La Demanda de Crédito en Venezuela: Cointegración y Dinámica de Corto Plazo UNIVERSIDAD CENTRAL...
-
Upload
jeronimo-camara -
Category
Documents
-
view
8 -
download
0
Transcript of La Demanda de Crédito en Venezuela: Cointegración y Dinámica de Corto Plazo UNIVERSIDAD CENTRAL...
La Demanda de Crédito en La Demanda de Crédito en Venezuela: Venezuela:
Cointegración y Dinámica de Corto PlazoCointegración y Dinámica de Corto Plazo
UNIVERSIDAD CENTRAL DE VENEZUELAUNIVERSIDAD CENTRAL DE VENEZUELAFACESFACES
Escuela de EconomíaEscuela de Economía
Leonardo V. Vera
¿QUE HA DESPERTADO EL INTERÉS POR EL MERCADO DE CRÉDITO?
Es una importante fuente de creación de dinero (variaciones en el stock de dinero son en buena medida causadas por cambios en el stock de crédito).
Enorme importancia práctica para evaluar el curso de la política monetaria y su impacto sobre la actividad económica.
Excesiva concentración de la macroeconomía en el mercado de dinero y de bonos (para entender la intereacción entre el sector monetario y financiero y la economía real).
Dificultades en el control de la Política Monetaria con agregados monetarios.
Algunos Hechos Estilizados
del Comportamiento del Crédito
en Venezuela
0%
10%
20%
30%
40%
50%
60%I8
0
I81
I82
I83
I84
I85
I86
I87
I88
I89
I90
I91
I92
I93
I94
I95
I96
I97
I98
I99
I00
Cartera de Créditos como % PIB (1980-2000)
Fuente: Banco Central de Venezuela y Cálculos Propios
BANCA COMERCIAL Y UNIVERSALCrédito Real Per Capita, 1986:1 a 2000:4 (bolívares)
1.543
5.299
0
1.000
2.000
3.000
4.000
5.000
6.000
1986
I
1987
I
1988
I
1989
I
1990
I
1991
I
1992
I
1993
I
1994
I
1995
I
1996
I
1997
I
1998
I
1999
I
2000
I
Bs.
EL CRÉDITO REAL PER CAPITA (1986-2000)
Trimestres
0
20000
40000
60000
80000
100000
86 88 90 92 94 96 98 00
CRÉDITO REAL TENDENCIA HP DEL CRÉDITO REAL
COMPORTAMIENTO Y TENDENCIA DEL CRÉDITO EN TÉRMINOS REALES
Banca Comercial e Universal (1986-2000)
Millones de Bs.
-15000
-10000
-5000
0
5000
10000
15000
20000
ene-
86
ene-
88
ene-
90
ene-
92
ene-
94
ene-
96
ene-
98
ene-
00
Desviación de la serie de su Valor de Tendencia
Comportamiento Cíclico del Crédito
-0.6
-0.4
-0.2
0.0
0.2
0.4
0.6
0.8
1.0
87 88 89 90 91 92 93 94 95 96 97 98 99 00
Tasa de Crecimiento del Crédito Real Tasa de Crecimiento del IGAEM
Crecimiento del Crédito y de la Actividad Económica
Coeficiente de Correlación = 0,61
Series sin raiz unitaria
-2
-1
0
1
2
3
87 88 89 90 91 92 93 94 95 96 97 98 99 00
Tendencia HP del Indice de ventas
Crédito Real Indice de Ventas (real)
Crédito Real Mensual e Indice de Ventas Reales
Observaciones Normalizadas
En 15 años de data mensual se observan entre tres y cuatro ciclos de contracción y tres ciclos de expansión (aproximadamente cada 5 años se da un ciclo completo)
Los meses de contracción (103) superan abiertamente los meses de expansión (65)
Resumen de los Hechos Estilizados
El Crédito y la Actividad Económica siguen cursos muy similares
Existe una tendencia marcada a la caída y posterior estancameinto del crédito en Venezuela
Como porcentaje del PIB
En Términos Reales
Como proporción del Activo del Sistema
Como porporción de los Depósitos
EL TRABAJO EMPÍRICO SOBRE EL MERCADO DE CRÉDITO
Escasa atención si se compara con la plétora de estudios sobre el comportamiento de la Demanda de Dinero.
Hecho curioso si se considera que los primeros estudios empíricos sobre el mercado de crédito se iniciaron con Tinbergen (1934, 1937), años antes del primer estudio sobre los determinantes de la demanda de dinero de Brown (1938).
Existe un interés reciente intentando explicar el “credit slowdown” en economías emergentes
Teorías que se apoyan en la hipótesis del “Credit Crunch”Teorías centradas en la caída de la Demanda de Crédito
No hay estudios conocidos sobre la demanda de crédito o sus determinantes en Venezuela.
Los Factores Determinantes de la Demanda de Crédito
Tres enfoques teóricos existen para dar con los determinantes de la demanda de crédito
El enfoque de Hoja de Balance Corporativa
La demanda de crédito depende de la estructura de activos y pasivos de las empresas y del costo relativo del financiamiento (flujo de caja, brecha de financiamiento, costo relativo del crédito y de otras fuentes de financiamiento)
El enfoque Fisheriano
El programa de maximización de utilidad de los hogares y de decisión entre consumo presente y futuro admite una especificiación funcional de la demanda de crédito (ingreso permanente, tasa de interés y nivel de riqueza)
El enfoque del Canal del Crédito
La política monetaria afecta la “prima de financiamiento” de las empresas a través del canal de “hoja de balance”. Tanto el flujo de caja como el valor del colateral se ven afectados por cambios en las tasas de interés oficial
ENFOQUES RECIENTES EN LA ESTIMACIÓN DE LA DEMANDA DE CRÉDITO
1. Estimando un Sistema en la Demanda de Crédito y la Tasa de Interés o usando Variables Instrumentales
Ejemplo: Heremans, Sommariva y Verheirstraten (1976),Friedman y Kuttner (1993), Fase (1995), Catao (1997)
3. Identifiación por Restricción de Parámetros aislando las Variables que Teóricamente afectan la Demanda
Ejemplo: Moore y Threadgold (1980, 1985), Cuthbertson y Foster (1982), NIESR (1983), Cuthbertson (1985), Howells y Hussein (1999), Panagopoulos y Spitolis (1998), Calza, Gartner y Sousa (2001)
2. En un Enfoque de Desequilibrio donde se Indentifican la Oferta y Demanda de Crédito con una Estimación de Maxima Verosimilitud
Ejemplo: Laffont y García (1977), Sealey (1979), Pazarbasioglu (1997), Ghosh y Ghosh (1999), Kim (1999), Barajas, López y Oliveros (2001), Barajas y Steiner (2001)
Ecuación de Demanda
Ecuación de Precios
ESTIMANDO LA DEMANDA COMO UN SISTEMA
Fase (1995) estima un sistema con la siguiente especificación:
Estimadores: OLS, TSLS y SUR
1
543210
t
pbe
p
LLni
v
inviv
P
LLn
D
DCPiiiiii fifpfp 43210
L/p = Crédito Real
ve = Ventas Esperadas
ip = Tasa de Préstamos
if = Tasa de Descuento
ii = Tasa Interbancaria
ib = Tasa de Bonos
DCP/D = Depósitos a Corto Plazo/Depósitos
ESTIMANDO CON UN ENFOQUE DE DESEQUILIBRIO
La tasa de interés no se ajusta plenamente a los excesos de demanda y oferta de crédito
epbp
st piDQiiC ˆ543210
Si Ctd > Ct
s Racionamiento
Si Cts > Ct
d Deficiencia de Demanda d
tstt CCminC ,
eebp
dt pyypQRRC ˆ*)( 6543210
epbp
st piDQiiC ˆ543210
Demanda de Crédito
Oferta de Crédito
y = Producto Real
y* = Producto Potencial
Rp = Tasa Real de Préstamos
Rb = Tasa Real Bonos del Gobierno
pe = Precio de las Acciones
Q = Indice de Prod. Industrial
pe = Tasa de Inflación esperada
El nivel actual de crédito viene dado por la siguiente especificación:
ESTIMANDO LA DEMANDA DE CRÉDITO POR RESTRICCIÓN DE PARÁMETROS
pFCiiiyp
Lpbp ˆ)()ln( 543210
pi iiyp
L3210
Se asume adicionalmente que los bancos fijan las tasas en el mercado de crédito (price makers) y que atienden toda la demanda una vez establecido
el colateral y la estructura de pagos
Se emplea la teoría para restringir el signo de los parametros de la demanda
Cuthbertson (1985)
Calza, Gatner y Souza (1995)
y = Producto Real
ip = Tasa de Préstamos
ib = Tasa Bonos del Gobierno
ii = Tasa Interbancaria
FC = Indice de Flujo de Caja
p = Tasa de Inflación
Ejemplos
La Especificación del Modelo
Asumiremos que los bancos operan en condiciones de competencia imperfecta fijando las tasa de préstamos y atendiendo la demanda una vez establecido el colateral y la estructura de pagos. La demanda determina el stock de crédito real, CR e identificaremos por restricción de parámetros.
Suponemos una economía abierta financieramente y por tanto la posibilidad de que las empresas evaluen decisiones de inversión en activos financieros externos
Las empresas se enfrentan a la siguiente restricción de financiamiento
Las empresas toman decisiones de inversión entre activos reales y activos financieros externos y financian esas decisiones con tres fuentes de fondos: el flujo de caja, variaciones en el crédito y/o variaciones en la emisión de papeles
PCRFCB*I
Donde I = Inversión en activos reales, B* = variación en la posición de activos externos netos, FC = Flujo de caja, CR = Variación en el crédito real, P = Variación en el stock de papeles
PBFCICR * Esta es una simple relación contable sin ninguna teoría establecida
I B *Rendimiento a favor de los activos externos netos
CRFC Prefencia mayor por el financiamiento interno en lugar del externo
La Especificación del Modelo
La demanda de crédito se puede incrementar para financiar la compra de bonos externos
CRB *
La Especificación del Modelo
PBFCICR *Para hacer operacional la restricción financiera de las empresas con alguna teoría especificamos los siguientes ecuaciones de comportamiento(1)
0P (2) Mercado de Capitales (poco profundo)
),( *** CFIrBB
(3) Demanda de Bonos Externos de las Empresas
(4) Demanda de Crédito de las Empresas),,( *
rFCIrCRCR L
(7))(ˆ qqee Variación Esperada del Tipo de Cambio
eeir ˆ** (6) Rendimiento de los Bonos Externos
r* = Rendimiento en Bs. de B*
I - FC = Brecha de Financiamiento
rL = Tasa de Préstamos
i* = Tasa de interés externa de B*
ee = Variación Esperada en el TC
q = Tipo de Cambio Real
Riesgo
Q = Producto
(5) Demanda de Inversión),,,,( *
QrrFCII L
),,( *
rFCIrCRCR L
La Especificación del Modelo
),,,,( *
QrrFCII L
)(** qqir
Un incremento en el riesgo hace disminuir la inversión y el Crédito
0 2
CR
0
Lr
CR Un incremento en la tasa hace más caro el financiamiento externo y desestimula la inversión
? *r
CR
Un mayor rendimiento hace más
atractivo los papeles foráneos aumentando la demanda CR, pero deprime la inversión, disminuyendo CR
? FC
CR Una caída en FC amplía la brecha de financiamiento e incrementa CR, pero también disminuye I lo que hace reducir CR
Un incremento en Q eleva la inversión (efecto acelerador) y eleva el Crédito
0
Q
CR
)( LrFCFC
Efecto Hoja de Balance
qqee ˆ
Las Variables y su Correlación
CR = Stock de Crédito en Términos Reales Desviación Estandar de la Inflación Promedio
Tasa de Inflación (últimos doce meses)
Q = Indice de Ventas Reales CF = Flujo de Caja Empresarial(Mark-up)
rb = Tasa de Interés de los Títulos Públicos rL = Tasa de Interés Real
R = Tasa de Interés de los Préstamos q = Indice de Tipo de Cambio Real
IG = Indice IGAEM i* = Tasa Libor
Vector de Correlación entre Log(CR) y resto de las variables1
1986:1 a 2000:12 (Data Mensual)
Ln(Q) Ln(IG) Ln(R)
LnrL Ln(rb –rL) Ln(i*) Ln(CF) Ln(q) Ln(1) Ln(2) Ln() Ln(rb)
Ln(CR)
0,74
-0,2
-0,60
-0,05
0,43
0,32
-0,53
0,63
0,11
-0,05
-0,22
-0,38
1/Las variables denotan lo siguiente: Q = ventas reales, IG = Indice de actividad económica IGAEM, R = Tasa activa promedio nominal, rL = Tasa de interés real, (rb – rL) = spread de tasas de títulos públicos y crédito, i* = tasa interbancaria en USA, FC = margen de recargo, q = tipo de cambio real efectivo, 1 = variabilidad de la tasa de inflación, 1 = variabilidad de la actividad económica, = tasa de inflación, rb = rendimiento de títulos públicos.
TEST DE RAÍCES UNITARIAS
Variable Test ADF ** Test Phillips-Perron **
Ln (CR) -1,74 Valor Crítico al 1% * -3,468 -1,161 Valor Crítico al 1% * -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
Ln (R) -1,997 Valor Crítico al 1% -3,468 -1,932 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
Ln (Q) -1,249 Valor Crítico al 1% -3,468 -2,107 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
Ln (q) -0,815 Valor Crítico al 1% -3,468 -0,788 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
Ln (CF) -0,743 Valor Crítico al 1% -3,468 -0,405 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,878
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
* Valor crítico de McKinnon para el rechazo de la hipótesis de una raiz unitaria. ** Se incluye el intercepto en la ecuación a testear
Prueba de Raíces Unitarias de las Variables (I)
H0 = Variable x es no estacionaria
TEST DE RAÍCES UNITARIAS PARA LAS VARIABLES EN PRIMERAS DIFERENCIAS
Variable Test ADF ** Test Phillips-Perron **
DLn (CR) -3,7 Valor Crítico al 1%* -3,469 -7,821 Valor Crítico al 1%* -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
DLn (R) -4,754 Valor Crítico al 1% -3,469 -10,147 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
DLn (Q) -7,546 Valor Crítico al 1% -3,469 -17,569 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
DLn (q) -6,315 Valor Crítico al 1% -3,469 -15,403 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
DLn (CF) -5,394 Valor Crítico al 1% -3,469 -10,754 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,878
Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575
Prueba de Raíces Unitarias de las Variables (II)
* Valor crítico de McKinnon para el rechazo de la hipótesis de una raiz unitaria. ** Se incluye el intercepto en la ecuación a testear
Las variables son estacionarias en diferencias, así que es preciso indagar si existe un vector de cointegración entre ellas
De acuerdo al enfoque de Engle y Granger (1987) las variables con el mismo orden de integración forman un vector cointegrado si los residuos de una regresión entre ellas son estacionarios
Test de Estacionaridad de los Residuos
Variable Test ADF Test Phillips-Perron
t -2,919 Valor Crítico al 1%* -2,577 -2,724 Valor Crítico al 1%* -2,577Valor Crítico al 5% -1,941 Valor Crítico al 5% -1,941
Valor Crítico al 10% -1,616 Valor Crítico al 10% -1,616
H0 = Variable x es no estacionaria
Se rechaza la hipótesis nula sobre la no-estacionaridad de los residuos.
De acuerdo al enfoque de Engle y Granger, las variables I(1), Ln (CR), Ln (R), Ln (Q), Ln (CF) y Ln (q) están cointegradas
Test de Cointegración con el Enfoque de Engle y Granger
Gonzalo y Lee (1995) suguieren aplicar un curso de acción donde se apliquen varios test de cointegración. Aplicamos el procedimiento de Engle y Granger y de Johansen-Juselius
Busqueda de Estructura Óptima de Rezagos para Test de Cointegración
ttptptt eBxyAyAy ...11 ttptptt eBxyAyAy ...11
Representación VARyt= vector k de variables endógenas
LnCRt, LnRt, LnQt, Lnqt, LnCFt
xt= vector d de variables exógenas
Ap y B = Matrices de Coeficientes
Selección de Estructura Óptima de Rezagos en VAR Irrestricto
Orden del VAR Criterio de Información de Akaike
Criterio de Información de Schwarz
1 -14,81 -14,282 -15,46 -14,53 -15,49 -14,024 -15,4 -14,55 -15,37 -13,026 -15,35 -12,53
Test de Cointegración con el Enfoque de Johansen-Juselius
Test de Cointegración de Johansen-Juselius
Muestra: 1986:01 a 2000:12Series: Ln (CR), Ln (R ), Ln (Q), Ln (CF), Ln (q )Supuesto: Tendencia Determinística Cuadrática en la DataIntervalo de rezagos: 1 a 3
H0 H1Autovalor
)1log(1
)
k
riir TQ
LRtraza Valor Crítico*5%
Valor Crítico*1%
r = 0 r = 1 0,1545 79,0465 77,74 85,78
r 1 r = 2 0,1340 49,5080 54,64 61,24
r 2 r = 3 0,0788 24,1717 34,55 40,49
r 3 r = 4 0,0324 9,7249 18,17 23,46
r 4 r = 5 0,0220 3,9280 3,74 6,40
* Los valores críticos de los estadísticos de Traza son los reportados por Osterwald-Lenun (1992)
Se rechaza la H0 no existe ningún vector de cointegración
No se acepta la H1 sobre la existencia de 2 vectores de cointegración
Vector de Cointegración según método de JJ
Normalizado sobre la variable Ln( CR )
Muestra: 1986:01 a 2000:12 Observaciones: 176 Intervalo de Rezagos: 1 a 3
Ln(CR )
Ln(Q) Ln(R ) Ln(CF) Ln(q ) Tendencia C
-1,000
0,5654 - 0,4756 2,9140 0,0278 - 0,0088 13,2472
Log likelihood 1442,75
La Relación de Largo Plazo
El Teorema de Representación de Granger nos dice que la relación de variables I(1) cointegradas puede ser generada por un modelo dinámico de Correción de Errores. Este representa las variables en primeras diferencias y con rezagos junto con un mecanismo de corrección de errores. Si el coeficiente del término de correción de errores es negativo y significativo, las series efectivamente se cointegran y el modelo converge.
La forma general del modelo sería
n
i
n
ititit
n
i
n
iitiitit
eZqLnCFLn
QLnRLnCCRLn
0 01
0 0
)()(
)()()(
n
i
n
ititit
n
i
n
iitiitit
eZqLnCFLn
QLnRLnCCRLn
0 01
0 0
)()(
)()()(
Con
< 0
El término es tomado de la regresión de cointegración usando el método de Johansen-Juselius
La Relación de Corto Plazo
¿Cómo Hallar la Mejor Especificación Dinámica?
Ventajas:
(a) Con el número de rezagos óptimos del VAR, el modelo VEC nos permite adoptar un procedimiento de lo general a lo específico a fin de alcanzar una especificación parsimoniosa
(b) Nos permite capturar la posibilidad de endogenidad en la ecuación de demanda de crédito
Se estima un modelo de Vectores de Corrección de Error (VEC)
Un VEC es un VAR restringido por la inclusión de variables cointegradasque permite que el comportamiento de la variables endógenas converga a la relación de cointegración, al tiempo que permite un amplio rango de dinámicas de corto plazo que ayudan a caracterizar el proceso de ajuste hacia el equilibrio
Estimación del VEC
El Coeficiente del término de corrección de error es significativo corroborando la relación de Largo Plazo (Kremers et. al. 1992)
El signo y el valor del coeficiente (-0,03) del término de corrección de error es el correcto indicando convergencia del modelo
Desviaciones del stock real de crédito de su nivel de equilibrio se corrigen con lentitud
El test de exogenidad sobre el valor del TCE en DLn(Q) y DLn(TA) indica que la hipótesis nula de exogenidad débil no puede ser rechazada. Esto indica que el modelo puede ser reducido a una sóla ecuación
D(Ln CR) D(Ln Q) D(Ln FC) D(Ln TA) D(Ln q)Término de Corrección de Error -0.034946 0.008497 0.024522 -0.029011 -0.015912
(-3.02506) (0.17092) (-3.69936) (-0.84853) (-0.66610)
D(LnCR(-1)) 0.324068 -0.516937 0.061079 0.770507 0.126570(-3.55877) (-1.31922) (-1.16893) (-2.85897) (0.67216)
D(LnCR(-2)) 0.045785 -0.223796 -0.003135 -0.399708 -0.251942 (0.44987) (-0.51101) (-0.05369) (-1.32701) (-1.19714)
D(LnCR(-3)) 0.040463 0.629384 0.053913 -0.207464 0.171947 (0.45429) (-1.64213) (-1.05488) (-0.78703) (0.93358)
D(LnQ(-1)) -0.007529 -0.229376 0.020288 -0.162492 -0.009317(-0.31515) (-2.23111) (-1.47985) (-2.29804) (-0.18858)
D(LnQ(-2)) -0.044400 -0.270248 0.016799 0.015735 0.006339(-1.90682) (-2.69717) (-1.25730) (0.22833) (0.13166)
D(LnQ(-3)) 0.008071 -0.030838 1.26E-05 -0.025919 -0.042514 (0.40020) (-0.35533) (0.00109) (-0.43424) (-1.01940)
D(LnFC(-1)) 0.446650 0.591758 0.290172 -1.165 0.319578(-3.13595) (0.96552) (-3.55048) (-2.76493) (-1.08507)
D(LnFC(-2)) 0.208239 0.136339 -0.058745 -0.863730 0.623434(-1.35055) (0.20549) (-0.66398) (-1.89276) (-1.95533)
D(LnFC(-3)) -0.102229 0.105414 0.064807 0.651788 -0.977203(-0.81269) (0.19474) (0.89785) (-1.750) (-3.75677)
D(LnTA(-1)) -0.055158 -0.193210 -0.016016 0.326941 0.134694(-2.02587) (-1.64911) (-1.02516) (-4.057) (-2.39240)
D(LnTA(-2)) 0.005993 -0.103266 -0.005506 0.031676 -0.080381 (0.20744) (-0.83072) (-0.33213) (0.37050) (-1.34560)
D(LnTA(-3)) 0.036766 0.109948 -0.006642 -0.072108 0.007020(-1.45486) (-1.01106) (-0.45805) (-0.96410) (0.13434)
D(Lnq(-1)) -0.093097 -0.189286 -0.164803 0.214547 -0.133180(-2.54522) (-1.20260) (-7.85208) (-1.981) (-1.76079)
D(Lnq(-2)) 0.102636 0.017347 0.029227 -0.422801 -0.090234(-2.28729) (0.08984) (-1.13509) (-3.18363) (-0.97245)
D(Lnq(-3)) 0.005761 -0.054315 -0.006181 -0.311819 0.072424 (0.12691) (-0.27806) (-0.23732) (-2.32100) (0.77155)
C -0.003420 -0.006980 0.001606 0.003389 -0.004853(-1.43693) (-0.68150) (-1.17592) (0.48116) (-0.98617)
ESTIMACIÓN DEL VEC
D(Ln CR) D(Ln Q) D(Ln FC) D(Ln TA) D(Ln q)
R-squared 0.418280 0.197540 0.396925 0.282122 0.204019 Adj. R-squared 0.359742 0.116790 0.336239 0.209883 0.123920 Sum sq. resids 0.143860 2.663 0.047367 1.260 0.615147 S.E. equation 0.030080 0.129 0.017260 0.089023 0.062200 F-statistic 7.145 2.446 6.540 3.905 2.547 Log likelihood 375.8 119.049 473.654 184.925 248.02 Akaike AIC -4.078 -1.159 -5.189 -1.908 -2.625 Schwarz SC -3.772 -0.853416 -4.883 -1.602 -2.319 Mean dependent -0.003761 -0.002623 0.002094 0.003479 -0.004030 S.D. dependent 0.037592 0.137728 0.021185 0.100151 0.066454
Determinant Residual Covariance 5.29E-14 Log Likelihood 1441.58 Akaike Information Criteria -1.534.750 Schwarz Criteria -1.370.821
Estimación del VEC
D(Ln CR) es el mejor vector
A partir del Vector de Correción de Errores para DLn(CR), derivamos, en la metodología de lo General a lo Específico, varias ecuaciones parsimoniosas y sus correspondientes test de diagnóstico
Ecuaciones Dinámicas Preliminares de la Demanda de Crédito
Variable Dependiente: DLn(CR)Muestra: 1986:05 2000:12
Observaciones: 176Método: OLS
Regresor Modelo A Valor t Modelo B Valor t Modelo C Valor t Modelo D Valor t
DLn(CR)(-1) 0,6575 6,23 0,59 5,74 0,6356 6,87 0,6735 8,19DLn(Q) 0,1014 6,43 0,1004 7,18DLn(Q)(-2) -0,0416 -2,31DLn(CF)(-1) 0,5016 3,89 0,4744 3,65 0,4814 4,12 0,2723 2,52DLn(R)(-1) -0,0571 -2,36 -0,0523 -2,14 -0,0331 -1,49 -0,0114 -0,57DLn(q)(-1) -0,0817 -2,33 -0,0914 -2,59 -0,0631 -1,97 -0,0014 -0,05DLn(q)(-2) 0,1342 3,22 0,1184 2,84 0,1201 3,21 0,0813 2,42DUM -0,1329 -6,84Z(-1) -0,3323 -2,52 -0,2622 -2,02 -0,2004 -1,71 -0,2909 -2,78C -0,002 -0,88 -0,0022 -0,93 -0,0017 -0,81 0,0003 0,18
R-squared 0,3751 0,3551 0,4825 0,5959R-squared Adjusted 0,349 0,3322 0,4609 0,5766Estadístico D-W 1,9467 1,9864 2,0649 2,0407Criterio de Akaike -4,109 -4,0889 -4,2976 -4,5338Criterio de Schwarz -3,9649 -3,9628 -4,1535 -4,3716F-Statistic 14,4008 15,51 22,3802 30,795Prob (F-Statistic) 0 0 0 0
Comportamiento de los Residuos en el Modelo C
-0.15
-0.10
-0.05
0.00
0.05
0.10
-0.2
-0.1
0.0
0.1
0.2
87 88 89 90 91 92 93 94 95 96 97 98 99 00
Residual Actual Fitted
marzo 1989 mayo 1996
octubre 1996
Al introducir una dummy en C para 89:3 y 96:5, resulta significativa y desaparecen los “spikes” en los residuos
Variable Dependiente: DLn(CR)Muestra: 1986:05 2000:12OLS con 176 Observaciones
Regresor Modelo E Modelo F
Coeficiente Valor t Coeficiente Valor t
DLn (CR)(-1) 0,6814 8,4536 0,6855 8,55DLn (Q) 0,1015 7,4282 0,1017 7,49DLn (FC)(-1) 0,2686 2,5209 0,2324 2,15DLn (R) -0,0389 -1,83DLn (q)(-2) 0,0784 2,3782 0,0673 2,02DUM -0,1349 -7,4288 -0,1192 -5,96Z (-1) -0,291 -2,8002 -0,2745 -2,64C 0,0003 0,1919 0,0003 0,1962
R-squared 0,5951 0,603R-squared Adjusted 0,5808 0,5865Estadístico D-W 2,0484 2,0519Criterio de Akaike -4,5545 -4,5629Crieterio de Schwarz -4,4284 -4,4187Estadístico F 41,4115 36,4675Prob (Estadistico F) 0 0
Test F Probabilidad Test F Probabilidad
Test LM de Breusch-Godfrey orden 11 0,3067 0,5804 0,3611 0,5486
Test LM de Breusch-Godfrey orden 21 0,4897 0,6136 0,4761 0,6219
Test LM de Breusch-Godfrey orden 31 0,3245 0,8076 0,3265 0,8061
Test ARCH orden 12 1,6508 0,2 1,6508 0,2
Test ARCH orden 22 0,7696 0,4647 0,8135 0,445
Test ARCH orden 32 1,2834 0,2816 1,1294 0,3387Test de Ramsey a la potencia 23 3,2026 0,0753 3,3771 0,0678
Test de Ramsey a la potencia 2 y 33 3,298 0,0393 3,0804 0,0485
1/ Ho: No hay correlación serial en los residuos
2/ Ho: No hay hetedocedasticidad de orden q
3/ Ho: No hay error de epecificación
Modelos E y F y Diagnóstico Global
E desincorpora DLn(R)(-1) y F incorpora DLn(R)
Test de Pronóstico de Chow
Modelo E Modelo F 1996:05 a 2000:12
Estadístico F 1,0384 (0,42) 0,976 (0,53) Log LR 73,067 (0,06) 69,95 (0,09)
1996:10 a 2000:12
Estadístico F 0,8992 (0,65) 0,8297 (0,77) Log LR 57,789 (0,23) 54,336 (0,34) * Probabilidad en parétesis
Test de Estabilidad
1.- La variable que más explica la variación del crédito real es su valor pasado. Esto puede explicarse por el factor “Loan-Customer Relationship” ampliamente reseñado en la literatura sobre la demanda de crédito (Wood 1974, Hicks 1980 y Panagopoulus y Spilotis 1998), o por efectos inerciales de shocks de consumo sobre la demanda de crédito señalados por Catao (1997)
EL factor LCR hace que cantidad de crédito hoy incida en la fortaleza de la demanda de crédito futura. Los bancos acomodan las necesidades de sus clientes para evitar su desplazamiento hacia otros competidores. En la medida que los clientes se conservan los problemas de información se minimizan.
2.- Como era de esperarse, y corroborando el alto grado de correlación contemporánea entre las variables, el dinamismo de la actividad económica, medido por indice de ventas reales, tiene un efecto positivo sobre la demanda de crédito,
3.- El flujo de caja o la rentabilidad efectiva del sector real, medido como el margen entre IPC e IPM, tiene un impacto positivo sobre la demanda de crédito. El efecto sobre la inversión de los fondos internos estaría pesando más que el efecto de brecha de financiamiento.
Interpretación de los Resultados
4.- La tasa de interés de los préstamos no parece jugar ningún papel directo importante en la demanda de crédito. En el mejor de los casos (al 10% de significación) su elasticidad es muy reducida. Ningún otra tasa o spread de tasas pareció cointegrado con el set de variables del modelo.
5.- En una economía abierta con movilidad de capital como la venezolana el tipo de cambio real constituye una variable de decisión de cartera de las empresas. Una apreciación(depreciación) del tipo de cambio real disminuye(aumenta) la demanda de crédito.
6.- La baja elasticidad de demanda de crédito a la tasa de interés no indica necesariamente ausencia de transmisión de la política monetaria sobre el crédito. Las tasas de interés podrían estar actuando sobre el flujo de caja (y la hoja de balance de las empresas) y sobre el comportamiento del tipo de cambio real, variables que si inciden en la demanda de crédito, por lo tanto su efecto podría ser indirecto. Tales mecanismos de transmisión son consistentes con los signos de las variables explicativas del modelo.
Interpretación de los Resultados