El presente trabajo busca responder a la interrogante respecto de si los choques en precios de commodities son capaces de explicar la relación que se observa en los datos entre términos de intercambio y productividad para el caso de la economía peruana, la cual se acentuó más en la época del boom de precios de commodities, en particular en el periodo comprendido entre el año 2001 y el 2015. Para responder la pregunta se construye un modelo de equilibrio general dinámico y estocástico (DSGE por sus siglas en inglés), basado en Kohn et al. (2015) y Desmet et al. (2008), en el cual se incorpora un sector commodities cuya inversión pasada genera aprendizaje tecnológico a futuro, incrementando la productividad total de los factores de la economía. Asimismo, se incorpora un gobierno en la economía que recauda impuestos de la firma en el sector commodities, transfiriendo dicha recaudación a las familias, generando de este modo un vínculo entre los precios de commodities y la dinámica de la economía. Los análisis de los resultados de las estadísticas predichas por el modelo indican que el mismo es capaz de explicar la relación observada entre los términos de intercambio y la productividad, entendida como la productividad total de los factores (PTF). En particular, mientras los datos indican una correlación de 0,21 entre ambas variables, el modelo predice que dicho valor es de 0,24.

The volatility of commodities prices such as oil or minerals is an important issue for small and open economies that depends on raw materials. For example, in many countries of Latin America, the volatility of commodities can a¤ect operational cost or investment schedules of business related to the primary sector. At the macroeconomic level, a high volatility can provocate changes in the current account and in capital in ows, or, on the side of importers, increase uncertainty about production costs and in ation. Therefore, modeling volatility of commodities prices would be useful for private agents and policy makers. For the rst ones, it gives valuable information for better options contracts that allow hedge under big uncertainty, and for the second ones, it could help to a better understanding of business cycles given the correlation between mineral prices uctuations, capital in ows and investment expectations. / Tesis

Seminario para optar al grado de Ingeniero Comercial / Los mercados mundiales continuamente están recibiendo flujos de información relacionados con variaciones de oferta, demanda y niveles de inventario de los distintos commodities que pertenecen al sistema económico. En una economía competitiva, estas variaciones se traducen en movimientos de precios continuos e impredecibles debido a que en equilibrio, estos precios se determinan al igualarse los niveles de oferta y de demanda. Por lo tanto, es de gran importancia analizar y comprender el comportamiento estocástico de los precios de commodities. Dado lo anterior es que el objetivo principal del presente trabajo será estudiar el impacto que provoca el cambio en los precios de los dos principales commodities para el mercado chileno, como lo son el cobre y petróleo, sobre las fluctuaciones de los índices accionarios IPSA e IGPA. Por otro lado se intentará predecir los retornos para el cobre, petróleo, IPSA e IGPA, usando un modelo univariable en base a los precios históricos. El pronóstico está basado enteramente en las observaciones pasadas de la serie de tiempo, ajustando el modelo a los datos. El supuesto implícito es que los valores futuros de la serie dependen de los valores pasados, en otras palabras, que la distribución de probabilidad de los valores futuros está condicionada a los valores pasados. Una consideración de los partidarios de efectuar pronósticos mediante modelos univariables, es que de alguna manera, toda la información relevante se encuentra contenida en la serie. Luego, el modelo univariable no ignora las otras variables explicativas, sino que las considera implícitamente. Además, para el pronóstico no es necesario explicitar todas las variables sino que sólo considerar sus efectos. Se hace importante recalcar que el objetivo de este estudio no busca tratar de explicar los factores que hacen fluctuar los índices accionarios, sino que simplemente se analizará e interpretará el impacto posible que generen estos commodities sobre los retornos de IPSA e IGPA. Al respecto, debieran ser incluidas variables de mayor importancia relativa respecto a los factores que puedan afectar el comportamiento de los índices; como la inflación esperada, cambios en la yield curve, políticas monetarias, índices de producción industrial, precios de commodities o tal vez el PIB, por citar algunos ejemplos. En la bibliografía existente, destaca el trabajo de Chen, Roll y Ross (1986) donde se consideran algunas de estas variables y concluyen que las variaciones en el precio del petróleo no impactan significativamente sobre los retornos accionarios. Dentro de los commodities se consideró el cobre, dado que este mineral es el principal producto de exportación chileno representando un 40.5% del total de las exportaciones de bienes del país. Además, la participación de Chile en la producción mundial de cobre es de 29,9%, siendo el mayor productor del mundo, seguido de EE.UU. con una participación del 16.8%. Todo lo anterior hace evidente la importancia del cobre para Chile, tanto en el sector público como en el sector privado, y especialmente pare este último, que en la década pasada (1990-2000) aumentó su importancia de manera sorprendente, llegando a producir el 60.8% de la producción nacional de cobre en 1997. De forma análoga, también se hace necesario considerar los precios del petróleo, principalmente por el posible impacto que estudios anteriores consideran que podría provocar en los índices. La estructura de trabajo es la siguiente: En el capítulo I, se procederá a hacer una revisión bibliográfica respecto a la literatura relacionada con la predicción y comportamiento de las variables IPSA, IGPA, Petróleo y Cobre. Posteriormente en el capítulo II se describe la metodología a seguir en este estudio y se hace mención a las fuentes de donde se obtuvo la base de datos. Además, se hace una referencia conceptual de las cuatro variables que se analizarán dentro del presente trabajo y una breve reseña acerca del funcionamiento de estos mercados. En el capítulo III se presentan los resultados. En primera instancia, se identifican las cuatro series de tiempo y se realiza el mismo procedimiento para sus retornos. En segundo lugar, se plantean los posibles modelos ARIMA para cada una de las variables y se concluye el que mejor los representa. Posteriormente, se realizan seis regresiones, tres de ellas consideran como variable dependiente el retorno del índice IPSA y como variables independientes; el retorno del precio del cobre, el retorno del precio el petróleo de manera separada, y luego ambos en forma conjunta. De modo análogo ocurre con el índice IGPA. A continuación en el capítulo IV se entregan las conclusiones finales. Posteriormente, se presenta la bibliografía utilizada y los anexos del presente estudio.

The volatility of commodities prices such as oil or minerals is an important issue for small and open economies that depends on raw materials. For example, in many countries of Latin America, the volatility of commodities can a¤ect operational cost or investment schedules of business related to the primary sector. At the macroeconomic level, a high volatility can provocate changes in the current account and in capital in ows, or, on the side of importers, increase uncertainty about production costs and in ation. Therefore, modeling volatility of commodities prices would be useful for private agents and policy makers. For the rst ones, it gives valuable information for better options contracts that allow hedge under big uncertainty, and for the second ones, it could help to a better understanding of business cycles given the correlation between mineral prices uctuations, capital in ows and investment expectations.

Seven GARCH and stochastic volatility (SV) models are compared to model empirically the volatility of returns on four commodities relevant for South America economies: gold, copper, oil, and natural gas. Our results show that SV models outperform GARCH models on average. We find that the best-performing return volatility models are: GARCH-t for gold, SV-t for copper and oil, and SV with leverage effects (SV-L) for natural gas. The inclusion of fat tails and jumps components largely raise the performance of GARCH models, while this contribution is less for SV models. Even, SV models with jumps are usually outperformed by the basic SV model. We also find evidence of a leverage effect in oil and copper, resulting from their dependence on world economic activity; and of an inverse leverage effect in gold and natural gas, consistent with the former's role as safe asset and with uncertainty about the latter's future supply. Additionally, in most cases there is no evidence of an impact of volatility on the mean or MA-type first order autocorrelation.