Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cordero Puchuri FIN - Corrección
Cordero Puchuri FIN - Corrección
Carrera de Economía
INTERACCIÓN FINANCIERA:
VERIFICACIÓN DE CAUSALIDAD ENTRE
EL TIPO DE CAMBIO DEL DÓLAR
PONDERADO Y EL PRECIO DEL
PETROLEO CRUDO
Código 20162995
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,
semanal y mensual en el periodo 2010 – 2019...............................................................32
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
diaria, semanal y mensual en el periodo 2010 – 2019...................................................33
Tabla 3.7 Prueba de causalidad lineal a lo Granger para las periodicidades diaria,
semanal y mensual en el periodo 2006 – 2019...............................................................35
Tabla 3.8 Prueba de causalidad lineal a lo Granger para las periodicidades diaria,
semanal y mensual en el periodo 2010 – 2019...............................................................35
Tabla 3.9 Prueba de causalidad no lineal a lo Granger para las periodicidades diaria,
semanal y mensual en el periodo 2006 – 2019...............................................................37
Tabla 3.10 Prueba de causalidad no lineal a lo Granger para las periodicidades
diaria, semanal y mensual en el periodo 2010 – 2019...................................................37
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.
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.
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.
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.
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.
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)
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.
P=tcn∗P ¿ (2)
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
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
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).
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.
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.
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
10
1.2.4 Canales de expectativas
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).
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.
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.
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.
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.
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
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.
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.
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
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
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
20
1 CAPÍTULO II: METODOLOGÍA DE LA
INVESTIGACIÓN
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.
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):
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:
H 0 : β1 =0
H1: β1 ≠ 0
^
β1
se ( ^
β 1)
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.
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
Donde:
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
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:
X X X
25
L
iii) Y t −L =(Y t −L ,Y t −L
Y
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)
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 )
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
√ 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
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).
27
Tabla 2.1
Economías dentro de la variable del dólar ponderado por el comercio: amplio, bienes
y servicios
Tabla 2.2
Descripción de las variables
Administración de
Intermedio del Oeste de 2006-2019 Información
WTI Dólar/barril
Texas 2010-2019 Energética de Estados
Unidos
28
Administración de
Retorno del Intermedio del Retorno 2006-2019 Información
Ret.WTI
Oeste de Texas logarítmico 2010-2019 Energética de Estados
Unidos
Nota. La tabla es una elaboración propia.
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
Tabla 3.4
Pruebas ADF, PP, DF-GLS y KPSS para las periodicidades diaria, semanal y mensual
en el periodo 2010 – 2019
Ret.
Ret. Ret.
Variables Ret.WTI Ret.WTI DTWEXBG Ret.WTI
DTWEXBGS DTWEXBGS
S
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
Tabla 3.6
Modelos de vector autorregresivos óptimos para las periodicidades diaria, semanal y
mensual en el periodo 2010 – 2019
Tabla 3.7
Análisis del modelo de vector autorregresivo óptimo para las periodicidades diaria,
semanal y mensual en el periodo 2006 – 2019
32
AC Correcto Correcto Correcto
Tabla 3.8
Análisis del modelo de vector autorregresivo óptimo para las periodicidades diaria,
semanal y mensual en el periodo 2010 – 2019
(continuación)
RB de los residuos de
Acepta Acepta Acepta
Ret.WTI
RB de los residuos de
Acepta Acepta Acepta
Ret.DTWEXBGS
Nota. La tabla es una elaboración propia. El término * indica un nivel de significancia al 10%.
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
mensual en el periodo 2006 – 2019
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
Nota. La tabla es una elaboración propia. El término *** indica un nivel de significancia al 1%.
Tabla 3.10
Prueba de causalidad lineal a lo Granger para las periodicidades diaria, semanal y
mensual en el periodo 2010 – 2019
Causalidad
lineal
Ret . WTI ≠ Ret . DTWEXBGS Ret . DTWEXBGS≠ Ret .WTI
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.
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.
Tabla 3.11
Prueba de causalidad no lineal a lo Granger para las periodicidades diaria, semanal y
mensual en el periodo 2006 – 2019
Causalidad
no lineal
Ret . WTI ≠ Ret . DTWEXBGS Ret . DTWEXBGS≠ Ret .WTI
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
Nota. La tabla es una elaboración propia.
36
Tabla 3.12
Prueba de causalidad no lineal a lo Granger para las periodicidades diaria, semanal y
mensual en el periodo 2010 – 2019
Causalidad
no lineal
Ret . WTI ≠ Ret . DTWEXBGS Ret . DTWEXBGS≠ Ret .WTI
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
Nota. La tabla es una elaboración propia.
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
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.
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
Economics, 29(3), 390–404. https://doi.org/10.1016/j.eneco.2006.08.003
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
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
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
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
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
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
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
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
Economics, 34(1), 270–282. https://doi.org/10.1016/j.eneco.2011.07.007
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