades del precio del petróleo y del tipo de cambio
Nota. La figura representa las diversas interacciones dentro del tipo de cambio nominal/real y el precio
del petróleo nominal/real que viene siendo traducido y adaptado al español. Adaptado de “The
relationship between oil prices and exchange rates: Revisiting theory and evidence” (p. 6), por Beckmann
et al., 2020, Energy Economics, 88(C).
1.2.1 Canales de términos de intercambio
Amano y Van Norden (1998) proponen un modelo de economía subdivididas en

sectores comercializables y no comercializables. Para este modelo, las variaciones de
los precios locales (inflación) y la dinámica del tipo de cambio nominal se relacionan a
través de la Paridad del Poder Adquisitivo (PPA). Por lo que aumentos del precio de un
7
bien comercializable como el petróleo, ocasionará que las monedas de los países con
una gran dependencia de este recurso estén sujetas a procesos de inflación, depreciando
la moneda local y, por tanto, aumentando el tipo de cambio del dólar.
En consecuencia, los efectos generados por bienes pertenecientes a los sectores

comercializables y no comercializables serán derivados al tipo de cambio nominal que,
a su vez, determinarán el tipo de cambio real. Asimismo, las proposiciones del canal de
los términos de intercambio se mantendrán potencialmente en el largo plazo,
dependiendo del ajuste de los precios.
1.2.2 Canales de efecto de la riqueza y del portafolio
Krugman (1983) y Golub (1983), desarrollan un modelo de tres países, dos

importadores de petróleo y uno exportador. La proposición principal indica que si existe
un aumento en el precio del petróleo, se transferirá los ingresos provenientes de los
países importadores de petróleo hacia los países exportadores de este recurso (Bénassy-
Quéré et al., 2007). Esto se refleja en una mejora de las exportaciones y en la balanza de
cuenta corriente en términos de moneda nacional del país exportador. Por esta razón, se
espera que las monedas de los países exportadores se aprecien y que las monedas de los
importadores de petróleo se deprecien; sin embargo, una acumulación de riquezas para
las economías exportadoras del petróleo implicará mayores compras a países
industrializados como Estados Unidos que eventualmente desarrollarán un aumento en
el tipo de cambio del dólar en el mediano o largo plazo.
Coudert et al. (2008, como se citó en Hashemi, 2017) complementa las

explicaciones de los efectos de mediano y largo plazo afirmando lo siguiente:
El efecto neto de una variación en el precio del petróleo sobre el tipo de

cambio del dólar viene determinado por la dependencia de Estados
Unidos del petróleo importado en relación con la cantidad de productos
estadounidenses exportados a los países exportadores de petróleo y las
preferencias de estos países por los productos estadounidenses. (p. 7)
8
Figura 1.2
Canal de la riqueza y el portafolio
Nota. La figura es un resumen de los canales de riqueza y de portafolio que viene siendo traducido y
adaptado al español. Adaptado de “The relationship between oil prices and exchange rates: Revisiting
theory and evidence” (p. 8), por Beckmann et al., 2020, Energy Economics, 88(C).
1.2.3 Canales de denominación
Los canales de denominación se sustentan en el hecho de que el precio del petróleo está
basado en dólares estadounidenses. Por lo tanto, para llevar a cabo un comercio
internacional, los países importadores del petróleo deberán comprar dólares para
realizar adquisiciones del petróleo y las naciones exportadoras del petróleo,
esencialmente, deberán convertir dólares a sus monedas domésticas para realizar sus
operaciones. Posteriormente, esta dinámica proyectará los efectos de las variaciones del
tipo de cambio del dólar sobre las demandas y ofertas del petróleo.
La figura 1.3 ejemplifica el efecto de la depreciación del dólar, asumiendo que

Do es la demanda de los países importadores y So es la oferta de las naciones
productoras. Luego, una caída del valor del dólar implicaría precios más baratos del
petróleo excepto para Estados Unidos; por tanto, se ocasionará un incremento de la
demanda.
9
El incremento de la demanda se representa como un movimiento de la curva
desde Do hasta D1, lo que se traduce en un aumento de precios de equilibrio del
petróleo. Mientras tanto, por el lado de la oferta, se obtendrá un petróleo crudo más
barato, producto de la caída del tipo de cambio del dólar. Esto significa que los
productores de petróleo crudo ya no producirán al nivel de precios del equilibrio
anterior. Por lo que, la curva de oferta de la figura se desplazará hacia la izquierda,
pasando de S0 a S1.
El efecto neto describirá, entonces, desplazamiento a la derecha de la curva de

demanda y un desplazamiento a la izquierda de la curva de oferta, indicando que el
precio de equilibrio del petróleo crudo (en dólares estadounidenses) aumentará de P0 a
P1. Por lo tanto, los tipos de cambio del dólar estadounidense afectan negativamente a
los precios del petróleo crudo, como se observa en la misma figura.
Figura 1.3
Oferta y demanda de petróleo y descenso del dólar estadounidense
Nota. Tomado de “The Relationship between Oil Prices and US Dollar Exchange Rates in Short and
Long Scales”, de Hashemi, 2017, West Virginia University.
10
1.2.4 Canales de expectativas
Este canal de transmisión propone un comportamiento bidireccional entre los precios

del petróleo y el tipo de cambio del dólar. Fratzscher et al. (2014) señalan que a partir
de los años 2000 se observó un incremento en el uso de herramientas financieras en el
mercado del petróleo que ocasiona un cambio de las relaciones de causalidad
unidireccionales previamente observadas. De este modo, los agentes de los mercados
financieros con conocimiento de los comportamientos entre las dos variables, se
anticiparán a los cambios en el precio del petróleo que representen un riesgo en sus
inversiones, por lo que recurrirán a mercados futuros del precio del petróleo en busca de
coberturas financieras. Por tanto, los efectos de causalidad se moverán según sea de
conveniencia para los agentes financieros.
Fratzscher et al. (2014) indica lo siguiente: “Si tanto el tipo de cambio del dólar
como el precio del petróleo son vistos como activos, el hecho de que ambos se
determinen conjuntamente complica la identificación de un solo lado que genere efectos
de causalidad” (p. 3).
1.3 Revisión de literatura
1.3.1 Términos de intercambio
Camarero y Tamarit (2002) ,y Chen y Chen (2007) utilizan modelos Panel para
verificar las relaciones en el largo plazo entre el tipo de cambio de cada país y los
precios del petróleo. En el caso de Camarero y Tamarit (2002) se obtienen efectos de
cointegración entre los precios del petróleo y el tipo de cambio de la peseta española
respecto al dólar. Además, enfatizan que el precio del petróleo puede generar
depreciaciones en la peseta; sin embargo, este efecto de depreciación parece ser
relevante en países que tuvieron éxito en la sustitución del petróleo por otras fuentes
energéticas para las actividades productivas. Por otro lado, S. Chen y H. Chen (2007)
confirman relaciones de cointegración entre precios reales del petróleo y la tasa de
cambio real del dólar para países pertenecientes al grupo económico G7 para el periodo
1972 – 2005. Adicionalmente, resaltan que existe una capacidad de los precios del
petróleo para predecir los futuros rendimientos reales del tipo de cambio.
11
A partir de estas relaciones de causalidad, es posible enfocarse en la
predictibilidad de una u otra variable. Por lo tanto, Baghestani y Toledo (2019) propone
un modelo de camino aleatorio multi-periódico para predecir el tipo de cambio real de
Canadá, México y Estados Unidos. Posteriormente, comprueba que las variaciones del
precio del petróleo predicen con exactitud el cambio de dirección de los tipos de cambio
reales de los países elegidos hasta dos o tres meses antes.
Kębłowski et al. (2020) propone un modelo VAR que vincula a la tasa de

cambio del euro respecto al dólar y el precio del petróleo para estudiar el comercio
intra-europeo. Los resultados empíricos señalan que las siguientes ratios: euro-dólar y el
Polish zloty – euro se encuentran determinados por el precio del petróleo, y que las
paridades de las tasas de interés libres de riesgo determinan el tipo de cambio del euro-
dólar a corto plazo.
Khraief et al. (2021) se enfocan en dos países asiáticos: China e India; estos
autores emplean un enfoque no lineal de rezagos autorregresivos distribuidos para
examinar la transmisión asimétrica, en el corto y largo plazo, entre los precios del
petróleo crudo y el tipo de cambio de cada país. Posteriormente, bajo una muestra
mensual de observaciones que cubren el periodo 1990 - 2019, los autores encuentran
que los precios del petróleo poseen efectos asimétricos de largo plazo en el tipo de
cambio para los dos países seleccionados. En el caso de China se observa que choques
positivos del petróleo generan una depreciación de tipo de cambio de la moneda china
frente al dólar. Mientras tanto, en el caso de Indica choques positivos o negativos del
precio del petróleo son, prácticamente, imperceptibles.
1.3.2 Efectos de riqueza y portafolio
Bodenstein et al. (2011) examina los efectos de las determinaciones endógenas del
precio en un modelo DSGE para una muestra dos países; uno importador y otro
exportador. Bajo los supuestos de mercados financieros incompletos, se encuentra que
shocks específicos del mercado del petróleo aumentan el precio del petróleo
transfiriendo riquezas a los países exportadores de este recurso; dicho efecto genera
depresiones del consumo de los países importadores del petróleo, así como una
depreciación de sus respectivas monedas.
12
Ahmad y Moran Hernandez (2013) se enfocan en los cambios que el precio del
petróleo registrados en las economías desarrolladas dependientes de las importaciones
del petróleo, así como países productores del petróleo. Para ello, utilizan modelos de
umbral autorregresivos TAR y modelos momentáneos de umbral autorregresivos M-
TAR. Luego, concluyen que es posible encontrar evidencia de cointegración y signos de
ajustes asimétricos en cuatro de los doce países analizados, los cuales son Brasil,
Nigeria y Reino Unido. Estos países muestran ajustes más rápidos del tipo de cambio
ante shocks positivos del petróleo que los ajustes respectivos a shocks negativos.
Habib et al. (2016) identifica tres choques estructurales que impactan en el

mercado del petróleo y analizan sus efectos en el tipo de cambio de 43 países. Se
encuentra que los países exportadores tienden a experimentar una apreciación de sus
monedas después de los shocks de petróleo; especialmente cuando estos choques
provienen de la demanda del petróleo.
Yang et al. (2017) y Liu et al. (2021) estudian los movimientos simultáneos de
los precios del petróleo y el tipo de cambio del dólar. Para llevar a cabo este análisis,
Yang et al. (2017) emplea un análisis de ondícula con el cual encuentran que el grado
de co-movimiento entre el precio del crudo y el tipo de cambio de cambio difiere a lo
largo del tiempo. Sin embargo, observan vínculos fuertes, pero no homogéneos en torno
al año 2008 para todos los países y el periodo de 2005 para países exportadores de
petróleo. Asimismo, señalan que el precio del crudo es un factor determinante en el tipo
de cambio de los países exportadores de petróleo en comparación con los países
importadores, los cuales no presentan la misma relación. De la misma manera, Liu et al.
(2021) mediante un modelo GARCH y medidas condicionales de valuación de riesgo
(Co-VaRs) señalan la existencia de una relación negativa entre los precios del petróleo
crudo y el tipo de cambio para los países importadores y exportadores del petróleo; sin
embargo, el valor de dependencia entre el precio del petróleo y tipo de cambio del dólar
es menor para piases importadores que los países exportadores.
1.3.3 Efectos de denominación
Yousefi y Wirjanto (2004) centran sus investigaciones en la formación de los precios

del petróleo crudo para comprender las reacciones de los países miembros de la OPEP
ante las variaciones del tipo de cambio del dólar estadounidense de una serie de países
13
elegidos. Para llevar a cabo este estudio, se establece un modelo simple de
discriminación de precios por parte de un agente monopolista que vende a varios
destinos de exportación. Asimismo, los cambios de precios a cualquier destino
constarán de dos componentes: (i) cambios en el coste marginal y (ii) cambios en el
margen de beneficio del precio sobre el coste marginal. Por último, los resultados
concuerdan ampliamente con la opinión de la ausencia de un precio unificado
determinado por la OPEP, pues la evidencia sugiere una rivalidad de precios entre los
miembros de la OPEP, ya que cada miembro intenta ejercer cierto grado de poder de
mercado cuando intentan fijar sus precios.
Zhang et al. (2008) utilizan modelos VAR y ARCH para estudiar la influencia
del tipo de cambio del dólar estadounidense en el precio internacional del petróleo, así
como tres tipos de efectos indirectos entre relacionados con la media, volatilidad y
riesgo de las variables. Encuentran que, en primer lugar, un equilibrio significativo de
largo plazo que puede ser identificado entre los dos mercados. En segundo lugar,
sustentan que las fluctuaciones del tipo de cambio del dólar no poseen efectos de
causalidad significativos en el mercado de petróleo. Por último, observan que los
efectos indirectos del riesgo de los precios del tipo de cambio del dólar estadounidense
en el mercado del petróleo no son necesariamente destacados
Akram (2009) investiga si de las caídas de las tasas de interés y el dólar

estadounidense contribuyen a un mayor precio de los commodities. Entre estos
commodities se encuentran el precio del petróleo, metales y materias primas
industriales. Para llevar a cabo este estudio, se emplea un VAR estructural que muestra
que los precios del petróleo y las materias primas industriales aumentan
significativamente en respuesta a reducciones de la tasa de interés y también, una
depreciación del dólar tiende a aumentar los precios de los commodities.
Brahmasrene et al. (2014) se enfoca en las importaciones del petróleo

estadounidense de cinco países durante los años 1996 – 2009. Los resultados empíricos
indican que el tipo de cambio respectivo de cada país causan a lo Granger al petróleo
crudo en el largo plazo, pero en el corto plazo dicho efecto es mínimo. Asimismo, se
puede observar que en el mediano y largo plazo choques del precio del petróleo poseen
efectos significativos en el tipo de cambio.
14
Humbatova y Qadim-Oglu Hajiyev (2019) utilizan un modelo de corrección de
errores (ECM) y métodos de cointegración FMOLS, DOLS y CCR para revelar que la
producción y el consumo diarios de petróleo poseen menos efectos en la formación de
los precios mundiales del petróleo. Estos autores destacan que la producción y consumo
mundial del petróleo ha disminuido, y que, por tanto, el PBI mundial cada vez depende
menos de los precios del petróleo. Sin embargo, aún existe una fuerte dependencia de
los principales indicadores macroeconómicos de países productores de petróleo con su
respectiva producción petrolera como en Azerbaiyán y Kazajstán.
1.3.4 Efectos de expectativas
Cifarelli y Paladino (2010) evalúan si la especulación de mercado afecta las dinámicas

de los precios del petróleo; pues, la creciente presencia de operadores financieros en los
mercados del petróleo ha llevado a la difusión de técnicas de negociación de
expectativas extrapolativas. Para ello, mediante modelos GARCH, ICAM y CCC
GARCH-M, encuentran pruebas de que las variaciones del precio del petróleo están
relacionadas negativamente con las variaciones de las cotizaciones bursátiles y los tipos
de cambio. Además, identifican el importante papel que desempeña la especulación en
el mercado del petróleo, lo que es coherente con los grandes cambios diarios observado
al alza y a la baja de los precios del petróleo.
Wu et al. (2012) estudian la relación entre el precio del petróleo y el tipo de

cambio del dólar incorporando un modelo de asignación de activos y Copula Garch
Dinámico. Las estimaciones indican que las actividades de retroalimentación positivas
son estadísticamente significativas en el mercado del petróleo, pero esta información
obtenida no mejora los beneficios económicos desde la perspectiva de una decisión de
asignación de activos. Por otro lado, Fratzscher et al. (2014) encuentra una relación
bidireccional entre el precio del petróleo y el tipo de cambio del dólar; variables que,
además, son significativamente afectadas por el mercado de valores y el riesgo del
mismo mercado. Sin embargo, estos efectos no son comprobados antes del año 2001.
Jung et al. (2020) utiliza un modelo no lineal autorregresivo con desfase

(NARDL) y pruebas de causalidad de Granger para examinar la existencia de relaciones
asimétricas en el largo y corto plazo entre el tipo de cambio de la moneda canadiense
respecto al dólar y el precio real del petróleo crudo. Los autores encuentran tres
15
resultados importantes. Primero, se obtiene una relación bidireccional en el largo plazo
entre las variables estudiadas, así como evidencia de cointegración. En segundo lugar,
la relación bidireccional asimétrica en el largo plazo proviene desde el tipo de cambio
canadienses hacia el precio del petróleo. Por último, en el corto plazo, el tipo de cambio
en el corto plazo causa a lo Granger al precio del petróleo.
Olayeni et al. (2020) investiga la relación entre las siguientes variables: el precio
del petróleo, el tipo de cambio de Nigeria respecto al dólar, la actividad bursátil del
mercado, el índice Killian de actividad global económica y la producción del petróleo.
Asimismo, emplean una ecuación robusta y estable basado en un modelo de corrección
de errores donde el tipo de cambio es afectado por ajustes de corto plazo y el resto de
variables incluidas. En sus resultados, encuentran que la actividad bursátil es un canal
mediante el cual pasan los choques hacia el tipo de cambio; sin embargo, también es
posible verificar los efectos de ajustes asimétricos sobre el tipo de cambio en el largo
plazo.
1.4 Marco contextual
El precio de petróleo crudo, actualmente, se define en un mercado globalizado; pues las

cotizaciones de los numerosos productos derivados del petróleo crudo son producidas
en diferentes países y tienden a evolucionar de forma conjunta. Estos eventos ocurren
pese a que existe una diferenciación entre las calidades de los productos petroleros; por
ejemplo, los crudos con mayor contenido de azufre son denominados pesados o agrios,
mientras que los productos con un mínimo nivel de azufre se denominan como ligeros o
dulces.
Además, en la figura 1.4, puede observarse el desarrollo histórico de los

principales indicadores de los precios del petróleo, los cuales desde el año 2000 hasta el
2008 muestran un proceso de alza de precios petroleros; posteriormente, durante el
periodo 2010 – 2014, se resalta una mayor inestabilidad de los precios, debido a
diferentes eventos que generaron procesos de incertidumbre dentro de la industria y,
asimismo, marca el inicio de una caída pronunciada durante el periodo 2015 - 2020 a
nivel mundial, sin señal alguna de volver a las cotizaciones previas (U.S. Energy
Information Administration, 2021b).
16
Figura 1.4
Precios históricos mundiales de petróleo en el periodo 2000 – 2020, aproximadamente
Nota. La figura presenta los diversos precios históricos de los tipos de petróleo crudo con la variación de
calidad y ubicación que son cotizados en dólares por barril a lo largo de una línea de tiempo y que
tienden a moverse juntos. Tomado de “What drives crude oil prices: Spot Prices”, de U.S. Energy
Information Administration, 2021b.
También, es necesario indicar que gran parte del crudo mundial se encuentra en
países que históricamente han estado sujetos a constantes agitaciones políticas
afectando, de esta manera, su capacidad productiva del recurso petrolero y las
cotizaciones en los mercados financieros. Por ello, puede observarse dentro de la figura
1.5 que las inestabilidades políticas de los países productores del petróleo provocan
repercusiones mundiales, debido a que la incertidumbre de estos eventos genera efectos
sobre las ofertas y demandas futuras que se derivan en procesos volátiles del precio del
petróleo. Puede mencionarse, como ejemplos recientes, los conflictos armados dentro
de Libia; las decisiones de disminución de producción petrolera en Irak o las
inestabilidades políticas en Venezuela durante los últimos años (U.S. Energy
Information Administration, 2021b).
17
Figura 1.5
Precios del crudo, y principales acontecimientos geopolíticos y económicos en el
periodo 1968 – 2021
Nota. La figura es una respuesta de los precios de petróleo a los acontecimientos geopolíticos y otros
eventos en los últimos 40 años. Tomado de “What drives crude oil prices: Spot Prices”, de U.S. Energy
Information Administration, 2021b.
En cuanto a organismos internacionales, la Organización de Países Exportadores

de Petróleo (OPEP) posee un rol determinante en la formación del precio, ya que los
países miembros de esta organización producen alrededor del 40% del crudo mundial.
Además, las exportaciones petroleras de la OPEP representan aproximadamente el 60%
del total del petróleo comercializado internacionalmente. Dentro de este organismo,
particularmente, las indicaciones de cambios en la producción de crudo de Arabia
18
Saudí, el mayor productor de la OPEP, afectan en mayor medida los precios del
petróleo (U.S. Energy Information Administration, 2021c).
Por otro lado, los agentes del mercado petrolero no solo compran y venden
cantidades físicas de petróleo, sino negocian contratos para la entrega futura de petróleo
y otros derivados energéticos provenientes de este recurso. En este contexto, bancos,
fondos de cobertura, asesores de comercio de materias primas u otros gestores de dinero
participan activamente en el mercado de derivados energéticos para tratar de
beneficiarse de las variaciones de los precios (U.S. Energy Information Administration,
2021a).
Por último, las vinculaciones del precio del petróleo con otras variables llegan
más allá de su propio mercado alcanzando a las cotizaciones de los tipos de cambio del
dólar. En otras palabras, se observa importantes niveles de correlación entre el precio
del petróleo y el tipo de cambio del dólar durante diferentes periodos de tiempo.
Durante el periodo 2010 – 2013, dentro del figura 1.6, los resultados obtenidos
muestran una correlación negativa dentro de un intervalo de (-0.64; -0.4), mientras que
para los años 2016, 2018 y 2020 la correlación se ubicó en el intervalo (-0.4; -0.25)
(U.S. Energy Information Administration, 2021a).
19
Figura 1.6
Correlación (+ o -) entre los rendimientos diarios de los futuros del crudo y las
inversiones financieras en el periodo 2010 – 2021
Nota. La figura es la presentación de los movimientos conjuntos entre los precios de los futuros del
petróleo y otros mercados financieros a diario. Tomado de “What drives crude oil prices: Financial
Markets”, de U.S. Energy Information Administration, 2021a.
20
1 CAPÍTULO II: METODOLOGÍA DE LA
INVESTIGACIÓN
1.5 Modelamiento y procedimientos econométricos
Para la derivación e implementación de las pruebas de causalidad a lo Granger, en esta

sección se utilizará la metodología propuesta por Wen et al. (2018), quien presenta un
modelo vector autorregresivo (VAR) bivariante con un número de rezagos definidos;
este modelo se encargará de la comprobación de la relación causal unidireccional entre
las variables representativas del precio del petróleo y el tipo de cambio del dólar
ponderado. Las ecuaciones presentadas a continuación expresan las especificaciones del
modelo VAR:
p p
Ret . WTI t=a1+ ∑ β11 i Ret . WTI t−i + ∑ β 12 j Ret . DTWEXBGSt− j+ ε 1 t
i=1 j=1
p p
Ret . DTWEXBGS t=a2+ ∑ β 21i Ret . DTWEXBGS t −i + ∑ β 22 j Ret .WTI t − j +ε 2t
i=1 j=1
Donde:
Ret . WTI t expresa los retornos logarítmicos de los precios de mercado del
petróleo crudo estadounidense.
Ret . DTWEXBGS representa los retornos logarítmicos del índice de tipo de

cambio ponderado del dólar estadounidense.
En un siguiente paso, se buscará rechazar la hipótesis nula de causalidad a lo

Granger β 12 j=0 ( j = 1, 2, …, p) para argumentar que el retorno logarítmico del índice
de tipo de cambio ponderado estadounidense causa linealmente el retorno logarítmico
del precio del petróleo crudo. De manera similar, si se rechaza la hipótesis nula del
β 22 j=0 ( j = 1, 2, …, p), se puede señalar que el retorno del precio del petróleo crudo
causa linealmente a la variable del índice de tipo de cambio ponderado del dólar.
21
Posteriormente, se analizará la causalidad bidireccional entre las dos variables
presentadas, mediante pruebas alternativas como Hiemtra-Jones (HJ) y la prueba de
Diks-Panchenko (DP). Las razones de uso de estas pruebas son detalladas por Wen
et al. (2018):
La prueba HJ propuesta por Hiemstra y Jones (1994) es el método más

utilizado para la causalidad no lineal, aunque Diks y Panchenko (2006)
argumentaron que, en determinadas situaciones, la prueba HJ podría
rechazar en exceso la hipótesis nula en ausencia de causalidad de
Granger, por lo que propusieron la prueba DP con el fin de obtener
resultados robustos de la causalidad no lineal. (p. 5)
Por último, es necesario mencionar que para la elaboración del modelo

econométrico VAR se utilizará el programa estadístico Stata MP y para la elaboración
de las pruebas de causalidad no lineal, se empleará los lenguajes de programación R
Project y Visual Code.
1.5.1 Prueba de estabilidad
Lütkepohl (2005, como se citó en Kunst, 2011) señala que un VAR(1) es denominado
estable si los valores propios correspondientes la matriz de coeficientes son menores al
valor numérico uno (¿ 1). Desde una perspectiva matemática, esta condición es
equivalente a la siguiente expresión:
det ( I k −A 1 z ) ≠ 0 para |z|≤1
Adicionalmente, se aclara que cuando no se encuentren raíces dentro o en el

círculo unitario, se genera una condición de estabilidad dentro del modelo VAR, pero
esta condición no implica estacionariedad.
1.5.2 Prueba de Wald
Esta prueba examina la significancia conjunta entre las variable dependiente e

independiente contenidas dentro de un modelo logístico. Para ello, se plantearán dos
22
hipótesis: la hipótesis nula señala que el coeficiente de la variable independiente es
igual a cero, mientras que en la hipótesis alternativa demostrará que el coeficiente es
diferente de cero.
H 0 : β1 =0
H1: β1 ≠ 0
Forthofer et al. (2006) señalan lo siguiente acerca de la prueba estadístico de

Wald, “se obtiene dividiendo la máxima verosimilitud estimada (MLE) del parámetro
del pendiente ( ^
β 1) multiplicado por las estimaciones de los errores standard respectivos
se ¿). Bajo la hipótesis nula, la ratio sigue una distribución normal” (p. 392-393).
^
β1
se ( ^
β 1)
1.5.3 Prueba de Portmanteu Ljung-Box
Esta prueba se enfoca en los problemas de autocorrelación de los residuos para modelos
econométricos de series de tiempo, propuesto por el libro de Box-Jenkins en 1976 (Box
et al., 2013). Sin embargo, después de algunas discusiones sobre la distribución
estadística de una muestra finita, Ljung y Box (1978) proponen una prueba modificada,
sustituyendo los coeficientes de los residuos correlacionados con valores
estandarizados; en consecuencia, los autores mencionados presentan la siguiente
expresión:
~ ~
n
r^ 2k
QLB ( r )=n( n+2) ∑
k=1 n−k
23
Donde r^ k es la muestra de autocorrelación de orden k de residuos y n el tamaño
~
de la muestra. Asimismo, se señala que QLB posee una distribución para una muestra
finita cercana a la distribución Chi-cuadrado con (m− p−q) grados de libertad.
1.5.4 Prueba de Jarque-Bera
Las pruebas de normalidad son ampliamente utilizadas para estimar la diferencia entre
una distribución empírica y una distribución normal. La prueba de Jarque-Bera,
también, puede realizar tal diferenciación, pues se sustenta en los coeficientes de
asimetría y coeficientes estadísticos de curtosis (Jarque y Bera, 1987). Asimismo,
indica que para una población muestral de N individuos, el estadístico JB se define de
la siguiente manera:
2
N ( K −3 )
JB= (W 2 + )
6 4
Donde:
μ3
W= representa la asimetría
μ32 / 2
μ4
W= representa la curtosis
μ 22
1.5.5 Prueba de causalidad lineal
Esta prueba, mediante el estadístico T −Student y el estadístico F comprueba que los

valores de una variable X proveen información estadísticamente significativa sobre los
valores de otra variable Y . Por lo tanto, asumiendo que X y Y son dos variables con
series estacionarias de una muestra de observaciones, es posible comprobar una
causalidad a lo Granger de X sobre Y si se encuentra un determinado número de
rezagos p dentro de la expresión que representa Y ; asimismo, esta última variable es
definida como un proceso AR de orden p (Granger, 1969).
En base a lo anterior, se puede expresar la variable Y de la siguiente manera:

24
y t =c +ϕ1∗y t−1 +ϕ2∗y t−2 +…+ ϕ p∗y t − p+ ε t
Donde:
ϕ 1 , ϕ2 , … , ϕ p representa los parámetros estimados
c es el intercepto del proceso AR(p)
Luego, en la ecuación anterior, se incluye los valores de los rezagos de la

variable X :
y t =c +ϕ1∗y t−1 +ϕ2∗y t−2 +…+ ϕ p∗y t − p+ ωm∗X t −1+ …+ω n∗X t −n +ε t
Entonces, se puede indicar que existe una causalidad de Granger de X sobre Y si

los rezagos de la expresión X se conservan después de aplicar los estadísticos
T −Student y F en la última ecuación.
1.5.6 Prueba de Hiemtra-Jones (HJ)
Esta prueba se basa en las proposiciones de Baek y Brock (1992), quienes formulan una
prueba de causalidad a lo Granger no lineal en base a un método no paramétrico; este
método depende del supuesto de que las variables involucradas son mutuamente
idénticas e idénticamente distribuidas (i.i.d). Sin embargo, esta condición elimina la
dependencia temporal de las variables, y no considera la naturaleza y el rango de la
dependencia. Por ello, Hiemstra y Jones (1994) modifican la propiedad i.i.d de las
series, permitiendo la dependencia de las variables a corto plazo. De esta manera, se
aprecian las siguientes proposiciones:
i) X tm=( X t , X t −1 , … , X t +m−1 ) es el vector principal de longitud m para X t y donde se

tiene a m=1 , 2 ,… , t=1 , 2, … ;
L
ii) X t −L =(X t−L , X t −L +1 , … , X t−1 ) es la matriz de vectores con rezagos L X para X t y
X
X X X
donde se tiene a L X =1 ,2 , … , t=L X +1 , L X +2 , … ;
25
L
iii) Y t −L =(Y t −L ,Y t −L
Y
Y Y Y +1 , … ,Y t −1) es la matriz de vectores con rezagos LY para Y t y
donde se tiene a LY =1 ,2 , … , t=LY + 1, LY + 2, … ;
iv) Para valores dados de m se tiene que delimitar a L X y LY son mayores o iguales a
uno (≥ 1), y donde e debe ser mayor a cero (¿ 0)
Posteriormente, el estadístico obtenido es el siguiente:
C1 (m+ L X , LY , e ,n) C3 ( m+ L X , e , n )
t= − N¿
C 2 ( LX , LY , e , n) C 4 ( LX , e , n )
En este último estimador se incorpora la correlación de las probabilidades

conjuntas dentro de cada factor en modificación de las proposiciones de Baek y Brock
(1992).
1.5.7 Prueba de Diks-Panchenko (DP)
Diks y Panchenko (2005) señalan que la prueba HJ puede rechazar en exceso la

hipótesis nula de no causalidad; esta observación ocurre, a medida que el tamaño de la
muestra aumente, ya que ignora la posible variación de las distribuciones condicionales.
Por ello, Diks y Panchenko (2006) desarrollaron una nueva prueba no paramétrica de
causalidad de Granger que supera el problema de sobre rechazo y presentan el siguiente
estadístico.
n−1
T n ( e )= ∗∑ [ ^f X , Y , Z ( xi , y i , z i )∗ f^ Y ( y i )− ^f X , Y ( x i , y i )∗f^ Y , Z ( yi , z i ) ]
n∗( n−2 ) i
Posteriormente, demuestran que esta prueba estadística satisface la siguiente

condición:
√ n∗[ T n ( e n )−q ]
D N ( 0,1 )
Sn →
26
Donde D
→
denota la convergencia en una distribución normal y Sn representa la
estimación de la varianza asintótica de T n (.) .
1.6 Descripción de variables
A continuación, se pasará a explicar las variables a utilizar en los procedimientos

descritos anteriormente, así como el tipo de medición empleada e interpretación.
El precio del petróleo crudo será representado por el intermedio del oeste de
Texas (WTI) al contado; este indicador cotiza el petróleo estadounidense producido en
Texas y al sur de Oklahoma, y sirve, a menudo, de referencia para fijar el precio de
otras corrientes de crudo; asimismo, se negocia en la bolsa de valores NYMEX,
programando las entregas respectivas en el mercado nacional al contado en Cushing,
Oklahoma (U.S. Energy Information Administration, s. f.). Asimismo, este indicador es
cotizado en dólares estadounidenses por barril y publicado dentro de la página oficial de
Administración de Información Energética de Estados Unidos (EIA).
El índice del dólar ponderado por el comercio: amplio, bienes y servicios

(DTWEXBGS), es la construcción obtenida al utilizar las monedas de los socios
comerciales más importantes de Estados Unidos por volumen de comercio bilateral.
Este índice está diseñado para ayudar a estimar los efectos globales de los movimientos
del tipo de cambio del dólar en el comercio internacional. Además, contiene las
monedas de veintiséis economías cuyo comercio bilateral con Estados Unidos
representa al menos el 0.5% del comercio total. Adicionalmente, es necesario aclarar
que este índice es una nueva construcción que registra como punto de inicio la fecha 2
enero de 2006 (von Beschwitz et al., 2019).
1.7 Descripción de la muestra
En la presente investigación, se cuenta con un total de veintiséis economías que

conforman al índice DTWEXBGS. Cada nacionalidad es proveniente de diferentes
regiones continentales que presentan una interacción con el mercado estadounidense.
En la tabla 2.1, se presenta el número total de economías con sus respectivas monedas.
27
Tabla 2.1
Economías dentro de la variable del dólar ponderado por el comercio: amplio, bienes
y servicios
Economía Moneda Economía Moneda

Arabia Saudita Riyal saudí (SAD) Israel Nuevo shéquel (ILS)
Argentina Peso argentino (ARS) Japón Yen (JPY)
Australia Dólar australiano (AUD) Malasia Ringgit malayo (MYR)
Brasil Real brasileño (BRL) México Peso mexicano (MXN)
Canadá Dólar canadiense (CAD) Reino Unido Libra británica (GBP)
Chile Peso chileno (CLP) Rusia Rublo ruso (RUB)
China Yuan chino (CNY) Singapur Dólar de Singapur (SGD)
Colombia Peso colombiano (COP) Suecia Corona sueca (SEK)
Corea del Sur Won surcoreano (KRW) Suiza Franco suizo (CHF)
Filipinas Peso filipino (PHP) Tailandia Baht tailandés (THB)
Hong Kong Dólar de Hong Kong (HKD) Taiwán Nuevo dólar taiwanés (TWD)
India Rupia india (INR) Vietnam Dong vietnamita (VND)
Indonesia Rupia indonesia (IDR) Zona del euro Euro (EUR)
Nota. La tabla es una elaboración propia.
Respecto a la definición de la muestra, se incluirá los cambios estructurales en el

año 2008 y 2009; luego, se presentarán dos periodos muestrales de estudio: desde el año
2006 hasta 2019 y desde el año 2010 hasta 2019. Además, se utilizó diversas
periodicidades dentro de cada muestra como diaria, semanal y mensual para la
comprobación de la existencia de cambios en la aceptación/rechazo de la hipótesis nula.
Dentro de la tabla 2.2 se muestran la descripción de las variables con sus

respectivos nombres, fuente de extracción, unidad de medida, etc.
Tabla 2.2
Descripción de las variables
Notación Nombre Unidad Periodo Fuente
Índice del dólar ponderado Junta de Gobernadores

2006-2019
DTWEXBGS por el comercio: amplio, Índice del Sistema de la
2010-2019
bienes y servicios Reserva Federal
Administración de
Intermedio del Oeste de 2006-2019 Información
WTI Dólar/barril
Texas 2010-2019 Energética de Estados
Unidos
Retorno del Índice del dólar Junta de Gobernadores

Retorno 2006-2019
Ret.DTWEXBGS ponderado por el comercio: del Sistema de la
logarítmico 2010-2019
amplio, bienes y servicios Reserva Federal
28
Administración de
Retorno del Intermedio del Retorno 2006-2019 Información
Ret.WTI
Oeste de Texas logarítmico 2010-2019 Energética de Estados
Unidos
2 CAPÍTULO III: RESULTADOS
2.1 Pruebas de raíz unitaria y estacionariedad
Para las comprobaciones de presencia de raíz unitaria, se utilizaron la prueba de

Dickey-Fuller aumentada, Phillips-Perron y el estadístico T de Dickey-Fuller
modificado. Adicionalmente, se usó una prueba de estacionariedad como la prueba
Kwiatkowski-Phillips-Schmidt-Shin. Una vez realizados los procedimientos
correspondientes, en los dos periodos seleccionados, las pruebas mostraron que a nivel
diario, semanal y mensual se encuentran procesos estacionarios en las variables a un 1%
de significancia. Mientras tanto, en la última prueba (KPSS) se acepta su hipótesis nula;
29
es decir, las variables son estacionarias. En las tablas 3.1 y 3.2 se presentan los
resultados dentro de estas pruebas.
Tabla 3.3
Pruebas ADF, PP, DF-GLS y KPSS para las periodicidades diaria, semanal y mensual
en el periodo 2006 – 2019
Periodicida
Diaria Semanal Mensual
d
Ret. Ret. Ret.

Variables Ret.WTI Ret.WTI Ret.WTI
DTWEXBGS DTWEXBGS DTWEXBGS
ADF -62.818*** -58.764*** -22.208*** -20.878*** -8.982*** -8.24***

PP -62.824*** -58.783*** -22.352*** -20.883*** -9.023*** -8.137***
DF-GLS -43.803*** -12.411*** -11.704*** -7.458*** -4.735*** -5.011***
KPSS 0.0583 0.264 0.065 0.252 0.0459 0.204
Nota. La tabla es una elaboración propia. El término *** indica un nivel de significancia al 1%.
Tabla 3.4
Pruebas ADF, PP, DF-GLS y KPSS para las periodicidades diaria, semanal y mensual
en el periodo 2010 – 2019
Periodicidad Diaria Semanal Mensual
Ret.
Ret. Ret.
Variables Ret.WTI Ret.WTI DTWEXBG Ret.WTI
DTWEXBGS DTWEXBGS
S
ADF -53.518*** -49.289*** -17.496*** -17.92*** -8.276*** -7.416***

PP -53.531*** -49.258*** -17.414*** -17.909*** -8.119*** -7.278***
DF-GLS -37.279*** -35.475*** -6.065*** -5.297*** -6.475*** -4.45***
KPSS 0.073 0.113 0.0875 0.135 0.0831 0.129
30
2.2 Elección y análisis de los modelos de vector autorregresivos
Para la elección del rezago óptimo del vector autorregresivo, la información se clasifica
en las diferentes periodicidades mediante el criterio de información de Akaike (AIC).
Además, se agrega la versión de Lütkepohl a el criterio AIC para optar por un segundo
punto de vista que confirme el número de rezagos óptimos. Consecuentemente, en todos
los resultados de esta sección, se observa que el rezago optimo se sitúa entre 1 y 3.
Adicionalmente, es necesario indicar que en cada modelo de vector autorregresivo
escogido por el programa Stata, se realizan ajustes relacionados a los grados de libertad,
la matriz de varianza-covarianza del error, e informa los estadísticos t y F de la muestra.
En la tabla 3.3 y tabla 3.4 se encuentran los resultados del rezago óptimo.
Tabla 3.5
Modelos de vector autorregresivos óptimos para las periodicidades diaria, semanal y
mensual en el periodo 2006 – 2019
VAR óptimo AIC Lutstats AIC

Diario VAR(1) VAR(1)
Semanal VAR(3) VAR(3)
Mensual VAR(3) VAR(3)
Tabla 3.6
Modelos de vector autorregresivos óptimos para las periodicidades diaria, semanal y
VAR óptimo AIC Lutstats AIC

Diario VAR(1) VAR(1)
Semanal VAR(2) VAR(2)
Mensual VAR(1) VAR(1)
Dentro del análisis de cada vector autorregresivo, se revisa la condición de

estabilidad de los valores propios; se usa el estadístico de Jarque-Bera para revisar que
las perturbaciones del vector autorregresivo están distribuidas normalmente;
posteriormente, se aplica el estadístico de exclusión de rezagos de Wald para la
comprobación de significancia grupal; luego, la prueba del multiplicador de Lagrange
(LM) para la verificación autocorrelación en los residuos y por último, se aplica el
análisis de los residuos de cada modelo vector autorregresivo óptimo.
31
Se encuentra que en todas las periodicidades y en los dos periodos muestrales se
presenta estabilidad, debido a que los valores propios están dentro del círculo unitario.
Segundo, en la prueba de perturbaciones con distribución normal, donde se aplica el
estadístico de Jarque-Bera, se observa que en la mayoría de las periodicidades y
periodos muestrales, se rechaza la hipótesis nula, lo que implica que los residuos en la
mayoría de modelos de vector autorregresivos no están distribuidas normalmente; sin
embargo, solo en el periodo 2010 – 2019 de la periodicidad mensual se acepta la
hipótesis nula. Tercero, en la significancia grupal se muestra el total rechazo de la
hipótesis nula de los diferentes periodos muestrales y periodicidades, lo que señala que
las variables endógenas en un determinado rezago no son conjuntamente cero para
todas las ecuaciones.
Con respecto a la autocorrelación de los residuos, se presenta la aceptación de la

hipótesis nula en todos los modelos planteados; es decir, no existe una autocorrelación
en el orden de los rezagos respectivos. Asimismo, para un análisis más minucioso, en
cada variable se presentan tres pruebas de autocorrelación: la función de
autocorrelación (AC), la función de autocorrelación parcial (PAC) y la prueba de
Portmanteau (Q) para el ruido blanco en los residuos. Las funciones de autocorrelación
y autocorrelación parcial se muestran correctas en todos los escenarios, debido a que se
presentan los rezagos de los residuos más próximos a cero dentro de la banda de
confianza. Por último, en la prueba que señala la existencia de ruido blanco en los
residuos, se acepta la hipótesis nula en la mayoría de las periodicidades y periodos
muestrales, lo cual significa que la variable sigue un proceso de ruido blanco; solo en el
periodo 2006 – 2019 de las periodicidades diaria y semanal se presenta el rechazo de la
hipótesis nula.
Tabla 3.7
Análisis del modelo de vector autorregresivo óptimo para las periodicidades diaria,
semanal y mensual en el periodo 2006 – 2019
Periodicidad Diario Semanal Mensual

Estabilidad Estable Estable Estable
Normalidad en el error Rechaza Rechaza Rechaza
Significancia grupal Rechaza Rechaza Rechaza
Autocorrelación residual Acepta Acepta Acepta
32
AC Correcto Correcto Correcto
PAC Correcto Correcto Correcto

RB de los residuos de
Rechaza Rechaza Acepta
Ret.WTI
Acepta Acepta Acepta
Ret.DTWEXBGS
Tabla 3.8
Análisis del modelo de vector autorregresivo óptimo para las periodicidades diaria,
semanal y mensual en el periodo 2010 – 2019
Periodicidad Diario Semanal Mensual

Estabilidad Estable Estable Estable
Normalidad en el error Rechaza Rechaza Acepta
Significancia grupal Rechaza Acepta* Rechaza
Autocorrelación residual Acepta Acepta Acepta
AC Correcto Correcto Correcto
PAC Correcto Correcto Correcto

(continúa)
(continuación)
Ret.WTI
Ret.DTWEXBGS
Nota. La tabla es una elaboración propia. El término * indica un nivel de significancia al 10%.
2.3 Prueba de causalidad lineal a lo Granger
Para la observación de la causalidad a lo Granger lineal, se puede apreciar en las tablas

3.7 y 3.8 la hipótesis nula de las pruebas de causalidad: Ret . WTI ≠ Ret . DTWEXBGS
señala que la variable retorno logarítmico del precio de mercado crudo estadounidense
no causa a lo Granger linealmente al retorno logarítmico del índice de tipo de cambio
ponderado del dólar estadounidense. Por otro lado, Ret . DTWEXBGS≠ Ret .WTI
implica que el retorno logarítmico del índice de tipo de cambio ponderado del dólar
33
estadounidense no causa a lo Granger linealmente al retorno logarítmico del precio de
mercado crudo estadounidense.
Los resultados dentro de las tablas 3.7 y 3.8 son similares en las dos muestras
analizadas; sin embargo, cada proposición necesita ser interpretadas, debido a que el
efecto de causalidad lineal a lo Granger varía según las periodicidades de cada muestra.
De esta manera, es posible observar un efecto de causalidad lineal por parte de los
precios del petróleo crudo estadounidense sobre el índice del tipo de cambio del dólar
ponderado en una periodicidad diaria a un 1% y 5% de significancia, pero dicho efecto
deja de ser significativo en las periodicidades semanales y mensuales. Por otra parte, se
confirma que el tipo de cambio del dólar no causa linealmente al precio del petróleo
crudo estadounidense en las diferentes periodicidades y periodos muestrales a un 1% y
5% del nivel de significancia.
Tabla 3.9
Prueba de causalidad lineal a lo Granger para las periodicidades diaria, semanal y
Causalidad
lineal
Ret . WTI ≠ Ret . DTWEXBGS Ret . DTWEXBGS≠ Ret .WTI
Estadístico F Valor-p F Valor-p
Diario 18.381*** 0 0.76904 0.3806
Semanal 2.0525 0.1052 2.2102 0.0856
Mensual 0.58039 0.6287 2.424 0.0678
Tabla 3.10
Prueba de causalidad lineal a lo Granger para las periodicidades diaria, semanal y
Causalidad
lineal
Estadístico F Valor-p F Valor-p
Diario 5.7709** 0.0164 0.63999 0.4238
Semanal 0.84887 0.4285 0.70612 0.494
Mensual 0.00119 0.9726 0.5387 0.4645
Nota. La tabla es una elaboración propia. El término ** indica un nivel de significancia al 5%.
34
2.4 Pruebas de causalidad no lineal a lo Granger
Por otro lado, se opta por pruebas no paramétricas que pueden identificar las relaciones
no lineales entre las variables retorno logarítmico del precio de mercado del petróleo
crudo estadounidense e índice de tipo de cambio ponderado del dólar estadounidense.
Se usan las pruebas HJ y DP para la identificación de esta relación con sus respectivas
hipótesis nula para cada escenario; estas son las siguientes:
Ret . WTI ≠ Ret . DTWEXBGS que señala que el retorno logarítmico del precio del crudo
estadounidense no causa a lo Granger de forma no lineal al retorno logarítmico del
índice de tipo de cambio ponderado del dólar estadounidense y
Ret . DTWEXBGS≠ Ret .WTI implica que el retorno logarítmico del índice de tipo de
cambio ponderado del dólar estadounidense no causa a lo Granger de forma no lineal al
retorno logarítmico del precio de mercado crudo estadounidense. Los resultados de
estas dos pruebas son expresados dentro de las tablas 3.9 y 3.10, donde se puede
observar el valor-p de cada una de estas pruebas.
Para la prueba HJ se plantea un orden de rezago de Lx=Ly =5 con la banda de

confianza de e = 1.5 en todos los periodos muestrales y periodicidades. Los resultados
de esta prueba indican una aceptación de la hipótesis nula para todos los casos
escogidos. Esto pone en evidencia una de las problemáticas más usuales de esta prueba,
ya que Diks y Panchenko (2005, 2006), señalan que existe la posibilidad en algunas
variables de rechazar en exceso la no existencia de causalidad no lineal; es decir,
aproximar el valor-p hacia uno. Esto se debe a que la prueba ignora la posible variación
de las distribuciones condicionales que pueden estar presentes bajo la hipótesis nula.
En el caso de la prueba DP, de la misma forma se presenta un orden de rezago

Lx=Ly =5 con las diversas bandas de confianza para su respectivo periodo muestrales
y periodicidades. En el caso del periodo 2006 – 2019 se puede apreciar la banda de
confianza (e) diaria, semanal y mensual con los valores de 0.87, 1.36 y 1.5,
respectivamente. Mientras tanto, en el periodo 2006 – 2019 se observa la banda de
confianza (e) diaria, semanal y mensual con los valores de 0.95, 1.48 y 1.5,
respectivamente. Los resultados expresados dentro de esta prueba se aprecian en
diferentes niveles de significancia de 1%, 5% y 10%.
En el periodo muestral, 2006 – 2019 se comprueba la existencia de causalidad

bidireccional con una significancia de 1% para la periodicidad diaria en la mayoría de
35
los rezagos (1, 2, 3 y 4); también al 5% de significancia, en los rezagos 4 y 5 y al 10%
de significancia, en los rezagos 1, 4 y 5. En la periodicidad semanal, se puede observar
el cumplimiento de la relación a un 5% de significancia en los rezagos 2, 3, 4 y 5;
también, en los rezagos 1, 4 y 5 a un 10% de significancia. Para la periodicidad
mensual, solo se presenta causalidad no lineal entre el retorno logarítmico del índice de
tipo de cambio ponderado del dólar estadounidense (Ret . WTI) sobre al retorno
logarítmico del precio de mercado crudo estadounidense (Ret . DTWEXBGS) en los
rezagos 1 y 2.
En el periodo 2010 – 2019 se cumple la relación bidireccional en una frecuencia

diaria, al igual que la muestra anterior, en diferentes tipos de rezagos: 1,2 y 3 a un 1%
de significancia; al 5% de significancia, se comprueba la relación en los rezagos 3 y 4;
y al 10% en el rezago 5. En la periodicidad semanal, la relación causal bidireccional
disminuye, pues se comprueba la existencia de la relación en los rezagos 4 y 5 a un
nivel de significancia de 5%, y en los rezagos 3 y 4, se comprueba la relación a un 10%
de significancia. Por último, se puede observar en la periodicidad mensual, evidencia de
causalidad no lineal a lo Granger entre el retorno logarítmico del índice de tipo de
cambio ponderado del dólar estadounidense (Ret . WTI) sobre el retorno logarítmico del
precio de mercado crudo estadounidense (Ret . DTWEXBGS) solo en el rezago 4 a un
10% de significancia.
Tabla 3.11
Prueba de causalidad no lineal a lo Granger para las periodicidades diaria, semanal y
Causalidad
no lineal
Periodicidad Diario Semanal Mensual Diario Semanal Mensual
Lx=Ly HJ DP HJ DP HJ DP HJ DP HJ DP HJ DP
0.0542 0.0539
1 1 0 0.96 0.82 0.2092 1 0.00001 0.97 0.95 0.04744
1 3
0.1049 0.1539 0.0499
2 1 0.00001 0.95 0.90 1 0.00008 0.98 0.87 0.09233
3 2 5
0.0113 0.3876
3 1 0.00114 0.99 0.71 0.99 0.00752 0.93 0.1444 0.55 0.49991
7 9
0.9 0.0147 0.0889
4 0.04025 0.99 0.69 0.3062 0.99 0.00471 0.95 0.55 0.48723
9 8 3
0.9 0.0176 0.3432 0.0834
5 0.0763 0.99 0.61 0.99 0.02007 0.88 0.77 0.2133
9 4 6 9
36
Tabla 3.12
Prueba de causalidad no lineal a lo Granger para las periodicidades diaria, semanal y
Causalidad
no lineal
Periodicidad Diario Semanal Mensual Diario Semanal Mensual
Lx=Ly HJ DP HJ DP HJ DP HJ DP HJ DP HJ DP
0.0000 0.5 0.8 0.1590 0.9 0.8 0.2421
1 0.99 0.47783 0.00245 0.80 0.1764
2 6 0 4 9 6 4
0.0003 0.5 0.9 0.1151 0.9 0.9 0.1036
2 0.99 0.53765 0.00025 0.75 0.14559
3 7 0 6 9 4 3
0.0019 0.8 0.8 0.2125 0.9 0.8 0.1833
3 0.99 0.09734 0.03378 0.54 0.43442
5 5 1 8 9 6 6
0.0458 0.9 0.9 0.0944 0.9 0.9 0.0788
4 0.99 0.03321 0.04443 0.60 0.44481
2 8 6 9 9 3 2
0.0631 0.9 0.9 0.1060 0.9 0.9 0.0294
5 0.99 0.02168 0.09698 0.85 0.17154
4 9 5 5 9 7 5
37
3 CAPÍTULO IV: CORRESPONDENCIA DE
CONTENIDOS DE INVESTIGACIÓN Y FORMACIÓN
ACADÉMICA
ASIGNATUTA(S) DE LA
RUBRO DETALLE
CARRERA DE ECONOMÍA
 Ley de un solo precio  Teoría Macroeconómica II
 Paridad de poder adquisitivo (PPA)  Teoría Macroeconómica II
Teorías consideradas en  Paridad de poder adquisitivo relativo  Teoría Macroeconómica II
el marco teórico.
 Tipo de cambio real  Teoría Macroeconómica II
 Mecanismos de transmisión: tipo de  Econometría Aplicada a las
cambio y precios del petróleo Finanzas
 Modelo de vectores autorregresivos
 Econometría II
(VAR)
 Pruebas de raíz unitaria: Dickey-Fuller
aumentado, Phillip-Perron, DF-GLS,  Econometría II
Herramientas estadísticas Kwiatkowski–Phillips–Schmidt–Shin
/ econométricas y otros  Prueba de estabilidad  Econometría II
conocimientos
empleados en la  Prueba de Wald  Econometría II
metodología de  Prueba de Portmanteu Ljung-Box  Econometría II
investigación.  Prueba de Jarque-Bera  Econometría II
 Prueba de causalidad lineal  Econometría II
 Prueba de causalidad no lineal: Hiemstra-  Econometría Aplicada a las
Jones (HJ) y Diks-Panchenko (DP) Finanzas
 Relación entre el tipo de cambio y el  Econometría Aplicada a las
precio el petróleo Finanzas
Temas contenidos en el
desarrollo de trabajo de  Inflación  Teoría Macroeconómica II
investigación.  Términos de intercambio  Economía Internacional
 Mercados financieros  Finanzas I
38
CONCLUSIONES
 En primer lugar, se puede concluir la existencia de una relación causal lineal a lo

Granger por parte del precio de mercado crudo estadounidense (Ret.WTI) sobre el
índice del tipo de cambio ponderado estadounidense (Ret.DTWEXBGS). Sin
embargo, este efecto posee una duración diaria, ya que a nivel semanal y mensual
esta relación no es significativa. Es más, se puede observar que para las dos muestras
analizadas se presenta la misma significancia a nivel diario de la relación causal. Por
otro lado, se puede concluir que no existe efecto de causalidad lineal a lo Granger
por parte de índice del tipo de cambio ponderado estadounidense sobre el precio de
mercado crudo estadounidense en ninguna de las periodicidades estudiadas dentro de
las dos muestras.
 Con respecto a la relación causal no lineal o bidireccional, la prueba Hiemstra-Jones

señala la no existencia de causalidad no lineal para todos los escenarios propuestos
dentro de las muestras, pero es posible que esto se deba a una sobre-parametrización
de la prueba como lo indica Diks y Wolski (2016). Mientras tanto, la prueba Diks-
Panchenko indica la existencia de las relaciones causales bidireccionales por parte
del precio de mercado crudo estadounidense sobre el índice del tipo de cambio
ponderado estadounidense, y viceversa en las periodicidades diarias y semanales,
pero no es significativo a nivel mensual en las dos muestras.
39
RECOMENDACIONES
 Uno de los factores que ha sido determinante en los resultados obtenidos fue la
presencia de rupturas estructurales dentro de los periodos escogidos, pues los datos
de estos eventos no se comportan de acuerdo a las observaciones tradicionales que
ofrece la literatura e incluso pueden generar efectos de volatilidad en el tipo de
cambio del dólar y el precio del petróleo. Por lo tanto, es necesario emplear una
metodología que se ajuste a las particularidades de estos eventos. Wen et al. (2018)
señala que uno de las modelaciones más adecuadas para estos casos es elaborar el
método de Inclán y Tiao (1994) quien aplica algoritmos de suma de iteraciones
cuadráticas acumuladas para detectar rupturas estructurales dentro de las series y
posteriormente la aplicación de un DCC-GARCH que incorpore las rupturas
estructurales previamente halladas.
 Por el lado de la verificación de las relaciones bidireccionales, es necesario buscar

pruebas más precisas, ya que si no se siguen las correctas especificaciones hechas
por los autores es posible que los resultados sean incorrectos. Esta situación, puede
ocurrir con la prueba Hiemstra-Jones, ya que se necesita una muestra los
suficientemente amplia para evitar una sobre-parametrización de la hipótesis nula
que ofrece esta prueba. Por ello, se recomiendo el uso de pruebas más elaboradas
como Diks y Wolski (2016) que propone una función de normalidad asintótica del
estadístico que reduce el sesgo del estimador original sin afectar al orden de la
varianza.
40
REFERENCIAS
Ahmad, H. A., & Moran Hernandez, R. (2013). Asymmetric adjustment between oil
prices and exchange rates: Empirical evidence from major oil producers and
consumers. Journal of International Financial Markets, Institutions and Money,
27(1), 306–317. https://doi.org/10.1016/j.intfin.2013.10.002
Akram, Q. F. (2009). Commodity prices, interest rates and the dollar. Energy
Economics, 31(6), 838–851. https://doi.org/10.1016/j.eneco.2009.05.016
Aloui, R., Ben Aïssa, M. S., & Nguyen, D. K. (2013). Conditional dependence structure
between oil prices and exchange rates: A copula-GARCH approach. Journal of
International Money and Finance, 32(C), 719–738.
https://doi.org/10.1016/j.jimonfin.2012.06.006
Amano, R. A., & Van Norden, S. (1998). Oil prices and the rise and fall of the US real
exchange rate. Journal of International Money and Finance, 17(2), 299–316.
https://doi.org/10.1016/S0261-5606(98)00004-7
Baek, E. G., & Brock, W. A. (1992). A general test for nonlinear Granger causality:
Bivariate model.
Baghestani, H., & Toledo, H. (2019). Oil prices and real exchange rates in the NAFTA
region. North American Journal of Economics and Finance, 48, 253–264.
https://doi.org/10.1016/j.najef.2019.02.009
Beckmann, J., Czudaj, R. L., & Arora, V. (2020). The relationship between oil prices
and exchange rates: Revisiting theory and evidence. Energy Economics, 88(C).
https://doi.org/10.1016/j.eneco.2020.104772
Bénassy-Quéré, A., Mignon, V., & Penot, A. (2007). China and the relationship
between the oil price and the dollar. Energy Policy, 35(11), 5795–5805.
https://doi.org/10.1016/j.enpol.2007.05.035
Bodenstein, M. R., Erceg, C. J., & Guerrieri, L. (2011). Oil shocks and external
adjustment. Journal of International Economics, 83(2), 168–184.
https://doi.org/10.1016/j.jinteco.2010.10.006
Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. (2013). Time series analysis:
Forecasting and control. En Time Series Analysis: Forecasting and Control:
Fourth Edition (4th ed.). https://doi.org/10.1002/9781118619193
41
Brahmasrene, T., Huang, J.-C., & Sissoko, Y. (2014). Crude oil prices and exchange
rates: Causality, variance decomposition and impulse response. Energy
Economics, 44, 407–412. https://doi.org/10.1016/j.eneco.2014.05.011
Camarero, M., & Tamarit, C. (2002). Oil prices and Spanish competitiveness. A
cointegrated panel analysis. Journal of Policy Modeling, 24(6), 591–605.
https://doi.org/10.1016/S0161-8938(02)00128-X
Cassel, G. (1916). The Present Situation of the Foreign Exchanges. The Economic
Journal, 26(103). https://doi.org/10.2307/2221918
Chen, S. S., & Chen, H. C. (2007). Oil prices and real exchange rates. Energy
Cifarelli, G., & Paladino, G. (2010). Oil price dynamics and speculation. A multivariate
financial approach. Energy Economics, 32(2), 362–372.
https://doi.org/10.1016/j.eneco.2009.08.014
Coudert, V., Mignon, V., & Penot, A. (2008). Oil Price and the Dollar. Energy Studies
Review, 15(2). https://doi.org/10.15173/esr.v15i2.508
Diks, C., & Panchenko, V. (2006). A new statistic and practical guidelines for
nonparametric Granger causality testing. Journal of Economic Dynamics and
Control, 30(9–10). https://doi.org/10.1016/j.jedc.2005.08.008
Diks, C., & Panchenko, V. (2005). A note on the Hiemstra-Jones test for Granger non-
causality. Studies in Nonlinear Dynamics and Econometrics, 9(2).
https://doi.org/10.2202/1558-3708.1234
Diks, C., & Wolski, M. (2016). Nonlinear Granger Causality: Guidelines for
Multivariate Analysis. Journal of Applied Econometrics, 31(7), 1333–1351.
https://doi.org/10.1002/jae.2495
Forthofer, R. N., Lee, E. S., & Hernandez, M. S. (2006). Biostatistics. En Biostatistics:

A Guide to Design, Analysis and Discovery (2nd Ed).
https://doi.org/10.1016/C2009-0-03861-6
Fratzscher, M., Schneider, D., & Van Robays, I. (2014). Oil Prices, Exchange Rates and
Asset Prices. Working Paper Series, European Central Bank, 1689.
https://doi.org/10.2139/ssrn.2269027
Golub, S. S. (1983). Oil Prices and Exchange Rates. The Economic Journal, 93(371),
576–593. https://doi.org/10.2307/2232396
Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and

Cross-spectral Methods. Econometrica, 37(3). https://doi.org/10.2307/1912791
Habib, M. M., Bützer, S., & Stracca, L. (2016). Global exchange rate configurations:
Do oil shocks matter? En IMF Economic Review (Vol. 64, Número 3, pp. 443–
470). Palgrave Macmillan Ltd. https://doi.org/10.1057/imfer.2016.9
42
Hashemi, M. (2017). The Relationship between Oil Prices and US Dollar Exchange
Rates in Short and Long Scales [West Virginia University].
https://doi.org/10.33915/etd.5779
Hiemstra, C., & Jones, J. D. (1994). Testing for Linear and Nonlinear Granger
Causality in the Stock Price‐Volume Relation. The Journal of Finance, 49(5).
https://doi.org/10.1111/j.1540-6261.1994.tb04776.x
Humbatova, S. İ., & Qadim-Oglu Hajiyev, N. (2019). Oil factor in economic

development. Energies, 12(8). https://doi.org/10.3390/en12081573
Inclán, C., & Tiao, G. C. (1994). Use of cumulative sums of squares for retrospective
detection of changes of variance. Journal of the American Statistical Association,
89(427), 913–923. https://doi.org/10.1080/01621459.1994.10476824
Iribarren Viertel, A. J. (2006). Paridad de poder de compra: una revisión de la

literatura empírica [Universidad de Chile].
http://repositorio.uchile.cl/handle/2250/108371
Jarque, C. M., & Bera, A. K. (1987). A Test for Normality of Observations and
Regression Residuals. International Statistical Review / Revue Internationale de
Statistique, 55(2). https://doi.org/10.2307/1403192
Jung, Y.-C., Das, A., & McFarlane, A. A. (2020). The asymmetric relationship between
the oil price and the US-Canada exchange rate. Quarterly Review of Economics
and Finance, 76, 198–206. https://doi.org/10.1016/j.qref.2019.06.003
Kębłowski, P., Leszkiewicz-Kędzior, K., & Welfe, A. (2020). Real Exchange Rates, Oil
Price Spillover Effects, and Tripolarity. Eastern European Economics, 58(5), 415–
435. https://doi.org/10.1080/00128775.2020.1753212
Khraief, N., Shahbaz, M., Mahalik, M. K., & Bhattacharya, M. (2021). Movements of
oil prices and exchange rates in China and India: New evidence from wavelet-
based, non-linear, autoregressive distributed lag estimations. Physica A: Statistical
Mechanics and its Applications, 563. https://doi.org/10.1016/j.physa.2020.125423
Krugman, P. (1983). Oil Shocks and Exchange Rate Dynamics. En J. A. Frenkel (Ed.),
Exchange Rates and International Macroeconomics (pp. 259–284). University of
Chicago Press. https://econpapers.repec.org/RePEc:nbr:nberch:11382
Kunst, R. M. (2011). Vector autoregressions. Based on the book “New Introduction to

Multiple Time Series Analysis” by Helmut Lütkepohl’.
https://homepage.univie.ac.at/robert.kunst/varpres.pdf
Liu, B.-Y., Ji, Q., Nguyen, D. K., & Fan, Y. (2021). Dynamic dependence and extreme
risk comovement: The case of oil prices and exchange rates. International Journal
of Finance and Economics, 26(2), 2612–2636. https://doi.org/10.1002/ijfe.1924
Ljung, G. M., & Box, G. E. P. (1978). On a measure of lack of fit in time series models.
Biometrika, 65(2), 297–303. https://doi.org/10.1093/biomet/65.2.297
43
Lorduy Herrera, O. (2014). La paridad del poder adquisitivo: nueva evidencia para
Colombia y Latinoamérica. Revista CIFE: Lecturas de Economía Social, 16(25).
https://doi.org/10.15332/s2248.4914.2014.0025.04
Lütkepohl, H. (2005). New introduction to multiple time series analysis. En New

introduction to Multiple Time Series Analysis. https://doi.org/10.1007/978-3-540-
27752-1
Olayeni, O. R., Tiwari, A. K., & Wohar, M. E. (2020). Global economic activity, crude
oil price and production, stock market behaviour and the Nigeria-US exchange
rate. Energy Economics, 92. https://doi.org/10.1016/j.eneco.2020.104938
Stock, J. H., & Watson, M. W. (2001). Vector autoregressions. Journal of Economic

Perspectives, 15(4), 101–115. https://doi.org/10.1257/jep.15.4.101
U.S. Energy Information Administration. (s. f.). PETROLEUM & OTHER LIQUIDS:

Table Definitions, Sources, and Explanatory Notes. Recuperado 18 de junio de
2021, de https://www.eia.gov/dnav/pet/TblDefs/pet_pri_spt_tbldef2.asp
U.S. Energy Information Administration. (2021). What drives crude oil prices:
Financial Markets. Energy & Financial Markets WHAT DRIVES CRUDE OIL
PRICES? An analysis of 7 factors that influence oil markets, with chart data
updated monthly and quarterly.
https://www.eia.gov/finance/markets/crudeoil/financial_markets.php
U.S. Energy Information Administration. (2021). What drives crude oil prices: Spot
Prices. Energy & Financial Markets WHAT DRIVES CRUDE OIL PRICES? An
analysis of 7 factors that influence oil markets, with chart data updated monthly
and quarterly. https://www.eia.gov/finance/markets/crudeoil/spot_prices.php
U.S. Energy Information Administration. (2021). What drives crude oil prices: Supply
OPEC. Energy & Financial Markets WHAT DRIVES CRUDE OIL PRICES? An
analysis of 7 factors that influence oil markets, with chart data updated monthly
and quarterly. https://www.eia.gov/finance/markets/crudeoil/supply-opec.php
von Beschwitz, B., Collins, C. G., & Datta, D. D. (2019, enero). Revisions to the
Federal Reserve Dollar Indexes. IFDP Notes; Board of Governors of the Federal
Reserve System. https://doi.org/10.17016/2573-2129.48
Wen, F., Xiao, J., Huang, C., & Xia, X. (2018). Interaction between oil and US dollar
exchange rate: nonlinear causality, time-varying influence and structural breaks in
volatility. Applied Economics, 50(3).
https://doi.org/10.1080/00036846.2017.1321838
Wu, C.-C., Chung, H., & Chang, Y.-H. (2012). The economic value of co-movement
between oil price and exchange rate using copula-based GARCH models. Energy
Yang, L., Cai, X. J., & Hamori, S. (2017). Does the crude oil price influence the
exchange rates of oil-importing and oil-exporting countries differently? A wavelet
44
coherence analysis. International Review of Economics and Finance, 49, 536–547.
https://doi.org/10.1016/j.iref.2017.03.015
Yousefi, A., & Wirjanto, T. S. (2004). The empirical role of the exchange rate on the
crude-oil price formation. Energy Economics, 26(5), 783–799.
https://doi.org/10.1016/j.eneco.2004.06.001
Zhang, Y.-J., Fan, Y., Tsai, H.-T., & Wei, Y.-M. (2008). Spillover effect of US dollar
exchange rate on oil prices. Journal of Policy Modeling, 30(6), 973–991.
https://doi.org/10.1016/j.jpolmod.2008.02.002
45

Cordero Puchuri FIN - Corrección

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

Cordero Puchuri FIN - Corrección

Cargado por

Copyright:

Formatos disponibles

Universidad de Lima

Facultad de Ciencias Empresariales y Económicas

Cordero Carranza, Andrew Raúl

Puchuri Orellano, Hugo Renzo

Códigos JEL: Q40; Q43

Línea de investigación: 5300 - 3. G2

Codes JEL: Q40; Q43

Line of research: 5300 - 3. G2

Asimismo, se ha demostrado que los efectos de las relaciones de causalidad

En cuanto al aporte de la investigación, se utilizará indicadores representativos

A continuación, se delimitará la presente investigación con el fin de responder

Ante las preguntas anteriormente propuestas, las hipótesis a demostrar indican

1.1 Tipo de cambio

Donde Pi es el precio del bien comercializado en la moneda local; Pi el precio

Posteriormente, Cassel (1916) realiza una generalización de la ley de un solo

Según Cassel (1916), las variables P y P¿ representan cestas idénticas de bienes

Asimismo, a partir de la expresión (2) se puede obtener una variación de la

La Tasa de Cambio Real (TCR) permite comparar el poder adquisitivo y la

1.2 Mecanismos de transmisión teóricos

En cuanto a los mecanismos de transmisión mostrados en la figura 1.1, es posible

et al., 2020, Energy Economics, 88(C).

1.2.1 Canales de términos de intercambio

Amano y Van Norden (1998) proponen un modelo de economía subdivididas en

En consecuencia, los efectos generados por bienes pertenecientes a los sectores

1.2.2 Canales de efecto de la riqueza y del portafolio

Krugman (1983) y Golub (1983), desarrollan un modelo de tres países, dos

Coudert et al. (2008, como se citó en Hashemi, 2017) complementa las

El efecto neto de una variación en el precio del petróleo sobre el tipo de

1.2.3 Canales de denominación

La figura 1.3 ejemplifica el efecto de la depreciación del dólar, asumiendo que

El efecto neto describirá, entonces, desplazamiento a la derecha de la curva de

Long Scales”, de Hashemi, 2017, West Virginia University.

Este canal de transmisión propone un comportamiento bidireccional entre los precios

1.3 Revisión de literatura

1.3.1 Términos de intercambio

Kębłowski et al. (2020) propone un modelo VAR que vincula a la tasa de

1.3.2 Efectos de riqueza y portafolio

Habib et al. (2016) identifica tres choques estructurales que impactan en el

1.3.3 Efectos de denominación

Yousefi y Wirjanto (2004) centran sus investigaciones en la formación de los precios

Akram (2009) investiga si de las caídas de las tasas de interés y el dólar

Brahmasrene et al. (2014) se enfoca en las importaciones del petróleo

1.3.4 Efectos de expectativas

Cifarelli y Paladino (2010) evalúan si la especulación de mercado afecta las dinámicas

Wu et al. (2012) estudian la relación entre el precio del petróleo y el tipo de

Jung et al. (2020) utiliza un modelo no lineal autorregresivo con desfase

1.4 Marco contextual

El precio de petróleo crudo, actualmente, se define en un mercado globalizado; pues las

Además, en la figura 1.4, puede observarse el desarrollo histórico de los

Information Administration, 2021b.

Information Administration, 2021b.

En cuanto a organismos internacionales, la Organización de Países Exportadores

Markets”, de U.S. Energy Information Administration, 2021a.

1.5 Modelamiento y procedimientos econométricos

Para la derivación e implementación de las pruebas de causalidad a lo Granger, en esta

Ret . DTWEXBGS representa los retornos logarítmicos del índice de tipo de

En un siguiente paso, se buscará rechazar la hipótesis nula de causalidad a lo

La prueba HJ propuesta por Hiemstra y Jones (1994) es el método más

Por último, es necesario mencionar que para la elaboración del modelo

1.5.1 Prueba de estabilidad

det ( I k −A 1 z ) ≠ 0 para |z|≤1

Adicionalmente, se aclara que cuando no se encuentren raíces dentro o en el

1.5.2 Prueba de Wald

ADF -62.818* -58.764* -22.208* -20.878* -8.982* -8.24*

ADF -53.518* -49.289* -17.496* -17.92* -8.276* -7.416*