15) Anastasi – Lencioni (1998)

8/18/2019 15) Anastasi – Lencioni (1998)

1/38

¿Es posible anticipar problemas en una entidad financiera?

Argentina 1994-1997

Autores:

A. Anastasi, T. Burdisso, E. Grubisic y S. Lencioni

documento de trabajo nro. 7

Octubre 1998

Las autoras pertenecen a la Gerencia de Investigación del Banco Central de la República Argentina (BCRA).

Las opiniones vertidas en este trabajo son exclusiva responsabilidad de las autoras y no deben ser identificadas con las posiciones asumidas por el BCRA. Colaboró en el desarrollo de este trabajo la Gerencia

de Análisis del Sistema Financiero de la Superintendencia de Entidades Financieras y Cambiarias.

Agradecemos especialmente los comentarios y sugerencias de Andrew Powell, Guillermo Escudé, Javier

Bolzico, José Rutman, Eduardo Ibarra y los recibidos en los diferente talleres sobre Indicadores de Alerta

Temprana.

15) ANASTASI – LENCIONI (1998) “ ¿Es posible anticipar problemas en una entidad financiera?”

Recuperado el 24 de abril de 2014 en http://www.aaep.org.ar/anales/works/works1998/anas-

tasi_burdisso_grubisic.pdf.


2/38

Resumen

Este trabajo es una aproximación a la determinación de los factores de riesgo de la industriabancaria argentina. Se trata de determinar un sistema de indicadores de alerta temprana quepermita predecir las posibles fallas de las entidades minoristas sobre la base de lo ocurrido

en el período 1994-1997. Para ello se utilizaron diferentes técnicas econométricas quepueden considerarse como complementarias: los modelos probit que estiman laprobabilidad de “default” y los modelos de transición que estiman el tiempo de vida de unaentidad. Los resultados mostraron que variables cruciales y convencionales son las quepermiten medir el riesgo de la banca minorista. Una mayor capitalización, diversificación,calidad de los activos y eficiencia disminuyen la probabilidad de “default” y aumentan eltiempo de supervivencia de las entidades.

Abstract

This paper intends to identify risk factors of the Argentine retail financial institutions. It isproposed an early warning system to predict failures in retail banks based on the 1994-1997event. In order to determine these risks, we use different econometric techniques that can beconsidered as complementary: probit models to estimate the default probability andduration models to estimate the survival time of a bank. The results show that risk factorscan be measured by crucial and usual variables for the banking industry. Improvements incapital adequacy, asset diversification, asset quality and efficiency reduce the defaultprobability and increase the survival expectations for a financial institution.

JEL CLASSIFICATION CODE: C25, C41, G21, G28.


3/38

Indice

1. Introducción 3

2. Evolución de las técnicas estadísticas para determinar la

vulnerabilidad de una entidad financiera2.1. Primeras técnicas 32.2. Modelos probabilísticos binomiales 42.3. Modelos de transición 6

3. Estudios empíricos3.1. Estudios empíricos para Estados Unidos 83.2. Estudios empíricos para Argentina 10

4. Descripción de los datos4.1. Principales factores que afectaron el marco del sistema financiero argentino entre 1991 y 1997 11

4.2. Datos 124.3. Variables 134.4. ¿Por qué el uso del 4° trimestre de 1994? 13

5. Resultados empíricos5.1. Relaciones entre los indicadores financieros 145.2. ¿Es posible pronosticar la eventual caída de una entidad?

5.2.1. Modelos probit 165.2.2. Modelos de transición

5.2.2.1. Con regresores constantes 195.2.2.2. Con regresores varían con el tiempo 22

5.3. Comparación entre los modelos alternativos 24

6. Conclusiones 25

Anexo I: Descripción de las variables 27

Anexo II: Correlaciones entre los indicadores 31

Anexo III: Modelos probit 32

Anexo IV: Modelos de transición con regresores constantes 33

Anexo V: Modelos de transición con regresores varían con el tiempo 34

Bibliografía 35


4/38

1. Introducción

El negocio bancario implica asumir riesgos de muy diversas fuentes, como por ejemplo, elriesgo crediticio, riesgo por tasa de interés, riesgo de mercado o riesgo por liquidez. Porotra parte, y debido principalmente a los problemas de asimetría en la información,

dificultades en una entidad

1

pueden crear una situación de pánico y desconfianza que secontagie a otras instituciones financieras. La protección de los ahorristas, especialmente delos más pequeños, y el hecho de que la quiebra de una entidad pueda generarinconvenientes en el resto del sistema financiero es lo que ha llevado a las autoridades alimitar esos riesgos a través del establecimiento de regulaciones. A su vez, la existencia deestas normas determina la necesidad de contar con organismos de control y supervisión2.

Una de las maneras más efectivas de ejercer la función de supervisión es a través de lasinspecciones “in-situ”. El contacto directo con el gerenciamiento puede brindar una ideacabal de las políticas, estrategias y planes de una institución, y particularmente de suscontroles internos. Sin embargo, la supervisión directa no puede abarcar todo el tiempo atodas las entidades. Por ello, a partir de la década del 70 se empezaron a desarrollar enEstados Unidos métodos que ayuden a asignar más eficientemente los recursos desupervisión. Estos métodos permiten, además, (i) dar una pauta de la evolución de unaentidad entre el lapso de tiempo de dos inspecciones “in-situ”, (ii) determinar losprincipales factores de riesgo que asume la banca y (iii) realizar una mejor medición deellos.

Este trabajo trata de determinar un sistema de indicadores de alerta temprana que permitapredecir las posibles fallas de las entidades minoristas que operan en Argentina sobre labase de lo ocurrido en el período 1994-1997. Para ello se utilizaron diferentes técnicaseconométricas que pueden considerarse como complementarias: los modelos probit quepermiten estimar la probabilidad de “default” y los modelos de transición que permitenestimar el tiempo de vida de una entidad.

2. Evolución de las técnicas estadísticas para determinar la vulnerabilidad de una

entidad financiera

2.1. Primeras técnicas

Las primeras técnicas utilizadas para definir un sistema de indicadores de alerta tempranase asentaron en el análisis descriptivo de la información brindada por las entidades. Elanálisis discriminante se basa en la construcción de ciertos indicadores y compara laevolución de una entidad particular contra la tendencia general. La relación entre el valorde este indicador y el puntaje determinado como "normal" discrimina a los individuos endos grupos: bancos “vulnerables” y bancos “resistentes”3.

1 En este trabajo se usa indistintamente banco y entidad, refiriéndose en ambos casos a las instituciones quecaptan recursos de terceros y están bajo el control de la autoridad monetaria.2 Ver Dewatripont y Tirole (1994).3 Ver Altman (1968).


5/38

Sin embargo, este tipo de análisis deja dos temas fundamentales sin resolver: (i) no cuentacon criterios objetivos para la determinación del puntaje "normal", o punto de corte entreambos grupos, dado que su definición surge de un proceso de prueba y error, y (ii) nopermite realizar una predicción sobre la evolución de la entidad, puesto que no otorga

ninguna probabilidad a su permanencia en el grupo asignado.

En una segunda etapa se buscó asociar, a través de técnicas estadísticas, las evaluacionesobtenidas de la inspección directa con el puntaje surgido de la construcción de losindicadores de cada entidad. Los resultados de estas inspecciones que establecían dosgrupos de entidades, "el banco tiene problemas" o "el banco no tiene problemas", fueronutilizados para definir la variable dependiente de una función discriminante que clasifique acada uno de los miembros de la población de acuerdo al puntaje asignado. Una vezestimado el modelo, éste es utilizado para separar a los individuos en dos grupos y poderresponder a la pregunta de si una entidad podrá seguir operando en el mercado o sienfrentará problemas que la tornen vulnerable4.

Estudios más recientes utilizan los modelos de regresión probabilísticos binomiales5. Elobjetivo de este tipo de modelos es complementar el análisis anterior estimando laprobabilidad de que un banco tenga problemas. En los últimos años, además de estosmodelos, han comenzado a aplicarse modelos de transición o duración para realizar estetipo de estimaciones.

2.2. Modelos probabilísticos binomiales

Una de las metodologías más utilizadas en el análisis de indicadores de alerta temprana esla estimación de la probabilidad de quiebra de las entidades financieras. El objetivo de estetipo de modelos es estimar la probabilidad de “default” de cada entidad a través de unavariable binaria donde se le asigna 0 a aquellos bancos que no tuvieron problemas y 1 aaquellos que tuvieron algún problema en el período de análisis. A estos modelos se losconoce con el nombre de modelos de elección binaria (0/1) o modelos de respuestacualitativa. Esta metodología tiene la ventaja de resumir toda la información sobre unaeventual quiebra en un número: la probabilidad de “default”.

Estos modelos binarios no admiten la realización de un análisis de regresión lineal clásicapor varios motivos. Uno de ellos es que no puede asegurarse que los valores predichos porel modelo queden comprendidos entre cero y uno, es decir, puedan ser interpretados comolas probabilidades de “default” que se están buscando. Por lo tanto, si se desea tenerpredicciones consistentes con los objetivos del problema, deben considerarse aquellosmétodos que utilizan distribuciones de probabilidad continua en la regresión, como porejemplo la normal (probit) o la exponencial (logit)6.

4 Ver J. Sinkey (1975).5 Ver Bovenzi, Marino y McFadden (1983).6 Ver Greene (1990) para una descripción más detallada de estos modelos.


6/38

Otra de las razones para la utilización de estas metodologías es su método de estimación. Adiferencia de los modelos de regresión lineal que utilizan mínimos cuadrados clásicos(OLS) para la estimación, los modelos probit o logit emplean máxima verosimilitud.Mientras OLS estima los ponderadores de las variables explicativas de modo tal deminimizar los errores que se cometen al predecir la variable dependiente, las metodologías

probit y logit estiman los ponderadores de las variables explicativas a fin de maximizar laprobabilidad de predecir correctamente el valor de la variable dependiente.

El modelo a estimar es una regresión del siguiente tipo:

P(Y=1) = F(β’ X)P(Y=0) = 1 - F(β’ X)

donde F es la función de distribución acumulada, P(Y=1) se define como la probabilidad de

que la entidad pertenezca al grupo de los bancos “con problemas” o vulnerables, β son losparámetros que se quieren estimar, X es el vector de indicadores del sistema financiero que

explican la correspondiente probabilidad y F(β’ X) = φ(β’ X) es la distribución normalestándar en caso de tratarse de un modelo probit.

El vector β de parámetros refleja el impacto de cambios en X sobre la probabilidad de unaeventual quiebra de una entidad. Es importante remarcar que los parámetros del modelo norepresentan necesariamente los efectos marginales que surgen de los modelosconvencionales, dado que se trata de una regresión no lineal.

Las probabilidades estimadas permiten evaluar la bondad del ajuste del modelo. Se debetener en cuenta que este resultado estará relacionado con el valor de la probabilidad que sedetermine como punto de corte. Por ejemplo, bajo el supuesto de un valor de corte de 50%,

entidades con probabilidades mayores a ese valor quedaran automáticamente clasificadasdentro del grupo de instituciones vulnerables. Por el contrario, aquéllas con probabilidadmenor al 50% serán consideradas resistentes.

La comparación de los valores observados con los valores estimados permite construir unatabla de 2 x 2 para clasificar a los individuos, donde la diagonal principal muestra losaciertos del modelo mientras que sobre la otra se observan los errores. Se puede incurrir endos tipos de errores. Se denomina error de tipo I al que se comete al clasificar dentro delgrupo de entidades resistentes a una entidad que según lo observado tuvo problemas,mientras que el error de tipo II consiste en clasificar a una entidad que en la realidad notuvo problemas como vulnerable.

Si el propósito de la estimación consiste en encontrar el modelo que arroje los “mejores”resultados desde el punto de vista de su capacidad predictiva, es importante reconocer queexiste un “trade-off” entre el error de tipo I (clasificar a un banco con problemas comoresistente) y el error de tipo II (clasificar a un banco sin problemas como vulnerable). Laelección del tipo de error a minimizar dependerá, entre otras cosas, del objetivo que seplantee. Si estos modelos son usados por la autoridad de supervisión para predecir laevolución de las instituciones, debería minimizarse el error de tipo I para un nivel dado de


7/38

error de tipo II7. Predecir una entidad vulnerable como resistente (error de tipo I) podríagenerar consecuencias no deseadas en el sistema financiero, mientras que calificar a unaentidad resistente como vulnerable (error de tipo II) sólo redundaría en mayores controlespor parte de la autoridad de supervisión.

Valores predichosResistentes Vulnerables

R e s i s t e n t e s

Aciertos Error de Tipo II

V a l o r e s o b s e r v a d o s

V u l n e r a b l e s

Error de Tipo I Aciertos

2.3. Modelos de transición8

Si bien los modelos probit permiten estimar la probabilidad de “default” de una entidad, nodicen nada acerca del lapso de tiempo que las entidades vulnerables demorarán enmanifestar sus problemas. Una forma de complementar el análisis probit es mediante losmodelos de transición o duración9, los cuales permiten obtener una estimación del tiempoque le llevará al banco cambiar de estado, es decir, manifestar sus problemas.

La variable aleatoria de interés en este tipo de modelos es la duración del lapso de tiempo(T) que tarda la entidad en cambiar de estado. Dicha transición está asociada a la ocurrenciade un evento, que en este caso es que la entidad tenga problemas. La ocurrencia de estesuceso indica la finalización del experimento cuya duración se intenta determinar.

El estudio de modelos de duración o transición consiste en un análisis de corte transversalde los tiempos de duración observados t1,t2,..,tn para las n entidades de la población. Estosmodelos suponen que la función de distribución del tiempo de duración es idéntica paratodas las instituciones. Esto significa que los tiempos de duración observados para cada unade ellas son diferentes realizaciones de una misma distribución de probabilidades.

Un problema inherente a los modelos de transición es que generalmente trabajan con datoscensurados a derecha. La causa de este problema es que la observación o medición delexperimento ocurre mientras el mismo se está llevando a cabo. Por eso, la información que

7 Ver Bovenzi, Marino y McFadden (1983).8 Estos modelos también son conocidos con el nombre de “Survival Analysis” o “Duration Models”. En estetrabajo se utilizará indistintamente modelos de supervivencia, modelos de duración o modelos de transición.Una discusión sobre las diferentes denominaciones de estos modelos se puede ver en Lancaster (1990).9 Ver Greene (1990), Lancaster (1990) y Kiefer (1988).


8/38

se tiene es que existen individuos que por lo menos han vivido hasta ese momento, pero nonecesariamente será éste su tiempo de vida. Por lo tanto, muchas de las observacionesrepresentan la duración registrada hasta el momento de la medición y no el lapso de tiempotranscurrido hasta la ocurrencia del evento.

La distribución de probabilidad de una variable aleatoria continua T puede ser caracterizadapor su función de distribución, F(t) = P(T≤t). En este caso F(t) indica la probabilidad de queel evento -que la entidad tenga problemas- no ocurra antes de t. Asociada a ésta, se tiene la

función de supervivencia: S(t) = P(T≥t) = 1- F(t), que indica la probabilidad de que elevento ocurra después de t. La función de densidad es f(t) = dF(t)/dt = -dS(t)/dt.

En muchas ocasiones será de interés conocer la probabilidad condicional de que unaentidad cambie de estado en un intervalo siguiente al momento t, dado que hasta esemomento t su estado no ha variado:

h(t, ∆) = P( t ≤ T


9/38

que se desea estimar y X el vector de regresores. La interpretación de los coeficientesestimados es similar a la dada por la teoría convencional de regresión10.

Los modelos de transición permiten utilizar información a un momento determinado deltiempo, en cuyo caso se supone que los regresores son constantes desde el inicio del

período de análisis T = t0 hasta el fin del mismo T = tk 11

. Sin embargo, este supuesto puedeser relajado para permitir que los regresores varíen a lo largo del período en estudio. Estetipo de estimación se denomina de regresores que varían con el tiempo (“time varyingcovariates”). En este caso, el modelo permite que la información se actualice y con ello quelas predicciones se ajusten.

El modelo para regresores que varían con el tiempo se formula del siguiente modo: sedivide el período de análisis en k intervalos disjuntos t0


10/38

anticipación. El trabajo concluye que para los períodos más cortos, los modelos queincluyen información de las inspecciones predicen mejor que los modelos sin estos datos.Pero esta ventaja se desvanece cuando el objetivo es predecir con tres años de antelación.Por lo tanto, la selección del modelo más apropiado queda sujeta a los objetivos que seposean.

A pesar de contar con una larga trayectoria en biología médica y, últimamente, eneconomía laboral, recién a partir de mediados de los años 80 se empezó a utilizar lametodología de los modelos de transición en el análisis de la industria bancaria.

Uno de los primeros trabajos en utilizar los modelos de transición es el de Lane, Looney yWansley (1986), que trata de predecir el tiempo de vida de los bancos comerciales deEstados Unidos con el fin de contar con una herramienta más que se agrega al conjunto defactores que constituyen un sistema de alerta temprana. El trabajo incluyó inicialmente 21indicadores relacionados con la capitalización, calidad de activos, gerenciamiento,rentabilidad y liquidez de las entidades. Los indicadores que resultaron significativosfueron: Patrimonio Neto/Activos, Préstamos Totales/Activos, Préstamos Totales/DepósitosTotales, Préstamos Comerciales e Industriales/Préstamos Totales, IngresosNetos/Patrimonio Neto y Gastos Operativos/Ingresos Operativos. Para evaluar la capacidadpredictiva del modelo de duración, los autores realizaron análisis discriminante para elmismo conjunto de datos. Si bien, los resultados obtenidos con ambas metodologíascoincidieron, los modelos de duración brindaron más información al estimar el tiempo quedemora el banco en manifestar problemas.

Más recientemente, Weelock y Wilson (1995) estimaron la función de riesgo de "salir delmercado" para las entidades bancarias de Estados Unidos. Las principales variablesconsideradas fueron Patrimonio Neto/Activos, Préstamos Totales/Activos, InteresesDevengados por Préstamos/Activos, Préstamos Comerciales e Industriales/PréstamosTotales, Ingresos Netos/Activos. Uno de los aspectos más destacados de este trabajo es ladiscusión acerca de la determinación del momento de la quiebra de un banco, a partir delcual se define la variable dependiente. Los autores ensayaron dos definiciones alternativaspara dicha variable. La primera responde a tomar como fecha de quiebra el momento enque se emite la resolución de revocación del “Federal Deposit Insurance Corporation”,mientras que la segunda definición considera como vulnerables a aquellos bancos cuyoPatrimonio Neto/Activos resulta menor a 2%13. El argumento que esgrimen es que muchasveces la fecha de la resolución puede resultar arbitraria, mientras que el uso de lacapitalización como determinante de la quiebra independiza la estimación deconsideraciones de política.

Cole y Gunther (1995) elaboraron un estudio sobre la probabilidad de “default” y el tiempode supervivencia de los bancos comerciales de Estados Unidos. Los autores testearon 19variables que tratan de capturar las condiciones financieras de las entidades: capital, calidadde los activos, rentabilidad, liquidez, gerenciamiento, eficiencia, estructura y condiciones

13 La elección de este valor está relacionado con la evidencia empírica que muestra que los bancos en EstadosUnidos tienen una baja probabilidad de recuperar el capital y volver a ser solventes una vez que el mismollega a representar el 2% de sus activos.


11/38

económicas regionales. Encontraron que 17 de estas variables resultan significativas en lapredicción de la probabilidad de “default” y sólo 9 para el tiempo de supervivencia. Eltrabajo concluye que los bancos con menor tiempo de supervivencia presentan menor nivelde capitalización, mayor irregularidad de cartera, menor rentabilidad y mantienen unamenor proporción de préstamos hipotecarios comerciales. Variables asociadas a la tenencia

de títulos, tamaño de los depósitos, préstamos a personas vinculadas a la entidad, salarios yactivos inmovilizados les permitieron definir la probabilidad de “default” pero no el tiempode supervivencia.

3.2. Estudios empíricos para Argentina

Aunque existe una extensa literatura, la aplicación de estos métodos no cuenta con vastosantecedentes en nuestro país. Dueñas y Feldman (1980) realizaron uno de los primerostrabajos de predicción de quiebras para el caso argentino utilizando el método del puntaje.Sobre una muestra de 17 entidades, encontraron que las señales de aquellas entidades quequebraron se iban diferenciando del resto a medida que se acercaba el momento del cierrede la entidad.

Del Pino Suárez (1991) aplicó tres diferentes modelos (lineales, probit y logit) para estimarun sistema de indicadores de alerta. Utilizó una muestra de bancos privados de capitalnacional y encontró que los indicadores de rentabilidad eran las variables con mayor poderexplicativo en los modelos propuestos.

Schumacher (1995) aplicó la metodología probit para estimar la probabilidad de quiebradurante la crisis de 1995. Su estudio tuvo en cuenta la totalidad de las entidades de la bancaminorista. Realizó tests de medias sobre los indicadores financieros para distintossubgrupos y concluyó que en todos los casos los bancos que tuvieron problemas durante lacrisis se vieron afectados por un mayor retiro de depósitos. Esto la llevó a estimar unmodelo de indicadores de alerta temprana basado en las siguientes variables: Exceso deCapital, Calidad de la Cartera Crediticia, Gastos Operativos y Estructura de Préstamos.Además, se incluyeron dos variables “dummies”: una para controlar el tamaño de lasentidades y otra para diferenciar a la banca cooperativa. El modelo predice correctamente el79% de los casos.

Dabós (1995) también aplicó la metodología probit. Su trabajo se centra en el estudio de labanca cooperativa que fue una de las más afectadas durante la crisis financiera de 1995, yaque en ese año el número de entidades cooperativas se redujo de 38 a 11. Con un error declasificación de 11% encuentra un sistema de alerta temprana basado en 6 indicadores:Patrimonio Neto/Activos; Pasivo/Patrimonio Neto; (Disponibilidades + Títulos Públicos) /Depósitos; (Patrimonio Neto-Inmovilizaciones)/Pasivos; Gastos Operativos/Pasivo; yROE.

Ibarra y Ledesma Padilla (1996) aplicaron la técnica probit para pronosticar el cierre ofusión de los bancos comerciales nacionales durante 1995 y el primer semestre de 1996.Con una muestra de 81 entidades y con información a noviembre de 1994 encontraron quelos indicadores más significativos en la explicación de la probabilidad de “default” fueron


12/38

el Exceso de Capital, Participación de los 10 Princiaples Deudores en el Total de lasFinanciaciones, ROE acumulado de 2 años, Activos Líquidos y una “dummy” para bancoscooperativos. Con estos indicadores los autores estiman correctamente el 81,5% de losbancos de la muestra. El trabajo concluye que el exceso de capital, la rentabilidad demediano plazo y los activos líquidos disminuyen la probabilidad de “default”.

4. Descripción de los datos

4.1. Principales factores que afectaron el marco del sistema financiero argentino entre

1991 y 1997

El análisis de la vulnerabilidad de las entidades financieras en Argentina debe tener encuenta los grandes cambios de política que ocurrieron a partir de 1991. En primer lugar, elsector bancario, tal como el resto de la economía, tuvo que adaptarse a las nuevas reglasimpuestas por el Plan de Convertibilidad. El plan incluyó reformas económicas tales comola apertura externa, la privatización de las empresas públicas, la desregulación y la reformatributaria. En el plano monetario, se introdujo la convertibilidad de la moneda, fijando eltipo de cambio al dólar estadounidense en una proporción de uno a uno, requiriendo elrespaldo pleno de los pasivos monetarios del Banco Central con reservas internacionales.

Así, las entidades tuvieron que enfrentarse a una mayor competencia debido a (i) laapertura de la economía que implicó para el sector bancario imponer igual tratamiento alcapital nacional que al extranjero, (ii) la anulación de las cláusulas de reciprocidad, y (iii) laeliminación del Tesoro Nacional como principal tomador de los créditos bancarios, lo queobligó a las entidades a buscar nuevos clientes. Por otra parte, el Banco Central comenzó afijar pautas de regulación prudencial, dentro de las cuales se pueden mencionar la adopciónde niveles de capital, pautas de fraccionamiento crediticio, graduación del riesgo crediticio,clasificación de deudores y previsionamiento según los estándares internacionales, aunqueajustados a las particularidades del mercado argentino14.

Mientras el sector bancario se encontraba adaptándose a las nuevas pautas fue alcanzadopor la crisis financiera de principios de 1995. La devaluación del peso mexicano del 20 de

14 La regulación sobre capitales mínimos define tres factores para ponderar los activos: (i) un ponderador queestablece el nivel de riesgo de contraparte asociado al activo; (ii) la clasificación otorgada por laSuperintendencia de Entidades Financieras y Cambiarias (CAMEL) y (iii) un factor que resume el costofinanciero de las financiaciones otorgadas; de esta manera, en Argentina, la exigencia de capital estávinculada a la tasa de interés cobrada por los préstamos. Un incremento en dicha tasa es visto como un

aumento en el riesgo implícito de las entidades y, por lo tanto, se requiere de un mayor nivel de capital. Entre1992 y 1995, la tasa de exigencia se incrementó semestralmente hasta alcanzar 11,5% de los activos de riesgoen enero de 1995. En septiembre de 1995, se introdujeron requerimientos mínimos de capital por riesgo demercado utilizando una metodología que tiene en cuenta la mayor volatilidad de los precios de los activosfinancieros de los mercados emergentes. De esta forma, las exigencias de capital son mayores en Argentinaque lo sugerido internacionalmente por el comité Ejecutivo de Basilea.Asimismo, a mediados de 1994, se establecieron pautas mínimas de previsionamiento por riesgo deincobrabilidad. Para ello se modificaron las reglas de clasificación de la cartera crediticia, la que debe basarseen el análisis de la situación particular de cada deudor y no de cada crédito, esto es, la entidad debe evaluar lacapacidad de pago del deudor.


13/38

diciembre de 1994 desató una corrida bancaria en Argentina que produjo la pérdida del18% de los depósitos del sistema financiero en sólo 4 meses. La liberación de parte de losfondos encajados fue la principal forma de financiar esta caída de depósitos. Asimismo, lacrisis mostró la relevancia de contar con altos niveles de encajes pero, al mismo tiempo,puso de manifiesto algunas fallas en el diseño de la política de encajes que llevó al Banco

Central a rediseñar su política de liquidez

15

.

A partir de mediados de 1995, comenzó a revertirse la actitud de los inversionistas, y elsistema financiero volvió a su senda de crecimiento. Una de las consecuencias del shock externo fue la reestructuración de las entidades financieras. Por un lado, se produjo unaceleramiento en el proceso de privatización de la banca pública que había comenzadodurante los primeros años de la convertibilidad. Por otra parte, la crisis desencadenó una olade fusiones y absorciones de entidades que continúa hasta la fecha. Este proceso ha estado,en los últimos años, liderado por importantes bancos extranjeros que adquirieronparticipaciones en el capital de algunas entidades nacionales.

Es dentro de este contexto de profundos cambios en el negocio bancario argentino que debeencararse el objetivo de encontrar características en el obrar de las entidades financierasque permitan diferenciar a las vulnerables de aquellas que no lo son.

4.2. Datos

El tipo de análisis realizado requiere que se establezcan dentro de los individuos ciertaspautas homogéneas de comportamiento. Por eso, sólo se consideraron las entidadesprivadas minoristas, ya sean bancos o entidades financieras no bancarias. Además, lasnuevas entidades (incluyendo aquéllas que fueron privatizadas) se incorporaron al estudioluego de un año de actividad en el mercado argentino, cuando se consideró que susindicadores alcanzaron cierta estabilidad.

Los datos fueron obtenidos de la información mensual que brindan las entidades a través delos balances y su información complementaria. Con estos datos se construyeron variablesque miden la solvencia, la calidad de los activos, el riesgo asumido, la eficiencia, larentabilidad, la composición de activos o pasivos y la liquidez de las entidades financieras.El período utilizado abarca desde octubre de 1994 a diciembre de 1997 con unaperiodicidad trimestral. Las variables stock representan el valor a fin del trimestreconsiderado, mientras que las variables flujo representan el valor anualizado de los flujos

15 El principal objetivo de esta política es el de asegurar que el sistema financiero disponga de recursoslíquidos suficientes, entendiendo por tal a la tenencia de activos con amplia liquidez en mercadosinternacionales. Para eso se diseñaron dos instrumentos de política. El primero es un sistema de requisitos deliquidez que reemplazó al sistema de encajes tradicional. El nuevo sistema fija la exigencia tomando encuenta la casi totalidad de los pasivos y no sólo los depósitos, se basa en el plazo residual de la imposición ypermite que su integración sea realizada con ciertos activos que devengan interés. El segundo de losinstrumentos diseñados es un programa contingente de pases acordado con bancos internacionales de primeralínea. Este programa permite, ante la eventualidad de un shock, contar con activos internacionales líquidospara lo cual se otorga garantía de títulos públicos y privados nacionales.


14/38

acumulados en el trimestre. Con las variables mencionadas se construyó un panel de datospara un máximo de 131 entidades y 13 trimestres.

4.3. Variables

La revisión de las variables utilizadas en los diferentes trabajos empíricos indica que éstasno variaron durante el desarrollo de las nuevas técnicas para predecir la posibilidad de queuna entidad financiera pudiera enfrentar problemas de solvencia. Los cambios y avances delos sistemas financieros pudieron llevar a sofisticar la medición de los indicadoresseleccionados, pero ellos siempre estuvieron en concordancia con los riesgos implícitos enla actividad bancaria. Así, desde las primeras técnicas se han utilizado variables quecapturan: (i) la eficiencia de la institución, generalmente medida a través de la razón gastosoperativos a ingresos; (ii) rentabilidad o habilidad para generar ingresos; (iii) exposición alriesgo, para lo cual se ha utilizado la proporción de préstamos con relación a los activostotales, la diversificación de esos créditos, la tasa activa, o la proporción de préstamosprevisionados; (iv) costo de fondeo; (v) liquidez; y (vi) solvencia medida a través de laparticipación del capital.

Las variables utilizadas en este trabajo tratan de capturar las características de la bancaexpuestas anteriormente. Una descripción más detallada de las mismas se encuentra en elAnexo I, donde los indicadores que comienzan con “A” están relacionados con laexposición al riesgo crediticio de la entidad, con “C” miden la solvencia del banco, “L” laliquidez, “R” la capacidad de la institución para generar ingresos, y por último, con “E” seresume el nivel relativo de eficiencia de la entidad.

4.4. ¿Por qué el uso del 4° trimestre de 1994?

Los cambios regulatorios, excepto aquellos relacionados con la liquidez de las entidades,fueron más pronunciados hasta 1994. Hasta esa fecha, no sólo se modificaron importantesnormas sino que ello también significó cambios en la forma en que las entidades entreganinformación al Banco Central.

Como ya fue mencionado, el shock que afectó al sistema financiero durante 1995desencadenó un proceso de reestructuración que se tradujo, entre otras cosas, en lareducción del número de entidades que operan en el mercado. Como se puede observar enel Gráfico 1, el ajuste más importante se produjo durante los dos primeros trimestres de1995, cuando alrededor del 30% de las entidades privadas dejaron de operar. Asimismo, endicho gráfico se puede apreciar la evolución de los depósitos, particularmente, la caída yrápida recuperación de 1995.


15/38

Gráfico 1

Entidades Privadas Minoristas (*)

60

80

100

120

140

944 951 952 953 954 961 962 963 964 971 972 973 974

Trimestre

N ú m e r o d

e

e n t i d a d e s

15000

22500

30000

37500

45000

D e p ó s i t o s

e n

m i l l o n e s

Número de entidades Depósitos

(*) Incluye los bancos privados y entidades financieras no bancarias queoperan en el segmento minorista. El aumento en el número de entidadesdurante el primer semestre de 1996 corresponde, principalmente, a la inclusión

de la banca pública de provincia privatizada.

Por las razones mencionadas anteriormente, se decidió utilizar la información al 4°trimestre de 1994 para los modelos probit y los modelos de transición con regresoresconstantes. Para los modelos de duración con regresores que varían con el tiempo seconsideró la información a partir del 4° trimestre de 1994.

5. Resultados empíricos

5.1. Relaciones entre los indicadores financieros

Dado que el objetivo del trabajo es tratar de hallar indicadores que expliquen las diferenciasen el comportamiento de los bancos, una primera aproximación es realizar tests estadísticosunivariados a fin de evaluar si las distribuciones muestrales entre las entidades conproblemas y las que no los tuvieron evidencian algún grado de desfasaje.

Primero, se clasificó a las entidades de acuerdo a lo ocurrido en el período 1994-1997. Sedefinió como entidades sin problemas a aquellas que se encontraban operando a diciembrede 1997. A estas entidades se les asignó el valor 0 (G0).

Por otra parte, se otorgó el valor 1 (G1) a aquellas entidades que dejaron de operar en elmercado entre enero de 1995 y diciembre de 1997, lo cual pudo deberse a que la entidadfue absorbida por otra institución, se fusionó o porque el Banco Central dispuso larevocación de su licencia para operar. En el caso de las fusiones, sólo se tuvieron en cuentaaquellas en las que intervinieron fondos “públicos” ya sea a través de redescuentos, aportesdel fondo fiduciario de capitalización bancaria16 o aportes de SEDESA17. Cuando las

16 En 1995 se crea el Fondo Fiduciario de Capitalización Bancaria cuyo fin es el de asistir a entidades conproblemas de liquidez. Sus funciones incluyen: suscribir e integrar aportes de capital, comprar y vender


16/38

fusiones no necesitaron este tipo de fondos se optó por eliminar del panel de datos a lasentidades involucradas. Además, la definición de una entidad como con problemas toma encuenta la fecha de la resolución del Directorio del Banco Central que determina surevocación o fusión18.

Tabla 1

Test de Mann-Whitney de desfasamiento de distribuciones

Variables (*)Estadístico

ZP-value

Desfasaje(**)

C14 Patrimonio Neto / Activo -0.783 0.343 N.S.

C1 Pasivo / Capital -0.783 0.433 N.S.C16 Exceso de Capital -4.390 0.000 G0>G1

C17 Pérdida potencial -3.039 0.000 G1>G0A4 Principales Deudores / Financiaciones -3.525 0.000 G0>G1A7 Principales Deudores en Situación Irregular -1.303 0.192 N.S.

A12 Previsiones / Financiaciones -4.746 0.000 G1>G0A16 Cartera Irregular -4.410 0.000 G1>G0

A28 Préstamos / Activos -1.218 0.223 N.S.Otros_ac Otros Créditos por Intermediación Financiera / Activos -2.444 0.015 G0>G1

A30 Crecimiento de los Activos -1.063 0.288 N.S.A31 Crecimiento de los Depósitos -1.068 0.285 N.S.E5 Préstamos por Empleado -4.961 0.000 G0>G1

E8 Tasa Activa de Punto de Equilibrio -3.604 0.000 G1>G0E16 Gastos Administrativos / Ingresos Totales -2.111 0.035 G1>G0

R7 ROE -2.709 0.007 G0>G1R16 Ingresos Totales / Activos -3.560 0.000 G1>G0

Rendepo Tasa Pasiva Implícita -4.120 0.000 G1>G0L2 Liquidez -2.939 0.000 G0>G1Hip Préstamos Hipotecarios y Prendarios / Préstamos -0.397 0.690 N.S.

Activo Activos -2.290 0.022 G0>G1(*) Ver Anexo I para una descripción detallada de las variables.(**) N.S.: no significativa.

activos de entidades financieras, adquirir parte de sus activos u otorgarles préstamos y realizar los activos queadquiera en forma gradual y progresiva.17 “Seguros de Depósitos S.A.” (SEDESA), empresa cuyos socios son el Estado y un fideicomiso formado porlas entidades financieras, administra los aportes de las entidades financieras al “Fondo de Garantía de losDepósitos” (FGD). Los fondos acumulados en este fondo pueden ser utilizados para (i) la devolución de losdepósitos garantizados, (ii) efectuar aportes o préstamos a entidades financieras que estén sujetas a un plan deregularización y saneamiento, (iii) efectuar aportes o préstamos a entidades financieras que adquieran activos

y asuman a su cargo el pago de los depósitos de otra entidad que esté sujeta a un plan de regularización ysaneamiento, (iv) celebrar, con entidades financieras que participen en la reestructuración de otra, contratos deopción de venta a favor de la entidad adquiriente de los activos transferidos, y (v) adquirir depósitos debancos suspendidos.18 El uso de esta definición ata la fecha de cierre de la entidad a una decisión de política. La alternativa a estaelección es escoger un valor mínimo de algún indicador –generalmente Capital/Activos- y considerarvulnerable a una entidad con un valor menor al seleccionado. Sin embargo, para el caso argentino estaalternativa no fue viable debido, en primer lugar, a los cambios regulatorios relacionados con la exigencia decapital, y en segundo lugar, a que son los bancos con mayor acceso a los mercados de capitales los que operanminimizando su exceso de capital.


17/38

Posteriormente, utilizando la información al 4° trimestre de 1994 se calculó el test deMann-Whitney para cada una de los indicadores financieros. La hipótesis nula de este testsupone que ambos grupos tienen la misma distribución frente a la hipótesis alternativa dedesfasamiento, es decir, que las distribuciones muestrales difieren en su ubicación.

Como se observa en la Tabla 1, los dos grupos de entidades presentan, en general,indicadores de su desempeño estadísticamente diferentes. Así, por ejemplo, los indicadoressobre activos muestran una peor calidad y una mayor exposición al riesgo crediticio en elgrupo de entidades que tuvieron problemas (A12, A16, C17 y Otros_ac; a excepción de A4y A7). Las tasas implícitas (Rendepo y R16) son más elevadas en ese grupo de entidadespero como los gastos administrativos (E16) también lo son, la rentabilidad (R7) es menorpara estas instituciones. Asimismo, este grupo de entidades presenta un menor nivel deliquidez (L2) y de eficiencia (E5 y E8) que podría estar relacionado con su menor tamañorelativo (Activo). Sin embargo, no se observan diferencias significativas en el nivel decapitalización (C1 y C14, a excepción del exceso de capital, C16), en el ritmo decrecimiento (A30 y A31) ni en la participación y composición de los préstamos (A28 eHip).

Puesto que algunas de las variables disponibles reflejan diferentes maneras de medirfactores similares, se calcularon los correspondientes coeficientes de correlación (verAnexo II) a fin de conocer el grado de interrelación entre los indicadores.

Estos análisis permiten conocer los rasgos que caracterizan a cada uno de los grupos deentidades así como también a los indicadores que reflejan riesgos similares.

5.2. ¿Es posible pronosticar la eventual caída de una entidad?

Una vez identificados los posibles indicadores capaces de separar ambos grupos deentidades, se intentó encontrar un sistema de variables financieras que anticipadamentealerten sobre el riesgo relativo de las entidades, aplicando las distintas metodologíasdescriptas en las secciones previas.

5.2.1. Modelos probit

La metodología probit aplicada en este trabajo consiste en un análisis de corte transversal.A tal fin se utilizaron los indicadores financieros calculados para el 4° trimestre de 1994.Como se expone en la sección 2.2., estos modelos requieren que la variable dependientetome los valores 0/1, para eso se utiliza la definición de bancos con problemas y resistentesdefinida en la sección anterior.

En la sección 5.1. se realizó una primera aproximación a la determinación de lascaracterísticas de los dos grupos de entidades a través de la utilización de tests univariadosde los indicadores. Los modelos de regresión permiten ampliar el análisis anteriorincorporando la interacción conjunta entre los indicadores. Por eso, se aplicó la


18/38

metodología de general a particular19 para un modelo de regresión probit que inicialmenteincluyó la totalidad de las variables presentadas en el Anexo I.

El proceso de selección de las variables se basó en diferentes aspectos. En primer lugar, setrató de mantener en la regresión diferentes variables que reflejen características básicas de

la industria bancaria, como puede ser su nivel de capitalización, calidad y composición deactivos, eficiencia, rentabilidad y liquidez. En segundo lugar, se usó como criterio el gradode significatividad de las variables y, por último, y acorde con los objetivos planteados, lacapacidad predictiva del conjunto de indicadores.

Tabla 2 Modelo probit

Datos: 4° trimestre de 1994Período de estimación: 1995 – 1997

Número de entidades: 116

Coeficientes Efecto marginal

Constante -2.314 -0.769

(0.121) (0.120)

A7 Principales Deudores en Situación Irregular 9.173 3.050

(0.060) (0.065)

A28 Préstamos / Activo 5.504 1.830

(0.011) (0.009)

C14 Patrimonio Neto / Activo -5.343 -1.777

(0.005) (0.006)

C16 Exceso de Capital -1.873 -0.623

(0.026) (0.019)

E5 Préstamos / Empleados -5.067 -1.685(0.000) (0.000)

R7 ROE -3.004 -0.999

(0.034) (0.035)

Rendepo Tasa Pasiva Implícita 14.290 4.752

(0.026) (0.031)

Chi-cuadrado(77.741)(0.000)

Grados de Libertad 8

Nota: Entre paréntesis figura el “p-value”.

El Anexo III muestra el desarrollo hacia un modelo parsimonioso. En el mismo puedeobservarse que existe un “trade-off” entre los objetivos planteados precedentemente, lo queorigina la existencia de más de un modelo posible. Finalmente la elección recayó en elmodelo expuesto en la Tabla 2, puesto que contempla varios de los riesgos inherentes a laindustria bancaria, sus variables son altamente significativas y posee el mejor ajuste entrelos modelos estimados. Sin embargo, el mismo comete un error de tipo I levemente

19 Las estimaciones fueron realizadas con LIMDEP versión 7.0.


19/38

superior al de otros modelos alternativos. La principal diferencia entre el modeloseleccionado y los alternativos radica en que en los casos en que el indicador de liquidez(L2) resulta significativo, la participación de los préstamos en el total del activo (A28) no loes, y viceversa. Este reemplazo entre las variables puede deberse a la alta correlación (68%)que existe entre ellas.

Es importante resaltar que los coeficientes de los modelos probit muestran el signo delimpacto de la variable sobre la probabilidad. Los cambios en la probabilidad debidos a uncambio porcentual en una determinada variable explicativa deben observarse a través de losefectos marginales, ya que el modelo estimado es no lineal. Por ejemplo, de la Tabla 2 sededuce que un aumento en la capitalización de una entidad (C14) impacta negativamentesobre la probabilidad de “default”. Por otro lado, un incremento del 1% en esta variabledisminuye esa probabilidad en 1,78%.

Las estimaciones indican que los bancos con mayor probabilidad de tener problemas secaracterizan por un menor nivel de capital (C14 y C16) y mayor exposición al riesgocrediticio (A28), donde sus principales deudores muestran mayores inconvenientes parahacer frente al servicio de la deuda (A7). Por último, estas instituciones muestran menoreficiencia (E5), menor rentabilidad (R7) y un mayor costo de fondeo (Rendepo), lo queacentúa su vulnerabilidad.

Tabla 3

Distribución de los valores predichos versus los observados

Valores Predichos

ValoresObservados

Sin problemas(0)

Con problemas(1)

Total

Sin problemas(0)

54 9 63

Con problemas(1)

9 44 53

Total 63 53 116

En cuanto a la bondad del ajuste del modelo un test de significatividad conjunta de losparámetros es el “Likelihood ratio”. El valor del test para el modelo seleccionado indicaque los parámetros son estadísticamente distintos de cero. Asimismo, la medida análogaaproximada al R2 de una regresión lineal es 49%.

La capacidad predictiva del modelo puede ser evaluada a través de la comparación de losvalores predichos versus los observados. Como puede apreciarse en la Tabla 3, el modeloseleccionado predice correctamente el 84,5% de las entidades, cometiendo tanto un error detipo I (clasificar una entidad vulnerable como resistente) como de tipo II (clasificar unaentidad resistente como vulnerable) de 7,8%. Un análisis del error de tipo I muestra que 6de estas entidades corresponden a fusiones o absorciones realizadas durante la crisis de1995. Este resultado estaría mostrando la fortaleza del modelo ya que, hasta el momento, el


20/38

transcurso del tiempo no ha afectado su capacidad predictiva; siendo, aproximadamente, detres años.

5.2.2. Modelos de transición

5.2.2.1. Con regresores constantes

Si bien los resultados obtenidos empleando modelos probit son auspiciosos, este análisispuede ser enriquecido estimando el tiempo que tardan las entidades vulnerables en revelaresta condición. Por otra parte, también es interesante verificar si las variables que explicanla probabilidad de “default” de una entidad son las mismas que definen su tiempo desupervivencia, lo cual señalaría la robustez de los indicadores seleccionados.

En primer lugar se realizó una estimación de corte transversal utilizando un modelo detransición con información al 4° trimestre de 1994. En los modelos de transición, según semanifiesta en la sección 2.3., la variable dependiente es el lapso de tiempo (T) que tarda laentidad en cambiar de estado. Dado que la unidad de tiempo en este trabajo es el trimestrese define a T de acuerdo a la cantidad de trimestres desde el inicio del período (1° trimestrede 1995) hasta el fin del período (4° trimestre de 1997) o eventualmente hasta el momentoen que la entidad fue caracterizada como con problemas. Así, una institución que dejó deoperar en el segundo trimestre de 1995 tendrá asignado un valor igual a 2 en la definiciónde la variable dependiente. Por el contrario una entidad que no tuvo problemas poseerá unvalor igual a 12.

Nuevamente partiendo de la metodología de general a particular y utilizando el mismocriterio de selección de variables aplicado en los modelos probit se llegó a un modeloparsimonioso, el cual se presenta en la Tabla 4.

En el Anexo IV se puede observar la evolución hacia el modelo final. Un análisis detalladode dicho anexo revela, al igual que en el caso de los modelos probit, la existencia de más deun modelo posible. Se optó por el modelo expuesto en la Tabla 4 debido a que es el másparsimonioso, siendo todas sus variables muy significativas y el logaritmo de la función deverosimilitud levemente superior, lo que indica una mejor calidad en el ajuste.

Los resultados señalan que las entidades con menor tiempo de supervivencia están menoscapitalizadas (C14), poseen una mayor exposición al riesgo crediticio (A28), activos depeor calidad (A7) y se enfrentan a un mayor costo de fondeo (Rendepo). Por el contrario,cuanto más eficientes (E5) y rentables (R7) sean, más se extiende su tiempo desupervivencia.


21/38

Tabla 4Modelo de transición con regresores constantes

Datos: 4° trimestre de 1994Período de estimación: 1995 – 1997

Número de entidades: 112

Constante 6.096

(0.000)

A7 Principales Deudores en Situación Irregular -12.642

(0.023)

A28 Préstamos/Activo -8.595

(0.000)

C14 Patrimonio Neto/Activo 7.794

(0.000)

E5 Préstamos/Empleados 7.085

(0.000)

R7 ROE 2.730

(0.061)

Rendepo Tasa Pasiva Implícita -12.986

(0.056)

Log funciónverosimilitud

-109.739


Como fuera mencionado en la sección 2.3, uno de los resultados que se obtiene de losmodelos de transición es una estimación del tiempo de vida de cada una de las entidades, laque puede caracterizarse mediante la función de supervivencia.

Gráfico 2

En el Gráfico 2 se observan los perfiles de la evolución de las probabilidades desupervivencia de la entidad promedio correspondiente a cada grupo de bancos -con y sin

Función de supervivencia

Modelo de transición con regresores constantes

0%

20%

40%

60%

80%

100%

95.1 95.2 95.3 95.4 96.1 96.2 96.3 96.4 97.1 97.2 97.3 97.4

banco promedio

con problemas

banco promedio

sin problemas


22/38

problemas- para el período 1995-1997. Es notable observar cómo las probabilidadescorrespondientes al banco promedio vulnerable se distancian con respecto a las del bancopromedio resistente a medida que se exige un mayor tiempo de supervivencia. Del Gráfico2 se desprende que, a partir del 4° trimestre de 1995 la probabilidad de que el bancopromedio del grupo de entidades con problemas sobreviva es inferior al 50%, mientras que

en el caso del banco promedio sin problemas esta probabilidad es de 98%.

Otro aspecto interesante para analizar en estos modelos es la función de riesgo (“hazardrate”) que se deriva a partir de las funciones de densidad y supervivencia; ella indica laprobabilidad de cambiar de estado en el período siguiente dado el hecho que hasta elmomento el evento no ocurrió.

El Gráfico 3 muestra la distribución de la tasa de riesgo para los bancos con y sinproblemas que arroja el modelo. En él se puede observar que la distribución de lasentidades vulnerables se encuentra desfasada a la izquierda20. De esta forma, los resultadosdel modelo pueden ser utilizados para revelar la posición relativa de las entidades conrespecto a su grado de vulnerabilidad.

Asimismo, se podrían considerar como errores del modelo a las predicciones con bajosvalores de la función de riesgo para bancos que dejaron de operar entre 1995 y 1997. De laobservación del Gráfico 3 podría tomarse como punto de corte una probabilidad de cambiarde estado de 7%. En este caso, se observan 9 bancos que dejaron de operar antes dediciembre de 1997 con una probabilidad menor a dicho valor. Un análisis detallado de estasentidades muestra que, al igual que en el modelo probit, los “errores” se concentran enentidades que salieron del mercado en los primeros meses de 1995.

Gráfico 3

20 El test de Mann-Whitney arroja un valor de –7.60 con un nivel de significatividad de 0.000, lo quecorrobora el desfasamiento de las distribuciones.

Distribución de la probabilidad de cambiar de estado

Modelo de transición con regresores constantes

0

5

10

15

20

25

0. 00 0. 01 0. 02 0. 03 0. 04 0.05 0. 06 0. 07 0.08 0.09 0. 10 0.15 0.20 > 0.20

N ú m e r o d e e n t i d a d e s

Entidades sin problemas Entidades con problemas


23/38

Por otra parte, el Gráfico 3 muestra que en el caso argentino ninguna entidad con unaprobabilidad de cambiar de estado mayor a 10% pudo seguir operando en el mercado. Así,si la predicción de esta función diera como resultado un valor mayor a 10%, esa instituciónestaría reflejando un estado crítico.

5.2.2.2. Con regresores que varían con el tiempo

Un tratamiento más dinámico del problema sería relajar el supuesto de regresoresconstantes. Los modelos de duración con regresores que varían con el tiempo puedenresultar de gran relevancia en el análisis del sistema financiero argentino, particularmenteen el período que abarca este trabajo, ya que durante el mismo las entidades tuvieron queadaptarse a cambios muy importantes que afectaron al sector bancario.

En el caso de regresores que varían con el tiempo, el intervalo de tiempo utilizado abarcadesde el 4° trimestre de 1994 al 4° trimestre de 1997. Los subintervalos (t0


24/38

Tabla 5Modelo de transición con regresores que varían con el tiempo

Datos: 1994 – 1997Número de entidades: 127

Constante 5.081

(0.002)A7 Principales Deudores en Situación Irregular -6.259

(0.020)

A28 Préstamos/Activos -5.987

(0.007)

C14 Patrimonio Neto/Activo 3.968

(0.034)

E5 Préstamos/Empleados 3.508

(0.021)

Otros_ac Otros créditos por Intermediación Financiera 8.258

/Activos (0.071)

D9512 “Dummy” para el 1°y 2° trimestre de 1995 -1.109(0.009)

Log funciónverosimilitud

-127.072


Por otra parte, si se toman en consideración los valores de la función de riesgo que elmodelo predice para el último trimestre del que se dispone información para cada una delas entidades, se observa que los resultados obtenidos para el modelo con regresoresconstantes se acentúan. En el Gráfico 4 se aprecia una diferenciación más extrema en ladistribución de la probabilidad de cambiar de estado para las entidades con y sin problemas,

aunque siguen existiendo bancos con baja probabilidad que dejaron de operar antes dediciembre de 1997. Estas entidades coinciden en gran porcentaje con las que arroja elmodelo con regresores constantes.

Gráfico 4

Distribución de la probabilidad de cambiar de estado

Modelo de transición con regresores que varían con el tiempo

0

10

20

30

40

50

0. 00 0 .01 0 .02 0.03 0.04 0.05 0.0 6 0. 07 0 .08 0. 09 0.10 0.15 0.20 >0 .20

Entidades sin problemas Entidades con problemas


25/38

La mayor diferenciación que se observa responde probablemente a que la probabilidadobtenida incorpora la actualización de los indicadores. De esta forma, se logra reflejar másnítidamente la situación de las entidades hacia el fin de su supervivencia versus la deaquéllas que permanecieron en el mercado.

5.3. Comparación entre los diferentes modelos

En este trabajo se ha hallado un reducido grupo de indicadores financieros que permitenpronosticar tanto la probabilidad de “default” como el tiempo de supervivencia de lasentidades minoristas argentinas. Estas variables captan las características básicas queafectan el desarrollo de las entidades: su nivel de capitalización, la calidad y composiciónde sus activos, su eficiencia y su rentabilidad.

La metodología utilizada fue la de incorporar en los modelos diferentes indicadores quemiden riesgos similares. La comparación del modelo probit con los modelos de duraciónpermite concluir que las variables que explican la insolvencia de una entidad minorista queopera en el mercado argentino y el tiempo que tarda en revelar sus problemas son,básicamente, las mismas.

Así, por ejemplo, habiendo utilizado diferentes indicadores de la calidad de los activos, lavariable “Principales Deudores en Situación Irregular” (A7) fue siempre la que capturómejor este riesgo. Asimismo, es importante remarcar que con todas las metodologíasutilizadas se verificó un “trade-off” entre el indicador de liquidez (L2) y la razón préstamosa activos (A28). En el Anexo II se puede apreciar la alta correlación que existe entre estasvariables.

La rentabilidad y la tasa pasiva implícita resultaron ser variables explicativas en losmodelos de corte transversal pero no en los que se toma en cuenta la evolución en eltiempo. Dada las particularidades del período en análisis, estos indicadores muestran unagran volatilidad no sólo entre las entidades sino a través del tiempo para cada una de lasinstituciones.

Tabla 6Correlaciones de Spearman

Correlación Estadístico t P-value

Prob. De default vs. Prob. de cambiar de estado –

regresores constantes- 0.956 34.308 0.000Prob. De default vs. Prob. de cambiar de estado –regresores que varían con el tiempo-

0.838 16.113 0.000

Prob. De cambiar de estado: regresores constantesvs. Regresores que varían con el tiempo

0.868 18.298 0.000


26/38

A pesar de las diferentes metodologías utilizadas, los resultados obtenidos son similares.Esto puede corroborarse a través de las correlaciones entre las probabilidades de tenerproblema obtenidas mediante la metodología probit y las probabilidades de cambiar deestado de los modelos de transición (ver Tabla 6). Es destacable el alto grado de correlaciónentre los modelos de corte transversal y el modelo con regresores que varían con el tiempo.

Las estimaciones de los primeros están realizadas con indicadores que reflejan el estado delas entidades a fines de 1994, mientras que las estimaciones del último modelo incorporanla evolución de las entidades a través de la actualización de sus indicadores.

La Tabla 6 muestra una comparación de las predicciones de los modelos de cortetransversal con la última predicción disponible del modelo con regresores que varían con eltiempo, es decir, la correspondiente al 4° trimestre de 1997 si la entidad no tuvo problemasy alguna fecha anterior para los bancos con problemas. Los resultados muestran que losrankings de las entidades de acuerdo a su grado de vulnerabilidad coinciden entre estosmodelos en más del 80% de los casos.

6. Conclusiones

En este trabajo se intentó encontrar un sistema de indicadores que alerten sobre el posibleriesgo de las entidades minoristas argentinas. Las ventajas de contar con un sistema de estetipo son las de posibilitar la identificación y cuantificación de los factores de riesgo quemás afectan el accionar de la banca, y la de facilitar el seguimiento detallado de lasentidades entre inspecciones; colaborando, de esta manera, en una asignación más eficientede los recursos de supervisión.

El período analizado abarca desde el 4° trimestre de 1994 al 4° trimestre de 1997. Seutilizaron dos metodologías diferentes: los modelos de regresión probit para estimar laprobabilidad de “default” de las entidades y los modelos de transición para estimar sutiempo de supervivencia. Ambas metodologías muestran que sólo un grupo reducido deindicadores financieros explican tanto la probabilidad de “default” como el tiempo de vidade las entidades. La capitalización, exposición al riesgo crediticio, calidad de activos yeficiencia mostraron ser indicadores relevantes en todos los modelos, evidenciando que sonvariables cruciales y convencionales las que permiten medir el riesgo de la banca minoristaargentina.

Por otro lado, las tasas pasivas implícitas y la rentabilidad resultaron significativas sólo enlos modelos de corte transversal, ya sea probit o modelos de duración con regresoresconstantes.

Las metodologías utilizadas brindan diferente información sobre la posible evolución de lasentidades. Mientras los modelos probit señalan la probabilidad de que un banco tengaproblemas, los modelos de transición indican el tiempo de ocurrencia de este evento. Unsistema eficiente de indicadores de alerta temprana implica aplicar estas metodologíasconjuntamente y complementar sus cualidades con la información obtenida en lasinspecciones “in-situ”.


27/38

Este trabajo es una aproximación a la determinación de los factores de riesgo de la industriabancaria argentina. A pesar de tratarse de una aproximación, los resultados obtenidos sonmuy alentadores ya que evidencian que es posible anticipar problemas en la banca. A suvez, el uso de estas metodologías en economías emergentes, donde la caída de una entidadpuede arrastrar a otras, lleva a que los esfuerzos dedicados a encontrar sistemas que

anticipen estos hechos puedan resultar muy beneficiosos en términos de la estabilidad ysolvencia del sistema financiero.

Una extensión de este trabajo tendiente a mejorar el resultado sería la incorporación de lainformación obtenida mediante las inspecciones “in-situ”, como por ejemplo aquellarelacionada con la toma de decisiones, los sistemas de control, etc., como posibles factoresexplicativos en la estimación de un sistema de indicadores de alerta temprana.


28/38

Anexo I: Descripción de los indicadores

Las principales variables testeadas en los diferentes modelos son las siguientes:

A. Capital:

1. Capital / Activos (C14): Esta variable debería tener una relación inversa conla probabilidad de falla y directa con el tiempo de supervivencia de una entidad. Lamayor capitalización de una entidad le permitirían sobrellevar en forma más fácillos contratiempos que se le pudieran presentar.

2. Pasivo / Capital (C1): Se espera una relación inversa a la anterior, unamenor capitalización podría generar mayores inconvenientes a la entidad.

3. Exceso de capital (C16): Esta variable debe tener un comportamiento similara la mencionada en primer lugar. Cuanto más exceso de integración tenga una

institución más solvente será.

4. Pérdida potencial (C17): Esta variable mide la falta de capacidad que tieneuna entidad para soportar una pérdida. El indicador fue definido como la carterairregular neta de las previsiones constituidas más el 50% de las financiacionesmorosas con garantía en términos de su patrimonio neto. La relación esperada deesta variable con la probabilidad de “default” es directa e indirecta con el tiempo desupervivencia.

B. Activos

5. Participación de los principales deudores en el total de las financiaciones(A4): En primer lugar se define como “principales deudores” a (i) aquellos clientesdel sistema financiero cuya deuda a fin de mes sea igual o mayor a $200.000, (ii)aquellos clientes cuya deuda en algún momento del mes hubiera superado el 0,5%del capital de la entidad, o (iii) los 50 deudores con montos más significativos.Un indicador más elevado muestra una menor diversificación en la actividadcrediticia de la entidad y aumentaría la probabilidad de tener problemas ydisminuiría el tiempo de vida.

6. Principales deudores en situación irregular (A7): Un indicador más elevado

indica una mayor deficiencia en la evaluación crediticia. Una mayor cartera dedeudores morosa o menor recupero de activos afecta la rentabilidad de la entidad eincrementa su probabilidad de tener problemas y decrece su tiempo desupervivencia.

7. Previsiones / Financiaciones (A12): Un mayor previsionamiento estáreflejando una cartera crediticia con mayor morosidad. Por lo tanto, la relación de


29/38

este indicador con la probabilidad de “default” sería directa e inversa con el tiempode supervivencia.

8. Cartera irregular (A16): La cartera de préstamos se descompone en créditoscomerciales y créditos para consumo y vivienda. La evaluación para la clasificación

de los préstamos se realiza de acuerdo a la capacidad de pago y flujo de fondos deldeudor en el caso de los préstamos comerciales y por el grado de cumplimiento enel pago de la deuda para los préstamos de consumo y vivienda. Se definieron 6situaciones diferentes para el deudor: 1-Normal, 2-Riesgo potencial, 3-Conproblemas, 4-Alto grado de insolvencia, 5-Irrecuperable y 6-Irrecuperable pordisposición técnica que incluye aquellos deudores morosos con entidades enliquidación o ya liquidadas.La definición de cartera irregular utilizada en este caso es la suma de los deudoresclasificados en las categorías 3 a 6, que para la cartera de consumo significa unamora de 90 días o más.Al igual que en el caso de los principales deudores, una mayor cartera de deudoresmorosa lleva a un menor recupero de activos, lo cual afecta la rentabilidad de laentidad e incrementaría su probabilidad de tener problemas acortando su tiempo desupervivencia.

9. Préstamos / Activos (A28): Un indicador más elevado estaría reflejando unamayor concentración en la actividad de la institución y, por lo tanto, un mayorriesgo. La relación esperada para este indicador es directa con la probabilidad de“default” e inversa con el tiempo de supervivencia.

10. Participación de los otros créditos por intermediación financiera en el totalde los activos (Otros_ac): Dentro de este rubro del balance se contabilizan lasoperaciones vinculadas con futuros, tenencia de obligaciones negociables, etc. Unindicador más elevado refleja una mayor diversificación de la actividad de laentidad y mejora su capacidad para enfrentar algún tipo de inconveniente. Larelación esperada de este ratio con la probabilidad de “default” de la entidad esinversa.

11. Participación de los préstamos prendarios e hipotecarios en el total (Hip):Cuanto mayor sea la participación de los préstamos con garantía real en la cartera deuna entidad, mayor será su recupero de activos ya que podrá hacer efectiva lagarantía. En Argentina esta situación se refleja en la gran diferencia que existe entrela tasa de interés cobrada por préstamos garantizados y la tasa pactada enoperaciones sin garantía. De esta forma, podría esperarse una mejor perfomance delos créditos garantizados que llevaría a encontrar una relación inversa entre laprobabilidad de “default” de una entidad y la participación de estos créditos.

12. Crecimiento de los activos (A30): El sistema financiero argentino, desdeprincipios de la década de los 90, se encuentra en constante crecimiento,interrumpido únicamente por la crisis financiera de 1995. Bajo estas circunstancias,un mayor crecimiento de los activos podría verse como una mejor adecuación de laentidad a los cambios producidos. Por otra parte, también puede significar una


30/38

mayor aceptación de riesgo. Es por eso, que la relación esperada de esta variable noresulta evidente.

13. Crecimiento de los depósitos (A31): Idem a la variable anterior.

C. Eficiencia

14. Préstamos por empleado (E5): Un indicador mayor muestra un nivel deeficiencia más elevado que debe traducirse en un mejor desempeño de la institución.Por lo tanto, un valor más alto de este indicador debería disminuir la probabilidadde falla de una entidad.

15. Tasa activa de punto de equilibrio (E8): Se calcula como:(Gastos administrativos + Egresos financieros - Ingresos netos por servicios) / PréstamosEste indicador mide la tasa activa que necesita una entidad para cubrir sus costostotales. Una mayor tasa activa de equilibrio puede estar relacionada con elevadosgastos administrativos o con una alta tasa pasiva. En cualquier caso, la entidadmuestra un mayor grado de ineficiencia o que es percibida como más riesgosa.

16. Gastos administrativos / Ingresos totales (E16): Cuanto mayor sea esteindicador peor se estará desempeñando la entidad. Un valor mayor a 1 implica quela entidad no es capaz de cubrir sus costos no financieros con sus ingresosfinancieros más los obtenidos por la prestación de servicios.

D. Rentabilidad

17. ROE (R7): Claramente, si una entidad desea crecer (y en ciertos casos,permanecer en el mercado) necesita capital. Para ello la rentabilidad esfundamental. Por un lado, el incremento del capital necesario se puede lograr através de la capitalización de los beneficios. Por otra parte, si la entidad necesitabuscar socios, debe asegurarles cierta rentabilidad a su inversión, para ello necesitaniveles mínimos de ROE.Los cambios por los cuales pasó el sistema argentino durante el período del estudio,hicieron que este indicador tuviera una gran volatilidad. Por eso se utilizó comomedida de rentabilidad, la acumulada en un período de dos años.

18. Ingresos totales / Activos (R16): Mayores ingresos pueden estar reflejandomayores tasas activas y, por ende, mayor riesgo. En este caso, se espera que existauna relación directa con la probabilidad de “default” de la entidad.

19. Tasa pasiva implícita (Rendepo): Una mayor tasa refleja mayor dificultadpara encontrar depositantes en el mercado. Por lo tanto, la misma está asociada a unmayor riesgo implícito de la entidad.


31/38

E. Liquidez

20. Liquidez ácida (L2): Se define como:(Disponibilidades + Títulos Públicos y Privados con Cotización) / DepósitosDadas las características del sistema financiero y la regla monetaria aplicada en

Argentina, la liquidez es una variable que puede modificar las probabilidades desupervivencia de una entidad. Cuanto mayor liquidez mantenga una entidad, másfácilmente podrá responder a cambios en las decisiones de los ahorristas y, estaprontitud en su accionar se podrá traducir en una mayor confianza de losdepositantes.


32/38

A

n

e

C14 C1 C16 C17 A4 A7 A12 A16 A28 Otros_ac A 30 A31 E5 E8 E16 R7 R16 Rendepo L2 x

o

C 1 - 0.772

(0.000) I I

C 16 0 .4 24 - 0. 42 9

(0.000) (0.000)

C 17 - 0. 29 6 0 .5 05 - 0. 30 9

(0.001) (0.000) (0.001)

A 4 0 .4 76 - 0. 33 4 0 .1 22 - 0. 25 7

(0.000) (0.000) (0.185) (0.005)

A 7 0 .3 11 - 0. 26 7 -0 .0 08 0 .1 18 0 .3 11(0.001) (0.003) (0.931) (0.198) (0.001)

A 12 0 .1 33 - 0. 08 2 - 0 .3 45 0 .4 38 - 0. 02 3 0 .4 47

(0.149) (0.372) (0.709) (0.000) (0.804) (0.000)

A 16 0 .0 93 - 0. 72 0 - 0 .0 74 0 .4 46 - 0. 08 6 0 .6 26 0 .9 29

(0.314) (0.434) (0.422) (0.000) (0.351) (0.000) (0.000)

A28 -0 .236 0 .090 -0 .214 0 .219 -0.206 -0 .139 -0 .183 -0 .154

(0.009) (0.331) (0.019) (0.016) (0.024) (0.131) (0.045) (0.094)

Ot ros_ac -0 .141 0 .188 0 .095 -0 .270 0 .044 0 .048 -0.105 -0 .085 -0.137

(0.124) (0.039) (0.302) (0.003) (0.635) (0.605) (0.256) (0.356) (0.136)

A 30 - 0. 00 9 0 .0 97 0 .1 35 - 0. 15 9 - 0. 21 8 - 0 .1 34 - 0. 23 3 - 0 .2 17 - 0. 09 8 0 .3 49

(0.920) (0 .294) (0 .141) (0 .083 (0 .813) (0 .145) (0 .010) (0 .018) (0 .285) (0 .000)

A 31 0 .1 30 - 0. 01 2 - 0 .0 70 - 0 .1 29 0 .1 86 - 0. 04 5 - 0 .1 90 - 0 .1 77 - 0. 02 4 0 .0 55 0 .5 11

(0.156) (0 .901) (0 .447) (0 .161) (0 .042) (0 .624) (0 .038) (0 .053) (0 .792) (0 .548) (0 .000)

E 5 - 0. 11 3 0 . 15 3 0 .2 29 - 0. 15 9 0 . 28 2 - 0 .1 68 - 0. 39 8 -0 .4 27 0 .2 21 0 .1 91 0 .3 00 0 .0 46

(0.219) (0 .096) (0 .012) (0 .082) (0 .002) (0 .066) (0 .000) (0 .000) (0 .015) (0 .037) (0 .001) (0 .617)

E 8 0 .3 70 - 0. 38 2 - 0. 04 8 - 0. 02 1 0 .1 04 0 .3 15 0 .5 13 0 .4 80 - 0. 33 4 0 .0 85 - 0. 24 6 - 0. 15 6 - 0. 44 2

(0.000) (0 .000) (0 .601) (0 .817) (0 .259) (0 .000) (0 .000) (0 .000) (0 .000) (0 .356) (0 .007) (0 .088) (0 .000)

E 16 0 .2 12 - 0. 11 8 - 0 .1 22 0 .0 02 0 .1 21 0 .1 21 0 .3 41 0 .3 02 - 0. 43 5 - 0. 14 7 - 0. 33 7 - 0. 25 2 - 0. 47 6 0 .4 64

(0.020) (0 .198) (0 .186) (0 .979) (0 .188) (0 .188) (0 .000) (0 .001) (0 .000) (0 .108) (0 .000) (0 .006) (0 .000) (0 .000)

R 7 - 0. 05 0 0 .0 12 0 .0 21 0 .0 30 - 0. 19 0 - 0. 20 6 - 0. 28 8 - 0. 27 9 0 .3 82 - 0. 03 7 0 .1 49 0 .0 37 0 .3 04 - 0. 28 6 - 0. 48 6

(0.891) (0 .900) (0 .822) (0 .746) (0 .037) (0 .024) (0 .001) (0 .002) (0 .000) (0 .691) (0 .105) (0 .688) (0 .001) (0 .002) (0 .000)

R 16 0 .0 44 - 0. 22 3 - 0. 24 5 0 .0 46 - 0. 29 2 0 .0 54 0 .1 92 0 .1 98 0 .1 98 - 0. 22 4 - 0. 19 3 - 0. 17 5 - 0. 46 1 0 .2 96 0 .1 48 0 .1 41

(0.636) (0 .014) (0 .007) (0 .617) (0 .001) (0 .562) (0 .036) (0 .030) (0 .030) (0 .014) (0 .030) (0 .035) (0 .000) (0 .001) (0 .106) (0 .125)

R en de po 0 .3 22 - 0. 30 2 - 0 .1 15 0 .1 78 - 0. 10 5 0 .3 09 0 .4 09 0 .3 99 0 .1 04 - 0. 06 1 - 0. 05 2 - 0. 05 1 - 0 .3 56 0 .6 24 0 .0 05 0 .0 77 0 .3 38

(0.000) (0 .001) (0 .213) (0 .052) (0 .254) (0 .001) (0 .000) (0 .000) (0 .260) (0 .510) (0 .571) (0 .508) (0 .000) (0 .000) (0 .954) (0 .400) (0 .000)

L 2 0 .4 87 - 0. 29 6 0 .4 14 - 0. 25 9 0 .3 47 0 .0 22 0 .1 05 0 .0 26 - 0. 68 1 0 .0 64 0 .0 10 - 0. 01 8 - 0. 67 0 0 . 27 5 0 .4 24 - 0. 23 5 - 0. 21 1 - 0. 11 3

(0.000) (0 .001) (0 .000) (0 .004) (0 .000) (0 .809) (0 .254) (0 .775) (0 .000) (0 .487) (0 .915) (0 .842) (0 .467) (0 .002) (0 .000) (0 .010) (0 .020) (0 .218)

A ct iv os - 0. 24 3 0 .3 00 0 .0 50 - 0. 13 0 0 .0 57 - 0. 22 0 - 0 .3 27 - 0. 33 4 0 .0 39 0 .0 62 - 0. 04 0 - 0. 01 0 0 .3 95 - 0. 40 1 - 0 .0 85 0 .1 54 - 0. 31 5 - 0. 49 5 0 .0 39

(0.007) (0 .001) (0 .585) (0 .152) (0 .527) (0 .015) (0 .000) (0 .000) (0 .666) (0 .492) (0 .656) (0 .911) (0 .000) (0 .000) (0 .350) (0 .088) (0 .000) (0 .000) (0 .666)

Nota: Entre paréntesis figura el "p-value" correspondiente a la hipótesis nula de no correlación.

Correlaciones entre los indicadores


33/38

A

n

e

x

Variable M od el o 1 M od el o 2 M od el o 3 M od el o 4 M od el o 5 M od el o 6 M od el o 7 M od el o 8 M od el o 9 M od el o 1 0 M od el o 1 1 M od el o 1 2 M od el o 1 3 o

I I I

Constante 7.822 7.809 8.121 4.920 4.653 4.753 5.473 6.389 4.958 4.528 2.287 -1.009 -2.315

(0.262) (0.233) (0.205) (0.123) (0.152) (0.114) (0.077) (0.026) (0.053) (0.033) (0.018) (0.563) (0.121)

A4 Principales deudores/ Financiaciones 2.902 2.903 2.898 3.141 3.172 2.771 2.359 2.180 1.963

(0.161) (0.154) (0.152) (0.110) (0.109) (0.133) (0.176) (0.190) (0.223)

A7 Principales deudores en situación 8.248 7.851 7.694 4.293 5.076 9.102 7.862 7.778 7.000 7.870 8.453 10.163 9.173

irregular (0.393) (0.408) (0.415) (0.528) (0.461) (0.130) (0.146) (0.157) (0.177) (0.119) (0.113) (0.050) (0.060)

A12 Previsiones/ Financiaciones 15.040 14.410 14.059 4.812 4.846

(0.346) (0.362) (0.372) (0.464) (0.461)

A16 Cartera irregular -7.586 -6.942 -7.474

(0.528) (0.551) (0.517)

A28 Préstamos/ Activos -2.830 -3.112 -3.245 3.692 5.504

(0.649) (0.602) (0.584) (0.139) (0.011)

A30 Crecimiento de Activos -1.220 -0.917 -0.950 -0.857

(0.558) (0.508) (0.491) (0.538)

A31 Crecimiento de Depósitos 0.281

(0.845)

C1 Pasivo/ Capital -0.188 -0.182 -0.206 -0.223 -0.224 -0.209 -0.208 -0.183

(0.351) (0.356) (0.263) (0.188) (0.189) (0.172) (0.165) (0.218)

C14 PN / Activo -13.173 -12.805 -12.816 -12.236 -12.116 -11.778 -10.761 -11.505 -7.978 -4.862 -5.188 -6.099 -5.343

(0.028) (0.023) (0.023) (0.018) (0.019) (0.020) (0.026) (0.014) (0.022) (0.023) (0.017) (0.002) (0.005)

C16 Exceso d e capital -2.433 -2.484 -2.467 -2.542 -2.554 -2.604 -2.725 -2.544 -1.963 -2.357 -1.958 -2.035 -1.873

(0.063) (0.040) (0.042) (0.034) (0.033) (0.027) (0.021) (0.027) (0.049) (0.012) (0.025) (0.018) (0.026)

C17 Pérdida potencial -0.209 -0.230

( 0.7 93) ( 0. 771 )

E5 Préstamos p or e mpleados -7.881 -7.672 -7.689 -7.764 -7.861 -7.718 -7.411 -7.152 -7.302 -5.734 -4.617 -4.680 -5.067

(0.005) (0.003) (0.003) (0.001) (0.002) (0.002) (0.003) (0.003) (0.002) (0.001) (0.001) (0.001) (0.000)

E8 Tasa activa de punto de equilibrio 4.917 4.930 4.751 3.974 4.562 4.609

(0.382) (0.380) (0.396) (0.449) (0.391) (0.394)

E16 Gastos Adm. / Ingresos Totales -5.610 -5.696 -5.557 -5.306 -5.151 -4.968 -3.956 -3.697 -3.628 -3.212

(0.082) (0.074) (0.074) (0.068) (0.077) (0.076) (0.117) (0.145) (0.135) -0.140

R7 ROE -3.381 -3.491 -3.522 -3.877 -3.755 -3.624 -3.960 -3.876 -3.872 -4.040 -3.270 -2.989 -3.004

(0.094) (0.052) (0.048) (0.024) (0.028) (0.031) (0.017) (0.020) (0.023) (0.013) (0.024) (0.034) (0.034)

R16 Ingreso neto / activo -0.389

(0.943)

L2 Liquidez -7.107 -7.161 -7.169 -4.798 -4.961 -3.955 -3.478 -3.488 -3.697 -2.660 -3.350

(0.150) (0.144) (0.143) (0.079) (0.072) (0.116) (0.176) (0.170) (0.135) (0.181) (0.032)

Rendepo Tasa Pasiva Implícita 19.315 19.293 18.829 20.101 18.959 18.304 20.548 17.271 15.655 12.906 15.768 15.962 14.290(0.101) (0.091) (0.090) (0.062) (0.072) (0.076) (0.044) (0.059) (0.079) (0.108) (0.021) (0.015) (0.026)

Otros_ac Otros créditos por interm. finan. / 7.516 7.317 7.319 -11.916 -12.107 -12.820 -10.173 -10.145 -9.947 -8.150 -8.178 -5.887

activo (0.039) (0.039) (0.039) (0.019) (0.020) (0.015) (0.014) (0.012) (0.015) (0.022) (0.019) (0.145)

Hip Hipotecarios y prendarios/ Préstamos -1.113 -1.125 -1.189 -1.124 -0.937

(0.488) (0.483) (0.453) (0.471) (0.540)

Activo Activos 0.313 0.327 0.313 0.336 0.359 0.301 0.167

(0.347) (0.317) (0.329) (0.292) (0.254) (0.284) (0.467)

Chi cuadrado 92.147 92.102 92.018 91.351 90.962 89.942 89.191 88.649 87.349 85.679 83.225 80.032 77.741

(0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)

Aciertos 97 97 99 100 98 101 100 99 100 98 100 96 98

Errores tipo I 9 9 7 7 8 7 7 8 7 8 7 9 9

Errores tipo II 10 10 10 9 10 8 9 9 9 10 9 11 9

Nota: Entre paréntesis figura el "p-value".

Modelos probitDatos: 94.IV - Período de redicción: 95.I - 97.IV - N° de observaciones: 116


34/38

A

n

e

x

Variable Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7 Modelo 8 Modelo 9 Modelo 10 Modelo 11 Modelo 12 Modelo 13 Modelo 14 o

I V

Constante -4.682 -4.625 -4.372 -5.842 -8.037 -5.028 -5.132 -6.336 -3.726 -1.577 -1.161 -0.368 5.479 6.096

(0.463) (0.466) (0.486) (0.124) (0.005) (0.021) (0.020) (0.003) (0.171) (0.246) (0.376) (0.760) (0.005) (0.000)

A4 Principales deudores/ 0.312 0.324

Financiaciones (0.868) (0.862)

A7 Principales deudores en -19.213 -19.272 -18.395 -18.297 -19.317 -19.151 -20.593 -21.791 -20.029 -20.034 -14.124 -8.994 -12.322 -12.642

situación irregular (0.086) (0.075) (0.072) (0.071) (0.054) (0.049) (0.025) (0.046) (0.071) (0.072) (0.153) (0.125) (0.033) (0.023)

A12 Previsiones/ Financiaciones -18.014 -18.187 -17.235 -17.679 -19.430 -16.669 -21.437 -19.768 -16.768 -15.533(0.253) (0.239) (0.215) (0.189) (0.154) (0.233) (0.088) (0.147) (0.188) (0.229)

A16 Cartera irregular 17.713 17.660 16.612 17.245 19.030 16.841 19.410 17.574 16.378 16.350 5.182

(0.179) (0.159) (0.153) (0.118) (0.081) (0.107) (0.053) (0.109) (0.115) (0.123) (0.237)

A28 Préstamos/ Activos -1.614 -1.631 -1.530 -7.511 -8.595

(0.797) (0.793) (0.800) (0.007) (0.000)

A30 Crecimiento de Activos 1.526 1.538 1.411 1.447 1.499

(0.456) (0.335) (0.348) (0.336) (0.287)

A31 Crecimiento de Depósitos 0.017

(0.992)

C1 Pasivo/ Capital 0.163 0.156 0.158 0.157 0.134

(0.401) (0.355) (0.332) (0.327) (0.370)

C14 PN / Activo 8.805 8.760 8.891 8.937 10.098 7.931 9.450 7.980 8.684 8.835 7.941 7.087 8.063 7.794

(0.099) (0.080) (0.033) (0.035) (0.010) (0.019) (0.001) (0.003) (0.003) (0.003) (0.003) (0.003) (0.000) (0.000)

C16 Exceso de capital 1.779 1.777 1.764 1.774 1.571 0.874

(0.105) (0.098) (0.097) (0.090) (0.095) (0.285)

C17 Pérdida potencial -0.043

(0.946)

E5 Préstamos por empleados 8.355 8.362 8.455 8.382 8.560 7.446 7.493 8.975 7.637 6.617 6.462 5.528 6.481 7.085

(0.010) (0.007) (0.002) (0.002) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000) (0.001) (0.000) (0.000)

E8 Tasa activa de punto -5.898 -5.941 -6.125 -6.266 -5.862 -5.576 -5.725

de equilibrio (0.388) (0.376) (0.342) (0.335) (0.184) (0.205) (0.178)

E16 Gastos Adm. / Ingresos 5.061 5.095 5.196 5.473 5.508 4.773 4.733 4.219 2.646

(0.108) (0.086) (0.065) (0.054) (0.017) (0.029) (0.025) (0.037) (0.301)R7 ROE 2.521 2.506 2.522 2.492 2.050 2.625 2.438 2.876 2.936 2.521 2.677 2.576 2.776 2.730

(0.192) (0.177) (0.164) (0.158) (0.224) (0.090) (0.118) (0.069) (0.057) (0.102) (0.076) (0.074) (0.054) (0.061)

R16 Ingreso neto / activo 5.757 5.776 5.494 5.422 5.741

(0.303) (0.291) (0.303) (0.308) (0.244)

L2 Liquidez 4.241 4.250 4.369 5.365 6.048 6.064 6.707 7.267 5.322 5.048 4.701 4.642

(0.412) (0.411) (0.390) (0.055) (0.018) (0.021) (0.005) (0.005) (0.028) (0.032) (0.032) (0.031)

Rendepo Tasa Pasiva Implícita -6.604 -6.610 -7.239 -7.112 -12.153 -16.716 -17.999 -16.392 -14.382 -12.986

(0.495) (0.493) (0.452) (0.461) (0.190) (0.025) (0.017) (0.034) (0.040) (0.056)

Otros_ac Otros créditos por 13.740 13.728 14.045 15.423 16.137 15.030 15.410 12.876 11.788 10.967 9.517 9.146 4.217

int. Finc. / activo (0.090) (0.084) (0.053) (0.002) (0.000) (0.000) (0.000) (0.002) (0.003) (0.004) (0.010) (0.009) (0.282)

Hip Hipotecarios y prendarios 0.382 0.358

/pr ést amo s (0. 772 ) (0. 781 )

Activo Activos -0.201 -0.203 -0.227 -0.227

(0.516) (0.496) (0.421) (0.427)

Lo g f un ció n v er osimili tud -10 2.21 3 -1 02.2 16 - 10 2. 29 3 - 10 2. 34 3 -1 02 .9 28 -1 05.0 42 -1 05 .6 08 -1 07 .5 88 -1 06 .2 88 - 10 7.32 6 -1 08 .1 78 - 10 9. 32 5 - 10 9. 32 1 -10 9.73 9

Nota: Entre paréntesis figura el "p-value".

Modelos de transición con regresores constantesDatos: 94.IV - Período de predicción: 95.I - 97.IV - N° de observaciones: 112


35/38

A

n

e

x

V a r i a b l e M o d e l o 1 M o d e l o 2 M o d e l o 3 M o d e l o 4 M o d e l o 5 M o d e l o 6 M o d e l o 7 M o d e l o 8 M o d e l o 9 M o d e l o 1 0 o

V

C o n s t a n t e 1 . 2 6 5 1 . 3 0 8 1 . 3 1 9 1 . 3 8 7 1 . 7 0 3 1 . 2 9 0 1 . 5 4 1 - 1 . 9 6 6 0 . 2 4 7 5 . 0 8 1

( 0 . 6 1 3 ) ( 0 . 5 6 9 ) ( 0 . 5 6 1 ) ( 0 . 5 4 2 ) ( 0 . 4 4 6 ) ( 0 . 5 6 3 ) ( 0 . 4 2 3 ) ( 0 . 3 0 5 ) ( 0 . 6 0 4 ) ( 0 . 0 0 2 )

A 4 P r i n c i p a l e s d e u d o r e s / 0 . 1 2 7

F i n a n c i a c i o n e s ( 0 . 9 0 5 )

A 7 P r i n c i p a l e s d e u d o r e s e n - 5 . 4 3 6 - 5 . 3 3 6 - 5 . 1 3 0 - 5 . 0 7 7 - 5 . 3 4 1 - 6 . 6 6 8 - 3 . 5 9 2 - 3 . 8 2 0 - 3 . 6 4 6 - 6 . 2 5 9

s i t u a c i ó n i r r e g u l a r ( 0 . 2 5 1 ) ( 0 . 2 5 2 ) ( 0 . 2 4 8 ) ( 0 . 2 6 7 ) ( 0 . 2 3 7 ) ( 0 . 1 4 7 ) ( 0 . 0 6 5 ) ( 0 . 0 4 7 ) ( 0 . 0 6 9 ) ( 0 . 0 2 0 )

A 1 2 P r e v i s i o n e s / F i n a n c i a c i o n e s - 7 . 4 6 9 - 7 . 4 4 7 - 6 . 7 8 9 - 6 . 4 7 1 - 6 . 2 8 2 - 6 . 5 9 2

( 0 . 3 7 3 ) ( 0 . 3 4 9 ) ( 0 . 3 6 9 ) ( 0 . 3 9 5 ) ( 0 . 4 0 1 ) ( 0 . 3 9 7 )

A 1 6 C a r t e r a i r r e g u l a r 5 . 2 3 9 5 . 2 5 0 4 . 8 6 1 4 . 8 1 8 4 . 8 2 7 4 . 9 9 0

( 0 . 3 7 2 ) ( 0 . 3 4 9 ) ( 0 . 3 6 5 ) ( 0 . 3 8 0 ) ( 0 . 3 6 5 ) ( 0 . 3 8 6 )

A 2 8 P r é s t a m o s / A c t i v o s - 1 . 9 2 7 - 1 . 9 5 8 - 1 . 8 5 0 - 1 . 8 7 9 - 2 . 2 2 6 - 2 . 1 5 4 - 2 . 1 1 7 - 2 . 1 2 2 - 5 . 9 8 7

( 0 . 5 2 3 ) ( 0 . 4 9 0 ) ( 0 . 4 9 0 ) ( 0 . 4 8 7 ) ( 0 . 4 1 8 ) ( 0 . 4 2 4 ) ( 0 . 3 8 4 ) ( 0 . 3 7 2 ) ( 0 . 0 0 7 )

A 3 0 C r e c i m i e n t o d e A c t i v o s - 0 . 3 7 0 - 0 . 3 6 1 - 0 . 3 6 8 - 0 . 3 7 1

( 0 . 7 7 2 ) ( 0 . 7 6 4 ) ( 0 . 7 4 6 ) ( 0 . 7 4 5 )

A 3 1 C r e c i m i e n t o d e D e p ó s i t o s 0 . 4 1 4 0 . 4 1 2 0 . 4 2 1 0 . 4 2 6 0 . 2 1 5

( 0 . 6 9 5 ) ( 0 . 6 7 8 ) ( 0 . 6 6 1 ) ( 0 . 6 6 4 ) ( 0 . 7 7 6 )

C 1 P a s i v o / C a p i t a

15) Anastasi – Lencioni (1998)

Documents

Transcript of 15) Anastasi – Lencioni (1998)