Los depósitos del sector público presentaron un sustantivo crecimiento durante agosto, con una expansión de
$91.000 millones en valores absolutos y del 6.5% en valores nominales (+3.8% real), siendo en ambos casos las
segundas más altas de 2020, sólo superadas por las de mayo (+$203.000 M y +17.4%, respectivamente). A nivel
acumulado, los saldos presentan una suba de $340.000 millones respecto al período pre-pandemia (+29.3%) y de
$434.000 millones (+40.8%) en relación a fines de 2019.
Los depósitos del sector público presentaron un sustantivo crecimiento durante agosto, con una expansión de
$91.000 millones en valores absolutos y del 6.5% en valores nominales (+3.8% real), siendo en ambos casos las
segundas más altas de 2020, sólo superadas por las de mayo (+$203.000 M y +17.4%, respectivamente). A nivel
acumulado, los saldos presentan una suba de $340.000 millones respecto al período pre-pandemia (+29.3%) y de
$434.000 millones (+40.8%) en relación a fines de 2019.
Hasta octubre los envíos discrecionales equivalen a $22.534 por riojanoEduardo Nelson German
En la provincia de La Rioja, Santa Cruz y Neuquén se observan el mayor peso per cápita de las transferencias: en el primer caso, el total de los envíos discrecionales equivalen a $22.534 por riojano; en el segundo caso, a $13.848 por santacruceño; y en el tercero, a $10.018 por neuquino. Estas son las únicas tres provincias que superan los $10 mil por habitante. En el fondo de la tabla se puede observar a uno de las más grandes
provincias, Mendoza, donde las transferencias equivalen a apenas $2.671 por mendocino.
Mejoran las condiciones de financiamiento provincial y corporativo en el merc...Economis
Las provincias que en 2020 colocaron letras en el mercado local lograron refinanciar el 92% de sus vencimientos del mes de junio, mientras que el costo de emisión de deuda en pesos de las empresas se ubicó debajo del 34%, sustancialmente menor a los niveles de fines de 2019, de acuerdo a un informe de la secretaría de Finanzas.
Hasta octubre los envíos discrecionales equivalen a $22.534 por riojanoEduardo Nelson German
En la provincia de La Rioja, Santa Cruz y Neuquén se observan el mayor peso per cápita de las transferencias: en el primer caso, el total de los envíos discrecionales equivalen a $22.534 por riojano; en el segundo caso, a $13.848 por santacruceño; y en el tercero, a $10.018 por neuquino. Estas son las únicas tres provincias que superan los $10 mil por habitante. En el fondo de la tabla se puede observar a uno de las más grandes
provincias, Mendoza, donde las transferencias equivalen a apenas $2.671 por mendocino.
Mejoran las condiciones de financiamiento provincial y corporativo en el merc...Economis
Las provincias que en 2020 colocaron letras en el mercado local lograron refinanciar el 92% de sus vencimientos del mes de junio, mientras que el costo de emisión de deuda en pesos de las empresas se ubicó debajo del 34%, sustancialmente menor a los niveles de fines de 2019, de acuerdo a un informe de la secretaría de Finanzas.
El Nivel general del Índice de precios al consumidor (IPC) representativo del total de hogares del
país registró en mayo una variación de 7,8% con relación al mes anterior. Una síntesis de las
variaciones de precios correspondientes a cada división de la canasta del IPC se puede observar
en el cuadro 1
Moody´s destacó que Misiones hizo los "deberes": ahorra más, tiene superávit ...Economis
La calificadora internacional Moody's acaba de emitir el viernes un informe sobre las cuentas públicas de la provincia donde -una vez más- vuelve a destacar varias fortalezas de la administración, empezando por la vuelta al superávit corriente y los ahorros que el gobierno provincial logró al haber bajado los gastos al mismo tiempo que aumentó los ingresos.
Aun cuando es prematuro anticipar el desenlace, autoridades de la provincia de La Rioja han señalado que no descartan recurrir a la emisión de cuasi-monedas frente a las dificultades financieras que, aseguran, atraviesa la provincia. En caso que este tipo de iniciativas avance, será hora de analizar la experiencia de la argentina cuando las provincias recurrieron a este tipo de instrumentos.Por el momento, el propósito de este material es poner en contexto la situación y las características de La Rioja, en relación al resto de las jurisdicciones, al tiempo que hacer un punteo de las principales consecuencias si el proyecto avanzara.
Índice Mensual de la Actividad Económica enero 2023.pdfTu Nota
Las compras hondureñas de combustibles sumaron 221,1 millones de dólares en enero, un 55,3 % más que en el mismo mes de 2022, debido a la volatilidad del precio del petróleo en el mercado internacional, informó este lunes el Banco Central de Honduras (BCH).
En enero de 2023 el precio promedio del petróleo crudo continuó mostrando "volatilidad en el mercado internacional" debido a la perspectiva de mayor demanda global de carburantes por el levantamiento de las restricciones de movilidad relacionadas con la covid-19 en China, señaló el BCH.
Sin embargo, agregó, el endurecimiento de las condiciones monetarias a nivel mundial y las expectativas de una posible recesión económica global generan "presiones a la baja" en el precio del petróleo, lo que contribuye que el valor de los carburantes se mantenga oscilante.
El precio promedio del petróleo crudo en enero (80,41 dólares el barril) fue superior en 3 % al de diciembre de 2022 (78,07 dólares), mientras que el valor de los combustibles refinados del Golfo Americano en el primer mes (101 dólares el barril) fue mayor en 14,5 % con relación al de enero de 2022 (88,18 dólares).
Moody's pronostica que Misiones va a volver al superávit operativoEconomis
En un informe sobre la provincia aprobado el viernes pasado al que accedió en exclusiva Economis, la agencia Moody’s vaticina que Misiones volverá al superávit operativo en el 2017, tras incurrir momentáneamente en déficit en el año 2016 producto de las mayores erogaciones que significaron los gastos en personal.
La calificadora de riesgo Moody's emitió a fin de febrero un nuevo informe sobre las cuentas fiscales de Misiones donde ratificó la nota de la provincia y destacó cuatro pilares sobre los que se sustenta la recuperación de sus cuentas fiscales.
Similar a Evolución de los bonos provinciales (20)
El Consejo de Abogados interpuso acción de amparo en contra de la designación de la Dra. Córdoba como jueza de instrucción penal, requiriendo se declare la nulidad de dicha designación
CAMARA OLIVICOLA RIOJANA ( COR) Y OTRO c/ SECRETARIA DE ENERGIA DE LA NACION ...Eduardo Nelson German
Expediente Número: FCB - 4833/2024 Autos:
CAMARA OLIVICOLA RIOJANA ( COR) Y OTRO c/
SECRETARIA DE ENERGIA DE LA NACION Y OTRO
s/AMPARO LEY 16.986 Tribunal: JUZGADO
FEDERAL DE LA RIOJA / SECRETARIA CIVIL Y
COMERCIAL
Por la designación de la jueza transitoria del Juzgado de Instrucción nº 1 de...Eduardo Nelson German
Informe presentado por la Dra. Esther Broilo, representante de la abogacía en el Consejo de la Magistratura Provincial, en el que fundamenta su voto negativo en la reunión de fecha 10/05/2024.
Parque Eólico Arauco: Reporte sobre el Estado de Aplicación de FondosEduardo Nelson German
Desde el año 2009 el Gobierno de La Rioja tomo la iniciativa de ser parte de la
transformación energética de la Argentina. Con la creación del Parque Eólico Arauco
la provincia tuvo como objetivo construir los primeros parques de gran envergadura
en el país. Con la concreción del Parque Arauco Solar, PEA será el primer Parque
hibrido de Latinoamérica.
Investigaciones en curso por maniobras con recetas falsas de insulina y tiras...Eduardo Nelson German
En el marco de las tareas que tiene encomendada esta Unidad Fiscal, durante el año 2016, a raíz de
un intercambio de información con el INSSJP, se impulsaron distintas investigaciones preliminares
con el objeto de investigar una presunta defraudación contra la administración pública en perjuicio
del INSSJP. Dicha maniobra defraudatoria se habría efectuado a través de las distintas modalidades,
ocasionando un perjuicio económico millonario a las arcas del Instituto.
Índigo Energía e Industria No. 16 |Tradicionalmente, las estaciones de servicio han sido vistas sólo como puntos de suministro de combustible para vehículos. Sin embargo, en la actualidad, estos espacios experimentan una transformación significativa hacia la sostenibilidad y la incorporación de tecnologías verdes.
En este ejemplar también encontrarás:
#Entrevistas
Ignacio Contreras Andrade, director del área oil and gas de Vicer
Carlos León Martín, presidente de Onexpo Puebla
Oscar Del Cueto, presidente de CPKC México.
José Luis del Corral, vp ejecutivo de STRACON y director de operaciones en Dumas.
#Opinión
Dra. Alicia Zazueta Payán, presidenta de la AMPES
Dr. Leonardo Ramos, subgerente operativo de anteproyectos hidroeléctricos de la CFE
Por Julio Zugasti, asociado senior de Hogan Lovells
Coberturas
BYD SHARK: potente, eficiente y amigable con el medio ambiente
IV Foro de Biogás fomentan el uso de Biometano
Takeda celebra 60 años de presencia en México con inauguración del ICC
AMID presenta decálogo para mejorar la salud y la economía de México
#Noticias
CFE adquiere crédito para desarrollar la primera central solar flotante de Latam
Sempra Infraestructura dona 7 mdp a la Cruz Roja Mexicana
Histórica multa de COFECE a gasolineras
Mantenimiento garantiza el óptimo funcionamiento de estaciones de servicio: Petrogas
Destacada participación de AMPES en UNITI Expo 2024
Gilbarco mostrará equipos y soluciones en los GVR Tech Days
1. Evolución del precio de los bonos
provinciales y su relación con el
crecimiento económico nacional
y provincial en Argentina
Noviembre 2013 - Documento Nº 19
SERIE DE DOCUMENTOS
DE ECONOMÍA REGIONAL
ESCUELA
DE ECONOMÍA
Y NEGOCIOS
2. 1
Evolución del precio de los bonos provinciales y
su relación con el crecimiento económico
nacional y provincial en Argentina
3. 2
UNIVERSIDAD NACIONAL DE SAN MARTÍN
Autoridades
Rector
Carlos Rafael Ruta
Vicerrector
Daniel Di Gregorio
Secretario General
Carlos Greco
ESCUELA DE ECONOMIA Y NEGOCIOS
Decano
Marcelo Paz
Secretario Académico
Darío Iturrarte
CONSEJO DE ESCUELA
Claustro Docente
Consejeros Titulares Consejeros Suplentes
Mario Bruzzesi Gabriel Boero
Enrique Dentice Lorena Penna
Daniel Delía Liliana Ghersi
Matías Fuente Adrián Gutiérrez Cabello
Claustro Estudiantil
Consejeros Titulares
Consejeros Titulares Consejeros Suplentes
Juan Nazareno Escasena Melina Lentini
Rocio de los Angeles Pollio Yesica de los Santos
Claustro No Docente
Consejero Titular Consejeros Suplente
Karina Bujan Matías López
4. 3
Centro de Economía Regional
Coordinador
Adrián Gutiérrez Cabello
Investigadores
Edgardo Lifschitz
Víctor Pérez Barcia
Andrés Salama
Asistente
Valeria Guerra
5. 4
Contenido
Resumen ............................................................................................................................................................... 5
Introducción ......................................................................................................................................................... 6
Características de los bonos analizados................................................................................................................ 6
Antecedentes teóricos ........................................................................................................................................... 7
Resultados obtenidos ............................................................................................................................................ 8
Análisis de bonos por provincia............................................................................................................................ 9
Buenos Aires.............................................................................................................9
Ciudad de Buenos Aires............................................................................................9
Chaco...................................................................................................................... 10
Chubut .................................................................................................................... 11
Córdoba .................................................................................................................. 12
Corrientes ............................................................................................................... 12
Formosa.................................................................................................................. 13
La Rioja .................................................................................................................. 14
Mendoza ................................................................................................................. 14
Neuquén.................................................................................................................. 15
Rio Negro ............................................................................................................... 16
Salta........................................................................................................................ 16
Tucumán................................................................................................................. 17
Conclusiones........................................................................................................... 18
Bibliografía............................................................................................................. 19
Anexos ................................................................................................................................................................ 20
Correlación entre los bonos provinciales y el EMAE............................................... 21
Anexo 2. ................................................................................................................. 24
ANEXO 3. Correlación entre los bonos de la provincia del Chaco y el IMACH,
índice mensual de actividad de la provincia......................................................... 24
ANEXO 4. Correlación entre el bono BCOR de la provincia de Corrientes y el
Producto Bruto Geográfico de la provincia.............................................................. 25
ANEXO 5. Correlación entre los bonos de Mendoza y el producto bruto
geográfico de la provincia ..................................................................................... 25
ANEXO 6. Correlación entre los bonos de Neuquén y el producto bruto
geográfico de la provincia ..................................................................................... 26
6. 5
Resumen
En este trabajo, se analiza la evolución de las cotizaciones de 59 bonos provinciales
durante los últimos 5 años. El propósito del estudio es analizar, a través de test
estadísticos, las relaciones existentes entre sus precios como así también entre éstos y el
comportamiento del PBI y los PBG provinciales.
Los resultados del trabajo ponen de relieve, en general, la existencia de correlaciones
entre la evolución de sus precios, como así también entre sus cotizaciones y el
crecimiento económico nacional y provincial. Estos comportamientos parecen reflejar
que, en general, la demanda de bonos toma en cuenta la evolución que va reflejando la
economía nacional y las provinciales.
7. 6
Introducción
El objetivo de este trabajo es analizar la evolución de 59 bonos provinciales y
establecer la existencia de correlaciones entre sus precios, como así también entre la
evolución de los mismos y el desempeño de la economía provincial y nacional. Para el
análisis se aplicó una matriz de correlaciones de Pearson. El período bajo análisis es
enero de 2007 hasta abril de 2013.
La información sobre el precio de los bonos se toma del sitio bursátil Puente Hermanos,
por considerarlo el más representativo de los encontrados. Los valores del Emae
(utilizados como proxy del PBI) surgen del Indec (www.indec.gov.ar). La información
sobre la evolución del Producto Bruto Geográfico provincial se extrajo de las fuentes
oficiales de las provincias.
Características de los bonos analizados
En primer término puede observarse la participación del valor de emisión de los bonos
de cada provincia en el total del país. Puede observarse el fuerte predominio de la
provincia de Buenos Aires con un valor superior al 76 % de la emisión total.
Gráfico 1. Valor de los bonos según su provincia de emisión
Fuente: Elaboración propia en base a datos Puente Hermanos
Cuando se analiza el cronograma futuro de pagos, se observa un pico en el 2015, donde
el conjunto de las provincias debe abonar en concepto de intereses y amortizaciones
más de 3.000 millones de dólares. Después del 2020, esa cifra baja drásticamente.
Buenos Aires;
76,25%
Chaco 0,31%
Chubut 1,55%
CABA 5,22%
Córdoba 5,25%
Corrientes 0,00%
Formosa 0,27%
La Rioja 0,01%
Mendoza 2,08%
Neuquén 5,22% Rio Negro 0,10% Salta 3,04%
Tucumán 0,70%
Buenos Aires
Chaco
Chubut
CABA
Cordoba
Corrientes
Formosa
La Rioja
Mendoza
Neuquen
Rio Negro
Salta
Tucuman
8. 7
Gráfico 2. Cronograma futuro de pago de intereses y amortizaciones de bonos
provinciales, en dólares
Fuente: Elaboración propia en base a datos Puente Hermanos
Cuando se analizan las monedas en que están denominados los bonos, se observa el
fuerte predominio de los bonos denominados en dólares, seguidos por los bonos
emitidos en euros.
Gráfico 3. Valor de bonos provinciales según su moneda de origen, valuados en dólares
Fuente: Elaboración propia en base a datos Puente Hermanos
Antecedentes teóricos
La bibliografía sobre la relación entre los precios de los bonos y el PBI es relativamente
escasa. El trabajo de Fink (2003) investiga la relación entre el desempeño de los bonos
0
1.000.000.000
2.000.000.000
3.000.000.000
4.000.000.000
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
2025
2026
2027
2028
2029
2030
2031
2032
2033
2034
2035
Dólares
77,23%
0,21%
22,37%
0,19%
Dolares
Pesos
Euros
Pesos Ajustados por
CER
9. 8
y el PBI real en 13 economías altamente desarrolladas, encontrando evidencia de
interdependencia entre ambos usando test como el de causalidad de Granger y otros que
miden la cointegración. Hahn (2006). Utilizando datos de panel de 20 países de la
OECD en el periodo que va desde 1970 al año 2000, llega a conclusiones similares.
Estos trabajos validan la hipótesis de muchos economistas en el sentido de que la
profundización financiera alienta el crecimiento económico, al permitir una eficiente
canalización del ahorro hacia emprendimientos productivos que permiten el crecimiento
de la economía. Andersson et al. (2006) hallaron, usando datos de Alemania y Estados
Unidos, que cuando se espera que la economía crezca, tanto el precio de los bonos como
el precio de las acciones suben.
El presente estudio busca, en cambio, poner de relieve la influencia de la evolución
económica sobre la demanda de bonos expresadas en las variaciones en las
cotizaciones.
Resultados obtenidos
En este estudio se realizaron correlaciones entre los bonos provinciales y el EMAE sin
rezagos y también teniendo en cuenta rezagos de uno, dos y tres meses. No obstante, en
los resultados obtenidos los distintos rezagos no parecen haber jugado un rol muy
importante dentro de las conclusiones.
En general, los bonos mostraron una correlación importante, como puede observarse a
continuación:
39 de los 59 bonos (aproximadamente dos tercios) mostraron una correlación
significativa positiva importante (definida como una correlación de Pearson mayor a
0,7, un nivel de significación menor al 5% y un N igual o mayor a 10).
De esos 39 bonos con correlación positiva, 7 mostraron una correlación de Pearson
mayor a 0,9.
Tres bonos mostraron una correlación significativa negativa importante (una correlación
de Pearson menor a -0,7, significación menor al 5% y un N igual o mayor a 10). Estos
bonos fueron el CORD17 de Córdoba, el NRH1 de Neuquén y el CABA2015 del
Gobierno de la Ciudad de Buenos Aires (este último bono, para dos y tres rezagos). Son
bonos que muestran una tendencia negativa en su precio durante todo el período
analizado.
Un aspecto a tener en cuenta es la tendencia descendiente de los precios de la mayor
parte de los bonos que cotizan durante el período 2007-2009. Su evolución parece
guardar más relación con expectativas negativas sobre la marcha futura de la economía,
originado en el desarrollo de variables extra económicas que con la coyuntura
económica provincial y nacional.
10. 9
Análisis de bonos por provincia
Buenos Aires
El análisis de los bonos de la provincia de Buenos Aires, donde se tomaron en cuenta la
evolución de 24 bonos, se puede observar:
Diez de estos bonos (BDED, BP15, BP18, BP21, BP28, BPLD, BPLE, BPMD, PB14,
PBY13) mostraron una correlación positiva significativa.
Otros cuatro bonos (BPLDEXT, BPLEEXT, BPMDEXT y PBG13) reflejaron una
correlación positiva significativa, si bien con un numero de muestra demasiado pequeño
(N<10).
Muchos bonos provinciales mostraron una caída en su precio del 2007 al 2009.
En el siguiente gráfico, para favorecer la comparación visual, se tomo la base enero
2007 = 100.
Gráfico 4. Evolución del EMAE y del precio de los bonos de la provincia de Buenos Aires
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
Ciudad de Buenos Aires
Respecto a los bonos emitidos por la Ciudad de Buenos Aires se observó lo siguiente:
Un bono de la Ciudad, como ya fue mencionado, tiene una correlación negativa
significativa (el CABA2015)
Un bono no muestra correlación significativa (el CABA2017)
Los bonos CABA2015 y CABA2017 muestran una correlación positiva muy
significativa entre ellos, de 0,967.
La independencia entre el desempeño del EMAE y de los bonos de la Ciudad de Buenos
Aires puede deberse a que quienes poseen o compran estos bonos consideran que la
evolución del PBI del país no tendrá impacto sobre la capacidad de repago de estos
0
50
100
150
200
250
300
350
400
ene-07
may-07
sep-07
ene-08
may-08
sep-08
ene-09
may-09
sep-09
ene-10
may-10
sep-10
ene-11
may-11
sep-11
ene-12
may-12
sep-12
ene-13
BDED
BDEDEXT
BDEE
BDEEEXT
BP15
BP15EXT
BP18
BP18EXT
BP21
BP21EXT
BP28
BP28EXT
BPLD
BPLDEXT
BPLE
BPLEEXT
BPMD
BPMDEXT
BPME
BPMEEXT
11. 10
bonos. Vemos en el siguiente gráfico la relación entre el EMAE y los bonos de la
CABA
Gráfico 5. Evolución del EMAE y bonos de la Ciudad Autónoma de Buenos Aires
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
Chaco
Respecto a los bonos de la provincia del Chaco, se observó lo siguiente:
Los bonos CCH1 y CHSG2, mostraron una correlación positiva significativa con el
EMAE, superior al 0,9.
Los bonos CCH1 y CHSG2 además mostraron una correlación positiva significativa
entre ellos, del 0,902 para un nivel de significación del 0,000.
Estos mismos bonos mostraron correlación positiva significativa con el IMACH, el
índice mensual de actividad de la provincia del Chaco, que fue tomado como proxy del
crecimiento económico provincial.
El bono CCH1 mostró una caída en su precio durante el período 2007 – 2009.
Podemos ver gráficamente la relación entre los bonos del Chaco y el EMAE (enero
2007 = base 100)
0
20
40
60
80
100
120
140
abr-10
jun-10
ago-10
oct-10
dic-10
feb-11
abr-11
jun-11
ago-11
oct-11
dic-11
feb-12
abr-12
jun-12
ago-12
oct-12
dic-12
feb-13
abr-13
CABA15
CABA17
EMAE
12. 11
Gráfico 6. Evolución del EMAE y bonos de la provincia del Chaco
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
Chubut
Los bonos de la provincia no mostraron en general una correlación positiva con el
EMAE:
Un bono (el TUBB1) mostró una correlación positiva significativa (de entre 0,8 y 0,9
para los distintos rezagos)
Otro bono (TUBA1) no mostro una correlación positiva a un grado significativo
El bono restante (TUBA1EXT) mostro correlación pero con un numero de
observaciones pequeño (N = 6).
Gráfico 7. Evolución del EMAE y bonos de la provincia de Chubut
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
0
50
100
150
200
250
300
350
400
ene-07
may-07
sep-07
ene-08
may-08
sep-08
ene-09
may-09
sep-09
ene-10
may-10
sep-10
ene-11
may-11
sep-11
ene-12
may-12
sep-12
ene-13
CCH1
CHSG2
EMAE
0
40
80
120
160
ago-10
oct-10
dic-10
feb-11
abr-11
jun-11
ago-11
oct-11
dic-11
feb-12
abr-12
jun-12
ago-12
oct-12
dic-12
feb-13
abr-13
TUBA1
TUBB1
TUBA1EXT
EMAE
13. 12
Córdoba
Se encontraron los siguientes resultados respecto a los bonos de la provincia de
Córdoba:
Los bonos CO13 y CN13 muestran una correlación positiva muy significativa
con el EMAE, superior a 0,9, pero tienen un número limitado de observaciones.
El bono CO17 muestra una correlación positiva significativa con el EMAE,
superior al 0,7.
El bono CORD17 muestra una correlación negativa significativa con el EMAE,
para tres rezagos.
El bono CO13 muestra una correlación positiva significativa con los bonos
CN13, CO17 y CORD17.
El bono CN13 muestra una correlación positiva significativa con el bono CO17.
En el siguiente gráfico se observa la evolución del EMAE y los bonos estudiados de la
provincia de Córdoba.
Gráfico 8. Evolución del EMAE y bonos de la provincia de Córdoba
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
Corrientes
En esta provincia, se analizo solo un bono, el BCOR, y se encontró lo siguiente:
Hay una correlación positiva significativa entre el BCOR y el EMAE.
El BCOR, además, tuvo una correlación positiva significativa con el Producto Bruto
Geográfico de la provincia, de 0,847, para un margen de error del 0,033.
Desde el 2007 hasta mediados del 2009, el BCOR una caída significativa en su precio.
0
20
40
60
80
100
120
140
160
180
jul-10
sep-10
nov-10
ene-11
mar-11
may-11
jul-11
sep-11
nov-11
ene-12
mar-12
may-12
jul-12
sep-12
nov-12
ene-13
mar-13
CO13
CN13
CO17
CORD17
EMAE
14. 13
Vemos la evolución del BCOR y el EMAE en el siguiente gráfico, donde para poder analizar
mejor la relación, se considero una base 100 para el principio del período bajo análisis.
Gráfico 9. Evolución del EMAE y el bono BCOR de Corrientes
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
Formosa
El bono de Formosa, el FORM3, también mostró una correlación de Pearson positiva,
superior al 0,8. Este bono mostró un marcado aumento en su precio a partir del año
2011, como puede observarse en el siguiente gráfico. Y el bono cae en septiembre de
2012, cuando se anuncia su pesificación al tipo de cambio oficial.
Gráfico 10. Evolución del EMAE y el bono FORM3 de Formosa
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
0
20
40
60
80
100
120
140
160
ene-07
may-07
sep-07
ene-08
may-08
sep-08
ene-09
may-09
sep-09
ene-10
may-10
sep-10
ene-11
may-11
sep-11
ene-12
may-12
sep-12
ene-13
BCOR3
EMAE
0
50
100
150
200
250
300
may-08
ago-08
nov-08
feb-09
may-09
ago-09
nov-09
feb-10
may-10
ago-10
nov-10
feb-11
may-11
ago-11
nov-11
feb-12
may-12
ago-12
nov-12
feb-13
FORM 3
EMAE
15. 14
La Rioja
El bono analizado de la provincia de La Pampa, el PROR1, también mostró una relación
positiva significativa, con una correlación de Pearson mayor a 0,8 para todos los
rezagos analizados. Si se analiza el gráfico, se puede observar tres fases en su
evolución: un crecimiento de febrero de 2010 a mayo 2011, una evolución estable entre
esta fecha y el tercer trimestre de 2012, y una evolución creciente a partir de esa fecha.
Gráfico 11. Relación entre el EMAE y el bono PROR1 de La Rioja
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
Mendoza
El análisis de los bonos de la provincia encontró lo siguiente:
El BARY1 muestra una correlación positiva significativa con el EMAE.
El BARX1 muestra una correlación positiva significativa con el EMAE desde
enero de 2009 en adelante.
Se hallo una correlación alta entre los bonos BARX1 y BARY1, de 0,97.
El bono BARX1 mostró una fuerte caída en su precio del año 2007 al año 2009.
No se encontró una correlación positiva significativa entre los bonos de
Mendoza y el producto bruto geográfico de la provincia.
0
50
100
150
200
250
feb-10
may-10
ago-10
nov-10
feb-11
may-11
ago-11
nov-11
feb-12
may-12
ago-12
nov-12
feb-13
PROR1
EMAE
16. 15
Gráfico 12. Relación entre el EMAE y los bonos de Mendoza
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
Neuquén
Lo observado respecto a los bonos de la provincia de Neuquén nos permitió
constatar lo siguiente:
El NRH1 como se había mencionado, mostró una correlación negativa
significativa con el EMAE
El NRH2 mostro una correlación positiva significativa
Se encontró una correlación positiva significativa entre el bono NRH1 y el
producto bruto geográfico de la provincia.
Vemos en el gráfico la relación entre los bonos de Neuquén y el EMAE.
Gráfico 13. Relación entre los bonos emitidos por la provincia de Neuquén y el EMAE
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
0
20
40
60
80
100
120
140
160
ene-07
abr-07
jul-07
oct-07
ene-08
abr-08
jul-08
oct-08
ene-09
abr-09
jul-09
oct-09
ene-10
abr-10
jul-10
oct-10
ene-11
abr-11
jul-11
oct-11
ene-12
abr-12
jul-12
oct-12
ene-13
abr-13
BARX1
BARY1
EMAE
0
20
40
60
80
100
120
140
160
180
jul-07
oct-07
ene-08
abr-08
jul-08
oct-08
ene-09
abr-09
jul-09
oct-09
ene-10
abr-10
jul-10
oct-10
ene-11
abr-11
jul-11
oct-11
ene-12
abr-12
jul-12
oct-12
ene-13
abr-13
NRH1
NRH2
EMAE
17. 16
Rio Negro
Se analizaron dos bonos de la provincia de Rio Negro, el RNG1 y el RNG2 y se
observó lo siguiente:
Los dos bonos mostraron una correlación positiva significativa con el EMAE y
en el caso del RNG21, la correlación de Pearson fue superior al 0,9
La correlación entre ambos bonos fue alta, del 0,894
El bono RNG21 mostró una fuerte caída en su precio en el período que
comprende del año 2007 al 2009.
Gráfico 14. Relación entre los bonos emitidos por la provincia de Rio Negro y el EMAE
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
Salta
Se observo lo siguiente respecto a los bonos de la provincia de Salta:
Uno de los bonos, el SALT2, cotizo en el mercado solo dos veces durante todo
el período, por lo cual se lo excluyo del análisis.
Los dos bonos restantes, el SARH y el SARHEXT, mostraron una correlación
positiva significativa con el EMAE, si bien en el caso del SARHEXT el número
de casos es demasiado bajo (N=6).
Vemos en el gráfico la relación entre estos dos bonos y el EMAE.
0
50
100
150
200
250
300
350
400
450
ene-07
abr-07
jul-07
oct-07
ene-08
abr-08
jul-08
oct-08
ene-09
abr-09
jul-09
oct-09
ene-10
abr-10
jul-10
oct-10
ene-11
abr-11
jul-11
oct-11
ene-12
abr-12
jul-12
oct-12
ene-13
abr-13
RNG 21
RNG22
EMAE
18. 17
Gráfico 15. Relación entre los bonos emitidos por la provincia de Salta y el EMAE
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
Tucumán
Se analizaron dos bonos de la provincia de Tucumán, el TUCS1 y el TUCS2. Se
encontraron las siguientes conclusiones:
Ambos bonos mostraron una fuerte correlación con el EMAE.
Se halló una fuerte correlación entre ellos, de 0,947.
Los dos bonos mostraron una fuerte caída en el período 2007 - 2009.
Gráfico 16. Relación entre los bonos emitidos por la provincia de Tucumán y el EMAE
Fuente: Elaboración propia en base a datos Indec, Puente Hermanos
0
20
40
60
80
100
120
140
160
180
may-11
jun-11
jul-11
ago-11
sep-11
oct-11
nov-11
dic-11
ene-12
feb-12
mar-12
abr-12
may-12
jun-12
jul-12
ago-12
sep-12
oct-12
nov-12
dic-12
ene-13
feb-13
mar-13
abr-13
SARH
SARHEXT
EMAE
0
50
100
150
200
250
ene-07
abr-07
jul-07
oct-07
ene-08
abr-08
jul-08
oct-08
ene-09
abr-09
jul-09
oct-09
ene-10
abr-10
jul-10
oct-10
ene-11
abr-11
jul-11
oct-11
ene-12
abr-12
jul-12
oct-12
ene-13
abr-13
TUCS2
TUCS1
EMAE
19. 18
Conclusiones
El trabajo llego a las siguientes conclusiones:
En una buena parte de los bonos se halló una correlación positiva entre la
evolución del precio de éstos y el crecimiento económico nacional
En general, los bonos que cotizan mostraron una tendencia negativa en su
cotización durante el período 2007-2009, para subir del 2009 en adelante.
En las provincias de Chaco, Formosa, Mendoza y Neuquén se halló también una
correlación positiva entre la evolución del precio de los bonos y el crecimiento
del producto bruto geográfico provincial.
En general, los bonos emitidos por cada una de las provincias tuvieron una
buena correlación entre sí.
20. 19
Bibliografía
Andersson, Magnus – Krylova, Elizaveta – Vahamaa, Sami. 2004. Why does the correlation
between stock and bond returns vary over time. University of Crete
Fink, Gerhard – Haiss, Peter – Hristoforova, Sirma. 2003. Bond Markets and Economic
Growth.
Hahn, Franz. 2006. Finance-Growth Linkage and Risk Diversification.
Osterreischisches Institut fur Wirtschaftsforschung.
22. 21
Correlación entre los bonos provinciales y el EMAE
EMAE sin
rezagos
EMAE con un
rezago
EMAE con
dos rezagos
EMAEcon
tres rezagos
Pearson
Correlation
,959**
,951**
,945**
,934**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 19 19 19 19
Pearson
Correlation
,927**
,927**
,927**
,921**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 47 47 47 47
Pearson
Correlation
1,000**
1,000**
1,000**
1,000**
Sig. (2-tailed) . . . .
N 2 2 2 2
Pearson
Correlation
.a
.a
.a
.a
Sig. (2-tailed) . . . .
N 1 1 1 1
Pearson
Correlation
,544 ,536 ,516 ,529
Sig. (2-tailed) ,163 ,171 ,191 ,177
N 8 8 8 8
Pearson
Correlation
,966**
,948**
,944**
,982**
Sig. (2-tailed) ,002 ,004 ,005 ,000
N 6 6 6 6
Pearson
Correlation
,832**
,850**
,889**
,904**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 21 21 21 21
Pearson
Correlation
,962**
,946**
,977**
,980**
Sig. (2-tailed) ,001 ,001 ,000 ,000
N 7 7 7 7
Pearson
Correlation
,973*
,995**
,987*
,995**
Sig. (2-tailed) ,027 ,005 ,013 ,005
N 4 4 4 4
Pearson
Correlation
-,312 -,321 -,332*
-,370*
Sig. (2-tailed) ,060 ,052 ,045 ,024
N 37 37 37 37
Pearson
Correlation
,090 ,215 ,364 ,256
Sig. (2-tailed) ,750 ,442 ,182 ,357
N 15 15 15 15
Pearson
Correlation
1,000**
1,000**
1,000**
1,000**
Sig. (2-tailed) . . . .
N 2 2 2 2
Pearson
Correlation
,929**
,906**
,944**
,939**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 10 10 10 10
Pearson
Correlation
,952**
,939**
,973**
,975**
Sig. (2-tailed) ,003 ,005 ,001 ,001
N 6 6 6 6
Pearson
Correlation
,801**
,780**
,754**
,730**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 33 33 33 33
Pearson
Correlation
-,625**
-,635**
-,657**
-,712**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 33 33 33 33
Pearson
Correlation
,746**
,747**
,736**
,739**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 71 70 70 69
Pearson
Correlation
,814**
,824**
,834**
,837**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 33 33 33 33
Pearson
Correlation
,886**
,868**
,857**
,845**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 29 29 29 29
Pearson
Correlation
,609**
,611**
,618**
,620**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 73 72 71 70
Pearson
Correlation
,741**
,723**
,710**
,698**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 36 36 36 36
BARY1
FORM3
PROR1
BARX1
BDC18
CO13
CN13
CO17
CORD17
BCOR3
TUBA1EXT
TUBB1
BDC14
BD2C4
CABA2015
CABA2017
CCH1
CHSG2
CHSG1
CHAQ
TUBA1
23. 22
EMAE sin
rezagos
EMAEcon un
rezago
EMAEcon
dos rezagos
EMAEcon
tres rezagos
Pearson
Correlation
,573 ,565 ,724 ,593
Sig. (2-tailed) ,234 ,242 ,104 ,215
N 6 6 6 6
Pearson
Correlation
-,965**
-,974**
-,975**
-,975**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 32 32 32 32
Pearson
Correlation
,942**
,933**
,891*
,866*
Sig. (2-tailed) ,005 ,007 ,017 ,026
N 6 6 6 6
Pearson
Correlation
,962**
,946**
,914*
,935**
Sig. (2-tailed) ,002 ,004 ,011 ,006
N 6 6 6 6
Pearson
Correlation
,935**
,933**
,922**
,778**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 17 17 17 17
Pearson
Correlation
,834*
,827*
,925**
,840*
Sig. (2-tailed) ,039 ,042 ,008 ,036
N 6 6 6 6
Pearson
Correlation
,929**
,927**
,925**
,923**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 76 75 74 73
Pearson
Correlation
,848**
,821**
,812**
,767**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 31 31 31 31
Pearson
Correlation
-1,000**
1,000**
1,000**
1,000**
Sig. (2-tailed) . . . .
N 2 2 2 2
Pearson
Correlation
,849**
,713*
,732*
,676*
Sig. (2-tailed) ,001 ,014 ,010 ,022
N 11 11 11 11
Pearson
Correlation
,773 ,761 ,881* ,782
Sig. (2-tailed) ,071 ,079 ,021 ,066
N 6 6 6 6
Pearson
Correlation
,893**
,886**
,880**
,872**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 72 72 72 72
Pearson
Correlation
,810**
,807**
,805**
,801**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 76 75 74 73
Pearson
Correlation
-1,000**
-1,000**
-1,000**
-1,000**
Sig. (2-tailed) . . . .
N 2 2 2 2
Pearson
Correlation
,870**
,883**
,871**
,857**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 64 63 63 63
Pearson
Correlation
,666 ,636 ,779 ,710
Sig. (2-tailed) ,149 ,174 ,068 ,114
N 6 6 6 6
Pearson
Correlation
,539 ,500 ,546 ,634*
Sig. (2-tailed) ,108 ,141 ,103 ,049
N 10 10 10 10
Pearson
Correlation
,399 ,377 ,422 ,543
Sig. (2-tailed) ,506 ,532 ,479 ,345
N 5 5 5 5
Pearson
Correlation
,864**
,796**
,751**
,659**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 25 25 25 25
Pearson
Correlation
,551 ,493 ,670 ,556
Sig. (2-tailed) ,257 ,320 ,145 ,252
N 6 6 6 6
Pearson
Correlation
,838**
,819**
,804**
,778**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 37 37 37 37
BDEEEXT
BP15
BP15EXT
BP18
TUCS2
TUCS1
TUCS3
BDED
BDEDEXT
BDEE
NRH2EXT
RNG21
RNG22
SALT2
SARH
SARHEXT
BARX1EXT
NRH1
NRH1EXT
BNY14
NRH2
24. 23
EMAE sin
rezagos
EMAE con un
rezago
EMAE con
dos rezagos
EMAE con
tres rezagos
Pearson
Correlation
,166 ,152 ,350 ,223
Sig. (2-tailed) ,753 ,774 ,496 ,672
N 6 6 6 6
Pearson
Correlation
,853**
,724**
,599**
,464*
Sig. (2-tailed) ,000 ,000 ,002 ,023
N 24 24 24 24
Pearson
Correlation
,177 ,176 ,367 ,194
Sig. (2-tailed) ,737 ,739 ,474 ,712
N 6 6 6 6
Pearson
Correlation
,835**
,814*
,814*
,808*
Sig. (2-tailed) ,010 ,014 ,014 ,015
N 8 8 8 8
Pearson
Correlation
,610 ,583 ,686 ,713
Sig. (2-tailed) ,199 ,225 ,133 ,112
N 6 6 6 6
Pearson
Correlation
,777
**
,778
**
,779
**
,778
**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 75 74 73 72
Pearson
Correlation
,831
*
,816
*
,918
**
,848
*
Sig. (2-tailed) ,040 ,048 ,010 ,033
N 6 6 6 6
Pearson
Correlation
,757
**
,761
**
,746
**
,758
**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 62 61 61 60
Pearson
Correlation
,716 ,706 ,824
* ,763
Sig. (2-tailed) ,110 ,117 ,044 ,078
N 6 6 6 6
Pearson
Correlation
,833
**
,819
**
,802
**
,787
**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 39 39 39 39
Pearson
Correlation
,883
*
,852
*
,865
*
,947
**
Sig. (2-tailed) ,020 ,031 ,026 ,004
N 6 6 6 6
Pearson
Correlation
-1,000
**
-1,000
**
-1,000
**
-1,000
**
Sig. (2-tailed) . . . .
N 2 2 2 2
Pearson
Correlation
,803 ,776 ,860
*
,866
*
Sig. (2-tailed) ,055 ,069 ,028 ,026
N 6 6 6 6
Pearson
Correlation
,961
**
,950
**
,938
**
,926
**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 57 57 57 57
Pearson
Correlation
,440 ,423 ,484 ,481
Sig. (2-tailed) ,115 ,132 ,079 ,082
N 14 14 14 14
Pearson
Correlation
,904**
,891**
,892**
,929**
Sig. (2-tailed) ,001 ,001 ,001 ,000
N 9 9 9 9
Pearson
Correlation
,951**
,943**
,883**
,850**
Sig. (2-tailed) ,000 ,000 ,000 ,000
N 12 12 12 12
Pearson
Correlation
1 ,997**
,994**
,990**
Sig. (2-tailed) ,000 ,000 ,000
N 76 75 74 73
Pearson
Correlation
,997** 1 ,997**
,994**
Sig. (2-tailed) ,000 ,000 ,000
N 75 76 75 74
Pearson
Correlation
,994
**
,997
** 1 ,997
**
Sig. (2-tailed) ,000 ,000 ,000
N 74 75 76 75
Pearson
Correlation
,990
**
,994
**
,997
** 1
Sig. (2-tailed) ,000 ,000 ,000
N 73 74 75 77
EMAE0
EMAE1
EMAE2
EMAE3
BPME
BPMEEXT
PB14
PB17
PBG13
PBY13
BPLD
BPLDEXT
BPLE
BPLEEXT
BPMD
BPMDEXT
BP18EXT
BP21
BP21EXT
BP28
BP28EXT
25. 24
Código de bonos.
Los bonos que se utilizaron en la investigación fueron Buenos Aires 2013 (PBG13),
Buenos Aires 2013 (PBY13), Buenos Aires 2014 (PB14), Buenos Aires 2015 (BP15),
Buenos Aires 2015 Exterior (BP15EXT), Buenos Aires 2016 (PB17), Buenos Aires
2017 (BDED), Buenos Aires 2017 Exterior (BDEDEXT), Buenos Aires 2017 (BDEE),
Buenos Aires 2017 Exterior (BDEEEXT), Buenos Aires 2018 (PB18), Buenos Aires
2018 Exterior (PB18EXT), Buenos Aires 2020 (BPMD), Buenos Aires 2020 Exterior
(BPMDEXT), Buenos Aires 2020 (BPME), Buenos Aires 2020 Exterior (BPMEEXT),
Buenos Aires 2021 (BP21), Buenos Aires 2021 Exterior (BP21EXT), Buenos Aires
2028 (BP28), Buenos Aires 2028 Exterior (BP28EXT), Buenos Aires 2035 (BPLD),
Buenos Aires 2035 Exterior (BPLDEXT), Buenos Aires 2035 (BPLE), Buenos Aires
2035 Exterior (BPLEEXT), Chaco 2015 (CCH1), Chaco 2015 (CHSG2), Chaco 2023
(CHSG1), Chaco 2026 (CHAQ), Chubut 2020 A (TUBA1), Chubut 2020 A Exterior
(TUBA1EXT), Chubut 2020 B (TUBB1), Ciudad de Buenos Aires 2014 Clase 1
(BDC14), Ciudad de Buenos Aires 2014 Clase 2 (BD2C4), Ciudad de Buenos Aires
2015 Exterior (CABA2015), Ciudad de Buenos Aires 2017 Exterior (CABA2017),
Ciudad de Buenos Aires 2018 (BDC18), Córdoba 2013 Serie 1 (CO13), Córdoba 2013
Serie 2 (CN13), Córdoba 2017 (CO17), Córdoba 2017 Exterior (CORD17), Corrientes
2016 (BCOR3), Formosa 2023 (FORM3), La Rioja 2016 (PROR1), Mendoza 2018
(BARX1), Mendoza 2018 (BARY1), Neuquén 2014 (NRH1), Neuquén 2014 Exterior
(NRH1EXT), Neuquén 2014 DL (BNY4), Neuquén 2021 (NRH2), Neuquén 2012
Exterior (NRH2EXT), Rio Negro 2018 (RNG21), Rio Negro 2024 (RNG22), Salta
2016 (SALT2), Salta 2022 (SARH), Salta 2022 Exterior (SARHEXT), Tucumán 2015
(TUCS2), Tucumán 2018 (TUCS1), Tucumán 2020 (TUCS3).
Correlación entre los bonos de la provincia del Chaco y el IMACH,
índice mensual de actividad de la provincia
CCH1 CHSG2 CHSG1 IMACH
Pearson
Correlation
1 ,904**
,723**
,818**
Sig. (2-tailed) ,000 ,000 ,000
N 76 51 42 76
Pearson
Correlation
,904
** 1 ,831
**
,740
**
Sig. (2-tailed) ,000 ,000 ,000
N 51 51 42 51
Pearson
Correlation
,723**
,831** 1 ,370*
Sig. (2-tailed) ,000 ,000 ,016
N 42 42 42 42
Pearson
Correlation
,818
**
,740
**
,370
* 1
Sig. (2-tailed) ,000 ,000 ,016
N 76 51 42 76
CCH1
CHSG2
CHSG1
IMACH
26. 25
Correlación entre el bono BCOR de la provincia de Corrientes y el
Producto Bruto Geográfico de la provincia
Correlación entre los bonos de Mendoza y el producto bruto geográfico
de la provincia
PBG
Corrientes
PBG
Corrientes
Pearson
Correlation
1 ,847
*
Sig. (2-tailed) ,033
N 6 6
Pearson
Correlation
,847
*
1
Sig. (2-tailed) ,033
N 6 7
PBG
Corrientes
PBG
Corrientes
BARX1EXT BARX1EXT BARX1EXT BARX1EXT
Pearson
Correlation
1 ,996**
1,000** ,529
Sig. (2-tailed) ,004 . ,281
N 7 4 2 6
Pearson
Correlation
,996** 1 1,000** ,934
Sig. (2-tailed) ,004 . ,233
N 4 4 2 3
Pearson
Correlation
1,000**
1,000** 1 .a
Sig. (2-tailed) . . .
N 2 2 2 1
Pearson
Correlation
,529 ,934 .a 1
Sig. (2-tailed) ,281 ,233 .
N 6 3 1 6
BARX1EXT
BARX1EXT
BARX1EXT
BARX1EXT
27. 26
Correlación entre los bonos de Neuquén y el producto bruto geográfico
de la provincia
NRH2EXT NRH2EXT NRH2EXT NRH2EXT NRH2EXT NRH2EXT
Pearson
Correlation
1 .a
.a
-1,000**
.a
,927*
Sig. (2-tailed) . . . . ,023
N 6 1 1 2 1 5
Pearson
Correlation
.a 1 1,000**
1,000**
1,000**
.a
Sig. (2-tailed) . . . . .
N 1 2 2 2 2 0
Pearson
Correlation
.a
1,000** 1 1,000**
1,000**
.a
Sig. (2-tailed) . . . . .
N 1 2 2 2 2 0
Pearson
Correlation
-1,000**
1,000**
1,000** 1 1,000**
.a
Sig. (2-tailed) . . . . .
N 2 2 2 3 2 1
Pearson
Correlation
.a
1,000**
1,000**
1,000** 1 .a
Sig. (2-tailed) . . . . .
N 1 2 2 2 2 0
Pearson
Correlation
,927*
.a
.a
.a
.a 1
Sig. (2-tailed) ,023 . . . .
N 5 0 0 1 0 5
NRH2EXT
NRH2EXT
NRH2EXT
NRH2EXT
NRH2EXT
NRH2EXT