Impacto del precio del cobre en la
emisión de deuda pública de Perú,
periodo 2003 - 2018
Trabajo Fin de Máster
Máster Universitario en Banca y Finanzas UPF Barcelona School of Management
Autor Yndira Milián Rosales
Curso 2019 – 2020
Mentor Francisco Albuixech Micó
Impacto del precio del cobre en la emisión de deuda pública de Perú, periodo 2003 - 2018
Proyecto desarrollado en el marco del programa Máster Universitario en Banca y Finanzas impartido por la Barcelona School of Management centro adscrito a la Universidad Pompeu Fabra
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License
Página | 2
ÍNDICE GENERAL
DENOMINACIÓN N° Pág.
RESUMEN EJECUTIVO………………………………………………………………..….5
CAPÍTULO I: INTRODUCCIÓN…………………………………………………….….…6
1.1 Antecedentes………………………………………………………………………...6
1.2 Planeamiento del problema………………………………………………………...8
1.3 Pregunta de investigación ………………………………………………………….9
1.4 Objetivos……………………………………………………………………………...9
1.5 Hipótesis………………………………………………………………………….….10
CAPÍTULO II: METODOLOGÍA DE INVESTIGACIÓN…………………………….…11
2.1 Tipo de investigación…………………………………………………………….…11
2.2 Etapas de la metodología de investigación……………………………………...11
CAPÍTULO III: SECTOR MINERO DEL COBRE………………………………….…..13
3.1. Exportación de cobre ...…………………………………………………………....13
3.2. Evolución del precio del cobre …………………………………………………....17
3.3. Ingresos fiscales por cobre………………………………………………………...19
3.4. Evolución del déficit fiscal en Perú……………………………………………......23
3.5. Deuda pública de Perú……………………………………………………………..26
CAPÍTULO IV: ANÁLISIS DEL PRECIO DEL COBRE EN LA EMISIÓN DE DEUDA
PÚBLICA, PERIODO 2003 – 2018 ……………………………………………………..28
4.1 Análisis econométrico………………………………………………………………28
4.2 Método de estimación: Vectores autorregresivos (VAR) ………………………30
4.3 Análisis de los residuos…………………………………………………………….35
4.4 Predictibilidad del VAR……………………………………………………………..36
4.5 Presentación de resultados………………………………………………………..37
Página | 3
CAPÍTULO V: CONCLUSIONES Y RECOMENDACIONES………………………..39
5.1 Conclusiones………………………………………………………………………….39
5.2 Recomendaciones……………………………………………………………………40
BIBLIOGRAFÍA…………………………………………………………………………...41
ANEXOS…………………………………………………………………………………...43
Página | 4
GLOSARIO DE SIGLAS
PBI Producto Bruto Interno
VAR Vector autorregresivo
ECM Modelo de corrección de errores
SNMPE Sociedad Nacional de Minería, Petróleo y Energía
USGS Servicio Geológico de los Estados Unidos (USGS por sus siglas en inglés)
TMF Toneladas Métricas Finas
BCRP Banco Central de Reserva del Perú
MEM Ministerio de Energía y Minas
COMEX Commodity Exchange de New York (COMEX por sus siglas en inglés)
LME Bolsa de Metales de Londres (LME por sus siglas en inglés)
MMM Marco Macroeconómico Multianual
MEF Ministerio de Economía y Finanzas
SUNAT Superintendencia Nacional de Administración Tributaria
EsSalud Seguro Social de Salud del Perú
ONP Oficina de Normalización Previsional
ADF Prueba de Dickey-Fuller Aumentado
PP Prueba de Phillips & Perron
KPSS Prueba de Kwiatkowski
Página | 5
RESUMEN EJECUTIVO
El presente trabajo examina los efectos del precio del cobre en la emisión de deuda
pública de Perú, periodo 2003 – 2018. El modelo incluye dos variables que son el precio
del cobre y la deuda pública. Se utiliza un Vector autorregresivo (VAR) para estimar los
parámetros, después de realizar las pruebas de Dickey-Fuller Aumentado (ADF),
Phillips & Perron (PP) y Prueba de Kwiatkowski (KPSS) para confirmar la
estacionariedad de las variables Conforme a la hipótesis general, este trabajo
demuestra que la variable del precio del cobre tiene efectos en la emisión de la deuda
pública, en concordancia con lo planteado en la hipótesis específica. Por último, se
realizan las pruebas correspondientes al modelo, a la vez se presenta una gráfica Fan
Chart que representa la función de probabilidades de los valores futuros de las variables.
Palabras clave: Precio del cobre; deuda pública; vector autorregresivo (VAR); test de
Dickey-Fuller Aumentado (ADF); test de Phillips & Perron (PP); test de Prueba de
Kwiatkowski (KPSS); Fan Chart.
Página | 6
CAPÍTULO I: INTRODUCCIÓN
1.1 ANTECEDENTES
El tema a desarrollar, en el presente trabajo, ha sido tratado en libros, artículos y/o
trabajos de investigación en carácter general, los estudios compilados en esta
sección corresponden a las distintas variables relacionadas al cobre; por lo cual,
se ha tomado como antecedentes, algunas investigaciones relacionadas, ello en
virtud de tener alguna noción o conceptos básicos del tema a desarrollar.
Para Salirrosas (2018), en su investigación “Impactos de corto y largo plazo de la
minería del cobre en el crecimiento económico del Perú período 1995 – 2016”
examina los efectos de corto y largo plazo de la minería del cobre sobre el
crecimiento económico de Perú, determinando el impacto económico de las
variables de la minería del cobre sobre el PBI, en el período 1995 – 2016,
desarrollando un modelo que incluye cinco variables pertenecientes al sector
minero del cobre, como producción, exportaciones, precio internacional, inversión
e impuestos pagados por empresas productoras, y una sexta variable como el
Producto Interno Bruto peruano.
De esa forma, utiliza un Vector autorregresivo (VAR) y un Modelo de corrección
de errores (ECM) para estimar los parámetros, después de realizar las pruebas
de causalidad de Dickey-Fuller aumentado y Granger para confirmar la
estacionariedad y la causalidad bidireccional de las variables, demostrando que el
precio internacional del cobre es la variable que mejor explica el PBI, en
comparación con la producción de cobre en Perú.
Según Chaupe & Goicochea (2018) en su investigación “Impacto del precio del
cobre en el comportamiento de acciones mineras, periodos 2014 – 2018” buscan
determinar el impacto que ha tenido el precio de cobre en el comportamiento de
las acciones mineras que producen este mineral metálico y que cotizan en la Bolsa
de Valores de Lima, para contar con una base y entender el comportamiento futuro
de las acciones mineras que cotizan en la bolsa limeña.
Página | 7
En ese sentido, determinan la correlación entre el precio del cobre y el precio de
las acciones durante el periodo 2014 – 2018, siendo esta investigación de tipo
básica fundamental y de nivel explicativo, con un diseño no experimental, y de
carácter descriptivo; donde la hipótesis planteada considera la existencia de una
correlación positiva entre las variables: precios de las acciones mineras
productoras de cobre y el precio internacional del commoditie, obteniendo un
coeficiente de correlación superior a 0.
Para Pereira (2007) en su investigación “El impacto de la minería sobre la
economía chilena: un análisis de equilibrio general” analiza como la variación en
el precio del cobre y el cobro de regalías a sus rentas pueden producir y transmitir
efectos macroeconómicos, sectoriales y distributivos; a la vez busca identificar,
evaluar y analizar desde un punto de vista de equilibrio general los impactos del
sector minero sobre el resto de la economía.
Por consiguiente, utiliza el modelo de equilibrio general ECOGEM-Chile, que
modifica para incorporar la existencia de rentas ricardianas en la industria del
cobre, mostrando que un aumento del precio internacional del cobre incide en un
mayor crecimiento del PIB en el corto y largo plazo.
Según Montoya (2013) en su investigación “Economía Aplicada, Ensayos de
investigación económica 2013” se cuestiona si este crecimiento de la producción
peruana podría sostenerse frente a la incertidumbre sobre la evolución de la
economía internacional y a la exposición de la economía frente a shocks
provenientes de la volatilidad de los precios internacionales, la cual surge por la
elevada concentración en exportaciones mineras. Este estudio compara cómo
reducen el efecto final de los shocks en la volatilidad del producto y también el
grado de correlación entre el gasto público y la producción.
En el estudio “Perú, Revisión del Gasto Público”, elaborado por el Banco Mundial
(2017) se identifican medidas que aumenten la eficiencia del gasto y que podrían
reportar al menos un punto porcentual del PIB en ahorros fiscales; siendo que, la
recaudación minera tiene un importante impacto en la volatilidad de los ingresos
fiscales.
Página | 8
1.2 PLANTEAMIENTO DEL PROBLEMA
La actividad minera tiene un papel importante en la economía peruana porque
genera valor agregado y aporta 10% al producto bruto interno (PBI), mayores
divisas e ingresos fiscales por impuestos. De acuerdo con la Sociedad Nacional
de Minería, Petróleo y Energía (SNMPE), un incremento del 15% de las
exportaciones mineras significaría una expansión de 2.1% del PBI, que se explica
por los efectos directos e indirectos que genera la actividad en la economía. El
sector público incrementaría sus ingresos en 9,000 millones de soles y el valor de
la deuda pública se reduciría. (“Aporte de la minería al PBI”, 2018).
Por lo expuesto, se tiene que la actividad minera es clave en la economía peruana,
siendo que ante un incremento de las exportaciones mineras se generaría un
crecimiento de la economía del Perú, conllevando a un aumento de los ingresos
fiscales que permita una reducción de la deuda pública.
De acuerdo con la encuesta mundial “Mineral Commodity Summaries 2020” del
Servicio Geológico de los Estados Unidos (USGS por sus siglas en inglés), el Perú
se ubica como el segundo productor mundial de cobre, y durante el 2019 produjo
2,4001 millones de TMF (Toneladas Métricas Finas) de dicho mineral, equivalente
al 12% de la producción mundial2.
En ese contexto, el problema también trae consigo, saber cuál es la tendencia de
la deuda pública ante una caída del precio del cobre, durante el periodo 2003 –
2018, a fin de determinar la relación entre ambas variables.
Conviene, pues, plantearnos interrogantes, que abarquen todas las dudas
existentes respecto del tema a tratar; por consiguiente, pasaremos a la
formulación tanto del problema general, como de los específicos.
1 Cifra estimada. 2 El informe de febrero de 2020, indica que la producción mundial estimada de minas de cobre disminuyó
ligeramente a 20 millones de toneladas en 2019 de 20.4 millones de toneladas en 2018.
Página | 9
1.3 PREGUNTA DE INVESTIGACIÓN
1.3.1 Pregunta General:
¿Cuál es la tendencia de la deuda pública emitida por el Perú ante una caída del
precio del cobre durante el periodo 2003 - 2018?
1.3.2 Preguntas Específicas:
¿Cuál es la incidencia del precio del cobre en la emisión de deuda pública
en el periodo 2003 - 2018?
De acuerdo a las estadísticas analizadas ¿Cuál fue la tendencia
predominante en la emisión de deuda pública durante el periodo 2003 -
2018?
1.4 OBJETIVOS
1.4.1 Objetivo General:
El objetivo del presente estudio es brindar información estadística sobre el precio
del cobre y la deuda pública en Perú, en atención a su emisión para el periodo
2003 - 2018, identificando entre otros aspectos, estadísticas sobre su evolución
por año, así como la relación entre ambas variables.
1.4.2 Objetivos Específicos:
a) Analizar el precio del cobre y la deuda pública de Perú durante el periodo
2003 - 2018.
b) Elaborar y analizar las estadísticas de la deuda pública de Perú, a fin de
determinar la tendencia predominante con el precio del cobre, respecto a su
emisión durante el periodo 2003 - 2018.
Página | 10
1.5 HIPÓTESIS
Dado que las preguntas de investigación anteriormente realizadas requieren
respuestas que necesariamente implican una relación funcional entras las
variables, se procede a enunciar las hipótesis necesarias para llevar a cabo la
presente investigación.
1.5.1 Hipótesis General:
La hipótesis general que se desprende es que el precio del cobre es
determinante en la emisión de deuda pública de Perú.
1.5.2 Hipótesis Específica:
a) El precio del cobre tiene efectos sobre la emisión de deuda pública del Perú
en el corto y largo plazo.
La hipótesis específica planteada busca determinar el tipo de respuesta que
tiene en el corto y largo plazo el precio del cobre sobre la deuda pública.
Página | 11
CAPÍTULO II: METODOLOGÍA DE INVESTIGACIÓN
2.1 TIPO DE INVESTIGACIÓN
La metodología en el presente trabajo de investigación se basa en la evaluación
del precio del cobre y la deuda pública emitida por el Perú durante el periodo 2003
- 2018, cuyos resultados se muestran en el presente estudio.
En merito a ello, el estudio tiene un corte descriptivo con el cual se pretende medir
o recoger información de manera independiente o conjunta sobre conceptos a los
que nos referimos. Luego, puesto que la literatura nos puede revelar que existen
una o varias teorías que se aplican a nuestro problema de investigación el estudio
tomara un corte explicativo. (“Metodología de la Investigación”, 2003).
Asimismo, el estudio prioriza los datos cuantitativos que son recolectados por
instrumentos objetivos y de naturaleza estadística donde se busca la constatación
cuantitativa de la hipótesis. La utilización de variables e indicadores es esencial a
efectos de medir los cambios y las relaciones que se dan entre las variables en
estudio. (“Proyecto de Investigación”, 2010).
2.1.1 Tipo de investigación
La presente investigación es básica, correlacional-causal (Damodar N. Gujarati &
Dawn C. Porter, 2010), se analizó la relación entre las variables: precio del cobre
y deuda pública.
Dentro de los métodos cuantitativos se optó por las series de tiempo ya que estas
permiten determinar el impacto del precio del cobre en la emisión de deuda pública
de manera cronológica.
2.2 ETAPAS DE LA METODOLOGÍA DE INVESTIGACIÓN
Siguiendo, el modelo señalado anteriormente; procederemos primero con el tipo
de investigación descriptiva; la cual se va a dar mediante la exposición de los
conceptos necesarios para el análisis del problema formulado en el presente
trabajo; continuando, con el tipo de investigación cuantitativa, a través de los
Página | 12
cuales haremos los cuadros estadísticos del precio del cobre y deuda pública
emitida por el Perú, dando respuesta a cada una de las preguntas planteadas en
el problema del estudio.
Finalmente, aplicaremos el tipo de investigación explicativa; éste, se va a realizar
a través de la discusión de los datos referenciales obtenidos de los cuadros
estadísticos del precio del cobre y deuda pública, en conjunto con los conceptos
tratados en el primer nivel.
2.2.1 Diseño de investigación
El diseño es no experimental dado que se empleó un método de corte longitudinal
con datos secundarios y las variables fueron de tipo socioeconómicas de 16
periodos anuales o 64 periodos trimestrales de fuentes oficiales según la
disponibilidad de información de las variables. Las variables fueron seleccionadas
de instituciones públicas y privadas, las cuales fueron procesadas con el fin de
corregir los problemas de estacionariedad de las mismas y lograr una explicación
económica en un modelo econométrico de series de tiempo. Los resultados de la
corrida del modelo fueron testeados para rechazar o aceptar las hipótesis
planteadas.
Posteriormente, procederemos con las conclusiones y recomendaciones,
finalizando la investigación habida en el presente trabajo.
Página | 13
CAPÍTULO III: SECTOR MINERO DEL COBRE
3.1 EXPORTACIÓN DE COBRE
3.1.1 Exportación minera
El sector minero es el principal componente de las exportaciones peruanas, en el
año 2018 representó el 59,12% del valor de las exportaciones totales, siendo que
durante el periodo 2003 – 2018 su participación varió de 52% a 62%.
Fuente: BCRP Elaboración propia Nota:
(1) Tradicionales comprende las exportaciones de los productos tradicionales: Pesqueros, Agrícolas, y Petróleo y Gas Natural. (2) No Tradicionales comprende las exportaciones de los productos no tradicionales: Agropecuarios,
Pesqueros, Textiles, Maderas y Papeles, y sus Manufacturas, Químicos, Minerales no Metálicos, Sidero-Metalúrgicos y Joyería, y Metal-Mecánicos.
A nivel de productos tradicionales exportados el sector minero es el principal
componente, en el año 2018 representó el 81,09%, equivalente a US$ 28,899
millones. Es de mencionar, que en este año las exportaciones mineras alcanzaron
un récord histórico, en términos absolutos, superando el valor exportado de los
años 2017, 2012 y 2011.
52%
56%57%
62%62%
59%
61% 62%
60%
58%
56%
52%
55%
59%
61%
59%
46.00%
48.00%
50.00%
52.00%
54.00%
56.00%
58.00%
60.00%
62.00%
64.00%
0
10,000
20,000
30,000
40,000
50,000
60,000
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Exportación Total, 2003 - 2018valores FOB (millones US$)
Tradicionales (1) Mineros No tradicionales (2) Otros Participación (%)
Página | 14
Fuente: BCRP Elaboración propia
Nota: (1) Otros comprende las exportaciones de los productos tradicionales: Pesqueros, Agrícolas, y Petróleo y Gas Natural.
3.1.2 Exportación de cobre
El sector minero está comprendido por la exportación de minerales como cobre,
estaño, hierro, oro, plata refinada, plomo, zinc, molibdeno, entre otros; siendo el
cobre el mineral representativo con US$ 14,939 millones exportados en 2018 y
una participación de 52% del total de las exportaciones mineras en dicho año.
Fuente: BCRP Elaboración propia
Nota: (1) Otros comprende las exportaciones de los productos tradicionales mineros: Estaño, Hierro, Oro, Plata Refinada, Plomo, Zinc, Molibdeno y Resto de Mineros.
28,899
74%
77%
76%
80%80%
78%
80%79%
7…
77%75%
74%
81%
83%
82%
81%
68.00%
70.00%
72.00%
74.00%
76.00%
78.00%
80.00%
82.00%
84.00%
86.00%
0
5,000
10,000
15,000
20,000
25,000
30,000
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Exportación de Productos Tradicionales, 2003 - 2018valores FOB (millones US$)
Otros (1) Mineros Participación (%)
1,2612,481
3,472
5,9967,219 7,277
5,935
8,879
10,72110,731 9,821
8,8758,168
10,171
13,84514,939
27%
35% 35%
41% 41% 40%
36%
41%39% 39%
41%43% 43%
47%50%
52%
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
0
2,000
4,000
6,000
8,000
10,000
12,000
14,000
16,000
18,000
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Exportaciones de productos mineros, 2003 - 2018valores FOB (millones US$)
Cobre Otros (1) Participación (%)
Página | 15
A nivel de volumen exportado en el año 2018 se exportó 2,488 mil TMF, a un
precio de ¢US$/lb. 272.36, cifra menor en comparación con el año 2011 cuando
se logró un precio mayor a todo el periodo de ¢US$/lb. 385.27.
Fuente: BCRP Elaboración propia
Fuente: BCRP Elaboración propia
3.1.3 Mercado de cobre en el Perú
Las cuatro compañías mineras con mayor producción de cobre durante el año
2018 fueron: Cerro Verde (20.30%), Antamina (18.90%), Minera la Bambas
(15.80%), y Southern (13.60%).
787941 984 981
1,1221,243 1,246 1,256 1,262
1,406 1,404 1,402
1,757
2,493 2,438 2,488
0
500
1,000
1,500
2,000
2,500
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Volumen exportado de cobre, 2003-2018(miles de toneladas)
72.62
119.63
160.01
277.32291.86
265.53
216.04
320.63
385.27
346.30
317.29
287.05
210.84185.10
257.58272.36
0.00
50.00
100.00
150.00
200.00
250.00
300.00
350.00
400.00
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Precio de exportación del cobre, 2003-2018(¢US$ por libras)
Página | 16
Fuente: Ministerio de Energía y Minas (MEM)
Elaboración propia.
El Perú posee 16 departamentos productores de cobre, siendo que los ubicados
en la zona sur tienen mayor contribución a la producción nacional, es el caso de
los departamentos de Ancash, Arequipa, Moquegua, Tacna y Cusco, que durante
el periodo 2003 – 20183, contribuyeron con 29.02%, 18.95%, 13.78%, 12.21% y
10.76%, respectivamente.
Fuente: BCRP Elaboración propia
3 Los datos anuales obtenidos del Banco Central de Reserva del Perú (BCRP) expresan información hasta
el año 2018, como última actualización al 24 de julio de 2019.
20.30%
18.90%
15.80%
13.60%
8.50%
8.40%
5.00%
9.50%
0.00% 5.00% 10.00% 15.00% 20.00% 25.00%
Cerro Verde
Antamina
Las Bambas
Southern
Chinalco
Antapaccay
Hudbay
Otros
Principales empresas productoras 2018
29.02%
18.95%
13.78%
12.21%
10.76%
3.33%
2.40%
2.24%
2.23%
1.63%
1.50%
1.44%
0.24%
0.13%
0.12%
0.03%
0.00% 5.00% 10.00% 15.00% 20.00% 25.00% 30.00%
Ancash
Arequipa
Moquegua
Tacna
Cusco
Junín
Lima
Pasco
Apurímac
Cajamarca
Ica
Huancavelica
Huánuco
La Libertad
Puno
Ayacucho
Participación por departamento en la producción nacional de cobre, 2003 - 2018
Página | 17
Siempre se ha dicho que a diferencia de otros países que también cuentan con
una actividad minera importante, el Perú posee una canasta de producción y
exportación minera diversificada: cobre, oro, plomo, plata, zinc y algunos otros
minerales más conforman esta canasta. Sin embargo, lo cierto es que el peso del
cobre en la última década ha ido cobrando mayor relevancia en nuestro país. La
entrada en producción de yacimientos como Antapaccay, Constancia, Toromocho,
Las Bambas y las ampliaciones de Cerro Verde, Toquepala, Cuajone y Antamina
-todos de cobre- han hecho que el peso de este metal aumente considerablemente
y que nuestra minería -nos animamos a decir que toda nuestra economía- tienda
a ser cada vez más cobre dependiente. (“Actualidad Minera del Perú”, 2018).
3.2 EVOLUCIÓN DEL PRECIO DEL COBRE
El cobre es una materia prima cuyo precio se determina en el mercado
internacional, en función a su producción y consumo. El precio del cobre se transa
principalmente en dos bolsas de valores, la Commodity Exchange de New York
(COMEX) y la London Metal Exchange (LME).
El cobre fue el primer metal comercializado en la Bolsa de Metales de Londres
(LME) cuando fue fundada en 1877. Debido a su uso generalizado en la industria,
el cobre se considera estar estrechamente conectado con eventos
macroeconómicos. Los principales usos de la industria del cobre son: alambrado,
tuberías, fabricación de productos eléctricos, construcción de edificio,
infraestructura, generación de energía, y transporte. El metal es uno de los pocos
que no pierde sus propiedades químicas o físicas durante el proceso de reciclaje.
(London Metal Exchange “LME”, 2017).
Considerando que la volatilidad es un parámetro importante para determinar el
nivel de participación en un instrumento financiero, en el gráfico siguiente se
muestra el precio de 3 meses (3M) que representa el precio acordado para liquidar
o entregar material en tres meses desde el momento pactado.
Página | 18
Volatilidad, 2005 – 2019 (Precio de 3 meses y volatilidad intradía)
Fuente: London Metal Exchange “LME”, 2017 Elaborado por: London Metal Exchange “LME”, 2017
El precio del cobre ha sufrido variaciones en su cotización, durante el periodo de
2003 a 2018, siendo el precio más bajo de este periodo en el año 2003 (¢US$/lb.
80.7), año donde inicia su ascenso hasta un tope de ¢US$/lb. 322.9 en el año
2007 para posteriormente decrecer en el año 2009 (¢US$/lb. 234.3) y retornar al
alza hasta lograr un máximo histórico de ¢US$/lb. 397.5 para el año 2011,
volviendo a la baja en los años siguientes alcanzando en el 2016 un mínimo de
¢US$/lb. 220.8, para la posterior recuperación de los años 2017 y 2018.
Fuente: BCRP
Elaboración propia
80.7
130.0
166.9
304.9322.9 315.6
234.3
342.2
397.5
361.0332.6
311.3
250.0220.8
280.0296.1
0.0
50.0
100.0
150.0
200.0
250.0
300.0
350.0
400.0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Cotizaciones internacionales de cobre, 2003 - 2018(promedio del periodo) LME (¢US$ por libras)
Página | 19
3.3 INGRESOS FISCALES POR COBRE
3.3.1 PBI minero
El Servicio Geológico de los Estados Unidos (USGS por sus siglas en inglés) ubica
al Perú como el segundo productor mundial de cobre con 2,400 millones de TMF
producidas en el año 2019, equivalente al 12% de la producción mundial estimada
en 20,000 millones de TMF.
Fuente: Estudio Geológico de EE. UU., Resúmenes de productos minerales, enero de 2020. Elaboración propia
Nota: Los datos del año 2019 muestran cifras estimadas. La producción de otros países fue de 3,800 TMF.
La participación de la minería representó el 9% del PBI nacional en el año 2018,
siendo que esta cifra en el año 20054 fue de 12% y decreció a 7% para el 2014,
como se observa a continuación:
Fuente: BCRP Elaboración propia
4 Los datos anuales obtenidos del Banco Central de Reserva del Perú (BCRP) expresan información desde
el año 2005 para el caso del PBI del sector minero.
340700750770790
9601,3001,300
1,6002,400
5,600
0 1,000 2,000 3,000 4,000 5,000 6,000
Indonesia
Kazakhstan
Rusia
México
Zambia
Australia
Estados Unidos
Congo (Kinshasa)
China
Perú
Chile
Producción minera 2019(Millones de TMF)
273,971294,598
319,693348,923 352,584
382,380 407,052431,273
456,449 467,376482,676 502,225
514,655535,083
12%11%
10% 10% 10%
9%8% 8% 8%
7%
8%
10% 10%9%
0%
2%
4%
6%
8%
10%
12%
14%
0
100,000
200,000
300,000
400,000
500,000
600,000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Participación del Sector Minero en el PBI Nacional2003 - 2018
PBI (Millones S/) Minería Participación (%)
Página | 20
No obstante, en términos de variaciones porcentuales reales tenemos que en los
años 2015 y 2016 el PBI minero creció en 15.71% y 21.19%, respectivamente,
más que el PBI nacional que para esos años logró 3.27% y 4.05%, conforme al
gráfico siguiente:
Fuente: BCRP Elaboración propia
Por otra parte, el desempeño del PBI minero para el año 2018 muestra un
descenso de 1.74%. Las proyecciones del Marco Macroeconómico Multianual
2020-20235 es de un crecimiento de 0.5% para 2019.
3.3.2 Participación de la minería en la recaudación
El pago de impuestos de la actividad minera también cumple un rol de suma
importancia para el crecimiento y desarrollo del país, porque genera recursos
fiscales que son aprovechados en el financiamiento de ciertos gastos, como
amortizar la deuda pública o cubrir el presupuesto de inversión y gasto corriente
del Estado. (“La Minería Responsable y sus Aportes al Desarrollo del Perú”, 2012).
La industria minera es la principal contribuyente de ingresos fiscales del país
mediante ingresos tributarios (impuesto a renta, impuesto general a venta - IGV,
etc.) y no tributario (regalías, aporte voluntario, derecho de vigencia, etc.).
(“Minería en el Perú”, 2012).
5 Ministerio de Economía y Finanzas. (2019). Marco Macroeconómico Multianual 2020-2023, publicado en
el Diario Oficial El Peruano el 23 de agosto de 2019. https://www.mef.gob.pe/contenidos/pol_econ/marco_macro/MMM_2020_2023.pdf
6.54
0.92
3.76
7.15
-2.12 -2.72 -2.12
2.514.26
-2.23
15.71
21.19
4.48
-1.74
6.29
7.538.52 9.14
1.05
8.45
6.45 5.95 5.84
2.39 3.274.05
2.48
3.97
-5.00
0.00
5.00
10.00
15.00
20.00
25.00
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
PBI y PBI Minero, 2003 - 2018(variaciones porcentuales reales)
PBI Minero PBI
Página | 21
Los ingresos tributarios recaudados por actividad económica, mediante tributos
internos, fueron de S/ 90,918.2 millones en el año 2018, un máximo histórico, del
cual el sector de minería e hidrocarburos aportó S/ 12,868.9 millones, participando
los subsectores de minería con S/ 9,834.5 millones e hidrocarburos con S/ 3,034.3
millones, en ese año.
Fuente: SUNAT
Elaboración propia
Fuente: SUNAT Elaboración propia
21,348.924,017.7
28,001.5
36,940.6
43,616.446,956.4
45,420.4
53,520.7
64,205.6
72,463.276,683.0
81,103.6
77,270.580,347.0
81,224.1
90,918.2
0.0
10,000.0
20,000.0
30,000.0
40,000.0
50,000.0
60,000.0
70,000.0
80,000.0
90,000.0
100,000.0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Ingreso tributario según actividad económica, 2003 - 2018(Millones de Soles)
Agropecuario Pesca Minería e Hidrocarburos Manufactura Otros Servicios Construcción Comercio
1,091.5
1,741.1
3,123.5
7,731.3
10,760.7
8,984.8
4,858.6
8,132.4
11,258.110,633.0
7,180.57,429.5
4,349.54,307.3
6,989.7
9,834.5
0.0
2,000.0
4,000.0
6,000.0
8,000.0
10,000.0
12,000.0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Ingreso tributario del sector Minería e Hidrocarburos, 2003 - 2018(Millones de Soles)
Minería Hidrocarburos
Página | 22
La participación del sector minería e hidrocarburos ha variado de un 8% en 2003
hasta un 14% en 2018, observando con esto que el sector minero es importante
en la recaudación del país.
Fuente: SUNAT
Elaboración propia
El deterioro de las cotizaciones internacionales desde el segundo semestre de
2018, ha provocado una menor participación del sector minero en la recaudación
tributaria. (“Actualidad Minera del Perú”, 2020).
Uno de los principales problemas de la economía peruana es la informalidad, que
se calcula entre el 50% y el 60% del PBI, lo cual redunda en la evasión tributaria.
El sector minero peruano representa el 8% del PBI, aunque algunas fuentes
sugieren que podría ser del orden del 15%. (“La Minería Responsable y sus
Aportes al Desarrollo del Perú”, 2012).
Debe quedar claro que las ganancias del sector minero, que dependen de su
eficiencia y de los precios de los minerales, son también ganancias para el Perú,
pues cuando las ventas de las empresas mineras y sus utilidades aumentan, el
30% va directamente a las arcas del Estado peruano por concepto del Impuesto a
la Renta, y si también consideramos los aportes por concepto de canon y regalías
mineras, la contribución es mucho mayor, y se ve reflejada en el aumento del
empleo, la construcción de nuevas carreteras, los proyectos de represamiento de
agua, la generación de energía y nuevas posibilidades para las actividades
comerciales, entre otros beneficios. (“La Minería Responsable y sus Aportes al
Desarrollo del Perú”, 2012)
8%
11%
16%
26%
29%
24%
15%
20%
24%
21%
15%
15%
9%
7%
11%
14%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
Ingreso tributario según actividad económica, 2003 - 2018 (%)
Agropecuario Pesca Minería e Hidrocarburos Manufactura Otros Servicios Construcción Comercio
Página | 23
3.4 EVOLUCIÓN DEL DÉFICIT FISCAL EN PERÚ
3.4.1 Ingresos
Los ingresos del Gobierno General han ido en aumento durante el periodo 2003 –
2018, pasando de S/ 37 mil millones a S/ 143 mil millones; no obstante, esta
evolución ha tenido retrocesos en los años 2009 (S/ 73 mil millones), 2015 y 2016
(S/ 123 mil millones).
Fuente: BCRP Elaboración propia
Nota: Datos actualizados al 21 de noviembre de 2019.
Del mismo modo, los ingresos como porcentaje del PBI han tenido una oscilación
de entre 18% y 23% durante el periodo 2003 - 2019, siendo los menores
porcentajes en los años 2009 y 2010 que posteriormente mejoró en los siguientes
años, para volver a caer en los años 2016 (18.7%) y 2017 (18.1%), repuntando
ligeramente para el año 2018 en 19.3%.
La dependencia en la exportación de materias primas resultó en una alta
volatilidad de los ingresos. Entre el 2001 y el 2014, la contribución directa de los
ingresos por minería representó, en promedio, solo el 17 por ciento del total de
ingresos por impuesto sobre la renta. No obstante, los mismos tuvieron un impacto
significativo en la volatilidad del ingreso, los ingresos por minería representaron
más de la mitad del total del aumento de los ingresos corrientes desde el 2004 al
2012, y casi el 60 por ciento de la volatilidad del ingreso en ese periodo. (“Perú,
Revisión del Gasto Público”, 2017)
37 41 4860
7079 73
88102
114121
128 123 123 127143
18.3 18.419.5
21.021.8 22.1
19.920.9
21.7 22.3 22.1 22.3
20.218.7 18.1
19.3
0.0
5.0
10.0
15.0
20.0
25.0
0
50
100
150
200
250
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Ingresos del Gobierno General, 2003 - 2018
Miles de millones S/ % del PBI
Página | 24
3.4.2 Gastos
Los gastos del Gobierno General han pasado de S/ 37 mil millones en el año 2003
a S/ 149 mil de millones en el año 2018, un incremento de 4 veces en 16 años,
siendo esta evolución creciente durante el periodo 2003 – 2018.
Respecto, al porcentaje del PBI este ha variado de 18.0% a 20.2% durante el 2003
y 2018, siendo que en el 2016 se observa una caída de 19.9%, con cifras
constantes para los años 2017 y 2018 de 20.0% y 20.2%, respectivamente.
Fuente: BCRP Elaboración propia Nota: Datos actualizados al 21 de noviembre de 2019.
En el escenario base, Perú necesitaría implementar una racionalización del gasto
público del 1 por ciento del PIB durante los próximos 5 años para alcanzar el
objetivo del MMM del 1 por ciento de déficit fiscal para el 2021. Sin embargo,
diferentes escenarios de estrés macroeconómico pueden elevar ese número en
un rango del 1 al 3 por ciento del PIB. El escenario base asume un crecimiento
sólido de aproximadamente 4.2 por ciento en el mediano plazo y un incremento
gradual en los precios de las materias primas. (“Perú, Revisión del Gasto Público”,
2017)
37 40 44 4955
6474
84 8898
112124
130 131140
149
18.0 17.618.2
17.1 17.118.1
20.1 19.9
18.619.2
20.521.5 21.3
19.9 20.0 20.2
0.0
5.0
10.0
15.0
20.0
25.0
0
50
100
150
200
250
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Gastos del Gobierno General, 2003 - 2018
Miles de millones S/ % del PBI
Página | 25
3.4.3 Déficit Fiscal
El déficit fiscal ha variado durante el periodo 2003 – 2018, en algunos casos
positivo (superávit) como los años 2006, 2007, 2008, 2011, 2012 y 2013, tanto en
términos absolutos como en porcentaje del PBI, siendo que a partir del año 2014
el déficit se incrementó alcanzando un pico de S/ 21 mil millones en el 2017.
Fuente: BCRP
Elaboración propia Nota: (1) Datos actualizados al 21 de noviembre de 2019.
(2) El Déficit Fiscal se define como el valor negativo del Resultado Económico del Sector Público No Financiero como porcentaje del PBI6.
Fuente: BCRP Elaboración propia
Nota: (1) Datos actualizados al 21 de noviembre de 2019.
La disminución de la actividad económica y los ingresos debido a la caída de los
precios de las materias primas, combinado con ciertas medidas, llevaron a un
crecimiento en los déficits fiscales a inicios del 2014. El cobre y el oro representan
el 47 por ciento del total de las exportaciones del Perú y aproximadamente el 10
por ciento de los ingresos del gobierno. (“Perú, Revisión del Gasto Público”, 2017)
6 La Historia Monetaria y Fiscal de Perú, 1960–2017: Experimentos Radicales de Política, Inflación y
Estabilización, César Martinelli y Marco Vega (2018).
-4 -3-1
710 9
-5
-1
1012
5
-1
-12
-15
-21
-17
-25
-20
-15
-10
-5
0
5
10
15
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Déficit Fiscal(Miles de millones S/)
-1.8
-1.1
-0.4
2.5
3.12.5
-1.3
-0.2
2.1 2.3
0.9
-0.2
-1.9-2.3
-3.0
-2.3
-3.5
-2.5
-1.5
-0.5
0.5
1.5
2.5
3.5
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Déficit Fiscal(% del PBI)
Página | 26
3.5 DEUDA PÚBLICA DE PERÚ
En el 2003 la deuda pública ascendía a 48.8% del PBI, cifra que ha ido
descendiendo de forma gradual a un 25.8% en 2018; no obstante, en términos
absolutos se observa un incremento de S/ 99 mil millones en 2003 a S/ 191 mil
millones en 2018, es decir el doble de inicio de periodo.
Fuente: BCRP Elaboración propia
Nota: Datos actualizados al 21 de noviembre de 2019.
A diferencia de muchos países de la región, Perú ahorró una parte importante de
las ganancias obtenidas durante los años de auge de las materias primas y con
ello fortaleció sus amortiguadores macroeconómicos durante el súper-ciclo de las
materias primas. Los superávits fiscales antes del 2013 mantuvieron la deuda
pública alrededor del 20 a 25 por ciento del PIB, muy por debajo del techo de la
deuda pública del 30 por ciento del PIB7. (“Perú, Revisión del Gasto Público”,
2017)
7 La Ley Fiscal de Responsabilidad y Transparencia también incluye los siguientes aspectos: (1) el nivel no-
financiero de gastos debe ser consistente con el saldo estructural objetivo, y (2) la tasa de crecimiento salarial y los gastos de pensiones no pueden exceder la tasa mínima de crecimiento potencial del PIB, los cuales también han sido implementados.
99 101 10297 95 94 98
100 102 101 105114
142
157
174
191
48.8
44.741.8
33.8
29.626.4 26.7
23.8
21.6
19.9 19.2 19.9
23.3 23.9 24.9 25.8
0.0
10.0
20.0
30.0
40.0
50.0
60.0
0
50
100
150
200
250
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Deuda Pública, 2003 - 2018
Miles de millones S/ % del PBI
Página | 27
La deuda interna, en porcentaje del PBI, ha ido en aumento de 10.2% en 2003 a
16.9% en 2018, excediendo incluso a la deuda externa que pasó de 38.7% en
2003 a 8.8% en 2018.
Fuente: BCRP Elaboración propia Nota: Datos actualizados al 21 de noviembre de 2019.
En 2003, se aprueba la “Estrategia de Colocaciones y de Operaciones del Manejo
de Deuda Pública” y el primer reglamento del Programa de Creadores de
Mercado8, con el fin de fomentar el desarrollo del mercado de deuda pública
doméstico, fundamentalmente a tasa fija y en moneda nacional, y la negociación
activa de Bonos Soberanos en el mercado secundario de valores. (“Marco
Macroeconómico Multianual 2020 - 2023”, 2019)
8 Aprobados mediante la Resolución Ministerial N° 106-2003-EF/75 y el Decreto Supremo N°037-2003-EF,
respectivamente.
48.8
44.7
41.8
33.8
29.6
26.4 26.7
23.821.6
19.9 19.2 19.9
23.3 23.9 24.9 25.8
38.7
35.6
31.2
24.6
18.816.8 16.1
13.111.4
9.88.8 8.8
11.110.4 8.8 8.8
10.2 9.110.6
9.310.8
9.6 10.6
10.7 10.2
10.110.4 11.1
12.213.5
16.2 16.9
0.0
10.0
20.0
30.0
40.0
50.0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Deuda Total, Interna y Externa(% del PBI)
Deuda Total Deuda Externa Deuda Interna
Página | 28
CAPÍTULO IV: ANÁLISIS DEL PRECIO DEL COBRE EN LA EMISIÓN DE
DEUDA PÚBLICA, PERIODO 2003 – 2018
4.1 ANÁLISIS ECONOMÉTRICO
Con la finalidad de determinar las relaciones de corto y largo plazo entre las
variables: precio del cobre y deuda pública, además de desconocer su relación de
causalidad, se asume que ambas variables son endógenas y por tanto se utiliza
la metodología de Vectores Autorregresivos (VAR) en su forma reducida.
El modelo económico9 a emplear es el siguiente:
𝑷𝒄𝒐𝒃𝟏𝒕 = 𝜶 + ∑ 𝜷𝒋𝑷𝒄𝒐𝒃𝒕−𝒋 +
𝒌
𝒋=𝟏
∑ 𝜸𝒋𝒅𝒑𝒕−𝒋 + 𝒖𝟏𝒕
𝒌
𝒋=𝟏
𝒅𝒑𝒕 = 𝜶′ + ∑ 𝜽𝒋𝑷𝒄𝒐𝒃𝒕−𝒋 +
𝒌
𝒋=𝟏
∑ 𝜸𝒋𝒅𝒑𝒕−𝒋 + 𝒖𝟐𝒕
𝒌
𝒋=𝟏
Donde:
𝑷𝒄𝒐𝒃𝟏𝒕: Precio del cobre. Es el precio del cobre determinado por la Bolsa de
Metales de Londres (LME), el cual se considera en términos reales para no verse
influenciada por la inflación. Se expresa en centavos de dólar por libra, la data
histórica es proporcionada por Investing10.
𝒅𝒑𝒕: Deuda Pública. Esta variable es proporcionada por el Banco Central de
Reserva del Perú (BCRP), consiste en la emisión de deuda pública durante el
periodo 2003 – 2018. Expresada en millones de dólares americanos.
4.1.1 Variables
El periodo de estudio es de 2003 al 2018, debido a la disponibilidad de información
histórica existente y a la fecha en la que se inició la presente investigación, de
modo tal que la información analizada sea completa y comparable para las
variables que son objeto de estudio.
9 Damodar N. Gujarati & Dawn C. Porter (2010). Econometría. Quinta Edición. Capítulo 22: Econometría de
series de tiempo: pronósticos. 10 https://es.investing.com/
Página | 29
Las variables empleadas fueron las siguientes:
Variables del modelo, periodo 2003 - 2018
Variable Unidades Tipo Frecuencia Fuente
Deuda Pública Millones de US$ Dependiente Trimestral BCRP
Precio del cobre US$ cents/lb. Independiente Trimestral Investing
Elaboración propia
4.1.2 Muestra
Se seleccionó un método no probabilístico de 64 periodos trimestrales del BCRP
y de Investing, los cuales fueron lo suficientemente representativos para los fines
de la presente investigación, en la medida que el número de periodos fue superior
a 30.
4.1.3 Instrumentos de investigación
Los instrumentos de investigación fueron del tipo cuantitativo y tuvieron como
objetivo principal medir el grado de influencia del precio del cobre sobre la emisión
de deuda pública. Esta investigación, desde el punto de vista econométrico, no fijó
como objetivo específico el medir completamente la causa-efecto de las variables,
sino la importancia de la relación entre ellas.
4.1.4 Procedimiento de recolección de datos
Establecido el tipo y diseño de la investigación, se procedió a recolectar
información de 64 periodos trimestrales de las fuentes indicadas con la finalidad
de establecer las relaciones entre las variables y aplicar técnicas econométricas
de series de tiempo para responder las hipótesis planteadas.
4.1.5 Plan de análisis y desarrollo
Para validar las hipótesis planteadas, debido a la sospecha de no ser posible
clasificar las variables en endógenas y exógenas, se procedió a emplear una
metodología de regresión de un sistema de ecuaciones simultáneas.
En ese sentido, se consideró la investigación de Salirrosas (2018), que emplea,
entre otros, un Vector autorregresivo (VAR) para demostrar que el precio
internacional del cobre es la variable que mejor explica el PBI, en comparación
con la producción de cobre en Perú.
Página | 30
Así como, la investigación de Chaupe & Goicochea (2018) que buscan determinar
el impacto que ha tenido el precio de cobre en el comportamiento de las acciones
mineras que producen este mineral metálico y que cotizan en la Bolsa de Valores
de Lima, analizando la correlación entre el precio del cobre y el precio de las
acciones durante el periodo 2014 – 2018.
4.2 MÉTODO DE ESTIMACIÓN: VECTORES AUTORREGRESIVOS (VAR)
La metodología de vector autorregresivo (VAR) es utilizada cuando queremos
caracterizar las interacciones simultáneas entre un grupo de variable. Un VAR es
un modelo de ecuaciones simultáneas formado por un sistema de ecuaciones de
forma reducida sin restringir. (Novales, 2017)
El presente estudio empleó un VAR bivariado (2 variables) de orden 1 (1 rezago)
en su forma estándar, modelo que podemos hallar en Gujarati & Porter (2010),
siendo que se procedió a comprobar su carácter estacionario y endógeno de
ambas variables, así como el máximo orden de integración de las mismas.
4.2.1 Suavizamiento de las variables
Las variables materia de estudio son series de tiempo que presentaron
estacionalidad y siguieron una trayectoria aleatoria11, es decir, fueron no
estacionarios en sus niveles12, como se muestra en los gráficos siguientes:
Elaboración propia
11 Random walk 12 Valores originales
Página | 31
Elaboración propia
Dadas las fluctuaciones acentuadas de las variables y con la finalidad de cumplir
con el requerimiento del VAR, se aplicó técnicas para convertir las variables no
estacionarias en estacionarias. Las técnicas empleadas fueron el logaritmo de las
series y las primeras diferencias, como se aprecia:
Elaboración propia
Página | 32
Elaboración propia
Las series así transformadas muestran un comportamiento similar a las series
estacionarias, habiendo conseguido una reducción significativa de las
desviaciones estándar de cada una de las series y por consiguiente también una
disminución considerable de sus varianzas.
Ante lo expuesto, es importante realizar pruebas formales de estacionariedad,
como es el test de raíz unitaria.
4.2.2 Test de raíz unitaria
Se realizaron las pruebas de Dickey-Fuller Aumentado (ADF), Phillips & Perron
(PP) y Kwiatkowski (KPSS), los resultados se muestran en el cuadro siguiente:
Prueba de Dickey-Fuller Aumentado (ADF)
Series Type
Trend None Drift
l_pcob t-calc(-3.90) < t-crit(|-4.04|)
No es estacionaria
t-calc(-0.29) < t-crit(|-2.6|)
No es estacionaria
t-calc(-3.70) < t-crit(|-3.51|)
Es estacionaria
l_dp t-calc(-1.43) < t-crit(|-4.04|)
No es estacionaria
t-calc(2.02) < t-crit(|-2.6|)
No es estacionaria
t-calc(0.71) < t-crit(|-3.51|)
No es estacionaria
Elaboración propia
Página | 33
Del cuadro precedente observamos que al aplicar el método de Dickey-Fuller
Aumentado (ADF), a los niveles de significancia del 1% se muestra que los
t-calculados para los tipos trend y none de ambas series son menores a los valores
críticos en valores absolutos, por lo que se acepta la hipótesis nula de que las
series son procesos no estacionarios.
No obstante, al contrastarse con el tipo drift obtenemos que el t-calculado de la
serie del precio del cobre es mayor a los valores críticos en valores absolutos,
rechazando la hipótesis nula de que la serie es un proceso no estacionario.
Sin embargo, el t-calculado en el tipo drift para la serie de la deuda pública es
menor que los valores críticos en valores absolutos, por lo que se acepta la
hipótesis nula de que esta serie es un proceso no estacionario.
Respecto a la prueba de Phillips & Perron (PP) tenemos:
Prueba de Phillips & Perron (PP)
Series Model
Trend Constant
l_pcob Z-tau(-2.27) < Z-crit(|-4.11|)
No es estacionaria
Z-tau(-3.06) < Z-crit(|-3.54|)
No es estacionaria
l_dp Z-tau(-1.43) < Z-crit(|-4.11|)
No es estacionaria
Z-tau(1.56) < Z-crit(|-3.54|)
No es estacionaria
Elaboración propia
La prueba de Phillips & Perron (PP), a los niveles de significancia del 1% se
muestra que los z-tau para los modelos trend y constant de ambas series son
menores a los valores críticos en valores absolutos, por lo que se acepta la
hipótesis nula de que las series son procesos no estacionarios.
No obstante, la prueba de Kwiatkowski (KPSS) nos brinda la información
siguiente:
Prueba de Kwiatkowski (KPSS)
Series KPSS Resultado
l_pcob Z-tau(0.16) < Z-crit(0.22) Es estacionaria
l_dp Z-tau(0.14) < Z-crit(0.22) Es estacionaria
Elaboración propia
Considerando que la hipótesis nula del método de Kwiatkowski (KPSS) es que la
serie no tiene raíz unitaria y al aplicarlo, a los niveles de significancia del 1% se
muestra que los z-tau de ambas series son menores a los valores críticos en
valores absolutos, por lo que se acepta la hipótesis nula de que las series son
procesos estacionarios.
Página | 34
Finalmente, tenemos que la serie del logaritmo del precio del cobre es estacionaria
en tipo drift según la prueba de ADF, y no es estacionaria en la prueba de PP.
En el caso de la serie del logaritmo de la deuda pública no es estacionaria en las
pruebas de ADF y PP.
Sin embargo, con la prueba de KPSS se comprueba que ambas series sí son
estacionarias al aplicar los logaritmos.
4.2.3 Estimados del modelo VAR
En base a lo presentado en las secciones anteriores, se estimó el modelo VAR
(1)13 el cual emplea a los logaritmos de las variables. El resultado se muestra
continuación:
VAR Estimation Results: ========================= Endogenous variables: l_dp, l_pcob Deterministic variables: none Sample size: 63 Log Likelihood: 156.634 Roots of the characteristic polynomial: 1.001 0.8774 Call: VAR(y = data1, p = 1, type = "none") Estimation results for equation l_dp: ===================================== l_dp = l_dp.l1 + l_pcob.l1 Estimate Std. Error t value Pr(>|t|) l_dp.l1 1.001482 0.001064 941.403 <2e-16 *** l_pcob.l1 -0.003944 0.010884 -0.362 0.718 --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.03648 on 61 degrees of freedom Multiple R-Squared: 1, Adjusted R-squared: 1 F-statistic: 2.6e+06 on 2 and 61 DF, p-value: < 2.2e-16 Estimation results for equation l_pcob: ======================================= l_pcob = l_dp.l1 + l_pcob.l1 Estimate Std. Error t value Pr(>|t|) l_dp.l1 0.012832 0.004033 3.182 0.0023 ** l_pcob.l1 0.877035 0.041259 21.257 <2e-16 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.1383 on 61 degrees of freedom Multiple R-Squared: 0.9826, Adjusted R-squared: 0.982
F-statistic: 1718 on 2 and 61 DF, p-value: < 2.2e-16
Elaboración propia
13 VAR con 2 rezagos
Página | 35
4.3 ANÁLISIS DE LOS RESIDUOS
Sobre el modelo mostrado previamente se estimaron los residuos de cada
ecuación, cuyos gráficos se presentan a continuación:
Elaboración propia
Elaboración propia
Sumado a este análisis gráfico se examinó también la matriz de varianzas y
covarianzas y la correlación de los residuos de las variables, como se muestra a
continuación:
Página | 36
Covariance matrix of residuals: l_dp l_pcob l_dp 0.0013305 0.0003325 l_pcob 0.0003325 0.0191175 Correlation matrix of residuals: l_dp l_pcob *l_dp 1.00000 0.06593 l_pcob 0.06593 1.00000
Elaboración propia
La matriz de varianzas y covarianzas es importante para determinar las
propiedades de estos shocks. En este caso, se observa que los elementos de la
matriz fuera de la diagonal principal, son muy cercanos a cero, por lo que llevaría
a descartar la existencia de correlación entre los errores, los errores serían ruidos
blancos, es decir:
𝑪𝑶𝑽 (𝜺𝒊𝒕, 𝜺𝒋𝒕)~𝟎
4.4 PREDICTIBILIDAD DEL VAR
Utilizando el modelo mostrado previamente se realizó la predicción para ambas
variables, el gráfico se muestra a continuación:
Elaboración propia
Página | 37
4.5 PRESENTACIÓN DE RESULTADOS
Las funciones de respuesta al impulso miden la reacción de cada una de las
variables a un shock en una de las innovaciones estructurales. Por tanto, para
cada innovación del modelo hay tantas funciones de respuesta al impulso como
variables endógenas; cada una de dichas funciones dependen del tiempo
transcurrido desde que se produce el shock. Por eso, suelen representarse en
varios gráficos, cada uno de los cuales incluye las respuestas a través del tiempo,
de una determinada variable a un impulso en cada una de las innovaciones; de
este modo se tiene tantos gráficos como variables en el modelo, cada uno de ellos
conteniendo tantas curvas como variables. (Novales, 2017)
Gráficamente la función impulso respuesta acumulada, se muestra a continuación:
Elaboración propia
Página | 38
Elaboración propia
Como se puede apreciar el impulso de los shocks de las variables es significante;
es decir, las variaciones en el precio del cobre tienen un efecto creciente sobre la
deuda pública, tienen un efecto indirecto, siendo el caso que cuando se
incrementa el precio del cobre la deuda pública disminuye y cuando el precio del
cobre baja la deuda pública aumenta.
Página | 39
CAPÍTULO V: CONCLUSIONES Y RECOMENDACIONES
5.1 CONCLUSIÓN
De la información y análisis realizado, se ha obtenido el siguiente resultado:
1. Se encuentra que la emisión de deuda pública es afectada por el precio del
cobre, conforme con la hipótesis general y específica planteadas en el
presente trabajo que consideraban al precio del cobre como determinante en
la emisión de deuda pública de Perú; así como, tener efectos sobre la emisión
en el corto y largo plazo.
Cabe mencionar que los mecanismos de transmisión que se muestran en los
gráficos de impulso respuesta consisten en que ante shocks positivos del
precio del cobre la emisión de deuda pública disminuye, es decir tiene un
efecto indirecto, siendo el caso que ante un shock negativo del precio del cobre
la deuda pública aumentará.
Página | 40
5.2 RECOMENDACIONES
Luego de presentar los principales aspectos identificados en la relación entre el
precio el cobre y su incidencia en la emisión de deuda pública en Perú,
señalaremos algunas recomendaciones que consideramos importantes. Estas
sugerencias se formulan sobre la base de los resultados evidenciados a lo largo
del presente trabajo.
1. Considerando que el precio del cobre tiene efectos en la emisión de la deuda
pública, se recomienda evaluar la posibilidad de realizar una cobertura. Por
ejemplo, mediante la compra de opciones, que permita atenuar las
fluctuaciones en el precio de este mineral para tener una mayor estabilidad
económica.
2. Finalmente, el presente trabajo puede ser tomado como un modelo para poder
continuar ampliando el estudio de la incidencia del precio del cobre en la deuda
pública del Perú. Por ejemplo, se podría emplear la metodología VAR y las
variables utilizadas, así como incorporar más variables para poder hacer
pronósticos sobre el crecimiento de la deuda pública y evaluar la posibilidad de
otras variables que pudieran tener incidencia en su emisión.
Página | 41
BIBLIOGRAFÍA
1. Salirrosas, J. (2018). Impactos de corto y largo plazo de la minería del cobre en
el crecimiento económico del Perú período 1995 – 2016.
http://repositorio.usil.edu.pe/bitstream/USIL/3934/1/2018_Salirrosas-
Mart%C3%ADnez.pdf
2. Chaupe, E., & Goicochea M. (2018). Impacto del precio del cobre en el
comportamiento de acciones mineras, periodos 2014 – 2018.
http://repositorio.upagu.edu.pe/bitstream/handle/UPAGU/857/Tesis%20Precio%
20del%20Cobre.pdf?sequence=1&isAllowed=y
3. Pereira, M. (2007). El impacto de la minería sobre la economía chilena: un
análisis de equilibrio general.
http://repositorio.uchile.cl/handle/2250/102946
4. Basombrío, L., Beltrán, J., Brito, C., Cárdenas, C., Chirinos, G., Chuquilín, M.,
Ciudad, A., Córdova, C., Cuba, A., Espinoza, J., Gallegos, K., Gavilano, G.,
Granda, A., Kishimoto, I., Montoya, J., O’Diana, M., Pando, M., Ruiz, F., Salinas,
C., Suzuki, T., Torres, A., Valdivia, A. & Villanueva, M., (2013). Economía
Aplicada, Ensayos de investigación económica 2013.
5. World Bank Group. (2017). Perú Revisión del Gasto Público.
http://documentos.bancomundial.org/curated/es/554021521229272108/pdf/Peru-
Revision-del-Gasto-Publico-2018-final.pdf
6. El Peruano - Diario Oficial del Bicentenario. (2018). Aporte de la mineria al PBI.
2018.
7. Sangine, E. (2020). Mineral Commodity Summaries 2020. In United States
Geological Survey (Issue 703).
https://pubs.usgs.gov/periodicals/mcs2020/mcs2020.pdf
8. Hernández, R., Fernández, C., & Baptista, P. (2003). Metodología de la
Investigación Ed. Mc Graw Hill. México, 2003.
9. Ramírez, R. (2010). Proyecto de Investigación Ed. Fondo Editorial AMADP.
Lima - Perú, 2010.
10. Boletín Electrónico Actualidad Minera del Perú. (2018). La cobre dependencia.
Setiembre de 2018 – N° 231.
https://www.cooperaccion.org.pe
11. The London Metal Exchange “LME”. (2017). LME Copper-Setting The Global
Standard.
https://www.lme.com/en-GB/Metals/Non-ferrous/Copper#tabIndex=0
Página | 42
12. Ministerio de Economía y Finanzas. (2019). Marco Macroeconómico Multianual
2020-2023. El Peruano, 184.
https://www.mef.gob.pe/contenidos/pol_econ/marco_macro/MMM_2020_2023.
13. Benavides Ganoza, R. (2012). La Minería Responsable y sus Aportes al
Desarrollo del Perú. Universidad Nacional Daniel Alcides Carrión (UNDAC).
14. Larrain Vial SAB. (2012). Minería en el Perú, Realidad y Perspectivas.
15. Boletín Electrónico Actualidad Minera del Perú. (2020). El nuevo escenario
político y las proyecciones para el sector. Enero de 2020 – N° 247.
https://www.cooperaccion.org.pe
16. Martinelli C. & Vega, M. (2018). La Historia Monetaria y Fiscal de Perú, 1960–
2017: Experimentos Radicales de Política, Inflación y Estabilización.
17. Damodar N. Gujarati & Dawn C. Porter (2010). Econometría. Quinta Edición.
Página | 43
ANEXOS
Base de datos de las variables
Trimestres pcob (1) dp (2)
2003/Q1 0.760 27,040.25
2003/Q2 0.751 27,107.32
2003/Q3 0.811 27,581.05
2003/Q4 0.962 28,613.92
2004/Q1 1.282 28,446.66
2004/Q2 1.231 28,422.14
2004/Q3 1.330 28,275.72
2004/Q4 1.426 30,523.33
2005/Q1 1.491 30,473.98
2005/Q2 1.517 29,688.60
2005/Q3 1.733 30,060.70
2005/Q4 2.044 30,168.17
2006/Q1 2.303 29,548.66
2006/Q2 3.505 29,169.31
2006/Q3 3.513 29,281.06
2006/Q4 3.120 30,055.07
2007/Q1 2.820 29,482.34
2007/Q2 3.463 29,527.25
2007/Q3 3.565 31,123.11
2007/Q4 3.218 31,510.65
2008/Q1 3.668 29,547.93
2008/Q2 3.819 31,921.76
2008/Q3 3.344 30,741.49
2008/Q4 1.621 30,410.55
2009/Q1 1.609 29,998.78
2009/Q2 2.169 30,872.62
2009/Q3 2.744 31,313.32
2009/Q4 3.141 33,987.30
2010/Q1 3.287 33,303.76
2010/Q2 3.123 33,006.37
2010/Q3 3.438 33,778.82
2010/Q4 3.998 35,716.03
2011/Q1 4.410 35,798.29
2011/Q2 4.203 34,935.15
2011/Q3 3.935 35,740.42
2011/Q4 3.541 37,527.44
2012/Q1 3.827 36,894.66
2012/Q2 3.562 36,613.91
Página | 44
Trimestres pcob (1) dp (2)
2012/Q3 3.549 37,193.83
2012/Q4 3.599 39,168.11
2013/Q1 3.549 38,013.71
2013/Q2 3.176 36,716.67
2013/Q3 3.222 35,141.88
2013/Q4 3.323 37,744.70
2014/Q1 3.168 35,660.47
2014/Q2 3.118 36,650.48
2014/Q3 3.121 37,102.24
2014/Q4 2.920 39,043.64
2015/Q1 2.664 37,684.18
2015/Q2 2.756 37,261.90
2015/Q3 2.350 39,316.47
2015/Q4 2.161 42,810.64
2016/Q1 2.125 41,186.91
2016/Q2 2.191 42,304.29
2016/Q3 2.164 44,008.01
2016/Q4 2.440 46,148.70
2017/Q1 2.691 46,672.73
2017/Q2 2.624 50,131.64
2017/Q3 2.968 51,379.60
2017/Q4 3.136 53,598.30
2018/Q1 3.103 52,083.45
2018/Q2 3.021 52,564.52
2018/Q3 2.772 53,064.47
2018/Q4 2.706 56,809.92 Fuente: (1) Investing
(2) Banco Central de Reserva del Perú (BCRP) Elaboración propia
Página | 45
Coeficientes del VAR
> coef(var_1) # coeficientes $l_dp Estimate Std. Error t value Pr(>|t|) l_dp.l1 1.001482079 0.001063818 941.4033681 1.145084e-128 l_pcob.l1 -0.003944202 0.010884403 -0.3623719 7.183266e-01 $l_pcob Estimate Std. Error t value Pr(>|t|) l_dp.l1 0.01283202 0.00403256 3.182104 2.300748e-03 l_pcob.l1 0.87703463 0.04125894 21.256841 6.789478e-30
Elaboración propia
Resultados del VAR (variable l_dp)
> var_1$varresult$l_dp Call: lm(formula = y ~ -1 + ., data = datamat) Coefficients: l_dp.l1 l_pcob.l1 1.001482 -0.003944
Elaboración propia
Resultados del VAR (variable l_pcob)
> var_1$varresult$l_pcob Call: lm(formula = y ~ -1 + ., data = datamat) Coefficients: l_dp.l1 l_pcob.l1 0.01283 0.87703
Elaboración propia
Predictibilidad del VAR
> summary(predVAR_1) Length Class Mode fcst 2 -none- list endog 128 -none- numeric model 10 varest list exo.fcst 0 -none- NULL
Elaboración propia
Página | 46
Residuos del VAR > residuals(var_1) #residuos l_dp l_pcob 1 -0.013731821 -1.762261e-01 2 0.001067522 -8.892141e-02 3 0.020785602 1.376679e-02 4 -0.021222808 1.501568e-01 5 -0.015083353 -1.414217e-01 6 -0.019543796 -2.893449e-02 7 0.062420587 -2.677759e-02 8 -0.015523382 -4.409077e-02 9 -0.039836463 -6.586037e-02 10 -0.001163315 5.221203e-02 11 -0.009543538 1.003514e-01 12 -0.033215398 7.485820e-02 13 -0.024886720 3.902449e-01 14 -0.006466704 2.456596e-02 15 0.015802995 -9.591845e-02 16 -0.030033194 -9.370224e-02 17 -0.009641874 2.009234e-01 18 0.042281171 4.978099e-02 19 0.002055776 -7.882963e-02 20 -0.075053079 1.416884e-01 21 0.067144287 6.807125e-02 22 -0.047759733 -1.011071e-01 23 -0.021376740 -7.085757e-01 24 -0.027027444 -8.031157e-02 25 0.015310476 2.250067e-01 26 0.001907173 1.976924e-01 27 0.070582811 1.263067e-01 28 -0.031265808 5.218555e-02 29 -0.019710300 -3.828513e-02 30 0.012205233 1.025242e-01 31 0.045181925 1.689459e-01 32 -0.007770695 1.338869e-01 33 -0.034094799 -1.752935e-05 34 0.012947597 -2.355803e-02 35 0.038655658 -7.156170e-02 36 -0.027628770 9.799761e-02 37 -0.017930153 -4.183877e-02 38 0.005150768 1.779013e-02 39 0.041118793 3.479588e-02 40 -0.040538400 7.604437e-03 41 -0.045349968 -9.063259e-02 42 -0.054857715 2.159265e-02 43 0.060552543 4.041117e-02 44 -0.067684997 -3.514073e-02 45 0.016397229 -8.712250e-03 46 0.001160654 6.049613e-03 47 0.039898601 -6.183550e-02 48 -0.046882707 -9.567795e-02 49 -0.023021376 1.945630e-02 50 0.042071034 -1.697358e-01 51 0.072834231 -1.145060e-01 52 -0.051431891 -5.918553e-02 53 0.013992109 -1.309198e-02 54 0.026788095 -5.251237e-02 55 0.034695185 7.776218e-02 56 -0.001107482 6.966470e-02 57 0.059462655 -4.133537e-02 58 0.012354151 1.030520e-01 59 0.030491294 4.965123e-02 60 -0.040300484 -9.752900e-03 61 -0.002435440 -2.710734e-02 62 -0.002283355 -8.957478e-02 63 0.056100409 -3.834656e-02 Elaboración propia
Página | 47
Valores ajustados del VAR > fitted(var_1) #fitted values l_dp l_pcob 1 10.22129 -0.11012350 2 10.22382 -0.12015489 3 10.24086 -0.05216118 4 10.27701 0.09800452 5 10.27001 0.34924857 6 10.26930 0.31386278 7 10.26383 0.38141713 8 10.34015 0.44353781 9 10.33836 0.48281478 10 10.31214 0.49783430 11 10.32409 0.61472036 12 10.32701 0.75949915 13 10.30576 0.86385051 14 10.29116 1.23180952 15 10.29498 1.23385829 16 10.32158 1.13032091 17 10.30271 1.04121186 18 10.30342 1.22147656 19 10.35603 1.24769326 20 10.36882 1.15804903 21 10.30390 1.27200464 22 10.38113 1.30837444 23 10.34392 1.19141334 24 10.33594 0.55592444 25 10.32231 0.54941317 26 10.34989 0.81184573 27 10.36316 1.01823449 28 10.44469 1.13768833 29 10.42417 1.17718594 30 10.41538 1.13236569 31 10.43817 1.21684830 32 10.49343 1.34991221 33 10.49534 1.43589539 34 10.47109 1.39355362 35 10.49417 1.33606501 36 10.54345 1.24417070 37 10.52611 1.31206737 38 10.51875 1.24887574 39 10.53450 1.24595276 40 10.58624 1.25896751 41 10.55634 1.24615017 42 10.52201 1.14830617 43 10.47805 1.16035650 44 10.54948 1.18834641 45 10.49278 1.14590402 46 10.52027 1.13221065 47 10.53254 1.13330495 48 10.58388 1.07538157 49 10.54875 0.99444499 50 10.53733 1.02429294 51 10.59171 0.88523133 52 10.67731 0.81280046 53 10.63865 0.79729789 54 10.66534 0.82447073 55 10.70493 0.81423586 56 10.75202 0.92012429 57 10.76295 1.00603524 58 10.83464 0.98494860 59 10.85878 1.09340316 60 10.90090 1.14222970 61 10.87223 1.13258490 62 10.88155 1.10902360 63 10.89137 1.03369490 Elaboración propia