Download “Nivel de Morosidad: Determinantes Macroeconómicos y pruebas

UNIVERSIDAD CATÓLICA SANTO DOMINGO
Santo Domingo, República Dominicana
“Nivel de Morosidad: Determinantes
Macroeconómicos y pruebas de estrés para
el Sistema Financiero Dominicano.”
Tesis para optar por el título de:
MAESTRÍA EN ECONOMÍA APLICADA, MONETARIA Y FINANCIERA
Por:
José A. Salcedo Pérez
Diciembre 2012
APROBADO POR
Sr. Augusto Gonzalez Pantaleón
Coordinador de Tesis
Sr. Frank Alexis Fuentes Brito
Lector Principal
ii
Agradecimientos
Agradecemos los excepcionales aportes del Sr. Joel Augusto González Pantaleón,
quien a pesar de su apretada agenda, siempre tuvo la disposición para
acompañarme como asesor y guía durante la realización de este estudio.
iii
Resumen
El riesgo crediticio sigue constituyendo el factor que mayor peligro representa
para el sistema bancario (SIBRD, 2012). Con el objetivo de aportar a la literatura
dominicana sobre este tema, el presente trabajo, utilizando la metodología de
cointegración y corrección de error, busca identificar variables macroeconómicas
que afecten el nivel de morosidad de la cartera de crédito del Sistema Financiero
Completo y de cada sector dentro de éste, durante el período 2000-2012. Los
resultados indican que en el largo plazo el nivel de morosidad del sistema
financiero es más sensible las variables de desempleo, actividad económica,
inflación y tasa de interés activa mientras que en el corto plazo depende
principalmente de las tasas de interés activa (costo del financiamiento). Una vez
identificadas las relaciones econométricas más robustas, se realizaron pruebas de
tensión simulando distintos escenarios macroeconómicos para determinar su
impacto en los niveles de morosidad del sistema financiero. Los resultados de las
simulaciones muestran que el Sistema Financiero Dominicano se encuentra en la
actualidad en mejores condiciones para soportar un deterioro significativo en el
entorno macroeconómico de las magnitudes experimentadas en el año 2003 que lo
que estaba cuando se produjo esa crisis financiera. Futuros trabajos podrían
enfocarse en identificar el impacto que tendrían las variables macroeconómicas
internacionales en un contexto de una mayor apertura e interconexión de los
sistemas financieros y las economías en general.
iv
ÍNDICE GENERAL
INTRODUCCIÓN .......................................................................................... 1
I.
I.1
Definición del tema.................................................................................... 1
I.2
Justificación ............................................................................................... 3
I.3
Objetivos .................................................................................................... 7
I.4
Hipótesis .................................................................................................... 8
I.5
Alcances y Limitaciones .......................................................................... 10
GENERALIDADES...................................................................................... 14
II.
II.1
Características del Sistema Financiero Dominicano ............................... 14
II.2
Definición de la Variable Nivel de Morosidad ........................................ 18
III.
REVISIÓN DE LITERATURA .................................................................... 21
III.1 Literatura sobre Determinantes Macroeconómicos del Nivel de
Morosidad ........................................................................................................... 21
III.2
IV.
Literatura sobre Pruebas de Tensión ....................................................... 28
ANÁLISIS Y ESTIMACIÓN DE DATOS .................................................. 32
IV.1 Evolución Histórica del Nivel de Morosidad y Variables
Macroeconómicas en el Sistema Financiero Completo ...................................... 34
V.
METODOLOGÍA ......................................................................................... 38
VI.
MODELO Y ESTIMACIONES.................................................................... 42
VI.1 Análisis de Estacionariedad de las Variables .......................................... 44
VI.2 Resultados Empíricos del Modelo de Largo Plazo .................................. 45
VI.3 Resultados Empíricos del Modelo de Corto Plazo .................................. 52
VII. DISEÑOS DE ESCENARIOS MACROECONOMICOS Y PRUEBAS DE
TENSION ............................................................................................................... 59
VII.1 Pruebas de tensión ................................................................................... 68
VIII. RECOMENDACIONES DE POLITICAS ................................................... 69
IX.
CONCLUSIÓN ............................................................................................. 71
X.
BIBLIOGRAFÍA ........................................................................................... 74
v
CONTENIDO DE GRÁFICAS
Gráfica 1. Nivel de Morosidad de los sistemas financieros de los países de
América Latina ......................................................................................................... 4
Gráfica 2. Etapas del Estudio.................................................................................. 11
Gráfica 3. Alcances del Estudio.............................................................................. 13
Gráfica 4. Total de Activos del Sistema Financiero Dominicano .......................... 15
Gráfica 5. Total de Activos del Sector de Bancos Múltiples .................................. 16
Gráfica 6. Comportamiento de la Mora en el Sistema Financiero Completo ......... 34
Gráfica 7. Tasa de Crecimiento del PIB y la Mora (Promedio Anual)………………..35
Gráfica 8. Tasa de Crecimiento del Crédito y la Mora (Promedio Anual)…………..35
Gráfica 9. Tasa Activa y la Mora…………………………………...………………………….……..35
Gráfica 10. Tasa de Crecimiento de la Inflacion y la Mora.................................... 35
Gráfica 11. Tasa de Desempleo y la Mora ....................................................... 36
Gráfica 12. Volatilidad de la Tasa de Cambio y la Mora ....................................... 36
Gráfica 13. Relación de Largo Plazo del Efecto del Crecimiento Económico en la
Tasa de Morosidad .................................................................................................. 47
Gráfica 14. Relación de Largo Plazo del Efecto de la Inflación en la Tasa de
Morosidad ............................................................................................................... 48
Gráfica 15. Relación de Largo Plazo Efecto de la Tasa Activa sobre la Tasa de
Morosidad ............................................................................................................... 50
Gráfica 16. Relación de Largo Plazo Efecto de la Tasa de Desempleo en la Tasa de
Morosidad ............................................................................................................... 51
Gráfica 17. Proyecciones Sistema Financiero Completo (Escenario Base y
Escenario de Crisis) ................................................................................................ 61
Gráfica 18. Proyecciones Bancos Múltiples (Escenario Base y Escenario de Crisis)
................................................................................................................................ 62
Gráfica 19. Proyecciones Asociaciones de Ahorros y Préstamos (Escenario Base y
Escenario de Crisis) ................................................................................................ 62
Gráfica 20. Proyecciones Bancos de Ahorros y Créditos (Escenario Base y
Escenario de Crisis) ................................................................................................ 63
Gráfica 21. Proyecciones Corporaciones de Créditos (Escenario Base y Escenario
de Crisis) ................................................................................................................. 63
Gráfica 22. Cambios Absolutos en el Nivel de Morosidad Ante un Shock del
Escenario de Crisis ................................................................................................. 64
Gráfica23. Cambios Relativos en el Nivel de Morosidad Ante un Shock del
Escenario de Crisis ................................................................................................. 64
vi
CONTENIDO DE CUADROS
Cuadro 1. Prueba de Dickey Fuller Aumentada .................................................... 45
Cuadro 2. Estimaciones Trimestrales de Largo Plazo ............................................ 46
Cuadro 3. Estimaciones Trimestrales de Corto Plazo ........................................... 53
Cuadro 4.Supuestos Escenario Base ....................................................................... 60
Cuadro 5. Supuestos Escenario de Crisis ............................................................... 60
Cuadro 6. Resumen Cambio en el Nivel de Morosidad Escenario de Crisis ......... 65
Cuadro 7. Sistema Financiero Completo ................................................................ 78
Cuadro 8. Bancos Múltiples ................................................................................... 78
Cuadro 9. Asociaciones de Ahorros y Préstamos ................................................... 78
Cuadro 10. Bancos de Ahorros y Créditos ............................................................. 79
Cuadro 11. Corporaciones de Créditos ................................................................... 79
Cuadro 12. MCE Sistema Financiero Completo y Bancos Múltiples .................... 80
Cuadro 13. MCE Asociaciones de Ahorros y Préstamos y .................................... 81
Cuadro 14. MCE Corporaciones de Crédito ........................................................... 82
vii
CAPITULO I: INTRODUCCIÓN
I.1
Definición del tema
La asimetría de información entre individuos que presentan un excedente de
liquidez y aquellos que tienen necesidad de financiamiento, así como los costos de
transacción y de monitoreo, son factores que inciden en que los agentes
económicos no coincidan en sus necesidades de liquidez, seguridad y rentabilidad
(Bencosme, 2006). Una respuesta del mercado para hacer más eficiente el proceso
de intercambio de fondos es la creación de instituciones de intermediación
financiera.
Al realizar sus operaciones comerciales, las instituciones de intermediación
financieras enfrentan distintos tipos de riesgos que pueden causar el cese de sus
operaciones. A pesar de que todos son importantes, la Superintendencia de Bancos
de la República Dominicana (SIBRD, 2012) en su publicación “Informe de
desempeño del sistema financiero 2011” sostiene que el riesgo crediticio sigue
constituyendo el factor que mayor peligro representa para sistema bancario en RD.
En la literatura, es común que se utilice el nivel de morosidad como proxy
para determinar el riesgo crediticio en el sistema bancario. Este indicador se define
como la proporción de la cartera que se encuentra en calidad de incumplimiento
(Aguilar et al, 2004).
Desde un punto de vista macroeconómico, se ha identificado una estrecha relación
entre la emisión de crédito por parte de las instituciones bancarias, el nivel de
morosidad y el ciclo económico de un país. La intuición económica nos indica que
el crédito se incrementa y la mora disminuye a medida que la economía se
encuentra en una etapa de mayor dinamismo o crecimiento y van surgiendo nuevos
proyectos que financiar o aumenta el ingreso disponible de las personas. En
contraste, cuando la
economía
se desacelera el crédito disminuye por una
paralización o postergamiento de los proyectos de inversión y de consumo, o por
la reducción de los niveles de ingresos disponibles, lo que provoca que la mora
tienda a aumentar.
Es por estas razones, que el nivel de morosidad es considerado como un
indicador clave para el buen desenvolvimiento de cualquier sistema financiero y
por lo tanto, el estudio de su evolución y de los factores que influyen en ella
amerita gran importancia. Tomando esto en consideración y con el objetivo de
aportar a la literatura económica sobre este tópico, el presente trabajo se enfoca en
el análisis de los determinantes macroeconómico que afectan el nivel de
morosidad en el Sistema Financiero de República Dominicana, tomando como
muestra el período comprendido entre los años 2000 y 2012.
Para lograr este objetivo, se pretende identificar mediante la estimación de
un
modelo
econométrico
la
relación
entre
las
principales
variables
macroeconómicas y los niveles de morosidad del sistema utilizando la
2
metodología de cointegración y corrección de errores.1 Luego de que se verifique
que se tiene un ajuste razonable y buena capacidad predictiva, se realizarán
ejercicios de simulación o prueba de tensión con el objetivo de evaluar la solidez
del Sistema Bancario Dominicano, ante cambios en el ambiente macroeconómico
nacional.
I.2
Justificación
En la colocación de créditos, las entidades bancarias enfrentan dificultades
derivadas del hecho de que poseen relativamente poca información acerca de los
nuevos clientes que podría tener impacto el porcentaje de la cartera de crédito en
mora.2 Por ejemplo en tiempos de expansión económica la capacidad de pago de
los agentes económicos es menos útil que en tiempos de recesión a la hora de
evaluar la solicitud del crédito, incrementando el riesgo de que las instituciones
bancarias coloquen crédito a agentes económicos que no sean capaces de hacer
frente a sus obligaciones crediticias una vez se encuentren en la parte baja del ciclo
económico. Esto se debe a que en tiempos de expansión los agentes económicos
pueden fácilmente hacer frente a sus compromisos de crédito simplemente
obteniendo un préstamo en otra institución bancaria. Por el contrario, en tiempos
de recesión, disminuye el ingreso de las empresas y familias aumentando los
problemas de solvencia y liquidez, traduciéndose en altos niveles de morosidad.
1
No se tiene conocimiento de algún trabajo con este enfoque en RD
Las instituciones bancarias enfrentan con la necesidad de ganar cuota de mercado, para
incrementar sus ganancias las cuales son dependientes de los resultados a corto plazo.
2
3
La mora, o elevados niveles de “no pago” de las obligaciones crediticias, puede
funcionar como un indicador de alerta temprana para detectar problemas de
liquidez de las instituciones bancarias comprometiendo la solidez de la institución
y hasta del propio sistema financiero (Freixas y Rochet, 1998). Sin embargo, la
gráfica 1 muestra que el nivel de morosidad del sistema financiero de República
Dominicana se encuentra dentro de los niveles de morosidad más alto de la región.
Gráfica 1. Nivel de Morosidad de los sistemas financieros de los países de
América Latina
Fuente: Bancos Centrales y Superintendencias de Bancos
En otro orden, durante el año 2003 la economía República Dominicana (RD) fue
afectada por una crisis financiera generada por el cese de las operaciones de
Baninter, el tercer banco más grande del país con el 20 % de los activos totales del
4
sistema bancario nacional en ese momento.3 Un estudio del análisis del manejo de
dicha crisis realizado por Guzmán et al (2005) sostiene que la crisis financiera
costó a la economía más de 20% del PIB de ese momento. De igual forma,“en la
inspección de cartera del Banco Baninter en el 2001 las autoridades monetarias
detectaron un notable incremento en la mora, que pasó de 5.99% a 13.06%, y se
reclasificó al 56% de los deudores evaluados, determinándose un faltante de
provisiones de US$810 millones, cifra que más que doblaba las utilidades de ese
año, y que habría significado pérdidas del 34% del patrimonio” (Guzmán et al,
2005, pp. 15).
Episodios como esta crisis han obligado a las entidades supervisoras y
reguladoras del sistema financiero a monitorear los posibles indicadores de alertas
tempranas que ayuden a identificar acontecimientos similares, marcando la
importancia del estudio de la mora y sus determinantes.
Más recientemente en el año 2008, la economía de Estados Unidos
(EEUU), estuvo afectada por una crisis hipotecaria, como consecuencia de la
acumulación de una burbuja en los precios de los activos inmobiliarios. Durante
esta crisis, la mora de los préstamos hipotecarios residenciales paso de ser 1.7 %
en el 2006 a 4.5% a mediados de 2008. La primera señal de esta crisis se debió
básicamente al incremento de la tasa de morosidad de los préstamos hipotecarios
3
Estas estadísticas se pueden encontrar en el documento “total de activos por entidad financiera” en
la sección de publicaciones y estadísticas de la página web del SIBR
5
de alto riesgo la cual paso de ser 5.6% en el 2005 a 21% a mediados del 2008
(Arentsen et al 2012).
La crisis hipotecaria fue el inicio de una serie de eventos que llevó a una
caída de 6% en el PIB de la economía de EEUU en el cuarto trimestre de 2008 y el
primer trimestre de 2009 al compararlo con los mismos períodos del año anterior
(Federal Reserve Bank, 2012). Esta crisis se extendió rápidamente causando un
período de recesión económica global y de excesiva volatilidad en los sistemas
financieros, tanto de países desarrollados como emergentes.
En este contexto de vulnerabilidad financiera internacional, cobra mayor
importancia el tratar de mitigar las pérdidas que podrían producirse ante la
posibilidad de incrementos importantes en los niveles de morosidad del Sistema
Financiero Nacional.
Históricamente, en RD el estudio de la mora se ha enfocado desde el punto
de vista microeconómico, es decir, estudiando las características específicas de las
instituciones bancarias con problemas financieros o quebradas, así como, las
carencias de las entidades reguladoras y supervisoras del sistema bancario (Veloz
y Benou, 2007). Por esta razón, se hace necesario y pertinente un estudio enfocado
a los determinantes macroeconómicos que impacten la cartera de crédito en mora,
complementando de esta forma los aportes de los estudios anteriores.
6
I.3
Objetivos
La solidez de las instituciones bancarias, y por ende del sistema financiero, está
directamente relacionada a la fortaleza de la economía y a su capacidad para
generar ingresos. A pesar de que es probable que en muchos de los casos de crisis
en el sistema bancario sea debido en mayor parte a factores como pobre gerencia o
toma de riesgos en exceso, o elementos de carácter microeconómicos, es posible
identificar un conjunto de factores macroeconómicos que inciden de forma
importante en la solidez y liquidez crediticia del sistema bancario dominicano.
En consecuencia, sin deteriorar la supervisión ejercida sobre cada entidad
bancaria a nivel individual tratando de determinar el perfil de riesgo la misma en el
sistema bancario, el regulador debe preocuparse por la estabilidad del sistema
financiero y prestar especial atención a los aspectos macroeconómicos que podrían
afectarlo.
Consistente con esta visión, la presente investigación tiene como objetivo
central la identificación de un conjunto de variables macroeconómicas que
explique una tendencia común que afecte el nivel de morosidad de la cartera de
crédito durante el período 2000-2012, y realizar una prueba de estrés ante un
escenario adverso para evaluar la sostenibilidad del Sistema Financiero de RD.
Como objetivo específico, se pretende analizar la existencia
de
cointegración entre las variables estudiadas y utilizando un modelo que contenga
el mecanismo de corrección de error para identificar una relación de largo plazo y
7
un mecanismo de ajuste a corto plazo entre los niveles de morosidad del Sistema
Financiero Dominicano y la evolución de las variables macroeconómicas
relevantes.
Una vez determinada una estimación robusta entre la cartera de crédito en
mora en función de sus determinantes macroeconómicos, se realizarán ejercicios
de simulación de escenarios base y adverso, o pruebas de tensión, para determinar
el
posible
impacto
que
pudieran
tener
cambios
en
las
condiciones
macroeconómicas sobre el nivel de morosidad. De esta forma, se estaría
valorando la capacidad de resistencia del sistema financiero e identificando el tipo
de entidad financiera más vulnerable ante condiciones macroeconómicas adversas.
I.4
Hipótesis
Tomando en cuenta los estudios indicados en la revisión de literatura que
relacionan los niveles de morosidad con la macroeconomía, a continuación se
presentan las hipótesis en que se basa este trabajo, refiriéndose a las relaciones
esperadas entre la mora y los indicadores macroeconómicos que representen el
nivel de actividad y demanda agregada, nivel de endeudamiento de la economía,
nivel de liquidez, nivel de divisa e inflación.
La teoría económica indica que a medida que el nivel de endeudamiento en
la economía aumenta, se incrementa la probabilidad de ocurrencia de un boom
crediticio, extendiéndose la mora en el sistema. En consecuencia, esperaríamos
una relación positiva entre el endeudamiento y la mora.
8
En otro orden, el incremento del nivel de ingreso en la economía aumenta la
capacidad de pago de los agentes económico, por lo que se intuye que a medida
que el nivel de ingreso aumente, la mora del sistema financiero disminuye. Por
ende sería lógico esperar una relación inversamente proporcional entre el indicador
de actividad económica y la mora.
Se entiende que el poder adquisitivo de los agentes económicos podría
tener influencia sobre la mora porque a medida que este disminuye, se dificulta la
posibilidad de que los agentes económicos puedan hacer frente a sus obligaciones
crediticias. En este sentido, la intuición económica indica que existe una relación
positiva entre el poder adquisitivo de los agentes económicos y la mora.
El riesgo cambiario de activos y pasivos denominados en distintas monedas
tiende a incrementar la incertidumbre en mercados financieros y podría afectar la
capacidad de pago de los agentes produciéndose una baja en el poder adquisitivo
de los agentes económicos. A raíz de esta situación se esperaría una expansión de
la mora y una relación positiva entre la volatilidad cambiaria y el nivel de mora.
El empleo es considerado como una de las principales fuentes de ingreso en
la economía y poder adquisitivo por lo que sería lógico inducir que a medida que
crece el desempleo, los agentes económicos enfrentan mayores dificultades para
hacer frente a sus compromisos crediticios, incrementando los niveles de
morosidad en el sistema. Como consecuencia se induciría una relación positiva
entre la mora y la tasa de desempleo en la economía.
9
Finalmente, el costo del financiamiento en la economía es un indicador clave del
nivel de liquidez que presenta la economía. La teoría económica indica que se
incremente el costo del financiamiento así como un aumento de precio en otros
activos financieros se incrementaría la mora en el sistema financiero. El resultado
sería una relación positiva entre la mora y el costo de financiamiento.
I.5
Alcances y Limitaciones
Los alcances de este estudio están explicadas por la siguiente figura:
10
Gráfica 2. Etapas del Estudio
1. Analisis de los Determinantes
Macroeconomicos de la Morosidad
2. Aplicación de Pruebas de Estres
3. Cuantificar impacto de choques adv
Evaluar Solvencia del
Sistema Financiero
Completo
Evaluacion y
recomendación de
politicas economicas
Fuente: Elaboración propia
En la primera etapa, el estudio pretende realizar un análisis que permita la
identificación de los determinantes macroeconómicos de los niveles de morosidad
en el Sistema Financiero Dominicano. Los resultados obtenidos permitirán
analizar tanto Sistema Financiero Completo, como a cada tipo de entidad
financiera como son los Bancos Múltiples, asociaciones de ahorros y préstamos,
bancos de ahorros y créditos, y Corporaciones de Créditos para el período 20002012.
11
En esta etapa la principal limitación consiste en que no existe un marco
teórico que explique en conjunto los determinantes macroeconómicos que influyen
sobre el riesgo crediticio o nivel de morosidad. Sin embargo, como se explica más
adelante existe una serie de estudios empíricos que relacionan de manera
individual cada uno de los determinantes macroeconómicos con los niveles de
morosidad. Otra limitación que presenta este estudio es que no profundiza acerca
de los determinantes microeconómicos que pudiera afectar el Sistema Financiero
Dominicano y los sectores que lo componen.
La estimación de un modelo econométrico utilizando la técnica de
cointegración y mecanismo de corrección de errores constituye una herramienta
útil para la realización de pruebas de tensión o estrés, permitiendo la evaluación de
la capacidad de resistencia de sistemas financieros ante cambios adversos en el
entorno macroeconómico que les rodea para la segunda mitad del año 2012 y todo
el año 2013 con el objetivo de evaluar la solvencia del sistema financiero y realizar
recomendaciones de políticas económicas y monetarias.
Tomando en consideración lo expresado anteriormente, el modelo
estimado constituye un importante instrumento de monitoreo del funcionamiento
del sistema financiero, así como de prevención de la inestabilidad financiera ante
perturbaciones
adversas
excepcionales
en
variables
macroeconómicas
y
financieras. Sin embargo, dentro de las limitaciones de este tipo de herramientas es
que no asignan probabilidad a que los eventos ocurran sino que solamente
cuantifican el impacto ante la materialización de los hechos.
12
Adicionalmente, como se muestra en la gráfica 3, el enfoque de este
estudio, se limita en una primera etapa, a los aspectos macroeconómicos del nivel
de morosidad, quedando fuera del alcance el impacto que tendría la evolución de
la mora sobre el nivel de provisiones y de utilidades de las entidades financieras
mediante un modelo microeconómico.
Gráfica 3. Alcances del Estudio
Por institución
TASA DE
MOROSIDAD
ESCENARIO
MACROECONÓMICO
ADVERSO
BM
BM
AAyP
AAyP
BAC
BAC
…
…
CAC
CAC
Modelo
macroeconómico:
Alcance de este
Estudio
Fuente: Elaboración propia
13
PROVISIONES
Modelo
microeconóm
CAPITULO II: GENERALIDADES
II.1
Características del Sistema Financiero Dominicano
La Administración Monetaria y Financiera está compuesta por la Junta Monetaria,
el Banco Central y la Superintendencia de Bancos. La Ley 183-02, promulgada en
noviembre 2002, establece que las responsabilidades y objetivos de la
administración monetaria y financiera de RD es de garantizar el buen
funcionamiento del Sistema Financiero mediante la implementación de
instrumentos de políticas monetarias, regulación supervisión y control de las
operaciones de las entidades de intermediación financieras (BCRD, 2012).
Las instituciones de intermediación financiera son aquellas entidades
públicas o privadas que se encargan de captar fondos públicos con el objetivo de
cederlos a terceros. En la actualidad, el país cuenta con 72 entidades de
intermediación
financieras
y cambiarias debidamente registradas en la
Superintendencia de Bancos. De este total de instituciones 15 corresponden a
Bancos Múltiples, 18 son asociaciones de ahorros y préstamos, 26 están
clasificadas como bancos de ahorros y créditos, 13 pertenecen a asociaciones de
ahorros y préstamos, 17 forman parte de Corporaciones de Créditos y el banco
nacional de la vivienda (SIBRD, 2012).
Atendiendo a su estructura accionaria, las entidades de intermediación
financieras de carácter privado pueden ser clasificadas en: de carácter accionario,
dentro de las cuales se incluyen los Bancos Múltiples y entidades de créditos como
14
Bancos de Ahorros y Créditos y corporaciones de créditos; y de carácter “no
accionarios” entre las que se encuentran las Asociaciones de Ahorros y Préstamos
y las cooperativas de ahorros y créditos.
Gráfica 4. Total de Activos del Sistema Financiero Dominicano
Montos en Miles de Millones de DOP, Participacion % y Numero
de Entidades a Diciembre 2011
Asociaciones de
Ahorros y
Préstamos
107.0MM ; 12%
Bancos de
Ahorro y Crédito
25.5MM; 3%
Bancos
Múltiples
739.0MM; 83%
No. Entidades =72
Corporaciones
de Crédito
2.5MM; 0%
Banco Nacional
de Fomento de
la Vivienda y
Producción
(BNV)
16.0MM; 2%
RD$ 890.2 Miles de Millones
Fuente: Informe de desempeño del sistema financiero 2011
La gráfica 4 nos indica que a diciembre de 2011, el sector de los Bancos Múltiples
registra la mayor preponderancia en el sistema financiero, al acumular el 83.0%
del total de activos. Por otro lado, las Asociaciones de Ahorros y Préstamos
representan un 12.0%; los Bancos de Ahorro y Crédito constituyen un 2.9%;
mientras que las Corporaciones de Crédito 0.3% y finalmente, el Banco Nacional
de Fomento de la Vivienda y la Producción representa un 1.8% (SIBRD, 2012).
15
Gráfica 5. Total de Activos del Sector de Bancos Múltiples
Fuente: elaboración propia con datos del documento “total de activos por entidad financiera” de
SIBRD
Los Bancos Múltiples son aquellas entidades de tipo accionaria que captan los
depósitos del público de inmediata exigibilidad, a la vista o en cuenta corriente así
como una serie de operaciones que incluyen financiera, hipotecaria, fiduciaria y
compraventa de valores. El gráfico 4 indica que este es el sector más importante
en el Sistema Financiero de RD. En la actualidad, existen 15 Bancos Múltiples que
equivalen al 83% de los activos totales del Sistema Financiero Dominicano. Sin
embargo, como podemos ver en el gráfico 5 una de las características
predominante de este sector es que la concentración en términos de activos es muy
alta. De hecho, los cuatro principales bancos del país (Reservas, Popular, BHD,
Scotiabank) representan el 81.05% de los activos de este sector (SIBRD, 2012) 4
4
Estas estadísticas se pueden encontrar en el documento “total de activos por entidad financiera”
en la sección de publicaciones y estadísticas de la página web del SIBRD
16
De los 15 bancos, 6 están conformados por capital extranjero (Scotiabank,
Promerica, Bancamerica, Citibank, Vimenca y Banesco) y 2 son estatales
(Banreservas y BDI) (SIBRD, 2011).
Las Asociaciones de Ahorros y Préstamos son entidades de carácter no
accionario que se especializan en los depósitos de ahorro y préstamos hipotecarios,
ofreciendo servicios de hipotecas para la gente de los ahorros y los depósitos
recibidos de los inversionistas privados.
Los Bancos de Ahorro y Crédito y Corporaciones de Crédito son entidades
de Crédito cuyas captaciones se realizan mediante depósitos de ahorro y a plazo,
sujetos a las disposiciones de la Junta Monetaria y a las condiciones pactadas entre
las partes. En ningún caso dichas entidades podrán captar depósitos a la vista o en
cuenta corriente.
Cualquier tipo de entidad de intermediación financiera genera una serie de
riesgos durante la realización de sus actividades comerciales a los que deben
prestar atención. Freixas y Rochet (1998) sustentan que las instituciones bancarias
enfrentan el riesgo de liquidez cuando esta se ve imposibilitada a hacer frente a las
obligaciones adquiridas con los depositantes por falta de recursos económicos; el
riesgo del mercado cuando una de las variables asociadas al mercado como tipo
de cambio o tasa de interés afectan negativamente a la institución bancaria; y
finalmente, riesgo de crédito o mora que se refiere a la probabilidad de que las
instituciones bancarias enfrenten grandes pérdidas como consecuencia de que los
17
agentes económicos no cumplan con los compromisos de créditos a los que se han
comprometido.
A pesar de que el riesgo de mercado y riesgo operativo son primordiales,
Díaz (2007), Delgado y Saurina (2004), Aguilar et al (2004) sostienen que la mora
es el más importante que las instituciones bancarias deben mitigar.
En este orden, Saurina y Jiménez (2006) despliegan una lista de los
principales argumentos utilizados a nivel internacional para justificar el
incremento del crédito a expensas de la calidad de la cartera. Estos autores
mencionan el argumento de muy grande para quebrar implicando que los grandes
bancos cuentan con una garantía o un seguro implícito provisto por el gobierno
para salvarlos. Por otro lado mencionan los problemas de información como riesgo
moral, selección adversa, y comportamiento en masa y miopía ante el desastre.5
II.2
Definición de la Variable Nivel de Morosidad
Como se mencionó anteriormente, el nivel de morosidad es utilizado para medir el
riesgo de crédito. En la literatura internacional existen varios indicadores que se
pueden utilizar para medir los niveles de morosidad de la cartera de crédito de
instituciones bancarias; no obstante, no existe un consenso de cuál es el mejor
indicador para evaluar los niveles de morosidad de la cartera de crédito. Entre los
5
La miopía ante el desastre puede definirse como la tendencia a desechar el riesgo moral alto, de
baja probabilidad e incierto. En otras palabras es la imposibilidad de asignar una probabilidad de
ocurrencia a algún acontecimiento futuro.
18
indicadores más utilizados se encuentran el nivel la cartera atrasada o morosa, la
cartera de alto riesgo, y la cartera pesada.
La definición de estos indicadores varía dependiendo del país. Sin
embargo, del estudio de Aguilar et al (2004) se obtuvo una definición general de
cada uno de ellos. La cartera atrasada o morosa está definida como el ratio entre la
cartera de crédito vencida y en cobranza judicial sobre la cartera de crédito total.
Por otro lado, la cartera de alto riesgo es un indicador del nivel de morosidad más
severo, el cual incluye en el numerador las carteras de crédito vencidas, en
cobranza judicial, refinanciadas y reestructuradas mientras que el denominador
sigue siendo el total de la cartera de crédito. Finalmente, se tiene a la cartera
pesada se define como el cociente entre las cartera de crédito clasificado como
deficientes, dudosos y perdidos entre el total de la cartera de crédito.
A pesar de que son muy utilizados, estos indicadores contienen algunas
limitaciones conceptuales. Por ejemplo, todos los indicadores se obtienen de datos
que pertenecen a la hoja de balance de las instituciones de intermediación
financiera, y estas tienen la práctica de limpiar o sacar las colocaciones vencidas o
más deterioras o realizar castigos contables periódicamente de su hoja de balance
con el objetivo de reducir su indicador de morosidad. (Aguilar et al, 2004). Como
estas prácticas no son de carácter homogéneas pueden presentar distorsiones
dentro de los indicadores.
19
En este estudio se utilizó la cartera de crédito en mora Se escogió esta indicador
porque el mismo se puede crear con estadísticas de carácter público y de fácil
acceso.
20
CAPITULO III: REVISIÓN DE LITERATURA
III.1
Literatura sobre Determinantes Macroeconómicos del Nivel de Morosidad
El marco teórico que ayude a explicar los factores que inciden sobre la morosidad
en el sistema bancario es limitado en cierta forma. Históricamente se há
relacionado los niveles de morosidad y los factores macroeconómicos desde el
punto de vista de quiebras empresariales. Desde este punto de vista, existe vasta
evidencia que indican que un alto nivel de morosidad es un factor que precede en
quiebras y crisis de bancos (Díaz, 2010). Sin embargo, no existe un modelo teórico
que explique, de manera general, los factores macroeconómico que determinan en
su comportamiento (Muñoz, 1999).
Tomando lo anterior en consideración, Delgado y Saurina (2004) explican
que existen referencias de trabajos empíricos que analizan la relación entre
factores macroeconómicos y los niveles de morosidad aunque no de manera muy
amplia debido a la diferencia de definiciones de las variables utilizadas entre los
países analizados.
Estudios como de Wadhwani (1986) presenta un modelo para explicar las
quiebras financieras de las empresas en función de su liquidez, nivel de
endeudamiento de las empresas, crecimientos de los salarios,
patrimonial,
condiciones
de
demanda
agregada
y
situación
expectativas
sobre
comportamiento de la economía. Los resultados muestran una relación negativa o
contra-cíclica entre el ciclo económico y la morosidad.
21
En otro orden, Davis (1992) realiza un estudio de quiebra empresariales en seis
países de la OECD y concluye que el PIB, el endeudamiento empresarial y los
tipos de interés están relacionados a con los indicadores de quiebras empresariales.
Los resultados de este estudio coinciden con el estudio realizado por Wadhwani
(1986) que indica que la expansión de la actividad económica disminuyen los
retrasos en los pagos de los créditos mientras que en las fases recesivas la
morosidad crediticia se incrementa.
Luego, utilizando como antecedentes los modelos creados por Wadhwani
(1986) y Davis (1992), Freixas et al (1994) se enfoca en analizar
el
comportamiento de la morosidad bancaria en España, haciendo énfasis en los
determinantes macroeconómicos. Estos autores encontraron que el nivel de
morosidad tiene un comportamiento contra cíclico y el endeudamiento un
comportamiento cíclico al relacionarlos con la actividad económica en España.
Concentrados únicamente en el análisis de variables macroeconómicas para
determinar la probabilidad de ocurrencia de una crisis bancaria, Demirguc-Kunt y
Detragiache (1998) utilizando un modelo econométrico de multivariables de tipo
logit binomial para analizar un amplio rango de países desarrollados y en vía de
desarrollo. Estos autores encontraron que bajas tasas de crecimiento del PIB, altas
tasas de interés reales y una alta inflación, incrementan la probabilidad del
problema en la banca.
22
Analizando una muestra amplia de crisis bancarias, Hardy y Pazarbasioglu (1999)
identifican variables macroeconómicas y financieras pueden servir como
indicadores de alerta temprana. Los autores utilizan datos anuales y un modelo
multinomial en un intento por vencer las limitaciones del probit y logit binomial
en mostrar señales tempranas a la verdadera ocurrencia de un escenario de crisis.
Entre los hallazgos más significativos revelan que los problemas que enfrentan los
bancos están relacionados
con caídas contemporáneas del crecimiento PIB,
períodos de mayor inflación, expansión del crédito agregado, mayores flujos de
capital, el incremento de las tasas de interés reales, caída del tipo de cambio real y
choques adversos en los términos de intercambio.
Utilizando datos de panel para analizar tanto variables agregadas como
variables microeconómicas, Saurina (1998) y Salas y Saurina (2002) realizan
estudios donde se analiza las cajas de ahorros españolas en el período 1985-1995
en el primero y donde aparte de las cajas de ahorros españolas se analizan los
bancos comerciales para el periodo 1985-1997 en el segundo. En los resultados se
encuentra un impacto significativo y negativo del crecimiento del PIB en la
morosidad de las entidades españolas; sin embargo, no encuentran un impacto
significativo de los tipos de interés y obtienen resultados ambiguos en lo que
respecta al endeudamiento contrastando con los resultados de Freixas et al (1994)
y Hardy y Pazarbasioglu (1999).
Muñoz (1999) analiza el impacto del crecimiento económico en la
situación de solvencia bancaria, así como también los efectos sobre la
23
vulnerabilidad del sistema que se desprenden de procesos de expansión del crédito
bancario en Perú. Sus resultados exponen que el grado de solvencia de los bancos
está determinado por factores bancarios individuales así como por condiciones
macroeconómicas y por variables que reflejan la situación general del sistema
bancario, básicamente del mercado de créditos. Específicamente, los resultados
muestran un comportamiento contra cíclico de la morosidad bancaria y un efecto
negativo del incremento del endeudamiento y de las tasas activas.
También Aguilar et al (2004) realiza un estudio sobre el nivel de
morosidad en el sistema bancario peruano, pero incluyendo un mayor número de
variables. El estudio se enfoca en evaluar el impacto tanto de las variables de
carácter agregado o macroeconómico como de aquellas microeconómicas
relacionadas con la gestión de cada entidad financiera en Perú. Sus conclusiones
indican que el entorno económico donde la entidad bancaria se desenvuelve es tan
importante como los factores relacionados con las políticas internas de conducción
del banco. Específicamente los autores encontraron que La calidad de la cartera de
colocaciones bancarias se relaciona negativamente con el ciclo de la actividad
económica y el tipo de cambio real resulto ser el indicador principal que influye
sobre el nivel de morosidad, este último siendo un hallazgo que difiere del estudio
de Muñoz (2009). Otros indicadores utilizados como el volumen de crédito y la
tasa de desempleo no resultaron ser significantes en la evaluación del nivel de
morosidad.
24
Un análisis de los determinantes del nivel de morosidad en el período 2001-2008
incluyendo factores macro y microeconómicos las entidades del sistema financiero
boliviano es realizado por Díaz (2010). Los resultados indican que las restricciones
de liquidez medidas por las tasas de interés activas, la devaluación de la moneda
nacional y el mayor endeudamiento de las empresas tienen efectos sobre la
morosidad.
Hay que mencionar que Díaz (2010) sostiene que las variables
macroeconómicas pueden clasificarse en tres grandes grupos. El primer grupo
involucra a las variables que tienen que ver con el ciclo económico debido a que el
crédito sigue un comportamiento pro-cíclico que impulsa a la economía en tiempo
de expansión y acentúa la desaceleración económica en tiempo de crisis. El
segundo grupo involucra las variables que afectan la liquidez o capacidad de pago
de las de agentes económicos (empresas y hogares) debido a mayores tasas de
interés o menores ingresos. Finalmente, el tercer grupo involucra a las variables
que intervienen en el nivel de endeudamiento de los agentes económicos debido a
que un mayor endeudamiento aumenta la probabilidad del incremento de los
niveles de morosidad.
Entre los trabajos que siguen la metodología de cointegración y corrección
de errores tenemos a Delgado y Saurina (2004), quienes estudian la relación que
existe entre las variables macroeconómicas y el riesgo de crédito de las entidades
de depósito españolas; específicamente, bancos y cajas de ahorro. Los resultados
arrojan que los activos dudosos y las dotaciones de insolvencias tienen una
25
relación inversa con el crecimiento del PIB y una relación directa con los tipos de
interés. Sin embargo, ni el endeudamiento ni la carga financiera están presentes en
la relación de equilibrio a largo plazo.
De igual forma, un estudio de los determinantes macroeconómicos de la
morosidad bancaria en Costa Rica es realizado por Soto y Chacón (2011). El
estudio demuestra que la calidad de la cartera de crédito del sector financiero de
Costa Rica se relaciona con el nivel de actividad económica y con el ciclo real y
financiero. Específicamente, los autores encontraron relación de cointegración
entre la mora y las variables de índice de actividad económica, tasa de interés
básica pasiva y tasa de interés en dólares.
En el caso de la economía de Uruguay, Vallcorba y Delgado (2007)
estudian,
mediante
relaciones
de
cointegración,
los
determinantes
macroeconómicos de la morosidad bancaria en una economía dolarizada. El
estudio muestra evidencia de la existencia de una relación de equilibrio entre
morosidad, variación de salarios en dólares y tipos de interés. Se concluye que
menores salarios en dólares y mayores tipos de interés se traducen en una mayor
morosidad a largo plazo.
Con el fin de evaluar la sensibilidad del riesgo de crédito ante cambios en
algunas variables macroeconómicas y sus posibles efectos sobre la rentabilidad de
los intermediarios del sistema colombiano, Gutierrez y Vásquez (2008) realiza un
análisis de cointegración y corrección de errores para luego realizar pruebas de
26
estrés. Los resultados sugieren que la mora es sensitiva ante los indicadores de
volumen de crédito, cambios en la actividad económica, tasa de desempleo y en
menor medida tasa de interés.
En RD estudios sobre la mora en la cartera de préstamos son limitados.
Veloz y Benou (2007) en el que analizan los Bancos Múltiples durante el periodo
1996-2003. En este estudio los autores crean un modelo “tipo logit” con el
objetivo de analizar las variables macroeconómicas, aspectos específicos de las
operaciones bancarias, y ciertas características del sistema para la identificación
temprana de posibles problemas bancarios. Los resultados indican que los
indicadores microeconómicos de composición sectorial de la cartera, la mezcla de
depósitos en moneda local y extranjera, el volumen de gastos generales y
administrativos, la relación capital sobre el total de activos y el indicador
macroeconómico de tipo de cambio, son aspectos importantes que tienen
incidencia en la explicación de la variación de la morosidad.
Específicamente Veloz y Benou encontraron que una elevada proporción
de préstamos a consumidores y comerciales tiende a reducir la tasa de morosidad
en
la cartera de crédito, mientras lo contrario sucede con la proporción de
préstamos de la construcción. La evidencia empírica demostró que los bancos en
los que se observa un crecimiento rápido de los préstamos tienen una mayor
proporción de préstamos vencidos, mientras que los bancos con mayor liquidez
registran menor probabilidad en los aumentos de la tasa de morosidad. Finalmente,
27
el estudio revela que durante los períodos de devaluación del peso dominicano la
tasa de morosidad aumenta en los bancos.
III.2
Literatura sobre Pruebas de Tensión
A raíz de las crisis financieras que azotaron a los países del mundo durante las
décadas de los 80s y 90s las autoridades de organismos internacionales entre los
que se destacan el Comité de Supervisión Bancaria de Basilea, el Banco Mundial y
el Fondo Monetario Internacional visualizaron la necesidad de contar con un
conjunto de técnicas y herramientas que permitan
evaluar con una mayor
precisión de los sistemas financieros. De esta colaboración de instituciones surgió
la idea de promover una serie de técnicas para evaluación del sistemas financieros
dentro de las que sobresalen las pruebas de tensión o estrés (FMI y BM, 2003).
Las pruebas de tensión pueden ser definidas como el proceso de simulación
para determinar el efecto de un cambio en un portafolio de activos del sistema
financiero como consecuencia de choques extremos pero realistas (FMI y BM,
2003). Este tipo de técnicas son utilizadas con el objetivo de identificar
vulnerabilidades estructurales y exposiciones de riesgo globales dentro del sistema
financiero a través de la simulación de eventos extremos pero posibles, en otras
palabras, eventos que son de poca frecuencia pero de alta severidad. Para poder
evaluar el sistema financiero más allá del funcionamiento normal e identificar
perdidas esperadas e inesperadas, estos eventos tienen la particularidad de que son
flexibles, pero con vista al futuro (Johnson, 2005).
28
Contextos financieros más complejos y riesgosos provocados por el surgimiento
de nuevos productos financieros han provocado que, desde su creación en el año
1999, las pruebas de tensión sean utilizadas con mayor frecuencia en exámenes
que realiza el FMI y BM específicamente en su programa de evaluación del sector
financiero de países (por sus siglas en ingles FASB) (Vallcorba y Delgado, 2007).
El alcance de las pruebas de estrés se ha expandido en el sector financiero
debido a que
las instituciones de intermediación financieras han acogido y
adaptado este tipo de pruebas a sus necesidades. Existen incontables usos para
estas pruebas, sin embargo, entre los más utilizados por las instituciones
financieras se encuentran el análisis de carteras negociables en los mercados
incluyendo tasas de interés, monedas extranjeras acciones, materias primas e
instrumentos de créditos. En este mismo orden se utilizan para evaluar el riesgo de
operaciones, riesgo de liquidez, riesgo de crédito, riesgo de tasas de interés, riesgo
de monedas entre otros (FMI y BM, 2003).
Normalmente, las pruebas de estrés están clasificadas como pruebas de
sensibilidad, pruebas de contagios y pruebas de escenarios. En el caso de la prueba
de sensibilidad se identifican los parámetros de riesgos y la fuente de shock no se
encuentra previamente identificada. Las pruebas de contagios son aquellas que se
inician en un banco y se expanden a otros bancos en el sistema. Mientras que las
pruebas de escenarios la fuente de shock o de eventos está definida, al igual que
los parámetros de riesgos financieros que resulten afectados por el shock. (Sorge y
Virolainen, 2006).
29
A raíz del amplio espectro que abarcan las pruebas de estrés, en la literatura
existen diferentes técnicas que abarcan desde un análisis sencillo de sensibilidad
hasta análisis complejos que involucran escenarios macroeconómicos. Por lo
general este tipo de pruebas involucran uno o más de los análisis de sensibilidad,
escenarios y contagios (Jones, Hilbers, and Slack, 2004).
Dentro de las técnicas más utilizadas para hacer pruebas de estrés se
encuentran las de modelos con variables dependientes discretas donde para su
utilización se utilizan un regresión discreta de tipo binaria como por ejemplo
modelos de probit o logit (Johnson, 2005). Dentro de los estudios más reconocidos
siguiendo esta metodología se encuentra Demirguc-Kunt y Detragiache (1998) y
Hardy y Pazarbasioglu (1999).
También existen trabajos que utilizan indicadores para evaluar la solvencia
y vulnerabilidad de los sistemas financieros a lo largo del tiempo modelos de
series de tiempo (Sorge, y Virolainen, 2006). Tenemos el ejemplo de los estudios
realizados por Saurina y Delgado (2004), Vallcorba y Delgado (2007), Gutiérrez y
Vásquez (2008), Soto y Chacón (2011).
Existen pruebas de estrés estimadas con modelos de datos de panel en el
que utilizan observaciones de “N” números de bancos que se analizan a lo largo de
“T” instantes en el tiempo. Este tipo de estimación permite identificar y contrastar
las correlaciones producidas en cada punto en el tiempo con las perturbaciones de
diferentes unidades muéstrales ganando precisión frente a modelos de series
30
temporales de tipo ARIMA o mínimos cuadrados (Sorge, y Virolainen, 2006).
Ejemplo de autores que siguen este tipo de metodología son Aguilar et al (2004),
Salas y Saurina (2002), Díaz (2010).
31
CAPITULO IV: ANÁLISIS Y ESTIMACIÓN DE DATOS
Para este estudio se utilizaron datos con frecuencia trimestral comprendiendo el
período 2000-2012. Los datos se obtuvieron de los informes estadísticos de la
Superintendencia de Bancos de la República Dominicana y del Banco Central de
la República Dominicana.
Como indicador del nivel de morosidad, la variable dependiente, se utilizó
la cartera de crédito atrasada o en mora definida como el cociente de la cartera
vencida (31 días o mas sin pagar y cartera en cobranza judicial) entre el total de la
cartera de crédito bruta. Esta estadística se encuentra publicada en el documento
trimestral “Indicadores financiero consolidados del sistema financiero nacional”,
el cual se encuentra disponible en la página web de la SBRD.
Se escogió el logaritmo del volumen de crédito financiero como indicador
del desenvolvimiento del mercado de crédito y la ocurrencia de una posible
burbuja crediticia. Para capturar el nivel de ingreso de la economía se utilizó el
logaritmo del Producto Interno Bruto (PIB). Para incorporar el nivel de precios se
empleó el logaritmo del Índice de Precios al Consumidor (IPC).
La volatilidad de la tasa de cambio del peso dominicano respecto al dólar
estadounidense se ha utilizó para capturar el riesgo cambiario de activos y pasivos
denominados en distintas monedas. Como indicador del nivel de empleo en la
economía se incluyó la estadística tasa de desocupación ampliada, definida como
la población desocupada abierta e incluye a aquellos individuos que aunque no
32
buscaron trabajo en el período de referencia, aceptarían y están disponibles para
trabajar en caso de que le ofrecieran un empleo.
Finalmente, como indicador del costo del financiamiento se escogió la tasa
de interés activa promedio ponderado en moneda nacional de las instituciones de
intermediación financiera.
Las
variables
utilizadas
se
representaron
mediante
la
siguiente
nomenclatura:
Ф = cartera de crédito atrasada o en mora
K = logaritmo del volumen de créditos financieros
Y = logaritmo del producto interno bruto.
π = logaritmo del índice de precios al consumidor
σ = volatilidad de la tasa de cambio del peso dominicano respecto al
dólar estadounidense
ί = tasa de interés activa en moneda nacional
T = Tasa de desocupación ampliada
Las series de las variables dependientes (el volumen de crédito financiero, la
inflación, la tasa de interés activa, tasa de desempleo y el tipo de cambio con
respecto al dólar) fueron obtenidas de la página web del Banco Central de RD.
Para estimarla volatilidad del tipo de cambio se utilizo el cálculo de su desviación
estándar. En el caso de la tasa de interés activa y el tipo de cambio, se utilizaron
los datos de cierre de cada trimestre.
33
Es importante señalar que la serie disponible de la tasa de desempleo es de
periodicidad semestral, por lo que se trimestralizó mediante la metodología de
transformación lineal de coincidencia de última observación contenida en el
paquete estadístico de Econometric Views (E-views).
IV.1
Evolución Histórica del Nivel de Morosidad y Variables Macroeconómicas
en el Sistema Financiero Completo
Basados en la revisión de literatura, a continuación presentamos las relaciones que
se pueden observar entre la mora y las variables macroeconómicas en RD durante
el período de estudio. El objetivo no es obtener conclusiones sobre las relaciones
que podrían presentarse sino identificar posibles comportamientos entre la cartera
de mora y sus determinantes macroeconómicas.
Gráfica 6. Comportamiento de la Mora en el Sistema Financiero Completo
Fuente: Elaboración propia
34
Gráfica 7. Tasa de Crecimiento del PIB
Mora (Promedio Anual)
Gráfica 8. Tasa de Crecimiento del y
Crédito y la Mora (Promedio Anual)
Fuente: Elaboración propia
Fuente: Elaboración propia
Gráfica 9. Tasa Activa y Mora
Gráfica 10. Tasa de Crecimiento de
la Inflación y la Mora
Fuente: Elaboración propia
Fuente: Elaboración propia
35
Gráfica 11. Tasa de Desempleo
y la Mora
Gráfica 12. Volatilidad de la Tasa
de Cambio y la Mora
Fuente: Elaboración propia
Fuente: Elaboración propia
En el año 2000, la mora en RD se encontraba alrededor de un 6%, disminuyendo
hasta finales del año 2001 al ubicarse en 4.5%. Sin embargo, a partir de finales del
2001, evidenciando los atributos de la mora como indicador de alerta temprana de
crisis bancarias, empieza a aumentar de manera abrupta hasta llegar a su valor más
alto 16.31% a mediados del 2003. El aumento abrupto, anticipa la
desestabilización del sector financiero, provocada por la quiebra de Baninter.
Durante este período, el nivel de morosidad se comporta con respecto a los
indicadores macroeconómicos según la teoría. Por ejemplo, el nivel de morosidad
presenta una relación negativa con respecto al PIB, mientras con respecto a los
demás indicadores macroeconómicos pasa lo contrario, presentando una relación
positiva.
Al estallar la crisis, se produce una intervención el gobierno dominicano
con el objetivo de salvar los activos de Baninter y hacerse garante de la deuda
36
nacional e internacional del banco. En este mismo orden,
las autoridades
monetarias firmaron un acuerdo Stand By con el FMI con el objetivo de para
fortalecer la regulación y supervisión del sistema bancario, reducir las presiones
sobre el tipo de cambio, controlar la expansión monetaria y estabilizar los pagos de
la deuda pública global. Las medidas adoptadas tranquilizaron a los agentes
económicos, influyendo en la rápida disminución de la mora en la segunda mitad
del 2003 y principios del 2004 hasta llegar a un 11%.
A partir de entonces, influenciado por tasas de crecimiento económico
elevadas, estabilidad del tipo de cambio, menores tasas de interés, disminución de
la tasa de desempleo, tasas de inflación estables, y mejoras en las regulaciones en
el Sistema Financiero Nacional, la mora continuó la tendencia hacia la baja hasta
llegar a 4.0% a finales del 2011. En el caso específico del volumen de crédito, a
partir del 2005, la cartera de crédito presenta ha mostrado un crecimiento
interanual promedio de 15% mientras la mora sigue su tendencia hacia la baja
hasta llegar a su punto más bajo, evidenciando un comportamiento entre estas dos
series contrario a lo que indica la teoría económica. Durante el período de estudio
(2000-2011) la serie presenta una media de 7.0%, una mediana de 6.09% y una
volatilidad de 2.68%.
37
CAPITULO V: METODOLOGÍA
Sorge y Virolainen (2006) entienden que las pruebas de estrés o tensión macro
implican una serie de etapas, tales como:

Definir el alcance del análisis en términos del conjunto de las
instituciones pertinentes y carteras.

Especificar de la herramienta a utilizar para realizar las pruebas de
estrés.

Diseñar y calibrar de un escenario de estrés macroeconómico.

Cuantificar el impacto directo del escenario simulado sobre la
solvencia del sector financiero.

Interpretar de resultados para evaluar la capacidad general de
asunción de riesgos del sistema financiero.
En secciones anteriores hemos explicado el alcance de las pruebas de
tensión que se realizo en este estudio por lo que a continuación discutiremos la
metodología utilizada para realizar la prueba y los escenarios propuestos.
Como se discutió en la sección de alcances y limitaciones la metodología
este estudio está basado en un análisis de serie de tiempo. Con el objetivo de evitar
la posibilidad de la identificación de relaciones espurias entre el nivel de
morosidad del Sistema Financiero Dominicano y variables macroeconómicas, el
38
análisis econométrico utilizado en el estudio está basado en el método de
cointegración de corrección de errores propuesta por Engel y Granger (1987).
V.1
Descripción de la Metodología de Modelos de Corrección de Errores
(MCE)
El análisis de regresión aplicado a las series de tiempo puede ser un poco confuso,
dada la posibilidad de inferir falsas relaciones de causalidad en las variables
objetos de estudio, por el carácter no estacionario de las mismas. Como la mayoría
de las series económicas son de carácter no estacionario existe la posibilidad de
que compartan tendencias estocásticas en común, dando la impresión de que el
movimiento de estas series económicas están relacionado cuando en verdad no lo
estas. Newbold-Grenger (1974) fueron los primeros en estudiar este fenómeno y lo
denominaron como relación espuria.
Con el objetivo de identificar si las series tienen una relación real en el
largo plazo se utiliza el análisis de cointegración. Este análisis nos indica que a
pesar de que cada serie individualmente se mueve erráticamente a través del
tiempo, sin tendencia a converger a un nivel estable, la combinación lineal de las
mismas es estacionaria, en el sentido de que la relación entre ellas tiende a
mantenerse a través del tiempo.
Dickey-Fuller (1979), relaciona la existencia de una relación de
cointegración entre series no estacionarias a la ausencia de raíces unitarias en los
39
términos de error de las respectivas regresiones. A partir de este estudio se
clarifica el concepto de "regresiones espurias" de Newbold–Granger.
A través del teorema de representación de Granger, Engle y Granger
(1987) establecen una relación que indica que un modelo de corrección de error
implica cointegración y viceversa. Para explicar este concepto matemáticamente
asumimos dos series escalares Yt y Zt ambas I(1). Un modelo autoregresivo de
rezagos distribuidos (ADL) de las series es:
=
Donde
t
(1)
-
~N(0,σ2), restando Yt-1 a ambos lados de la ecuación, de igual forma y
sumando y restando
-
del lado derecho de la ecuación obtenemos:
=
Donde
0
-
(
0
t
( -1
-
t-1
(2)
)
(
)
La ecuación (2) es un modelo MCE. Es considerada una reparametrización
de (1) y se conoce como la representación MCE del ADL. En la ecuación (1)
0 es
conocido como el coeficiente de impacto que mide los efectos de corto plazo al
producirse un cambio en
de un cambio
sobre
sobre
, por otro lado
mide el efecto de largo plazo
.
Estadísticamente, para que esta regresión sea válida es obligatorio que
todos los términos sean estacionarios. Dado el supuesto de que
y
son de
orden I(1), al diferenciar las variables se convierten en estacionarias. En otro
orden, el termino
-
t-1
tieneque ser estacionario para que la ecuación este en
40
equilibrio. Esto solamente sucede cuando existe cointegración entre las series
y .
La ecuación (2) nos indica que los cambios en
cambios de
sino también de los cambios en
corresponde al de impacto sobre
al
-
-
no solo dependen de los
t-1.
El significado de ( -1
ser diferente de
-
t-1..ELmodelo
automáticamente va corrigiendo este tipo de errores. La creación del MCE consta
de dos etapas: (1) Se estima la relación de largo plazo entre las variables en
niveles, confirmando que exista una relación de cointegración y (2) Se estima una
relación de corto plazo con las variables en diferencias e incorporando el rezago
del residuo generado por la ecuación de largo plazo.
El diseño de los escenarios de la prueba de tensión, la cuantificación del
impacto directo del escenario simulado sobre la solvencia del sector financiero, y
análisis de los resultados serán presentados en secciones posteriores a la discusión
de los detalles de las estimaciones del modelo utilizado para realizar la prueba de
estrés.
41
CAPITULO VI: MODELO Y ESTIMACIONES
Las estimaciones fueron realizadas para el Sector Financiero Consolidado.
Adicionalmente, se estimaron modelos separados para los sectores de Bancos
Múltiples, las asociaciones de ahorro y crédito, los bancos de ahorro y crédito y las
Corporaciones de Créditos con el propósito de evaluar si existe un
comportamiento diferenciado de la mora por tipo de entidad financiera. El modelo
estudiado como punto de partida para estudiar el largo plazo fue:
Фt=
0
1
t
2
ίt
3
πt
4
t
5
σ
6
lp
(3)
Donde:
Ф = Cartera de crédito atrasada o en mora
K = Logaritmo del volumen de créditos financieros6
Y = Logaritmo del producto interno bruto.
π = Logaritmo del índice de precios al consumidor
σ = Volatilidad de la tasa de cambio del peso dominicano respecto aldólar
estadounidense
ί = Tasa de interés activa en moneda nacional
T = Tasa de desocupación ampliada
lp
= Residuos de la ecuación
A las series Y, K y π se les aplicó la prueba de census X12 para corregir la estacionalidad en las
series. El objetivo de esta prueba es separar el componente estacional dejando los componentes de
tendencia e irregularidad dentro de la serie.
6
42
En esta ecuación de largo plazo se introduce dos variables dicotómicas
(D2003_Q2 y D2003_Q4) para tratar de controlar las distorsiones provocadas por
las crisis bancaria del 2003.
De acuerdo a lo presentado en el capítulo II y tomando en cuenta la teoría
económica, se esperaría que los signos de los parámetros
mientras que
1
2
3,
4,
5
sean positivo
sea negativo.
Por otro lado las estimaciones de corto plazo se realizaron con la siguiente
ecuación:
Ф=
0
lp
n
t1

n
i

ti
i 0
n

i 0
i
σ t-i
n

i
i 0
cp
ίt i
n

i 0
i
πt i
n

i
ti
i 0
(4)
i 0
La ecuación tiene dos partes diferentes. Primero, el parámetro delta (
recoge la corrección del residuo de la estimación de largo plazo entre las variables
estudiadas. Segundo, tenemos el modelo a corto plazo de la relación anterior, el
cual perfecciona el ajuste sobre la variable explicada en la regresión a través de la
incorporación de las variables dependientes en diferencias y rezagadas.
Se esperaría que el parámetro de corrección de errores (
sea negativo y
menor que la unidad. En el caso de que la mora se encontrase por encima de su
nivel de equilibrio y el valor de
lp
t-1 fuera
positivo, la mora tendría que ajustarse a
la baja con el objetivo de corregir la discrepancia con el equilibrio de largo plazo.
43
En caso de que no suceda de esta forma, en este modelo, la mora tendría una senda
explosiva aumentando la diferencia entre el nivel de equilibrio de largo plazo y el
nivel de equilibrio de corto plazo.
VI.1
Análisis de Estacionariedad de las Variables
Antes de estimar el modelo de largo plazo se hizo una análisis de raíz unitaria de
cada una de las series objeto de estudio con el objetivo de identificar la condición
que indica que es obligatorio que todos los las series sean de orden I(1), para que
la regresión sea válida.
En la cuadro 1 se presenta el valor del estadístico de la prueba de DickeyFuller aumentado (1978) para las variables en niveles y en primeras diferencias
que entran en las distintas ecuaciones estimadas. Los resultados de esta prueba
para el período de análisis considerado indican que todas las variables pueden
considerarse integradas de orden uno.
44
Cuadro 1. Prueba de Dickey Fuller Aumentada
SF
A
B
C
Ф
0.024
0.361
0.385
Ф
0.025
0.007
C
0.551
A
B
C
Ф
0.372
0.372
0.335
0
Ф
0.007
0.002
0
1
1
í
0.179
0.673
0.378
0
0
0.138
í
0
0
0
π
0.434
0.82
0.988
AAyP
A
B
C
π
0.005
0.001
0.001
Ф
0.299
0.655
0.474
Y
0.483
0.993
0.997
Ф
0
0
0
0
0
0.015
í
0.164
0.249
0.446
0.179
0.673
0.378
í
0.007
0.001
0
í
0
0
0
A
B
C
T
0.369
0.487
0.668
0.305
0.388
0.416
T
0.002
0.001
0
0
0
0
σ
0.012
0.138
0.028
0.605
0.326
0.651
σ
0
0
0
0
0
0
CC
A
B
C
Ф
0.365
0.193
0.5
0
0
0
0.082
0.096
0.524
0
0
0
C
Y
í
Ф
í
í
BM
BAC
Ф
Ф
í
í
Nota: SF = Sistema financiero completo, BM =Sector Bancos múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorros y Créditos, CC = Corporaciones de Créditos
Los valores en negrita indican el rechazo a la hipótesis nula basados en la prueba de Dickey Fuller
Aumentada incluyendo constante y tendencia (modelo A), solo constante (modelo B) y sin
constante ni tendencia (modelo c)
Fuente: Elaboración propia
VI.2
Resultados Empíricos del Modelo de Largo Plazo
Esta sección muestra los principales resultados de las estimaciones econométricas
realizadas con el objetivo de determinar los factores macroeconómicos que inciden
en la cartera de crédito de mora del Sistema Financiero Completo (SFC) y, dentro
de este, el sector de los Bancos Múltiples (BM), las Asociaciones de Ahorros y
45
Préstamos (AAyP), los Bancos de Ahorros y Créditos (BAC) y as Corporaciones
de Créditos (CC).
Las estimaciones para RD se realizaron sobre la base de
información trimestral para el período 2000- 2011.
Los resultados empíricos correspondientes para el modelo de largo plazo son
reportados a continuación: 7
Cuadro 2. Estimaciones Trimestrales de Largo Plazo
Variable
Dependiente Ф
C
Y
ί
π
T
R-cuadrado
R-cuadrado
ajustado
Durbin-Watson
*Significativos al
5%
SFC
-
BM
1.52
0.12
*
0.08
AAyP
1.63
0.13
*
*
0.08
0.05
*
0.39
*
*
-
BAC
CC
1.05
0.10
*
*
0.14
0.06
*
0.04
0.36
*
----
----
----
*
-
1.85
0.18
*
**
0.21
*
0.06
*
-
0.64
0.07
***
**
0.28
*
**
0.04
*
*
-
0.91
0.92
0.72
0.67
0.46
0.89
0.91
0.68
0.62
0.40
1.15
1.27
0.88
0.99
**Significativos al 10%
0.88
*** No
significativo
Nota: SFC = Sistema Financiero Completo, BM= Bancos Múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorro y Crédito, CC = Corporaciones de Crédito
Fuente: Elaboración Propia
Los resultados del cuadro 2 validan la hipótesis planteada por Wadhani
(1986) y Davis (1992) sobre la importancia del efecto del ciclo económico en los
niveles de morosidad. Al ser los coeficientes significativos y con signos negativos,
se verificó que la cartera de crédito en mora tiende a disminuir ante el mayor nivel
de ingreso. En contraste, una reducción en el nivel de actividad económica debilita
tanto la capacidad como la disciplina de pago de los deudores.
7
En los modelos estimados de largo y corto plazo se incluyó variables dicotómicas estacionales
para corregir por estacionalidad.
46
**
Gráfica 13. Relación de Largo Plazo del Efecto del Crecimiento Económico en la
Tasa de Morosidad
Nota: SFC = Sistema Financiero Completo, BM= Bancos Múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorro y Crédito, CC = Corporaciones de Crédito
Fuente: Elaboración propia
Específicamente, el efecto del PIB sobre la cartera de mora es mayor en los BM y
en los BAyC que en las demás instituciones financieras. En el caso del SF, de los
BM y los BAyC, un aumento de 1% del PIB se traduce en disminuciones en la
mora de 12, 13 y 18 puntos básicos, equivalentes a cambios relativos en la tasa de
morosidad de 1.7%, 1.8%, 2.62% respectivamente, como se indica en el gráfico
11. 8 En el caso de las Asociaciones de Ahorros y Préstamos y las corporaciones
de crédito el impacto del incremento de 1% del PIB se traduce en una reducción en
la mora de 10 y 7 puntos básicos, equivalentes a cambios en la tasa de morosidad
de 1.49% y 1%, respectivamente. Las diferencias en elasticidades entre BM y
AAyP puede estar influenciado por una mayor concentración de la cartera de los
8
Para presentar los resultados empíricos de forma relativa se utilizó el promedio de las
observaciones de la tasa de morosidad en moneda nacional “0.07”.
47
bancos a préstamos de consumo y para la producción, mientras que las AAyP
poseen la mayor parte de su cartera en préstamos hipotecarios, menos sensibles a
cambios en el ciclo económico.
Además, los resultados indican que la inflación es una variable
significativa, con signos positivos coincidiendo con la hipótesis presentada por
Demirguc-Kunt y Detragiache (1998) y Hardy y Pazarbasioglu (1999).
Específicamente, los resultados muestran, para el caso dominicano, el porcentaje
de la cartera de crédito en mora aumenta ante la pérdida del poder adquisitivo de
los agentes económicos, indicando que si los agentes económicos reducen sus
niveles de liquidez real podrían presentar problemas de incumplimiento con las
obligaciones crediticias.
Gráfica 14. Relación de Largo Plazo del Efecto de la Inflación en la Tasa de
Morosidad
Nota: SFC = Sistema Financiero Completo, BM= Bancos Múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorro y Crédito, CC = Corporaciones de Crédito
Fuente: Elaboración propia
48
En el largo plazo, el efecto de la inflación es el tercero más importante en la
determinación del comportamiento de la mora crediticia. En el caso del SFC se
determinó que un aumento de 1% de la inflación provoca un aumento en la mora
de 5 puntos básicos, equivalente a un aumento relativo en la tasa de morosidad de
0.71% como se muestra en el gráfico 12.
Al analizar por tipo de institución financiera, se puede observar que el
impacto es mayor en los BM, en los BAyC, donde la mora se incrementaría en 6
puntos básicos, equivalentes a cambios en la tasa de morosidad de
0.86%,
respectivamente.
La hipótesis de
Demirguc-Kunt y Detragiache (1998), Davis (1992),
Hardy y Pazarbasioglu (1999), Díaz (2010), Gutierrez y Vásquez (2008) de que las
tasas activas inciden en un aumento de la cartera en mora ante el mayor costo de
financiamiento que tendrían los préstamos se cumple en el modelo estimado. Los
resultados empíricos indican que la tasa activa en moneda nacional es una variable
significativa y con una relación positiva, consistente con la hipótesis planteada por
estos autores.
En el largo plazo, para el Sistema Financiero Consolidado y los Bancos
Múltiples un aumento de 1% en la tasa activa provoca un incremento de la mora
en 8 puntos básicos, equivalente a un cambio en la tasa de morosidad de 1.14%.9
9
El trabajo por Delgado y Saurina (2004) indica que el aumento de 1% en la tasa activa
incrementa la tasa de morosidad en 0.62% en los bancos.
49
Gráfica 15. Relación de Largo Plazo Efecto de la Tasa Activa sobre la Tasa de
Morosidad
Nota: SFC = Sistema Financiero Completo, BM= Bancos Múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorro y Crédito, CC = Corporaciones de Crédito
Fuente: Elaboración propia
La gráfica 15 muestra este resultado por tipo de entidad, el impacto de la tasa
activa es mayor en las CC y en los BAyC donde un incremento de 1% de la tasa
activa provoca un aumento de la mora de 28 y 21 puntos básicos, equivalentes a un
cambio en la tasa de morosidad de 4.0% y 3.0%. Esto pudiera señalar que el perfil
de los clientes de este tipo de instituciones financieras
(pequeñas y micro
empresas en su mayoría) son más vulnerables a mayores costos de
financiamiento. De igual forma se podría entender que el mayor impacto de los
tipos de interés en las CC y BAyC puede deberse al mayor plazo medio al que
prestan estas entidades en comparación con los bancos.
En cuanto al mercado laboral, los resultados empíricos indican que la tasa
de desempleo es una variable significativa y con una relación positiva, consistente
50
con lo esperado comprobándose la hipótesis propuesta por Gutierrez y Vásquez
(2008). Según estos autores un aumento en el desempleo refleja cambios en las
restricciones de liquidez de los agentes. Particularmente, un aumento de la tasa de
desempleo incide en un aumento de la cartera en mora debido a que los agentes
económicos poseen menor renta, disminuyendo las posibilidades de saldar sus
compromisos crediticios.
Gráfica 16. Relación de Largo Plazo Efecto de la Tasa de Desempleo en la Tasa
de Morosidad
Nota: SFC = Sistema Financiero Completo, BM= Bancos Múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorro y Crédito, CC = Corporaciones de Crédito
Fuente: Elaboración propia
En el largo plazo, para el SFC y los BM un aumento de 1% en la tasa de
desempleo
provoca un incremento de la mora en 39 y 36 puntos básicos,
equivalente a un cambio en la tasa de morosidad de 5.57% y 5.14%
respectivamente. En el caso especifico de los de las AAyP, BAyC, y CC no se
pudo encontrar un modelo en el que el efecto de la tasa de desempleo sobre la
cartera en mora sea significativo.
51
Para el Sistema Financiero Completo los resultados indican que la tasa de
desempleo y el crecimiento económico tiene un mayor impacto en la morosidad de
la cartera de préstamos que la tasa de interés activa, indicando que en el largo
plazo. Específicamente, la variable macroeconómica que tiene mayor impacto en
la morosidad de la cartera de préstamos en el largo plazo es la tasa de desempleo.
Esto evidencia que las restricciones de liquidez manifestado en la perdida de
ingreso de los agentes económicos son las más importantes en a la hora de hacer
frente a sus necesidades.
VI.3
Resultados Empíricos del Modelo de Corto Plazo
En cuadro 3 se encuentra el coeficiente de ajuste de corto plazo (residuo del largo
plazo rezagado en un período) que permite relacionar el equilibrio de la ecuación
de largo plazo y las dinámicas de ajuste de la ecuación de corto plazo.
Los resultados muestran que los desequilibrios de largo plazo entre la
morosidad de la cartera y estas variables macro se corrigen en aproximadamente
tres trimestres para el SFC y para las AAyP, mientras que los BM y para las CC se
ajustan en aproximadamente 2.5 trimestres. En el caso de los BAyC se ajustan en
aproximadamente 4.5 trimestres.
52
Cuadro 3. Estimaciones Trimestrales de Corto Plazo
Variable Dep. ∆Ф
lp
t-1
C
Ф (-1)
SFC
BM
AAyP
-
0.35
*
-
0.46
*
-
0.01
*
-
0.01
*
-
0.55
*
0.65
*
----
*
-
-
BAC
035
*
0.00
*
0.00
0.17
*
-
0.46
*
-
0.00
***
----
0.25
**
0.31
*
----
----
*
----
----
-
0.22
Ф (-2)
----
Ф (-3)
----
0.17
0.42
Ф (-4)
----
0.16
----
0.28
π
----
----
----
----
π (-2)
----
----
----
ί
0.08
ί (-2))
----
R-cuadrado
-
*
0.07
*
CC
-
0.14
**
*
-------
*
----
----
----
----
----
----
0.22
0.95
0.96
0.82
0.62
0.45
R-cuadrado ajustado
0.94
0.95
0.77
0.55
0.35
Durbin_Watson
2.01
2.26
2.39
2.13
1.97
*Significativos al 5%
**Significativos al 10%
*
----
*** No significativo
Nota: SFC = Sistema Financiero Completo, BM= Bancos Múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorro y Crédito, CC = Corporaciones de Crédito
Fuente: Elaboración Propia
En las estimaciones de corto plazo se evidenció que valores rezagados del PIB y
la tasa de desempleo no influyen de manera significativa en la evolución de la
morosidad de la cartera de crédito para ningún tipo de entidad financiera. Una
razón para esto podría ser el hecho de que las variables reales presentan un
movimiento en el corto plazo pequeño debido a la rigidez de la economía causada
por las constantes intervenciones del gobierno.
En el caso de la inflación, sólo influye de manera significativa al sector
bancos de ahorros y créditos. Específicamente, se encuentra que un aumento de
53
1% en la inflación incide, con dos trimestres de rezagos, en un aumento de la mora
en 14 puntos básicos, equivalente a un cambio en la tasa de morosidad de 2%.
La tasa activa es la variable que mas impacta el nivel de morosidad en el
corto plazo. En el SFC y BM variaciones contemporáneas en la tasa activa son
significativas, indicando que un aumento de un 1% incide en un incremento de 8 y
7 puntos básicos, equivalente a un cambio en la tasa de morosidad de ese mismo
período de 1.0% y 1.14% respectivamente. Mientras en el sector de los BAC, el
impacto de cambios en la tasa activa se observa con dos trimestres de rezago,
incrementando la mora de estas entidades en 22 puntos básicos equivalente a un
cambio en la tasa de morosidad de 3.14%. Esto era de esperarse debido a que las
tasas de interés son variables en el sistema financiero con la característica de que
presentan una mayor variación en el corto plazo porque se determinan en el
mercado.
El análisis de los resultados evidencia que en el largo plazo por las
variables de desempleo, actividad económica, inflación y tasa de interés activa
mientras que en el corto plazo depende principalmente de las tasas de interés
activa.
A parte de las razones que hemos mencionado, este resultado se podría
explicar debido a que las variables que se utilizaron como proxy de liquidez de los
agentes económicos PIB y tasa de desempleo no son los mejores indicadores de la
riqueza total de los agentes. En este sentido, los agentes económicos podrían tener
otras fuentes de ingreso aparte del salario que le pudiera generar riqueza, por lo
que si el agente económico perdiera el salario podría pasar un largo tiempo antes
54
de llegar al punto de no poder hacer frente a sus compromisos crediticios. De igual
forma una reducción en el PIB probablemente afecte de manera rezagada a los
agentes económicos.
Finalmente, es preciso señalar que al estimar los modelos no se pudo
identificar una relación significativa entre la volatilidad de la tasa de cambio y la
cartera de crédito en mora para ningún tipo de institución financiera. Estos
resultados contradicen los obtenidos por Veloz y Benou (2007) donde la tasa de
cambio es la única variable de tipo macroeconómico relevante en la determinación
del comportamiento de la morosidad en República Dominicana. Es importante
señalar que el estudio realizado por Veloz y Benou (2007) se basa en una muestra
de datos para el periodo 1996-2003, en el cual el marco de regulación financiera
muestra diferencias importantes con el actual. Adicionalmente, en dicho período el
sistema financiero venia acumulando las tensiones que caracteriza la fase que
antecede al desenlace de una crisis financiera, que se caracterizo por una
depreciación significativa del tipo de cambio.
Por otro lado, el volumen de la cartera de crédito como indicador de
posibles burbujas crediticias no resultó significativo en la mayoría de los casos, y
en algunos casos se obtuvieron un signo contrario a lo que indica la hipótesis
planteada por Freixas et al (1994), Aguilar et al, (2004), Hardy y Pazarbasioglu
(1999). Estos autores sostienen que las políticas de los bancos dirigidas a aumentar
las cuotas del mercado incrementando el volumen de las colocaciones de crédito
podrían disminuir los niveles de exigencias y control, provocando que se otorgue
55
créditos a agentes económicos con una probabilidad de mora más alta que la
enfrentada por el banco. La no identificación de esta relación podría estar
influenciado por la alta correlación existente entre el crecimiento del PIB y el
volumen de crédito, lo que provocaría que los coeficientes estimados resulten
sesgados y no significativos.
La obtención de signos contrario a lo esperado y el hecho de que los
rezagos del crédito no afecten de manera significativa al nivel de morosidad podría
ser explicada por los cambios en regulación y supervisión del sistema financiero,
surgidos a raíz de la crisis financiera del 2003-2004. Como consecuencia de los
mismos, las instituciones de intermediación financiera se han visto obligadas a
mejorar sus políticas de identificación, monitoreo y disminución de riesgos así
como reforzar el cumplimiento de las normas regulatorias.
Las medidas adoptadas por las instituciones de intermediación financiera
podrían haber permitido la identificación de nuevos agentes económicos con buena
capacidad de pago, los cuales no habían sido identificados previamente.
Razonablemente, se podría inferir que las nuevas colocaciones son de menor
riesgo crediticio que las anteriores contribuyendo a la mejora de la calidad de la
cartera de crédito. Esto es consistente con lo observado en la gráfica 8, donde a
partir del 2005, a pesar de que el nivel de crédito en la economía aumenta, el nivel
de morosidad presenta una marcada tendencia a la baja.
56
Otra explicación podría ser que en tiempo de expansión los agentes económicos
pueden fácilmente hacer frente a sus compromisos de crédito simplemente
obteniendo un préstamo en otra institución bancaria. Por ende sería lógico deducir
que durante fases expansivas, equivalentes a dos tercios del período de este
estudio, el incremento del crédito y sus rezagos en la economía no incrementen el
nivel de morosidad en la economía, sino por el contrario, lo disminuyen.
Con respecto a las variables del PIB, la inflación y el crédito se intentó
encontrar una relación entre la brecha
de estas variables, empleando el
componente cíclico de la descomposición ciclo tendencia como lo describió
Hodrick-Prescott (1997). Sin embargo, en ningún caso resulto ser significativo.
Adicionalmente, se realizaron estimaciones de frecuencia mensual, utilizando
como el Indice de Actividad Económica como proxy del producto. Estos
resultados son consistentes con las relaciones encontradas para las estimaciones
trimestrales.
De igual forma, en las estimaciones de largo plazo se realizó una prueba
para determinar si existe un comportamiento asimétrico del nivel de mora
crediticia ante aumentos o disminuciones de cada una de las variables
independientes del modelo. Las pruebas no resultaron ser significativas indicando
que el cambio en magnitud (positivo o negativo) de estas variables tiene el mismo
efecto sobre el nivel de mora de morosidad del sistema financiero.
57
También es importante resaltar que en el caso particular de las Corporaciones de
Crédito se encontró evidencia de la relación de cointegración o convergencia de la
mora con las variables que determinan el ciclo económico. Sin embargo, el grado
de ajuste del modelo en el largo y corto plazo al compararlo con el resto de los
sectores es muy pobre. Para el largo plazo, el modelo solamente es capaz de
explicar la mora en no más de un 46%, mientras que para el corto plazo un 27%
del cambio en el nivel de morosidad del sector. Habría que investigar más a fondo
sobre las causas pero la hipótesis es que el comportamiento crediticio de este tipo
de identidad no está condicionado por determinantes macroeconómicos sino que
responde a determinantes microeconómicos o una estructura de mercado distinta.
58
CAPITULO VII: DISEÑOS DE ESCENARIOS
MACROECONOMICOS Y PRUEBAS DE TENSION
Una vez identificado el comportamiento de la morosidad en función de sus
determinantes macroeconómicos, se realizaron ejercicios de simulación o pruebas
de tensión en distintos escenarios macroeconómicos, con el propósito de proyectar
como se comportaría la morosidad crediticia bajo estas condiciones. Las variables
que intervienen en el modelo han presentado durante el período analizado
variaciones significativas, por lo que la reacción ante este fenómeno también es
captada por el modelo.
El modelo estimado abarca períodos tanto recesivos como de auge
económico y las variables analizadas presentan variaciones significativas. Estos
puntos permiten captar los comportamientos de las variables en diferentes
momentos de coyuntura macroeconómicas y variación de los determinantes de la
mora estaría explicada por el modelo.
Las pruebas se realizaron para el período 2012-2013 bajo dos distintos
escenarios que se detallan a continuación:
59
Cuadro 4.Supuestos
Escenario Base
Cuadro 5. Supuestos
Escenario de Crisis
Variaciones
Y
π
Variaciones
ί
T
Y
π
ί
T
Q1
4.25% 4.94%
0.00%
0.00%
Q1
3.80%
4.94%
0.00%
0.00%
Q2
4.25% 2.71%
-0.50%
0.00%
Q2
-1.39% 26.10%
0.26%
0.00%
Q3
4.25% 4.25%
-0.50%
1.77%
Q3
-0.48% 33.13%
0.33%
1.83%
Q4
4.25% 4.25%
-1.00%
1.74%
Q4
-2.18% 42.65%
0.43%
1.80%
Q1
5.00% 5.00%
-0.50%
0.00%
Q1
-0.27% 62.34%
0.62%
0.00%
Q2
5.00% 5.00%
-0.25%
0.00%
Q2
0.48%
60.36%
0.60%
0.00%
Q3
5.00% 5.00%
-0.25%
-1.03%
Q3
2.48%
47.88%
0.48%
7.94%
Q4
5.00% 5.00%
0.25%
-1.04%
Q4
2.53%
28.75%
0.29%
7.36%
Fuente: Marco Macroeconómico Junio 2012 (Cuadro 5) y Evolución de variables en 2003- 2004
(Cuadro 6).
El escenario base utiliza como las proyecciones contenidas en el Marco
Macroeconómico 2012-2013, revisado a junio y publicado por el Ministerio de
Economía, Planificación y Desarrollo (2012). En esta proyección se asume que el
PIB presenta un incremento promedio de 4.25% durante del 2012 y crece un
promedio de 5% por durante del 2013. La inflación crece en promedio 4.04% por
período durante el 2012, mientras que en el 2013 crece en promedio de 5% por
período. La tasa promedio de desempleo durante 2012 es de 15.94% mientras que
para el 2013 es de 14.69%. Finalmente, la tasa activa promedio supuesta durante el
2012 es de 15.44%, mientras que para el 2013 la tasa promedio es de 13.83%.
En el segundo escenario, o escenario de crisis, se hace una simulación de
las condiciones macroeconómicas de la magnitud de la crisis bancaria del 20032004, asumiendo que las variables macroeconómicas relevantes para este estudio
se comportarían de la misma manera que como lo hicieron en esos dos años. En
este sentido, este escenario asume que el PIB decrece en promedio de 0.6% por
60
período durante del 2012 y crece un promedio de 1.30% por período durante del
2013. La inflación crece en promedio por 26.70% por período durante el 2012,
mientras que en el 2013 crece en promedio de 46.83% por período. Finalmente, la
tasa activa promedio durante el 2012 es de 16.44%, mientras que para el 2013 la
tasa promedio es de 16.22%.
VII.1 Pruebas de tensión
Las proyecciones para el Sistema Financiero Completo bajo distintos
escenarios macroeconómicos
y los distintos sectores que lo conforman son
presentadas a continuación:
Gráfica 17. Proyecciones Sistema Financiero Completo (Escenario Base y
Escenario de Crisis)
Fuente: Elaboración propia
61
Gráfica 18. Proyecciones Bancos Múltiples (Escenario Base y Escenario de
Crisis)
Fuente: Elaboración propia
Gráfica 19. Proyecciones Asociaciones de Ahorros y Préstamos (Escenario Base y
Escenario de Crisis)
Fuente: Elaboración propia
62
Gráfica 20. Proyecciones Bancos de Ahorros y Créditos (Escenario Base y
Escenario de Crisis)
Fuente: Elaboración propia
Gráfica 21. Proyecciones Corporaciones de Créditos (Escenario Base y Escenario
de Crisis)
Fuente: Elaboración propia
63
Gráfica 22. Cambios Absolutos en el Nivel de Morosidad Ante un Shock del
Escenario de Crisis
Puntos Porcentuales
6.9
4.6
4.3
3.4
2.3
BM
SFC
BAyC
AAyP
CC
Nota: SFC = Sistema Financiero Completo, BM= Bancos Múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorro y Crédito, CC = Corporaciones de Crédito
Fuente: Elaboración Propia
Gráfica23. Cambios Relativos en el Nivel de Morosidad Ante un Shock del
Escenario de Crisis
Puntos Porcentuales
230.0%
139.4%
89.5%
67.2%
18.0%
BM
SFC
AAyP
BAyC
CC
Nota: SFC = Sistema Financiero Completo, BM= Bancos Múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorro y Crédito, CC = Corporaciones de Crédito
Fuente: Elaboración Propia
64
Cuadro 6. Resumen Cambio en el Nivel de
Morosidad Escenario de Crisis
(Puntos Porcentuales)
2003-2004
2012-2013
SFC
8.7
4.5
BM
11
6.9
AAyP
1.7
4.3
BAC
3.2
3.4
CC
2.6
2.3
Nota: SFC = Sistema Financiero Completo, BM= Bancos Múltiples, AAyP = Asociaciones de
Ahorros y Préstamos, BAC = Bancos de Ahorro y Crédito, CC = Corporaciones de Crédito
La gráfica 17 indica que, en el escenario base del Sistema Financiero Completo, la
cartera de mora se reduciría gradualmente en 120 puntos básicos al pasar de 4.5%
al cierre de 2011 a 3.3% al finalizar el año 2013. Mientras que para el escenario de
crisis, el porcentaje de la cartera en mora aumentaría en 340 puntos básicos al
pasar de 4.5% a 7.9% al cierre de 2013. Al comparar estos valores con el nivel de
morosidad experimentada por el sector financiero completo durante la crisis
bancaria del 2003, ésta no llega a alcanzar niveles tan elevados como los
registrados en este período de crisis donde los niveles de morosidad se
incrementaron en 8.7 % hasta llegar a 16.3%.
En el caso específico de los Bancos Múltiples, la cartera de mora se
reduciría gradualmente en 130 puntos básicos al pasar de 4.3% al cierre de 2011 a
3.0% al finalizar el año 2013 para el escenario base. Sin embargo, en el escenario
de crisis, el porcentaje de la cartera en mora aumentaría en 560 puntos básicos al
pasar de 4.3% a 9.9% al cierre de 2013 como se muestra que gráfica 18. Al
comparar estos valores con el nivel de morosidad experimentada por el sector de
65
Bancos Múltiples durante la crisis bancaria del 2003, ésta no llega a alcanzar los
niveles registrados en este período de crisis donde los niveles de morosidad se
incrementaron en 11 puntos porcentuales hasta llegar a 17.16%.
El escenario base en el sector de las Asociaciones de Ahorros y Préstamos,
gráfica 19, revela que la cartera de mora reduciría gradualmente en 80 puntos
básicos al pasar de 4.6% al cierre de 2011 a 3.8% al finalizar el año 2013.
Mientras que para el escenario de crisis, el porcentaje de la cartera en mora
aumentaría en 260 puntos básicos al pasar de 4.6% a 7.2% al cierre de 2013. Al
comparar estos valores con el nivel de morosidad experimentada por el sector de
las Asociaciones de Ahorros y Préstamos durante la crisis bancaria del 2003, nos
damos cuenta de que el sector presenta variaciones absolutas en la mora mayores
que la presentada durante la crisis, indicando que, en la actualidad, el sector es
más sensible a condiciones macroeconómicas adversas. Sin embargo, las
proyecciones del escenario de crisis muestran que el nivel de morosidad no llega a
alcanzar los niveles de 11.17% registrados durante período de 2003-2004.
La gráfica 20, muestra para los Bancos de Ahorros y Créditos que, para el
escenario base, la cartera de mora aumentaría ligeramente en 10 puntos básicos al
pasar de 6.3% al cierre de 2011 a 6.4% al finalizar el año 2013. Mientras que para
el escenario de crisis, el porcentaje de la cartera en mora aumentaría en 440 puntos
básicos al pasar de 4.6% a 10.7% al cierre de 2013. Al igual que pasa con las
Asociaciones de Ahorros y Préstamos, al correr el escenario de crisis, el cambio de
los niveles de morosidad es mayor en 20 puntos básicos al observado en 200366
2004, incrementándose en 3.4 puntos porcentuales.. No obstante, al comparar
estos valores con el nivel de morosidad experimentada por el sector durante la
crisis bancaria del 2003 ésta no llega a alcanzar niveles tan elevados como los
registrados en este período de crisis 18.06%.
El escenario base en el sector de las Corporaciones de Créditos, gráfica 21,
indica que la cartera de mora reduciría gradualmente en 60 puntos básicos al pasar
de 13.4% al cierre de 2011 a 12.8% al finalizar el año 2013. Mientras que para el
escenario de crisis, el porcentaje de la cartera en mora aumentaría en 170 puntos
básicos al pasar de 13.4% a 15.1% al cierre de 2013. Al comparar estos valores
con el nivel de morosidad experimentada por el sector financiero completo durante
la crisis bancaria del 2003 ésta no llega a alcanzar niveles tan elevados como los
registrados en este período de crisis 18.96%.
Al analizar los resultados de forma relativa, la morosidad del Sistema
Financiero Completo presenta un incremento de 139.4% al recibir un shock
negativo similar al ocurrido durante la crisis bancaria del 2003, al realizar una
análisis comparativo del comportamiento entre los diferentes sectores que
componen el sistema financiero encontramos que el sector de
los Bancos
Múltiples, a pesar de ser el sector más supervisado, regulado, y el que menor tasa
de morosidad presenta en la actualidad, es el más vulnerable presentando
incremento de sus niveles de morosidad de aproximadamente 230.0%. Por el
contrario, a pesar de que el resto de las instituciones presentan mayores niveles de
67
morosidad al compararlos con los Bancos Múltiples, estos son menos sensibles al
someterlos al escenario de crisis. Para el caso de las Asociaciones de Ahorros y
Préstamos con un incremento de 89.5%, le sigue el sector de Bancos de Ahorros y
Créditos con un incremento de 67.2%, y finalmente, las corporaciones de ahorros
y créditos presentan un incremento de 18.0%.
Los resultados de las pruebas de estrés, resumidos en el cuadro 6,
demuestran que actualmente tanto el Sistema Financiero Completo como cada uno
de los sectores que lo componen se encuentran en mejores condiciones financieras
que en el momento de esta crisis de 2003-2004 y son capaces de enfrentar
condiciones económicas similares. Esto puede ser resultado de un conjunto de
reformas que se introdujeron al sistema financiero con el objetivo de mejorar la
supervisión y regulación a este tipo de entidades.
68
CAPITULO VIII: RECOMENDACIONES DE POLITICAS
En términos de materia de regulación el seguimiento de los niveles de morosidad
del sistema financiero es importante debido a que es un indicador clave para el
buen desenvolvimiento del sistema financiero. De acuerdo con los principales
resultados de este estudio, las decisiones de políticas económicas de corto y largo
plazo tienen un impacto importante sobre la evolución de la cartera de crédito en
mora.
Los resultados del estudio indican que particularmente para el corto plazo,
los hacedores de política monetaria deben tomar en consideración la alta
sensibilidad de la mora a variaciones de la tasa de interés activa. Este hecho cobra
mayor relevancia para el caso de RD que actualmente implementa un esquema de
política monetaria de Metas de Inflación, el cual utiliza la tasa de interés como su
principal instrumento.
En este sentido, ante la aplicación de una política monetaria restrictiva, las
mayores tasas de interés activas podrían provocar, por efectos de primera vuelta,
un importante deterioro en los niveles de la cartera de crédito en mora, que se
magnificaría ante la disminución en el nivel de actividad económica y el mayor
nivel de desempleo. Por estas razones, es recomendable que en la función de
reacción del Banco Central se eviten cambios abruptos de las tasas de interés y se
de seguimiento a los posibles efectos que puedan tener sobre los indicadores de
solvencia financiera.
69
En otro orden, una política monetaria basada en el esquema de Metas de Inflación,
permiten un mayor nivel de certidumbre para los agentes económicos y permiten
la obtención de inflaciones bajas y estables. Estos factores también contribuirían a
niveles menores de la morosidad de la cartera de crédito.
Para el largo plazo, debido al impacto de las variables del sector real en el
nivel de mora, las políticas económicas debieran enfocarse en fomentar niveles de
crecimiento económico sostenibles que a su vez permitan una reducción en la tasa
de desempleo y consecuentemente la disminución de la cartera de crédito en mora.
70
CAPITULO IX: CONCLUSIÓN
La Superintendencia de Bancos de la República Dominicana (SIBRD, 2012) en su
publicación “Informe de desempeño del sistema financiero 2011” sostiene que el
riesgo crediticio sigue constituyendo el factor que mayor peligro representa para
sistema bancario en RD. Sin embargo, históricamente, en RD el estudio del riesgo
crediticio o niveles de morosidad se ha enfocado desde el punto de vista
microeconómico de las características específicas de las instituciones bancarias
con problemas financieros o quebradas; así como, de las carencias de las entidades
reguladoras y supervisoras del sistema bancario.
Con el objetivo de aportar a la literatura dominicana sobre este tema, se
identificaron los determinantes macroeconómicos que influyen en el nivel de
morosidad de la cartera de crédito del Sistema Financiero Completo y cada uno de
los sectores que lo componen. Para
esto se utilizó técnicas de análisis de
cointegración y modelos de corrección de errores estimando modelos de largo
plazo y corto plazo para los distintos tipos de entidades financieras.
Entre las principales contribuciones de este estudio se encuentra las
respuestas a las preguntas planteadas en la hipótesis donde se determinó que, para
el caso dominicano, el nivel de morosidad se relaciona de forma importante con
variables macroeconómicas como el nivel de actividad económica, desempleo,
inflación y tasas de interés activa. Específicamente, la mora está influenciada en el
largo plazo por las variables de desempleo, actividad económica, inflación y tasa
71
de interés activa mientras que en el corto plazo depende principalmente de las
tasas de interés activa.
Por otro lado, no se identificaron relaciones significativas entre la
volatilidad del tipo de cambio, el volumen del crédito y el ratio de morosidad para
las instituciones de intermediación financieras.
Cumpliendo con el segundo objetivo del estudio, se realizaron
proyecciones en diversos escenarios macroeconómicos adversos para determinar el
comportamiento del nivel de morosidad del Sistema Financiero Completo, los
Bancos Múltiples, las Asociaciones de Ahorro y Préstamos, los Bancos de Ahorro
y Créditos, y las Corporaciones de Créditos
ante cambios en los factores
macroeconómicos.
Los resultados encontrados en las simulaciones realizadas, indican que el
sistema bancario, en cuanto a riesgo crediticio se refiere, se encuentra mejor
posicionado que en los momentos pre-crisis financiera del año 2003. En este
sentido, ante choques macroeconómicos negativos de la misma magnitud de los
ocurridos en el período 2003-2004 las proyecciones señalan que aunque el nivel de
morosidad aumentaría, fuera 8 puntos porcentuales menor que el alcanzado en
aquellos años.
Es importante señalar que este estudio se realizo con un enfoque
macroeconómico de los determinantes del nivel de morosidad. En un siguiente
paso, se podrían fortalecer los resultados encontrados y las recomendaciones con
72
estudios de corte microeconómico que se enfoquen el análisis de utilidad y de
provisiones así como en políticas prudenciales de supervisión y regulación
financiera.
Adicionalmente,
sería de gran utilidad combinar este tipo de análisis
macroeconómico con la utilización de metodologías de análisis probabilísticos de
ocurrencia de incumplimiento de las obligaciones crediticias y la estimación de
pérdidas efectivas para las entidades financieras.
Por último, trabajos futuros pudieran enfocarse a tratar de identificar el
impacto que tendrían las variables macroeconómicas internacionales en los
indicadores de solvencia de las entidades nacionales, en un contexto de una mayor
apertura e interconexión de los sistemas financieros y las economías en general.
73
CAPITULO X: BIBLIOGRAFÍA
Aguilar, G; Camargo, G. y Morales, R. (2004). Análisis de la morosidad en el
sistema bancario peruano. Instituto de Estudios Peruanos, Lima, Perú,
octubre, (Informe final de investigación).
Arentsen, E.; Mauer, D.; Rosenlund, B.; Zhang, H. y Zhao,F. (2012). Subprime
mortgage defaults and credit default swaps. AFA 2013 San Diego Meetings
Paper, [en linea]. Recuperado 30 de julio, 2012 en http://finance.sauder.
ubc.ca/conferences/summer2012/files/papers/Mauer_CDSMS_Jan_1_2012.p
df
Banco Central de la República Dominicana (2004). FMI: Crisis como la de
Baninter anulan el beneficio del crecimiento económico, noviembre,
(opinión), [en línea]. Recuperado julio 20, 2012, de http://www.bancentral.
gov.do/opiniones.asp?a=opiniones2004-11-03
Banco Central de la República Dominicana. (2012). Normativas del Sector
Financiero . Recuperado el 10 de junio de 2012, de http://www.
bancentral.gov.do/ normativa.asp?a=Leyes_afines
Bencosme, P. (2006). El canal del crédito bancario en la economía dominicana.
En Banco Central de la República Dominicana (Comp.), Nueva Literatura
Económica Dominicana (pp. 147-204). República Dominicana.
Davis, E. P. (1992). Debt, Financial Fragility, and Systemic Risk. Clarendon
Press. Digital.
Delgado, J. y Saurina, J. (2004). Riesgo de crédito y dotaciones a insolvencias: Un
análisis con variables macroeconómicas. Dirección General de Regulación
del Banco de España, (documentos de trabajo), [en linea]. Recuperado 20 de
junio 2012 en: www.cervantesvirtual.com/descargaPdf/moneda-y-credito-24/
Demirgüç-Kunt, A. y Detragiache, E. (1998). The determinants of banking crises
in developing and developed Countries. Staff Papers International Monetary
Fund, 45, marzo, pp. 81–109.
Díaz, O. (2010). Determinantes del ratio de morosidad en el sistema financiero
boliviano. Banco Central de Bolivia, (documentos de trabajo), [en
linea].Recuperado julio 10, 2012 de http://www.bcb.gob.bo/3eeb/sites/
default/files/Papers%203EEB%20-%20CD/OscarDiazDeterminantes%
20del%20 ratio%20de%20morosidad.pdf
74
Dickey, D. y Fuller, W. (1979). Distribution of the estimators for autoregressive
time series with a unit root. Journal of the American Statistical Association,
74, pp. 427–431.
Engle, R. y Granger C. (1987). Cointegration and Error Correction:
Representation, Estimation, and Testing. Econometrica, 55, pp.251-76.
Federal Reserve Bank of St. Louis. (2012). Federal Reserve Economic Data.
Recuperado el 10 de agosto de 2012 en http://research.stlouisfed.
org/fred2/tags/series
Fondo Monetario Internacional y Banco Mundial (2003). “Financial Sector
Assessment Program Review, Lessons, and Issues Going Forward”.
Recuperado 10 de junio, 2012 disponible en http://www1.worldbank.
org/finance/assets/images/ 022403.pdf
Freixas, X. y Rochet, J. (1998). Microeconomics of Banking, (2daed).Cambridge,
Massachusetts: The MIT Press.
Freixas, X.; De Hevia, J. y Inurrieta, A. (1994).Determinantes macroeconómicos
de la morosidad bancaria: un modelo empírico para el caso español. Moneda
y Crédito,199, pp. 125-156.
Granger, C. y Newbold, P. (1974).Spurious regressions in econometrics. Journal
of Econometrics,16, pp. 211-244.
Granger, C. (1981).Some properties of time series data and their use in
econometric model specification. Joumal of Econometrics, 16, pp. 121-130.
Gutierrez Rueda, J. y Vásquez, D. (2008). Un análisis de cointegración para el
riesgo de crédito.Banco de la República de Colombia, (documento de
trabajo), [en linea]. Recuperado 30 de julio, 2012 en http://www.banrep.
gov.co/documentos/publicaciones/report_estab_finan/2008/cointegracion.pd
f
Guzmán, J.; Livacic, E.; Claudio, M. y Ortiz, M. A. (2005). Informe del panel de
expertos internacionales: Crisis bancaria Republica Dominicana. Banco
Central de la Republica Dominicana, (informe), [en línea]. Recuperado nov
1, 2012 de http://www.bancentral.gov.do/fmi/ informecb.pdf
Hardy, D. y Pazarbasioglu, C. (1999). Determinants and leading indicators of
banking crises: further evidence. Staff Papers International Monetary Fund,
46, Septiembre, pp. 247-258
75
Hodrick, R. y Prescott, E. (1997).Postwar U. S. Business Cycles: An Empirical
Investigation. Journal of Money and Credit Banking. 2, pp. 1-6
Johnson, C. (2005). Modelos de alerta temprana para pronosticar crisis
bancarias: Desde la extracción de señales a las redes neuronales. Revista de
Análisis Económico, 20 (1), pp. 95-121.
Jones, M.; Hilbers, P. y Slack, G. (2004). Stress Testing Financial Systems: What
to Do When the Governor Calls. Fondo Monetario Internacional. Documento
de trabajo No. 04/127
Ministerio de Economía Planificación y Desarrollo. (junio de 2012). Marco
Macroeconómico 2012-2013 (revisado a junio 2012). Recuperado el 30 de
junio de 2012, de http://www .stp.gov.do/eWeb/ShowFiles.aspx?id=19
Muñoz, J. (1999). Calidad de la cartera del sistema bancario y el ciclo económico:
una aproximación econométrica para el caso peruano. Revista de Estudios
Económicos, 4, pp. 107-118. [En línea]. Recuperado 10 de junio del 2012
de: http://www. bcrp.gob.pe/publicaciones/revista-estudioseconomicos/ejemplares-publicados. html
Salas, V. y Saurina, J. (2002). Credit risk in two institutional regimes: Spanish
commercial and savings banks. Journal of Financial Services
Research,22(3), pp. 203-224.
Saurina, J. y Jiménez, G. (2006). Credit cycles, credit risk, and prudential
regulation. International Journal of Central Banking, 2 (2), julio, pp. 65-98.
Ley No.183–02, Monetaria y Financiera del 21 de noviembre del 2002. En
Gaceta Oficial No. 10187. Poder Legislativo República Dominicana.
Saurina, J. (1998). Determinantes de la morosidad de las cajas de ahorros
españolas. Investigaciones Económicas, 22 (3), pp. 393-426.
Sorge, M. y Virolainen, K. (2006). A comparative analysis of macro
stress-testing methodologies with application to Finland. Journal of
Financial Stability, 2006 (2), pp. 113–151.
Soto Jimenez, M. y Chacón Yong, M. (2011). Ciclo economico-financiero y el
comportamiento de l la morosidad bancaria en el corto plazo: Un analisis
exploratorio para Costa Rica en el período reciente.Universidad de Costa
Rica, Instituto de Investigaciones y Ciencias Económicas, (documento de
trabajo), [en linea]. Recuperado 30 de julio, 2012 en http://www.iice.ucr.
ac.cr/MORA% 20BANCARIA%20IICE%20INFORME%20FINAL.pdf
76
Superintendencia de Bancos de la República Dominicana. (2012). Informe de
desempeño del sistema financiero 2011. Santo Domingo, República
Dominicana, (informe), [en linea]. Recuperado julio 10, 2012 de
http://www.sb.gob.do/? page_id=2463
Superintendencia de Bancos de la República Dominicana. (2011). La banca en
República Dominicana ayer y hoy. Santo Domingo, República Dominicana,
(publicación), [en linea]. Recuperado julio 15, 2012 de:
http://www.sb.gob.do/pdf/La-Banca-en-Republica-Dominicana-Ayer-yHoy.pdf
Veloz, A. (2007a). Determinantes de fragilidad en el sistema bancario de la
República Dominicana: Alertas tempranas en un modelo logit. Ciencia y
Sociedad, 32 (4), pp. 489-504.
Veloz, A., y Georgina, B. (2007b). Determinantes de fragilidad del sistema
bancario en la República Dominicana: Una aplicación micro-macro de
modelos de alerta temprana. Ciencia y Sociedad, 32 (001), pp. 69-87.
Vallcorba, M. y Delgado, J. (2007). Determinantes de la morosidad bancaria en
una economía dolarizada. el caso uruguayo. Dirección General de
Regulación del Banco de España, (documentos de trabajo), [en linea].
Recuperado 30 de julio, 2012 en http://papers.ssrn.com/sol3/
papers.cfm?abstract_id=1003765
Wadhwani, S. B. (1986). Inflation, bankruptcy, default premia and the stock
market. The Economic Journal, 96, pp. 120-138.
77
ANEXO 1 ESTADÍSTICOS DESCRIPTIVOS DE LAS
VARIABLES DE LOS MODELOS
Promedio
Mediana
Máximo
Mínimo
Dev. Std.
Asimetría
Curtosis
Jarque-Bera
Probabilidad
Observaciones
Cuadro 7. Sistema Financiero Completo
π
σ
í
Ф
K
Y
7.00 13.29 4.17 11.16 6.42
21.9
6.09 13.28 4.33 11.14 0.11 20.87
16.3 13.98 4.69 11.55 73.7 34.27
4.00 12.69 3.4 10.87 0.00 11.02
2.68 0.42 0.43
0.2
16.62 6.66
1.28 0.09 0.61 0.22
2.91
0.25
4.66 1.59 1.81 1.67 10.69 1.82
T
15.66
15.55
19.70
13.90
1.44
0.86
3.15
18.62
0
3.45
0.18
5.96
0.05
3.93
0.14
186.04
0
3.33
0.19
6.08
0.05
46
41
49
48
48
49
49
Cuadro 8. Bancos Múltiples
Cuadro 9. Asociaciones de
Ahorros y Préstamos
Promedio
Mediana
Máximo
Mínimo
Dev. Std.
Asimetría
Curtosis
í
Ф
6.68 21.9
5.64 20.87
17.16 34.27
3.69 11.02
2.86 6.66
1.53 0.25
5.55 1.82
Promedio
Mediana
Máximo
Mínimo
Dev. Std.
Asimetría
Curtosis
í
Ф
19.01 6.62
18.56 5.69
27.71 11.74
12.47 3.66
4.54 2.19
0.44 0.93
2.16 2.76
Jarque-Bera
Probabilidad
30.4
0
3.33
0.19
Jarque-Bera
Probabilidad
3.07
0.21
6.8
0.03
46
49
46
49
Observaciones
Observaciones
Fuente: Elaboración propia
78
Cuadro 10. Bancos de Ahorros
y Créditos
Promedio
Mediana
Máximo
Mínimo
Dev. Std.
Asimetría
Curtosis
í
Ф
32.61 10.61
31.48 8.79
43.88 18.06
21.63 4.56
5.03 3.77
0.57 0.31
2.82 1.67
Jarque-Bera
Probabilidad
2.7
0.26
4.23
0.12
46
49
Observaciones
Cuadro 11. Corporaciones de
Créditos
Promedio
Mediana
Máximo
Mínimo
Dev. Std.
Asimetría
Curtosis
Ф
33.29
33.07
41.39
28.77
3.06
0.82
3.65
32.61
31.48
43.88
21.63
5.03
0.57
2.82
Jarque-Bera
Probabilidad
6.36
0.04
2.7
0.26
46
49
Observaciones
Fuente: Elaboración propia
79
í
ANEXO 2
MODELOS DE CORRECCIÓN DE ERROR Y SUS
RESPECTIVAS PRUEBAS
Cuadro 12. MCE Sistema Financiero Completo y Bancos Múltiples
Variables
SFC
BM
Coeficiente
Coeficiente
C
**
**
-0.004
-0.006
δ * ɛlp
*
*
-0.361
-0.459
**
*
0.426
0.661

--------- 0.172
*

--------- 0.158
*

Y
----------------ί
**
0.031
0.070
*
π
**
0.041
--------T
----------------0.955
0.964
R-cuadrado
R-cuadrado
ajustado
Durbin Watson
Pruebas al
modelo
Normalidad
Correlación serial
Heterocedastidad
Estabilidad
0.941
2.005
Pv
0.737
0.91
0.43
0.509
*Significativos al 5%
**Significativos al 10%
*** No significativo
Fuente: Elaboración propia
80
0.952
1.865
Pv
0.12
0.63
0.59
0.15
Cuadro 13. MCE Asociaciones de Ahorros y Préstamos y
Bancos de Ahorros y Créditos
Variables
C
δ * ɛlp




Y
ί
ί(-2)
π
T
R-cuadrado
R-cuadrado
ajustado
AAyP
coeficiente
*
-0.004
*
-0.358
0.661
0.228
0.390
------------0.1671
--------0.84
Durbin Watson
Pruebas al
modelo
Normalidad
Correlacion serial
Heterocedastidad
Estabilidad
0.79
2.27
*
*
*
------------**
-----------------
Pv de tests
0.35
0.17
0.21
0.46
Fuente: Elaboración propia
81
BAC
coeficiente
0.003 ***
*
-0.216
------------0.262
--------0.167
--------0.73
------------*
-----------------
0.67
2.26
Pv de tests
0.98
0.61
0.91
0.49
Cuadro 14. MCE Corporaciones de Crédito
Variables
CC
coeficiente pv
C
***
-0.025
δ * ɛlp
*
-0.460
--------
Y
--------ί(-2)
--------π
--------T
--------R-cuadrado
0.27
----R-cuadrado
ajustado
0.13
----Durbin Watson
1.98
Pruebas al
Pv de tests
modelo
Normalidad
0.004
Correlacion serial
0.86
Heterocedastidad
0.50
Estabilidad
0.46
Fuente: Elaboración propia
82
83