joseordinolaboyer.files.wordpress.com€¦ · Web viewINFORME FINAL DE TESIS “Análisis de la...

“Año de la Integración Nacional y el Reconocimiento de Nuestra Diversidad”

UNIVERSIDAD NACIONAL DE PIURA

FACULTAD DE ECONOMIA

INFORME FINAL DE TESIS

“Análisis de la Morosidad de las Instituciones Microfinancieras (IMF) en el Perú”

2002:01 – 2011:12

Curso : Seminario de Tesis II

Profesor : ORDINOLA BOYER, José

Alumno : ALVAREZ ALBURQUEQUE, Eduardo

Piura, Agosto del 2012

10

JORDINOLAB, 04/08/12,

NO COMPAGINA SU DOCUMENTO





2002:01 – 2011:12

…………………………………………………EDUARDO ALVAREZ ALBURQUEQUE

……………………………………………….ECON. LUIS ROSALES GARCÍA MSC

PATROCINADOR

…………………………………………………ECON. JUAN DANIEL MOROCHO RUÍZ

CO – PATROCINADOR






2002:01 – 2011:12

JURADO


ECON. SEGUNDO DIOSES ZARATE ECON. OLGA NIZAMA ESPINOZA

ECON. LILIAN NATHALS SOLIS

CAPITULO I

MARCO TEÓRICO

1.1ASPECTOS CONCEPTUALES

Cuasquer y Maldonado (2011) definen a las Microfinanzas como “Aquellos servicios financieros orientados hacia el desarrollo de las pequeñas economías, en especial las microempresas. En el marco de la Globalización, las microfinanzas se han acuñado como un enfoque de las finanzas que apuntan a motivar la inclusión y la democratización de los servicios financieros para aquellos sectores generalmente excluidos por la banca comercial tradicional.”

Delfiner, Pailhé y Perón (2006) señala que las entidades que llevan a cabo esas actividades son denominadas Instituciones Microfinancieras (IMF), a las que se puede definir como “toda organización -unión de crédito, banco comercial pequeño, organización no gubernamental financiera, o cooperativa de crédito- que provee servicios financieros a los pobres”. Tales servicios incluyen financiamiento, instrumentos de ahorro y de pago, entre otros.

En ocasiones se utiliza el término microfinanzas en un sentido mucho más limitado, refiriéndose a la provisión de microcréditos hacia pequeños negocios informales de micro-emprendedores. Sin embargo, los clientes de las IMF no son sólo microempresarios que buscan financiamiento para sus negocios. El rango de servicios financieros provistos por las IMF ha crecido más allá y cubre un menú amplio que incluye la captación de ahorros, transferencias de dinero y seguros. En los últimos años, la captación de depósitos se ha amplificado, debido a una demanda creciente de la gente más pobre y dado que resulta una fuente de fondeo natural para las IMF.

Las microfinanzas tienen su origen en los países en desarrollo (PED), donde la mayoría de la población vive y trabaja fuera de la cobertura y protección de los marcos legales. La población busca formas variadas de generación de ingresos (colmados, talleres de reparación, salones de belleza, talleres de confección, transporte de viajeros) que conforman el tejido informal de la economía. Estas actividades económicas se caracterizan por estar gestionadas por una empresa, o un grupo familiar, con pocos activos y escasa formación técnica y gerencial, y por estar fuera del marco regulatorio de la economía.

Guanilo (2012) sostiene que las microempresas requieren de recursos externos para financiarse, ya sea para subsistir o para crecer. Este financiamiento viene de parte del microcrédito, el cual hace alusión a préstamos de bajo monto realizados a prestatarios pobres con dificultades de acceso a los créditos que otorga la banca tradicional, posibilitando que personas sin recursos financien proyectos laborales por su cuenta que se conviertan en sus sustento. En el Perú el crédito Microfinanciero es uno de los más rentables, pese al elevado costo operativo y al nivel de morosidad.

Todo crédito se enfrenta a un riesgo, y se define como aquel asociado a la posibilidad de que el deudor incumpla sus obligaciones ya sea en operaciones


NO ESTA EN BIBLIOGRAFIA

directas, indirectas o de derivados completa o parcialmente, o en una fecha posterior a la inicialmente pactada.

Campoverde (2008) postula que el riesgo puede ser de tres tipos:

Riesgo de Liquidez: Falta de dinero por parte del deudor para el pago, reflejándose en el incumplimiento de no poder efectuar el pago dentro en la fecha pactada haciéndolo después de la fecha en que estaba programada de acuerdo al contrato.

Riesgo de Instrumentación o Legal: Falta de precaución o conocimiento en la celebración de la operación y/o, elaboración de pagares, hipotecas, cartas de instrucciones, garantías, o instrumentos legales que obliguen al deudor al pago.

Riesgo de Solvencia: falta de un verdadero análisis e identificación del sujeto de crédito; que no tenga activos o liquidez para el pago de sus obligaciones.

Fernández, Martínez y Saurina (2000) sostienen que los créditos financieros tienden a seguir un patrón con un claro comportamiento pro cíclico. Así, en la fase de crecimiento económico, el crédito tiende a expandirse de forma acelerada, el cual a la vez profundiza la expansión de la economía. Por otra parte, la contracción del crédito que suele observarse durante la fase descendente del ciclo, tiende a acentuar la desaceleración económica, haciendo más agudo el ciclo económico.


NO ESTA EN BIBLIOGRAFIA

1.2La Morosidad y sus Determinantes

ICE (2010) define a la morosidad como el incumplimiento de la obligación de pago del deudor a su vencimiento. El riesgo de morosidad es consustancial a cualquier operación de crédito. La morosidad nos identifica el riesgo de crédito y éste forma parte de los riesgos asumidos por las entidades financieras en sus operaciones habituales.

El análisis de la calidad de la cartera de una institución financiera requiere de la utilización de un indicador adecuado para tales fines. De la información financiera publicada por la Superintendencia de Bancos, Seguros y AFP (SBS), se evidencia el reporte de tres indicadores de calidad e cartera que cuantifican en valores relativos el nivel de cartera morosa o de mayor riesgo crediticio. Los indicadores son: cartera atrasada, cartera de alto riesgo y cartera pesada.

Aguilar y Camargo (2002) sostienen que los indicadores mencionados anteriormente tienen deficiencias debido a que dependen de manipulaciones contables en la hoja de balances, entre otras limitaciones de estos indicadores.

De los indicadores mencionados el más usado es el de cartera atrasada, comúnmente llamado “tasa de morosidad”, porque puede fácilmente ser obtenido de la información contable de las instituciones, información que es, además, de dominio público.

El indicador de cartera atrasada se define como el ratio entre las colocaciones vencidas y en cobranza judicial sobre las colocaciones totales.1

El tema de la morosidad de las carteras crediticias ha sido estudiado a partir del análisis de otros problemas relacionados con las entidades financieras y en general, problemas del propio sistema financiero.

Es importante tener en cuenta, los estudios que se tienen sobre crisis financieras y bancarias en los que se revela la existencia de elevados niveles de morosidad en las carteras de créditos como una característica precedente de las quiebras y crisis de bancos.

En este contexto, la evolución de la morosidad al igual que el crédito también presenta un comportamiento cíclico, acompañando al ciclo económico en general. En las fases expansivas del ciclo las familias y empresas, sin restricciones de acceso al crédito y con ingresos y ventas crecientes, tienen menores dificultades para hacer frente a sus obligaciones financieras. Con lo cual los niveles de morosidad del crédito se reducen. Por el contrario, en las fases recesivas, donde se contrae el crédito y disminuyen las ventas empresariales, la morosidad suele aumentar.

1Según el Glosario de la Superintendencia de Bancos, Seguros y AFP (SBS). Disponible en: www.sbs.gob.pe


ASEGURESE DE QUE TODAS SUS CITAS ESTÉN ADECUADAMENTE REFERENCIADAS EN LA BIBLIOGRAFIA

http://www.sbs.gob.pe/

Aguilar y Camargo (2004) muestran también que la existencia de una elevada cartera morosa constituye un serio problema que compromete la viabilidad de largo plazo de las instituciones y del propio sistema. Para el caso de las IMF, existen países como la India que han demostrado que elevados niveles de morosidad conducen al fracaso de estas entidades e incluso originan crisis microfinancieras.

Saurina (1998), Murrugarra y Ebentreich (2001) y Aguilar y Camargo (2004); explican cuales son los factores que determinan la morosidad de las instituciones microfinancieras, y para ello abordan el tema desde enfoques micro y/o macroeconómicos exclusivamente. No existe un modelo teórico que analice de manera general los factores que determinan la morosidad de las instituciones microfinancieras, pero se hace un gran esfuerzo por encontrar aquellas variables que mejor contribuyan a determinar la tasa de morosidad observada.

Saurina (1998) muestra la importancia conjunta de los factores agregados (evolución de la economía, demanda agregada, tasa de desempleo, salario, etc.) y de los factores específicos a la política crediticia de cada entidad (cuota de mercado, tasa de crecimiento de las colocaciones, políticas de incentivos, niveles de eficiencia y solvencia, etc.) sobre la tasa de morosidad de las cajas de ahorro españolas.

Para el caso peruano, Ebentreich y Murrugarra (2001) a partir de un análisis de los determinantes de la morosidad en las Edpymes encuentran que factores como gestión minuciosa de la cartera de colocaciones, el capital humano y experiencia de los cuadros gerenciales y oficiales de crédito explican la calidad de la cartera. Aguilar y Camargo (2004) dan cuenta de factores microeconómicos como los niveles de diversificación de la institución financiera y la diversificación geográfica en relación a los clientes.

Los mercados crediticios tiene fallas, especialmente existen asimetrías de información debido a que el principal no conoce el conjunto de características exógenas del agente (selección adversa), no puede prever el cambio de conducta o modificación de las características endógenas del agente (riesgo moral) o ambos problemas a la vez.

Debido a esto, el agente emite señales para disminuir las probabilidades subjetivas de impago que les asignan los analistas de créditos (principal). Estas señales son características del agente que muestren que se podrá liquidar la deuda en caso de no cumplir con el contrato.2

Con la reducción de las asimetrías de la información, se mejora la calidad de la cartera de una institución financiera.3 A partir de lo antes mencionado podemos

2Párrafo citado en: Acevedo Vitvitskaya, Víctor (2010). 3 Akerlof 1970

considerar que es importante considerar variables microeconómicas para determinar la tasa de morosidad.

Vallcorba y Delgado (2007) señala que cambios en el contexto económico nacional afectan la capacidad de pago de los individuos. Por lo tanto, variables macroeconómicas también son relevantes a la hora de determinar la tasa de morosidad. La división de los determinantes en variables microeconómicas y macroeconómicas ha sido realizada por en los estudios de anteriores, y los hemos mencionado líneas arriba.

1.2.1 REVISION DE LA LITERATURA DE LOS DETERMINANTES MACROECONÓMICOS

Aguilar y Camargo (2004) precisan en que no existe un modelo teórico general que recoja y permita precisar los factores que determinan la tasa de morosidad. Por lo tanto, para el caso peruano identificaremos un conjunto de variables que permitan explicar el nivel de morosidad de las Instituciones Microfinancieras teniendo como punto de partida la revisión de los trabajos de Guillén (2003), Aguilar, Camargo y Morales (2004); Quiñones y González (2006), Quevedo (2009) y Vitvitskaya (2010).

Según la revisión realizada por estos autores, el conjunto de variables macroeconómicas explicativas, relacionada con la morosidad de las entidades microfinancieras se dividen en tres grandes grupos:

En un primer escenario, se encuentran las variables relacionadas con el ciclo económico, entre las que encontramos al Producto Bruto Interno o la demanda agregada; una conclusión compartida por los modelos teóricos y empíricos es que existe una relación negativa entre el ciclo económico y la morosidad: cuando la situación económica mejora, las empresas y familias presentan menores dificultades para hacer frente a sus obligaciones financieras.

Sin embargo, esta relación puede verse afectada por las variables que se usan para medir el ciclo. Para ello debe evaluarse si la relación entre morosidad y ciclo incluye rezagos, es decir si la tasa de crecimiento corriente de la economía determina la morosidad actual, o si periodos previos de expansión generaron una mejor capacidad de pago futura de los individuos y por lo tanto menores niveles de morosidad posteriores.

En segundo lugar, se tiene las variables que afectan la liquidez de las empresas y familias, sea por el lado de sus ingresos, salarios, precio de las materias primas o los tipos de interés activos. Donde los tipos de interés tienen una relación positiva con la morosidad, los salarios reales con una relación positiva en el caso de las empresas y negativa en el caso de las familias, y los precios de las materias primas en el caso de las empresas con una relación


ASEGURESE DE QUE TODAS SUS CITAS ESTEN ADECUADAMENTE REFERENCIADAS EN LA BIBLIOGRAFIA

esperada positiva y negativa para el caso de las familias. Debe tenerse en cuenta que dichas variable están ligadas fuertemente al ciclo económico.

En tercer lugar, se encuentran las variables relacionadas con el nivel de endeudamiento la carga del servicio de la deuda. Mayores niveles de endeudamiento pueden aumentar las dificultades de los agentes para hacer frente a sus compromisos, ya que a mayores niveles de apalancamiento se hace más difícil obtener una financiación. 4

Otro factor explicativo del nivel de morosidad lo es el nivel de precios medido a través del Índice de Precios al Consumidor (IPC), y el cual a su vez está definido como una media ponderada de los precios de los bienes y servicios finales.5 Se usa como ponderación a una cesta de consumo representativa de una familia media, también refleja el encarecimiento de la vida, ya que indica el dinero necesario para mantener el nivel de vida anterior. El IPC tiene una relación positiva con la tasa de morosidad, debido a que incrementos en los precios de bienes y servicios hace que los agentes económicos descuiden sus niveles de pago, haciendo que se incremente el nivel de clientes morosos en el sistema financiero.

El Riesgo país (SP) es un índice que intenta medir el grado de riesgo que entraña un país para las inversiones extranjeras.6 Los inversores, al momento de realizar sus elecciones de dónde y cómo invertir, buscan maximizar sus ganancias, pero además tienen en cuenta el riesgo, esto es, la probabilidad de que las ganancias sean menor que lo esperado o que existan pérdidas.

Por lo tanto, la relación de la morosidad y el riesgo país es de forma directa; ya que el aumento del riesgo país refleja un panorama de inestabilidad económica y con ello el riesgo de incumplimiento de pago llevado a cabo por los individuos aumenta.

1.2.2 REVISION DE LA LITERATURA DE LOS DETERMINANTES MICROECONÓMICOS

4 Párrafos citados en Vallcorba y Delgado (2007). 5Citado en: “Análisis y evolución futura de la morosidad en España” (2010). 6

Además de determinantes macroeconómicos que determinan el nivel de morosidad, en este estudio también se tendrá en cuenta a los determinantes microeconómicos. Ya que el comportamiento de cada entidad financiera es fundamental para explicar su nivel de morosidad. Así tenemos a aquellas entidades que tienen una política de colocaciones más agresivas, con lo cual se espera que presenten tasas de morosidad mayores. En este sentido Saurina (1998) considera al crecimiento de crédito, tipo de negocio y los incentivos a adoptar políticas más arriesgadas son los grupos de variables más analizados

Un elemento importante que afecta la tasa de morosidad de una institución es la velocidad de su expansión crediticia ya que incrementos importantes en la tasa de crecimiento de las colocaciones pueden ir acompañados de reducciones en los niveles de exigencias a los solicitantes.

Las variaciones de plazo y/o monto de los créditos refinanciados obedecen a dificultades en la capacidad de pago del deudor; por lo que un mayor ratio de créditos refinanciados contribuye a generar mayores niveles de morosidad. En este sentido los clientes manifiestan falta de liquidez en el cumplimiento de sus obligaciones financieras.

El número de agencias de cada entidad se utiliza como un indicador proxy de la diversificación geográfica de cada institución. Murrugarra y Ebentreich (1999) muestra que en un principio, el incremento en el número de agencias significa tener acceso a una mayor variedad de mercados, lo cual puede generar dificultades en el seguimiento y control, con lo que se tiende a empeorar la capacidad de evaluación y de recuperación.

Vitvitskaya (2010) muestra que una cantidad mayor de préstamos por cada empleado conlleva a una tasa de morosidad más elevada, pues se piensa que a mayor cantidad de créditos es más complicado llevar las actividades de control. No obstante, la relación entre el ratio mencionado y la tasa de morosidad presenta una relación positiva a partir de cierto punto, pues antes de este margen se asume que el analista tiene la capacidad para controlar eficientemente a los deudores.

Saurina (1998) sostiene que una entidad que tiene problemas de insolvencia puede apostar por una política de expansión hacia rubros de mayor rentabilidad y riesgo, como una medida de última instancia para solucionar sus problemas financieros.

Según la literatura, la estructura de la cartera de colocaciones es un factor importante para determinar la morosidad crediticia de una institución financiera, pues, la entidad asume diferentes niveles de riesgo a través de las distintas

estructuras de la cartera de inversiones crediticias. En efecto, los créditos hipotecarios tienen un menor riesgo que los créditos de consumo (Saurina, 1998).

Para resumir, la política crediticia expansiva, la diversificación de la cartera de colocaciones por tipo de crédito y sectores, la eficiencia de la empresa en el manejo del riesgo, la presencia de garantías, la solvencia y otros incentivos que tienen las entidades para expandirse y el poder de mercado de la entidad, son importantes factores en la determinación de la morosidad observada en las colocaciones de una institución crediticia.

La literatura mencionada anteriormente sobre los indicadores microeconómicos de la tasa de morosidad nos muestra que debe tenerse en cuenta las políticas expansivas de las financieras, los incentivos para llevar a cabo estas políticas, la eficiencia de la financiera para monitorear a sus clientes, el poder de mercado de que tenga una institución y la concentración en un sector determinado.

En base a la revisión de las variables económicas de estudios anteriores que afectan el nivel de morosidad, se presenta a continuación un cuadro con las posibles variables que se tomaran en cuenta para nuestra investigación.

Cuadro nº 1.1Variables económicas que determinan la morosidad en las IMF

1.3La información asimétrica en el sistema financiero

El desarrollo de la teoría moderna de las finanzas tiene una fuente importante en los progresos que registra el análisis crítico realizado sobre la teoría neoclásica del equilibrio general.

VARIABLES QUE DETERMINAN EL NIVEL DE MOROSIDAD EN LAS IMF

VARIABLES MACROECONÓMICA

S

VARIABLES MICROECONÓMICAS

Producto Bruto Interno

Índice de Precios al Consumidor

Spread – EMBIG Reservas

Internacionales Netas Tasa Activa promedio

en soles Tasa Activa promedio

en dólares

Colocaciones por Deudor

Colocaciones por Empleado

ROE ROA Nº de Oficinas Créditos

Refinanciados Ratio de

Liquidez

Elaboración PropiaFuente: Literatura y Trabajos mencionados anteriormente

Concretamente se dice que los mercados fracasan cuando no proporcionan un resultado eficiente de Pareto. Las causas pueden ser tan distintas, como la presencia de competencia imperfecta, externalidades o costos de transacción.

RAE (2000) señala que las primeras investigaciones respecto a información asimétrica fueron llevadas a cabo por tres economistas estadounidenses, George A. Akerlof, A. Michael Spence y Joseph E. Stiglitz, que se dedicaron por separado, en la década de los 70 al estudio de esta disciplina, coincidiendo en investigar el efecto de la sociedad de la información en las decisiones de los agentes económicos. El trabajo de dichos autores se constituye el núcleo de la teoría moderna de la economía y la información. Sin embargo fue Akerlof (1970)7 quien introdujo el concepto de información asimétrica para analizar los mercados de autos usados.

Su investigación ayuda a explicar cómo los mercados se pueden distorsionar si algunos agentes tienen más información que otros, sugiriéndose que podría ser necesario intervenir para restaurar la equidad. Es decir, los mercados con asimetría de información son aquellos en los que los distintos agentes que actúan sobre un mismo mercado manejan niveles diferentes de información que marcan sus decisiones.

La información asimétrica supone que una de las partes en una transacción económica tiene menos información que otra u otras. Distintas investigaciones han destacado que la información asimétrica caracteriza a muchos mercados, algunos economistas creen que ese problema se extiende particularmente sobre los mercados financieros, dada su mayor intensidad en información.

La información asimétrica es un factor clave en el proceso de intermediación financiera. Existe información asimétrica cuando una de las partes no cuenta con información relevante sobre las características del prestatario. El acreedor no puede saber “a priori” si el acreditado utilizara los recursos en la forma acordada o bien, si los empleara para gasto de consumo. También plantea que una forma de mitigar los efectos de la información asimétrica es mediante la diversificación de la cartera de crédito. Es decir, por una parte el sistema financiero permite a la sociedad a ahorra, y por otra, disminuye el riesgo mediante la sofisticación de sus métodos de evaluación y la diversificación de su cartera. (Bebczuk, 2000).

7 The Market for “Lemons”: Quality Uncertainty and the Market Mechanism. Disponible en: http://web.usal.es/~emmam/Docencia/Modelizacion/papers/The%20market%20for%20lemons.pdf


NO ESTA EN LA BIBLIOGRAFIA

http://web.usal.es/~emmam/Docencia/Modelizacion/papers/The%20market%20for%20lemons.pdf

La dinámica del problema de la información asimétrica es la siguiente: el prestatario busca extraer un beneficio de la falta de información con que cuenta el acreedor; éste reacciona imponiendo una mayor tasa de interés, por lo que, en el equilibrio final, los deudores de buena calidad terminan subsidiando a los de baja calidad, con lo que se tiene equilibrio pooling8 (Armendariz y Morduch, 2000).

Por lo tanto, la información asimétrica altera el funcionamiento eficiente del mercado de crédito provocando, en un caso extremo, que como medida de protección, lo acreedores interrumpan el crédito, dando lugar al racionamiento de crédito. Sin embargo, es más probable que el prestamista acuda al alza de tasas de interés como primera medida de protección mediante el incremento de lo que se denomina spread o margen de intermediación.

El resultado de la información asimétrica se traduce entonces en racionamiento de crédito, selección adversa y altas tasas de interés, tanto para proyectos seguros o prestatarios cumplidos como para los que no lo son. Sin embargo, existen mecanismos que ayudan a mitigar las consecuencias de la información asimétrica, así tenemos el historial crediticio para comprobar la calidad de un prestatario (Freixas y Rochet, 1997).

Tres problemas han sido asociados con la información asimétrica bajo la siguiente denominación: selección adversa (adverse selection), riesgo moral (moral hazar) y comportamiento de rebaño (herd behavior). Cada uno tiene el potencial para conducir a los mercados financieros hacia la ineficiencia y la inestabilidad. Nuestro trabajo de investigación tendrá en cuenta al riesgo moral y a la selección adversa.9

1.3.1 EL RIESGO MORAL EN LOS CREDITOS MICROFINANCIEROS

8En finanzas se define: Agrupación temporal de empresas independientes, generalmente dentro de la misma industria, para dominar el mercado e imponerse mediante una política común.9 Citado en: “Información Asimétrica y Mercados Financieros Emergentes: el análisis de Mishkin”. Universidad Autónoma Metropolitana, Azcapotzalco, México (2001).

Un concepto profundamente vinculado con el riesgo crediticio es la presencia de asimetrías de información en las transacciones crediticias entre los que proveen el crédito y los que lo reciben. Esto implica que el intercambio de recursos financieros que tienen que ser pagados en un futuro, no sólo tiene que existir confianza, sino que existe la necesidad de que tanto las instituciones que otorgan crédito y quienes lo reciben, dispongan de la mayor cantidad posible de información para determinar el riesgo del crédito.

Keynes se refirió al riesgo moral como uno de los factores que inciden en lo que denominó riesgo-inversión. Aquí riesgo moral se define como resultado de un problema de asimetría en la información. En este sentido el riesgo moral ocurre cuando una parte en una transacción tiene el incentivo y la habilidad para cambiarlos costos sobre la otra parte.

En los mercados financieros, cuando la información es asimétrica, un prestamista puede ser incapaz de observar si un prestatario invertirá en un proyecto riesgoso o en un proyecto seguro, y si el prestatario no está condicionado o sujeto a ciertas obligaciones o garantías de alguna clase el resultado será una inversión excesiva en proyectos riesgosos.

Lane y Phillips (2002) señalan que el término “riesgo moral” se utiliza con frecuencia al analizar los efectos contraproducentes de los seguros. Se refiere a la idea de que cuando se cuenta con un seguro, aumentan las posibilidades de que ocurra el hecho contra el cual se compró el seguro porque el asegurado se siente menos incentivado a adoptar medidas preventivas.

El riesgo moral se transforma en problema cuando:

1) El resultado para una de las partes depende de algo no conocido en el momento del contrato, que incluye las acciones de la otra parte.

2) Esas acciones sean las llamadas “acciones ocultas”, en el sentido de ser no observables ni inferibles directamente por la parte cuyos resultados se ven afectados.

3) Aparece aversión al riesgo en algunas de las partes, con lo cual el problema de distribuir los riesgos se convierte verdaderamente en un inconveniente.10

10 Párrafo extraído de:” Los Problemas del Financiamiento de la pequeña y mediana empresa: la relación bancos – pymes”, Universidad Nacional del Sur.


Fuente???


No esta en bibliografía???


Fuente????

La esencia del problema radica en que el riesgo moral genera conflicto con dos de los objetivos fundamentales que ha de cumplir cualquier diseño contractual, respecto a:

a) La provisión adecuada de incentivos y;b) La distribución eficiente de riesgos entre las partes.

El conflicto de la provisión adecuada de incentivos proviene, a su vez, de los efectos de sustitución: el grado en que una de las partes se haya cubierto de riesgo afecta a sus incentivos de adoptar acciones “eficientes” para la otra parte. La solución es tratar de encontrar un contrato óptimo que supere este conflicto.11

Las instituciones financieras cuando hacen los préstamos están interesadas en la tasa de interés que reciben del préstamo y el riesgo del préstamo. Dada la información asimétrica y la divergencia de incentivos, las instituciones tratan de diseñar un contrato de préstamo para moderar esos problemas.

Es importante especificar los factores que determinan los inconvenientes que sufren las instituciones microfinancieras como principal, resultado de sus problemas de monitoreo.

Es posible argumentar que cuando peor es la calidad de la información que el banco obtiene acerca de la acción que el agente asume, más serio es el problema de incentivo.

Las instituciones deben de obtener la mayor información para evaluar el proyecto ex - ante del otorgamiento del crédito y por otro lado se buscaría desarrollar un sistema de monitoreo ex – post para evaluar el destino de los fondos.

Las instituciones para reducir el riesgo moral se ven obligadas a efectuar el monitoreo de la actividad económica del prestatario. Pero se hace imposible cuando existe gran cantidad de prestatarios, por lo que la decisión dependerá de la información que brinden los prestatarios, reduciéndose de esta manera total o mínimamente el riesgo moral.12

11 Párrafo extraído de: “Los Problemas del Financiamiento de la Pequeña y Mediana Empresa: La relación Bancos - PYMES”. Universidad Nacional del Sur. 12 Párrafo mencionado en la Investigación: “Información Asimétrica y el Mercado de Crédito”. Banco Central de Bolivia.


Fuente???


Fuente???

1.3.2 La selección adversa en el sistema Microfinanciero

Según Mascareñas (2007), el problema de selección adversa surge cuando el prestamista no es capaz de distinguir entre proyectos con diferentes niveles de riesgo en el instante de conceder el préstamo. En el contexto de un contrato de préstamo, y a igualdad de valor esperado, el prestamista o acreedor preferirá los proyectos más seguros y el prestatario o deudor los más arriesgados.

En este escenario, los prestatarios que disponen de proyectos arriesgados intentaran ocultar el verdadero riesgo del proyecto con objeto de aprovecharse de la relativa desinformación del prestamista. El resultado será que los acreedores, al no disponer de información fiable sobre cada uno de los proyectos que se les pide que financien, exigirán un tipo de interés representativo del riesgo medio de dichos proyectos, lo que provocara que aquellos prestatario que poseen proyectos de bajo riesgo renuncien a realizarlos porque su financiamiento será demasiado caro y, por el contrario, los que posean proyectos con un riesgo superior a la media estarán encantados de poder financiarlo a un costo inferior al que debieran haberlo hecho.

El problema de selección adversa surge de una asimetría en la información concerniente a alguna de las características de una de las partes que integra el contrato y que es relevante para el resultado final de la transacción. En una transacción, las características de las partes que intervienen son esenciales para el resultado final de la negociación. La parte menos informada desearía conocer, antes del contrato, determinada característica denominada con frecuencia “tipo”, pero no puede en principio hacerlo sin costo. Se enfrenta a una incertidumbre de “mercado” o de información imperfecta, y dicha imperfección perjudica a aquellas partes que pertenecen al tipo de agente más deseable para realizar contratos dado que los mismos son tratados de manera uniforme a los tipos menos deseables.

El problema de selección adversa ocurre cuando la parte menos informada no puede discriminar entre los “tipos” buenos y malos, hecho que estandariza el mercado con el peor “tipo”, dejando afuera del mismo a potenciales buenos “tipos”. Esta situación implica un mercado incompleto.

Este problema hace referencia a que en los mercados financieros, los prestamistas frecuentemente obtienen conocimiento incompleto o limitado de la solvencia o calidad crediticia de los prestatarios. Se considera que los prestamistas no tienen la capacidad suficiente para evaluar completamente la calidad crediticia de cada prestatario.


Fuente????


No esta en bibliografía???

El precio o tasa de interés que recibirán de los prestatarios por los préstamos reflejará sólo la calidad promedio de las empresas (o prestatarios) emisoras de valores (obligaciones o acciones). Este precio probablemente será menor que el valor de mercado justo para las empresas de alta calidad, pero mayor que el valorde mercado para las empresas de baja calidad.

Debido a que los directivos de las empresas de alta calidad saben que sus valores están subvaluados (los costos de sus préstamos obtenidos son excesivos) evitarán pedir préstamos al mercado. Sólo las empresas de baja calidad desearán vender valores. En el momento que las empresas de alta calidad emitirán pocos valores, muchos proyectos que podrían haber generado beneficios no serán realizados. Al mismo tiempo los menos exitosos o los proyectos de las empresas de baja calidad serán financiados; se trata de un resultado ineficiente.13

13Citado en: “Información Asimétrica y Mercados Financieros emergentes del Análisis de Mishkin”. Universidad Autónoma Metropolitana (2001).

CAPITULO II

HECHOS ESTILIZADOS

El análisis de la morosidad en las Instituciones Microfinancieras en el Perú durante el periodo 2002 – 2011 será dividido en tres partes: 2.1) Desenvolvimiento de la economía nacional, 2.2) Crecimiento de las Microfinanzas y 2.3) Evolución de la Morosidad, las cuales están relacionadas con la dinámica de crecimiento de la economía en general.

2.1 Desenvolvimiento de la Economía en el Perú (2002 – 2011)

Un hecho relevante es el sostenido crecimiento económico mostrado en el Perú durante el periodo 2002 – 2011, donde el sistema financiero mostró tendencias favorables asociadas a sólidos fundamentos macroeconómicos, reforzadas con regulación prudencial y una supervisión basada en riesgos adecuada a las características de la economía peruana. Los factores que explican este crecimiento económico están relacionados con el crecimiento de la demanda interna, las inversiones, estabilidad política, estabilidad fiscal, así como regulado por la sólida estructura del sistema financiero nacional.

GRÁFICO Nº 2.1PRODUCTO BRUTO INTERNO EN EL PERÚ

2002:01 – 2011:12

8,000

10,000

12,000

14,000

16,000

18,000

20,000

22,000

02 03 04 05 06 07 08 09 10 11

PBI @MEAN(PBI,"2002m01 2011m12")

Después de la recesión de la economía del Perú en los años 1998 – 2001 que tuvo un impacto negativo sobre el desempeño de las empresas financieras, el cual se reflejo en un deterioro de los indicadores de calidad de activos y rentabilidad, para los años 2002 - 2011 como nos muestra el Gráfico nº 2.1 el Producto Bruto Interno (PBI) tiene una tendencia creciente, con un promedio de 14 178.16.

Fuente: INFORMACIÓN ECONÓMICA DEL INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMÁTICA (INEI) Y SUPERINTENDENCIA DE BANCOS, SEGUROS Y AFP (SBS).Elaboración Propia

CUADRO Nº 2.1ESTADÍSTICOS DESCRIPTIVOS DEL PRODUCTO BRUTO INTERNO (Millones de

nuevos soles a precios de 1994) Y LA MOROSIDAD

Variables Promedio Desvío est. Coef. Var.

PBI 14178.16 2765.607 0.19506

Morosidad (IMF) 6.364889 2.293906 0.360400

Fuente: INFORMACIÓN ECONÓMICA DEL INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMÁTICA (INEI) Y SUPERINTENDENCIA DE BANCOS, SEGUROS Y AFP (SBS).

Elaboración Propia

Se observa que el Producto Bruto Interno muestra menor dispersión que la morosidad. La menor dispersión del PBI se debe al crecimiento sostenido que muestra la economía peruana, así como al entorno económico internacional y a las adecuadas políticas económicas.

Se espera que con un mayor crecimiento de la producción se genere mayores ingresos y riqueza, de tal manera que los agentes económicos, familias y empresas mejoren su capacidad de pago, y así reducir sus niveles de incumplimiento con las Entidades Microfinancieras. El coeficiente de ambas variables debería ser negativo para las tres Instituciones Microfinancieras.


Consultar bibliografía relevante

La relación entre el PBI y la morosidad de cada Institución Microfinanciera se muestra en los siguientes gráficos:

GRÁFICO Nº 2.2RELACIÓN ENTRE LA MOROSIDAD (CMAC, CRAC y Edpymes) Y PRODUCTO

BRUTO INTERNO2002:01 – 2011:12

1.3

1.4

1.5

1.6

1.7

1.8

1.9

9.0 9.2 9.4 9.6 9.8 10.0

LOG(PBI)

LOG

(MO

R)

1.2

1.4

1.6

1.8

2.0

2.2

2.4

2.6

2.8

9.0 9.2 9.4 9.6 9.8 10.0

LOG(PBI)

LOG

(MO

R)

1.2

1.4

1.6

1.8

2.0

2.2

2.4

2.6

9.0 9.2 9.4 9.6 9.8 10.0

LOG(PBI)

LOG

(MO

R)

Relación entre el PBI y la Morosidad de las Instituciones Microfinancieras

Para el caso de las CMAC no existe una relación inversa entre morosidad y el PBI como lo muestran el resto de Instituciones Microfinancieras, esto se debe a que los agentes no están cumpliendo con sus contratos crediticios a pesar de la mejora en el contexto económico, la demasiada flexibilidad en el otorgamiento de créditos a sectores que no se conocen, la sobreoferta crediticia dada la importante competencia existente y quizá también debido a una mala calificación del riesgo crediticio, el valor de su correlación de 0.0798.

Sin embargo las CRAC y Edpymes muestran una relación inversa. Donde la actividad económica del país, medida como variación del PBI, puede impactar negativamente a la morosidad dada su relación con el empleo, los ingresos y la capacidad de pago de los clientes. La correlación entre Morosidad y PBI para las CRACs es de -0.875193 y para el caso de las Edpymes es de -0.757045. Así, se espera que en periodos de expansión económica los índices de morosidad tiendan a reducirse, mientras que en periodos de recesión tiendan a aumentar.

Durante el 2008 la economía peruana tuvo un excelente desempeño, pese a la desaceleración registrada en los últimos meses como consecuencia de la crisis financiera internacional. En el 2009 la economía peruana ya percibió los

Fuente: INFORMACIÓN ECONÓMICA DEL INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMÁTICA (INEI) Y SUPERINTENDENCIA DE BANCOS, SEGUROS Y AFP (SBS). Elaboración Propia

efectos de la crisis económica y financiera internacional, experimentando una fuerte desaceleración.

Para el 2010 la economía nacional superó el débil ciclo económico del año 2009. El mayor impulso provino de la demanda interna. De esta manera, el Perú estuvo entre los países que lideraron la recuperación de América Latina en el 2010. Dicho crecimiento, que además superó al promedio de otras regiones, como América del Norte, Europa Occidental, Europa del Este y Asia Oriental.14

Durante el 2011, la economía peruana volvió a mostrar un periodo de alto dinamismo, cerrando el año con un dinamismo de 6,9 por ciento. No obstante, a lo largo del año la tasa de crecimiento mostró una mayor volatilidad respecto al año anterior tanto por el temor de una recaída de la economía mundial, sustentado a su vez en la crisis de deuda que atraviesan algunos países del sur de Europa, como por la incertidumbre propia de todo proceso electoral.

Respecto a la Inflación, desde el año 2002, el Banco Central de Reserva del Perú implementa su política monetaria bajo un esquema de metas explícitas de inflación (MEI). La meta de inflación fue de 2.5% con un margen de error de 1%. Ya para el año 2007 se redujo la meta a 2% con un margen de error de 1%, utilizándose el mismo hasta la actualidad.

0

1

2

3

4

5

6

02 03 04 05 06 07 08 09 10 11

INFLACION@MEAN(INFLACION,"2002 2011")

14 Memoria Anual ASBANC 2010. Pág. 20

GRÁFICO Nº 2.3INFLACIÓN EN EL PERÚ (Var. Promedio Anual)

2002 - 2011

Fuente: ESTADISTICAS ECONÓMICAS DEL BANCO CENTRAL DE RESERVA DEL PERU (BCRP)Elaboración Propia

En los años 2004 y 2008 la inflación no cumplió con el rango meta de inflación, para el año 2004 la inflación fue de 3.7 por ciento, esto debido a choques de oferta, como las alzas del precio internacional del petróleo y de los insumos alimenticios importados, y una sequia que afectó la oferta agrícola local. En el 2008 la inflación llego a 5.8 por ciento, ocasionado por el alza de la cotización internacional de alimentos registrados, así como por el encarecimiento de la oferta interna de productos agrícolas afectada por factores climáticos y por el mayor precio de los fertilizantes.

En el ámbito externo, el aumento de los precios internacionales de los commodities registrado en 2010 afectó la evolución de los precios domésticos de los alimentos y los combustibles, principalmente en la primera mitad del año. A estos choques se sumaron anomalías climatológicas que afectaron la oferta de algunos productos agrícolas perecederos, principalmente entre agosto y noviembre.

CUADRO Nº 2.2ESTADÍSTICOS DESCRIPTIVOS DEL INDICE DE PRECIOS AL CONSUMIDOR Y

LA MOROSIDAD


IPC 92.72907 7.477616 0.080639

Morosidad (IMF) 6.364889 2.293906 0.360400

Fuente: INFORMACION ESTADÍSTICA DEL BANCO CENTRAL DE RESERVA DEL PERÚ (BCRP) Y SUPERINTENDENCIA DE BANCOS, SEGUROS Y AFP (SBS)

Elaboración Propia

La inflación, medida según la variación del Índice de Precios al Consumidor (IPC), presenta menor dispersión que la morosidad en el sistema Microfinanciero, esto se debe a la correcta política monetaria que ha tenido el Perú con la implementación del Esquema de Metas Explícitas de Inflación.


Consultar bibliografía relevante

La relación entre la morosidad y el IPC es inversa en las CRAC y Edpymes, y muestra una correlación de -0.895599 y -0.709921. La gráfica nos muestra que si los precios de los productos disminuyen, esto va ayudar a que los agentes económicos tengan más propensión a cancelar sus deudas en el sistema Microfinanciero. Contrariamente ocurre para las CMAC, donde el comportamiento es directo y la correlación tiene un valor de 0.110346. Esto se debe a que los individuos al ver un incremento en la canasta representativa dejan relegado sus compromisos financieros.

GRÁFICO Nº 2.4RELACIÓN ENTRE LA MOROSIDAD (CMAC, CRAC y Edpymes) Y EL INDICE DE

PRECIOS AL CONSUMIDOR2002:01 – 2011:12

1.3

1.4

1.5

1.6

1.7

1.8

1.9

4.35 4.40 4.45 4.50 4.55 4.60 4.65 4.70

IPC

LOG

(MO

R)

1.2

1.4

1.6

1.8

2.0

2.2

2.4

2.6

2.8

4.35 4.40 4.45 4.50 4.55 4.60 4.65 4.70

IPC

LOG

(MO

R)

1.2

1.4

1.6

1.8

2.0

2.2

2.4

2.6

4.35 4.40 4.45 4.50 4.55 4.60 4.65 4.70

IPC

LOG

(MO

R)

Relación entre IPC y la Morosidad de las Instituciones Microfinancieras

El riesgo país ha tenido un comportamiento decreciente, la reducción de puntos básicos se sustenta por los sólidos fundamentos de la economía peruana. Producto de ello, el Perú ha mejorado la clasificación de riesgo soberano alcanzando el grado de inversión al igual que México, Chile, Brasil y Colombia.

El 2008 las clasificadoras Ficths Ratings y Standard Poor´s le otorgaron el grado de inversión al Perú; en diciembre del 2009, también lo otorgo la clasificadora Moody´s, al calificar a los bonos soberanos peruanos con Baa3b (primer escalón del grado de inversión). Así nuestra clasificación indica que somos considerados un país con capacidad de pago de su deuda. Al respecto, el índice de riesgo Latinoamericano ha mostrado una evolución esencialmente proporcional al riesgo país del Perú desde el año 2002. Ello se puede explicar por el hecho de que el riesgo Perú es, en una parte significativa, resultado del riesgo regional apreciado por los inversionistas internacionales.

Fuente: INFORMACIÓN ECONÓMICA DEL INSTITUTO NACIONAL DE ESTADÍSTICA E INFORMÁTICA (INEI) Y SUPERINTENDENCIA DE BANCOS, SEGUROS Y AFP (SBS) Elaboración Propia


FUENTE

El haber logrado el grado de inversión, implica que la Economía Peruana sea considerada en el mercado internacional como un país en el cual las inversiones tienen mayor certidumbre acerca de su futuro, contribuyendo así a dinamizar la economía, en beneficio de la producción, el empleo y en general el desarrollo del Perú.

CUADRO Nº 2.3ESTADÍSTICOS DESCRIPTIVOS DEL SPREAD - EMBIG (pbs) Y LA MOROSIDAD


Riesgo País 286.6764 161.7256 0.564139

Morosidad (IMF) 6.364889 2.293906 0.360400

Nos damos cuenta, que el Cuadro nº 2.3 muestra un promedio de 286.6764 para el Riesgo País, siendo menor a partir del 2005, esto se produjo en un contexto de incertidumbre electoral. El riesgo país muestra mayor dispersión respecto de la morosidad debido a que en el periodo 2002 – 2005 el riesgo fue elevado, así como también se elevo en el periodo 2008 - 2009 a causa de la crisis financiera internacional.

El Riesgo País tiene una relación directa en las CRAC y Edpymes, siendo el valor de las correlaciones para las de CRAC de 0.571302 y las Edpymes de 0.480719. Las CMAC tienen una correlación de -0.117225. Por lo que a menor Riesgo País, refleja mayores niveles de morosidad debido a que una mejora en el panorama económico, hace que los individuos se descuiden con sus obligaciones, pensando poder cancelarlos a posteriori. (Ver Gráfico nº 2.6).

Fuente: SERIES ESTADÍSTICAS DEL BANCO CENTRAL DE RESERVA DEL PERU (BCRP) Y SUPERINTENDENCIA DE BANCOS, SEGUROS Y AFP (SBS)Elaboración Propia


MEJORAR REDACCION

GRÁFICO Nº 2.6RELACIÓN ENTRE LA MOROSIDAD (CMAC, CRAC y Edpymes) Y EL RIESGO

PAÍS2002:01 – 2011:12

1.3

1.4

1.5

1.6

1.7

1.8

1.9

0 200 400 600 800 1,000

Spread-Embig

LOG

(MO

R)

1.2

1.4

1.6

1.8

2.0

2.2

2.4

2.6

2.8

0 200 400 600 800 1,000

Spread-Embig

LOG

(MO

R)

1.2

1.4

1.6

1.8

2.0

2.2

2.4

2.6

0 200 400 600 800 1,000

Spread-Embig

LOG

(MO

R)

Relación entre Spread-Embig y la Morosidad de las Instituciones Microfinancieras

2.2 Crecimiento de las Microfinanzas en el periodo 2002 – 2011

A diciembre de 2011, el sistema Microfinanciero está conformado por 13 cajas municipales, 11 cajas rurales de ahorro y crédito y 10 entidades de desarrollo de la pequeña y microempresa. El sistema Microfinanciero continuó mostrando una evolución favorable, aún cuando se observó cierta desaceleración en el crecimiento de sus operaciones con respeto al 2010. El mayor alcance mostrado por estas entidades obedeció a la expansión de sus canales de atención, a través de la instalación de nuevas oficinas, cajeros automáticos y cajeros corresponsales, a lo largo del territorio nacional, principalmente en aquellas zonas con mayores niveles de pobreza.

GRÁFICO Nº 2.7COLOCACIONES POR DEUDOR EN LAS INSTITUCIONES MICROFINANCIERAS

(CMAC, CRAC y Edpymes) EN EL PERU2002:01 – 2011:12

7.6

7.8

8.0

8.2

8.4

8.6

8.8

9.0

9.2

02 03 04 05 06 07 08 09 10 11

LOG(CD)

8.48

8.52

8.56

8.60

8.64

8.68

8.72

8.76

8.80

8.84

8.88

02 03 04 05 06 07 08 09 10 11

LOG(CD)

7.9

8.0

8.1

8.2

8.3

8.4

8.5

8.6

02 03 04 05 06 07 08 09 10 11

LOG(CD)

Colocaciones por Deudor de las Instituciones Microfinancieras

Fuente: ESTADISTICAS ECONÓMICAS DEL BNCO CENTRAL DE RESERVA DEL PERU (BCRP) Y SUPERINTENDENCIA DE BANCOS, SEGUROS Y AFP (SBS) Elaboración Propia

Fuente: SUPERINTENDENCIA DE BANCOS, SEGUROS Y AFP (SBS)Elaboración Propia

Las colocaciones por deudor en las Cajas Municipales de Ahorro y Crédito (CMAC) muestran una tendencia creciente durante todo el periodo de análisis. Sin embargo las Cajas Rurales de Ahorro y Crédito y las Edpymes no muestran una tendencia creciente en todo el periodo, sino muestran incrementos y decrementos en el periodo de análisis.

Esto puede deberse a que las CMACs tienen más tiempo en el mercado que el resto de Instituciones del Sistema Microfinanciero, y por lo consiguiente más deudores. A diferencia de las CRAC y las Edpymes, éstas han reducido su participación en el sector, debido a que se encuentran en zonas rurales, por lo que su política consiste en analizar a las personas se les otorga créditos, las cuales muchas veces no lo tienen debido a sus bajos ingresos o al historial de deudas con otras Instituciones Financieras.

Observamos que las CRACs presentan en promedio los mayores niveles de Colocaciones por Deudor en todo el sistema Microfinanciero, debido a que los deudores existentes en esta institución son menores en comparación del resto del sistema. Asimismo es la Microfinanciera que presenta menor dispersión, esto nos quiere decir que su política no consiste en otorgar créditos a cualquiera, sino a pocos y con menor riesgo y con mayores condiciones de pago.

CUADRO Nº 2.4 ESTADÍSTICOS DESCRIPTIVOS DE LAS COLOCACIONES POR DEUDOR EN LAS

INSTITUCIONES MICROFINANCIERAS


CMAC 8.539027 0.395103 0.046270

CRAC 8.619020 0.087147 0.010111

EDPYMES 8.176123 0.190451 0.023293


Las colocaciones por Empleado muestran tendencia creciente al igual que las colocaciones por deudor en las CMACs, respecto a las colocaciones por empleado en las CRACs y Edpymes también ocurre un parecido con lo que respecta a las colocaciones por deudor.

GRÁFICO Nº 2.8COLOCACIONES POR EMPLEADO EN LAS INSTITUCIONES

MICROFINANCIERAS EN EL PERU2002: 01 – 2011:12

13.0

13.1

13.2

13.3

13.4

13.5

13.6

13.7

02 03 04 05 06 07 08 09 10 11

LOG(CE)

12.85

12.90

12.95

13.00

13.05

13.10

13.15

13.20

02 03 04 05 06 07 08 09 10 11

LOG(CE)

12.4

12.5

12.6

12.7

12.8

12.9

13.0

02 03 04 05 06 07 08 09 10 11

LOG(CE)

Colocaciones por Deudor en las Instituciones Microfinancieras

Los elevados créditos por empleado en las CMACs obedecen a que estas Instituciones tienen más sucursales en el ámbito nacional, por lo tanto tienen mayor número de empleados, cuyo efecto es mayores colocaciones.

En el Cuadro nº 2.5 podemos observar que las colocaciones por empleado en las CMACs son más estables y las CRACs muestran menores valores atípicos, argumento a favor de su seguimiento como medida de calidad de las colocaciones por empleado. Las series de las Colocaciones por Empleado en las Instituciones Microfinancieras no se aproximan a una distribución normal.



NO INTERPRETA LOS GRAFICOS

CUADRO Nº 2.5ESTADÍSTICOS DESCRIPTIVOS DE LAS COLOCACIONES POR EMPLEADO EN

LAS INSTITUCIONES MICROFINANCIERAS


CMAC 13.45249 0.151643 0.011272

CRAC 13.00798 0.061776 0.004749

EDPYMES 12.71093 0.126196 0.009928

Actualmente, las instituciones Microfinancieras, principalmente las CMACs, continúan con su tendencia al crecimiento, ya que aproximadamente el 46% de los préstamos que otorgan las instituciones financieras se dan en este rubro Microfinanciero. Es importante mencionar que las Colocaciones por Deudor de las CRACs se encuentran en un nivel por encima de las colocaciones por empleado del resto de las IMF. Este resultado se encuentra en buena parte justificado por la orientación esencialmente rural que tienen estas IMF.

Asimismo, las Instituciones Microfinancieras representan uno de los rubros más competitivos en la economía peruana, en lo referente al número de entidades financieras participantes. Ya que la micro y pequeña empresa aportan 42.1% del PBI representando apenas el 17.1% de las deudas del Sistema Financiero, y el 77.0% de los puestos de trabajo en el Perú son generados por las Mypes.

Respecto a los Créditos Refinanciados, las CRACs muestran una tendencia decreciente en todo el periodo, y las CMACs y Edpymes muestran esta tendencia decreciente hasta fines del 2008, para luego tener una tendencia creciente hasta el 2010, para luego en el 2011 retomar la tendencia decreciente.



FUENTE

GRÁFICO Nº 2.9CREDITOS REFINANCIADOS EN LAS INSTITUCIONES MICROFINANCIERAS EN

EL PERÚ2002:01 – 2002:12

0.0

0.2

0.4

0.6

0.8

1.0

02 03 04 05 06 07 08 09 10 11

LOG(CR)

0.0

0.5

1.0

1.5

2.0

2.5

3.0

02 03 04 05 06 07 08 09 10 11

LOG(CR)

-1.2

-0.8

-0.4

0.0

0.4

0.8

1.2

02 03 04 05 06 07 08 09 10 11

LOG(CR)

Créditos Refinanciados en las Instituciones Microfinancieras

En el cuadro nº 2.6 podemos apreciar que las CRAC presentan mayores niveles de créditos refinanciados y su volatilidad no es tan elevada como la de las Edpymes. Esto debido como mencione anteriormente a que se encuentra en zonas rurales, por lo que se hace indispensable considerar de parte de los demandantes de créditos refinanciamientos para así seguir participando en la actividad económica. Donde dichos refinanciamientos son adecuados para aquellas personas que cumplieron con sus anteriores cumplimientos de pago.

CUADRO Nº 2.6ESTADÍSTICOS DESCRIPTIVOS DE LOS CRÉDITOS REFINANCIADOS EN LAS



CMAC 0.520829 0.171311 0.328919

CRAC 1.642020 0.855719 0.521137

EDPYMES 0.062363 0.567486 9.099722




¿Cómo MIDE LA VOLATILIDAD?

El Número de Oficinas se ha incrementado durante todo el periodo de análisis en todo el sistema Microfinanciero, este incremento obedece al mayor alcance mostrado por estas entidades. A diciembre de 2011, las Instituciones Microfinancieras contaban con 3 295 puntos de atención. Este incremento podemos apreciarlo en el Gráfico nº 2.10, donde vemos que son las CMAC las que han crecido más rápido y en mayor cantidad.

GRÁFICO Nº 2.10NÚMERO DE OFICINAS EN LAS INSTITUCIONES MICROFINANCIERAS EN EL

PERU2002:01 – 2011:12

4.4

4.8

5.2

5.6

6.0

6.4

02 03 04 05 06 07 08 09 10 11

LOG(NOF)

3.6

4.0

4.4

4.8

5.2

5.6

02 03 04 05 06 07 08 09 10 11

LOG(NOF)

3.6

4.0

4.4

4.8

5.2

5.6

02 03 04 05 06 07 08 09 10 11

LOG(NOF)

Número de Oficinas en las Instituciones Microfinancieras

Del Cuadro nº 2.7 podemos constatar que son las CMAC las que tienen el más elevado promedio respecto al resto de las Instituciones Microfinancieras, debido a que se encuentran en más tamaño en todo el entorno nacional. Asimismo las CRAC presentan mayor dispersión en todo el sistema Microfinanciero, esto constata la entrada y salida de CRACs en el rubro financiero en el periodo de análisis.

CUADRO Nº 7ESTADÍSTICOS DESCRIPTIVOS DEL NÚMERO DE OFICINAS EN LAS



CMAC 5.500780 0.494350 0.089869

CRAC 4.593641 0.580886 0.126454

EDPYMES 4.577483 0.497796 0.108748



La Rentabilidad de Activos ha sido muy variada en el sistema Microfinanciero, como notamos en el Gráfico nº 2.11 la rentabilidad de activos en las CMAC ha venido disminuyendo a lo largo del periodo, muy diferente ha ocurrido en las CRAC y Edpymes, donde se reduce en el 2003 se recuperan en el 2005 y vuelven a caer paulatinamente en el año 2009 por causa de la crisis financiera internacional.

GRÁFICO Nº 2.11RENTABILIDAD DE ACTIVOS DE LAS INSTITUCIONES MICROFINANCIERAS

(CMAC, CRAC Y Edpymes) EN EL PERU2002:01 – 2011:12

1

2

3

4

5

6

02 03 04 05 06 07 08 09 10 11

ROA

0.4

0.8

1.2

1.6

2.0

2.4

2.8

3.2

3.6

4.0

02 03 04 05 06 07 08 09 10 11

ROA

-1

0

1

2

3

4

5

6

02 03 04 05 06 07 08 09 10 11

ROA

Rentabilidad de Activos en las Instituciones Microfinancieras

Las CRAC presentan los mayores niveles de Rentabilidad de Activos y la menor volatilidad. Esto nos dice que este tipo de Instituciones maneja más responsablemente la Rentabilidad de Activos que el reto de Instituciones Microfinancieras.

CUADRO Nº 2.8ESTADÍSTICOS DESCRIPTIVOS DE LA RENTABILIDAD DE ACTIVOS EN LAS



CMAC 4.263667 1.164379 0.273093

CRAC 1.876500 0.932144 0.496746

EDPYMES 2.544667 1.657993 0.651555



2.3 Evolución de la Morosidad en las Instituciones Microfinancieras (IMF) en el Perú

El manejo de la calidad de cartera de las Microfinanzas es un tema que cobra importancia, debido a la sostenibilidad de largo plazo de las Instituciones Microfinancieras, así como también la provocación de posibles crisis en el sistema, las cuales llegan a desencadenar recesiones en las economías.

Las Instituciones Microfinancieras han venido mostrando mayores niveles de morosidad que la del sistema financiero, pero no alarmantes ya que no se trata de niveles que pueden generar preocupación. Esto debido a la sobreoferta crediticia y al sobreendeudamiento en las micro y pequeñas empresas (Mypes). Con lo cual las IMF están siendo más conservadoras en el otorgamiento de créditos, priorizando los resultados de las empresas y no sustentándose solo en referencias históricas.

Asimismo, se considera que el aumento de la morosidad responde también al efecto de la crisis internacional que sienten internamente las microempresas, ya que muchas de ellas forman parte del motor económico en el Perú.

CUADRO Nº 2.9ESTADÍSTICOS DESCRIPTIVOS DE LA MOROSIDAD EN LAS INSTITUCIONES

MICROFINANCIERAS


CMAC 1.611406 0.111337 0.069093

CRAC 1.908808 0.357624 0.187354

EDPYMES 1.867067 0.341628 0.182975

Del Cuadro nº 2.9, podemos constatar que las CRAC son las Instituciones que muestran carteras más deterioradas y muestran mayores niveles de dispersión, argumentando un no adecuado seguimiento como medida de calidad de la cartera. Le sigue en el aspecto de deterioradas las Edpymes, y por último tenemos a las CMACs, las cuales muestran menores niveles en la cartera deteriorada.


La dispersión de la morosidad respondería a dos factores fundamentales: a la calidad de la gestión administrativa de la institución y a las condiciones de la actividad económica general del país.

GRÁFICO Nº 2.12MOROSIDAD EN LAS INSTITUCIONES MICROFINANCIERAS (CMAC, CRAC Y

Edpymes) EN EL PERU2002:01 – 2011:12

1.3

1.4

1.5

1.6

1.7

1.8

1.9

02 03 04 05 06 07 08 09 10 11

LOG(MOR)

1.2

1.4

1.6

1.8

2.0

2.2

2.4

2.6

2.8

02 03 04 05 06 07 08 09 10 11

LOG(MOR)

1.2

1.4

1.6

1.8

2.0

2.2

2.4

2.6

02 03 04 05 06 07 08 09 10 11

LOG(MOR)

Morosidad en las Instituciones Microfinancieras en el Perú

Del Gráfico nº 2.12, podemos concluir que un aumento de la morosidad en las Instituciones Microfinancieras, estas rápidamente influyen para reducir dichos incrementos, es por ello que notamos picos y valles permanentes en el periodo de análisis para las tres Instituciones Microfinancieras. El nivel de morosidad histórico de estas entidades ha estado entre 4% y 5%, respecto a las cajas, teniendo en cuenta el riesgo que asumen, su morosidad es moderada.

Notamos para las tres Instituciones que a partir del año 2009, año en donde se empieza a sentir la crisis financiera internacional se muestran incrementos en la morosidad, para luego a principios del 2011, retomar niveles moderados. Por lo tanto es importante evaluar al cliente no solo por su capacidad de pago, sino por su nivel de endeudamiento, para ello se debe contar con los suficientes instrumentos para la adecuada medición e identificación de riesgos.


CAPITULO III

ANÁLISIS DE LOS DETERMINANTES DE LA

MOROSIDAD DE LAS INSTITUCIONES

MICROFINANCIERAS DEL PERÚ2002:01 – 2011:12

3.1 ESPECIFICACIÓN DEL MODELO

3.1.1 MODELO TEÓRICO Y ECONOMÉTRICO

En base al Marco Teórico expuesto en el Capítulo I, se plantea un modelo econométrico de Datos de Panel cuya representación teórica a contrastar es la siguiente:

MORit= f (MORit-1, PBIit, IPCit, SPit, CDit,CEit,CRit,ROAit, NOFit)

(+) (-) (+) (+) (-) (+) (+) (-) (+)

El modelo econométrico de Datos de Panel a estimar en su forma matemática y lineal es:

Log(MORit)=β0+ β1*Log(MORit-1)+ β2*Log(PBIit)+ β3*Log(IPCit) + β4*SPit + β5*Log(CDit)+ β6*Log(CEit) +β7*Log(CRit)+β8*ROAit +β9*Log(NOFit)+ μit

Dónde:

μit=αi+φi+ε itα i : Representa la heterogeneidad no observable específica a cada individuo y

se considera constante a lo largo del tiempo para cada uno de los 3 sistemas:

Cajas Municipales, Cajas Rurales y Entidades de Desarrollo de la Pequeña y

Microempresaque conforman la muestra.

φ i : Representa los efectos no cuantificables que varían en el tiempo pero no

entre sistemas o entidades microfinancieras.

ε it : Representa el término de error puramente aleatorio que representa el

efecto de todas las otras variables que explican la morosidad y varía entre

entidad microfinanciera y a través del tiempo, respectivamente.

El Panel de Datos utilizado en la presente investigación es balanceado dado que las todas las observaciones de corte transversal y de series temporales están disponibles. El modelo es expresado en logaritmos con el objetivo de identificar y obtener las elasticidades de la tasa de morosidad de las entidades microfinancieras respecto a cada uno de sus determinantes.

Finalmente es necesario precisar:

i = 1, 2, 3, comprende los identificadores transversales, en este caso las entidades microfinancieras, a saber: Cajas Municipales, Cajas Rurales y Empresas de Desarrollo de Pequeña y Microempresa; y T =1, 2, 3, 4, 5, 6, 7, 8, 9, 10, comprende los años de estudio u horizonte temporal con frecuencia mensual, a saber: 2002:01-2011:12. Es decirtenemos una muestra de (M x T)= (3 X 120) = 360 observaciones.

Conocida ya la especificación del modelo econométrico de Datos de Panel presentamos las variables del mismo en las siguientes tablas:

TABLA Nº III.1VARIABLE ENDÓGENA

NIVEL DE MOROSIDAD (M)Variable Medición Símbolo Fuente

Tasa de MorosidadProporción de

créditos en incumplimiento M

Superintendencia de Bancos, Seguros

y AFPS. (SBS)

Fuente: Superintendencia de Bancos, Seguros y AFPS.Elaboración: Propia.

TABLA Nº III.2VARIABLES EXÓGENAS

(INDEPENDIENTES)Variable Medición Símbolo Fuente

Producto Bruto Interno

Valor monetario total de la producción corriente de bienes y servicios de un país durante

un período(Mensual)

PBIInstituto Nacional de

Estadística e Información (INEI)

Indice de Pecios al Consumidor

Indicador económico que permite conocer la variación de los precios de un conjunto de

bienes y servicios que consume habitualmente los agentes

económicos.

IPC

Banco Central de Reserva del Perú

(BCRP)

Riesgo País

Indice que mide el grado de riesgo que entraña un país para

las inversiones extranjeras SPBanco Central de Reserva del Perú

(BCRP)

Colocaciones por Deudor Créditos Totales/Número de Deudores

CD Superintendencia de Bancos, Seguros y

AFPS. (SBS)

Colocaciones por Empleado

Créditos Totales/Total del personal CE

Superintendencia de Bancos, Seguros y

AFPS. (SBS)

Rentabilidad de ActivosMide la utilidad neta generada en los últimos 12 meses con

relación al activo total promedio de los últimos 12

meses

ROASuperintendencia de Bancos, Seguros y

AFPS. (SBS)

Número de Oficinas Número de Sucursales en el año t NOF

Superintendencia deBancos, Seguros y

AFPS. (SBS)

Créditos Refinanciados

Son los créditos que han sufrido variaciones de plazo y/o monto respecto al contrato original, las cuales obedecen a dificultades

en la capacidad de pago del deudor

CR

Superintendencia deBancos, Seguros y

AFPS. (SBS)

Fuente: Instituto Nacional de Estadística e Información, Banco Central de Reserva del Perú, y Superintendencia de Bancos, Seguros y AFPS Elaboración: Propia.

Parámetros:

Se tiene la siguiente expectativa de signos respecto a los parámetros del modelo:

β1>0: Una persistencia de la morosidad genera un aumento de la morosidad en el periodo t.

β1=log(Mt)

log (M t−1)>0

↑ log(M t−1)→↑ log(M t)

β2<0 :Un mayor Producto Bruto Interno contribuye a generar unareducción del nivel de morosidad, dado que los individuos obtienen mayores ingresos con los cuales mejoran el nivel de pagos de sus deudas.

β2=log(M t)

log (PBI t)<0

↑ log (PBI t)→↓ log(M t)

β3>0: Un aumento del Índice de Precios, genera mayores niveles de morosidad, debido a que el aumento de precios de bienes y servicios hace que los individuos descuiden sus niveles de pagos.

β3=log(M t)

log (IPC t)>0

↑ log( IPC t)→↑ log (M t)

β4>0: A mayor Riesgo País, mayor es el nivel de morosidad, ya que el aumento del riesgo país refleja un panorama de inestabilidad económica y ante ello el riesgo de incumplimiento de pago aumenta.

β4=log (M t)SP t

>0

↑SPt→↑ log(M t)

β5<0: Un mayor nivel de endeudamiento genera un mayor nivel de morosidad dado que ante el excesivo endeudamiento por deudor se incrementa la probabilidad de incumplimiento de pago y por ende el nivel de morosidad.

β5=log(M t)

log (CD t)<0

↑ log(CD t)→↓ log(M t)

β6>0: Un adecuado nivel de colocaciones por empleado reduce el nivel de morosidad dado que al otorgar de manera eficiente los empleados sus créditos reducen la posibilidad incumpliento de sus clientes.

β6=log(M t)

log (CET )>0

↑ log (CEt)→↑ log(M t)

β7>0: Un mayor ratio de créditos refinanciados contribuye a generar mayores niveles de morosidad dado que ante el frecuente refinanciamiento de los clientes estos manifiestan falta de liquidez o dificultades para el cumplimiento de sus obligaciones financieras.

β7=log(M t)log(CRt)

>0

↑ log(CRt)→↑ log (M t)

β8<0: Una adecuada gestión de los activos de cada entidad microfinanciera reflejada a través de su mayor rentabilidad reduce los niveles de morosidad dado que los activos de cada entidad microfinanciera están siendo gestionados adecuamentereduciéndose los riesgos de incumplimiento de pago por parte de los demandantes de créditos otorgados por las entidades microfinancieras.

β8=log(M t)ROA t

<0

↑ROA t→↓ log (M t)

β9>0 :Una óptima distribución geográfica de las oficinas y/o agencias de cada entidad microfinanciera contribuye a reducir los niveles de morosidad debido a que a través de una adecuada ubicación de sus sucursales las entidades microfinancieras tendrán un mayor acceso y contacto con sus clientes reduciéndose el incumplimiento de sus obligaciones financieras.

β9=log (M t)

log (NOF t)>0

↑ log(NOF t)→↑ log(M t)

3.1.2 ANÁLISIS DE COINTEGRACIÓN

Con objeto de establecer la posible existencia de una relación estable de largo plazo entre el consumo de energía y sus determinantes se realizará un análisis de Cointegración. En la presente investigación se realizará el análisis de Cointegración a través de la estacionariedad de los residuos. Para evaluar la estacionariedad de los residuos se utilizarán las pruebas de Levin, Lin y Chu; Breitung; Im, Pesaran y Shin; ADF – Fisher; PP – Fisher y Hadri.

3.1.3 ANALISIS DE VECTORES AUTOREGRESIVOS (VAR)

Se plantea el siguiente modelo de Vectores Autorregresivos (VAR):

(1)

(2)

(3)

(4)

log (M t )=δ 11+δ 12Log(PBI t)+δ 13log ( IPC t )+δ14 SP+δ15 log (CD t)+δ16 log (CEt )+δ17 (ROA t )+δ 18 log (NOF t )+δ19 log (CRt )+∑i=1

n

θ1 i log(

PBI t−1)+∑i=1

n

θ2i log ¿)+∑i=1

n

θ3 i¿)+∑i=1

n

θ4 i log ¿)+∑i=1

n

θ5 i log¿)+∑i=1

n

θ6 i¿)+∑i=1

n

θ7 i log¿)+∑i=1

n

θ8 i log¿)+∑i=1

n

θ9 i log¿)+μ1 t

log (PBI t )=β11+β12Log(M t)+ β13 log ( IPCt )+β14SP+β15 log(CDt)+β16 log (CEt )+β17 (ROA t )+β18log (NOF t )+ β19 log (CRt )+∑i=1

n

γ1 i log(

PBI t−1)+∑i=1

n

γ2 i log ¿)+∑i=1

n

γ3 i ¿)+∑i=1

n

γ 4 i log¿)+∑i=1

n

γ5 i log ¿)+∑i=1

n

γ6 i ¿)+∑i=1

n

γ7 i log ¿)+∑i=1

n

γ 8i log ¿)+∑i=1

n

γ 9i log ¿)+μ2 t

log ( IPC t )=∂11+∂12Log(M t)+∂13 log (PBI t )+∂14SP+∂15 log (CDt)+∂16 log (CEt )+∂17 (ROA t )+∂18 log (NOFt )+∂19 Log (CRt )+∑i=1

n

α 1 i log(

PBI t−1)+∑i=1

n

α2 i log ¿)+∑i=1

n

α3 i ¿)+∑i=1

n

α4 i log¿)+∑i=1

n

α5 i log ¿)+∑i=1

n

α6 i ¿)+∑i=1

n

α7 i log ¿)+∑i=1

n

α8 i log ¿)+∑i=1

n

α9 i log ¿)+μ3 t

(SPt )=ω11+ω12Log(M t)+ω13 log (PBI t )+ω14 SP+ω15 log(CD t)+ω16 log (CEt )+ω17 (ROA t )+ω18 log (NOF t )+ω19 log (CRt )+∑i=1

n

ρ1 i log(PBI t−1

)+∑i=1

n

ρ2i log ¿)+∑i=1

n

ρ3i ¿)+∑i=1

n

ρ4 i log ¿)+∑i=1

n

ρ5i log ¿)+∑i=1

n

ρ6 i¿)+∑i=1

n

ρ7 i log ¿)+∑i=1

n

ρ8 i log¿)+∑i=1

n

ρ9 i log¿)+μ4 t

(5)

(6)

(7)

(8)

log (CD t )=φ11+φ12Log(M t)+φ13 log (PBI t )+φ14SP+φ15log( IPC t)+φ16 log (CEt )+φ17 (ROA t )+φ18 log (NOF t )+φ19 log (CRt )+∑i=1

n

τ1 i log(PBI t−1

)+∑i=1

n

τ2 i log¿)+∑i=1

n

τ3 i¿)+∑i=1

n

τ4 i Log¿)+∑i=1

n

τ5 i log¿)+∑i=1

n

τ6 i¿)+∑i=1

n

τ7 i log¿)+∑i=1

n

τ8 i log¿)+∑i=1

n

τ9 i log¿)+μ5 t

log (CEt )=Φ11+Φ12Log(M t)+Φ13 log (PBI t )+Φ14SP+Φ15 log (IPC t)+Φ16 log (CD t )+Φ17 (ROA t )+Φ18 log (NOFt )+Φ19 log (CRt )+∑i=1

n

Ԑ1i log(

PBI t−1)+∑i=1

n

Ԑ2i log ¿)+∑i=1

n

Ԑ3i ¿)+∑i=1

n

Ԑ4 i log¿)+∑i=1

n

Ԑ5i log ¿)+∑i=1

n

Ԑ6i ¿)+∑i=1

n

Ԑ7i log ¿)+∑i=1

n

Ԑ8i log ¿)+∑i=1

n

Ԑ9i log ¿)+μ6 t

(ROA t )=Ψ 11+Ψ 12Log(M t)+Ψ 13 log (PBI t )+Ψ 14(SP)+Ψ 15log( IPC t)+Ψ 16 log (CD t )+Ψ 17 (CEt )+Ψ 18 log (NOF t )+Ψ 19 log (CRt )+∑i=1

n

π 1i log(

PBI t−1)+∑i=1

n

π2 i log ¿)+∑i=1

n

π3 i ¿)+∑i=1

n

π 4 i log¿)+∑i=1

n

π5 i log ¿)+∑i=1

n

π6 i ¿)+∑i=1

n

π7 i log ¿)+∑i=1

n

π8 i log ¿)+∑i=1

n

π9 i log ¿)+μ7 t

log (NOF t )=Ω11+Ω12Log(M t)+Ω13 log (PBI t )+Ω14(SP)+Ω15 log(IPC t)+Ω16 log (CD t )+Ω17 (CEt )+Ω18 (ROA t )+Ω19log (CRt )+∑i=1

n

ν1 i log(

PBI t−1)+∑i=1

n

ν2 i log¿)+∑i=1

n

ν3 i¿)+∑i=1

n

ν4 i log ¿)+∑i=1

n

ν5 i log¿)+∑i=1

n

ν6 i¿)+∑i=1

n

ν7 i log¿)+∑i=1

n

ν8 i log¿)+∑i=1

n

ν9 i log¿)+μ8 t

(9)

Donde (1), (2), (3), (4), (5), (6), (7), (8) y (9) representan las ecuaciones del modelo VAR de las variables de estudio: Producto Bruto Interno(PBI), Índice de Precios al Consumidor(IPC), Riesgo País (SP), Colocaciones por Deudor(CD), Colocaciones por Empleado(CE), Rentabilidad de los Activos(ROA), Número de Oficinas(NOF) y Créditos Refinanciados(CR), respectivamente.

La presente investigación realiza la estimación de un modelo de vectores autorregresivos (VAR) con la finalidad de utilizar dos herramientas importantes de análisis:

a) Función Impulso-respuesta: Esta función es simplemente la representación de medias móviles asociada con el modelo estimado y explica la respuesta del sistema a shocks en los componentes del vector de perturbaciones. La función impulso-respuesta traza la respuesta de las variables endógenas en el sistema ante un shock en los errores. Un cambio en e1 cambiaría inmediatamente el valor de Y. Ello además cambiaría todos los valores futuros de las demás variables endógenas del sistema, debido a la estructura dinámica del sistema.

b) Descomposición de la Varianza del error de predicción: La descomposición de la varianza de un VAR brinda información acerca de la potencia relativa de innovaciones aleatorias para cada variable endógena. Este ejercicio consiste en descomponer la varianza de las variables endógenas en componentes que permitan aislar el porcentaje de variabilidad de una endógena explicado por una de las innovaciones para distintos horizontes predictivos. Tal descomposición se obtiene luego de “ortogonalizar” el vector de perturbaciones, que consiste en distribuir la responsabilidad de las correlaciones reflejadas en la matriz de covarianza entre los distintos componentes del vector de perturbaciones.

log (CRt )=λ11+λ12Log(M t)+ λ13 log (PBI t )+λ14(SP)+λ15 log(IPC t)+λ16 log (CD t )+ λ17 (CEt )+λ18 (ROA t )+λ19 log (NOF t )+∑i=1

n

η1 i log(PBI t−1)+

∑i=1

n

η2i log ¿)+∑i=1

n

η3 i¿)+∑i=1

n

η4 i log ¿)+∑i=1

n

η5 i log¿)+∑i=1

n

η6 i¿)+∑i=1

n

η7 i log¿)+∑i=1

n

η8 i log¿)+∑i=1

n

η9 i log¿)+μ9 t


FUENTE

3.2 ANÁLISIS DE CAUSALIDAD

CUADRO Nº III.1TEST DE CASUALIDAD DE GRANGER

Date: 07/10/12 Time: 17:39Sample: 2002M01 2011M12Lags: 7

Null Hypothesis: Obs F-Statistic

Prob.

L_CD does not Granger Cause L_MOR 339 0.60349

0.7530

L_MOR does not Granger Cause L_CD 1.74906

0.0970

L_CE does not Granger Cause L_MOR 339 1.30073

0.2492

L_MOR does not Granger Cause L_CE 1.27337

0.2628

L_CR does not Granger Cause L_MOR 339 1.93147

0.0641

L_MOR does not Granger Cause L_CR 2.06639

0.0468

L_IPC does not Granger Cause L_MOR 339 0.84974

0.5468

L_MOR does not Granger Cause L_IPC 3.64217

0.0008

L_NOF does not Granger Cause L_MOR 339 0.38075

0.9134

L_MOR does not Granger Cause L_NOF 0.48995

0.8418

L_PBI does not Granger Cause L_MOR 339 5.07439

2.E-05

L_MOR does not Granger Cause L_PBI 13.1451

6.E-15

ROA does not Granger Cause L_MOR 339 1.64104

0.1231

L_MOR does not Granger Cause ROA 0.51781

0.8210

SPREAD_EMBIG does not Granger Cause L_MOR 339 2.11379

0.0418

L_MOR does not Granger Cause SPREAD_EMBIG 0.82277

0.5689

Fuente: Base de Datos de la Superintendencia de Bancos, Seguros y AFPs (SBS)Elaboración: Propia utilizando Eviews 6.0.

Antes de realizar la estimación del modelo analizamos previamente las relaciones de causalidad del modelo existentes entre las variables explicativas y variable dependiente del modelo: Morosidad de las entidades Microfinancieras. El CUADRO Nº III.1, muestra dos hallazgos principales la relación de causalidad significativa entre morosidad y Producto Bruto Interno y asimismo la relación de causalidad significativa entre el Riesgo País y morosidad, respectivamente.

Es decir la actividad económica del país y estabilidad política y social del mismo inciden significativamente sobre el nivel de morosidad y a través de la estimación del modelo determinaremos el impacto de estas variables y otros factores explicativos citados en el marco teórico de nuestra investigación. Finalmente es importante precisar que existe una relación de causalidad significativa de morosidad hacia créditos refinanciados lo cual evidencia que el mayor número de créditos refinanciados es consecuencia de los mayores niveles de morosidad del sistema microfinanciero del Perú.3.3 ESTIMACIÓN DEL MODELO DE DATOS DE PANEL

CUADRO Nº III.2MODELO DE DATOS DE PANEL

MOROSIDAD (IMF)Dependent Variable: LOG(MOR) Method: Panel Two-Stage Least Squares Date: 07/10/12 Time: 17:42 Sample (adjusted): 2002M03 2011M12 Periods included: 118 Cross-sections included: 3 Total panel (balanced) observations: 354 Instrument list: C LOG(MOR(-2)) LOG(COL_DEUD) LOG(COL_EMPLE) ROA LOG(PBI) SPREAD_EMBIG LOG(CR) LOG(IPC) LOG(NOF)

Variable Coefficient Std. Error t-Statistic Prob. C 3.286148 0.814007 4.037001 0.0001

LOG(MOR(-1)) 0.778086 0.036453 21.34509 0.0000 LOG(COL_DEUD) 0.083648 0.027824 3.006354 0.0028

LOG(COL_EMPLE) -0.150159 0.049392 -3.040131 0.0025 ROA -0.015470 0.004243 -3.645876 0.0003

LOG(PBI) -0.238921 0.067706 -3.528806 0.0005 SPREAD_EMBIG -5.82E-05 2.65E-05 -2.197670 0.0286

LOG(CR) 0.043300 0.015173 2.853714 0.0046 LOG(IPC) 0.146668 0.201131 0.729213 0.4664 LOG(NOF) 0.001433 0.019059 0.075203 0.9401

Effects Specification Cross-section fixed (dummy variables) R-squared 0.965215 Mean dependent var 1.788728

Adjusted R-squared 0.964096 S.D. dependent var 0.313905 S.E. of regression 0.059480 Sum squared resid 1.209949 F-statistic 535.5021 Durbin-Watson stat 1.981402 Prob(F-statistic) 0.000000 Second-Stage SSR 1.908686 Instrument rank 12.000000


Especificado ya el modelo ahora realizamos su estimación. El Modelo especificado es un modelo de variable endógena rezagada y por lo tanto el método de estimación adecuado en este caso es el Método de Mínimos Cuadrados en Dos Etapas. Los resultados obtenidos se muestran en el CUADRO Nº III.2. En el siguiente ítem realizaremos la evaluación de Cointegración en el modelo y finalmente presentaremos el análisis de vectores autorregresivos, interpretando los resultados obtenidos, respectivamente.

3.4 ANÁLISIS DE COINTEGRACIÓN DEL MODELO DE DATOS DE PANEL


¿Por qué MCO EN DOS ETAPAS??

CUADRO Nº III.3ANÁLISIS DE COINTEGRACIÓNMODELO DE DATOS DE PANEL

MOROSIDAD (IMF)Panel unit root test: Summary Series: RESID01 Date: 08/01/12 Time: 14:12 Sample: 2002M01 2011M12 Exogenous variables: None User specified lags at: 4 Newey-West bandwidth selection using Bartlett kernel Balanced observations for each test Cross- Method Statistic Prob.** sections Obs Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* -9.28189 0.0000 3 339

Null: Unit root (assumes individual unit root process) ADF - Fisher Chi-square 92.3535 0.0000 3 339 PP - Fisher Chi-square 644.111 0.0000 3 351 Fuente: Base de Datos de la Superintendencia de Bancos, Seguros y AFPs (SBS)

Elaboración: Propia utilizando Eviews 6.0.

Analizando los residuos del modelo, observamos que estos son estacionarios lo cual evidencia la existencia de una relación de equilibrio estable en el largo plazo entre la morosidad y sus determinantes, descartándose e patrón de regresión espuria y confirmando la existencia de una relación de causa y efecto estable entre la morosidad y sus determinantes. De esta manera el modelo es útil para efecto de políticas en un largo plazo y en base a sus determinantes pueden diseñarse políticas y estrategias que permitan un adecuado manejo y gestión de la morosidad de las entidades microfinancieras del Perú en un largo plazo.

3.5 EVALUACIÓN DEL MODELO DE DATOS DE PANEL

A continuación realizamos la evaluación económica, estadística y econométrica del modelo de datos de panel estimado para la morosidad y sus determinantes. Observando el CUADRO Nº III.2, podemos apreciar que todas las variables a excepción del riesgo país cumplen los signos, especificados en el modelo e hipótesis planteadas en el presente trabajo de investigación. Se confirma la relación directa entre las colocaciones por deudor, persistencia de la morosidad, créditos refinanciados, índice de precios al consumidor y número de oficinas, respectivamente. Asimismo se confirma la relación inversa entre colocaciones por empleado, calidad de los activos y morosidad, respectivamente. Sin embargo respecto a la variable riesgo país existe un impacto contrariado al marco teórico y evidencia empírica de nuestra investigación. Dicho impacto es en relación a la variable riesgo país el cual es negativo evidenciando que cuanto mayores son los niveles de riesgo país se tiene menores niveles de morosidad, lo cual generalmente no es típico dado que mayores niveles de inestabilidad de política suponen mayores niveles de morosidad, debido a la incertidumbre generada en el entorno político y económico del país.

Respecto a la evaluación estadística se tiene que todos los parámetros son estadísticamente significativos individualmente a excepción de las variables: Índice de Precios al Consumidor y Número de Agencias, respectivamente. A nivel global el modelo es estadísticamente significativo como un todo, debido a que la probabilidad de la distribución estadística F es menor al 5%, rechazándose así la hipótesis nula de no significancia global. Finalmente dentro de la evaluación estadística global es necesario precisar que el modelo tiene un coeficiente de ajuste del 96.52%, lo cual evidencia que las variaciones de la morosidad son explicadas en un 96.52%, por variaciones en su persistencia, colocaciones por empleado, colocaciones por deudor, calidad de activos, Riesgo País, Producto Bruto Interno, créditos refinanciados, Índice de Precios al Consumidor y número de agencias, respectivamente.

CUADRO Nº III.4ANÁLISIS DE HETEROCEDASTICIDAD

MODELO DE DATOS DE PANELMOROSIDAD (IMF)

Test for Equality of Variances of RESID01 Categorized by values of RESID01 Date: 08/01/12 Time: 21:10 Sample (adjusted): 2002M03 2011M12 Included observations: 354 after adjustments Method df Value Probability Bartlett 3 12.41044 0.0061 Levene (3, 350) 4.418332 0.0046 Brown-Forsythe (3, 350) 2.807546 0.0396 Fuente: Base de Datos de la Superintendencia de Bancos, Seguros y AFPs (SBS)


En relación a la evaluación econométrica, en el CUADRO Nº III.4, se aprecia que el modelo presenta Heterocedasticidad y ello es sustentado a través de la

Prueba de Igualdad de Varianzas, según los criterios de Bartlett, Levene y Brown, criterios que muestran una probabilidad menor a 0.05, rechazándose la hipótesis de homocedasticidad de los términos de error en el modelo.

CUADRO Nº III.5ANÁLISIS DE AUTOCORRELACIÓN



Respecto a la autocorrelación a través del Test de Box-Pierce se consta que no existe autocorrelación de orden 1 y 2 en el modelo, respectivamente. Dichos resultados son constatados a través de la probabilidad estadística la cual es mayor al 0.05, aceptándose de esta manera la hipótesis de no correlación entre los términos de perturbación del modelo. Finalmente en relación a la normalidad del modelo a través del Test de Jarque Bera se confirma que los residuos del modelo no siguen una distribución normal, pero dicha dificultad puede ser superada a medida que aumente el tamaño de la muestra ya que según el teorema del límite central a medida que aumenta el tamaño muestral del modelo los residuos convergerán a una distribución normal aceptándose de esta manera la inferencia estadística dentro del mismo, respectivamente.

CUADRO Nº III.6ANÁLISIS DE NORMALIDAD


0

10

20

30

40

50

60

70

80

90

-0.375 -0.250 -0.125 0.000 0.125 0.250 0.375

Series: Standardized ResidualsSample 2002M03 2011M12Observations 354

Mean 3.92e-20Median 0.004131Maximum 0.388808Minimum -0.454284Std. Dev. 0.058546Skewness -0.751677Kurtosis 17.67389

Jarque-Bera 3209.353Probability 0.000000


Date: 08/01/12 Time: 21:16 Sample: 2002M01 2011M12 Included observations: 354

Autocorrelation Partial Correlation AC PAC Q-Stat Prob .|. | .|. | 1 0.004 0.004 0.0058 0.939

.|. | .|. | 2 -0.004 -0.004 0.0128 0.994

3.6 ANÁLISIS DE VECTORES AUTORREGRESIVOS (VAR)

CUADRO Nº III.7ANALISIS VAR

CAJAS MUNICIPALESFUNCION IMPULSO-RESPUESTA


- . 04

. 00

. 04

. 08

5 10 15 20

Res ponse of L_M OR to L_M OR

- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e of L_M OR to D(L_CD)

- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e of L_M OR to D(L_CE)

- . 04

. 00

. 04

. 08

5 10 15 20

Res p ons e o f L _M OR to D(ROA)

- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e of L_M OR to D(L_PBI)

- . 04

. 00

. 04

. 08

5 10 15 20

Re s po n s e o f L _M OR to D(SPREAD_ EM BIG)

- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e o f L_M OR to D(L_CR)

- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e of L_M OR to D(L_IPC)

- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e of L_M OR to D(L_NOF)

- . 010

- . 005

. 000

. 005

. 010

5 10 15 20

Res pons e of D(L_CD) to L_M OR

- . 010

- . 005

. 000

. 005

. 010

5 10 15 20

Res p ons e of D(L_CD) to D(L _CD)

- . 010

- . 005

. 000

. 005

. 010

5 10 15 20

Res p ons e of D(L_CD) to D(L _CE)

- . 010

- . 005

. 000

. 005

. 010

5 10 15 20

Re s p o ns e o f D(L_ CD) to D(ROA)

- . 010

- . 005

. 000

. 005

. 010

5 10 15 20

Res po ns e o f D(L_ CD) to D(L _PBI)

- . 010

- . 005

. 000

. 005

. 010

5 10 15 20

Re s p o n s e o f D(L _ CD) to D(SPREAD_ EM BIG)

- . 010

- . 005

. 000

. 005

. 010

5 10 15 20

Res p ons e of D(L_CD) to D(L _CR)

- . 010

- . 005

. 000

. 005

. 010

5 10 15 20

Res po ns e o f D(L_ CD) to D(L _IPC)

- . 010

- . 005

. 000

. 005

. 010

5 10 15 20

Res po ns e o f D(L_ CD) to D(L _NOF)

- . 01

. 00

. 01

. 02

5 10 15 20

Res pons e of D(L_CE) to L_M OR

- . 01

. 00

. 01

. 02

5 10 15 20

Res p ons e of D(L_CE) to D(L _CD)

- . 01

. 00

. 01

. 02

5 10 15 20

Res p ons e of D(L_CE) to D(L _CE)

- . 01

. 00

. 01

. 02

5 10 15 20

Re s p o ns e o f D(L_ CE) to D(ROA)

- . 01

. 00

. 01

. 02

5 10 15 20

Res po ns e o f D(L_ CE) to D(L _PBI)

- . 01

. 00

. 01

. 02

5 10 15 20

Re s p o n s e o f D(L _ CE) to D(SPREAD_ EM BIG)

- . 01

. 00

. 01

. 02

5 10 15 20

Res p ons e of D(L_CE) to D(L _CR)

- . 01

. 00

. 01

. 02

5 10 15 20

Res po ns e o f D(L_ CE) to D(L _IPC)

- . 01

. 00

. 01

. 02

5 10 15 20

Res po ns e o f D(L_ CE) to D(L _NOF)

- . 05

. 00

. 05

. 10

5 10 15 20

Res p ons e o f D(ROA) to L _M OR

- . 05

. 00

. 05

. 10

5 10 15 20

Re s p o ns e o f D(ROA) to D(L_ CD)

- . 05

. 00

. 05

. 10

5 10 15 20

Re s p o ns e o f D(ROA) to D(L_ CE)

- . 05

. 00

. 05

. 10

5 10 15 20

Re s p o n s e o f D(ROA) to D(ROA)

- . 05

. 00

. 05

. 10

5 10 15 20

Re s p on s e o f D(ROA) to D(L _ PBI)

- . 05

. 00

. 05

. 10

5 10 15 20

Re s p o n s e o f D(ROA) to D(SPREAD_ EM BIG)

- . 05

. 00

. 05

. 10

5 10 15 20

Re s p o ns e o f D(ROA) to D(L_ CR)

- . 05

. 00

. 05

. 10

5 10 15 20

Re s p on s e o f D(ROA) to D(L _ IPC)

- . 05

. 00

. 05

. 10

5 10 15 20

Res po ns e o f D(ROA) to D(L _NOF)

- . 04

. 00

. 04

5 10 15 20

Res pons e of D(L_PBI) to L_M OR

- . 04

. 00

. 04

5 10 15 20

Res po ns e o f D(L_ PBI) to D(L_CD)

- . 04

. 00

. 04

5 10 15 20

Res po ns e o f D(L_ PBI) to D(L_CE)

- . 04

. 00

. 04

5 10 15 20

Re s p on s e o f D(L_ PBI) to D(ROA)

- . 04

. 00

. 04

5 10 15 20

Res p ons e of D(L_PBI) to D(L_PBI)

- . 04

. 00

. 04

5 10 15 20

Re s p o n s e o f D(L _PBI) to D(SPREAD_ EM BIG)

- . 04

. 00

. 04

5 10 15 20

Res po ns e o f D(L_ PBI) to D(L_CR)

- . 04

. 00

. 04

5 10 15 20

Res p ons e o f D(L_PBI) to D(L_IPC)

- . 04

. 00

. 04

5 10 15 20

Res pons e of D(L _PBI) to D(L_NOF)

- 20

0

20

40

60

5 10 15 20

Re s po n s e o f D(SPREAD_EM BIG) to L _ M OR

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(L _ CD)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(L _ CE)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(ROA)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(L _ PBI)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(SPREAD_ EM BIG)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(L _ CR)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(L _ IPC)

- 20

0

20

40

60

5 10 15 20

Re s p o ns e o f D(SPREAD_ EM BIG) to D(L _ NOF)

- . 02

. 00

. 02

. 04

5 10 15 20

Res pons e of D(L_CR) to L_M OR

- . 02

. 00

. 02

. 04

5 10 15 20

Res p ons e of D(L_CR) to D(L _CD)

- . 02

. 00

. 02

. 04

5 10 15 20

Res p ons e of D(L_CR) to D(L _CE)

- . 02

. 00

. 02

. 04

5 10 15 20

Re s p o ns e o f D(L_ CR) to D(ROA)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ CR) to D(L _PBI)

- . 02

. 00

. 02

. 04

5 10 15 20

Re s p o n s e o f D(L _ CR) to D(SPREAD_ EM BIG)

- . 02

. 00

. 02

. 04

5 10 15 20

Res p ons e of D(L_CR) to D(L _CR)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ CR) to D(L _IPC)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ CR) to D(L _NOF)

- . 002

. 000

. 002

. 004

5 10 15 20

Res pons e of D(L_IPC) to L_M OR

- . 002

. 000

. 002

. 004

5 10 15 20

Res po ns e o f D(L_ IPC) to D(L_CD)

- . 002

. 000

. 002

. 004

5 10 15 20

Res po ns e o f D(L_ IPC) to D(L_CE)

- . 002

. 000

. 002

. 004

5 10 15 20

Re s p on s e o f D(L_ IPC) to D(ROA)

- . 002

. 000

. 002

. 004

5 10 15 20

Res p ons e of D(L_IPC) to D(L_PBI)

- . 002

. 000

. 002

. 004

5 10 15 20

Re s p o n s e o f D(L _IPC) to D(SPREAD_ EM BIG)

- . 002

. 000

. 002

. 004

5 10 15 20

Res po ns e o f D(L_ IPC) to D(L_CR)

- . 002

. 000

. 002

. 004

5 10 15 20

Res p ons e o f D(L_IPC) to D(L_IPC)

- . 002

. 000

. 002

. 004

5 10 15 20

Res pons e of D(L _IPC) to D(L_NOF)

- . 02

. 00

. 02

. 04

5 10 15 20

Res pons e of D(L_NOF) to L_M OR

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ NOF) to D(L_CD)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ NOF) to D(L_CE)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L _NOF) to D(ROA)

- . 02

. 00

. 02

. 04

5 10 15 20

Res pons e of D(L _NOF) to D(L_PBI)

- . 02

. 00

. 02

. 04

5 10 15 20

Re s p o ns e o f D(L _ NOF) to D(SPREAD_ EM BIG)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ NOF) to D(L_CR)

- . 02

. 00

. 02

. 04

5 10 15 20

Res pons e of D(L _NOF) to D(L_IPC)

- . 02

. 00

. 02

. 04

5 10 15 20

Res pons e of D(L_NOF) to D(L _NOF)

Response to Cholesky One S.D. Innovations ± 2 S.E .

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 04

. 00

. 04

5 10 15 20

Res pons e o f D(L_PBI) to L_M OR

- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20

Res p ons e of D(L_PBI) to D(L_IPC)

- . 04

. 00

. 04

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(SPREAD_ EM BI G)

- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20

Res pons e o f D(L_IPC) to L_M OR

- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20

Res p ons e of D(L_IPC) to D(L_IPC)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20




CAJAS MUNICIPALESFUNCION IMPULSO-RESPUESTA

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e of L_M OR to D(L_CR)

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


Response to Cholesky One S.D. Innovations ± 2 S .E .

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 010

- . 005

. 000

. 005

. 010

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- . 04

. 00

. 04

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20





CAJAS MUNICIPALESDESCOMPOSICION DE LA VARIANZA

Period S.E. L_MOR D(L_CD) D(L_CE) D(ROA) D(L_PBI)D(SPREAD_EM

BIG) D(L_CR) D(L_IPC) D(L_NOF)

1 0.045039 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.063452 93.40528 2.587910 1.046687 0.008379 0.850880 0.151409 1.282186 0.297883 0.369387 3 0.076660 89.88698 4.315445 1.458086 0.211745 1.290511 0.215243 1.743881 0.452627 0.425483 4 0.086204 87.43299 5.457631 1.735850 0.421371 1.596873 0.231939 2.059876 0.585172 0.478300 5 0.093167 85.81367 6.212196 1.904855 0.597621 1.784536 0.237696 2.254320 0.681957 0.513146 6 0.098250 84.71503 6.721915 2.015626 0.729246 1.906206 0.239966 2.383924 0.750853 0.537234 7 0.101969 83.96083 7.071427 2.089959 0.824886 1.987280 0.241053 2.471923 0.798994 0.553646 8 0.104696 83.43527 7.314724 2.141072 0.893662 2.042885 0.241624 2.533029 0.832728 0.565006 9 0.106701 83.06441 7.486305 2.176824 0.943119 2.081776 0.241946 2.576085 0.856563 0.572971

10 0.108178 82.79982 7.608670 2.202191 0.978804 2.109384 0.242139 2.606790 0.873571 0.578628 11 0.109270 82.60932 7.696752 2.220391 1.004674 2.129203 0.242262 2.628893 0.885816 0.582690 12 0.110078 82.47113 7.760636 2.233565 1.023518 2.143554 0.242343 2.644925 0.894697 0.585631 13 0.110676 82.37029 7.807251 2.243166 1.037304 2.154016 0.242399 2.656624 0.901178 0.587775 14 0.111120 82.29634 7.841429 2.250200 1.047428 2.161682 0.242439 2.665202 0.905929 0.589346 15 0.111450 82.24193 7.866582 2.255375 1.054886 2.167321 0.242467 2.671516 0.909426 0.590501 16 0.111695 82.20176 7.885148 2.259193 1.060393 2.171483 0.242488 2.676175 0.912007 0.591354 17 0.111878 82.17205 7.898881 2.262017 1.064469 2.174561 0.242504 2.679622 0.913916 0.591985 18 0.112013 82.15003 7.909057 2.264109 1.067490 2.176841 0.242515 2.682177 0.915331 0.592452 19 0.112114 82.13369 7.916608 2.265661 1.069731 2.178533 0.242523 2.684072 0.916381 0.592799 20 0.112189 82.12156 7.922215 2.266814 1.071396 2.179790 0.242529 2.685479 0.917160 0.593056 21 0.112245 82.11254 7.926383 2.267671 1.072634 2.180724 0.242534 2.686526 0.917740 0.593248 22 0.112287 82.10583 7.929483 2.268308 1.073554 2.181419 0.242537 2.687304 0.918171 0.593390 23 0.112318 82.10085 7.931789 2.268782 1.074239 2.181935 0.242540 2.687882 0.918491 0.593496 24 0.112341 82.09713 7.933505 2.269135 1.074748 2.182320 0.242542 2.688313 0.918730 0.593574

Fuente: Base de Datos de la Superintendencia de Bancos, Seguros y AFPs (SBS) Elaboración: Propia utilizando Eviews 6.0.


CAJAS RURALESFUNCION IMPULSO-RESPUESTA

- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20




- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20

Res pons e o f L _M OR to D(ROA)

- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20

Re s po n s e o f L_M OR to D(SPREAD_EM BIG)

- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20

Res pons e of D(L_CD) to D(L_CD)

- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20

Res p o ns e o f D(L_ CD) to D(ROA)

- . 01

. 00

. 01

. 02

5 10 15 20

Res po ns e o f D(L_CD) to D(L _PBI)

- . 01

. 00

. 01

. 02

5 10 15 20

Res p o ns e o f D(L _CD) to D(SPREAD_ EM BIG)

- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20

Res pons e of D(L_CE) to D(L_CD)

- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20

Res p o ns e o f D(L_ CE) to D(ROA)

- . 01

. 00

. 01

. 02

. 03

5 10 15 20

Res po ns e o f D(L_CE) to D(L _PBI)

- . 01

. 00

. 01

. 02

. 03

5 10 15 20

Res p o ns e o f D(L _CE) to D(SPREAD_ EM BIG)

- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20

Res pons e o f D(ROA) to L _M OR

- . 1

. 0

. 1

. 2

5 10 15 20

Res p ons e o f D(ROA) to D(L_ CD)

- . 1

. 0

. 1

. 2

5 10 15 20

Re s p o ns e o f D(ROA) to D(L_CE)

- . 1

. 0

. 1

. 2

5 10 15 20

Re s po ns e o f D(ROA) to D(ROA)

- . 1

. 0

. 1

. 2

5 10 15 20

Res p ons e o f D(ROA) to D(L _PBI)

- . 1

. 0

. 1

. 2

5 10 15 20

Re s p o n s e o f D(ROA) to D(SPREAD_EM BIG)

- . 1

. 0

. 1

. 2

5 10 15 20

Res p ons e o f D(ROA) to D(L_CR)

- . 1

. 0

. 1

. 2

5 10 15 20

Res p ons e o f D(ROA) to D(L _ IPC)

- . 1

. 0

. 1

. 2

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res pons e o f D(L_PBI) to D(L_CE)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Re s p on s e o f D(L_PBI) to D(ROA)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res po ns e o f D(L_PBI) to D(SPREAD_EM BIG)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res pons e o f D(L_ PBI) to D(L_CR)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- 20

0

20

40

60

5 10 15 20

Re s po ns e o f D(SPREAD_EM BIG) to L_M OR

- 20

0

20

40

60

5 10 15 20

Res pon s e o f D(SPREAD_ EM BIG) to D(L _CD)

- 20

0

20

40

60

5 10 15 20

Re s p on s e o f D(SPREAD_ EM BIG) to D(L _CE)

- 20

0

20

40

60

5 10 15 20

Re s po ns e o f D(SPREAD_ EM BIG) to D(ROA)

- 20

0

20

40

60

5 10 15 20

Re s p on s e o f D(SPREAD_EM BIG) to D(L_ PBI)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_EM BIG) to D(SPREAD_ EM BIG)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_EM BIG) to D(L _ CR)

- 20

0

20

40

60

5 10 15 20

Re s p on s e o f D(SPREAD_ EM BIG) to D(L _ IPC)

- 20

0

20

40

60

5 10 15 20

Re s p ons e o f D(SPREAD_ EM BIG) to D(L _NOF)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res pons e of D(L_CR) to D(L_CD)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res p o ns e o f D(L_ CR) to D(ROA)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res po ns e o f D(L_CR) to D(L _PBI)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res p o ns e o f D(L _CR) to D(SPREAD_ EM BIG)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20

Res pons e o f D(L_ IPC) to D(L_CE)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20

Res po ns e o f D(L_IPC) to D(SPREAD_EM BIG)

- . 002

. 000

. 002

. 004

5 10 15 20

Res pons e o f D(L_ IPC) to D(L_CR)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_NOF) to D(L_CE)

- . 02

. 00

. 02

. 04

5 10 15 20

Res pons e o f D(L _NOF) to D(ROA)

- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20

Re s p ons e o f D(L_ NOF) to D(SPREAD_EM BIG)

- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20




CAJAS RURALESFUNCION IMPULSO-RESPUESTA

- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20



- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 05

. 00

. 05

. 10

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 01

. 00

. 01

. 02

. 03

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 1

. 0

. 1

. 2

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20





CAJAS RURALESDESCOMPOSICION DE LA VARIANZA

Period S.E. L_MOR D(L_CD) D(L_CE) D(ROA) D(L_PBI)D(SPREAD_E

MBIG) D(L_CR) D(L_IPC) D(L_NOF)

1 0.083805 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.117611 97.92144 0.185109 0.066733 0.760127 0.386952 0.017387 0.544349 0.117230 0.000675 3 0.142091 96.79634 0.215870 0.054364 1.113566 0.620352 0.024782 1.070314 0.103809 0.000598 4 0.161303 96.19912 0.228766 0.044868 1.290773 0.714892 0.030167 1.409070 0.081509 0.000838 5 0.176992 95.86679 0.234516 0.039182 1.385980 0.751730 0.037652 1.614813 0.067807 0.001530 6 0.190143 95.66636 0.236828 0.035700 1.443247 0.769089 0.044799 1.742756 0.059000 0.002220 7 0.201369 95.53242 0.237957 0.033402 1.481998 0.779751 0.050409 1.828593 0.052746 0.002727 8 0.211074 95.43495 0.238701 0.031754 1.510468 0.787713 0.054555 1.890700 0.048076 0.003082 9 0.219544 95.36011 0.239289 0.030497 1.532397 0.794077 0.057651 1.938157 0.044480 0.003340

10 0.226985 95.30085 0.239775 0.029503 1.549758 0.799229 0.060043 1.975662 0.041644 0.003539 11 0.233559 95.25299 0.240176 0.028699 1.563766 0.803414 0.061954 2.005945 0.039362 0.003698 12 0.239391 95.21374 0.240507 0.028039 1.575244 0.806844 0.063519 2.030784 0.037492 0.003829 13 0.244583 95.18114 0.240782 0.027491 1.584778 0.809689 0.064820 2.051427 0.035940 0.003938 14 0.249220 95.15373 0.241012 0.027030 1.592790 0.812076 0.065916 2.068777 0.034635 0.004029 15 0.253370 95.13047 0.241207 0.026639 1.599592 0.814102 0.066846 2.083506 0.033527 0.004107 16 0.257093 95.11056 0.241375 0.026304 1.605415 0.815837 0.067642 2.096114 0.032579 0.004174 17 0.260439 95.09339 0.241519 0.026015 1.610436 0.817332 0.068329 2.106986 0.031761 0.004231 18 0.263450 95.07849 0.241644 0.025765 1.614792 0.818630 0.068925 2.116419 0.031051 0.004281 19 0.266164 95.06550 0.241753 0.025546 1.618593 0.819762 0.069444 2.124647 0.030432 0.004325 20 0.268613 95.05411 0.241848 0.025355 1.621923 0.820754 0.069900 2.131859 0.029890 0.004363 21 0.270824 95.04409 0.241933 0.025186 1.624854 0.821627 0.070301 2.138205 0.029412 0.004396 22 0.272823 95.03523 0.242007 0.025037 1.627442 0.822398 0.070655 2.143809 0.028990 0.004426 23 0.274632 95.02739 0.242073 0.024905 1.629736 0.823082 0.070968 2.148775 0.028617 0.004452 24 0.276270 95.02042 0.242131 0.024788 1.631773 0.823689 0.071247 2.153187 0.028285 0.004476



EDPYMESFUNCION IMPULSO-RESPUESTA

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20

Re s po ns e o f L _M OR to D(SPREAD_ EM BIG)

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res p ons e of D(L_CD) to D(L_CE)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res p ons e o f D(L_ CD) to D(ROA)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res po ns e o f D(L_CD) to D(L_PBI)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Re s p on s e o f D(L _CD) to D(SPREAD_ EM BIG)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res pons e o f D(L_ CD) to D(L _IPC)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res po ns e o f D(L_ CD) to D(L_NOF)

- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20

Res p ons e of D(L_CE) to D(L_CE)

- . 02

. 00

. 02

. 04

5 10 15 20

Res p ons e o f D(L_ CE) to D(ROA)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_CE) to D(L_PBI)

- . 02

. 00

. 02

. 04

5 10 15 20

Re s p on s e o f D(L _CE) to D(SPREAD_ EM BIG)

- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20

Res pons e o f D(L_ CE) to D(L _IPC)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ CE) to D(L_NOF)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Res p ons e o f D(ROA) to L_M OR

- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Re s po ns e o f D(ROA) to D(L_CE)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Re s p ons e o f D(ROA) to D(L _PBI)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Re s po ns e o f D(ROA) to D(SPREAD_EM BIG)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Re s po ns e o f D(ROA) to D(L_CR)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Re s pon s e o f D(ROA) to D(L_ IPC)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res pons e o f D(L_ PBI) to D(L_CE)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Re s p on s e o f D(L_PBI) to D(ROA)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res po ns e o f D(L _PBI) to D(SPREAD_ EM BIG)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res po ns e o f D(L_PBI) to D(L_CR)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- 20

0

20

40

60

5 10 15 20

Re s po n s e o f D(SPREAD_EM BIG) to L_ M OR

- 20

0

20

40

60

5 10 15 20

Re s p on s e o f D(SPREAD_ EM BIG) to D(L_ CD)

- 20

0

20

40

60

5 10 15 20

Re s p on s e o f D(SPREAD_ EM BIG) to D(L _ CE)

- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20

Re s p on s e o f D(SPREAD_EM BIG) to D(L_ PBI)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(SPREAD_EM BIG)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(L_ CR)

- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20

Re s p ons e o f D(SPREAD_ EM BIG) to D(L _ NOF)

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20

Res p ons e of D(L_CR) to D(L_CE)

- . 04

. 00

. 04

. 08

5 10 15 20

Res p ons e o f D(L_ CR) to D(ROA)

- . 04

. 00

. 04

. 08

5 10 15 20

Res po ns e o f D(L_CR) to D(L_PBI)

- . 04

. 00

. 04

. 08

5 10 15 20

Re s p on s e o f D(L _CR) to D(SPREAD_ EM BIG)

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e o f D(L_ CR) to D(L _IPC)

- . 04

. 00

. 04

. 08

5 10 15 20

Res po ns e o f D(L_ CR) to D(L_NOF)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20

Res pons e o f D(L_ IPC) to D(L_CE)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20

Res po ns e o f D(L _IPC) to D(SPREAD_ EM BIG)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e o f D(L_ NOF) to D(L_CD)

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e of D(L_NOF) to D(L_PBI)

- . 04

. 00

. 04

. 08

5 10 15 20

Re s po ns e o f D(L_ NOF) to D(SPREAD_EM BIG)

- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e o f D(L_ NOF) to D(L_CR)

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e of D(L_NOF) to D(L_NOF)

Response to Cholesky One S.D. Innovations ± 2 S .E.

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res p ons e o f D(L_PBI) to D(L_IPC)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20

Res p ons e o f D(L_IPC) to D(L_IPC)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20





EDPYMESFUNCION IMPULSO-RESPUESTA


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


Response to Cholesky One S.D. Innovations ± 2 S .E .- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Re s p ons e o f D(L_ CD) to D(ROA)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res po ns e o f D(L_ CD) to D(L_PBI)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res p o n s e o f D(L_ CD) to D(SPREAD_ EM BIG)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res pons e of D(L_CD) to D(L _CR)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res po ns e o f D(L_ CD) to D(L_IPC)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Res po ns e o f D(L_ CD) to D(L_NOF)

- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20


- . 02

. 00

. 02

. 04

5 10 15 20

Re s p ons e o f D(L_ CE) to D(ROA)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ CE) to D(L_PBI)

- . 02

. 00

. 02

. 04

5 10 15 20

Res p o n s e o f D(L_ CE) to D(SPREAD_ EM BIG)

- . 02

. 00

. 02

. 04

5 10 15 20

Res pons e of D(L_CE) to D(L _CR)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ CE) to D(L_IPC)

- . 02

. 00

. 02

. 04

5 10 15 20

Res po ns e o f D(L_ CE) to D(L_NOF)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Re s po ns e o f D(ROA) to D(L_ CE)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Res p on s e o f D(ROA) to D(L _ PBI)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Re s po n s e o f D(ROA) to D(SPREAD_ EM BIG)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Re s p o ns e o f D(ROA) to D(L_CR)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20

Re s p on s e o f D(ROA) to D(L_ IPC)

- . 2

. 0

. 2

. 4

. 6

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Re s pon s e o f D(L_PBI) to D(ROA)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20

Re s p o ns e o f D(L _PBI) to D(SPREAD_EM BIG)

- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- . 02

. 00

. 02

. 04

. 06

5 10 15 20


- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20

Re s p on s e o f D(SPREAD_ EM BIG) to D(L _ CD)

- 20

0

20

40

60

5 10 15 20

Res p o ns e o f D(SPREAD_ EM BIG) to D(L _CE)

- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20

Res p o n s e o f D(SPREAD_ EM BIG) to D(L_ PBI)

- 20

0

20

40

60

5 10 15 20

Re s p o n s e o f D(SPREAD_ EM BIG) to D(SPREAD_EM BIG)

- 20

0

20

40

60

5 10 15 20

Re s po n s e o f D(SPREAD_EM BIG) to D(L _ CR)

- 20

0

20

40

60

5 10 15 20


- 20

0

20

40

60

5 10 15 20

Re s p ons e o f D(SPREAD_ EM BIG) to D(L _ NOF)

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20

Re s p ons e o f D(L_ CR) to D(ROA)

- . 04

. 00

. 04

. 08

5 10 15 20

Res po ns e o f D(L_ CR) to D(L_PBI)

- . 04

. 00

. 04

. 08

5 10 15 20

Res p o n s e o f D(L_ CR) to D(SPREAD_ EM BIG)

- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e of D(L_CR) to D(L _CR)

- . 04

. 00

. 04

. 08

5 10 15 20

Res po ns e o f D(L_ CR) to D(L_IPC)

- . 04

. 00

. 04

. 08

5 10 15 20

Res po ns e o f D(L_ CR) to D(L_NOF)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20

Re s pon s e o f D(L_ IPC) to D(ROA)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20

Re s p o ns e o f D(L _IPC) to D(SPREAD_EM BIG)

- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 002

. 000

. 002

. 004

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20

Res p o ns e o f D(L _ NOF) to D(SPREAD_ EM BIG)

- . 04

. 00

. 04

. 08

5 10 15 20

Res pons e o f D(L_ NOF) to D(L_CR)

- . 04

. 00

. 04

. 08

5 10 15 20


- . 04

. 00

. 04

. 08

5 10 15 20




EDPYMESDESCOMPOSICION DE LA VARIANZA

Period S.E. L_MOR D(L_CD) D(L_CE) D(ROA) D(L_PBI)D(SPREAD_E

MBIG) D(L_CR) D(L_IPC) D(L_NOF)

1 0.057302 100.0000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2 0.082863 97.32619 0.057431 0.258829 0.132262 0.011029 0.379998 0.418925 0.421227 0.994113 3 0.102815 95.26203 0.110838 0.458258 0.155762 0.007578 0.605652 0.888552 0.797256 1.714071 4 0.119313 93.84563 0.153497 0.566187 0.161265 0.008722 0.760018 1.284607 1.023652 2.196419 5 0.133438 92.87777 0.181415 0.630167 0.161688 0.010499 0.862997 1.595790 1.153876 2.525800 6 0.145837 92.19598 0.199955 0.673254 0.161490 0.011656 0.932632 1.832987 1.233383 2.758662 7 0.156917 91.69841 0.212957 0.704791 0.161568 0.012324 0.981249 2.012856 1.286798 2.929051 8 0.166948 91.32286 0.222618 0.728906 0.161870 0.012741 1.016740 2.150765 1.325724 3.057779 9 0.176115 91.03096 0.230111 0.747811 0.162239 0.013040 1.043793 2.258559 1.355649 3.157837

10 0.184553 90.79838 0.236091 0.762924 0.162585 0.013274 1.065151 2.344625 1.379427 3.237547 11 0.192365 90.60912 0.240964 0.775227 0.162884 0.013465 1.082463 2.414725 1.398754 3.302396 12 0.199634 90.45237 0.245003 0.785414 0.163136 0.013624 1.096781 2.472825 1.414746 3.356105 13 0.206422 90.32054 0.248400 0.793978 0.163348 0.013758 1.108814 2.521705 1.428184 3.401270 14 0.212784 90.20823 0.251293 0.801274 0.163530 0.013873 1.119061 2.563359 1.439627 3.439749 15 0.218763 90.11147 0.253786 0.807560 0.163686 0.013971 1.127889 2.599253 1.449482 3.472901 16 0.224396 90.02728 0.255955 0.813029 0.163823 0.014057 1.135568 2.630483 1.458056 3.501745 17 0.229715 89.95341 0.257858 0.817828 0.163943 0.014132 1.142305 2.657888 1.465578 3.527055 18 0.234745 89.88810 0.259541 0.822071 0.164049 0.014198 1.148262 2.682116 1.472229 3.549431 19 0.239512 89.82998 0.261038 0.825847 0.164143 0.014257 1.153563 2.703678 1.478147 3.569345 20 0.244035 89.77795 0.262379 0.829227 0.164228 0.014310 1.158308 2.722981 1.483446 3.587173 21 0.248333 89.73112 0.263585 0.832269 0.164304 0.014358 1.162579 2.740354 1.488214 3.603217 22 0.252421 89.68878 0.264676 0.835020 0.164372 0.014401 1.166441 2.756063 1.492526 3.617725 23 0.256314 89.65032 0.265667 0.837518 0.164435 0.014440 1.169948 2.770329 1.496442 3.630901 24 0.260025 89.61526 0.266570 0.839796 0.164492 0.014476 1.173146 2.783337 1.500013 3.642914

Fuente: Base de Datos de la Superintendencia de Bancos, Seguros y AFPs (SBS)


En esta última parte del análisis utilizamos la metodología de vectores autorregresivos en cada uno de los sistemas de entidades microfinancieras del Perú: Cajas Municipales, Cajas Rurales y Empresas de Desarrollo de Pequeña y Microempresa. Observando la Función Impulso-Respuesta de las Cajas Municipales se aprecia que los factores que generan efectos positivos sobre el nivel de morosidad son los créditos refinanciados e índice de precios del consumidor. Asimismo se puede apreciar que la morosidad es explicada por su propia dinámica hasta por aproximadamente 2 años. A través de la descomposición de la varianza es importante considerar que la variable créditos por deudor explica mejor la dinámica de la tasa de morosidad de las cajas municipales hasta en un 8% aproximadamente, sin embargo la descomposición de la varianza para el caso de las Cajas Municipales evidencia un importante resultado: el predominio de la persistencia de la morosidad dado que la misma es explicada por su propia dinámica hasta en un 100%. (Ver CUADROS Nº III.7-III.9).

En relación a las Cajas Rurales los factores que generan efectos positivos sobre el nivel de morosidad a través de sus innovaciones son los créditos por deudor y créditos refinanciados, respectivamente. Estos resultados evidencian que los mayores niveles de morosidad son explicados debido a los mayores niveles de endeudamiento por cliente y mayor cartera de créditos refinanciados los cuales al analizar la causalidad de Granger son el resultado de un mayor nivel de morosidad. Asimismo nuevamente se confirma la predominancia de la persistencia de la morosidad dado que en un horizonte de 24 meses (2 años), la morosidad continua explicándose por su propia dinámica fundamentalmente. Dichos resultados se fundamentan en la descomposición de la varianza en la cual se muestra que la dinámica de la morosidad es explicada por si misma hasta en un 100%, mientras que el factor que contribuye en mayor proporción a explicar el nivel de morosidad son los créditos refinanciados (2% aproximadamente).(Ver CUADROS Nº III.10-III.12).

Finalmente para las EDPYMES, los factores que inciden positivamente sobre el nivel de morosidad son: el riesgo país, persistencia de la morosidad, créditos refinanciados, índice de precios al consumidor y número de oficinas, respectivamente. La persistencia de la morosidad nuevamente evidencia una duración de casi 2 años aproximadamente. Analizando la descomposición de la varianza se concluye que los factores que explican en un mayor porcentaje la dinámica de la morosidad de las EDPYMES son los créditos refinanciados y número de agencias hasta en un 2.78 y 3.64 por ciento, respectivamente. Nuevamente se evidencia el papel de la persistencia de la morosidad dado que la misma se explica a través de su misma dinámica hasta en un 100%. La síntesis final de este análisis pone en evidencia que la morosidad de las entidades microfinancieras del Perú es predominada fundamentalmente

por la morosidad de periodos anteriores o denominada persistencia. Por lo tanto las entidades microfinancieras del Perú deben manejar adecuadamente la persistencia de su morosidad de tal manera en el futuro de obtengan bajos niveles morosidad en base a un mejor manejo de su persistencia, respectivamente.(Ver CUADROS Nº III.13-III.15).

BIBLIOGRAFÍA

Cuasquer H. y Maldonado R.

(2011) Microfinanzas y microcrédito en Latinoamérica. Estudios de caso: Colombia, Ecuador, El Salvador, México y Paraguay. Centro de Estudios Monetarios Latinoamericanos (CEMLA). Documentos de Discusión nº 2. Pág. 10.

Delfiner M., Pailhé C. y Perón S.

(2006) Microfinanzas: un análisis de experiencias y alternativas de regulación. Munich Personal Repec Archive (MPRA).Documento nº 497. Pág. 4.

Gulde A., Kal M. y Vásquez F.

(2005) Microfinance: A view from the fund. International Monetary Fund (FMI). Preparado por el departamento monetario y de Finanzas del FMI. Pág. 4

Revista Accion

Los años 1970: Aparece el Microcrédito e Historia y Desarrollo de las Instituciones Microfinancieras. Disponible en: http://www.accion.org/page.aspx?pid=1121

Universidad ICESI

(2010) Gestión del riesgo de microcrédito en una institución financiera, como parte de un sistema de administración de riesgo crediticio (SARC).

Fernández S., Martínez J. y Saurina J.

(2000) Credit growth, problem loans and crdit risk provisioning in Spain. Banco de España. Documento de trabajo nº 0018.

Revista ICE

Morosidad y riesgo del crédito. Disponible en: http://www.revistasice.com/es-ES/Paginas/mapa-web.aspx

Aguilar G. y Camargo G.

(2004) Análisis de la morosidad de las Instituciones Microfinancieras en el Perú. Instituto de Estudios Peruanos (IEP). Documento de Trabajo nº 133.

http://www.revistasice.com/es-ES/Paginas/mapa-web.aspx

http://www.accion.org/page.aspx?pid=1121

Saurina J.

(1998) Determinantes de la morosidad de las cajas de ahorros españolas. Banco de España. Investigaciones Económicas. Vol. XXII. Pág. 393 – 426

Murrugarra E. y Ebentreich A.

(2000) Determinantes de morosidad en entidades de microfinanzas: evidencia de las Edpymes. Seminarios de Investigación de la SBS.

Delgado J. y Vallcorba M.

(2007) Determinantes de la morosidad bancaria en una economía dolarizada. Caso Uruguay. Banco de España.

Guillén J.

(2002) Morosidad crediticia y tamaño: Un análisis de la crisis bancaria peruana. Banco Central de Reserva del Perú. Concurso de investigación para jóvenes economistas 2001 – 2002

Aguilar G., Camargo G. y Morales R.

(2004) Análisis de la morosidad en el sistema bancario peruano. Instituto de Estudios Peruanos. Informe Final de Investigación.

Quiñones E.

(2005) Análisis de la morosidad en el sistema bancario del Ecuador; ¿Cuáles son sus determinantes?. Escuela Superior Politécnica del Litoral, Facultad de Ciencias Humanísticas y Económicas.

Díaz O.

(2008) Determinantes del Ratio de morosidad en el sistema financiero Bolivia. Banco Central de Bolivia.

Acevedo V.

(2010) Determinantes de los factores relevantes de la tasa de morosidad en las instituciones microfinancieras peruanas. Banco Central de Reserva DEL Perú.

Akerlof G.

(1970) The market for "lemons": quality uncertainty and the market mechanism. Pág. 489 – 500.

Bebcczuk R.

(2003) Asymmetric Information in Financial Markets. Universidad de Cambridge.

Armendáriz B. y Morduch J.

(2000) Microfinance Beyond Group Lending. University College London y University of Princeton.

Freixas X. y Rochet J.

(2008) Microeconomics of Banking. Segunda Edición. The MIT press. Cambridge, Massachusetts, London. Library of Congress Cataloging – Publication Data.

Guanilo R.

(2011) En el Perú, el sector Microfinanciero es uno de los más rentables. Diario Gestión. Caja Rural Credichavín. Disponible en: http://gestion.pe/noticia/326876/sector-microfinanciero-uno-mas-rentables-peru

Sánchez A.

(2005) Información asimétrica y mercados financieros emergentes: un análisis de Mishkin. Universidad de Azcapotzalco. Departamento de Economía de la UAM.

Ahumada A. y Budnevich C

(2001) Some measures of financial fragility in the Chilean Banking System: An early warning indicator applications. Banco Central de Chile, Documento de Trabajo Nº 117.

Bhatt, N. y Tang, S-Y.(2002) Determinants of Repayment in Microcredit: Evidence from Programs in the Uninted States. International Journal of Urban and Regional Research. Volume 26.2.

Hörkkö, M. (2010) The Determinants of Default in Consumer Credit Market. Master’s Thesis. Finland: Aalto University School of Science and Technology; June 4, 2010.

Imaduddin, M. (2006). Determinants of Banking Credit Default in Indonesia: A Comparative Analysis.

Lewis, J.

http://gestion.pe/noticia/326876/sector-microfinanciero-uno-mas-rentables-peru

http://gestion.pe/noticia/326876/sector-microfinanciero-uno-mas-rentables-peru

(2004). Determinación de las Causas de Morosidad en la Cartera de Crédito del Banco Nacional de Costa Rica, Sucursal Paraíso de Cartago. Cartago, Costa Rica: Instituto Tecnológico de Costa Rica. Escuela de Ingeniería Agropecuaria Administrativa.

Nannyonga, H. (2000). Determinants of repayment behavior in the centenary rural development bank in Uganda. Tesis de Docorado en Filosofía, Department of Agricultural, Enviromental, and Development Economics, The Ohio State University.

Ötker-R., İnci y Podpiera, J. (2010).The Fundamental Determinants of Credit Default Risk for European Large Complex Financial Institutions. International Monetary Fund (IMF). Working Paper; June 2010.

Simtowe, F., Zeller M. y Phiri, A. Determinants of Moral Hazard in Microfinance: Empirical Evidence from Joint Liability Lending Programs in Malawi. Bonn, Germany: University of Bonn, Center for Development Research.

Instituto Nacional de Estadística e Informática (INEI)2012 Información Económica y Estadística. Disponible en: http://www.inei.gob.pe/

Superintendencia de Bancos, Seguros y AFP (SBS)2012 Informacion financiera mensual de las cajas municipales, de las cajas rurales y de las Edpymes.Publicaciones: Memorias Anuales que comprende los periodos 2002 – 2011. Disponible en: http://www.sbs.gob.pe

Banco Central de Reserva del Perú (BCRP)2012 Estadísticas Económicas.Publicaciones: Memorias Anuales que comprende los periodos 2002 – 2011. Disponible en: http://www.bcrp.gob.pe/

Asociación de Bancos del Perú (ASBANC)2012 Estadísticas Financieras.Publicaciones: Memorias Anuales que comprende los periodos 2005 – 2011. Disponible en: http://www.asbanc.com.pe/

Asociación de Instituciones de Microfinanzas del Perú (ASOMIF) 2012 Estadísticas Mensuales, Resúmenes Ejecutivos

http://www.asbanc.com.pe/

http://www.bcrp.gob.pe/

http://www.sbs.gob.pe/

http://www.inei.gob.pe/

Memorias Anuales 2010 y 2011.Disponible en: http://www.asomifperu.com

Sociedad Nacional de Minería, Petróleo y Energía (SNMMPE)Informes y Publicaciones: Boletín Estadístico Mensual e Informes Quincenales.Disponible en: http://www.snmpe.org.pe

Jiménez F.Pontificia Universidad Católica del Perú (PUCP), Centro de Investigaciones Económicas, Sociológicas, Económicas, Políticas y Antropológicas (CIPESA).“La Economía Peruana del último medio siglo, ensayos de interpretación”, marzo 2010. Disponible en: http://departamento.pucp.edu.pe/economia/images/documentos/LDE-2010-02-01.pdf


ORDENAR ADECUADAMENTE Y PRESENTAR SEGÚN NORMAS INTERNACIONALES DE PRESENTACION BIBLIOGRAFICA

http://departamento.pucp.edu.pe/economia/images/documentos/LDE-2010-02-01.pdf

http://departamento.pucp.edu.pe/economia/images/documentos/LDE-2010-02-01.pdf

http://www.snmpe.org.pe/

http://www.asomifperu.com/

joseordinolaboyer.files.wordpress.com€¦ · Web viewINFORME FINAL DE TESIS “Análisis de la...

Documents

Transcript of joseordinolaboyer.files.wordpress.com€¦ · Web viewINFORME FINAL DE TESIS “Análisis de la...