GRUPO XXX

CORRELACIÓN ENTRE EL CICLO ECONÓNICO Y LA MOROSIDAD DE CAJA

AREQUIPA

1. Introducción

Las instituciones financieras firmes y robustas son necesarias en el

funcionamiento de una economía sana posibilitando que los recursos financieros

circulen enérgicamente de los agentes con exceso de liquidez a los deficitarios

facultando un mayor número de proyectos, inversiones y consumo (Aguilar,

Camargo, & Morales, 2004). Una actividad habitual de las entidades financieras es

la concesión de créditos a empresas y a familias. Dicha actividad supone un riesgo

para estas instituciones pues siempre existe una cierta probabilidad de que un crédito

se convierta primero en dudoso, luego en moroso y por último, en fallido, lo que de

ocurrir provoca un deterioro en el balance de esas entidades. La persistencia de una

situación de continuos morosos y fallidos puede acarrear la quiebra de alguna

entidad financiera y, en consecuencia, desencadenar una pérdida de confianza y de

estabilidad en el sistema financiero (Freixas, Hevia, & Inurrieta, 1994).

A través del presente trabajo nuestro grupo buscará explicar la correlación

existente entre las variables PBI y TAMN con el indicador de morosidad de Caja

Arequipa, la motivación del análisis se da a partir de la congruencia con nuestro

tema de tesis, al revisar la importancia de los factores macroeconómicos que

influyen en el desempeño de los indicadores de morosidad de las instituciones

financieros, por tanto, es lógico pensar que existan importantes oscilaciones cíclicas

en los créditos morosos de las entidades financieras. Dicha variable puede constituir

pues, un indicador del efecto que tiene el ciclo económico sobre el valor de los
 activos de estas entidades (los créditos) lo que puede constituir un indicador de su

riesgo de quiebra.[ CITATION Gui18 \l 10250 ]

El desarrollo del trabajo aplicativo final se ejecutó con datos de

comportamiento mensual de la morosidad de cada segmento de destino del crédito

bajo un estudio de tipo descriptivo donde se utilizó el modelo VAR. Los datos

estadísticos utilizados, registrados como morosidad de cartera de créditos de Caja

Arequipa, competen al periodo comprendido entre enero del 2011 a diciembre del

2020. Para lograr probar o descartar dicha correlación hemos utilizado el método

econométrico VAR o de vectores auto regresivos. Dicho método permite hacer una

evaluación sobre correlación entre una variable independiente, en nuestro caso el

PBI; y una variable dependiente, la morosidad; teniendo una referencia que se

mantiene constante, la tasa de interés activa en el crédito consumo.

Es en este contexto en el que nos planteamos como pregunta a sustentar la

siguiente: ¿qué tipo de relación existe entre la variación del PBI y la morosidad del

crédito consumo bajo la influencia de la Tasa de Interés Activa en Caja Arequipa?

2. Desarrollo del ensayo

2.1. Evidencia

El trabajar con un modelo de vectores autorregresivos nos permite la

estimación de la función de impulso respuesta y el análisis de la causalidad de

Granger, lo que nos dice si las variables en cuestión, en este caso el PBI, aporta

información relevante para poder predecir a la morosidad en los créditos de

consumo. De la misma manera, el modelo nos permitirá realizar la descomposición

de la varianza, lo que nos permitirá ver cuánto de la variabilidad de la morosidad en

crédito de consumo es explicada por la variabilidad del PBI.

2.2. Estimaciones econométricas

2.2.1. El modelo de vectores auto regresivos (VAR) como metodología de

desarrollo

El modelo de Vectores Auto Regresivos (VAR) es un método

econométrico que aplica vectores de variables en la que cada una de estas

está expresada en función de sí misma y de todas las otras. Esta

metodología se enmarca dentro de modelos de serie de tiempo, por lo que

debemos de disponer de la evolución histórica de las variables en análisis.

[ CITATION Frk16 \l 10250 ]

La particularidad de los modelos VAR es que puede darse para

dos fines. El primero, y por lo que fue elaborado, es para determinar

causalidad entre las variables, lo que llamamos VAR estructural (SVAR).

Para poder realizar esta modelización se requieren supuestos específicos

sustentados por la teoría económica con el fin de determinar bien las

relaciones de endogeneidad de las variables.

Y el segundo, es la utilidad de estos modelos para predecir los

valores de las variables, cuantificando las respuestas a los shocks en el

sistema. Asimismo, permite realizar un análisis de correlación y causalidad

de Granger [CITATION Gus10 \l 10250 ]

El trabajar con un modelo de vectores autorregresivos nos permite

la estimación de la función de impulso respuesta y el análisis de la

causalidad de Granger, lo que nos dice si las variables en cuestión, en este

caso el PBI, aporta información relevante para poder predecir a la

morosidad en los créditos colocados por Caja Arequipa. De la misma

 manera, el modelo nos permitirá realizar la descomposición de la varianza,

lo que nos permitirá ver cuánto de la variabilidad de la morosidad en

crédito de consumo es explicada por la variabilidad del PBI.

2.2.2. Construcción del modelo econométrico

2.2.2.1. Test de raíz unitaria

Para poder realizar un modelo VAR, en primer lugar, debemos

de aplicar prueba de raíz unitaria con el fin de ver si las series de las

variables son estacionarias. Los test para verificar esta característica son

los Test Dicky - Fuller aumentado. En el caso de que las variables sean

no estacionarias, se deberá transformar las series ya sea en logaritmos o

en términos de su primera diferencia y luego volver a aplicar los test

mencionados (Tab. 1, 2, 3). Como resultado del proceso, observamos que

las tres variables consideradas no muestran estacionariedad ello debido a

que los p – value por variable es mayor al 5% , por lo que debemos

calcular la primera diferencia para hallar estacionalidad, lo cual es

corroborado al ejecutar la prueba de raíz unitaria (Graf 1).

2.2.2.2. Determinación de números de rezagos

Al modelo VAR determinado ejecutamos el proceso de Lag

Lenght Criteria con el objetivo de que nos indique la cantidad optima

de rezagos que debemos incluir para el modelo, la tabla 4 nos indica

que la cantidad de rezagos optimas para el modelo VAR es de 1

rezago, lo indicado se puede constatar en el resultado contenido en los

anexos.

Al evaluar los indicadores de Akaike y Schwarz,

consideramos que entre los rezagos 2 y 3, el indicador mejoraba

 considerablemente al ejecutar 1 rezago, por lo que decidimos

continuar el modelo considerando un único rezago.

2.2.2.3. Ejecución del modelo VAR

Habiendo determinado la existencia de estacionariedad de las

variables y calculado la cantidad de rezagos optimos para la

determinación del modelo procedemos a evaluar los resultados y

observamos que los coeficientes si bien algunos muestran pendientes

negativas el modelo nos brinda la suficiencia para poder determinar la

composición de las ecuaciones.

2.2.2.4. Condición de estabilidad del modelo

Continuando con la determinación del modelo VAR, se realizó una

prueba de estabilidad por lo que a través del grafico de raíces

cuadradas

(AR Roots Graph), observamos que los valores de las raíces sean

menores a la unidad y caigan dentro del circulo unitario, como

podemos observar en el (Graf. 2), las raíces cumplen con la premisa

de estar incluidos en el circulo unitario, de esta prueba podemos

concluir que el modelo muestra estabilidad y nos permitirá validar los

resultados de convergencia y de los que se obtendrán de la función de

impulso respuesta. En resumen, quiere decir que nuestro modelo no

será explosivo.

2.3. Discusión de resultados

Los resultados de la aplicación de un modelo VAR de la morosidad en

créditos de Caja Arequipa y el ciclo económico influenciado por una variable

de control, la tasa de interés activa en moneda nacional; como se dijo estarán

orientado al análisis de las correlaciones entre las dos variables de interés.

Ello se realizará con la función de impulso-respuesta y la

descomposición de la varianza.[ CITATION Frk16 \l 10250 ]

2.3.1. Función Impulso – Respuesta

La función de impulso respuesta consiste en determinar cuál es el impacto

que tiene el incremento de una desviación estándar de una de las variables

sobre otra. Para poder comprobar la hipótesis planteada en el trabajo de

investigación, observaremos cuál es la respuesta que tiene la morosidad en

crédito de consumo del incremento en una desviación estándar de la

variable que representa al ciclo. [ CITATION Gui18 \l 10250 ].

A partir de la función de impulso respuesta, hemos extraído la

relación de las variables morosidad y PBI, por lo cual mostramos en el

siguiente grafico dicha relación, como podemos observar las desviaciones

estándar del modelo se ubican en la parte positiva del plano, lo que nos

indicaría que el modelo explica relación existente entre las variables por al

menos tres periodos continuos, posterior a ello el modelo pierde fuerza y la

tendencia se hace imperceptible, a partir de lo indicado estos resultados

sugieren que el PBI, expresada en la variable tomada en el modelo, no es

tan determinante para explicar valores futuros de la morosidad. Sin

embargo, el hecho de que a partir del segundo periodo su volatilidad sea

explicada en parte por el PBI y la TAMN, señala que existe una dinámica

entre esas variables y la morosidad, aunque débil.

Gráfico 4: Función Impulso-Respuesta

 Vale decir que los resultados del modelo, no son concluyentes, en

el sentido que se necesitaría tener un modelo más completo con más

variables de corte microeconómico que tengan efectos sobre la morosidad.

3. Conclusión

El trabajo efectuado mediante los datos y apoyados en el marco teórico, en

primer lugar expresan que existe una relación inversa entre el ciclo económico y la

morosidad en el crédito de consumo, ello nos da a entender que ante la mejora de

factores macroeconómicos que estimulen la capacidad de adquisición y de pago de

las unidades que intervienen en la economía, dicho efecto se ve reflejado

inversamente en las variaciones negativas de los ratios de morosidad,

específicamente para el caso de Caja Arequipa.

Se concluye que las estimaciones tienen un mayor efecto en la primera

etapa debido a que dentro de un ciclo económico, aparecen diversos factores y

eventos externos empiezan a explicar mejor la morosidad y hacen menos relevante a

nuestra variable. Además que debemos considerar que el comportamiento de la

banca enfocada a la microempresa depende de economía familiar, siendo esta un

factor determinante en el grado de consumo, lo cual se ve puede ver afectado por

otros factores subjetivos y especulativos durante crisis y eventos volátiles externos.

Con respecto a la tasa de interés activa en moneda nacional se observó una

variación en un porcentaje mayor a la variabilidad de la morosidad. Por otro lado, es

importante indicar que el modelo al dar resultados cortoplacistas no permite incluir

 otras variables tales como cambios en políticas económicas que pueden afectar la

tendencia de las variables.

El desarrollo propio del trabajo, así como la lectura de literatura asociada al

tema nos ha permitido ampliar el conocimiento respecto a los diversos modelos

econométricos, los cuales cuentan con características únicas en función del objetivo

que la investigación requiera, sin duda lo aprendido hoy servirá para robustecer el

contenido de la tesis que nuestro grupo elabora en aras de obtener el grado de

magister.

4. Referencias bibliográficas

Agapito, A. (2010). DETERMINANTES DEL CRÉDITO DE CONSUMO POR TIPO

DE INSTITUCIÓN FINANCIERA EN EL PERÚ.
Elescano, A., & Agüero, Y. (2004). MODELOS ARCH: UNA APLICACIÓN EN EL
PRONÓSTICO DE LA VOLATILIDAD DE ACCIONES COTIZADAS EN
LA BOLSA DE VALORES DE LIMA. PESQUIMAT - UNMSM, 64-79.
Frkovich Cortina, I., Jara Albujar, V. E., & Rodriguez. (2016). Correlación entre el
ciclo económico y la morosidad del crédito consumo bajo la influencia de la tasa
de interés activa de la banca múltiple en el Perú entre los años 2009 – 2014.
Guillén, E., & Peñafiel, L. (2018). Modelos predictor de la morosidad con variables
macroeconómicas. Revista Ciencia UNEMI , 13-24.
Gujarati, D. (2012). Econometrics by Example. London: Palgrave Macmillan.