Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE ECONOMÍA
TESIS
AUTOR(ES)
ASESOR
A Dios y mi familia.
I
AGRADECIMIENTOS
Agradezco a los profesores por su orientación y conocimientos que han permitido lograr la
presente investigación.
II
RESUMEN
La presente investigación analiza los determinantes del margen financiero de las Cajas
Municipales de Ahorro y Crédito (CMAC) en el Perú, margen definido como el ratio de la
diferencia de ingresos y gastos financieros entre los activos totales de cada entidad. El
estudio considera determinantes microeconómicas y macroeconómicas que podrían impactar
en el margen financiero de las CMAC, y dentro de estos se analiza cómo la concentración
de mercado que se mide a través de dos indicadores: el Índice de Herfindahl y Hirschman
(IHH) y el Índice de Concentración (IC6) podría impactar en la variable de estudio.
Los hallazgos encontrados demuestran que el IHH y el IC6 evidencian una relación que no
va acorde a lo que plantea la teoría económica de la Organización industrial. Similar a estos
resultados, se demuestra que otros indicadores determinarían el margen financiero de las
CMAC, y su análisis permitirá plantear recomendaciones y medidas de política que permitan
un mejor desempeño del sector microfinanciero contribuyendo al crecimiento económico.
III
The focus of the Industrial Organization on the impact of market power on the financial
margin of the CMACs in 2002 to 2019
ABSTRACT
This research seeks to evaluate the determinants of the financial margin of the Cajas
Municipales de Ahorro y Crédito in Peru (CMACs), a margin that is defined as the ratio of
the difference in income and financial expenses between the total assets of each entity. The
study considers microeconomic and macroeconomic determinants that could impact on the
financial margin of the CMAC and how the market concentration, measured through two
indicators: the Herfindahl and Hirschman Index (IHH) and the Index of Concentration (IC6),
could impact the variable under research.
The analysis covers the period 2002-2019, in which medium and small companies have
become an essential part of the credit portfolio of MFIs, so the efficiency in the operations
and financing services offered by these entities are important in the development of the
business sector.
The results suggest that the IHH and IC6 show a relationship that is not in accordance with
the Industrial Organization Theory. Similar to these results, it is shown that more indicators
would determine the financial margin of the CMACs, which will help to propose
recommendations and policy measures that allow a better performance of the microfinance
sector, contributing finally to economic growth.
IV
Contenido
1 INTRODUCCIÓN ....................................................................................................... 1
6 REFERENCIAS ........................................................................................................ 31
7 ANEXOS .................................................................................................................... 34
V
Índice de Cuadros
VI
Índice de Figuras
VII
1 INTRODUCCIÓN
La economía peruana ha crecido a una tasa promedio anual de 5.04% entre el periodo 2002
al 2019 acompañado de un avance importante en el desarrollo del sector financiero (Banco
Mundial, 2019). Este desarrollo se evidencia en el total de créditos otorgados al sector
privado, que según la Superintendencia de Banca y Seguros y AFP (SBS) ha experimentado
un crecimiento importante en los últimos años, pasando de 43 millones en el 2002 a 290
millones en el 2019. De manera similar, los depósitos experimentaron un gran avance,
incrementándose de 40 a 280 millones en el mismo periodo (SBS, 2019).
De acuerdo al Ministerio de Producción (2016), el sector MYPE generó el 86% del empleo
en el sector privado en el 2016 y el 75% de la PEA ocupada en el 2017 (Equilibrium, 2017).
Sin embargo, existen barreras que limitan el desarrollo de la productividad empresarial como
la excesiva rigurosidad normativa y el limitado acceso al financiamiento (Produce, 2017).
El problema del acceso al financiamiento ha generado que las MYPE recurran a las IMF
como agente que les permita su desarrollo a través de la dotación de recursos financieros, no
obstante, tales entidades microfinancieras se han caracterizado por cobrar tasas muy altas
comparadas con el sector bancario tradicional (BID, 2018), situación que ha generado que
obtengan altos márgenes financieros.
1
información proveniente de los estados financieros como los estudios realizados por Zurita
(2014), Espino y Carrera (2006) y Bazán (2012). No obstante, no se ha considerado un
análisis de concentración de mercado como determinante que explique el margen financiero
de las CMAC, por lo que analizar tales factores para el sector de las microfinanzas toma
especial importancia.
El presente trabajo tiene como propósito analizar los factores que determinan el margen
financiero, que se define como el ratio de la diferencia entre los ingresos financieros menos
los gastos financieros dividida entre los activos totales. Este margen se ha ubicado en el 2001
en un nivel alrededor del 21%, sin embargo, ha ido disminuyendo a causa de distintos
factores que se pretenden analizar en la presente investigación, entre estos se encuentran el
incremento de la competencia de las IMF, que va acompañado de un aumento en el número
de agencias y la especialización en tecnología crediticia que se ha ido adoptando en el tiempo
(Del Pozo, 2016).
En ese sentido, el presente estudio buscará responder la pregunta ¿Cuáles son los factores
que impactan el margen financiero de las CMAC en el periodo 2002-2019? De esta manera,
se propone como parte del objetivo general analizar los determinantes que impactan sobre
el margen financiero de las principales CMAC. Asimismo, como parte de los objetivos
específicos, se plantea, en primer lugar, analizar si el margen las CMAC depende de la
concentración del mercado como principal determinante. Con este propósito, como parte de
la metodología empírica se hará uso del IHH y el IC6 como indicadores de concentración.
Asimismo, se propone analizar si el margen se encuentra determinado por indicadores
microeconómicos propios de las CMAC como morosidad, tamaño, solvencia y costos
operativos. A su vez, se pretende determinar si variables macroeconómicas como el PBI y
la inflación explicarían el margen financiero. Con este fin, se plantea como hipótesis general
de la investigación que existen factores internos y externos que explican de manera
significativa el margen financiero de las CMAC. Asimismo, como hipótesis específica se
sostiene que el margen financiero de las CMAC se encuentra explicado de manera directa y
significativa por el nivel concentración del mercado. Asimismo, que el margen posee una
relación significativa y positiva con las variables de solvencia, tamaño y costos operativos
propios de las CMAC y una relación negativa con la morosidad y, finalmente, que el margen
depende del crecimiento económico (PBI) y la tasa de inflación de manera positiva y
negativa respectivamente.
2
2 ENFOQUE DE ORGANIZACIÓN INDUSTRIAL
2.1 Revisión de la Literatura
El estudio de los factores asociados con el margen financiero, en el caso bancario, ha sido
un tema abordado por diferentes autores a nivel nacional e internacional. Entre los distintos
enfoques aplicados toman especial relevancia las propuestas provenientes de la Teoría de la
Organización Industrial, ya que permiten visibilizar los mecanismos de trasmisión entre
diversos aspectos relacionados con el desempeño de la firma y los niveles de rentabilidad.
Al respecto, algunos de los más destacados estudios seminales son los propuestos por
Cournot (1838) y Bertrand (1883), que abordan el análisis del desempeño de las firmas en
contextos de competencia imperfecta. A partir de esta modelación teórica, diversos análisis
se han enfocado en destacar la relevancia de las características del mercado, por ejemplo,
autores como Berger (2004) y Degryse y Ongena (2005) estudiaron el efecto de la
concentración de mercado en el spread de tasas de interés de los depósitos y créditos. Entre
los enfoques postulados se encuentra el paradigma Estructura-Conducta-Desempeño (SCP,
por sus siglas en inglés) que realiza un análisis de la estructura del mercado y su impacto en
el comportamiento de las empresas, desarrollado como primera aproximación por Mason en
1939. En esta misma línea, Bain (1956) analizó más a fondo las primeras aproximaciones
desarrolladas por Mason en la década de 1930, concluyendo que la estructura de mercado en
la industria determina su conducta y, por ende, impacta en su desempeño1, debido a que el
contexto de concentración de mercado facilitaría la generación de acuerdos colusivos entre
las firmas participantes, permitiendo la obtención de beneficios extraordinarios –tomando
como referencia los precios competitivos (Tirole, 1988).
Aun así, existe un conjunto de estudios que no respaldan el cumplimiento del mencionado
paradigma, como es el caso de Bikker y Boss (2008) y Maudos y Fernández (2004). Estos
autores sostienen que la rentabilidad bancaria no respondería únicamente a una mayor
concentración, sino también a otros factores externos que se deberían considerar en el
análisis. Abdurezak (2018) señala que entre los años 1960 y 1970 se han incorporado
extensiones en el estudio de la relación de la rentabilidad y concentración, lo que incluye la
publicidad (Comanor y Wilson, 1967), el comercio internacional (Esposito, 1971), el riesgo
(Bothwell y Keeler, 1975) y condiciones de entrada (Weiss, 1971). Todo ello, posterior a los
estudios llevados a cabo por Bain en 1951.
Con ello, surgieron nuevas teorías en el tiempo que desafiaron la propuesta SCP, entre las
que se encuentra el paradigma de Eficiencia–Desempeño, también denominada, Hipótesis
de Eficiencia (HE) que sostiene que el nivel de eficiencia en el desempeño de firmas puede
afectar la estructura del mercado. Otras investigaciones posteriores, conocidas como NEIO
(New Empirical Industrial Organization), revocan el enfoque metodológico SCP. Al
respecto, autores como Abdurezak (2018) y Bhuyan (2014), que han analizado ambos
1
Bain presenta la relación de las firmas de Estados Unidos del sector manufacturero con el grado de concentración de mercado controlando
por diferentes barreras de entrada.
3
enfoques, señalan que el debate continuará dadas las diferentes perspectivas existentes entre
los teóricos estructurales (SCP) y los teóricos de mercados eficientes (NEIO).
De otro lado, se encuentra Osuagwu (2014) que estudia los determinantes que impactan en
la rentabilidad de los bancos en Nigeria. Para este análisis hace uso de una muestra de cinco
bancos que representan el 60% del total de activos del sistema bancario y considera factores
propios de los bancos y factores macroeconómicos. Concluye que la rentabilidad bancaria
está altamente influenciada por el riesgo crediticio, y por la concentración bancaria, entre
otros factores propios de los bancos. Asimismo, Hussain (2012) y Tarus et al (2012) analizan
el sector bancario en Pakistán y Kenya respectivamente. El estudio en Pakistán considera 26
bancos durante el periodo 2001-2010 y explora los determinantes de los márgenes de
rentabilidad bancaria; concluye que los costos operativos, inflación, solidez bancaria y
concentración de la industria son variables significativas y positivas respecto del margen
financiero. Por otro lado, según el análisis para 44 bancos en Kenya en el periodo 2000-
2009, se demuestra que los costos operativos y el riesgo de crédito tienen un efecto
significativo en los márgenes de los bancos. Además, se concluye que mientras mayor es la
inflación mayor es el margen, mientras que la concentración de mercado tiene una relación
negativa con el margen financiero.
Por su parte, Carbo y Rodriguez (2007) investigan los determinantes de siete países de la
Unión Europea analizando el periodo de 1994 – 2001, utilizando variables como el ratio de
depósitos a préstamos y el Índice de Lerner. Lo resultados evidencian una relación muy
fuerte entre los márgenes de interés y el riego de crédito, liquidez y el grado de
capitalización. Sin embargo, rechazan la existencia de una relación significativa con la
concentración de mercado. De otro lado, Hahn (2005), que estudia los márgenes de la
rentabilidad bancaria en Austria para el periodo 1995-2002, concluye que los beneficios de
los bancos sí están influenciados por el poder de mercado de estos. Maudos y Fernández de
Guevara (2004), por su lado, analizan el margen financiero de bancos en seis países europeos
en el periodo que va de 1993-2000. Los autores consideraron como determinantes los costos
operativos, la aversión al riesgo y el tamaño de los préstamos y depósitos; además,
estudiaron la estructura de mercado haciendo uso del Índice de Herfindal Hirchman, como
4
indicador de concentración y el Índice de Lerner, como indicador de competencia. A través
de este análisis concluyen que todas las variables son determinantes del margen financiero,
siendo el Índice de Lerner altamente significativo. Por lo tanto, concluyen que las
condiciones competitivas del sistema son relevantes para la rentabilidad bancaria.
Mientras que Martinez y Mody (2004) analizan cómo la alta concentración de mercado
impacta en los spreads de los bancos latinoamericanos durante los años noventa estudiando
los países de Argentina, Colombia, Chile, México y Perú. Con este fin consideran
determinantes como la liquidez, estructura de mercado del banco, costos administrativos,
concentración bancaria, entre otros. Se verifica que la concentración bancaria impacta
positiva y directamente a los spreads bancarios.
5
De manera similar, Espino y Carrera (2006) analizan el impacto de la concentración bancaria
sobre el spread de tasas de interés en el sistema bancario peruano. En su estudio emplean
datos desde 1995 al 2004 y utilizan el paradigma. Los autores concluyen que se verifica el
impacto positivo y significativo de la concentración sobre el margen de tasas de interés para
la muestra estudiada.
Por otro lado, la selección de las variables independientes se ha llevado a cabo considerando
la literatura revisada. Al respecto, se han considerado ocho variables microeconómicas, las
cuales están relacionadas a características propias de las CMAC, y dos variables
macroeconómicas para llevar a cabo la investigación. A continuación, se presenta un detalle
de acuerdo con la revisión de la literatura previa:
Morosidad: Considerando que las IMF realizan préstamos, en su mayoría, a las micro y
pequeñas empresas, estos están sujetos a que no puedan ser recuperados, lo cual impactaría
negativamente en los márgenes las IMF. Por lo tanto, la relación sería negativa, entre los
6
estudios que confirman esta relación están los desarrollados por Muriu (2011), Gudeta
(2013), Yenesew (2014).
Costos Operativos: Según Maudos y Fernandez (2004), se sostiene que las firmas al incurrir
en mayores costos operativos trabajarán con mayores márgenes con el fin de cubrir los
mayores cortos incurridos. Esta relación positiva también es sostenida por Cuellar y
Fernandez (2016), Jorgensen (2011) y Del Pozo (2008).
Solvencia: Este es un indicador de apalancamiento que nos indica cómo es que las IMF han
financiado sus recursos. Una empresa se apalancará más con el fin de buscar mayor
rentabilidad, por lo tanto, la relación sería positiva. Esta relación es afirmada por Bayona
Flores (2013). No obstante, según Fuentes (2016), Muriu (2011) y Yenesew (2014) la
relación sería negativa.
Tamaño: El tamaño de las empresas se mide a través de los activos, ya que es un indicador
de la cantidad de recursos con que cuenta una determinada firma para gestionar sus
actividades y obtener rentabilidad. Considerando este aspecto, conforme las IMF irán
7
teniendo más activos su margen será mayor; por lo tanto, la relación es positiva. Entre los
estudios que afirman esta relación se encuentran Mersland y Strom (2009), Muriu (2011),
Fuentes (2016), Maudos y Fernandez (2004). Por otro lado, Yenesew (2014) sostiene que la
relación existente entre tamaño y rentabilidad es negativa.
8
Teoría de la Organización Industrial. Para efectos de la presente investigación se analizará
la concentración bajo el enfoque de la organización Industrial.
De acuerdo con Freixas y Rochet (2008), las instituciones financieras pueden ser
comprendidas como retailers de activos financieros que se dedican a la compra de valores
emitidos por prestatarios y su venta a los prestamistas, es decir, actúan como intermediarios
que participan en el sistema financiero a través del ofrecimiento de créditos y de la captación
de depósitos. Además, según la Teoría de la Organización Industrial, sostienen que es
posible modelar la conducta bancaria a través de un enfoque que permite representar la
conducta de las instituciones financieras mediante un modelo para el caso del oligopolio
bancario, y que constituye una ampliación del modelo de monopolio bancario, propuesto por
Monti en 1975, denominado Modelo Monti-Klein.
Activos Pasivos
𝜋 = 𝑟𝑙 𝐿 + 𝑟𝑀 − 𝑟𝑑 𝐷 − 𝐶𝑇(𝐷, 𝐿) … (1)
𝑀 = (1 − 𝛽)𝐷 − 𝐿 … (2)
9
Donde, 𝐶𝑇(𝐷, 𝐿) representaría la estructura de costos de transformación de fondos
prestables, identificado también como la tecnología bancaria, con lo que de (1) y (2) se
obtendría que el problema de la entidad bancaria se podría expresar como:
𝑟𝑙 = 𝑟 + 𝛿𝑙 … (4)
𝑟𝑑 = 𝑟(1 − 𝛽) − 𝛿𝑑 … (5)
𝑟𝑙∗ − 𝑟 − 𝛿𝑙 1
∗ = … (7)
𝑟𝑙 𝜀𝐿
𝑟 − 𝛿𝑑 − 𝑟𝑑∗ 1
∗ = … (8)
𝑟𝑑 𝜀𝐷
En este caso, los beneficios de la entidad bancaria son identificados a través del margen de
intermediación, tanto en el segmento de créditos como en el de depósitos. Como se expresa
en las relaciones (5) y (6), los beneficios de la entidad bancaria se encuentran sujetos a la
elasticidad de demanda en cada uno de los segmentos, expresado mediante el índice de
Lerner. Asimismo, en este caso, se asegura un beneficio positivo en el largo plazo debido
precisamente a la existencia de este poder de mercado que permite la extracción de un
beneficio mayor.
Por último, y como exponen Freixas y Rochet (2008), resulta posible contar con una
interpretación más acorde con el de un contexto oligopólico, mediante una extensión del tipo
Cournot. En tal sentido, corresponde la consideración de un conjunto finito y limitado de
entidades bancarias que compiten, bajo el conocimiento de demanda de préstamos de
pendiente negativa 𝐿(𝑟𝑙 ) y una oferta de depósitos de pendiente positiva 𝐷(𝑟𝑑 ). Con ello, el
planteamiento se modificaría de tal manera que:
10
max 𝜋 = (𝑟𝑙 (𝐿1 + 𝐿2 ) − 𝑟)𝐿 + ( 𝑟(1 − 𝛽) − 𝑟𝑑 (𝐷1 + 𝐷2 ))𝐷 − 𝐶𝑇(𝐷, 𝐿) … (9)
𝐿,𝐷
𝑟𝑙∗ − (𝑟 + 𝛿𝑙 ) 1
∗ = … (10)
𝑟𝑙 𝑛𝜀𝐿
𝑟 − 𝛿𝑑 − 𝑟𝑑∗ 1
∗ = … (11)
𝑟𝑑 𝑛𝜀𝐷
La ampliación al modelo permite obtener una ecuación general para un caso oligopólico,
donde si 𝑛 = 1 sería un monopolio y cuando 𝑛 = ∞, un mercado de competencia perfecta.
Como resultado intuitivo, tal como mencionan los autores, se puede concluir que los
márgenes de intermediación son mayores cuando los bancos tienen mayor poder de mercado.
De acuerdo con el análisis realizado y según lo planteado por los autores sería posible
expresar el margen financiero (𝑀𝐹) en función de las elasticidades de (𝐷, 𝐿) y los costos
que derivan de realizar las transacciones diarias de los bancos. Siendo así, se puede expresar:
Por lo tanto, a partir de lo expuesto, existe un sustento teórico que permite explicar la relación
entre el margen financiero y el poder de mercado. Se puede inferir de esta relación que
conforme los bancos tienen mayor poder de mercado, sus márgenes de intermediación serían
mayores. Al respecto, considerando la teoría expuesta por Freixas y Rochet (2008), la
concentración estaría relacionada con el poder de mercado, ya que conforme un número
determinado de empresas concentren la mayor porporción del mercado, ello podría generar
mayor probabilidad de ejercer su poder de mercado frente a otras entidades; por lo tanto,
existiría, también, una relación directa entre la tasa de interés y la concentración bancaria.
Así como el poder de mercado generaría un impacto en el margen, existen también otros
factores propios del banco, denominados como microeconómicos, que también podrían
generar un impacto en el margen financiero. En relación a ello, diferentes autores proponen,
además, factores macroeconómicos adicionales a considerar como posibles determinantes
del margen. Tal como sugieren Maudos y Fernández (2004), la estructura competitiva de los
mercados depende de la elasticidad de demanda de préstamos y la oferta de depósitos, y
proponen dos medidas de mercado con el fin de estudiar su estructura: por un lado, el Índice
de Herfindahl Hirschman (IHH) y, por otro lado, el Índice de Lerner.
11
3 SISTEMA FINANCIERO Y CAJAS MUNICIPALES EN PERÚ
Según la SBS (2019), el sistema financiero es el conjunto de organizaciones públicas y
privadas que captan y administran los recursos financieros y que los negocian entre los
agentes económicos, denominándose superávitarios a los que desean ahorrar o poseen
excedentes y deficitarios a los que requieren de fondos. Además, desempeña un rol
fundamental en el desarrollo de la economía del país. En vista de ello, se realizará un breve
análisis de las características generales del sistema financiero en general y el sistema
microfinanciero enfatizando el análisis de las Cajas Municipales y el desempeño de las
entidades que lo componen.
Al cierre del año 2019, de acuerdo a la SBS (2019), existían en el Perú 56 empresas operando
en el sistema financiero con un total de activos bajo su gestión de alrededor de PEN
465,000MM. Según esta misma entidad, el conjunto de las empresas se agrupaba en cinco
bloques: la Banca Múltiple con 15 empresas, seguido de las Instituciones Microfinancieras
(IMF) que están conformadas por 12 Cajas Municipales de Ahorro y Crédito (CMAC), 10
Empresas Financieras, 7 Cajas Rurales de Ahorro y Crédito (CRAC) y 9 Entidades de
desarrollo de la pequeña y microempresa (EDPYME). A continuación, se puede apreciar en
el Cuadro 2. un detalle de la Estructura del Sistema Financiero a cierre de diciembre del
2019. Además, se puede apreciar la evolución de la participación que las CMAC han ido
teniendo, según total de activos, desde el 2017 -2019 en el Cuadro 3.
12
Cuadro 3. Participación de las CMAC en el Sistema Financiero según total de
activos (2017-2019)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
En relación con los créditos directos existentes en el sistema financiero, estos se clasifican
en ocho tipos según la SBS (2019). Se encuentran los créditos corporativos que se otorgan a
empresas con ventas anuales superiores a los PEN 200MM y que cuentan con estados
financieros auditados, los créditos a grandes empresas que se otorgan cuando las ventas
anuales son superiores a los PEN 20MM y los créditos a medianas empresas que se brindan
cuando la empresa posee un endeudamiento superior a PEN 300,000 en el sistema financiero
e ingresos inferiores a PEN 20MM. Además, se encuentran los créditos a pequeñas
empresas, que se otorgan cuando la persona natural o jurídica posee un endeudamiento
mayor a PEN 20,000 y menor a PEN 300,000. Por otro lado, los créditos a microempresas
que se dan cuando el endeudamiento de los solicitantes es menor a PEN 20,000.
Adicionalmente, se ubican los créditos de consumo que se otorgan a personas naturales con
el objetivo de realizar gastos no vinculados a alguna actividad empresarial y los créditos
hipotecarios para la adquisición, construcción o remodelación de una vivienda propia.
Al respecto, al cierre del 2019, los créditos directos obtenidos por la mediana, pequeña y
microempresa representaron el 26% del total de créditos del sistema, superando al sector
corporativo por 4% y consumo por 1%. Por otro lado, los depósitos crecieron 8.4% en el
2019 respecto al año anterior (SBS, 2019).
La economía peruana creció 2.2% en el periodo enero-octubre del 2019, menor al proyectado
a inicios de año debido a menores exportaciones (especialmente mineras y pesqueras),
choques de oferta, caída de la inversión pública y desaceleración del consumo privado
(Reporte de Inflación BCRP,2019). Pese a esta desaceleración en el 2019, la economía se
mantuvo como una de las más dinámicas de la región, lo que permitiría que los créditos se
expandan a más de 8% según la SBS (2019). Este hecho se evidencia en el sector financiero
que se ha desempeñado de manera positiva, gracias al adecuado desempeño de los
13
indicadores macroeconómicos y la administración de la política monetaria y fiscal del BCRP
(BCRP, 2019).
Figura 1. Créditos del Sistema Financiero Figura 2. Depósitos del Sistema Financiero
en millones de soles en millones de soles
400 400
300 300
88 87
83 98 104
77 77 200 101
200 85 114 103
86
228 248 100 176 192
100 182 195 204 112 117 130 155
141
0
0 2014 2015 2016 2017 2018 2019
2014 2015 2016 2017 2018 2019
Respecto a la composición de colocaciones por tipo de entidad (según la Figura 3), la Banca
Múltiple concentra el 85% del total de colocaciones (PEN 286,086MM), luego se ubican las
Cajas Municipales con 7% (PEN 13,840MM), las Empresas Financieras con 4% (PEN
5,960MM) y los demás tipos de entidades con una participación inferior a 2%.
14
Figura 3. Colocaciones del Sistema Financiero en millones de soles
Banco de la
270,000 6.2 8.0 Nación
4.9 5.6 CRACs
2%
1%
235,000 4.0 EDPYMEs
1%
Banca Múltiple
200,000 - Otros
85%
1% Agrobanco
2015 2016 2017 2018 2019
y EAF
0%
Colocaciones (PEN Mill.)
Crecimiento anual (%)
Al cierre del 2019, las IMF representaron alrededor del 14% de la cartera de crédito total del
sistema financiero. Si bien este porcentaje es reducido, las entidades que la conforman
cumplen un rol fundamental en el financiamiento que demandan las MYPE. Según la SBS
(2019), al segundo trimestre del 2019 las IMF representaban el 71.4% de la deuda total
MYPE del sistema financiero.
Las IMF son los principales agentes de financiamiento en el ámbito empresarial, ya que los
clientes más importantes en la cartera de créditos de las IMF son las MYPE con un porcentaje
equivalente a 56% (SBS, 2018). El segmento de MYPE tuvo una participación equivalente
a 95.8% en el sector empresarial de acuerdo con la Encuesta Nacional de Hogares (ENAHO)
llevada a cabo el 2017. Al respecto, la participación de las CMAC se ha consolidado como
un agente estratégico que resalta en el sector de las IMF, ya que su participación en base a
colocaciones representa el 45% a Abr.20 (Figura 4).
15
Figura 4. Saldo de créditos totales de las IMF a Abr.2020
Según la SBS, la participación de las CM respecto al total de activos del sistema financiero
pasó de 1.3% a 5.3% en el periodo comprendido entre 2000 y 2016 y, si se considera su
participación dentro del sistema micro financiero, su participación es superior al 52% para
el cierre 2019. Es relevante considerar que las cajas municipales tienen presencia en más de
noventa distritos a nivel nacional, brindando servicios a sectores en los que la banca
tradicional no tiene o tiene poca presencia, lo que permite la inclusión financiera y el
desarrollo económico descentralizado en Perú (SBS Informa, 2019).
30,000 20
16.9
14.7 23,577
25,000 15
21,368
19,693 10.3
9.4 8.5
20,000 17,176 10
14,695
15,000 5
10,000 0
2015 2016 2017 2018 2019
16
Figura 6. Captaciones por Caja Municipal
Otros;
12.25%
CMAC Sullana;
9.49%
CMAC
CMAC Huancayo;
Cusco; 19.11%
13.15%
CMAC Piura;
16.37%
De acuerdo con la Figura 6, son seis las CMAC que poseen una participación individual
mayor a 5% y que en conjunto representan más del 87% de participación del sistema total
de créditos directos de las Cajas a Dic.19. Las 5 CMAC restantes poseen una participación
mínima, por lo que sería importante analizar si brindan servicios a sectores muy específicos
de la sociedad, posible el motivo por el que continúan operando aun teniendo participaciones
inferiores al 1%, como la CMAC Palta y Del Santa.
Estas instituciones descentralizadas se crean con el objetivo que prestar servicios a los
sectores que no pueden acceder al sistema crediticio formal que brinda la banca tradicional
debido a factores como alto riesgo, falta de garantías y los elevados costos operativos de
gestionar pequeños créditos y el complicado trámite. Desde su creación se han producido
fusiones en el tiempo, el más reciente es la fusión por absorción de la CMAC Chincha con
la CMAC Ica en el 2006. Cabe mencionar, que para efectos de esta investigación no se
considera esta institución ni tampoco la Caja Municipal de Crédito de Lima, ya que esta
última está sujeta a una legislación diferente a las CMAC (FEPCMAC,2019).
De acuerdo con la investigación estadística llevada a cabo por el INEI en 1993 en el III
Censo Nacional Económico, se reveló que el 95.8% de las empresas en el Perú eran
17
microempresas y accedían al crédito del sector microfinanciero, el 2.06% pequeñas y el
2.14% medianas o grandes empresasa.
De esta manera, con la creación de las cajas municipales en el Perú, además de fomentar el
desarrollo empresarial regional, se llevan a cabo dos hechos sumamente importantes para el
país: se inicia la descentralización financiera y la democratización del crédito.
Dada la importancia de las CMAC se analizará la cartera que poseen las CMAC por tipo de
crédito con el objetivo de verificar cuál es el sector que más depende de este tipo de
entidades. En relación a ello, a fines del 2019 el sector MYPE es el que representó el 52.7%
de participación de la cartera de las CMAC, por ello la relevancia de estudiar estas entidades,
ya que son el principal intermediario al que recurren los agentes del ámbito empresarial en
el país. Por su parte, el sector corporativo y la Gran Empresa son los sectores que poseen la
menor participación dentro de la cartera de las CMAC, ya que su participación en el total de
créditos representa el 1.5% y 0.3% respectivamente. Se puede apreciar más detalle en la
Figura 7.
Corporativo;
Hipotecario; 1.5%
Tipo de crédito Saldo Participación Gran
6.4%
Empresa;
Pequeña Empresa 9986 44.4% Mediana 0.3%
Empresa;
Consumo 4833 21.5% 8.3%
18
Figura 8. Evolución de tasa de morosidad por CMAC
6.9%
7
CMAC Huancayo 2.9
6.5 CMAC Cusco 4.5
CMAC Arequipa 4.7
6 CMAC Ica 5.5
CMAC Trujillo 6.1
5.5
CMAC Maynas 6.9
CMAC Piura 8.5
5
CMAC Tacna 11.0
CMAC Sullana 17.4
4.5
CMAC Paita 17.7
CMAC Del Santa 22.5
4
2015 2016 2017 2018 2019 0.0 5.0 10.0 15.0 20.0 25.0
Para el caso del Perú, el nivel de concentración de las Cajas Municipales ha mantenido un
comportamiento relativamente estable hasta el 2010. No obstante, en adelante, ambos
índices evidencian un ligero crecimiento. Este hecho se explica por la salida del mercado de
algunas Cajas Municipales y en algunos casos por la fusión de entidades que conlleva una
mayor cuota de mercado y, por lo tanto, mayor concentración. Al respecto, la concentración
de mercado de las CMAC puede aumentar o disminuir con mayor facilidad que el sector
bancario debido a la posibilidad que tienen estas instituciones tanto de incrementar su capital
19
como de quebrar. Por ejemplo, se puede apreciar el caso de la CMAC Arequipa que se
adjudicó el 100 por ciento de los depósitos y créditos de la Caja Rural Señor de Luren debido
a problemas de insolvencia (declaración en quiebra) en el 2015 y que recibió el ingreso de
capital extranjero por parte de Rabobank, uno de los más grandes bancos de Holanda, en el
2019.
1,600
1,500
1,400
1,000
1/12/2006
1/12/2016
1/12/2002
1/12/2003
1/12/2004
1/12/2005
1/12/2007
1/12/2008
1/12/2009
1/12/2010
1/12/2011
1/12/2012
1/12/2013
1/12/2014
1/12/2015
1/12/2017
1/12/2018
1/12/2019
Fuente: SBS. Elaboración Propia
100
90
80
IC6 Colocaciones
70
IC6 Depósitos
60 IC6 Activos
50
1/12/2002
1/12/2003
1/12/2004
1/12/2005
1/12/2006
1/12/2007
1/12/2008
1/12/2009
1/12/2010
1/12/2011
1/12/2012
1/12/2013
1/12/2014
1/12/2015
1/12/2016
1/12/2017
1/12/2018
1/12/2019
20
Si observamos la evolución de los indicadores IHH y IC6 de la Figura 9 y 10. para los
créditos directos, depósitos y total de activos se puede apreciar una tendencia creciente desde
el 2010. El IHH se encuentra en un nivel inferior a1500 para los tres inputs hasta el 2019,
indicador que da a conocer que el mercado de las CMAC se encuentra desconcentrado. No
obstante, el IHH de las colocaciones supera el nivel de 1500 a partir del 2018 en adelante
evidenciando una concentración moderada. Por su lado, el índice de concentración se
encuentra en un nivel entre 70 y 80 que muestra, también, un mercado moderadamente
concentrado. El detalle la elección de tales indicadores, su cálculo y cómo interpretarlos se
aprecia en el Anexo1.
Son seis las CMAC que concentran más del 80% de colocaciones del sistema total de Cajas
Municipales, por ello el motivo de calcular el indicador considerando seis entidades. Al
respecto, se realizó un análisis de las colocaciones del sistema de las CMAC para los años
2017 al 2019. Al concluir el análisis se pudo observar que son 6 las entidades que lideran la
concentración del mercado de colocaciones de las CMAC, ya que durante los tres años
representaron más del 80% de concentración del sistema (Ver Anexo2).
4 ESTRATEGIA METODOLÓGICA
La información utilizada para este estudio proviene de estados financieros de las once Cajas
Municipales que se encuentran publicados en la SBS. Al respecto, no se ha considerado la
Caja Municipal de Crédito Popular de Lima S.A., ya que es una entidad que opera con
autonomía propia y posee una gestión de recursos distinta a las demás CMAC que conforman
la FEPCMAC. Los datos extraídos tienen frecuencia mensual y comprende el periodo 2002-
2019.
De acuerdo con el enfoque que siguen Cuellar et al (2016), la variable endógena se define
como el ratio que resulta de la diferencia entre los ingresos y gastos financieros divididos
sobre los activos totales.
Entre las variables exógenas se encuentran los costos operativos, que se definen como la
división entre los gastos administrativos y el total de activos (Barrientos, 2000), y que refleja
la eficiencia de las instituciones financieras en relación con los gastos en los que incurren.
La variable de costos operativos representa uno de los principales determinantes del margen
financiero. Al respecto, Delfiner et al. (2005) señalan que los altos costos operativos que
poseen las IMF se dan por diferentes factores. En primer lugar, debido a que se otorgan
préstamos en cantidades pequeñas, los que requieren de un asesor de préstamos para poder
administrar la gran cantidad de cuentas. Además, los costos se incrementan porque existe
una alta frecuencia de cobro de cuotas para amortizar las deudas y porque se requiere de
asistencia técnica para los clientes que muchas veces se insertan por primera vez en el
sistema financiero. Un factor adicional son los costos que asumen las IMF para manejar
estrategias y metodologías crediticias intensivas para el manejo de información. Todos estos
factores de acuerdo con Delfiner et al. (2005) contribuyen a un incremento de los costos
operativos, los que influyen en el margen financiero de las IMF de manera directa según
revisión de la literatura previa.
21
Por otro lado, para analizar la estructura del mercado de las CMAC se siguió el estudio
planteado por Maudos y Fernández de Guevara (2004) que hace uso del Índice de Herfindahl
y Hirschman (IHH) como indicador de concentración de mercado, el que además es
considerado como representación de la estructura de mercado en diferentes estudios. Según
el Banco Central de Reserva del Perú (BCRP) es el indicador más ampliamente utilizado en
la literatura y puede tomar valores que varían entre 0 y 10000, donde 0 hace referencia a un
mercado completamente desconcentrado y 10000 a un mercado altamente concentrado. Para
la presente investigación se ha hecho uso del IHH basado en el análisis de colocaciones de
cada entidad. Al respecto, se ha evidenciado un mercado con un nivel de concentración
moderado. Además, se hace uso del Indicador de Concentración (IC) según el planteamiento
llevado a cabo por Espino y Carrera para el caso bancario.
Por otra parte, la cartera de alto riesgo representa la proporción de créditos que podrían estar
sujetos a pérdida para las CMAC. Representa el porcentaje de los créditos directos que se
encuentra en situación de vencido o en cobranza judicial (Barrientos, 2000).
Las variables macroeconómicas también son consideradas como parte del estudio como
determinantes del margen financiero de acuerdo con Barrientos (2000). La tasa de inflación
representada por el Índice de Precios al Consumidor (IPC), extraída del BCRP, evidencia un
comportamiento relativamente estable en el tiempo a excepción del periodo de crisis
experimentado en entre los años 2008-2009. La estabilidad de su comportamiento (IPC) se
debe a las políticas monetarias que ha ido implementando el Banco Central en función a su
objetivo de largo plazo para mantener la estabilidad de precios en la economía (BCRP,
2018). Sin embargo, a partir del 2015 se evidencia una disminución de este indicador así
como el margen financiero, por lo que es considerado como un posible determinante. Otra
variable considerada es el PBI, indicador del crecimiento económico, que tmbién podría
tener una relación con el margen de las CMAC.
22
Cuadro 4. Resumen de disponibilidad de variables y signos esperados de acuerdo a la
literatura
Variables microeconómicas
Solvencia Pasivos/Patrimonio Positivo
Variables Macroeconómicas
4.1 Metodología
Para calcular el nivel de competencia existente en el sector de las principales Cajas
Municipales de Ahorro y Crédito se estimará un modelo basado en fundamentos
microeconómicos. Se aplica Datos de Panel, el cual combina datos de corte trasversal y series
de tiempo, lo que genera cierta ventaja referida a la reducción del problema de sesgos por
variables omitidas y un incremento de grados de libertad.
23
Donde 𝛼𝑖 = 𝛼 + 𝑣𝑖 . Reemplazando en la ecuación anterior, tenemos: 𝑦𝑖𝑡 = 𝛼 + 𝐵𝑋𝑖𝑡 +
𝑣𝑖 + 𝑢𝑖𝑡 … (2)
Según esta ecuación se supone que el error (𝜀𝑖𝑡 ) puede descomponerse en una parte fija que
es constante para cada individuo (𝑣𝑖 ) y otra parte aleatoria (𝑢𝑖 ), por lo tanto 𝜀𝑖𝑡 = 𝑢𝑖 + 𝑣𝑖 ,
lo que equivale a obtener una tendencia por regresión dando a cada individuo un punto de
origen diferente. Para resolver la operación se pueden utilizar diferentes métodos, uno de
ellos es introducir una dummy por individuo, el segundo es estimar por MCO y como tercera
opción está la estimación por diferencias. De esta manera, si (2) es verdadero también es
verdadero que: 𝛾𝑖𝑡 = 𝛼 + 𝐵𝑋̅𝑖𝑡 + 𝑣𝑖 + 𝑢̅𝑖𝑡 … (3)
Esta última ecuación puede ser resuelta mediante MCO. Según Montero (2011), los
programas informáticos como Stata estiman este método, descomponiendo, además la
varianza en dos (intro y entre grupos).
El modelo que se plantea para la presente investigación considera dos variables como
indicadores de concentración, por un lado el Índice de Herfindahl Hirchman (IHH) y el
Indicador de concentración de las 6 principales Cajas Municipales (IC6). Además, incluye
variables microeconómicas, propias de las microfinancieras, y factores externos
relacionados a la actividad económica del Perú como posibles determinantes del margen
financiero. De acuerdo con ello se plantea la siguiente ecuación:
24
La estimación del modelo se realiza a partir de la ecuación (1) empleando datos del año 2002
hasta el año 2019. Como parte de la estimación, se han incorporado once Cajas Municipales
que se encuentran vigentes en la actualidad. Al respecto, no se incluyó a la Caja Municipal
de Crédito Popular Lima, ya que la gestión de activos y productos que gestiona esta entidad
difiere de las demás Cajas que componen el mercado de Cajas Municipales. Por lo tanto,
solo se han considerado once de las doce Cajas Municipales que están activos en todo
periodo de la muestra.
Las series utilizadas presentan una periodicidad mensual, razón por la que los datos están
sujetos a ciertos problemas de estacionariedad, efectos estacionales y casos de
heterocedasticidad autorregresivas. La presencia de estos podría generar problemas en las
estimaciones tanto de eficiencia como regresiones espúreas, por lo que antes de iniciar las
estimaciones se han realizado distintas pruebas para cada variable con el objetivo de limpiar
las series y evitar que las estimaciones sean inadecuadas.
En primer lugar, se procedió a convertir en términos reales las variables que se encontraban
en términos nominales haciendo uso del IPC. Posteriormente, se realizaron pruebas de
presencia de estacionalidad y estacionariedad. Las primeras evidenciaron que todas las
variables poseían efectos estacionales, hecho que se explicaría por la naturaleza de los datos,
ya que al ser data mensual, el mes de diciembre en el sector financiero implica cierre contable
de año por lo que corregir la estacionalidad como proceso inicial fue un factor fundamental.
A partir de este resultado, se procedió realizar pruebas de estacionariedad. Como parte de
este proceso se realizaron pruebas de Test de Raíz Unitaria para todas las variables, para lo
cual se aplicó el método Aumented Dickey Fuller (ADF) en Stata. Para aquellas variables
que resultaron ser no estacionarias, se aplicó primeras diferencias y resultaron ser
estacionarias.
Una vez realizados los pasos detallados en líneas anteriores y con el objetivo de tomar en
cuenta los efectos individuales de las variables específicas no observables de cada entidad,
se llevó a cabo la estimación de los modelos a través de efectos fijos tanto para el IHH como
para el IC6. Como paso preliminar, se realizó el test de Haussman que permitió afirmar el
uso de efectos fijos para realizar la estimación en cada caso. Ambos modelos estimados
presentaban problemas de heterocedasticidad, correlación temporal y autocorrelación, los
cuales fueron corregidos. A partir de ello, se han identificado las relaciones existentes entre
los factores micro y macroeconómicos, así como la influencia de la estructura de mercado
sobre el margen financiero. El resultado de las pruebas y las estimaciones finales se aprecian
en el Anexo 3. A continuación el resumen de la estimación para ambos indicadores de
concentración:
25
Cuadro 5. Estimación del impacto del IHH, variables macro y microeconómicas sobre el
margen financiero
Modelo
Constante 0.01575***
(0.00209)
IHH -0.00033*
(0.00018)
Solvencia -0.00163
(0.000901)
Tamaño -4.784E-10
(4.28E-10)
Cartera de alto riesgo -0.00082
(0.00077)
Morosidad 0.00082*
(0.00042)
Provisiones 0.00013***
(0.00001)
Depósitos -2.550E-08***
(8.98E-10)
Costos Operativos 1.45784***
(0.02234)
PBI 0.00082
(0.00091)
Inflación -0.00354
(0.00290)
Obs 2310
R2 0.8467
Cuadro 6. Estimación del impacto del IC6, variables macro y microeconómicas sobre el
margen financiero
26
Modelo
Constante 0.24144
(-0.01865)
IC6 -0.00304***
(-0.00026)
Solvencia -0.00155*
(0.00083)
Tamaño 2.154E-09***
(3.81E-10)
Cartera de alto riesgo -0.00115*
(0.00068)
Morosidad 0.00044
(0.00037)
Provisiones 0.00006***
(0.00010)
Depósitos -1.820E-08**
(8.00E-09)
Costos Operativos 1.46708***
(0.02113)
PBI 0.00089
(0.00095)
Inflación -0.00202
(0.00301)
Obs 2310
R2 0.8469
De acuerdo con los resultados obtenidos, según el Cuadro 5, se puede observar que las
variables morosidad, provisiones y costos operativos se relacionan directamente con el
margen financiero de las cajas municipales y son estadísticamente significativas. Un
resultado similar se observa en el Cuadro 6; no obstante, para este caso la morosidad resulta
ser una variable no significativa. Estos resultados son consistentes con los estudios
desarrollados por Maudos y Fernández (2004) y otros autores que consideran que los costos
operativos resultan ser una de las principales variables explicativas que explicarían el
margen financiero. Según este último punto, los costos operativos, de acuerdo al coeficiente
de la regresión, serían la variable que tendría un impacto mucho mayor en comparación a
las demás variables. Este resultado tiene mucha relación con la actividad que desempeñan
las cajas municipales, ya que debido al mayor riesgo crediticio y los sectores que atienden
los costos operativos son incluso mayores a los de la banca tradicional. Por otro lado, la
variable depósitos evidencia una relación negativa y estadísticamente significativa con el
margen.
27
Asimismo, un punto relevante para mencionar es el impacto que tienen los indicadores de
mercado sobre el margen financiero. Esta relación, según los resultados econométricos, es
negativa y significativa tanto con el IHH como con el IC6. Cabe mencionar que este
resultado no va acorde a la teoría económica, ya que esta menciona la existencia de una
relación positiva entre concentración de mercado y margen financiero. Además, se presenta
un R2 equivalente a 84% para ambas regresiones, lo que nos daría como indicador que las
variables explicativas estarían explicando en un porcentaje importante la variable endógena.
Adicional a este análisis, se ha llevado a cabo, también, el análisis de los resultados
econométricos considerando el IC4. Al respecto, los resultados evidencian las mismas
relaciones que con el IC6 en las variables independientes versus el margen financiero. Ello
se puede corroborar en el Anexo4.
De acuerdo a la revisión literaria, varios trabajos que analizan el sector bancario sostienen
que existe una relación directa entre los indicadores de concentración de mercado y el
margen financiero. Sin embargo, de acuerdo a Angeles, et al (2005) esta relación no siempre
sería positiva sino que también podría ser negativa como es el caso actual de las CMAC.
Varios factores podrían influenciar en la existencia de esta relación, si bien los estudios han
analizado el caso bancario, los estudios en el sector de las CMAC son aún limitados. Es
importante considerar las características que poseen las cajas municipales frente a los
bancos, como por ejemplo el riesgo crediticio adicional que asumen o los sectores
específicos y regiones a los que se dirige cada entidad. Por ejemplo, está el caso de la CMAC
Maynas que brinda servicios al sector de las microfinanzas en la Amazonía Peruana, también
está la CMAC Del Santa que brinda servicios en la región Ancash. Similar a estos casos las
cajas municipales atienden regiones específicas y en cada una de ellas a diferentes sectores.
Según la revisión literaria mientras los bancos tienen mayor concentración de mercado el
margen es mayor, pero esto no se cumple en las cajas municipales según el presente estudio
probablemente porque al brindar servicios a regiones específicas y querer expandirse el costo
operativo tanto de personal, transaccional como de know how del nuevo sector podría
generar menores márgenes. Es un resultado interesante para el caso de las cajas municipales
que se podría analizar más a fondo en futuras investigaciones.
28
5 CONCLUSIONES Y RECOMENDACIONES
El presente trabajo ha estudiado los determinantes del margen financiero de las principales
CMAC para el periodo del 2002 – 2019, para tal propósito se ha empleado la información
de las Cajas Municipales del Perú provenientes de la SBS y se ha aplicado la metodología
de datos panel a través de un modelo de efectos fijos que permita capturar las características
propias de cada entidad sobre los resultados.
Según el estudio realizado, se afirma la hipótesis general planteada, ya que existen factores
internos y externos que explican significativamente el margen financiero de las CMAC. Por
otro lado, se evidencia que para el caso de las cajas municipales la concentración bancaria
tiene un impacto negativo y significativo sobre el margen financiero lo cual rechaza la
hipótesis específica planteada al inicio de la investigación. Esta relación negativa y
significativa se evidencia en los resultados econométricos tanto para el IHH como IC6.
Además, según los resultados, se concluye que la principal variable que impacta en el margen
financiero son los costos operativos, que tienen una relación positiva con el margen y son
estadísticamente significativos. Estos mismos resultados se concluyen para la variable
tamaño; no obstante, la morosidad resulta ser no significativa al incluir la variable IC6 en el
modelo y lo opuesto al incluir el IHH. Respecto a la solvencia, resulta ser no significativa al
incluir la variable IHH en el modelo y resulta tener una relación negativa y significativa con
el IC6, lo que permite rechazar las hipótesis específicas planteadas para estas variables. Sin
embargo, podemos afirmar que la hipótesis planteada para los factores externos y su impacto
sobre el margen son correctos, ya que la relación resulta ser positiva para el caso del PBI y
negativa para la inflación.
Además, es importante mencionar que otra de las variables relevantes son los costos
operativos de las Cajas Municipales que impactan directamente sobre el margen. Será
importante el incremento de canales de distribución de créditos alternativos, es decir,
fomentar el desarrollo y facilidad de acceso a la banca por internet, lo que incrementaría la
competitividad en el sector de las CMAC. Ello reducirá sus costos promedio y mejorará sus
niveles de eficiencia además de favorecer la estabilidad de las cajas, ya que enfrentará a un
menor riesgo crediticio (mayor eficiencia en la gestión de la información y menor asimetría
de esta). Esta eficiencia en costos permitirá, también, que las pequeñas y medianas empresas
puedan acceder a créditos con tasas sujetas a su nivel de riesgo más que por costos
administrativos y/o operacionales que asume la empresa para tales fines.
De igual manera, por el lado del consumidor será importante que se fomente la educación
financiera en los ciudadanos y manejo de los canales virtuales, para que de esta manera
puedan gestionar de mejor manera sus recursos y permitirles definir su perfil de riesgo y la
adquisición de fondos de acuerdo con su capacidad de pago. De esta manera, las cajas
29
municipales asumirían un menor riego de crédito, lo que les permitiría reducir costos de
transacción, castigo con una mayor tasa activa que se traduce en menores costos por los
préstamos solicitados para los ciudadanos y empresas.
30
6 REFERENCIAS
Aguilar, G. y Camargo, G. (2003) Análisis de la Morosidad de las Instituciones
Microfinancieras en el Perú. Recuperado el 23 de setiembre del 2019:
https://www.cies.org.pe/sites/default/files/investigaciones/analisis-de-la-morosidad-de-las-
instituciones-microfinacieras-en-el-peru.pdf
Banco Central de Reserva del Perú (BCRP). (2019). Panorama actual y proyecciones
macroeconómicas 2019-2021. Reporte de Inflación, 1, 7.
Berger, A. N., & Hannan, T. H. (1998). The Efficiency Cost of Market Power in the Banking
Industry: A test of the "Quiet Life" and Related Hypotheses. The Review of Economics and
Statistics, 80(3), 454-465.
31
Gudeta, S. (2013). Determinants of Profitability: An Empirical Study on Ethiopian
Microfinance Institutions. (Tesis de Maestría. Universidad de Addis Ababa).
Ho, T., Saunders, A., (1981) The determinants of banks interest margins: Theory and
empirical evidence. Journal of Financial and Quantitative Analysis XVI (4), 585–590.
Hussain I. (2013) Banking Industry Concentration and Net Interest Margin (NIM) in
Pakistan. Journal of Business Economics and Management, 15(2), 384 – 402
Jorgensen, A. N. (2011). The profitability of microfinance institutions and the connection to
the yield an the gross portfolio. An empirical analysis. (Tesis de Maestria. Copenhgen
Business School).
Matinez M. y Mody A. (2004) How Foreign Participation and Market Concentration Impact
Bank Spreads: Evidence from Latin America. Recuperado el 18 de octubre del 2018:
https://openknowledge.worldbank.org/handle/10986/14205
Maudos J. y Fernandez de Guevara, J. (2004) Factors explaining the interest margin in the
banking sectors of the European Union. Journal of Banking & Finance, Elsevier, vol. 28(9).
Recuperado el 15 de setiembre del 2018:
https://www.researchgate.net/publication/4964769_Factors_Explaining_the_Interest_Marg
in_in_the_Banking_Sectors_of_the_European_Union
Maudos, J. y Pérez, F. (2003) Competencia vs. Poder de mercado en la banca española.
Moneda y Crédito, forthcoming. Recuperado el 15 de marzo del 2019:
https://www.uv.es/maudosj/publicaciones/maudos%20y%20perez.pdf
Muriu, P. (2011). Mocrofinance Profitability. (Tesis doctoral. Universidad de
Birmingham).Recuperado el 26 de octubre del 2020:
https://core.ac.uk/download/pdf/40021581.pdf
Levy, E. and A. Micco. 2003. “Concentration and foreign penetration in Latin American
banking sectors: impact on competition and risk”. Inter-American Development Bank. WP
Nº 499.
Portocarrero, F. C. Trivelli y J. Alvarado. 2002 Microcrédito en el Perú: quiénes piden,
quiénes dan. Lima: Consorcio de Investigación Económica y Social.
Ruiz, C., Ruiz, L. y Paredes J. (2017) Justificación topológica del Índice de Herfindahl-
Hirschman como índice generado por normas, vol.20. Recuperado el 03 de febrero del 2021:
https://www.redalyc.org/jatsRepo/1650/165057347006/html/index.html#B3
Sainz, I. (2017) El comportamiento financiero de las entidades de microfinanzas: Análisis
empírico del crecimiento y de la crisis de morosidad. Santander. Recuperado de
https://repositorio.unican.es/xmlui/bitstream/handle/10902/11540/Tesis%20ISF.pdf?seque
nce=1 [Consulta: 28 de mayo del 2019]
32
Tarus D., Checol Y. y Mutwol M. (2012) Determinants of Net Interest Margins of
Commercial Banks in Kenya: A Panel Study. Department of Accounting and Finance, Moi
University, P.O Box 3900, Eldoret, Kenya.
Valdivia, N. y Jaramillo, M. (2005) Las políticas para el financiamiento de las PYMES en
el Perú. CEPAL Recuperado el 20 de marzo del 2019: https://www.grade.org.pe/wp-
content/uploads/GRADE-Informe-final-Cepal.pdf
Yenesew, A. (2014). Determinants of Financial Performance: A Study on Selected Micro
Finance Institutions in Ethiopia. (Tesis de Maestría. Universidad de Jimma). Recuperado el
20 de octubre del 2020: https://core.ac.uk/download/pdf/286042692.pdf
33
7 ANEXOS
De acuerdo a Ruiz et al (2017), la literatura ofrece distintos índices que se pueden emplear
con el fin de medir el grado de concentración industrial y que si bien todos tienen un objetivo
en común se reconoce que la información arrojada por los distintos indicadores no es la
misma, pues la estructura de cada indicador representa un escenario de construcción
diferente. Al respecto, Zurita (2014) considera que las medidas de concentración pueden ser
discretas o acumulativas, como parte del primer grupo menciona el ejemplo más claro es el
ratio que mide el peso de las “k” entidades más grandes del mercado, siendo “k” elegido
arbitrariamente. Según el mismo autor, las medidas discretas tienen como principales
ventajas su sencillez, tanto por el lado de facilidad de cálculo como interpretación inmediata.
Los partidarios de estas medidas sostienen que el comportamiento de un mercado está
dominado por las entidades más grandes y no por todas, ya que al ser demasiado pequeñas
no tendrían un mayor impacto y de considerarlas el cálculo sería incesariamente complejo
con ventajas obtenidas que solo proporcionarían beneficios marginales (Zurita, 2014). Por
otro lado, las medidas acumulativas explican el nivel de concentración considerando la
totalidad del mercado y tomando en cuenta a todas las entidades que operan en él, como
parte de estas medidas se encuentra el índice de Herfindahl-Hirschman, indicador que según
Zurita (2014) se usa como medida estándar en la legislación bancaria estadounidense para
evaluar la estructura de la industria bancaria. A continuación, se presenta un resumen con
las características planteadas según Zurita (2014) para ambos indicadores:
34
"K" Mayores entidades Índice Herfindahl Hirschman (IHH)
Por otro lado, según el Banco Central de Reserva del Perú en la literatura económica se han
identificado diferentes índices con el fin de medir el nivel de concentración de las industrias.
Una característica principal de estos índices de concentración es que son simétricos entre las
empresas, es decir, son insensibles a las permutaciones de las porciones de mercado entre
las empresas y el nivel de concentración para empresas simétricas en participación crece
cuando el número de ellas aumenta de “n” a “n+1” según Tirole (1988) (Espino y Carrera,
2006).
Por lo tanto considerando la literatura revisada y con el fin de considerar una medida discreta
y otra acumulativa, de acuerdo a lo planteado por Zurita (2014), como parte de la
investigación se consideran los siguientes indicadores de concentración:
Se calcula como la suma de la participación de las “n” entidades más grandes. De acuerdo a
ello, puede tomar valores que van desde 0 que significa totalmente desconcentrado a 100
que significa totalmente concentrado.
35
Tenemos Q que representa la oferta total de todo el mercado y “q” representa la producción
𝑞
de la empresa. Por lo tanto, 𝑄 = 𝛽 resulta ser la participación de una entidad i en el tiempo t.
𝐼𝐶𝑚 = ∑𝑚
𝑖=1 𝛽
IHH=∑𝑛𝑖=1 𝛽𝑖2
Donde, “𝛽” representa la participación de cada entidad sobre la oferta total de la industria y
“n” el número de entidades a considerar para la construcción del índice.
Este indicador según el Banco Central de Reserva del Perú (BCRP) es el indicador más
ampliamente utilizado en la literatura. Además, los valores que puede tomar varían entre 0
y 10000, donde 0 hace referencia a un mercado completamente desconcentrado y 10000 a
un mercado altamente concentrado. La interpretación de los valores se puede apreciar en la
siguiente tabla:
IHH Interpretación
0 ≤ IHH ≤ 1,500 Nivel bajo de concentración
1,500 ≤ IHH ≤ 2,500 Nivel moderado de concentración
2,500 ≤ IHH Nivel alto de concentración
36
Anexo 2. Análisis de créditos directos y depósitos totales de las Cajas Municipales de
los últimos 3 años (2017-2019)
Gráfico 1. Créditos directos y depósitos totales en millones de
soles (2017-2019)
37
Anexo 3. Resultados Modelo Econométrico
Test de Haussaman
Test de Wald
38
Resultados de la estimación de modelo de equilibrio (Efectos Fijos)
Test de Haussaman
Test de Wald
39
Test de Correlación Contemporánea-Test Breuch Pagan LM
40
Anexo 4. Resultados Modelo Econométrico IC4
Modelo
Constante 0.10051
(0.00609)
IC4 -0.00181***
(0.00014)
Solvencia -0.00144*
(0.00083)
Tamaño 2.56E-09***
(4.06E-10)
Cartera de alto riesgo -0.00131*
(0.00067)
Morosidad 0.00035
(0.00037)
Provisiones 0.00005***
(0.00001)
Depósitos -2.02E-08**
(8.32E-09)
Costos Operativos 1.4931***
(0.02117)
PBI 0.00079
(0.00092)
Inflación -0.00226
(0.0029)
Obs 2310
R2 0.8471
41