Risk- taking channel en Colombia

Texto completo

(1)Risk-Taking Channel1 en Colombia Tesis para Grado de Magíster en Economía – PEG. Felipe Martínez del Castillo 2 Asesor: Luis Alberto Zuleta J.. Mayo 2012, Bogotá, Colombia. Resumen El Risk-Taking Channel explica cómo períodos prolongados de tasas de intervención bajas pueden afectar la manera cómo el sector bancario decide asignar un mayor riesgo a su portafolio de créditos. Esta investigación busca analizar el efecto de este canal en Colombia en tres períodos del tiempo: 2002 – 2012, pre-Crisis y post-Crisis Sub-Prime. En el año 2010, el Banco de la República mantuvo la tasa de intervención nominal en 3%, la tasa más baja a la que se ha llegado en la última década. Esto pudo haber ocasionado que el costo de los recursos financieros disminuyera, explicando una de las razones por la que las entidades bancarias actualmente decidieran por colocaciones de mayor riesgo. Palabras claves: Risk-Taking Channel, Tasa de Intervención, Asignación de Riesgo, Sector Bancario. 1. Risk-Taking Channel es en la literatura el canal que explica como una tasa de intervención baja reduce los costos de captación de recursos, aumentando los niveles de colocación y por ende, la asignación de riesgo a los portafolios de crédito de las entidades bancarias de una economía. 2 Estudiante PEG, Universidad de los Andes. Correo electrónico: [email protected]. 1.

(2) 1. Introducción. La tasa de intervención del Banco Central se ha venido utilizando como herramienta de política monetaria para controlar los niveles liquidez en una economía, disminuyendo o aumentando la cantidad de dinero en el mercado. Recientes investigaciones económicas han demostrado que existe un efecto que la política monetaria no había tenido en cuenta y que hoy en día genera gran interés: el efecto de la tasa de intervención sobre las preferencias por el riesgo de las entidades bancarias. Este canal, denominado Risk-Taking Channel, explica cómo la tasa de intervención puede afectar el nivel de riesgo que los bancos deciden aplicar cuando colocan su portafolio de créditos.. Borio y Zhu (2008) explican cómo el efecto de la liberalización financiera de las últimas décadas ha afectado el nivel de riesgo que los bancos asumen cuando colocan nuevos créditos. Los autores explican tres canales de trasmisión que afectan a la economía, a saber: . Impacto de la tasa de interés en valoraciones, ingresos y flujos de caja: tasas de interés muy bajas aumentan el valor de los activos, colaterales, ingresos y utilidades de los agentes. En el momento de otorgar nuevos créditos, el cambio en la percepción de los agentes puede ocasionar una reducción en la asignación de riesgo sobre los créditos.. . Relación entre tasas de retorno de mercado y rendimientos esperados de los inversionistas: los fondos de pensión y empresas aseguradoras pueden tener contratos que vencen en el largo plazo y que tienen unos niveles de tasa de interés previamente asignados. Si la tasa de intervención se reduce, puede afectar los rendimientos esperados de estas entidades y cambiar los niveles de riesgo asignados a este tipo de actividades.. . Función de reacción del Banco Central y políticas de comunicación: la transparencia que el Banco Central muestre en sus políticas de corto y mediano plazo, puede terminar afectando la credibilidad de sus decisiones en el mercado e influenciar la elección de riesgo de las entidades bancarias.. La teoría planteada por Borio y Zhu es posteriormente utilizada como sustento para investigaciones empíricas que buscan profundizar en los efectos del Risk-Taking Channel y 2.

(3) explicar el desarrollo de la Crisis Sub-Prime en Estados Unidos, como es el caso de Gambacorta (2009). Este autor plantea que existen dos mecanismos: mediante la relación entre tasas de retorno de mercado y rendimientos esperados de los inversionistas y el efecto de la tasa de interés en valoraciones, ingresos y flujos de caja (en concordancia con por Borio y Zhu). Gambacorta encuentra que existe una relación positiva y significativa entre los periodos en los cuales la tasa de interés está por debajo del promedio natural y el aumento en la probabilidad de que los bancos incumplan en sus obligaciones. Así mismo, el crecimiento del PIB nominal, la pendiente de la curva de los bonos del Tesoro de Estados Unidos, los precios de la vivienda y la expansión crediticia, presentan una relación positiva en la manera como los bancos optan por negocios de mayor riesgo.. La crisis Sub-Prime fue el principal detonador para que economistas como Gambacorta y Adrian y Shin empezaran a investigar sobre el manejo que se le había dado a la política monetaria de Estados Unidos en la última década. El gráfico que se presenta a continuación hace una comparación entre la tasa de intervención nominal de Estados Unidos y de Colombia. Gráfico 1: Comportamiento de la Tasa de Intervención Nominal (2001Q1 – 2012Q1) 12% 10% 8% Colombia. 6%. Estados Unidos 4%. Crisis. Sub-Prime. 2%. 2007 Q2 – 2008 Q4. 0%. Fuente: Reserva Federal de Estados Unidos (FED) y Banco de la República de Colombia. 3.

(4) Resulta interesante comparar el estado de las tasas de intervención de Estados Unidos y Colombia en el momento previo a la crisis, aunque ambas venían aumentando, los niveles de la tasa de intervención en Colombia eran mucho más altos que los de Estados Unidos. En agosto de 2007, momento en que estalla la crisis en Estados Unidos con la quiebra de Bear Stearns, la tasa de intervención de Colombia se encontraba cuatro puntos por encima de la tasa de la FED. La tasa de interés del Banco de la República siguió creciendo hasta llegar a su máximo nivel en octubre de 2008. En este momento la diferencia de tasas era ocho puntos porcentuales, generando una diferencia sustancial en el precio de los recursos de financiación del sector bancario. Es importante entender que la mayoría de las veces los agentes de la economía no ajustan sus preferencias de una manera inmediata; por lo tanto, el punto anterior resalta la gran diferencia entre tasas al momento de explotar la crisis pero no explica el origen de este fenómeno. Para entender la situación real sin la ilusión monetaria del dinero, se analiza la tasa de intervención eliminando los efectos inflacionarios. El gráfico a continuación muestra como Estados Unidos entre los años 2002 – 2005 y 2008 – 2012, mantiene niveles de tasa de intervención negativos, mientras que Colombia solo mantuvo esta tendencia entre 2002 y 2003. Gráfico 2: Comportamiento de la Tasa de Intervención Real (2001Q1 – 2012Q1) 5% 4% 3%. Colombia. 2% Estados Unidos. 1% 0%. Crisis. -1%. Sub-Prime 2007 Q2 – 2008 Q4. -2% -3%. Período de Riesgo 2002 Q2 – 2005 Q2. -4% -5%. Fuente: Reserva Federal de Estados Unidos (FED) y Banco de la República de Colombia. 4.

(5) Para Estados Unidos, un período de casi tres años con una tasa de intervención real negativa (2002 – 2005) pudo haber incentivado que las entidades bancarias de este país solicitaran mayor cantidad de recursos a un menor costo. Al tener mayores recursos disponibles, se ha podido generar una colocación descontrolada de créditos, afectando la valoración del riesgo de los agentes. La posterior negociación de créditos entre 2005 – 2007, se realizó teniendo en cuenta la información disponible en el mercado, la cual no reflejaba el nivel real de riesgo y esto pudo haber sido el factor que generó la Crisis Sub-Prime en 2007 Q2. Colombia a diferencia de Estados Unidos no duró mucho tiempo en esta fase y pudo haber sido uno de los factores que evitó una crisis financiera como la Sub-Prime.. Sin embargo, desde octubre de 2008 el Banco Central de Colombia optó por ejecutar una política monetaria expansiva, hasta mayo de 2010 donde la tasa de intervención nominal llegó al 3% (el nivel mas bajo de la última década). Desde este período hasta mediados de 2011 la tasa de intervención real estuvo cercana al 0%, por lo que resulta interesante analizar si los bancos en Colombia interiorizaron este factor y pudieron haber modificado sus preferencias por negocios de mayor riesgo, como ocurrió en Estados Unidos en el período anterior a la crisis.. En Colombia, López et al (2011) investigan si existe una relación entre la tasa de interbancaria y la asignación de riesgo del sector bancario. Los autores analizan los siguientes canales: . La tasa que fija el Banco Central afecta la voluntad y capacidad de los consumidores en el momento de asumir riesgo. Esto lo miden a través de la probabilidad que los agentes incumplan sus obligaciones bancarias.. . El efecto entre la tasa interbancaria y la oferta de crédito, dado que esta tasa puede afectar ciertos componentes del balance general de las entidades bancarias.. Para analizar si estos canales tienen validez en Colombia, los autores utilizan un modelo de duración sobre el tiempo que un préstamo se demora en cambiar de vigente a vencido. Las cuatro variables incluidas son: tasa de intervención, variables financieras de cada banco, variables específicas de préstamos individuales y variables macroeconómicas. 5.

(6) López et al encuentran que en la medida que la tasa de interés es menor, se reduce el tiempo en que los préstamos nuevos pasan a estar vencidos. Adicionalmente encuentran que los deudores que en el pasado han entrado en default tienen una mayor probabilidad de repetirlo; los bancos reaccionan frente a esta situación asignando una mayor tasa de interés en los nuevos créditos. Esta investigación busca complementar la teoría del trabajo de López et al, utilizando el canal de transmisión planteado por Gambacorta (2009) para Estados Unidos y aplicándolo para el caso colombiano. Para explicar este canal, primero debemos entender la relación que existe entre la tasa de intervención del Banco Central y el negocio de un banco comercial. En la medida en que el Banco Central aumenta o reduce la tasa de intervención, está modificando la tasa de interés mínima que cobra a las entidades bancarias por los préstamos que les hace, o la tasa de interés máxima que paga por recibirles dinero sobrante.3 Si la velocidad de circulación del dinero permanece constante, el cambio en la cantidad de dinero en la economía afecta el nivel de precios y de esta manera el Banco Central tiene injerencia sobre la inflación (Teoría Cuantitativa del Dinero).. El negocio de un banco comercial consiste en obtener el mayor margen financiero a través de una colocación eficiente de recursos que ha venido captando. Las entidades bancarias deben tener disponibilidad de dinero para lograr esto, que por lo general proviene de diferentes fuentes de fondeo, a saber: 1. Su propio capital 2. Captaciones 3. Mercado Interbancario (financiamiento entre entidades bancarias) 4. Banco Central (financiamiento con el Banco Central) Cuando en una economía hay baja liquidez y las entidades bancarias han agotado las tres principales fuentes de fondeo, recurren al Banco Central para obtener recursos que posteriormente puedan colocar. La tasa de intervención es el precio al cual el Banco Central financia estos recursos. Cuando la tasa de intervención es muy baja, el costo para obtener el 3. Definición Tasa de Intervención. Banco de la República de Colombia.. 6.

(7) dinero se reduce, propiciando que los bancos comerciales puedan adquirir una mayor oferta de recursos. Un aumento en la cantidad de dinero disponible para colocación puede generar incentivos perversos, dado que el banco puede expandir su portafolio de créditos descontroladamente, sin tener en cuenta los niveles de riesgo que se están asumiendo. El gráfico a continuación sintetiza lo descrito anteriormente:. Gráfico 3: Ilustración del Risk-Taking Channel – Sector Bancario. Tasa de intervención baja (prolongada). Reducción costos de financiación. Aumenta la oferta de recursos para colocación. Colocación sin el control adecuado. Mayor riesgo en los portafolios del sector bancario. Fuente: diseño y metodología planteada en esta investigación. Esta investigación se basa en el modelo planteado por Gambacorta (2009) para encontrar si el canal planteado anteriormente realmente existe. A diferencia de la investigación de López et al., este es un modelo que analiza la manera como el nivel de cartera vencida es afectado por la tasa de interés del Banco Central. Así mismo, esta investigación divide el análisis en tres momentos del tiempo para investigar si las entidades bancarias en Colombia han modificado la manera como reaccionan frente al riesgo en el período posterior a la crisis Sub-Prime.. En la sección 2 se explica en mayor detalle la metodología detrás de esta investigación, el modelo empírico y el tratamiento de la base de datos; en la sección 3 se explican los resultados obtenidos y la motivación detrás de estos; en la sección 4 se encuentras las conclusiones y recomendaciones de política; la sección 5 es la bibliografía; y finalmente en la sección 6 se encuentran los anexos, donde se explica en detalle la metodología detrás de la creación de cada variable y las estadísticas descriptivas. 7.

(8) 2. Metodología. Esta investigación toma como base el modelo econométrico desarrollado por Gambacorta (2009), el cual es un panel que contiene variables macroeconómicas y estados financieros de las entidades bancarias. Para determinar cuales son las principales variables que afectan la asignación de riesgo del sector bancario en Colombia, se divide el análisis en tres momentos del tiempo: . Muestra completa (2002 Q2 – 2011 Q4): tiene el fin de analizar si en la última década la tasa de interés de intervención afectó el índice de cartera vencida del sector bancario colombiano.. . Anterior a la crisis Sub-Prime (2002 Q2 – 2007 Q2): busca comparar el caso colombiano con los resultados obtenidos por Gambacorta en el mismo período de tiempo; pretende analizar si Colombia se encontraba en una situación macroeconómica y financiera parecida a la de Estados Unidos antes de la Crisis Sub-Prime.. . Posterior a la crisis Sub-Prime (2008 Q4 – 2011 Q4): busca analizar la situación actual del sector bancario en Colombia y compararla con lo encontrado en el período anterior, para ver si los bancos han modificado sus preferencias por la asignación de riesgo.. 2.1. Modelo Empírico. Al basarnos en el modelo de Gambacorta, utilizamos un panel econométrico estimado con mínimos cuadrados ordinarios. El modelo tiene dos tipos de variables: información macroeconómica de Colombia que le agrega el componente de serie de tiempo y los indicadores financieros de cada uno de los quince (15) bancos analizados durante el mismo período (panel). Sin embargo, el modelo planteado en esta investigación contiene variaciones en las especificaciones debido a que se ajustó al tipo de información disponible en Colombia.4. 4. Variable dependiente Expected Default Frecuency (EDF) vs. Índice de Cartera Vencida: Gambacorta (2009) utiliza el cambio en la EDF como variable dependiente. Este indicador es construido por la agencia calificadora de riesgo Moody’s para cada banco del sector financiero de Estados Unidos. Actualmente Moody’s no realiza este análisis para las entidades bancarias en Colombia, por lo que fue necesario recurrir a la información disponible en la Superintendencia Financiera y construir el indicador de variación de la cartera vencida.. 8.

(9) A diferencia que el de Gambacorta, este modelo tiene como variable dependiente el cambio en la cartera vencida como participación del total de créditos. La variable principal es el número de períodos consecutivos en que la tasa de intervención real se encuentra por debajo de una tasa de referencia. Vale la pena tener en cuenta que puede existir endogenidad entre la cartera vencida y el nivel de la tasa de intervención, dado que el Banco de la República analiza este indicador a la hora de fijar esta tasa. Sin embargo, como en este modelo se está analizando el número de períodos consecutivos por debajo de una tasa de referencia, se está buscando incorporar una proxy para eliminar el efecto de endogenidad.. Así mismo, cuando el Banco de la República analiza el índice de cartera vencida, lo está haciendo ex-post dado que no sabe cómo se va a desarrollar este indicador en el futuro. Este modelo aprovecha esta limitación e incorpora el análisis de la cartera vencida en diferentes momentos del tiempo, rezagando la variable desde dos y hasta cuatro períodos.. Otro punto que se tiene de diferencia con el de Gambacorta es que el modelo de esta investigación incluye una variable que mide los créditos de consumo como proporción de los créditos totales. La motivación detrás de incluir esta variable consiste en tratar de aislar los efectos del canal deseado, para poder tener un análisis mas claro de la variable de interés. La tasa de intervención no necesariamente debe afectar la tasa de los créditos de consumo, dado que estos por lo general son de costo variable y tienden al máximo nivel permitido por la economía.. La especificación del modelo y la tabla con la explicación de las variables son las siguientes: ∆. ∆. , ,. ,. ,. ,. ,. Donde representa el tiempo o período de la variable, las diferentes entidades bancarias y es el error de la muestra que se distribuye normal. 9.

(10) Tabla 1: Definición de las Variables del Modelo Variable. Definición Variable dependiente: cambio en la cartera vencida de cada banco como participación en el total de créditos, en diferentes momentos del tiempo. ∆. Número de períodos consecutivos que la tasa de intervención real del Banco de la República5 se encuentra por debajo de una tasa de referencia Crecimiento del PIB real Precios de vivienda nueva ∆. Cambio en los retornos del IGBC Rendimiento de los activos de los bancos Proporción de los activos de cada banco con respecto al total de la muestra Relación del patrimonio / activos de los bancos Expansión de los créditos de los bancos en comparación con el promedio el crecimiento del total de la muestra Participación de los créditos de consumo en el total de créditos del banco Error de la muestra. Fuente: Gambacorta (2009) y cálculos del Autor. ∆ - Representa la variación en la variable planteada (período actual – período anterior / período anterior). Por otro lado, Gambacorta en su modelo econométrico utiliza repetidas variables financieras que incluyen el nivel de activos en su estructuración. Para prevenir problemas de multicolinealidad se hizo un análisis de correlaciones cruzadas para ver si alguna de las variables incluidas en este modelo presentaban este problema. Fue necesario eliminar la variable Liquidez de la especificación del modelo porque generaba problemas de multicolinealidad.6. 5. En esta investigación se decidió utilizar la tasa de intervención real porque al incorporar la tasa nominal en el modelo, el efecto de la tasa de inflación terminaba afectando el crecimiento de la cartera vencida; gracias a la ilusión monetaria del dinero, no se lograba identificar el efecto neto de la tasa de intervención sobre la cartera vencida. 6 No se pudo encontrar componentes principales para solucionar este problema porque se seguía presentando el problema de correlación entre la nueva variable generada y las otras variables explicativas del modelo.. 10.

(11) 2.2. Datos. La información utilizada en esta investigación proviene principalmente del Departamento Administrativo Nacional de Estadística (DANE), el Banco de la República (Banrep), la Bolsa de Valores de Colombia (BVC) y la Superintendencia Financiera de Colombia (Superfinanciera). Las estadísticas macroeconómicas tienen una periodicidad trimestral a partir del 2Q de 2002, lo que resulta en un total de 39 observaciones hasta el cierre del año 2011. La muestra no empieza dese el primer trimestre de 2001 porque la Bolsa de Valores de Colombia se incorporó a partir de Julio de 2001, por lo tanto el Índice General de la Bolsa de Valores de Colombia (IGBC) solo está disponible a partir del 3Q de este año.. Así mismo, se analizaron los veintitrés (23) bancos que aparecen registrados como establecimientos bancarios en la Superfinanciera, pero se eliminaron los bancos que no tenían registros desde 2001 o por alguna otra razón explicada mas adelante en esta investigación. Las entidades bancarias eliminadas de la muestra fueron las siguientes:. Tabla 2: Establecimientos Bancarios Eliminados del Análisis Establecimiento Bancario. Fecha del Registro Inicial. Banco Falabella S.A.. Octubre de 2005. Banco Procredit. Mayo de 2008. Bancamía. Octubre de 2008. WWB S.A.. Diciembre de 2010. Bancoomeva. Febrero de 2011. Scotia Bank Colombia. Abril de 1995 (*). Banco Pichincha S.A.. Abril de 1995 (**). Banco Finandina S.A.. Abril de 1995 (**). Fuente: Superintendencia Financiera de Colombia (Superfinanciera) (*) Nota: El Scotia Bank fue eliminado de la muestra porque no registra el indicador de Cartera Vencida desde Diciembre de 2002. (**) Nota: estas entidades eran compañías de financiamiento comercial que se convirtieron en establecimientos bancarios.. 11.

(12) Para los quince (15) bancos de la muestra, la Superintendencia Financiera presenta información y registros constantes en el tiempo, manteniendo la homogeneidad de la información, así se presenten fusiones y adquisiciones.. La tabla a continuación muestra los bancos comerciales incluidos en el análisis y la participación de sus activos con respecto al total de la muestra:. Tabla 3: Establecimientos Bancarios Utilizados en el Análisis Activos Totales, COP Millones (Enero 2012). Participación de Activos en la Muestra (Enero 2012). Bancolombia S.A.. $ 60.666.925. 21,19%. Banco de Bogotá. $ 42.636.936. 14,89%. Banco Davivienda S.A.. $ 35.572.958. 12,42%. BBVA Colombia. $ 25.432.484. 8,88%. Banco de Occidente. $ 20.765.228. 7,25%. Banco Agrario de Colombia S.A.. $ 16.481.016. 5,76%. Banco Popular S.A.. $ 15.108.705. 5,28%. Red Multibanca Colpatria S.A.. $ 13.227.744. 4,62%. Helm Bank S.A.. $ 11.784.400. 4,12%. Banco GNB Sudameris S.A.. $ 9.909.691. 3,46%. BCSC S.A.. $ 9.023.622. 3,15%. Citibank – Colombia. $ 8.067.793. 2,82%. Banco Comercial AV Villas S.A.. $ 7.860.682. 2,75%. Banco Santander Colombia S.A.. $ 7.462.329. 2,61%. HSBC Colombia S.A.. $ 2.362.629. 0,83%. $ 286.363.141. 100,00%. Establecimiento Bancario. Total. Fuente: Superintendencia Financiera de Colombia (Superfinanciera), Cálculos del Autor. 12.

(13) Al hacer un análisis preliminar sobre la cartera vencida del sector bancario en Colombia, podemos ver que ha venido aumentando durante los últimos diez años (en términos absolutos). Sin embargo, al analizar en mayor profundidad el desarrollo de esta variable con respecto a los créditos totales, se puede ver que este indicador ha ido disminuyendo en la última década. Esto es importante tener en cuenta, porque el regulador no solo está interesado en analizar los niveles absolutos de la cartera vencida, sino el crecimiento con respecto al total de créditos. Esto puede alarmar a los agentes de un posible aumento en la asignación de riesgo del sector bancario. El gráfico a continuación muestra lo descrito anteriormente: Gráfico 4: Evolución de Cartera Vencida de la Muestra (2001Q1 – 2012Q1). nov-11. jun-11. ago-10. ene-11. oct-09. mar-10. may-09. jul-08. dic-08. feb-08. sep-07. abr-07. jun-06. nov-06. 0% ago-05. 0 ene-06. 2%. oct-04. 1.000.000. mar-05. 4%. may-04. 2.000.000. jul-03. 6%. dic-03. 3.000.000. feb-03. 8%. sep-02. 4.000.000. abr-02. 10%. jun-01. 5.000.000. nov-01. 12%. ene-01. 6.000.000. Fuente: Superintendencia Financiera de Colombia. En la sección 6 de esta investigación, se muestra una tabla con las estadísticas descriptivas y la metodología de las variables. Por ejemplo, la cartera vencida tiene en promedio una disminución del 2% a lo largo de la muestra, lo cual tiene sentido con lo expuesto en el gráfico anterior. Este es un indicador que muestra que los bancos en Colombia han venido asegurando su colocación de créditos, pero esto no explica si hoy en día los bancos han modificado sus preferencias. Para poder resolver esta pregunta, en la sección 3 encontrarán los resultados de esta investigación.. 13.

(14) 3. Resultados. Para poder incorporar la variable del número de períodos consecutivos por debajo de la tasa de intervención de referencia, se fijaron tres niveles diferentes para poder compara entre sí y asegurar que el análisis fuera lo suficientemente robusto. El gráfico a continuación muestra los diferentes niveles seleccionados:. Gráfico 5: Tasa de Intervención Real de Colombia y Valores de Referencia (2001Q1 – 2012Q1) 5% 4% 3% 2% Referencia: 3% 1%. Referencia: 2% Referencia: 1%. 0% -1% -2%. Fuente: Banco de la República de Colombia y cálculos del autor.. A continuación se muestran los resultados y análisis de las diferentes regresiones econométricas utilizadas en esta investigación para identificar la relación entre el crecimiento de la cartera vencida tasa de intervención y las diferentes variables de la regresión.. 14.

(15) Tabla 4: Resultados Estadísticos Variable Dependiente ∆. , Rezagada Dos (2) Períodos. Número de Períodos Consecutivos por Debajo de la Tasa de Intervención de Referencia = 1,00% Toda la Muestra (2002Q2 – 2011Q4). Antes de la Sub-Prime (2002Q2 – 2007Q2). Después de la Sub-Prime (2008Q4 – 2011Q4). - 0,010 (0,000) ***. - 0,007 (0,000) ***. 0,001 (0,008) ***. 0,064 (0,781). 0,673 (0,042) **. - 2,718 (0,000) ***. 0,088 (0,735). 0,257 (0,483). 0,899 (0,250). 1,225 (0,000) ***. 0,587 (0,196). - 2,664 (0,024) **. - 0.027 (0,232). - 0,004 (0,875). - 0,167 (0,000) ***. 0,570 (0,485). - 2,618 (0,027) **. - 3,126 (0,000) ***. - 0,005 (0,941). - 0,069 (0,498). 0,086 (0,321). 0,052 (0,691). 0,864 (0,000) ***. - 0,460 (0,001) ***. - 0,023 (0,778). 0,089 (0,353). 0,292 (0,049) **. 0,025 (0,158). 0,031 (0,208). - 0,019 (0,392). - 0,051 (0,004) ***. - 0,154 (0,000) ***. 0,123 (0,000) ***. Observaciones (N). 555. 315. 165. R2. 0,186. 0,219. 0,486. R2 ajustado. 0,171. 0,193. 0,453. Variable (1,00%). 1. ∆. Fuente: Cálculos del Autor Nota: el P-estadístico se expresa entre paréntesis. *, ** y *** representan el nivel de significancia de 10%, 5% y 1% respectivamente. Nota: las regresiones se ejecutaron utilizando el Software estadístico EViews. 15.

(16) La regresión expuesta anteriormente tiene la variable del crecimiento de la cartera vencida rezagada dos períodos (seis meses), lo cual muestra la literatura que es lo que generalmente se demoran los agentes en incumplir sus obligaciones financieras. Así mismo, se incluye en la regresión la tasa de intervención de referencia del 1,00% porque se trata de ser estricto en identificar los períodos prolongados que los bancos pueden asignar mayor riesgo a su portafolio de créditos. En la sección 6 se encuentran las tablas que muestran la robustez del modelo a través de los diferentes resultados obtenidos al variar la tasa de referencia y el número de períodos de rezago del indicador de cartera vencida.. Al realizar un análisis preliminar sobre la significancia de las variables en el modelo econométrico ajustado, encontramos que en general hay variables que permanecen significativas en los diferentes períodos analizados.. El número de períodos consecutivos por debajo de la tasa de intervención real del 1,00% tienen un efecto altamente significativo en los tres períodos, lo cual era de esperar en concordancia con la hipótesis planteada en esta investigación. Sin embargo, únicamente en el período posterior a la Crisis Sub-Prime es cuando esta variable tiene la relación esperada. La teoría nos sugiere que en la medida que hay un mayor número de períodos consecutivos a una tasa de intervención muy baja, el crecimiento de la cartera vencida de las entidades bancarias aumentará. Esto solo sucede en el período comprendido entre el 2008 y el 2011, revelando que en Colombia el Risk-Taking Channel no tenía el efecto esperado antes de la Crisis Sub-Prime. Probablemente porque el ciclo venía de tener un comportamiento negativo, explicado principalmente por la reducción de los niveles de tasa de intervención entre los años 2001 y 2003... Posterior a la Crisis Sub-Prime, período en el cual el Banco de la República mantiene la tasa de intervención en los niveles más bajos de la década (3% nominal), los resultados sugieren que los bancos comerciales en Colombia sí interiorizaron la disminución en la tasa de intervención y asignaron un mayor riesgo en el momento de colocar créditos. 16.

(17) Este hallazgo es similar a lo que encuentra Gambacorta (2009) en su investigación para Estados Unidos. Así mismo, los resultados comparten el mismo principio que lo encontrado por López et al (2011) para Colombia, pero los resultados de esta investigación sugieren que es en la actualidad cuando los bancos en Colombia han empezado a interiorizar el Risk-Taking Channel.. Para el caso del período comprendido entre los años 2008 – 2011, el modelo es explicado por un mayor número de variables significativas. Las variables PIBR, PV, ∆BV, ROA, PAT y EXCRED son significativas y tienen la relación esperada. Sin embargo, solo hay dos variables que resultan significativas en los diferentes períodos analizados y a lo largo de las diferentes regresiones realizadas, estas son el PIB Real (PIBR) y los Retornos sobre los Activos (ROA). Estas variables presentan la relación esperada y se mantiene a lo largo del análisis. Se espera que el PIB Real (PIBR) presente esta relación porque la cartera vencida reacciona directamente frente al ciclo; cuando la economía está creciendo, hay mayores ingresos para los diferentes sectores y por lo general los consumidores pagan sus deudas. Cuando la economía le empieza a ir mal, la cartera vencida es uno de los primeros indicadores que se ve perjudicado. Una de las razones por las que un banco comercial tiene mayores Retornos sobre los Activos (ROA), es porque está invirtiendo o colocando de una manera más eficiente sus recursos. En este caso la relación que muestra los resultados es negativa y significativa porque a medida que el banco sea más rentable, significa que la cartera vencida no debe crecer, sino que debe reducirse. Vale la pena tener en cuenta que las expansiones crediticias es una variable que debe ser observada con mayor detalle; aunque cerca de la mitad de los resultados se muestra como significativa, es uno de los principales factores que afectan el índice de cartera vencida, dado que en la medida que la tasa de intervención es menor, el costo para obtener recursos disminuye; por ende, los bancos comerciales tienen mayores recursos para colocación de créditos (expansión crediticia). La cartera vencida puede crecer porque los bancos optan por colocar créditos de una manera mas descontrolada.. 17.

(18) Finalmente, en el período anterior a la Crisis Sub-Prime, los resultados obtenidos no se parecen a los del caso de Estados Unidos, lo que explica que antes del 2007 el sector bancario colombiano no había incorporado el Risk-Taking Channel dentro de su función de riesgo. Por otro lado, los resultados obtenidos en la regresión comprendida entre 2008Q4 y 2011Q4 muestran mayor similitud con los obtenidos por Gambacorta (2009). No solo porque la relación de las variables es la esperada según la teoría (como se explica en la sección 6, en la construcción de cada variable), sino porque se encuentra que en esta regresión hay mas variables significativas que en las anteriores. De esto podemos inferir que en la actualidad los bancos en Colombia sí deben haber incorporado la disminución de la tasa de intervención dentro de su proceso de colocación de créditos y puede que lo estén haciendo de una manera mas arriesgada.7. 4 Conclusiones La tasa de intervención en Colombia tiene un efecto real sobre el manejo de riesgo que las entidades bancarias asumen cuando colocan créditos. Este canal conocido como Risk-Taking Channel, afecta las decisiones de los bancos en Colombia cuando la tasa de intervención nominal permanece en niveles bajos, generando una disminución en los costos de financiación y posteriormente incentivando a los bancos a la colocación descontrolada de créditos.. Según los resultados, la hipótesis planteada en esta investigación es válida en distintas fases del ciclo, porque en Colombia los bancos no habían incorporado el Risk-Taking Channel en el período anterior a la Crisis Sub-Prime. Esto se explica porque la tasa de intervención nominal no duró mucho tiempo cerca del 5% y cuando empezó la crisis en Estados Unidos esta se encontraba. 7. Para futuras investigaciones se puede utilizar el vencimiento de la Cartera de Créditos de Cosumo como variable a explicar, dado que este tipo de cartera recientemente se ha visto afectada por cambios en la Tasa de Intervención.. 18.

(19) cerca del 10%. Es por esto que el sector bancario colombiano estaba en una situación distinta a la de Estados Unidos previa a la Crisis y logró permanecer fuera de peligro.8 Así mismo, en la fase final del ciclo encontramos que los bancos en Colombia asumieron negocios de mayor riesgo, probablemente porque la tasa de intervención nominal estuvo en un 3% por un período prolongado durante el año 2010.. Los resultados y el análisis planteado en esta investigación nos llevan a desarrollar las siguientes sugerencias de política económica: 1. Aunque internacionalmente sus implicaciones no se han aceptado como cuerpo de teoría, existe un canal denominado Risk-Taking Channel dentro de la política monetaria que el Banco de la República debe considerar a la hora de tomar decisiones sobre el manejo de la tasa de intervención, debido a que la tasa no solo afecta el nivel de liquidez en la economía sino que puede afectar la manera como los bancos se comportan frente a la asignación de riesgo. 2. Cuando la política monetaria se manifieste en una reducción prolongada de la tasa de intervención (como en el año 2010), las autoridades encargadas de las políticas macroprudenciales deben fortalecer las medidas de control y realizar un mayor seguimiento a las actividades de las entidades bancarias, para garantizar que el sector bancario en Colombia no termine colocando créditos de mayor riesgo.. Los aumentos de la tasa de intervención que ha venido ejecutando el Banco de la República en los últimos meses refuerzan y tienen coherencia con los resultados obtenidos y conclusiones planteadas en esta investigación.. 8. Esta no es la única razón por la que se previno el desarrollo de la Crisis Sub-Prime en Colombia, pero para fines de esta investigación no se analizaron los demás factores.. 19.

(20) 5. Referencias. Adrian, Tobias., Moench, Emanuel., &Shin, HyunSong (2010). Macro Risk Premium and Intermediary Balance Sheet Quantities. Federal Reserve Bank of New York, Staff Report No. 428. Adrian, Tobias., & Shin, Hyun Song (2010). The Changing Nature of Financial Intermediation and the Financial Crisis of 2007-09. Federal Reserve Bank of New York, Staff Report No. 439. Altunbas, Yener., Gambacorta, Leonardo., & Marqués-Ibáñez, David (2009). An empirical assessment of the risk-taking channel. Bank for International Settlements (BIS) / European Central Bank (ECB) Conference, 10–11 September. Altunbas, Yener., Gambacorta, Leonardo., & Marqués-Ibáñez, David (2010). Does Monetary Policy Affect Bank Risk-Taking?.European Central Bank, Working Paper Series No. 1166. Borio, Claudio., & Zhu, Haibin (2008). Capital regulation, risk-taking and monetary policy: a missing link in the transmission mechanism? Bank for International Settlements (BIS), Working Paper No. 268. Dubecq, Simon., Mojon, Banoit., & Ragot, Xavier (2009). Fuzzy Capital Requirements, RiskShifting and the Risk Taking Channel of Monetary Policy? Banque de France, Third Draft. Gambacorta, Leonardo (2009). Monetary policy and the risk-taking channel. Bank for International Settlements (BIS), JEL classification: E44, E55, G21. López, Martha., Tenjo, Fernando., & Zárate, Hector (2011). The Risk Taking Channel and Monetary Transmission Mechanism in Colombia. Banco de la República. Uribe, José Darío (2011). Inflación Objetivo y Políticas Macroprudenciales. Banco de la República.. 20.

(21) 6. Anexos. 6.1 Variables Utilizadas para el Cálculo de la Tasa de Intervención Real de cada País Gráfico 6: Inflación y Tasa de Intervención Nominal de EEUU (2001Q1 – 2012Q1) 6% 5% 4% 3% Inflación EEUU. 2% 1%. Tasa Intervención Nominal FED. 0% -1% -2%. Gráfico 7: Inflación y Tasa de Intervención Nominal de Colombia (2001Q1 – 2012Q1) 12% 10% 8% Inflación Colombia. 6% 4%. Tasa Intervención Nominal BR. 2% 0%. Fuente: Reserva Federal de Estados Unidos (FED) y Banco de la República de Colombia. 21.

(22) 6.2. Análisis de Robustez: las tablas a continuación muestran los resultados de las diferentes regresiones llevadas a cabo en esta. investigación, teniendo en cuenta el nivel de referencia fijado para la tasa de intervención y los rezagos de la cartera vencida. Tabla 5: Análisis de Robustez, Tasa de Intervención de Referencia = 1,00% Variable. ∆ Rezagada. 1. ∆. Observaciones (N) R2 2 R ajustado. Toda la Muestra (2002Q2 – 2011Q4) Dos (2) Períodos - 0,010 (0,000) *** 0,064 (0,781) 0,088 (0,735) 1,225 (0,000) *** - 0.027 (0,232) 0,570 (0,485) - 0,005 (0,941) 0,052 (0,691) - 0,023 (0,778) 0,025 (0,158) - 0,051 (0,004) *** 555 0,186 0,171. Cuatro (4) Períodos - 0,008 (0,000) *** 0,695 (0,002) *** 0,637 (0,011) ** 0,890 (0,002) *** - 0,014 (0,539) 0,754 (0,343) - 0,048 (0,506) 0,181 (0,163) 0,147 (0,062) * 0,017 (0,324) - 0,107 (0,000) *** 525 0,278 0,264. Antes de la Sub-Prime (2002Q2 – 2007Q2) Dos (2) Períodos - 0,007 (0,000) *** 0,673 (0,042) ** 0,257 (0,483) 0,587 (0,196) - 0,004 (0,875) - 2,618 (0,027) ** - 0,069 (0,498) 0,864 (0,000) *** 0,089 (0,353) 0,031 (0,208) - 0,154 (0,000) *** 315 0,219 0,193. Cuatro (4) Períodos - 0,007 (0,000) *** 1,352 (0,000) *** 0,795 (0,028) ** 0,387 (0,387) - 0,008 (0,765) - 1,380 (0,235) - 0,187 (0,065) * 1,065 (0,000) *** 0,198 (0,0362) ** 0,012 (0,613) - 0,210 (0,000) *** 315 0,353 0,332. Fuente: Cálculos del Autor Nota: el P-estadístico se expresa entre paréntesis. *, ** y *** representan el nivel de significancia de 10%, 5% y 1% respectivamente.. 22. Después de la Sub-Prime (2008Q4 – 2011Q4) Dos (2) Períodos 0,001 (0,008) *** - 2,718 (0,000) *** 0,899 (0,250) - 2,664 (0,024) ** - 0,167 (0,000) *** - 3,126 (0,000) *** 0,086 (0,321) - 0,460 (0,001) *** 0,292 (0,049) ** - 0,019 (0,392) 0,123 (0,000) *** 165 0,486 0,453. Cuatro (4) Períodos 0,011 (0,010) *** - 0,445 (0,485) - 1,009 (0,296) 1,676 (0,239) - 0,134 (0,007) *** 0,609 (0,553) 0,129 (0,192) - 0,588 (0,000) *** 0,323 (0,078) * - 0,005 (0,835) 0,006 (0,831) 135 0,347 0,295.

(23) Tabla 6: Análisis de Robustez, Tasa de Intervención de Referencia = 2,00% Variable. ∆ Rezagada. 1. ∆. Observaciones (N) R2 R2 ajustado. Toda la Muestra (2002Q2 – 2011Q4) Dos (2) Períodos - 0,004 (0,000)*** - 0,074 (0,746) 0,749 (0,003) *** 0,423 (0,181) - 0,016 (0,514) 1,774 (0,032) ** - 0,034 (0,648) 0,101 (0,443) 0,008 (0,921) 0,038 (0,033) ** - 0,059 (0,001) *** 555 0,178 0,163. Cuatro (4) Períodos - 0,003 (0,000) *** 0,581 (0,001) *** 1,132 (0,000) *** 0,351 (0,249) - 0,011 (0,635) 1,663 (0,041) ** - 0,064 (0,385) 0,204 (0,123) 0,167 (0,037) ** 0,029 (0,094) * - 0,117 (0,000) *** 525 0,258 0,244. Antes de la Sub-Prime (2002Q2 – 2007Q2) Dos (2) Períodos - 0,001 (0,571) 0,807 (0,019) ** 0,961 ( 0,004) *** - 0,106 ( 0,809) - 0,026 (0,372) - 2,032 (0,113) - 0,077 (0,469) 0,852 (0,000) *** 0,102 (0,297) 0,039 (0,119) - 0,192 (0,000) *** 315 0,180 0,153. Cuatro (4) Períodos - 0,001 (0,204) 1,433 (0,000) *** 1,515 (0,000) *** - 0,353 (0,414) - 0,022 (0,449) - 0,502 (0,690) - 0,203 (0,052) * 1,053 (0,000) *** 0,214 ( 0,0266) 0,020 (0,414) - 0,242 (0,000) 315 0,323 0,301. Fuente: Cálculos del Autor Nota: el P-estadístico se expresa entre paréntesis. *, ** y *** representan el nivel de significancia de 10%, 5% y 1% respectivamente.. 23. Después de la Sub-Prime (2008Q4 – 2011Q4) Dos (2) Períodos 0,008 (0,067) * - 3,680 (0,000) *** 0,175 (0,828) - 2,283 (0,036) ** - 0,201 (0,000) *** 3,107 (0,000) *** 0,087 (0,308) - 0,460 (0,001) *** - 0,284 (0,053) * - 0,018 (0,412) 0,120 (0,000) *** 165 0,497 0,464. Cuatro (4) Períodos 0,014 (0,030) ** - 2,278 (0,031) ** - 1,480 (0,140) 1,433 (0,319) - 0,163 (0,009) *** 0,805 (0,441) 0,129 (0,197) - 0,613 (0,000) *** 0,301 (0,103) - 0,006 (0,829) 0,020 (0,498) 135 0,338 0,284.

(24) Tabla 7: Análisis de Robustez, Tasa de Intervención de Referencia = 3,00% Variable. ∆ Rezagada. 1. ∆. Observaciones (N) R2 2 R ajustado. Toda la Muestra (2002Q2 – 2011Q4) Dos (2) Períodos - 0,003 (0,000) *** 0,152 (0,517) 0,656 (0,011) ** 0,404 (0,213) - 0,057 (0,011) ** 1,548 (0,062) * - 0,009 (0,902) 0,049 (0,710) - 0,016 (0,846) 0,043 (0,015) ** - 0,060 (0,001) *** 555 0,163 0,147. Cuatro (4) Períodos - 0,001 (0,025) ** 0,703 (0,002) *** 1,045 (0,000) *** 0,462 (0,140) - 0,047 (0,030) ** 1,384 (0,091) * - 0,044 (0,555) 0,173 (0,193) 0,152 (0,060) * 0,033 (0,550) * - 0,123 (0,000) *** 525 0,242 0,227. Antes de la Sub-Prime (2002Q2 – 2007Q2) Dos (2) Períodos - 0,000 (0,833) 0,857 (0,011) ** 0,951 (0,004) *** - 0,093 (0,838) - 0,033 (0,228) - 2,209 (0,077) * - 0,070 (0,504) 0,850 (0,000) *** 0,099 (0,313) 0,039 (0,116) - 0,195 (0,000) *** 315 0,179 0,152. Cuatro (4) Períodos - 0,000 (0,671) 1,542 (0,000) *** 1,492 (0,000) *** - 0,319 (0,478) - 0,036 (0,177) - 0,908 (0,459) - 0,189 (0,069) 1,049 (0,000) *** 0,207 (0,032) ** 0,021 (0,395) 0,250 (0,000) *** 315 0,320 0,297. Fuente: Cálculos del Autor Nota: el P-estadístico se expresa entre paréntesis. *, ** y *** representan el nivel de significancia de 10%, 5% y 1% respectivamente.. 24. Después de la Sub-Prime (2008Q4 – 2011Q4) Dos (2) Períodos 0,008 (0,067) * - 3,680 (0,000) *** 0,175 (0,828) - 2,283 (0,036) ** - 0,201 (0,000) *** 3,107 (0,000) *** 0,087 (0,308) - 0,460 (0,001) *** - 0,284 (0,053) * - 0,018 (0,412) - 0,112 (0,000) *** 165 0,497 0,464. Cuatro (4) Períodos 0,014 (0,030) ** - 2,278 (0,031) ** - 1,480 (0,140) 1,433 (0,319) - 0,163 (0,009) *** 0,805 (0,441) 0,129 (0,197) - 0,613 (0,000) *** 0,301 (0,103) - 0,006 (0,829) 0,006 (0,829) 135 0,338 0,284.

(25) 6.3. Variables Macroeconómicas. Tasa de Intervención Nominal (fuente Banco de la República, 1995Q2 – 2012Q1): “la tasa de interés mínima que cobra el Banco de la República a las entidades financieras por los préstamos que les hace, o la tasa de interés máxima que paga por recibirles dinero sobrante. Se denomina tasa de intervención de política monetaria del Banco de la República a la tasa mínima de las subastas de expansión monetaria a un día.” 9 La periodicidad de esta información no es constante, dado que se fija únicamente cuando se reúne la Junta del Banco de la República para tomar decisiones sobre la política monetaria. Por lo tanto, para poder trimestralizar esta variable e incorporarla en el modelo, se toma la última tasa del trimestre analizado. . Denominación de la variable en esta investigación:. . No se hace ninguna transformación a esta variable.. Tasa de Intervención Real (fuente Banco de la República y DANE, 1995Q2 – 2012Q1): esta tasa se calcula al restar la inflación anual del último mes del trimestre de la tasa de intervención establecida en el trimestre. Esta metodología busca eliminar la ilusión monetaria del dinero, el aumento de precios de la economía para tener únicamente el efecto real de la tasa de intervención. Para resolver la pregunta planteada en esta investigación, se crea una variable de conteo que establece el número de periodos consecutivos por debajo de una tasa de referencia. Se espera que en la medida que haya un mayor número de períodos consecutivos por debajo de la tasa de referencia, los bancos tienen mas oportunidad para optar por menores costos de financiación y de esta manera colocar mas préstamos (puede que no apliquen el mismo control, generando actividades de mayor riesgo). . Denominación de la variable en esta investigación:. . 9. Banco de la República de Colombia. Definición Tasa de Intervención.. 25.

(26) Crecimiento del PIB Real (fuente Departamento Administrativo Nacional de Estadística, DANE, 2001Q1 – 2011Q4): esta serie muestra el crecimiento económico medido bajo la modalidad del Producto Interno Bruto, se publica trimestralmente y busca darle un sustento macroeconómico al modelo. El DANE incluye toda la economía a nivel nacional, a precios constantes de 2005 y los siguientes componentes: importaciones totales, consumo de hogares, consumo del Gobierno, formación bruta de capital y exportaciones totales. . Denominación de la variable en esta investigación:. . No se hace ninguna transformación a esta variable.. Precios de Vivienda (fuente Departamento Administrativo Nacional de Estadística, DANE, 1997Q2 – 2011Q4): este indicador muestra la evolución de los precios de venta de la vivienda nueva en proceso de construcción y/o hasta la última unidad vendida. Para esta investigación se utilizó el Índice de Precios Vivienda Nueva (IPVN) el cual se publica de forma trimestral. Al incorporar este indicador al modelo, se busca encontrar la relación entre el mercado hipotecario y el crecimiento de la cartera vencida de los establecimientos bancarios. Entre mayor sean los precios de la finca raíz, mayor es la probabilidad que exista una burbuja hipotecaria, causando un riesgo sobre el pago de los créditos. . Denominación de la variable en esta investigación:. . No se hace ninguna transformación a esta variable.. Crecimiento del Índice General de la Bolsa de Valores de Colombia (IGBC - fuente Bolsa de Valores de Colombia, BVC, 2011Q3 – 2012Q1): es el resultado de ponderar las acciones más liquidas que se negocian en la BVC. Este índice está en vigencia desde la fusión de las tres bolsas que existían en Colombia en el 2001: Bogotá, Medellín y Occidente. Este indicador se tiene por cada día hábil del año, por lo que para incorporarlo al modelo se calculó la variación entre el primer y el último día del trimestre. 26.

(27) Este índice busca adicionarle el componente de renta variable al modelo mediante la variación del IGBC. Cuando los rendimientos del mercado de valores son más altos, los bancos deben recibir mayores pagos por los créditos otorgados, reduciendo el índice de cartera vencida.. 6.4. . Denominación de la variable en esta investigación: ∆. . ∆. Variables Financieras (Panel). Estados Financieros de las Entidades Bancarias (fuente Superfinanciera, 1995Q2 – 2012Q1): esta información es la que permite que el modelo sea panel, dado que muestra las mismas variables de cada banco (i) a lo largo del tiempo (t). En este caso se seleccionaron quince (15) de los veintitrés (23) bancos que aparecen registrados en la Superfinanciera, eliminando las entidades bancarias que no tenían registros desde 2001 para garantizar que la muestra fuera homogénea y significativa. Los estados financieros se tienen en una periodicidad mensual, por lo que la metodología del cálculo de la variable para la incorporación al modelo varía caso a caso. A continuación se explica dicha metodología:. Crecimiento de la Cartera Vencida: es el cambio en la cartera vencida de cada banco con respecto al total de los créditos. Esta variable se tiene mensual, entonces para que sea un indicador suavizado, se calcula en dos etapa, promediando los valores del último año. Entre mayor sea este indicador, mayor es el nivel de riesgo que está sumiendo el banco, dado que no está otorgando los créditos de una manera controlada y es por esto que le están incumpliendo en el pago de las obligaciones bancarias; puede que el establecimiento bancario esté incurriendo en colocaciones mas riesgosas para tratar de tener mayores ingresos. . Denominación de la variable en esta investigación: ∆. . Etapa 1:. . Etapa 2: ∆. , ,. ,. ,. , ,. 27. ,. ,. ,. ,. ,.

(28) Rendimientos sobre Activos: se calcula dividiendo la ganancia o pérdida después de descontar los impuestos sobre el total de activos del Establecimiento Bancario. Esta información se tiene de forma mensual, entonces se toma el último mes del trimestre como referencia. Así mismo, como se trata de un Estado de Pérdidas y Ganancias donde se hace este cálculo para cada año, no se tienen las utilidades de forma acumulada, por lo que fue necesario calcular la ganancia o pérdida absoluta de cada trimestre para tener el ROA trimestral. Esta variable se incluye en la investigación para mostrar que cuando la rentabilidad del banco es mayor, se espera que el banco esté obteniendo mayores utilidades por los créditos colocados y el indicador de la cartera vencida debe disminuir. . Denominación de la variable en esta investigación:. . ,. é. Tamaño del Establecimiento Bancario: este indicador se calcula como una relación entre los activos del banco en un período con respecto a la suma total de activos de la muestra. Como se tiene el nivel de activos acumulado mensual para toda la muestra, se utiliza el valor del último mes del trimestre como referencia para cada registro. El objetivo de incorporar esta variable en el modelo es el de ponderar el tamaño de los diferentes bancos dentro de la muestra. . Denominación de la variable en esta investigación:. . ,. Patrimonio: se incluye en el modelo la relación entre patrimonio y activos de cada banco. Como se tiene mensual y es acumulado, se toma el valor del último mes de cada trimestre como valor del registro. Al incorporar esta variable al modelo se está tratando de medir qué porción de los activos del banco son propios. 28.

(29)  . Denominación de la variable en esta investigación: ,. Expansión de los Créditos: esta variable se construye en tres etapas. Primero se calcula el promedio de la cartera de los últimos cuatro períodos. Después el crecimiento de los créditos de un banco restando el último valor del trimestre con respecto al primero. Finalmente se promedia el crecimiento de los créditos de la muestra, y se calcula la diferencia de la expansión crediticia de cada banco con respecto al promedio. Esto permite identificar cuales bancos son más volátiles a la hora de otorgar créditos. Esta variable mide el crecimiento en la colocación descontrolada de créditos. . Denominación de la variable en esta investigación:. . Etapa 1:. . Etapa 2: ∆. . Etapa 3:. 0, 1, 2. ,. 3. ,. , ,. ∆. ,. ∆. Créditos de Consumo: se calcula dividiendo el nivel de los créditos de consumo sobre el total de créditos del Establecimiento Bancario. Esta información se tiene de forma mensual, entonces se toma el último mes del trimestre como referencia. Esta variable se incluye en la investigación para aislar los efectos del canal deseado, para poder tener un análisis más claro porque la tasa de intervención no necesariamente debe afectar la tasa de los créditos de consumo.  . Denominación de la variable en esta investigación: ,. é é. 29.

(30) 6.5. Tabla de Estadísticas Descriptivas de la Muestra. Tabla 8: Estadísticas Descriptivas (2002 Q2 – 2011 Q4) Promedio. Desviación Estándar. -0,019. 0,080. -0,258. 0,312. 1,650. 2,385. 0,000. 9,000. 6,100. 5,286. 0,000. 17,000. 7,400. 5,696. 0,000. 19,000. Crecimiento del PIB real. 0,045. 0,020. 0,003. 0,077. Cambio en los precios de vivienda nueva. 0,023. 0,013. -0,005. 0,057. Cambio en los retornos del IGBC. 0,073. 0,147. -0,316. 0,422. Rendimiento de los activos. 0,004. 0,004. -0,024. 0,016. Proporción de los activos de cada banco con respecto a la muestra. 0,067. 0,049. 0,008. 0,233. Relación del patrimonio / activos. 0,109. 0,027. 0,051. 0,189. -0,002. 0,039. -0,088. 0,380. Variable. Definición Cambio en la cartera vencida de cada banco con respecto al total de créditos. ∆. (1,0) (2,0) (3,0). ∆. Número de períodos consecutivos de la tasa de intervención real del BR por debajo de 1,0 Número de períodos consecutivos de la tasa de intervención real del BR por debajo de 2,0 Número de períodos consecutivos de la tasa de intervención real del BR por debajo de 3,0. Expansión de la cartera de créditos en comparación con el promedio el crecimiento de la muestra Fuente: Cálculos del Autor. 30. Mínimo. Máximo.

(31)

(32)

(33)