Ensayo Riesgo Crediticio PDF

UNIVERSIDAD
NACIONAL
DEL CENTRO DEL PERÚ
“AÑO DE LA PROMOCIÓN DE LA INDUSTRIA RESPONSABLE Y DEL COMPROMISO CLIMÁTICO”
TEMA:
“RIESGO CREDITICIO EN EL PERÚ”
CÁTEDRA: Economía internacional II
CATEDRÁTICO: Econ: Leon Rivera Mallma
INTEGRANTES:
Landeo Mendoza, Omer Antony
Lara Ricapa, Jorge Isaac
Valencia Arotoma, Remi
Villegas Mantari, Cynthia Maribel
Vivanco Solano, Yesica Gladys
SEMESTRE: VIII
HUANCAYO- PERU
2014
HUANCAYO- PERU
2013
[Escribir el nombre de la compañía]
UNIVERSIDAD NACIONAL DEL
CENTRO DEL PERÚ
Facultad de economía
ÍNDICEY
ÍNDICE........................................................................................................... 2
RESUMEN...................................................................................................... 3
CAPÍTULO I.................................................................................................... 4
1.1 FUNDAMENTO....................................................................................................... 4
1.2 DIAGNOSTICO....................................................................................................... 4
1.3 PLANTEAMIENTO DEL PROBLEMA.........................................................................8
1.4 PROBLEMA DE INVESTIGACIÓN...........................................................................11
a. PROBLEMA GENERAL.......................................................................................... 11
b. PROBLEMAS ESPECÍFICOS..................................................................................12
1.5 OBJETIVOS:......................................................................................................... 12
A. OBJETIVO GENERAL................................................................................................12
B. OBJETIVOS ESPECÍFICOS........................................................................................12
CAPÍTULO II................................................................................................. 13
2. MARCO TEORICO:...................................................................................13
2.1 CARTERA CREDITICIA DEL SISTEMA FINANCIERO................................................13
2.2 TASA DE MOROSIDAD......................................................................................... 14
2.3 TIPO DE CAMBIO.................................................................................................15
2.4 COLOCACIONES..................................................................................................16
2.5 MODELO:............................................................................................................. 16
2.6 HIPÓTESIS:.......................................................................................................... 17
2.6.1 Hipótesis General............................................................................................ 17
2.6.2 Hipótesis Específicos.......................................................................................17
CAPÍTULO III................................................................................................18
3. METODOLOGÍA:......................................................................................18
3.1.1 EL ENFOQUE DE LA INVESTIGACIÓN...............................................................18
3.1.2 EL MODELO ECONOMÉTRICO..........................................................................18
3.2 VARIABLES.......................................................................................................... 20
3.3 DATOS................................................................................................................. 21
CAPÍTULO IV................................................................................................23
4.1 REGRESION ANÁLISIS Y RESULTADOS:..................................................23
REPRESENTACIÓN DE LA REGRESIÓN:...........................................................................23
REPRESENTACIÓN DEL MODELO....................................................................................26
2
CENTRO DEL PERÚ
4.2 CONTRASTACIÓN DE HIPOTESIS............................................................27

REGLA DE DECISIÓN..................................................................................................... 27
TASA DE MOROSIDAD................................................................................................ 28
TIPO DE CAMBIO........................................................................................................ 28
COLOCACIONES......................................................................................................... 29
MODELO FINAL............................................................................................. 29
CONCLUSIONES............................................................................................ 30
BIBLIOGRAFÍA.............................................................................................. 31
RESUMEN
3
CENTRO DEL PERÚ
La presente investigación, trata de identificar los factores macro y
microeconómicos que inciden en el comportamiento de la morosidad crediticia en el sistema
bancario peruano durante el período Enero 2007 a Enero 2014.
Los resultados econométricos, muestran que la morosidad crediticia en el sistema bancario
peruano está determinada tanto por factores macroeconómicos tales como el ciclo económico
y las variaciones del tipo de cambio, así como por factores microeconómicos o del sector
bancario como las colocaciones de las entidades bancarias.
Respecto a los factores macroeconómicos, verificamos que se da una relación
negativa entre la tasa de morosidad crediticia y el ciclo de actividad económica que afecta al
PBI y al tipo de cambio, es decir, que en los períodos de recesión económica aumenta los
impagos en la cartera de créditos de los bancos y, en contraste, en las fases de expansión
económica se reducen las tasas de morosidad. Igualmente, comprobamos que un incremento
en la volatilidad del tipo de cambio deteriora los índices de morosidad en moneda extranjera.
En relación a los determinantes microeconómicos, también encontramos evidencia
que el factor que mas afectan el desempeño de la morosidad está relacionada con la propia
política de colocaciones de los bancos.
4
CENTRO DEL PERÚ
CAPÍTULO I
1.1 FUNDAMENTO
La presente investigación es importante y relevante porque contribuirá a que los

micros financieros alcancen niveles de gestión de calidad de cartera que sean iguales o
mejores que los de las empresas líderes del sector. Las micro financieras valoran la
calidad de su cartera de créditos y si la investigación demuestra que las variables
a trabajar en el modelo son relevantes, las empresas micro financieras enfocarán su
estrategia en ellas. Siendo importante la inclusión financiera.
El Sistema de Micro finanzas es cada vez más atractivo y necesita desarrollarse
con un crecimiento saludable y planificado basado en sus recursos humanos.
1.2 DIAGNOSTICO
La evidencia internacional reciente ha mostrado que cuando los ciclos

económicos son muy favorables y el ritmo de las colocaciones se acelera, el riesgo
crediticio que enfrentan las instituciones financieras tiende a aumentar significativamente.
Esto último debido a que las instituciones financieras y los clientes se vuelven optimistas
en periodos de expansión económica y, con ello, se tiende a subestimar el riesgo asociado al
incumplimiento de pagos de los nuevos créditos (Keeton, 1999). Como resultado, los
créditos otorgados a deudores con reducida capacidad de pago podrían incrementarse
motivados por el crecimiento económico elevado. Así, una parte importante de los
problemas que enfrentan las instituciones financieras a nivel mundial en estas épocas
podrían explicarse por algunas características importantes de la gestión de riesgos en el
pasado: disminución en la rigurosidad de los estándares de evaluación crediticia,
inadecuado manejo del riesgo del portafolio crediticio y falta de atención a los cambios en
las circunstancias económicas que pueden deteriorar significativamente la capacidad de
pago de sus contrapartes.
De esta manera, ante escenarios de crecimiento económico sostenido muy
elevado, la regulación y supervisión financiera deberían ser más rigurosas para evitar que el
riesgo crediticio en el que incurren las instituciones financieras se materialice en una crisis
5
CENTRO DEL PERÚ
al terminar el ciclo expansivo

La economía peruana ha experimentado un crecimiento económico sostenido y
elevado durante la última década, lo cual ha contribuido fuertemente a la expansión de las
colocaciones del sistema financiero. En este contexto expansivo, resulta muy relevante
analizar distintos indicadores que muestren la calidad de la cartera crediticia para prevenir
una eventual crisis financiera al final de la época de auge económico. Algunos autores han
buscado analizar los determinantes de la calidad de la cartera crediticia en el Perú a
través de indicadores basados en la morosidad crediticia (Muñoz, 1998; Aguilar, Camargo
y Morales, 2004; y Azabache, 2010) y otros a través de las provisiones bancarias (Aparicio
y Moreno, 2011). A pesar de la relevancia de estos trabajos en un contexto de auge
económico, el análisis que han realizado estos autores está basado principalmente en el
impacto que tienen algunos factores macroeconómicos y microeconómicos sobre la calidad
de la cartera crediticia y no se han detenido en identificar indicadores de alerta temprana
que puedan contribuir a prevenir eventuales crisis financieras. Así, se destaca la
importancia de identificar y construir este tipo de indicadores para monitorear de manera
adecuada el riesgo crediticio en el Perú y acompañar a las regulaciones financieras macro
prudenciales.
Durante la última década, la literatura económica ha abordado un enfoque
alternativo para analizar el riesgo de las carteras crediticias y hacer un seguimiento
adecuado a los créditos a lo largo del tiempo tomando en consideración las transiciones que
tienen las distintas carteras crediticias entre las categorías de riesgo existentes. Estas
transiciones se evalúan usualmente a través del uso de matrices de transición (o de
migración). Estas matrices permiten analizar, a partir de información histórica, cuáles son
las probabilidades que un tipo de crédito pueda pasar de una clasificación crediticia a otra
en el transcurso de un periodo de tiempo, lo cual permite evaluar las posibles deterioros en
la fortaleza financiera que enfrentan los distintos tipos de créditos que mantienen las
instituciones financieras.
6
CHOQUES AGREGADOS Y LA TASA DE MOROSIDAD EN EL PERÚ
 En la última década, la tasa de morosidad agregada del sistema bancario peruano ha

registrado una tendencia decreciente como consecuencia del crecimiento de la
actividad económica.
 En la trayectoria que ha seguido la misma, se observan algunas
fluctuaciones, producto de choques agregados que ha experimentado la economía
peruana.
TASA DE MOROSIDAD DEL SISTEMA BANCARIO (%)
12.00%
Leve reactivación
inicial
10.00%
8.00%
6.00%
Crisis
Subprime
4.00%
2.00%
0.00%2001 2002 2003 2004 2005 2006 2007 2008 2009
Fuente: Superintendencia de Banca y Seguros (SBS)
CHOQUES IDIOSINCRÁTICOS Y LA TASA DE MOROSIDAD POR SECTOR

ECONÓMICO
 Además de encontrarse sujetos a choques agregados comunes, cada sector

económico se ve afectado por un conjunto de choques idiosincráticos, lo cual puede
conducir a que existan diferencias significativas en la evolución de la tasa de
morosidad por sector.
 Por otro lado, los choques comunes (ej. reciente crisis internacional) pueden
tener un impacto distinto en cada sector.
TASA DE MOROSIDAD DEL SECTOR TEXTIL (%)
4.50%
4.00%
Mayor impacto
3.50% de la reciente
3.00%
crisis
2.50%
2.00%
1.50%
1.00%
0.50%
0.00% 2005 2006 2007 2008 2009
TASA DE MOROSIDAD DEL SECTOR PESCA (%)
3.50%
Choques estacionales: Vedas
3.00%
Choque idiosincrático:
Mayores precios de la harina
2.50% de pescado
2.00%
1.50%
1.00%
0.50%
0.00% 2005 2006 2007 2008 2009

1.3 PLANTEAMIENTO DEL PROBLEMA
En las instituciones micro financieras los préstamos no están generalmente

respaldados por una garantía realizable, de modo que la calidad de cartera es el indicador
más importante, para la sostenibilidad a largo plazo, porque la mayor fuente de riesgo está
en sus carteras de créditos. La cartera de créditos es el mayor activo de las empresas micro
financieras, y la calidad y el riesgo que representa pueden resultar muy difíciles de medir.
Las mejores instituciones micro financieras mantienen una más alta calidad de cartera que
los bancos comerciales de muchos países. El coeficiente más ampliamente utilizado para
medir la calidad de la cartera en el sector de las micro finanzas es la Cartera en Riesgo
(CeR), que mide la porción de la cartera de créditos “contaminada” por deudas atrasadas y
en riesgo de no ser pagada como porcentaje de la cartera total. Aunque se utilizan varios
otros coeficientes, el CeR es el indicador preferido, porque es fácil de entender, no
subestima el riesgo, y se lo puede comparar entre instituciones. Cualquier préstamo
otorgado a una microempresa es comúnmente considerado en riesgo si su repago registra
un atraso mayor de 30 días. Esta norma es mucho más estricta que la practicada por la
banca comercial, pero se justifica por la ausencia de garantías realizables en las micro
finanzas (BID, 2010).
Según Ledgerwood (1999), la morosidad que refleja una Cartera en Riesgo

produce: (a) Disminución de liquidez por gastos de control y seguimiento de los créditos
atrasados; (b) Pérdidas de ganancia de capital por el retraso de los beneficios; y (c)
Disminución de ingresos financieros y aumento de los gastos operativos de recuperación de
créditos.
Westley y Shaffer (1997) señalan que una Cartera en Riesgo alta deteriora la
lealtad de los clientes y tiene un efecto de contagio, al mismo tiempo que produce menos
fondos libres para atender las demandas de crédito
Según Ambera(2003),para EE.UU., utiliza modelos de regresión lineal simple

(MCO) y modelos VAR para proyectar el ratio de morosidad (Non Performing Loan) de
tres grupos de bancos (pequeños, medianos y grandes).El autor utiliza tanto variables
macroeconómicas regionales (ingreso del sector agricultura, tasa de empleo del estado,
ingreso per cápita, declaraciones de quiebra) como del conjunto de la economía(ventas de
carros, tasa de empleo nacional).
Según Greenidge y Grosvenor (2009), para Barbados, utiliza modelos de regresión
lineal simple para proyectar el ratio de morosidad para el sistema bancario y para cada
banco (6bancos). Variables: rezago del ratio de morosidad, tasa de crecimiento del PBI,
tasa de inflación, tasa de interés, tamaño del banco, crecimiento de las colocaciones.
Según Gasha y Morales (2004): los sistemas financieros avanzados muestran un

bajo ratio de morosidad, y este indicador presenta un ajuste de auto corregimiento cuando
excede un umbral. En contraste, los sistemas financieros de países de América Latina
muestran un alto ratio de morosidad, y hay un efecto magnificador cuando este ratio excede
un umbral. Finalmente, el crecimiento del PBI afecta al ratio de morosidad únicamente por
encima de cierto umbral.
Por tanto para poder analizar más detalladamente que ocurre con los ratios de morosidad
(Es una variable proxy del riesgo de crédito), la disponibilidad de fondos de los deudores.
Variación porcentual del tipo de cambio en 12 meses y Crecimiento en los últimos doce
meses de las colocaciones que contiene información sobre factores propios de las entidades
de crédito que afectan el comportamiento futuro de la cartera morosa; veamos los
siguientes gráficos:
GRÁFICO Nº 01
INDICADORES DE CALIDAD DE CARTERA (% de las colocaciones brutas)
FUENTE: Tomado de: Departamento de Análisis del Sistema Financiero; Pablo J.

Azabache La Torre
GRÁFICO Nº 02
PRODUCTO BRUTO INTERNO (var %) Y LA TASA DE MOROSIDAD

Azabache La Torre
GRÁFICO Nº 03
EVOLUCIÓN DE LA TASA DE MOROSIDAD
Azabache La Torre
Del gráfico anterior podemos decir que la tasa de morosidad fue inversamente
proporcional al producto bruto interno (en %) con lo que respecta al periodo de mayo
de1993 a mayo del 2009.
Vemos también que en nuestro país la tasa de morosidad fue alta hasta el 2008 esto fue
disminuyendo a partir del 2009.
1.4 PROBLEMA DE INVESTIGACIÓN

a. PROBLEMA GENERAL
¿Cómo influyen la variación de la Tasa de Morosidad, la variación del Tipo de

Cambio y el Crecimiento de las Colocaciones en la calidad de la cartera crediticia
del sistema financiero peruano en el periodo Enero 2007 a Enero 2014?
b. PROBLEMAS ESPECÍFICOS
 ¿Cómo influye la variación de la Tasa de Morosidad en la calidad de la

cartera crediticia del sistema financiero peruano en el periodo Enero 2007 a
Enero 2014?
 ¿Cómo influye la variación del Tipo de Cambio en la calidad de la cartera
crediticia del sistema financiero peruano en el periodo Enero 2007 a Enero
2014?
 ¿Cómo influye el crecimiento de las colocaciones en la calidad de la
Enero 2014?
1.5 OBJETIVOS:
a. OBJETIVO GENERAL
Medir la influencia la variación de la Tasa de Morosidad, la variación del Tipo de

Cambio y el crecimiento de las colocaciones en la calidad de la cartera crediticia del
sistema financiero peruano en el periodo Enero 2007 a Enero 2014.
b. OBJETIVOS ESPECÍFICOS
 Medir la influencia de la variación de la Tasa de Morosidad en la calidad de la

Enero 2014.
 Medir la influencia de la variación del Tipo de Cambio en la calidad de la
Enero 2014.
 Medir la influencia del crecimiento de las colocaciones en la calidad de la
Enero 2014.
CAPÍTULO II
2. MARCO TEORICO:
2.1 CARTERA CREDITICIA DEL SISTEMA FINANCIERO
En las instituciones micro financieras los préstamos no están generalmente

respaldados por una garantía realizable, de modo que la calidad de cartera es el indicador
más importante, para la sostenibilidad a largo plazo, porque la mayor fuente de riesgo
está en sus carteras de créditos. La cartera de créditos es el mayor activo de las empresas
micro financieras, y la calidad y el riesgo que representa pueden resultar muy difíciles de
medir. Las mejores instituciones micro financieras mantienen una más alta calidad de
cartera que los bancos comerciales de muchos países. El coeficiente más ampliamente
utilizado para medir la calidad de la cartera en el sector de las micro finanzas es la
Cartera en Riesgo, que mide la porción de la cartera de créditos “contaminada” por
deudas atrasadas y en riesgo de no ser pagada como porcentaje de la cartera total.
Alexander Campos (2005), utilizando un panel balanceado de treinta

entidades financieras de Colombia, muestra que la calidad de la cartera crediticia guarda
una relación directa con el ciclo económico. Es decir, cuando la economía marcha bien,
los clientes pagan oportunamente sus deudas; por el contrario, en épocas de recesión los
bancos tienen que reconocer pérdidas por cartera y constituir mayores provisiones.
Según Aguilar & Camargo (2002), se hallado evidencia a favor de la presencia

de determinantes macroeconómicos y macroeconómicos de la calidad de cartera de las
entidades micro financieras. Estos determinantes son: la política crediticia expansiva, la
diversificación de la cartera de colocaciones por tipo de crédito y sectores, la eficiencia
de la empresten el manejo del riesgo, la solvencia, los incentivos que tienen las entidades
para expandirse.
CENTRO DEL PERÚ
Aguilar y Camargo (2002, 2003,2004) encontraron que existe una relación

negativa entre la calidad de la cartera y la política crediticia, la eficiencia de la
empresa en el manejo del riesgo, los incentivos que tienen las entidades para expandirse
y el nivel de eficiencia de la gestión de cada una de las instituciones micro financieras.
Además, estos autores encontraron que la relación era positiva cuando se trataba de la
diversificación de la cartera de colocaciones por tipo de crédito y sectores, el tipo de
negocio y el perfil de riesgo y en cuanto se refiere a la presencia de garantías
obtuvieron conclusiones diferentes, dependiendo del indicador de calidad de cartera
utilizado.
2.2 TASA DE MOROSIDAD
Se pueden distinguir tres enfoques en los estudios que abordan el tema de la

morosidad crediticia en el sistema financiero. 1) Aquellos que tratan de explicar la
morosidad crediticia poniendo énfasis en factores macroeconómicos, tales como los
ciclos económicos, 2) aquellos que ponen énfasis en los determinantes
microeconómicos, tales como el crecimiento de las colocaciones y la política de
créditos que adopta cada institución bancaria, y 3) estudios que incorporan
tanto variables macro y microeconómicas como determinantes de la calidad de cartera.
Delgado y Saurina (2004) analizan, a través de técnicas de cointegración, la

relación que existe entre las variables macroeconómicas más relevantes y el riesgo de
crédito en los bancos y las cajas de ahorros españoles. Para el caso de los bancos, los
resultados econométricos muestran que existe una relación negativa entre la actividad
económica y la tasa de morosidad, así, un cambio del 1 % en la tasa de crecimiento
del PBI tendría un impacto negativo de 1,02 puntos en la tasa de morosidad; es
decir, una caída de la tasa de crecimiento del 2 % al 1 % se traduciría en un aumento
a largo plazo del ratio de morosidad de 1,02 puntos porcentuales.
Aguilar y Camargo (2002) consideran que de los tres indicadores antes

mencionados, el más usado es el de la Cartera Atrasada, comúnmente conocida como
tasa de morosidad. De igual manera, estos autores afirman que estos indicadores
presentan las siguientes limitaciones: (a) Quitar del balance las colocaciones más
1
5
CENTRO DEL PERÚ
deterioradas para lo cual venden esta cartera a otra entidad a un precio simbólico;(b)
pos programas de canje de cartera con el respaldo de los bonos del gobierno; y(c)El
cálculo de los indicadores de cartera se hacen de manera agregada y estática, no
obstante que la morosidad tiene un comportamiento dinámico.
2.3 TIPO DE CAMBIO

La tasa de cambio tiene efecto sobre los precios: en referencia a la demanda
agregada, una depreciación en la tasa de cambio provoca un aumento en la
competitividad del país, encareciendo las importaciones y aumentando la demanda por
bienes nacionales, generando un aumento en la demanda agregada y, posteriormente, en
la inflación. Por otro lado, desde el punto de vista de la oferta, una depreciación del tipo
de cambio se traduce en un aumento en el costo de los insumos importados por las
empresas, lo que afecta negativamente a la inflación por el efecto pass-through de la tasa
de cambio.
Fernando Escobar (2004), analiza el efecto de las variaciones del tipo de

cambio sobre la actividad de intermediación financiera de Bolivia durante el período
1990-2003. Los resultados muestran que el efecto más importante de la
depreciación del tipo de cambio sobre el sistema financiero se produce en las
operaciones de crédito de moneda extranjera que realizan las entidades con
prestatarios que sufren de un descalce estructural: tienen ingresos en bolivianos
y deudas en dólares. Producto de este descalce, la diferencial entre depreciación del
tipo de cambio e inflación aumenta la tasa de interés real y el saldo en términos
reales del crédito de los prestatarios, disminuyendo su capacidad de pago. Esta
disminución en la capacidad de pago se ha traducido en un deterioro de la cartera
de créditos de las entidades financieras de Bolivia durante el período analizado,
teniendo dos consecuencias sobre el balance de dichas entidades: por un lado,
provocó pérdidas en las entidades financieras al realizarse un mayor volumen de
provisiones; y por otro, producto del incremento de las provisiones se generó un
problema de calce al reducir los activos netos en moneda extranjera de los bancos.
1
6
CENTRO DEL PERÚ
2.4 COLOCACIONES
Esta variable es de mucho interés, puesto que cuando hay afán de aumentar la
cuota en el mercado puede conllevar a que las instituciones financieras relajen sus
controles y disminuya la calidad de sus colocaciones, pero hay que tener en cuenta
que un nuevo crédito no se convierte en moroso en forma inmediata sino que tiene
pasar de su fecha de vencimiento paraque su influencia sea positiva en la variable cartera
morosa. Esta variable tiene presencia en la explicación de las variables carteras morosas
de las entidades micro financieras.
Según Ledgerwood (1999): la morosidad que refleja una CeR produce:(a)

Disminución de liquidez por gastos de control y seguimiento de los créditos atrasados;
(b) Pérdidas de ganancia de capital por el retraso de los beneficios; y (c) Disminución de
ingresos financieros y aumento de los gastos operativos de recuperación de créditos.
Westley y Shaffer (1997): señalan que una CeR alta deteriora la lealtad de los
clientes y tiene un efecto de contagio, al mismo tiempo que produce menos fondos libres
para atender las demandas de crédito.
Por tanto para la investigación nos planteamos un modelo el cual nos lleve a una
explicación de cada una de las variables con el fin de poder contrastar con la realidad
peruana, para ello nos planteamos el siguiente modelo.
2.5 MODELO:
CarteraCrediticia=f (Tasade Morosidad ,T ipo de Cambio ,Colocaciones)
1
7
CENTRO DEL PERÚ
Donde:
TM: Representa la morosidad mensual de los creditos.

TC: Tipo de cambio mensual.
COL: Crecimiento en los últimos doce meses de las colocaciones. Contiene
información sobre factores propios de las entidades de crédito que afectan el
comportamiento futuro de la cartera morosa.
2.6 HIPÓTESIS:
2.6.1 Hipótesis General
La calidad de la cartera crediticia del sistema financiero peruano es determinada por la

variación de la tasa de morosidad, la variación del tipo de cambio y el crecimiento de
las colocaciones.
2.6.2 Hipótesis Específicos
o La variación de la tasa de morosidad influye negativamente en la calidad de la

cartera crediticia del sistema financiero peruano.
o La variación del tipo de cambio influye negativamente en la calidad de la cartera
crediticia del sistema financiero peruano.
o El crecimiento de las colocaciones influye positivamente en la calidad de la cartera
crediticia del sistema financiero peruano.
1
8
CENTRO DEL PERÚ
CAPÍTULO III
3. METODOLOGÍA:
3.1.1 EL ENFOQUE DE LA INVESTIGACIÓN.
La investigación se ha realizado bajo un enfoque de investigación mixto

cuantitativo y cualitativo. El enfoque cuantitativo usó un alcance correlacional y un diseño
cuasi-experimental, para:
 Cumplirlos objetivo general y los objetivos específicos

 Probarlas hipótesis de investigación, buscando replicabilidad, confiabilidad validez
y precisión, mediante el tratamiento estadístico de los datos.
El enfoque cualitativo usó un alcance descriptivo y un diseño no experimental

transversal. Se usaron fuentes de informaciones primarias y secundarias. Los instrumentos
de investigación incluyeron estadísticos de medición.
Para el desarrollo de la investigación en el enfoque cuantitativo, en base a la
revisión teórica se ha diseñado un modelo econométrico centrado en la metodología de
datos de panel.
3.1.2 EL MODELO ECONOMÉTRICO
Para contrastar las hipótesis, la investigación se basa en un modelo econométrico de

Mínimos Cuadrados Ordinarios (MCO), donde la mejor curva de ajuste se considera
como aquella que minimiza la suma de las desviaciones (residuales) al cuadrado (SRC).
Por tanto nuestro modelo consiste en:
CC=f (TM ,TC ,COL)
CARTERA−CREDITICIA=β 0 −β1 TM −β 2 TC+ β3 COL+ μ
Donde:
1
9
CENTRO DEL PERÚ
β 0 : Cartera crediticia autónoma.
β 1 : Cartera Crediticia adicional al incrementarse la tasa de morosidad.
β 2 : Cartera Crediticia adicional al incrementarse el tipo de cambio.
β 3 : Cartera Crediticia adicional al incrementarse las colocaciones
μ : errores
Para el estudio de esta investigación sobre la cartera crediticia se realizo los

siguientes procedimientos.
a) Regresionamos nuestro modelo:
Par ello utilizamos el Método de MÍNIMOS CUADRADOS ORDINARIOS donde la

mejor curva de ajuste se considera como aquella que minimiza la suma de las desviaciones
(residuales) al cuadrado (SRC). Este es la aproximación por el método de mínimos
cuadrados (MMC).
En general, no hay una expresión de forma cerrada para los parámetros de mejor
ajuste, como sucede en el caso de la regresión lineal. Métodos numéricos
de optimización son aplicados con el fin de determinar los parámetros de mejor ajuste. Otra
vez, en contraste con la regresión lineal, podría haber varios máximos locales de la función
a ser optimizada. En la práctica, se suponen algunos valores iníciales los cuales junto con
el algoritmo de optimización conducen a encontrar el máximo global.
b) Obtención del logaritmo de la cartera de créditos ello con el objetivo de

LINEALIZAR nuestros datos con el objetivo de corregir algunos datos que
causaron problemas de regresión en nuestra primera regresión con el Método de
Mínimos Cuadrados Ordinarios, a partir de ello se pueden linealizarse mediante una
transformación en la formulación del modelo lo cual sugiere una estimación de los
parámetros desconocidos a través de un modelo de regresión lineal de ln(y) con
2
0
CENTRO DEL PERÚ
respecto a x, un calculo que no requiere procedimientos de optimización iterativa.

De todas formas, la linealización debe usarse con cuidado ya que la influencia de
los datos en el modelo cambia, así como la estructura del error del modelo y la
interpretación e inferencia de los resultados. Estos pueden ser resultados no muy
convenientes.
Hay que distinguir entre la "linealización" usada en los párrafos anteriores y la

"linealización local" que se adopta para algoritmos clásicos como el de Gauss-
Newton. De igual forma, la metodología de modelos lineales generalizados no use
linealización para la estimación de parámetros.
c) Obtención del Correlograma de los residuos para que existe una correlación
parcial en el primer periodo para lo cual haremos uso de modelo autoregresivo
AR(1) para corregir este problema.
d) Luego obtenemos el Test Jarque – Bera por lo que podemos decir que nuestros
residuos se aproximan a una distribución normal.
e) Realizamos la Prueba de Normalidad (Quantile - Quantile) que nos dice que
para que exista normalidad en los residuos los puntos deberán estar a lo largo de la
recta.
f) Obtenemos la matriz de correlación donde podemos observar que existe o puede
existir multicolinealidad respecto a la cartera crediticia y a las colocaciones.
g) Realizamos una regresión con los datos corregidos apartir de la correccion de los
problemas econometricos a partir de la Regresion Exponencial puesto que nuestro
modelo ya no es lineal.
CARTERA−CREDITICIA
(¿)=β 0−β 1 TM −β 2 TC + β 3 log ⁡( COL)+ μ
log ¿
3.2 VARIABLES
VARIABLE SIGLAS
Cartera crediticia CARTERA – CREDITICIA
Tasa de Morosidad TM
2
1
CENTRO DEL PERÚ
Variación porcentual del tipo de cambio TC

Crecimiento de las colocaciones COL
3.3 DATOS
Mes/Año CARTERA CREDITICIA TM TC COLOCACIONES

Ene07 47473.10 2.9 3.19 57151.6
Feb07 49458.13 2.9 3.19 57830.2
Mar07 53323.69 2.7 3.19 59175.9
Abr07 54353.12 2.6 3.18 60495.2
May07 55622.31 2.5 3.17 61694.8
Jun07 57232.20 2.1 3.17 64331.3
Jul07 57389.89 2.3 3.16 65474.5
Ago07 54462.67 2.3 3.16 66540.4
Sep07 56679.57 2.1 3.14 67807.3
Oct07 63336.50 2.1 3.02 68015.6
Nov07 63003.48 2.1 3.00 71930.7
Dic07 63301.75 2.0 2.98 74150.5
Ene08 60262.25 2.0 2.95 74491.3
Feb08 62217.15 1.9 2.90 74996.5
Mar08 66407.25 1.9 2.81 74238.5
Abr08 62610.46 1.9 2.75 77476.1
May08 63848.90 1.8 2.80 79055.0
Jun08 61563.81 1.6 2.89 82966.3
Jul08 63139.30 1.7 2.85 83162.7
Ago08 60928.90 1.7 2.89 86589.6
Sep08 59326.95 1.6 2.96 88964.6
Oct08 58110.40 1.7 3.07 94259.2
Nov08 61069.89 1.6 3.09 97199.2
Dic08 59940.74 1.6 3.11 99257.2
Ene09 60668.37 1.6 3.15 100183.0
Feb09 61555.81 1.6 3.24 101646.0
Mar09 61187.65 1.5 3.17 100409.0
Abr09 64857.07 1.5 3.08 97953.3
May09 66321.07 1.4 2.99 99153.1
Jun09 68591.53 1.3 2.99 99850.6
Jul09 67603.89 1.4 3.01 100760.0
Ago09 67960.40 1.4 2.95 100213.0
Sep09 71493.76 1.4 2.91 99222.0
Oct09 71208.20 1.3 2.87 100714.0
Nov09 73169.52 1.3 2.88 102732.0
Dic09 77758.45 1.2 2.88 104189.0
Ene10 77547.87 1.2 2.86 104116.0
Feb10 78683.72 1.2 2.85 105340.0
2
2
CENTRO DEL PERÚ
Mar10 81887.97 1.2 2.84 107182.0

Abr10 84322.82 1.2 2.84 109219.0
May10 85709.09 1.3 2.84 111754.0
Jun10 85342.76 1.3 2.84 113390.0
Jul10 86150.41 1.3 2.82 115377.0
Ago10 84737.34 1.4 2.80 114726.0
Sep10 83372.45 1.4 2.79 114632.0
Oct10 84355.20 1.5 2.79 116123.0
Nov10 81072.99 1.6 2.81 119328.0
Dic10 94604.79 1.6 2.82 121587.0
Ene11 91774.29 1.6 2.79 122727.0
Feb11 93723.70 1.7 2.77 124879.0
Mar11 91413.39 1.6 2.78 128618.0
Abr11 87708.69 1.6 2.82 133327.0
May11 94742.08 1.6 2.77 135998.0
Jun11 93191.08 1.6 2.76 137266.0
Jul11 96933.37 1.7 2.74 138785.0
Ago11 95934.74 1.7 2.74 140081.0
Sep11 92497.04 1.7 2.74 142392.0
Oct11 93720.40 1.7 2.73 142959.0
Nov11 95774.02 1.8 2.70 144935.0
Dic11 102691.54 1.7 2.70 148195.0
Ene12 102249.40 1.8 2.69 148854.0
Feb12 99568.54 1.8 2.68 149163.0
Mar12 99574.41 1.6 2.67 151285.0
Abr12 99568.53 1.6 2.66 152231.0
May12 98781.81 1.6 2.67 156182.0
Jun12 100898.29 1.5 2.67 158449.0
Jul12 101213.49 1.6 2.63 159658.0
Ago12 103575.13 1.5 2.62 160994.0
Sep12 104795.56 1.5 2.60 163220.0
Oct12 104457.40 1.5 2.59 164143.0
Nov12 106965.56 1.5 2.60 165793.0
Dic12 114863.65 1.5 2.57 167588.0
Ene13 110342.99 1.5 2.55 167987.0
Feb13 111873.49 1.6 2.58 169207.0
Mar13 109901.87 1.5 2.59 170989.0
Abr13 108299.76 1.6 2.60 173742.0
May13 104915.04 1.5 2.64 177985.0
Jun13 104575.07 1.5 2.75 182523.0
Jul13 106133.42 1.5 2.78 185222.0
Ago13 107387.08 1.6 2.80 189038.0
Sep13 107705.22 1.6 2.78 190242.0
Oct13 109949.15 1.7 2.77 192464.0
Nov13 111267.59 1.7 2.80 196995.0
Dic13 119491.96 1.7 2.78 198483.0
Ene14 120971.70 1.7 2.81 199962.0
Feb14 121785.78 1.8 2.81 201110.0
2
3
CENTRO DEL PERÚ
Mar14 121312.88 1.7 2.81 203633.0
2
4
CENTRO DEL PERÚ
CAPÍTULO IV
4.1 REGRESION ANÁLISIS Y RESULTADOS:
REPRESENTACIÓN DE LA REGRESIÓN:
Estimation Command:
=========================
LS LOG(CARTERA_CREDITICIA) C TM TC LOG(COLOCACIONES)
Estimation Equation:
=========================
LOG(CARTERA_CREDITICIA) = C(1) + C(2)*TM + C(3)*TC + C(4)*LOG(COLOCACIONES)
Substituted Coefficients:
=========================
LOG(CARTERA_CREDITICIA) = 5.89522660809 + 0.0605574572133*TM -
0.425378429409*TC + 0.559176239963*LOG(COLOCACIONES)
REGRESIÓN:
INTERPRETACION:
En la presente regresión podemos observar que todas las variables explicativas son significativas y
que el R cuadraro es de un 95%, pero viendo el test de Durbin Watson muestra que hay problemas
2
5
CENTRO DEL PERÚ
de autocorrelación, para ver exactamente en que periodo se presenta la correlación vemos el

siguinte cuadro.
INTERPRETACION:
Aquí observamos que existe una correlación parcial en el primer periodo para lo cual haremos uso
de modelo autoregresivo AR(1) para corregir este problema.
Por otra parte debemos ver que los residuos sigan una distribucion normal, aquí podemos observar
el test Jarque – Bera 1.147317 < 5.99, por lo que podemos decir que nuestros residuos se
aproximan a una distribución normal.
INTERPRETACION:
En el siguiente grafico se aplica la Prueba de Normalidad (Quantile - Quantile) que nos dice que
para que exista normalidad en los residuos los puntos deberán estar a lo largo de la recta, pero si los
puntos están muy dispersos y la mayoría esta fuera de la recta no existe normalidad.
2
6
CENTRO DEL PERÚ
INTERPRETACION:
En este gráfico presentamos la matriz de correlación donde podemos observar que existe o puede
existir multicolinealidad respecto a la cartera crediticia y a las colocaciones.
2
7
CENTRO DEL PERÚ
REGRESION CORREGIDA DE LOS PROBLEMAS ECONOMETRICOS.
ComandoEstimación:
=========================
LS(DERIV=AA) LOG(CARTERA_CREDITICIA) C TM TC LOG(COLOCACIONES) MA(1)
AR(2)
EstimaciónEcuación:
=========================
LOG(CARTERA_CREDITICIA) = C(1) + C(2)*TM + C(3)*TC + C(4)*LOG(COLOCACIONES)
+ [AR(2)=C(5),MA(1)=C(6),BACKCAST=2007M03,ESTSMPL="2007M03 2014M03"]
Substituted Coefficients:
=========================
LOG(CARTERA_CREDITICIA) = 6.25042201556 - 0.0414143473274*TM -
0.407764730056*TC + 0.539070174545*LOG(COLOCACIONES) +
[AR(2)=0.722472507854,MA(1)=0.821846030863,BACKCAST=2007M03,ESTSMPL="2007M0
3 2014M03"]
REPRESENTACIÓN DEL MODELO
CARTERA −CREDITICIA
(¿)=6.25−0.04 TM −0.41 TC +0.54 log ⁡(COL)
log¿
2
8
CENTRO DEL PERÚ
4.2 CONTRASTACIÓN DE HIPOTESIS
 H0: La variación de la tasa de morosidad influye negativamente en la calidad de la

 H1: La variación de la tasa de morosidad no influye negativamente en la calidad de
la cartera crediticia del sistema financiero peruano.
 H0: La variación del tipo de cambio influye negativamente en la calidad de la

 H1: La variación del tipo de cambio no influye negativamente en la calidad de la
 H0: El crecimiento de las colocaciones influye positivamente en la calidad de la

 H0: El crecimiento de las colocaciones no influye positivamente en la calidad de la
REGLA DE DECISIÓN
βi
Intervalo de confianza al 99% para la pendiente
^β 1−t α
2 √ σ2
S xx √
≤ βi ≤ β^ 1 +t α
2
σ2
S xx
2
9
CENTRO DEL PERÚ
TASA DE MOROSIDAD
Coefficient Confidence Intervals

Date: 07/21/14 Time: 11:02
Sample: 2007M01 2014M03
Included observations: 85
90% CI 95% CI 99% CI

Variable Coefficient Low High Low High Low High
TM -0.041414 -0.132975 0.050147 -0.150914 0.068085 -0.186620 0.103791
PRUEBA DE HIPÓTESIS
De acuerdo a la regla de decisión de intervalos de confianza al 99% de

decisión:
Tasa de Morosidad: −0.186620≤−0.041414 ≤ 0.103791
Como la variable de la variación de la Tasa de Morosidad cumple la regla de

decisión, entonces se aprueba la hipótesis nula:
 H0: La variación de la tasa de morosidad influye negativamente en la calidad de la

TIPO DE CAMBIO

Date: 07/21/14 Time: 11:02
Sample: 2007M01 2014M03
90% CI 95% CI 99% CI

TC -0.407765 -0.561368 -0.254161 -0.591462 -0.224068 -0.651362 -0.164167

decisión:
Tipo de Cambio: −0.651362≤−0. 407765≤−0.1 64167
Como la variable de la variación del Tipo de Cambio cumple la regla de

 H0: La variación del tipo de cambio influye negativamente en la calidad de la

3
0
CENTRO DEL PERÚ
COLOCACIONES

Date: 07/21/14 Time: 11:02
Sample: 2007M01 2014M03
90% CI 95% CI 99% CI

LOG(COLOCACIONES) 0.539070 0.409968 0.668172 0.384675 0.693465 0.334329 0.743811

decisión:
Colocaciones: 0.334329 ≤0.539070 ≤ 0.743811
Como la variable del crecimiento de las colocaciones cumple la regla de

 H0: El crecimiento de las colocaciones influye positivamente en la calidad de la

MODELO FINAL
TM
TC
¿
¿
¿
−¿ ,
−¿ , COL
+¿
CC=f ¿
CARTERA−CREDITICIA=β 0 −β1 TM −β 2 TC + β3 COL
Dónde:
β 0 : 6.250422
β 1 : -0.041414
3
1
CENTRO DEL PERÚ
β 2 : -0.407765
β 3 : 0.539070
CONCLUSIONES
 La cartera crediticia de nuestro país según a lo que hemos desarrollado viene influenciada
por tres grandes componentes que son muy importantes, como el primero de ellos tenemos
a la variación de la tasa de morosidad, esta tasa tiene una influencia negativa a la cartera
crediticia, podemos afirmar que, cuando sea más pequeño la tasa de morosidad mayor será
el otorgamientos de créditos a lo que lo solicitan.
 El otro componente importante de la cartera crediticia, el tipo de cambio observando

nuestros resultados, esta variable tiene un efecto negativo a la cartera crediticia por lo que
podemos decir que la fluctuación del tipo de cambio cuando mayor se este, menor será la
cantidad de cartera crediticia en nuestra economía.
 Las colocaciones en su tendencia creciente son un componente importante en la cartera

crediticia de nuestro país, ya que a medida que las colocaciones crecen, la cartera crediticia
de nuestro país también crecerá.
 El estudio del presente ensayo muestra que las variables explicativas si son significativas y
explican el modelo negativamente y positivamente. Los errores que haya tenido el modelo
se han corregido, utilizando logaritmos para normalizar la variable explicativa de
crecimiento de colocaciones y una para normalizar la variable explicada de la cartera
crediticia.
 El uso de la regla de decisión para la prueba de hipótesis son los intervalos de confianza al
99%, esto nos da confiabilidad de aprobar o desaprobar las variables y también poder
afirmar en que medida afectan a la cartera crediticia de nuestro país
3
2
CENTRO DEL PERÚ
BIBLIOGRAFÍA
 Aguilar, G. y G. Camargo 2004 “Análisis de la Morosidad en las
instituciones microfinancieras del Perú”. En Mercado y Gestión del microcrédito
en el Perú. Lima: Consorcio de Investigación Económica y Social. Serie:
Diagnóstico y Propuestas No 12.

 Alexander Campos (2005) “Morosidad crediticia y tamaño: un análisis de la crisis
bancaria peruana”. En Revista Concurso de Investigación para
JóvenesEconomistas2001-2002.Banco Central de Reserva del Perú.

 Clair, R. 1992 “Loan Growth and Loan Quality: Some Preliminary Evidence from
 Delgado y Saurina (2004) “Determinantes de la morosidad de las cajas de ahorros
españolas”, Investigaciones Económicas, vol. XXII(3), pp. 393-426.

 Fernando Escobar (2004) “Morosidad crediticia y tamaño: un análisis de la crisis
bancaria peruana”. En Revista Concurso de Investigación para Jóvenes
Economistas 2001-2002. Banco Central de Reserva del Perú.

 Freixas, X. y J. Rochet 2008 Microeconomics of Banking. The MIT Press, USA
 Freixas, X. J. De Hevia y A. Inurrieta1994 “Determinantes macroeconómicos de la
morosidad bancaria: un modelo empírico para el caso español”. En Moneda y
Crédito 199, pp.125-156.

 Jiménez y Saurina (2006) “Determinantes de la morosidad bancaria en una
economía dolarizada. El caso uruguayo”DocumentosdeTrabajoNº0722. Banco de
España.
3
3
CENTRO DEL PERÚ
 Ledgerwood(1999) “Credit Ration ing in Market with Imperfect Information”.
EnAmerican - EconomicReview,71:3.
 Muñoz, Jorge 1999 “Calidad de la cartera del sistema bancario y el ciclo
económico: una aproximación econométrica para el caso peruano”. En Revista de
Estudios Económicos, No 4, Banco Central de Reserva del Perú.
 Stiglitz, J. y A. Weiss 1981 “Credit Rationing in Market with Imperfect
Information”. En American Economic Review, 71:3.

 Saurina, Jesús 1998 “Determinantes de la morosidad de las cajas de ahorro
españolas”. En Investigaciones Económicas. Vol. XXII, Nº 3, pp. 393-426.

 Texas Bank”. En Economic Review, Federal Reserve Bank of Dallas. Third
Quarter, pp. 9-22.

 Vallcorba,M. y Delgado, J.(2007)“Determinantes de la morosidad bancaria en una
economía dolarizada. El caso uruguayo” Documentos de Trabajo Nº0722. Banco de
España.
 Wadhwani, S.1986 “Inflation Bankruptcy, Default Premia and the Stock Market”.
En The Economic Journal Nº 96, pp. 120-138.
3
4

Ensayo Riesgo Crediticio PDF

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Ensayo Riesgo Crediticio PDF

Caricato da

Copyright:

Formati disponibili

UNIVERSIDAD

DEL CENTRO DEL PERÚ

“AÑO DE LA PROMOCIÓN DE LA INDUSTRIA RESPONSABLE Y DEL COMPROMISO CLIMÁTICO”

Lara Ricapa, Jorge Isaac

Valencia Arotoma, Remi

Villegas Mantari, Cynthia Maribel

Vivanco Solano, Yesica Gladys

4.2 CONTRASTACIÓN DE HIPOTESIS............................................................27

La presente investigación, trata de identificar los factores macro y

microeconómicos que inciden en el comportamiento de la morosidad crediticia en el sistema

bancario peruano durante el período Enero 2007 a Enero 2014.

Los resultados econométricos, muestran que la morosidad crediticia en el sistema bancario

bancario como las colocaciones de las entidades bancarias.

Respecto a los factores macroeconómicos, verificamos que se da una relación

impagos en la cartera de créditos de los bancos y, en contraste, en las fases de expansión

económica se reducen las tasas de morosidad. Igualmente, comprobamos que un incremento

En relación a los determinantes microeconómicos, también encontramos evidencia

política de colocaciones de los bancos.

La presente investigación es importante y relevante porque contribuirá a que los

La evidencia internacional reciente ha mostrado que cuando los ciclos

al terminar el ciclo expansivo

 En la última década, la tasa de morosidad agregada del sistema bancario peruano ha

TASA DE MOROSIDAD DEL SISTEMA BANCARIO (%)

0.00%2001 2002 2003 2004 2005 2006 2007 2008 2009

Fuente: Superintendencia de Banca y Seguros (SBS)

CHOQUES IDIOSINCRÁTICOS Y LA TASA DE MOROSIDAD POR SECTOR

 Además de encontrarse sujetos a choques agregados comunes, cada sector

0.00% 2005 2006 2007 2008 2009

Fuente: Superintendencia de Banca y Seguros (SBS)

TASA DE MOROSIDAD DEL SECTOR PESCA (%)

0.00% 2005 2006 2007 2008 2009

Fuente: Superintendencia de Banca y Seguros (SBS)

En las instituciones micro financieras los préstamos no están generalmente

Según Ledgerwood (1999), la morosidad que refleja una Cartera en Riesgo

Según Ambera(2003),para EE.UU., utiliza modelos de regresión lineal simple

Según Gasha y Morales (2004): los sistemas financieros avanzados muestran un

FUENTE: Tomado de: Departamento de Análisis del Sistema Financiero; Pablo J.

FUENTE: Tomado de: Departamento de Análisis del Sistema Financiero; Pablo J.

1.4 PROBLEMA DE INVESTIGACIÓN

¿Cómo influyen la variación de la Tasa de Morosidad, la variación del Tipo de

 ¿Cómo influye la variación de la Tasa de Morosidad en la calidad de la

Medir la influencia la variación de la Tasa de Morosidad, la variación del Tipo de

 Medir la influencia de la variación de la Tasa de Morosidad en la calidad de la

2.1 CARTERA CREDITICIA DEL SISTEMA FINANCIERO

En las instituciones micro financieras los préstamos no están generalmente

Alexander Campos (2005), utilizando un panel balanceado de treinta

Según Aguilar & Camargo (2002), se hallado evidencia a favor de la presencia

Aguilar y Camargo (2002, 2003,2004) encontraron que existe una relación

2.2 TASA DE MOROSIDAD

Se pueden distinguir tres enfoques en los estudios que abordan el tema de la

Delgado y Saurina (2004) analizan, a través de técnicas de cointegración, la

Aguilar y Camargo (2002) consideran que de los tres indicadores antes

2.3 TIPO DE CAMBIO

Fernando Escobar (2004), analiza el efecto de las variaciones del tipo de

Según Ledgerwood (1999): la morosidad que refleja una CeR produce:(a)

CarteraCrediticia=f (Tasade Morosidad ,T ipo de Cambio ,Colocaciones)

TM: Representa la morosidad mensual de los creditos.

2.6.1 Hipótesis General

La calidad de la cartera crediticia del sistema financiero peruano es determinada por la

2.6.2 Hipótesis Específicos

o La variación de la tasa de morosidad influye negativamente en la calidad de la

3.1.1 EL ENFOQUE DE LA INVESTIGACIÓN.