# Leer el archivo de Excel y omitir las primeras 3 filas
base <- read_excel("C:/Users/diver/Desktop/Datos de empleo/base.xlsx", skip = 3)

# Renombrar las columnas en español
colnames(base) <- c('Nombre del País', 'Código del País', 'Nombre del Indicador', 'Código del Indicador', paste0("Año_", 1960:2023), 'Grupo de Ingresos', 'Región')

# Filtrar los datos para México y el indicador de reservas internacionales
mexico_reserva <- base %>% filter(`Nombre del País` == 'México' & `Nombre del Indicador` == 'Total de reservas (incluye oro, US$ a precios actuales)')

# Convertir los datos a formato largo
mexico_reservas2 <- mexico_reserva %>%
  pivot_longer(cols = starts_with("Año_"), names_to = "Año", values_to = "Reservas") %>%
  mutate(Año = as.integer(sub("Año_", "", Año)),
         Reservas = as.numeric(Reservas))  # Asegurarse de que las reservas sean numéricas

# Formatear los valores de las reservas con comas para los tooltips
mexico_reservas2$Reservas_fmt <- scales::comma(mexico_reservas2$Reservas)

Base de datos

El indicador de “Total de reservas (incluye oro, US$ a precios actuales)” del Banco Mundial mide las reservas internacionales que un país tiene, incluidas las reservas de oro, expresadas en dólares estadounidenses. Estas reservas son cruciales para mantener la estabilidad económica y financiera de un país, ya que permiten enfrentar crisis económicas y cumplir con las obligaciones internacionales. Los datos se recopilan anualmente y se pueden visualizar en diferentes formatos, lo que facilita el análisis comparativo entre países y periodos.

World Bank Open Data. (s. f.). World Bank Open Data. https://datos.bancomundial.org/indicator/FI.RES.TOTL.CD?skipRedirection=true&view=map

# Mostrar la base de datos usando :datatable
datatable(base)

Variables

En la base de datos que estamos utilizando, las variables principales son las siguientes:

Nombre del País
Código del País: El código del país (en formato ISO).
Nombre del Indicador
Código del Indicador.
Años: Varias columnas correspondientes a cada año desde 1960 hasta 2023, que contienen los valores del indicador para cada año.
Grupo de Ingresos: La clasificación del país según su grupo de ingresos.
Región: La región geográfica del país.

Preguntas de investigación

1. ¿Cómo se comportaron las reservas internacionales de México durante años de crisis económicas globales, como 1982, 1994, 2008 y 2020?

1982 Crisis de la deuda externa en México:

La crisis de 1982 fue provocada por un exceso de endeudamiento y la caída de los precios del petróleo. Las reservas internacionales se redujeron drásticamente debido a la necesidad de pagar la deuda externa y la fuga de capitales. El gobierno mexicano se vio obligado a declarar una moratoria sobre su deuda externa y negociar con el FMI y otras instituciones internacionales.

1994 Crisis del Tequila:

Esta crisis fue resultado de la inestabilidad política, el déficit de cuenta corriente y la sobrevaluación del peso. Las reservas internacionales disminuyeron rápidamente debido a la salida de capitales y la intervención del Banco de México para defender el peso. El Banco de México tuvo que dejar flotar el peso en diciembre de 1994, lo que provocó una devaluación significativa.

2008 Crisis financiera global:

La crisis financiera global afectó a México principalmente a través de la disminución en la demanda de exportaciones y la reducción de remesas. Sin embargo, las reservas internacionales se mantuvieron relativamente estables y siguieron una tendencia de crecimiento moderado durante este periodo. La política prudente del Banco de México y la acumulación de reservas en años anteriores ayudaron a mitigar los efectos de la crisis.

2020 Pandemia de COVID-19:

La pandemia provocó una crisis económica global, afectando severamente a México debido a la disminución de la actividad económica, la caída de los precios del petróleo y la reducción del turismo y las remesas. A diferencia de las crisis anteriores, las reservas internacionales de México no se redujeron significativamente y se mantuvieron estables, gracias a una gestión macroeconómica más robusta y la intervención oportuna del Banco de México. En algunos momentos, incluso hubo un aumento en las reservas debido a la atracción de capitales por la estabilidad relativa de la economía mexicana en comparación con otros mercados emergentes.

crisis_years <- c(1982, 1994, 2008, 2020)
mexico_reservas_crisis <- mexico_reservas2 %>% filter(Año %in% crisis_years)

# Graficar las reservas en años de crisis
p3 <- ggplot(mexico_reservas_crisis, aes(x = factor(Año), y = Reservas, text = paste("Año:", Año, "<br>Reservas:", Reservas_fmt))) +
  geom_bar(stat = "identity", fill = "#E3320C") +
  geom_text(aes(label = scales::comma(Reservas)), vjust = -0.5, size = 3) +
  ggtitle("R.I de México en Años de Crisis") +
  xlab("Año de Crisis") +
  ylab("Reservas Internacionales") +
  scale_y_continuous(labels = scales::comma) +
  theme_minimal(base_size = 15) +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold"),
    panel.grid.major = element_line(color = "gray80"),
    panel.grid.minor = element_line(color = "gray90")
  )

p3_interactive <- ggplotly(p3, tooltip = "text")
p3_interactive

# Formatear los valores de las reservas con comas para los tooltips
mexico_reservas2$Reservas_fmt <- scales::comma(mexico_reservas2$Reservas)

# Crear la gráfica de la tendencia de reservas internacionales usando ggplot2
grafica<- ggplot(mexico_reservas2, aes(x = Año, y = Reservas, text = paste("Año:", Año, "<br>Reservas:", Reservas_fmt))) +
  geom_line(color = "black", linewidth = 1) +
  geom_point(color = "blue", size = 2) +  # Ajuste del tamaño de los puntos
  ggtitle("Tendencia de las R.I. de México") +
  xlab("Año") +
  ylab("Reservas Internacionales") +
  scale_x_continuous(breaks = seq(1960, 2023, by = 5)) +
  scale_y_continuous(labels = scales::comma) +  # Formato de números con comas en el eje Y
  theme_minimal(base_size = 15) +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold"),
    axis.text.x = element_text(angle = 45, hjust = 1),
    panel.grid.major = element_line(color = "gray80"),
    panel.grid.minor = element_line(color = "gray90")
  )

# Convertir la gráfica de ggplot2 a plotly para interactividad
grafica1 <- ggplotly(grafica, tooltip = "text")

# Mostrar la gráfica interactiva
grafica1

2. Comportamiento de las R.I. de los 10 países con más PIB en América Latina en los últimos 10 años

- Brasil Comportamiento:

Las reservas internacionales de Brasil han sido relativamente estables, con ligeros aumentos y disminuciones a lo largo de la última década.

Causas:

Políticas económicas prudentes y diversificación de la economía. Intervenciones del Banco Central de Brasil para estabilizar el real brasileño. Ingresos de exportaciones de productos básicos como la soja, el petróleo y el mineral de hierro.

- México Comportamiento:

Las reservas internacionales han mostrado una tendencia creciente, aunque con algunas fluctuaciones debido a crisis económicas y políticas cambiarias.

Causas:

Políticas fiscales y monetarias prudentes. Intervenciones del Banco de México para estabilizar el peso. Remesas de mexicanos en el extranjero y exportaciones.

- Argentina Comportamiento:

Las reservas internacionales han sido muy volátiles, con períodos de disminución significativa y recuperaciones parciales.

Causas:

Crisis económica recurrente y alta inflación. Controles cambiarios y políticas económicas inconsistentes. Intervenciones del Banco Central para defender el peso argentino.

- Colombia Comportamiento:

Las reservas han tenido una tendencia al alza, aunque con fluctuaciones debido a cambios en los precios del petróleo y la volatilidad económica. Causas:

Dependencia de las exportaciones de petróleo y otros productos básicos. Políticas monetarias prudentes y acuerdos con el FMI. Intervenciones del Banco de la República para estabilizar el peso colombiano.

- Chile Comportamiento:

Las reservas internacionales han aumentado de manera constante, con algunas fluctuaciones menores.

Causas:

Políticas económicas sólidas y diversificación de exportaciones, especialmente cobre. Estabilidad macroeconómica y bajos niveles de deuda pública. Ingresos de exportaciones y acuerdos comerciales internacionales.

- Perú Comportamiento:

Las reservas han mostrado una tendencia creciente, con algunas fluctuaciones debido a cambios en los precios de los metales.

Causas:

Exportaciones de minerales, especialmente cobre y oro. Políticas monetarias prudentes y acuerdos comerciales. Intervenciones del Banco Central de Reserva del Perú para estabilizar el sol peruano.

- Venezuela Comportamiento:

Las reservas internacionales han disminuido drásticamente.

Causas:

Crisis económica y política severa. Hiperinflación y caída de la producción de petróleo. Controles cambiarios estrictos y falta de acceso a mercados internacionales.

- Ecuador Comportamiento:

Las reservas han sido volátiles, con períodos de aumento y disminución.

Causas:

Dependencia del petróleo y fluctuaciones en sus precios. Dolarización de la economía y políticas fiscales restrictivas. Negociaciones y acuerdos con el FMI.

- Guatemala Comportamiento:

Las reservas han mostrado una tendencia creciente, con estabilidad relativa.

Causas:

Políticas económicas prudentes y diversificación de exportaciones. Remesas de guatemaltecos en el extranjero. Estabilidad macroeconómica y baja inflación.

- Panamá Comportamiento:

Las reservas han aumentado de manera constante, reflejando una economía en crecimiento.

Causas:

Importancia del Canal de Panamá y sector financiero. Políticas económicas abiertas y atractivas para la inversión extranjera. Estabilidad política y acuerdos comerciales internacionales.

paises_latam <- c("Brasil", "México", "Argentina", "Colombia", "Chile", "Perú", "Venezuela", "Ecuador", "Guatemala", "Panamá")
reservas_latam <- base %>% filter(`Nombre del País` %in% paises_latam & 
                                    `Nombre del Indicador` == 'Total de reservas (incluye oro, US$ a precios actuales)')

# Convertir los datos a formato largo y asegurarse de que son numéricos
reservas_latam_long <- reservas_latam %>%
  pivot_longer(cols = starts_with("Año_"), names_to = "Año", values_to = "Reservas") %>%
  mutate(Año = as.integer(sub("Año_", "", Año)),
         Reservas = as.numeric(Reservas))

# Filtrar los datos desde el año 2000 hasta el 2023
reservas_latam_2000_2023 <- reservas_latam_long %>% filter(Año >= 2000 & Año <= 2023)

# Definir una paleta de colores
colores <- c("Brasil" = "#1f77b4", "México" = "#ff7f0e", "Argentina" = "#2ca02c", "Colombia" = "#d62728", 
             "Chile" = "#9467bd", "Perú" = "#8c564b", "Venezuela" = "#e377c2", "Ecuador" = "#7f7f7f",
             "Guatemala" = "#bcbd22", "Panamá" = "#17becf")

# Graficar la tendencia de las reservas internacionales desde el año 2000 hasta el 2023
p1 <- ggplot(reservas_latam_2000_2023, aes(x = Año, y = Reservas, color = `Nombre del País`, group = `Nombre del País`, text = paste("País:", `Nombre del País`, "<br>Año:", Año, "<br>Reservas:", scales::comma(Reservas)))) +
  geom_line(linewidth = 1.5) +
  geom_point(size = 3) +
  scale_color_manual(values = colores) +
  ggtitle("R.I. de Países de América Latina (2000-2023)") +
  xlab("Año") +
  ylab("R.I. (US$ a precios actuales)") +
  scale_x_continuous(breaks = seq(2000, 2023, by = 2)) +
  scale_y_continuous(labels = scales::comma) +
  theme_light(base_size = 15) +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold", size = 20),
    axis.text.x = element_text(angle = 45, hjust = 1, size = 12),
    axis.text.y = element_text(size = 12),
    axis.title = element_text(size = 14),
    panel.grid.major = element_line(color = "gray85"),
    panel.grid.minor = element_line(color = "gray90"),
    legend.title = element_text(size = 14),
    legend.text = element_text(size = 12)
  )

p1_interactive <- ggplotly(p1, tooltip = "text")
p1_interactive

3. ¿Qué países tuvieron más crecimiento porcentual durante los últimos 5 años?

-Chipre 93.6%

-Ucrania 94.59%

-República Dominicana 101.45%

-Azerbaiyán 105.31%

-Ecuador 105.75%

-Serbia 114.14%

-República Eslovaca 115.86%

-Bahrein 119.23%

-Suriname 131.78%

-Nicaragua 140.9%

-Ribera Occidental y Gaza 146.02%

-San Marino 146.69%

-Irlanda 147.09%

-Eslovenia 153.99%

-Samoa 175.03%

-Gambia 200.89%

-Luxemburgo 217.12%

-Panamá 218.52%

-Estonia 243.52%

-Guinea Ecuatorial 3044.22%

En las últimas décadas, Guinea Ecuatorial ha experimentado un notable aumento en sus reservas internacionales debido a varios factores clave:

Descubrimiento y Explotación de Petróleo y Gas:

Desde la década de 1990, el descubrimiento de vastas reservas de petróleo y gas ha impulsado la economía del país. La explotación de estos recursos ha generado ingresos masivos.

Inversiones Extranjeras:

La llegada de empresas extranjeras para invertir en la industria petrolera ha incrementado significativamente las divisas disponibles. Los acuerdos de producción compartida y las regalías han contribuido al aumento de las reservas.

Ahorro y Gestión de Ingresos:

El gobierno ha implementado políticas para ahorrar parte de los ingresos petroleros en fondos de reservas internacionales. La creación de fondos soberanos y la acumulación de activos han sido estrategias clave para la estabilidad económica a largo plazo.

Políticas Económicas y Financieras:

La gestión prudente de las finanzas públicas y la política monetaria han facilitado la acumulación de reservas. La diversificación de inversiones en el extranjero ha fortalecido las reservas internacionales.

Aumentos en los Precios del Petróleo:

Períodos de altos precios del petróleo han aumentado los ingresos del país, permitiendo mayores ahorros y acumulación de reservas. La dependencia del país en los ingresos petroleros ha sido un factor determinante en la fluctuación de las reservas.

# Filtrar los datos para el indicador de reservas internacionales
reservas_mundo <- base %>% filter(`Nombre del Indicador` == 'Total de reservas (incluye oro, US$ a precios actuales)')

# Convertir los datos a formato largo y asegurarse de que son numéricos
reservas_mundo_long <- reservas_mundo %>%
  pivot_longer(cols = starts_with("Año_"), names_to = "Año", values_to = "Reservas") %>%
  mutate(Año = as.integer(sub("Año_", "", Año)),
         Reservas = as.numeric(Reservas))

# Filtrar los datos de los últimos 5 años
año_max <- max(reservas_mundo_long$Año, na.rm = TRUE)
reservas_ultimos_5_anos <- reservas_mundo_long %>% filter(Año >= (año_max - 5))

# Calcular el crecimiento porcentual en reservas internacionales en los últimos 5 años
crecimiento_reservas <- reservas_ultimos_5_anos %>%
  group_by(`Nombre del País`) %>%
  summarize(Reservas_Iniciales = first(Reservas), Reservas_Finales = last(Reservas)) %>%
  mutate(Crecimiento_Porcentual = ((Reservas_Finales - Reservas_Iniciales) / Reservas_Iniciales) * 100) %>%
  arrange(desc(Crecimiento_Porcentual))

# Seleccionar los 20 países con mayor crecimiento porcentual
top_crecimiento_reservas <- crecimiento_reservas %>% top_n(20, wt = Crecimiento_Porcentual)

# Graficar el crecimiento porcentual de las reservas internacionales (gráfico de burbujas)

p3 <- ggplot(top_crecimiento_reservas, aes(x = reorder(`Nombre del País`, Crecimiento_Porcentual), y = Crecimiento_Porcentual, size = Crecimiento_Porcentual, text = paste("País:", `Nombre del País`, "<br>Crecimiento Porcentual:", round(Crecimiento_Porcentual, 2), "%"))) +
  geom_point(color = "#1f77b4", alpha = 0.7) +
  scale_size_continuous(range = c(5, 20)) +  # Aumentar el rango de tamaño de los puntos
  ggtitle("Crecimiento Porcentual de las R.I. en los Últimos 5 Años") +
  xlab("País") +
  ylab("Crecimiento Porcentual (%)") +
  theme_minimal(base_size = 15) +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold"),
    axis.text.x = element_text(angle = 45, hjust = 1),
    panel.grid.major = element_line(color = "gray80"),
    panel.grid.minor = element_line(color = "gray90")
  ) +
  scale_y_continuous(labels = scales::percent)

p3_interactive <- ggplotly(p3, tooltip = "text")
p3_interactive

Bibliografía

-Banco de México. (s.f.). Reservas Internacionales. Recuperado de https://www.banxico.org.mx

-Fondo Monetario Internacional. (s.f.). México y el FMI. Recuperado de https://www.imf.org

-Banco Mundial. (s.f.). Datos Económicos de México. Recuperado de https://data.worldbank.org/country/mexico

-OECD. (s.f.). Economic Surveys: Mexico. Recuperado de https://www.oecd.org

-Lustig, N. (1998). Mexico: The Remaking of an Economy. Brookings Institution Press.

-Dornbusch, R., & Edwards, S. (1995). Reform, Recovery, and Growth: Latin America and the Middle East. University of Chicago Press.

-Ortiz, G. (1994). The Mexican Peso Crisis: Genesis, Consequences and Outlook. Journal of Asian Economics, 5(4), 665-689.

-Werner, A. (1996). Mexico’s 1994 Crisis: Causes and Consequences. Economía Mexicana Nueva Época, 5(2), 205-229.

-Cárdenas, E., Ocampo, J. A., & Thorp, R. (2003). An Economic History of Twentieth-Century Latin America: Volume 3: Industrialization and the State in Latin America: The Postwar Years. Palgrave Macmillan

Análisis de Reservas Internacionales

José Francisco Isais Najera

20 de julio de 2024

Base de datos

Variables

Preguntas de investigación

Bibliografía