Post on 05-Jan-2015
Establecer con precisión lo que la literatura reciente ha venido Establecer con precisión lo que la literatura reciente ha venido
destacando (especialmente en AL) sobre los determinantes del destacando (especialmente en AL) sobre los determinantes del
spread. spread.
Verificar la evolución del spread en Venezuela y establecer algunos Verificar la evolución del spread en Venezuela y establecer algunos
hechos estilizados.hechos estilizados.
Establecer un modelo analítico (no ad-hoc) que permita hacer Establecer un modelo analítico (no ad-hoc) que permita hacer
corroboración empírica sobre los determinantes del spread en corroboración empírica sobre los determinantes del spread en
Venezuela.Venezuela.
Estimar econométricamente, para el agregado del sistema y para Estimar econométricamente, para el agregado del sistema y para
datos de panel de bancos individuales, las variables que inciden el datos de panel de bancos individuales, las variables que inciden el
el spread.el spread.
Objetivos del TrabajoObjetivos del Trabajo
¿Qué entendemos por Spread Financiero?¿Qué entendemos por Spread Financiero?
DefiniciónDefinición CálculoCálculo PropiedadPropiedad
S1Spread Contractual SS1 1 = Tasa de Interés Activa - Tasa de Interés Pasiva= Tasa de Interés Activa - Tasa de Interés PasivaNo ajustado por resultadosNo ajustado por resultados
S2Spread Efectivo S2 = IFP/P - EFD/DS2 = IFP/P - EFD/D Sólo toma los IFPSólo toma los IFP
S3 Spread Efectivo S3 = IF/A - EFD/DS3 = IF/A - EFD/D Toma el total de IFToma el total de IF
S4Spread Efectivo S4 = IF/A - EFD/DRS4 = IF/A - EFD/DR Toma sólo los DRToma sólo los DR
S5Spread Efectivo S5 = IF/A - EFD/AS5 = IF/A - EFD/A Como razón de activosComo razón de activos
S6Spread Efectivo Distintos activos generadoresDistintos activos generadores
S7Margen de Interés NetoS7 = Exc/A - IS/A + GT/A + PROV/A + T/AS7 = Exc/A - IS/A + GT/A + PROV/A + T/A Descompone el spreadDescompone el spread
S6 = [(IF - INVb - P is)/(1 - )P] - (EFD/A)
¿Puede decirse algo a priori sobre la magnitud del spread?
¿Puede decirse algo a priori sobre la magnitud del spread?
Un spread alto puede indicar
Un Spread bajo puede indicar
Abuso de poder de mercado
Ineficiencias de costos
Riesgo elevado
Fortalecimiento del capital
Gastos de inversión elevados
Gran rivalidad y competencia
Mejoras de eficiencia
Menores niveles de riesgo
Bancos menos seguros
1992-1999ab
Excedente deImpuestos Gatos de ProvisionesIngresos porMargen de InterésIngreso Neto Transformación Servicios Neto
Argentina 0,7 0,2 6,8 1,7 4,8 4,7
Brasil 0,6 0,4 8,7 1,5 4,8 6,4
Colombia 1,2 0,5 8,3 1,3 4,1 7,2
México 0,6 0,1 4,7 1,8 2,0 5,3
Perú 1,2 0,6 7,7 1,6 4,7 6,5
Venezuela 3,3 0,2 7,8 1,5 3,2 10,2
Alemania 0,3 0,2 1,5 0,1 0,6 1,5
Japón -0,2 0,0 0,9 1,0 0,7 1,1
España 0,6 0,2 2,5 0,5 1,2 2,6
Estados Unidos 1,3 0,6 4,3 0,6 2,8 3,9
Tailandia -0,6 0,5 2,1 2,0 1,1 2,9
Corea -0,4 0,1 2,3 2,0 1,3 1,8
Singapur 1,0 0,4 1,0 0,4 0,9 2,0
Taiwán 0,7 0,2 1,3 0,3 0,5 2,0
Nota:
a. Todos los conceptos están calculados sobre el activo promediob. El margen de interés neto corresponde a la suma de todos los componentes en correspondencia con la ecuación 10
Fuente: Cálculos Propios basados en data de BankScope de la base de datos de IBCA
La Descomposición del Spread: Venezuela contra
el RM
La Descomposición del Spread: Venezuela contra
el RM
Exc/A + T/A + GT/A + PROV/A - IS/A = IF/A - EF/A
p3
Argentina 4,24,2 6,66,6 6,06,0 5,45,4 4,44,4 3,83,8 3,73,7 3,23,2 4,74,7Brasil 3,83,8 7,37,3 10,710,7 8,08,0 6,06,0 5,25,2 5,85,8 4,24,2 6,46,4Colombia 6,06,0 6,66,6 9,39,3 8,18,1 9,69,6 7,67,6 5,75,7 4,44,4 7,27,2Ecuador 5,35,3 9,29,2 7,77,7 6,36,3 5,45,4 4,64,6 2,22,2 0,00,0 5,15,1México 5,75,7 6,56,5 4,14,1 4,64,6 4,44,4 5,15,1 5,45,4 6,46,4 5,35,3Perú 7,17,1 6,56,5 6,66,6 7,77,7 7,37,3 6,86,8 5,85,8 4,24,2 6,56,5VenezuelaVenezuela 5, 75, 7 6,46,4 8,68,6 8,58,5 10,610,6 11,611,6 16,816,8 13,313,3 10,210,2
PromedioPromedio 5,45,4 7,07,0 7,67,6 7,07,0 6,86,8 6,46,4 6,56,5 5,15,1
Canada 2,22,2 2,32,3 4,94,9 2,72,7 2,72,7 2,12,1 1,91,9 1,91,9 2,62,6Francia 1,61,6 1,41,4 1,51,5 1,41,4 1,21,2 1,11,1 1,21,2 0,70,7 1,31,3Alemania 1,81,8 1,91,9 2,02,0 1,71,7 1,81,8 1,51,5 1,01,0 0,80,8 1,51,5Italia 2,52,5 2,72,7 2,52,5 2,62,6 2,52,5 2,22,2 2,02,0 1,21,2 2,32,3Japón 1,21,2 1,71,7 1,21,2 1,21,2 1,21,2 1,21,2 1,31,3 0,60,6 1,11,1España 3,23,2 2,72,7 2,72,7 2,62,6 2,32,3 2,32,3 2,62,6 2,12,1 2,62,6Suecia 2,02,0 3,03,0 2,62,6 2,52,5 2,02,0 1,71,7 1,51,5 1,31,3 2,12,1Reino Unido 1,81,8 2,02,0 1,81,8 1,91,9 2,12,1 1,81,8 1,61,6 1,51,5 1,81,8Estados Unidos 3, 53, 5 6,96,9 3,63,6 3,53,5 3,63,6 3,73,7 3,43,4 3,43,4 3,93,9PromedioPromedio 2,22,2 2,72,7 2,52,5 2,22,2 2,12,1 1,91,9 1,81,8 1,51,5
Tailandia 3,43,4 4,14,1 4,04,0 3,73,7 3,63,6 2,42,4 1,11,1 0,70,7 2,92,9
El Spread comparado con otras Economías
El Spread comparado con otras Economías
Corea 2,12,1 2,02,0 1,71,7 1,81,8 1,81,8 1,51,5 1,61,6 1,81,8 1,81,8Singapur 1,81,8 2,02,0 2,12,1 2,12,1 2,22,2 2,02,0 2,02,0 1,51,5 2,02,0Taiwán 1,81,8 2,22,2 2,22,2 2,12,1 2,02,0 2,02,0 2,02,0 1,81,8 2,02,0
PromedioPromedio 2,32,3 2,62,6 2,52,5 2,42,4 2,42,4 2,02,0 1,71,7 1,51,5
Fuente: Cálculos Propios basados en data de BankScope de la base de datos de IBCA
19921992 19931993 19941994 19951995 19961996 19971997 19981998 19991999 Promedio 1992-1999Promedio 1992-1999
Países Latinoamericanos de la muestra (Promedios entre 1996-1999)
-5,00 5,00 15,00 25,00 35,00 45,00 55,00
PIB Var. %
IPC Var. %
Depreciación
Cambiaria
Capitalización
Spread
Países
ArgentinaBrasilColombiaMéxicoPerúVenezuela
La Región entre 1996 y 1999
La Región entre 1996 y 1999
¿Qué relación a priori puede haber entre Spread, Rentabilidad y Capitalización?
¿Qué relación a priori puede haber entre Spread, Rentabilidad y Capitalización?
SpreadSpreadSpreadSpread
RentabilidadRentabilidadRentabilidadRentabilidad
CapitalizaciónCapitalizaciónCapitalizaciónCapitalización
Spread, Rentabilidad, Capitalización y Riesgo
Spread, Rentabilidad, Capitalización y Riesgo
Matriz de Correlación entre Spreads, Rentabilidad, Capitalización y Provisiones
Razón Beneficios/ActivoRazón Patrimonio/Activo
Razón Beneficios/Activo 1 0,7
S1 0,6 0,5
S2 0,6 0,7
S3 0,7 0,9
S4 0,6 0,8
S5 0,7 0,8
S7 0,7 0,9
Correlación Alta y Positiva del spread Correlación Alta y Positiva del spread
Pruebas de causalidad a la hipótesis S-R-C
Pruebas de causalidad a la hipótesis S-R-C
Test de Causalidad de Granger para Rentabilidad, Relación Patrimonial y el Spread S7Muestra: 1986:1 a 2000:1
Hipótesis Nula
Obs. RezagosEstadístico FProbabilidad
Razón Patrimonio Activo no causa Rentabilidad
28 1 0,1351 0,7162
27 2 0,1296 0,8079
Rentabilidad no causa Razón Patrimonio/Activo
28 1 7,9064 0,0094
27 2 7,4676 0,0033
7Spread S no causa Razón Patrimonio/Activo
28 1 1,7118 0,2026
27 2 4,2539 0,0274
Razón Patrimonio /Activo no causa Spread S
7
28 1 0,0300 0,8637
27 2 2,3408 0,1197
Patrimonio no causa rentabilidad
Patrimonio no causa rentabilidad
Rentabilidadcausa Patrimonio
Rentabilidadcausa Patrimonio
Spread causa PatrimonioSpread causa Patrimonio
Patrimonio no causa SpreadPatrimonio no causa Spread
¿En qué consiste?¿En qué consiste?
El modelo deriva del enfoque de organización industrial (modelos I-O)simulando el comportamiento de un banco típico a partir de los determinantesmicroeconómicos.
¿Para qué sirve?¿Para qué sirve?
Se pueden contrastar empíricamente las hipótesis relacionadas con:
-
poder de mercado-
economías de escala
- ineficiencias de gestión
- riesgo e incertidumbre macroeconómica
- incidencia de la regulación y la política monetaria
¿Quiénes lo han utilizado?¿Quiénes lo han utilizado?
El modelo ha sido desarrollado y aplicado entre otros por:- Shaffer (1989 y 1993; USA), Shaffer y Disalvo (1994; Canada),
y Barajas, Romero y Salazar(1999; Colombia)
El Modelo a ser Estimado
El Modelo a ser Estimado
Molyneux, Thornton y Lloyd (1996; Japón), Gruben y Koo(1997, Argentina)
Gruben y McComb (1996,México)
Los Supuestos del ModeloLos Supuestos del Modelo
Se supone que el banco representativo:
Produce un volumen de préstamos (Pj).
Utiliza un conjunto de insumos financieros y de insumos no financieros.
La autoridad monetaria obliga a los bancos a mantener reservas
xaGTaPaaC 3210p +++=
La Conducta del BancoLa Conducta del Banco
La función de CostosLa función de Costos
p
3210d
p
dp
H
)xaGTaPaa()
r1i
)(HH
(i+++
+-
=
El Modelo a estimarEl Modelo a estimar
P = Volumen de Préstamos
GT = Costos de Transformación
x = Gasto en Provisiones
(id/1-r) = tasa pasiva implícita
Fundamento Analítico del Modelo a Estimar
Fundamento Analítico del Modelo a Estimar
),,(B j xGTPCDiPiMax jjjdjpPj--=
d
jSP
dGR
1
p
jSD
pGR
1Hp =Poder de Mercado en el
mercado de Préstamos
Poder de Mercado en el
mercado de depósitosHd =
Donde:
Definiciones
; ; ;
; Con 1pH ; 1dH
Sin hay competencia perfecta en los mercados, entonces
1pH y 1dH
En este caso
A los efectos de que el resultado tenga significación 10 pH
Sobre Hd y HpSobre Hd y Hp
P
PSP
jj
P
DSD
jj
jp
PP
GR
jd
DD
GR
0
j
d
d
jd
D
i
i
Dn0
j
p
p
jp
P
i
i
Pn
)(1
3210 xaGTaPaar
ii d
p
El modelo a estimar muestra que la tasa de interés activa que optimiza los
beneficios es función de:
La tasa de interés pasiva ajustada por el coeficiente de reservas
El poder de mercado, y
El costo marginal no financiero de producir la intermediación.
+
La ecuación específica a estimar asume la forma:
Haaaa
p
d4
p
33
p
22
p
11
p
o0
Hb ;
Hb ;
Hb ;
Hb ;
Hb =====
( )tr
i
tttpt ubxbGTbPbbit
dt +++++=-143210
La Estimación Econométrica del Modelo
La Estimación Econométrica del Modelo
Sobre la Endogeneidad de los Préstamos: Un modelo de ecuaciones simultáneas
Una solución al problema de Endogeneidad entre Préstamos y Tasa de Interés
(2)
i
P
P-S
:a reduce se (1)
1 Sy GR * definiendo ;
GR *1H Como
(1) 1
11H para
3210
p
pp
3210d
xdGTdPdd
La Ecuación
r
iiSP
SP
H
xaGTaPaa
r
i
Hi
dp
p
d
pp
¡Faltaría sólo especificar este término!
Introducimos entonces una función de demanda de préstamos
Modelo de ecuaciones simultáneas
(4)y (3) por formado queda as simultáneecuaciones de sistemaEl
(4) xdGTdPddSUcYcc
P-S
:como escribirse puede (2) ecuación La
:Donde
SUcYcci
P :Siendo
(3) SU*icY*icSUcYciccP
3210541
541p
p5p432 p10
?c ? ;c ;0c
541
Solución competitiva = 0, Solución monopólica: = 1,
Datos utilizados:Datos utilizados:
Para el sistema financiero agregado: Balances y estados financieros semestrales publicados de SUDEBAN. Período 1986: 1 hasta 2000: 1 29 observaciones
Para los bancos indivudales: Balances y estados financieros individuales semestrales publicados de SUDEBAN.
Período 1986:1 hasta 2000:1 24 bancos con un total de 618 observaciones.
El spread utilizado fue S2 = (IFP/P) - (EFD/D)
EstimaciónEstimación
Para probar cuan robustos son los resultados se estimaron cuatro especificaciones con dos muestra distintas para el modelo uniecuacional:
- Estimación del modelo agregado del sistema financiero con:1) Variables instrumentales generales2) Método generalizado de momentos
- Estimación del modelo para los bancos individuales por: 1) Agrupaciones (pooled regression)2) Bancos individuales (panel)
El modelo del sistema de ecuaciones simultáneas fue estimado con Máxima Verosimilitud
Datos y EstimaciónDatos y Estimación
Método de estimación del modelo agregado
Método de estimación del modelo agregado
Variables Instrumentales Generalizados:
Aplicación dado el problema de endogeneidad en los préstamos.
Los instrumentos usados fueron:
- Las variables determinísticas del modelo (constante, x, GT, id/(1-r)).
- Préstamos reales rezagados (PR (t-1), PR (t-2)), depósitos y PIB
real.
Método Generalizado de Momentos:
- El uso de VI generalizados requiere una estimación MGM.
- Además la ineficiencia del estimador VI puede ser evitada con una
ponderación de la varianza y covarianza de lo errores. Esta matriz
óptima se obtiene de los residuos de una estimación previa de VI.
Método de Maxima Verosimilitud:La nolinealidad y la interdependencia del sistema de ecuaciones simultáneas requiere una estimación de máxima verosimilitud. Usando MCO para obtener valores iniciales
Métodos de estimación del modelo uniecuacional de
bancos individuales
Métodos de estimación del modelo uniecuacional de
bancos individuales
Con el objeto de comparación:
Regresión agrupada del panel (pooled regression) con una corrección
de autocorrelación de orden uno (AR1) de los residuos
Sistema de ecuaciones de los bancos individuales:
Regresión aparentemente no relacionada (SUR) de Zellner
- considerando posibles correlaciones entre los bancos individuales
- aproximación a una estimación de coeficientes aleatorias
- obteniendo parámetros de todas las variables del modelo para
cada banco indicidual
Parámetros bi estimados conParámetros bi estimados con
VariableVariable Variables InstrumentalesVariables Instrumentales MGMMGM
Notas: Según las pruebas de DW, de los multiplicadores de Lagrange y de Ljung Box para autocorrelación no hayautocorrelación de orden uno o mayor .
Los valores entre paréntesis son los valores de t y un asterisco indica significancia a 10% y dos a 1%
Los residuos de cada estimación son estacionarios al nivel de 1% según el test de DF
Resultados de la Estimación para el Sistema Financiero (Método Agregado)
Resultados de la Estimación para el Sistema Financiero (Método Agregado)
( ) tr
itttpt ubxbGTbPbbi
t
dt +++++=-1
43210
Período 1987:1 a 2000:1 1987:1 a 2000:1
Constante -0.1897
(-2.99)**
-0.2106
(-4.30)**
Préstamos 0.000815
(1.82)*
0.000938
(2.71)**
Gastos de Transformación 2.859
(7.14)**
2.9286
(9.85)**
Provisiones 1.9629
(2.23)*
2.1799
(2.00)*
Tasa Pasiva ( id/(1-r)): 1.1854
(19.81)**
1.2008
(24.79)**
:2R 0.96 0.96
Los instruemntos fueron comprobado con una prueba unificada según Davidson/McKinnon (1993)
La Estimación bajo un Enfoque de
Bancos Individuales
La Estimación bajo un Enfoque de
Bancos Individuales
Regresión para datos agrupados (pooled regression)
VariableVariable CoeficienteCoeficienteError EstándarError EstándarEstadístico tEstadístico t Prob.Prob.
Estimación en forma MCGF con corrección de un proceso autoregresivo de orden uno ( = 0.6). Nohay autocorrelación de orden mayor que uno y los residuos de cada banco sonestacionario al nivel de 1%
C 0.026518 0.010321 2.569391 0.0104
PRit -0.006140 0.000562 -10.92208 0.0000
GTit 1.813626 0.094254 19.24189 0.0000
Xit 0.346584 0.091125 3.803400 0.0002
idit /(1-r) 1.390831 0.020704 67.17800 0.0000
:2R 0.93
( ) itr
i4iit3iit2iti1i0ipi ubxbGTbPbbi
tidit +++++=-1
Estadística Descriptiva de los parámetros de la estimación SUR para los
Bancos Individuales
Estadística Descriptiva de los parámetros de la estimación SUR para los
Bancos Individuales
( ) itr
i4iit3iit2iti1i0ipi
ubxbGTbPbbiti
dit
+++++=-1
Gastos Gastos GTGT Provisiones Provisiones xx Tasa pasiva Tasa pasiva (( ))rridid--11
MediaMedia 2,54 1,99 1,68MedianaMediana 2,43 2,05 1,47
Desviación estándarDesviación estándar 1,42 0,68 1,13Coeficiente de variaciónCoeficiente de variación0,56 0,34 0,68
RangoRango 6,19 2,12 6,05CuentaCuenta 19 11 24
Cálculo de los parámetros estructurales
Cálculo de los parámetros estructurales
p
d4
p
33
p
22
p
11
p
o0 H
Hb ;
Ha
b ;Ha
b ;Ha
b ;Ha
b =====
Calculo de los parámetros estructurales con Hd=1
VariablesInstrumentales
MMG Pooled Regression SUR*
Poder de Mercado H 0,84 0,83 0,71 0,71
a0
-0,16 -0,17 0,019 0.03
1 0,00068 0,00078 -0,00442 -0,018
Incidencia de Gastos a2
2,41 2,43 1,30 1,95
Riesgo
a3
1,65 1,81 0,24 1,30
*Promedio de los Parámetros significativos.
p
3210d
p
dp
H
)xaGTaPaa()
r1i
)(HH
(i+++
+-
=
P
Economías de escala a
Resultados de la estimación del sistema de ecuaciones simultáneas
Periodo: 1989:01 a 2000:01
Ecuaciones estimadas:P = c0+ c1 ip+ c2 PIBNP + c3 SU + c5 ip*SU + c6 SU*PIBNP +c7 (ip*SU)-1+ c8 PIBNP-1
S2 = [ P / (c1 + c5 SU ) ] + d0 + d1 P + d2 GT2 +d3 X
El sistema fue estimado utilizando Máximo Verosimilitud
El promedio del Hp implícito es de 0,944
S
Variable Coeficiente Std Error Estadístico t Probc0 - 19,15 0,0674 -284,08 0,000 c1 -24,48 0,1843 -132,86 0,000c2 0,000089 3,2 e-7 276,42 0,000c3 417,90 0,2262 1847,75 0,000 c5 34,49 0,5832 59,15 0,000c6 -0,0021 1,1 e-6 -1859,37 0,000c7 6,02 0,4095 14,70 0,000c8 0,000054 3,2 e-7 169,00 0,000
Poder de Mercado - 0,11 0,0092 -12,06 0,000 d0 -0,01 0,0047 -2,16 0,031
Economías de escala d1 -0,01 0,0009 -10,31 0,000Gastos de Transf. d2 4,83 0,1055 45,82 0,000Riesgo d3 2,22 0,1985 11,19 0,000
Interpretación de los Resultados
Interpretación de los Resultados
Evidencias de imperfección en el mercado de préstamos.
Los resultados no muestran evidencias de significativas economías de escala en el sistema.
El riesgo resultó un elemento significativo que afecta positivamente a la tasa activa y al spread. Este parámetro podría estar reflejando, también, el efecto de los cambios en el marco regulatorio.
Los gastos de transformación muestran un importante efecto. Esto podría reflejar prácticas competitivas no basadas en precios, tratamiento no convencional de cómo inputar inversiones en activos intangibles etc.
Estimando el modelo para bancos individuales, encontramos poca variabilidad entre los parámetros, incluyendo la tasa pasiva. Esto reforzaría la hipótesis de exogeneidad de dicha tasa.
Porcentaje del Spread Atribuible al Poder de Mercado
Poder de Mercado
22%
xH
aGT
H
aP
H
a
H
a
Hr
ii
pppp
o
p
dp
3211
1
xaGTaPaar
ii dp 3210
1*
El Cálculo de la OAEFAN sobre la Contribución del Poder de Mercado en el Trabajo ZVF (2000)
El Cálculo de la OAEFAN sobre la Contribución del Poder de Mercado en el Trabajo ZVF (2000)
para Hp = 1 (competencia perfecta) sería
xaH
aGTa
H
aPa
H
aa
H
a
r
ii
r
i
Hi
pppo
p
odp
d
pp )()()()(
11
13
32
21
1
En modelo general de la tasa es
Para convertir estas expresiones en diferenciales de spread (S - S*)
El informe de la OAEFAN pretende calcular ** SSii pp
SPero para eso se requiere que
*ii pp
S
S
Para que estos dos términos se eliminen p
dd
Hr
i
r
i 1
11
xH
aGT
H
aP
H
a
H
a
r
ii
pppp
odp
321
1
En ese caso el modelo general que se estaría estimando sería:
Lo que obviamente no es cierto
(1) 1
11H para3210
dH
xaGTaPaa
r
i
Hi
p
d
pp
1 S
r
ii d
p
En la estimación de ecuaciones simultáneas de ZVF (2001) se llega a:
después de definir GR * GR *
1H p
pSPSP
y
(2)
i
P
P- 3210
p
xdGTdPdd
1
r
ii d
p
Notemos, sin embargo, que (1) y (2) son estimaciones distintas, pués los parámetros di
son distintos a los ai.
El modelo de estimación de la tasa de interés de los préstamos es:
Segundo error metodológico en el cálculo de la Contribución del Poder de Mercado
Segundo error metodológico en el cálculo de la Contribución del Poder de Mercado
Modelos Alternativos para Combinar datos de Series de Tiempo con Sección Cruzada
Modelos Alternativos para Combinar datos de Series de Tiempo con Sección Cruzada
El MODELO LINEAL El MODELO LINEAL (Sin la parte de variabilidad en el tiempo)
Todos los coeficientes Todos los coeficientes constantes,constantes,
yyheteroscedasticoheteroscedastico
and autocorrelacionadoand autocorrelacionado
Coeficientes de la pendiente Coeficientes de la pendiente constante, Intercepto variableconstante, Intercepto variable
å
K
kitkitkititit exy
21 bb
kkit bb Coeficientes de la pendienteCoeficientes de la pendiente
variablevariable
Varía el intercepto Varía el intercepto sólo sobre los individuossólo sobre los individuos
iit 11 bb 1; ¹ kkkit bb
Coeficiente varía Coeficiente varía sobre los individuossobre los individuos
kikit bb
b 1i coeficientes fijoscoeficientes fijosModelo de variable dummyModelo de variable dummy
å
K
kitkitkititit exy
21 bb
b 1i random error random error components modelcomponents model
b 1i ¿Fijos o aleatorios?¿Fijos o aleatorios?
b ki Parámetros fijos Parámetros fijos Semingly unrelated Semingly unrelated regressions (SUR)regressions (SUR)
b ki Aleatorios Aleatorios Modelo de Modelo de
coeficientes aleatorios coeficientes aleatorios de Swamy de Swamy
b ki ¿Fijos o aleatorios ?¿Fijos o aleatorios ?
Source: Judge, Griffiths, Hill, Lütkepohl, Lee, (1985), The Theory and Practice Of Econometrics.
Otros Ingresos OperativosOtros Ingresos Operativos
Ingreso por operaciones
cambiarias y con derivados
17%
Ingresos operativos varios
13%
Comisones por servicios no atribuibles a préstamos y
depósitos32%
Ingresos por inversiones
18%
Otros ingresos por venta de valores
8%
Ingresos por bienes realizables
2%Comisones por
Servicio atribuible a préstamos y
depósitos10%
Otros Ingresos Operativos (OIO) y Ingresos Financieros por Préstamos (IFP)
Otros Ingresos Operativos (OIO) y Ingresos Financieros por Préstamos (IFP)
0
400.000
800.000
1.200.000
1.600.000
2.000.000
Jun-
86
Jun-
87
Jun-
88
Jun-
89
Jun-
90
Jun-
91
Jun-
92
Jun-
93
Jun-
94
Jun-
95
Jun-
96
Jun-
97
Jun-
98
Jun-
99
Jun-
00
IFP real
OIO
Fuente: SUDEBAN, Cálculos propios
Estructura de los depósitos
Relación Participación en el Mercado y Depósito promedio de cada depositante en Cuenta Corriente
para 1999
0%
3%
6%
9%
12%
15%
18%
500000 1000000 1500000 2000000 2500000 3000000
Depósitos Promedio
Par
ticip
ació
n e
n e
l Mer
cad
o
Relación Participación en el Mercado y Depósito promedio de cada depositante en Cuenta de Ahorro para 1999
0%
3%
6%
9%
12%
15%
18%
150.000 350.000 550.000 750.000 950.000 1.150.000 1.350.000
Depósitos Promedio
Pa
rtic
ipa
ció
n e
n e
l M
erc
ad
o
CC=-0,23 CC=-0,36
Relación Participación en el Mercado y Depósito promedio de cada depositante en Depósitos A Plazo
para 1999
0%
3%
6%
9%
12%
15%
18%
0 20000000 40000000 60000000 80000000
Depósitos Promedio
Par
ticip
ació
n e
n e
l Mer
cad
o CC=0, 08
Fuente: SUDEBAN, 23 bancos.
Estructura de las Tasa Pasivas Contractuales
CC=-0,30CC=0,32
Fuente: SUDEBAN y Banco Mercantil 15 Observaciones
Relación Participación en el Mercados de los Bancos y Tasa de Ahorro para 1999
0%
3%
6%
9%
12%
15%
18%
6% 7% 8% 9% 10% 11% 12% 13%
Tasa de Ahorro
Par
ticip
ació
n e
n e
l Mer
cad
o
Relación Participación en el Mercado y Tasa DPF 90 días para 1999
0%
3%
6%
9%
12%
15%
18%
15% 16% 17% 18% 19% 20% 21%
Tasa DPF 90 días
Par
ticip
ació
n e
n e
l Mer
cad
o