Por Mattias Almgren, José Elías Gallegos, John 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
