SBS Documentos de Trabajo Este documento expresa el punto de vista del

autor y no necesariamente la opinión de la

© 2022 Superintendencia de Banca, Seguros y
Superintendencia de Banca, Seguros y Administradoras Privadas de Fondos de
Pensiones.
Administradoras Privadas de Fondos de
Pensiones.

DT/04/2022 SUPERINTENDENCIA DE BANCA, SEGUROS Y ADMINISTRADORAS PRIVADAS DE

FONDOS DE PENSIONES (SBS)

Garantías gubernamentales y la oferta de crédito: El caso Reactiva Perú*

Claudia Mendoza1 Bryan Gutiérrez2

SBS - Departamento de Investigación University of Minnesota
Económica

Daniel Romero3
SBS - Departamento de Investigación
Económica

Aprobado por Renato Ravina

Diciembre, 2022
Resumen

Reactiva Perú es un programa de créditos con garantía gubernamental que fue diseñado con el objetivo
de evitar un quiebre en la cadena de pagos. Los cambios en los porcentajes de cobertura otorgados por
este programa nos permiten calcular la elasticidad de la oferta de crédito respecto a las garantías
gubernamentales. Del análisis de los montos de créditos otorgados en torno a cada punto de quiebre en
los porcentajes de cobertura establecidos en el programa, encontramos que Reactiva Perú tuvo un
impacto positivo sobre la oferta de crédito alrededor de los umbrales de S/300 mil, S/750 mil y S/5
millones. Una comparación entre los créditos otorgados bajo el programa Reactiva y un conjunto de
créditos comparables otorgados durante el 2019 proporciona mayor soporte a nuestros resultados.

Clasificación JEL: G21, G28, H81

Palabras clave: garantías gubernamentales, oferta de crédito, elasticidad
E-Mails: cmendozar@sbs.gob.pe, gutie366@umn.edu, dromerov@sbs.gob.pe

* Cualquier error u omisión queda bajo responsabilidad exclusiva de los autores.

1
Claudia Mendoza es Analista del Departamento de Investigación Económica de la SBS (Lima, Perú)
2
Bryan Gutiérrez es estudiante del Phd en Finanzas de la Universidad de Minnesota
3
Daniel Romero es Analista del Departamento de Investigación Económica de la SBS (Lima, Perú)
Garantías gubernamentales y la oferta de crédito: El

*
caso Reactiva Perú

„
Claudia Mendoza

…
Bryan Gutiérrez

Daniel Romero
Ÿ

December 29, 2022

Abstract
Reactiva Perú es un programa de créditos con garantía gubernamental que fue diseñado
con el objetivo de evitar un quiebre en la cadena de pagos. Los cambios en los por-
centajes de cobertura otorgados por este programa nos permiten calcular la elasticidad
de la oferta de crédito respecto a las garantías gubernamentales. Del análisis de los
montos de créditos otorgados en torno a cada punto de quiebre en los porcentajes de
cobertura establecidos en el programa, encontramos que Reactiva Perú tuvo un impacto
positivo sobre la oferta de crédito alrededor de los umbrales de S/300 mil, S/750 mil y
S/5 millones. Una comparación entre los créditos otorgados bajo el programa Reactiva
y un conjunto de créditos comparables otorgados durante el 2019 proporciona mayor
soporte a nuestros resultados.
* Cualquier error u omisión queda bajo responsabilidad exclusiva de las autores.
„ SBS - Departamento de Investigación Económica
… University of Minnesota
Ÿ SBS - Departamento de Investigación Económica

1
1 Introducción
La pandemia ha generado respuestas de política económica sin precedentes en casi todos

los países. Uno de los programas más utilizados fue el de créditos con garantía estatal a las

empresas del sector real. A pesar de su reciente crecimiento, la evidencia de sus consecuencias

sobre el equilibrio de los mercados crediticios es limitada aún debido principalmente a la

inexistencia de datos detallados y de intervenciones a gran escala que permitan brindar

luces sobre el tema. Este documento presenta evidencia sobre la respuesta de la oferta de

crédito ante cambios en las garantías gubernamentales. Para ello, se estudia el programa de

créditos con garantía estatal de Reactiva Perú, diseñado como parte del plan de reactivación

económica del Gobierno Peruano para enfrentar los efectos económicos adversos generados

por el Covid-19. En especíco, este documento busca medir la magnitud de la respuesta

de la oferta de crédito ante incrementos en la magnitud de las garantías gubernamentales

mediante el cálculo de elasticidades.

Bajo un modelo teórico que interrelaciona el rol del sistema nanciero con el rol del gob-

ierno, basado en Bachas et al. (2021), se muestra que las elasticidades obtenidas permiten

determinar si el programa cumple con el objetivo de expandir la oferta de crédito o no. La

estrategia de estimación planteada, también basada en el trabajo de Bachas et al. (2021), nos

permite recuperar las elasticidades a partir de los cambios en los porcentajes de cobertura

alrededor de umbrales determinados por el diseño del programa. Por ejemplo, durante la

primera etapa del programa Reactiva, los créditos de hasta S/30 mil recibían una cobertura

estatal del 98%; mientras que los créditos por encima de este monto, 95%.
1
Los resultados indican que un incremento de 1 punto porcentual en la garantía neta alrede-

dor del umbral de S/300 mil genera un aumento de S/29.6 mil en el volumen de cada préstamo

otorgado. Para el caso de los umbrales de S/750 mil y S/5 millones, los aumentos corre-

spondientes son de S/46.8 mil y S/1.9 millones, respectivamente. A partir de un análisis

de placebo, utilizando la distribución de créditos del 2019 comparable a la distribución de

créditos Reactiva, encontramos más evidencia a favor de que la introducción del programa

Reactiva indujo una mayor oferta de crédito; en particular, se otorgó un número consider-

ablemente mayor de créditos por montos cercanos a los S/750 mil y los S/5 millones bajo el

programa Reactiva comparado a lo observado durante el 2019.

El resto del documento está organizado de la siguiente forma. La sección 2 presenta la

literatura relacionada. La sección 3 describe las características institucionales del programa

peruano de garantías de crédito Reactiva Perú. La sección 4 presenta el modelo teórico

1 Lacual es igual al porcentaje de cobertura estatal multiplicado por la probabilidad de incumplimiento

de los créditos otorgados.

2
sobre el cual se basa la estrategia empírica detallada en la sección 5. La sección 6 describe

las bases de datos utilizadas y la sección 7 exhibe los resultados. La sección 8 presenta

un análisis de placebo utilizando la distribución de créditos durante el 2019 y la sección 9

contiene las conclusiones.

2 Literatura Relacionada
La literatura empírica sobre los programas de garantías es reciente y se encuentra en crec-

imiento. Tres factores han limitado el desarrollo de estudios relacionados a estos programas:

en primer lugar, la inexistencia de programas a gran escala que permitan estudiar los tópicos

en cuestión. En segundo lugar, la limitada disponibilidad de datos granulares para poder

identicar los impactos a nivel individual. Finalmente, la falta de desarrollo de metodologías

empíricas que estimen efectos causales sobre estos temas.

Se ha identicado un grupo de estudios que se enfoca en la relación entre los programas de

garantías y el incumplimiento de los créditos. Uno de los primeros estudios inuyentes sobre

el tema es el de Lelarge, Sraer y Thesmar (2010). Los autores estudian los efectos de un

programa de garantías sobre pequeñas y medianas empresas en Francia a partir de un cambio

en las industrias elegibles para el programa; en particular, utilizan a las empresas que fueron

elegibles desde un principio como grupo de control para analizar el comportamiento de las

nuevas empresas elegibles antes y después del cambio. Los resultados indican que, si bien

las empresas que accedieron al programa enfrentan menores gastos por intereses y crecen

a una tasa más alta que rmas similares, también incrementan de manera signicativa su

probabilidad de incumplimiento o default.

Por otro lado, Uesegui et al. (2010) utiliza técnicas de emparejamiento para analizar el efecto

causal de los programas de garantías en Japón y, al igual que en el estudio anterior, encuen-

tran que las empresas que participan en el programa exhiben mayores casos de insolvencia

e incumplimiento comparadas a las empresas fuera del programa. D'Acunto, Tate, y Yang

(2017) se enfocan en el canal de riesgo moral al estudiar los programas de garantías para

startups en Estados Unidos. El principal hallazgo de dicho documento es que detectan un

desempeño deciente cuando la decisión de otorgar préstamos se delega por completo a los

prestamistas privados, ya que tienen limitados incentivos para seleccionar y monitorear ade-

cuadamente los préstamos debido a la garantía gubernamental que respalda los préstamos.

Para el caso de Chile, Mullins y Toro (2017) explotan la discontinuidad en la elegibilidad

de los participantes en el programa de garantías de Pymes para identicar el efecto causal

sobre la toma de préstamos y el incumplimiento del pago de los mismos por parte de los

3
deudores. A diferencia de los documentos previos, sus resultados no muestran incrementos

sustanciales en las probabilidades de default de las empresas participantes. Adicionalmente,

encuentran que los programas de garantías crean nuevas relaciones bancarias, lo cual termina

beneciando aún más a las rmas.

Otro grupo de estudios se ha enfocado en los efectos sobre variables reales de los programas

de garantías. De Blasio et al. (2017) evalúan el programa de garantías italiano para Pymes

y para esto explotan el hecho de que los participantes son elegibles de acuerdo a un sistema

de score. Así, utilizando regresiones discontinuas, encuentran que el programa fue efectivo

para mejorar el ujo de préstamos hacia empresas, las cuales utilizaron el crédito para -

nanciar capital de trabajo. Por su parte, Brown y Earle (2016) analizan data histórica del

programa más grande de garantías de Estados Unidos utilizando la dispersión geográca que

existía en los lugares donde se otorgaban los créditos gubernamentales. Entre los hallazgos

se destacan efectos positivos sobre el empleo y que dichos efectos son más grandes espe-

cialmente para empresas que se encuentran en localidades con condiciones crediticias laxas.

Complementariamente, Barrot et al. (2019) utilizan la exogeneidad en el tratamiento de las

distintas regiones dentro de Francia y encuentran un efecto signicativo sobre las trayectorias

de empleo e ingresos de los trabajadores. En particular, los trabajadores expuestos al pro-

grama experimentan en promedio mayores ingresos acumulados y menores probabilidades

de quedar desempleados en comparación a los trabajadores no expuestos. Asimismo, docu-

mentan que los benecios que se generan en el mercado laboral compensan el costo incurrido

por los incumplimientos. Más recientemente, Gonzales-Uribe y Wang (2020) explotan la

discontinuidad del programa de garantías implementado en Reino Unido durante la gran

recesión de 2008-2009 y se enfocan en los efectos sobre el sector real, en especíco, sobre el

desempeño de las empresas y su probabilidad de sobrevivencia durante dicho episodio. Sus

resultados sugieren que las garantías ayudan a mitigar el impacto económico de las crisis

nancieras.

Finalmente, Bachas, Kim y Yannelis (2021) estudian cómo los préstamos garantizados por

el gobierno estadounidense afectan la oferta de crédito a pequeñas empresas. Utilizando el

diseño del programa de garantías de la Agencia Federal para el Desarrollo de la Pequeña

Empresa (SBA) los préstamos de hasta $150,000 reciben porcentajes de cobertura mayores

a los préstamos por encima de ese monto estiman la elasticidad de la oferta de crédito
2
respecto a la garantía neta . Sus resultados proporcionan evidencia de que los programas de

garantías ayudan a expandir el crédito y no funcionan solamente como colaterales ante las

pérdidas crediticias incurridas. Este último estudio es el que será usado como base para el

2 La garantía neta es igual al porcentaje de cobertura multiplicado por la probabilidad de default del
crédito menos el costo que asumen las entidades nancieras por participar en el programa.

4
presente documento.

3 Diseño del programa Reactiva Perú

Reactiva Perú es un programa de garantías gubernamental creado en abril de 2020 con

el objetivo proporcionar una respuesta rápida y efectiva a las necesidades de liquidez que

enfrentan las empresas ante el impacto del Covid-19, y de mantener la cadena de pagos

en la economía ante las paralizaciones de las actividades económicas provocadas por los

connamientos establecidos para frenar los contagios. El Gobierno Nacional, a través del

Ministerio de Economía y Finanzas (MEF), garantiza los créditos colocados por las entidades

del sistema nanciero a las micro, pequeñas, medianas, grandes empresas y corporaciones

con el n de asegurar la continuidad en la cadena de pagos. De esa manera, estas puedan

acceder a créditos de capital de trabajo y cumplir con sus obligaciones de corto plazo con sus

trabajadores y proveedores de bienes y servicios. El programa contó con dos etapas, para

cada una de las cuales se destinaron recursos por S/ 30,000 millones; es decir, el monto total

ascendió a S/ 60,000 millones, equivalente al 7.7% del PBI 2019 del Perú.

Reactiva Perú cuenta con varias características que son relevantes para este estudio. En

primer lugar, la tasa de cobertura depende del monto del préstamo de forma discontinua

y diere entre las distintas etapas del programa. Así, en la primera etapa se dispuso que:

aquellos préstamos que no exceden los S/ 30,000 obtienen una garantía de 98%, los que se

encuentran entre S/ 30,001 y S/ 300,000 y entre S/ 300,001 a S/ 5'000,000 tienen una tasa de

95% y 90%, respectivamente. Finalmente, los préstamos entre S/ 5'000,001 a S/ 10'000,000

monto máximo del crédito tienen una cobertura de 80%. En la segunda etapa, los rangos

que cubren las garantías cambiaron: los préstamos que no exceden los S/ 90,000 obtienen

una garantía de 98%, los que se encuentran entre S/ 90,001 y S/ 750,000 y entre S/ 750,001

a S/ 7'500,000 tienen una tasa de 95% y 90%, respectivamente. Finalmente, los préstamos

entre S/ 7'500,001 a S/ 10'000,000 monto máximo del crédito tienen una cobertura de

80%. La Tabla 1 presenta un resumen de las tasas de cobertura por monto de crédito para

las dos etapas del programa. En segundo lugar, los préstamos solo pueden ser otorgados en

moneda nacional. En tercer lugar, en la primera etapa del programa, el monto máximo de

préstamo permitido por empresa fue equivalente a tres veces el aporte al Seguro Social de

Salud del Perú (Essalud) de los periodos tributarios de 2019, o un mes de ventas promedio
3
mensual de ese mismo año , lo que resulte mayor. Asimismo, para el caso de microempresas,

solo podía ser aplicable el criterio de ventas. Sin embargo, estas pautas cambiaron para la

segunda etapa del programa, pues, en esta el monto máximo del préstamo no puede superar

3 Registrado en la Superintendencia Nacional de Aduanas y de Administración Tributaria (SUNAT)

5
el promedio de tres meses de ventas de 2019. Además, para las microempresas, dicho monto
4
no puede superar dos meses promedio de deuda de 2019 o S/ 40,000 . Referente a esto
5
último, para las microempresas comprendidas en el Nuevo Régimen Único Simplicado , la

suma total del préstamo no puede ser mayor a tres meses sus ingresos o compras promedio

mensual de 2019. En cuarto lugar, para que se obtenga la garantía, el plazo inicial del crédito

no debe superar los 36 meses, incluyendo un periodo de gracia de hasta 12 meses.

Para calicar a un préstamo de Reactiva Perú, las empresas deben contar con una serie de

requisitos: i) no deben tener deudas tributarias administradas por la autoridad tributaria

del Perú (SUNAT) en periodos anteriores al 2020, exigibles en cobranza coactiva por un

monto mayor a S/4,300 al momento de solicitar el crédito, ii) a febrero de 2020, las empresas

deben estar clasicadas, en la central de riesgo de la SBS, en la categoría de Normal o Con

Problemas Potenciales, iii) si las empresas no cuentan con clasicación a dicha fecha, no

haber estado en una categoría diferente a la Normal en los 12 meses previos a la concesión

del préstamo, y iv) no estar vinculadas a la empresa del sistema nanciero que le otorga
6
el crédito, ni a empresas comprendidas en el ámbito de la Ley 30737 . Para la segunda

etapa del programa se agregaron los siguientes requisitos: i) las empresas no deben estar

sometidas a procesos por delitos de corrupción y conexos o cuyos representantes estén siendo

investigados por dichos delitos, excepto aquellos que hayan cumplido con el pago de la

reparación civil, ii) no deben haberse acogido al Procedimiento Acelerado de Renanciación

Concursal, creado mediante Decreto Legislativo N° 1511, y iii) no deben estar inhabilitadas

por el Tribunal de Contrataciones del Estado. Adicionalmente, las empresas no pueden

utilizar los préstamos del programa para adquirir activos jos, instrumentos nancieros o

realizar aportes de capital; o para pagar o pre-pagar obligaciones nancieras antes de pagar

los préstamos cubiertos con la garantía.

En marzo 2021, debido a una nueva ola de casos de Covid-19 en Perú y a las dicultades de

las empresas para hacerle frente a sus obligaciones ante el proceso paulatino de reapertura de

las actividades económicas, el Gobierno aprobó la reprogramación de créditos otorgados bajo

el programa. Esta implica un nuevo cronograma de pago con un plazo máximo de 12 meses

de periodo de gracia, tiempo en el cual se paga los intereses y las comisiones correspondientes.

Culminado dicho periodo, las empresas deben iniciar el repago de la deuda en un plazo entre

4 Según los parámetros establecidos por la Superintendencia de Banca, Seguros y AFP (SBS).
5 Es un régimen tributario creado para los pequeños comerciantes y productores, el cual les permite el
pago de una cuota mensual jada en función a sus compras y/o ingresos, con la que se reemplaza el pago
de diversos tributos. Está dirigido a personas naturales que realizan ventas de mercaderías o servicios a
consumidores nales. También pueden acogerse las personas que desarrollan un ocio.
6 Ley que asegura el pago inmediato de la reparación civil a favor del Estado Peruano en casos de corrupción
y delitos conexos.

6
 7
24 y 36 meses . Asimismo, la tasa de interés es la misma que tuvieron los créditos originales

más un margen adicional para cubrir el costo de la reprogramación y de fondeo de la entidad

nanciera. Este margen no debe exceder de 0.25%. Además, las entidades nancieras están

impedidas de cargar comisiones y gastos adicionales o de incrementar el valor de aquellos a

8
los que estaba sujeta la empresa deudora antes de acogerse de estos nuevos benecios .

La reprogramación permitida es de hasta S/16 mil millones de los créditos garantizados a

empresas y procede en caso las empresas cumplan con las siguientes condiciones: i) cuenten

con préstamos hasta por S/ 90, 000, ii) en caso cuenten con préstamos entre S/ 90,001 y

S/ 750,000, deben demostrar una caída en el nivel de sus ventas mayor o igual al 10% en el

cuarto trimestre de 2020, con relación al mismo periodo del año anterior, y iii) si la empresa

obtuvo préstamos entre S/ 750,001 y S/ 5'000,000, debe registrar una caída en su nivel de

ventas mayor o igual al 20% en el cuarto trimestre del año 2020, con relación al mismo

periodo del año anterior. La responsabilidad de evaluar y aprobar las reprogramaciones,

así como de vericar que la empresa que se acoja a este benecio cumpla con los requisitos

exigidos, es de las entidades nancieras.

Table 1: Tasas de cobertura por monto de crédito y etapa del programa Reactiva Perú

Etapa Monto del crédito Tasa de cobertura

(en miles de S/) (%)
[0 - 30] 98
1 ]30 - 300] 95
]300 - 5,000] 90
]5,000 - 10,000] 80
[0 - 90] 98
2 ]90 - 750] 95
]750 - 7,500] 90
]7,500 - 10,000] 80

4 Marco Teórico
Una de las formas de medir la efectividad de los programas es a través de la estimación

de la elasticidad de la oferta de crédito respecto a las garantías del programa; es decir,

de la magnitud del incremento porcentual que se da en la oferta de crédito debido a un

incremento porcentual de 1% en las garantías gubernamentales por crédito. Por un lado,

una oferta crediticia inelástica implica que las garantías otorgadas por el gobierno no alteran

la oferta crediticia. En este caso, el programa actuaría como un subsidio a los prestatarios,

7 El plazo máximo original del programa era de 3 años.

8 Salvo las comisiones y gastos referidos a dichas reprogramaciones, mencionadas anteriormente.

7
a través del colateral que cubre las pérdidas crediticias que enfrentan los prestamistas. Por

otro lado, una respuesta elástica de la oferta implicaría que el programa expandió la oferta

de crédito. Si bien la elasticidad es un parámetro relevante para medir la efectividad de

las garantías gubernamentales, la cuanticación respecto a los efectos sobre el sector real

resulta más importante aún debido a que la justicación de los programas de garantías se

basa en los potenciales impactos que tienen estas medidas sobre el empleo y ventas. No

obstante, la cuanticación de los efectos sobre el sector real escapa del alcance del presente

documento. Para formalizar conceptualmente la importancia de la elasticidad, se plantea un

modelo teórico basado en Bachas et al. (2021).

4.1 Supuestos y Conguración

Un conjunto de personas emprende un proyecto para el cual se requiere nanciamiento

del banco por un monto M. Una vez realizados los resultados del proyecto, los prestararios

deben decidir si repagar o no el crédito al banco. Cada prestatario no paga nada en caso

haga default y paga rM M de otro modo, donde rM es la tasa de interés bruta del préstamo.

Asumimos que los prestatarios incumplirán el pago del préstamo en caso el retorno del

proyecto (θ ) sea menor a rM M , por lo que el banco recibe los siguientes pagos:


−M si θ < rM M
Π=
r M
M si θ > rM M

Dado lo anterior, la probabilidad de default del préstamo es igual a pE (M ) = P r(θ < rM M ),

por lo que depende positivamente del monto del préstamo. La introducción de un programa

de garantías implica que el gobierno asume una fracción λ del monto del crédito en caso

la persona incurra en default. El gobierno nancia los créditos otorgados por el banco, sin

cobrarle ningún interés, a cambio de que la tasa de interés del crédito -denotada por rM -
sea ja e igual a rM . Nótese que la generosidad de la garantía otorgada por el gobierno por

cada unidad de préstamo está dada por pE (M ) λ ≡ ψ . El banco es neutral al riesgo y elige

el monto del préstamo que maximiza sus benecios esperados que están dados por:

 

E [π] = M  (1 − pE (M )) rM − pE (M ) + pE (M ) λ 
| {z } | {z } | {z }
Ingreso medio esperado P érdida media esperada Generosidad media de la garantı́a

4.2 Implicancias de la magnitud de la elasticidad

Si el monto del préstamo, M , fuera completamente inelástico a la garantía otorgada, εM , ψ ≡
∂ln(M )
∂lnψ
= 0, existen dos implicancias importantes. En primer lugar, por denición de elas-

8
ticidad, la existencia de la garantía esperada no incrementa el monto del préstamo otor-

gado; es decir, el monto del préstamo otorgado, M, sería el mismo con o sin garantía:

M (λ ∈ ]0, 1]) = M (λ = 0). Por lo tanto, el gasto medio realizado por el gobierno, pE (M ) λ
o ψ , no expande la oferta de crédito, M . En segundo lugar, la garantía funciona como un

subsidio de suma ja a los benecios esperados del banco por unidad monetaria de prés-
E[π]
tamo,
M
. La explicación a lo anterior es la siguiente: dado que el banco recibe pE (M ) λ
por parte del gobierno por cada unidad monetaria de préstamo que no fue pagado y que

el monto del crédito es inelástico a las garantías, εM , ψ = 0, el monto medio pagado por el

gobierno, pE (M ) λ, funciona únicamente como un subsidio de suma ja que compensa parte
de las pérdidas esperadas del banco. De este modo, debido a las garantías, la pérdida media

esperada neta se reduce de pE (M ) a pE (M ) (1 − λ).

En contraste, si el monto del préstamo fuera elástico a la garantía, εM , ψ > 0, entonces
la existencia de la garantía esperada sí incrementa el monto del préstamo: M (ψ ∈ ]0, 1]) ≥

M (ψ = 0). Asimismo, los benecios esperados del banco por unidad monetaria de préstamo,
E[π]
M
, se reducen a medida que el monto del préstamo, M, se incrementa. La explicación a lo

anterior es la siguiente: dado que la probabilidad de éxito es menor a medida que se incre-
0
menta el monto del préstamo, pE (·) > 0, esto implicaría que el ingreso medio esperado del
∂(1−pE (M ))rM
banco sea menor ante un préstamo mayor < 0 y que la pérdida media esperada
∂M
∂pE (M )
sea mayor − < 0. La generosidad media de la garantía pE (M ) λ se incrementa a
∂M
∂pE (M )λ
medida que el monto del préstamo aumenta
∂M
> 0. Si bien la generosidad media de la
garantía pE (M ) λ va a ser un ingreso por otorgar este tipo de créditos, nótese que siempre

que λ < 1 va a ocurrir que la pérdida por el fracaso de un proyecto, pE (M ), va a ser mayor

que la compensación gubernamental que otorga la garantía, pE (M ) λ, por lo que la pérdida

∂pE (M )(1−λ)
media luego de la garantía estaría dada por − < 0. En suma, los benecios esper-
∂M
E[π]
ados medios del banco, , se reducen a medida que el tamaño del préstamo se incrementa:
M
E[π]
∂( M )
∂M
< 0. La intuición del resultado está explicada debido a que un préstamo de mayor

tamaño le genera marginalmente menores ingresos medios al banco y que los proyectos más

grandes tienen mayor posibilidad de fracasar por lo que tienen una mayor pérdida esperada

promedio. En este sentido, para un valor jo de ψ, una mayor elasticidad εM , ψ implicaría
E[π]
también un menor valor de los benecios promedios por unidad monetaria, .
M
Respecto al gasto total incurrido por el gobierno asociado al programa de garantías, g (M ) ≡
M pE (M ) λ, se podría señalar que una mayor elasticidad de la oferta de crédito respecto a

las garantías, εM , λ , implicaría mayor un gasto del gobierno, g (M ). Esto debido a que una

mayor elasticidad implica que un mayor incremento sobre el monto del crédito, M, y que el

gasto medio esperado por el gobierno, pE (M ) λ, es mayor ya que la probabilidad de impago

se incrementa cuando el monto de crédito es mayor. Finalmente, también se podría concluir

9
 g(M )
que la fracción de los benecios que representa el gasto incurrido por el gobierno, , se
E[π]
g(M )
∂ ( E[π] )
incrementa a medida que la elasticidad de las garantías es mayor,
∂εM , λ
> 0. Esto debido
   
∂g(M )/M ∂E[π]/M
∂ ( E[π]/M ) E[π]/M
g(M )/M
∂εM , λ
−g(M )/M ∂ε
M ,λ
a que
∂εM , λ
=
(E[π]//M )2
> 0. La intuición detrás del resultado
es que cuando la elasticidad se incrementa, el gasto medio que hace el gobierno también se

incrementa debido al mayor monto del préstamo y que el benecio medio del banco se reduce

debido a que los préstamos más grandes tienen menor benecio medio esperado.

5 Estrategia Empírica
Considerando lo descrito previamente, el parámetro de interés se puede escribir de la

siguiente forma:

4M 1+ψ
εM,ψ = ×
M 4ψ
donde 4M ≡ M (ψ0 + 4ψ) − M (ψ0 ) denota la diferencia entre los montos del crédito

ofertados luego de pasar el umbral de la garantía crédito, M (ψ0 + 4ψ), y antes de pasar

dicho umbral, M (ψ0 ). Además, M denota el monto del crédito límite exactamente en el

umbral y ψ la fracción esperada del crédito que será cubierta por el gobierno exactamente

en el umbral. Mediante una expansión de Taylor de primer orden se puede aproximar ψ por
M
ψ+ 4ψ 4M . De este modo se tendría que el parámetro de interés estaría dado por
 2
4M 1+ψ
εM,ψ ≈ ×
M 4ψ
Para estimar la elasticidad en cuestión se requiere obtener el valor de cada uno de sus

componentes: 4M , M , 1 + ψ , 4ψ . Los tres últimos parámetros se pueden obtener del

diseño propio del programa en cuestión y del comportamiento observado de los deudores. El

diseño del programa determina el saldo de crédito en cada umbral M. Los valores de ψ y

de 4ψ se pueden calcular mediante la estimación de sus términos pE y λ. En particular, se

calcula la probabilidad de incumplimiento antes y después del umbral, así como el porcentaje

de garantía antes y después del umbral. El valor de dichos parámetros permite calcular ψ y

4ψ . Finalmente, para calcular 4M , se utilizará el método de bunching.

5.1 Método de bunching

La identicación de la elasticidad se basa en la magnitud de la aglomeración (o bunching )

de créditos justo por debajo de los puntos de corte de las garantías. Si la oferta de crédito

es inelástica, las entidades no van a ajustar el tamaño de sus préstamos ante el cambio en

el porcentaje garantizado y no observaremos algomeración. Por el contrario, si la oferta de

10
crédito es elástica, las entidades moverán parte de sus créditos justo por debajo del monto

asociado a una mayor garantía y observaremos algomeración.

Estimamos el incremento en la densidad de la distribución de préstamos que se genera debido

a la existencia del programa de garantías en el valor del límite del umbral. Este valor se

toma como referencia para aproximar 4M . Por ejemplo, para el caso de la segunda etapa

de Reactiva, si la garantía se reduce de 98% a 95% cuando los créditos pasan a ser mayores

a S/90 000, se busca encontrar el exceso de masa (E ) en la densidad que se genera en la

cantidad de préstamos iguales a S/90,000 o ligeramente por debajo. Al mismo tiempo, se

requiere hallar el décit de masa (D ) en la densidad para préstamos mayores a S/90,000.

El monto de créditos a la derecha del umbral que hace que el exceso de masa sea igual al

décit de masa (D ) , denotado por du , nos permitirá hallar 4M =du − M . Cabe resaltar

que se estima la elasticidad de la oferta de crédito con respecto a la garantía neta otorgada

por el gobierno (ψ ), la cual depende no solo del porcentaje garantizado (λ), sino también de

las probabilidades de default (pE (M )) y el costo que deben asumir las entidades nancieras

por participar en el programa (σ ).

Para hallar tanto el exceso de masa como el décit de masa, necesitamos encontrar la dis-

tribución de créditos en ausencia de un cambio en el porcentaje garantizado; es decir, la dis-

tribución contrafactual. Antes de estimar la distribución contrafactual, denimos un rango

de estimación alrededor de cada uno de los seis umbrales en los que cambia el porcentaje

garantizado en el programa Reactiva. Adicionalmente, partimos la data en tramos de dis-

9
tinta longitud para obtener cerca de 300 tramos alrededor de cada umbral . La estimación

de la distribución contrafactual se realiza a partir de la siguiente regresión polinómica de

grado 6:

6 du
µji 1(di = j)+ δn 1(di = n) + εi . . . (1)
X X X
Ni = βk (di )k +
k=0 j=dl n∈Ω

Donde Ni es el número de créditos en el tramo i, di corresponde al monto del crédito que se

10
encuentra a la mitad de cada tramo i , [dl , du ] es una región alrededor de cada umbral que

será excluida, µji son un conjunto de dummies para los tramos dentro de la región excluida,

y δn son dummies para múltiplos de un conjunto de números redondos Ω. Las dummies

{δn }n∈Ω permiten mejorar el ajuste de la regresión a la distribución real de los créditos,
11
dado que es común que las entidades nancieras otorguen créditos por montos redondos .

Adicionalmente, cabe aclarar que dl hace referencia a la cota inferior del tramo que contiene

9 Ver Tabla 2.
10 La marca de clase.
11 Por ejemplo, S/10,000, S/100,000, etc.

11
 12
al umbral correspondiente ; mientras que du es la cota superior de aquel tramo a la derecha
del umbral que iguala el exceso de masa (E ) con el décit de masa (D ). La distribución

contrafactual se calcula a partir de los valores predichos por la regresión, pero ignorando las

dummies de la región excluida:

6
δ̂n 1(di = n) . . . (2)
X X
N̂i = β̂k (di )k +
k=0 n∈Ω

Una vez obtenida la distribución contrafactual, calculamos el exceso (Ê ) y décit (D̂ ) de masa

estimados. Ê es igual a la diferencia entra la distribución observada y contrafactual, Ni − N̂i ,

en el tramo que contiene al umbral; mientras que D̂ es igual a la misma diferencia, pero para
du
P
los tramos a la derecha del umbral hasta du , (Ni − N̂i ). Como señalan Bachas et al.
i=M̄
(2021), para determinar el límite superior du , necesitamos seguir un procedimiento iterativo

que culminará cuando Ê+D̂ = 013 . Primero, calculamos la distribución contrafactual a partir

de una regresión que excluye tanto el tramo con el umbral como el tramo inmediatamente

a la derecha. Segundo, calculamos Ê + D̂. Si Ê + D̂ 6= 0, excluimos un tramo adicional a

la derecha del umbral y repetimos el primer paso. Este procedimiento se detiene una vez

que Ê + D̂ sea cercano a cero. Una vez que el procedimiento converge, du corresponde al

límite superior del último tramo excluido. Cabe resaltar que tanto la ecuación (1) como el

procedimiento iterativo que acabamos de describir están basados en el trabajo de Bachas

et al. (2021), quienes, a su vez, siguen la metodología descrita en el trabajo de Kleven &

Waseem (2013). La información sobre los rangos de estimación y el tamaño de los tramos
14
por umbral se presentan en la Tabla 2. .

Table 2: Rango de estimación y tamaño del tramo por umbral

Rango de estimación Tamaño de cada

Etapa Umbral
(en miles de S/) tramo

30,000 [15 - 45] 100

1
300,000 [150 - 450] 1,000

5,000,000 [2,500 - 7,500] 50,000

90,000 [45 - 135] 500

2
750,000 [375 - 1,125] 5,000

7,500,000 [5,250 - 9,750] -

12 Por ejemplo, el umbral de S/90,000.

13 Note que Ê será positivo y D̂ negativo.
14 El número de créditos alrededor del umbral de S/7.5 millones es muy reducido, por lo que no fue posible
realizar la estimación de una distribución contrafactual.

12
6 Data
La principal fuente de información de este documento proviene de los reportes de las in-

stituciones nancieras participantes del programa Reactiva Perú. De dichos reportes, que

contienen características de los créditos otorgados bajo el programa, la estimación de la

elasticidad emplea tres variables: (1) el monto de originación del préstamo; (2) la fecha de

otorgamiento del préstamo para determinar a qué etapa del programa Reactiva corresponde

; y (3) el porcentaje de cobertura de cada préstamo. En la etapa 1, el monto promedio de

crédito otorgado fue de S/326.6 mil, con una cobertura promedio de 95.5%; mientras que

para la etapa 2, el monto promedio de crédito fue 4.6 veces menor, aunque con una mayor

cobertura, en promedio de 97.5%. Esto reeja que los créditos de la segunda etapa estuvieron

más orientados hacia los segmentos de empresas más pequeñas, en línea con el objetivo del

programa para la segunda etapa. La Tabla 3 muestra estadísticos descriptivos del programa

por cada etapa.

La información de los Reportes Reactiva se complementa con el Registro Crediticio de Deu-

dores (RCD), el cual contiene información de los deudores que poseen al menos un crédito

en el sistema nanciero. El RCD permite construir indicadores de incumplimiento a partir

de los días de atraso en las obligaciones de cada deudor. El plazo original de los créditos

Reactiva, en la mayoría de casos, es de 3 años; entonces, al día de hoy, todavía no es posible

15
determinar para la totalidad de deudores quiénes hicieron default y quiénes no . Para

hacer frente a esta dicultad, nuestro indicador de incumplimiento toma en cuenta todos los

créditos que cada deudor con créditos Reactiva tiene en el sistema nanciero. De esta forma,

podemos determinar si un deudor registra incumplimientos en alguno de sus créditos, para

así poder aproximar su nivel de riesgo sin la necesidad de que haya vencido el plazo de su

crédito Reactiva. La variable de incumplimiento que construimos toma el valor de 1 si el

deudor registra más de 90 días de atraso en el pago de su deuda en el periodo actual y tuvo

menos de 90 días de atraso un año antes.

15 Las
solicitudes de honramiento de garantías por parte de las entidades nancieras también podrían servir
para determinar qué deudores incumplieron sus préstamos. No obstante, esta información solo serviría para
un subconjunto de las empresas participantes en el programa y la estimación de la elasticidad requiere el
cálculo del incumplimiento para la totalidad de deudores alrededor de cada umbral.

13
Table 3: Estadísticos descriptivos de los créditos otorgados bajo el programa Reactiva Perú

Etapa 1

Variable Promedio Desviación estándar p25 p50 p75

Monto por préstamo (en S/) 326,620 1,107,109 16,000 45,007 175,984
Porcentaje de cobertura (%) 95.5 3.1 95 95 98
Plazo (en meses) 34.6 4.9 36 36 36
Número de préstamos 71,963 - - - -

Etapa 2

Variable Promedio Desviación estándar p25 p50 p75

Monto por préstamo (en S/) 70,022 341,716 5,038 11,926 28,019
Porcentaje de cobertura (%) 97.5 1.6 98 98 98
Plazo (en meses) 36 3.7 36 36 36
Número de préstamos 508,475 - - - -

7 Resultados
Los Figuras 1 y 2 muestran la distribución de los créditos del programa Reactiva Perú

alrededor de cada punto de corte en el que cambia el porcentaje de la garantía. En la Etapa

1, los umbrales fueron S/30 mil, S/300 mil y S/5 millones; mientras que en la Etapa 2,

S/90 mil, S/750 mil y S/7.5 millones. En casi todos los grácos, puede apreciarse un salto

importante sobre el punto de corte correspondiente. Así, por ejemplo, se otorgaron unos 600

créditos de S/300 mil durante la primera etapa de Reactiva Perú, alrededor de 400 créditos

ligeramente por debajo de ese monto y menos de 250 ligeramente por encima. Más aún,

a partir del mismo gráco, se aprecia que el número promedio de préstamos otorgados por

montos menores o iguales a los S/300 mil es mayor al número promedio de créditos otorgados

por un monto superior a los S/300 mil. Además de los saltos sobre cada uno de los umbrales,

podemos destacar lo siguiente: (1) El salto sobre el umbral de S/30 mil no es muy distinto a

los saltos que se pueden apreciar para los S/20 mil y S/40 mil; (2) el salto sobre los S/90 mil

es de muy baja magnitud comparado a otros puntos de corte; y (3) el número de créditos
16
otorgados por montos cercanos a los S/7.5 millones es bastante reducido . El bajo número

16 El
número máximo de créditos otorgados en el gráco es de 45 y para ciertos montos no se otorgó ni un
solo crédito.

14
de créditos alrededor de los S/7.5 millones, siguiendo el rango de estimación mostrado en la

Tabla 2, no permite la estimación de una distribución contrafactual. Por ende, no reportamos

resultados para este umbral en particular.

Figure 1: Reactiva Perú Etapa 1 - Distribución de créditos según monto de originación

Umbral de S/30,000 Umbral de S/300,000

Umbral de S/5,000,000

15
 Figure 2: Reactiva Perú Etapa 2 - Distribución de créditos según monto de originación

Umbral de S/90,000 Umbral de S/750,000

Umbral de S/7,500,000

Siguiendo la metodología descrita en la subsección 5.1, procedemos a estimar las distribu-

ciones contrafactuales para cada umbral para poder hallar ∆M . A modo de ejemplo, la

Figura 3 muestra la distribución observada y contrafactual para el umbral de S/300 mil.

Para hallar la distribución contrafactual mostrada, se excluyó el área sombreada, dado que

es la que lleva a que se cumpla Ê + D̂ = 0. Como se anticipaba, la distribución contrafac-

tual presenta un comportamiento más suavizado que la distribución real. Asimismo, para el

intervalo que contiene al umbral, se observa que el número de créditos otorgados es mayor

al predicho por la regresión (exceso de masa); mientras que a la derecha de ese intervalo,

los créditos otorgados son menores a los predichos (décit de masa). Note que la estimación

realizada para construir la Figura 3 es solo referencial; los resultados nales se obtienen par-

tiendo el rango de estimación es tramos de menor tamaño. A partir de la estimación de las

distribuciones contrafactuales, encontramos que no existe un exceso de masa para el umbral

de S/30 mil, lo cual se condice con el análisis visual anterior. Adicionalmente, en el caso del

16
umbral de S/90 mil, notamos que Ê + D̂ no converge monotónicamente hacia cero. Para

los umbrales de S/300 mil, S/5 millones y S/750 mil, no hubo mayores inconvenientes. El

exceso de masa y el valor de ∆M para cada umbral se detallan en la Tabla 4.

Figure 3: Distribución observada y contrafactual para el umbral de S/300,000

Para hallar la elasticidad, además de ∆M , necesitamos la garantía neta antes de cruzar

el umbral (ψ ) y el cambio en la garantía neta al cruzar el umbral (∆ψ ). Detalladamente,

ψ = λpE (M )−σ , donde λ es el porcentaje del crédito garantizado por el gobierno, pE (M ) es

la probabilidad de default del crédito y σ es la comisión que debe pagar la entidad nanciera

para participar en el programa Reactiva Perú. Los porcentajes garantizados antes y después

de cada umbral son conocidos. La comisión por participar en el programa es igual a 50 puntos
17
básicos anuales sobre el principal del préstamo y no cambia dependiendo del monto . Por

último, aproximamos las probabilidades de default usando el promedio ponderado por saldo

del indicador de default descrito en la sección 6; en particular, calculamos estos promedios

ponderados -llamados ratios de incumplimiento- tanto a la derecha como la izquierda de cada

18
umbral, siguiendo el rango de estimación correspondiente . La Tabla 4 también contiene los

valores de ∆ψ para cada umbral. Destacan el umbral de S/30 mil y el de S/90 mil, porque

en ambos casos el cambio en la garantía neta es negativa. A pesar de que el porcentaje

garantizado es mayor para préstamos de menor magnitud, encontramos que la diferencia

en ratios de incumplimiento termina anulando el efecto de una mayor garantía. En el caso

del umbral de S/30 mil, una posible explicación de la inexistencia de un exceso de masa

17 RM N°134-2020-EF/15 - Reglamento operativo del programa "Reactiva Perú".

18 Ver Tabla 2.

17
puede estar relacionado a que las entidad anticiparon que los porcentajes garantizados no

compensaban las diferencias en probabilidad de default, por lo que no otorgaron más créditos

de S/30 mil de los que se esperaría. Respecto al umbral de S/90 mil, si bien existe un exceso

de masa, que ∆ψ sea negativa implica que no será posible estimar una elasticidad.

La Tabla 4 muestra el resumen de las elasticidades halladas por cada umbral. El cambio

en la garantía neta alrededor del umbral de S/5 millones es el que genera un mayor incre-

mento en la oferta de crédito, seguidos de los cambios en los umbrales de S/300 mil y S/750

mil. Otra forma de describir estos resultados es a partir del ratio ∆M/∆ψ : un incremento

de 1 punto porcentual en la garantía neta alrededor del umbral de S/300 mil, S/750 mil

y S/5 millones produce un incremento en el volumen de créditos -por cada préstamo- de

S/29.6 mil, S/46.8 mil y S/1.9 millones, respectivamente. Cabe resaltar que las elasticidades

halladas son válidas para todo el rango de estimación denido alrededor de cada umbral.

Para complementar estos resultados, calculamos la representatividad de cada rango de es-

timación respecto a la totalidad del programa Reactiva Perú. Especícamente, calculamos

el total de créditos Reactiva que se otorgaron por montos dentro de cada uno de los rangos

de estimación denidos. Seguidamente, dividimos estos montos entre el total de créditos

Reactiva desembolsados entre las dos etapas. A partir de esto, encontramos que los rangos
19
de estimación para los umbrales de S/30 mil, S/90 mil y S/7.5 millones representan -en

conjunto- menos del 10% del total de créditos Reactiva. En contraposición, los rangos para
20
los umbrales de S/300 mil, S/750 mil y S/5 millones representan -en suma- más del 25%

del total de créditos Reactiva.

Table 4: Elasticidades estimadas

Etapa Umbral Exceso de masa ∆M ∆ψ Elasticidad

30,000 - - -0.001 -
1
300,000 348 40,000 0.014 1.40

5,000,000 48 500,000 0.003 3.93

90,000 711 - -0.006 -

2
750,000 354 135,000 0.029 1.21

7,500,000 - - 0.023 .

19 9.8%.
20 27.6%.

18
8 Análisis de placebo
Los saltos en la distribución de créditos que se mostraron en la sección anterior podrían

deberse a factores ajenos al cambio en el porcentaje garantizado por el Estado. Una forma

de intentar descartar la existencia de factores adicionales es revisar la distribución de los

21
créditos -alrededor de cada umbral relevante - en ausencia de cambios en los porcentajes

garantizados. En principio, cualquier año anterior al 2020 serviría, dado que nunca antes

hubo un programa de créditos garantizados. No obstante, para maximizar la comparabili-

dad, partimos del universo de créditos empresariales otorgados durante el 2019 y aplicamos

una serie de ltros. Es importante mencionar que cualquier comparación que se haga es

imperfecta, dado que la pandemia trajo consigo varios cambios que podrían considerarse es-

tructurales. Sin embargo, este ejercicio de comparación no deja de ser relevante y enriquece

el análisis de los resultados.

Los créditos del 2019 que analizamos son aquellos que cumplen las siguientes condiciones:

(1) tienen plazos superiores a 1 año -dado que ningún crédito del programa Reactiva es

de corto plazo-, (2) están denominados en moneda nacional, y (3) se otorgaron a aquellos

deudores que -en algún momento- recibieron un crédito Reactiva. Consideramos que esta

última condición es la más relevante, dado que nos permite observar el número de créditos

típico que recibía este conjunto de deudores. Al respecto, es importante mencionar que no

todos los deudores que recibieron un crédito Reactiva también recibieron un crédito durante

el 2019; no obstante, el porcentaje de deudores que obtuvo un crédito Reactiva y al menos

un crédito durante el 2019 es del 80%.

La Figura 3 muestra la distribución de créditos durante el 2019, por monto de originación,

luego de haber aplicado los ltros mencionados. Las distribuciones se construyeron solamente

para aquellos cambios en garantías que produjeron un incremento en la oferta de crédito,

utilizando los mismos rangos alrededor de cada umbral y tamaños para cada tramo denidos

en la Tabla 2. A diferencia de lo observado para los créditos del programa Reactiva, durante

el 2019 no hay incrementos importantes en el número de créditos otorgado en cada umbral.

Asimismo, destaca el hecho de que bajo el programa Reactiva se otorgaron más créditos

-comparado a lo observado durante el 2019- por montos cercanos a los S/750 mil y los S/5

millones. Bajo Reactiva, se otorgaron más de 800 créditos por montos cercanos a los S/750

mil y más de 100 por montos cercanos a los S/5 millones; mientras que durante el 2019 se

entregaron menos de 100 y menos de 20, respectivamente. Cabe resaltar que estas diferencias

no se observan solo para los montos cercanos a los umbrales, sino para todo el rango de

análisis alrededor de cada umbral. En consecuencia, no solo encontramos que en ausencia de

21 Los umbrales para los que se logró estimar una elasticidad: S/300 mil, S/750 mil y S/5 millones.

19
cambios en los porcentajes de garantías no hay aglomeración de créditos por debajo de cada

umbral, sino que observamos un incremento signicativo en la oferta de crédito producto de

la introducción del programa Reactiva. Para complementar el análisis gráco, seguimos el

procedimiento descrito en la subsección 5.1 para calcular el exceso de masa sobre cada umbral

usando la distribución de créditos del 2019. Las regresiones para cada umbral son las mismas

que se usaron para hallar los resultados de la sección 6. Como resultado, encontramos que

no existe masa en exceso para ninguno de los umbrales considerados.

Figure 4: Distribución de créditos, para deudores Reactiva, durante el 2019

Umbral de S/300,000 Umbral de S/750,000

Umbral de S/5,000,000

9 Conclusiones
El programa Reactiva Perú fue implementado como parte del plan de reactivación económica

del gobierno peruano para enfrentar los efectos económicos adversos generados por el COVID-

19. Con el objetivo de evitar un quiebre en la cadena de pagos, el Gobierno Nacional a

través del Ministerio de Economía y Finanzas (MEF) cubrió un porcentaje de los créditos

20
colocados por las entidades del sistema nanciero ante potenciales incumplimientos. Frente

a esto, surge la pregunta de si Reactiva Perú realmente incentivó a las entidades nancieras

a expandir la oferta de crédito o no. El presente documento pretende dar una respuesta a

esta interrogante.

Utilizando los cambios en los porcentajes de cobertura alrededor de seis umbrales, estimamos

la elasticidad de la oferta de crédito con respecto a la las garantías netas. Nuestros resultados

indican que Reactiva Perú sí logró expandir la oferta de crédito. En particular, un incremento

de 1 pp. en la garantía neta alrededor del umbral de S/300 mil genera un aumento de S/29.6

mil en el volumen de cada préstamo otorgado; los aumentos para los umbrales de S/750

mil y S/5 millones son de S/46.8 mil y S/1.9 millones, respectivamente. Adicionalmente,

un análisis de la distribución de créditos durante el 2019 ltrada para ser comparable

con la distribución de créditos Reactiva alrededor de los umbrales mencionados también

brinda evidencia a favor de un incremento signicativo en la oferta de crédito asociada al

programa Reactiva Perú. Esto remarca la importancia de este tipo de programas en el

sistema nanciero, y con ello, en la economía en general. A futuro, el efecto generado por

este tipo de programas en la oferta de crédito puede complementarse con el análisis de los

efectos sobre el riesgo de los portafolios crediticios, así como el impacto en el bienestar.

21
10 Bibliografía
Bachas, N., Kim, O. S., & Yannelis, C. (2021). Loan guarantees and credit supply. Journal

of Financial Economics, 139(3), 872-894.

Barrot, J. N., Martin, T., Sauvagnat, J., & Vallee, B. (2019). Employment eects of alleviat-

ing nancing frictions: Worker-level evidence from a loan guarantee program. In Proceedings

of Paris December 2019 Finance Meeting EUROFIDAI-ESSEC.

Brown, J. D., & Earle, J. S. (2017). Finance and growth at the rm level: Evidence from

SBA loans. The Journal of Finance, 72(3), 1039-1080.

De Blasio, G., De Mitri, S., D'Ignazio, A., Russo, P. F., & Stoppani, L. (2018). Public

guarantees to SME borrowing. A RDD evaluation. Journal of Banking & Finance, 96,

73-86.

D'Acunto, F., Tate, G., & Yang, L. (2018). Correcting market failures in entrepreneurial

nance. Working paper.

Gonzalez-Uribe, J., & Wang, S. (2020). The eects of small-rm loan guarantees in the uk:

Insights for the COVID-19 pandemic crisis. London, UK: LSE Financial Markets Group.

Kleven, H. J., & Waseem, M. (2013). Using notches to uncover optimization frictions and

structural elasticities: Theory and evidence from Pakistan. The Quarterly Journal of Eco-

nomics, 128(2), 669-723.

Lelarge, C., Sraer, D., & Thesmar, D. (2010). Entrepreneurship and credit constraints: Evi-

dence from a French loan guarantee program. In International dierences in entrepreneurship

(pp. 243-273). University of Chicago Press.

Mullins, W., & Toro, P. (2018). Credit guarantees and new bank relationships. Central

Bank of Chile Working Paper, 820.

Uesugi, I., Sakai, K., & Yamashiro, G. M. (2010). The eectiveness of public credit guar-

antees in the Japanese loan market. Journal of the Japanese and International Economies,

24(4), 457-480.

22