ANALES | ASOCIACION ARGENTINA DE ECONOMIA POLITICA

LI Reunión Anual
Noviembre de 2016
ISSN 1852-0022
ISBN 978-987-28590-4-6

Eficiencia en sucursales bancarias utilizando el

método de fronteras

Schiffrer, Francisco
 Eficiencia en sucursales bancarias utilizando el método de fronteras
estocásticas

Francisco Schiffrer*

Resumen

El objetivo del trabajo realizar un análisis empírico de los niveles de eficiencia técnica en
sucursales bancarias. Se estimaron fronteras estocásticas de costos suponiendo dos formas
funcionales: Cobb-Douglas y Translogarítmica. Los resultados muestran niveles de eficiencia
medios cercanos al 45%. No se observan diferencias significativas en los resultados al variar
la definición del output del modelo. Los coeficientes de correlación entre los niveles de
eficiencia y los ratios de colocación de productos por empleado muestran un signo negativo,
mientras que existe una relación positiva cuando se compara los niveles de eficiencia con los
ratios de colocación de productos por m2.

Abstract

The aim of this study is to perform an empirical analysis of the levels of technical efficiency in
bank branches. We estimate cost stochastic frontiers assuming two different functional forms:
Cobb-Douglas and Translog. The results show mean efficiency levels around 45%. No
significant differences were observed in the results when varying the output defined in the
model. The correlation coefficients between efficiency levels and productivity ratios per
employee show a negative sign, while a positive relationship is observed when comparing
efficiency levels and productivity ratios per m2.

JEL: G21, D24

Palabras clave: fronteras de eficiencia; bancos; sucursales

*
Banco Ciudad de Buenos Aires y Universidad del CEMA, fschiffrer@bancociudad.com.ar, Sarmiento
611 7°, Buenos Aires, Argentina.

1
 I. Introducción
Este trabajo tiene como principal motivación evaluar la eficiencia de sucursales bancarias
utilizando métodos de fronteras estocásticas de producción a partir de una base de datos de
sucursales del Banco Ciudad de Buenos Aires. Actualmente el banco utiliza básicamente dos
tipos de métodos para analizar la performance de las sucursales. El primero, es un sistema
de objetivos trimestrales y anuales, que se determina de acuerdo al volumen de negocio y la
complejidad de cada sucursal. Se designan objetivos por productos y servicios considerados
estratégicos por parte de la administración, como ser: apertura de cuentas corrientes, cajas
de ahorro, colocación de diferentes líneas de préstamos, seguros, entre otros. El sistema de
objetivos ha probado ser una herramienta valiosa para establecer un sistema de incentivos
claros para las sucursales. El segundo, es un sistema de ratios parciales de productividad,
calculados en base a un set de indicadores de desempeño, como por ejemplo: colocación de
préstamos por cantidad de empleados, por sucursal o cantidad de clientes por empleado. Si
bien resultan informativos, estos ratios comparativos no logran captar las diferencias en los
mix de productos y el costo de generarlos que pueden enfrentar las diferentes sucursales.
El principal objetivo de este trabajo es desarrollar un método que permita medir de una manera
más completa y exhaustiva la eficiencia relativa de las sucursales del banco. Para tal fin, se
utiliza un análisis paramétrico de fronteras estocásticas de costos. Estos modelos tienen la
ventaja de asignar un valor numérico a la eficiencia de cada sucursal, identificar los lugares
en los que se están sobre-utilizando inputs y/o sub-produciendo outputs, así como también
identificar donde se pueden encontrar las “mejores prácticas” en las sucursales. Si bien los
análisis de frontera, generalmente, no aportarán nuevos conocimientos generales o
cualitativos a los participantes más informados respecto a la realidad de cada sucursal, los
datos cuantitativos que resultan del análisis, sí resultan innovadores. De esta manera, el
análisis de frontera puede brindar datos cuantitativos valiosos que pueden usarse junto a otras
mediciones de desempeño, para identificar donde se encuentran los problemas de eficiencia
y ayudar a solucionarlos.
El BCBA es el banco oficial de la Ciudad Autónoma de Buenos Aires, cuenta con 138 años de
trayectoria, y fue fundado con el objetivo de promover el crédito barato a la población de la
ciudad y alrededores. Actualmente, el Banco Ciudad es el octavo mayor banco en cartera de
préstamos al sector privado de la Argentina y el segundo banco con la mayor cartera de
créditos hipotecarios. No obstante, para poder expandir su oferta de productos, como banco
social, y que los mismos sean sustentables en el largo plazo, el BCBA debe ser una entidad
financiera rentable y eficiente en la utilización de recursos. Este trabajo propone elaborar un
indicador de eficiencia cuantitativo de sucursales, que puede utilizarse como complemento a
las mediciones que se realizan actualmente, que permita identificar las sucursales donde
existe una posibilidad de mejora de eficiencia, y finalmente lograr un impacto positivo en la
rentabilidad del banco.
Este trabajo está estructurado de la siguiente manera: la siguiente sección describe la
diferencia entre eficiencia técnica y productividad media, términos que comúnmente suelen
utilizarse como conceptos similares, luego comentaremos la discusión conceptual sobre
eficiencia bancaria específicamente. Continuaremos con la descripción del método y el
modelo que se utilizaron para realizar el estudio. La cuarta sección describe los datos
utilizados en el trabajo, la sección V comenta los resultados obtenidos, dejando para la sección
final las conclusiones a las que llegó el trabajo.
II. Marco conceptual
A. Eficiencia económica
Generalmente, a los conceptos de eficiencia técnica y productividad media se les atribuye una
connotación positiva, en el sentido de que una mejora en cualquiera de los indicadores, resulta
ventajoso para la firma en cuestión. Sin embargo, no necesariamente es así en el caso de la
productividad media. Los dos conceptos hacen referencia a aspectos diferentes de la

2
producción, y resulta importante destacar que no siempre puede ser evaluado como
económicamente positivo un aumento de la productividad media.
Para ilustrar el problema, en el Gráfico 1 se presenta una función de producción para el caso
simple de un producto (Y) y un insumo (X). Cada punto sobre el plano representa una
observación de uso de insumos y producto obtenido por distintas empresas. La función de
producción representa la tecnología disponible y un punto sobre la curva implica que se está
haciendo un uso eficiente de los insumos de forma tal que se obtiene el máximo nivel de
producto posible considerando que se utiliza adecuadamente la tecnología (Lema, Gatti y
Brescia 2012).
Una empresa que produce en el punto A no es técnicamente eficiente, mientras que en los
puntos B y C sí lo es. Un pasaje de A a B significa que aumenta la eficiencia técnica, al pasar
de un punto debajo de la curva a uno sobre la curva, mientras que la productividad del factor
X también aumenta, la cual se mide por la pendiente del radio vector que sale del origen. Por
otra parte, pasar de A a C implica un aumento de la eficiencia pero una disminución de la
productividad promedio del factor X. De esta manera, se observa que no siempre una mejora
en la eficiencia implica un aumento en la productividad media, y viceversa. Es importante
destacar que cuando el producto y el insumo aumentan a lo largo de la función de producción,
la productividad se ve afectada necesariamente por la ley de rendimientos decrecientes. Esto
implica que mayores producciones sólo pueden alcanzarse a costa de una menor
productividad marginal y promedio, al menos en la zona de rendimientos decrecientes que es
la económicamente relevante. Es decir, aun en un contexto de un solo factor de producción,
no es unívoca la respuesta a la pregunta de si es económicamente positivo para la firma que
aumente la productividad media, considerando la existencia potencial de ineficiencias en el
proceso productivo. Al mismo tiempo, debe tenerse en cuenta que si se considera una función
de producción con múltiples insumos, la productividad parcial no permite comparar entre
empresas ya que no conocemos lo que ocurre con el resto de los factores productivos.
Grafico 1: Función de producción para un producto y un insumo

Fuente: Lema, Gatti y Brescia (2012).

Por su parte, un incremento de la productividad media es indudablemente positivo si la

empresa es eficiente y se produce un cambio tecnológico que desplaza la función de
producción permitiendo incrementar el nivel de producto con la misma cantidad de factores
por unidad de tiempo. Es decir si hay, al mismo tiempo, un incremento de la productividad
total de los factores (PTF), definida como el cociente entre la producción y un vector de
insumos.

3
 El crecimiento de la productividad se puede separar en los siguientes componentes: cambio
en la eficiencia técnica (ET), cambio técnico (CT) y cambio en la eficiencia de escala (EE).
Esta descomposición es relevante para comprender y aislar las fuentes del cambio en
productividad. La ET puede ser interpretada como una medida relativa de la habilidad
gerencial para una tecnología dada. En este sentido, una empresa es técnicamente eficiente
cuando consigue el máximo producto posible, dada su dotación de insumos. El CT es el
cambio resultante de la adopción de nuevas prácticas o tecnologías que permiten incrementar
la producción por unidad de insumo. La EE se relaciona con cambios del tamaño de la firma
que permiten reducir los costos unitarios (Battese y Coelli, 1995). Ganancias en la ET se
generan a partir de la mejora en el manejo empresarial, que se relaciona con un conjunto de
atributos de los productores tales como la educación, la experiencia y la capacitación y
también con factores de entorno institucional o del ambiente en el que se desarrolla el proceso
de producción e intercambio para las empresas. En este sentido, por ejemplo, los costos de
transacción pueden resultar factores relevantes para determinar los niveles de eficiencia
individuales y agregados. Las fuerzas que mueven al CT son la inversión en investigación y
tecnología así como las inversiones y esfuerzos para aplicar las tecnologías disponibles a
nivel de empresas. Finalmente, la EE está determinada por la habilidad de la empresa para
invertir nuevos recursos en la expansión de su tamaño hacia la escala óptima de uso de
recursos.
El análisis de la eficiencia suponiendo funciones de producción que incluyen varios insumos
se inicia con el trabajo de Farell (1957), quien originalmente propuso distinguir entre la
eficiencia técnica, que refleja la habilidad de una empresa para obtener la mayor cantidad
posible de producto con una determinada cantidad de insumos, y eficiencia asignativa, que
refleja la habilidad para utilizar los insumos en una proporción óptima dados los precios
relativos y la tecnología. Según Farrell, estas dos medidas combinadas son una aproximación
a la eficiencia económica. La eficiencia económica de la empresa o también llamada en este
caso eficiencia de costos (EC), es igual a la combinación de la eficiencia técnica y la eficiencia
asignativa la que puede calcularse como: EC = ET x EA (Coelli et al. 2005). Esta
representación de la eficiencia supone que la tecnología, representada por la función de
producción, es conocida y tiene retornos constantes a la escala. Sin embargo, en la práctica
se desconoce la forma de la función de producción, y ello implica que deben realizarse
aproximaciones para realizar el análisis empírico.
B. Eficiencia bancaria
La tarea de estimar eficiencia bancaria resulta dificultosa por la gran cantidad de servicios
diferentes que ofrecen los bancos comerciales (Ferro et al. 2013). Los mismos proveen desde
créditos y cuentas hasta servicios de alquiler de cajas de seguridad, venta de fondos mutuos
y transacciones en divisas. Los investigadores deben resolver cuestiones complejas al medir
la producción de los bancos. Algunas de las preguntas más frecuentes que surgen en la
literatura son: ¿los depósitos deben considerarse como un insumo o un producto? ¿Los
productos deberían medirse en términos del número de cuentas bancarias, la cantidad de
transacciones procesadas, o la magnitud en dinero de los créditos o depósitos?
Según Stavárek (2005), en la literatura hay tres enfoques principales para la definición de las
relaciones insumo-producto en la operatoria de las entidades financieras.
Primero, el enfoque de producción concibe a las entidades financieras como productores de
cuentas de depósitos y préstamos, definiendo el producto como el número de dichas cuentas
o transacciones. Este método generalmente define a los insumos como el número de
empleados y los gastos de capital en activos fijos. El enfoque de producción se concentra en
los costos operativos e ignora los intereses pagados.
Segundo, el enfoque de intermediación tiene origen en el rol tradicional de las entidades
financieras que transfieren activos financieros desde unidades superavitarias hacia unidades
deficitarias. Los costos operativos y de intereses suelen ser los principales pagos por insumos

4
 considerados, mientras que los ingresos de intereses por créditos e inversiones y cargos por
servicios por servicios conforman los principales productos.
Tercero, el enfoque de activos, que hace hincapié en el rol de las entidades financieras como
creadores de créditos. En esencia, esta corriente de pensamiento es una variante del enfoque
de intermediación, difiriendo en que define los productos como el stock de créditos y activos
invertidos.
Ninguno de los enfoques logra capturar completamente los roles duales de las entidades
financieras, como (i) proveedores de transacciones/servicios de procesamiento de
documentos y (ii) intermediarios financieros que transfieren fondos desde ahorristas hacia
inversores.
Hay un razonable acuerdo en la literatura sobre la especificación de los insumos y productos
más importantes para las entidades financieras. Los préstamos y otros activos relevantes de
las entidades financieras deberían contarse como productos, según los enfoques de
intermediación y activos. Sin embargo, hay una controversia de larga data sobre si los
depósitos deberían contarse como insumos o productos. Los depósitos tienen características
de insumos porque son pagados con intereses y los fondos captados proveen a la entidad
con la materia prima para la realización de su actividad. Sin embargo, también tienen
características de producto, porque están asociados a la disponibilidad de liquidez,
preservación de la seguridad, y servicios de pago provistos a los depositantes.
Los insumos y productos son por definición variables flujo. Cuando no se hallan disponibles
sus valores, las variables stock se usan como proxies. En términos de flujo la variable trabajo
sería el número de horas trabajadas. El costo horario puede ser usado como su precio. El
número de personas empleados suele ser la aproximación en términos de stock y como
precio, tomarse el salario medio. El capital debe reflejar el consumo de capital físico asociado
con el proceso productivo. Una variable flujo es la depreciación, pero aquella reflejada
contablemente no tiene necesariamente un correlato económico. Como proxy se suele usar
el stock de activos fijos. Los flujos de servicio financieros producidos son prácticamente
imposibles de medir con los datos habitualmente disponibles. De nuevo se los aproxima con
variables stock, como préstamos y depósitos (López et al., 2002).
III. Metodología
De acuerdo al trabajo Berger y Humphrey (1997), no hay un consenso en la literatura respecto
al método preferido para determinar la frontera de eficiencia contra la cual se compara el
desempeño de las diferentes firmas, o en este caso, sucursales.
Ferro et al. (2013) enumeran dos enfoques para la construcción de fronteras eficientes: el
enfoque econométrico y el de programación matemática. Sus diferencias se reducen
esencialmente a dos características. El enfoque econométrico es 1) estocástico, y como tal
intenta distinguir la pura aleatoriedad (“ruido estadístico”) de los efectos de la ineficiencia
(decisiones de la gerencia), y 2) paramétrico, con lo cual supone una forma funcional
específica de las relaciones causales que investiga. En contraposición, el enfoque de
programación matemática es generalmente determinístico (no distingue pura aleatoriedad de
eficiencia) y no paramétrico (no estima una forma funcional).
Este trabajo se sigue el modelo econométrico especificado en Batesse y Coelli (1995), el cual
se basa en el análisis de frontera estocástica (SFA). En dicho modelo, los niveles de eficiencia
se derivan de una forma funcional especificada ex ante y regresadas de un vector de variables
que incluyen ambientales en un solo paso.
La forma general de la frontera de costos es:
(1) 𝐶𝑖𝑡 = 𝐶(𝑦𝑖𝑡 , 𝑤𝑖𝑡 , 𝑧𝑖𝑡 ; 𝛽) + 𝑣𝑖𝑡 + 𝑢𝑖𝑡
Donde 𝐶𝑖𝑡 es el costo observado para cada sucursal i, en el período t; 𝑦𝑖𝑡 es el vector de
productos; 𝑤𝑖𝑡 es el vector de los precios de los insumos; 𝑧𝑖𝑡 es el vector de las variables
ambientales; 𝛽 es un vector de parámetros desconocidos a estimar; 𝑣𝑖𝑡 ~𝑁(0, 𝜎𝑣2 ) es un error

5
 aleatorio independiente e idénticamente distribuido; 𝑢𝑖𝑡 ~𝑁(0, 𝜎𝑢2 ) es el parámetro de
ineficiencia con distribución normal truncada. Además, 𝑣𝑖𝑡 y 𝑢𝑖𝑡 se distribuyen
independientemente de cada una y de las covarianzas del modelo.
El modelo estocástico de frontera y el modelo para el término de ineficiencia se estiman
simultáneamente mediante máxima verosimilitud. La función de verosimilitud se expresa en
términos de: 1) los parámetros de la varianza 𝜎 2 del error compuesto, que es la suma de las
𝜎2
varianzas 𝜎𝑣2 y 𝜎𝑢2 y 2) gamma, el cociente entre las varianzas 𝛾 = 𝜎𝑢2 , 𝛾 𝜖 (0; 1); si 𝛾 = 0 la
variabilidad de los residuos se explicaría en su totalidad por el componente aleatorio v.
El valor de ineficiencia para un banco individual j se obtiene como un 𝑓𝑖𝑡 = exp(𝑢𝑖𝑡 ), con
valores entre la unidad e infinito. Sin embargo, en la literatura se informan medidas de
eficiencia más que de ineficiencia, calculándose la inversa multiplicativa del valor anterior, que
toma un valor máximo de 1 (unidad eficiente) y da un puntaje fraccionario a las unidades por
debajo de la frontera.
En cuanto a la forma específica de la función de costos, la verdadera forma funcional no se
conoce y, por lo tanto, se debe suponer. En su trabajo, Zoric (2006) enumera una serie de
criterios para elegir una determinada forma funcional: 1) Debe ser consistente con la teoría
económica1, 2) En ausencia de bases empíricas o teóricas sólidas para adoptar determinadas
hipótesis sobre la verdadera estructura de costos o producción, la representación elegida
debería ser lo suficientemente flexible como para imponer la menor cantidad de restricciones,
3) Los parámetros deberían ser fácilmente estimables a partir de los datos e insumir la menor
cantidad de información posible ya que el consumo de parámetros podría derivar en un
problema de multicolinealidad, y 4) La forma funcional debe ser consistente con hechos
empíricos.
En este trabajo se opta por estimar dos formas funcionales (Cobb-Douglas y
Translogarítmica2), suponiendo en ambos casos que la eficiencia se mantiene constante en
el tiempo o time invariant (TI).
En la regresión con la forma funcional translogarítmica, los datos fueron expresados en
desviaciones respecto a sus medias muestrales (geométricas). Esto sólo cambia las unidades
de medida y no los datos en sí mismos. Como ventajas, los parámetros de primer orden
estimados en la función Traslog pueden ser interpretados directamente como estimaciones
de las elasticidades de producción de costos evaluadas en las medias muestrales (Coelli et al
2003).
IV. Datos
La base de datos fue construida utilizando información provista por las Gerencias de
Planeamiento y Control de Gestión y la Gerencia de Estudios Económicos del Banco Ciudad.
Los datos abarcan los meses comprendidos entre enero del 2008 hasta diciembre del 2014.
Sin embargo, algunas observaciones no han sido consideradas debido a la aparición de
valores negativos (es el caso de gastos administrativos por servicios durante algunos meses)
que automáticamente se desestiman al momento de aplicar logaritmos en la construcción de
las variables. Además algunas sucursales han sido inauguradas en el lapso considerado sin
contar con la serie completa de observaciones de todo el período, por lo que tampoco han
sido consideradas ya que se priorizó contar con un panel balanceado para realizar las
estimaciones. A su vez, se utilizaron como variables ambientales la tasa de desempleo y la
población de cada comuna a la que pertenece la sucursal según los datos de la Dirección
General de Estadísticas y Censos de la Ciudad de Buenos Aires (DGEyC). Debido a que no

1
En el caso de las funciones de costos: 1) no decreciente en el producto, 2) no decreciente y
linealmente homogénea en el precio de los factores, y 3) cóncava en el precio de los factores.
2
La función Translogarítmica es una aproximación de Taylor de segundo orden a cualquier función
continua de producción. Su principal ventaja es su mayor flexibilidad. La desventaja de este tipo de
función es la pérdida de eficiencia (por la cantidad de parámetros a estimar).

6
se cuenta con información similar para los municipios de la Provincia de Buenos Aires en los
cuales opera el banco, se han tenido que descartar las observaciones de las sucursales que
operen fuera de los límites de la Ciudad de Buenos Aires, dejando un total de 40 sucursales
bajo análisis.
Cuadro 1: Variables construidas
Variable Notación Construcción Variable en la estimación
Egresos financieros por depósitos + Gastos de
Costo C c= C/W3
personal + Gastos administrativos

Producto Y Ver Cuadro 2 Y

Insumo 1 X1 Personal en la sucursal

Insumo 2 X2 Tamaño de la sucursal

Insumo 3 X3 Stock de cuentas abiertas

Precio del insumo 1 W1 Gastos de personal / Personal w1=W1/W3

Precio del insumo 2 W2 Gastos administrativos / M2 w2=W2/W3

Egresos financieros por depósitos / Cantidad de

Precio del insumo 3 W3
cuentas

T=1,2,…,N, para los meses de enero 2008 a

Tendencia temporal T T
diciembre 2014 respectivamente

Mes=0,1,…,11 para los meses de enero a

Estacionalidad Mes Mes
diciembre respectivamente

Tasa de desempleo en la comuna a la

Ambiental 1 Desempleo Desempleo
pertenece la sucursal

Población de la comuna a la pertenece la

Ambiental 2 Población Población
sucursal

Fuente: Elaboración propia.

De esta manera, se logra una muestra algo más reducida, con un total de 3.360 observaciones
en el período antes mencionado. Las variables que se consideraron se encuentran detalladas
en el Cuadro 1.
Se realizó la regresión de los costos totales contra un índice de producción, tres precios de
insumos, una tendencia temporal, dos variables ambientales y el mes al que corresponde la
observación, con la finalidad de quitar los posibles efectos estacionales que puedan existir.
El índice de producción se elaboró considerando la colocación de una serie de productos que
se consideran relevantes para el banco a la hora de establecer sus objetivos trimestrales y
anuales. Estos productos son: la colocación de préstamos, las aperturas de cuentas
corrientes, las aperturas de cajas de ahorro, la colocación de tarjetas de crédito, la cantidad
de operaciones por caja y la colocación de seguros. Con el objetivo de sintetizar toda esta
información en un único indicador de producción mensual por sucursal, se utiliza la siguiente
fórmula:
𝛼 𝑦
(2) 𝑌𝑖𝑡 = ∑𝑛𝑗=1 max
𝑗 𝑖𝑗𝑡
𝑦 𝑗𝑡

7
Donde, 𝑌𝑖𝑡 es el índice de producción de la sucursal i en el período t; 𝛼𝑗 es el ponderador del
producto j; 𝑦𝑖𝑗𝑡 es el valor del producto j de la sucursal i en el período t; max 𝑦𝑗𝑡 es el máximo
valor observado del producto j en el total de sucursales en el período t. Los ponderadores 𝛼
de cada producto se construyeron en base a la importancia que le asigna internamente en el
banco a cada producto al momento de realizar la clasificación de sucursales por diferentes
tipos. Las ponderaciones se pueden observar en el Cuadro 2.
Cuadro 2: Ponderaciones de cada producto individual
Producto Ponderador
Colocación de préstamos 34.9%
Apertura de cuentas corrientes 34.9%
Apertura de cajas de ahorro 9.3%
Colocación de tarjetas de crédito 9.3%
Cantidad de operaciones de caja 9.3%
Colocación de Seguros 2.3%

Fuente: Elaboración propia.

Por el lado de los insumos, se consideraron tres: costo unitario del trabajo, capital y fondos
prestables, calculados en cada caso, como ratios entre el componente de costo y una
indicación del insumo (personal, m2 de la sucursal y cantidad de cuentas abiertas).
Cuadro 3: Estadística descriptiva

Variable Unidad de medida

Costo Mill. $ de 2014

Gastos de personal Mill. $ de 2014
Gastos administrativos Mill. $ de 2014
Egresos financieros por depósitos Mill. $ de 2014
Producto [0 1]
Colocación de préstamos Unidades
Apertura de cuentas Unidades
Apertura de cajas de ahorro Unidades
Apertura de cuentas corrientes Unidades
Colocación de servicios adicionales Unidades
Colocación de tarjetas de crédito Unidades
Colocación de seguros Unidades
Operaciones por caja Unidades
Personal Personas
Tamaño de la sucursal M2
Cantidad de cuentas Unidades
Saldo promedio de depósitos Mill. $ de 2014
Gastos de personal/personal $ de 2014 por persona
Gastos adm./M2 $ de 2014 por m2
Egresos financieros/Cuentas $ de 2014 por cuenta
Desempleo %
Población 100 mil personas

Fuente: Elaboración propia en base a BCBA y DGEyC.

8
 El nivel de todas las variables de costos, productos y precios de insumos se expresó en
logaritmos. Las funciones de costos estimadas son no decrecientes, linealmente homogéneas
y cóncavas en los insumos si los β estimados con respecto a los productos y a los precios de
los insumos (coeficientes de primer orden) son no negativos y satisfacen la restricción de que
la suma de los β sea 1 para todos los insumos considerados. Al dividir todos los precios de
los insumos por uno cualquiera de ellos, se garantiza el cumplimiento de los supuestos
anteriores.
Ello implicó utilizar un precio como numerario para imponer dicha homogeneidad, y es por ello
que todas las variables monetarias se encuentran divididas por el precio de los fondos
prestables.
En el Cuadro 3 se detallan todas las variables que se utilizaron en la regresión, como las
series que se utilizaron para construirlas.
V. Resultados
A. Estimación de diferentes funciones de costos
Siguiendo los precedentes en la literatura sobre estimaciones estocásticas de fronteras se
regresaron dos formas funcionales: la Cobb-Douglas (CB) y la Translogarítmica (TL). Se
evaluaron fronteras aplicando la metodología analítica de estimación de datos de panel, Time-
Invariant (TI), que considera la posibilidad de que los efectos de ineficiencia se mantengan
constantes en el tiempo.
En el Cuadro 4 se presentan los parámetros estimados de los dos modelos mencionados. Allí
puede observarse que los coeficientes de primer orden son significativos en ambos modelos
y sus signos son los esperados. Por su parte, en el modelo translogarítmico, los parámetros
asociados a los términos cuadráticos del producto y de los precios de los insumos no resultan
significativos, a excepción del cuadrado del producto y de la interacción del output con el
precio del primer insumo. A su vez, en ambos modelos, la significatividad del término lineal de
la tendencia temporal T, indica la presencia de un cambio tecnológico a lo largo del período
considerado, al tener un signo positivo, estaría indicando un aumento de los costos a lo largo
de dicha tendencia. Adicionalmente, en el modelo TL, el término coeficiente del término T2
muestra un signo negativo, indicando que dicho efecto sobre los costos se reduciría en el
tiempo.
Por otro lado, los altos valores de γ en cada caso, demostraron que buena parte del error
compuesto es explicado por la ineficiencia, aproximadamente el 98% en el modelo CB y poco
más del 95% en el modelo TL. Por su parte, las variables ambientales o de control, y la serie
que recoge la estacionalidad mensual, resultaron significativas en ambos modelos analizados.
El Cuadro 5 presenta los resultados en términos de eficiencia obtenidos en los diferentes
modelos. Los mismos muestran niveles medios de eficiencia similares (45%). El desvío
estándar se encuentra entre 46,4% y 47,2% de la media, dependiendo del modelo. En cuanto
a la distribución de frecuencias, se observa que el valor modal corresponde al rango de
eficiencias entre 40% y 50% para los modelos analizados. Más de la mitad de las sucursales
muestran niveles de eficiencia menores al 50% en ambos modelos bajo estudio.

9
 Cuadro 4: Resultados de los parámetros estimados en cada modelo
Time – Invariant
LnC
Cobb Douglas Translog
Lny 0.008 * 0.044 **
Lnw1 0.562 *** 0.605 ***
Lnw2 0.179 *** 0.225 ***
LnyLnw1 -0.060 *
LnyLnw2 -0.007

Lny2 -0.026 ***

Lnw12 0.045
Lnw1Lnw2 0.022

Lnw22 0.013
T 0.002 *** 0.036 ***

T2 0.000 ***
Mes 0.002 *** 0.003 ***
Desempleo -0.003 *** 0.010 ***
Población -0.082 *** -0.061 **
Constante 5.453 *** 9.344 ***
Mu 0.759 *** 0.747 ***
Lnsigma2 -0.783 *** -0.672 *
Ilgtgamma 3.960 *** 2.968 ***
Sigma2 0.457 0.511
Gamma 0.981 0.951
Sigma u2 0.448 0.486
Sigma v2 0.009 0.025
Sucursales 40 40
Observaciones 3360 3360

Nota:***,**,* representan niveles de significatividad del 1%, 5% y 10%,

respectivamente.
Fuente: Elaboración propia.

Para ver si los diferentes enfoques ubican en el ranking a las instituciones en

aproximadamente el mismo orden, se calcula el Coeficiente de Correlación de Spearman
(Cuadro 6). De ello resultó que los rankings son prácticamente idénticos entre los dos modelos
bajo estudio con una correlación del 99% en el ordenamiento de las sucursales.
Se comparan los dos modelos para establecer cuál de ellos representa mejor el fenómeno
bajo estudio de acuerdo a los datos de la muestra. Para ello, se realiza un test de Razón de
Verosimilitud (Likelihood Ratio Test), el cual compara la log-verosimilitud de un modelo
restringido (en este caso Cobb-Douglas) con la del modelo sin restringir (Translog). Si las
restricciones son válidas, éstas no deberían conducir a una gran reducción en la función de
log-verosimilitud. Asimismo, se calculan los criterios de información de Akaike y Bayesiano,
como otro análisis para determinar cuál es el modelo más adecuado.

10
 Cuadro 5: Eficiencia de costos para cada modelo: Frecuencias relativas (% de
sucursales en cada decil), media, y desvíos
Rango CD_TI TL_TI
90 – 100 2.5 2.5
80 – 90 5.0 2.5
70 – 80 7.5 10.0
60 – 70 10.0 7.5
50 – 60 10.0 15.0
40 – 50 20.0 17.5
30 – 40 15.0 15.0
20 – 30 17.5 17.5
10 – 20 10.0 10.0
0 – 10 2.5 2.5
Sucursales 40 40
Media 0.452 0.451
Desvío estándar 0.210 0.213
Máximo 0.984 0.977
Mínimo 0.059 0.057
Fuente: Elaboración propia

Al analizar los resultados, la mayor logverosimilitud y los menores valores de los criterios de
información sugieren que la versión CD es más apropiada para la muestra. En el Cuadro 7 se
presentan los valores de los test y de los criterios de información.
Cuadro 6: Coeficientes de correlación de Spearman
TL_TI CD_TI
TL_TI 1
CD_TI 0.993 1
Fuente: Elaboración propia

Analizando el mejor modelo, el CD según los resultados anteriores, los parámetros estimados
de primer orden muestran la elasticidad de los costos ante variación del índice de producto y
en los precios de los insumos. Asimismo, la significatividad del término lineal de la tendencia
temporal T, indica, al tener signo positivo, un aumento de los costos a lo largo del período.
Por otra parte, el valor de γ indica que la varianza total de los errores se explica en un 98%
por la varianza de las ineficiencias. En resumen, a partir de la significatividad de los
parámetros estimados, los test de verosimilitud realizados y los criterios de información
comparados, el modelo Cobb-Douglas resulta ser el más adecuado para representar el
fenómeno bajo estudio con los datos de la muestra.
Cuadro 7: Resultados de los Likelihood Ratio Tests y de los Criterios de información
de Akaike y Bayesiano
Log Grados de Criterio de Criterio Mejor
Likelihood Ratio Modelos
Likelihood libertad Akaike Bayesiano Modelo

LR chi2(7) = -3560.6 CD TI 3076.002 11 -6130.003 -6062.687 CD TI

Prob > chi2 = 1.0000 TL TI 1295.688 18 -2555.375 -2445.221
Fuente: Elaboración propia.

11
B. Sensibilidad de la estimación al cambio de output
Dado las discusiones en la literatura en cuanto a los outputs que deberían considerarse a la
hora de realizar las estimaciones, teniendo en cuenta los diferentes enfoques de producción
que existen en torno a las sucursales bancarias, se procede a realizar diferentes estimaciones,
variando el output seleccionado. Para esto consideramos la función del estilo CD, según fue
estimada en la sección anterior. Los productos seleccionados en las estimaciones están
resumidas en el Cuadro 8.
Cuadro 8: Outputs utilizados
Producto Construcción
Total Índice de producción

Colocación de toda clase de créditos (hipotecarios, personales,

Colocación de préstamos prendarios, retención de haberes y créditos a empresas banca de
individuos)

Apertura de cuentas Apertura de cajas de ahorro (en $ y USD) y cuentas corrientes

Servicios adicionales Colocación de tarjetas de crédito y seguros
Operaciones por caja Cantidad de operaciones por caja totales

Fuente: Elaboración propia.

Se eligieron los mencionados outputs teniendo en cuenta el enfoque de producción, el cual es

usualmente utilizado, de acuerdo a la literatura, para realizar análisis de eficiencia en
sucursales. En este enfoque, se define a las sucursales bancarias como productores de
cuentas de depósitos y préstamos. Sumamos al análisis, la colocación de productos
adicionales, como tarjetas de crédito y seguros, y el número de operaciones por caja. Los
resultados de las estimaciones pueden observarse en el Cuadro 9.
Puede observarse que los parámetros de los insumos resultan significativos en todos los
casos. Por su parte, las variables del output resultan significativas, a excepción del logaritmo
de la colocación de préstamos, el cual muestra también un signo contrario al esperado. Por
otro lado, las variables ambientales también resultan significativas en todos los casos,
mientras que la variable que representa el mes en curso, es significativa en todas las
regresiones, salvo en el caso en que se utiliza como output el logaritmo de la cantidad de
operaciones por caja. Finalmente, la significatividad del término lineal de la tendencia temporal
T, con signo positivo, muestra un aumento de los costos a lo largo del período.
En todos los modelos fue posible separar la variabilidad del error compuesto en una parte
explicada por la ineficiencia y otra por efectos aleatorios. De hecho, los altos valores de γ
demostraron que buena parte del error compuesto es explicado por la ineficiencia, en torno al
98%.
El Cuadro 10 presenta los resultados en términos de eficiencia obtenidos en los diferentes
modelos. Los mismos muestran niveles medios de eficiencia similares (45%). El desvío
estándar se encuentra entre 43,3% y 47% de la media, dependiendo del modelo. En cuanto
a la distribución de frecuencias, se observa que el modo corresponde al rango de eficiencias
entre 40% y 50% para los modelos analizados, a excepción del caso en que se toma la
cantidad de operaciones por caja como output de la estimación, en el cual el modo se
encuentra en el rango de eficiencia entre 30% y 40%. Más de la mitad de las sucursales
muestran niveles de eficiencia menores al 50% en ambos modelos bajo estudio.

12
 Cuadro 9: Resultados de los parámetros estimados en cada modelo
Cobb-Douglas Time-Invariant
LnC Colocación de Apertura Servicios Operaciones
Total
préstamos de cuentas adicionales por caja

Lny 0.008 * -0.006 0.021 *** 0.005 ** 0.105 ***

Lnw1 0.562 *** 0.561 *** 0.558 *** 0.561 *** 0.564 ***
Lnw2 0.179 *** 0.180 *** 0.180 *** 0.179 *** 0.177 ***
T 0.002 *** 0.002 *** 0.002 *** 0.002 *** 0.004 ***
Mes 0.002 *** 0.002 *** 0.002 *** 0.002 *** 0.001
Desempleo -0.003 *** -0.003 *** -0.003 *** -0.003 *** -0.002 *
Población -0.082 *** -0.084 *** -0.081 *** -0.081 *** -0.078 ***
Constante 5.453 *** 5.466 *** 5.380 *** 5.427 *** 4.409 ***
Mu 0.759 *** 0.746 *** 0.755 *** 0.751 *** 0.740 ***
Lnsigma2 -0.783 *** -0.736 ** -0.804 ** -0.771 ** -0.987 ***
Ilgtgamma 3.960 *** 4.009 *** 3.955 *** 3.974 *** 3.808 ***
Sigma2 0.457 0.479 0.448 0.463 0.373
Gamma 0.981 0.982 0.981 0.982 0.978
Sigma u2 0.448 0.471 0.439 0.454 0.365
Sigma v2 0.009 0.009 0.008 0.009 0.008
Sucursales 40 40 40 40 40
Observaciones 3360 3360 3360 3360 3360
Nota:***,**,* representan niveles de significatividad del 1%, 5% y 10%, respectivamente.
Fuente: elaboración propia.

Cuadro 10: Eficiencia de costos para diferentes productos: Frecuencias relativas (%

de sucursales en cada decil), media, y desvíos
Colocación de Apertura de Servicios Operaciones por
Rango Total
préstamos cuentas adicionales caja

90 - 100 2.5 2.5 2.5 2.5 2.5

80 - 90 5.0 5.0 2.5 5.0 5.0
70 - 80 7.5 7.5 10.0 7.5 5.0
60 - 70 10.0 10.0 10.0 10.0 12.5
50 - 60 10.0 10.0 12.5 10.0 15.0
40 - 50 20.0 20.0 20.0 20.0 17.5
30 - 40 15.0 15.0 12.5 15.0 20.0
20 - 30 17.5 17.5 17.5 17.5 17.5
10 - 20 10.0 10.0 10.0 10.0 2.5
0 - 10 2.5 2.5 2.5 2.5 2.5
Sucursales 40 40 40 40 40
Media 0.452 0.453 0.454 0.453 0.468
Desvío estándar 0.210 0.212 0.209 0.211 0.203
Máximo 0.984 0.984 0.984 0.984 0.984
Mínimo 0.059 0.057 0.060 0.059 0.073
Fuente: Elaboración propia

En el Cuadro 11 se observan los coeficientes de correlación de Spearman, con el objetivo de

analizar si los rankings de eficiencia muestran un ordenamiento similar de las sucursales, a
medida que se modifica el output utilizado en la estimación. De ello resultó que los rankings

13
 son prácticamente idénticos entre los dos modelos bajo estudio con una correlación cercana
al 100% en el ordenamiento de las sucursales.
Cuadro 11: Coeficientes de correlación de Spearman
Colocación de Apertura de Servicios Operaciones por
Total
préstamos cuentas adicionales caja

Total 1

Colocación de
0.999 1
préstamos

Apertura de cuentas 1.000 0.999 1

Servicios
1.000 0.999 1.000 1
adicionales
Operaciones por
0.998 0.998 0.998 0.998 1
caja

Fuente: Elaboración propia

C. Comparación de los resultados con ratios de productividad parciales

Con la intención de observar si los rankings de eficiencia obtenidos en la primera estimación
(función de costos del tipo CD, utilizando como output un indicador de producción), guardan
alguna relación con los rankings por sucursal que se derivan de medidas de productividad
parciales, calculamos coeficientes de correlación entre los mismos.
El Cuadro 12 muestra los resultados de los coeficientes de correlación entre los rankings
derivados de la estimación de eficiencia por medio de fronteras estocásticas, y los rankings
que surgen de diferentes medidas de productividad parcial. Por un lado, los resultados
exhiben que existe una relación negativa entre los rankings del modelo y los que derivan de
ratios de colocación de diferentes productos bancarios por empleado. A su vez, los resultados
muestran que hay una relación levemente positiva entre los rankings derivados de la
estimación de fronteras y los ratios de colocación de productos sobre m2 de la sucursal. Esto
estaría indicando que no necesariamente un incremento de colocación de producto por
empleado aumenta la eficiencia en costos de las sucursales, mientras que existe cierta
relación positiva, si bien leve, entre el incremento de colocación por m2, y el incremento de
eficiencia en costos.
Cuadro 12: Coeficientes de correlación entre ranking de eficiencia y diferentes
medidas de productividad parcial
Coef. de Coef. de
Indicador Indicador
corr. corr.
Préstamos / Personal -0.42 Gastos de personal / Personal 0.70
Préstamos / M2 0.16 Gastos de Administración / M2 0.50
Apertura de cuentas / Personal -0.47 Egresos fin. por dep. / Stock de
0.17
cuentas
Apertura de cuentas / M2 0.25
Personal -0.98
Serv. adicionales / Personal -0.62
M2 -0.79
Serv. adicionales / M2 0.08
Stock de cuentas -0.96
Operaciones por caja / Personal -0.30
Operaciones por caja / M2 0.36

Fuente: Elaboración propia.

Por otro lado, cuando comparamos el ranking de eficiencia derivado del modelo contra
algunos indicadores de costos de los insumos (gastos de personal sobre dotación, gastos de
administración sobre m2 y egresos financieros sobre cantidad de cuentas), que a su vez
fueron utilizados en la estimación de fronteras, notamos que hay una correlación positiva entre
los rankings de los mismos. Es decir, que las sucursales más eficientes según el modelo,
14
 enfrentan mayores precios promedio de los insumos. A su vez, si comparamos los rankings
de eficiencia contra medidas de tamaño de las sucursales o utilización de insumos (personal,
m2 y stock de cuentas), se observa una fuerte correlación negativa, indicando que las
sucursales más pequeñas resultan ser las más eficientes de acuerdo a los resultados del
modelo.
VI. Síntesis y Conclusiones
Siguiendo los precedentes en la literatura sobre estimaciones estocásticas de fronteras en el
trabajo se presentaron dos formas funcionales para estimar los costos de sucursales: la Cobb-
Douglas y la Translogarítmica. Los coeficientes de las estimaciones, en el modelo Cobb-
Douglas, resultan significativos, y los signos son los esperados de acuerdo a la teoría. En el
modelo Translog, los parámetros de primer orden resultan significativos y también con el signo
esperado. Por su parte, los parámetros asociados a los términos cuadráticos y las
interacciones no muestran en general evidencia de significatividad a excepción de la
interacción entre el producto y el precio del insumo trabajo y el término cuadrático del
producto.
Se compararon los modelos para establecer cual de ellos representa mejor el fenómeno bajo
estudio (utilizando el Likelihood Ratio Test y los criterios de información de Akaike y
Bayesiano) y de los test realizados surge que el modelo CD es el modelo más adecuado. Los
altos valores del coeficiente 𝛾 en las estimaciones, demostraron que casi la totalidad del error
compuesto es explicado por la ineficiencia sistemática (más del 95%).
A su vez, en ambos modelos, la significatividad del término lineal de la tendencia temporal T
indica, al tener un signo positivo, un aumento de los costos a lo largo del período de
estimación.
Los modelos estimados muestran similares niveles medios de eficiencia (45%). A su vez, el
desvío estándar se encuentra entorno al 47% en ambos modelos. Se observan distribuciones
de frecuencias similares para los efectos de ineficiencia, el valor modal corresponde al rango
de eficiencias entre 40% y 50%, mientras que más del 60% de las sucursales analizadas se
encuentran en niveles de eficiencia menores al 50%. Mientras que, el coeficiente de
correlación de Spearman indica que los rankings de eficiencia de las sucursales bajo análisis,
son prácticamente idénticos en los modelos econométricos estudiados.
Adicionalmente, se realizaron estimaciones de eficiencia para diferentes líneas de productos
que prestan las sucursales (préstamos, cuentas bancarias, servicios adicionales y
operaciones por caja), para testear la sensibilidad de los resultados ante cambios en los
outputs seleccionados. Los resultados son similares a los obtenidos anteriormente. Los
niveles medios de eficiencia se encontraron en niveles cercanos al 45%, mientras que los
desvíos estándar también resultaron similares en las diferentes estimaciones. Las
distribuciones de frecuencias también resultaron similares a los modelos previamente
analizados, mientras que el coeficiente de correlación de Spearman muestra que los rankings
de eficiencia de las sucursales son prácticamente idénticos sin importar el output que se
utilice.
Por último, se calcularon los coeficientes de correlación entre el ranking obtenido de la primera
estimación de eficiencia, en el cual se supone una función del tipo CD, y diferentes ratios de
productividad, precios de los insumos y medidas de tamaño de las sucursales. Los resultados
muestran una relación negativa entre el ranking de eficiencia y los ratios de colocación de
productos por empleado, mientras que se observan coeficientes de correlación ligeramente
positivos con los ratios de colocación de producto por m2. Adicionalmente, existe una relación
positiva entre la eficiencia estimada de las sucursales y los precios medios de los insumos, es
decir que las sucursales más eficientes enfrentan precios medios de los insumos más
elevados. Finalmente, se observa que las sucursales más eficientes resultarían ser las que
presentan un menor tamaño, en cuanto a dotación de personal, m2 y cantidad de cuentas
abiertas.

15
Los resultados sugieren que no necesariamente un incremento de colocación de producto por
empleado aumenta la eficiencia en costos de las sucursales. Por otra parte, la comparación
de los rankings de eficiencia contra medidas de tamaño de las sucursales o utilización de
insumos (personal, m2 y stock de cuentas), muestran una fuerte correlación negativa,
indicando que las sucursales más pequeñas resultan ser las más eficientes de acuerdo a los
resultados del modelo.
Como continuación de la investigación, sería relevante realizar un análisis de las economías
de escala en las sucursales del banco. Mientras que resultaría recomendable efectuar una
comparación de los resultados obtenidos con los que podrían obtenerse de una estimación
utilizando el método DEA (Data Envelopment Analysis), con la finalidad de comprobar la
consistencia de los resultados.

16
Apéndice
Gráfico A1: Eficiencia de costos para cada modelo: Frecuencias relativas (% de
sucursales en cada decil)

20%

18%

16%

14%

12%

10%

8%

6%

4%

2%

0%
0-10 10-20 20-30 30-40 40-50 50-60 60-70 70-80 80-90 90-100

TL_TI CD_TI

Fuente: Elaboración propia.

Gráfico A2: Eficiencia de costos para diferentes productos: Frecuencias relativas (%

de sucursales en cada decil)

25%

20%

15%

10%

5%

0%
0-10 10-20 20-30 30-40 40-50 50-60 60-70 70-80 80-90 90-100
Total Colocación de préstamos
Apertura de cuentas Servicios adicionales
Operaciones por caja

Fuente: Elaboración propia.

17
VII. Bibliografía
Athanassopoulus, A., A. Sotiriou & S. Zenios (1997), Disentangling Within- and Between-
Country Efficiency Differences of Bank Branches. Wharton, Financial Institutions Center 97-
17. the Wharton School, University of Pennsylvania.
Battese, G. E., & Coelli, T. J. (1995), A model for technical inefficiency effects in a stochastic
frontier production function for panel data. Empirical economics,20(2), 325-332.
Berger, A., y DeYonng, R. (1997), Problem loans and cost efficiency in commercial banks,
Journal of Banking and Finance 21
Berger A. & D. Humphrey (1997), Efficiency of Financial Institutions: International Survey and
Direction For Future Research. European Journal of Operational Research 98. Elsevier.
Bikker, J. & J. Bos (2008), Bank Performance. A Theoretical and Empirical Framework for the
Analysis of Profitability, Competition and Efficiency. Routledge International Studies in
Money and Banking.
Camanho, A., y R. Dyson (1999), Efficiency, size, benchmarks and targets for bank branches:
an application of data envelopment analysis, Journal of the Operational research Society
50, pp. 903-915.
Chaffai M.E. & M. Dietsch (2009), The effect of the environment on profit efficiency of bank
branches. En: Productivity in the Financial Services Sector. Edited by: Morten Balling,
Ernest Gnan, Frank Lierman y Jean-Pierre Schoder. SUERF Study 2009/4. A Joint
Publication UIT the Banque Centrale du Luxembourg y SUERF-The European Money and
Finance Forum, Viena. Larcier.
Chortareas G., C. Girardone & J. Garza-Garcia (2010), Banking Sector Performance in Some
Latin American Countries: Market Power versus Efficiency. Working Papers 2010-20,
Banco de México.
Coelli, T. J., A. Estache, S. Perelman y L. Trujillo (2003), A Primer on Efficiency Measurement
for Utilities and Transport Regulators, The World Bank, Washington DC, Estados Unidos
Coelli, T. J., Rao, D. S. P., O'Donnell, C. J., & Battese, G. E. (2005), An introduction to
efficiency and productivity analysis. Springer Science & Business Media.
Farell M. J. (1957), The Measurement of Productive Efficiency, Journal of the Royal Statistical
Society. Series A General, Part III:253-290.
Ferro, G., S. León, C. A. Romero y D. Wilson (2013), Eficiencia del sistema bancario argentino
(2005-2011). Anales de las Jornadas de la Asociación Argentina de Economía Política,
Rosario, 2013.
Gemmel, P., y F. Bourgonjon (2002), Efficiency benchmarking of bank branches for staffing
purposes using DEA, Vlerick Leuven Gent Management School, Bélgica.
Guala, F. (2002), Evaluating Bank Efficiency Using Cost Frontier and Quantile Regression
Analysis: The Case of Argentina in the Late 1990s. University of Illinois at Urbana
Champaign Department of Economics Working Paper.
Lema, D., Gatti, N., & Brescia, V. (2012), Eficiencia técnica y brechas tecnológicas en la
ganadería argentina: Estimación por metafrontera de producción. Anales de la Asociación
Argentina de Economía Política (AAEP). Trelew, Argentina.
López, J., A. Appennini & S. Rossi (2002), Are Italian Mutual Banks Efficient? Evidence from
two Different Cost Frontier Techniques. In Italian Mutual Banks: Performance, Efficiency
and Mergers and Acquisitions, Foreword by Roberto Di Salvo. SUERF Study 15. Société
Universitaire Européenne de Recherches Financéres. Vienna.
Moya, R. (2012), Productividad del sistema financiero argentino: ¿son los bancos públicos
eficientes?. Documento de Trabajo N° 117. FIEL. Buenos Aires.

18
Pastor, J., C. Knox Lovell & Henry Tulkens (2003), Evaluating the Financial Performance of
Bank Branches. CORE Discussion Paper 2003-94.
Rahman, M.M. & A. N. M. Tawhidul Islam (2011), Stochastic Frontier Approach to Estimate
Branch-wise Cost and Profit Efficiency of Islami Bank Bangladesh Limited (IBBL).
Sherman H. & F. Gold (1985), Bank Branch Operating Efficiency. Journal of Banking and
Finance, 9(2): 297-315.
Stavárek, D. (2005), Efficiency of Banks in Regions at Different Stage of European Integration
Process. Silesian University in Opava, School of Business Administration in Karviná,
Department of Finance.
Van Hose, D. (2010), The Industrial Organization of Banking. Bank Behavior, Market Structure
and Regulation. Springer.
Yavas, B., y D. Fisher (2005), Performance Evaluation of Commercial Bank Branches Using
Data Envelopment Analysis, Journal of Business and Management 11, pp. 89-102.
Zenios, C., S. Zenios, K. Agathocleous y A. Soteriou (1999), Benchmarks of the Efficiency of
Bank Branches, Interfaces 29, pp. 37-51.
Zoric, J. (2006), Cost efficiency and regulation of Slovenian water distribution utilities: an
application of stochastic frontier methods”. PhD Thesis. Lugano: Lugano University.

19