1

La regla de Taylor en
Per

MEDINA TITO, DESSIRE

ROJAS MORAN, BEREMIZ SAMIR
VIVANCO CORNELIO, JEANETTE
LUCERO

2016

NDICE

1.

RESUMEN

2.

PLANTEAMIENTO DEL PROBLEMA

3.

OBJETIVOS

4.

MARCO TERICO Y CONCEPTUAL

5.

METODOLOGA

6.

RESULTADOS

7.

CONCLUSIONES Y RECOMENDACIONES

34

8.

BIBLIOGRAFA

34

9.

ANEXOS

35

1. RESUMEN
Mediante un estudio estadstico y un modelo economtrico el objetivo de este trabajo es llevar
a cabo un estudio de la regla de Taylor para Per en el periodo 2002-2016. Respecto a la
estadstica, la inflacin del pas se ha mantenido en niveles constantes en dichos aos. En
relacin al estudio economtrico, los resultados del modelo nos sealan que los instrumentos
de poltica monetaria usados se inserta en la lgica de la regla de Taylor. Por lo tanto, despus
del anlisis emprico anterior, los resultados del trabajo sugieren que la poltica monetaria en
Per durante el periodo referido es congruente con el marco terico que la sustenta pero
tambin con el mandato constitucional que la rige.
2. PLANTEAMIENTO DEL PROBLEMA
La poltica monetaria es uno de los agentes ms influyente cuando se trata de explicar la
evolucin en el corto y largo plazo de la economa y el pas. La banca central usa una amplia
variedad de instrumentos de poltica monetaria para influir en los precios, el PBI, etc. As,
intermediarios de la poltica monetaria y las maneras de responder a permutaciones en el
contexto macroeconmico se han tornado ltimamente en tema de observacin y crtica
analtica.
A lo largo de la experiencia, es posible reconocer algunos procederes regulares de la banca
centra al aplicar los instrumentos poltica monetaria que pueden ser llamados reglas y, con ello,
determinar la importancia que le da cada institucin a variables como la inflacin o el
crecimiento econmico cuando va a realizar la toma de decisiones. Pero vale recalcar que esto
no da por sentado que la banca central use tajantemente una regla especfica; ms bien,
pueden usarlas como asesor para la toma de decisiones.
El estudio y utilizacin de ciertas reglas de poltica monetaria aparte de permitirnos simular la
conducta histrica de los instrumentos de poltica monetaria usados por el Banco Central,
tambin permiten comprobar la trayectoria de lo que se son llamadas polticas ptimas.
Lastimosamente, la mayora de estudios empricos sobre el tema se han centrado en pases
con una economa prspera. Disparatadamente, es en el caso de los pases en camino al
desarrollo, con una rutinaria falta de estabilidad en el comportamiento del PBI y la inflacin,
donde la aplicacin de reglas de poltica monetaria parece ms tentadora. Sin embargo, el uso
de reglas de poltica monetaria en pases en vas al desarrollo no es notorio y, por el contrario,
es necesario evaluar su validez emprica y su capacidad de simulacin y prediccin. Es as que
este trabajo tiene como principal meta examinar la evidencia economtrica hallada sobre la
regla de Taylor para el caso peruano.
3. OBJETIVOS
3.1. GENERALES
Analizar la evidencia economtrica disponible sobre la Regla de Taylor para Per.
Reforzar los conocimientos adquiridos en el curso, mediante una aplicacin prctica.
3.2. ESPECFICOS
Evaluar la importancia de las brechas del producto y de la inflacin en determinar la
tasa de inters de la economa peruana.
Investigar un modelo para explicar el comportamiento de la tasa de inters.

4. MARCO TERICO Y CONCEPTUAL

4.1. ANTECEDENTES
Como estudios previos a nuestra investigacin, podemos encontrar trabajos hechos en Chile,
Colombia y Mxico:
(Haindl, 2015), en un columna del Diario Financiero, despus de una pequea introduccin de
lo que sera la regla de Taylor, nos expone los exponentes hallados de la Regla de Taylor usada
en Chile y los compara con el trabajo de 1993 de Taylor, llegando a la conclusin que las
autoridades monetarias de Chile han tendido a reaccionar con mucha fuerza a desviaciones
con respecto al nivel de actividad econmica, y han sido extraordinariamente dbiles ante
rebotes inflacionarios.
En (Bernal Nisperuza & Tutiva Pradere, 2008), las autoras comparan las predicciones de una
regla de Taylor desarrolladas en el mbito de la economa colombiana utilizando datos en
tiempo real y datos revisados del PBI del periodo comprendido entre el segundo trimestre del
ao 2003 y el primero del 2008. Los resultados concluyen que si la ecuacin de Taylor es
estimada con la informacin actualizada, se puede ver que la banca colombiana responde en
un grado leve a la tasa de inflacin, mientras que con la informacin en tiempo real responde
en mayor grado. Por ltimo, sugiere que el clculo y recomendacin de una poltica monetaria,
podra cambiar y mejorar si son usados datos en tiempo real.
(Prez Laurrabaquio, 2012), en su trabajo, a partir de un anlisis estadstico y un modelo
economtrico de vectores autorregresivos (VAR), lleva a cabo un estudio emprico de la regla
de Taylor en Mxico del perodo 2002-2012. Respecto al anlisis economtrico, los resultados
del modelo VAR sugieren que la poltica monetaria del pas durante el perodo anterior se
inserta en la lgica de la regla de Taylor, al controlar el Banco de Mxico la inflacin y
estabilizar el producto a partir de la tasa de inters.
Juntos, (Galindo & Guerrero, 2003), sealan que la poltica monetaria utilizada por la banca
mexicana puede explicarse utilizando el modelo que nace de la regla de Taylor. Esto denota
que esta puede utilizarse como referencia para debatir la influencia que tiene cada variable en
la prctica de la poltica monetaria.
4.2. CRISIS FINANCIERA MUNDIAL DEL 2008
(Alegra, 2013), en su publicacin del diario Gestin, nos explica el origen de la crisis financiera
del ao 2008:
En el 2002, el ex presidente de Estados Unidos, George W. Bush, dijo que tener una casa
propia era parte del sueo americano. As, pidiendo la ayuda del sector privado, para que a las
personas de ingresos ms bajos se les facilite el financiamiento hipotecario.
Tras el anuncio de Bush, la Reserva Federal redujo rpidamente las tasas de inters: de 6% a
solo 1% en unos cuantos meses. El dinero estaba tan barato que los 8,000 bancos y agentes
hipotecarios iniciaron una agresiva expansin del crdito hipotecario.
Este crecimiento de crditos alcanz a personas a quienes realmente no debi alcanzar: la
clase desfavorecida, sin ingresos, activos ni empleo. Este tipo de hipotecas fue bautizada como
hipotecas subprime, que en realidad eran solo activos txicos, con alta probabilidad de no
pago.

La facilidad para obtener un crdito hipotecario tuvo dos efectos. El primero fue que las familias
se dedicaron a especular ampliamente con los precios de los inmuebles, y sobre todo con los
costos de las hipotecas. La especulacin llev al desarrollo de una burbuja inmobiliaria, que
infl considerablemente los precios.
Esto tambin tuvo un efecto posterior. El valor de las viviendas era el respaldo de las hipotecas,
incluyendo las subprime. Conforme aumentaban los precios, aumentaba el nmero de
hipotecas.
En paralelo, se estaba armando un proceso que convertira a las hipotecas subprime en armas
de destruccin financiera masiva. Esos activos txicos estaban siendo empaquetados con
otros, creando una gran variedad de nuevos productos financieros. Estos nuevos activos (que
en realidad eran txicos) se transaban libremente y sin ningn tipo de regulacin.
Fue as que los bancos de inversin empezaron a repartir sus paquetes de activos -cuyo
contenido no conoca nadie- por todo el mundo.
Esta dinmica de especulacin y alza de precios llev a un recalentamiento de la economa. En
el 2003, la FED inici una subida de tasas de inters: de 1% en ese ao, a 3% en el 2005 y
hasta 5.5% en el 2006. Sin embargo, esta iniciativa sera en vano.
La burbuja hipotecaria estall y, con ella, los precios de los activos se desplomaron. Al ver esto,
las familias que estaban endeudadas optaron por devolver la casa al banco, pues les era
mucho ms barato hacer eso que seguir pagando un prstamo de US$ 300,000, por una casa
que ahora vala US$ 50,000.
Cuando una deuda no es pagada se conoce como default. Las familias incurrieron en default y
ocasionaron grandes prdidas a los bancos. A su vez, esta situacin gener -naturalmente- un
colapso en los portafolios de los bancos de inversin a nivel mundial, debido a que estaban
plagados de las hipotecas txicas subprime.
A raz de todo este proceso, el lunes 15 de septiembre del 2008 fue que Lehman Brothers se
declar en quiebra, fuertemente golpeado por las prdidas de los activos txicos. El pnico fue
generado por el colapso de una entidad considerada demasiado grande para caer.
4.3. POLTICA MONETARIA
La Poltica Monetaria consiste en el control que hace el Banco Central sobre la oferta
monetaria, como instrumento para alcanzar los objetivos de poltica econmica general.
Los principales instrumentos de la poltica monetaria son:
a)

b)

Por el lado de la oferta:

La tasa de encaje
La tasa de descuento y redescuento
El tipo de cambio
Operaciones de mercado abierto
Crdito interno
Reservas internacionales
Por el lado de la Demanda:
Las tasas de inters
La poltica de precios

 La poltica de ingresos
4.4. REGLA DE TAYLOR
En una publicacin del ao 1993, el economista John B. Taylor sugiri una regla dirigida a los
encargados de la poltica monetaria del pas. Dicha regla apoyara en equilibrar el PBI real en
torno a un objetivo y en el control de la inflacin, a travs de cambios en la tasa de inters
nominal:
Cuando la produccin y la inflacin sobrepasan el nivel deseado, la tasa de inters aumenta
provocando un crecimiento de la tasa de inters real y con esto una cada de la demanda
agregada.
Cuando la produccin y la inflacin se ubiquen por debajo del nivel deseado, la tasa de inters
nominal baja y reduce la tasa de inters real consiguiendo as un incremento de la demanda
agregada.
Se plantea a la demanda agregada como una funcin IS, la cual se presenta as:

Y t =a1 Y t1 +a2 r t + v t
Para la ecuacin de la inflacin se asume el establecimiento de contratos salariales en
diferentes instantes del tiempo, por lo que se superponen. Esto conlleva a que nuestra funcin
de la inflacin actual este en funcin de: la tasa de inflacin del periodo anterior, la inflacin
esperada y de la brecha de la produccin.

t=b1 t 1+ b2 E t t +1 +b 3 ( Y tY t ) +ut
La especificacin de la regla de Taylor es:

i t=r t + t +c 1 ( t t ) +c 2 ( Y tY t ) + z t
Donde:

Y t : Logaritmo natural del PBI real en el periodo t

r t : Tasa de inters real
t : Inflacin observada en el periodo t
Et t +1 : Tasa de inflacin esperada da la informacin disponible en el periodo t
Y t : Logaritmo natural del PBI potencial en el periodo t

r t : es la meta de la tasa de inters real

i t : Tasa de inters nominal

t : Meta de inflacin
v t , ut , z t : Shocks estocsticos que no pueden ser observados por un econometrista, o un
ente monetario en el momento

5. METODOLOGA
El modelo planteado
Partiendo de la frmula de la Regla de Taylor:

i t=r t + t +c 1 ( t t ) +c 2 ( Y tY t ) + z t
Despejamos la ecuacin:

i t=r t + t +c 1 t c 1 t +c 2 Y t c 2 Y t + z t
i t=r t +(1c 1) t +c 1 t + c 2 Y t c 2 Y t + z t
Acoplando el modelo para su futura estimacin en EViews:

i t= 1 r t + 2 t + 3 t + 4 Y t + 5 Y t
Teniendo como tarea el comprobar las siguientes hiptesis para verificar el cumplimiento de
esta regla en el Per:

1=0

2+ 3=1

4= 5

Considerando que en el Per, la Ley Orgnica del BCRP, que es la autoridad monetaria
nacional, le asigna como variable de objetivo nicamente el control de la inflacin, mas no del
producto, los parmetros

4 y 5 podran no ser significativos.

Al aplicar el modelo en la economa peruana, este sera:

TII= 1 TIRT + 2 MIT + 3 TIE+ 4 PBI + 5 PBIP

Donde:
Variable

Nombre en Eviews

Interpretacin

Unidad

TII

Tasadeinteresinter

Tasa de inters interbancaria

Porcentaje
(%)

TIRT

Tasadeinteresreal

Tasa de inters real trimestral

Porcentaje
(%)

MIT

Metainflacionariatri
m

Meta inflacionaria trimestral

Porcentaje
(%)

TIE

Inflacionefectiva

Tasas de Inflacin Efectiva (Variacin

porcentual del ndice de precios al
consumidor)

Porcentaje
(%)

PBI

Pbiefectivo

Producto Bruto Interno Trimestral

Miles de
soles
(2007=100)

PBIP

Pbip

Producto Bruto Interno Potencial trimestral

Miles de
soles

Todos estos datos han sido extrados de la pgina web del Banco Central de Reserva del Per
(BCRP).
En el caso del PBI potencial, este se obtuvo mediante una estimacin de Eviews:

El mtodo que utiliza el eviews es llamado Hodrick Prescott el cual estima el pbi potencial a
travs del pbi

El lambda vendra a ser el efecto de suavizacin del PBI, mientras mayor el lambda, mayor
ser la suvizacion del PBI.

Hodrick-Prescott Filter (lambda=1600)

140,000
120,000
100,000
80,000

8,000

60,000
4,000

40,000

0
-4,000
-8,000
02 03

04

05

06

07

08

PBIEFECTIVO

09

10
Trend

11

12

13

14

15 16

Cycle

El mtodo de estimacin del PBI potencial de Hodrick Prescott nos da una tendencia la cual
ser considerada PBI potencial.

10

Se debe resaltar que la eleccin de la tasa de inters interbancaria como variable de medicin
de la tasa de inters nominal la hicimos debido a que es la tasa de inters que recibe
directamente el impacto de las polticas de tasa de inters del Banco Central de Reserva; y que
la tasa de inters real se realiza en funcin de la tasa de inters activa promedio, debido a que
es la tasa ms relevante en decisiones de mercado ya que captura el costo inmediato de
financiamiento.
6. RESULTADOS
Una vez considerado los datos, procederemos a la estimacin correspondiente de nuestro
modelo especificado anteriormente mediante Eviews.
Hemos hecho dos estimaciones pertinentes una con constante, el cual no tiene mucho valor
terico debido a que en la regla Taylor donde estamos trabajando no existe una constante.
Otro, sin la constante, donde veremos una mejora notable; esta estimacin ya tiene un sustento
terico de acuerdo al modelo elegido. Adems, veremos que en modelo con constante la
constante nos sale sin significancia.

11

Dependent Variable: TASADEINTERESINTER

Method: Least Squares
Date: 07/02/16 Time: 17:09
Sample: 2002Q4 2016Q1
Included observations: 54
Variable

Coefficient Std. Error

C
0.943482
TASADEINTERESREAL 0.188629
INFLACIONEFECTIVA 0.498305
METAINFLACIONARIATRI
MEST
-5.434308
PBIEFECTIVO
9.13E-05
PBIP
-7.34E-05
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.222456
0.141462
1.060763
54.01047
-76.62791
2.746575
0.029201

t-Statistic

Prob.

4.723287
0.089083
0.255340

0.199751
2.117451
1.951535

0.8425
0.0394
0.0568

4.415483
4.58E-05
4.64E-05

-1.230739 0.2244
1.994189 0.0518
-1.584050 0.1197

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

3.788208
1.144824
3.060293
3.281291
3.145523
0.515898

Dependent Variable: TASADEINTERESINTER

Method: Least Squares
Date: 07/02/16 Time: 17:07
Sample: 2002Q4 2016Q1
Included observations: 54
Variable

Coefficient Std. Error

TASADEINTERESREAL 0.201260
INFLACIONEFECTIVA 0.515209
METAINFLACIONARIATRI
MEST
-4.745214
PBIEFECTIVO
9.31E-05
PBIP
-7.18E-05
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.221810
0.158284
1.050319
54.05536
-76.65035
0.521930

t-Statistic

Prob.

0.062129
0.238536

3.239407
2.159876

0.0022
0.0357

2.728883
4.45E-05
4.52E-05

-1.738885 0.0883
2.092019 0.0416
-1.589320 0.1184

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.

3.788208
1.144824
3.024087
3.208252
3.095112

De acuerdo a los resultados, el mejor modelo obtenido es el que no cuenta con la constante.
Debido a que esto nos da un modelo ms eficiente, es decir, con menor varianza y variables
ms significativas.
Cumple la regla de Taylor para este modelo?
De las ecuacion anteriormente planteada:

12

i t=r t +(1c 1) t +c 1 t + c 2 Y t c 2 Y t + z t
Se

establece

una

relacin

entre

t=
r

+
(
1 t
2 t 3 t + 4 Y t + 5Y t )

los

coeficientes

de

la

ecuacin

estimada

la cual tiene que cumplir con las siguientes

restricciones:

i t=1 r t +(1c
1 ) t + c1 t + c2 Y tc2 Y t + zt
1

1 2= 3

4= 5

1=1

Para poder comprobar si la ecuacin cumple con las restricciones usaremos la prueba Wald en
Eviews:
TEST DE WALD

H 0 :1+C ( 3 )=C ( 2 )

, C ( 4 )=C ( 5 ) , C ( 1 )=1

H 1 :1+C ( 3 ) C ( 2 ) , C ( 4 ) C ( 5 ) , C( 1)1

View/Coefficient Diagnostics/Wald Test

Wald Test:
Equation: MODELOSINCONSSINLN
Test Statistic

Value

df

Probability

t-statistic
F-statistic

1.555814
2.420557

49
(1, 49)

0.1262
0.1262

13

Chi-square

2.420557

0.1198

Null Hypothesis: C(2)=C(3)+1

Null Hypothesis Summary:
Normalized Restriction (= 0) Value

Std. Err.

-1 + C(2) - C(3)

2.738388

4.260423

Se acepta Ho lo cual quiere decir que el modelo cumple la restriccin lineal. El caso peruano
cumple con esta restriccin de la regla de Taylor
Wald Test:
Equation: MODELOSINCONSSINLN
Test Statistic

Value

df

Probability

t-statistic
F-statistic
Chi-square

3.845713
14.78951
14.78951

49
(1, 49)
1

0.0003
0.0003
0.0001

Null Hypothesis: C(4)=-C(5)

Null Hypothesis Summary:
Normalized Restriction (= 0) Value

Std. Err.

C(4) + C(5)

5.54E-06

2.13E-05

Se acepta H1 lo cual quiere decir que el modelo no cumple la restriccin lineal. El caso peruano
no cumple con esta restriccin de la regla de Taylor
Wald Test:
Equation: MODELOSINCONSSINLN
Test Statistic

Value

df

t-statistic
F-statistic
Chi-square

-12.85622 49
165.2823 (1, 49)
165.2823 1

Probability
0.0000
0.0000
0.0000

Null Hypothesis: C(1)=1

Null Hypothesis Summary:
Normalized Restriction (= 0) Value

Std. Err.

-1 + C(1)

0.062129

-0.798740

Se acepta H1 lo cual quiere decir que el modelo no cumple la restriccin lineal. El caso peruano
no cumple con esta restriccin de la regla de Taylor
Interpretacin:
A partir de los parmetros estimados en el modelo sin constante, tenemos que:

14

El coeficiente estimado de 0.201260 para el parmetro de TASADEINTERESREAL, indica que

un aumento de 1% de la tasa de inters real inducir una subida de 0.201260% en la Tasa de
Inters Interbancaria.
El valor estimado de 0.515209 para el parmetro de INFLACIONEFECTIVA, indica que un
aumento de 1% de la tasa de inters real inducir una subida de 0.515209% en la Tasa de
Inters Interbancaria.
El coeficiente estimado de -4.745214 para el parmetro de METAINFLACIONARIATRIMEST,
indica que una variacin de la meta explcita de la inflacin tendr un efecto inverso en la tasa
de inters interbancaria a una razn de 4.745214 veces esa variacin en la meta explcita.
El valor estimado de 9.31E-0.5 para el parmetro de PBIEFECTIVO, indica que un aumento de
mil nuevos soles de PBI efectivo ocasionar una subida de 8.30E-0.5% en la Tasa de Inters
Interbancaria.
El valor estimado de -7.18E-0.5 para el parmetro de PBIP, indica que un aumento de mil
nuevos soles de PBI potencial ocasionar una reduccin de -7.18E-0.5% en la Tasa de Inters
Interbancaria.
ANLISIS ESTRUCTURAL DEL MODELO

Normalidad
Jarque Bera
Para analizar la normalidad de los residuos del modelo planteado utilizaremos la prueba Jarque
Bera para lo cual utilizaremos Eviews.
De la ecuacin estimada:

H 0 : E es normal
H 1 : E es no normal

15

En equation: View/Residual Diagnostics/Histogram-Normality Test

12

Series: Residuals
Sample 2002Q4 2016Q1
Observations 54

10
8
6
4
2

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

0.000881
0.121780
2.646939
-2.629040
1.009907
-0.413066
3.702235

Jarque-Bera
Probability

2.645166
0.266446

0
-2

-1

En el grafico se puede observar que la probabilidad del Jarque-Bera es

2.65( 0.05)

por lo

que se acepta Ho y concluimos que los errores siguen una distribucin normal
Test de Kolmogorov
Se utiliza los residuos de la ecuacin estimada

16

En RESID: Descriptive Statistics & Tests/ Empirical Distribution Test

Pondremos como desviacin estndar (

el valor obtenido en la prueba del Jarque Bera

17

Podemos observar por la prueba de Kolmogorov que la probabilidad es mayor que 0.05 por lo
que se acepta Ho (los residuos son normales).

Multicolinealidad
Test Farrar Glauber:

H 0 : Las X son ortogonales entre si

H 1 : Los X no son ortogonales entre si
2

X calc = n1

( 2 k +5 )
2
2
ln|R| X calc X k (k1)/ 2
6

Para poder evaluar el test de Farrar Glauber se usara una programacin de eviews:
File/New/Program:
En el programa crearemos una matriz con todas las variables explicativas llamada matriz w.
Rw representara a la matriz de correlacin simple. El Scalar FG1 representa al

X 2calc

donde

n es el tamao de muestra y k es la cantidad de variables explicativas. El scalar pFG1

representa la probabilidad del

X 2calc

Frmula del programa:

GROUP G1 inflacionefectiva metainflacionariatrimest pbiefectivo pbip
tasadeinteresreal
matrix w=G1
matrix Rw=@cor(w)
Scalar FG1=-(@rows(w)-1-(2*@columns(w)+5)/6)*log(@det(Rw))
scalar pFG1=1-@cchisq(fg,(@columns(w)*(@columns(w)-1))/2)

18

Se puede demostrar mediante esta prueba que no hay ortogonalidad entre las variables
explicativas, es decir, existe multicolinealidad
Modelos Auxiliares
El planteamiento de modelos auxiliares nos permitir identificar que variable se encuentra ms
correlacionada con las dems variables explicativas.
2

H 0 : R max 0 H 1 : Rmax 0
Modelo auxiliar 1
Dependent Variable: INFLACIONEFECTIVA
Method: Least Squares
Date: 07/02/16 Time: 18:50
Sample: 2002Q4 2016Q1
Included observations: 54
Variable

Coefficien
t
Std. Error t-Statistic Prob.

METAINFLACIONARIATRI MEST
0.043326 1.617864
PBIEFECTIVO
-3.64E-05 2.59E-05
PBIP
4.32E-05 2.61E-05
TASADEINTERESREAL 0.007202 0.036820

-0.026780
-1.405513
1.656998
0.195611

0.9787
0.1661
0.1038
0.8457

19

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

Mean dependent 0.74609

0.051158 var
2
0.62091
0.005773
S.D. dependent var5
Akaike info
1.96169
0.622704 criterion
6
2.10902
19.38802
Schwarz criterion 9
Hannan-Quinn
2.01851
48.96580 criter.
7
1.473001

Se puede observar que el modelo auxiliar solo explica aproximadamente un 5% la variabilidad

de INFLACIONEFECTIVA (R-squared=0.051158), tambin se puede observar que los
coeficientes del modelo no son significativas. Por lo cual se puede deducir que no hay
correlacin entre INFLACIONEFECTIVA y las dems variables explicativas
Modelo auxiliar 2
Dependent Variable: PBIP
Method: Least Squares
Date: 07/02/16 Time: 18:51
Sample: 2002Q4 2016Q1
Included observations: 54
Variable

Coefficien
t
Std. Error t-Statistic Prob.

TASADEINTERESREAL 3.433597 194.5469

INFLACIONEFECTIVA 1205.041 727.2435
METAINFLACIONARIATRI
MEST
1911.409 8540.847
PBIEFECTIVO
0.977867 0.017070
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.017649 0.9860
1.656998 0.1038
0.223796 0.8238
57.28666 0.0000

Mean dependent
0.975482 var

90704.2
1
20401.2
0.974011
S.D. dependent var1
Akaike info
19.1057
3288.932 criterion
0
19.2530
5.41E+08 Schwarz criterion 3
Hannan-Quinn
19.1625
511.8539 criter.
2
2.234078

Se puede observar que el modelo auxiliar solo explica aproximadamente un 98% la variabilidad
de PBIP (R-squared=0.975482), sin embargo, se puede observar que los coeficientes del
modelo no son significativos a excepcin de la variable PBIEFECTIVO. Esto se debe a que el
PBIP fue calculado a partir del PBIEFECTIVO mediante el mtodo de Hodrick-Prescott en
eviews.

20

Modelo auxiliar 3
Dependent Variable:
METAINFLACIONARIATRIMEST
Method: Least Squares
Date: 07/02/16 Time: 18:50
Sample: 2002Q4 2016Q1
Included observations: 54
Variable

Coefficien
t
Std. Error t-Statistic Prob.

PBIEFECTIVO 6.17E-07 2.30E-06

PBIP
5.24E-07 2.34E-06
TASADEINTERESR
EAL
0.021578 0.001027
INFLACIONEFECTI VA
0.000331 0.012362

0.267885 0.7899
0.223796 0.8238
21.01183 0.0000
-0.026780 0.9787

Mean dependent
0.158431 var

0.53499
R-squared
4
Adjusted R0.05763
squared
0.107936
S.D. dependent var1
Akaike info
2.91255
S.E. of regression 0.054432 criterion
5
Sum squared
2.76522
resid
0.148140
Schwarz criterion 3
Hannan-Quinn
2.85573
Log likelihood
82.63898 criter.
5
Durbin-Watson
stat
0.213075
Se puede observar que el modelo auxiliar solo explica aproximadamente un 16% la variabilidad
de METAINFLACIONARIATRIMEST (R-squared=0.158431), tambin se puede observar que
los coeficientes del modelo
no son significativas a excepcin del coeficiente de
TASADEINTERESREAL. Por lo cual se puede deducir que no hay correlacin significativa entre
METAINFLACIONARIATRIMEST y las dems variables explicativas.
Modelo auxiliar 4
Dependent Variable: PBIEFECTIVO
Method: Least Squares
Date: 07/02/16 Time: 18:51
Sample: 2002Q4 2016Q1
Included observations: 54
Coefficien
t
Std. Error t-Statistic Prob.

Variable
PBIP

1.007288 0.017583 57.28666 0.0000

21

TASADEINTERESREAL 57.37096 197.2857 -0.290801 0.7724

INFLACIONEFECTIVA 1045.071 743.5513 -1.405513 0.1661
METAINFLACIONARIATRI
MEST
2321.624 8666.503 0.267885 0.7899
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

Mean dependent
0.975437 var

90704.2
1
20687.0
0.973963
S.D. dependent var0
Akaike info
19.1353
3338.042 criterion
4
19.2826
5.57E+08 Schwarz criterion 8
Hannan-Quinn
19.1921
512.6543 criter.
6
2.309904

Se puede observar que el modelo auxiliar solo explica aproximadamente un 98% la variabilidad
de PBIEFECTIVO (R-squared=0.975437), tambin se puede observar que los coeficientes del
modelo no son significativas a excepcin del coeficiente de PBIP. Esto se debe a que el PBIP
se produjo a travs del PBIEFECTIVO por lo que estn altamente correlacionados y existe
multicolinealidad entre ellos.
Modelo auxiliar 5
Dependent Variable: TASADEINTERESREAL
Method: Least Squares
Date: 07/02/16 Time: 18:50
Sample: 2002Q4 2016Q1
Included observations: 54
Variable

Coefficien
t
Std. Error t-Statistic Prob.

INFLACIONEFECTIVA 0.106171 0.542764

METAINFLACIONARIATRI
MEST
41.62902 1.981218
PBIEFECTIVO
-2.94E-05 0.000101
PBIP
1.81E-06 0.000103
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.195611 0.8457
21.01183 0.0000
-0.290801 0.7724
0.017649 0.9860

Mean dependent
0.496531 var

19.9164
4
3.27269
0.466323
S.D. dependent var0
Akaike info
4.65232
2.390805 criterion
5
4.79965
285.7975
Schwarz criterion 7
Hannan-Quinn
4.70914
121.6128 criter.
5
0.220563

22

Se puede observar que el modelo auxiliar solo explica aproximadamente un 50% la variabilidad
de TASADEINTERESREAL (R-squared=0.158431), tambin se puede observar que los
coeficientes del modelo
no son significativas a excepcin del coeficiente de
METAINFLACIONARIATRIMEST. Por lo cual se puede deducir que no hay correlacin
significativa entre TASADEINTERESREAL y las dems variables explicativas.
Como se puede concluir de esta prueba es que los coeficientes de las variables explicativas
ms correlacionadas son el PBIEFECTIVO y el PBIPOTENCIAL, la solucin a la
multicolinealidad sera la omisin de una de estas dos variables; sin embargo esto no se
realizara ya que ambas variables son muy importantes para el anlisis del modelo.

23

Quiebre estructural
Para poder ver si existe quiebre estructural primero hacemos el test de coeficientes recursivos.
.8

1.5

.6

1.0

.4
.2

0.5

.0

0.0

-.2
-0.5

-.4
-.6

-1.0
04

05

06

07

08

09

10

11

12

13

14

15

04

05

06

07

Recursive C(1) Estimates

2 S.E.

08

09

10

11

12

13

14

15

13

14

15

Recursive C(2) Estimates

2 S.E.

50

.0004

40

.0003

30

.0002

20

.0001

10

.0000

-.0001

-10

-.0002

-20

-.0003
04

05

06

07

08

09

10

11

12

13

14

15

Recursive C(3) Estimates

2 S.E.

04

05

06

07

08

09

10

11

12

Recursive C(4) Estimates

2 S.E.

.0004
.0002
.0000
-.0002
-.0004
-.0006
-.0008
04

05

06

07

08

09

10

11

12

13

14

15

Recursive C(5) Estimates

2 S.E.

En esta prueba podemos ver que el modelo es relativamente estable. La variables ms

preocupantes son el C(2) que es la variable de inflacin efectiva, siguindole la variable C(3) de
meta inflacionaria. Pero vemos que al final estas estn convergiendo y la varianza tiende a
reducirse, pero de forma lenta.
Para poder cerciorarnos si existe o no punto de quiebre seguiremos con la prueba Cusum.

24

30
20
10
0
-10
-20
-30
04

05

06

07

08

09

10

CUSUM

11

12

13

14

15

16

5% Significance

En este grafico no existe evidencia de un punto de quiebre. Los valores no salen de las
bandas. Pero debido a que esta prueba tiene sus deficiencias , nos aseguraremos con el
Cusum cuadrado.
1.4
1.2
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
-0.4
04

05

06

07

08

09

CUSUM of Squares

10

11

12

13

14

15

16

5% Significance

Este grafico evidencia la existencia de punto de quiebre. Al parecer existen dos puntos de
quiebre muy cercanos. Dado que los puntos ms alejados de las bandas o aquel donde cambia
la dinmica del estadsticos es la fecha aproximada del punto de quiebre, podramos decir que
el punto de quiebre se da por el ao 2008 trimestre q1 y el otro quiebre estara por la fecha
2009 q3.

25

Los puntos de quiebre son evidentes si vemos en la historia financiera en esos aos desde el
2008 hasta el 2009. La crisis financiera del 2008 genero cambios en el comportamiento de la
inflacin.
[ ]Adems, la crisis gener que la inflacin se ajuste rpidamente, pasando de 6,65% a
finales del 2008 a 0,25% a finales del 2009. Esto fue consecuencia directa de la disminucin de
los precios de los combustibles y commodities agrcolas importados, producto de la contraccin
de la demanda mundial. Por su parte, la inflacin subyacente (aquella que excluye los precios
ms voltiles como alimentos y combustibles) tambin se redujo (ver grfico), aunque ms
lentamente y en menor magnitud (pas de 5,8% en febrero 2009 a 2,4% en diciembre 2009),
reflejando la debilidad de la demanda interna
- APOYO Consultora

Como podemos ver del ao 2008 hasta el 2009 hay un cambio abrupto. El grafico nos muestra
que la inflacin no sigue una tendencia previsible en estos dos aos. Pero al parecer, la subida
de la inflacin producida por la crisis, empieza a reducirse a partir del ao 2009, para entender
el porqu, evaluemos la cita de APOYO Consultora que indica que esto fue a causa de cambio
de importantes precios externos, contraccin de la demanda mundial, adems podemos
considerar que se han realizado ajustes de poltica monetaria; todo esto indica una
reconfiguracin entre la relacin entre las variables, la tasa de inters no responder a la
inflacin de la misma manera en la que lo haca antes, lo cual se capturara mediante un
quiebre estructural.

Heterocedastidad
Se realizara la prueba de heterocedastidad mediante eviews
TEST DE WHITE

H 0 : Homocedasticidad H 1 : Heterocedasticidad

26

Residual Diagnostics/Heteroskedasticity test

Heteroskedasticity Test: White

F-statistic

2.591350

Obs*R-squared
Scaled explained SS

Prob. F(5,48)
Prob. Chi11.47805 Square(5)
Prob. Chi12.76238 Square(5)

0.0374
0.0427
0.0257

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 07/03/16 Time: 21:41
Sample: 2002Q4 2016Q1
Included observations: 54
Coefficien
t
Std. Error t-Statistic Prob.

Variable
C

9.117845 3.100133
TASADEINTERESREAL^2 0.002613 0.003281
INFLACIONEFECTIVA^2 0.474033 0.209916
METAINFLACIONARIATRIM EST^2
13.12619 5.208422
PBIEFECTIVO^2
-5.89E-10 3.31E-10
PBIP^2
2.64E-10 3.39E-10
R-squared
Adjusted R-squared
S.E. of regression

2.941115 0.0050
-0.796608 0.4296
-2.258200 0.0285
-2.520186 0.0151
-1.782056 0.0811
0.779921 0.4393

Mean dependent
0.212556 var

1.00102
5
1.66053
0.130531
S.D. dependent var7
Akaike info
3.81672
1.548373 criterion
5

27

Sum squared resid

4.03772
3
3.90195
6
1.25981
Durbin-Watson stat 3

Log likelihood

115.0780
Schwarz criterion
Hannan-Quinn
97.05158 criter.

F-statistic
Prob(F-statistic)

2.591350
0.037378

Se rechaza Ho por lo que se acepta que existe heterocedasticidad en el modelo

Correlacin

Se puede observar en el autocorrelograma que los errores estn correlacionados con los
errores rezagados. En este caso se puede observar que los errores se encuentran
correlacionados con su rezago de un periodo anterior
CORRECCION DE LOS PROBLEMAS IDENTIFICADOS
Para resolver el problema de quiebre estructural, generamos las variables dicotmicas.
Primero, vemos que el cambio en la inflacin se tarda algunos periodos en volver a una senda
estable o previsible, adems segn vemos en la historia el cambio de tendencia fue gradual,
por ello usaremos una variable dicotmica que tenga crecimiento escalonado, es decir, un
anlisis de intervencin.

28

Estimando obtenemos:
Dependent Variable: TASADEINTERESINTER
Method: Least Squares
Date: 07/03/16 Time: 14:05
Sample: 2002Q4 2016Q1
Included observations: 54
Variable
TASADEINTERESREAL

Coefficien
t
Std. Error t-Statistic Prob.

0.088179 0.060551
INFLACIONEFECTIVA
0.031397 0.237148
METAINFLACIONARIATRIM EST
5.716967 2.268494
PBIEFECTIVO
7.06E-05 3.88E-05
PBIP
3.93E-06 4.28E-05
DI2*INFLACIONEFECTIVA 0.613975 0.472899
DI2*METAINFLACIONARIAT RIMEST
7.366811 1.375718
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

1.456270 0.1520
-0.132395 0.8952
-2.520160
1.817984
0.091975
1.298321

0.0152
0.0754
0.9271
0.2005

-5.354886 0.0000

Mean dependent
0.521408 var
S.D. dependent
0.460311 var
Akaike info
0.841028 criterion
33.24443
Schwarz criterion
Hannan-Quinn
63.52506 criter.
0.514910

3.78820
8
1.14482
4
2.61203
9
2.86987
1
2.71147
5

29

Con los resultados obtenidos vemos que no hay una mejora, sino todo lo contrario. Adems, los
signos cambian y esto hace variar la interpretacin.
Para resolver este problema cambiaremos la variable dicotmica por una que no sea
escalonada, pero esta se encontrar en el medio de los dos supuestos quiebres (2009 q3).
Por qu escogemos la mitad del periodo turbulento?
Porque si estimamos un modelo para cada intervalo de tiempo, uno previo a dicha fecha y otro
en el intervalo posterior, encontramos que en ninguno de ellos se muestra evidencias de
quiebre estructural. Por lo tanto, considerar esta fecha como quiebre, resolvera el problema de
quiebre estructural.

30

Creamos la variable dicotmica.

31

Una vez creada la variable dicotmica estimamos el modelo con todas las variables
multiplicados con la variable dicotmica

Dependent Variable: TASADEINTERESINTER

Method: Least Squares
Date: 07/03/16 Time: 10:22
Sample: 2002Q4 2016Q1
Included observations: 54
Variable

Coefficien
t
Std. Error t-Statistic Prob.

TASADEINTERESREAL 0.218256 0.103607

INFLACIONEFECTIVA
0.031501 0.186173
METAINFLACIONARIATRIM
EST
1.901970 2.695094
PBIEFECTIVO
4.43E-05 5.12E-05
PBIP
6.39E-05 5.76E-05
IIIQ*INFLACIONEFECTIVA 0.875955 0.419898
IIIQ*METAINFLACIONARIAT RIMEST
25.76321 10.95260
IIIQ*TASADEINTERESREAL 0.495617 0.185318
IIIQ*PBIEFECTIVO
4.65E-05 6.66E-05

-2.106566 0.0409
0.169202 0.8664
0.705716
0.865857
1.108403
2.086114

0.4841
0.3913
0.2737
0.0428

-2.352247 0.0232
2.674417 0.0105
0.698715 0.4884

32

IIIQ*PBIP
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

-6.36E-05 7.79E-05 -0.816541 0.4186

Mean dependent
0.689663 var
S.D. dependent
0.626186 var
Akaike info
0.699949 criterion
21.55689
Schwarz criterion
Hannan-Quinn
51.82889 criter.
1.090416

3.78820
8
1.14482
4
2.28995
9
2.65828
9
2.43200
9

Al estimar este modelo pierde significancia nuestras dems variables, pero esto no es lo ms
grave, sino que cambia de signo a las variables explicativas y con esto su forma de
interpretarlo. Adems, nos damos cuenta que el efecto interactivo de la variable dicotmica
sobre los impactos del PBI y del PBI potencial no son significativas.
Como vimos en el anlisis recursivos las variables ms preocupantes son las de inflacin
efectiva y meta inflacionaria, por esta razn y por la significancia del modelo estimado con
anterioridad donde vemos el efecto interactivo de todas las variables con las variables
dicotmicas, haremos otro modelo donde solo incluyamos el efecto interactivos de la variable
dicotmica sobre la inflacin efectiva y la meta inflacionaria, adems de incluir todas las
variables explicativas del modelo. Estimando tenemos:
Dependent Variable: TASADEINTERESINTER
Method: Least Squares
Date: 07/03/16 Time: 08:18
Sample: 2002Q4 2016Q1
Included observations: 54
Variable

Coefficien
t
Std. Error t-Statistic Prob.

TASADEINTERESREAL 0.046657 0.055225

INFLACIONEFECTIVA
0.107643 0.196051
METAINFLACIONARIATRIM EST
3.935604 2.019125
PBIEFECTIVO
8.30E-05 3.48E-05
PBIP
-1.20E-05 3.74E-05
IIIQ*INFLACIONEFECTIVA 0.556460 0.420129
IIIQ*METAINFLACIONARIAT RIMEST
7.152878 1.037618

0.844845 0.4025
0.549053 0.5856
-1.949164
2.387270
-0.321519
1.324499

-6.893554 0.0000

S.E. of regression

Mean dependent
0.621037 var
S.D. dependent
0.572659 var
Akaike info
0.748387 criterion

Sum squared resid

26.32387

R-squared
Adjusted R-squared

0.0573
0.0210
0.7492
0.1917

Schwarz criterion

3.78820
8
1.14482
4
2.37862
8
2.63646
0

33

Log likelihood
Durbin-Watson stat

Hannan-Quinn
57.22297 criter.
0.705101

2.47806
4

En esta nueva estimacin a diferencia del anterior no cambia la interpretacin de las variables
explicativas; tanto la meta inflacionaria como el PBI potencial siguen siendo negativos mientras
las dems variables explicativas son positivas.
Nos quedaremos con esta estimacin.

34

Interpretacin:
El coeficiente estimado de 0.046657 para el parmetro de TASADEINTERESREAL, indica que
un aumento de 1% de la tasa de inters real inducir una subida de 0.046657% en la Tasa de
Inters Interbancaria.
El valor estimado de 0.107643 para el parmetro de INFLACIONEFECTIVA, indica que un
aumento de 1% de la tasa de inters real inducir una subida de 0.107643% en la Tasa de
Inters Interbancaria.
El coeficiente estimado de -3.935604 para el parmetro de METAINFLACIONARIATRIMEST,
indica que una variacin de la meta explcita de la inflacin tendr un efecto inverso en la tasa
de inters interbancaria a una razn de 3.93 veces esa variacin en la meta explcita.
El valor estimado de 8.30E-0.5 para el parmetro de PBIEFECTIVO, indica que un aumento de
mil nuevos soles de PBI efectivo ocasionar una subida de 8.30E-0.5% en la Tasa de Inters
Interbancaria.
El valor estimado de -1.20E-0.5 para el parmetro de PBIP, indica que un aumento de mil
nuevos soles de PBI potencial ocasionar una reduccin de 8.30E-0.5% en la Tasa de Inters
Interbancaria.
El parmetro estimado de 0.556460 para IIIQ*INFLACIONEFECTIVA, indica que despus de la
fecha de quiebre la inflacin tiene un mayor efecto en la tasa de inters interbancaria, este
cambio en el efecto sera de 0.556460% ms por cada unidad de inflacin, la cual est medida
en trminos porcentuales.
El valor de -7.152878 estimado para el coeficiente de IIIQ*METAINFLACIONARIATRIMEST,
indica que despus de la fecha establecida como quiebre, el efecto de la meta inflacionaria en
la tasa de inters interbancaria sera menor, esta reduccin sera de -7.152878 por cada punto
de meta inflacionaria.
Cumple la regla de Taylor para este modelo?

35

Teniendo un p-value de 0.000 rechazamos la hiptesis nula, esto nos quiere decir que la regla
de Taylor para la brecha del PBI no cumple, esto coincide con la ley organica del BCR ,
sealada en la seccin de metodologa.

Teniendo un p-value de 0.1368 optamos por la hiptesis nula , esto quiere decir que la brecha
de inflacin de Taylor si cumple para el caso peruano.

Con un P-value de 0.000 rechazamos la hiptesis nula, con lo cual nos esta diciendo que el
efecto de la tasa de inters real no es total en la tasa de inters interbancaria. Esta parte
tambin contradice la regla de Taylor.
Ahora, procederemos a analizar el cumplimiento de los dems supuestos.
HETEROSCEDASTICIDAD DEL SEGUNDO MODELO ESTIMADO
Para ver si el nuevo modelo tiene heteroscedasticidad aplicaremos el test de White

36

Al tener un Prob (p-value) de 0.9589 , entonces se acepta la hiptesis nula y decimos que no
existe Heteroscedasticidad.
Con esta estimacin podemos llegar a concluir que la
heteroscedasticidad vista en el primer modelo planteado (el cual an no haba sido solucionado
el problema de quiebre estructural) puede que se haya originado por datos atpicos o
aberrantes y al incluir el punto de quiebre a travs de la variable dicotmica se ha solucionado.
AUTOCORRELACIN DEL SEGUNDO MODELO ESTIMADO
Para ver si existe autocorrelacin verificaremos el correlograma:

37

En el autocorrelograma se aprecia que existe autocrrelacin con el primer y tercer rezago.

Para asegurarnos la deteccin de la existencia de autocorrelacin en el modelo, analizamos
como primera instancia la Prueba de Durbin Watson obteniendo como estadstico DW =
0.705101 con un n=54 y k=7. Despus de analizarlo obtendremos que este valor se encuentra
en la regin aceptacin, con lo cual nos dice que existe autocorrelacin.

Tratamiento de la Correlacin de las Perturbaciones

38

Debido a que una de las causas de la autocorrelacin es ignorar el trmino rezagado de la

variable dependiente, incluiremos el primer y tercer rezago a nuestro modelo. La inclusin de
estos dos rezagos lo tomamos de analizar el correlograma que nos dice que estos rezagos
son los que estn influyendo en la tasa de inters interbancaria.
Al estimar con AR(1) y AR(3)

Al estimar este nuevo modelo resolvemos el problema de correlacin, pero vemos que nuestras
variables exgenas se vuelven muy poco significativas, esto es, nuestro modelo ya no est
siendo explicado por las variables exgenas, sino por sus rezagos. Si bien los rezagos
explican ms a la variable dependiente, no la podemos tener en cuenta porque va en contra de
nuestros objetivos que tienen que ver con como se relacionan las respectivas brechas de
inflacin y producto, no solamente con estimar la tasa de inters.
Otro de los motivos por el cual existe autocorrelacion en un modelo es que existan variables
omitidas, y si bien nosotros estamos viendo solo el modelo de Taylor , existen otros enfoques
de determinacin de la tasa de inters.

39

7. CONCLUSIONES Y RECOMENDACIONES
La crisis internacional financiera de los aos 2008-2009 tiene importantes efectos en las
relaciones entre la tasa de inters interbancaria y las variables escogidas como explicativas de
acuerdo al modelo de Taylor, especialmente con relacin a las variables que miden la brecha
de inflacin.
El proceso de ajuste del valor de los parmetros desde perodos previos al quiebre hacia sus
valores en la ltima parte de evaluacin no es inmediato.
La incorporacin de la variable dummy a partir de la mitad de dicho proceso, logra mejorar
bastante los resultados de la regresin
En el primer modelo estimado (donde no estn las variables dicotmicas) la regla de Taylor se
cumple tanto como para la brecha de inflacin y la brecha del PBI. En cambio, en el segundo
modelo estimado solo se cumple la brecha de inflacin, como se esperaba desde un principio
debido a ley orgnica del BCR. Adems, en ninguno de los modelos se cumple el efecto total
ante una variacin de la tasa de inters real.
Existe una relacin entre el PBI efectivo y el PBI potencial, la cual puede tener efectos sobre el
problema de multicolinealidad.
Un elemento importante a considerar tambin es la presencia de autocorrelacin. Lo cual es
tpico en series de tiempo macroeconmicas y financieras. Es importante evaluar si su
correccin resulta benfica la para la estimacin.
8. BIBLIOGRAFA
Alegra, L. (15 de septiembre de 2013). Cmo se origin la peor crisis de la historia?
Recuperado el 2 de Junio de 2016, de Gestin: http://gestion.pe/economia/como-se-originopeor-crisis-financiera-historia-2076165
Bernal Nisperuza, G. L., & Tutiva Pradere, J. (Agosto de 2008). Realismo en los datos... otra
estimacin de la Regla de Taylor para Colombia. Recuperado el 11 de Junio de 2016, de
Banco
Central
de
Colombia:
http://www.banrep.gov.co/sites/default/files/eventos/archivos/bernal_docum_0.pdf
Galindo, L., & Guerrero, C. (2003). La Regla de Taylor para Mxico: Un anlisis economtrico.
Recuperado
el
14
de
Junio
de
2016,
de
Economa
Monetaria:
https://economiamonetariauca.files.wordpress.com/2012/02/la-regla-de-taylor-enmc3a9xico.pdf
Haindl, E. (9 de Octubre de 2015). La Regla de Taylor en Chile. Recuperado el 15 de Junio de
2016, de Diario Financiero: https://www.df.cl/noticias/opinion/columnistas/erik-haindl/la-reglade-taylor-en-chile/2015-10-08/201838.html
Prez Laurrabaquio, . (julio de 2012). Un estudio emprico de la Regla de Taylor para Mxico.
Recuperado el 16 de junio de 2016, de Facultad de Economa - UNAM:
http://www.economia.unam.mx/publicaciones/econinforma/375
/03taylor.pdf

40

Taylor, J (1993), Discretion versus Policy Rules in Practice, Carnegie-Rochester Conference

Series in Public Policies, Vol 39, pp. 195-214.
De Gregorio, Jos (2007) Macroeconoma: Teora y Polticas, Pearson education
APOYO Consultora (2010) La Economa Peruana en el 2009, APOYO Consultora S.A.C,
Lima, Per.
9. ANEXOS
lnPBIpote
ncial

pbip

pbiefect
ivo

inflacionefecti
va

metainflacion
aria

2002Q4

10.979864
77

57992.3
0

59923.66
08

0.283070246

2.5

2003Q1

10.995247
62

59040.6
0

58249.24
79

1.826952326

2.5

2003Q2

11.010643
57

60090.1
1

65202.44
9

-0.555602496

2.5

2003Q3

11.026051
49

61141.5
4

60551.72
03

0.422058579

2.5

2003Q4

11.041516
9

62198.8
0

61589.21
31

0.781972166

2.5

2004Q1

11.057076
04

63265.4
2

60913.81
56

2.097280602

2.5

2004Q2

11.072756
89

64344.5
7

67639.71
29

0.896706998

2.5

2004Q3

11.088562
48

65437.9
3

63145.75
29

0.200269334

2.5

2004Q4

11.104526
62

66549.2
5

66070.50
49

0.253812621

2.5

2005Q1

11.120660
98

67680.8
5

64340.88
94

0.514615299

2.5

2005Q2

11.136973
49

68834.7
3

71310.36
76

0.50969341

2.5

2005Q3

11.153441
62

70010.8
4

67229.82
62

-0.169389906

2.5

2005Q4

11.170066
46

71210.6
5

71090.07
07

0.633067457

2.5

2006Q1

11.186825
64

72433.8
8

69670.76
41

1.512525213

2.5

2006Q2

11.203697
83

73680.2
2

75823.93
55

-0.153108133

2.5

2006Q3

11.220639
6

74947.5
8

72806.26
91

-0.003971992

2.5

2006Q4

11.237627

76235.2

76296.86

-0.21273892

2.5

41

85

22

2007Q1

11.254623
78

77541.1
7

73353.82
23

0.618693398

2007Q2

11.271591
59

78863.3
0

80625.63
07

1.14

2007Q3

11.288463
23

80197.0
1

80689.08
13

1.229359635

2007Q4

11.305186
89

81538.7
6

85024.46
47

0.880402229

2008Q1

11.321716
93

82885.3
1

80813.10
06

2.18

2008Q2

11.338036
19

84235.6
1

89146.44
29

1.3

2008Q3

11.354113
83

85587.3
1

88439.83
84

1.72

2008Q4

11.369956
54

86941.1
3

90523.62
18

1.29

2009Q1

11.385593
46

88299.5
7

82894.93
33

0.391868724

2009Q2

11.401080
89

89667.3
8

88427.17
89

-0.365942913

2009Q3

11.416437
45

91045.9
2

88282.98
43

-0.107421645

2009Q4

11.431674
78

92435.7
7

92978.92
04

0.32756049

2010Q1

11.446786
97

93835.8
0

87418.20
71

0.901930362

2010Q2

11.461773
36

95245.2
2

96887.26
15

0.514786707

2010Q3

11.476590
6

96659.2
0

96918.82
32

0.601237131

2010Q4

11.491207
55

98073.9
8

101155.7
08

0.044399625

2011Q1

11.505596
21

99485.9
2

94996.28
21

1.482157607

2011Q2

11.519749
34

100893.
30

102176.0
42

0.756840129

2011Q3

11.533632
19

102291.
70

102605.5
32

1.398608085

2011Q4

11.547219
22

103677.
40

107274.1
27

1.020565928

2012Q1

11.560488

105046.
80

100668.8
4

0.990984493

42

2012Q2

11.573438
57

106398.
70

107960.8
79

0.53410478

2012Q3

11.586045
4

107729.
20

109624.7
63

1.145177804

2012Q4

11.598293
01

109035.
20

113018.5
04

-0.042570236

2013Q1

11.610177
67

110314.
80

105463.2
21

0.934369888

2013Q2

11.621718
78

111568.
80

114730.7
37

0.709427141

2013Q3

11.632908
17

112794.
70

115463.8
27

1.204332286

2013Q4

11.643755
61

113992.
20

120862.1
67

-0.014535597

2014Q1

11.654285
71

115162.
60

110689.1
61

1.442916438

2014Q2

11.664559
76

116311.
30

116889.1
49

0.779300432

2014Q3

11.674614
15

117441.
20

117566.7
03

0.50838191

2014Q4

11.684488
06

118555.
50

122259.1
65

0.458246798

2015Q1

11.694220
74

119657.
20

112733.2
32

1.242572202

2015Q2

11.703869
83

120752.
00

120542.9
02

1.29259791

2015Q3

11.713454
57

121841.
00

121371.0
63

0.857479661

2015Q4

11.722991
63

122925.
30

127979.8
67

0.935256231

2016Q1

11.732493
4

124005.
60

117716.0
68

1.148651339

tasadeintere
sinter

tasadeinter
esreal

metainflacionariatri
mestral

2002Q4

4.1133295

20.288142

0.61922463

2003Q1

3.79

19.4254015

0.61922463

2003Q2

3.78666667

19.5091313

0.61922463

2003Q3

3.08333333

21.8220858

0.61922463

2003Q4

2.60666667

21.4300517

0.61922463

2004Q1

2.47

22.2473743

0.61922463

2004Q2

2.47666667

23.4853017

0.61922463

43

2004Q3

2.61333333

24.3867474

0.61922463

2004Q4

2.98333333

24.7906588

0.61922463

2005Q1

2.93666667

25.9944849

0.61922463

2005Q2

3.01

25.245177

0.61922463

2005Q3

2.98666667

25.5855785

0.61922463

2005Q4

3.13333333

24.036284

0.61922463

2006Q1

3.84

22.8408473

0.61922463

2006Q2

4.47666667

23.7289229

0.61922463

2006Q3

4.48333333

24.3599905

0.61922463

2006Q4

4.49666667

23.2845804

0.61922463

2007Q1

4.48666667

23.3515808

0.49629316

2007Q2

4.50666667

21.4552804

0.49629316

2007Q3

4.81

21.6378603

0.49629316

2007Q4

4.98666667

21.5327253

0.49629316

2008Q1

4.89

21.9608215

0.49629316

2008Q2

5.52628667

22.0413093

0.49629316

2008Q3

6.18304733

22.1827172

0.49629316

2008Q4

6.56066667

22.0223667

0.49629316

2009Q1

6.36066816

22.2996015

0.49629316

2009Q2

4.24148

21.0304368

0.49629316

2009Q3

1.59103333

20.5510853

0.49629316

2009Q4

1.20468745

19.8713311

0.49629316

2010Q1

1.14929333

18.9607477

0.49629316

2010Q2

1.4286

18.6693393

0.49629316

2010Q3

2.339

17.4298208

0.49629316

2010Q4

2.96763333

18.7311076

0.49629316

2011Q1

3.4254

17.6328364

0.49629316

2011Q2

4.1598

17.2314852

0.49629316

2011Q3

4.25386667

17.4957221

0.49629316

2011Q4

4.25533333

17.899168

0.49629316

2012Q1

4.23573333

18.2374575

0.49629316

2012Q2

4.2383

18.2241592

0.49629316

2012Q3

4.23296667

18.7919023

0.49629316

2012Q4

4.24366667

18.8705667

0.49629316

2013Q1

4.19766667

18.7679494

0.49629316

2013Q2

4.2384

17.9014684

0.49629316

44

2013Q3

4.37223333

16.869061

0.49629316

2013Q4

4.17326667

16.0963295

0.49629316

2014Q1

4.1027

14.871757

0.49629316

2014Q2

4.0026

14.5833267

0.49629316

2014Q3

3.76846667

15.2088395

0.49629316

2014Q4

3.65543333

15.1765697

0.49629316

2015Q1

3.3757

15.3485349

0.49629316

2015Q2

3.47306667

14.5411649

0.49629316

2015Q3

3.5796

15.0416537

0.49629316

2015Q4

3.59533333

15.4737151

0.49629316

2016Q1

4.46463333

15.035283

0.49629316

45