Traducido del inglés al español - www.onlinedoctranslator.

com

"Determinantes del riesgo crediticio: evidencia empírica de los bancos comerciales indios"

Tisa María Antonio

AUTORES
Suresh G.

Tisa Maria Antony y Suresh G. (2023). Determinantes del riesgo crediticio: evidencia
INFORMACIÓN DEL ARTÍCULO empírica de los bancos comerciales indios.Bancos y sistemas bancarios, 18(2),
88-100.doi:10.21511/bbs.18(2).2023.08

DOI http://dx.doi.org/10.21511/bbs.18(2).2023.08

PUBLICADO EL Lunes, 22 de mayo de 2023

RECIBIDO EL Miércoles, 11 de enero de 2023

ACEPTADO EL lunes, 08 mayo 2023

LICENCIA Este trabajo está bajo licencia bajo unaLicencia Creative Commons Atribución 4.0
Internacional

DIARIO "Bancos y sistemas bancarios"

IMPRIMIR ISSN 1816-7403

ISSN EN LÍNEA 1991-7074

EDITOR LLC "Empresa editorial consultora" Perspectivas comerciales "

FUNDADOR LLC "Empresa editorial consultora" Perspectivas comerciales "

NÚMERO DE REFERENCIAS NÚMERO DE CIFRAS NÚMERO DE MESAS

59 0 6

© El autor(es) 2023. Esta publicación es un artículo de acceso abierto.

perspectivasempresariales.org
Bancos y sistemas bancarios, volumen 18, número 2, 2023
PERSPECTIVAS DE NEGOCIO
LLC “СPС “Business Perspectives”
Hryhorii Skovoroda lane, 10, Sumy,
40022, Ucrania
www.perspectivasempresariales.org
Recibido el:11 de enero de 2023
Aceptado el:8 de mayo de 2023
Publicado en:22 de mayo de 2023
© Tisa María Antony, Suresh G., 2023
Tisa Maria Antony, estudiante de
doctorado, Escuela de Comercio,
Finanzas y Contabilidad, CHRIST
(Considerada Universidad), India. (Autor
correspondiente)
Suresh G., Ph.D., Instituto Symbiosis de
Gestión Empresarial, Campus de
Bengaluru, Symbiosis International
(Universidad Deemed), Pune, India;
Escuela de Comercio, Finanzas y
Contabilidad, CHRIST (Considerada
Universidad), India.
Este es un artículo de Acceso Abierto,
distribuido bajo los términos del Licencia
Creative Commons Atribución 4.0
Internacional, que permite la reutilización,
distribución y reproducción sin restricciones en
cualquier medio, siempre que la obra original
esté debidamente citada.
Declaracion de conflicto de interes: Los autores no
informaron ningún conflicto de intereses.
88
Tisa María Antonio(India),Suresh G.(India)
Dmi tmi habitacióni nants de crmi di tri Sk: mi diputadoi ri
Californiale vi dmi Carolina del Nortemi de I Dakota del
Nortei una comunicaciónmi RCi ayo bancos
Abstracto
El riesgo de crédito es un factor importante que afecta la estabilidad financiera de los bancos. Mantener el riesgo
crediticio bajo control es esencial para mantener el flujo de caja de un banco. Este artículo examina los diversos
indicadores de rentabilidad, microeconómicos y macroeconómicos que afectan el riesgo crediticio de un banco. El
estudio utiliza el conjunto de datos de 31 bancos de 2012 a 2021 y emplea un enfoque de modelado de datos de panel
para tener en cuenta cualquier variación en el comportamiento de asunción de riesgos. Los resultados revelaron una
relación negativa estadísticamente significativa entre el rendimiento del capital y el riesgo crediticio cuando los
préstamos morosos representan el riesgo crediticio. Este hallazgo fue consistente entre los métodos de efectos fijos,
efectos aleatorios y MCO combinados, con una significancia del 1 por ciento (valor de P < 0,00), lo que indica que el
alcance del riesgo crediticio disminuye a medida que aumenta la rentabilidad. Se encontró además que la antigüedad
del banco y el tipo de propiedad afectan positivamente el riesgo crediticio de un banco, mientras que factores como el
tamaño del banco y la eficiencia operativa afectan negativamente el riesgo crediticio cuando los préstamos morosos
representan el riesgo crediticio. Además, las variables macroeconómicas mostraron que el producto interno bruto está
asociado positivamente con el riesgo crediticio, mientras que la inflación afecta negativamente al riesgo crediticio. En
general, los hallazgos de este documento demostraron que el riesgo crediticio se ve afectado por factores tanto micro
como macroeconómicos. El documento también aborda importantes implicaciones políticas, ya que ayuda a diversas
partes interesadas a examinar los determinantes del riesgo crediticio, tomar decisiones crediticias y, en última instancia,
reducir su riesgo crediticio.
Palabras clave riesgo de crédito, préstamos dudosos, provisiones para insolvencias,
efecto fijo, efecto aleatorio
Clasificación JEL G32, G21
INTRODUCCIÓN
El sector bancario de un país es la base de su sistema económico y financiero.
Dado que los bancos están regulados por el banco central del país, los
inversores y otras partes interesadas generalmente tienen una enorme
confianza en los bancos comerciales en comparación con las instituciones
financieras no reguladas. Por lo tanto, se vuelve esencial proteger los
intereses de estas partes interesadas y salvaguardarlos de diversos riesgos
que puedan surgir en los bancos.
La gestión de riesgos en la banca ha avanzado significativamente durante la última
década, principalmente debido a las regulaciones que surgieron en respuesta a la crisis
financiera global (GFC) y sus consecuencias. Varios elementos de riesgo todavía afectan
la credibilidad y sostenibilidad de un banco. Los riesgos importantes que pueden
afectar a un banco incluyen el riesgo de crédito, de liquidez, operativo y de mercado.
El riesgo de crédito (CR) se refiere al incumplimiento por parte de un banco de sus
obligaciones contractuales. Es el riesgo de incumplimiento en el pago del préstamo y puede
entenderse como un indicador de la solvencia crediticia de un prestatario. En este caso, es
posible que el prestamista no recupere el capital y los intereses impagos, lo que genera
interrupciones en el flujo de efectivo y costos de cobro significativos. Por lo tanto, es necesario
evaluar el alcance de la RC involucrada antes de emitir préstamos. Prestamistas
http://dx.doi.org/10.21511/bbs.18(2).2023.08
 Bancos y sistemas bancarios, volumen 18, número 2, 2023

puede evaluar la capacidad del prestatario para pagar la deuda para evaluar el alcance de la RC involucrada en la emisión de préstamos a
los prestatarios. En este caso, a los prestatarios con un CR bajo generalmente se les imponen tasas de interés más bajas. Los prestamistas,
inversores y otras partes interesadas también pueden consultar con las agencias de calificación para evaluar la solvencia de sus clientes.
En general, se puede entender que la gestión del riesgo crediticio (CRM) minimiza las pérdidas examinando periódicamente el alcance de
la adecuación del capital y las reservas para pérdidas crediticias de los bancos. Un CRM eficaz comienza con una evaluación exhaustiva del
perfil del prestatario y continúa durante toda la recuperación.

Aunque se han llevado a cabo muchas investigaciones en el área de CRM, un número insuficiente de estudios
examinan los determinantes de la RC, específicamente en el contexto indio. Por lo tanto, resulta pertinente
determinar los diversos determinantes de la RC en el contexto indio.

1.REVISIÓN DE LITERATURA (Gadzo et al., 2019). Además, también se observó que la

La revisión evalúa inicialmente el impacto de la rentabilidad en
la RC. Una investigación que examina el impacto de la RC en la
rentabilidad bancaria en EE. UU. y Asia reveló que, en ambas
regiones, la RC afecta significativa y positivamente la
rentabilidad. Además, se encontró que el efecto de la RC sobre
la rentabilidad es mayor en Estados Unidos que en Asia. Esto
podría deberse a que los bancos asiáticos suelen tener políticas
crediticias estrictas y supervisar los préstamos de manera más
eficiente que los bancos de EE. UU. (Abbas et al., 2019). Los
estudios también implican que el efecto de la RC sobre la
rentabilidad difiere según el tipo de propiedad del banco. La
evidencia del sector bancario de Ghana indicó que la RC afecta
positivamente la rentabilidad de un banco y que este efecto es
más intenso para los bancos nacionales que para los bancos
extranjeros (Madugu et al., 2020). Aluko et al. (2019) mostraron
que las RC afectan positivamente la rentabilidad bancaria de los
bancos nigerianos sistemáticamente importantes.
rentabilidad de los bancos de los países MENA se vio
afectada negativamente por un aumento de la RC
(Abdelaziz et al., 2020).
Las investigaciones también han revelado que la RC tiene un
impacto negativo en la rentabilidad de los bancos grandes y
medianos. Sin embargo, este efecto es insignificante para el
rendimiento sobre los activos promedio de los bancos más
pequeños (Abbas et al., 2019). Otra comparación del impacto
de la RC en la rentabilidad de bancos grandes y pequeños en
Sudáfrica indicó que la RC de los bancos más pequeños tiene
un efecto más significativo en el desempeño cuando se
representa por el ROA en comparación con los bancos más
grandes. Sin embargo, la RC de los bancos más pequeños tuvo
un menor impacto en el desempeño financiero que la de los
bancos más grandes, medida por el ROE durante el período de
2008 a 2017 (Lawrence et al., 2020). Además, la investigación
revela que la rentabilidad del banco matriz afecta
negativamente a la RC de la filial (Škrabić Perić et al., 2018).

Aunque muchos artículos han ilustrado una relación

positiva entre RC y rentabilidad, también hay estudios
contrarios. En los bancos comerciales jordanos, se
observó que la RC tiene un efecto negativo significativo
sobre el rendimiento de los activos (ROA) y el
rendimiento del capital (ROE) (Al-Eitan & Bani-Khalid,
2019). Un análisis de los bancos turcos también reveló
resultados similares y mostró una asociación negativa
entre CR y ROA y entre CR y ROE (Ekinci & Poyraz, 2019).
Además, Saleh y Abu Afifa (2020) revelaron que la RC
afecta negativamente el rendimiento de los activos
promedio y los ingresos por intereses sobre los activos
rentables (NIM), mientras que la RC no tiene un efecto
sobre el rendimiento de las acciones promedio de los
bancos en Jordania. Además, la investigación que utilizó
el modelo de ecuaciones estructurales (SEM) para
evaluar el impacto de la RC en el desempeño indicó que
la RC impacta negativamente el desempeño financiero.
En cuanto a los determinantes microeconómicos de la RC,
varios estudios han evaluado el efecto de factores específicos
de los bancos como el tipo de propiedad, el tamaño, la
diversificación, la estructura de capital y la eficiencia.
Según el tipo de propiedad, que varía según el país, los
bancos pueden clasificarse en términos generales como
sector público, sector privado y bancos extranjeros. Es
pertinente comprender si existe alguna asociación entre
el tipo de propiedad bancaria y el grado de RC que
enfrentan los bancos. Diversos estudios analizan y
comparan la RC de diversos grupos bancarios, como el
sector público, privado y bancos extranjeros. Un
examen de la propiedad bancaria en los bancos chinos
indicó que el tipo de propiedad influye en la RC.
Además, la concentración de la propiedad por parte del
gobierno

http://dx.doi.org/10.21511/bbs.18(2).2023.08 89
Bancos y sistemas bancarios, volumen 18, número 2, 2023
Se observó que afecta negativamente a la RC, lo que revela que la
propiedad gubernamental reduce el riesgo, mientras que la
propiedad privada aumenta la RC (Liu et al., 2020). También se
encontró que los depósitos se correlacionan negativamente con la
CR en los bancos públicos pero no en los privados, ya que los
bancos públicos tienden a minimizar sus depósitos a medida que
aumenta la CR. Esto indica que los bancos públicos adoptan un
enfoque conservador, a diferencia de los bancos privados, que
están más preocupados por las ganancias que por las pérdidas de
los depositantes (Saha & Sensarma, 2013).
Por el contrario, un análisis que verificó las capacidades de los
bancos públicos, privados y extranjeros para retener los
requisitos mínimos de capital establecidos por los reguladores
durante tiempos de tensión reveló que los bancos del sector
público tienen una mayor vulnerabilidad a los shocks
económicos negativos en comparación con el sector privado y
bancos extranjeros. También se reveló que los bancos del
sector público no podían sostenerse en tiempos de estrés
severo, ya que tienen menos capital y activos de alto riesgo
(Patra & Padhi, 2020). Además, Iannotta et al. (2007)
examinaron el impacto de los modelos de propiedad
alternativos y la concentración de la propiedad en el riesgo de
los bancos del sector público entre los bancos de Europa. Los
resultados revelaron que los bancos del sector público tienen
préstamos de menor calidad y enfrentan un mayor riesgo de
insolvencia en comparación con otros bancos. En comparación
con los bancos de los sectores público y privado, se encontró
que las cajas mutuas de ahorro tenían préstamos con mayor
calidad crediticia y menor riesgo de activos. El estudio reveló
además que, aunque la concentración de la propiedad no tiene
un impacto significativo en la rentabilidad de los bancos, una
mayor concentración de la propiedad está relacionada con una
mayor calidad de los préstamos, un menor riesgo de activos y
un menor riesgo de insolvencia. Además, las investigaciones
revelan que, a diferencia de las instituciones financieras
públicas, los bancos privados utilizan sus fuertes conexiones
con los prestatarios para aliviar las disparidades de información
y mejorar la calidad de sus carteras de préstamos (Belaid et al.,
2017). El examen de la asociación entre la estructura de
propiedad y el número de riesgos asumidos por los bancos
comunitarios antes de la crisis, durante y después de la crisis
financiera mundial, reveló que los pequeños bancos públicos y
privados comunitarios asumieron riesgos similares antes y en
el momento de la crisis, pero Mayor asunción de riesgos
después de la crisis. También se descubrió que después de la
recesión, los pequeños bancos públicos comunitarios podían
reducir sus riesgos más lentamente que los bancos privados.
Además, los grandes bancos comunitarios también mostraron
una tendencia cíclica.
90
asociación entre la estructura de propiedad y los riesgos
asumidos, por lo que los bancos públicos presentaban
menores riesgos antes de la recesión. Sin embargo, se
asumen mayores cantidades de riesgos durante y después
de la recesión (Balla & Rose, 2019). Además, también hay
estudios que no han encontrado un vínculo
estadísticamente significativo entre la asunción de riesgos
bancarios y la estructura de propiedad, a pesar de que la
concentración de propiedad tiene una asociación negativa
con los riesgos bancarios (Siddika y Haron, 2019). Además,
se reveló que los bancos gubernamentales tienen una
correlación negativa con el riesgo total y, sin embargo, el
riesgo de incumplimiento tiene un riesgo idiosincrásico
mayor en comparación con los bancos por acciones (Chu et
al., 2016). En el escenario indio, los bancos del sector
público tienen un mejor desempeño que los bancos del
sector privado (Suresh & Krishnan, 2020), aunque los
estudios indican manipulación y corrupción en las
entidades públicas (Suresh & Zimik, 2021). Sin embargo, el
impacto de la propiedad bancaria en la RC en India es un
área inexplorada y se examina en este documento.
Un examen de los factores que influyeron en los riesgos de
un banco durante la crisis financiera europea reveló que el
tamaño del banco afecta significativa y negativamente la CR
y el riesgo de insolvencia, es decir, a medida que aumenta
el tamaño del banco, la CR disminuye (Ben Jabra et al.,
2017). Srairi (2019) y Alzoubi y Obeidat (2020) también
indicaron una asociación negativa entre el tamaño del
banco y la RC. Además, la investigación revela que el
tamaño de un banco matriz tiene un impacto negativo en la
RC de sus filiales (Škrabić Perić et al., 2018).
Los académicos también han considerado el efecto de la
diversificación bancaria en la RC de los bancos. Un examen de
la asociación entre el riesgo y la diversificación de productos de
los bancos en Europa indicó que los bancos que se han
diversificado hacia ingresos distintos de intereses están
expuestos a riesgos más significativos en comparación con los
bancos que brindan servicios de intermediación tradicionales
(Lepetit et al., 2008). De manera similar, el examen de la
relación entre la diversificación de los ingresos y el riesgo
bancario en los bancos vietnamitas indicó que una mayor
diversificación conduce a mayores riesgos (Ngoc Nguyen,
2019). Además, si las operaciones sin intereses se clasifican
como operaciones de negociación, comisiones y honorarios,
entonces el vínculo positivo entre el riesgo y los ingresos
distintos de intereses se debe a las actividades de comisiones y
honorarios. Los hallazgos también señalaron que la asociación
entre riesgo y diversificación de productos es más precisa para
los bancos más pequeños (Lepetit et al., 2008).
http://dx.doi.org/10.21511/bbs.18(2).2023.08

Examinar cómo la estructura de capital afecta la RC ha sido otra
área de investigación. Los estudios revelaron que la
capitalización bancaria impacta negativamente en la
insolvencia y la RC (Ben Jabra et al., 2017). Además, Alzoubi y
Obeidat (2020) encontraron una asociación negativa entre la RC
y la relación capital-activos. Siddika y Haron (2019) revelaron
que un aumento del ratio de capital reduce el riesgo bancario.
Los estudios también han revelado que el crecimiento del
capital bancario reduce el riesgo de impago a largo plazo. De
manera similar, Majumder y Li (2018) indicaron que el capital
bancario afecta negativa y significativamente el riesgo. Lee y
Chih (2013) revelaron que en el caso de los bancos pequeños,
un aumento en el índice de adecuación de capital (CAR) resulta
en una reducción del riesgo, mientras que el CAR no afecta el
riesgo de los bancos más grandes.
Es pertinente comprender el impacto de la eficiencia
bancaria en la RC. Los estudios revelan que existe una
asociación entre las ineficiencias de las ganancias y el
grado de riesgo asumido por los bancos. Se descubrió
además que los bancos menos eficientes asumen mayores
riesgos al elegir a sus prestatarios y que este
comportamiento de alto riesgo no se ve compensado por
un aumento de las tasas de interés (García-Alcober et al.,
2019). De manera similar, Twum et al. (2021) mostraron
que se encontró que la eficiencia operativa tenía una
asociación inversa con la RC en el caso de los bancos
chinos. También es necesario entender si se han producido
fusiones o adquisiciones en el banco durante un año
determinado y si eso impacta su RC. Focarelli et al. (1995)
sostienen que se prevé que un banco que sufre una fusión
o adquisición en un año determinado tendrá un CR más
bajo debido a la posibilidad de una selección y seguimiento
más efectivos, lo que lleva a una reducción de los
préstamos incobrables.
Los estudios también han examinado las implicaciones
macroeconómicas de la RC, incluido el efecto de la inflación, el
Producto Interno Bruto (PIB) y la crisis económica sobre el
alcance de la RC emprendida por los bancos. Los estudios
revelan que las condiciones macroeconómicas estables y el
entorno institucional aumentan el riesgo de insolvencia
bancaria y reducen la RC bancaria (Ben Jabra et al., 2017). Una
investigación realizada en África subsahariana que investigó el
efecto de varios determinantes macroeconómicos de la RC
reveló que un aumento en la tasa de crecimiento del PIB afecta
negativamente el índice de morosidad de los bancos. También
se encontró que la tasa de crédito a los bancos privados
regionales como porcentaje del PIB afecta positiva y
significativamente
http://dx.doi.org/10.21511/bbs.18(2).2023.08
Bancos y sistemas bancarios, volumen 18, número 2, 2023
el importe de los préstamos dudosos (Mpofu y Nikolaidou,
2018). Las variables a nivel de país, como la tasa de crecimiento
del PIB y la profundidad de la información crediticia, impactan
significativamente la asunción de riesgos bancarios (Srairi,
2019). Sin embargo, un examen de las variables
macroeconómicas sobre la RC de los bancos jordanos mostró
que, aunque la RC aumentó con un aumento de la tasa de
desempleo y la crisis, la RC tiene un impacto insignificante en el
crecimiento del PIB y la inflación (Kharabsheh, 2019). El PIB y la
RC también se asociaron negativa y significativamente
(İncekara & Çetinkaya, 2019). También se encontró que el
grado de desarrollo económico influye en el impacto de la
regulación y supervisión sobre los riesgos bancarios. En
comparación con las economías en desarrollo, la regulación y
supervisión bancaria tienen un impacto más significativo en el
riesgo bancario de las economías emergentes (Klomp & De
Haan, 2014).
Además, el crecimiento del PIB de un banco matriz afecta
negativamente a la RC de sus filiales, mientras que su tasa de
interés y su liquidez impactan positivamente la RC de sus
filiales (Škrabić Perić et al., 2018). También se encontró que la
RC tiene un efecto adverso sobre el crecimiento económico, lo
que indica que los problemas de RC deben resolverse para
mejorar el crecimiento (Inekwe, 2020).
La literatura también ha documentado que la inflación
puede aumentar la CR. Los estudios han observado que un
aumento de la tasa de inflación, la apertura comercial y la
volatilidad global afectan positiva y significativamente el
alcance de los préstamos dudosos (Mpofu y Nikolaidou,
2018). También se encontró que, si bien la tasa de
crecimiento variable reduce la RC de los bancos en el largo
plazo, el tipo de cambio, la tasa de inflación y la tasa de
interés aumentan la RC de los bancos. Además, se observó
que el alcance de la RC emprendida por los bancos está
influenciado por factores de mercado (Cerrato et al., 2017) y
también por factores como las actividades de construcción,
el desempleo y la tasa de interés de los préstamos internos,
a corto y largo plazo (Nikolaidou & Vogiazas, 2014).
El estudio de la literatura muestra que, aunque varios
estudios se han centrado en los determinantes de la RC de
un banco, todavía tiene algunas limitaciones. Hasta la
fecha, la literatura no se ha centrado explícitamente en los
determinantes de la RC en los bancos indios. Además, la
evidencia disponible sobre las fuentes de la RC del banco es
muy escasa. Además, las medidas utilizadas para
representar el RC no siempre son apropiadas. Con base en
estas limitaciones, este estudio intenta analizar los diversos
determinantes de la RC en los bancos indios.
91
Bancos y sistemas bancarios, volumen 18, número 2, 2023

2.METODOLOGÍA datos (Gujarati, 2003). En vista de esto, la investigación

empleó modelos de regresión lineal utilizando MCO
El estudio ha utilizado datos secundarios procedentes de la combinados (POLS), efectos fijos (FE) y efectos aleatorios
base de datos para la economía india mantenida por el (RE) después de examinar los supuestos necesarios para
Banco de la Reserva de la India. Los datos se recopilaron llevar a cabo la regresión lineal.
durante un período de 10 años, desde 2012 hasta 2021. El
universo de muestra incluye todos los bancos comerciales El estudio ha aplicado el modelo de estructura de datos de
de la India. Hay 12 bancos comerciales indios del sector panel empleado por Chowdhury y Rasid (2017). Se puede
público y 21 del sector privado. De estos, se eliminaron dos describir de la siguiente manera:
bancos con información insuficiente para construir todas
las medidas proxy y, finalmente, se utilizaron 31 bancos en γNuevo Testamento=α+bXNuevo Testamento+εNuevo Testamento, (1)
el estudio.
donde γ denota la variable dependiente (riesgo de
Nuevo Testamento

El estudio ha considerado la CR como una variable dependiente, crédito), α es el término de intersección de las variables
representada por el índice de morosidad (NPL) y las provisiones independientes, β es un vector k × 1 del valor a estimar
para insolvencias (LLP). Las variables independientes se y el vector de observaciones esX ,que es 1 × k, t = 1,…, T; Nuevo Testamento

clasifican como variables de rentabilidad, determinantes norte = 1,…, norte.

microeconómicos y macroeconómicos de la RC de los bancos,
como se muestra en la Tabla 1. La rentabilidad está La forma práctica y operativa, el modelo antes mencionado
representada por el ROA y el ROE. Las variables se puede describir de la siguiente manera:
microeconómicas incluyen la antigüedad de un banco (BAGE),
el tamaño del banco (BSIZE), la eficiencia operativa (OE), la Riesgo crediticio=F(Rentabilidad;
capitalización (ETA), la diversificación bancaria (BD), la Variables microeconómicas;
(2)
propiedad de los bancos y las fusiones y adquisiciones. Las
variables macroeconómicas incluyen la inflación y el PIB.
Variables macroeconómicas)

Para el análisis de datos de panel, los modelos de efectos fijos El riesgo de crédito se mide por NPL y LLP. La rentabilidad
y efectos aleatorios son métodos principales que se pueden se estima utilizando ROA y ROE. Las variables
utilizar para analizar series temporales y transversales. microeconómicas incluyen la antigüedad de un banco,

Tabla 1.Variables utilizadas en el estudio.

variables Riesgo Relación Papel

Cartera vencida/Total Al-Qudah et al. (2022), Naili y Lahrichi (2022) y Wang
Riesgo de crédito 1 (NPL)
Préstamos et al. (2021)
Variables de riesgo
Saleh y Abu Afifa (2020), Duho et al. (2020), Aluko et al.
Riesgo de crédito 2 (LLP) Provisiones/préstamos para pérdidas crediticias
(2019) y Bikker y Vervliet (2017)
HUEVOS(HUEVOS) Beneficio Neto / Patrimonio Total Gupta y Mahakud (2020) y Almaqtari et al. (2018)
Rentabilidad Margen de intereses neto/Total Gupta y Mahakud (2020), y Menicucci y Paolucci
NIM(NIM)
Activos (2016)
Edad (BAGE) Edad del banco Misman y Bhatti (2020)
Saleh y Abu Afifa (2020), Brei et al. (2020), Misman y
Tamaño (TAMAÑO B) Registro (activos totales)
Bhatti (2020) y Otero et al. (2019)
Los gastos de explotación/ Naili y Lahrichi (2020), Otero et al. (2019), y Louzis et
Eficiencia (OE)
Ingresos de explotación Alabama. (2010)

N. Gupta y Mahakud (2020), Kharabsheh (2019), (Ghosh,

Capitalización (ETA) Patrimonio/Activos totales
Variables de control 2017), y Ben Jabra et al. (2017)
– micro (Naili y Lahrichi, 2020), (J. Gupta y Kashiramka, 2020), (N.
Diversificación bancaria Ingresos no financieros/Total
Gupta y Mahakud, 2020), (Ghosh, 2017) y Louzis et al.
(BD) ingreso
(2010)
(J. Gupta y Kashiramka, 2020), Sivasankaran et al. (2020), y
Propiedad (PROPIA) Bancos del sector público/privado
Otero et al. (2019)
Fusiones y Fusión/Adquisición en un determinado J. Gupta y Kashiramka (2020), y Battaglia y Mazzuca
Adquisiciones año (2014)
Inflación (INF) Tasa de inflación anual Brei et al. (2020) y Kharabsheh (2019)
Macro J. Gupta y Kashiramka (2020), (Brei et al., 2020) y Otero
PIB (PIB) Tasa de crecimiento anual del PIB
et al. (2019)

92 http://dx.doi.org/10.21511/bbs.18(2).2023.08
 Bancos y sistemas bancarios, volumen 18, número 2, 2023

tamaño del banco (BSIZE), eficiencia operativa (OE), Se estableció un entorno económico más
capitalización (ETA), diversificación bancaria (BD), competitivo, dentro del cual ha florecido el sector
propiedad bancaria (OWN) y fusiones y adquisiciones. bancario indio. Esto exige una evaluación constante
Las variables macroeconómicas incluyen la inflación y el y continua de los riesgos que enfrentan los bancos.
PIB. Para investigar los factores que pueden influir en la
RC en India, se crearon dos modelos ampliando las 3.1. Estadísticas descriptivas
variables utilizadas en la ecuación 2. Los modelos
plantean la hipótesis de que la RC de los bancos indios La Tabla 2 muestra estadísticas descriptivas de los
está influenciada por ciertos factores microeconómicos determinantes micro y macro de las variables CR de
y macroeconómicos que son los siguientes: un banco de 2012 a 2021. El valor medio de CR1 y
CR2 es 0,03 y 0,018. Para las variables
a) Modelo 1 microeconómicas, el valor medio de NIM, ROA, ROE,
BAGE, BSIZE, OE, ETA y BD son 0,026, 0,004, 0,038,
NPL=αi+b1ROAél+b2HUEVAél+ 78,435, 5,168, 3,555, 0,077 y 0,123, respectivamente.
+ b3NIMél+b4BOLSAél+b5TAMAÑO Bél+ (3) Los indicadores macroeconómicos PIB e INF han
mostraron valores medios de 5,086 y 6,55 (DE = 4,2 y
+ b6OIEél+b7ETAél+b8BDél+
2,2), respectivamente.
+ b9PROPIOél+b10INFél+b11PIBél+b10INFél.
La matriz de correlación, como se presenta en la
b) Modelo 2 Tabla 3, ayuda a determinar el grado de correlación
entre las variables y evaluar la posibilidad de
LLP=αi+b1ROAél+b2HUEVAél+ multicolinealidad entre los regresores. Además,
+ b3NIMél+b4BOLSAél+b5TAMAÑO Bél+ (4) determina si las variables dependientes e
independientes están correlacionadas positiva o
+ b6equipo originalél+b7ETAél+b8BDél+ negativamente y examina la asociación entre los
+ b9PROPIOél+b11PIB+b10INFél, distintos indicadores de RC. Los hallazgos del Cuadro
3 muestran que existe una correlación débil entre los
Dóndeiindica un banco individual;tindica año; β, ... β regresores y también muestran que no hay
son los1coeficientes
10
de las variables dependientes y ε multicolinealidad. Los hallazgos también indican una
es el término de error, y todas las demás variables se asociación negativa entre CR y los indicadores de
muestran en la Tabla 1. rentabilidad (NIM y ROE). La asociación entre las
variables RC y la eficiencia operativa, la capitalización
Los modelos se evalúan mediante regresión de efectos y la inflación también fue negativa.
fijos, aleatoria y combinada. Además, la prueba de
Hausman se utiliza para decidir entre estimaciones de La baja correlación entre las variables independientes
efectos fijos o estimaciones de efectos aleatorios. En muestra que no existen problemas de multicolinealidad.
consecuencia, para ambos modelos la prueba de Para una mayor confiabilidad, también se lleva a cabo la
Hausman reveló que el modelo FE es preferible y más prueba del Factor de Inflación de Varianza (VIF) para
relevante en comparación con el modelo RE ya que el detectar problemas de multicolinealidad. Se encontró
valor de P no excede 0,05 (valor de P = 0,00 < 0,01). que el VIF estaba por encima del umbral de 10 para las
variables que reflejan el tamaño del banco y el NIM. Por
lo tanto, estas variables se han centrado en la media.
3.RESULTADOS Y DISCUSIÓN Después de aplicar el centrado medio a las variables, los
valores caen a los niveles informados en la Tabla 4. La
El sector bancario indio es un escenario interesante para Tabla 4 demuestra que para todas las variables, los
examinar la RC de los bancos. Durante las últimas dos décadas, valores de VIF no superan 7,38, lo que demuestra la
esta industria ha experimentado una transformación ausencia de multicolinealidad entre las variables
significativa, con la liberalización, la privatización y la independientes. Por lo tanto, se puede concluir que no
globalización. La desregulación de los bancos y la existe multicolinealidad en el conjunto de datos, lo que
desmonetización también han impulsado su desarrollo concuerda con los análisis anteriores basados en
(Soundariya et al., 2021). Como resultado, un nuevo, correlación.

http://dx.doi.org/10.21511/bbs.18(2).2023.08 93
Bancos y sistemas bancarios, volumen 18, número 2, 2023

Tabla 2.Estadísticas descriptivas

variables Observación Significar Estándar desarrollador mín. Mediana máx.

Variable dependiente
NPL 310 0.030 0,029 0.000 0.022 0,166
LLP 310 0,018 0.021 – 0,020 0.010 0.162
Variables microeconómicas
NIM 310 0.026 0.005 0.014 0.025 0,042
HUEVA 310 0.038 0,147 – 0,833 0,079 0.227
BOLSA 310 78.435 32,75 8 88 127
TAMAÑO B 310 11.900 1.458 8.284 12.103 15.327
equipo original 310 3.555 43.886 – 115.328 0.950 761.501
ETA 310 0,077 0.023 0.034 0,069 0,166
BD 310 0.123 0.045 0,042 0.114 0.312
OWN_PB.SEC 310 0.409 0,492 0 0 1
MERG_AQ 310 0.032 0,176 0 0 1
Variables macroeconómicas
PIB 310 5.086 4.297 – 7.251 6.459 8.256
INF 310 6.55 2.276 3.1 5.95 10.4

Tabla 3.Matriz de correlación de Pearson

variables NPL LLP NIM HUEVA BOLSA TAMAÑO B equipo original ETA BD PROPIO MAMÁ PIB INF
NPL 1 – – – – – – – – – – – –
LLP 0,754 1 – – – – – – – – – – –
NIM – 0,518 – 0,336 1 – – – – – – – – – –
HUEVA – 0,728 – 0,849 0,447 1 – – – – – – – – –
BOLSA 0.301 0.095 – 0,404 – 0,197 1 – – – – – – – –
TAMAÑO B 0.258 0.251 – 0,180 – 0,090 – 0,222 1 – – – – – – –
equipo original – 0,005 – 0,011 – 0,017 – 0,180 0.020 – 0,099 1 – – – – – –
ETA – 0,399 – 0,191 0.680 0.315 – 0,577 – 0,071 – 0,087 1 – – – – –
BD – 0,024 0.200 0.254 0.003 – 0,552 0.386 – 0,082 0.541 1 – – – –
OWN_PB.SEC 0.538 0.327 – 0,626 – 0,329 0.418 0.555 – 0,047 – 0,610 – 0,224 1 – – –
MERG_AQ 0.024 0.007 0.007 0.024 0.038 0.213 – 0,010 – 0,044 0,049 0.144 1 – –
PIB 0.060 – 0,020 – 0,136 – 0,021 – 0,043 – 0,093 0.035 – 0,13 – 0,236 0,018 – 0,241 1 –
INF – 0,436 – 0,325 0.0125 0.307 – 0,056 – 0,132 – 0,016 – 0,070 – 0,286 0.005 – 0,049 0.053 1

Tabla 4.Resultados de la prueba VIF

nivel de cáncer. Este resultado fue similar en los tres

Características VIF modelos, es decir, utilizando POLS, FE y RE. Sin embargo,

NIM\n 2.444132 los hallazgos revelan una asociación negativa entre la
HUEVA\n 1.615504 rentabilidad y la morosidad cuando el ROE evalúa la
BOLSA 7.381024 rentabilidad. Esto indica que a medida que aumenta la
TAMAÑO CB 3.133257 rentabilidad, el alcance de la RC disminuye. Un análisis de
1.077472
los bancos turcos reveló resultados similares y mostró que
equipo original

ETA 2.924377
CR y ROE están asociados negativamente (Ekinci & Poyraz,
BD 2.127968
2019).
OWN_PB.SEC 7.113938
MERG_AQ 1.154902
PIB 2.377999 Según el modelo de efectos fijos, se encontró que la antigüedad del
INF 6.069603 banco (BAGE) tiene un impacto positivo en la RC con una
significación del 1 por ciento (valor P <0,01), lo que significa que los
3.2. Determinantes de la morosidad bancos más antiguos tienden a adoptar una RC más alta. Además,
el tamaño de los bancos afecta negativamente a la CR, lo que indica
Como se muestra en la Tabla 5, los resultados revelan una que los bancos más grandes enfrentan CR más bajas. Sin embargo,
asociación estadísticamente insignificante entre la rentabilidad y la se encontró que estos resultados eran precisos sólo en el caso de
RC cuando se miden por NIM en cualquier nivel significativo. los modelos de efectos fijos. Este hallazgo apoya la

94 http://dx.doi.org/10.21511/bbs.18(2).2023.08
 Bancos y sistemas bancarios, volumen 18, número 2, 2023

Tabla 5.Resumen de los resultados de la estimación del modelo.

OLS agrupados FE RE
variables
Parámetro Estándar errar. estadística T valor p Parámetro Estándar errar. estadística T valor p Parámetro Estándar errar. estadística T valor p
constante 0,046 0.005 8.900 0.000 – 0,176 0.062 – 2.826 0.005 0.0462 0.005 8.275 0.000
NIM – 0,32 0,237 – 1.348 0,178 – 0,448 0.337 – 1.328 0,185 – 0,341 0.252 – 1.351 0,177
HUEVA – 0,101 0.007 – 13.405 0,000*** – 0,08 0.008 – 9.064 0,000*** – 0,098 0.007 – 13.006 0,000***
BOLSA 0.000 0.000 0.5154 0.606 0.002 0.000 3.576 0,000*** 0.000 0.000 0.405 0,685
TAMAÑO B – 0.000 0.001 – 0,414 0,678 – 0,015 0.004 – 3.471 0,000*** – 0.000 0.001 – 0,686 0,493
equipo original – 0.000 0.000 – 2.892 0,004*** – 0.000 0.000 – 2.084 0,038** – 0.000 0.000 – 2.715 0,007***
ETA – 0,020 0.066 – 0,307 0,758 – 0,055 0.101 – 0,546 0.585 – 0,020 0,071 – 0,292 0.770
BD 0.014 0.031 0.467 0.640 0.007 0.041 0,183 0,854 0.023 0.033 0,712 0,476
OWN_PB.SEC 0.019 0.003 5.101 0,000*** 0.032 0.011 2.880 0,004*** 0.020 0.004 4.817 0,000***
MERG_AQ – 0,001 0.005 – 0,280 0,779 0.007 0.005 1.332 0,184 0.000 0.005 0,028 0,977
PIB 0.000 0.000 1.560 0.119 0.000 0.000 2.881 0,004*** 0.000 0.000 1.668 0,096*
INF – 0,003 0.000 – 7.833 0,000*** – 0,003 0.000 – 5.912 0,000*** – 0,003 0.000 – 8.052 0,000***
R ajustado2 0,715 – – – 0.607 – – – 0.6888 – – –
Estadística F 68.144 – – – 37.611 – – – 59.949 – – –
Prob.
0.000 – – – 0.000 – – – 0.000 – – –
(estadística F)

prueba de Hausman – – – – 0.000 – – – – – – –

Nota:*, **,y *** indican significancia al 10%, 5% y 1%, respectivamente.

Los resultados de Ben Jabra et al. (2017) y Alzoubi y Obeidat
(2020), que revelaron que un aumento en el tamaño de los
bancos reduce la RC. Además, la eficiencia operativa (OE)
afecta negativamente a CR con una significancia del 1 por
ciento usando el modelo POLS y RE y un impacto negativo
con una significancia del 5 por ciento en el caso del modelo
FE. Esto indica que las operaciones eficientes conducen a
una reducción de la RC. Este hallazgo coincide con los
hallazgos de Twum et al. (2021). Además, se observó que el
nivel de capitalización (ETA) y el grado de diversificación
bancaria (BD) tenían un impacto insignificante en la RC. Los
hallazgos también revelaron que la propiedad
gubernamental tiene un impacto positivo en la RC con una
significancia del 1 por ciento en los tres modelos cuando se
mide por la morosidad. Esto revela que los bancos del
sector público enfrentan una CR más alta en comparación
con los bancos del sector privado. Además, el banco que se
fusiona en un año determinado (MERG_AQ)no afecta la CR
3.3. Determinantes de LLP
Los resultados que se muestran en la Tabla 6 revelan una
relación positiva entre la rentabilidad y el LLP cuando se miden
mediante NIM con una significancia del 5 por ciento (valor de P
<0,05) según los modelos POLS, FE y RE. Esto revela que a
medida que aumenta la rentabilidad, la CR disminuye, ya que
un aumento en el LLP da como resultado una reducción en el
alcance de la CR. Esto es consistente con los resultados de
Saleh y Abu Afifa (2020), que indicaron que la RC impacta
negativamente el NIM de los bancos jordanos. Sin embargo,
cuando se midió por ROE, se reveló que la rentabilidad tenía un
impacto negativo en la LLP con una significancia del 1 por
ciento (valor P <0,01) en los modelos OLS, FE y RE combinados.
Esto indica que a medida que disminuye la rentabilidad,
también disminuye la CR.
Los estudios también han demostrado que la antigüedad del banco

en ningún nivel de significancia. afecta positivamente la LLP con una significación del 10 por ciento (valor

P < 0,10), lo que significa que los bancos más antiguos tienden a adoptar

Además, el PIB influyó positivamente en la CR con una una RC más baja. Sin embargo, esto fue cierto sólo cuando se utilizó el

significancia del 1 por ciento (valor P < 0,01) utilizando el modelo de efectos fijos. Además, se encontró que el tamaño del banco

modelo FE y con una significancia del 10 por ciento utilizando el afecta positivamente la LLP con una significancia del 10 por ciento (valor

modelo RE. El nivel de inflación (INF) también mostró un efecto P < 0,10), lo que demuestra que los bancos más grandes enfrentan CR

negativo sobre la RC con una significancia del 1 por ciento más bajas. Sin embargo, estos resultados fueron ciertos, sólo usando

(valor P < 0,01) cuando se emplean los modelos FE y RE POLS, y concuerdan con los hallazgos de Ben Jabra et al. (2017) y Alzoubi

combinados, lo que significa que a medida que aumenta la y Obeidat (2020), que revelaron que a medida que el banco crece, el

inflación, el alcance de la RC emprendida por los bancos alcance de la RC se reduce. Utilizando los modelos POLS, FE y RE, la

disminuye. Sin embargo, este hallazgo contradice los estudios eficiencia operativa afectó positivamente a la CR con una significancia del

de Yurdakul (2014) y Mpofu y Nikolaidou (2018), que revelaron 1 por ciento (valor P <0,01). Esto revela que un aumento en la opera-

que la inflación aumenta los CR de un banco.

http://dx.doi.org/10.21511/bbs.18(2).2023.08 95
Bancos y sistemas bancarios, volumen 18, número 2, 2023

Tabla 6.Resumen de los resultados de la estimación del modelo.

OLS agrupados FE RE
variables
Parámetro Error estándar. estadística T valor p Parámetro Error estándar. estadística T valor p Parámetro Error estándar. estadística T valor p
constante 0,018 0.003 5.655 0.000 – 0,013 0.037 – 0,363 0,716 0,016 0.003 4.431 0.000
NIM 0.324 0.144 2.249 0,025** 0.450 0.204 2.203 0,028** 0.363 0,159 2.276 0,023**
HUEVA – 0,125 0.004 – 27.219 0,000*** – 0,123 0.005 – 23.12 0,000*** – 0,126 0.004 – 27.688 0,000***
BOLSA 0.000 0.000 1.553 0,121 0.000 0.000 1.004 0.316 0.000 0.000 1.671 0,095*
TAMAÑO CB 0.001 0.000 1.942 0,053* – 0,001 0.002 – 0,529 0,597 0.001 0.000 1.575 0.116
equipo original – 0.000 0.000 – 5.365 0,000*** – 0.000 0.000 – 4.237 0,000*** – 0.000 0.000 – 4.960 0,000***
ETA – 0,022 0.040 – 0,561 0.574 – 0,003 0.061 – 0,048 0.961 – 0,010 0.045 – 0,230 0.817
BD 0.094 0.019 4.852 0,000*** 0,115 0.024 4.633 0,000*** 0.103 0.020 5.062 0,000***
PROPIO_
0.001 0.002 0.818 0.413 – 0,007 0.006 – 1.107 0.268 0.001 0.002 0.664 0.507
PB.SEC
MERG_AQ – 0.000 0.003 – 0,137 0.890 0.002 0.003 0.821 0.412 0.000 0.003 0.218 0,827
PIB 0.000 0.000 1.125 0.261 0.000 0.000 2.116 0,035*** 0.000 0.000 1.512 0,131
INF 0.000 0.000 0,294 0,768 0.000 0.000 0.891 0.373 0.000 0.000 0,641 0.521
R2 0,799 – – – 0.7944 – – – 0.7947 – – –
Estadística F 107,93 – – – 93.765 – – – 104,88 – – –
Prob.
0.000 – – – 0.000 – – – 0.000 – – –
(estadística F)

Hausmann
– – – – 0.000 – – – – – – –
prueba

Nota:*, **,y *** indican significancia al 10%, 5% y 1%, respectivamente.

La eficiencia funcional reducirá la CR medida por LLP. También
se encontró que el grado de diversificación bancaria afecta
positivamente la LLP con una significancia del 1 por ciento en el
caso de los modelos POLS, FE y RE, lo que indica que una
mayor diversificación bancaria conducirá a una caída en la RC.
También se encontró que el nivel de capitalización (ETA), el tipo
de propiedad (OWN) y el banco que se fusiona en un año
determinado (MERG_AQ) no tienen un impacto en RC en
ningún nivel de significación.
Además, se observó que el nivel del PIB afecta
positivamente a la CR con una significancia del 1 por ciento
utilizando el modelo FE, lo que indica que un aumento en el
PIB resultará en una reducción de la CR medida por LLP. Sin
embargo, la tasa de inflación (INF) no pareció afectar la RC,
utilizando ninguno de los modelos, y es consistente con los
resultados de Kharabsheh (2019), que afirma que la RC
tiene un impacto insignificante en la inflación.

CONCLUSIÓN Y LIMITACIONES
En la última década, la industria bancaria india ha enfrentado importantes problemas y desafíos. Varios cambios
recientes, incluidos varios fraudes bancarios y el COVID-19, son algunos de los problemas importantes que han afectado
el riesgo crediticio de los bancos indios. Además, la tendencia al alza de la morosidad en los últimos años ha planteado
serias dudas sobre el alcance del riesgo crediticio asumido por los bancos indios. Por lo tanto, este estudio ha evaluado
varios factores que influyeron en el riesgo crediticio de los bancos comerciales en la India de 2012 a 2021. Los préstamos
morosos y las provisiones para pérdidas crediticias fueron las variables dependientes que representaron el riesgo
crediticio. Las variables independientes se clasificaron en variables de rentabilidad, micro y macroeconómicas, cada una
representada por indicadores apropiados.

En general, los resultados muestran una asociación negativa estadísticamente significativa entre el rendimiento del capital y el riesgo
crediticio cuando el riesgo crediticio se mide por los préstamos morosos, lo que indica que a medida que aumenta la rentabilidad, el
alcance del riesgo crediticio disminuye. Sin embargo, se reveló que el rendimiento sobre el capital tiene una relación positiva con el riesgo
crediticio cuando las provisiones para pérdidas crediticias representan el riesgo crediticio, lo que indica que un aumento en la rentabilidad
eleva la cantidad de riesgo crediticio. El estudio también indica una asociación negativa entre el margen de interés neto y las provisiones
para pérdidas crediticias, lo que indica que el riesgo crediticio disminuye a medida que aumenta la rentabilidad. Se encontró además que
la antigüedad del banco y el tipo de propiedad afectan positivamente el riesgo crediticio, y el tamaño y las operaciones del banco.

96 http://dx.doi.org/10.21511/bbs.18(2).2023.08
 Bancos y sistemas bancarios, volumen 18, número 2, 2023

La eficiencia institucional tiene un impacto negativo en el riesgo de crédito cuando el riesgo de crédito se representa mediante el índice de

préstamos en mora. También se encontró que si bien el producto interno bruto está asociado positivamente con el riesgo crediticio, la inflación

afecta negativamente el riesgo crediticio.

Sin embargo, cuando el crédito se mide por el índice de provisiones para pérdidas crediticias, se observó que el tamaño del banco y la
diversificación tenían un efecto positivo en el riesgo crediticio, y se reveló que la eficiencia operativa afecta negativamente el riesgo
crediticio, ya que un aumento en las provisiones para pérdidas crediticias da como resultado una reducción. riesgo crediticio. También se
observó que el producto interno bruto afecta negativamente al riesgo crediticio cuando el riesgo crediticio se representa mediante
provisiones para pérdidas crediticias. Esto indica que se pueden adoptar medidas que fomenten el crecimiento económico, ya que pueden
aportar ventajas considerables al sector bancario al reducir el riesgo de incumplimiento de los préstamos y, como resultado, reducir el
riesgo crediticio para la industria. También podrían reducir la probabilidad de crisis bancarias y sus efectos adversos en toda la economía.

Sin embargo, existen limitaciones para el estudio. Este estudio ha considerado sólo variables seleccionadas de rentabilidad,
microeconómicas y macroeconómicas y no ha considerado el efecto de ciertas variables como la crisis financiera y el gobierno
corporativo sobre el riesgo crediticio. La incorporación de estos aspectos en los análisis beneficiaría a varias partes interesadas en
la toma de decisiones y la formulación de políticas. Estas variables también pueden considerarse para futuras investigaciones en
función de la disponibilidad de datos y otros aspectos si es necesario.

Sin embargo, se espera que los hallazgos y contribuciones de este estudio beneficien a las partes interesadas a la hora de
formular diversas reglas y políticas a la luz de los escenarios de riesgo crediticio asociados con la pandemia de COVID-19 y la
crisis económica. El estudio también tiene implicaciones importantes para los acreedores, inversores, administradores bancarios
e investigadores a la hora de tomar diversas decisiones relativas a la gestión crediticia de los bancos.

CONTRIBUCIONES DE AUTOR
Conceptualización: Tisa Maria Antony, Suresh G.
Curación de datos: Tisa Maria Antony.
Análisis formal: Tisa María Antonio.
Investigación: Tisa Maria Antony, Suresh G.
Metodología: Tisa Maria Antony.
Software: Tisa María Antonio. Validación:
Tisa Maria Antony, Suresh G. Visualización:
Suresh G.
Redacción – borrador original: Tisa María Antonio.
Escritura – revisión y edición: Tisa Maria Antony, Suresh G.

REFERENCIAS
1. Abbas, F., Iqbal, S. y Aziz, B. (2019). El impacto
del capital bancario, la liquidez bancaria y el
riesgo crediticio sobre la rentabilidad en el
período posterior a la crisis: un estudio
3. Al-Eitan, GN y Bani-Khalid,
comparativo de Estados Unidos y Asia.
Economía y finanzas convincentes, 7 (1),
1605683.https://doi.org/10.1
080/23322039.2019.1605683
2. Abdelaziz, H., Rim, B. y Helmi,
H. (2020). Las relaciones
interactivas entre el riesgo
crediticio, el riesgo de liquidez y la
rentabilidad bancaria en MENA
Región.Revisión de negocios globales, bancos-comerciales-de-jordania-
23(3), 561-583.https://doi. org/ apanel-análisis-de-datos-8674.html
10.1177/0972150919879304
4. Almaqtari, FA, Al‐Homaidi, E.
A., Tabash, MI y Farhan, N.
A (2019). Riesgo crediticio y H. (2018). Los determinantes de la
desempeño financiero de los bancos rentabilidad de los bancos comerciales
comerciales jordanos: un análisis de indios: un enfoque de datos de panel.
datos de panel.Revista de la Academia Revista Internacional de Finanzas y
de Contabilidad y Estudios Economía, 24(1), 1-18. https://doi.org/
Financieros, 23(5), 1-13. Obtenido de 10.1002/ijfe.1655
https://www.abacademies. org/
5. Al-Qudah, AA, Hamdan, A., Al-
articles/credit-risk-and-financial-
Okaily, M. y Alhaddad, L. (2022).
desempeño-de-la-
El impacto de los préstamos verdes en

http://dx.doi.org/10.21511/bbs.18(2).2023.08 97
Bancos y sistemas bancarios, volumen 18, número 2, 2023
riesgo de crédito: evidencia de los bancos
de los EAU.Investigación en ciencias
ambientales y contaminación.https://doi.
org/10.1007/s11356-021-18224-5
6. Aluko, OA, Kopalo, FT, Adeyeye, PO y
Oladele, PO (2019). Impacto de los
riesgos financieros en la
rentabilidad de los bancos de
importancia sistemática en Nigeria.
Paradigma, 23(2), 117-129.https://
doi. org/
10.1177/0971890719859150
7. Alzoubi, T. y Obeidat, M. (2020). Cómo
influye el tamaño en el riesgo crediticio
en los bancos islámicos.Gestión y
negocios convincentes, 7 (1), 1811596.
https://doi.org/10.1080/23311975.
2020.1811596
8. Balla, E. y Rose, MJ (2019). Ganancias,
asunción de riesgos y acumulación
de capital en bancos comunitarios
grandes y pequeños.Revista de
Banca y Finanzas, 103,36-50. https://
doi.org/10.1016/
j.jbankfin.2019.03.005
9. Baltagi, BH (2005).Análisis
econométrico de datos de panel (
3ª ed.). Wiley.
10. Battaglia, F. y Mazzuca, M. (2014). La
titulización y el riesgo de los bancos
italianos durante la crisis.La Revista de
Financiamiento de Riesgo, 15(4),
458-478.https://doi.org/10.1108/
JRF-07-2014-0097
11. Belaid, F., Boussaada, R. y Belguith, H.
(2017). Relación entre empresas
bancarias y riesgo crediticio: un
análisis de las empresas tunecinas.
Investigación en Negocios y
Finanzas Internacionales, 42,
532-543.https://doi.org/10.1016/j.
ribaf.2017.04.011
12. Ben Jabra, W., Mighri, Z. y Mansouri, F.
(2017). Determinantes del riesgo
bancario europeo durante la crisis
financiera.Economía y finanzas
convincentes, 5 (1).https://doi.org/
10.1080/23322039.2017.1298420
13. Bikker, JA y Vervliet, T. (2017). Rentabilidad
bancaria y asunción de riesgos con tipos
de interés bajos (Documento de Trabajo
No. 560). Banco De Nederlandsche.
https://doi.org/10.2139/ssrn.3002480
14. Brei, M., Jacolin, L. y Noah,
R. (2020). Riesgo crediticio y
competencia bancaria en el
África subsahariana.emergente
98
Revisión de mercados, 44,100716.
https://doi.org/10.1016/
j.ememar.2020.100716
15. Cerrato, M., Crosby, J., Kim, M. y
Zhao, Y. (2017). El crédito conjunto
riesgo de los bancos sistémicamente
importantes del Reino Unido.Revista de
mercados de futuros, 37 (10), 964-988.
https://doi.org/10.1002/fut.21855
16. Chowdhury, MAF y Rasid,
MESM (2017). Determinantes del
desempeño de los bancos islámicos
en los países del CCG: enfoque
dinámico GMM.Avances en 23. Ghosh, A. (2017). Análisis sectorial
finanzas, marketing y gestión
islámicas, 1(1), 49-80.https://
doi.org/
10.1108/978-1-78635-899-820161005
17. Chu, S.-H., Yang, W. y Hu, J. (2016). El
impacto de las tasas de interés en la
asunción de riesgos bancarios: una
comparación entre los bancos estatales y
los bancos por acciones en China.Actas
de la Segunda Conferencia Internacional
de 2015 sobre Sistemas de Economía
Industrial e Ingeniería de Seguridad
Industrial (págs. 359-365).https://doi.
org/10.1007/978-981-287-655-3_46
18. Duho, KCT, Onumah, JM, Owodo, RA,
Asare, ET y Onumah, RM (2020).
Riesgo bancario, eficiencia de
beneficios y rentabilidad en un
mercado frontera.Revista de Ciencias
Económicas y Administrativas, 36(4),
381-402.https://doi.org/10.1108/
jeas-01-2019-0009
19. Ekinci, R. y Poyraz, G. (2019). El
efecto del riesgo crediticio en
Desempeño financiero de los bancos de
depósito en Turquía.Procedia Ciencias de
la Computación, 158,979-987.https://
doi.org/10.1016/j. proceso.2019.09.139
20. Focarelli, D.., Panetta, F. y Salleo,
C. (1995). “¿Por qué se fusionan los
bancos? Temas de discusión (
Documentos de trabajo). Banco de
Italia. Obtenido dehttps://
www.bancaditalia. it/pubblicazioni/temi-
discussione/1999/1999-0361/
tema_361it. pdf
21. Gadzo, SG, Kportorgbi, HK y Gatsi, JG
(2019). Riesgo crediticio y riesgo
operativo en el desempeño financiero
de los bancos universales en Ghana:
mínimos cuadrados parciales
Enfoque del modelo de ecuaciones
estructurales (PLS SEM).Economía y
finanzas convincentes, 7 (1), 1589406.
https://doi.org/10.1080/23322039.
2019.1589406
22. García-Alcober, MP, Prior,
D., Tortosa-Ausina, E., & Illueca, M.
(2019). Comportamiento de asunción de
riesgos, calidad de las ganancias y
desempeño bancario: un enfoque de
frontera de ganancias.BRQ Investigación
Empresarial Trimestral.https://doi. org/
10.1016/j.brq.2019.02.003
específico de los préstamos morosos
en el sistema bancario de EE. UU. y
su impacto macroeconómico.
Revista de Economía y Negocios, 93,
29-45.https://doi.org/10.1016/j.
jeconbus.2017.06.002
24. Gujarati, DN (2003).
Econometría Básica (4ª
ed.). Tata McGraw-Hill.
25. Gupta, J. y Kashiramka, S. (2020).
Estabilidad financiera de los bancos en
India: ¿Importa la creación de liquidez?
Revista de Finanzas de la Cuenca del
Pacífico, 64,101439.https://doi. org/
10.1016/j.pacfin.2020.101439
26. Gupta, N. y Mahakud, J. (2020).
Propiedad, tamaño del banco,
capitalización y desempeño bancario:
evidencia de la India. Economía y
finanzas convincentes, 8 (1), 1808282.
https://doi.org/10.1
080/23322039.2020.1808282
27. Iannotta, G., Nocera, G. y Sironi, A.
(2007). Estructura de propiedad,
riesgo y desempeño en la banca
europea
industria.Revista de Banca y
Finanzas, 31 (7), 2127-2149.
https://doi.org/10.1016/
j.jbankfin.2006.07.013
28. İncekara, A. y Çetinkaya, H. (2019).
Gestión del riesgo crediticio: un análisis
de datos de panel sobre los bancos
islámicos en Turquía.Procedia Ciencias
de la Computación, 158,947-954.https://
doi.org/10.1016/j. proceso.2019.09.135
29. Inekwe, JN (2020). Riesgo de crédito
bancario, producción de cereales y
la economía india.Economía
Aplicada, 52 (47), 5188-5202.
https://doi.org/10.1080/00036846.
2020.1758620
http://dx.doi.org/10.21511/bbs.18(2).2023.08

30. Kharabsheh, B. (2019). Determinantes
del riesgo crediticio bancario:
evidencia empírica de los bancos
comerciales jordanos. Revista de la
Academia de Contabilidad y Estudios
Financieros,23(3). Obtenido de
https://www. abacademies.org/
articles/determinants-of-bank-credit-
risk-empirical-evidence-from-
jordaniancommercial-
banks-8197.html
31. Klomp, J. y De Haan, J. (2014).
Regulación bancaria, calidad de las
instituciones y riesgo bancario en
países emergentes y en desarrollo
Países: un análisis empírico. Finanzas
y comercio de mercados emergentes,
50(6), 19-40.https://doi.org/
10.1080/1540496X.2014.1013874
32. Lawrence, B., Doorasamy, M. y
Sarpong, P. (2020). El impacto del
riesgo crediticio en el rendimiento:
Un caso de los bancos comerciales de
Sudáfrica.Revisión empresarial global.
https://doi. org/
10.1177/0972150920969927
33. Lee, TH y Chih, SH (2013). ¿La
regulación financiera afecta la
eficiencia de las ganancias y el
riesgo de los bancos? Evidencia de
los bancos comerciales de China.
Revista Norteamericana de
Economía y Finanzas, 26,705-724.
https://doi.org/10.1016/
j.najef.2013.05.005
34. Lepetit, L., Nys, E., Rous, P. y
Tarazi, A. (2008). Banco
Estructura de ingresos y riesgo: un
análisis empírico de los bancos
europeos.Revista de Banca y
Finanzas, 32 (8), 1452-1467.
https://doi.org/10.1016/
j.jbankfin.2007.12.002
35. Liu, Y., Brahma, S. y Boateng, A.
(2020). Impacto de la
estructura de propiedad y
concentración de propiedad en el riesgo
crediticio de los bancos comerciales
chinos.Revista Internacional de Finanzas
Gerenciales,16(2), 253-272. https://
doi.org/10.1108/IJMF-03-2019-0094
36. Louzis, DP, Vouldis, A.
T. y Metaxas, VL (2010). Determinantes
macroeconómicos y bancarios específicos
de los préstamos morosos en Grecia: un
estudio comparativo de las carteras de
préstamos hipotecarios, comerciales y de
consumo
http://dx.doi.org/10.21511/bbs.18(2).2023.08
Bancos y sistemas bancarios, volumen 18, número 2, 2023
(Documento de trabajo No. 118). Banco
de Grecia.https://doi.org/10.2139/
ssrn.1703026
37. Madugu, AH, Ibrahim, M. y Amoah, JO
(2020). Efectos diferenciales del riesgo
crediticio y el índice de adecuación de
capital sobre la rentabilidad del sector
bancario nacional en Ghana.Revisión de
las Corporaciones Transnacionales,12(
1), 37-52. https://doi.org/
10.1080/19186444. 2019.1704582
38. Majumder, MTH y Li, X. (2018). Riesgo
bancario y desempeño en un entorno
de mercado emergente: el caso de
Bangladesh.Revista de Economía,
Finanzas y Ciencias Administrativas,
23(46), 199-229.https://doi. org/
10.1108/JEFAS-07-2017-0084
39. Menicucci, E. y Paolucci, G. (2016). Los
determinantes de la rentabilidad
bancaria: evidencia empírica del
sector bancario europeo. Revista de
contabilidad e informes financieros,
14 (1), 86-115.https://doi.org/
10.1108/JFRA-05-2015-0060
40. Misman, FN y Bhatti, MI (2020). Los
determinantes del riesgo crediticio:
una evidencia de los bancos islámicos
de la ASEAN y el CCG. Revista de
Gestión Financiera y de Riesgos, 13(5),
89.https://doi. org/10.3390/
jrfm13050089
41. Mpofu, TR y Nikolaidou, E. (2018).
Determinantes del riesgo crediticio
en el sistema bancario del África
subsahariana.Revisión de la
financiación del desarrollo, 8(2),
141-153.https://doi.org/10.1016/j.
rdf.2018.08.001
42. Naili, M. y Lahrichi, Y. (2020). Los
determinantes del riesgo crediticio de
los bancos: revisión de la literatura
y agenda de investigación futura.
Revista Internacional de Finanzas y
Economía, 27,334-360. https://
doi.org/10.1002/ijfe.2156
43. Naili, M. y Lahrichi, Y. (2022). El riesgo de
crédito de los bancos, sistemático
Determinantes y factores
específicos: evidencia reciente de los
mercados emergentes.Helión, 8(2),
1-16. https://doi.org/10.1016/
j.heliyon.2022.e08960
44. Ngoc Nguyen. (2019). Ganancia
Diversificación, riesgo y desempeño
bancario de los bancos comerciales
vietnamitas.Revista de Gestión
Financiera y de Riesgos, 12(3), 138.
https://doi.org/10.3390/jrfm12030138
45. Nikolaidou, E. y Vogiazas, SD (2014).
Determinantes del riesgo de crédito
para la banca búlgara
Sistema.Avances internacionales en
investigación económica, 20(1), 87-102.
https://doi.org/10.1007/
s11294-013-9444-x
46. Otero, L., Alaraj, R. y Lado-Sestayo,
R. (2019). Cómo el gobierno
corporativo y la propiedad
¿Afecta la asunción de riesgos de
los bancos en los países MENA?
Revista Europea de Gestión y
Economía Empresarial, 29(2),
182-198.https://doi.org/10.1108/
EJMBE-01-2019-0010
47. Patra, B. y Padhi, P. (2020). Resiliencia
de los bancos indios: prueba de
resistencia macroeconómica
Modelización del riesgo de crédito.
Revista de Asuntos Públicos, 22,1-14.
https://doi. org/10.1002/pa.2350
48. Saha, B. y Sensarma, R. (2013). Propiedad
estatal, riesgo crediticio y competencia
bancaria: un enfoque de oligopolio
mixto. Macroeconomía y finanzas en
economías de mercados emergentes, 6(
1), 1-13.https://doi.org/10.1080/1752
0843.2011.641719
49. Saleh, I. y Abu Afifa, M. (2020). El efecto del
riesgo de crédito, el riesgo de liquidez y el
capital bancario en los bancos.
Rentabilidad: evidencia de un
mercado emergente.Economía y
finanzas convincentes, 8 (1). https://
doi.org/10.1080/23322039.
2020.1814509
50. Siddika, A. y Haron, R. (2019).
Regulación del capital y estructura
de propiedad sobre el riesgo
bancario.Revista de Regulación y
Cumplimiento Financiero, 28(1),
39-56.https://doi.org/10.1108/
JFRC-02-2019-0015
51. Sivasankaran, SN, Shukla, A.,
Ayyalusamy, K. y Chakraborty,
S. (2020). ¿Las mujeres directoras
impactan el riesgo y el rendimiento
de los bancos indios?Revisión de la
sociedad y la gestión del IIM
Kozhikode, 10(1), 44-65.https://doi.
org/10.1177/2277975220938013
99
Bancos y sistemas bancarios, volumen 18, número 2, 2023
52. Škrabić Perić, B., Rimac Smiljanić,
A. y Aljinović, Z. (2018). Riesgo
crediticio de filiales de bancos
extranjeros en países de ECO:
impactos del banco matriz y el
entorno económico del país de
origen. Revista norteamericana de
economía y finanzas, 46,49-69.
https://doi.org/10.1016/
j.najef.2018.03.009
53. Soundariya, G., David, TA y Suresh, G.
(2021). Nexo entre riesgo de tipos de
interés y valor económico del
patrimonio de los bancos.Revisión de
negocios globales,1-21.https://doi.
org/10.1177/09721509211039401
54. Srairi, S. (2019). Transparencia y asunción
de riesgos bancarios en la banca
islámica del CCG.Bolsa de Estambul
100
Revisión, 19(1), S64-S74.https://doi.
org/10.1016/j.bir.2019.02.001
55. Suresh, G. y Krishnan, A.
P. (2020). Evaluación del desempeño
de los bancos indios: enfoque del
modelo Eagles.Finanzas India, 34(3),
999-1024. Obtenido dehttps://
financeindia.org/data/2020/FI343/
FI-343-Art06. pdf
56. Suresh, G. y Zimik, MY (2021).
Prácticas de gobierno corporativo
y protección de los accionistas
En India.Finanzas India, 35(2),
545-562. Obtenido dehttps://
financeindia.org/data/2021/FI352/
FI-352-CP02.pdf
57. Twum, AK, Zhong Ming, T.,
Agyemang, AO, Ayamba, E.
C. y Chibsah, R. (2021). El impacto de los
factores internos y externos del riesgo
crediticio en las empresas: un estudio
empírico de los bancos comerciales
chinos.Revista de Contabilidad y Finanzas
Corporativas, 32(1), 115-128.https://doi.
org/10.1002/jcaf.22482
58. Wang, J., Xia, B. y Huiling, Q. (2021). Impacto
variable en el tiempo de las fluctuaciones de
los precios de la vivienda sobre el riesgo
financiero bancario.Economía de la gestión
y de las decisiones, 43 (2), 457-467.https://
doi.org/10.1002/mde.3393
59. Yurdakul, F. (2014). Modelización
macroeconómica del riesgo crediticio para
bancos.Procedia Ciencias Sociales y del
Comportamiento, 109,
784-793.https://doi.org/10.1016/j.
sbspro.2013.12.544
http://dx.doi.org/10.21511/bbs.18(2).2023.08