Determinanti del Tasso di Cambio Reale Effettivo dell'Uruguay: Un Approccio Modello Mundell-Fleming

1. Introduzione

Questo studio indaga i determinanti del Tasso di Cambio Reale Effettivo (TCER) a breve termine dell'Uruguay utilizzando un quadro teorico Mundell-Fleming esteso. L'Uruguay rappresenta un caso di studio interessante in quanto piccola economia aperta con un regime di cambio fluttuante, che ha attraversato significative turbolenze economiche regionali, in particolare la crisi finanziaria del 2002 legata all'Argentina. La ricerca colma una lacuna nella letteratura analizzando sistematicamente come variabili macroeconomiche chiave—specificamente il tasso di prestito statunitense (USLR), l'offerta di moneta domestica (M2), l'inflazione (CPI) e il tasso d'interesse mondiale (WIR)—influenzino le fluttuazioni del TCER. Comprendere queste dinamiche è cruciale per formulare efficaci risposte di politica monetaria e fiscale alla volatilità del tasso di cambio.

2. Rassegna della Letteratura

Il lavoro si colloca all'interno dell'ampio corpus di studi sul modello Mundell-Fleming, un pilastro della macroeconomia delle economie aperte. Si osserva che, sebbene il modello sia stato esteso e testato in vari contesti, i risultati possono differire in base alle strutture economiche e ai regimi politici. La rassegna evidenzia studi rilevanti sulle risposte di politica agli shock dei flussi di capitale nei mercati emergenti, citando interventi come operazioni di sterilizzazione sul mercato dei cambi. Fa riferimento a lavori specifici sul mix di politiche dell'Uruguay, incluso l'approccio attivo-passivo, che si sostiene migliori il funzionamento del mercato dei cambi. Ciò stabilisce il contesto teorico ed empirico per l'indagine attuale.

3. Metodologia & Dati

L'analisi utilizza un modello di regressione lineare per stimare la relazione tra il TCER dell'Uruguay e le variabili indipendenti selezionate (USLR, M2, CPI, WIR). Per affrontare potenziali problemi comuni nei dati economici di serie storiche, come l'autocorrelazione e l'eteroschedasticità, il modello utilizza gli errori standard di Newey-West, che forniscono stime consistenti anche in presenza di questi problemi. Il periodo e le fonti dei dati, sebbene non dettagliati esaustivamente nell'estratto fornito, tipicamente coinvolgerebbero dati di serie storiche trimestrali o mensili da fonti come la Banca Centrale dell'Uruguay, la Federal Reserve e istituzioni finanziarie internazionali.

4. Risultati Empirici & Analisi

I principali risultati empirici sono chiari e in linea con le previsioni fondamentali del modello Mundell-Fleming per un regime di cambio fluttuante:

• Tasso di Prestito USA (USLR): Un aumento porta a una svalutazione del TCER dell'Uruguay. Ciò è coerente con le pressioni di deflusso di capitale poiché tassi USA più alti attirano investimenti lontano dall'Uruguay.
• Offerta di Moneta Domestica (M2): Una politica monetaria espansiva (aumento di M2) è associata a svalutazione del TCER, in linea con la previsione del modello di tassi d'interesse più bassi e deflussi di capitale.
• Inflazione (CPI): Un'inflazione domestica più elevata erode la competitività, portando a svalutazione del TCER.
• Tasso d'Interesse Mondiale (WIR): Risulta non avere un impatto statisticamente significativo sul TCER dell'Uruguay in questa specificazione del modello.

I risultati sottolineano la sensibilità del tasso di cambio dell'Uruguay alla politica monetaria statunitense e alle condizioni macroeconomiche domestiche.

5. Conclusioni & Raccomandazioni di Politica

Lo studio conclude che il modello Mundell-Fleming fornisce un quadro valido per comprendere i movimenti a breve termine del TCER in Uruguay. Sulla base dei risultati, gli autori offrono consigli di politica mirati per le autorità uruguaiane che affrontano pressioni di svalutazione del Peso:

1. Restringere la Politica Monetaria: Per contrastare le pressioni inflazionistiche e sostenere la valuta.
2. Controllare l'Inflazione: Un obiettivo primario per mantenere la competitività esterna.
3. Adeguare le Strategie Fiscali: Misure complementari per sostenere il restringimento monetario.
4. Incrementare le Esportazioni: Migliorare la bilancia commerciale per generare afflussi di valuta estera e sostenere il TCER.

6. Analisi Originale & Revisione Critica

7. Quadro Tecnico & Specificazione del Modello

Il modello econometrico centrale è specificato come una regressione lineare:

$\text{TCER}_t = \beta_0 + \beta_1 \text{USLR}_t + \beta_2 \text{M2}_t + \beta_3 \text{CPI}_t + \beta_4 \text{WIR}_t + \epsilon_t$

Dove:

• $\text{TCER}_t$: Indice del Tasso di Cambio Reale Effettivo per l'Uruguay al tempo $t$.
• $\text{USLR}_t$: Tasso di prestito degli Stati Uniti.
• $\text{M2}_t$: Offerta di moneta in senso ampio dell'Uruguay.
• $\text{CPI}_t$: Indice dei Prezzi al Consumo per l'Uruguay (misura dell'inflazione).
• $\text{WIR}_t$: Un proxy per il tasso d'interesse globale (ad es., rendimento dei Treasury USA o un indice dei tassi globali).
• $\epsilon_t$: Il termine di errore, assunto potenzialmente eteroschedastico e autocorrelato.

Si prevede che i parametri ($\beta_1, \beta_2, \beta_3$) siano negativi, indicando una svalutazione del TCER in seguito a un aumento di queste variabili. Lo stimatore della matrice di covarianza di Newey-West è utilizzato per calcolare errori standard robusti, correggendo per l'autocorrelazione fino a un ritardo specificato $m$: $\hat{\Omega}_{NW} = \hat{\Gamma}_0 + \sum_{j=1}^{m} w(j, m) (\hat{\Gamma}_j + \hat{\Gamma}_j')$, dove $\hat{\Gamma}_j$ è la matrice di autocovarianza campionaria al ritardo $j$.

8. Risultati Sperimentali & Interpretazione

I risultati riportati possono essere concettualmente riassunti nella seguente tabella:

Implicazione Grafico: Un ipotetico grafico di serie storiche mostrerebbe probabilmente l'indice TCER dell'Uruguay muoversi inversamente rispetto all'USLR e al CPI domestico. Periodi di aumento dei tassi USA (ad es., 2004-2006, 2016-2018) coinciderebbero con pressioni al ribasso sul TCER, mentre periodi di alta inflazione domestica esacerberebbero questo trend. Il grafico dimostrerebbe visivamente l'alto potere esplicativo di queste due variabili, con la linea del WIR che mostra poca co-movimentazione.

9. Quadro Analitico: Applicazione di un Caso di Studio

Caso: Analisi di una Potenziale Svalutazione del Peso nel 2024

Scenario: La Federal Reserve statunitense segnala una posizione più aggressiva a causa dell'inflazione persistente, portando i mercati ad anticipare un aumento di 100 punti base dell'USLR nel prossimo anno. Contemporaneamente, la crescita dell'offerta di moneta domestica dell'Uruguay rimane sopra l'obiettivo e l'inflazione CPI è all'8% (sopra l'intervallo target della banca centrale).

Applicazione del Modello:

1. Input Variabili: USLR ↑, M2 ↑, CPI ↑, WIR (assumere stabile).
2. Previsione del Modello: Tutti e tre i driver significativi puntano verso una svalutazione del TCER. L'effetto combinato sarebbe fortemente negativo per il valore reale del Peso.
3. Simulazione di Politica:
   • Baseline (Nessun Cambiamento di Politica): Il modello prevede una significativa svalutazione del TCER, peggiorando i costi delle importazioni e potenzialmente alimentando ulteriore inflazione.
   • Risposta di Politica 1 (Restringere la Politica Monetaria): La banca centrale aumenta aggressivamente i tassi d'interesse, riducendo la crescita di M2. Ciò compenserebbe parzialmente l'effetto USLR, moderando la svalutazione prevista.
   • Risposta di Politica 2 (Consolidamento Fiscale): Il governo riduce il suo deficit, abbassando la domanda aggregata e la pressione inflazionistica (CPI ↓). Ciò mitigherebbe ulteriormente le pressioni di svalutazione.

Questo caso dimostra come il modello serva da quadro quantitativo per testare le opzioni di politica contro shock esterni.

10. Applicazioni Future & Direzioni di Ricerca

Il quadro stabilito qui può essere esteso in diverse direzioni di impatto:

• Modelli Non-Lineari & a Cambiamento di Regime: Incorporare effetti soglia o modelli Markov-switching per tenere conto di diversi regimi di politica monetaria o periodi di crisi vs. tranquilli, simili agli approcci utilizzati nello studio delle crisi finanziarie asiatiche.
• Incorporare Canali Finanziari: Aggiungere variabili per l'avversione al rischio globale (ad es., indice VIX), spread creditizi sovrani o dati sui flussi di capitale per catturare meglio il canale finanziario della determinazione del tasso di cambio, come evidenziato nella letteratura sul "Ciclo Finanziario Globale".
• Miglioramento con Machine Learning: Utilizzare il modello lineare come baseline e confrontare le sue prestazioni predittive con tecniche di machine learning (ad es., Random Forests, Gradient Boosting) che possono catturare interazioni complesse e non lineari tra un insieme più ampio di potenziali determinanti.
• Analisi Comparativa Regionale: Applicare lo stesso modello ad altre piccole economie aperte in America Latina (ad es., Paraguay, Perù) per identificare driver comuni e idiosincrasie specifiche del paese, costruendo un toolkit di valutazione del rischio regionale.
• Integrazione di Regole di Politica: Incorporare le relazioni stimate all'interno di un semplice modello di equilibrio generale stocastico dinamico (DSGE) per l'Uruguay per simulare gli effetti di medio termine di diverse regole di politica monetaria sulla stabilità del tasso di cambio.

11. Riferimenti Bibliografici

1. Al Faisal, M. A., & Islam, D. (Anno). [Lavoro rilevante sulla capacità di assorbimento degli shock]. Journal of International Economics.
2. Bucacos, E., et al. (Anno). Intervento sterilizzato e approccio attivo-passivo in Uruguay. Working Paper della Banca Centrale dell'Uruguay.
3. Commissione Economica per l'America Latina e i Caraibi (CEPAL). (2023). Rapporto Economico sull'America Latina e i Caraibi 2023.
4. Hayashi, F. (2000). Econometrics. Princeton University Press.
5. Fondo Monetario Internazionale (FMI). (2022). Rapporto Annuale sugli Accordi e le Restrizioni di Cambio (AREAER).
6. Mundell, R. A. (1963). Capital mobility and stabilization policy under fixed and flexible exchange rates. Canadian Journal of Economics and Political Science.
7. Rey, H. (2015). Dilemma not trilemma: The global financial cycle and monetary policy independence. NBER Working Paper No. 21162.
8. Banca dei Regolamenti Internazionali (BRI). (2019). Rapporto Economico Annuale - Capitolo III: Il dollaro, il credito bancario e la stabilità finanziaria globale.