Depreciación del Tipo de Cambio y su Efecto en el Riesgo Cambiario-Crediticio: Un enfoque no Lineal...
-
Upload
humberto-bruno-lozada-sanjinez -
Category
Economy & Finance
-
view
59 -
download
1
Transcript of Depreciación del Tipo de Cambio y su Efecto en el Riesgo Cambiario-Crediticio: Un enfoque no Lineal...
UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE CIENCIAS ECONOMICAS
ESCUELA ACADEMICO PROFESIONAL DE ECONOMIA
TITULO DE LA TESIS
LA DEPRECIACIÓN DEL TIPO DE CAMBIO Y SU EFECTO EN EL RIESGO
CAMBIARIO CREDITICIO DE LA BANCA: UN ENFOQUE NO LINEAL PARA
EL CASO PERUANO 1995 – 2014
TESIS PARA OPTAR EL TÍTULO DE:
ECONOMÍSTA
AUTOR: Br. HUMBERTO BRUNO LOZADA SANJINEZ
ASESOR: Mg. FÉLIX S. CASTILLO VERA
Trujillo, Perú
2014
UNIVERSIDAD NACIONAL DE TRUJILLO
2
PRESENTACIÓN
Señores Miembros del Jurado:
En conformidad con lo dispuesto en el Reglamento de Grados y Títulos de la
Facultad de Ciencias Económicas de la Universidad Nacional de Trujillo, me es grato
dirigirme a ustedes para someter a vuestro criterio la aprobación de la presente tesis,
titulada: “LA DEPRECIACIÓN DEL TIPO DE CAMBIO Y SU EFECTO EN EL
RIESGO CAMBIARIO CREDITICIO DE LA BANCA: UN ENFOQUE NO LINEAL
PARA EL CASO PERUANO 1995 – 2014”, con el propósito de obtener el Título de
Economista.
Es propicia la oportunidad para expresar mi gratitud hacia todos los profesores
por los conocimientos impartidos durante el transcurso de mi formación profesional.
Deseándoles que Dios los bendiga a ustedes y sus familias, extiendo este trabajo
para su evaluación.
Trujillo, 26 noviembre del 2014
Atentamente.
_______________________________
Br. Humberto Bruno Lozada Sanjinez
UNIVERSIDAD NACIONAL DE TRUJILLO
3
DEDICATORIA
A mi madre; Ruth Elizabeth Sanjinez Cabrera,
por su apoyo incondicional, en todo momento
y circunstancia, lo cual me ha permitido llegar
hasta este momento tan importante en mi
formación profesional.
A mi abuelo; Melchor Sanjinez Cedillo, por
haber sido siempre mi ejemplo a seguir.
A mi padre; Francisco Humberto Lozada
Castro por haberme prepararme para
afrontar la vida.
A Teodora Cruz Jacobo y Ruth Ingrid Lozada
Sanjinez.
UNIVERSIDAD NACIONAL DE TRUJILLO
4
AGRADECIMIENTO
A mi asesor el Mg. Feliz Castillo Vera por su
apoyo, consejos y enseñanzas que
contribuyeron a la elaboración de este trabajo
de investigación.
A los señores catedráticos por sus enseñanzas
y consejos durante mi vida universitaria.
Hicieron que estos cinco años valgan la pena.
UNIVERSIDAD NACIONAL DE TRUJILLO
5
RESUMEN
En este trabajo se estudia el efecto no lineal de la depreciación del tipo de cambio en el
riesgo cambiario crediticio, este último medido a través de la tasa de morosidad de los
créditos en moneda extranjera. Se utiliza un modelo de cambio de régimen (Markov
Switching) para detectar y caracterizar estas no linealidades, clasificándolas en dos estados:
uno en el que el tipo de cambio tiene un pequeño impacto en la morosidad de los créditos
en moneda extranjera y otro en el que el tipo de cambio tiene un fuerte impacto en la
morosidad de los créditos en moneda extranjera.
Los resultados de la estimación del modelo de cambio de régimen MSIAH(2) – ARX(2)
demuestran que éste tiene mejor bondad de ajuste en comparación a cualquier
especificación lineal. Los parámetros estimados del modelo evidencian los efectos
asimétricos del tipo de cambio y del ciclo económico en la morosidad de los créditos en
moneda extranjera.
Además, mediante el análisis de la evolución de las probabilidades suavizadas se
identifican los periodos en los que se registraron altas tasas de morosidad de los créditos en
moneda extranjera debido a fuertes depreciaciones del tipo de cambio, ocasionadas por la
crisis ruso brasileña (1998-1999) y la crisis financiera internacional (2009).
UNIVERSIDAD NACIONAL DE TRUJILLO
6
ABSTRACT
In this paper is studied the nonlinear effect of the depreciation of the exchange rate on the
credit exchange risk, the latter measured by the default rate of loans in foreign currency. A
model of regime change (Markov Switching) is used to detect and characterize these
nonlinearities, classifying them into two states: one in which the exchange rate has a small
impact on the delinquency of loans in foreign currency and one in the that the exchange rate
has a strong impact on delinquency loans in foreign currency.
The results of estimating the model change MSIAH (2) scheme - ARX (2) show that it has
better goodness of fit compared to any linear specification. The estimated model parameters
show the asymmetric effects of exchange rate and the business cycle in defaults of loans in
foreign currency.
Furthermore, by analyzing the evolution of the smoothed probabilities periods in which
high default rates of loans in foreign currency are recorded due to sharp depreciation of the
exchange rate, caused by the Brazilian Russian crises (1998-1999 identified) and the
international financial crisis (2009).
UNIVERSIDAD NACIONAL DE TRUJILLO
7
ÍNDICE
PRESENTACIÓN…………………………………………………………………… 02
DEDICATORIA……………………………………………………………………... 03
AGRADECIMIENTO………………………………………………………………. 04
RESUMEN…………………………………………………………………………… 05
ABSTRACT………………………………………………………………………….. 06
INTRODUCCIÓN…………………………………………………………………… 09
I. PLANTEAMIENTO DEL PROBLEMA
1.1. Antecedentes del estudio………………….……………………………… 14
1.2. Justificación del problema…………………..…………………………... 16
1.3. Formulación del problema…………………………………………….... 17
1.4. Objetivos………………………………………………………………...... 17
II. MARCO TEORICO
2.1. Marco institucional e histórico…………………………………………… 20
2.2. Base teórica………………………………………………………………... 25
2.3. Especificación del modelo………………………………………………... 29
2.4. Hipótesis…………………………………………………………………... 30
III. DISEÑO DE LA INVESTIGACIÓN
3.1. Tipo de diseño………………………………………………………….… 32
3.2. Conceptualización de las variables……………………………………... 32
3.3. Operacionalización de las variables.………………………………….… 34
3.4. Material y métodos………………...………………………………….…. 35
3.5. Técnicas e instrumentos de recolección de datos…………………….… 36
3.6. Estrategias metodológicas……………………………………………….. 37
UNIVERSIDAD NACIONAL DE TRUJILLO
8
IV. RESULTADOS
4.1. Hechos estilizados…………………………………………………...….... 40
4.2. Estimación del modelo……………………………………………….…... 43
V. DISCUSIÓN…………………………………………………………….....….. 49
VI. CONCLUSIONES……………………………………………………...…...... 51
VII. RECOMENDACIONES………………………………………………………. 52
VIII. REFERENCIAS BIBLIOGRAFICAS………………………….……………. 53
ANEXOS
Anexo Nº 01………………………………………………………………….. 55
Anexo Nº 02………………………………………………………………….. 57
Anexo Nº 03………………………………………………………………….. 59
Anexo Nº 04………………………………………………………………….. 60
Anexo Nº 05………………………………………………………………….. 63
Anexo Nº 06………………………………………………………………….. 63
Anexo Nº 07…………………………………………………………………... 64
UNIVERSIDAD NACIONAL DE TRUJILLO
9
INTRODUCCIÓN
La reciente tendencia depreciatoria del tipo de cambio es un tema de debate en la actual
coyuntura económica del Perú; por un lado la autoridad monetaria, representada en la figura
del Banco Central de Reservas del Perú (en adelante, BCRP), justifica el relativo control
que ejerce sobre la evolución del tipo de cambio, respaldándose en que esta variable es una
fuente importante de generación de riesgo sistémico en economías dolarizadas como la
peruana. Por otro lado en el actual estado de desaceleración económica, algunos
especialistas recomiendan dejar subir el tipo de cambio para aumentar la competitividad de
las exportaciones de materias primas, y por consiguiente reactivar la actividad económica.
Con la adopción de un régimen de flotación administrada, el BCRP busca amortiguar el
efecto “hoja balance”. La variable clave es el descalce de monedas que se genera en la hoja
balance del deudor cuando éste toma un préstamo en una moneda diferente a la que genera
sus ingresos. Si consideramos como moneda extranjera al dólar y la moneda doméstica al
nuevo sol, un incremento del tipo de cambio provoca que los préstamos en dólares
expresados en nuevos soles se incrementen, generando mayores gastos financieros en
términos de moneda doméstica. Estos mayores gastos financieros, dependiendo del tamaño
de la depreciación, pueden generar problemas de liquidez, haciendo que el deudor incumpla
sus pagos financieros. Es así como el riesgo cambiario de los deudores, generado por el
descalce de monedas, se traslada al balance de los bancos, incrementando su riesgo
crediticio. Si las depreciaciones del tipo de cambio continúan y la economía entra en
recesión el problema de liquidez de los agentes se convierte en un problema de solvencia,
pudiendo afectar sus decisiones de inversión y producción, Azabache (2009).
UNIVERSIDAD NACIONAL DE TRUJILLO
10
El riesgo crediticio del sistema financiero derivado del riesgo cambiario producido en la
hoja balance de los deudores que incurren en un descalce de monedas, es conocido como
riesgo cambiario crediticio (RCC)1. La literatura que aborda los efectos del riesgo
cambiario en el riesgo crediticio no es muy abundante, recientemente el Fondo Monetario
Internacional (FMI) viene impulsando su gestión luego de haber sacado las lecciones de las
repetidas crisis cambiarias y financieras en numerosos países desde 1994 al 2012.
A raíz de la crisis financiera internacional del 2008, se han incrementado las propuestas de
reforma financiera de las economías desarrolladas, con un rol más protagónico de las
políticas macroprudenciales (Basilea III y Consejos de Estabilidad Financiera en UK, UE y
EE.UU.), las que mediante el uso de herramientas que buscan mitigar el riesgo financiero
sistémico, tienen como objetivo preservar la estabilidad financiera2. Algunas medidas
macroprudenciales utilizadas en el Perú con el fin de evitar riesgos cambiarios fueron;
Limitar la posición de cambio en moneda extranjera de las instituciones financieras en 1998
y limitar la posición de productos derivados en el 2011. Además el BCRP utiliza dos
instrumentos no convencionales; los encajes en moneda extranjera y la intervención en el
mercado cambiario, el primero con el objetivo de disminuir los ciclos crediticios asociados
a influjos de capitales, manteniendo adecuados niveles de liquidez en moneda extranjera en
la banca, y el segundo para reducir la extrema volatilidad del tipo de cambio,
particularmente aquellos asociados a cambios transitorios de portafolio de agentes
domésticos, Castillo (2011).
1 El Riesgo Cambiario Crediticio (RCC) es definido por la SBS como la posibilidad de afrontar pérdidas
derivadas de incumplimientos de los deudores en el pago de sus obligaciones crediticias producto de descalces entre sus exposiciones netas en moneda extranjera. Fuente: Resolución Nº 41 SBS. 2 Para una revisión de la literatura sobre la Política Macroprudencial ver Choy y Chang (2014).
UNIVERSIDAD NACIONAL DE TRUJILLO
11
Conocer el potencial impacto negativo de las variaciones del tipo de cambio en la hoja
balance de los deudores que sufren un descalce de monedas es vital para los supervisores y
reguladores. La existencia de este riesgo justificaría la intervención del BCRP en el
mercado cambiario con el objetivo de reducir la excesiva volatilidad del tipo de cambio.
Asimismo, la Superintendencia de Banca Seguros y AFP’s (SBS) tendría que exigir a las
entidades financieras, la gestión y el requerimiento de provisiones para este nuevo riesgo
crediticio derivado del riesgo cambiario.
Buscando un enfoque mucho más realista que provea una mejor evaluación del riesgo
cambiario crediticio, en este documento se plantea una relación no lineal entre la morosidad
de los créditos en moneda extranjera y el tipo de cambio en el Perú, utilizando información
mensual desde enero de 1996 hasta setiembre del 2014. Esta hipótesis es interpretada como:
“Pequeñas variaciones del tipo de cambio no tienen un impacto significativo en la
morosidad de los créditos en moneda extranjera, mientras que depreciaciones abruptas del
tipo de cambio si tienen efectos contraproducentes en la morosidad de los créditos en
moneda extranjera”.
El trabajo de Azabache (2009) es el único que plantea un enfoque no lineal para medir el
impacto del tipo de cambio en la morosidad de los créditos en moneda extranjera,
utilizando datos mensuales del Perú durante el periodo 1993 – 2008, y a través de un
modelo umbral, estima el tamaño de la depreciación que afecta la capacidad de pago de los
deudores, luego dividió la muestra y estimo mediante Método Generalizado de Momentos
(GMM). Encontrando que a partir de depreciaciones por encima de 11.5% se producen
efectos contraproducentes en la morosidad de los créditos en moneda extranjera.
UNIVERSIDAD NACIONAL DE TRUJILLO
12
Para evaluar la hipótesis de no linealidad entre el tipo de cambio y la morosidad de los
créditos en moneda extranjera, en este estudio se sugiere un modelo de cambio de régimen
Markov Switching, debido a que caracteriza un proceso generador de datos (PGD) no
lineal; como procesos lineales condicionales en cada régimen, los cuales servirán para
evaluar los parámetros cambiantes del modelo.
El presente documento se organiza de la siguiente manera. En la parte I se presenta los
antecedentes del estudio, la justificación y formulación del problema, y los objetivos. En la
parte II se muestra el marco teórico, que está compuesto por el marco institucional e
histórico, en el cual se relata la evolución y regulación del sistema bancario peruano, así
como las diferentes etapas en la supervisión del mismo. En la base teórica se hace
referencia acerca de los mecanismos de trasmisión de la depreciación del tipo de cambio
nominal en la tasa de crecimiento del ratio de morosidad de los créditos en moneda
extranjera, finalmente se formula la hipótesis de la investigación. En la parte III se expone
el diseño de la investigación así como la metodología utilizada para contrastar la hipótesis.
En ésta parte se muestra las especificaciones del modelo Markov Switshing para la
estimación no lineal. En la parte IV, V, VI y VII se muestran los resultados, la discusión,
las conclusiones y las recomendaciones, respectivamente.
UNIVERSIDAD NACIONAL DE TRUJILLO
13
I. PLANTEAMIENTO DEL PROBLEMA
UNIVERSIDAD NACIONAL DE TRUJILLO
14
1.1. ANTECEDENTES DEL ESTUDIO
En trabajos aplicativos, la variación de la tasa de incumplimiento de los préstamos en
moneda extranjera, es tomada como indicador del riesgo cambiario crediticio (RCC).
Escobar (2003) en el caso de Bolivia muestra que el efecto más importante de la
depreciación del tipo de cambio nominal sobre el sistema financiero se produce en las
operaciones de crédito en moneda extranjera que realizan las entidades con prestatarios
que sufren de un descalce estructural. Producto de este descalce, la diferencia entre
depreciación del tipo de cambio nominal e inflación aumentan la tasa de interés real y el
saldo en términos reales del crédito de los prestatarios, disminuyendo su capacidad de
pago. El deterioro en la capacidad de pago se tradujo en el deterioro de la cartera de
créditos de las entidades financieras en Bolivia en el periodo 1990 – 2003.
Jiménez (2003) mediante un modelo VAR y con datos del tipo de cambio neto de
inflación3 y el ratio de morosidad bancaria en moneda extranjera en el Perú durante el
periodo 1993 – 2002 encuentra que la depreciación neta del tipo de cambio en el IV
trimestre explica el 21,49% de la variación del ratio de morosidad.
En trabajos más recientes Azabache (2009), utilizando datos del tipo de cambio
nominal y la morosidad bancaria en moneda extranjera del Perú durante el periodo 1993
– 2008, evalúa el impacto de las variaciones del tipo de cambio nominal sobre el riesgo
cambiario–crediticio de los bancos a través de un modelo umbral, el cual considera la
existencia de dos regímenes, el primero es de una baja volatilidad del tipo de cambio y
3 Se le resta la inflación mensual a la depreciación del tipo de cambio.
UNIVERSIDAD NACIONAL DE TRUJILLO
15
el segundo de alta volatilidad, encontrando que depreciaciones del tipo de cambio por
encima de 11.5% afectan la capacidad de pago de las empresas y familias traduciéndose
en incrementos de los créditos con problemas de pago en los bancos. Además,
encuentra que otras variables macroeconómicas como: la contracción de la actividad
económica y bajas tasas de inflación, contribuyen a incrementar los préstamos en mora.
Por su parte Jiménez (2010), pone en evidencia el mecanismo amplificador que tiene la
evolución del tipo de cambio nominal sobre el ciclo crediticio en una economía con alta
dolarización financiera como la peruana, a este mecanismo se le denomina “acelerador
cambiario”, por la capacidad que tiene tanto para ampliar la expansión crediticia y
reducir la mora, como para acelerar la contracción crediticia e incrementar la mora. La
conclusión de fondo es que entidades de crédito y el mercado financiero en general son
miopes a la vulnerabilidad del riesgo crediticio derivado del riesgo cambiario
(RCDRC), producto de otorgar créditos (adquirir valores) en moneda extranjera o
deudores (o emisores) expuestos.
Estos dos últimos trabajos mencionados respaldan la existencia de una relación no
lineal entre el tipo de cambio nominal y el ratio de morosidad en moneda extranjera
como indicador del riesgo cambiario crediticio. En efecto, pequeñas variaciones del tipo
de cambio no afectan la capacidad de pago de los deudores por lo que su impacto sobre
el riesgo cambiario crediticio es despreciable; sin embargo, fuertes variaciones del tipo
de cambio si afectan la capacidad de pago de los deudores incrementando los créditos
con problemas de pago en los bancos, Azabache (2009). Esta asimetría se debe a que
las entidades de crédito aumentan en forma entusiasta su exposición al riesgo en las
UNIVERSIDAD NACIONAL DE TRUJILLO
16
fases de expansión, pero lo contraen pesimistamente en las fases recesivas en respuesta
al deterioro en las perspectivas de recuperación de los créditos, Jiménez (2010).
1.2. JUSTIFICACIÓN DEL PROBLEMA
En la década de los 70’s, Lucas (1976) ya criticaba los lineamientos de política
económica basados sobre parámetros constantes de estimaciones econométricas,
pensando que si la estructura de un modelo econométrico consiste en condiciones
óptimas de los agentes y las reglas de decisiones óptimas varían sistemáticamente,
entonces, los cambios de política económica puede generar cambio en los parámetros.
La crítica de Lucas marco un antes y un después en la macroeconomía y gracias a sus
aportes, los econometristas decidieron superar la restricción de contar únicamente con
estimaciones lineales basadas sobre parámetros constantes.
Dicho esto, la correcta especificación de un modelo econométrico con el fin de estimar
el efecto de la depreciación del tipo de cambio nominal en la tasa de crecimiento del
ratio de morosidad de los créditos moneda extranjera, ayudara a mejorar los
lineamientos de política económica y el marco de regulación bancaria. En materia de
política monetaria, el BCRP, podrá mejorar sus intervenciones en el mercado de divisas
y prevenir a los bancos de riesgo crediticio derivado del riesgo cambiario. En materia
de regulación, la SBS, puede tener en cuenta la reacción de la tasa de crecimiento del
ratio de morosidad en moneda extranjera a la depreciación del tipo de cambio nominal
en fases de alta volatilidad y de baja volatilidad.
UNIVERSIDAD NACIONAL DE TRUJILLO
17
En esta investigación se plantea un nuevo modelo para evaluar los efectos no lineales de
la depreciación del tipo de cambio nominal en la tasa de crecimiento del ratio de
morosidad de los créditos en moneda extranjera. La construcción de este modelo
constituye un aporte a la literatura que investiga el riesgo de crédito en países con
dolarización financiera. Primero nos permitirá evaluar si la depreciación del tipo de
cambio influye en la capacidad de pago de los deudores y segundo, mediante el modelo
de cambio de régimen obtendremos la probabilidad de estar en un régimen específico.
Hasta el momento de esta investigación no se ha utilizado un modelo de cambio de
régimen para caracterizar el efecto no lineal de la depreciación del tipo de cambio
nominal en la tasa de crecimiento del ratio de morosidad de los créditos en moneda
extranjera, como indicador del riesgo cambiario crediticio en el Perú.
1.3. FORMULACIÓN DEL PROBLEMA
¿Qué efecto tiene la depreciación del tipo de cambio nominal en el riesgo cambiario
crediticio de la banca en el Perú durante el periodo 1995 - 2014?
1.4. OBJETIVOS
Objetivo general
Determinar el efecto de la depreciación del tipo de cambio nominal en el riesgo
cambiario crediticio de la banca en el Perú durante el periodo 1995 - 2014
UNIVERSIDAD NACIONAL DE TRUJILLO
18
Objetivos específicos
Analizar y describir la variación anual del tipo de cambio nominal en el Perú
durante el periodo enero de 1995 a marzo del 2014.
Analizar y describir la tasa de crecimiento anual del ratio de morosidad bancaria
en moneda extranjera en el Perú durante el periodo enero de 1995 a marzo del
2014.
Estimar un modelo de cambio de régimen que caracterice el efecto no lineal de
la depreciación del tipo de cambio nominal en la tasa de crecimiento anual del
ratio de morosidad bancaria en moneda extranjera como indicador del riesgo
cambiario crediticio de la banca en el Perú.
UNIVERSIDAD NACIONAL DE TRUJILLO
19
II. MARCO TEÓRICO
UNIVERSIDAD NACIONAL DE TRUJILLO
20
2.1. MARCO INSTITUCIONAL E HISTÓRICO4
Regulación bajo supervisión de la SBS
La reforma financiera iniciada en 1991, incluyó la disolución de la Banca de Fomento,
la asignación de un rol diferente para COFIDE como banco de segundo piso,
liberalizando el sistema financiero e introduciendo la apertura al mercado de capitales.
En el contexto de una pérdida de confianza generalizada del público hacia la moneda
nacional, se renueva la normatividad bancaria en abril de 1991 con la promulgación de
la Ley de Instituciones Bancarias, Financieras y de Seguros, Decreto Legislativo 637,
con lo cual se autorizó la creación de depósitos y créditos bancarios en moneda
extranjera. Además, las privatizaciones fomentaron la entrada de bancos extranjeros, los
cuales fomentaron la entrada de capitales foráneos al Perú.
Esta ley fue reemplazada en octubre de 1993 por el Decreto Legislativo 770 que
corregía algunos aspectos e incorporaba nuevos elementos. En efecto, se le prohibió al
Estado la fijación de las tasas de interés, el establecimiento de directivas de crédito y la
participación de largo plazo en el capital de entidades financieras. Tanto el Decreto
Legislativo 637 como el 770 introdujeron diversos aspectos de regulación prudencial,
tomándose algunas recomendaciones del Comité de Basilea como la aplicación de
4 El marco institucional e histórico es un resumen del artículo publicado en la página oficial de la SBS. http://www.sbs.gob.pe/
UNIVERSIDAD NACIONAL DE TRUJILLO
21
límites operativos en función del patrimonio efectivo y el requerimiento patrimonial
respecto a los activos y créditos contingentes ponderados por riesgo crediticio.
A mediados de 1996, a iniciativa de la SBS se profundizó la reforma financiera iniciada
en 1991. El objetivo principal fue el fortalecimiento del sistema financiero y la
supervisión bancaria, incorporando las recomendaciones propuestas por el Acuerdo de
Basilea de 1988 y su revisión de 1991. Dichas recomendaciones incluyeron la
regulación para la administración del riesgo crediticio, así como exigencias en materia
de riesgo de mercado. Asimismo, se incluyó la supervisión consolidada permitiendo
que el control abarcara tanto a los intermediarios, como a las empresas que forman
parte de un mismo conglomerado financiero.
En diciembre de 1996 fue publicada la Ley 26702, Ley General del Sistema Financiero
y del Sistema de Seguros y Orgánica de la Superintendencia de Banca y Seguros. Esta
Ley recoge los aspectos de regulación prudencial que estaban presentes en las dos leyes
anteriores y agrega los aspectos mencionados en el párrafo anterior.
El análisis del riesgo cambiario-crediticio y el impulso de su gestión vinieron en gran
parte de esfuerzos del Fondo Monetario Internacional luego de haber sacado las
lecciones de las repetidas crisis cambiarias y financieras en numerosos países de 1994
al 2012. La regulación de la SBS aprueba el reglamento para la administración del
Riesgo Cambiario-Crediticio (RCC), mediante Resolución Nº 0041 – 2005. La
regulación de la SBS es clara al respecto: el análisis se tiene que hacer a nivel del
deudor. Gracias a su labor de supervisión, la SBS ha logrado que en gran medida las
UNIVERSIDAD NACIONAL DE TRUJILLO
22
metodologías de identificación de las entidades financieras tengan en la práctica un alto
nivel de convergencia.
Regulación bajo la filosofía de Basilea II
El Banco Internacional de Pagos (Bank of Internacional Settlements) fue creado en
1930 y actualmente es el principal centro para la cooperación internacional de Bancos
Centrales y Supervisores Bancarios. Su creación se dio en el contexto del Plan Young,
que lidiaba con el tema de los pagos indemnizatorios impuestos sobre Alemania por el
Tratado de Versalles, fundando su centro de operaciones en la ciudad de Basilea. Desde
los años 30 el Banco fue cambiando progresivamente su rol para convertirse en un
importante mecanismo de coordinación y cooperación entre Bancos Centrales.
El Comité de Basilea sobre Supervisión Bancaria fue creado en 1974 por acuerdo de los
representantes de los Bancos Centrales de los 10 países más industrializados. Este
Comité, si bien no posee ninguna autoridad de supervisión sobre los países miembros y
sus conclusiones no tienen fuerza legal, ha formulado una serie principios y estándares
de supervisión bancaria que han sido acogidos no solo por los países miembros, sino
por la mayoría de países en el mundo. Además emite declaraciones de mejores prácticas
a fin que las autoridades individuales tomen las medidas necesarias para aplicarlas de la
forma que mejor convenga a sus propios sistemas nacionales. De esta manera, el
Comité alienta la convergencia hacia enfoques y estándares comunes.
UNIVERSIDAD NACIONAL DE TRUJILLO
23
En 1988, el comité de Basilea generó un primer documento llamado el Acuerdo de
Capital de Basilea (Basilea I) en el que se detallan las reglas para determinar los
requerimientos mínimos de capital que las instituciones bancarias debían cumplir. En
este sentido, Basilea I propuso una metodología para medir el riesgo crediticio según la
estructura de activos mantenido por una entidad bancaria. Dicha medida consideraba el
capital de una institución bancaria como proporción de la suma de los activos del banco
ponderados por un factor que refleje el riesgo crediticio de dicho activo. Se acordó que
el estándar mínimo de esta proporción sería de 8% para proteger a los depositantes del
riesgo de insolvencia del banco.
El estándar planteado por Basilea I fue inicialmente adoptado por los países miembros
del G-10, pero progresivamente se fue convirtiendo en un estándar regulatorio a nivel
mundial, y actualmente cerca de 150 países se rigen por estos principios y normas,
incluido Perú. A pesar de haber significado un paso muy importante en homogenizar el
tratamiento regulatorio de los sistemas bancarios, Basilea I adoleció de algunos
problemas. Principalmente, que éste no es suficientemente sensible al riesgo. Es decir,
no necesariamente se cumple el principio de a mayores riesgos mayores cargas de
capital a fin de cubrir dicho riesgo. Esto a su vez podría significar un incentivo para las
instituciones financieras a tomar mayores riesgos, ya que estos no vendrían
acompañados de mayores exigencias de capital regulatorio.
Reconociendo esta deficiencia, el Comité de Basilea I empezó la tarea de reformar
Basilea I y generar un nuevo esquema más sensible al riesgo. Esta tarea empezó a
mediados de los años 90 y finalmente, en junio de 2004, se aprobó un Nuevo Acuerdo
UNIVERSIDAD NACIONAL DE TRUJILLO
24
de Capital (Basilea II) para los países miembros del G-10, el mismo que empezara a
regir en dichos países a partir de 2007 en sus versiones más simples y a partir de 2008
en sus versiones más avanzadas. El objetivo principal de este Nuevo Acuerdo es lograr
una mayor alineación de los requerimientos de capital de las entidades financieras con
los verdaderos riesgos que éstas enfrentan y, a la vez, tomar en cuenta en el esquema de
supervisión la evolución de las técnicas de manejo de riesgo y la creciente complejidad
y heterogeneidad del sistema financiero.
Más allá de proponer metodologías más sensibles al riesgo para el cálculo del capital
regulatorio, Basilea II plantea reglas prudenciales específicas para las instituciones de
crédito. Diseñado y construido sobre la base del acuerdo de 1988, el Nuevo Acuerdo de
Capital apunta a incentivar la estabilidad del sistema financiero dando mayor
importancia a los sistemas de control interno, a la administración de los bancos y a la
disciplina de mercado. Es así que Basilea II se puede definir como un marco global de
supervisión bancaria, basado en tres pilares, (i) Los Requerimientos Mínimos de
Capital; (ii) El Proceso de Examen del Supervisor y (iii) La Disciplina de Mercado.
Si bien es cierto que, en un inicio, Basilea II estaba planteado para los países del G-10,
al tratarse de estándares de medición y gestión de riesgos modernos, estos rápidamente
se están convirtiendo, al igual que lo ocurrido con Basilea I, en los estándares exigidos
a nivel internacional en todos los países que quieran ser competitivos a nivel mundial.
El Perú ha sido la excepción y ha implementado Basilea II de acuerdo al contexto
peruano.
UNIVERSIDAD NACIONAL DE TRUJILLO
25
2.2. BASE TEÓRICA
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
y crediticios, 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.
Comportamiento cíclico del crédito y la morosidad
El crédito bancario tiende a seguir un patrón con un claro comportamiento procíclico. Así,
en la fase expansiva del ciclo económico, el crédito tiende a expandirse de forma acelerada,
contribuyendo a profundizar la propia 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 económico5.
En este marco, la evolución de la morosidad bancaria también presenta un comportamiento
cíclico, acompañando el ciclo económico en general. En la fase alta del ciclo las familias y
las empresas, sin restricciones de acceso al crédito y con ingresos y ventas crecientes,
tienen menores dificultades para hacer frente a sus obligaciones financieras. Por ello, los
niveles de morosidad del crédito bancario tienden a reducirse. Por el contrario, en las fases
recesivas, caracterizadas por la contracción del crédito y por el retroceso de las ventas
5 En general, el crédito bancario presenta fluctuaciones cíclicas más intensas que las del PBI, tanto como consecuencias de factores de demanda como de oferta.
UNIVERSIDAD NACIONAL DE TRUJILLO
26
empresariales y los ingresos familiares –por la caída del salario y el empleo–, la morosidad
suele aumentar, Vallcorba y Delgado (2007).
Es precisamente durante la fase expansiva del ciclo económico cuando se originan los
problemas de morosidad, que luego se hacen evidentes con la ralentización de la actividad
económica. En estos períodos de auge los bancos tienden a otorgar los créditos de forma
más laxa, en el marco de un escenario de excesivo optimismo, y sobreestimando la
capacidad de pago «estructural» de los tomadores de créditos, con el consiguiente aumento
del riesgo que asumen. A su vez, debe tenerse presente que la preocupación por no perder
cuota de mercado, en presencia de problemas de agencia y/o en un contexto de excesivo
optimismo predominante en el mercado, también puede llevar a asumir mayores riesgos de
los convenientes desde el punto de vista prudencial [Jimenez (2010), Vallcorba y Delgado
(2007), Ibañez et al. (2006) y Delgado y Saurina (2004)].
Factores Macroeconómicos
Si bien existe un conjunto de trabajos empíricos que analizan, para diferentes realidades,
los factores explicativos de la morosidad bancaria en cada caso, es necesario reconocer que
no existe a nivel teórico un modelo general que recoja y permita precisar los determinantes
de la morosidad.
No obstante, a partir de la revisión de los trabajos empíricos existentes –mencionados
anteriormente–, las variables macroeconómicas que en general se incluyen como factores
explicativos de la morosidad pueden agruparse en 3: En primer lugar, estarían las variables
relacionadas con el ciclo económico, entre las que podría situarse la variación del PIB o de
UNIVERSIDAD NACIONAL DE TRUJILLO
27
la demanda agregada, que cabría esperar que presenten una relación negativa con la
morosidad.
En segundo lugar, se ubicarían las variables que afectan la liquidez de los agentes, sea por
el lado de sus ingresos o de los costes del servicio de la deuda o de las actividades
productivas que desarrollan. Dentro de este grupo podrían encontrarse las tasas de interés –
con una relación esperada 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 y la tasa de paro o la renta disponible en el
de las familias –con una relación esperada positiva en los dos primeros casos y negativa en
el último–. No obstante, debe tenerse en cuenta que la mayoría de estas variables también
se encuentran estrechamente ligadas al ciclo económico.
Por último, en el tercer grupo se encontrarían las variables relacionadas con el nivel de
endeudamiento o la carga del servicio de la deuda. Si bien a priori podría esperarse que
estas variables presentaran una relación positiva con la morosidad, los estudios empíricos
no son concluyentes al respecto, dependiendo en ciertos casos de la relación existente entre
los bancos y sus clientes. Por ejemplo, Davis (1995) sostiene que si bien un aumento del
nivel de endeudamiento tiende a elevar la fragilidad financiera, cuando existe una estrecha
relación entre bancos y empresas –y por ende los bancos disponen de abundante
información sobre sus clientes–, los bancos pueden estar dispuestos a continuar financiando
a las empresas en momentos de dificultad, si sus perspectivas de medio plazo son
favorables. Contra ello, podría sostenerse que los problemas de riesgo moral implícitos en
estos casos podrían dificultar ese comportamiento por parte de los bancos.
UNIVERSIDAD NACIONAL DE TRUJILLO
28
En el caso de las economías con sistemas bancarios altamente dolarizados, como es el caso
de Perú, resulta necesario recoger dicha especificidad dentro del conjunto de posibles
determinantes de la morosidad. La dolarización del crédito provoca un descalce de
monedas al nivel de los deudores, cuyos ingresos se encuentran básicamente en moneda
local y sus obligaciones financieras en una moneda extranjera, esencialmente dólares
estadounidenses.
Ello da lugar a problemas de riesgo de crédito derivado del riesgo cambiario –o riesgo
cambiario crediticio– que asumen los deudores, fenómeno que ha operado como una de las
causas de las crisis bancarias ocurridas en estos países, al incrementar su fragilidad
financiera [De Nicoló, Honohan e Ize (2003) y Allen et al. (2002)]. Cuando se produce una
depreciación brusca de la moneda local, los ingresos medidos en dólares de las familias y
las empresas que operan en el mercado doméstico se ven reducidos en forma importante, lo
que genera serias dificultades para hacer frente al pago del capital e intereses de la deuda6.
Factores Microeconómicos
El comportamiento de cada entidad financiera es fundamental para explicar su nivel de
morosidad. Por ejemplo, de aquellas entidades que tengan una política de colocaciones más
agresiva se espera que presenten tasas de morosidad mayores. En este sentido, el
crecimiento del crédito, el tipo de negocio y los incentivos a adoptar políticas más
arriesgadas son los grupos de variables más analizadas (Saurina, 1998).
6 Este es uno de los motivos por los que, en economías con elevados niveles de dolarización de su deuda
pública y su sistema financiero, una depreciación significativa de la moneda no suele tener efectos reactivadores en el corto plazo, tanto por el efecto sobre la capacidad de pago de los deudores, como por el denominado efecto de balance (balance sheet effect), que afecta también a las empresas del sector transable de la economía. Cuando el shock cambiario es pequeño, los efectos de balance no son tan importantes y la depreciación real tiene efectos positivos sobre el nivel de actividad, por su impacto sobre las exportaciones netas. Al respecto, véase, por ejemplo, Céspedes, Chang y Velasco (2000).
UNIVERSIDAD NACIONAL DE TRUJILLO
29
2.3. ESPECIFICACIÓN DEL MODELO
En el caso peruano, las entidades del sistema financiero se caracterizan por presentar un
alto grado de dolarización, tanto en sus activos como en sus pasivos. La dolarización
financiera genera una mayor exposición al riesgo cambiario crediticio. Así, una manera
indirecta de cuantificar la exposición agregada total que tienen todas las entidades de
crédito del sistema con todos sus deudores, se logra a partir de la estimación de la
sensibilidad de los indicadores de morosidad a la variación del tipo de cambio. En este
caso, se utilizó como indicador de mora crediticia a la proporción de cartera deteriorada
ampliada para las entidades de crédito del sistema bancario peruano. No obstante,
siguiendo el modelo de Lahura y Espino (2013), los indicadores de mora también pueden
ser sensibles a otras variables, y debido a los supuestos implícitos en la modelación
econométrica, se incorpora al Producto Bruto Interno (PBI) como variable que capture
efectos globales y se comporta como variable de control. Por tanto, el modelo
econométrico se especifica de manera dinámica debido al natural comportamiento
autorregresivo que presentan los indicadores de morosidad.
Dónde:
: es la constante del modelo
: representa el parámetro asociado a los rezagos de la serie
: representa el parámetro asociado al tipo de cambio
: representa el parámetro asociado al PBI
UNIVERSIDAD NACIONAL DE TRUJILLO
30
: errores del modelo
Después de revisar el marco teórico descrito en la sección anterior, los supuestos del
modelo son:
Un incremento mayor del tipo de cambio disminuye la capacidad de pago de los
agentes económicos y aumenta la morosidad. Por lo tanto el parámetro es
positivo.
Una expansión de la actividad económica mejora los ingresos de los agentes
económicos y disminuye la morosidad. Por lo tanto el parámetro es negativo.
2.4 HIPOTESIS
Formulación de la hipótesis
En una economía altamente dolarizada como la peruana el riesgo cambiario crediticio,
reflejado en la tasa de crecimiento del ratio de morosidad de los créditos en moneda
extranjera, es amplificado por la depreciación del tipo de cambio nominal. Sin embargo
este efecto es no lineal. Es decir; pequeñas variaciones del tipo de cambio no tienen un
impacto significativo en la morosidad de los créditos en moneda extranjera, mientras
que depreciaciones abruptas del tipo de cambio si tienen efectos contraproducentes en
la morosidad de los créditos en moneda extranjera
UNIVERSIDAD NACIONAL DE TRUJILLO
31
III. DISEÑO DE LA INVESTIGACIÓN
UNIVERSIDAD NACIONAL DE TRUJILLO
32
3.1. TIPO DE DISEÑO
Este estudio está orientado a un enfoque de investigación cuantitativo porque busca
medir el efecto no lineal de la depreciación del tipo de cambio nominal sobre el riesgo
cambiario crediticio, encontrando parámetros que cuantifiquen este efecto.
Además el alcance es correlacional, porque recoge datos estadísticos de las variables que
serán asociadas entre ellas para explicar el grado de relación. El tipo de investigación es;
no experimental, debido a que no habrá manipulación de las variables de forma
intencional, (Hernández Sampieri, et al. 1999).
Por último el diseño es longitudinal y no lineal, porque analiza los parámetros
cambiantes a través del tiempo tomando una muestra para medir la relación no lineal de
las variables.
3.2. CONCEPTUALIZACIÓN DE LAS VARIABLES
Variable dependiente:
La variable dependiente es el riesgo cambiario crediticio de la banca en el Perú.
UNIVERSIDAD NACIONAL DE TRUJILLO
33
Definición conceptual: Posibilidad de afrontar pérdidas derivadas de incumplimientos
de los deudores en el pago de sus obligaciones crediticias producto de descalces entre
sus exposiciones netas en moneda extranjera7. Para más detalle ver Anexo Nº 1.
Variable independiente:
La variable independiente será el tipo de cambio nominal
Definición conceptual: El tipo de cambio mide el valor de una moneda en términos de
otra; en nuestro caso, del dólar de los Estados Unidos de América con respecto al
nuevo sol. En un régimen de flotación el tipo de cambio refleja variaciones en la
oferta y demanda de divisas. En tal sentido, esta variable está influida, entre otros
factores, por la evolución de los términos de intercambio, los volúmenes de comercio
exterior, los flujos de capital y cambios en las decisiones de portafolio de las
personas, empresas y bancos8. Para más detalle ver Anexo Nº 2.
7 Fuente: SBS, 2005, Resolución Nº 41 8 Fuente: BCRP, 2006, p. 93.
UNIVERSIDAD NACIONAL DE TRUJILLO
34
3.3. OPERACIONALIZACIÓN DE LAS VARIABLES
Cuadro Nº 01: Riesgo cambiario crediticio y tipo de cambio nominal
Variable Indicador Fórmula Información
requerida
Fuente de
información
Riesgo
cambiario
crediticio de
la banca en
el Perú
Tasa de
crecimiento
del ratio de
morosidad de
los créditos
en moneda
extranjera.
Serie histórica
del total de las
colocaciones,
cartera
atrasada,
reestructurada
y refinanciada
de los créditos
en moneda
extranjera.
Superintendencia
de Banca,
Seguros y AFPs
(SBS)
Tipo de
cambio
nominal
Variación
anual del tipo
de cambio
bancario
promedio
mensual.
Serie histórica
del tipo de
cambio
bancario
compra y
venta
promedio
mensual.
Banco Central de
Reservas del
Perú (BCRP)
Producto
Bruto
Interno
(PBI)
Variación
anual del
Producto
Bruto Interno
(PBI)
Serie Histórica
del Producto
Bruto Interno
(PBI) real
Instituto
Nacional de
Estadística e
Informática.
Para más detalles acerca del tratamiento de las variables ver Anexo Nº 3.
UNIVERSIDAD NACIONAL DE TRUJILLO
35
3.4. MATERIAL Y MÉTODOS
Material
Para esta investigación se utilizara memorias, reportes de inflación y datos del tipo de
cambio nominal del BCRP y datos estadísticos del sistema bancario de la SBS.
Unidad de medida de las variables en estudio
La unidad de medida es el valor que toma la tasa de crecimiento anual del ratio de
morosidad bancaria en moneda extranjera y la variación anual del tipo de cambio
bancario promedio mensual.
Población de las variables en estudio
La población es el valor que toma la tasa de crecimiento anual del ratio de morosidad
bancaria en moneda extranjera y la variación anual del tipo de cambio bancario
promedio mensual en el Perú.
Muestra de las variables en estudio
La muestra es el valor que toma la tasa de crecimiento anual del ratio de morosidad
bancaria en moneda extranjera y la variación del tipo de cambio bancario promedio
mensual en el Perú durante el periodo enero 1995 a mayo del 2014.
UNIVERSIDAD NACIONAL DE TRUJILLO
36
3.5. TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS
Técnicas
Los datos son de series de tiempo de frecuencia mensual para el periodo de enero de
1996 hasta setiembre del 2014. Se utiliza el balance agregado del sistema bancario
peruano reportado por la Superintendencia de Banca, Seguro y AFP’s (SBS) e
información de variables económicas publicadas por el Banco Central de Reservas del
Perú (BCRP) y el Instituto Nacional de Estadística e Informática (INEI). En el Anexo Nº
3 se presenta el detalle de estas variables y las transformaciones realizadas.
El ratio de morosidad de los créditos en moneda extranjera es construido como un ratio
de morosidad ampliado ya que además de la cartera pesada (cartera vencida + cartera en
cobranza judicial) incluye a la cartera refinanciada y reestructurada en el cálculo. Por
otro lado, para obtener la variable PBI real, se desestacionalizo el PBI a precios
constantes de 1994 mediante el uso del software estadístico Tramo Seats (TSW).
Finalmente, se calculó la variación a 12 meses del ratio de morosidad de los créditos en
moneda extranjera, del tipo de cambio bancario promedio mensual y del PBI real.
Instrumentos
Se realizara la codificación de datos utilizando Microsoft Excel 2010.
UNIVERSIDAD NACIONAL DE TRUJILLO
37
3.6. ESTRATEGIAS METODOLÓGICAS
Para contrastar la hipótesis se sigue un procedimiento de estimación econométrica. Se
estima un modelo de cambio de régimen del tipo Markov Switching (MS) con el fin de
detectar el cambio de régimen en la relación del tipo de cambio y el riesgo cambiario
crediticio de la banca en el Perú durante el periodo enero de 1996 a setiembre del 2014.
A continuación se detalla la metodología econométrica a utilizar.
El modelo de cambio de régimen del tipo Markov-Switching
Este enfoque de modelos de series de tiempo no lineales se debe a Hamilton (1989). La
idea subyacente es que las variables analizadas presentan distintos procesos generadores
de datos que dependen del estado en que se encuentra la economía. Siguiendo a Krolzig
(2002) el Modelo Markov Switching (MS) para una variable endógena con un
comportamiento autorregresivo y un conjunto de variables exógenas , se resume en la
siguiente ecuación.
∑
∑
Se asume que la variable , representa los errores de la regresión, se distribuye como
una función de distribución normal condicionada a la variable no
observable: .
UNIVERSIDAD NACIONAL DE TRUJILLO
38
Utilizando de nomenclatura de Krolzig (1997, Cap. 1), el modelo descrito líneas arriba
corresponde a un . Es decir, es un modelo cuyo intercepto ,
coeficientes autoregresivos , varianza de los errores , y
coeficiente de las variables exógenas depende de una variable estocástica que
sigue un proceso de cadenas de Markov de primer orden con probabilidades de
transición constantes. Para más detalles ver Anexo Nª 4.
UNIVERSIDAD NACIONAL DE TRUJILLO
39
IV. RESULTADOS
UNIVERSIDAD NACIONAL DE TRUJILLO
40
4.1. HECHOS ESTILIZADOS
El objetivo de esta investigación es analizar el efecto de la depreciación del tipo de
cambio nominal en el riesgo cambiario crediticio, riesgo que es generado por el
descalce de moneda de los deudores en su hoja balance. Para esta investigación el
indicador del riesgo cambiario crediticio (RCC), es construido como el ratio de créditos
con problemas de pago (refinanciados, reestructurados, vencidos y en cobranza judicial)
del total del portafolio de créditos en moneda extranjera. A diferencia del ratio de
morosidad calculado por la SBS, este incluye a los créditos reestructurados y
refinanciados, debido a que estos presentan implícitamente problemas de pago que
pueden haber sido causados por factores idiosincráticos de los deudores, por factores
sistemáticos (como caídas del PBI o depreciación del tipo de cambio) o por una
combinación de ambos.
En el Gráfico Nº 01 se presenta la evolución de la tasa de crecimiento anual del ratio de
morosidad de la cartera de créditos en moneda extranjera y la variación anual del tipo de
cambio promedio bancario mensual. Se observa que durante el periodo 1998 – 2001 las
depreciaciones del tipo de cambio fueron acompañadas de fuertes incrementos en el
ratio de morosidad en moneda extranjera. Esto se debió a que durante este periodo se
dieron shocks tanto externos como internos que afectaron la solidez del sistema bancario
peruano. Primero, en julio de 1997 se inició la crisis asiática con la devaluación del bath
tailandés, lo cual afecto el precio de las exportaciones de las economías de países
emergentes, por lo que algunos países adoptaron medidas para contrarrestar la
UNIVERSIDAD NACIONAL DE TRUJILLO
41
volatilidad del tipo de cambio y detener la pérdida de reservas internacionales en un
intento de defender sus monedas.
Gráfico Nº 01: Morosidad del portafolio de créditos en moneda extranjera y tipo de cambio
nominal (variación porcentual 12 meses)
Fuente: SBS y BCRP Elaboración propia
Luego, en agosto de 1998, Rusia declaro la moratoria en el pago de su deuda lo cual fue
acompañado con la desestabilización del rublo. Esto genero una crisis de liquidez
internacional. En América Latina las tasas de interés y la percepción de riesgo país
aumentaron. En el Perú, la crisis implico el cierre de las líneas de crédito del exterior
hacia los bancos locales disminuyendo su liquidez para realizar operaciones. Finalmente
en enero de 1999 el real comenzó su transición a un régimen de tipo de cambio flotante,
con lo cual se dio inicio, lo que acentuó la contracción del crédito bancario y de la
actividad económica e indujo al alza de las tasa interés.
UNIVERSIDAD NACIONAL DE TRUJILLO
42
Posteriormente, a partir de mediados del 2002 se inicia un proceso de ajustes que
lograron reactivar la economía y aumentar la profundización financiera. Los resultados
fueron un sostenido crecimiento del crédito y la disminución de la morosidad en moneda
extranjera hasta finales del 2008. Por su parte entre los años 2000 y 2005 se presencia un
periodo de relativa calma en la evolución del tipo de cambio. A inicios del 2006, la
depreciación del nuevo sol alcanza el 5%, lo cual es asociado a la incertidumbre
electoral que género un aumento de la demanda por dólares, reflejándose en fuertes
presiones al alza sobre el tipo de cambio. Entre finales del 2006 y mediados del 2007 la
evolución del tipo de cambio mostro una tendencia marcadamente apreciatoria, asociado
a la entrada de divisas debido a los continuos superávit comerciales registrados en ese
periodo, y acentuado por el carry trade a favor del nuevo sol.
En setiembre del 2008, tras la declaración de banca rota del banco de inversión Lehman
Brothers, estallo la crisis financiera internacional, lo que elevo la percepción de riesgo
de los agentes locales y extranjeros, produciendo una fuerte salida de capitales. El
resultado fue una caída en el crédito del sistema bancario y el aumento de la cartera
morosa entre octubre del 2008 y octubre del 2009. De otro lado el tipo de cambio
también se vio afectado por la crisis internacional, debido a que la salida de capitales
elevo la demanda de dólares, presionando a la depreciación de la moneda local. Como
consecuencia el nuevo sol mostro una depreciación de 7% frente al dólar entre setiembre
del 2008 y febrero del 2009.
Finalmente desde finales del 2009 hasta finales del 2011, se observa un periodo de
reducción de la percepción de riesgo internacional y recuperación de los mercados
UNIVERSIDAD NACIONAL DE TRUJILLO
43
financieros. Con esto, se revierte el ciclo de aumento de la morosidad en moneda
extranjera, lo que permitió la recuperación de la solidez del sistema bancario. Sin
embargo, desde inicios del 2012 se muestra una clara tendencia creciente del ratio de
mora de los créditos en moneda extranjera, debido a la desaceleración del crédito en
moneda extranjera a partir de junio del 2011, y acentuado a mediados del 2013 por la
fuerte depreciación del tipo de cambio. Debido a el anuncio del retiro monetario por
parte de la FED, entre mayo del 2013 y agosto del 2014 el nuevo sol se deprecio en 6%.
4.2. ESTIMACIÓN DEL MODELO
Sobre la base del modelo teórico propuesto, las variables claves que determinan la
morosidad de los créditos en moneda extranjera son el tipo de cambio (TC) y el
Producto Bruto Interno (PBI), antes de proceder a estimar se debe tener en cuenta que
los modelos considerados en este trabajo tienen como supuesto esencial la
estacionariedad de las series, por lo que se llevaron a cabo pruebas de raíz unitaria para
detectar la presencia de la misma, encontrándose que todas las series en estudio
presentan este problema. A continuación se procedió a transformar las series en primeras
diferencias con lo que se eliminó la presencia de raíz unitaria, los detalles de las pruebas
se muestran en el Anexo Nº 05.
Otro supuesto importante del modelo es la ausencia de bidirecionalidad, por lo que
mediante el Test de Causalidad de Granger se busca probar que existe causalidad de un
solo lado, es decir qué el modelo es unidireccional y puede ser representado por un
modelo Markov Switching Autoregreivo (MS AR). Los resultados del Test se presentan
en el Anexo Nº 06 y rechazan la presencia de bidirecionalidad entre las variables en
UNIVERSIDAD NACIONAL DE TRUJILLO
44
estudio. Esto quiere decir que solo el Tipo de cambio y el PBI causan en el sentido de
Granger a la morosidad de los créditos en moneda extranjera, y no a la inversa.
El siguiente paso fue comparar la linealidad versus una especificación de tipo MS AR.
Debido a que los modelos no lineales del tipo Markov no tienen una distribución
estándar, Humala (2006) propone utilizar alternativamente criterios de bondad de ajuste
para elegir la mejor especificación. Para la presente investigación se tomara como
criterio para la elección del mejor modelo a la sumatoria de cuadrado de los residuos
(SCR).
Cuadro Nº 01: Criterios de selección de los modelos
NOTAS: SCR: Suma de cuadrado de residuos; valor de la prueba de Davies ( : modelo
lineal); Pr(Jarque–Bera) valor de prueba de normalidad ( : residuos son normalmente
distribuidos).
En el Cuadro Nº 01. Se observa que el modelo no lineal del tipo MS es superior a una
especificación lineal en función de la sumatoria de cuadrado de los residuos (SCR). La
prueba de Davies rechaza la hipótesis nula de linealidad a favor de la no linealidad del
tipo MS al nivel de confianza de 99%. La prueba de Jarque-Bera no permite rechazar la
hipótesis nula de normalidad de los residuos en los modelos del tipo MS. Esto
constituye otro punto a favor del uso de los modelos no lineales. Las probabilidades
suavizadas obtenidas del modelo MSIAH(2)-ARX(2) presentan el mejor ajuste respecto
a los hechos estilizados discutidos en la sección anterior. Así, [ ] los cuales
representan los estados de pequeño impacto del tipo de cambio en la morosidad de los
créditos en moneda extranjera y fuerte impacto del tipo de cambio en la morosidad de
SCR Pr(Davies) Pr(Jarque-Bera)
Modelo Lineal AR(2) 0.2717 - (0.000)
MSIAH(2)-ARX(2) 0.1749 (0.000) (0.567)
UNIVERSIDAD NACIONAL DE TRUJILLO
45
los créditos en moneda extranjera. La forma funcional del modelo MSIAH(2)-ARX(2)
estimado es
Y los resultados de estimación se muestran en el Cuadro Nº 02. Se observa que tanto en
periodos de pequeño impacto del tipo de cambio en la morosidad de los créditos en
moneda extranjera como de fuerte impacto del tipo de cambio en la morosidad
de los créditos en moneda extranjera , la relación entre y es
positiva, lo cual está acorde con la teoría, sin embargo en el impacto es mucho
mayor que en . Adicionalmente, la relación entre y es negativa, lo
que también se respalda en la teoría, sin embargo en el impacto es mucho mayor
que en Esto último se puede explicar cómo la presencia de asimetrías debido a
que las entidades de crédito aumentan en forma entusiasta su exposición al riesgo en las
fases de expansión económica, pero lo contraen pesimistamente en las fases recesivas
en respuesta al deterioro en las perspectivas de recuperación de los créditos, Jiménez
(2010).
UNIVERSIDAD NACIONAL DE TRUJILLO
46
Cuadro Nº 02: Resultados del modelo MSIAH(2)-ARX(2) (Ene 1996 a Set 2014)
NOTA: Coeficientes estimados, p value entre paréntesis
La matriz de probabilidades de transición P resultante es la siguiente
[
]
La cual indica que no existen estados absorbentes, dado que las probabilidades son
todas menores que uno. Asimismo, puede observarse que el estado de pequeño impacto
resulta ser el más persistente; es decir, una vez en él, lo más probable es continuar en
ese estado. Esto también se puede derivar a través de las duraciones esperadas de los
estados del modelo9, observándose que el estado de fuerte impacto del tipo de cambio
en la morosidad de los créditos en moneda extranjera tendría una duración de
14 meses mientras que el estado de pequeño impacto del tipo de cambio en la
morosidad de los créditos en moneda extranjera tendría una duración esperada
de 88 meses. Por ello, podemos afirmar que el sistema bancario peruano ha atravesado
9 Se puede utilizar la siguiente fórmula (1/1-p), donde “p”, es la probabilidad de seguir en el estado “n”, dado que en el periodo anterior estuvimos en el estado “n”.
-0.034 (0.000) 0.003 (0.110)
-0.772 (0.000) 0.176 (0.011)
-0.557 (0.001) 0.341 (0.000)
1.518 (0.010) 0.167 (0.173)
-6.157 (0.000) -1.098 (0.003)
0.038 (0.000) 0.026 (0.000)
Número de observaciones
Duración esperada
Fuerte Impacto Pequeño Impacto
42
14.14
179
88.33
UNIVERSIDAD NACIONAL DE TRUJILLO
47
por periodos largos de pequeño impacto del tipo de cambio en la morosidad de los
créditos en moneda extranjera.
La evolución de las probabilidades suavizadas se muestra en la Figura Nº 01, donde se
aprecia que el modelo seleccionado recoge satisfactoriamente los hechos estilizados
reseñados en la sección anterior. Destaca el período de elevada morosidad de los
créditos en moneda extranjera producto de la crisis rusa y brasileña entre 1998 y 1999.
Además, el modelo captura el periodo de baja morosidad de los créditos en moneda
extranjera marcado entre el 2002 y 2007, que puede estar asociado con la estabilidad
macroeconómica, el crecimiento vertiginoso del crédito y el PBI, y la apreciación del
tipo de cambio. Además, el modelo MS-AR reconoce el periodo de alta morosidad de
los créditos en moneda extranjera entre diciembre del 2009 hasta octubre del 2010 como
consecuencia del estallido de la crisis financiera global marcado por la quiebra del
banco de inversión Lehman Brothers. Desde entonces el modelo no identifica otro
periodo de fuertes impactos del tipo de cambio en la morosidad de los créditos en
moneda extranjera.
UNIVERSIDAD NACIONAL DE TRUJILLO
48
Figura Nº 01: Probabilidades suavizadas del modelo MSIAH(2)–ARX(2)
UNIVERSIDAD NACIONAL DE TRUJILLO
49
V. DISCUSIÓN
El objetivo de esta investigación como ya se ha mencionado a lo largo de este trabajo es
conocer cuál es el efecto de la depreciación del tipo de cambio nominal en el riesgo
cambiario crediticio (medido por la tasa de crecimiento anual del ratio de morosidad en
moneda extranjera).
Los resultados muestran que en general el modelo no lineal MSIAH(2)-ARX(2) es
superior a una especificación lineal. Los coeficientes estimados del modelo evidencian
los efectos asimétricos del tipo de cambio y del ciclo económico en la morosidad de los
créditos en moneda extranjera. La existencia de causalidad en un solo sentido permite
estimar un modelo unidireccional el cual es representado por un modelo Markov
Switching Autoregreivo (MS AR), en el cual la morosidad de los créditos en moneda
extranjera se encuentra explicada por un componente autoregresivo, el tipo de cambio y
el PBI.
Por lo tanto, la depreciación del tipo de cambio nominal impacta negativamente el
patrimonio neto de los agentes, revirtiéndose el efecto riqueza, y se produce un deterioro
en la capacidad de pago de los agentes en moneda extranjera. De este modo se restringe
el acceso a nuevos créditos y se descuadran los flujos de pagos descalzados. Esto
empeora si el nivel de endeudamiento de los agentes y las empresas ya era muy elevado,
por lo que se incrementa la cartera morosa en moneda extranjera, amplificandose el
riesgo cambiario crediticio, sin embargo las variables guardan una relación no lineal, es
decir existen parámetros cambiantes.
UNIVERSIDAD NACIONAL DE TRUJILLO
50
Los bancos, la SBS, y los hacedores de política deben tener en cuenta que los periodos
de auge crediticio son casi siempre predecesores de crisis financiera, y por consiguiente
de elevados niveles de morosidad. Como ya se habló anteriormente debido a que los
mercados se encuentran inundados de liquidez, se relajan las condiciones para el
otorgamiento de créditos, es por ello que ante una fuerte depreciación del tipo de cambio
nominal los agentes endeudados en moneda extranjera ven afectada su capacidad de
pago lo que da un mensaje a realizar medidas preventivas en la gestión del riesgo
crediticio derivado del riesgo cambiario.
Los resultados de este estudio no hacen más que confirmar que cambios vertiginosos y
abruptos reflejan exactamente la racionalidad y el mundo Markoviano que Lucas (1976)
y (1988), esbozó, es decir, que los agentes sólo toman en consideración lo sucedido
hasta el instante inmediatamente anterior al presente, condicionando su accionar. El
cambio rápido y estocástico del estado de baja volatilidad al estado de alta volatilidad,
refleja la aversión al riesgo que hay en el mercado bancario peruano cuando se dan las
condiciones que se dieron durante la crisis asiática, ruso – brasilera y financiera
internacional.
Finalmente hay que mencionar que el objetivo de este trabajo no es la predicción, sino la
de corroborar si la depreciación del tipo de cambio nominal afecta de manera asimétrica
y no lineal, a la tasa de crecimiento anual del ratio de morosidad en moneda extranjera, y
por consiguiente, al riesgo cambiario crediticio. Además de encontrar información
relevante y distinta a las estimaciones lineales tradicionales.
UNIVERSIDAD NACIONAL DE TRUJILLO
51
VI. CONCLUCIONES
Los resultados de esta investigación corroboran que la depreciación del tipo de
cambio nominal tiene un efecto amplificador del riesgo cambiario crediticio,
medido por la tasa de crecimiento anual del ratio de morosidad en moneda
extranjera. Sin embargo el efecto es asimétrico, es decir que existen parámetros
cambiantes.
Los fuertes incrementos en la tasa de crecimiento anual del ratio de morosidad en
moneda extranjera se debió a shocks tanto externos como internos, entre estos
tenemos a; la crisis asiática (julio 1997), crisis rusa (agosto 1998), crisis brasilera
(enero 1999) y la crisis financiera internacional (setiembre 2008).
Los periodos de elevada presión hacia la depreciación del tipo de cambio han sido
motivados, generalmente, por crisis financieras internacionales como la crisis
asiática y la crisis ruso – brasileña de finales de los 90’s, más recientemente se han
visto fuertes depreciaciones del tipo de cambio debido a la crisis financiera
internacional (2009) y debido al retiro del estímulo monetario de la FED (2013).
En la evolución de las probabilidades suavizadas se aprecia que el modelo
seleccionado recoge satisfactoriamente los hechos estilizados reseñados en la
sección anterior. Destaca el período de elevada morosidad de los créditos en
moneda extranjera producto de la crisis rusa y brasileña entre 1998 y 1999. Además,
el modelo captura el periodo de baja morosidad de los créditos en moneda
extranjera marcado entre el 2002 y 2007, que puede estar asociado con la
estabilidad macroeconómica, el crecimiento vertiginoso del crédito y el PBI, y la
UNIVERSIDAD NACIONAL DE TRUJILLO
52
apreciación del tipo de cambio. Además, el modelo MS-AR reconoce el periodo de
alta morosidad de los créditos en moneda extranjera entre diciembre del 2009 hasta
octubre del 2010 como consecuencia del estallido de la crisis financiera global
marcado por la quiebra del banco de inversión Lehman Brothers. Desde entonces el
modelo no identifica otro periodo de fuertes impactos del tipo de cambio en la
morosidad de los créditos en moneda extranjera.
VII. RECOMENDACIONES
Los métodos usados y los resultados presentados en esta investigación, corroboran la
existencia de efectos no lineales de la depreciación del tipo de cambio nominal en la tasa
de crecimiento anual del ratio de morosidad en moneda extranjera, sin embargo este
efecto asimétrico se produce solo en el corto plazo en el cual los precios son rígidos.
Queda pendiente la estimación de una relación lineal de largo plazo entre las variables.
Asimismo, se abre el debate frente a nuevas especificaciones no lineales que
identifiquen otros periodos de altos ratios de morosidad en moneda extranjera, como los
ocurridos en el último año.
El mayor impacto de la depreciación del tipo de cambio nominal en el riesgo cambiario
crediticio en época de mercados convulsionados, por crisis financieras y cambiarias, da
un mensaje a realizar medidas preventivas en la gestión del riesgo crediticio derivado del
riesgo cambiario. En particular estas medidas preventivas pueden dirigirse a la mejor
evaluación de los créditos a otorgarse en moneda extranjera, incluyendo un análisis de
UNIVERSIDAD NACIONAL DE TRUJILLO
53
sensibilidad, que consista en probar la capacidad de pago del deudor que presenta un
descalce en su hoja balance ante fuertes depreciaciones del tipo de cambio.
Se recomienda a los agentes económicos no solo guiarse por la tasa de interés al
momento de tomar la decisión de adquirir un préstamo en dólares, también deben tener
en cuenta la probabilidad de que el tipo de cambio se deprecie, debido a que una
depreciación incrementa las cuotas de sus préstamos, llegando a ser las cuotas similares
o incluso superiores a las del mismo préstamo en soles. Se recomienda a los agentes que
si sus ingresos son en soles, es preferible tomar endeudarse en la misma moneda, sobre
todo en el actual estado de sostenida depreciación del tipo de cambio.
UNIVERSIDAD NACIONAL DE TRUJILLO
54
VIII. REFERENCIAS BIBLIOGRÁFICAS
Allen M., Rosenberg Ch., Keller Ch., Sester B. y N. Roubini (2002) “A Balance Sheet
Approach to Financial Crises”, IMF Working Paper WP/02/210.
Azabache, Pablo (2009) “Efectos No-Lineales de las Variaciones del Tipo de Cambio
sobre el Riesgo Cambiario-Crediticio. Evidencia Empírica para Perú” Revista de
Estudios Económicos Nº 18, BCRP
Castillo Bardález, Paul (2011) “Políticas Macro-prudenciales en la Región”. Revista
Moneda Nº 149. BCRP.
Céspedes, L. F., R. Chang y A. Velasco (2000). Balance sheets and exchange rate
policy, National Bureau of Economic Research, NBER Working Paper, n.º 7840.
Choy, Marylin y Chang, Giancarlo (2014) “Medidas macroprudenciales aplicadas en el
Perú”. Serie de Documentos de Trabajo Nº 2014-007. BCRP
Davis, E. P. (1995). Debt, financial fragility, and systemic risk, Oxford University
Press.
Delgado, J., y J. Saurina (2004). “Riesgo de crédito y dotaciones a insolvencias. Un
análisis con variables macroeconómicas”, Moneda y Crédito, n.º 219, pp. 11-41.
De Nicoló G., Honoban P., y A. Ize (2003) “Dollarization of the Banking System:
Good or Bad?”. IMF Working Paper WP/03.
Escobar Patiño, Fernando (2004) “Efectos de las variaciones del tipo de cambio sobre
las actividades de intermediación financiera en Bolivia: 1990 – 2003”. Revista de
análisis, vol. 6, Nº 1. Banco Central de Bolivia.
Hernández, R., Fernández, C. y Baptista, P. (2010) Metodología de la investigación.
México. Quinta Edición. McGraw – Hill.
UNIVERSIDAD NACIONAL DE TRUJILLO
55
Humala, A. (2006) “Modelos Markov con probabilidades de transición variante: Una
aplicación al análisis de crisis bancarias”, BCRP, XXIV Encuentro de Economistas.
Ibáñez, F., Peña, M. y Araujo, A. (2006). Explorando la relación entre políticas
crediticias y resultados de la banca ex post. Universidad del País Vasco.
Jiménez Sotelo, Renzo (2003) “Riesgo crediticio derivado del riesgo cambiario:
perspectiva de una economía parcialmente dolarizada”. Apuntes Nº 52/53. Lima:
Universidad del Pacífico.
Jiménez Sotelo, Renzo (2010) “Ciclo crediticio y acelerador cambiario: evidencia
empírica y consecuencias para la regulación prudencial”. Economía Vol. XXXIII,
Nº 65, pp. 133 – 176. BCRP
Krolzig, H – M. (1997) Markov-Switching Vector Autoregressions Modelling Statical
Inference and Application to Business Cycle Analysis, Lecture Notes in Economics
and Mathematical Systems 454, Spinger.
Saurina, J. (1998). Determinantes de la morosidad de las cajas de ahorros españolas.
Investigaciones Económicas, 22,393-426. Banco de España.
Vallcorba, M. y Delgado J. (2007). Determinantes de la morosidad bancaria en una
economía dolarizada. El caso uruguayo. Documentos de Trabajo, 722. Banco de
España.
Superintendencia de Banca, Seguros y AFP (2005) “Reglamento para la administración
del riesgo cambiario crediticio”. Resolución Nº 41. SBS
UNIVERSIDAD NACIONAL DE TRUJILLO
56
ANEXO Nº 1: TIPOS DE RIESGO BANCARIOS
Para entender el comportamiento del sistema financiero en el Perú será necesario partir de
las definiciones básicas de los riesgos involucrados en el tema. Según Basilea II, los riesgos
más importantes son tres; el riesgo de crédito, el riesgo de mercado y el riesgo operacional.
Los cuales se definen como:
a) Riesgo de crédito: Posibilidad de pérdida a consecuencia del incumplimiento de las
obligaciones por parte del prestatario.
b) Riesgo de mercado: Posibilidad de pérdidas en posiciones dentro y fuera del
balance derivadas de fluctuaciones de los precios de mercado. El riesgo de mercado
comprende los siguientes riesgos:
Riesgo de tasas de interés: Posibilidad de pérdidas derivadas de
fluctuaciones de las tasas de interés.
Riesgo de precio: Posibilidad de pérdidas derivadas de fluctuaciones de los
precios de los valores representativos de capital.
Riesgo cambiario: Posibilidad de pérdidas derivadas de fluctuaciones de los
tipos de cambio y del precio del oro.
Riesgo de commodities: Posibilidad de pérdidas derivadas de fluctuaciones
de los precios de los commodities.
c) Riesgo operacional: Posibilidad de ocurrencia de pérdidas debido a procesos
inadecuados, fallas de personal, de tecnologías de información o eventos externos.
Se considera también el riesgo legal, pero se excluye el riesgo estratégico y de
reputación.
UNIVERSIDAD NACIONAL DE TRUJILLO
57
Sin embargo, estas definiciones de riesgos no contemplan explícitamente la existencia e
interacción de otros riesgos importantes como son los riesgos crediticios derivados de otros
riesgos. Tales riesgos son propios de economías menos desarrolladas con monedas más
débiles y mercados de capitales menos profundos.
Por otro lado, estos riesgos derivados se han generado a raíz del pobre desempeño histórico
de monedas locales de países en donde, periodos de muy alta inflación, destruyeron tanto
los créditos como los depósitos en moneda local. Este fenómeno, en un determinado
momento de sus historias, “obligo” a muchos agentes económicos al uso de divisas
extranjeras, en particular el dólar, como patrones de referencia y protección, aunque su uso
ya venía siendo promovido indirectamente a través del mercado internacional de deuda
desde inicios de la década de 1970.
El más importante de estos riesgos derivados es el “riesgo crediticio derivado del riesgo
cambiario” producido por otorgar créditos en divisas extranjeras (generalmente dólares) y
no en las divisas locales de los prestatarios. Este nuevo riesgo es denominado riesgo
cambiario crediticio, y se define como:
Riesgo cambiario crediticio: Posibilidad de afrontar pérdidas derivadas de
incumplimientos de los deudores en el pago de sus obligaciones crediticias producto
de descalces entre sus exposiciones netas en moneda extranjera.
UNIVERSIDAD NACIONAL DE TRUJILLO
58
ANEXO Nº 2: EL TIPO DE CAMBIO
Los economistas distinguen entre dos tipos de cambio: el nominal y el real. Analicemos a
continuación cada uno de ellos por separado y veamos qué relación guardan entre sí.
Tipo de cambio nominal: Es el precio relativo de la moneda de dos países.
Tipo de cambio real: Es el precio relativo de los bienes de dos países. Es decir, el
tipo de cambio real indica la relación a la que podemos intercambiar los bienes de
un país por los de otro.
La relación a la que intercambiamos bienes extranjeros y nacionales depende de los precios
de los bienes expresados en las monedas locales y de la relación a la que se intercambian
las monedas. Sea el tipo de cambio nominal (el número de nuevos soles por dólar), P el
nivel de precios de Perú (expresado en nuevos soles) y P* el nivel de precios de Estados
Unidos de América (expresado en dólares). En ese caso, el tipo de cambio real es.
Donde; es el tipo de cambio real, es el tipo de cambio nominal y
es el cociente
entre niveles de precios.
Régimen del tipo de cambio
Un régimen del tipo de cambio flexible es aquel en el que el tipo de cambio está
determinado en el mercado sin ninguna intervención de la autoridad. La forma en la que
esta última puede intervenir es a través de la compra y venta de divisas, labor que se
desarrolla plenamente en un régimen de tipo de cambio fijo, es decir, aquel caso límite en
UNIVERSIDAD NACIONAL DE TRUJILLO
59
que la autoridad posee una meta para el tipo de cambio nominal. El caso intermedio entre la
plena flexibilidad y la fijación del tipo de cambio se denomina flotación sucia.
El Perú tiene un régimen de flotación libre desde 1990. Las intervenciones esporádicas que
pueda hacer el Banco Central se dirigen a reducir movimientos especulativos de esta
variable en el corto placo. Asimismo, no hay restricciones al uso de moneda extranjera
Diferentes tipos de cambio nominal
A menudo encontramos en el mercado dos tipos de cambio para la misma cotización de
moneda (por ejemplo, soles por dólares). Este diferencial o spread representa la ganancia
que hacen los bancos y otras entidades financieras por comprar y vender moneda.
Tipo de cambio de compra: Es el precio que el banco desea pagar por la moneda.
Tipo de cambio de venta: Es el precio al que el banco desea vender la moneda.
Otra razón para la existencia de distintos tipos de cambio para la misma cotización son los
distintos lugares donde se ofrece comprar o vender la moneda.
Tipo de cambio bancario: Es un promedio de las operaciones del día en el sistema
bancario, publicado por la SBS.
Tipo de cambio interbancario: Corresponde a la cotización de oferta y demanda del
dólar de Estados Unidos de América de las operaciones entre las entidades
bancarias. Es reportado, en la actualidad, por la empresa DATATEC.
Tipo de cambio informal: Es determinado por la oferta y la demanda del mercado
informal de divisas. Es reportado por la empresa Reuters.
UNIVERSIDAD NACIONAL DE TRUJILLO
60
ANEXO Nº 3: VARIABLES, FUENTES DE INFORMACIÓN Y DEFINICIÓN
Variable Fuente de
información
Fórmula
Morosidad bancaria en ME
mensual (MME)
Superintendencia de Banca, Seguro
y AFPs.
Variación anual del
tipo de cambio
nominal mensual
(TC)
BCRP
Tasa de
crecimiento de la
MME mensual
(VMME)
Superintendencia
de Banca, Seguro
y AFPs.
Producto Bruto
Interno (PBI)
INEI
UNIVERSIDAD NACIONAL DE TRUJILLO
61
ANEXO Nº 4: DESCRIPCIÓN DEL MODELO DE CAMBIO DE RÉGIMEN DEL TIPO
MARKOV
Krolzig (1997) y (2002), sostiene que un modelo de cambio de régimen AR o VAR asume
que el régimen es generado por una cadena de Markov oculta, homogénea y ergódica, de
estado discreto:
Es decir, la probabilidad de encontrarse en el régimen en el periodo depende
únicamente del régimen en que se encontraba la economía en el periodo . Las
probabilidades de transición deben cumplir con:
∑
{ }
Es decir, las probabilidades de pasar de un estado hacia cualquier otro deben sumar 1. Las
probabilidades de transición sigue un proceso markoviano ergódico e irreductible de primer
orden. Ello significa que pueden existir estados persistentes (con probabilidades de
transición cercana a 1) mas no absorbentes (iguales a 1). Por lo que siempre cabe la
posibilidad de hacer la transición hacia cualquier estado.
Estas probabilidades pueden representarse en la matriz de transición para un proceso de
cadenas de Markov de M estados.
[
]
UNIVERSIDAD NACIONAL DE TRUJILLO
62
Donde , para .
La variable no observable puede inferirse mediante el algoritmo interactivo de
maximización de expectativas propuesto por Hamilton (1990) y descrito con detalle en
Krolzig (1997, cap. 6) que permite obtener la probabilidad que se encuentre en un
régimen específico en cada momento del tiempo. Cuando se utilza toda la información
disponible en cada momento del tiempo, se obtienen las probabilidades suavizadas.
Cuando se utiliza la información que está disponible en cada momento del tiempo, se
obtienen las probabilidades filtradas. En adelante PS, y PF se referirán a las probabilidades
suavizadas y filtradas, respectivamente.
El modelo propuesto, al no incluir rezagos de la variable endógena. Podría padecer
potencialmente de autocorrelación en los errores, lo que podría afectar potencialmente la
precisión de la detección de los procesos generadores de datos (PGD). Al respecto. Bellone
y Saint-Martin (2003) sugieren que el efecto de los parámetros autoregresivos será
capturado en gran parte por las probabilidades de transición que forman parte de la cadena
de Markov.
Adicionalmente, Hamilton (1990), menciona, que si un MS se postula para representar
probables no linealidades en la data, entonces, el cambio en los regímenes se convierte en
una variable aleatoria en sí misma.
En efecto, es una variable aleatoria discreta que describe un número finito de posibles
regímenes. Con , habría entonces hasta cuatro probabilidades de transición.
UNIVERSIDAD NACIONAL DE TRUJILLO
63
Es decir, y . La matriz de transición estaría dada por:
[
]
UNIVERSIDAD NACIONAL DE TRUJILLO
64
ANEXO Nº 5: PRUEBA DE RAIZ UNITARIA A LAS VARIABLES
En el siguiente cuadro se presentan las pruebas de raíz unitaria, las cuales plantean la
hipótesis nula de que las series tienen raíz unitaria, los p-value obtenidos no permiten
aceptar la hipótesis nula, por lo que las series son estacionarias.
NOTA: Se presentan los t estadístico de la prueba asi como los p-value
ANEXO Nº 6: TEST DE CAUSALIDAD DE GRANGER
A continuación se presenta el test de causalidad de granger:
Null Hypothesis: Obs F-Statistic Prob.
PBI does not Granger Cause MORA 222 8.85493 0.0002
MORA does not Granger Cause PBI 0.59907 0.5502
TC does not Granger Cause MORA 222 2.19381 0.1140
MORA does not Granger Cause TC 0.15378 0.8576
Mora -5.1785 (0.000) -3.5682 (0.000) -13.8225 (0.000)
TC -5.8870 (0.000) -3.6640 (0.000) -9.3402 (0.000)
PBI -8.0732 (0.000) -7.1805 (0.000) -5.2090 (0.000)
Argumented Dickey-
FullerDickey-Fuller GLS Phillips-Perron
UNIVERSIDAD NACIONAL DE TRUJILLO
65
ANEXO Nº 7: DATOS ESTADISTICOS
A continuación se presenta la información estadística utilizada en éste estudio:
Variables en niveles
Periodo MORA TC PBI
ene-95 0.141024 2.185 8756.14
feb-95 0.145084 2.208 8804.95
mar-95 0.146165 2.251 8822.35
abr-95 0.132434 2.256 8859.83
may-95 0.137096 2.249 8903.58
jun-95 0.133028 2.242 8945.53
jul-95 0.123910 2.229 9003.19
ago-95 0.124598 2.238 9022.04
sep-95 0.121921 2.246 8987.05
oct-95 0.115272 2.256 8959.71
nov-95 0.117847 2.311 8953.86
dic-95 0.113935 2.322 8955.24
ene-96 0.105410 2.347 8973.30
feb-96 0.106889 2.354 9004.69
mar-96 0.106263 2.355 9020.20
abr-96 0.095434 2.364 9041.31
may-96 0.099371 2.409 9099.83
jun-96 0.095595 2.439 9167.99
jul-96 0.093379 2.444 9202.68
ago-96 0.096430 2.465 9190.90
sep-96 0.097165 2.490 9175.11
oct-96 0.095290 2.554 9214.04
nov-96 0.100382 2.583 9313.01
dic-96 0.091214 2.583 9444.27
ene-97 0.087799 2.625 9553.31
feb-97 0.089013 2.638 9587.38
mar-97 0.094603 2.633 9615.03
abr-97 0.085730 2.661 9680.87
may-97 0.092873 2.664 9718.22
jun-97 0.092244 2.656 9720.68
jul-97 0.089684 2.652 9742.10
ago-97 0.095154 2.654 9814.66
sep-97 0.093836 2.644 9892.06
UNIVERSIDAD NACIONAL DE TRUJILLO
66
oct-97 0.088532 2.663 9906.21
nov-97 0.093039 2.720 9886.93
dic-97 0.089870 2.716 9861.26
ene-98 0.086844 2.744 9831.00
feb-98 0.089357 2.798 9829.39
mar-98 0.099764 2.806 9840.90
abr-98 0.092522 2.819 9852.37
may-98 0.099726 2.843 9873.39
jun-98 0.101966 2.906 9897.29
jul-98 0.098439 2.919 9935.10
ago-98 0.104013 2.960 9969.57
sep-98 0.108013 3.041 9926.26
oct-98 0.104407 3.049 9825.01
nov-98 0.116388 3.091 9751.66
dic-98 0.120009 3.134 9706.74
ene-99 0.123275 3.247 9681.90
feb-99 0.135821 3.394 9672.69
mar-99 0.156752 3.378 9637.12
abr-99 0.143962 3.348 9604.61
may-99 0.162647 3.331 9642.81
jun-99 0.164625 3.338 9707.20
jul-99 0.151852 3.323 9737.51
ago-99 0.165987 3.361 9787.85
sep-99 0.152485 3.418 9910.30
oct-99 0.144133 3.472 10039.08
nov-99 0.158664 3.482 10112.24
dic-99 0.153009 3.484 10126.43
ene-00 0.148022 3.499 10105.01
feb-00 0.159417 3.456 10088.05
mar-00 0.181804 3.443 10070.39
abr-00 0.162629 3.479 10075.70
may-00 0.175292 3.503 10133.86
jun-00 0.181161 3.487 10176.53
jul-00 0.174959 3.480 10137.37
ago-00 0.178919 3.478 10036.52
sep-00 0.187198 3.485 9962.36
oct-00 0.173698 3.500 9955.70
nov-00 0.184339 3.528 9950.31
dic-00 0.193440 3.520 9913.40
ene-01 0.176953 3.523 9887.87
UNIVERSIDAD NACIONAL DE TRUJILLO
67
feb-01 0.177685 3.528 9910.02
mar-01 0.197559 3.520 9977.71
abr-01 0.180826 3.559 10047.88
may-01 0.195488 3.600 10083.14
jun-01 0.198210 3.531 10119.56
jul-01 0.186929 3.503 10175.42
ago-01 0.195057 3.492 10200.33
sep-01 0.201608 3.490 10213.87
oct-01 0.187716 3.460 10238.63
nov-01 0.201820 3.440 10247.72
dic-01 0.200849 3.435 10268.57
ene-02 0.181802 3.460 10296.54
feb-02 0.181120 3.477 10339.70
mar-02 0.204257 3.456 10445.98
abr-02 0.176391 3.439 10558.32
may-02 0.184613 3.451 10604.65
jun-02 0.183399 3.481 10610.28
jul-02 0.171625 3.533 10632.29
ago-02 0.177447 3.570 10686.48
sep-02 0.179610 3.619 10740.75
oct-02 0.165069 3.615 10775.27
nov-02 0.176941 3.583 10812.35
dic-02 0.172114 3.514 10856.23
ene-03 0.159884 3.494 10887.49
feb-03 0.162692 3.484 10916.97
mar-03 0.181543 3.479 10992.46
abr-03 0.158126 3.465 11082.53
may-03 0.167773 3.481 11125.37
jun-03 0.171854 3.479 11129.89
jul-03 0.161109 3.471 11099.35
ago-03 0.166652 3.480 11068.27
sep-03 0.170310 3.481 11065.15
oct-03 0.153709 3.478 11065.20
nov-03 0.159235 3.478 11066.80
dic-03 0.147670 3.471 11126.30
ene-04 0.138319 3.467 11247.38
feb-04 0.140132 3.484 11353.43
mar-04 0.152771 3.465 11456.25
abr-04 0.128560 3.470 11553.76
may-04 0.131640 3.487 11567.07
UNIVERSIDAD NACIONAL DE TRUJILLO
68
jun-04 0.131795 3.477 11531.57
jul-04 0.119998 3.441 11527.83
ago-04 0.123664 3.395 11564.10
sep-04 0.125187 3.358 11632.26
oct-04 0.115380 3.321 11734.55
nov-04 0.116657 3.310 11852.11
dic-04 0.114186 3.281 11961.91
ene-05 0.104231 3.268 12067.65
feb-05 0.104935 3.259 12138.08
mar-05 0.113712 3.259 12163.89
abr-05 0.094866 3.258 12213.48
may-05 0.097648 3.255 12289.25
jun-05 0.096741 3.253 12341.35
jul-05 0.084137 3.252 12363.39
ago-05 0.088147 3.257 12378.80
sep-05 0.088600 3.308 12439.83
oct-05 0.080167 3.381 12579.23
nov-05 0.081386 3.376 12737.22
dic-05 0.076261 3.424 12823.95
ene-06 0.070560 3.393 12876.85
feb-06 0.072063 3.289 12977.26
mar-06 0.077310 3.339 13083.95
abr-06 0.065263 3.332 13126.86
may-06 0.066367 3.279 13149.01
jun-06 0.064022 3.264 13236.28
jul-06 0.057188 3.243 13377.91
ago-06 0.054908 3.234 13494.94
sep-06 0.054941 3.248 13566.09
oct-06 0.050348 3.237 13650.51
nov-06 0.051317 3.222 13778.89
dic-06 0.048852 3.205 13901.21
ene-07 0.042987 3.193 13988.65
feb-07 0.043060 3.190 14087.14
mar-07 0.047311 3.186 14179.46
abr-07 0.040658 3.178 14245.49
may-07 0.039042 3.168 14326.17
jun-07 0.038146 3.170 14421.79
jul-07 0.033002 3.161 14525.91
ago-07 0.033793 3.158 14644.56
sep-07 0.034286 3.136 14786.47
UNIVERSIDAD NACIONAL DE TRUJILLO
69
oct-07 0.030858 3.020 14926.00
nov-07 0.030874 3.001 15067.36
dic-07 0.029915 2.981 15249.09
ene-08 0.026217 2.950 15453.70
feb-08 0.026256 2.906 15622.77
mar-08 0.027722 2.811 15705.53
abr-08 0.022915 2.748 15745.48
may-08 0.023872 2.805 15846.02
jun-08 0.023423 2.892 15996.61
jul-08 0.020917 2.848 16111.70
ago-08 0.021055 2.892 16189.78
sep-08 0.020815 2.966 16215.65
oct-08 0.018993 3.075 16163.30
nov-08 0.019921 3.092 16061.74
dic-08 0.020866 3.114 15969.49
ene-09 0.020872 3.151 15917.83
feb-09 0.022368 3.236 15859.63
mar-09 0.024798 3.175 15804.97
abr-09 0.022610 3.085 15807.40
may-09 0.024673 2.994 15820.45
jun-09 0.026108 2.990 15836.55
jul-09 0.024266 3.013 15953.22
ago-09 0.025428 2.951 16142.24
sep-09 0.025091 2.910 16310.55
oct-09 0.023720 2.872 16448.62
nov-09 0.024732 2.885 16554.57
dic-09 0.024418 2.877 16643.42
ene-10 0.022995 2.856 16741.05
feb-10 0.023937 2.854 16871.58
mar-10 0.027690 2.839 17027.48
abr-10 0.023596 2.840 17172.76
may-10 0.025277 2.846 17315.73
jun-10 0.025680 2.838 17438.57
jul-10 0.025167 2.823 17534.89
ago-10 0.025903 2.802 17668.83
sep-10 0.025631 2.791 17841.20
oct-10 0.022742 2.791 17986.77
nov-10 0.023671 2.806 18082.79
dic-10 0.023071 2.816 18164.72
ene-11 0.021426 2.787 18240.48
UNIVERSIDAD NACIONAL DE TRUJILLO
70
feb-11 0.021482 2.771 18299.04
mar-11 0.023293 2.779 18397.11
abr-11 0.020413 2.816 18508.27
may-11 0.020733 2.775 18549.10
jun-11 0.021627 2.764 18595.28
jul-11 0.019610 2.741 18703.40
ago-11 0.019997 2.739 18808.21
sep-11 0.020589 2.744 18901.07
oct-11 0.019053 2.732 18996.71
nov-11 0.019365 2.705 19106.01
dic-11 0.019456 2.696 19226.47
ene-12 0.017594 2.693 19319.61
feb-12 0.018089 2.684 19411.04
mar-12 0.019627 2.671 19510.84
abr-12 0.017447 2.657 19611.47
may-12 0.018130 2.669 19743.31
jun-12 0.018670 2.671 19888.89
jul-12 0.017749 2.635 19999.01
ago-12 0.018563 2.616 20087.46
sep-12 0.018407 2.603 20158.05
oct-12 0.017244 2.588 20194.07
nov-12 0.017911 2.599 20252.62
dic-12 0.018161 2.567 20334.90
ene-13 0.016382 2.552 20404.33
feb-13 0.017150 2.578 20475.97
mar-13 0.019529 2.594 20542.46
abr-13 0.017535 2.598 20606.88
may-13 0.018988 2.644 20712.79
jun-13 0.019689 2.748 20831.27
jul-13 0.018754 2.777 20918.15
ago-13 0.019586 2.802 21002.67
sep-13 0.020143 2.779 21092.95
oct-13 0.018848 2.769 21193.69
nov-13 0.020194 2.798 21283.05
dic-13 0.021450 2.785 21341.16
ene-14 0.020386 2.809 21417.32
feb-14 0.021050 2.813 21518.51
mar-14 0.023826 2.806 21620.17
abr-14 0.020887 2.794 21722.31
may-14 0.022473 2.787 21824.94
UNIVERSIDAD NACIONAL DE TRUJILLO
71
jun-14 0.022802 2.794 21928.05
jul-14 0.022291 2.786 22031.64
ago-14 0.023222 2.814 22135.73
sep-14 0.025244 2.864 22240.31
Variación a 12 meses
Periodo MORA TC PBI
ene-96 -0.25254 0.07444 0.02480
feb-96 -0.26326 0.06582 0.02269
mar-96 -0.27299 0.04639 0.02243
abr-96 -0.27938 0.04802 0.02048
may-96 -0.27517 0.07138 0.02204
jun-96 -0.28139 0.08819 0.02487
jul-96 -0.24640 0.09650 0.02216
ago-96 -0.22607 0.10139 0.01872
sep-96 -0.20304 0.10889 0.02093
oct-96 -0.17335 0.13206 0.02839
nov-96 -0.14820 0.11783 0.04011
dic-96 -0.19942 0.11242 0.05461
ene-97 -0.16707 0.11848 0.06464
feb-97 -0.16724 0.12089 0.06471
mar-97 -0.10973 0.11798 0.06594
abr-97 -0.10168 0.12564 0.07074
may-97 -0.06539 0.10565 0.06796
jun-97 -0.03505 0.08867 0.06028
jul-97 -0.03957 0.08479 0.05862
ago-97 -0.01323 0.07639 0.06787
sep-97 -0.03427 0.06170 0.07814
oct-97 -0.07092 0.04264 0.07512
nov-97 -0.07315 0.05284 0.06163
dic-97 -0.01474 0.05149 0.04415
ene-98 -0.01087 0.04533 0.02907
feb-98 0.00387 0.06069 0.02524
mar-98 0.05456 0.06551 0.02349
abr-98 0.07922 0.05930 0.01772
may-98 0.07379 0.06724 0.01597
jun-98 0.10539 0.09428 0.01817
jul-98 0.09763 0.10075 0.01981
UNIVERSIDAD NACIONAL DE TRUJILLO
72
ago-98 0.09310 0.11556 0.01578
sep-98 0.15109 0.15016 0.00346
oct-98 0.17931 0.14500 -0.00820
nov-98 0.25096 0.13665 -0.01368
dic-98 0.33536 0.15376 -0.01567
ene-99 0.41949 0.18331 -0.01517
feb-99 0.51997 0.21308 -0.01594
mar-99 0.57123 0.20407 -0.02071
abr-99 0.55598 0.18778 -0.02515
may-99 0.63095 0.17174 -0.02335
jun-99 0.61452 0.14856 -0.01921
jul-99 0.54260 0.13834 -0.01989
ago-99 0.59583 0.13548 -0.01823
sep-99 0.41173 0.12398 -0.00161
oct-99 0.38050 0.13898 0.02179
nov-99 0.36324 0.12627 0.03698
dic-99 0.27498 0.11160 0.04324
ene-00 0.20075 0.07765 0.04370
feb-00 0.17374 0.01811 0.04294
mar-00 0.15982 0.01914 0.04496
abr-00 0.12966 0.03911 0.04905
may-00 0.07774 0.05173 0.05092
jun-00 0.10044 0.04473 0.04835
jul-00 0.15217 0.04749 0.04106
ago-00 0.07791 0.03455 0.02541
sep-00 0.22765 0.01954 0.00525
oct-00 0.20512 0.00805 -0.00831
nov-00 0.16182 0.01344 -0.01601
dic-00 0.26424 0.01026 -0.02104
ene-01 0.19545 0.00664 -0.02149
feb-01 0.11459 0.02098 -0.01765
mar-01 0.08666 0.02234 -0.00920
abr-01 0.11189 0.02295 -0.00276
may-01 0.11521 0.02761 -0.00501
jun-01 0.09411 0.01254 -0.00560
jul-01 0.06841 0.00660 0.00375
ago-01 0.09020 0.00404 0.01632
sep-01 0.07697 0.00146 0.02525
oct-01 0.08071 -0.01151 0.02842
nov-01 0.09483 -0.02520 0.02989
UNIVERSIDAD NACIONAL DE TRUJILLO
73
dic-01 0.03830 -0.02393 0.03583
ene-02 0.02740 -0.01794 0.04133
feb-02 0.01933 -0.01469 0.04336
mar-02 0.03391 -0.01806 0.04693
abr-02 -0.02452 -0.03370 0.05080
may-02 -0.05563 -0.04129 0.05172
jun-02 -0.07472 -0.01419 0.04849
jul-02 -0.08187 0.00847 0.04490
ago-02 -0.09028 0.02249 0.04766
sep-02 -0.10911 0.03696 0.05158
oct-02 -0.12065 0.04478 0.05241
nov-02 -0.12327 0.04178 0.05510
dic-02 -0.14307 0.02296 0.05723
ene-03 -0.12056 0.00996 0.05739
feb-03 -0.10174 0.00211 0.05583
mar-03 -0.11121 0.00663 0.05232
abr-03 -0.10355 0.00750 0.04965
may-03 -0.09122 0.00862 0.04910
jun-03 -0.06295 -0.00055 0.04897
jul-03 -0.06127 -0.01743 0.04393
ago-03 -0.06083 -0.02517 0.03573
sep-03 -0.05178 -0.03818 0.03020
oct-03 -0.06882 -0.03784 0.02691
nov-03 -0.10007 -0.02945 0.02353
dic-03 -0.14202 -0.01222 0.02488
ene-04 -0.13488 -0.00767 0.03306
feb-04 -0.13867 -0.00013 0.03998
mar-04 -0.15848 -0.00405 0.04219
abr-04 -0.18698 0.00145 0.04252
may-04 -0.21536 0.00175 0.03970
jun-04 -0.23310 -0.00046 0.03609
jul-04 -0.25518 -0.00867 0.03860
ago-04 -0.25795 -0.02437 0.04480
sep-04 -0.26494 -0.03541 0.05125
oct-04 -0.24936 -0.04519 0.06049
nov-04 -0.26739 -0.04819 0.07096
dic-04 -0.22675 -0.05480 0.07510
ene-05 -0.24645 -0.05738 0.07293
feb-05 -0.25117 -0.06450 0.06911
mar-05 -0.25567 -0.05939 0.06177
UNIVERSIDAD NACIONAL DE TRUJILLO
74
abr-05 -0.26209 -0.06101 0.05710
may-05 -0.25822 -0.06663 0.06243
jun-05 -0.26597 -0.06454 0.07022
jul-05 -0.29884 -0.05499 0.07248
ago-05 -0.28721 -0.04068 0.07045
sep-05 -0.29226 -0.01491 0.06943
oct-05 -0.30519 0.01799 0.07198
nov-05 -0.30235 0.01991 0.07468
dic-05 -0.33213 0.04365 0.07206
ene-06 -0.32304 0.03827 0.06706
feb-06 -0.31326 0.00918 0.06914
mar-06 -0.32013 0.02455 0.07564
abr-06 -0.31205 0.02258 0.07479
may-06 -0.32034 0.00742 0.06996
jun-06 -0.33822 0.00347 0.07251
jul-06 -0.32030 -0.00275 0.08206
ago-06 -0.37709 -0.00705 0.09017
sep-06 -0.37990 -0.01808 0.09054
oct-06 -0.37196 -0.04240 0.08516
nov-06 -0.36947 -0.04561 0.08178
dic-06 -0.35941 -0.06395 0.08400
ene-07 -0.39078 -0.05917 0.08634
feb-07 -0.40247 -0.02993 0.08552
mar-07 -0.38804 -0.04603 0.08373
abr-07 -0.37701 -0.04600 0.08522
may-07 -0.41172 -0.03401 0.08953
jun-07 -0.40416 -0.02876 0.08956
jul-07 -0.42292 -0.02534 0.08581
ago-07 -0.38455 -0.02356 0.08519
sep-07 -0.37595 -0.03441 0.08996
oct-07 -0.38712 -0.06721 0.09344
nov-07 -0.39837 -0.06862 0.09351
dic-07 -0.38764 -0.07005 0.09696
ene-08 -0.39013 -0.07586 0.10473
feb-08 -0.39024 -0.08927 0.10901
mar-08 -0.41404 -0.11762 0.10763
abr-08 -0.43640 -0.13543 0.10530
may-08 -0.38856 -0.11458 0.10609
jun-08 -0.38596 -0.08787 0.10920
jul-08 -0.36621 -0.09886 0.10917
UNIVERSIDAD NACIONAL DE TRUJILLO
75
ago-08 -0.37693 -0.08419 0.10552
sep-08 -0.39290 -0.05425 0.09665
oct-08 -0.38449 0.01831 0.08290
nov-08 -0.35477 0.03029 0.06600
dic-08 -0.30249 0.04462 0.04724
ene-09 -0.20385 0.06806 0.03003
feb-09 -0.14809 0.11379 0.01516
mar-09 -0.10548 0.12944 0.00633
abr-09 -0.01330 0.12270 0.00393
may-09 0.03357 0.06756 -0.00161
jun-09 0.11460 0.03419 -0.01001
jul-09 0.16011 0.05760 -0.00984
ago-09 0.20766 0.02014 -0.00294
sep-09 0.20544 -0.01894 0.00585
oct-09 0.24887 -0.06614 0.01765
nov-09 0.24151 -0.06708 0.03068
dic-09 0.17024 -0.07589 0.04220
ene-10 0.10171 -0.09351 0.05172
feb-10 0.07017 -0.11809 0.06381
mar-10 0.11663 -0.10567 0.07735
abr-10 0.04361 -0.07947 0.08637
may-10 0.02448 -0.04962 0.09452
jun-10 -0.01639 -0.05097 0.10116
jul-10 0.03713 -0.06297 0.09914
ago-10 0.01870 -0.05034 0.09457
sep-10 0.02150 -0.04091 0.09384
oct-10 -0.04124 -0.02796 0.09351
nov-10 -0.04291 -0.02735 0.09231
dic-10 -0.05515 -0.02148 0.09141
ene-11 -0.06826 -0.02430 0.08957
feb-11 -0.10258 -0.02924 0.08461
mar-11 -0.15882 -0.02109 0.08044
abr-11 -0.13489 -0.00853 0.07777
may-11 -0.17977 -0.02479 0.07123
jun-11 -0.15780 -0.02607 0.06633
jul-11 -0.22079 -0.02887 0.06664
ago-11 -0.22802 -0.02236 0.06449
sep-11 -0.19673 -0.01677 0.05941
oct-11 -0.16219 -0.02137 0.05615
nov-11 -0.18190 -0.03587 0.05659
UNIVERSIDAD NACIONAL DE TRUJILLO
76
dic-11 -0.15672 -0.04241 0.05845
ene-12 -0.17886 -0.03387 0.05916
feb-12 -0.15795 -0.03140 0.06077
mar-12 -0.15740 -0.03900 0.06054
abr-12 -0.14530 -0.05633 0.05961
may-12 -0.12556 -0.03808 0.06438
jun-12 -0.13674 -0.03383 0.06957
jul-12 -0.09493 -0.03877 0.06927
ago-12 -0.07169 -0.04505 0.06802
sep-12 -0.10597 -0.05140 0.06650
oct-12 -0.09496 -0.05279 0.06303
nov-12 -0.07508 -0.03931 0.06001
dic-12 -0.06654 -0.04798 0.05765
ene-13 -0.06885 -0.05227 0.05615
feb-13 -0.05190 -0.03930 0.05486
mar-13 -0.00496 -0.02885 0.05287
abr-13 0.00506 -0.02240 0.05076
may-13 0.04731 -0.00932 0.04910
jun-13 0.05456 0.02880 0.04738
jul-13 0.05663 0.05376 0.04596
ago-13 0.05513 0.07101 0.04556
sep-13 0.09434 0.06753 0.04638
oct-13 0.09304 0.07015 0.04950
nov-13 0.12744 0.07677 0.05088
dic-13 0.18109 0.08507 0.04948
ene-14 0.24441 0.10072 0.04965
feb-14 0.22742 0.09100 0.05092
mar-14 0.22003 0.08190 0.05246
abr-14 0.19116 0.07579 0.05413
may-14 0.18354 0.05392 0.05369
jun-14 0.15813 0.01701 0.05265
jul-14 0.18861 0.00338 0.05323
ago-14 0.18564 0.00455 0.05395
sep-14 0.25322 0.03073 0.05440
Primeras diferencias
Periodo MORA TC PBI
feb-96 -0.010722 -0.008619 -0.002116
UNIVERSIDAD NACIONAL DE TRUJILLO
77
mar-96 -0.009731 -0.019430 -0.000259
abr-96 -0.006392 0.001634 -0.001943
may-96 0.004215 0.023353 0.001559
jun-96 -0.006221 0.016809 0.002827
jul-96 0.034990 0.008310 -0.002711
ago-96 0.020326 0.004892 -0.003442
sep-96 0.023031 0.007500 0.002210
oct-96 0.029697 0.023176 0.007461
nov-96 0.025149 -0.014233 0.011724
dic-96 -0.051224 -0.005415 0.014497
ene-97 0.032348 0.006064 0.010028
feb-97 -0.000169 0.002412 0.000073
mar-97 0.057514 -0.002913 0.001234
abr-97 0.008046 0.007658 0.004794
may-97 0.036290 -0.019984 -0.002781
jun-97 0.030338 -0.016984 -0.007672
jul-97 -0.004515 -0.003879 -0.001669
ago-97 0.026339 -0.008404 0.009252
sep-97 -0.021040 -0.014683 0.010273
oct-97 -0.036652 -0.019064 -0.003020
nov-97 -0.002228 0.010203 -0.013496
dic-97 0.058413 -0.001349 -0.017473
ene-98 0.003866 -0.006159 -0.015085
feb-98 0.014744 0.015353 -0.003826
mar-98 0.050685 0.004824 -0.001750
abr-98 0.024666 -0.006212 -0.005776
may-98 -0.005436 0.007942 -0.001749
jun-98 0.031600 0.027041 0.002202
jul-98 -0.007760 0.006464 0.001642
ago-98 -0.004522 0.014813 -0.004027
sep-98 0.057986 0.034604 -0.012326
oct-98 0.028224 -0.005161 -0.011655
nov-98 0.071643 -0.008349 -0.005484
dic-98 0.084404 0.017103 -0.001988
ene-99 0.084130 0.029548 0.000504
feb-99 0.100480 0.029776 -0.000776
mar-99 0.051258 -0.009009 -0.004766
abr-99 -0.015245 -0.016288 -0.004440
may-99 0.074963 -0.016043 0.001793
jun-99 -0.016429 -0.023184 0.004147
UNIVERSIDAD NACIONAL DE TRUJILLO
78
jul-99 -0.071923 -0.010216 -0.000681
ago-99 0.053232 -0.002860 0.001660
sep-99 -0.184100 -0.011507 0.016620
oct-99 -0.031228 0.015003 0.023397
nov-99 -0.017262 -0.012712 0.015188
dic-99 -0.088256 -0.014664 0.006260
ene-00 -0.074228 -0.033952 0.000464
feb-00 -0.027016 -0.059539 -0.000759
mar-00 -0.013917 0.001027 0.002017
abr-00 -0.030155 0.019972 0.004090
may-00 -0.051920 0.012621 0.001876
jun-00 0.022701 -0.007005 -0.002575
jul-00 0.051726 0.002760 -0.007285
ago-00 -0.074259 -0.012935 -0.015658
sep-00 0.149741 -0.015011 -0.020153
oct-00 -0.022529 -0.011487 -0.013559
nov-00 -0.043304 0.005384 -0.007707
dic-00 0.102423 -0.003179 -0.005023
ene-01 -0.068793 -0.003620 -0.000452
feb-01 -0.080859 0.014340 0.003841
mar-01 -0.027934 0.001366 0.008445
abr-01 0.025235 0.000609 0.006442
may-01 0.003322 0.004658 -0.002245
jun-01 -0.021103 -0.015068 -0.000593
jul-01 -0.025695 -0.005938 0.009352
ago-01 0.021781 -0.002565 0.012567
sep-01 -0.013222 -0.002576 0.008925
oct-01 0.003732 -0.012968 0.003173
nov-01 0.014122 -0.013690 0.001470
dic-01 -0.056526 0.001267 0.005938
ene-02 -0.010900 0.005993 0.005504
feb-02 -0.008072 0.003241 0.002028
mar-02 0.014577 -0.003363 0.003573
abr-02 -0.058431 -0.015639 0.003869
may-02 -0.031107 -0.007590 0.000921
jun-02 -0.019092 0.027100 -0.003229
jul-02 -0.007146 0.022655 -0.003593
ago-02 -0.008409 0.014023 0.002761
sep-02 -0.018832 0.014471 0.003924
oct-02 -0.011536 0.007814 0.000829
UNIVERSIDAD NACIONAL DE TRUJILLO
79
nov-02 -0.002624 -0.002997 0.002684
dic-02 -0.019798 -0.018818 0.002131
ene-03 0.022510 -0.013001 0.000164
feb-03 0.018814 -0.007845 -0.001563
mar-03 -0.009461 0.004518 -0.003515
abr-03 0.007655 0.000872 -0.002666
may-03 0.012332 0.001112 -0.000546
jun-03 0.028267 -0.009163 -0.000130
jul-03 0.001679 -0.016881 -0.005044
ago-03 0.000439 -0.007742 -0.008202
sep-03 0.009052 -0.013007 -0.005524
oct-03 -0.017036 0.000336 -0.003296
nov-03 -0.031249 0.008390 -0.003374
dic-03 -0.041952 0.017227 0.001343
ene-04 0.007144 0.004555 0.008179
feb-04 -0.003791 0.007538 0.006925
mar-04 -0.019816 -0.003916 0.002210
abr-04 -0.028495 0.005496 0.000329
may-04 -0.028386 0.000299 -0.002818
jun-04 -0.017733 -0.002208 -0.003612
jul-04 -0.022078 -0.008214 0.002514
ago-04 -0.002775 -0.015697 0.006194
sep-04 -0.006991 -0.011046 0.006454
oct-04 0.015579 -0.009775 0.009240
nov-04 -0.018030 -0.002997 0.010470
dic-04 0.040641 -0.006610 0.004141
ene-05 -0.019699 -0.002584 -0.002173
feb-05 -0.004718 -0.007115 -0.003819
mar-05 -0.004503 0.005112 -0.007341
abr-05 -0.006416 -0.001629 -0.004670
may-05 0.003866 -0.005616 0.005334
jun-05 -0.007753 0.002094 0.007789
jul-05 -0.032869 0.009544 0.002259
ago-05 0.011636 0.014318 -0.002032
sep-05 -0.005053 0.025763 -0.001025
oct-05 -0.012929 0.032907 0.002557
nov-05 0.002844 0.001915 0.002697
dic-05 -0.029787 0.023740 -0.002614
ene-06 0.009095 -0.005378 -0.005009
feb-06 0.009774 -0.029097 0.002081
UNIVERSIDAD NACIONAL DE TRUJILLO
80
mar-06 -0.006864 0.015375 0.006503
abr-06 0.008075 -0.001966 -0.000854
may-06 -0.008292 -0.015161 -0.004825
jun-06 -0.017872 -0.003948 0.002555
jul-06 0.017920 -0.006228 0.009543
ago-06 -0.056792 -0.004294 0.008108
sep-06 -0.002811 -0.011028 0.000371
oct-06 0.007939 -0.024320 -0.005374
nov-06 0.002494 -0.003212 -0.003381
dic-06 0.010056 -0.018338 0.002223
ene-07 -0.031364 0.004772 0.002337
feb-07 -0.011693 0.029246 -0.000816
mar-07 0.014433 -0.016103 -0.001795
abr-07 0.011020 0.000035 0.001487
may-07 -0.034707 0.011987 0.004309
jun-07 0.007557 0.005253 0.000039
jul-07 -0.018752 0.003414 -0.003751
ago-07 0.038368 0.001783 -0.000624
sep-07 0.008603 -0.010852 0.004769
oct-07 -0.011170 -0.032798 0.003481
nov-07 -0.011256 -0.001408 0.000072
dic-07 0.010730 -0.001434 0.003451
ene-08 -0.002485 -0.005807 0.007769
feb-08 -0.000115 -0.013411 0.004279
mar-08 -0.023801 -0.028350 -0.001384
abr-08 -0.022358 -0.017807 -0.002329
may-08 0.047840 0.020844 0.000793
jun-08 0.002597 0.026708 0.003109
jul-08 0.019758 -0.010983 -0.000028
ago-08 -0.010725 0.014673 -0.003655
sep-08 -0.015969 0.029933 -0.008861
oct-08 0.008410 0.072563 -0.013759
nov-08 0.029724 0.011976 -0.016900
dic-08 0.052278 0.014333 -0.018754
ene-09 0.098642 0.023443 -0.017208
feb-09 0.055758 0.045730 -0.014873
mar-09 0.042611 0.015649 -0.008829
abr-09 0.092176 -0.006743 -0.002399
may-09 0.046876 -0.055142 -0.005547
jun-09 0.081027 -0.033370 -0.008392
UNIVERSIDAD NACIONAL DE TRUJILLO
81
jul-09 0.045512 0.023413 0.000170
ago-09 0.047545 -0.037465 0.006900
sep-09 -0.002217 -0.039078 0.008789
oct-09 0.043433 -0.047195 0.011799
nov-09 -0.007366 -0.000937 0.013031
dic-09 -0.071272 -0.008814 0.011517
ene-10 -0.068528 -0.017625 0.009516
feb-10 -0.031534 -0.024575 0.012091
mar-10 0.046459 0.012415 0.013542
abr-10 -0.073028 0.026201 0.009025
may-10 -0.019129 0.029858 0.008141
jun-10 -0.040871 -0.001355 0.006644
jul-10 0.053521 -0.011995 -0.002016
ago-10 -0.018431 0.012628 -0.004572
sep-10 0.002807 0.009432 -0.000727
oct-10 -0.062744 0.012944 -0.000331
nov-10 -0.001667 0.000607 -0.001199
dic-10 -0.012242 0.005878 -0.000908
ene-11 -0.013107 -0.002820 -0.001839
feb-11 -0.034323 -0.004943 -0.004959
mar-11 -0.056236 0.008146 -0.004171
abr-11 0.023923 0.012566 -0.002668
may-11 -0.044881 -0.016265 -0.006541
jun-11 0.021972 -0.001274 -0.004897
jul-11 -0.062985 -0.002805 0.000308
ago-11 -0.007237 0.006516 -0.002154
sep-11 0.031291 0.005588 -0.005080
oct-11 0.034541 -0.004600 -0.003257
nov-11 -0.019709 -0.014504 0.000436
dic-11 0.025180 -0.006537 0.001866
ene-12 -0.022136 0.008543 0.000710
feb-12 0.020905 0.002464 0.001607
mar-12 0.000555 -0.007596 -0.000230
abr-12 0.012097 -0.017332 -0.000932
may-12 0.019737 0.018246 0.004775
jun-12 -0.011181 0.004258 0.005185
jul-12 0.041813 -0.004940 -0.000295
ago-12 0.023237 -0.006283 -0.001256
sep-12 -0.034275 -0.006354 -0.001512
oct-12 0.011005 -0.001392 -0.003473
UNIVERSIDAD NACIONAL DE TRUJILLO
82
nov-12 0.019882 0.013486 -0.003017
dic-12 0.008539 -0.008674 -0.002363
ene-13 -0.002311 -0.004289 -0.001504
feb-13 0.016954 0.012969 -0.001284
mar-13 0.046936 0.010455 -0.001988
abr-13 0.010025 0.006444 -0.002118
may-13 0.042250 0.013081 -0.001653
jun-13 0.007252 0.038128 -0.001722
jul-13 0.002070 0.024958 -0.001423
ago-13 -0.001506 0.017248 -0.000398
sep-13 0.039218 -0.003479 0.000817
oct-13 -0.001306 0.002618 0.003122
nov-13 0.034402 0.006622 0.001378
dic-13 0.053647 0.008297 -0.001394
ene-14 0.063326 0.015649 0.000161
feb-14 -0.016991 -0.009720 0.001269
mar-14 -0.007396 -0.009102 0.001547
abr-14 -0.028867 -0.006102 0.001666
may-14 -0.007618 -0.021872 -0.000435
jun-14 -0.025407 -0.036911 -0.001044
jul-14 0.030477 -0.013633 0.000581
ago-14 -0.002969 0.001168 0.000717
sep-14 0.067573 0.026183 0.000447