universidad san ignacio de loyola facultad de...
Post on 08-Apr-2020
2 Views
Preview:
TRANSCRIPT
1
UNIVERSIDAD SAN IGNACIO DE LOYOLA
FACULTAD DE CIENCIAS EMPRESARIALES
Economía
“DETERMINANTES DE LOS NIVELES DE MOROSIDAD EN LAS
CAJAS MUNICIPALES DE AHORRO Y CRÉDITO EN EL PERÚ - UN
ESTUDIO PARA EL PERIODO 2001-2016”
Tesis para optar el título profesional de Licenciado en Economía
Humberto Juan Agurto Vidarte
Santiago Córdova Carhuaricra
Asesor:
Dr. Victor Manuel Loret de Mola Cobarrubias
Lima- Perú
2017
2
“DETERMINANTES DE LOS NIVELES DE MOROSIDAD EN LAS
CAJAS MUNICIPALES DE AHORRO Y CRÉDITO EN EL PERÚ - UN
ESTUDIO PARA EL PERIODO 2001-2016”
Fecha de Sustentación y Aprobación: Martes 11 de Abril del 2017.
Presidente de Jurado
Dr. Leopoldo Taddei Diez
Jurados:
Mag. Carlos González Taranco
Mag. Jaime Canales Rimachi
3
“DETERMINANTES DE LOS NIVELES DE MOROSIDAD EN LAS
CAJAS MUNICIPALES DE AHORRO Y CRÉDITO EN EL PERÚ - UN
ESTUDIO PARA EL PERIODO 2001-2016”
Humberto Juan Agurto Vidarte
Santiago Córdova Cahuaricra
Resumen ejecutivo
El análisis de los determinantes de la morosidad resulta importante ya que permite a
las instituciones financieras tomar decisiones para evitar el deterioro de su cartera crediticia.
Conociendo la importancia del sector relacionado a la micro y pequeña empresa, el objetivo
de esta investigación es analizar los determinantes de la morosidad en las Cajas Municipales
de Ahorro y Crédito del Perú, instituciones microfinancieras que son las que, principalmente,
atienden al sector en mención. Utilizando un modelo de mínimos cuadrados ordinarios y
tomando como periodo de estudio a los años comprendidos entre 2001 y 2016, los resultados
muestran alta significancia estadística para todas las variables del modelo, teniendo un rol
principal en el desarrollo de la morosidad el incremento en el número de agencias y en el
número de colocaciones. Esperamos que nuestros resultados sigan motivando futuras
investigaciones en el tema.
2017
4
ÍNDICE GENERAL
1. INTRODUCCIÓN 7
2. LITERATURA PREVIA 28
3. METODOLOGÍA Y MODELO 32
4. RESULTADOS 34
5. CONCLUSIONES 42
6. RECOMENDACIONES 44
7. BIBLIOGRAFÍA 45
8. ANEXOS 48
5
ÍNDICE DE CUADROS
Cuadro 1: Cuadro de variables y signos esperados 33
Cuadro 2: Resultados del modelo 34
Cuadro 3: Especificación del Modelo 37
Cuadro 4: Matriz de correlaciones de variables regresoras 39
Cuadro 5: Estadístico Durbin-Watson 40
Cuadro 6: Prueba de autocorrelación de Breusch-Godfrey 41
Cuadro 7: Prueba de heterocedasticidad de White 41
6
ÍNDICE DE GRÁFICOS
Gráfico 1: Morosidad de las Cajas Municipales 2014-2016 22
Gráfico 2: Créditos Directos en Categoría de Riesgo Pérdida (% del total de créditos) 23
Gráfico 3: Morosidad de los Créditos a Mediana Empresa en las Cajas Municipales 24
Gráfico 4: Morosidad de los Créditos a Pequeña Empresa en las Cajas Municipales 25
Gráfico 5: Morosidad de los Créditos a Microempresa en las Cajas Municipales 26
Gráfico 6: Morosidad de las Cajas Municipales 2006-2014 35
Gráfico 7: Pruebas de estabilidad de parámetros CUSUM y CUSUM Cuadrado 38
Gráfico 8: Pruebas de coeficientes recursivos 38
Gráfico 9: Correlograma (Q-Stat) 40
7
1. INTRODUCCIÓN
1.1 Problema de Investigación
Las Cajas Municipales de Ahorro y Crédito (CMAC) en el Perú forman parte
importante del desarrollo económico del país ya que otorgan financiamiento a agentes que
no suelen ser atendidos por las tradicionales instituciones bancarias. Al 31 de diciembre de
2016, los principales clientes de las CMAC son la micro y pequeña empresa (MYPE) ya que
entre estas dos suman poco más del 60% del total de créditos directos de estas instituciones.
Y si nos referimos a la participación por sector económico, los dos sectores más
representativos son el comercio y transporte ya que entre los dos suman el 50% de los créditos
para la actividad empresarial.
Ante tal importancia en la participación de la cartera, cabe mencionar que solo la
microempresa brinda más del 70% de puestos de trabajo a nivel nacional según los datos del
Instituto Nacional de Estadística e Informática (INEI) al 2015. La microempresa está
conformada entre 1 y 10 trabajadores y se sabe que ha generado más de 1.25 millones de
puestos de trabajo en los últimos 10 años. El número de microempresas formales asciende a
alrededor de 1´607,305, lo cual representa el 95% del total de empresas formales a nivel
nacional (Ministerio de la Producción, 2015).
Dado que el mercado objetivo de las CMAC está altamente caracterizado por el
crédito a las MYPEs, estas instituciones microfinancieras asumen un mayor nivel de riesgo
en sus operaciones. Durante los últimos años el nivel de riesgo asumido por las CMAC se ha
ido reflejando en los altos niveles de morosidad que presentan en su información financiera
(más detalles en el Marco Referencial).
Consideramos que dentro de las principales causas que impulsan los niveles de
morosidad se encuentra la flexibilidad del sistema de evaluación crediticia, el cual incrementa
el nivel de riesgo al cual se enfrentan las CMAC en las operaciones que realizan. Junto a la
flexibilización de la evaluación crediticia, el afán de expansión de las instituciones
8
microfinancieras, reflejado en el crecimiento de las colocaciones y del número de agencias,
resulta una de las principales causas para el incremento de la morosidad. Asimismo, entre
otros factores que expliquen la morosidad, tenemos los conflictos de interés a nivel de altos
funcionarios de las CMAC, así como también las elevadas tasas de interés de los productos
microfinancieros.
Entre los efectos directos de la morosidad tendríamos principalmente al riesgo
sistemático, es decir, la posibilidad de un quiebre sistemático de las CMAC. Otro de los
efectos directos del incremento de la morosidad en las CMAC sería una disminución en la
capacidad de financiamiento de las mismas dado el nivel de patrimonio comprometido.
También veríamos una mayor rigidez en el sistema de evaluación crediticia con el objetivo
de reducir el riesgo de las operaciones realizadas.
Este estudio pretende estudiar esta problemática y encontrar los posibles
determinantes de la morosidad, lo que permitirá recabar recomendaciones que permitan un
mejor control en el futuro. El horizonte de tiempo a estudiar será el periodo 2001-2016, lo
que permitirá poder reflejar los impactos que existieron en este rubro durante el auge de las
CMAC y los problemas que enfrentan al día de hoy por sus altos niveles de morosidad.
1.2 Marco Referencial
1.2.1 Antecedentes
Una de las iniciativas más exitosas e influyentes de la historia de las microfinanzas
en Perú es el sistema de las cajas municipales. De todas las cajas independientes que llegaron
a tener éxito, la Caja Trujillo es un caso en el cual conjugaron, armoniosamente, la
experimentación empresarial con una efectiva regulación, lo que generó una historia de éxito
que ilustra el crecimiento de las microfinanzas.
Las Cajas Municipales nacieron con el objetivo de llevar crédito a las poblaciones de
escasos recursos y fomentar la descentralización del desarrollo económico en Perú. Con un
sólido enfoque centrado en el cliente como base para la evaluación crediticia, estas
9
alcanzaron una posición de liderazgo en el sector de las microfinanzas en Perú. Las Cajas
Municipales crecieron de manera consistente desde inicios de los años ochenta y resistieron
las crisis económicas a nivel nacional e internacional. La flexibilidad en la gestión del riesgo
y una serie de medidas prudentes fueron la clave de su éxito. El análisis del flujo de caja y el
enfoque gradual para la mejora operativa eventualmente se tradujeron en normas para todo
el sector. Otros aspectos que contribuyeron al buen desempeño y éxito de las Cajas
Municipales fueron los métodos de análisis en el terreno, la construcción de personal
competente y leal, una organización operativa y eficientes tecnologías de información.
1.2.2 Surgimiento de las Cajas Municipales
Las cajas municipales datan de inicios de los años ochenta. La experiencia previa con
préstamos pequeños para grupos socioeconómicos bajos y medianos era variada y
contemplaba programas de préstamo y préstamos colectivos, tanto en ciudades como en
zonas rurales. Las ONG, las organizaciones internacionales y el gobierno proporcionaron un
importante apoyo. Los experimentos iniciales se realizaron desde mediados de los años
cincuenta hasta mediados de los años setenta, y eran iniciativas de ahorro y préstamo para
vivienda, así como cooperativas de crédito. Las iniciativas posteriores de las ONG se
sumaron al crecimiento de las microfinanzas. La ONG Finca introdujo el modelo de crédito
rotatorio en 1975 y más adelante, en 1990, introduciría el modelo de la banca comunal. Hasta
los años ochenta, las microfinanzas solían ser subsidiadas en gran parte, las tasas de interés
se mantenían a un nivel bajo y había poco énfasis en la autosostenibilidad financiera.
Después de doce años de gobierno militar, cuyos primeros seis años fueron
intervencionistas y de tendencia izquierda, en 1980 se reinstauró en Perú un régimen
democrático. El sistema financiero se tornó restrictivo y el acceso al crédito era limitado
debido a los requisitos en cuanto a ingresos y garantías documentadas formales, además de
las altas tasas de interés y la excesiva burocracia.
En 1983, Perú se vio afectado por una crisis económica. El sistema financiero colapsó
trayendo abajo a las cooperativas de crédito, las iniciativas de ahorro y préstamo, algunos
programas para pequeñas empresas, casi todos los programas para agricultores de pequeña
10
escala y varios bancos de desarrollo del Estado. Un año antes, en 1982, había empezado a
operar la primera caja municipal en Piura. Los años noventa trajeron cambios profundos con
un programa de ajuste estructural y liberalización económica, financiera y comercial que
eventualmente trajo consigo la recuperación en 1993. Años después, se promulgaron nuevas
leyes y normas que regulaban el sistema bancario y otros aspectos institucionales
relacionados con las microfinanzas. Fue en este contexto en donde el sector en general
experimentó el primer estallido de crecimiento. La modificación de las leyes de
microfinanzas promulgadas a mediados de los años noventa estableció las condiciones para
ampliar el sector y facilitó el espacio para que más actores puedan competir. El año 1998
marcó el inicio de una nueva fase para el sector de las microfinanzas en Perú: las
microfinanzas comerciales.
1.2.3 El origen de la Caja Municipal
La idea prolífica de una caja gestionada por el gobierno municipal para ofrecer
préstamos prendarios al público nació de un estudiante de la carrera de negocios llamado
Gabriel Gallo, quien había escuchado que en Argentina el banco de un gobierno local ofrecía
el mismo producto. Gallo propuso esta idea en su tesis de grado y la presentó al alcalde de la
ciudad de Piura, su ciudad de origen — ubicada en la costa norte del Perú — quien la
promovió. Consiguieron el apoyo de la municipalidad y luego buscaron la aprobación del
gobierno central.
Después de investigar y descubrir la alternativa de la caja que ya se implementaba en
Lima, Gallo eliminó los aspectos bancarios del modelo. Sus esfuerzos dieron resultado,
ayudado también por circunstancias fortuitas como el hecho de que algunos de sus contactos
en Lima — altos funcionarios como el Ministro de Finanzas — también eran de Piura.
Después de reunirse con representantes de organizaciones de cooperación internacional, el
Gobierno de Perú firmó un acuerdo con la Agencia Alemana de Cooperación Técnica (GTZ)
que se encargaría de proporcionar asistencia técnica para el diseño y la implementación de la
«caja municipal», para lo cual se amplió la fase inicial dedicada exclusivamente a la Caja
Piura. La idea era construir un sistema de préstamos municipales accesibles a personas de
bajos ingresos que permitiera, al mismo tiempo, fortalecer los gobiernos locales. El consultor
11
alemán Peter Zeitinger lideró el equipo, que contó con el apoyo y la participación de otros
gobiernos municipales, entre estos el de la ciudad de Trujillo. La autorización y las leyes para
las cajas se promulgaron en un periodo de dos años. Zeitinger permaneció en Perú como
asesor de las cajas hasta 1995 y tuvo una gran influencia en el modelo y su evolución. Hubo
un proceso de cross-fertilisation en el cual día a día surgían lecciones de la implementación
del sistema. Por ejemplo, el equipo del proyecto creó una escuela de capacitación para los
gerentes y el personal de todas las cajas del país, que facilitaba el intercambio de
experiencias. El modelo de gestión, que tuvo una gran influencia del modelo alemán a través
de GTZ, establecía que las decisiones debían tomarse de manera conjunta en tres diferentes
líneas gerenciales (administración, finanzas y crédito).
Cada una de estas líneas tenía su propia jurisdicción y funciones, pero las decisiones
importantes se tomaban de manera conjunta. Un aspecto innovador fue la creación de un
organismo ad hoc para la elaboración del reglamento interno de todo el sistema de cajas: la
Federación Peruana de Cajas Municipales de Ahorro y Crédito (FEPCMAC), cuya junta
directiva se elige de manera conjunta por todos los miembros. El rol de FEPCMAC es
supervisar y asesorar a las cajas municipales para promover su desarrollo y crecimiento,
además de establecer las normas internas de todo el sistema. El equipo asesor de GTZ sugirió
que se creara una entidad matriz encargada de supervisar el crecimiento uniforme de todas
las cajas y la normal competencia entre estas. A cada caja se le asignó una zona geográfica
específica para sus operaciones, bajo una lógica de complementariedad y FEPCMAC se
encargaba de regular y supervisar el sistema para garantizar su adecuado funcionamiento. En
la actualidad, el modelo de la caja municipal mantiene las características originales: sistema
de expansión gradual hacia operaciones más complejas; promoción del ahorro; estricto
profesionalismo gerencial y organizativo; evaluación crediticia basada en la interacción
directa con el cliente en el terreno; autorregulación y promoción de un desarrollo
estandarizado a través de un organismo regulador del sistema.
1.2.4 La red de Cajas Municipales en el Perú
El sector de las microfinanzas de Perú está catalogado como uno de los más sólidos
a nivel mundial en la actualidad. Durante las dos últimas décadas creció de manera próspera
12
y sobrevivió a dos crisis económicas internacionales. Asimismo, a fines de los años ochenta
sobrevivió a una dura crisis interna que se caracterizó por una severa crisis económica,
hiperinflación, recesión, terrorismo y conflictos armados.
Las cajas municipales de ahorro y crédito (CMAC) son instituciones de
microfinanciamiento (IMF) que pertenecen a los gobiernos municipales, aunque estos no
tienen el control mayoritario ya que las decisiones están a cargo de una junta que reúne a
diversos actores, entre estos la sociedad civil.
El modelo de Cajas Municpales es una de las cinco modalidades institucionales de
microfinanzas reguladas por la Superintendencia de Banca, Seguros y AFP (SBS). El sistema
de microfinanzas está conformado por 42 entidades reguladas y 76 entidades no reguladas.
En la actualidad, hay 13 cajas municipales en el país; 91% de los préstamos y 73% de los
ahorros se realizan fuera de la ciudad de Lima. Las cajas municipales poseen el 40,6% de
participación en el sector de las microfinanzas. Entre 1982 y 1986, se fundaron seis cajas
municipales en cinco departamentos del país (conocidos ahora como regiones). En la
actualidad, existen 12 cajas municipales con 514 oficinas repartidas en las 25 regiones de
Perú.
Inicialmente, las cajas ofrecían solo créditos prendarios y sus operaciones se
limitaban a su ciudad o región. Ahora otorgan préstamos a microempresas y pequeñas
empresas, ofrecen cuentas de ahorro y otros instrumentos de ahorro y, desde 2002, ofrecen
una amplia gama de servicios bancarios. Un aspecto clave de este enfoque es la apertura de
la metodología de gestión del riesgo, cuyos procedimientos comerciales se replantearon para
centrarse en el cliente. Las cajas calificaron para el proceso de expansión gradual, mediante
el cual la caja recibe la autorización legal para realizar operaciones más complejas después
de un periodo, si demuestra ser capaz de realizar operaciones simples y cumple con ciertos
requisitos en cuanto a capital y gestión del riesgo. Otra característica importante de las cajas
es la metodología de evaluación crediticia, que dejó de lado las garantías o prendas para
adoptar un análisis de flujo de caja que evalúa la capacidad de pago del cliente.
13
1.2.5 Importancia del sistema de cajas municipales
El sistema de Cajas Municipales buscaba ampliar el acceso de las poblaciones de
escasos recursos al crédito y servicios bancarios. Sin embargo lo que busca el modelo
esencialmente es un impulso a la descentralización que buscaba crear oportunidades para la
población y el desarrollo económico local, fortaleciendo el poder local, y a su vez, una mayor
independencia de la capital. Esto fue una iniciativa exitosa. El modelo de la Caja Municipal,
que apoyaba a los desfavorecidos y no a las élites, reflejaba la transición de la sociedad
peruana en general: una sociedad en la cual el sector informal, el autoempleo y el
emprendimiento serían los ejes centrales, y en la cual las zonas alejadas de la capital
asumirían un rol de creciente importancia.
El sistema de Cajas Municipales tuvo un papel fundamental en la evolución y el éxito
de las microfinanzas en Perú ya que contribuyó de manera significativa al diseño, desempeño
y crecimiento de este sector, sobre todo tomando en cuenta las dificultades económicas,
sociales y políticas que enfrentó el país durante más de dos décadas. Este sistema sentó las
bases para el estilo de microfinanzas que se estableció en Perú.
En los años noventa, dos características iniciales de este modelo se incorporaron en
la legislación y se institucionalizaron en las microfinanzas del país: flexibilidad en la gestión
del riesgo y expansión gradual, variables a evaluar en la presente investigación. Las Cajas
Municipales fueron las pioneras en aplicar un enfoque centrado en el cliente que incluye
visitas in situ para evaluar el hogar, el ambiente familiar y el entorno general de posibles
clientes y de los clientes actuales. Este enfoque de relación con el cliente se convirtió en parte
integral de la cultura comercial de las entidades más sólidas de microfinanzas en Perú.
1.2.6 Mejores entornos microfinanciero actuales1
Como ya se había definido, la existencia de las CMAC es una cuestión que tiene como
finalidad descentralización, sin embargo existe otro término que se adapta más para este
1 La información de este apartado puede ser encontrado en: EIU (Economist Intelligence Unit). 2016.
Microscopio global 2016: Análisis del entorno para la inclusión financiera.
14
apartado, la inclusión financiera. Aquí nos detendremos un momento para dar un repaso al
sector microfinanciero de algunos países. Para esto, hemos tomado en cuenta lo que dice el
Microscopio Global 2016.
El Microscopio Global, hecho por The Economist Intelligence Unit, es un reporte que
busca analizar el entorno para la inclusión financiera mediante un ranking que califica a 55
países en base a 12 indicadores, los cuales son2:
1. Apoyo del gobierno a la inclusión financiera
2. Capacidad de regulación y supervisión para la inclusión financiera
3. Regulación prudencial
4. Regulación y supervisión de carteras de crédito
5. Regulación y supervisión de actividades de captación de depósitos
6. Regulación de seguros dirigidos a poblaciones de bajos ingresos
7. Regulación y supervisión de sucursales y agentes/corresponsales
8. Requisitos para entidades de crédito no reguladas
9. Pagos electrónicos
10. Sistemas de información crediticia
11. Reglas de conducta de mercado
12. Mecanismos de reclamación y operación de los mecanismos de resolución de
controversias
Los beneficios potenciales más importantes de la inclusión financiera son:
Para los individuos y los pequeños empresarios, junto con sus familias, puede ser un
apoyo para salir de la pobreza
Las mujeres pueden aprovechar oportunidades económicas, promoviendo la igualdad
de género en todas las sociedades
Las vías para el lavado de dinero pueden reducirse
2 Se podrá apreciar el ranking del Microscopio Global 2016 en los anexos
15
La lista de beneficios seguirá extendiéndose a medida que más personas puedan
acceder a estos servicios financieros. Por todo esto, es que la inclusión financiera se ha hecho
una prioridad universal tanto así, que los Objetivos de Desarrollo Sostenible (ODS) de las
Naciones Unidas para el 2030 consideran a la inclusión financiera como un tema fundamental
para el progreso de las naciones y cinco de las 17 ODS3 mencionan la necesidad de un acceso
más amplio a los servicios financieros.
Dentro del reporte de Microscopio Global, se estudia el entorno microfianciero de
países provenientes de
América Latina y el Caribe
Oriente Medio y Norte de África
África Subsahariana
Europa del Este y Asia Central
Este y Sur de Asia
A continuación presentaremos algunas características importantes de los países más
dinámicos del Microscopio para poder tener una perspectiva general sobre su desempeño en
el ámbito de la inclusión financiera.
Perú
Nuestro país, como ya se había mencionado antes, sigue estando a la vanguardia por
noveno año consecutivo en este ranking debido a los múltiples esfuerzos del gobierno y las
entidades financieras por seguir desarrollando su grado de inclusión financiera en todo el
país. Su ente regulador financiero general de Perú es la Superintendencia de Banca, Seguros
y AFP (SBS), la cual es la responsable (en gran medida) que nuestro país ocupe el puesto
que tiene.
3 “Transformar nuestro mundo: la Agenda 2030 para el Desarrollo Sostenible,” Resolución aprobada por la
Asamblea General de las Naciones Unidas en septiembre de 2015,
http://www.un.org/ga/search/view_doc.asp?symbol=A/ RES/70/1&Lang=E.
16
La iniciativa de inclusión financiera más importante que se ha ido trabajando durante
los últimos años y que hoy en día, ya es una realidad, es El Modelo Perú. Esta iniciativa
consiste en utilizar el celular como medio de pago, donde participan como emisores de dinero
electrónico4 un total de 33 entidades financieras que incluye a los bancos, cajas, edpymes,
financieras y una empresa emisora de dinero electrónico llamada Pagos Digitales Peruanos
S.A.
Esta innovadora iniciativa se manifiesta mediante la ya conocida Billetera Movil
(BIM). Este medio de pago móvil permite a los usuarios enviar dinero electrónico a otros
teléfonos, realizar recargas de dinero electrónico, efectuar pagos y revisar las operaciones
anteriores. Las ventajas más relevantes de este servicio son el ahorro de tiempo, ahorro de
dinero y estar más seguros al no cargar efectivo. Otra ultima ventaja es que no hace falta
contar con un smartphone o internet para utilizar este servicio, haciéndolo aún más accesible
para más personas.
Cabe añadir que en febrero de 2014, el Ministerio de Economía y Finanzas creó la
Comisión Multisectorial de Inclusión Financiera (CMIF) conformada por representantes del
Ministerio de Desarrollo e Inclusión Social (MIDIS); la Superintendencia de Banca, Seguros
y AFP (SBS); el Banco Central de Reserva del Perú; y el Banco de la Nación. La CMIF, con
la colaboración del Banco Mundial, puso en marcha la primera Estrategia Nacional de
Inclusión Financiera (ENIF) en julio de 2015. Las principales metas de la EINF para el 2021
son lograr una mayor profundidad en mercados financieros, ampliar la cobertura física,
lograr mayor uso de medios de pago, lograr un ecosistema financiero confiable y seguro y
fortalecer la educación financiera. La plena inclusión financiera, traerá por un lado mayor
estabilidad, más crecimiento y menos desigualdad, y por el otro lado proveerá a los
ciudadanos peruanos de herramientas para un mejor uso de oportunidades, un mejor manejo
del dinero y les permitirá enfrentar emergencias y protegerse frente a adversidades.
4 Dinero electrónico (Electronic money (E-Money)): Valor monetario representado por un registro del emisor
que: (i) está almacenado en un dispositivo electrónico; (ii) es emitido en el momento en que se reciben los
fondos por una cantidad no menor en valor al valor monetario emitido; (iii) es aceptado como medio de pago
por otras partes diferentes del emisor, y (iv) es convertible en efectivo. En la práctica, el cliente intercambia
efectivo ante un agente minorista a cambio de un registro de valor electrónico. Fuente: CGAP, 2012.
17
El Perú cuenta con un considerable número de pilares los cuales ayudan a que se
mantenga en la cima del ranking del Microscopio Global. Estos pilares o indicadores son: su
capacidad de regulación y supervisión para la inclusión financiera, la regulación y
supervisión de carteras de crédito, los requisitos para entidades de crédito no reguladas, su
sistema de información crediticia, sus reglas de conducta de mercado y sus mecanismos de
reclamación y de resolución de controversias.
Colombia
Es el país que comparte el primer lugar junto a Perú en el ranking del Microscopio
Global. Se dice que a principio del 2014, el presidente Santos revitalizó los esfuerzos de
inclusión financiera lanzando una nueva estrategia que buscaba fortalecer la educación
financiera, mejorando la coordinación entre el gobierno y el sector privado. Luego de esto,
en octubre de ese mismo año, el congreso aprobó la Ley de inclusión financiera, la cual
buscaba la creación de una nueva plataforma electrónica.
En diciembre de 2015, la creación de la Comisión Intersectorial de Inclusión
Financiera (CIIF) fue uno de los eventos más importantes de los últimos años. Esta iniciativa
asegura una mayor coordinación entre las entidades gubernamentales, que cuando
emprendieron la Banca de las Oportunidades en el 2006. La nueva dependencia también
fortalece la coordinación entre el gobierno y los nuevos actores del sector privado que antes
estaban excluidos.
En el 2015 se alcanzó notables hitos hacia la consecución de sus metas de inclusión
financiera, uno de ellos es que el indicador de inclusión financiera del gobierno ascendió a
76.3% al final de ese año. Esto quiere decir, que 25 millones de colombianos cuentan con al
menos un producto financiero.
Cabe destacar que los indicadores que más se han desarrollado en los últimos años
son el apoyo del gobierno a la inclusión financiera, los requisitos para entidades de crédito
18
no reguladas, las reglas de conducta del mercado y la regulación y supervisión de carteras de
crédito5.
Colombia ha hecho grandes avances en cuestión de inclusión financiera, sin embargo
todavía tienen por resolver varios problemas. Si bien todos los municipios tienen acceso a
por lo menos un producto/servicio de seguro, la utilización de estos servicios es baja. Tal
parece que es por el alto costo y la educación financiera, que sigue siendo baja. Por último,
se sabe que existe una abundante oferta de servicios de banca digital, pero su uso es limitado
debido a los bajos índices de acceso a internet y factores culturales que entorpecen el uso de
tecnología sofisticada para transacciones bancarias.
Chile
Aunque con un puntaje mucho menor al de Perú y Colombia, Chile ha logrado
posicionarse en el top 5 de este ranking. Este país tiene como ente regulador financiero
general a la Superintendencia de Bancos e Instituciones Financieras (SBIF).
El país ha adoptado las Normas Internacionales de Información Financiera (NIIF)6 y
ha estado analizando las mejores prácticas para alinearse a los principios de Brasilea III7. El
marco de inclusión financiera de Chile se concentra en tres dimensiones: utilización, acceso
y calidad. Estas dimensiones tienen como componentes prioritarios a la expansión de
programas de educación financiera, el fortalecimiento de los derechos de protección al
consumidor, promoción de los pagos electrónicos y desarrollo de un marco normativo.
En junio de 2014 el Ministerio de Hacienda creó la Comisión para la Inclusión
Financiera cuyo objetivo es asesorar al presidente sobre medidas que mejoren el acceso de
5 The Economist Intelligence Unit (EIU). 2015. Microscopio global 2015: Análisis del entorno para la
inclusión financiera.
6 Las Normas Internacionales de Información Financiera (NIIF) son las normas contables emitidas por el
Consejo de Normas Internacionales de Contabilidad (IASB, por sus siglas en inglés) con el propósito de
uniformizar la aplicación de normas contables en el mundo, de manera que sean globalmente aceptadas,
comprensibles y de alta calidad.
7 Los principios de Brasilia III son un conjunto iniciativas de propuestas por el Foro de Estabilidad Financiera
(FSB, Financial Stability Board por sus siglas en ingles) y el G-20 para fortalecer el sistema financiero tras la
crisis de las hipotecas subprime.
19
los chilenos a herramientas financieras. En el 2015, la actual presidenta Michelle Bachelet
reiteró su compromiso con la inclusión financiera durante la conferencia “Desafíos para
asegurar el crecimiento y una prosperidad compartida en América Latina” que tuvo lugar en
Chile.
Si bien no posee tantos pilares que le aseguran su puesto en el top 5 de este ranking,
cabe resaltar que sus indicadores más notables son la regulación prudencial, su regulación y
supervisión de actividades de captación de depósitos, sus reglas de conducta de mercado y
sus mecanismos de reclamación y de resolución de controversias. Por otro lado, tienen dos
indicadores que siguen estando muy bajos en su puntuación los cuales son: su regulación de
seguros dirigidos a poblaciones de bajos ingresos y sus pagos electrónicos (debido a que no
cuentan con una infraestructura de pagos adecuada para la población de bajos ingresos).
India
Según la base de datos sobre inclusión financiera global del Banco Mundial de 2014,
el 53% de adultos tenían algún tipo de cuenta en una institución financiera formal. Sin
embargo, solo el 14% de la población ahorra y solo el 6% ha solicitado créditos en alguna
institución financiera.
En agosto de 2014 el gobierno lanzó un programa para abrir una cuenta bancaria
básica a cada hogar, con acceso a educación financiera, al crédito, a seguros y a la posibilidad
de recibir el pago de pensiones en esa cuenta. Para enero de 2015, se habían abierto 125
millones de nuevas cuentas haciendo que la cobertura alcance un 99.98% en los hogares. El
problema fue que muchas de estas cuentas permanecieron inactivas y la penetración de los
servicios financieros en zonas rurales continúa siendo escasa. Para marzo de 2015 las
instituciones microfinancieras ya daban atención a 30.5 millones de clientes, sin embargo su
oferta de productos siguió siendo limitada dado a que no se les permitía captar depósitos.
Más adelante, el Banco de Reserva de la India adoptó una medida importante la cual
era emitir licencias de operación para que algunas microfinancieras puedan ofrecer servicios
de ahorros no sin antes, contar con un modelo de operaciones de alta tecnología y de bajo
20
costo. El gobierno de India creó el Banco para el Desarrollo de Microunidades y Agencia
para el Refinanciamiento (MUDRA) con el fin de que financie al prestamista de última
instancia que otorga préstamos a la micro y pequeña empresa.
Pese a ser el segundo país con mayor población a nivel mundial, en India no existe
ningún documento nacional de identidad obligatorio ni tampoco un registro exhaustivo de
los nacimientos. Sumado a esto, la dificultad de acreditar un domicilio propio hacía mucho
más difícil a una gran parte de la población realizar distintas actividades como desde legalizar
el suministro eléctrico hasta obtener una cuenta corriente.
En el 2016 se creó Aadhaar, el mayor proyecto biométrico del mundo. Más de mil
millones de habitante cuentan ya con una identificación única de 12 dígitos asociada a su
nombre, sexo, edad, edad y dirección. Esto supone a que muchos trabajadores pobres y
migrantes de un estado a otro, salir del limbo. Aunque registrarse con Aadhaar tampoco es
obligatorio, su éxito se debe a que es prácticamente es cada vez más imprescindible para más
trámites, desde la obtención a un pasaporte hasta recibir determinados subsidios.
Gracias a esto, se pudieron abrir 217 millones de cuentas bancarias y se nombraron
126 mil agentes bancarios para que presten servicios de depósitos y retiro de efectivo en las
regiones menos atendidas. El porcentaje de cuentas bancarias en operación se elevó
significativamente de 30% en enero de 2015 a 72% en febrero de 2016. Sin duda alguna India
cuenta con un horizonte muy prometedor.
1.2.7 La morosidad en las Cajas Municipales de Ahorro y Credito
Todo aparenta que el entorno microfinanciero peruano no deja de mejorar. Sin
embargo, en este apartado, se tiene otro tipo de panorama. Se sabe que el sector
microfinanciero está compuesto por las Cajas Municipales de Ahorro y Crédito (CMAC), las
Cajas Rurales de Ahorro y Crédito (CRAC), las Entidades de Desarrollo de la Pequeña y
Microempresa (EDPYME), Mibanco, Financiera Solución y el Banco del Trabajo. Como
cualquier intermediario financiero, este sector está expuesto al riesgo de crédito, es decir,
21
está expuesto a enfrentar retrasos en el pago de los créditos otorgados que, en algunos casos,
pueden enfrentarse al incumplimiento parcial o total del pago.
Precisamente, una de las principales causas de la pérdida de rentabilidad de las
instituciones microfinancieras es el deterioro de los créditos a las micro y pequeñas empresas.
Este negocio es uno de los segmentos que ha tenido una mayor oferta crediticia durante los
últimos cinco años y que se mantiene sobreendeudado debido a la reducción de las
inversiones en sus respectivos sectores. Debido a esta reducción, las micro y pequeñas
empresas han ralentizado su negocio, haciendo que sea más difícil para ellos el pagar a
tiempo sus créditos y, en algunos casos, teniendo que salir del mercado. Es decir, estas
empresas han crecido mas no evolucionado, crecieron impulsadas por la coyuntura más que
por una estrategia de largo plazo que les permitiera desarrollarse. Por tal motivo, estas
empresas no son competitivas.
La morosidad en los créditos de las cajas municipales alcanzó el 6% a noviembre de
2016. Algunas instituciones presentan un ratio de morosidad por encima del promedio, como
la CMAC Del Santa con 18.3%, CMAC Paita con 14.3% y la Caja Metropolitana de Lima
con 13.4%. Como puede observarse en el gráfico 1, de las 12 instituciones del sistema de
cajas municipales, 8 de ellas tienen una tasa de morosidad, por lo menos, cercana a o mayor
a 8%. A partir del primer semestre del 2009, cuando se empezó a sentir el impacto de la crisis
financiera internacional, la morosidad del sistema financiero peruano experimentó un ligero
aumento. A partir de este momento, la morosidad de las cajas municipales ha tenido una
tendencia al alza debido principalmente al sobreendeudamiento de las pequeñas y medianas
empresas, principales clientes de las CMAC. Una elevada cartera morosa constituye un grave
problema para las instituciones microfinancieras (IMF): si una institución financiera es
sensible a los altos niveles de morosidad de sus créditos esto puede conducir a un problema
de liquidez que, si persiste en el largo plazo y la institución no cuenta con líneas de crédito
de contingencia, entonces podría convertirse en un problema de solvencia lo cual puede
significar la liquidación total de la institución. Se sabe que en la práctica, una IMF con
elevados niveles de morosidad puede llegar a cerrar, tal como sucedió con la Caja Señor de
Luren (2015) y la Caja Pisco (2014).
22
Gráfico 1: Morosidad de las Cajas Municipales (%) 2014-2016
Fuente: SBS (2016b). Elaboración propia.
Asimismo si analizamos el porcentaje de créditos que son clasificados como pérdidas
(gráfico 2), se puede observar que instituciones como CMAC del Santa y CMAC Paita vienen
clasificando, en los últimos 3 años, al menos 10% de sus créditos como pérdidas, lo cual
refleja una tendencia a otorgar créditos de manera muy flexible y sin los requerimientos
mínimos, lo cual efectivamente luego se traduce en pérdidas de la cartera crediticia. La Caja
Metropolitana de Lima también vienen mostrando una tendencia al alza durante los últimos
3 años para esta categoría, siendo actualmente el 9.3% del total de créditos clasificados como
pérdidas. La CMAC Tacna también cuenta con uno de los niveles más altos del sistema
respecto a porcentaje de créditos clasificados como pérdidas, así como también la CMAC
Trujillo. El promedio de todo el sistema de cajas municipales es de 5.08%.
23
Gráfico 2: Créditos Directos en Categoría de Riesgo Pérdida (% del total de créditos)
Fuente: SBS (2016b). Elaboración propia.
Si analizamos la morosidad de las cajas municipales por tipo de crédito podremos
observar una tendencia al alza en la morosidad de créditos a medianas empresas en los
últimos 3 años: de 5% en el 2014 a 7.96% en el 2016, un incremento de más del 50% (gráfico
3). Particularmente problemáticos son los casos de la CMAC del Santa y la CMAC Paita,
instituciones que cuentan con un ratio de morosidad del 40.1% y 46.7%, respectivamente. La
CMAC Piura, Tacna, Trujillo y la Caja Metropolitana de Lima todas cuentan con una
morosidad superior al 10% en el rubro de medianas empresas, con una clara tendencia al alza
en los últimos 3 años. Este fenómeno de altas tasas de morosidad en este segmento podría
estar vinculado al hecho que las entidades que conforman dichos segmentos institucionales
otorgan créditos a mayores tasas de interés en comparación a la Banca Múltiple, con la
finalidad de asegurar un spread financiero que compense el mayor costo de fondeo que estas
entidades deben incurrir dada la mayor percepción de riesgo que recae en ellas por parte de
las entidades y organismos que otorgan líneas de financiamiento.
24
Gráfico 3: Morosidad de los Créditos a Mediana Empresa en las CMAC
Fuente: SBS (2016b). Elaboración propia.
Respecto a la morosidad en los créditos de pequeñas empresas, el ratio de morosidad
se ha mantenido alrededor del 8% en los últimos 3 años, con algunas instituciones
presentando graves problemas. Por ejemplo, la Caja Metropolitana de Lima ha llegado a un
nivel de morosidad de 26.8% a noviembre de 2016, la CMAC Paita ha alcanzado una
morosidad de 17.6% (un incremento de aproximadamente 50% comparado con noviembre
de 2014) y la CMAC del Santa ha alcanzado un nivel de morosidad de 15.3% (gráfico 4).
Alguna de las causas que podrían estar impulsando la morosidad en este sector es que, en
cierta medida, las cajas municipales se han enfocado en clientes consolidados que tienen
deuda con más de una entidad financiera en lugar de buscar nuevos clientes e insertarlos en
el sistema financiero. Esto a su vez deriva en un sobreendeudamiento generalizado en el
sector, el cual se torna aún más agudo si se toma en cuenta el elevado número de
competidores. Asimismo, para ampliar su base de clientes y retener a los antiguos algunas
25
entidades han otorgado desde hace algunos años créditos de mayor envergadura sin contar
con la tecnología crediticia adecuada, lo cual ha afectado sus niveles de morosidad.
Gráfico 4: Morosidad de los Créditos a Pequeña Empresa en las CMAC
Fuente: SBS (2016b). Elaboración propia.
Finalmente, respecto a los créditos a la microempresa, la Caja Metropolitana de Lima
ha visto un incremento del 70% en sus niveles de morosidad en 2 años, pasando de 13.1% en
noviembre de 2014 a 22.3% en noviembre de 2016. Asimismo, la CMAC del Santa también
ha visto un incremento en su morosidad cercana al 30%, de 13.7% en noviembre de 2014 a
18% en noviembre de 2016. Este ratio de morosidad de los créditos a las microempresas se
ha mantenido alrededor del 7% en los últimos 3 años, teniendo, muy probablemente, una
causa muy similar al caso de los créditos a pequeñas empresas: las instituciones están
apostando por clientes consolidados del sistema financiero, es decir, compitiendo con el
sistema bancario en vez de buscar a nuevos clientes para llevarlos al sistema financiero. No
26
está de más mencionar que no es sólo que las cajas municipales vengan intentando ganar algo
del mercado del sistema bancario, alejándose así de su original razón de ser, sino que también
han sido las entidades bancarias que han intentado “bajar” al sistema microfinanciero para
ampliar su mercado.
Gráfico 5: Morosidad de los Créditos a Microempresa en las CMAC
Fuente: SBS (2016b). Elaboración propia.
1.3 Objetivos
Dado que los determinantes de la morosidad pueden representar fenómenos con
causas distintas entre el sistema bancario y el sistema microfinanciero, consideramos
importante desarrollar un modelo que explique los determinantes de la morosidad en las cajas
municipales. Asimismo, consideramos importante enfocarnos en el periodo 2001-2016 ya
que un estudio previo de Aguilar y Camargo (2003) se enfocaron en el periodo 1998-2001 y
27
es conocido que la situación económica del país y la estructura de mercado de aquella época
eran diferentes a los de nuestros años de estudio. Es decir, no sólo nuestro periodo de estudio
representa una época de crecimiento económico en el país, sino que también representa una
época en la que el sistema bancario entró a competir al entorno microfinanciero, lo cual es
un fenómeno que no se había dado en periodos previos.
Por ello, nuestra investigación busca determinar, mediante técnicas de investigación,
cuáles son las variables que determinan los niveles de morosidad en las CMAC. De manera
específica buscamos determinar lo siguiente:
• El impacto de la flexibilidad de la evaluación crediticia (medido a través del
incremento de las colocaciones), sobre la morosidad en las CMAC.8
• El impacto de los incrementos del número de agencias, sobre la morosidad en
las CMAC.
1.4 Hipótesis
Nuestras hipótesis buscan comprobar lo siguiente:
• Si la flexibilidad de la evaluación crediticia, lo que genera un incremento
desmedido de las colocaciones, contribuye positivamente al incremento de la
morosidad en las CMAC.
• Si el incremento del número de agencias, en un intento por mantener el
crecimiento de las colocaciones y el poder de mercado, contribuye
positivamente al incremento de la morosidad en las CMAC.
8 Esto, pues, se trata de una variable “proxy” para medir la flexibilidad. Similares enfoques se han seguido en
Aguilar y Camargo (2003) y Aguilar et al. (2004) al utilizar la tasa de crecimiento de las colocaciones y de la
cuota de mercado.
28
2. LITERATURA PREVIA
A pesar del hecho de que las instituciones financieras han desarrollado sofisticadas
técnicas para cuantificar el riesgo de crédito ex ante (centrándose en las características
idiosincráticas del prestatario), el riesgo de crédito ex post parece estar fuertemente
impulsado por la evolución macroeconómica, tal y como la literatura del ciclo económico ha
demostrado (Quagliariello 2007). Esta rama de estudios podríamos describirla como aquellos
que se centran en los factores macroeconómicos de la morosidad. Otra rama de la literatura
se ha centrado en el efecto de las características específicas de las instituciones sobre los
préstamos problemáticos, o lo que podríamos denominar factores microeconómicos de la
morosidad. Entre algunas de dichas características estudiadas se encuentran la calidad de
gestión, las decisiones políticas, el tamaño y el poder de mercado (Ranjan y Dhal, 2003).
Esta rama de estudios está muy relacionada a estudios específicos de las instituciones
financieras de ciertos países o regiones.
Respecto a los factores macroeconómicos, los modelos que vinculan el riesgo de
crédito a la actividad económica no son nuevos en la literatura. Los trabajos teóricos que
vinculan el desarrollo del ciclo económico con el sector financiero suelen encontrar una
relación entre la calidad de los activos y la actividad económica. La literatura clásica que
estudia las interacciones entre el entorno macroeconómico y los fundamentos financieros se
remonta a los modelos desarrollados por King y Plosser (1984), Bernanke y Gertler (1989),
Kiyotaki y Moore (1997) y Bernanke et al. (1998). Un estudio más reciente, publicado por
Pesaran et al. (2006) desarrolla un marco que vincula a los cambios de valor de una cartera
de crédito a un modelo macro-econométrico mundial dinámico y llega a la conclusión de que
la relación entre las empresas y el ciclo económico es el principal impulsor de las
probabilidades de incumplimiento.
La literatura empírica sobre la interacción entre las condiciones macroeconómicas y
la morosidad es amplia y diversa. Según Espinoza y Prasad (2010), quienes estimaron un
panel dinámico para el periodo 1995-2008 en alrededor de 80 bancos en el Consejo de
Cooperación del Golfo, un menor crecimiento económico y mayores tasas de interés
29
provocan un aumento de la morosidad. En el documento también se encuentra una relación
positiva entre el crecimiento rezagado del crédito y tasa de morosidad. Los resultados
también están en línea con lo encontrado por Nkusu (2011). Glen y Mondragón - Vélez
(2011) observaron a un grupo de 22 economías avanzadas durante el período 1996-2008 y
encontraron que la evolución de los cargos por incobrabilidad son impulsados principalmente
por el crecimiento del PBI real, el apalancamiento del sector privado y la falta de
capitalización en el sistema bancario.
Respecto a los factores microeconómicos, existen diversos estudios que relacionan, a
través del análisis de la situación de un país o región en particular, tanto los factores
microeconómicos como los macroeconómicos. Por ejemplo, Salas y Saurina (2002) analizan
los préstamos problemáticos de los bancos y cajas españolas y encuentran que el riesgo de
crédito es determinado por variables de nivel microeconómico (variables específicas de las
instituciones financieras) tales como el tamaño del banco, el ratio de capital y poder de
mercado, así como por variables de nivel macroeconómico como el crecimiento del PBI real.
Los autores estimaron un efecto contemporáneo negativo y significativo del crecimiento del
PBI en el índice de cartera vencida y afirman que existe una transmisión rápida de las
políticas macroeconómicas a la evolución de la capacidad de los agentes económicos para
pagar sus préstamos.
Ranjan y Dhal (2003) utilizaron un panel de datos para informar que las condiciones
macroeconómicas favorables y factores financieros tales como la madurez, el costo y las
condiciones de crédito, el tamaño de los bancos y la orientación del crédito impactan de
manera significativa en el ratio de morosidad de los bancos empresariales de la India. Fofack
(2005) utilizó un panel de datos para varios países del África Subsahariana. El autor encontró
evidencia de que el crecimiento económico, la apreciación del tipo de cambio real, la tasa de
interés real, los márgenes netos de interés y los préstamos interbancarios son factores
determinantes del ratio de morosidad en estos países. El autor atribuyó la fuerte asociación
entre los factores macroeconómicos y el ratio de morosidad al carácter poco diversificado de
algunas economías africanas.
30
Por su parte, Rinaldi y Sanchis-Arellano (2006), extendiendo el modelo de Lawrence
(1995)9 al incluir la posibilidad de que los agentes también puedan pedir prestado para
invertir en activos reales o financieros, analizaron los préstamos morosos de hogares para un
grupo de países europeos y proporcionaron una evidencia empírica de que la renta disponible,
el desempleo y las condiciones monetarias (tasa de interés) tienen un fuerte impacto en la
morosidad. Por otro lado, Quagliariello (2007), a través del análisis de un gran panel de
bancos italianos en el período de 1985 a 2002, analizó el sector bancario italiano y el
comportamiento de los bancos durante el ciclo económico. El autor investigó si las
provisiones por incobrabilidad, ratio de morosidad y el rendimiento de los activos tienen un
patrón cíclico y concluyó que el nivel de riesgo y rentabilidad de los bancos se ven afectados
por la evolución del ciclo económico.
Asimismo, Nkusu (2011), quien utilizó técnicas de datos de panel sobre una muestra
de 26 economías avanzadas que se extiende desde 1998 a 2009 para cuantificar la relación
entre la calidad de la cartera de préstamos de los bancos y las vulnerabilidades
macrofinancieras, mostró una correlación negativa entre la cartera vencida y diversas
variables macroeconómicas a través de su estudio. El autor encontró que la desaceleración
del crecimiento económico, una mayor tasa de desempleo, aumento de los tipos de interés
(lo que resulta en el deterioro de la capacidad de pago del prestatario) o disminución de los
precios de los activos están directamente relacionados con los aumentos en la morosidad.
Más recientemente, Louzis et al. (2012) examinaron los determinantes de la morosidad en el
sector bancario griego y encontraron que la calidad del crédito de los bancos griegos se
explica, principalmente, por los fundamentos macroeconómicos (PBI, las tasas de desempleo
y de interés) y la calidad de la gestión.
Antes de finalizar, es importante mencionar brevemente algo respecto a los trabajos
realizados en el Perú. Muñoz (1998) realizó un análisis de datos de panel para 18 instituciones
bancarias y para el periodo de 1993 a 1998. Entre sus hallazgos cabe resaltar una relación
9 Lawrence (1995) examina un modelo de consumo del ciclo de vida e introduce explícitamente la probabilidad
de incumplimiento. El modelo implica que los prestatarios de bajos ingresos tienen mayores tasas de
incumplimiento. Esto se explica por el aumento de su riesgo de enfrentar el desempleo y no poder pagar.
Además, en equilibrio, los bancos cobran tasas de interés más altas a los clientes de mayor riesgo.
31
negativa entre el crecimiento económico y la tasa de morosidad, y una relación positiva entre
la volatilidad del tipo de cambio, las tasas de interés y la tasa de morosidad. Por otro lado,
Murrugarra y Ebentreich (1999) estudiaron la morosidad en las Edpymes a través de un
análisis de datos de panel de 15 agencias (de 6 Edpymes en funcionamiento en ese momento),
del periodo de enero de 1998 a junio de 1999, y concluyeron que las variables más
importantes para explicar la morosidad eran los créditos por persona y la morosidad del
departamento donde se instale una nueva agencia de la empresa.
Aguilar y Camargo (2003), quienes realizaron un panel de todas las instituciones
microfinancieras para el periodo 1998-2001, concluyen que, entre los factores
macroeconómicos, la tasa de crecimiento pasada de la actividad económica, las restricciones
de liquidez y el nivel de endeudamiento de los agentes son los factores con mayor
importancia al determinar la tasa de morosidad. En cuanto a los factores específicos de las
mismas instituciones, la tasa de crecimiento de las colocaciones, el margen de intermediación
financiera, el monto colocado por analista, el nivel de endeudamiento de los clientes, la
gestión y eficiencia operativa de la entidad, el nivel de solvencia, la diversificación sectorial
de los activos, las garantías y la composición de los activos son los factores específicos más
importantes para explicar la tasa de morosidad.
Finalmente, Aguilar et al. (2004), a través de un análisis de datos de panel de todas
las entidades bancarias que operaron en el sistema financiero entre 1993 y 2003, encuentran
que existe una relación negativa entre el ciclo de la actividad económica y la calidad de
cartera, mientras que devaluaciones reales del tipo de cambio pueden afectar seriamente la
morosidad debido al descalce de activos. Respecto a los factores microeconómicos,
encuentran una relación negativa entre el spread real de las entidades (diferencia entre el
interés activo real y el pasivo real), la tasa de crecimiento de la cuota de mercado de cada
entidad, el grado de diversificación de un banco, el margen de intermediación, el crecimiento
de las colocaciones rezagadas un periodo, el ROE y la tasa de morosidad. El Anexo 1
proporciona un breve resumen de lo discutido durante esta sección.
32
3. METODOLOGÍA Y MODELO
3.1 Data
La información utilizada es de dominio público y puede ser encontrada en la página
web de la Superintendencia de Banca, Seguros y AFP (SBS), del Banco Central de Reserva
del Perú (BCRP) y del Instituto Nacional de Estadística e Informática (INEI). La muestra
cubre un periodo de 16 años y la frecuencia de los datos es mensual. Se tomará la información
conglomerada de todas las cajas municipales desde el año 2001 hasta el 2016. La variable
dependiente es el ratio de morosidad.
3.2 Metodología y modelo
La metodología a utilizar es la técnica de Mínimos Cuadrados Ordinarios (MCO), la
cual podemos definir en la ecuación 1:
Ec 1. MCO
ttt eXY 11
El modelo de Mínimos Cuadrados Ordinarios (MCO) busca minimizar los errores del
modelo. A partir de allí, planteamos el siguiente modelo (ecuación 2) para verificar nuestras
hipótesis planteadas previamente:
Ec
2.
Estimación del Ratio de Morosidad: Mínimos Cuadrados Ordinarios
𝑀𝑜𝑟𝑜𝑠𝑖𝑑𝑎𝑑𝑡 =∝ + 𝑀𝑜𝑟𝑜𝑠𝑖𝑑𝑎𝑑𝑡−1 + 𝑃𝐵𝐼𝑆𝑒𝑐𝑡𝑜𝑟𝑆𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠 + 𝐷𝑒𝑠𝑒𝑚𝑝𝑙𝑒𝑜 + 𝐶𝑜𝑙𝑜𝑐𝑎𝑐𝑖𝑜𝑛𝑒𝑠
+ 𝐿𝑖𝑞𝑢𝑖𝑑𝑒𝑧 + 𝑆𝑜𝑙𝑣𝑒𝑛𝑐𝑖𝑎 + 𝐴𝑔𝑒𝑛𝑐𝑖𝑎𝑠 + 𝑒𝑡
En este modelo, la robustez del mismo será determinada por el mayor R-cuadrado, ya que
este minimiza el valor de la suma de los errores. En ese sentido, un valor más grande será un
buen paso hacia un mejor modelo.
33
3.3 Variables
Como se ha podido apreciar en la ecuación 2, el modelo cuenta con ciertas variables
explicativas las cuales procederemos a detallar en el Cuadro 1:
Cuadro 1: Cuadro de variables y signos esperados
Variable Fuente Frecuencia Años Signo esperado Resultados en la
literatura previa
Tasa de
Morosidad
SBS Mensual 2001 – 2016
Variable Dependiente
PBI
Sector
Servicios
BCRP
Mensual
2001 – 2016
Negativo: crecimiento económico del sector relevante
para las Cajas Municipales debería reducir las tasas de
morosidad debido a una mejora en la disposición de pago
de las personas.
-Aguilar y Camargo
(2003).
-Aguilar, Camargo y
Morales (2004).
Desemple
o
INEI
Mensual
2001 – 2016
Positivo: aumento del desempleo incrementaría las tasas
de morosidad ante la menor disposición de pago de las personas.
-Lawrence (1995).
-Salas y Saurina (2002). -Rinaldi y Sanchis-
Arellano (2006).
-Nkusu (2011).
-Louzis et al. (2012).
Colocaciones
SBS
Mensual
2001 – 2016
Positivo: incremento de las colocaciones generaría un
incremento de la morosidad, lo cual sería un reflejo de políticas crediticias laxas.
-Aguilar y Camargo
(2003). -Aguilar, Camargo y
Morales (2004).
Liquidez SBS
Mensual
2001 – 2016
Positivo: mayor liquidez permite destinar fondos a
nuevas colocaciones y esto, a su vez, llevaría a un
incremento de la morosidad si se siguen políticas laxas o
poco estrictas.
-Aguilar y Camargo
(2003).
Solvencia SBS
Mensual
2001 – 2016
Negativo: a mayor solvencia, definido como el ratio
patrimonio sobre activos, menor sería la tasa de
morosidad de la entidad.
-Aguilar y Camargo
(2003).
Número
de agencias
SBS
Mensual
2001 – 2016
Positivo: el incremento del número de agencias llevaría
a un incremento de la morosidad ya que se incrementaría el número de colocaciones.
-Murrugarra y Ebentreich
(1999). -Aguilar y Camargo
(2003).
Elaboración propia.
34
4. RESULTADOS
La estimación a través del método de mínimos cuadrados ordinarios (MCO) nos permitió
obtener los siguientes resultados:
Cuadro 2: Resultados del modelo
Dependent Variable: MOROSIDAD
Method: Least Squares
Sample (adjusted): 2001M10 2016M11
Included observations: 182 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C -0.296819 0.586229 -0.506319 0.6133
Morosidad (Rezago 1 periodo) 0.648592 0.060351 10.74705 0.0000
Agencias (Rezago 9 periodos) 0.368002 0.057897 6.356121 0.0000
Colocaciones (Rezago 7 periodos) 3.018075 1.472904 2.049065 0.0420
Tasa de Desempleo 0.092529 0.017342 5.335422 0.0000
Ratio de Liquidez 0.017881 0.004166 4.292428 0.0000 Var % PBI Servicios (Rezago 6
periodos) -0.067993 0.016338 -4.161734 0.0000
Ratio de Solvencia (Rezago 2 periodos) -0.040363 0.016665 -2.421940 0.0165 R-squared 0.898727 Mean dependent var 5.475659
Adjusted R-squared 0.894652 S.D. dependent var 0.717886
S.E. of regression 0.233006 Akaike info criterion -0.032541
Sum squared resid 9.446805 Schwarz criterion 0.108294
Log likelihood 10.96123 Hannan-Quinn criter. 0.024552
F-statistic 220.5889 Durbin-Watson stat 2.081518
Prob(F-statistic) 0.000000
Fuente: Elaboración propia
Se observa que todas las variables son significativas al 5% (p-value del estadístico t para cada
variable), siendo 5 de ellas significativas al 1%, y que obtienen un signo acorde con lo
esperado en la literatura previa y la intuición económica. Asimismo, el p-value del estadístico
F es de 0.0000, lo que implica que se rechaza la hipótesis nula de no significancia de los
coeficientes. Esto nos permite afirmar que el modelo sí presenta significancia global.
Por otro lado, el R2 es de 0.898728, lo que permite inferir que existe una alta bondad de ajuste
de las variables explicativas con la morosidad. El R2 ajustado es de 0.894652.
Respecto al número de agencias, una de nuestras principales hipótesis, se puede observar que
existe un efecto positivo y estadísticamente significativo (al 1%) del incremento de número
de agencias sobre la morosidad. En concreto, se puede observar que un incremento del 1%
35
en el número de agencias llevará a un incremento del 0.368% de la morosidad. Esto podría
explicarse debido al hecho que al inicio, cuando una agencia es creada, existe un menor
control en las políticas crediticias con la finalidad de ganar una mayor cuota de mercado.
Podemos entonces afirmar que nuestra segunda hipótesis es confirmada: el incremento del
número de agencias, en un intento por mantener el crecimiento de las colocaciones y el poder
de mercado, contribuye positivamente al incremento de la morosidad en las CMAC.
Respecto al monto de colocaciones, se puede observar un efecto fuerte, positivo y
estadísticamente significativo (al 5%) del incremento de las colocaciones sobre la morosidad.
En concreto, se puede observar que un incremento del 1% en el crecimiento de las
colocaciones se traduce en un incremento de la morosidad de 3.01%. Como se puede
observar, es la variable con mayor impacto en el modelo y se encuentra reflejando un periodo
de políticas crediticias muy flexibles entre el 2001 y 2016. Este periodo de políticas
crediticias flexibles llevó a que se generen tasas de morosidad muy altas durante este periodo,
siendo las cajas con tasas de morosidad más altas la CMAC del Santa, CMAC Paita y CMAC
Pisco. Esto podemos observarlo en el gráfico 6:
Gráfico 6: Morosidad de las Cajas Municipales 2006-2014
Fuente: SBS (2016b). Elaboración propia.
36
Podemos afirmar entonces que nuestra primera hipótesis también es confirmada: la
flexibilidad de la evaluación crediticia genera un incremento desmedido de las colocaciones
y esto contribuye positivamente al incremento de la morosidad.
Respecto a las variables macroeconómicas, se observa que el incremento de 1% en la tasa de
desempleo genera un incremento del 0.092% en las tasas de morosidad, lo cual refleja que si
las personas pierden su capacidad de pago, entonces tendrán menos recursos para hacer frente
a sus obligaciones y, a su vez, esto influye sobre la morosidad.
Otra variable de corte macroeconómico es la tasa de crecimiento del PBI del sector servicios
(sector elegido por ser el más representativo dentro de las CMAC). Se puede observar que
un aumento de 1% del PBI de este sector genera una caída del 0.067% en la morosidad. Este
resultado es totalmente lógico con la intuición económica ya que un mejor desempeño del
sector relevante para las CMAC se traduce en una mejor capacidad de pago de las personas
y esto, a su vez, genera una caída en las tasas de morosidad.
Finalmente, quedan tres variables por analizar. El rezago de la morosidad tiene un impacto
positivo y significativo sobre la morosidad en el periodo actual. En concreto, un incremento
de 1% de la morosidad en el periodo anterior llevará a un incremento de 0.64% de la
morosidad en el periodo actual, lo cual estaría reflejando un círculo vicioso que es
complicado de frenar una vez que empieza. En ese sentido, si lo analizamos a nivel personal,
cuando una persona deja de pagar sus deudas, el siguiente mes el pago será mucho mayor
(más intereses, además de una posible penalidad) y, si su condición económica no ha
mejorado, lo más probable es que vuelva a fallar en sus pagos.
El incremento de la liquidez permite a las CMAC otorgar mayor cantidad de colocaciones
siendo menos restrictivos, lo cual tendrá eventualmente un impacto sobre la morosidad
debido al menor control observado. En concreto, un incremento de 1% del ratio de liquidez
se traduce en un incremento de 0.0178% de la morosidad. Asimismo, Un incremento de 1%
en el ratio de solvencia de las CMAC permitirá una reducción del 0.04% sobre la morosidad.
Este resultado refleja que incrementos en el patrimonio, debido a que los accionistas buscan
mitigar los riesgos de las operaciones, ayudarán a que la morosidad dentro de la institución
disminuya.
37
A continuación observaremos los resultados del modelo respecto a las pruebas relacionadas
a especificación, estabilidad, multicolinealidad, autocorrelación y heterocedasticidad.
4.1 Especificación del Modelo
El test RESET de Ramsey tiene como hipótesis nula que existe una buena especificación en
el modelo, es decir, que no se han omitido variables relevantes como no incluir el grado de
potencia adecuado para alguna variable dentro del modelo. En este caso, las probabilidades
asociadas al estadístico F son mayores al 5% por lo que no se rechaza la hipótesis nula y se
infiere que el modelo está bien especificado.
Cuadro 3: Especificación del Modelo
Ramsey RESET Test
Equation: EQ01
Specification: MOROSIDAD C MOROSIDAD(-1) LOG(AGENCIAS(-9))
D(LOG(COLOCACIONES_MONTO(-7))) DESEMPLEO LIQUIDEZ
PBI_SERVICIOS(-6) SOLVENCIA(-2)
Omitted Variables: Squares of fitted values Value df Probability
t-statistic 0.607331 173 0.5444
F-statistic 0.368851 (1, 173) 0.5444
Likelihood ratio 0.387627 1 0.5335
Fuente: Elaboración propia.
4.2 Estabilidad de Parámetros
La prueba CUSUM para estabilidad de parámetros del modelo evidencia estabilidad del
modelo (se mantiene dentro de las bandas de significancia). El caso para la prueba CUSUM
Cuadrado revela un resultado similar, donde se observa que la suma acumulada de los
cuadrados generalmente se encuentra dentro del 5% de significancia, lo que sugiere que la
varianza residual es relativamente estable (gráfico 7). Asimismo, para la prueba de
coeficientes recursivos (gráfico 8), se observa que los coeficientes en su totalidad no
38
presentan grandes volatilidades. Todas las pruebas anteriores nos permiten afirmar que el
modelo cuenta con estabilidad en sus parámetros.
Gráfico 7: Pruebas de estabilidad de parámetros CUSUM
-40
-30
-20
-10
0
10
20
30
40
02 03 04 05 06 07 08 09 10 11 12 13 14 15 16
CUSUM 5% Significance
Fuente: Elaboración propia.
Gráfico 8: Pruebas de coeficientes recursivos
-200
-100
0
100
200
300
2002 2004 2006 2008 2010 2012 2014 2016
Recursive C(1) Estimates
± 2 S.E.
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
2002 2004 2006 2008 2010 2012 2014 2016
Recursive C(2) Estimates
± 2 S.E.
-60
-40
-20
0
20
40
2002 2004 2006 2008 2010 2012 2014 2016
Recursive C(3) Estimates
± 2 S.E.
-8
-4
0
4
8
12
2002 2004 2006 2008 2010 2012 2014 2016
Recursive C(4) Estimates
± 2 S.E.
-.4
-.2
.0
.2
.4
2002 2004 2006 2008 2010 2012 2014 2016
Recursive C(5) Estimates
± 2 S.E.
-.2
-.1
.0
.1
.2
.3
.4
2002 2004 2006 2008 2010 2012 2014 2016
Recursive C(6) Estimates
± 2 S.E.
-0.8
-0.4
0.0
0.4
0.8
1.2
2002 2004 2006 2008 2010 2012 2014 2016
Recursive C(7) Estimates
± 2 S.E.
-3
-2
-1
0
1
2002 2004 2006 2008 2010 2012 2014 2016
Recursive C(8) Estimates
± 2 S.E.
Fuente: Elaboración propia.
39
4.3 Multicolinealidad
La presencia de Multicolinealidad afecta, principalmente, a la significancia individual de las
variables. Existen diversas pruebas y formas de tratar este problema. Un primer indicio para
detectar el problema es la matriz de correlaciones de las variables explicativas, la cual
mostramos en el Cuadro 4:
Cuadro 4: Matriz de correlaciones de variables regresoras
Agencia
s Colocaciones Desempleo Liquidez PBI_Servicio
s Solvencia
Agencias 1 -0.462024 -0.735284 0.5227 0.5444781 -0.433350
Colocaciones -0.462024 1 0.317184 -0.4073 -0.132878 0.198030
Desempleo -0.7352 0.317184 1 -0.4836 -0.352421 0.36484
Liquidez MN 0.5227 -0.407354 -0.483626 1 0.254435 -0.298574
PBI_Servicios 0.5444 -0.132878 -0.352421 0.25443 1 0.218359
Solvencia -0.4333 0.198030 0.364844 -0.2985 0.218359 1
Fuente: Elaboración propia.
Como se observa, casi todas las variables dentro del modelo presentan una correlación menor
a 0.7, lo cual es un indicio inicial de no existir problemas de multicolinealidad entre las
variables. Asimismo, para determinar si la correlación no afecta al modelo se calcula el Índice
o Número de Condición (IC). En el caso de nuestro modelo, el IC calculado es de 28.1. En
la literatura se sugiere que el problema de multicolinealidad no será severo siempre y cuando
el valor sea menor de 30. Por lo tanto, el IC también muestra que el modelo no presenta
problemas severos de multicolinealidad.
4.4 Autocorrelación
El problema de autocorrelación de orden 1 es el más común. Para comprobar ello, se suele
utilizar el estadístico Durbin-Watson, cuya hipótesis nula es que no existe autocorrelación.
Como regla general, si el estadístico Durbin-Watson no se encuentra cercano a 2, entonces
se puede sospechar de la presencia de problemas de autocorrelación de orden 1.
40
Cuadro 5: Estadístico Durbin-Watson
R-squared 0.898727 Mean dependent var 5.475659
Adjusted R-squared 0.894652 S.D. dependent var 0.717886
S.E. of regression 0.233006 Akaike info criterion -0.032541
Sum squared resid 9.446805 Schwarz criterion 0.108294
Log likelihood 10.96123 Hannan-Quinn criter. 0.024552
F-statistic 220.5889 Durbin-Watson stat 2.081518
Prob(F-statistic) 0.000000
Fuente: Elaboración propia.
En nuestro modelo, el estadístico Durbin-Watson es cercano a 2 por lo que no se rechaza la
hipótesis nula. Es decir, nuestro modelo no presenta autocorrelación de orden 1. Para
observar si existen autocorrelaciones de orden mayores o iguales que 1, se observa la prueba
de Box Pierce Ljung (Q-Stat) o conocido como correlograma (gráfico 9).
Gráfico 9: Correlograma (Q-Stat)
Fuente: Elaboración propia.
Como se observa en la columna de Correlación Parcial, no hay presencia en el corto plazo de
autocorrelación de errores de un orden mayor a 1.
Finalmente, para corroborar la posibilidad de existencia de un mayor orden de
autocorrelación, también se aplica la prueba de Breusch Godfrey, cuya hipótesis nula es que
no existe autocorrelación de orden 2 (o “n”, según como se haya especificado el test).
41
Cuadro 6: Prueba de autocorrelación de Breusch-Godfrey
Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.899868 Prob. F(2,172) 0.4085
Obs*R-squared 1.884652 Prob. Chi-Square(2) 0.3897
Fuente: Elaboración propia.
Como puede observarse en el cuadro 6, la no existencia de un orden de autocorrelación de
orden 2 no es rechazada según la prueba de Breusch Godfrey. En otras palabras, no existe
autocorrelación de orden 2 en nuestro modelo.
4.5 Heterocedasticidad
El problema de Heterocedasticidad genera que el estimador MCO deje de ser eficiente lo cual
se traduce en una mayor varianza. Esto reduce la significancia individual del modelo.
Un par de pruebas comúnmente usadas son el Test de Breusch-Pagan-Godfrey y el Test de
White:
Cuadro 7: Pruebas de heterocedasticidad (Breusch-Pagan-Godfrey y White)
Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic 1.456777 Prob. F(7,174) 0.1857
Obs*R-squared 10.07579 Prob. Chi-Square(7) 0.1843
Heteroskedasticity Test: White F-statistic 1.300266 Prob. F(7,174) 0.2528
Obs*R-squared 9.047086 Prob. Chi-Square(7) 0.2493 Fuente: Elaboración propia.
Las probabilidades asociadas al estadístico F y 𝑁𝑅2, en ambas pruebas, aceptan la hipótesis
nula de homocedasticidad al nivel de significancia del 5%. Por lo tanto, se concluye que no
existen problemas de heterocedasticidad en el modelo.
42
5. CONCLUSIONES
Durante el periodo estudiado, las cajas municipales (CMAC) experimentaron un gran
crecimiento en su presencia a nivel nacional: desde el 2001, la tasa de crecimiento
compuesta anual (CAGR) de las colocaciones fue de 25%, mientras que el CAGR del
número de agencias fue de 20%. Impulsadas por el crecimiento de nuestro país en dicho
periodo, las CMAC crecieron notablemente. Sin embargo, la morosidad también se
incrementó: el sistema de las cajas municipales experimentó un fuerte incremento de la
morosidad de más de 2% en menos de 15 meses (desde diciembre de 2008 a abril de 2010),
para luego mantenerse en una cifra cercana al 7% a noviembre de 2016. La relajación de
las políticas crediticias, con el fin de obtener un mayor poder de mercado, llevaron a un
crecimiento desmedido de las colocaciones. Este crecimiento suele observarse a través de
dos variables principales: crecimiento en el número de agencias y crecimiento en los
montos de colocaciones. En ese sentido, las dos principales hipótesis de nuestro trabajo
buscaban comprobar si es que, efectivamente, estas variables contribuyeron al incremento
de la morosidad en el periodo de estudio. Para ello, planteamos un modelo de mínimos
cuadrados ordinarios. Asimismo, agregamos otras variables que, de acuerdo a la literatura
previa, influirían en la morosidad.
Dentro de nuestro modelo, hemos encontrado que todas las variables planteadas aportan de
manera significativa al modelo y cumplen con los signos esperados y encontrados en otros
trabajos presentados en la literatura relacionada. De manera específica, hemos encontrado
que las variables que determinan la morosidad en las CMAC del Perú son las siguientes:
PBI del sector Servicios, desempleo, monto de colocaciones, número de agencias, liquidez,
solvencia y retorno sobre el patrimonio (ROE). Este hallazgo nos permitió comprobar y
validar nuestras principales hipótesis:
• La flexibilidad de la evaluación crediticia genera un incremento desmedido de las
colocaciones, lo que contribuye positivamente al incremento de la morosidad en las
CMAC.
43
• El incremento del número de agencias, en un intento por mantener el crecimiento de
las colocaciones y el poder de mercado, contribuye positivamente al incremento de la
morosidad en las CMAC.
Asimismo, ambas variables representaron los mayores impactos sobre la morosidad, siendo
la de mayor impacto el crecimiento de las colocaciones. Esto claramente reflejaría una
política de flexibilización crediticia durante el periodo de estudio (mientras que el sector
crecía a una tasa promedio anual de 5.7%, el CAGR de las colocaciones fue de 25%). Esta
política, en un afán de aprovechar el crecimiento del país y ganar mayor poder de mercado,
llevó a incrementos de la morosidad debido al riesgo asumido en los créditos otorgados.
44
6. RECOMENDACIONES
Entre las recomendaciones que podríamos generar a partir de los resultados hallados estarían
las siguientes:
a. Se sugiere un adecuado manejo de los niveles de gestión de las entidades analizadas.
Es de vital importancia tener un conocimiento (basado en la experiencia) respecto a
cómo se desarrolla el proceso desde la prospección de los clientes hasta la
recuperación de los créditos.
b. Se deben buscar estructuras óptimas de financiamiento e inversión de tal manera que
no existan excesos de liquidez, los cuales podrían llevar al financiamiento de proyectos
riesgosos atrayendo fondos a tasas altas y efectuando colocaciones a tasas de interés
altas.
c. Se debe buscar eficiencia en el uso de la capacidad instalada ya que, cuanto más
grande sea la capacidad instalada (crecimiento de agencias), se requerirán de mayores
y mejores niveles de operatividad y gestión.
d. Se debe mantener políticas adecuadas de gestión del riesgo. Las CMAC, en el afán
de no perder poder de mercado ante el incremento de la competencia, descuidaron las
medidas y políticas adecuadas de gestión de clasificación del riesgo y los procesos de
obtención de créditos.
e. Se necesita de fortalecimiento patrimonial para disponer de un capital adecuado
frente a pérdidas no anticipadas.
f. Se necesita crear variables que puedan simular el comportamiento de las personas del
mercado que se atiende e incluirlas en un modelo de simulación (credit scoring). En
particular, el mercado de las CMAC suele ser informal, por lo que no se cuenta con
la mejor información para tomar decisiones, por lo que se debe ser creativo para poder
obtener la mejor información.
45
7. BIBLIOGRAFÍA
Aguilar, G. y G. Camargo (2003). Análisis de la morosidad de las instituciones
microfinancieras en el Perú. Documento de Trabajo 133, Serie Economía 38, Instituto de
Estudios Peruanos.
Aguilar, G.; Camargo, G. y R. Morales (2004). Análisis de la Morosidad en el Sistema
Bancario Peruano – Informe final de investigación. Instituto de Estudios Peruanos.
Berger, N. A. y R. De Young (1997). Problem Loans and Cost Efficiency in Commercial
Banks. Washington DC. Journal of Banking and Finance, 21(6), pp. 849-870.
Bernanke, B. y M. Gertler (1989). Agency Costs, Net Worth and Business Fluctuations. The
American Economic Review, Vol. 79, No. 1, pp. 14-31.
Bernanke, B.; Gertler, M. y S. Gilchrist (1998). The Financial Accelerator in a Quantitative
Business Cycle Framework. NBER Working Papers 6455.
Equilibrium (2015). Análisis del Sistema Microfinanciero Peruano. Equilibrium
Clasificadora de Riesgo S.A.
Espinoza, R. y A. Prasad (2010). Non-performing loans in the GCC banking system and their
macroeconomic effects. IMF Working Paper WP 10/224.
Fofack, H. (2005). Non-Performing Loans in Sub-Saharan Africa: Causal Analysis and
Macroeconomic Implications. World Bank Policy Research Working Paper No. WP 3769.
Glen, J. y C. Mondragón-Vélez (2011). Business Cycle Effects on Commercial Bank Loan
Portfolio Performance in Developing Economies. International Finance Corporation, World
Bank Group.
46
INEI (2014). Encuesta Permanente de Empleo – Noviembre 2014. Instituto Nacional de
Estadística e Informática.
King, R.G. y C. I. Plosser (1984). Money, Credit, and Prices in a Real Business Cycle.
American Economic Review, Vol. 74, No. 3, pp. 363-380.
Kiyotaki, N. y J. Moore (1997). Credit Cycles. Journal of Political Economy, Vol. 105 (2),
pp. 211-248.
Lawrence, E. (1995). Default and the life cycle model. Journal of Money, Credit and Banking
27, 939–954.
Louzis, D.P.; Vouldis, A.T. y V.L. Metaxas (2012). Macroeconomic and bank-specific
determinants of non-performing loans in Greece: A comparative study of mortgage, business
and consumer loan portfolios. Journal of Banking & Finance, 36(4), pp. 1012-1027.
Ministerio de la Producción (2014). Las MIPYMES en cifras. 2013. Dirección General de
Estudios Económicos, Evaluación y Competitividad Territorial, Viceministerio de Mype e
Industria, Ministerio de la Producción.
Muñoz, J. (1998). Calidad de cartera del Sistema bancario y el ciclo económico: Una
aproximación econométrica para el caso peruano. Working Paper, Banco Central de
Reserva del Perú.
Murrugarra, E. y A. Ebentreich (1999). Determinantes de Morosidad en Entidades de
Microfinanzas: evidencia de las EDPYMES. Working Paper, Superintendencia de Banca,
Seguros y AFPs (Perú).
Nkusu, M. (2011). Nonperforming Loans and Macrofinancial Vulnerabilities in Advanced
Economies. IMF Working Paper No 11/161.
47
Pesaran, M.H.; Schuermann, T.; Treutler, B. y S. M. Weiner (2005). Macroeconomic
Dynamics and Credit Risk: A Global Perspective. Journal of Money, Credit, and Banking,
no. 38, vol. 5, pp. 1211–1261.
Quagliarello, M. (2007). Banks’ riskiness over the business cycle: a panel analysis on Italian
intermediaries. Applied Financial Economics 17, pp. 119–138.
Ranjan, R. (1994). Why Bank Credit Policies Fluctuate: A Theory and Some Evidence. The
Quarterly Journal of Economics 109, pp. 399-441.
Ranjan, R. y S.C. Dhal (2003). Non-performing Loans and Terms of Credit of Public Sector
Banks in India: An Empirical Assessment. Occasional Papers, 24:3, pp 81-121, Reserve Bank
of India.
Rinaldi L. y A. Sanchis-Arellano (2006). Household Debt Sustainability: What Explains
Household Non-performing Loans? An Empirical Analysis. ECB Working Paper.
Salas, V. y J. Saurina (2002). Credit Risk in Two Institutional Regimes: Spanish Commercial
and Savings Banks. Journal of Financial Services Research 22 (3), pp. 203-224.
SBS (2014a). Evolución del Sistema Financiero a Diciembre 2014. Información Estadística
del Sistema Financiero, Superintendencia de Banca, Seguros y AFP.
SBS (2016b). Boletín Estadístico de Cajas Municipales. Información Estadística de Cajas
Municipales, Superintendencia de Banca, Seguros y AFP.
The Economist Intelligence Unit (EIU) (2015). Microscopio Global 2015: Análisis del
entorno para la inclusión financiera. Con el apoyo de FOMIN, CAF, Acción y la Fundación
MetLife. EIU, New York, NY.
48
8. ANEXOS
Anexo N° 1: Microscopio Global 2016
Fuente: The Economist Intelligence Unit
49
Anexo N° 2: Microscopio Global 2015
Fuente: The Economist Intelligence Unit
Fuente: The Economist Intelligence Unit
50
Fuente: The Economist Intelligence Unit
Fuente: The Economist Intelligence Unit
51
Anexo N° 3: Revisión de la Literatura
Autor(es) y año
País-Periodo
Metodología
Variable dependiente
Variables independientes Resultados resaltantes
Salas y Saurina (2002)
España, 1985-1997
Panel Data
Tasa de morosidad
(NPL)
-Crecimiento económico -Tamaño del banco -Ratio de capital -Poder de mercado -Ineficiencia
-Efectos de factores individuales de los bancos son significativos para explicar la tasa de morosidad y se mantienen incluso al mantener constantes las variables macroeconómicas.
Ranjan y Dhal (2003)
India, 1992-2003
Panel Data
Tasa de morosidad
(NPL)
-Crecimiento económico -Términos del créditos: tiempo del préstamo, tasa de interés, valor del colateral -Indicadores del banco: tamaño del banco, ratio crédito/depósito relativo al de la industria
-Relación negativa entre el crecimiento económico, cultura crediticia, tiempo del préstamo y condiciones para los negocios con el ratio de morosidad. -Relación positiva entre el costo de los préstamos y el ratio de morosidad.
Aguilar y Camargo (2003)
Perú: instituciones microfinancieras, 1998-2001
Panel Data
Tasa de morosidad
(NPL)
-Crecimiento económico -Restricciones de liquidez -Nivel de endeudamiento de los agentes -Tasa de crecimiento de las colocaciones -Margen de intermediación financiera -Monto colocado por analista -Gestión y eficiencia operativa -Nivel de solvencia -Diversificación sectorial -Garantías y composición de activos
-Factores macroeconómicos importantes: tasa de crecimiento pasada de la actividad económica, restricciones de liquidez y nivel de endeudamiento de los agentes. -Factores específicos importantes: tasa de crecimiento de las colocaciones, margen de intermediación financiera, el monto colocado por analista, el nivel de endeudamiento de los clientes, la gestión y eficiencia operativa de la entidad, el nivel de solvencia, la diversificación sectorial de los activos, las garantías.
Aguilar, Camargo y Morales (2004)
Perú: todos los bancos, 1993-2003
Panel Data
Tasa de morosidad
(NPL)
-Crecimiento económico -Spread real de entidades -Tasa de crecimiento de la cuota de mercado -Grado de diversificación -Margen de intermediación- -ROE -Tipo de cambio
-Relación negativa entre el ciclo de la actividad económica y la calidad de cartera, la tasa de crecimiento de la cuota de mercado de cada entidad, el grado de diversificación de un banco, el crecimiento de las colocaciones rezagadas un periodo y el ROE-Relación positiva entre el tipo de cambio y la morosidad de la cartera.
Elaboración propia.
52
Autor(es) y año
País-Periodo
Metodología
Variable dependiente
Variables independientes Resultados resaltantes
Fofack (2005)
África Subsahariana, 1990-2002
Panel Data
Tasa de morosidad
(NPL)
-Crecimiento económico -Créditos bancarios (% del PBI) -Créditos al sector privado (% del PBI) -Tasa de interés real -Patrimonio (% de activos líquidos) -ROA -Préstamos interbancarios -Márgenes netos de interés
-Crecimiento económico, apreciación del tipo de cambio real, tasa de interés real, márgenes netos de interés y préstamos interbancarios son factores determinantes del ratio de morosidad.
Quagliariello (2007)
Italia: 207 bancos, 1985-2002
Panel Data
Provisiones o cargos
por incobrabilidad (LLP)
-Crecimiento económico -Tasas de interés -Índice de la bolsa de valores
-Nivel de riesgo y rentabilidad de los bancos se ven afectados por la evolución del ciclo económico.
Espinoza y Prasad (2010)
Consejo de Coop. del Golfo: 80 bancos, 95-2008
Panel dinámico
Tasa de morosidad
(NPL)
- Crecimiento económico -Tasas de interés -Crecimiento rezagado del crédito
-Relación negativa entre el crecimiento económico y la tasa de morosidad. -Relación positiva entre las tasas de interés y crecimiento del crédito con la tasa de morosidad.
Glen y Mondragón-Vélez (2011)
22 eco. avanzadas, 1996-2008
Panel Data
Provisiones o cargos
por incobrabilidad (LLP)
-Crecimiento económico -Tasas de interés -Apalancamiento del sist. bancario -Capitalización del sist. bancario
-Los cargos por incobrabilidad son impulsados principalmente por el crecimiento del PBI real, el apalancamiento y la falta de capitalización en el sistema bancario.
Nkusu (2011)
26 eco. avanzadas, 1998-2009
Panel Data
Tasa de morosidad
(NPL)
-Crecimiento económico -Tasa de desempleo -Precio de viviendas -Precio de acciones -Tasas de int. pol. monetaria
-Relación negativa entre el crecimiento económico, precio de las viviendas y precio de las acciones con la tasa de morosidad. -Relación positiva entre la tasa de desempleo y tasas de interés con la tasa de morosidad.
Louzis, Vouldis y Metaxas (2012)
Grecia: 9 bancos, 2003-2009
Panel dinámico
Tasa de morosidad
(NPL)
-Tasa de morosidad rezagada -Crecimiento económico -Tasa de desempleo -Tasas por tipos de préstamos -ROA, ROE, crecimiento de préstamos, tamaño del banco, ratio préstamo/depósito y de solvencia, poder de mercado.
-Tasa de morosidad explicada por fundamentos macroeconómicos (PBI, desempleo y t. de interés) y la calidad de la gestión. -Relación negativa entre el crecimiento económico y la tasa de morosidad. -Relación positiva entre tasas de interés y desempleo y la morosidad.
Elaboración propia.
53
Anexo N° 4: Matriz de Consistencia
PROBLEMA OBJETIVOS HIPOTESIS VARIBALES
PROBLEMA GENERAL
¿Cuáles son las variables que determinan los niveles de morosidad en las Caja Municipales de Ahorro y Crédito?
PROBLEMAS ESPECÍFICOS
a. ¿Qué impacto tiene la
flexibilidad de la evaluación crediticia, medido a través del incremento de las colocaciones, sobre la morosidad en las CMAC?
b. ¿Qué impacto tiene el incremento del número de agencias sobre la morosidad en las CMAC?
OBJETIVO GENERAL
Determinar, mediante técnicas de investigación, cuáles son las variables que determinan los niveles de morosidad en las Caja Municipales de Ahorro y Crédito.
OBJETIVOS ESPECÍFICOS
a. Determinar el impacto de la
flexibilidad de la evaluación crediticia (medido a través del incremento de las colocaciones), sobre la morosidad en las CMAC
b. Determinar el impacto del incremento del número de agencias sobre la morosidad en las CMAC.
HIPÓTESIS GENERAL
La flexibilidad en la evaluación crediticia y el incremento en número de agencias determinan los niveles de morosidad en las Cajas Municipales de Ahorro y Crédito.
HIPÓTESIS ESPECÍFICAS a. Si la flexibilidad de la evaluación
crediticia, lo que genera un incremento desmedido de las colocaciones, contribuye positivamente al incremento de la morosidad en las CMAC.
b. Si el incremento del número de agencias, en un intento por mantener el crecimiento de las colocaciones y el poder de mercado, contribuye positivamente al incremento de la morosidad en las CMAC.
VARIABLES DE ESTUDIO
VARIABLE INDEPENDIENTE:
Los determinantes de los niveles de morosidad en las Cajas Municipales de Ahorro y Crédito.
INDICADORES:
Número de colocaciones.
Número de agencias.
Tasa de morosidad rezagada.
PBI sector servicios.
Nivel de desempleo.
Ratio de liquidez de las CMAC.
Ratio de solvencia en las CMAC.
VARIABLE DEPENDIENTE:
Morosidad en las CMAC
INDICADORES:
Ratio de morosidad en las CMAC.
Elaboración propia.
top related