i PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ ESCUELA DE POSGRADO Sovereign Credit Default Swap vs. Credit Rating: un Modelo Empírico TESIS PARA OBTENER EL GRADO DE MAGÍSTER EN ADMINISTRACIÓN ESTRATÉGICA DE EMPRESAS PRESENTADA POR Fabiola Leturia Saldaña Roderick Paredes Villegas Luis Romaní Salazar Raúl Sotelo Ruiz Asesor: Eduardo Court Monteverde Lima, marzo de 2013 ii Agradecimientos Expresamos un agradecimiento especial a Eduardo Court Monteverde, por haber sido una fuente de inspiración intelectual en el área de Finanzas. También expresamos nuestro agradecimiento a Julio Romaní Vadillo, por el apoyo brindado para la realización de esta tesis. iii Para mis adorables padres, Jesús y Yolanda; a Raúl mi esposo; y a Nakari y Fabio, mis amores. Fabiola Leturia A mí adorada esposa Alejandra, por su apoyo incondicional. A mi pequeña hija Rafaellita, y a mis amados padres, por su apoyo y cariño. Roderick Paredes Para toda mi familia y para Ana Belén Morón, por su apoyo y paciencia. Luis Romaní A Manuel Sotelo e Hilda Ruiz, mis padres; y a Fabita, mi esposa, por su apoyo para la culminación de la maestría. Raúl Sotelo iv Resumen Ejecutivo Los últimos eventos de crisis financieras han generado muchas controversias sobre el rol que han presentado las clasificadoras de riesgo en los mercados financieros debido a la poca precisión de sus evaluaciones expost y sus cuestionados indicadores de riesgo los cuales son empleados por inversionistas e instituciones financieras en la toma de decisiones al momento de adquirir instrumentos de deuda emitidos por determinado país o corporación. Este contexto ha generado la búsqueda de herramientas alternativas como es el caso de las primas de credit default swap (CDS) cuya evidencia empírica ha demostrado reflejar situaciones potenciales de crisis mucho antes que la valorización de los instrumentos financieros realizado por las agencias clasificadoras de riesgo. En ese sentido, el objetivo de esta investigación en primer lugar será verificar la relación de dependencia entre las primas de CDS y las clasificaciones de crédito soberano, que dicta que cuando un país obtiene una mejora en su rating crediticio, la correspondiente prima de su CDS debería disminuir. En segundo lugar, se validar para qué países no se estaría cumpliendo dicha relación. El análisis se realizó sobre una muestra de 16 países entre el periodo de octubre de 2003 a diciembre de 2011, en la cual se aplicó el Modelo de Corrección de Errores (MCE) propuesto por Engle & Granger. Donde se comprueba que la relación de dependencia entre las primas de CDS y las clasificaciones de crédito soberano no se cumple para Estados Unidos, Alemania y Francia a diferencia del resto de países seleccionados. Lo que lleva a concluir, en parte, que para estos tres países las calificadoras de riesgo no están siendo debidamente objetivas ni guardan los mismos niveles de rigurosidad con que califican a los demás países. Lo que alimentan las críticas que se v ciernen sobre ellas y elevar a la prima de los CDS como indicador adicional de riesgo crediticio. vi Abstract The last events of international crisis have generated many controversies over role than the agencies of risk classification have had in the financial market because of the poor expost evaluation and polemic indicators of risk which have used for investors and financial institutions in the make decisions at the moment when they buy any instrument of debt than a country or company to issue. This context has generated the look for alternatives tools like premium of credit default swap (CDS) how empirical evidence has showed potential situations of crisis before than the valuation of financial instruments estimate for the agencies of risk classification. In that way, the purpose of this investigation first verify the relationship of interdependence between the premium of CDS and the rating of severing credit, than has established when a country obtain a improve in its credit rating at the same time its premium of CDS have to reduce. Second, validate what countries not satisfied that relationship. The analysis made for a sample of 16 countries for the period of October 2003 to December 2011, applied the Error Correction Model developed for Engle & Granger. Where proves there isn’t a relationship of interdependence for United States, Germany and France, that result contrast with the rest of countries. In conclusion, for three countries the rating agencies don’t have an objective and severity analysis when certificated the rest of countries. This situation allows make many criticizes over rating agencies and put the CDS like additional indicators of credit risk. vii Tabla de Contenidos Lista de Tablas………………………………………………………………………..........viii Lista de Figuras……………………………………………………………………………..ix Captítulo I: Introducción:…………………………,…………………….……………………1 1.1 Antecedentes de la Investigación ................................................................................. 1 1.2 Definición del Problema de la Investigación ............................................................... 3 1.3 Propósito de la Investigación ....................................................................................... 4 1.4 Relevancia de la Investigación..................................................................................... 4 1.5 Naturaleza de la Investigación ..................................................................................... 5 1.6 Preguntas de la Investigación....................................................................................... 5 1.7 Marco Teórico .............................................................................................................. 5 1.8 Supuestos de la Investigación ...................................................................................... 7 1.9 Limitaciones de la Investigación ................................................................................ 7 1.10 Delimitaciones de la Investigación .............................................................................. 8 Capítulo II: Marco Teórico…………………………………………….……………….........9 2.1 Revisión de la Literatura .............................................................................................. 9 2.1.1 Historia de las clasificaciones de riesgo. ..................................................................... 9 2.1.2 Metodologías de medición. ........................................................................................ 15 2.1.3 La prima del credit default swap. ............................................................................... 20 2.2 Resumen ..................................................................................................................... 23 2.3 Conclusiones .............................................................................................................. 24 Capítulo III: Metodología de la Investigación ...................................................................... 26 3.1 Diseño de la Investigación ......................................................................................... 26 3.2 Conveniencia del Diseño de Investigación ................................................................ 27 3.3 Población Muestral .................................................................................................... 28 viii 3.4 Características de la Muestra ..................................................................................... 28 3.5 Recolección, Procesamiento y Análisis de Datos ...................................................... 30 Capítulo IV: Análisis y Resultados ....................................................................................... 33 Capítulo V: Conclusiones y Recomendaciones .................................................................... 39 Referencias ............................................................................................................................ 42 Apendices…………………………….…………………………………………………...…49 Apendice A: Lista de Agencias Clasificadoras de Riesgo……………………………… .... 49 Apendice B: Rating crediticios para una Muestra de Paises…………………….…………51 Apendice C: Resultados de la Estimación del Modelo de Corrección de Errores (MCE)……………………………………………………………………………………. 54 Apendice D: Resultados de la Prueba Empírica: Coeficiente de Correlación de Variables 63 Apendice E: Series Mensualizadas de las Primas de los Credit Default Swap (CDS) ........ 63 Apendice F: Series Mensualizadas de los Ratings de las Clasificadoras por País................ 68 Apéndice G: Aplicación de la prueba de Dickey-Fuller Aumentada ……………………... 76 Apéndice H: Aplicación de la prueba de Johansen .……………………………………….78 ix Lista de Tablas Tabla 1. Clasificadoras de Riesgo Reconocidas en EE. UU. (NRSRO). ........................... 10 Tabla 2. Equivalencias entre Clasificaciones de S&P, Moody’s y Fitch .......................... 13 Tabla 3. Muestra de Países Clasificados de acuerdo con el Fondo Monetario Internacional ........................................................................................................ 29 Tabla 4. Resumen Estadístico de Información de Primas CDS ......................................... 32 Tabla A1. Lista de Agencias Clasificadoras de Riesgo ....................................................... 49 Tabla B1. Calificaciones de Deuda de Largo y Corto Plazo por Países ............................ 51 Tabla C1. Resultados de la Estimación MCE para Toda la Muestra .................................. 54 Tabla C2. Resultados de la Estimación MCE Soberanos de paises desarrollados ............. 55 Tabla C3. Resultados de la Estimación MCE Soberanos de pises no desarrollados .......... 56 Tabla C4. Resultados de la Estimación MCE Soberanos de Europa .................................. 57 Tabla C5. Resultados de la Estimación MCE Soberanos de América Latina ..................... 58 Tabla C6. Resultados de la Estimación MCE Soberanos de África .................................... 59 Tabla C7. Resultados de la Estimación MCE Soberanos de Asia ....................................... 60 Tabla C8. Resultados de la Estimación MCE Soberanos de Estados Unidos, Alemania, y Francia ................................................................................................................. 61 Tabla D1. Resultados de la Prueba Empírica Coeficiente de Correlación de Variables… 62 Tabla G1. Resultado de la Prueba de Dickey-Fuller Aumentada ........................................ 76 Tabla H1. Resultado de la Prueba de Johansen ................................................................... 64 x Lista de Figuras Figura 1. Marco de Clasificación Soberana de Standard & Poor’s ……………………...16 Figura 2. Proceso de Clasificación de Standard & Poor’s ……………………………..21 Figura 3. Diseño Cuantitativo de la Investigación…..……………………………………26 Figura E1. CDS Asia: China, Corea………………………………………………………63 Figura E2. CDS Europa: España, Grecia, Irlanda, e Italia……………………………….. 64 Figura E3. CDS América: Perú, Brasil, Chile, Colombia, y México…………………….65 Figura E4. CDS Países Desarrollados: Estados Unidos, Alemania, y Francia…………...66 Figura E5. CDS Rusia y Sudáfrica………………………………………………………..67 Figura F1. Rating Brasil………………………………………………………………..…68 Figura F2. Rating Chile……...............................................................................................68 Figura F3. Rating Alemania ……………………………………………………………...69 Figura F4. Rating China…………………………………………………………………..69 Figura F5. Rating Colombia………………………………………………………………70 Figura F6. Rating Corea…………………………………………………………………..70 Figura F7. Rating Estados Unidos………………………………………………………..71 Figura F8. Rating España………………………………………………………………....71 Figura F9. Rating Francia…………………………………………………………………72 Figura F10. Rating Grecia ……...........................................................................................72 Figura F11. Rating Irlanda………………………………………………………………...73 Figura F12. Rating Italia…………………………………………………………………..73 Figura F13. Rating México …….........................................................................................74 Figura F14. Rating Perú…………………………………………………………………...74 Figura F15. Rating Rusia……………………………………………………………….…75 Figura F16. Rating Sudáfrica ……......................................................................................75 1 Capítulo I: Introducción 1.1 Antecedentes de la Investigación El riesgo soberano es una medida que cuantifica la oportunidad de ocurrencia de que un país se vea imposibilitado de cumplir con sus obligaciones financieras con agentes externos. Un concepto más amplio como el riesgo país empezó a utilizarse a partir de la década de 1950, luego de la Segunda Guerra Mundial, con el surgimiento de la Banca a gran escala, y se introdujo con mayor énfasis en el mundo financiero a partir de la crisis de la deuda de diversos países de Latinoamérica a inicios de la década de 1980 (Iranzo, 2008). La medición del riesgo país incluye la ponderación de distintos factores, entre los que se incluyen: (a) factores económicos y financieros; (b) políticos, (c) históricos, (d) sociales, (e) medioambientales, (f) culturales, y (g) geopolíticos. Las agencias clasificadoras de riesgo ponderan una serie de factores incluidos en la lista anterior y emiten clasificaciones, que son conocidas como rating crediticios. Las agencias de clasificación de riesgo como Standard & Poor’s, Fitch Rating y Moody’s han obtenido mayor atención desde que las fuentes de financiamiento global pasaron de ser acuerdos entre organismos financieros o gobiernos, a instrumentos de deuda como bonos. El rating crediticio tiene una importancia fundamental en el costo del financiamiento, puesto que instrumentos con niveles de riesgo alto son regularmente castigados con una mayor tasa en el mercado, de tal forma que el rendimiento exigido por los inversionistas para estos instrumentos es relativamente más alto que en el caso de instrumentos con mejores ratings. Si bien estas clasificaciones son un indicador del riesgo que un inversionista debe asumir al hacerse de un instrumento de deuda emitido por determinado país o 2 corporación, sus resultados no han estado exentos de críticas, debido a la poca precisión de las clasificaciones evidenciadas en evaluaciones ex/post a eventos de crisis financieras internacionales (Flandreau, Gaillard, & Packer, 2009). Así, por ejemplo, en junio de 1989, Tailandia tenía una clasificación de A- según Standard & Poor’s, y de A2 según Moody’s, en agosto del mismo año. Esta calificación se mantuvo estable hasta septiembre de 1997, en que, en pocas semanas, cambió abruptamente hasta llegar a BBB según Standard & Poor’s, y de A3 a Ba1 según Moody’s. Corea del Sur presenta un caso similar: pasa de A+ en noviembre de 1997 a B- en diciembre del mismo año según Standard & Poor’s, y de A3 en septiembre a Ba1 en diciembre del mismo año según Moody’s. Luego del desencadenamiento de la crisis asiática, Moody’s rebajó cuatro grados el rating crediticio a Tailandia, y 12 grados la calificación de deuda de Corea del Sur (Vilariño, Gallo, & Trillo, 2010). Otra medida de riesgo soberano utilizada comúnmente es el diferencial o spread entre el interés del bono soberano emitido por un Estado y otro de las mismas características temporales, pero reconocido como menos volátil o seguro. Mercados como el europeo usualmente utilizan como referencia los bonos alemanes, mientras que, para otras latitudes, la referencia son los bonos del tesoro norteamericano. Asimismo, los inversionistas se protegen de los riesgos de default a través de seguros específicos, básicamente los Swaps de Incumplimiento de Crédito o Credit Default Swaps (CDS). Si bien la participación de los CDS ha venido disminuyendo dentro del mercado de derivados Over the Counter (OTC), aún representa aproximadamente el 4.5% de este mercado. A pesar de que el uso extendido de este instrumento ha generado controversias por el riesgo sistémico que puede generar, la mayor parte de ellos se transan de acuerdo con los estándares de la International Swaps and Derivatives Association (ISDA) (Humala, 2011). 3 Distintas investigaciones sugieren que la prima del CDS es una variable que refleja la información del mercado acerca del riesgo crediticio del activo subyacente, con un ajuste más rápido a las condiciones del mercado, en contraposición a los ratings crediticios de las agencias clasificadoras de riesgo (Hull, Predescu, & White, 2004; Longstaff, Mithal, & Neis, 2005; Blanco, Brennan, & Marsh, 2005; Flannery, Houston, & Partnoy, 2010; Ismailescu & Kazemi, 2010; Shen & Huang, 2010). Más aún, las agencias de clasificación de riesgo han sido criticadas por su lentitud en proveer información de la calidad crediticia de empresas como Enron, Worldcom, entre otras, luego de sus declaraciones de quiebra entre los años 2001 y 2002 (Shen & Huang, 2010). Asimismo, el rol de las agencias de clasificación de riesgo ha sido debatido durante la crisis financiera internacional de 2007 (Mullard, 2012). Se señala que las clasificadoras de riesgo tendieron a subestimar los riesgos de las empresas que eran sus propios clientes y a las cuales asesoraban (Hnyilicza, 2008). 1.2 Definición del Problema de la Investigación Los recientes sucesos de crisis financiera internacional (como la de las hipotecas subprime en Estados Unidos y de deuda soberana en la zona Euro) muestran que no se viene cumpliendo la relación entre los ratings crediticios, entendido como probabilidad de incumplimiento de pago, y las primas de los CDS, puesto que los mercados reaccionan más rápidamente a través de las cotizaciones de las primas de los CDS que a los cambios en las clasificaciones de riesgo para los bonos soberanos de los países, lo cual viene generando un problema en los inversionistas en tanto que se ha incrementado la incertidumbre para la toma de sus decisiones, debido a la pérdida de confianza sobre la objetividad de las agencias clasificadoras de riesgo. En ese sentido, es importante entender que las primas de los CDS como los ratings crediticios son medidas de riesgo, por lo que deberían tener una misma lógica 4 económica, es decir, deberían desplazarse en el mismo sentido, de tal forma que, si la agencia de clasificación decide una mejora (disminuye la probabilidad de incumplimiento) en el rating, entonces la prima del CDS se reduce, y, si el rating se deteriora (incrementa la probabilidad de incumplimiento), la prima del CDS aumenta, considerada como porcentaje del valor del nocional principal (Humala, 2011). 1.3 Propósito de la Investigación El propósito de la investigación es demostrar que para determinados países no se cumple que las variables de rating crediticio y prima de CDS se muevan significativamente en la misma dirección cuando se quiere medir el cambio de la calidad crediticia; es decir, el rating crediticio de un país debería tener similar representación que la prima del CDS. Si ello no ocurriese, entonces se indicaría que los agentes interpretan la información para cada país de manera distinta. 1.4 Relevancia de la Investigación Este estudio es relevante porque refuerza la propuesta de recientes investigaciones respecto de que la prima de los CDS puede constituirse en un referente sobre las cualidades crediticias para todo emisor soberano, puesto que el mercado en donde se transan los CDS reacciona de manera más rápida que las agencias de clasificación de riesgo, y da información para posibles reajustes en estas calificaciones. En ese orden de ideas, los indicadores de riesgo soberano ejercen un nivel de influencia importante en los inversionistas a la hora de decidir comprar el instrumento y principalmente en los costos en los que se debe incurrir para la cobertura del riesgo, así como en la demanda del instrumento, dado que instrumentos con una percepción de riesgo mayor normalmente son adquiridos por inversionistas amantes al riesgo, pero que asimismo exigen un rendimiento mayor, y con un nivel de demanda distinto a aquel 5 ejercido por los inversionistas adversos al riesgo. Así también, la prima de los CDS tiene un comportamiento distinto según si el activo subyacente es más o menos riesgoso. Cabe indicar que investigaciones similares se han realizado, pero sin tomar en cuenta países como Estados Unidos (EE. UU.) y Alemania, ni periodos de tiempo posteriores a la crisis financiera internacional de 2008 y a la crisis de la deuda soberana Europea que se inició en 2010, por lo que este estudio contribuirá al análisis de la relación entre ratings crediticios y prima de CDS para estos países en estos periodos. 1.5 Naturaleza de la Investigación En la presente investigación se aplicará el MCE propuesto por Engle & Granger (1987) que nos permitirá obtener elasticidades de largo plazo de las variables rating crediticio y prima de CDS, de manera que se vincule el análisis de equilibrio de largo plazo con la dinámica de ajuste de corto plazo entre las variables analizadas. Por tanto en el presente análisis se buscará validar la relación entre los ratings crediticios y las primas de CDS, mas no pretende profundizar en explicar las razones de causalidad ni cualquier otra que pueda haber entre ellas. 1.6 Preguntas de la Investigación La presente investigación pretende responder a la siguiente pregunta: ¿Para qué países o submuestras no se comprueba la relación de interdependencia entre las primas de los CDS de bonos soberanos y los ratings crediticios. 1.7 Marco Teórico Los estudios pioneros acerca de las variables que explican la determinación de una clasificación de riesgo fueron realizados en la década de los noventa. Dichos estudios emplearon un modelo lineal por Mínimos Cuadrados Ordinarios (MCO), con datos de panel, concluyendo que las clasificaciones de riesgo pueden ser explicadas por un conjunto de factores macroeconómicos, tales como: (a) Nivel de actividad; (b) 6 Crecimiento económico; (c) Inflación; (d) Nivel de Endeudamiento; y antecedentes de Default (Borraz, Fried & Gianelli, 2011). Sin embargo, los eventos de crisis financiera internacional han motivado las críticas acerca de las clasificaciones de riesgo y su papel en la identificación previa de riesgos de los activos evaluados. Reinhart (2002), señala que en algunos casos los rating crediticios no constituyen un instrumento eficaz para predecir dificultades financieras, las mismas que podrían desencadenar defaults debido a que en la calificación se otorga pesos a ciertas variables que podrían no ser determinantes en el desencadenamiento de una crisis. Bolton, Freixas & Shapiro (2009) y Mathis, McAndrews & Rochet (2009) señalan que algunos ratings crediticios no correspondían a la realidad y se subestimaron riesgos en la elaboración de los mismos, posiblemente por una colusión entre las agencias de clasificación y los emisores, en desmedro de los inversionistas. Por otro lado, existe evidencia empírica que sugiere que las primas de los CDS se ajustan más rápidamente a los cambios en la calidad crediticia del subyacente que los cambios en los ratings. En este sentido, Norden & Weber (2004) señalan que el mercado de los CDS anticipa reducciones en las clasificaciones de riesgo. Asimismo, Hull, Predescu & White (2004) encontraron que los cambios en las cotizaciones de las primas de los CDS anticipan las modificaciones a la baja (downgrades) de las clasificaciones de riesgo posteriores del subyacente. Shen & Huang (2010) aplicaron el Modelo de Corrección de Errores (MCE) sobre las variables rating crediticio y prima de los CDS para verificar las relaciones entre dichas variables. Los resultados de dicho trabajo han sido validados mediante la estimación de sus datos originales encontrándose resultados similares a los concluidos por los autores. En ese sentido, dicho modelo ha sido replicado para la presente investigación, con la finalidad de verificar las relaciones entre las variables de rating 7 crediticios y primas de los CDS en un período de tiempo y para una muestra de países diferentes. 1.8 Supuestos de la Investigación La premisa fundamental para la validez del MCE es que las variables se encuentren debidamente cointegradas para contrastar las posibles relaciones de equilibrio a largo plazo entre dichas variables, tal y como sugiere la lógica económica. Mientras que los supuestos para el modelo de Mínimos Cuadrados Ordinarios [MCO] se considera: (a) variables lineales y no estocásticas, (b) media cero y varianza homoscedástica, (c) covarianza cero, (d) no existencia de multicolinealidad perfecta, y (e) número de observaciones mayor a parámetros a estimar. Todos estos supuestos son considerados en el proceso de análisis econométrico de la data para verificar si es que efectivamente se puede establecer la relación de variables en estudio. 1.9 Limitaciones de la Investigación La principal limitante de esta investigación es la disposición de los datos de las primas de los CDS en el software financiero Bloomberg debido a que sólo provee dicha información para sus clientes desde el 2003. Para años anteriores es posible conseguir la información contratando un servicio de acceso adicional, lo cual implicaría una inversión en recursos económicos extra. Adicionalmente, no todos los países de la muestra analizada cuentan con CDS para aquellos años (anteriores al 2003) ni tampoco coinciden en su fecha de emisión. Tomando en cuenta lo indicado en el párrafo anterior, se debe resaltar que para realizar las regresiones econométricas se tuvo que hacer coincidir el mismo periodo de tiempo disponible de información de los ratings crediticios con la de las primas de CDS. 8 1.10 Delimitaciones de la Investigación El objeto de estudio está delimitado a una muestra de países elegidos de manera discrecional, y el principal criterio para esta elección fue escoger aquellas economías que efectuaron un mayor aporte a la producción de bienes y servicios de sus respectivas regiones durante el periodo 2003-2011 (FMI, 2011). Además del interés de corroborar la relación entre las variables (rating crediticio y primas de CDS) halladas en investigaciones anteriores para países referentes como EE.UU. y Alemania, así como en países que están o han estado expuestos a eventos de crisis financieras, como España, Grecia, Irlanda, Italia; y otros de economías que han tenido un deterioro menor en estos sucesos como Colombia, Perú, Chile o México. Otro aspecto importante a resaltar como delimitación es que el objeto de estudio corresponde a instrumentos soberanos, no incluyéndose otros como corporativos, municipales y/o regionales. Además, se ha delimitado la información haciendo el corte hasta diciembre de 2011. Finalmente es necesario indicar que el alcance de esta investigación no tiene fin predictivo, por lo que solo se busca estudiar la relación entre las variables durante el periodo 2003- 2011. 9 Capítulo II: Marco Teórico 2.1 Revisión de la Literatura 2.1.1 Historia de las clasificaciones de riesgo. La historia de las agencias de clasificación de riesgo empieza a obtener notoriedad en la década de 1930 en el mercado financiero de los EE. UU. Partnoy (2001) señaló que, en sus inicios, las primeras agencias de clasificación de riesgo eran pequeñas y marginalmente rentables, pero ello cambió cuando los organismos reguladores de ese entonces empezaron a depender de la información proporcionada por los ratings. Así pues, la importancia de los ratings crediticios se incrementó en la época de la regulación bancaria, en la que cada banco que estuviese interesado en ser parte del sistema de la reserva federal tendría que aceptar ser supervisado por los Bancos Centrales de Reserva de los EE. UU. De acuerdo con Gaillard (2011), entre las décadas de 1940 y 1970, hubo un declive pronunciado en los ratings soberanos, debido, en parte, a la baja cantidad de bonos soberanos extranjeros emitidos en EE. UU. en esos años a causa de la grave situación económica y financiera de la posguerra, que motivó el diseño de una nueva arquitectura financiera internacional lanzada en Bretton Woods, que permitió el lanzamiento del Banco Mundial (BM) y el Fondo Monetario Internacional (FMI). La recuperación del mercado de clasificación de riesgo empezó a ocurrir en la década de 1970, con la derogación de la Interest Equalization Tax (IET), impuesto implementado por el presidente John F. Kennedy en 1963, dirigido a desincentivar la inversión fuera del país por parte de los norteamericanos. Por otra parte, otro hito importante en el resurgimiento del mercado de las clasificaciones de riesgo soberano 10 (ver Tabla 1) fue la decisión de Moody’s de clasificar el riesgo de países emisores de activos en monedas distintas al dólar en 1986 (Gaillard, 2011). Tabla 1 Clasificadoras de Riesgo Reconocidas en EE. UU. (NRSRO) Categoría Fecha de Oficina NRSRO/Categoría de rating crediticio registro principal A. M. Best Company, Inc. (A. M. Best) (ii), (iii) y (iv) Sep. 07 EE. UU. DBRS, Inc. (DBRS) (i), (ii), (iii), (iv) y (v) Sep. 07 EE. UU. Egan-Jones Rating Co. (EJR) (i), (ii), (iii), (iv) y (v) Dic. 07 EE. UU. Fitch, Inc. (Fitch) (i), (ii), (iii), (iv) y (v) Sep. 07 EE. UU. Japan Credit Rating Agency, Ltd. (JCR) (i), (ii), (iii) y (v) Sep. 07 Japón Kroll Bond Rating Agency, Inc. (KBRA) (i), (ii), (iii), (iv) y (v) Feb. 08 EE. UU. Moody’s Investors Service, Inc. (Moody’s) (i), (ii), (iii), (iv) y (v) Sep. 07 EE. UU. Morningstar Credit Rating, LLC (Morningstar) (iv) Jun. 08 EE. UU. Standard & Poor's Rating Services (S&P) (i), (ii), (iii), (iv) y (v) Sep. 07 EE. UU. Nota. Adaptado de “Annual report on nationally recognized statistical rating organizations”, de U. S. Securities and Exchange Comission, 2012, marzo. Recuperado de http://www.sec.gov/divisions/marketreg/ratingagency/nrsroannrep0312.pdf (i) Instituciones financieras, brókers o dealers, (ii) Compañías de seguros, (iii) Emisores corporativos, (iv) Emisores de valores respaldados con activos (definidos en el título 17 del Código de Regulaciones Federales § 229.1101(c)), y (v) Emisores de títulos públicos, municipales o valores emitidos por un gobierno extranjero Actualmente, las emisiones de deuda se clasifican en función de su grado de riesgo por varias agencias de clasificación. De acuerdo con Moyer, McGuigan y Kretlow (2005), estas agencias toman en cuenta diversos factores para clasificar los instrumentos de deuda, entre los cuales incluyen los siguientes: (a) estabilidad de sus ingresos, (b) razones de cobertura, (c) cantidad relativa, y (d) grado de subordinación de la deuda en la estructura de capital de la empresa. En los últimos años, la demanda de bonos soberanos se ha visto afectada por la crisis financiera internacional y la crisis de la deuda en Europa. Definición. Una clasificación o calificación de riesgo es una medida que pretende estimar la solvencia crediticia del emisor o una emisión en particular, teniendo como base de 11 escrutinio para la selección de las variables y metodología de clasificación la posibilidad de que el emisor no cumpla con pagar los intereses y nominal pactados en las condiciones y plazos previstos. Las clasificaciones de riesgo realizadas a los emisores constituyen una herramienta de análisis que permite comparar las solvencias de estos emisores en todo el mundo. Asimismo, el rating crediticio también puede asignarse a las emisiones, instrumentos o transacciones específicas. Estas clasificaciones incorporan el análisis de (a) apoyo de terceras partes, (b) colaterales, (c) estructuras, (d) antigüedad, y (e) distintos factores en adición a los analizados para el emisor (Bellver & Fernández, 2005). Los ratings crediticios también se diferencian por el periodo de evaluación: (a) rating de largo plazo, y (b) rating de corto plazo. Los ratings de largo plazo proveen una opinión acerca de la solvencia del emisor o un instrumento en un plazo que se extiende entre tres y cinco años en el futuro, mientras que los ratings de corto plazo evalúan la probabilidad de default durante todo el periodo hasta el vencimiento (maturity) (Langhor & Langhor, 2008). Asimismo, los ratings constituyen una opinión relevante acerca de la posible evolución de la situación de solvencia del emisor en un periodo intermedio de dos años, al que se conoce como perspectiva. Existen tres tipos de perspectivas: (a) estable, en la cual no se prevén variaciones en las cualidades crediticias del emisor; (b) positiva, la cual supone un ajuste que mejore el rating (upgrade); y (c) negativa, que supone una condición inferior al rating vigente (downgrade). Por otro lado, Cantor y Packer (1996) señalaron que el riesgo soberano es una medida de la capacidad de pago de las deudas estatales, con lo cual el concepto tiene que ver con solvencia, pero también cuantifica o debe cuantificar la predisposición del Estado emisor a pagar sus deudas en las condiciones pactadas. Asimismo, Cantor y Packer (1996) afirmaron que las clasificaciones de riesgo soberano son importantes no 12 solo por la relevancia que representan las emisiones internacionales hechas por gobiernos, sino también porque estas calificaciones asignadas afectan a los prestatarios domiciliados en el mismo país, puesto que rara vez las agencias asignan una calificación mayor a una municipalidad, gobierno provincial o empresa privada superior a la asignada al país de origen. En ese orden de ideas, Rojas (2008) afirmó que la relación entre retorno financiero y riesgo es un principio fundamental, puesto que (a) un Estado no puede quebrar, por lo que su nivel de solvencia necesariamente debe ser mayor al de una corporación o empresa privada del mismo país; y (b) el costo de financiamiento de una emisión clasificada como de menor riesgo, esto es, la cantidad monetaria con la que se remunera a los tenedores del instrumento debe ser más bajo que el de una emisión de riesgo mayor. Grado de inversión y grado especulativo. Existen dos grandes segmentos que agrupan la variedad de ratings que representan las clasificaciones emitidas por las agencias de clasificación, y que luego se subdividen en las distintas categorías y niveles (notch) que cada clasificadora utiliza. El primer de ellos es el grado especulativo, el cual indica un mayor nivel de riesgo de crédito; es decir, las agencias encuentran que existen factores latentes que puedan generar una menor capacidad de pago o una cesación en los pagos, con lo que se incurre en default. El segundo grupo corresponde al grado de inversión, mediante el cual la agencia clasificadora emite una opinión favorable respecto de la deuda y la posibilidad de que se cumpla con las condiciones de pago. Para el caso de los ratings soberanos, el que un país se encuentre clasificado dentro del grado de inversión es importante, puesto que es una señal del correcto funcionamiento de su economía, así como de sus instituciones, y, 13 asimismo, es una señal de confianza para que los inversionistas puedan decidir invertir en los instrumentos emitidos por este país. La Tabla 2 muestra los dos niveles de clasificación, así como sus respectivos subniveles. Tabla 2 Equivalencias entre Clasificaciones de S&P, Moody’s y Fitch Características S&P Moody’s Fitch Grado de inversión La más alta calidad, confiabilidad, estabilidad AA A Aa a AA A Alta calidad AA Aa AA Fuerte capacidad de pago A A A Adecuada capacidad de pago BBB Baa BBB Grado especulativo Probable que cumpla con sus obligaciones, incertidumbre continua B B B a B B Situación financiera varía considerablemente B Ba B Vulnerable, dependiente de condiciones económicas favorables para cumplir con sus obligaciones CCC Caa CCC Altamente vulnerable, especulativo CC Ca CC Próximo a default, puede entrar en moratoria C C C Default D D Nota. Adaptado de: “Fitch, Moody’s and S&P’s Sovereign ratings and EMBI Global spreads: Lessons from 1993- 2009). International Research Journal of Finance and Economics, 26, 41-59. Importancia. La importancia de la calificación recibida estriba en el costo del financiamiento que cada país puede acceder. Una mejor calificación de riesgo soberano implica costos más bajos, siguiendo la premisa implícita de los inversionistas de, a mayor riesgo, mayor tasa, y viceversa. Asimismo, la calificación soberana supone un techo sobre las calificaciones de los instrumentos de deuda emitidos por las corporaciones de cada uno de los países, teniendo en cuenta que los instrumentos emitidos por una empresa o corporación no pueden tener una mayor clasificación de riesgo que el país de origen, o en el que se encuentran la mayor parte de los activos. Cabe señalar que las transacciones financieras se desarrollan en contextos en los que existe información asimétrica entre los inversionistas y los emisores. Debido a la complejidad que representa comprender los diversos factores que influyen en el riesgo de los instrumentos emitidos, es necesario un instrumento que posibilite un rápido y fácil 14 acceso a información de las cualidades del instrumento que se va adquirir, de tal forma que se facilite el flujo de inversión. Los ratings soberanos y las agencias de clasificación juegan un rol fundamental en la reducción de la incidencia de información asimétrica a través de la valoración y procesamiento de la información antes de la ejecución de la operación por parte de los inversionistas (Choy, 2007). Utilidad. Samaniego (2008) señaló que el emisor se ve afectado por el rating, debido a que, si el instrumento tiene determinados niveles de riesgo, ello se verá reflejado en el rating de clasificación, y, por lo tanto, en el costo de financiación del emisor. Asimismo, determinados mercados exigen menores niveles de riesgo, lo que se refleja en una alta clasificación. Existe también el efecto en el prestigio para el emisor y publicidad para la emisión. Para los agentes del mercado, el rating es un instrumento de clasificación homogénea del riesgo de distintos instrumentos, que permite una valoración del riesgo más rápida, así como una contribución al aumento de la transparencia y eficiencia de los mercados y su integración. La prima de riesgo es una cantidad de dinero que sirve de incentivo para que un individuo mantenga o compre un instrumento de deuda con un nivel de riesgo mayor a otro de menor riesgo. Es el valor mínimo que, sumado al valor esperado del rendimiento del activo con riesgo, hace que este exceda al valor esperado del rendimiento del activo de menor riesgo, y, de acuerdo con el modelo de fijación del precio de los activos de capital (CAPM), para un nivel de beta determinado, la tasa de rendimiento esperada requerida por los inversionistas para compensar el mayor riesgo 15 2.1.2 Metodologías de medición. La metodología empleada por las tres principales clasificadoras de riesgo incluye una serie de pasos, en los que se analiza información (a) económica, (b) política, (c) financiera, (d) histórica, y (e) social, que se traduce en puntajes basados en estos factores de acuerdo con los procedimientos establecidos por cada agencia. Standard & Poor’s. La metodología utilizada por esta agencia se enfoca en factores que afectan: (a) la voluntad, (b) la habilidad, y (c) capacidad de pago de los gobiernos, en caso de emisiones de deuda soberana a tiempo y en su totalidad. El análisis que realiza esta agencia está centrado en el rendimiento de instrumentos con las mismas características durante anteriores ciclos económicos, y se analizan los factores que fundamentan la solvencia en el futuro o en futuros ciclos económicos. Standard & Poor’s incluyeron cinco factores que fundamentan el rating (Standard & Poor’s, 2011):  Eficacia institucional y riesgo político, del cual se refleja un puntaje que mide la característica del perfil político.  Estructura económica y perspectiva de crecimiento, reflejada en un puntaje que mide factores de igual modo políticos.  Liquidez externa y posición de inversión internacional, que conforma la dimensión fiscal del puntaje.  Flexibilidad monetaria, reflejada en la dimensión monetaria del rating. Cabe anotar que la clasificación crediticia puede ser mayor para instrumentos en moneda local que para moneda extranjera, puesto que el país emisor tiene poder para decidir aspectos particulares en sus políticas monetarias y fiscales, y tomar medidas al 16 respecto como emisión de moneda local y reglamentación del sistema financiero nacional. Asimismo, el rating revisa: (a) el historial de defaults del país emisor; (b) los efectos de la recesión global entre los años 2008 y 2009; y (c) la fortaleza de las emisiones soberanas, comparada con otros emisores (ver Figura 2). Figura 1. Marco de Clasificación Soberana de Standard & Poor’s. Adaptado de “Sovereign government rating methodology and assumptions”, de Standard & Poor’s. 2011, junio. Recuperado de http://www.standardandpoors.com Los puntajes en la dimensión política incluyen analizar: (a) la eficacia, previsibilidad y estabilidad de las políticas del país emisor y sus instituciones; (b) transparencia y claridad en los procesos de rendición de cuentas de sus instituciones y órganos de gobierno; (c) cultura de pago en el país emisor; (d) riesgos de seguridad externa (factores de ajuste potenciales); y (e) efectos potenciales de organizaciones externas en la configuración de las políticas de gobierno. 17 La dimensión económica es evaluada sobre la base de los siguientes factores: (a) nivel de ingresos, basados en el Producto Bruto Interno (PBI) per cápita; (b) perspectivas de crecimiento; y (c) diversidad económica y volatilidad. Niveles de PBI per cápita de USD35,000 a más dan un puntaje de uno en la dimensión económica, entre USD35,000 a USD25,000 otorgan un puntaje de dos, entre USD25,000 a USD15,000 significan tres puntos, de USD15,000 a USD5,000 dan cuatro puntos, entre USD5,000 a USD1,000 dan cinco puntos, y de USD1,000 a menos otorgan seis puntos. También se evalúa la capacidad del país de generar ingresos desde el exterior, necesarios para cumplir con sus obligaciones para con los no residentes; específicamente se refiere a las transacciones y posiciones de todos los residentes frente a los no residentes, debido a que el saldo de estas operaciones afecta los tipos de cambio. La calificación fiscal refleja la sostenibilidad de los déficits del emisor y la carga de deuda. Esta medida considera: (a) la flexibilidad fiscal, (b) tendencias fiscales a largo plazo, (c) vulnerabilidades, así como (d) la estructura de deuda y acceso a fuentes de financiamiento y riesgos potenciales derivados de los pasivos contingentes. Fitch Ratings. La metodología que plantea esta clasificadora de riesgo es una síntesis de juicios cualitativos y cuantitativos que captan la voluntad y capacidad de pagar por parte de los emisores. Fitch Ratings incluye cuatro factores clave para la conformación del rating soberano (Fitch Ratings, 2012):  Rendimiento macroeconómico y perspectivas.  Características estructurales de la economía que la hacen más o menos vulnerable a las crisis, incluidos: (a) riesgos macroeconómicos, (b) finanzas públicas, y (c) riesgo político, entre otros. 18 ● Finanzas públicas, incluidas: (a) estructura y sostenibilidad de la deuda pública, así como (b) el financiamiento fiscal. ● Finanzas externas, con especial énfasis en (a) la sostenibilidad del superávit/déficit de la balanza comercial, (b) financiamiento del gasto corriente y flujo de capitales, así como (c) el nivel y estructura de la deuda externa (pública y privada). Moody’s. Moody’s (2008) señaló que no existe ningún modelo cuantitativo que capture la maraña de factores que pueden conducir a un gobierno a no cumplir con sus obligaciones, e incluso un gobierno puede decidir no pagar sus obligaciones teniendo los recursos para hacerlo. A través de tres etapas, la metodología de Moody’s permite construir el marco analítico que permite obtener la clasificación: 1. Paso 1: Resilencia de la economía del país: este paso consiste en determinar la capacidad de soportar crisis económicas por parte del país, analizando dos factores clave:  Fortaleza económica, a través de indicadores como el PBI per cápita.  Fortaleza institucional del país, a través de parámetros como (a) respeto a los derechos de propiedad intelectual, (b) transparencia, (c) eficiencia, (d) predictibilidad de las acciones del gobierno, (e) grado de consenso de los objetivos de acción política, y (f) el respeto a los contratos. 2. Paso 2: Robustez de las finanzas públicas: el segundo factor se enfoca en cuestiones de deuda y, de manera particular, en los siguientes factores: ● Fortaleza financiera del gobierno, estimada a través de su capacidad para adoptar medidas que permitan: (a) elevar impuestos, (b) cortar gastos, (c) vender activos, y (d) obtener divisas, entre otros. 19 ● Susceptibilidad a eventuales riesgos, en la que se trata de determinar la sensibilidad del país ante eventos externos que puedan originar una baja en la clasificación (downgrade). 3. Paso 3: Determinación de la clasificación: este paso consiste en ajustar el grado de resilencia al grado de robustez de las finanzas públicas, lo cual resulta en la identificación de un rango de clasificación. Proceso de clasificación El proceso de calificación y asignación de rating incluye dos tipos de análisis: (a) cuantitativo, y (b) cualitativo, y examina diversos factores clave que pueden incidir directa o indirectamente en la posibilidad de incumplimiento de la obligación. Para las calificaciones de ratings soberanos, el análisis incluye, además, un análisis de los factores políticos y sociales, como se había anotado. Bellver & Fernández (2005) señalaron que, desde que la agencia de clasificación recibe el pedido hasta que este es publicado, se lleva a cabo el siguiente proceso: 1. Equipo de análisis: en esta etapa, se designa un equipo de análisis, así como al analista principal, quienes reciben y analizan la información de fuentes primarias y secundarias. 2. Reunión con la administración: se llevan a cabo reuniones con los representantes del emisor para discutir los aspectos más importantes de la evaluación, así como para recoger detalles no claros o faltantes para la evaluación. 3. Reunión con el Comité de Rating: el equipo de análisis presenta su trabajo ante un equipo de analistas senior, o ante los analistas de más amplia experiencia, y se promueve una discusión abierta en la que los distintos aspectos son tomados en cuenta y se establece la decisión de clasificación final. 20 4. Comunicación: el analista principal comunica el resultado de la clasificación a los representantes del emisor, así como los fundamentos en los que el Comité se ha basado para llegar a ese resultado. 5. Apelación: si el resultado propuesto no cumple las expectativas del emisor, este puede apelar por medio de la entrega, de ser el caso, de nueva información que no se haya tomado en cuenta. No se publica el rating hasta que haya una decisión final por parte del Comité de Rating. 6. Publicación: se da a conocer el rating en medios impresos y en los boletines electrónicos. Los agentes reciben la información a través de distintos sistemas como el CreditWire de Standard & Poor’s. 7. Supervisión: Las agencias de clasificación hacen un seguimiento de las clasificaciones asignadas. Se llevan reuniones anuales con el equipo designado por el emisor para mantener actualizada la información que posibilitó la clasificación. En caso de que los acontecimientos permitan la posibilidad de cambios, se realiza el credit outlook, en el que se puede variar la perspectiva a positiva, estable o negativa (ver Figura 3). 2.1.3 La prima del credit default swap. La prima del CDS o prima de permuta de incumplimiento crediticio, como se le conoce por su traducción al español, es una operación financiera que básicamente se utiliza para cobertura del riesgo de default que asume el inversionista cuando adquiere un instrumento de deuda como un bono, el cual es materializado mediante un swap o contrato de permuta. El spread o prima del CDS es el importe que el inversionista y adquiriente del contrato swap debe pagar de manera periódica para que, en caso de que ocurra un incumplimiento del pago por parte del emisor, el inversionista reciba una 21 cantidad determinada de dinero, que, en algunos casos, puede ser el nominal del bono, por parte del vendedor del swap, quien se obliga a pagarlo. Figura 2. Proceso de Clasificación de Standard & Poor’s. Adaptado de “Criterios y procesos de decisión para definir un rating”, de A. Bellver & M. Fernández, 2005. Revista Económica de Castilla-La Mancha, 6, pp. 155-169. Los objetivos de un CDS son distintos, y pueden ser desde coberturarse ante la posibilidad de default o hedging hasta fines especulativos. Asimismo, el propósito puede ser realizar arbitrajes, capturando la ganancia que se produce comprando y vendiendo CDS sobre valores de deuda. Incluso, luego de adquirir el CDS, el comprador se enfrenta a un riesgo, que es conocido como el riesgo de contraparte, el cual ocurre cuando el vendedor del CDS no emite el pago pactado cuando ocurre la cesación de pagos del subyacente, suceso conocido como credit even. 22 Existen distintas metodologías para la valoración de los CDS, tales como el modelo de probabilidad, en el que se toma el valor actual de una serie de flujos ponderados por la probabilidad de no incurrir en default. En este método, se sugiere que los CDS deben operar con un margen menor que los bonos corporativos (Halm-Addo, 2010). Por otra parte, en el modelo de no-arbitraje, se asume que no hay riesgo de arbitraje tomando como referencia la tasa LIBOR (Duffie & Singleton, 1997) como tasa libre de riesgo y el rendimiento de los bonos del tesoro norteamericano (Hull & White, 2000). Mediante estas metodologías, se establecen los precios teóricos de las primas de CDS. Algunas de estas son más o menos teóricas que otras, tomando en cuenta estimaciones del ratio de recuperación y la probabilidad de default (Hull & White, 2000), pero la manera más usual de obtener el valor de la prima del CDS es a través de la calculadora de swaps de Bloomberg, en la que se accede a la información y puede mostrarse con base en (a) el país del emisor, (b) moneda, y (c) rating, entre otros. Asimismo, desde el año 2001, se han venido realizando esfuerzos para establecer índices de CDS comerciales. Distintos índices fueron creados desde ese año, pero no cumplieron los requisitos de liquidez exigidos por los inversionistas. En el año 2004, se crearon los índices CDS Dow Jones e iTraxx, y, en el corto plazo, estos ganaron aceptación dentro del mercado crediticio para sus respectivos mercados en Norteamérica y Europa (Rajan, McDermott, & Roy, 2007). El índice iTraxx Crossover mide la capacidad de las empresas de resarcir sus deudas, indicando el nivel de solvencia de las mismas. Su importancia radica en que fue uno de los primeros índices que mostró la crisis de la deuda europea (Arce, González, & Sanjuan, 2010). De acuerdo con Hull, Predescu y White (2004), los cambios en los valores establecidos por el mercado (OTC) de las primas de los CDS predicen con anticipación posteriores cambios en los ratings crediticios, principalmente cuando el ajuste ocurre 23 hacia la baja (downgrade) en un porcentaje significativo. Estos resultados refuerzan la idea de que los cambios en las primas del CDS anticipan la posterior modificación de los ratings crediticios, por lo menos cuando el ajuste es hacia la baja. Flannery, Houston & Partnoy (2010) evaluaron la viabilidad de que las primas de los CDS sustituyan a los ratings crediticios, con base en una muestra de instrumentos de deuda de 15 instituciones financieras entre los años 2006 y 2009, y mostraron que estos incorporan información acerca de la calidad crediticia más rápido que los ratings crediticios. Ismailescu y Kazemi (2010) señalaron que los ajustes al alza de los ratings soberanos (upgrade) tienen un impacto más consistente en el mercado de los CDS para los subyacentes emitidos por países emergentes que los ajustes a la baja. No obstante, en ese estudio, también se señala que las primas de los CDS se mueven en las direcciones esperadas en previsión de noticias de calificación crediticia, sea esta al alza o a la baja. Sheng y Huang (2010) encontraron que las modificaciones en las primas de los CDS como en los ratings crediticios se mueven en la misma dirección, y que ambas variables son interdependientes en el largo plazo y convergen en la misma dirección en el corto plazo. Dada esta situación, los investigadores señalan que es recomendable fijarse en los cambios en las primas de los CDS como medida de anticipo a cambios en los ratings crediticios y en las futuras calificaciones crediticias de los instrumentos de deuda. 2.2 Resumen Se ha señalado la importancia y características de los ratings crediticios, así como las distintas metodologías empleadas para la clasificación de riesgo de instrumentos que pueden ser soberanos o corporativos, entre otros. Los elementos tomados en cuenta para los ratings crediticios tienen componentes cuantitativos, con metodologías distintas de acuerdo con la agencia clasificadora, pero que tratan de medir 24 dimensiones parecidas que den cuenta de la solvencia del emisor, y también se consideran aspectos cualitativos que tienen un manejo distinto en cuanto a su sistematización y aplicación. Se ha explicado la metodología de clasificación de las tres principales agencias: (a) Standard & Poor’s, (b) Moody’s, y (c) Fitch. Asimismo, se ha hecho un recuento del papel desempeñado por las agencias de clasificación en distintos periodos, principalmente en la historia financiera de los EE. UU. Y también se ha explicado en qué consisten los CDS y las primas de los CDS, así como las conclusiones de distintas investigaciones realizadas para evaluar el nivel de asociación entre las variables de primas de CDS y rating crediticio. 2.3 Conclusiones Distintas investigaciones señalan que hay una relación entre las primas de los CDS y los ratings crediticios, y que, en algunos casos, el mercado de los CDS anticipa los futuros reajustes en las clasificaciones de riesgo de los activos subyacentes a los CDS. En trabajos como los realizados por Imailescu y Kazemi (2010), se señaló que el impacto de los ajustes en las clasificaciones de riesgo tiene distintos niveles de contundencia en los mercados de los CDS, y estos son más directos cuando se produce un upgrade; sin embargo, se espera que la dinámica de ambas variables se realice en la misma dirección. Por su parte, Sheng y Huang (2010) señalaron que los cambios en las primas de CDS son una medida que puede anticipar cambios en ratings crediticios, pues sus modificaciones generalmente son seguidas por posteriores ajustes en los ratings. Estos aspectos conforman la base teórica sobre la que se parte para confirmar los resultados del estudio, que, además, se han contrastado de acuerdo con el modelo utilizado por Sheng y Huang (2010), para verificar si las evidencias señaladas por las 25 investigaciones citadas corresponden o no con lo que se puede observar en este trabajo y con los resultados del mismo. Debido a que el mercado de los CDS se empezó a desarrollar en la década de 1990, la data disponible para analizar los cambios en los spreads es limitada, y las investigaciones realizadas en este tema son relativamente menores respecto de otros temas de investigación en las finanzas, por lo que se trata de un campo de investigación nuevo, que tomó una mayor atención por parte de distintos agentes a partir de la crisis financiera internacional y el rol de las agencias de clasificación de riesgo en esa crisis. 26 Capítulo III: Metodología de la Investigación 3.1 Diseño de la Investigación Según Hernández, Fernández-Collado y Baptista (2010), una vez determinado el problema, especificado el alcance inicial del estudio y planteadas las preguntas de investigación, se debe buscar la manera de responderlas mediante la adecuada elección de su diseño de investigación. Siguiendo a Campbell y Stanley (1966), los diferentes tipos de diseños pueden clasificarse de la siguiente manera: (a) investigación no experimental, e (b) investigación experimental (ver Figura 3). Dada las características del presente estudio, es que se utilizará un diseño del tipo no experimental, por la dimensión temporal en la que se recolectan los datos y porque emplea variables que no pueden ser manipuladas. (Mertens, 2005). Diseño de la investigación No experimental Experimental Transeccionales Preexperimentos Exploratorio Cuasi experimentos Descriptivo Experimentos “puros” Correlacional-causal Longitudinal Diseño de tendencia Diseño de análisis evolutivo de grupos Diseños panel Figura 3. Diseño Cuantitativo de la Investigación. Nota. Adaptado de “Metodología de la Investigación,” de R. Hernández, C. Fernández, y P. Baptista, 2010, México D.F.: Mc Graw Hill. 27 3.2 Conveniencia del Diseño de Investigación Dado que el diseño de investigación es del tipo no experimental, su conveniencia radicará cuando de manera conjunta se analice las series de tiempo a través de un modelo de datos de panel (diseño transeccional) y se encuentre la correlación-causal (diseño longitudinal) entre las variables de rating crediticio y primas de CDS. A manera de ilustración, en un análisis de series de tiempo se observan valores de una o más variables en un determinado periodo, como la evolución de la serie rating crediticio de Perú entre octubre de 2003 y diciembre de 2011. Por otra parte, en un análisis de corte transversal los valores de una o más variables se compilan para varias unidades muéstrales en un mismo punto en el tiempo, por ejemplo, la variable rating crediticio de Perú de las tres clasificadoras de riesgo: Moody’s, S&P y Fitch Rating. En el caso de los datos de panel se presentan la dimensión de espacio y tiempo, por ejemplo la evolución de la serie rating crediticio de Perú entre octubre de 2003 y diciembre de 2011 de tres clasificadoras de riesgo: Moody’s, S&P y Fitch Rating. En ese sentido, una ventaja de los datos de panel es que permite utilizar un conjunto de datos de manera más informativa, es decir que es capaz de recoger con mayor precisión la variabilidad en los datos, tanto la existente entre las variables como las que se revele a lo largo del tiempo. Según Gujarati (2004), se dice que un proceso estocástico es estacionario si su media y varianza son constantes en el tiempo, mientras que en un proceso no estacionario estas varían. La estimación de una regresión con variables no estacionarias es espuria (carece de significancia económica) salvo que esté cointegrada. En ese sentido, el concepto de raíz unitaria e integración obligan a determinar si los residuos son estacionarios. A nivel formal, esta estacionariedad puede verificarse averiguando si la serie de tiempo no contiene una raíz unitaria, mediante la prueba de 28 Dickey Fuller aumentado, con lo que se puede concluir que la serie es estacionaria y esta cointegrada. Tomando en consideración, lo explicado anteriormente, se aplica el MCE para afianzar la relación significativa entre las variables de estudio con carácter bidireccional y que en el largo plazo converjan al equilibrio. 3.3 Población Muestral Los datos que se analizarán en la investigación son los concernientes a los ratings crediticios de los bonos soberanos y sus correspondientes primas de CDS. Según García y Vicéns Otero (2000), el rating es la probabilidad de incumplimiento de pago, que en la actualidad, cobra relevancia, debido a la crisis acontecida en los mercados financieros. Dichos rating son emitidos por diferentes agencias calificadoras de riesgo que en la actualidad suman aproximadamente 75 empresas (ver Apéndice A). Por otra parte, las primas de CDS son instrumentos derivados que proporcionan cobertura contra el riesgo de incumplimiento del emisor de un bono o deuda (Humala, 2011). Teniendo en cuenta lo anterior, la presente investigación toma como población a todos los países que forman parte del FMI (188 países), con obligaciones de deuda soberanas (los cuales presentan una calificación de rating) y con contratos de CDS vigentes para las mismas. 3.4 Características de la Muestra Para el presente trabajo se utilizará el muestreo por conveniencia que, de acuerdo a McMillan y Schumacher (2001), se define como un procedimiento de muestreo cuantitativo donde el investigador selecciona a los participantes de acuerdo a su disposición y disponibilidad para ser estudiados. 29 En línea con lo anterior, los países de la muestra serán seleccionados de manera discrecional, teniendo en cuenta su aporte a la producción de bienes y servicios en sus respectivas regiones durante el periodo 2003-2011 (FMI, 2011) y por mostrar eventos recientes sobre su deuda soberana. En la Tabla 3 se muestran los 16 países seleccionados de acuerdo a la clasificación sugerida por Nielsen (2011), con la finalidad de realizar un análisis por sub muestras que se discutirá en el capítulo IV. Tabla 3 Muestra de Países Clasificados de acuerdo con el Fondo Monetario Internacional Deudores-soberanos Regiones P aíses desarrollados EE. UU. América del Norte Alemania Europa Francia Europa España Europa Italia Europa Grecia Europa Irlanda Europa Rusia Europa Países en desarrollo Sudáfrica África Corea Asia China Asia Colombia América del Sur México América del Norte Chile América del Sur Brasil América del Sur Perú América del Sur Nota. Tomado de “Classifications of countries based on their level of development: How it is done and how itcould be done”, de Nielsen, L., 2011, IMF Working Paper. Por otro lado, según Reisen (1999), las calificadoras de mayor prestigio y con una cobertura mayor del 80% de las valoraciones de riesgo soberano en el mundo están representadas por: (a) Standard & Poor’s, (b) Fitch Rating, y (c), Moody’s, esto permitirá considerarlas a dichas clasificadoras como muestra representativa. Cabe destacar que existe una elevada similitud entre los niveles de calificación empleados por las tres agencias antes mencionadas. En el Apéndice C se aprecia las calificaciones y sus respectivas equivalencias entre las nomenclaturas empleadas por las 30 empresas clasificadoras, de acuerdo con lo extraído de Bloomberg, en la valoración de la deuda soberana en moneda extranjera emitida a corto y largo plazo, actualizado a septiembre de 2012. Finalmente, se emplearán datos de primas de CDS con plazo de maduración de cinco años por ser usado como medida estándar de riesgo (Fonseca & Gottschalk, 2012). Cabe resaltar que esta información varía en la muestra porque las fechas de iniciación de los contratos de las primas de CDS por cada país son diferentes. 3.5 Recolección, Procesamiento y Análisis de Datos Respecto a la recolección de datos, tanto las primas de CDS como los rating crediticios (de las tres calificadoras de riesgo) fueron recopilados del software financiero de Bloomberg entre el período de octubre 2003 a diciembre 2011, debido a la disponibilidad de datos para la muestra de los 16 países. En relación al procesamiento de las variables se obtuvieron con una frecuencia mensual, las cuales fueron procesadas de la siguiente manera: los rating crediticios fueron obtenidos en valores nominales, es decir en escala de letras, de cada una de las clasificadoras de riesgo, estas fueron uniformizadas en escala equivalente a Moody’s de acuerdo a la Tabla 2. Una vez estandarizadas a una sola escala, los valores nominales se transformaron a valores porcentuales por medio de la tabla de ratios de incumplimiento promedio acumulado (1983-2011), publicada por Moody’s Investors Service (2011). Las primas de los CDS se obtuvieron en puntos básicos, los cuales se multiplicaron por 100 para expresarlos en valores porcentuales y así manejar una misma escala para ambas variables pudiendo ser comparables. Posteriormente, para el análisis de datos se realizaron dos tipos de pruebas, una empírica y otra basada por el modelo econométrico (MCE) propuesto por Engle y Granger. En el primer caso, se utilizará la función estadística del coeficiente de correlación para determinar la relación entre las variables (ver Apéndice D). Y en el 31 segundo caso, se ingresarán las series obtenidas (valores de las variables) en el software econométrico Eviews 7.0. Se realizó la prueba de raíz unitaria del Dickey-Fuller aumentada para determinar la no estacionariedad de las series, en la cual la hipótesis nula es que la serie posee raíz unitaria. Los resultados de la prueba no rechazaron la hipótesis nula al 95 por ciento de confianza para toda la muestra (países desarrollados, países en desarrollo, Europa, Latinoamérica, África y Asia). Lo cual significa que las series de dichas submuestras son no estacionarias. (Ver apéndice G). En este sentido, como la no estacionariedad frecuentemente puede dar resultados sin sentido económico será necesario el uso de métodos de cointegración como la prueba de Johansen, Esta prueba nos permite determinar si existe cointegración entre dos o más series de tiempo, es decir determinar si dichas series presentan una relación de equilibrio o de largo plazo entre ellas. Al aplicar esta prueba se obtuvo que al 95 por ciento de confianza, hay presencia de cointegración para todos los casos salvo para el de la submuestra de Estados Unidos, Alemana y Francia (Ver apéndice H). Adicionalmente, al análisis anterior, en la Tabla 4, se presentan las estadísticas básicas de las primas de CDS para la muestra de países escogida, y éstas son fijadas sobre el monto principal, y, por lo tanto, no requieren ajustes de la tasa libre de riesgo. La más baja prima de CDS se encuentra en (a) EE. UU., y (b) Alemania, que son solo de 38.20 y 32.77, respectivamente. Por el contrario, las primas de CDS más altas se encuentran en (a) Grecia, y (b) Irlanda, y son de 897.66 y 316.27, respectivamente. 32 Tabla 4 Resumen Estadístico de Información de Primas CDS Deudores-soberanos Promedio D. E. Mínimo N Periodo de la muestra EE. UU. 38.20 17.85 7.82 49 2007.12-2011.12 Alemania 32.77 31.47 1.98 106 2003.03-2011.12 Francia 43.72 60.36 1.45 106 2003.03-2011.12 España 123.60 158.47 2.07 99 2003.10-2011.12 Italia 90.71 125.37 5.57 106 2003.03-2011.12 Grecia 897.66 2362.32 4.96 106 2003.03-2011.12 Irlanda 316.27 264.78 19.77 48 2008.01-2011.12 Rusia 186.11 150.85 39.00 108 2003.01-2011.12 Sudáfrica 130.13 90.15 26.41 108 2003.03-2011.12 Corea 89.78 82.87 15.03 108 2003.03-2011.12 China 58.03 46.99 10.63 108 2003.03-2011.12 Colombia 253.73 167.32 75.95 108 2003.03-2011.12 México 127.89 77.94 30.79 108 2003.03-2011.12 Chile 69.50 55.36 13.01 108 2003.03-2011.12 Brasil 307.49 325.18 66.64 108 2003.03-2011.12 Perú 189.19 102.24 66.10 99 2003.11-2011.12 Nota. Datos procesados en el software econométrico EVIEWS 7. Obtenido de Bloomberg (www.bloomberg.com). 33 Capítulo IV: Análisis y Resultados En el presente estudio, se utilizará la metodología del MCE en dos etapas con el objetivo de analizar la dinámica que existe entre las primas de CDS y ratings crediticios en el largo plazo a fin de determinar la relación existente entre ambas. Para ordenar las variables analizadas, se usará el modelo de datos de panel debido a la disponibilidad de los datos por (a) países (i = países), y (b) por tiempo (j = meses). Utilizando la información obtenida por Bloomberg para el periodo de octubre de 2003 a diciembre de 2011 de la base de datos para 16 países considerados en la muestra, que contiene información sobre las primas de CDS y los ratings de las tres calificadoras analizadas: (a) Moody’s (Rating1), (b) S&P (Rating2), y (c) Fitch Rating (Rating3), se procederá a aplicar el modelo de datos de panel, el cual permitirá identificar la relación entre Ratingt y CDSt, la cual debe ser relación positiva si refleja correctamente la teoría económica; esto quiere decir que, cuanto mejor calificación crediticia reciba un país (menor probabilidad de incumplimiento), menor será la prima de CDS que se pagará por la adquisición de deuda de dicho país. Para la primera parte del MCE, se estiman los residuos al regresionar las variables ratings crediticio contra las primas de CDS mediante el modelo de MCO, con la finalidad de considerar lo que no es explicado por la variable independiente. A continuación, se presentan las ecuaciones: 𝑅𝑎𝑡𝑖𝑛𝑔𝑖𝑡 = ∝1𝑖+ ∝2𝑖 𝐶𝐷𝑆𝑖𝑡 + 𝑒𝑖𝑡 (1) ∆𝑅𝑎𝑡𝑖𝑛𝑔 𝑘 ℎ𝑖𝑡 = 𝛽1𝑖 + 𝜆1𝑖?̂?𝑖𝑡−1 + ∑𝑗=1 𝛽2𝑖 ∆𝐶𝐷𝑆𝑖𝑡−𝑗 + ∑𝑗=1 𝛽3𝑖 ∆𝑅𝑎𝑡𝑖𝑛𝑔𝑖𝑡−𝑗 + 𝜀𝑖𝑡 (2) Donde el subíndice i significa la i-esima unidad transversal, t el tiempo t y Δ son las siglas de las primeras diferencias de las variables, con la finalidad de analizar la evolución de las mencionadas variables. 34 La ecuación (1) describe la relación “a largo plazo” entre Ratingit y CDSit. Granger (1988) señala que existen dos fuentes de causalidad en el MCE. En primer lugar, las primeras diferencias con rezagos de Ratingit y CDSit explican ΔRatingit en el corto plazo. En segundo lugar, el término de corrección de error incorpora la relación a largo plazo entre las dos series para explicar la primera diferencia de la variable objetivo. Cuando el término de corrección de error es negativo, el 𝑅𝑎𝑡𝑖𝑛𝑔𝑡 rezagado es más pequeño que el rezago (α1𝑖 + α2𝑖CDS𝑖𝑡 ), y esto es observable en el equilibrio a largo plazo. Esto indica que la tasa de crecimiento de esa variable debe ser negativa con la finalidad de que, periodo tras periodo, esta variable CDS llegue a converger a la variable rating. Así las fluctuaciones de corto plazo se irán corrigiendo en el largo plazo. Dado que el MCE es bidireccional, se estimará la relación entre rating contra CDS, y CDS contra rating. Se presentan a continuación las ecuaciones para la siguiente parte del estudio: 𝐶𝐷𝑆𝑖𝑡 =∝1𝑖+ ∝2𝑖 𝑅𝑎𝑡𝑖𝑛𝑔𝑖𝑡 + 𝑒𝑖𝑡 (3) ∆𝐶𝐷𝑆𝑖𝑡 = 𝛽1𝑖 + 𝜆 𝑘 ℎ1𝑖?̂?𝑖𝑡−1 + ∑𝑗=1 𝛽2𝑖 ∆𝐶𝐷𝑆𝑡−𝑗 + ∑𝑗=1 𝛽3𝑖 ∆𝑅𝑎𝑡𝑖𝑛𝑔𝑡−𝑗 + 𝜀𝑖𝑡 (4) Ambos MCE se estimaron en una aplicación de dos etapas, donde el modelo de MCO se utiliza para estimar el nivel de las relaciones entre ratings y la prima de CDS, y producir los residuos para cada una de las variables. El Método Generalizado de Momentos (MGM) es utilizado también para estimar las regresiones de primera diferencia (en las ecuaciones 2 y 4) para los datos de panel dinámico. El MGM es capaz de producir estimaciones consistentes entre residuos y efectos fijos individuales de cada variable. En ese sentido, se debe resaltar que el número de rezagos utilizados es dos (2), debido a sus implicancias 35 económicas más que elegir algún otro número más grande. Resultados Para todos los países de la muestra En la Tabla C1, del Apéndice C, se observa que, para el Panel A, los coeficientes son significativos, es decir, cuando CDSt es regresionado contra Ratingt (Rating1, Rating2 y Rating3), el efecto de esta última sobre CDS es 63.37, 101.88 y 89.47, respectivamente. Nótese que el signo para todos es el esperado a la lógica económica, es decir, el modelo predice que, ante el incremento de un punto básico en la probabilidad de default (y, por lo tanto, de mejora de su clasificación de riesgo o rating) por parte de las agencias clasificadoras en estudio, el valor del CDS se incrementa en 63.37, 101.88 y 89.47 puntos básicos. Esto avala la relación directa a largo plazo entre las dos series de primas de CDS y ratings. ¿Qué sucede con los CDS y rating en el largo plazo? Como se puede apreciar en el Panel B, los resultados muestran dos puntos importantes: (a) el coeficiente es negativo, lo que quiere decir que, si bien existen discrepancias entre el CDS y los ratings en el corto plazo (lo que sucede en la realidad), estos valores convergen en el largo plazo, que se refleja en el signo negativo que acompaña al termino de corrección de error (-0.017, -0.021 y -0.012); y (b) los rezagos de la variable rating influyen y explican el movimiento de CDS (82.605, 193.302 y 177.12), es decir, el pasado histórico de rating explica empíricamente la tasa de crecimiento de los CDS. Con la finalidad de explicar en más detalle se emplearán sub muestras por países y regiones geográficas, para explicar la relación entre las calificaciones de crédito y las primas CDS. 36 Países desarrollados Al agrupar a los países por la categoría de desarrollados, se cumple la relación esperada entre CDS y ratings, dicho resultado se muestra en el Panel A de la Tabla C2. Por otra parte, los coeficientes de los términos de corrección de error son, en su mayoría, significativos y negativos, y, además, el rezago del ΔCDSt-1, muestra que está correlacionado en sentido contrario, pero en menor grado que el de los rezagos de los tres indicadores de rating. Países en desarrollo En la Tabla C3, se muestran los resultados para la agrupación de países por la categoría en desarrollo de todas las estimaciones de ambos paneles. Los resultados del Panel A muestran en término de signo y significación estadística consistencia, debido a que presentan la relación esperada. En el Panel B, solo se aprecia que el rezago del CDS explica la variable ΔCDSt. Europa En el Panel A de la Tabla C4, se cumple la relación esperada entre los CDS y los tres indicadores de ratings. En el Panel B, se refuerza esta relación a causa de emplearse el MCE, y permite analizar la relación entre las dos variables aislando los quiebres estructurales presentados dentro del periodo analizado. Además, el rezago del ΔCDSt-1, muestra que está relacionado en sentido contrario, pero en menor grado que el de los rezagos de los tres indicadores de rating (-0.48, -0.550, -0.497 versus 114, 309, 291). América Latina En el Panel A de la Tabla C5, se observan los mismos resultados que en 37 el grupo anterior, es decir, se confirma la relación entre CDS y ratings. Del Panel B, los coeficientes de los términos de corrección de error son todos significativos y negativos. El ΔCDSt no es explicado por ΔRatingt rezagados en dos periodos, por no ser significativos, a diferencia de los CDS rezagados, los cuales sí logran explicarlo significativamente. África Para África, en el Panel A de la Tabla C5, se confirma la relación entre el CDS y rating. En el Panel B, el resultado implica que las primeras diferencias de la serie de los prima CDS convergen al equilibrio establecido a partir de la regresión de largo plazo. Asia Cuando se considera únicamente a los países asiáticos, el signo no es el esperado, pues, en este caso, resultan ser negativos (-122.850, -79.222, -185.206), y, por tanto, el incremento en la probabilidad de default llevaría a una disminución en la prima del CDS, lo cual no va de acuerdo con la lógica económica. La misma interpretación y signo cuando se utiliza a S&P y Fitch como rating. En el panel B, se muestra que los resultados indican el signo esperado, es decir, existe una relación positiva entre ΔCDSt y el ΔRatingt. (Ver Apéndice C2). EE. UU., Alemania y Francia Finalmente, se ha analizado la relación entre CDS y rating para la submuestra conformada por (a) EE. UU., (b) Alemania, y (c) Francia, con la finalidad de aislar el efecto sobre el resto de los países para la estimación. Los resultados indican que los coeficientes no son estadísticamente significativos para el Panel A de la Tabla C8, y es el segundo resultado que no se ajusta a la lógica económica dentro de la muestra de países analizados, al punto 38 que solo la serie rating 2 (Standard&Poors) muestra información que para el modelo resulta relevante, pero no significativa para poder señalar alguna interdependencia entre las variables. Asimismo, para el panel B, se observa que el término de error no muestra el mismo signo para confirmar una convergencia en el largo plazo. Se aprecia que no hay siquiera una bidireccionalidad explicativa entre las variables tal como se había podido encontrar en otras sub muestras analizadas, y solo se aprecia que el rezago CDS es significativo y correlacionado positivamente con su variable CDSt. 39 Capítulo V: Conclusiones y Recomendaciones Si se considera el análisis de la muestra completa de países, se puede apreciar que existe relación de dependencia entre los ratings de las tres clasificadoras sobre las primas de CDS a largo plazo. Adicionalmente, si se agrupan los países por categoría de desarrollo y en desarrollo, los primeros muestran una relación positiva, pero con una intensidad mayor, es decir, muestran coeficientes mayores, respecto a los países categorizados en desarrollo los cuales presenta un efecto de menor en intensidad, reflejados en sus coeficientes. Pero esta relación varía de acuerdo con las sub muestras. En este sentido el mayor impacto de los ratings sobre los CDS se ha obtenido en Europa seguido por África y América Latina. En los tres casos se presenta una relación positiva significativa. Por otra parte, se aprecia que en el análisis para el grupo de países de Asia se tiene una relación inversa, es decir, mientras menor rating crediticio, dichos países presentan un incremento en sus primas de CDS contradiciendo el sentido económico que está detrás de estas dos variables. La explicación que puede estar detrás de este relación es que, si bien las clasificadoras de riesgo aprecian que estos países durante el periodo de tiempo analizado han logrado mejorar su nivel de calificación, por otra lado, el mercado de CDS ha castigado a estos a causa de su alto grado de relación que tienen con el sistema financiero y monetario con países como EE. UU. y países europeos, los cuales, a partir de 2008, han afectado negativamente a sus mercados por la ruptura de la burbuja inmobiliaria de EE. UU. y por los elevados déficit fiscales que afrontan países de la Zona Euro. 40 Hasta este punto, la investigación realizada ha demostrado que existe una relación de dependencia entre los ratings crediticios y las primas de CDS, y para algunas sub muestras se corrobora el sentido económico de dicha relación, la cual se centra en que un país con una mejor calificación de riesgo reducirá su probabilidad de caer en incumplimiento. Por otra parte, se ha podido corroborar lo que inicialmente el análisis empírico mostraba que no existe relación entre los ratings crediticios y las primas de CDS, para el caso EE. UU., Alemania y Francia. Este grupo de países han presentado un nivel de rating constante durante todo el periodo analizado, sin ser afectados por eventos tales como la crisis de 2008, lo cual sí repercutió en los ratings y primas de CDS de los demás países. Esto puede llevar a asumir que, para el caso de estos países, se rompe el sentido económico que explica la relación existente entre rating y CDS, que sí se logra apreciar en el resto de los países que se han analizado. En este sentido, podemos afirmar que para el caso EE. UU., Alemania y Francia las agencias calificadoras de riesgo no están siendo debidamente objetivas ni guardando los mismos niveles de rigurosidad con que califican a los demás países. Esto no hace más que alimentar las críticas que sobre ellas se vienen haciendo por mala información y de la pérdida de su capacidad predictiva y falta de objetividad. Esto reforzaría la propuesta de recientes investigaciones respecto de que la prima de los CDS puede constituirse en un referente de calidad de crédito para todo inversionista al construir sus parámetros de inversión, puesto que el mercado en donde se transan los CDS reacciona de manera más rápida que las agencias de 41 clasificación de riesgo, y provee de información más confiable para posibles reajustes en estas calificaciones. Esto, finalmente, nos permitiría reducir la sobre dependencia que tienen las instituciones financieras con respecto a las agencias de clasificación, que a pesar de estar inmersas dentro del proceso de globalización, escapan de un organismo supranacional que las regule y/o supervise. Siendo necesario repensar su rol desde una perspectiva amplia que busque asegurar la consistencia entre los resultados de políticas económicas nacionales con las del resto, de lo contrario comenzar a aceptar recomendaciones de intervención en las metodologías de evaluación o suspensiones a la difusión puntual de notas crediticias de algunos países cuando se presente periodos de crisis, hasta la creación de nuevas clasificadoras que además de aumentar la competencia apliquen criterios más inclusivos de las diversas realidades para que influyan más positivamente sobre la psicología del inversor individual. En resumen, está claro que el rol protagónico de las clasificadoras de riesgo está disminuyendo y que nuevos actores están apareciendo o se vienen proponiendo, como la prima de CDS por ejemplo, para tomar la posta a fin de volver a construir la confianza sobre la gobernanza financiera global. 42 Referencias Arce, O., González, J., & Sanjuan, L. (2010). El mercado de credit default swaps: áreas de vulnerabilidad y respuestas regulatorias. Comisión Nacional del Mercado de Valores. Documento de Trabajo N.o 42. Arellano, M. & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies, 58, 277-297. 43 Blanchard, O. (2005). Fiscal dominance and inflation targeting: lessons from Brazil, in Inflation Targeting, Debt, and the Brazilian Experience, 1999 to 2003 (Eds.) F. Giavazzi, I. Goldfajn and S. Herrera, MIT Press, Cambridge, MA, pp. 49-84. Blanco, R. Brennan, S., & Marsh, I. W. (2005). An empirical analysis of the dynamic relation between investment-grade bonds and credit default swaps. The Journal of Finance, 60(5), 2255-2281. Bellver, A. & Fernández, M. (2005). Criterios y procesos de decisión para definir un rating. Revista Económica de Castilla-La Mancha, 6, 155-169. Bolton, P., Freixas, X., & Shapiro, J. (2009). The credit rating game. Columbia Business School Working Paper. Borraz, F., Fried, A., & Gianelli, D. (2011). Análisis de las calificaciones de riesgo soberano: el caso uruguayo. Documento de Trabajo, Banco Central de Uruguay. Recuperado de http://www.bvrie.gub.uy/local/File/doctrab/2011/3.2011.pdf Campbell, D. T., & Stanley, J. C. (1966). Experimental and quasi experimental designs for research. Chicago, IL: Rand McNally & Company. Cantor, R., & Packer, F. (1996). Determinants and impact of sovereign credit ratings. Federal Reserve Bank of New York Economic Policy Review, 2(2), 37-53. Cavallo, E., Powell, A., & Rigobón, R. (2008). Do credit rating agencies add value? Evidence from the sovereign rating business institution. Working Paper #647. Inter-American Development Bank. Recuperado de http://idbdocs.iadb.org/wsdocs/getdocument.aspx?docnum=1741726 Choy, G. (2007). Perú: grado de inversión, un reto de corto plazo. Documento de Trabajo N.o 2007-001. Banco Central de Reserva del Perú. Recuperado de http://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de- Trabajo/2007/Documento-Trabajo-01-2007.pdf 44 Chung-Hua, S. & YiHou, A. (2010). Sovereign credit default swaps vs. credit ratings: Evidence from Error Correction Model. Taiwan Econometric Research. Crouhy, M. G., Jarrow, R. A., & Turnbull, S. M. (2008). The subprime credit crisisof 2007. The Journal of Derivatives, 16(1), 81-110. d.o.i. 10.3905/jod.2008.710899 Dallas, G. (1993). Las agencias de calificación y el mercado de renta fija. Papeles de Economía Española, 54. Duffie, D., & Singleton, K. J. (1997). An economic model of the term structure of interest-rate swap yields. Journal of Finance, 52(4), 1287-1321. Engle, R., & Granger, C. (1987). Cointegration and error correction: representation, estimation and testing. Econometrica, 55, 251-226 Flandreau, M. Gaillard, N. & Packer, F. (2009, mayo). Rating performance, regulation and the great depression: lessons from foreign government securities. Working Paper. International History and Politics 3. Flannery, M. J. Houston, J. F., & Partnoy, F. (2010). Credit default swap spreads as viable substitutes for credit ratings. University of Pennsylvania Law Review, 158, 2085-20123 Fitch Ratings. (2012, agosto). Sovereign rating criteria. Recuperado de http://www.fitchratings.com/creditdesk/reports/report_frame.cfm?rpt_id=685737 International Monetary Fund (2011). World Economic Outlook, IMF Publication Service: Washington, DC. Recuperado de http://www.imf.org/external/pubs/ft/weo/2011/02/pdf/text.pdf International Monetary Fund (2011). Global Financial Stability Report Sovereigns Funding, and Systemic liquidity. Recuperado de http://www.imf.org/external/pubs/ft/gfsr/2010/02/pdf/chap3.pdf 45 Fonseca, J., & Gottschalk, K. (2012) A joint analysis of the term structure of credit default swap spreads and the implied volatility surface. Auckland University of Technology, Business School. New Zeland. Gaillard, N. (2011). A century of sovereign ratings. New York, NY: Springer. García, S., & Vicéns Otero, J. (2000). Especificación y estimación de un modelo de riesgo país. Madrid, España: Universidad Autónoma. Gujarati, D. (2004). Econometría. (4.a ed.). México D. F., México: McGraw-Hill. Halm-Addo, A. D. (2010). The 2008 financial crisis. The death of an ideology. Pittsburgh, PN: Dorrance. Granger, C. (1988). Some recent development in a concept of causality. Journal of Econometrics, 39, 199-211. Hernández, R., Fernández, C., & Baptista L. (2010). Metodología de la investigación (5.a ed.). México D. F., México: McGraw-Hill. Hnyilicza, E. (2008). ¿La teoría económica puede explicar la crisis? En G. Alarco (Ed.), Crisis análisis y perspectivas de la crisis económica mundial desde el Perú (29- 63). Lima, Perú: Norma. Hull, J. Predescu, M., & White, A. (2004). The relationship between credit default swap spreads, bond yields, and credit rating announcements. Journal of Banking & Finance, 28(11), 2789-2811. Humala, A. (2011). Swaps de incumplimiento de crédito (Credit Default Swaps). Moneda, 147, 15-18. Ismailescu, I., & Kazemi, H. (2010). The reaction of emerging market credit default swap spreads to sovereign credit rating changes. Journal of Banking & Finance, 34(12), 2861-1873. 46 Iranzo, S. (2008). Introducción al riesgo país. Documentos ocasionales N.o 0.802. Banco de España. Recuperado de http://www.bde.es/f/webbde/SES/Secciones/Publicaciones/PublicacionesSeriada s/DocumentosOcasionales/08/Fic/do0802.pdf Langhor, H., & Langhor, P. (2008). The rating agencies and their credit ratings: What they are, how they work, and why they are relevant. West Sussex, United Kingdom: John Wiley & Son. Lemay, Y. (1998). Análisis de los gobiernos locales y regionales desde una perspectiva de rating. Moody’s Investor Service. Global Credit Research. Longstaff, F. A. Mithal, S., & Neis, E. (2005). Corporate yield spreads: default risk or liquidity? New evidence from the credit default swap market. The Journal of Finance, 60(5), 2213-2253. Madura, J. (2010). Mercados e instituciones financieras (8.a ed.). Mercados e instituciones financieras. México D. F., México: Cengage. Mathis, J., McAndrews, J., & Rochet, C. (2009). Rating the raters: Are reputation concerns powerful enough to discipline rating agencies? Journal of Monetary Economics, 56, 657-674. McMillan, J. H. & Schumacher, S. (2001). Research in education: A conceptual introduction (5a ed.). New York: Addison Wesley Longman. Mertens, D. M. (2005). Research and evaluation in education and psychology: Integrating diversity with quantitative, qualitative, and mixed methods (2nd Ed.). Thousand Oaks, CA: Sage. Moody’s. (2008, septiembre). Sovereign bond ratings. Rating Methodology. Recuperado de 47 http://www.moodys.com/researchdocumentcontentpage.aspx?docid=PBC_1094 90 Moyer, R. C. McGuigan, J. R., & Kretlow, W. J. (2005). Administración financiera contemporánea (9.a ed.). México D. F., México: Thomson. Mullard, M. (2012). The credit rating agencies and their contribution to the financial crisis. The Political Quarterly, 83(1), 77-95. Norden, L., & Weber, M. (2004). Informational efficiency of credit default swap and stock markets: The impact of credit rating announcements. Journal of Banking & Finance, 28, 2813-2843. Partnoy, F. (2001). The paradox of credit ratings. UCSD Law and Economics Working Paper. Prasad, E., & Ye, L., (2012, marzo). ¿Reinará el renminbi? Finanzas & Desarrollo. Rajan, A., McDermott, G., & Roy, R. (2007). The structured credit handbook. Hoboken, NJ: John Wiley & Sons. Reinhart, C., Rodoff, K., & Savastano, M. (2003). Debt intolerance. NBER Working Paper N.° W9908. Reisen, H., & Von Malzan, J. (1999). Boom and bust and sovereign rating. OECD Development Centre. Technical paper N.º 148. Rojas, E. (2008). La calificación del riesgo soberano. TEC Empresarial, 2(2), 21-27. Samaniego, R. (2008). El riesgo de crédito en el marco del acuerdo Basilea II. Madrid, España: Delta Publicaciones. Shen, Ch., & Huang, A. Y. (2010). Sovereign credit default swaps vs. credit ratings: Evidence from error correlation model. Recuperado de http://www.google.com.pe/url?sa=t&rct=j&q=&esrc=s&source=web&cd=3&ca d=rja&ved=0CCsQFjAC&url=http%3A%2F%2Fwww.tesociety.org.tw%2Fdow 48 nload.php%3Ffilename%3D143_4fede67c.pdf%26dir%3Darchive%26title%3D File&ei=NsOWULjCCYbA9gTdjYCoCw&usg=AFQjCNE3LIiOAJxpUvsHztA 5_W9QJZhihw Shull, B. (2010). Too big to fail in financial crisis: Motives, countermeasures, and prospects. Levy Economics Institute of Bard College. Working Paper 601. Standard & Poor’s. (2011, junio). Sovereign government rating methodology and assumptions. Recuperado de http://www.standardandpoors.com/servlet/BlobServer?blobheadername3=MDT- Type&blobcol=urldata&blobtable=MungoBlobs&blobheadervalue2=inline%3B +filename%3DCriteriaGovernmentsSovereignsSovereignGovernmentRatingMet hodologyAndAssumptions_6_30_11.pdf&blobheadername2=Content- Disposition&blobheadervalue1=application%2Fpdf&blobkey=id&blobheaderna me1=content-type&blobwhere=1243925794293&blobheadervalue3=UTF-8 U. S. Securities and Exchange Comission. (2012, marzo). Annual report on nationally recognized statistical rating organizations. Recuperado de http://www.sec.gov/divisions/marketreg/ratingagency/nrsroannrep0312.pdf Vilariño, A., Gallo, A., & Trillo, D. (2010). Los errores de las agencias de calificación y la propuesta de regulación bancaria del Comité de Basilea. World Economic Meeting XII International Conference. Recuperado de http://www.usc.es/congresos/xiirem/pdf/63.pdf Zerohedge. (2011). A muni CDS market primer. Recuperado de http://www.zerohedge.com/article/muni-cds-market-primer Zhou, S., Bahmani-Oskooee, M., & Kutan, A. M. (2008). Purchasing power parity before and after the adoption of the Euro. Working Paper. University of Texas at 49 San Antonio, University of Wisconsin-Milwaukee, Southern Illinois University Edwardsville and the Center for European Integration. 50 Apéndices Apéndice A Lista de Agencias Clasificadoras de Riesgo Tabla A1 Agencias Clasificadoras de Riesgo Clasificadora País AM Best Company Inc USA Agusto & Co Ltd Nigeria Ahbor Rating Uzbekistan Apoyo & Asociados Internacionales SAC (Fitch Associate) Peru Bank Watch Ratings SA (Fitch Affiliate) Ecuador BRC Investor Services SA Colombia Capital Standars Rating (CSR) Kuwait Calificadora de Riesgo PCA Uruguay Capital Intelligence Ltd Cyprus Caribbean Information & Credit Rating Services Ltd Caribbean Central European Rating Agency (CERA) Poland Chengxin International Credit Rating Co Ltd (Moody’s Affiliate) China China Lianhe Credit Rating Co Ltd China Clasificadora de Riesgo Humphreys Ltda (Moody’s Affiliate) Chile Class y Asociados SA Clasificadora de Riesgo Peru CMC International Ltd Nigeria Companhia Portuguesa de Rating SA (CPR) Portugal Credit Analysis & Research Ltd (CARE) India Credit Rating Agency of Blangladesh LTD (CRAB) Blangadesh Credit Rating Information and Services LTD (CRISL) Blangadesh Credit Rating Information Services of India (CRISIL Tda S&P Affiliate) India Dagong Global Credit Rating Co Ltd China Demotech Inc USA Dominion Bond Rating Service (DBRS) Canada Duff & Phelps de Colombia SA SCV (Fitch Affiliate) Colombia Ecuability SA Ecuador Egan-Jones Rating Company USA Emerging Credit Rating Ltd (ECRL) Blangadesh Equilibrium Clasificadora de Riesgo (Moody’s Affiliate) Peru European Rating Agency (ERA) UK Feller Rate Clasificadora de Riesgo (S&P Affiliate) Chile Fitch Rating Ltd USA/UK Global Credit Rating Co Sudafrica HR Rating de Mexico SA de CV Mexico Interfax Rating Agency (IRA) Rusia Invesment Information and Credit Rating Agency (ICRA) India Islamic International Rating Agency BSC (IIRA) Bahrain Istanbul International Rating Services Inc Turkey Japan Credit Rating Agency Ltd (JCR) Japan JCR Avrasya Derecelendime AS (JCR Affiliate) Turkey JCR-VIS Credit Rating Co Ltd (JCR Affiliate) Pakistan Kobirate Uluslararasi Kredi Derecelendirme ve Kurumsal Yonetim Hizmetleri AS Turkey Korea Investors Service Inc (KIS Moody’s Affiliate) Korea Korea Ratings Corporation (KMCC Fitch Affiliate) Korea Kroll Bond Rating Agency Inc USA 51 Lanka Rating Agency Ltd (LRA Subsidiary of RAM) Sri Lanka Malaysian Rating Corporation Berhad (MARC Fitch Affiliate) Malaysia Mikuni & Co Ltd Japan Moody’s Investors Service USA National Information & Credit Evaluation Inc (NICE) Korea ONICRA Credit Rating Agency of India Ltd India PT Kasnic Credit Rating indonesia (Moody’s Affiliate) Indonesia PT PEFINDO Credit Rating Indonesia Indonesia Pacific Credit Rating (PCR) Peru Pakistan Credit Rating Agency Ltd (PACRA) Pakistan Philippine Rating Services Corp (PhilRatings) Philippines RAM Rating Services Berhad (RAM S&P Affiliate) Malaysia Rapid Ratings International Inc Australia/NZ Rating and Invesment Information Inc (R&I) Japan Realpoint LLC USA RusRating Rusia Saha Kurumsal Yonetim ve Kredi Derecelendirme Hizmetleri AS Turkey Seol Credit Rating & Information Inc (JCR Affiliate) Korea Shangai Credit Information Service Co Ltd China Shangai Far East Credit Rating Co Ltd China Slovak Rating Agency as (SRA ERA Affiliate) Balkans SME Rating Agency of India Limited (SMERA) India Sociedad Calificadora de Riesgo Centroamericana SA Costa Rica SR Rating Prestacao de Servicos Ltda Brazil Standar and Poors (S&P) USA Taiwan Ratings Corp (TCR S&P Affiliate) Taiwan Thai Rating and Information Services Co Ltd (TRIS) Thailand TheStreet.com Ratings Inc USA TCR Kurumsal Yonetim ve Kredi Derecelendirme Hizmetleri AS Turkey Veribanc Inc USA Nota. Tomado de “Global Financial Stability Report Sovereigns Funding, and Systemic liquidity”, de Fondo Monetario Internacional, 2011. Recuperado de http://www.imf.org/external/pubs/ft/gfsr/2010/02/pdf/chap3.pdf 52 Apéndice B: Ratings Crediticios para una Muestra de Países Tabla B1 Calificaciones de Deuda de Largo y Corto Plazo por Países Divisa externa a largo plazo Divisa externa a corto plazo País Moody's S&P Fitch Moody's S&P Fitch Fecha últ. Albania B1 B+ NR NR B NR 01/11/2010 Alemania Aaa AAAu AAA NR A-1+u F1+ 29/05/2012 Andorra NR A NR NR A-1 NR 14/06/2010 Angola Ba3 BB- BB- NP B B 12/07/2011 Arabia Saudita Aa3 AA- AA- NR A-1+ F1+ 15/02/2010 Argentina B3 Bu B NR Bu B 04/04/2011 Armenia Ba2 NR BB- NR NR B 13/08/2009 Aruba NR A- BBB NR A-2 F3 29/05/2008 Australia Aaa AAAu AAA NR A-1+u F1+ 27/02/2012 Austria Aaa AA+ AAA P-1 A-1+ F1+ 13/01/2012 Azerbaiyán Baa3 BBB- BBB- NR A-3 F3 19/04/2012 Bahamas A3 BBB NR NR A-2 NR 09/07/2012 Bahrein Baa1 BBB BBB NR A-2 F3 20/07/2012 Bangladesh Ba3 BB- NR NP B NR 12/04/2010 Barbados Baa3 BB+ NR NR B NR 17/07/2012 Belice Ca SD NR NR SD NR 21/08/2012 Benin NR B WD NR B WD 25/01/2012 Bermudas Aa2 AA- AA NR A-1+ F1+ 26/06/2012 Bielorrusia B3 B- NR NR B NR 17/07/2012 Bolivia Ba3 BB- BB- NR B B 02/10/2012 Bosnia y Herzegovina B3 B NR NR B NR 10/07/2012 Botsuana A2 A- NR NR A-2 NR 15/02/2010 Brasil Baa2 BBB BBB NR A-2 F2 03/08/2012 Bulgaria Baa2 BBB BBB- NR A-2 F3 10/08/2012 Burkina Faso NR B NR NR B NR 05/03/2004 Bélgica Aa3 AAu AA NR A-1+u F1+ 27/01/2012 Cabo Verde NR B+ B+ NR B B 04/12/2008 Camboya B2 Bu NR NR Bu NR 31/10/2011 Camerún NR B B NR B B 26/02/2007 Canadá Aaa AAA AAA NR A-1+ F1+ 20/09/2012 Chile Aa3 A+ A+ NR A-1 F1 01/02/2011 China Aa3 AA- A+ NR A-1+ F1 27/12/2011 Chipre (P)B3 BB *- BB+ NP B B 08/10/2012 Colombia Baa3 BBB- BBB- NR A-3 F3 22/06/2011 Corea del Sur Aa3 A+ AA- NR A-1 F1+ 14/09/2012 Costa Rica Baa3 BB+ BB+ NR B B 04/03/2011 Croacia Baa3 BBB- BBB- NR A-3 F3 15/03/2012 Cuba Caa1 NR NR NR NR NR 20/07/1999 Dinamarca Aaa AAA AAA NR A-1+ F1+ 06/04/2012 E. A. U. Aa2 NR NR NR NR NR 09/07/2007 Ecuador Caa1 B B- NR B B 13/09/2012 Ghana NR B B+ NR B B 27/08/2010 Granada NR CCC+ NR NR C NR 16/10/2012 Grecia C CCC CCC NP C C 17/05/2012 Guatemala Ba1 BB BB+ NR B B 01/06/2010 Honduras B2 B+ NR NR B NR 07/06/2012 Hong Kong Aa1 AAA AA+ NR A-1+ F1+ 24/08/2011 Hungría Ba1 BB+ BB+ NR B B 30/01/2012 India Baa3 BBB-u BBB- NR A-3u F3 14/06/2011 Indonesia Baa3 BB+ BBB- NR B F3 18/01/2012 Irlanda Ba1 BBB+ BBB+ NP A-2 F2 27/01/2012 Irán NR NR WD NR NR WD 24/04/2008 Isla de Man Aaa AA+ NR NR A-1+ NR 10/11/2011 Islandia Baa3 BBB- BBB- P-3 A-3 F3 20/09/2012 Islas Caimán Aa3 NR NR NR NR NR 18/11/2009 53 Islas Cook NR B+ NR NR B NR 14/12/2011 Israel A1 A+ A NR A-1 F1 09/09/2011 Italia Baa2 BBB+u A- P-2 A-2u F2 13/09/2012 Jamaica B3 B- B- NR B B 13/08/2012 Japón Aa3 AA-u A+ NR A-1+u F1+ 22/05/2012 Jordania Ba2 BB NR NR B NR 01/11/2010 Kazajistán Baa2 BBB+ BBB NR A-2 F3 21/11/2011 Kenia NR B+ B+ NR B B 19/11/2010 Kuwait Aa2 AA AA NR A-1+ F1+ 20/07/2011 Lesoto NR NR BB- NR NR B 30/11/2004 Letonia Baa3 BBB- BBB- NR A-3 F3 02/05/2012 Libia NR NR WD NR NR WD 13/04/2011 Liechtenstein NR AAA NR NR A-1+ NR 02/12/1996 Lituania Baa1 BBB BBB WR A-2 F3 31/08/2012 Luxemburgo Aaa AAA AAA NR A-1+ F1+ 20/09/2012 Líbano B1 B B NP B B 14/01/2011 Macao Aa3 NR NR NR NR NR 26/07/2007 Macedonia NR BB BB+ NR B B 30/04/2009 Malasia A3 A- A- NR A-2 F2 26/10/2010 Malta A3 A- A+ NR A-2 F1 13/02/2012 Malí NR NR WD NR NR WD 04/12/2009 Marruecos Ba1 BBB- BBB- NR A-3 F3 23/03/2010 Mauricio Baa1 NR NR NR NR NR 26/06/2012 Moldova B3 NR NR NR NR NR 12/08/2010 Mongolia B1 BB- B+ NR B B 23/11/2010 Montenegro Ba3 BB- NR NP B NR 13/06/2012 Montserrat NR BBB- NR NR A-3 NR 11/10/2004 Mozambique NR B+ B NR B B 21/12/2007 México Baa1 BBB BBB WR A-2 F2 09/07/2012 Namibia Baa3 NR BBB- NR NR F3 26/09/2011 Nicaragua B3 NR NR NR NR NR 26/05/2010 Nigeria NR B+ BB- NR B B 21/08/2009 Noruega Aaa AAA AAA NR A-1+ F1+ 27/03/2012 Nueva Zelanda Aaa AA AA P-1 A-1+ F1+ 20/09/2012 Omán A1 A NR NR A-1 NR 20/07/2011 Pakistán Caa1 B- NR NR B NR 20/07/2012 Panamá Baa3 BBB BBB NR A-2 F3 02/07/2012 Papúa Nueva Guinea B1 B+ NR NR B NR 25/01/2010 Paraguay B1 BB- NR NR B NR 29/08/2012 Países Bajos Aaa AAAu AAA P-1 A-1+u F1+ 29/05/2012 Perú Baa2 BBB BBB NR A-2 F2 16/08/2012 Polonia A2 A- A- P-1 A-2 F2 12/03/2012 Portugal Ba3 BB BB+ NR B B 28/06/2012 Qatar Aa2 AA NR NR A-1+ NR 05/07/2010 Reino Unido Aaa AAAu AAA NR A-1+u F1+ 10/11/2011 Rep. Dominicana B1 B+ B NR B B 13/06/2011 República Checa A1 AA- A+ P-1 A-1+ F1 03/09/2012 República de Zambia NR B+ B+ NR B B 22/03/2011 Ruanda NR B B NR B B 29/12/2011 Rumania Baa3 BB+ BBB- NR B F3 04/07/2011 Rusia Baa1 BBB BBB NR A-2 F3 27/06/2012 San Marino NR NR BBB+ NR NR F2 23/07/2012 San Vincente/Granadin B2 NR NR NP NR NR 09/10/2012 Senegal B1 B+ NR NP B NR 09/03/2011 Serbia NR BB- BB- NR B B 07/08/2012 Seychelles NR NR B NR NR B 03/02/2011 Singapur Aaa AAAu AAA NR A-1+u F1+ 14/09/2012 Sri Lanka B1 B+ BB- NR B B 27/07/2011 Sudáfrica Baa1 BBB BBB+ P-2 A-2 F2 12/10/2012 Suecia Aaa AAA AAA P-1 A-1+ F1+ 27/03/2012 Suiza Aaa AAAu AAA NR A-1+u F1+ 17/02/2011 Surinam Ba3 BB- BB- NR B B 14/08/2012 Tailandia Baa1 BBB+ BBB WR A-2 F3 06/03/2012 Taiwán Aa3 AA-u A+ P-1 A-1+u F1 01/06/2012 Trinidad y Tobago Baa1 A NR NR A-1 NR 14/09/2009 54 Turkmenistán WR NR NR NR NR NR 09/09/2010 Turquía Ba1 BB BB+ NR B B 20/09/2012 Suecia Aaa AAA AAA P-1 A-1+ F1+ 27/03/2012 Suiza Aaa AAAu AAA NR A-1+u F1+ 17/02/2011 Surinam Ba3 BB- BB- NR B B 14/08/2012 Tailandia Baa1 BBB+ BBB WR A-2 F3 06/03/2012 Taiwán Aa3 AA-u A+ P-1 A-1+u F1 01/06/2012 Trinidad y Tobago Baa1 A NR NR A-1 NR 14/09/2009 Turkmenistán WR NR NR NR NR NR 09/09/2010 Turquía Ba1 BB BB+ NR B B 20/09/2012 Túnez Baa3 BB BBB- NR B F3 23/05/2012 Ucrania B2 B+ B NR B B 15/08/2012 Uganda NR B+ B NR B B 09/12/2008 Uruguay Baa3 BBB- BB+ NR A-3 B 31/07/2012 Venezuela B2 B+ B+ NR B B 19/08/2011 Vietnam B2 BB- B+ NR B B 28/09/2012 Nota. Bloomberg. 55 Apéndice C Resultados de la Estimación del Modelo de Corrección de Errores (MCE) Tabla C1 Resultados de la Estimación MCE para Toda la Muestra Panel A 𝐶𝐷𝑆𝑡 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 Intercepto 0.444** -0.174 0.148 1.787* 1.525* 1.536* (2.370) (-0.978) (0.786) (18.691) (20.185) (20.815) 𝑅𝑎𝑡𝑖𝑛𝑔1 63.366* 𝑡 (14.796) 101.883* 𝑅𝑎𝑡𝑖𝑛𝑔2 𝑡 (21.484) 89.473* 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 (16.694) 0.002* 0.002* 0.002* 𝐶𝐷𝑆𝑡 (14.796) (21.484) (16.694) Panel B ∆𝐶𝐷𝑆𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 0.138** 0.124*** -0.011 -0.011 -0.012*** (2.461) (2.200) (-1.038) (-1.078) (-1.038) ?̂? 0.050* 0.029* 0.049* -0.017* -0.021* -0.012*** 𝑡−1 (-4.693) (2.600) (4.533) (-5.658) (-5.707) (-5.658) ∆𝐶𝐷𝑆 -0.057* -0.568* -0.533* 0.000 0.000 0.000 𝑡−1 (-22.156) (-23.266) (-21.724) (0.324) (1.050) (0.327) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1 82.605* -0.238 𝑡−1 (6.189) (-0.936) ∆𝑅𝑎𝑡𝑖𝑛𝑔1 50.217* -0.004 𝑡−2 (-3.059) (-0.178) ∆𝑅𝑎𝑡𝑖𝑛𝑔2 193.302* -0.030 𝑡−1 (13.774) (-1.151) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2 4.045 0.218* 𝑡−2 (0.276) (8.269) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 177.120* -0.024 𝑡−1 (11.508) (-0.937) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 -45.850* -0.004 𝑡−2 (-2.849) (-0.178) Observaciones 1431 1447 1535 1447 1447 1447 56 Tabla C2 Resultados de la Estimación MCE Soberanos de Países Desarrollados Panel A 𝐶𝐷𝑆𝑡 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 Intercepto -0.467* -0.459* -0.491* 0.244* 0.279* 0.241* (-2.716386) (-2.726942) (-2.735532) (6.924817) (6.815094) (7.21604) 𝑅𝑎𝑡𝑖𝑛𝑔1 410.855* 𝑡 (48.30882) 𝑅𝑎𝑡𝑖𝑛𝑔2 349.208* 𝑡 (49.61998) 445.065* 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 (45.68602) 0.002* 0.002* 0.001* 𝐶𝐷𝑆 (48.30882) (49.619) (45.686) 𝑡 Panel B ∆𝐶𝐷𝑆𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 0.155 0.171* 0.025 0.011 0.016 (1.553933) (1.649374) (1.591022) (0.741128) (1.100229) ?̂? -0.153* -0.116* -0.050* 0.012 -0.049* -0.088* 𝑡−1 (-5.581102) (-4.604738) (-2.048428) (0.639532) (-3.306608) (-5.004749) ∆𝐶𝐷𝑆 -0.484* -0.549* -0.496* 0.000 0.000* 0.000* 𝑡−1 (-13.83297) (-16.31726) (-14.18517) (-0.151054) (-2.2079) (1.672884) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1 115.808* -0.007 𝑡−1 (4.937367) (-0.206003) ∆𝑅𝑎𝑡𝑖𝑛𝑔1 80.616* 0.000 𝑡−2 (3.585261) (0.003008) ∆𝑅𝑎𝑡𝑖𝑛𝑔2 309.927* 0.036 𝑡−1 (13.70378) (1.023578) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2 46.869* 0.390* 𝑡−2 (2.001898) (11.06474) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 291.802* -0.028 𝑡−1 (11.68898) (0.761754) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 -32.359 -0.020 𝑡−2 (-1.238272) (-0.540663) Observaciones 769 769 769 769 769 769 57 Tabla C3 Resultados de la Estimación MCE Soberanos de Países No Desarrollados Panel A 𝐶𝐷𝑆𝑡 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 Intercepto 0.792* 0.690* 0.710* 0.419* 0.504* 0.751* (16.90707) (14.61085) (14.17808) (1.997053) (3.210222) (4.766354) 16.818* 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 (21.63429) 𝑅𝑎𝑡𝑖𝑛𝑔2 22.759* 𝑡 (23.46864) 𝑅𝑎𝑡𝑖𝑛𝑔3 22.280* 𝑡 (21.15126) 0.024* 0.019* 0.018* 𝐶𝐷𝑆 (21.63429) (23.468) (21.15) 𝑡 Panel B ∆𝐶𝐷𝑆𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 -0.007 -0.008 -0.056* -0.053 -0.045 (0.593985) (0.631315) (-3.664425) (-3.753723) (-3.533092) ?̂? -0.078* -0.080* -0.073* -0.024* -0.028* -0.027* 𝑡−1 (5.861287) (-5.77088) (-5.449202) (-5.417687) (-5.207606) (-5.58291) ∆𝐶𝐷𝑆 0.222* 0.222* 0.219* 0.000 0.001 0.000 𝑡−1 (5.980962) (5.959894) (5.875712) (-0.15024) (1.567603) (0.069994) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1 -1.392 -0.037 𝑡−1 (0.455444) (0.970633) ∆𝑅𝑎𝑡𝑖𝑛𝑔1 3.503 -0.036 𝑡−2 (1.145559) (0.945901) ∆𝑅𝑎𝑡𝑖𝑛𝑔2 0.498 -0.040 𝑡−1 (0.14651) (1.036362) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2 -1.799 -0.038 𝑡−2 (0.530244) (0.985398) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 -2.622 -0.037 𝑡−1 (0.687809) (0.976146) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 0.089 -0.036 𝑡−2 (0.023433) (0.938765) Observaciones 678 678 678 678 678 678 58 Tabla C4 Resultados de la Estimación MCE Soberanos de Europa Panel A 𝐶𝐷𝑆𝑡 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 Intercepto -0.402 -0.452 -0.565 0.246 0.299 0.277 (-1.920335) (-2.190568) (-2.554681) (5.7089) (5.946231) (6.753483) 𝑅𝑎𝑡𝑖𝑛𝑔1 412.141* 𝑡 (43.89328) 𝑅 𝑎𝑡𝑖𝑛𝑔2 349.831* 𝑡 (44.82163) 𝑅 𝑎𝑡𝑖𝑛𝑔3 446.483* 𝑡 (41.21788) 0.002* 0.002* 0.002* 𝐶𝐷𝑆𝑡 (43.89328) (44.821) (41.217) Panel B ∆𝐶𝐷𝑆𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 0.186 0.207 0.032 0.014 0.020 (1.520755) (1.621923) (1.631608) (0.749395) (1.116186) ?̂? -0.158* -0.118* -0.050*** 0.013 -0.049* -0.089* 𝑡−1 (-5.160952) (-4.179309) (-1.838499) (0.601711) (-3.007848) (-4.566219) ∆𝐶𝐷𝑆 -0.482* -0.550* -0.497* 0.000 0.000** 0.000 𝑡−1 (-12.43813) (-14.73461) (-12.81653) (-0.134471) (-2.007915) (1.479361) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1 114.549* -0.008 𝑡−1 (4.40514) (-0.210229) ∆𝑅𝑎𝑡𝑖𝑛𝑔1 79.763* -0.001 𝑡−2 (3.202621) (-0.020159) ∆𝑅𝑎𝑡𝑖𝑛𝑔2 309.698* 0.036 𝑡−1 (12.3618) (0.927642) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2 46.830*** 0.390* 𝑡−2 (1.805949) (9.976434) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 291.538* 0.028 𝑡−1 (10.53993) (0.694732) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 -32.557 -0.020 𝑡−2 (-1.124589) (-0.48834) Observaciones 626 626 626 626 626 626 59 Tabla C5 Resultados de la Estimación MCE Soberanos de América Latina Panel A 𝐶𝐷𝑆𝑡 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 Intercepto 0.645 0.556 0.599 1.919 1.333 1.747 (7.863) (7.157135) (6.980284) (6.23629) (5.781503) (7.457624) 18.090* 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 (17.450) 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 24.333* (19.82505) 23.692* 𝑅𝑎𝑡𝑖𝑛𝑔3 𝑡 (17.06086) 𝐶𝐷𝑆 0.024* 0.021* 0.017* 𝑡 (17.45096) 19.825 16.060 Panel B ∆𝐶𝐷𝑆𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 -0.018 -0.019 -0.094* -0.083* -0.072* (-0.94021) (-1.019133) (-3.473922) (-3.376136) (-3.272581) ?̂? -0.084* -0.089* -0.077* -0.027* -0.032* -0.031* 𝑡−1 (-4.555855) (-4.541322) (-4.146063) (-3.81118) (-3.662122) (-4.053647) ∆𝐶𝐷𝑆 0.206* 0.206* 0.200* 0.000 0.001 0.000 𝑡−1 (4.19522) (4.15906) (4.042017) (-0.111159) (1.482618) (-0.0177) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1 -1.474 -0.039 𝑡−1 (-0.425506) (-0.76904) ∆𝑅𝑎𝑡𝑖𝑛𝑔1 3.478 -0.038 𝑡−2 (1.003584) (-0.747098) ∆𝑅𝑎𝑡𝑖𝑛𝑔2 0.303 -0.043 𝑡−1 (0.07719) (-0.842369) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2 -1.451 -0.040 𝑡−2 (-0.370323) (-0.787742) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 -3.187 -0.037 𝑡−1 (-0.721143) (-0.777642) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 -0.324 -0.038 𝑡−2 (-0.07336) (-0.740025) Observaciones 387 387 387 387 387 387 60 Tabla C6 Resultados de la Estimación MCE Soberanos de África Panel A 𝐶𝐷𝑆𝑡 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 Intercepto 1.860* 2.535* 2.535* 1.130* 1.274* 1.274* (4.981048) (4.534989) (4.534989) (24.03487) (37.42549) (37.42549) 𝑅𝑎𝑡𝑖𝑛𝑔1 54.280* 𝑡 (1.605587) 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 103.626* (2.277395) 𝑅𝑎𝑡𝑖𝑛𝑔3 103.626* 𝑡 (2.277395) 𝐶𝐷𝑆 0.000 0.000 0.000 𝑡 (1.605587) (2.277) (2.277) Panel B ∆𝐶𝐷𝑆𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 0.008 0.008 -0.009 -0.005 -0.005 (0.2345) (0.2345) (1.431441) (-1.006811) (1.006811) ?̂? -0.084 -0.084* -0.084 -0.036 -0.043* -0.043* 𝑡−1 (-2.204585) (-2.359236) (-2.359236) (-1.112118) (-1.68514) (-1.68514) ∆𝐶𝐷𝑆 0.287* 0.288* 0.288* 0.000 0.000 0.000 𝑡−1 (3.940634) (2.900857) (2.900857) (1.030639) (0.148461) (0.148461) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1 7.439* -0.012 𝑡−1 (2.154551) (-1.256536) ∆𝑅𝑎𝑡𝑖𝑛𝑔1 -0.353 -0.010 𝑡−2 (-0.020078) (-1.062551) ∆𝑅𝑎𝑡𝑖𝑛𝑔2 7.285 0.003 𝑡−1 (0.11053) (0.027284) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2 21.346 0.003 𝑡−2 (0.323907) (0.029414) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 7.285 0.003 𝑡−1 (0.11053) (0.027284) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 21.346 0.003 𝑡−2 (0.323907) (0.029414) Observaciones 97 97 97 97 97 97 61 Tabla C7 Resultados de la Estimación MCE Soberanos de Asia Panel A 𝐶𝐷𝑆𝑡 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 Intercepto 1.286 1.170 1.428 0.509 0.641 0.443 (10.44844) (11.42424) (12.32199) (27.70356) (22.71582) (29.33426) -122.849 𝑅 𝑎𝑡𝑖𝑛𝑔1 𝑡 (-4.831485) 𝑅 𝑎𝑡𝑖𝑛𝑔2 -79.222 𝑡 (-4.773023) -185.206 𝑅 𝑎𝑡𝑖𝑛𝑔3𝑡 (-6.484801) -0.0008 -0.001 -0.001 𝐶𝐷𝑆 𝑡 (-4.831485) (-4.773) (-6.4848) Panel B ∆𝐶𝐷𝑆𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 ∆ 𝑅𝑎𝑡𝑖𝑛𝑔3𝑡 0.006 0.008 -0.0055** -0.009** -0.003*** (0.353797) (0.463774) (-2.179792) (-2.428419) (-1.722223) ?̂? -0.088* -0.084* -0.0953* -0.015 -0.046* -0.024*** 𝑡−1 (-3.27765) (-3.105951) (-3.376742) (-1.092798) (-3.364805) (-1.764073) ∆𝐶𝐷𝑆 0.192* 0.189* 0.194* 0.000 0.000 0.000 𝑡−1 (2.708765) (2.662581) (2.728519) (-0.036767) (0.153735) (0.13126) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔1 11.494 -0.017 𝑡−1 (0.223682) (-0.233196) ∆𝑅𝑎𝑡𝑖𝑛𝑔1 37.454 -0.016 𝑡−2 (0.732543) (-0.23424) ∆𝑅𝑎𝑡𝑖𝑛𝑔2 6.369 -0.037 𝑡−1 (0.188653) (-0.520756) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2 -21.559 -0.037 𝑡−2 (-0.638685) (-0.521823) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 10.779 -0.0072 𝑡−1 (0.16806) (-0.100928) ∆𝑅𝑎𝑡𝑖𝑛𝑔3 8.540 -0.0073 𝑡−2 (0.133187) (-0.102571) Observaciones 196 196 196 196 196 196 62 Tabla C8 Resultados de la Estimación MCE Soberanos de Estados Unidos, Alemania y Francia Panel A 𝐶𝐷𝑆 𝑡 𝑅𝑎𝑡𝑖𝑛𝑔 2𝑡 Intercepto 0.388* 0.003* (9.870262) (10.74837) 𝑅𝑎𝑡𝑖𝑛𝑔2 353.877 𝑡 (0.439486) 0.000 𝐶𝐷𝑆𝑡 (0.439486) Panel B ∆𝐶𝐷𝑆 𝑡 ∆𝑅𝑎𝑡𝑖𝑛𝑔2𝑡 0.008 0.000 (1.244835) (1.066005) ?̂?𝑡−1 -0.025* -0.004 (-1.76936) (-0.058481) ∆𝐶𝐷𝑆 0.369* 0.000 𝑡−1 (5.739025) (-0.742959) ∆𝑅𝑎𝑡𝑖𝑛𝑔2𝑡−1 -277.301 0.000 (-0.840383) (-0.004142) ∆ 𝑅𝑎𝑡𝑖𝑛𝑔2𝑡−2 308.973 -0.003 (0.935019) (-0.032554) Observaciones 240 240 63 Apéndice D Resultados de la prueba empírica: coeficiente de correlación de variables Tabla D1 Resultados de la prueba empírica: coeficiente de correlación de variables Moody´s Standard & Poors Fitch Estados Unidos 0.0 0.4 0.0 Alemania 0.0 0.0 0.0 Francia 0.0 0.0 0.0 España 0.7 0.9 0.8 Italia 0.6 0.7 0.7 Grecia 0.5 0.6 0.6 Irlanda 0.8 0.8 0.9 Rusia 0.1 0.2 0.2 Sudáfrica 0.1 0.6 1.0 Corea -0.5 -0.2 -0.3 China -0.5 -0.5 -0.6 Colombia 0.3 0.5 0.5 México 0.1 0.0 -0.1 Chile -0.3 -0.2 -0.1 Brasil 0.7 0.7 0.5 Perú 0.2 0.5 0.5 Donde se puede observar que no existe correlación entre las variables de estudio para EEUU, Alemania y Francia, puesto que los resultados son cercanos a cero, a diferencia de los demás países de la muestra que tienen resultados positivos o negativos en su relación de interdependencia. 64 Apéndice E: Series Mensualizadas de las Primas de los Credit Default Swap (CDS) CDS_CHINA 250 200 150 100 50 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 CDS_COREA 500 400 300 200 100 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 Figura E1. CDS Asia: China, Corea. 65 CDS_ESPAÑA CDS_GRECIA 600 16,000 500 12,000 400 300 8,000 200 4,000 100 0 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 2003 2004 2005 2006 2007 2008 2009 2010 2011 CDS_IRLANDA CDS_ITALIA 1,000 600 800 500 400 600 300 400 200 200 100 0 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 2003 2004 2005 2006 2007 2008 2009 2010 2011 Figura E2. CDS Europa: España, Grecia, Irlanda, e Italia. 66 CDS_PERU CDS_BRASIL 600 2,000 500 1,600 400 1,200 300 800 200 100 400 0 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 2003 2004 2005 2006 2007 2008 2009 2010 2011 CDS_CHILE CDS_COLOMBIA 300 1,000 250 800 200 600 150 400 100 50 200 0 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 2003 2004 2005 2006 2007 2008 2009 2010 2011 CDS_MEXICO 500 400 300 200 100 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 Figura E3. CDS América: Perú, Brasil, Chile, Colombia, y México. 67 CDS_ESTADOS UNIDOS 100 80 60 40 20 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 CDS_ALEMANIA 120 100 80 60 40 20 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 CDS_FRANCIA 250 200 150 100 50 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 Figura E4. CDS Países Desarrollados: Estados Unidos, Alemania, y Francia. 68 CDS_RUSIA 800 600 400 200 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 CDS_SUDAFRICA 500 400 300 200 100 0 2003 2004 2005 2006 2007 2008 2009 2010 2011 Figura E5. CDS Rusia y Sudáfrica. 69 Apéndice F: Series Mensualizadas de los Ratings de las Clasificadoras por País .24 .20 .16 .12 .08 .04 .00 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_BRASIL S&P_BRASIL FITCH_BRASIL Figura F1. Rating Brasil. .012 .010 .008 .006 .004 .002 .000 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_CHILE S&P_CHILE FITCH_CHILE Figura F2. Rating Chile. 70 .0000305 .0000300 .0000295 .0000290 .0000285 .0000280 .0000275 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_ALEMANIA S&P_ALEMANIA FITCH_ALEMANIA Figura F3. Rating Alemania. .016 .014 .012 .010 .008 .006 .004 .002 .000 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_CHINA S&P_CHINA FITCH_CHINA Figura F4. Rating China. 71 .09 .08 .07 .06 .05 .04 .03 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_COLOMBIA S&P_COLOMBIA FITCH_COLOMBIA Figura F5. Rating Colombia. .008 .007 .006 .005 .004 .003 .002 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_COREA S&P_COREA FITCH_COREA Figura F6. Rating Corea. 72 .00035 .00030 .00025 .00020 .00015 .00010 .00005 .00000 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_EEUU S&P_EEUU FITCH_EEUU Figura F7. Rating Estados Unidos. .0028 .0024 .0020 .0016 .0012 .0008 .0004 .0000 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_ESPAÑA S&P_ESPAÑA FITCH_ESPAÑA Figura F8. Rating España. 73 .0000305 .0000300 .0000295 .0000290 .0000285 .0000280 .0000275 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_FRANCIA S&P_FRANCIA FITCH_FRANCIA Figura F9. Rating Francia. .24 .20 .16 .12 .08 .04 .00 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_GRECIA S&P_GRECIA FITCH_GRECIA Figura F10. Rating Grecia. 74 .06 .05 .04 .03 .02 .01 .00 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_IRLANDA S&P_IRLANDA FITCH_IRLANDA Figura F11. Rating Irlanda. .005 .004 .003 .002 .001 .000 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_ITALIA S&P_ITALIA FITCH_ITALIA Figura F12. Rating Italia. 75 .032 .028 .024 .020 .016 .012 .008 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_MEXICO S&P_MEXICO FITCH_MEXICO Figura F13. Rating México. .12 .10 .08 .06 .04 .02 .00 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_PERÚ S&P_PERÚ FITCH_PERÚ Figura F14. Rating Perú. 76 .12 .10 .08 .06 .04 .02 .00 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_RUSIA S&P_RUSIA FITCH_RUSIA Figura F15. Rating Rusia. .032 .028 .024 .020 .016 .012 .008 .004 2003 2004 2005 2006 2007 2008 2009 2010 2011 MOODYS_SUDAFRICA S&P_SUDAFRICA FITCH_SUDAFRICA Figura F16. Rating Sudáfrica. 77 Apéndice G: Aplicación de la prueba de Dickey-Fuller Aumentada Tabla G1 Resultado de la prueba de Dickey-Fuller Aumentada Null Hypothesis: RATING1_BRAS has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Stat istic Pro b.* Augmented Dickey-Fuller test statistic -1.82 2910 0.68 68 Test critical values: 1% level -4.046072 5% level -3.452358 10% level -3.151673 *MacKinn on (1996) one-si ded p-value s. Null Hypothesis: RATING1_BRAS has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Stat istic Pro b.* Augmented Dickey-Fuller test statistic -1.82 2910 0.68 68 Test critical values: 1% level -4.046072 5% level -3.452358 10% level -3.151673 *MacKinn on (1996) one-si ded p-value s. Augmented Dickey-Fuller Test Equation Dependent Variable: D(RATING1_BRAS) Method: Least Squares Date: 02/12/13 Time: 22:15 Sample (adjusted): 2003M02 2011M12 Included observations: 107 after adjustments Vari able Coeff icient Std. Error t-St atistic Pr ob. RATING1 _BRAS(- 1) -0.070849 0.038866 -1.822910 0.0712 C 0.012597 0.008417 1.496642 0.1375 @TREND(2003M0 1) -0.000135 8.50E-05 -1.592640 0.1143 78 R-squared 0.033606 Mean dependent var -0.001788 Adjusted R-squared 0.015021 S.D. dependent var 0.007808 S.E. of regression 0.007749 Akaike info criterion -6.854741 Sum squared resid 0.006246 Schwarz criterion -6.779802 Log likelihood 369.7287 Hannan-Quinn criter. -6.824362 F-statistic 1.808260 Durbin-Watson stat 2.029878 Prob(F-statistic) 0.169055 𝐻0= Rating1_Brasil presenta Raíz Unitaria (la serie no es estacionaria) 𝐻1= Rating1_Brasil no presenta Raíz Unitaria (la serie es estacionaria) Del Test de Dickey Fuller Aumentado se tiene: |𝑻. 𝑬𝒔𝒕𝒂𝒅𝒊𝒔𝒕𝒊𝒄𝒐| > |𝑻. 𝑪𝒓𝒊𝒕𝒊𝒄𝒐 𝒅𝒆 𝑴𝒂𝒄𝒌𝒊𝒏𝒏𝒐𝒏| → 𝑹𝒆𝒄𝒉𝒂𝒛𝒂 𝑯𝒊𝒑𝒐𝒕𝒆𝒔𝒊𝒔 𝑵𝒖𝒍𝒂 Por tanto, no se rechaza la hipótesis nula, es decir la serie no es estacionaria. 79 Apéndice H: Aplicación de la prueba de Johansen Tabla H1 Resultado de la prueba de Johansen Date: 02/12/13 Time: 23:26 Sample: 2003M10 2011M12 Included observations: 244 Trend assumption: Linear deterministic trend Series: CDST RATING2 Lags interval (in first differences): 1 to 2 Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.007101 1.771616 15.49471 0.9974 At most 1 0.000135 0.032846 3.841466 0.8561 Trace test indi cates no cointe gration at the 0 .05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegration Rank Test (Maximum Eigenvalue) Hypothesized Max-Eigen 0.05 No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None 0.007101 1.738770 14.26460 0.9955 At most 1 0.000135 0.032846 3.841466 0.8561 Max-eigenval ue test indicate s no cointegrat ion at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level **MacKinnon-Haug-Michelis (1999) p-values Unrestricted Cointegrating Coefficients (normalized by b'*S11*b=I): CDST RATING2 -1.995799 -30671.30 1.397517 -46745.27 Unrestricted Adjustment Coefficients (alpha): D(CDST) 0.007389 0.000231 D(RATING2) -2.96E-07 2.04E-07 80 1 Cointegrating Log Equation(s): likelihood 2563.099 N ormalized co integrating coe fficients (stand ard error in pa rentheses) CDST RATING2 1.000000 15367.93 (21462.5) Adjustment coefficients (standard error in parentheses) D(CDST) -0.014747 (0.01159) D(RATING2) 5.91E-07 (2.3E-06)