Política Monetaria y Restricciones de Liquidez: Evidencia para la Zona Euro

Por Mattias  AlmgrenJosé Elías GallegosJohn  Kramer  y Ricardo Lima

En 2016, el 30 por ciento de los hogares en Alemania no podían hacer frente a  un gasto financiero inmediato e inesperado de 985 euros. Al mismo tiempo, el 40 por ciento de los hogares italianos no podían hacer frente a un gasto inesperado de 800 euros (1). Cifras como estas sugieren que una parte importante de los hogares tienen pocos activos líquidos, lo que potencialmente los hace vulnerables a shocks inesperados en la economía.  Especialmente en economía monetaria, estos hogares han recibido especial atención recientemente.

Si bien la investigación teórica ha demostrado que los modelos de agentes heterogéneos que incluyen agentes restringidos pueden tener diferentes implicaciones que  sus  contrapartes de agentes  representativos,  la  evidencia  empírica  sobre  la importancia de la heterogeneidad para la transmisión de la política monetaria al PIB  es  escasa  (véase,  por  ejemplo, Bilbiie  (2008)  para  una  contribución  teórica temprana en un entorno de dos agentes o Auclert (2019) y Hagedorn et al. (2019) para un entorno con agentes completamente heterogéneos).  En un artículo reciente proporcionamos tal evidencia, mostrando que  mayor proporción de hogares con restricciones de liquidez en un país se asocia con una respuesta más fuerte del PIB a una sorpresa de política monetaria.

Nos centramos en la zona Euro, donde los países miembros han estado expuestos a la política monetaria común llevada a cabo por el Banco Central Europeo (BCE) desde la introducción  de  la  moneda  compartida.   Sin  embargo, debido  a  la  idiosincrasia  de  los  países  y  a  la  lenta convergencia,  todavía  difieren  en  muchas dimensiones, incluida la proporción de hogares con restricciones de liquidez.

Primero estimamos las funciones de respuesta al impulso (IRF, por sus siglas en  inglés)  del  PIB  para  cada  país  a  los  mismos  shocks  de  política  monetaria, basándonos en el método de Proyección Local (LP, por sus siglas en inglés) iniciado por Jordà (2005).  Debido a la potencial endogeneidad entre los cambios en los tipos de interés y las respuestas del PIB, aumentamos la estimación de LP con un marco de variables instrumentales siguiendo a Stock and Watson (2018). Usamos movimientos de alta frecuencia en los Overnight Indexed Swap (OIS) rates en una ventana de tiempo de 45 minutos alrededor de los anuncios de política del BCE como un instrumento para las sorpresas de política monetaria.  Dado  que  los  OIS  son  derivados  de  tipos  de  interés  prospectivos,  los grandes movimientos de tipos durante la ventana implican que el anuncio del BCE no estaba en línea con las expectativas del mercado.  El supuesto de identificación es que esta medida no está correlacionada con otros shocks al  PIB. Reportamos nuestros resultados en la Figura 1.

Figura 1. Funciones impulso-respuesta en países de la zona euro

Nota: Esta  figura  muestra  las  respuestas  del  PIB  real  a un shock  expansivo  de  política monetaria de  una  desviación  estándar, junto con las bandas de confianza de 1 y 2 desviaciones estándar

En la segunda parte del documento incorporamos las dimensiones de ingresos y activos relacionando las IRF con la proporción de hogares con restricciones de liquidez  en  cada país.  La  idea  es  que  una  fracción  mayor  de  hogares  con menos capacidad para suavizar las fluctuaciones de ingresos causadas por los shocks de la  política  monetaria  puede conducir  a  una  respuesta  del  PIB  más  fuerte  en  un país. Si bien no es posible medir la fracción directamente, la aproximamos clasificando los hogares en la encuesta Household Finance and Consumption Survey (HFCS) como financieramente restringidos, o Hand-to-Mouth (HtM), o no HtM, de acuerdo con la medida propuesta por Kaplan, Violante and Weidner (2014) (2).

Estos autores muestran que tal medida está fuertemente correlacionada con estimaciones de la propensión marginal del consumo (MPC,  por  sus  siglas  en  inglés). Dado que la HFCS sólo puede proporcionar datos de los últimos años, complementamos  nuestro  análisis  con  datos  de  la  encuesta EU-SILC,  que  se  realiza  desde 2005.    En  ella  se  pregunta a  los  hogares  participantes  si  podrían  financiar  un gasto financiero  inesperado,  gracias  a  la  cual  inferimos  si  están  restringidos  financieramente. Ambas encuestas apuntan a una gran  variación  entre  países  en   la  proporción  de consumidores limitados y el patrón es ampliamente consistente a lo largo del tiempo.  Reportamos las estadísticas en la Figura 2.

Figura 2.  Aproximaciones a los consumidores "Hand-to-Mouth"

Nota:  Panel  (a) : fracción  de  hogares clasificados  como HtM  en  cada  país, distinguiendo entre Poor (negro) y Wealthy (gris) HtM.  Panel (b) :  fracción de hogares que han tenido gastos durante los últimos 12 meses que fueron “aproximadamente iguales  a”  o  excedieron  sus  ingresos durante  el  mismo periodo.  Panel  (c):  muestra  el  promedio de  fracciones de las  ganancias  de  lotería,  en  cada país, que los  hogares gastarían  durante  los  próximos  12  meses.  Para los paneles (a)  y  (b), utilizamos datos de la segunda ola de la HFCS del Eurosistema. Para el panel (c), usamos datos de la tercera  ola de  la  HFCS.  Panel  (d):  Fracción  de hogares que  creen que  no  pueden hacer  frente  a  gastos inesperados con  el uso  de  recursos  propios  (PFV2).   Los datos provienen  de la  EU-SILC.  Panel  (e):  fracción  de hogares que durante  el  último  año  estaban  en  mora  en  su factura de  servicios  públicos  (PFV3).   Los datos de los paneles (d) y (e) provienen de la EU-SILC.

Nuestro primer hallazgo es que, de acuerdo con la literatura anterior, las respuestas  del  PIB  a  una  sorpresa  común  de la política  monetaria  europea  no  son homogéneas entre países. Existe una heterogeneidad significativa en términos de impacto  acumulativo  y  valores  máximos.  En  segundo lugar,  todas  nuestras  medidas de la fracción de hogares con restricciones de liquidez están correlacionadas significativamente con estadísticas de las IRF. Los países con fracciones más altas de hogares con restricciones de liquidez exhiben respuestas de PIB acumulada más  fuertes  y respuestas  máximas  mayores  a  un  cambio  inesperado  de la  tasa   de  interés,  como  documentamos  en  la  Figura  3.

Figure 3. El Efecto de la Política Monetaria y la fracción de consumidores Hand-to-Mouth

Además, para  la  medida  construida  de acuerdo con Kaplan, Violante and Weidner mostramos que la máxima correlación se obtiene con los Wealthy HtM, es decir, hogares con bajos niveles de riqueza líquida, pero niveles positivos de riqueza ilíquida.

Los resultados que presentamos son importantes por varias razones. Primero, nuestros  hallazgos  sugieren  que  la heterogeneidad  en  la  composición  de  los  balances de los hogares entre países afecta la transmisión de la política monetaria a  sus economías.  El hallazgo de que una mayor proporción de hogares de baja liquidez amplifica la respuesta del PIB a un cambio inesperado de la tasa de interés puede orientar el trabajo teórico y cuantitativo futuro sobre política monetaria en un marco neokeynesiano de agentes heterogéneos.  Comprender las razones de las diferencias que descubrimos es fundamental para calibrar las políticas futuras. En segundo lugar, mostramos que los métodos LP se pueden utilizar para estimar el impacto de la política monetaria para los países dentro de una unión monetaria. Por último, nuestros resultados son robustos en diferentes especificaciones de restricciones de liquidez, corroborando la medida presentada por Kaplan, Violante and Weidner.

Por último, nuestros hallazgos implican que es importante tratar por separado  los activos líquidos y no líquidos al describir la distribución de la riqueza de una economía.  Esto respalda la opinión de que los hogares ricos pueden tener una alta propensión marginal al consumo, como lo señalan Kaplan, Violante and Weidner (2014), Kaplan and Violante (2014) y Kaplan, Moll and Violante (2018) (3).

Notas:

(1) Según la Survey of Income and Living conditions  de la Unión Europea (EU-SILC).

(2) Un hogar se clasifica como viviendo HtM si su riqueza líquida es menor que la mitad de los ingresos mensuales. Ademas,  dividimos  los  hogares  en  Wealthy  HtM  y  Poor HtM.  Un  hogar  se  clasifica  como Wealthy HtM  si tiene riqueza ilíquida positiva.  Si un hogar es HtM pero wealthy, etiquetamos ese hogar como Poor HtM.

(3) Utilizando datos de los ganadores de la lotería noruega, Fagereng, Holm and Natvik (2020) encuentran  que  los hogares  en  el  cuartil  de  liquidez  más  alto  tienen  un  MPC significativamente  más  bajo  que los hogares en el cuartil de liquidez más bajo