Diferenciales soberanos de mercados emergentes y fundamentos específicos de cada país durante COVID-19


Diferenciales soberanos de mercados emergentes y fundamentos específicos de cada país durante COVID-19

Timo B. Daehler, Joshua Aizenman, Yothin Jinjarak 15 de noviembre de 2020

Se predijo que Covid-19 afectaría a los mercados emergentes con especial dureza, ya que muchas medidas de contención se consideraron menos efectivas en un contexto de mercado emergente. Esta columna examina los diferenciales de los swaps de incumplimiento crediticio soberano de los mercados emergentes durante la pandemia y evalúa la importancia relativa de los factores globales, los fundamentos soberanos, la mortalidad por COVID-19 y las respuestas de política. El análisis sugiere que si bien los diferenciales de los CDS soberanos de los mercados emergentes pueden explicarse por un factor de riesgo regional y global antes de COVID-19, fueron impulsados ​​por el espacio fiscal, los ingresos por materias primas y la dinámica de movilidad durante la pandemia, pero no directamente a través de la variación en el COVID específico de cada país. -19 tasas de mortalidad.

El virus COVID-19 tardó solo dos meses en propagarse desde China al resto del mundo. En el proceso, los gobiernos recurrieron a políticas de contención y cierre para limitar el contacto social con el fin de evitar una sobrecarga de los sistemas de salud. Los cierres causaron estragos en la demanda interna y externa en todo el mundo. Con el entorno de mercado libre de riesgos, el dinero invertido en los mercados emergentes (ME) corrió hacia las salidas, los diferenciales de los swaps de incumplimiento crediticio (CDS) se ampliaron y los tipos de cambio se depreciaron. En su columna VoxEU del 21 de abril de 2020, Hevia y Neumeyer advirtieron sobre una ‘tormenta perfecta’ ya que el coronavirus estaba a punto de afectar a los mercados emergentes. En respuesta, los soberanos de los mercados emergentes actuaron con decisión y trataron de aliviar las dificultades económicas mediante estímulos fiscales y monetarios. En Daehler et al. (2020), estudiamos los datos de los CDS diarios de enero a junio de 2020 para analizar los patrones de spread de los CDS soberanos. Por lo tanto, comparamos el impacto de los factores de mercado en los diferenciales de CDS de los soberanos de mercados emergentes con el impacto de la dinámica de COVID-19.

Primero ejecutamos un modelo de factores utilizando datos de enero de 2014 a junio de 2019. Nuestra variable de resultado es el cambio diario en el diferencial de CDS (logarítmico) de 30 soberanos de mercados emergentes en los que se puede invertir. Controlamos por dos factores clave:1 una global factor (capturando el componente común de las fluctuaciones diarias del riesgo soberano a nivel global) y un regional factor (captura de cambios comunes a nivel regional).2 Es importante destacar que capturamos para cada país una exposición sistemática específica del país (llamada beta) al riesgo global y regional agregado, respectivamente.

La Figura 1 traza las relaciones deuda pública / PIB de los mercados emergentes frente a su exposición, las betas. La asociación deuda / factor global es negativa aunque relativamente débil, mientras que la asociación deuda / factor regional es negativa y significativa (al nivel del 10%) en los mercados emergentes. También notamos que los países con grandes betas globales negativos tienden a tener grandes betas regionales positivos. Con la excepción de Argentina, varios de estos países son grandes mercados emergentes, es decir, Brasil, México, Rusia, Sudáfrica y Turquía.

Figura 1 Deuda pública / PIB y betas globales y regionales de los diferenciales de CDS soberanos

Nota: La deuda pública se mide como el promedio 2014-2018. Las betas se estiman utilizando la muestra anterior a COVID-19, de enero de 2014 a junio de 2019.

Figura 2 El estímulo fiscal relacionado con COVID-19 anunciado en 2020 y las betas globales y regionales

Nota: Datos de estímulo fiscal COVID-19 tomados del rastreador de políticas COVID-19 del FMI. Betas estimadas utilizando la muestra anterior a COVID-19, de enero de 2014 a junio de 2019.

La Figura 2 muestra la asociación entre el estímulo fiscal anunciado en 2020 y las betas de los países. Tanto las betas regionales como las globales se asocian positivamente con el tamaño del estímulo fiscal en los mercados emergentes, aunque de forma relativamente débil. Si se omite Arabia Saudita, los coeficientes se vuelven estadísticamente significativos. Sin embargo, dado que los coeficientes son en su mayoría insignificantes, aún podría darse el caso de que los países sistemáticamente más riesgosos (betas más altas) emitieran menos estímulo / PIB debido al espacio fiscal limitado.

Después de estimar el modelo factorial, se procede a extrapolar los cambios en los diferenciales (dados los valores realizados de los factores y los cambios de CDS logarítmicos rezagados) de julio de 2019 a junio de 2020. Este enfoque tiene dos ventajas. Primero, nos permite juzgar la precisión ‘fuera de muestra’ del modelo en el período anterior a COVID-19. En segundo lugar, podemos calcular el ‘residual de COVID-19’, donde el residual es la diferencia entre el ajuste CDS realizado y el cambio que implica el modelo factorial en la primera etapa del análisis.

El panel superior izquierdo de la Figura 3 traza los cambios del diferencial CDS acumulados (logarítmicos) promedios de EM reales durante el período COVID-19 (sólido) frente a los implícitos en el modelo factorial (punteado). Primero, tenga en cuenta que el modelo factorial está haciendo un buen trabajo al predecir los cambios en el diferencial de CDS hasta finales de 2019. Sin embargo, a partir de 2020, las series real y predicha comienzan a divergir. La brecha entre lo real y lo previsto solo comienza a disminuir nuevamente en marzo de 2020 cuando los gobiernos y los bancos centrales de todo el mundo anunciaron paquetes de estímulo económico. El panel superior derecho muestra la dispersión transversal de los diferenciales de CDS durante el mismo período. Si bien la dispersión aumentó durante la segunda mitad de 2019, se disparó en marzo de 2020, lo que puso de relieve la aparición de una exposición específica por país. Los paneles inferiores comparan los cinco países con las tasas de mortalidad más altas con los cinco países con las tasas de mortalidad más bajas en abril. El panel inferior izquierdo sugiere que el cambio en los diferenciales de CDS reales fue similar para los países de alta y baja mortalidad. No obstante, el panel inferior derecho indica que los países de alta mortalidad inicialmente experimentaron más cambios en sus diferenciales de CDS, pero la brecha entre lo real y lo previsto se volvió similar a la de los países de baja mortalidad en julio.

figura 3 Los CDS soberanos de mercados emergentes se diferencian de julio de 2019 a junio de 2020

Nota: La línea discontinua en la figura superior izquierda muestra los valores predichos del modelo. La figura inferior derecha refleja el diferencial soberano acumulado COVID-19 residual, utilizando datos de enero de 2014 a junio de 2019.

En la segunda parte de nuestra investigación, distinguimos tres subperíodos separados entre enero y julio: temprano (enero-febrero), pico (marzo) y tardío (abril en adelante). Encontramos que los cambios CDS reales son los que más divergen de los valores predichos por el modelo en el período pico. Además, también los cambios de propagación fueron más significativos durante el pico de COVID-19 (Figura 4). Luego, estimamos un modelo de panel para estudiar la relación entre el residuo de COVID-19 y un conjunto de controles, incluidas las variables relacionadas con la pandemia,3 fundamentos económicos,4 y medidas de política.5,6

Figura 4 EM promedio residual de COVID-19

Nota: COVID-19 residual: la diferencia entre el ajuste de CDS real y el cambio implicado por el modelo, tanto en el país individual como en los niveles agregados de ME durante el período de la pandemia. Cambios diarios de CDS promedio de ME realizados (sólidos) y ajustados (punteados, estimado en 2014-2019), separados por subperíodos pandémicos.

Encontramos que las nuevas tasas de mortalidad de COVID-19 y las nuevas tasas de crecimiento de la mortalidad están asociadas positivamente con los residuos de CDS de COVID-19 en todas las especificaciones. Si bien las tasas de crecimiento de la mortalidad y la mortalidad juntas solo explican una pequeña parte de la variación en los residuos (R cuadrado de 1.24%), agregar las otras variables relacionadas con COVID-19 (índice de movilidad y crecimiento del índice de rigurosidad de las políticas) aumenta el poder explicativo al 5,3% y más al 19,2% con la inclusión de respuestas de política y fundamentos económicos. Si bien el rigor de la intervención no farmacéutica de COVID-19 es estadísticamente insignificante, los datos de movilidad explican gran parte de la variación en los residuos de COVID-19. Las variables adicionales que se destacan al contabilizar los residuos de CDS de COVID-19 incluyen los ingresos por exportaciones de petróleo, el espacio fiscal, la política del BCE y las intervenciones de política de la Reserva Federal. Si bien el COVID-19 indudablemente ha causado mucho daño económico, los patrones de los diferenciales de los CDS soberanos antes y durante el período del COVID-19 sugieren que los fundamentos económicos siguen siendo informativos para explicar la dinámica variable en el tiempo de la exposición al riesgo crediticio soberano para los mercados emergentes.

Referencias

Daehler T, J Aizenman J e Y Jinjarak (2020), “Diferenciales soberanos de los mercados emergentes y fundamentos específicos de cada país durante COVID-19”, Documento de trabajo NBER No. 27903 de octubre.

Hevia, C, PA Neumeyer (2020), “Una tormenta perfecta: COVID-19 en economías emergentes”, VoxEU.org, 21 de abril.

Notas finales

1 Los observables de baja frecuencia que a menudo se incluyen en la literatura (por ejemplo, medidas de espacio fiscal) no se pueden incorporar de manera efectiva a nuestro modelo sin presentar desafíos considerables para la estimación porque dependemos de los datos de CDS diarios para nuestro análisis de los mercados emergentes.

2 El factor común se modela como el promedio ponderado por el PIB de los cambios diarios en el diferencial de CDS logarítmico a 5 años de los EE. UU., Japón y la zona euro, y el factor regional como el promedio ponderado por el PIB de los diferenciales de CDS de los pares de mercados emergentes regionales de un país .

3 Las variables específicas de la pandemia son: resultados de mortalidad, en los que incluimos la nueva tasa de mortalidad diaria (por 1.000.000 de habitantes), la nueva tasa de crecimiento de la mortalidad diaria, la tasa de mortalidad total (por 1.000.000 de habitantes) y la tasa de crecimiento de la mortalidad total, la medida de movilidad diaria en términos de conducción (informados por Apple) y las tasas de crecimiento diarias de los índices de rigor de las políticas (SI, construido por OxCGRT). Los niveles más bajos de movilidad o las intervenciones gubernamentales no farmacéuticas más estrictas pueden indicar una mayor contracción económica, lo que puede aumentar la carga del financiamiento de la deuda y, por lo tanto, afectar el precio de la deuda durante la pandemia.

4 Las variables económicas son: el efecto ingreso del precio del petróleo, los colchones de fondos soberanos, los coeficientes de deuda externa / PIB y los coeficientes de PIB de la deuda con China.

5 Incluimos variables ficticias que indican la fecha de los anuncios de política fiscal clave específicos del país, la fecha de los anuncios de política clave del BCE y la fecha de los anuncios de política monetaria de la FED. Con el fin de capturar anuncios de políticas clave, agregamos un conjunto de variables de numerosos conjuntos de datos para un conjunto de políticas fiscales, monetarias y diversas clave, en países individuales, el BCE y la Reserva Federal. Estas variables capturaron si una determinada nación / institución realizó o no una acción o propuesta en una fecha específica de la muestra. Por lo tanto, no controlamos el tamaño o la cantidad de pólizas en un día determinado, y solo si la fecha corresponde al anuncio de al menos una póliza clave. Con la excepción de la Reserva Federal (cuyos principales anuncios se relacionaron con reducciones en la tasa de interés junto con el gasto fiscal), restringimos nuestro análisis de políticas fiscales clave a aquellas que proporcionaron millones o miles de millones de unidades en moneda local en gasto. Las principales fuentes de datos utilizadas para construir estas variables de anuncios de políticas se enumeran aquí: Rastreador de respuestas financieras COVID-19 de Yale; Rastreador de políticas globales de Harvard; Respuestas de política del FMI al COVID-19; Reserva Federal de St. Louis; y el Parlamento Europeo.

6 Para mostrar que nuestros resultados no están impulsados ​​por factores que son invariantes en el tiempo en nuestra muestra, controlamos los efectos fijos por país y tiempo.

Latest articles

Problema 1385: la Comisión quiere aliviar las restricciones de viaje (edición digital)

Modo de pantalla completa... ¿Interesado en nuestra edición impresa semanal? Nuestra...

Apple tiene un problema antimonopolio. Aquí hay una forma de resolverlo.

La App Store de Apple es una maravilla. Introducido en 2008, un año después del debut del iPhone, se ha...

Después de días de incertidumbre, un cohete chino vuelve a entrar en la atmósfera sobre el Océano Índico

El Comando Espacial de Estados Unidos dijo que podía confirmar que el cohete volvió a entrar sobre la Península Arábiga alrededor de las...

esta es mi inversión en bitcoin desde 4 meses: Bitcoin

Una comunidad dedicada a Bitcoin, la moneda de Internet. Bitcoin es un dinero digital descentralizado distribuido en todo el mundo. Los...
49.6k Followers
Follow

Related articles

Leave a reply

Please enter your comment!
Please enter your name here

Translate »