Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sustainability 14 13219.en - Es
Sustainability 14 13219.en - Es
com
sostenibilidad
Artículo
Abstracto:Aunque los estudios empíricos muestran que diferentes tipos de préstamos tienen diferentes riesgos
(además, el riesgo de crédito al consumo es mayor en comparación con otros tipos de préstamos), es común estudiar el
riesgo crediticio del sector bancario en su conjunto, o del conjunto de un banco individual. cartera de préstamos y los
factores macroeconómicos que la afectan (sin agruparlos por tipo de préstamo). Por lo tanto, un análisis del riesgo
crediticio de toda la cartera de préstamos (medido por todos los préstamos morosos) es insuficiente. Por lo tanto, el
objetivo de esta investigación es identificar los determinantes macroeconómicos del riesgo crediticio de los préstamos
al consumo y evaluar cuantitativamente su impacto en los países de Europa Central y del Este. Tras el análisis de la
literatura científica en el campo de los determinantes del riesgo crediticio, se propone una clasificación detallada de los
factores que influyen en el riesgo crediticio bancario. La característica distintiva de la clasificación es que los factores
que influyen en el riesgo crediticio se clasifican en cinco niveles diferentes; Se seleccionaron doce grupos de variables de
Citación:Kanapickienė, R.; Keliuotytė-
condiciones macroeconómicas generales como factores potenciales de los préstamos dudosos. Esta clasificación puede
Staniulėnienė, G.; Teresienė, D.; Špicas,
ser útil para comprender e investigar mejor los factores que influyen en el riesgo crediticio bancario para toda la cartera
R.; Neifaltas, A. Determinantes
de préstamos (de la misma manera que los factores que afectan el riesgo crediticio de diferentes tipos de préstamos,
macroeconómicos del riesgo crediticio:
por ejemplo, préstamos al consumo). Utilizando los métodos de análisis de panel de efectos constantes, fijos y
evidencia sobre el impacto en el crédito
aleatorios, MCO simples, análisis de regresión de mínimos cuadrados con puntos de interrupción y modelos de cambio
al consumo en los países de Europa
de régimen de Markov, se evalúa el impacto de las variables macroeconómicas de doce grupos separados. Se utilizan
central y oriental.
Sostenibilidad2022,14, 13219. https:// datos de 11 países de ECO y se cubre el período de 2008 a 2020. Los resultados de esta evaluación revelan que en el
doi.org/10.3390/su142013219 grupo de países de ECO, variables como el PIB y las variables del mercado laboral parecían haber contribuido al
aumento de la proporción de préstamos al consumo morosos, mientras que la inflación y las variables del mercado
Editores académicos: Bruce Morley y
inmobiliario estaban relacionadas con la disminución de los préstamos dudosos de consumo; al mismo tiempo, el
Giuliana Birindelli
impacto de las variables de otros grupos parecía ser de naturaleza mixta o insignificante. Los resultados de esta
Recibido: 31 de julio de 2022 investigación son útiles porque permiten identificar los determinantes más importantes del riesgo crediticio de los
Aceptado: 27 de septiembre de 2022
préstamos al consumo y, por lo tanto, permiten hacer suposiciones sobre los cambios en la morosidad debido a la
Publicado: 14 de octubre de 2022
cambiante situación macroeconómica. En el caso de Lituania, se realizó por primera vez este tipo de estudio (evaluación
Nota del editor:MDPI se mantiene neutral de los determinantes macroeconómicos del riesgo crediticio de los préstamos al consumo). La evaluación del riesgo
con respecto a reclamos jurisdiccionales en crediticio de los préstamos al consumo es especialmente relevante en un entorno de tasas de interés crecientes, y un
mapas publicados y afiliaciones análisis más profundo puede ayudar a los bancos y otras instituciones financieras a gestionar el riesgo crediticio. Por
institucionales. otro lado, una mejor comprensión de los principales factores que influyen en el entorno macroeconómico puede ayudar
a los bancos centrales y otras instituciones oficiales a tomar decisiones de política monetaria y fiscal adecuadas para
garantizar un buen canal de transmisión de crédito para un crecimiento económico sostenible.
riesgo. Entre estos factores se destaca los factores macroeconómicos, y la necesidad de un análisis de su
impacto sobre el riesgo de crédito se demuestra tanto en los análisis teóricos realizados como en los estudios
empíricos realizados. La evaluación del riesgo crediticio es muy importante para crear una economía sostenible.
Las cuestiones de sostenibilidad son muy sensibles a las posibilidades de financiación, que al mismo tiempo
están relacionadas con el riesgo crediticio. Por ello, es fundamental analizar los principales factores que influyen
significativamente en el riesgo crediticio para tomar decisiones monetarias y fiscales adecuadas, que puedan
ayudar a asegurar una mejor transmisión de los canales crediticios. El análisis del riesgo crediticio es muy
relevante durante este período económico en el que las tasas de interés están aumentando. Hoy en día, los
bancos centrales de todo el mundo están aumentando las tasas de interés para controlar la inflación, por lo que,
al mismo tiempo, los bancos comerciales y otras instituciones financieras enfrentan un gran desafío en la
gestión del riesgo crediticio.
En primer lugar, después de realizar análisis teóricos del riesgo crediticio, los investigadores enfatizan la
importancia de los factores macroeconómicos. Por ejemplo, (i) la importancia de los factores macroeconómicos
se presenta mediante el uso de diversos medios de expresión: “el entorno macroeconómico es el factor más
importante en la determinación del riesgo crediticio” [3] y “los indicadores macroeconómicos son factores
determinantes que influyen en las decisiones de toma de riesgo crediticio bancario” [4]. (ii) También se indica la
influencia sobre el riesgo de crédito. Castro [3] coincide en que “el entorno macroeconómico tiene una fuerte
influencia en el riesgo de crédito bancario”. De manera similar, Figlewski, Frydman y Liang [5] muestran que “la
exposición al riesgo de crédito se ve afectada por las condiciones de la macroeconomía”. Melečky y Sulganova [1
] sugieren que los factores de riesgo macroeconómicos son una fuente de riesgo sistémico.
En segundo lugar, los análisis empíricos realizados también indican que los factores
macroeconómicos influyen en el riesgo crediticio bancario. Por ejemplo, Mileris [4] señala que “las
condiciones macroeconómicas favorables coinciden con mejores capacidades de pago de préstamos”, así
como con un menor riesgo crediticio (es decir, menor probabilidad de incumplimiento (PD), menor índice
de morosidad (NPL), etc.). Además, a la inversa, el riesgo crediticio aumenta durante las crisis
económicas. Así, el riesgo de crédito está relacionado con variables macroeconómicas. Tras analizar la
investigación empírica de Demirguc-Kunt y Detragiache [6], Wong, Wong y Leung [7] resumen que “las
dificultades bancarias sistémicas estaban asociadas con un entorno macroeconómico de bajo
crecimiento económico, alta inflación y altas tasas de interés reales”. Castro [3] concluye que “el entorno
económico es fundamental para explicar el comportamiento del riesgo de crédito” y el “riesgo de crédito
bancario se ve significativamente afectado por el entorno macroeconómico”. Otros investigadores han
obtenido resultados similares, por ejemplo, [8–12] y otros. Finalmente, Castro [3] conecta las crisis
bancarias emergentes con los cambios en el entorno económico y proclama que “la mayor parte de las
crisis bancarias está precedida por cambios en el entorno económico que mueven la economía de un ciclo
de crecimiento a una recesión”.
Después de realizar el análisis de la investigación empírica realizada (Jimminez y saurina [13],
Bonfim [14], Nkusu [15] y otros), Castro ha llegado a las siguientes conclusiones [3]: los factores
macroeconómicos “deben incluirse en el análisis ya que tienen una influencia considerable en los
cambios del riesgo crediticio”. Por lo tanto, es probable que esta sea la razón, como lo señala el
metaanálisis de Melecky y Sulganova [1] y Naili y Lahrichi [dieciséis] muestra que la literatura sobre
los determinantes del riesgo de crédito ha ido aumentando, especialmente en la última década.
Teniendo en cuenta estas razones, los investigadores y los responsables de la formulación de políticas debaten
ampliamente el riesgo crediticio bancario [dieciséis]. En primer lugar, como señalaron Koju, Koju y Wang [17], los
estudios empíricos sobre los determinantes del riesgo de crédito son esenciales para considerar cuestiones en una
economía estable. En segundo lugar, teniendo en cuenta la importancia del sector bancario en la economía, se siente la
falta de un enfoque sistemático respecto de los factores de riesgo crediticio; Por tanto, adquiere importancia la cuestión
de la clasificación de los factores que influyen en el riesgo de crédito bancario. Además, por un lado, los resultados del
metanálisis realizado por Melecky y Sulganova [1] sugieren que, en primer lugar, se publicó un número limitado de
estudios antes de la crisis financiera mundial de 2008 y, en segundo lugar, “la literatura creció rápidamente después de
2010”. Por otro lado, una reciente revisión exhaustiva de la literatura realizada por Naili y Lahrichi [dieciséis] revela que a
pesar de un gran número de estudios sobre
Sostenibilidad2022,14, 13219 3 de 62
determinantes del riesgo de crédito bancario, “la cuestión de los préstamos dudosos sigue sin resolverse”. Por tanto, esta
cuestión sigue siendo relevante.
También es necesario señalar que la mayoría de los estudios anteriores se centraron en el riesgo crediticio
bancario de toda la cartera de préstamos bancarios, que a menudo se mide mediante préstamos dudosos. Sin
embargo, el riesgo crediticio de diferentes préstamos puede ser específico [13,18]; específicamente, los préstamos al
consumo tienen los niveles de morosidad más altos [18], mientras que la investigación que analiza distintos tipos de
préstamos es escasa y el nivel de examen del riesgo crediticio de los préstamos al consumo es insuficiente. Por lo tanto,
dicha investigación sigue siendo relevante. En este estudio, hemos seleccionado el riesgo crediticio de préstamos al
consumo a investigar. Esta decisión se basó en que recientemente estos préstamos están pasando a ser objeto de
Fintech; además, durante períodos de incertidumbre, aumenta la necesidad de préstamos al consumo. Por lo tanto,
resulta apropiado realizar dicha investigación y reevaluar los resultados obtenidos en investigaciones anteriores. En
este momento, la evaluación del riesgo crediticio ha adquirido especial relevancia debido al entorno de tasas de interés
crecientes y el alto endeudamiento de los hogares.
Como se señaló anteriormente, los indicadores macroeconómicos son los factores más importantes que
influyen en el riesgo crediticio bancario. Sin embargo, los hallazgos de la literatura empírica son contradictorios.
Por otro lado, las variables macroeconómicas pueden impactar de forma diferente en cada tipo de NPL. Sin
embargo, el nivel de examen de esta cuestión es insuficiente. Estas razones motivan la necesidad de realizar
más investigaciones empíricas sobre los determinantes macroeconómicos del riesgo crediticio bancario de los
préstamos al consumo.
Cabe mencionar que el alcance de la investigación también difiere. Melečky y Sulganova [1]
observa que la mayoría de los estudios “se centran sólo en un país” y sólo algunos de ellos “utilizan
paneles más grandes”. Los autores han estado discutiendo las razones detrás de esta selección y
han llegado a la conclusión de que “esto podría deberse a la disponibilidad limitada de datos y a
una comparación internacional problemática, por ejemplo, debido a diferentes definiciones de
préstamos morosos en cada país” [1].
Por lo tanto, esta investigación intenta resolver este problema centrándose en los países de
Europa central y oriental. En nuestra opinión, esta investigación es relevante ya que analiza nuevos
países de la UE. En estos países no se han realizado ni se han realizado en períodos anteriores
muchos análisis comparativos. Además, la investigación no abordó riesgos crediticios de
préstamos por separado. Además, conviene evaluar la influencia de los desafíos de la economía del
año en curso sobre el riesgo de crédito bancario.
A la luz de lo dicho, esta investigación tiene como objetivo identificar los determinantes
macroeconómicos del riesgo crediticio de los préstamos al consumo en los países de Europa central y
oriental y evaluar cuantitativamente el impacto de estos determinantes.
Para alcanzar este objetivo se han fijado los siguientes objetivos:
(i) desarrollar las clasificaciones de factores que influyen en el riesgo de crédito bancario y la clasificación de
factores macroeconómicos que influyen en el riesgo de crédito bancario, considerando el hecho de que
no existe un enfoque único para las clasificaciones de factores que influyen en el riesgo de crédito en
estudios teóricos e investigaciones empíricas;
(ii) seleccionar los factores macroeconómicos que influyen en el riesgo de crédito bancario en cada grupo,
habiendo identificado los grupos de factores que influyen en el riesgo de crédito bancario (FIBCR); y
(iii) desarrollar los modelos de evaluación.
Los aportes más importantes de esta investigación son los siguientes:
(i) Para investigar los factores que influyen en el riesgo de crédito, es necesario clasificar
estos factores en diferentes niveles. Un análisis de las clasificaciones de los factores que influyen en el riesgo de
crédito en estudios teóricos e investigaciones empíricas ha concluido que no existe un enfoque único. Se
pueden identificar diferentes tendencias y se está desarrollando una nueva clasificación sobre la base de estas
tendencias. En este estudio, la clasificación de los factores que influyen en el riesgo crediticio bancario se
desarrolla utilizando un enfoque sistemático.
Una característica distintiva de la clasificación es que los factores que influyen en el riesgo crediticio se
clasifican en cinco niveles diferentes. Conviene subrayar que, en el segundo nivel, los factores
macroeconómicos a menudo se clasifican únicamente como los factores que influyen en el riesgo crediticio
sistemático; por lo tanto, adoptamos un enfoque más profundo y dividimos los factores que influyen en el
riesgo crediticio sistemático en tres grupos: (i) factores macroeconómicos, (ii) cambios en la situación económica
Sostenibilidad2022,14, 13219 4 de 62
factores de políticas, y (iii) factores de cambios políticos. En el cuarto nivel, profundizamos y clasificamos
los factores de condiciones macroeconómicas generales en doce grupos del FIBCR; es decir, en este nivel
se distinguen factores de (i) cuatro sectores diferentes y (ii) ocho grupos de factores que afectan a todos
los sectores. Esta clasificación puede ser útil para comprender e investigar mejor los factores que
influyen en el riesgo crediticio bancario para toda la cartera de préstamos (de la misma manera que los
factores que afectan el riesgo crediticio de diferentes tipos de préstamos, por ejemplo, préstamos al
consumo).
(ii) Es muy importante mencionar que en estudios previos, solo unos pocos comúnmente
Se analizan los determinantes macroeconómicos mencionados del riesgo crediticio bancario y se dejan fuera
del alcance de la investigación otros determinantes potenciales. Esta investigación se centra en la clasificación
detallada de los determinantes del riesgo de crédito bancario.
Además, esta investigación contribuye a la literatura en el campo al investigar los determinantes
del riesgo crediticio bancario centrándose en una categoría de préstamos: los préstamos al consumo. En
estudios anteriores no se había realizado un análisis tan detallado de los determinantes del riesgo
crediticio de los préstamos al consumo. En el caso de Lituania, este tipo de investigación se realiza por
primera vez.
En esta investigación se analizó la situación tanto en el grupo de países de ECO como en Lituania por separado y
se identificó el impacto de determinadas variables macroeconómicas en el riesgo de crédito de los préstamos al
consumo. Utilizando los métodos de análisis de panel de efectos constantes, fijos y aleatorios, MCO simples, análisis de
regresión de mínimos cuadrados con puntos de ruptura y modelos de cambio de régimen de Markov, se reveló que: (i)
para los países de ECO, el PIB y las variables del mercado laboral parecían tener una efecto de aumento del riesgo,
mientras que la inflación y las variables del mercado inmobiliario tuvieron un efecto de disminución del riesgo; (ii) en el
caso de Lituania, las variables del mercado inmobiliario y laboral parecieron tener un efecto de aumento del riesgo,
mientras que las variables del PIB y del sector de los hogares tuvieron un efecto de disminución del riesgo de crédito de
los préstamos al consumo.
Johnson, Boehlje y Gunderson [19] están de acuerdo en que “si las implicaciones de los cambios
macroeconómicos en las tasas de incumplimiento de los préstamos pudieran medirse con mayor precisión, los
prestamistas podrían pronosticar mejor las pérdidas futuras y el impacto de las pérdidas en las ganancias”. Esto
significa que una mejor comprensión de la relación entre el riesgo crediticio y los factores macroeconómicos
podría mejorar la gestión del riesgo crediticio en el sector bancario. Por lo tanto, los hallazgos de este estudio
pueden ayudar a comprender las causas del riesgo crediticio en los países analizados y permitir a los bancos
comerciales sostener un entorno competitivo.
Los resultados de esta investigación permiten identificar los determinantes más importantes del riesgo crediticio
de los préstamos al consumo, haciendo supuestos sobre los cambios en los préstamos en mora debido a la cambiante
situación macroeconómica.
Además, la evaluación del riesgo crediticio de los préstamos al consumo es especialmente relevante en
un entorno de tipos de interés crecientes. Por un lado, un análisis más profundo puede ayudar a los bancos y
otras instituciones financieras a gestionar el riesgo crediticio. Por otro lado, una mejor comprensión de los
principales factores que influyen en el entorno macroeconómico puede ayudar a los bancos centrales y otras
instituciones oficiales a tomar decisiones de política monetaria y fiscal adecuadas para garantizar un buen canal
de transmisión de crédito para un crecimiento económico sostenible.
Este artículo consta de una introducción, cuatro secciones principales y secciones de discusión e
implicaciones, así como limitaciones e investigaciones futuras. En la sección2, se analizan teóricamente
los determinantes macroeconómicos del riesgo de crédito de créditos de consumo y se propone la
clasificación de los determinantes macroeconómicos; en la sección3, se discute la selección de variables e
hipótesis dependientes e independientes; en la sección4, se describe la selección de datos y la
especificación del modelo, y en la Sección5, se discuten los resultados de la evaluación cuantitativa del
impacto de las variables macroeconómicas sobre el riesgo crediticio de los préstamos al consumo.
Para lograr el objetivo de la investigación, que es identificar los determinantes macroeconómicos del
riesgo crediticio de los préstamos al consumo en los países de Europa central y oriental, es necesario investigar
los factores que influyen en el riesgo crediticio y, en particular, clasificar estos factores en diferentes niveles. En
este análisis, no limitamos nuestro análisis únicamente al riesgo de crédito bancario, sino que
Sostenibilidad2022,14, 13219 5 de 62
También se utilizan estudios de riesgo crediticio tanto de país como de empresa. Un análisis de las
clasificaciones de los factores que influyen en el riesgo crediticio en estudios teóricos e investigaciones
empíricas ha llevado a la conclusión de que no existe un enfoque único. Se pueden identificar diferentes
tendencias y se está desarrollando una nueva clasificación sobre la base de estas tendencias.
En primer lugar, se distinguen los componentes del riesgo crediticio. Con base en la literatura, el
riesgo de crédito generalmente se clasifica en dos componentes: (i) riesgo de crédito sistemático y (ii)
riesgo de crédito no sistemático. Ante este desglose, según Castro [3], Mpofu y Nikolaidou [20], resulta
apropiado proporcionar un desglose similar de los factores que influyen en el riesgo de crédito bancario
(FIBCR) en el primer nivel. Además, estos factores se clasifican en varios niveles (ver Figura1).
En el segundo nivel, se distinguen grupos de factores que caracterizan los factores que influyen en
el riesgo crediticio sistemático y no sistemático. Cabe señalar que las opiniones de los investigadores
difieren. Diferentes autores destacan varias características de los factores de riesgo de crédito como
características principales. Además, se proporcionan algunos ejemplos.
(1) Es posible distinguir un grupo separado de autores (por ejemplo, [3,4,11,17,21]) OMS
Analizar sólo los factores macroeconómicos como factores que influyen en el riesgo de crédito.
Sostenibilidad2022,14, 13219 6 de 62
Algunos estudios deben mencionarse por separado. Uno de ellos es el estudio de Liao y
Chang [22], que determina los factores macroeconómicos como variables económicas y
financieras. Otro estudio fue realizado por Maltritz y Molchanov [10]. Según los investigadores, (i)
“las variables explicativas utilizadas en la literatura se pueden dividir en varios grupos”;
(ii) “el grupo más grande incluye variables que describen las condiciones macroeconómicas del
país. Por otro lado, para el estudio del riesgo crediticio país, Maltritz y Molchanov [10] incluyen
veintiocho variables independientes que describen (i) las condiciones macroeconómicas del país,
así como (ii) “algunas dimensiones de la gobernanza de los países”. Sin embargo, los autores no
especifican qué variables pertenecen a qué grupo.
(2) Es posible distinguir un grupo separado de autores que analizan únicamente datos específicos de cada banco.
factores que influyen en el riesgo de crédito. Según Naili y Lahrichi [dieciséis], este grupo incluye
investigadores como Boyd y De Nicoló [23], Podpiera y Weill [24], Rossi, Schwaiger y Winkler [25],
Haq y Heaney [26], y Zhang et al. [27]. Además, Salas y Saurina [28] identifican las variables
específicas de los bancos como determinantes microeconómicos de los préstamos problemáticos.
(3) Otro grupo de investigadores (por ejemplo, [8,12,18,28]) distinguen dos grupos de factores,
es decir, examinan la influencia de variables macroeconómicas y específicas de los bancos sobre el riesgo crediticio.
Cabe señalar que, en el caso de las empresas que se investigan y no de los bancos, se distinguen los factores específicos
de la empresa en lugar del grupo de variables específicas del banco. Por ejemplo, Figlewski, Frydman y Liang [14]
utilizan variables macroeconómicas y relacionadas con las calificaciones específicas de las empresas para explorar cómo
las condiciones económicas generales impactan los incumplimientos corporativos y los cambios importantes en las
calificaciones crediticias.
Además, algunos autores presentan varios modelos diferentes en un estudio, por ejemplo, para identificar
los principales determinantes de los préstamos dudosos en el sistema bancario de la zona del euro para el
período 1990-2015, Dimitrios, Helen y Mike [29] han desarrollado seis modelos que podrían dividirse en tres
grupos: (i) modelos que utilizan sólo variables específicas de cada país como factores macroeconómicos; (ii)
modelos que utilizan sólo variables específicas de los bancos, y (iii) modelos que utilizan tanto variables
específicas de los países como variables específicas de los bancos.
(4) Ghosh [30] El análisis teórico demuestra que “la mayoría de los estudios se centran más en
Los factores macroeconómicos y externos influyen en los préstamos dudosos, y menos en factores específicos
de la industria bancaria”, lo que demuestra la importancia de estos estudios. Por esta razón, los investigadores
individuales (p. ej., [31,32]) han distinguido entre dos grupos de factores, es decir, examinan la influencia de
variables macroeconómicas y específicas de la industria bancaria.
(5) Los investigadores distinguen tres grupos de factores: macroeconómicos, específicos de los bancos,
y variables específicas de la industria bancaria, por ejemplo, Naili y Lahrichi [33].
En resumen, se puede afirmar que es posible distinguir entre diferentes grupos de autores que
discuten tres grupos de determinantes de la morosidad: determinantes macroeconómicos, específicos de
la industria bancaria y específicos de los bancos; o diferentes combinaciones de estos factores.
La literatura también proporciona una agrupación diferente de factores que influyen en el riesgo crediticio.
Además, se proporcionan algunos ejemplos.
(6) Además de los grupos de factores ya mencionados, un grupo de factores del mercado financiero
Se distinguen factores. Según los hallazgos de Gila-Gourgoura y Nikolaidou [2], las variables
macroeconómicas, específicas de los bancos y del mercado financiero afectan el riesgo crediticio que se
mide en el flujo de nuevos préstamos incobrables (en el sistema bancario italiano, 1997-2017). Naceur y
Omran [34] y Mileris [4] distinguen cuatro grupos de determinantes, incluidos los determinantes
financieros. Sin embargo, Mileris [4] utiliza únicamente determinantes macroeconómicos en su
investigación empírica y crea un conjunto de variables independientes como factores que determinan los
cambios en la cantidad de préstamos dudosos y dudosos calculados a partir de 9 indicadores
macroeconómicos para 22 países de la UE en 2008-2010.
(7) Un grupo de factores del entorno institucional se combina con otros grupos de
factores. Varios ejemplos demuestran esta afirmación. Melečky y Sulganova [1] señalan que se pueden
identificar varios grupos de determinantes del riesgo de crédito (es decir, determinantes
macroeconómicos, específicos de los bancos o institucionales); sin embargo, su artículo sólo analiza los
determinantes macroeconómicos del riesgo crediticio.
Sostenibilidad2022,14, 13219 7 de 62
(1) El estudio de Liao y Chang [22] combina variables económicas y financieras en los
siguientes factores explicativos: (i) la economía real, (ii) la inflación y (iii) la vivienda.
(2) Cabe señalar que Figlewski, Frydman y Liang agrupan los factores macroeconómicos en tres
grupos [5] y Mileris [4] de la siguiente manera: (i) factores de condiciones macroeconómicas
generales, (ii) factores de la dirección de la economía y (iii) factores de las condiciones del
mercado financiero.
(3) Feldkircher [36] divide los determinantes macroeconómicos en seis grupos: (i) PIB e
inversión, (ii) dinero e inflación, (iii) régimen monetario, (iv) comercio y composición del
comercio, (v) entorno empresarial y mercado laboral, (vi) calidad institucional .
(4) Después del análisis literario de los determinantes económicos del riesgo crediticio del país, Maltritz y
Molchanov [10] afirman que las variables que describen las condiciones macroeconómicas de un país se
pueden dividir en los siguientes grupos: (i) indicadores económicos generales, (ii) indicadores de
relaciones externas y (iii) variables que describen la situación de la deuda de un país.
Para investigar los factores que influyen en el riesgo crediticio bancario (de la misma manera que los
factores que afectan el riesgo crediticio de diferentes tipos de préstamos, por ejemplo, préstamos al consumo),
es necesario clasificar estos factores en diferentes niveles (ver Figura1). Después de analizar las clasificaciones
de los factores que influyen en el riesgo de crédito en estudios teóricos e investigaciones empíricas e identificar
diferentes tendencias, desarrollamos la nueva clasificación basada en la abstracción, la sistematización y el
análisis crítico.
En primer lugar, el riesgo de crédito se distingue en dos componentes: (i) riesgo de crédito sistemático y
(ii) riesgo de crédito no sistemático. Dado este desglose, resulta apropiado proporcionar un desglose
similar de los factores que influyen en el riesgo de crédito bancario (FIBCR). Además, estos factores se
clasifican en varios niveles. En el primer nivel, los factores se clasifican según los componentes del riesgo
de crédito bancario; es decir, hay dos grupos de factores: (i) los factores que influyen en el riesgo
crediticio sistemático y (ii) los factores que influyen en el riesgo crediticio no sistemático.
En el segundo nivel se distinguen grupos de factores que caracterizan los factores que influyen en el
riesgo crediticio sistemático y no sistemático. En este nivel de clasificación, a menudo sólo los factores
macroeconómicos se clasifican como factores que influyen en el riesgo crediticio sistemático; por lo tanto,
adoptamos un enfoque más profundo y dividimos los factores que influyen en el riesgo crediticio sistemático en
tres grupos: (i) factores macroeconómicos, (ii) factores de cambios en las políticas económicas y (iii) factores de
cambios políticos. Como se indicó anteriormente, los cambios en las variables del segundo grupo (es decir, en
“Factores de cambios en las políticas económicas”) y del tercer grupo (es decir, “Factores de cambios políticos”)
son difíciles de examinar; por lo tanto, los investigadores principalmente “se centran en los factores
macroeconómicos”. Así, en el segundo nivel, se identifican cinco grupos L2 del FIBCR, tres de los cuales
caracterizan los factores que influyen en el riesgo crediticio sistemático y dos de los cuales caracterizan los
factores que influyen en el riesgo crediticio no sistemático (ver Figura1).
Por otro lado, en el segundo nivel, estos factores se pueden agrupar bajo otro
epígrafe: (i) variables externas y (ii) variables internas. Además, dependiendo de la
Sostenibilidad2022,14, 13219 8 de 62
enfoque de investigación, aquí son posibles diferentes agrupaciones; es decir, (i) si analizamos el riesgo
crediticio de un banco específico, entonces los factores específicos de la industria bancaria se clasificarán como
variables externas, pero (ii) si analizamos el riesgo crediticio de la industria bancaria, los factores específicos de
la industria bancaria se clasificarán como variables internas.
Tras modificar las clasificaciones introducidas en los estudios de Naceur y Omran [34],
Figlewski, Frydman y Liang [5], Mileris [4] (según Naceur y Omran [34]), Melečky y Sulganova [
1], en el tercer nivel, los factores macroeconómicos se han agrupado en cuatro grupos L3: (i)
factores de condiciones macroeconómicas generales, (ii) factores de la dirección de la
economía, (iii) factores de las condiciones del mercado financiero, y (iv) Factores del entorno
institucional.
En el cuarto nivel, los factores de condiciones macroeconómicas generales se separan en doce
grupos L4 del FIBCR; es decir, en este nivel, se distinguen factores de (i) cuatro sectores diferentes, es
decir, factores del sector empresarial, sector financiero, sector gobierno general y sector hogares, y (ii)
ocho grupos de factores que afectaron a todos los sectores, es decir, crecimiento económico, inflación,
dinero, inversión, mercado laboral, mercado inmobiliario, comercio y composición del comercio,
consumo.
Finalmente, en la sección se analizan grupos de factores de condiciones macroeconómicas generales de
quinto nivel (L5).3en la discusión de las variables independientes de la investigación.
3. Hipótesis de investigación
El PIB es una de las variables macroeconómicas utilizadas “para representar el entorno económico
general” [40]. Según los investigadores, una economía en crecimiento se asocia con un aumento de los ingresos
[15], lo que significa que los prestatarios tienen un flujo de ingresos suficiente para pagar sus deudas [31] y,
como resultado, las dificultades financieras disminuyen [15]. En consecuencia, las variables del PIB están
asociadas negativamente con los préstamos dudosos [15,41]. Además, por el contrario, el aumento de los
préstamos dudosos está asociado a una evolución macroeconómica adversa.
En artículos científicos, los investigadores presentan diferentes modificaciones del PIB utilizadas como
variables macroeconómicas. Tras analizar la literatura, se pueden distinguir las siguientes variables: (1) PIB [4,10
,12,14,20,22,35,42], (2) PIB real [2,30,31,40,42,43], (3) crecimiento del PIB [2–4,10,dieciséis,17,20,30,31,38,42]
(cabe señalar que en los estudios empíricos esta variable generalmente se ajusta (es decir, a menudo se utiliza
la tasa de crecimiento del PIB)), (4) crecimiento del PIB real [4,30], (5) tasa de crecimiento del PIB [10,14,17,42],
(6) tasa de crecimiento del PIB real (%) [3,4,20,30], (7) PIB per cápita, [10,12,17,30], (8) Tasa de crecimiento del
PIB per cápita [17,20], (9) tasa de crecimiento del PIB real per cápita [10,30].
En este grupo de factores, en los artículos científicos se identifican los siguientes factores menos
utilizados: (1) brecha del PIB (brecha de producción) [2,30,42,43], (2) ingreso nacional bruto (INB) que se
mide como la tasa de crecimiento del ingreso nacional bruto (INB) per cápita (por ejemplo, [17]), (3) gasto
nacional bruto (GNB) (por ejemplo, [17]). En los estudios anteriores sólo se utilizó una de las variables del
PIB, mientras que Koju, Koju y Wang [17] sostienen que su estudio se encuentra entre los pocos estudios
que analizan diferentes indicadores del PIB en un solo artículo. En este estudio, seguiremos el enfoque
de estos autores y analizaremos diferentes indicadores del PIB en diferentes modelos para determinar
qué indicador explica mejor los préstamos dudosos.
Los investigadores destacan el vínculo encontrado entre los indicadores del PIB y el riesgo
crediticio. Sin embargo, los autores difieren en el nivel de detalle que proporcionan. El nivel de detalle va
desde la presentación abstracta, por ejemplo, afirmando que “el nivel de préstamos dudosos está
influenciado por el crecimiento del PIB” (Gila-Gourgoura y Nikolaidou [2] (citado por Klein [40]) a una
presentación detallada, es decir, indicando la dirección del enlace y/o si el enlace es significativo. Además,
se proporcionan algunos ejemplos.
(1) Los resultados del análisis de correlación indican la siguiente conclusión. Gila-Gourgoura y Nikolaidou
[2] (citado por Makri et al. [44]) declaran fuertes correlaciones entre los préstamos dudosos y el
PIB. Mientras tanto, Mpofu y Nikolaidou [20] (citado por Ombaba; Viswanadham y Nahid) entran en
más detalles: se afirma una correlación negativa entre los préstamos dudosos y el PIB.
(2) Los investigadores documentan un impacto significativo de las variables del PIB en el riesgo crediticio. Por
ejemplo, Nikolaidou y Vogiazas [31], según Castro [3], afirman un impacto significativo del crecimiento del
PIB en el riesgo crediticio de los bancos. Karoglou, Mouratidis y Vogiazas [43] citar a Hoggarth et al. y
señalan que “el PIB real tiene un impacto significativo en la calidad de la cartera de préstamos” (el caso
del Reino Unido).
(3) Los investigadores documentan una influencia negativa de las variables del PIB sobre el riesgo crediticio, por ejemplo, [30,35,
45]. Algunos autores enfatizan la duración del impacto, por ejemplo, “el crecimiento del PIB reduce el riesgo crediticio en
el largo plazo” [46], “la tasa de crecimiento del PIB per cápita estuvo significativamente relacionada con el riesgo crediticio
en el corto plazo” [11].
(4) Los investigadores documentan una influencia negativa significativa de las variables del PIB sobre el riesgo crediticio.
Mpofu y Nikolaidou [20], basado en los estudios [8,15,21,37], señalan que la tasa de crecimiento del PIB real tiene
una relación negativa significativa con los préstamos dudosos. Los hallazgos empíricos muestran que las
variables del PIB (tasa de crecimiento del PIB per cápita [11], tasa de crecimiento del PIB [17], y la tasa de
crecimiento del PIB real [20]) tienen una relación negativa y significativa con los préstamos dudosos.
(5) Sin embargo, Haniifah [38] Los resultados muestran que el crecimiento del PIB no influye de manera significativa en los
préstamos en mora (el caso de Uganda, 2000-2013).
Dentro del grupo de factores utilizados con menos frecuencia, los trabajos de investigación destacan las
siguientes relaciones entre factores y riesgo crediticio:
Sostenibilidad2022,14, 13219 10 de 62
(1) La brecha del PIB (brecha de producción) se distingue como una variable explicativa significativa [2,29]: la
probabilidad de impago disminuye cuando aumenta la brecha del PIB [42]. Además, este factor tiene un
impacto significativamente negativo en la calidad de la cartera de préstamos [35].
(2) La tasa de crecimiento de la renta nacional bruta (RNB) per cápita tiene un impacto negativo significativo en los
préstamos dudosos [17].
(3) El efecto del gasto nacional bruto (GNB) sobre el nivel de préstamos dudosos es negativo, aunque no
estadísticamente significativo [17].
En resumen, según los resultados obtenidos por la mayoría de los investigadores, se espera que las
variables del PIB tengan una relación negativa con la morosidad. Con base en estos argumentos se formula la
Hipótesis 1:
Hipótesis 1 (H1):Las variables del PIB tienen una relación significativamente negativa con los préstamos dudosos.
Finalmente, vale la pena distinguir el deflactor del PIB como indicador de inflación. Los
investigadores también ofrecen percepciones encontradas sobre el deflactor del PIB. Harada y Kageyama
[40] consideran que esta variable macroeconómica es significativa ([40] (citado por [42])). También se
harán algunas observaciones sobre los otros estudios empíricos mencionados anteriormente. Liao y
Chang [22] utilizan “dos variables contenidas en el componente de inflación”, es decir, el índice de precios
al consumidor (IPC) y el índice de precios al productor (IPP). Mientras tanto, el deflactor del PIB se
examina como el componente económico fundamental de otros tres componentes (producción
industrial, desempleo e ingreso personal). El estudio revela que el deflactor del PIB impacta significativa y
positivamente el componente económico fundamental. Además, "afecta negativamente la intensidad del
incumplimiento y aumenta las probabilidades de supervivencia".
En resumen, por un lado, la inflación podría tener un efecto negativo sobre los préstamos dudosos. Koju,
Koju y Wang [50], Umar y Sol [41], Nor, Ismail y Abd Rahman [53] Explique esta relación de la siguiente manera:
si la tasa de interés nominal permanece sin cambios y la inflación aumenta, el valor del préstamo disminuye. Por
lo tanto, esto facilita a los prestatarios el reembolso de sus préstamos; por lo tanto, los riesgos de
incumplimiento de los prestatarios disminuyen y los préstamos en mora disminuyen.
Por otra parte, Mileris [4] sostiene que, por lo general, una tasa de inflación alta está asociada con altas tasas de interés
de préstamos y, por lo tanto, altos ingresos bancarios. Sin embargo, a medida que aumentan las tasas de interés de los
préstamos, disminuye la capacidad de los prestatarios para cumplir con los pagos de sus préstamos a tiempo (Umar y
Sostenibilidad2022,14, 13219 11 de 62
Sol [41]; Koju, Koju y Wang [17], Kjosevski y Petkovski [47]). Por lo tanto, con base en este argumento, se supone
que la tasa de inflación afecta positivamente a los préstamos en mora.
En esta investigación se espera que las variables de inflación tengan una relación negativa con la
cartera vencida. Con base en estos argumentos se formula la Hipótesis 2:
Hipótesis 2 (H2):Las variables de inflación están significativamente relacionadas negativamente con los préstamos dudosos.
Los investigadores discuten que los cambios de calidad en las carteras de préstamos bancarios dependen
de la oferta monetaria [4]. La oferta monetaria como determinante de los préstamos dudosos se utiliza (i) en la
base teórica para el análisis empírico, por ejemplo, por Mileris [4], Nikolaidou y Vogiazas [55], Nikolaidou y
Vogiazas [31], Gila-Gourgoura y Nikolaidou [2], y (ii) en investigaciones empíricas, por ejemplo, Nikolaidou y
Vogiazas [56], Nikolaidou y Vogiazas [31], Karoglou, Mouratidis y Vogiazas [43]. Sin embargo, los hallazgos de
los estudios son contradictorios. Además, se proporcionan algunos ejemplos. Resultados empíricos de
Karoglou, Mouratidis y Vogiazas [43] indican que la oferta monetaria afecta negativamente al riesgo crediticio
tanto de Rumanía como de Bulgaria. Cabe señalar que, en el caso de Bulgaria, el riesgo crediticio se mide por la
tasa de crecimiento de la relación entre pérdidas y préstamos dudosos sobre el total de préstamos (DNPL). La
tasa de crecimiento de la ratio de pérdidas y préstamos dudosos sobre el total de préstamos (DNPL) es un
indicador del riesgo crediticio en el caso de Rumanía. Nikolaidou y Vogiazas' [56] Los resultados muestran que la
oferta monetaria (M2) como factor de actividad macroeconómica ha tenido un impacto negativo y significativo
en el riesgo crediticio de Rumania tanto en el largo como en el corto plazo durante el período 2001-2010. En
este caso, el riesgo crediticio se mide como las provisiones para pérdidas crediticias sobre el total de préstamos.
Nikolaidou y Vogiazas [31] revelan que la oferta monetaria (M1, M2, M3) tiene un efecto decreciente, es decir,
negativo, sobre los préstamos dudosos en los sistemas bancarios de los países del África subsahariana (ASS)
(M1 para Zambia, M2 para Kenia, Sudáfrica y Namibia). y M3 para Uganda) tanto a largo como a corto plazo. Los
hallazgos de Yurdakul [46] sugieren que la oferta monetaria (M2) aumenta los riesgos crediticios de los bancos
(Turquía, 1998-2012); es decir, el impacto de la oferta monetaria sobre los préstamos dudosos es positivo pero
estadísticamente insignificante.
Las reservas internacionales son otra variable discutida por los investigadores. Al analizar el riesgo
crediticio del país, Maltritz y Molchanov [10] afirman que las reservas de divisas “a menudo se consideran
un amortiguador para los shocks en las cuentas corriente y de capital”. En consecuencia, se consideran
un determinante esencial del riesgo de incumplimiento del país.
Las reservas internacionales como factor macroeconómico se utilizan en diversos contextos. Por
ejemplo, (i) Feldkircher [36] emplea este factor al identificar las condiciones del mercado financiero y
macroeconómico, lo que ayuda a explicar la respuesta distintiva de las economías reales de los países a
la crisis financiera global. Sin embargo, los autores no encontraron una relación directa entre la
acumulación de reservas y la gravedad de la crisis. Sin embargo, resumiendo los resultados, Feldkircher [
36] afirma que “la acumulación de reservas internacionales mitigó los efectos nocivos de las tensiones
financieras en la economía real, en particular cuando la financiación interna a través del crédito es
abundante”. (ii) Al analizar los determinantes políticos y económicos del riesgo crediticio de los países
tanto en las economías emergentes como en las desarrolladas, Maltritz y Molchanov utilizan las reservas
como indicador de relaciones externas [10]. Concluyen que el impacto de la relación entre las reservas de
divisas y las importaciones sobre el riesgo de impago de los países en desarrollo es significativamente
negativo. (iii) Habiendo analizado los determinantes del riesgo de crédito soberano, Stolbov [48] concluye
que, en el caso del análisis, mayores reservas extranjeras reducen el riesgo crediticio soberano; Estos
hallazgos son consistentes con la teoría económica. Sin embargo, este efecto sólo se produce en el corto
plazo.
En esta investigación se espera que las variables monetarias tengan una relación negativa con la
morosidad. Con base en estos argumentos se formula la Hipótesis 3:
Hipótesis 3 (H3):Las variables monetarias están significativamente relacionadas negativamente con los préstamos dudosos.
Sostenibilidad2022,14, 13219 12 de 62
Hipótesis 4 (H4):Las variables de inversión tienen una relación significativamente negativa con los préstamos dudosos.
La tasa de desempleo como determinante del riesgo crediticio se distingue (i) en análisis
teóricos, por ejemplo, Melecky y Sulganova [1]; (ii) en la base teórica para el análisis empírico, por
ejemplo, [2,4,dieciséis,17,20,31] y otros; y (iii) en estudios empíricos, por ejemplo, [2,3,15,17,18, 30,
32,42–46,51,56–63] y otros.
Melečky y Sulganova [1] llevó a cabo un estudio teórico detallado. Los autores examinaron 33
estudios que incluyen 92 modelos y casi 300 parámetros estimados, así como los "cinco
determinantes macroeconómicos más comunes" de la tasa de morosidad, uno de los cuales es la
tasa de desempleo. Si bien esta variable es relevante, “no está incluida en más de la mitad de los
modelos” considerados por los investigadores. Según Melecky y Sulganova [1], un metaanálisis de
la literatura empírica muestra que los estudios están dominados por “los parámetros estimados
positivos y estadísticamente significativos” de la tasa de desempleo; además, hay “una proporción
relativamente mayor” de estudios que tienen estimaciones insignificantes.
Los investigadores enfatizan la relación entre desempleo y riesgo crediticio. Sin embargo,
presentan diferentes niveles de detalle. Por un lado, los estudios pueden proporcionar una
presentación abstracta. Por ejemplo, los resultados muestran que los préstamos dudosos pueden
explicarse principalmente por variables macroeconómicas, incluida la tasa de desempleo [18,59,62
–64]. Por otro lado, los estudios pueden proporcionar una presentación detallada, es decir, indicar
la dirección de la relación y/o si la relación es significativa. A continuación se dan algunos ejemplos.
(1) Los investigadores documentan un impacto positivo significativo del desempleo en el riesgo crediticio;
es decir, el riesgo crediticio aumenta cuando aumenta la tasa de desempleo [2,3,15,17,31,43,45,46,
52,60,64–66]. El impacto positivo del desempleo sobre los préstamos morosos podría
explicarse desde dos perspectivas. Desde la perspectiva de los empleados, la explicación podría ser
la siguiente: la probabilidad de incumplimiento depende de los ingresos actuales [18] ya que el
desempleo afecta negativamente a los flujos de caja de los hogares y aumenta la carga de la deuda
[45]; los desempleados no pueden cumplir sus compromisos y reembolsar los préstamos [17,45];
en consecuencia, esto podría aumentar el nivel de préstamos morosos. Además, cabe señalar que
un aumento de la tasa de desempleo limita los ingresos actuales y futuros de los hogares. Desde la
perspectiva de las empresas, la explicación podría ser la siguiente: el aumento del desempleo
podría provocar una disminución de la producción de las empresas debido a la caída de la
demanda efectiva [45]. Tiene un impacto negativo en las actividades económicas de las empresas y
estimula el riesgo crediticio [42]. Finalmente, Kocisova y Pastyrikova [63] amplían la perspectiva al
nivel estatal y sugieren que si el país no crea empleos, afectará no sólo “al sector bancario en
forma de altos niveles de morosidad sino también a toda la economía”.
Sostenibilidad2022,14, 13219 13 de 62
(2) Los investigadores documentan un impacto positivo significativo del desempleo en el riesgo crediticio.
con un desfase temporal. Por ejemplo, Nikolaidou y Vogiazas [56] presentan que el desempleo impacta
significativamente positivamente los préstamos dudosos con un desfase de 10 meses. Según el estudio de
Sulganova [57], se encuentra una relación positiva significativa entre la tasa de desempleo y los préstamos
dudosos después de un período más largo de aproximadamente dos años.
Blanco y Gimeno [67] explicar la existencia de desfases temporales; es decir, las prestaciones por desempleo, los
ahorros personales o el apoyo financiero de otros miembros de la familia pueden ayudar a los prestatarios
desempleados a pagar sus préstamos en el corto plazo. Por lo tanto, podría pasar algún tiempo antes de que los
préstamos concedidos a prestatarios desempleados se clasifiquen como préstamos dudosos.
(3) Algunos estudios confirman el impacto negativo del desempleo en el riesgo crediticio, por ejemplo, [56].
Asimismo, la investigación de Zheng, Bhowmik y Sarker [32] sugiere que esta variable macroeconómica tiene
una conexión negativa con los préstamos dudosos (Bangladesh, 1979-2018) en el largo plazo; sin embargo, en el
corto plazo, el desempleo tiene una relación significativa-positiva con los préstamos dudosos; es decir, “un
aumento del 1% en el desempleo provocará una disminución del 2,45% en los préstamos dudosos”.
(4) Los investigadores documentan un impacto insignificante del desempleo en el riesgo crediticio,
p.ej, [61].
Finalmente cabe señalar que para estimar el desempleo; Los investigadores también utilizan la
tasa de desempleo a largo plazo (por ejemplo, Mileris [4]). Por tanto, es razonable evaluar el impacto de
esta variable en la investigación empírica.
Nos basamos en la disposición de que el aumento del desempleo conduce a la pérdida de ingresos
para los empleados, y esto contribuye a un aumento de los préstamos morosos. Significa que se espera
que las variables de desempleo tengan una relación positiva con los préstamos dudosos. Con base en
estos argumentos se formula la Hipótesis 5:
Hipótesis 5 (H5):Las variables de desempleo se relacionan significativamente positivamente con los préstamos dudosos.
Los economistas coinciden en que el mercado inmobiliario suele acaparar una parte importante de la
economía del país. Como Liao y Chang [22] Estado, las variables del mercado inmobiliario podrían usarse para
identificar la relación entre la burbuja inmobiliaria y la crisis crediticia. Como se mencionó anteriormente, en el
grupo L4 del FIBCR denominado “mercado inmobiliario”, sugerimos incluir los siguientes factores: (i) índice de
precios de la vivienda (IPV) y (ii) precios inmobiliarios. Los supuestos subyacentes a esta selección se detallan a
continuación.
El índice de precios de la vivienda (IPH) se utiliza como factor de condiciones macroeconómicas en la
investigación [3,15,20,22,42]. Los resultados de la investigación de estos autores indican que el índice de precios
de la vivienda afecta significativamente negativamente al riesgo de impago [22] o riesgo de crédito [3]; es decir,
este riesgo aumenta cuando los precios de la vivienda disminuyen [3]. El siguiente fenómeno explica esto. A
medida que aumentan los precios de la vivienda, aumenta el valor de la garantía [3], los “prestatarios enfrentan
shocks adversos inesperados” [15], y se reduce la probabilidad de impago del prestatario, así como el riesgo de
crédito bancario. Por el contrario, como Liao y Chang [22] discuten, los precios más bajos de la vivienda
dificultan el proceso de refinanciación de préstamos hipotecarios y aumentan las tasas de ejecuciones
hipotecarias y morosidad.
En esta investigación se espera que las variables del mercado inmobiliario tengan una
relación negativa con la morosidad. Con base en estos argumentos se formula la Hipótesis 6:
Hipótesis 6 (H6):Las variables del mercado inmobiliario se relacionan significativamente negativamente con la morosidad.
Entre las variables que describen las condiciones macroeconómicas del país, conviene distinguir el grupo
de indicadores de relaciones exteriores [10]. En el análisis del riesgo crediticio del país, Maltritz y Molchanov [10]
coinciden en que las variables relacionadas con el lado real de la balanza de pagos (como exportaciones,
importaciones, balanza comercial o cuenta corriente) son importantes. Los autores explican esto afirmando que
“las exportaciones (netas) de capital (para el servicio de la deuda) se reflejan en transacciones reales, por
ejemplo, exportaciones (netas) de bienes y servicios”. Estos indicadores
Sostenibilidad2022,14, 13219 14 de 62
Se espera que sean significativos al investigar el riesgo crediticio bancario. Por lo tanto, consideramos
apropiado separar los siguientes grupos de variables de comercio y composición del comercio: (1)
exportaciones, (2) importaciones, (3) balanza comercial y (4) otros grupos de factores. El razonamiento detrás de
esta división se presenta a continuación.
En primer lugar, como Koju, Koju y Wang [17], explica, un alto volumen de exportaciones indica la política
comercial eficiente que se espera que mejore el crecimiento económico de un país, y en consecuencia la posición
financiera de los prestatarios. Por lo tanto, indica que la exportación está negativamente vinculada al nivel de
morosidad. La política de apertura comercial podría representarse mediante diferentes variables utilizadas por los
investigadores: (a) las exportaciones de bienes y servicios per cápita [4], (b) las exportaciones de bienes y servicios al PIB
[17], o (c) la tasa de crecimiento de las exportaciones [10].
En segundo lugar, las importaciones podrían representarse mediante diferentes variables utilizadas por los
investigadores: (a) las importaciones de bienes y servicios per cápita [4], (b) las importaciones de bienes y servicios con respecto
al PIB, o (c) la tasa de crecimiento de las importaciones [10]. Maltritz y Molchanov [10] revelan que el efecto de la tasa de
crecimiento de las importaciones sobre el riesgo de incumplimiento del país es significativamente negativo en los países
desarrollados y, por el contrario, positivo pero estadísticamente insignificante en las economías emergentes.
En tercer lugar, se sugiere incluir en el grupo de balanza comercial las siguientes variables: a) la
balanza por cuenta corriente [2,4,17], (b) la balanza comercial [2], y (c) la balanza comercial respecto del
PIB [10]. Koju, Koju y Wang [17] obtener que el impacto de la cuenta corriente no sea significativo.
Maltritz y Molchanov [10] revelan que el efecto de la variable balanza comercial/PIB sobre el riesgo de
incumplimiento del país es mixto; es decir, este efecto es positivo pero estadísticamente insignificante en
los países desarrollados; en cambio, es negativo pero estadísticamente insignificante en las economías
emergentes.
Finalmente, el estudio empírico de Maltritz y Molchanov [10] muestra que el riesgo de incumplimiento de
los países desarrollados está influenciado significativa y positivamente por la variable de libertad comercial;
pese a ello, el efecto de esta variable es positivo pero estadísticamente insignificante en las economías
emergentes.
En resumen, los resultados de los estudios han sido contradictorios. Por lo tanto, se espera que las
variables comercio y composición del comercio tengan una relación insignificante con los préstamos dudosos.
Con base en estos argumentos se formula la Hipótesis 7:
Hipótesis 7 (H7):Las variables del comercio y de la composición del comercio tienen una relación insignificante con los préstamos en mora.
En conclusión, en esta investigación se espera que las variables de consumo tengan una relación
negativa con la morosidad. Con base en estos argumentos se formula la Hipótesis 8:
Si bien los grupos de factores de condición macroeconómica (en nuestra investigación indicados
como grupos L4 de la FIBCR) discutidos anteriormente se analizan ampliamente en la literatura científica,
los siguientes grupos de factores y factores separados se han analizado en fragmentos y
Sostenibilidad2022,14, 13219 15 de 62
Estos factores no han sido sistematizados. Algunos de los factores sugeridos fueron analizados a nivel de riesgo
crediticio país o nivel de riesgo crediticio corporativo. Por lo tanto, resulta significativo revelar el impacto de
estos factores macroeconómicos a nivel de riesgo de crédito bancario.
En el cuarto nivel, los factores de condición macroeconómica que definen los diferentes
sectores se dividen en cuatro grupos L4 del FIBCR, es decir, (i) sector empresarial, (ii) sector
financiero, (iii) sector gobierno general y (iv) factor del sector doméstico. grupos. En el quinto nivel,
dos grupos L4 que definen los sectores separados (específicamente, los grupos de factores del
sector empresarial y del sector gobierno general) se distinguen en subgrupos, es decir, los grupos
L5 de la FIBCR. De aquí en adelante se discutirán con mayor detalle los grupos y factores antes
mencionados.
En el sector empresarial cabe distinguir los siguientes subgrupos (es decir, los grupos L5
de la FIBCR): (1) general, (2) sector primario y sector secundario, (3) sectores terciario y
cuaternario, (4) otro. Los factores incluidos en el grupo general son comunes a todo el sector
empresarial. Los otros dos grupos están destinados a sectores separados de la economía. El
factor “libertad empresarial” se asigna al grupo de factores denominado “otros”. La división
de los factores individuales en grupos L5 del FIBCR se puede ver en la FiguraA1. A
continuación se analizarán en detalle los distintos factores.
(a) Fracción de empresas en mora en la economía. Mileris [4] señala que el incumplimiento individual
Las probabilidades de las empresas y las tasas de incumplimiento (medidas como la fracción de empresas que
incumplen en la economía) están muy correlacionadas, ya que ambas variables están claramente relacionadas con el
ciclo económico. Por lo tanto, se puede esperar que un aumento en la proporción de empresas en mora en la economía
conduzca a un aumento en los préstamos en mora; es decir, el impacto de la fracción de empresas en mora en la
economía sobre los préstamos en mora es positivo.
(b) Endeudamiento empresarial. Tras el análisis de los determinantes macroeconómicos de
Problemas del sector bancario, Pesola [68] revela que el elevado endeudamiento de los clientes
contribuyó a las dificultades del sector bancario. Sin embargo, en Pesola [68] estudio, el “indicador
de endeudamiento privado cubre tanto el sector empresarial como el de los hogares”. Por otro
lado, para revelar el impacto separado del sector empresarial y del sector doméstico, el indicador
de endeudamiento debe dividirse en dos componentes: endeudamiento de los hogares y
endeudamiento de las empresas, que sugerimos medir mediante la relación deuda-capital o ratio
préstamos empresariales/PIB, respectivamente.
Se espera que el impacto del endeudamiento del sector empresarial sobre los préstamos en mora sea
positivo: un alto endeudamiento hace a los prestatarios “más vulnerables a shocks adversos que afectan su
riqueza o ingresos, lo que aumenta las posibilidades de que se enfrenten a problemas de servicio de la deuda” [
3,15].
(c) Índice de producción industrial. Los investigadores (por ejemplo, [2,4,35,42,69]) analizar el
Influencia del índice de producción industrial sobre el riesgo de crédito. Los resultados revelan un efecto
insignificante entre este índice y el riesgo de crédito bancario representado por la financiación en mora [
34].
(d) Valor de la industria en relación con el PIB, según Koju, Koju y Wang [17], refleja industria
desarrollo y, gracias a una adecuada política industrial, las actividades económicas aumentan al tiempo
que mejora la capacidad de pago. De esta manera, el poder adquisitivo de los ciudadanos se considera
un indicador macroeconómico importante y podría utilizarse como un importante predictor de la tasa de
morosidad.
(e) El índice de actividad de la construcción podría ser representativo del sector secundario del
economía; por lo que sugerimos utilizar este índice en la investigación de riesgo crediticio bancario. Basado en los
resultados de la investigación [2], la calidad de los préstamos en el sistema bancario no se ve afectada por el índice de
actividad de la construcción.
(f) La libertad empresarial describe las prácticas de gobernanza relacionadas con la libertad empresarial.
Tras un análisis empírico, Maltritz y Molchanov [10] revelan que el efecto de la libertad empresarial sobre el
riesgo de impago del país es mixto; es decir, este efecto es positivo pero estadísticamente insignificante en los
países desarrollados; por el contrario, es negativo pero estadísticamente insignificante en las economías
emergentes.
Sostenibilidad2022,14, 13219 16 de 62
Se observaron resultados mixtos de los estudios para diferentes variables. Por lo tanto, se espera que las
variables del sector empresarial tengan una relación insignificante con la cartera vencida. Con base en estos
argumentos se formula la Hipótesis 9:
Hipótesis 9 (H9):Las variables del sector empresarial tienen una relación insignificante con la morosidad.
tasa de interés a plazo”, la “tasa de interés real” y el “diferencial entre la tasa de interés a largo y
corto plazo”. Gila-Gourgoura y Nikolaidou [2] incluyen tres tipos de interés, es decir, “el tipo de
interés de los préstamos concedidos a los hogares”, “el tipo de interés de los préstamos
concedidos a empresas no financieras” y “el tipo de interés de los depósitos”. promedio [70] utiliza
trece tipos de interés, cinco de los cuales son estadísticamente significativos.
(6) la variable no se detalla y se define como una “tasa de interés”. Este enfoque es ampliamente
preferido en estudios teóricos (por ejemplo, [1–4,12,20,31,35,43]).
Según Beck et al. [21], las tasas de interés de los préstamos son determinantes empíricos estándar de la
calidad de los activos bancarios. Así, en los trabajos científicos es consistente ver a un grupo de científicos que
especifica la variable “tasa de interés” y utiliza la “tasa de interés crediticia”.
Los resultados de los estudios sobre la relación entre las tasas de interés y el riesgo crediticio han sido
contradictorios. (1) Los investigadores documentan un impacto positivo de la tasa de interés en el riesgo crediticio [11,
18,21,32], mientras que “en el caso de los tipos de interés de los préstamos, el canal hacia los préstamos morosos
probablemente funcione a través de un aumento de los costes del servicio de la deuda de los prestatarios con contratos
de tipo variable” [21]. (2) Por otra parte, los resultados de los estudios documentan un impacto insignificante del tipo de
interés sobre el riesgo de crédito [11,37], mientras que “los tipos de interés oficiales a corto plazo fijados por los bancos
centrales no se transmiten plenamente a los tipos de interés de los préstamos” [21].
Considerando la información antes mencionada, cabe distinguir en el grupo de variables
“tasas de interés” las siguientes variables: (a) tasa de interés a un día, (b) tasas activas y (c) tasa de
interés sobre préstamos a empresas no financieras.
El crecimiento excesivo del crédito podría ser un importante indicador de futuros problemas en el sector
financiero [57], especialmente en períodos de excesivo optimismo, cuando las instituciones financieras podrían
conceder préstamos a clientes más riesgosos [57]; es decir, los préstamos dudosos potenciales se forman en
una fase expansiva del ciclo económico. Por otro lado, “el crecimiento excesivo del crédito también estimula la
demanda agregada” y “puede provocar un sobrecalentamiento de la economía”.
El crecimiento del crédito se utiliza como factor de condiciones macroeconómicas tanto (i) en el contexto
teórico para el análisis empírico (por ejemplo, [2,20,31,36,42]) y (ii) en la investigación empírica (por ejemplo, [3,
43]).
Al evaluar el impacto del crecimiento del crédito sobre los préstamos dudosos, es necesario evaluar “de qué lado
del mercado (ya sea la demanda o la oferta) proviene el creciente crecimiento del crédito” [57]. Por un lado, si el
crecimiento del crédito es por el lado de la oferta; es decir, el crecimiento de los préstamos está impulsado por la
disposición de los bancos a prestar, “los préstamos aumentan ya sea mediante la reducción de las tasas de interés o la
reducción de los requisitos crediticios para nuevos préstamos”. Esto afectaría negativamente la calidad de los
préstamos bancarios; por lo tanto, el crecimiento del crédito tiene un impacto positivo en los préstamos dudosos. Por
otro lado, si el crecimiento del crédito proviene del lado de la demanda, la disposición de los prestatarios a pedir
prestado “impulsará las tasas de los préstamos hacia arriba y conducirá a un endurecimiento de los estándares
crediticios”, además de reducir la probabilidad de futuros impagos de préstamos. Por tanto, se supone una relación
positiva entre el crecimiento del crédito y la calidad de los activos; por lo tanto, el crecimiento del crédito tiene un
impacto negativo en los préstamos dudosos.
Los estudios empíricos demuestran la relación entre el crecimiento del crédito y los préstamos dudosos. Sin
embargo, los hallazgos de los estudios han sido contradictorios. (1) Los investigadores documentan un impacto
insignificante del crecimiento del crédito en el riesgo crediticio [37]. (2) Investigadores (por ejemplo, [3,15,21,43,60,71])
documentan un impacto positivo del crecimiento del crédito sobre el riesgo crediticio, específicamente sobre los
préstamos dudosos, mientras que “cuanto más se expande el crédito, mayor es la probabilidad de que los
incumplimientos aumenten en el futuro” [20]. (3) Investigadores (por ejemplo, [11,72]) documentan un impacto negativo
del crecimiento del crédito en el riesgo crediticio. Este resultado se explica a continuación. En primer lugar, “los
préstamos tomados en préstamo se destinaron a actividades productivas y, por lo tanto, obtuvieron un rendimiento que
a su vez reembolsó los préstamos” [11]. Por otro lado, los bancos desarrollan un enfoque más activo para seleccionar a
los solicitantes de préstamos. (4) Los investigadores documentan el impacto del crecimiento del crédito sobre el riesgo
crediticio con un desfase temporal; por ejemplo, Sulganova identifica el efecto rezagado [57] y los hallazgos del estudio
son contradictorios.
En artículos científicos, los investigadores presentan diferentes modificaciones del “crecimiento del crédito” utilizadas
como variables macroeconómicas. (i) La mayoría de los autores [3,21,36,37,43,60] utilizan la variable “crecimiento del crédito”. A
veces se utilizan ciertas modificaciones, por ejemplo, “crecimiento acumulativo del crédito” [73],
Sostenibilidad2022,14, 13219 18 de 62
“logaritmo de los préstamos totales” [55], o “crecimiento del crédito interno al sector privado por parte de los
bancos comerciales” [11]. (ii) Otros investigadores seleccionan la variable “tasa de crecimiento del crédito” [67],
“tasa de crecimiento de los préstamos” [14], “la tasa de crecimiento de la relación crédito privado/PIB” [37] o
“crédito interno al sector privado por parte de los bancos respecto del PIB” [20]. (iii) Identificar las “condiciones
macroeconómicas y del mercado financiero iniciales que ayudan a explicar la respuesta distintiva de la
economía real de un país en particular a la reciente crisis financiera global”, Feldkircher [36] analiza el
crecimiento del crédito antes de la crisis como un factor de gravedad de la crisis.
Considerando la información antes mencionada, vale la pena distinguir las siguientes variables en
el grupo de variables de “crecimiento del crédito”: (a) crecimiento del crédito, (b) crédito interno al sector
privado, (c) crédito interno al sector privado PIB, y (d) crecimiento de los préstamos antes de la crisis.
En resumen, a pesar de los resultados contradictorios de los estudios sobre diferentes variables, muchos
estudios revelan el impacto positivo de las variables del sector financiero en el riesgo crediticio. Por lo tanto, se
espera que las variables del sector financiero tengan una relación positiva con la cartera vencida. Con base en
estos argumentos se formula la Hipótesis 10:
Hipótesis 10 (H10):Las variables del sector financiero se relacionan significativamente positivamente con los préstamos dudosos.
En estudios anteriores, la deuda pública se caracterizaba por las siguientes variables: deuda
pública; relación deuda pública/PIB, endeudamiento público y pagos del servicio de la deuda/
exportaciones. Además, se discutirán con mayor detalle.
a) Deuda pública [2,3,17,30,31,44,74]. Cabe señalar que los estudios muestran resultados mixtos.
Por ejemplo, (i) basándose en los resultados de la investigación [2], en el sistema bancario italiano la
calidad de los préstamos no se ve afectada por la deuda pública. (ii) Estudio de Foglia [74] indica que la
deuda pública (medida por la deuda pública bruta) tiene un impacto negativo significativo en los
préstamos dudosos. Este resultado es inesperado y el autor lo explica como indica: “el análisis se realizó
durante el período de 2008 a 2020, es decir, durante las recientes crisis financieras que afectaron al
sistema financiero italiano”.
Además, cabe señalar que en ocasiones los investigadores afirman que están analizando la deuda pública,
pero para medir esta variable se utiliza la relación deuda pública/PIB. Por ejemplo, (i) Ghosh [30] Los resultados
muestran que la deuda pública (medida por la relación deuda pública/PIB) aumenta significativamente los
préstamos dudosos. Además, el investigador concluye que “una reducción de la deuda pública del gobierno
federal estadounidense ayudará a reducir los préstamos dudosos”. (ii) En el estudio de Macri et al. [44], la deuda
pública está representada por la deuda pública como porcentaje del PIB [3]; es decir, se utiliza la relación deuda
pública/PIB. Los investigadores encuentran que la deuda pública está significativa y positivamente relacionada
con los préstamos dudosos. Esta relación, como señala Macri et al. [44], muestra que “los problemas fiscales en
los países de la eurozona podrían conducir a un aumento importante de los préstamos problemáticos”. (iii)
Bayar [60] investiga el sector bancario en las economías emergentes durante el período 2000-2013 y revela que
la deuda pública (medida por la relación deuda bruta/PIB del gobierno general) afecta los préstamos en mora
de manera significativamente positiva.
(b) Deuda pública/PIB. Una variable definida como deuda pública/PIB es utilizada por
investigadores (p. ej., [4,29]). Por ejemplo, Dimitrios, Helen y Mike [31] Un estudio empírico revela que el efecto
de la relación deuda pública/PIB sobre los préstamos dudosos es negativo pero estadísticamente insignificante
en el sistema bancario de la zona del euro durante el período 1990-2015.
Sostenibilidad2022,14, 13219 19 de 62
c) Endeudamiento público. Una variable definida como endeudamiento público es utilizada por
buscadores (p. ej., [3,20]). Por ejemplo, Castro [3] concluye que el riesgo de crédito bancario se ve
significativamente afectado por el crecimiento del crédito: el riesgo de crédito aumenta cuando el crecimiento
del crédito aumenta; es decir, el impacto es positivo. En este contexto, como explica el autor, la variable
“crecimiento del crédito” incluye tanto los préstamos privados (es decir, empresariales e individuales) como los
públicos. Si estos préstamos se analizan por separado, los resultados empíricos son los siguientes: (i) los
aumentos en el endeudamiento privado medidos por la relación préstamos privados totales/PIB tienen el
mismo efecto que el crecimiento del crédito; sin embargo, (ii) el nivel o incluso los cambios en el
endeudamiento público aproximado por la relación deuda pública pública/PIB “no han demostrado ser
relevantes para el nivel de riesgo crediticio en las economías”.
(d) Servicio de la deuda-pagos-a-exportaciones. Según el análisis teórico de Maltritz
y Molchánov [10], el ratio del servicio de la deuda (ratio entre los pagos del servicio de la deuda y las
exportaciones) tiene un efecto significativo pero heterogéneo en el riesgo de impago del país, como lo
demuestran los estudios realizados. En la investigación empírica, Maltritz y Molchanov [10] revelan que el efecto
del ratio de servicio de la deuda sobre el riesgo de impago del país es mixto. Esto también lo confirma el estudio
empírico de los autores; es decir, este efecto es positivo pero estadísticamente insignificante en los países
desarrollados; en cambio, es estadística y significativamente negativo en las economías emergentes.
Hipótesis 11 (H11):Las variables del sector gobierno general tienen una relación insignificante con los préstamos dudosos.
Sostenibilidad2022,14, 13219 20 de 62
(a) Ingresos personales. Después de combinar varias variables económicas y financieras y establecer tres
factores explicativos, es decir, la economía real, la inflación y la vivienda, Liao y Chang [22]
concluyen que el factor económico real tiene un efecto negativo significativo sobre el riesgo de
impago, mientras que la renta personal, variable que forma parte del factor económico real, es
significativamente positiva.
(b) Crecimiento del ingreso personal. Por ejemplo, Liao y Chang [22] distinguen este indicador en el
marco teórico para el análisis empírico. Los autores afirman que los estudios (por ejemplo, Duffie
et al. [75]) proponen que el impago y la quiebra de las empresas pueden entenderse mejor
utilizando indicadores macroeconómicos, uno de los cuales es el crecimiento del ingreso personal.
(c) La tasa de crecimiento del ingreso personal real también se distingue en los antecedentes teóricos del análisis
empírico (por ejemplo, [30,31,41,60]). Con respecto a los factores económicos regionales, en la investigación
empírica, Ghosh [30] encuentra que una mayor tasa de crecimiento del ingreso personal real reduce los
préstamos dudosos; es decir, esta variable tiene un impacto negativo en la cartera vencida.
(d) Algunos investigadores no utilizan el ingreso personal sino sólo una parte del ingreso, es decir,
sueldos y salarios. Más precisamente, Kjosevski, Petkovski y Naumovska [51] revelan que el
aumento neto de los salarios tiene un impacto negativo en el crecimiento de los préstamos
dudosos. En esta investigación se sugiere utilizar sueldos y salarios por empleado, ya que parece
ser un indicador más informativo.
e) Gasto de consumo final de los hogares per cápita [4]. Este indicador no se utiliza mucho.
Quizás sea por su cálculo ya que, como afirma el Banco Mundial, “muchas de las
estimaciones se basan en encuestas de hogares, que suelen ser estudios de un año de
duración y con cobertura limitada”.
f) Impuesto sobre la renta de las personas físicas y el impuesto sobre la renta de las personas físicas sobre el
PIB. El impuesto sobre la renta personal se distingue en el marco teórico del análisis empírico de Gila-
Gourgoura y Nikolaidou [2]. Sin embargo, no lo utilizan en su investigación empírica. Este factor (medido
por el impuesto sobre la relación entre la renta personal y el PIB) ha sido probado empíricamente por
Dimitrios, Helen y Mike [29]. Los investigadores destacan la importancia de su estudio, ya que es el primer
estudio empírico que examina el papel de un impuesto sobre la renta personal. Dimitrios, Helen y Mike [
29] revelan que el impuesto sobre la relación entre la renta personal y el PIB tiene una influencia
significativa y positiva sobre los préstamos dudosos; es decir, a medida que aumenta el impuesto sobre la
renta personal, disminuyen la renta disponible y la capacidad de pagar los préstamos.
(g) Como se indica en la Sección3.2.9, tras el análisis de los determinantes macroeconómicos de las dificultades
del sector bancario, Pesola [68] revela que el elevado endeudamiento de los clientes contribuyó a las
dificultades del sector bancario. Sin embargo, en Pesola [68] estudio, el "indicador de endeudamiento
privado cubre tanto el sector empresarial como el de los hogares". Castro [3] describe el “endeudamiento
privado” de manera similar. Además, este investigador concluye que el endeudamiento privado tiene un
impacto significativamente positivo en los préstamos dudosos. Por otro lado, si queremos mostrar el
impacto separado del sector empresarial y del sector de los hogares, el indicador de endeudamiento
debe descomponerse en dos componentes: el endeudamiento de las empresas y el endeudamiento de
los hogares, que sugerimos medir mediante la relación de préstamos a los hogares. Relación del PIB. Se
espera que el impacto del endeudamiento de los hogares sobre los préstamos dudosos sea positivo.
Como en el caso del endeudamiento empresarial, este supuesto se basa en la siguiente explicación: un
alto endeudamiento hace que los prestatarios sean “más vulnerables a shocks adversos que afecten su
riqueza o ingresos, lo que aumenta las posibilidades de que se enfrenten a problemas de servicio de la
deuda” [3,15].
(h) La carga de la deuda por intereses es importante para el incumplimiento del préstamo [2,15,41,67]. Por ejemplo, Blanco y
Gimeno [67] explican el comportamiento dinámico de las ratios de morosidad en España de los hogares
Sostenibilidad2022,14, 13219 21 de 62
préstamos sectoriales; es decir, el aumento de la carga de la deuda por intereses afecta significativa y positivamente a los
índices de incumplimiento.
Considerando que estudios previos muestran resultados mixtos para las diferentes variables
del sector de hogares, concluimos que, en este estudio, se espera que estas variables tengan una
relación insignificante con la cartera vencida. Con base en estos argumentos se formula la
Hipótesis 12:
Hipótesis 12 (H12):Las variables del sector de los hogares tienen una relación insignificante con los préstamos dudosos.
4. Datos y Metodología
4.1. Selección de datos
Buscando lograr el objetivo principal de esta investigación, es decir, identificar los determinantes
macroeconómicos del riesgo crediticio de los préstamos al consumo y evaluar cuantitativamente el
impacto de estos determinantes, el grupo de países de Europa Central y Oriental (ECO), tal como los
define la OCDE. (2000), es decir, Bulgaria, Croacia, la República Checa, Hungría, Polonia, Rumania, la
República Eslovaca, Eslovenia, Estonia, Letonia y Lituania, se selecciona para futuras investigaciones.
Según la clasificación de la OCDE (2000), Albania también está incluida en el grupo de países de ECO; sin
embargo, teniendo en cuenta el hecho de que Albania no es miembro de la Unión Europea y los
problemas resultantes de disponibilidad y uniformidad de datos, se decidió no incluir a este país en
futuras investigaciones. Todo el grupo de países se analiza utilizando el enfoque de datos de panel (datos
anuales). Para obtener una visión más detallada, uno de los países, Lituania, se analiza por separado,
utilizando una regresión de mínimos cuadrados ordinaria simple, una regresión de mínimos cuadrados
con puntos de interrupción y el enfoque del modelo de cambio de régimen de Markov (datos
trimestrales). La elección del caso de Lituania para un análisis más detallado está limitada por la
disponibilidad de datos de mayor frecuencia (en el caso del resto de los países, solo se dispone de datos
anuales sobre préstamos dudosos).
En esta investigación, se utilizó la serie de datos más larga posible (en términos de datos de
préstamos morosos), incluidos los datos disponibles más recientes, que es: (i) año 2008-2020 para la
estimación de panel del grupo de países de ECO (11 países * 13 años: 143 observaciones de panel), y (ii)
1.er trimestre de 2005 – 1.er trimestre de 2021 para el análisis detallado del caso de Lituania (65
observaciones) (en ambos casos, los datos de préstamos morosos para consumo se limitan a estos
períodos).
En cuanto a las variables independientes, cabe señalar que luego del análisis de la literatura científica, se
seleccionaron sesenta y cinco potenciales determinantes del riesgo crediticio de préstamos al consumo (de
grupos previamente discutidos en diferentes niveles). Teniendo en cuenta que es necesario investigar los
factores que influyen en el riesgo de crédito y, en particular, clasificar estos factores en diferentes niveles. En
este análisis, no limitamos nuestro análisis únicamente al riesgo crediticio bancario, sino que también utilizamos
estudios de riesgo crediticio tanto de países como de empresas. Después de evaluar la disponibilidad de datos,
primero se seleccionaron 44 variables independientes para futuras investigaciones. Estas variables, sus
símbolos, unidades de medida y fuentes de datos se proporcionan en la TablaA2. Se utilizan los datos
proporcionados por Eurostat, BCE, OCDE, Banco Mundial y otras instituciones. Los datos recopilados se
organizan y analizan utilizando los paquetes de software Eviews y SPSS.
Como punto de partida, la estacionariedad de las variables de la TablaA2se verifica utilizando las
pruebas de raíz unitaria: (i), la prueba t* de Levin, Lin y Chu para datos de panel del grupo de países de
ECO, y (ii) la prueba Augmented-Dickey-Fuller para los datos de Lituania. Los resultados de las pruebas
de raíz unitaria se proporcionan en la tablaA3(Dado que las variables no estacionarias están excluidas de
investigaciones adicionales, solo las variables estacionarias se presentan en la TablaA3). Cuando fue
necesario se ha evaluado la estacionariedad en primera y/o segunda diferencia.
Como los resultados en la tablaA3Como revelan, para el grupo de países de ECO 39 de 44 variables
parecían ser estacionarias, y para Lituania 33 de 45 variables parecían ser estacionarias. Estas variables se
utilizan para futuras investigaciones (las variables se diferencian, cuando sea necesario, consulte la TablaA3). Las
estadísticas descriptivas de las variables seleccionadas se proporcionan en tablas.A4yA5. Además, se discuten
los métodos de investigación utilizados.
Sostenibilidad2022,14, 13219 22 de 62
Yél=α+βXél+tuél (1)
dónde:
i=1, 2, . . . , N y t = 1, 2, . . . , T;
N = número de secciones transversales (países);
T = número de períodos (años);
Yél-variable dependiente; α
-interceptar;
b-coeficiente;
Xél-variable independiente; tuél
-término de error.
Después de eso, los modelos se verifican en busca de efectos fijos y aleatorios: se construyen
modelos de efectos fijos y efectos aleatorios (ecuaciones (2) y (3) y se utilizan pruebas estadísticas
(prueba F y prueba de Hausman) para identificar los modelos más apropiados.
Yél=αi+βXél+tuél (2)
dónde:
αi-interceptar.
Yél=αi+βXél+ (interfaz de usuarioi+vi) (3)
dónde:
interfaz de usuarioi+vi-término de error.
Los modelos seleccionados nos permiten sacar conclusiones sobre la relación entre variables
macroeconómicas seleccionadas y el riesgo crediticio de los préstamos al consumo.
Paso 2. Evaluación del impacto de variables macroeconómicas seleccionadas sobre el riesgo crediticio de
los préstamos al consumo en Lituania. Dado que en el caso de Lituania no sólo se dispone de datos anuales
sino también trimestrales, así como de series de datos más largas, las posibilidades de aplicar los diferentes
métodos de investigación para evaluar la relación entre variables macroeconómicas seleccionadas y el riesgo
de crédito de los préstamos al consumo son limitadas. más amplio. Así, esta relación se evalúa utilizando tres
métodos diferentes:
(i) Regresión MCO simple. Como punto de partida, al igual que Washington [11], Haniifah [38] y otros
que han utilizado la técnica de regresión MCO simple para identificar los determinantes del riesgo
crediticio, el impacto de variables macroeconómicas seleccionadas en el riesgo crediticio de los
préstamos al consumo se evalúa utilizando modelos de regresión MCO simples bivariados, que se
construyen para cada par de variables dependientes e independientes. en mesaA2.
(ii)Regresión de mínimos cuadrados con puntos de interrupción.Al evaluar la relación entre variables
macroeconómicas seleccionadas y el riesgo crediticio de los préstamos al consumo, en esta investigación
también se tiene en cuenta la existencia de rupturas estructurales. Por tanto, bivariado lineal
Sostenibilidad2022,14, 13219 23 de 62
La regresión también se realiza utilizando el método de mínimos cuadrados con puntos de interrupción. Las
roturas estructurales se estiman según el procedimiento de Bai-Perron.
(iii)Modelo de cambio de régimen de Markov. Finalmente, también se tiene en cuenta que el período
seleccionado para esta investigación incluye tanto períodos relativamente estables como de crisis.
Como afirma Danielsson [76] y Haldane [77], las propiedades estadísticas de los datos durante
períodos estables difieren de aquellas durante períodos estables. Así, siguiendo a Davig y Leeper [
78] y Karoglou, Mouratidis y Vogiazas [43], se suponen rupturas endógenas y se permite que los
coeficientes de los modelos cambien entre diferentes regímenes. Se emplea un modelo de cambio
de régimen de Markov (MRS SVAR) ya que "permite que los datos que generan un proceso exhiban
dinámicas completamente diferentes en un número predefinido de regímenes" [43]. La existencia
de dos regímenes diferentes está predeterminada en esta investigación.
Además, la decisión de aplicar los métodos antes mencionados que se ajustan al objetivo principal
de esta investigación se basa en las siguientes razones: (i) en el caso de los países del grupo ECE, la
elección del método se basó en un número bastante limitado series de datos (los modelos de datos de
panel combinan series temporales y datos transversales), permitiendo así a los investigadores alcanzar
un número suficiente de observaciones; (ii) en el caso de Lituania: (a) se eligió el modelo de regresión
simple MCO como modelo principal que permite hacer suposiciones sobre la existencia de una relación
estadísticamente significativa en la evaluación general de todo el período analizado; (b) un período de
investigación suficientemente largo, que abarque tanto períodos de auge económico como de crisis,
implica la posibilidad de la existencia de rupturas estructurales, es decir, cambios repentinos en una
relación entre variables elegidas o en una serie de tiempo, y el modelo con puntos de ruptura fue por lo
tanto se solicita tener en cuenta esos cambios; (c) dado el carácter cíclico observado en algunas variables
macroeconómicas, se ha elegido el modelo de cambio de régimen de Markov para evaluar la relación
entre diferentes fases recurrentes, es decir, regímenes.
Además se discuten los resultados de la investigación.
5. Resultados
En esta parte se discuten los resultados de la investigación. Los resultados de la evaluación del impacto
de variables macroeconómicas seleccionadas sobre el riesgo de crédito de préstamos al consumo en el grupo
de países de ECO se presentan en el cuadroA6. A partir de estos resultados, se puede observar que 12 de 39
variables macroeconómicas seleccionadas parecían tener un impacto estadísticamente significativo en el riesgo
crediticio de los préstamos al consumo. Además, los resultados se analizan por separado para cada uno de los
12 grupos de variables macroeconómicas.
Los resultados de la evaluación del impacto de variables macroeconómicas seleccionadas sobre el riesgo
de crédito de préstamos al consumo en el caso de Lituania se presentan en los cuadrosA7–A9. De estos
resultados se puede observar que:
(i) según modelos de regresión MCO simples, 9 de 33 variables macroeconómicas seleccionadas parecían tener
un impacto estadísticamente significativo en el riesgo crediticio de los préstamos al consumo;
(ii) según modelos de regresión de Mínimos Cuadrados con Puntos de Ruptura, 18 de 33 variables macroeconómicas
seleccionadas parecieron tener un impacto estadísticamente significativo en el riesgo crediticio de préstamos de
consumo en al menos uno de los períodos seleccionados;
(iii) según los modelos de cambio de régimen de Markov, 15 de 33 variables macroeconómicas seleccionadas
parecían tener un impacto estadísticamente significativo en el riesgo crediticio de los préstamos al
consumo bajo uno de dos regímenes diferentes.
Además, los resultados se analizan por separado para cada uno de los 12 grupos de variables
macroeconómicas.
Países de ECO. Como se puede ver en la tablaA6, dos de los factores del PIB analizados (crecimiento del PIB y
crecimiento del PIB real) parecieron tener un impacto positivo estadísticamente significativo sobre el riesgo crediticio
en el grupo de países de ECO, mientras que otros no han demostrado un efecto estadísticamente significativo. En la
práctica, los bancos tienden a asumir más riesgo crediticio cuando la economía está creciendo, lo que definitivamente
aumenta el riesgo crediticio en el largo plazo. En un entorno económico en crecimiento, los bancos son más positivos y
los tomadores de riesgos y los hogares están más centrados en el consumo y la asunción de riesgos, sin pensar mucho
en las posibilidades de ingresos futuros. Desde un punto de vista práctico, podemos enfatizar que el crecimiento del PIB
puede afectar el riesgo crediticio de manera diferente en diferentes horizontes temporales. Aun así, es difícil
determinarlo debido a la frecuencia de los datos.
Nuestros resultados difieren de los resultados de Mpofu y Nikolaidou [20], Espinoza y Prasad
[8], Nkusu [15], De Bock y Demyanets [37], y Beck, Jakubik y Piloiu [21] que reveló una relación
negativa significativa entre el crecimiento del PIB real y los préstamos dudosos, así como los
resultados de Castro [3] que establece que el aumento del crecimiento del PIB disminuye el riesgo
crediticio. Los resultados para el grupo de países de ECO también difieren de los resultados de
Dimitrios, Helen y Mike [29], Gila-Gourgoura y Nikolaidou [2], Carvalho, Curto y Primor [42] (citado
por Bruneau et al. [79]), Dimitrios, Helen y Mike [29], Koju, Koju y Wang [17], afirmando la
existencia de una relación significativa entre los préstamos dudosos y variables como la brecha del
PIB (brecha de producción), el crecimiento del ingreso nacional bruto (INB) per cápita o el gasto
nacional bruto (GNE). Por tanto, en el caso de los países de ECO, la Hipótesis 1 (H1) no puede
respaldarse.
Lituania. En el caso de Lituania, los resultados son un poco diferentes: (i) los modelos de regresión MCO
simples mostraron una relación negativa estadísticamente significativa entre el riesgo de crédito al consumo y
el PIB real, el crecimiento del PIB, el crecimiento del PIB real y el ingreso nacional bruto (TablaA7); (ii) los
modelos de regresión de mínimos cuadrados con puntos de corte revelaron una relación negativa
estadísticamente significativa entre el riesgo de crédito al consumo y el PIB real, el crecimiento del PIB, el
crecimiento del PIB real y el ingreso nacional bruto durante el período comprendido entre el segundo trimestre
de 2005 y el segundo trimestre de 2011 (TablaA8); y (iii) los modelos de cambio de régimen de Markov indicaron
una relación negativa estadísticamente significativa entre el riesgo de crédito al consumo y el PIB real, el
crecimiento del PIB real y el ingreso nacional bruto bajo el Régimen 1 (TablaA9). Estos resultados coinciden con
los resultados de (i) Priyadi et al. [35] indicando un PIB negativo en NPF; (ii) Nikolaidou y Vogiazas [31] afirmando
una relación negativa entre el crecimiento del PIB y el riesgo crediticio; (iii) Espinoza y Prasad [8], Nkusu [15], De
Bock y Demyanets [37], y Beck, Jakubik y Piloiu [21] revelando una relación negativa significativa entre el
crecimiento del PIB real y los préstamos dudosos; (iv) Koju, Koju y Wang [17], lo que indica un impacto negativo
significativo de la tasa de crecimiento del INB per cápita en los préstamos dudosos. Así, en el caso de Lituania, la
Hipótesis 1 (H1) está respaldada por los resultados de esta investigación.
Además, se puede mencionar que los resultados también revelaron: (i) no hay relaciones
significativas entre los préstamos para el consumo y las variables del PIB en el grupo de países de ECO
(TablaA10); y (ii) una relación positiva significativa entre los préstamos para el consumo y el ingreso
nacional bruto (confirmada por los tres métodos) (CuadrosA11–A13). Estos resultados se resumen en la
tablaA14. A pesar de los resultados estadísticos, debemos tener en cuenta que en la práctica es muy
importante prestar atención al marco temporal.
una relación negativa significativa entre la inflación y los préstamos dudosos. Además, los resultados son
similares a aquellos que afirman que el deflactor del PIB tiene un impacto significativo en los préstamos
dudosos (por ejemplo, Harada y Kageyama [40] (citado por Carvalho, Curto y Primor [42] y Liao y Chang [
22]), quien afirmó que el deflactor del PIB “incide negativamente en el incumplimiento”. Sin embargo,
estos resultados difieren de los resultados de Ghosh [30] y Mpofu y Nikolaidou [20] que afirman que esta
relación es significativamente positiva. Por tanto, en el caso de los países de ECO, se apoya la Hipótesis 2
(H2).
Lituania. Los resultados para Lituania no han revelado un impacto estadísticamente significativo de
las variables de inflación en el riesgo de crédito al consumo (es decir, el impacto parecía ser tanto
positivo como negativo, pero estadísticamente insignificante) (TablasA7–A9). Estos resultados son
similares a los resultados de Haniifah (2015), [17], Radivojević et al. [80], Abusharbeh [12], Nor, Ismail y
Abd Rahman [53]. Por tanto, en el caso de Lituania, la Hipótesis 2 (H2) también se respalda.
La investigación también indica que: (i) no existe una relación estadísticamente significativa entre
los préstamos para consumo y las variables de inflación en el grupo de países de ECO (TablaA10); (ii) el
modelo MCO simple mostró el impacto positivo significativo del índice de precios al productor en los
préstamos para el consumo (TablaA11). Estos resultados se resumen en la tablaA14.
Como se puede observar en los resultados de las TablasA6–A9, ninguna de las variables monetarias ha
demostrado un impacto estadísticamente significativo en el riesgo de crédito al consumo (en la mayoría de los
casos, el impacto es negativo pero estadísticamente insignificante) tanto para el grupo de países de ECO como
para Lituania. Este resultado difiere de los resultados obtenidos por Karoglou, Mouratidis y Vogiazas [43],
Nikolaidou y Vogiazas [56] que identificó un impacto estadísticamente significativo de la oferta monetaria en el
riesgo crediticio, así como de los resultados obtenidos por Yurdakul [46] indicando un impacto positivo pero
estadísticamente insignificante. Los resultados de esta investigación también contradicen los resultados
obtenidos por Maltritz y Molchanov [10] y Stolbov [48] concluyendo que el aumento de las reservas
internacionales reduce el riesgo. Por lo tanto, la hipótesis 3 (H3) no puede respaldarse tanto para el grupo de
países de ECO como para Lituania.
La investigación también indica que: (i) no existe una relación estadísticamente significativa entre
las variables monetarias y las variables de préstamos para consumo en el grupo de países de ECO (Tabla
A10); (ii) uno de los tres métodos (mínimos cuadrados con puntos de interrupción) reveló un impacto
positivo de la oferta monetaria y un impacto negativo de las reservas internacionales, pero solo durante
el período 2008T4–2011T4 (TablaA12). Estos resultados se resumen en la tablaA14.
La investigación también indica que: (i) los tres métodos indican la existencia de una relación
positiva estadísticamente significativa entre las variables de inversión y los préstamos para
consumo en Lituania (TablasA11–A13). Estos resultados se resumen en la tablaA14.
Sostenibilidad2022,14, 13219 26 de 62
Países de ECO.Como se puede observar en la tablaA6, (i) la tasa de desempleo a largo plazo
demuestra un efecto positivo (que aumenta el riesgo) estadísticamente significativo sobre el riesgo
de crédito de los préstamos al consumo en el grupo de países de ECO, (ii) mientras que el efecto de
la tasa de desempleo parecía ser estadísticamente insignificante. Estos resultados difieren de los
resultados de (i) Kumar et al. [58], Zheng, Bhowmik y Sarker [31], que confirman el impacto
negativo del desempleo sobre el riesgo crediticio; y (ii) Feng [61] quien afirma que el impacto es
estadísticamente insignificante. Sin embargo, los resultados de esta investigación respaldan los
resultados de Nkusu [17], Bayar [60], Szarowska (2014) (11 países de ECO), [62], Koju, Koju y Wang [
17], Kocisova y Pastyrikova [63], Castro [3], Messai y Jouini [45], Karoglou, Mouratidis y Vogiazas [43
], señalando el impacto positivo del desempleo sobre el riesgo crediticio. Así, en el caso del grupo
de países de ECO, se apoya la Hipótesis 5 (H5).
Lituania. En el caso de Lituania, los resultados son similares: (i) dos de tres métodos revelaron
una relación positiva estadísticamente significativa entre el desempleo de larga duración y el
riesgo crediticio de los préstamos al consumo; (ii) mientras que los tres métodos han confirmado la
misma relación entre la tasa de desempleo y el riesgo crediticio de los préstamos al consumo
(TablasA7–A9). Estos resultados son consistentes con Yurdakul [46], Ghosh [30], Gila-Gourgoura y
Nikolaidou [2], Kjosevski, Petkovski y Naumovska [51]. Por tanto, en el caso de Lituania se respalda
la hipótesis 5 (H5).
La investigación también indica que: (i) una relación negativa estadísticamente significativa
entre la tasa de desempleo y los préstamos para el consumo en el grupo de países de ECO (Tabla
A10); y (ii) el efecto de naturaleza mixta de las variables de desempleo sobre los préstamos para
consumo en Lituania (TablasA11–A13). Estos resultados se resumen en la tablaA14.
Desde un punto de vista práctico, habría que añadir algunas reflexiones sobre el desempleo y la
volatilidad del riesgo crediticio. Cuando el desempleo aumenta, la gente tiende a pedir préstamos al principio de
ese entorno, especialmente para el consumo. Al principio, los bancos todavía no tenían normas estrictas de
gestión del riesgo de crédito; Los bancos centrales apoyan la economía y alientan al sector bancario a apoyar la
economía a través del canal de transmisión de crédito, lo que significa que el riesgo crediticio está aumentando.
Posteriormente, cuando aumenta la tasa de crecimiento del desempleo, también aumenta el nivel de riesgo
crediticio de la cartera de préstamos existente. Sin embargo, los bancos tienden a no asumir más riesgos
crediticios y aplican un marco estricto de gestión del riesgo crediticio. Finalmente, podemos sacar conclusiones
de que, de cualquier manera, desde un punto de vista práctico, la creciente tasa de desempleo aumenta el
riesgo crediticio a un ritmo diferente en diferentes períodos de tiempo.
Países de ECO. Como se ve en la tablaA6, la variable del mercado inmobiliario (índice de precios de la
vivienda) demostró tener un efecto negativo (de disminución del riesgo) estadísticamente significativo sobre el
riesgo crediticio de los préstamos al consumo en el grupo de países de ECO. Estos resultados son similares a los
de (i) Liao y Chang [22] indicando un efecto negativo sobre el riesgo de incumplimiento; y (ii) Castro [3]
indicando un efecto negativo de los precios de la vivienda sobre el riesgo crediticio [3]. Así, en el caso del grupo
de países de ECO, se apoya la Hipótesis 6 (H6).
Lituania. Los resultados para Lituania son diferentes: el impacto del índice de precios de la vivienda
en el riesgo de crédito de los préstamos al consumo pareció ser estadísticamente significativo y positivo
al menos en uno de los períodos (2011T2-2021T1) y al menos bajo uno de dos regímenes (TablasA8yA9).
Esto contradice los resultados de Liao y Chang [22] y Castro [3]. Por tanto, en el caso de los países de
ECO, la Hipótesis 6 (H6) no puede respaldarse.
Además, cabe mencionar que en la mayoría de los casos la relación entre el índice de precios
de la vivienda y los préstamos para consumo ha resultado ser estadísticamente insignificante
(TablasA10–A13). Estos resultados se resumen en la tablaA14.
Países de ECO. Sólo una de cada ocho variables comerciales y de composición del comercio (la balanza en cuenta
corriente) estaba relacionada estadísticamente de manera significativa con este riesgo en el caso del grupo de países de
ECO (CuadroA6), mientras que las variables exportaciones e importaciones, así como la balanza comercial
Sostenibilidad2022,14, 13219 27 de 62
Países de ECO.Los resultados en la tablaA6revelan que la variable valor de la industria/PIB tiene un impacto
positivo estadísticamente significativo en el riesgo crediticio de los préstamos al consumo. Esto difiere de los resultados
de Koju, Koju y Wang [17], señalando el importante efecto negativo del valor de la industria en relación con el PIB sobre
los préstamos dudosos.
Además, los resultados de la investigación también muestran que el índice de producción industrial
y la variable de libertad empresarial no parecieron tener un impacto estadísticamente significativo. Estos
resultados son similares a los resultados obtenidos por: (i) Gila-Gourgoura y Nikolaidou [4] y Priyadi et al.
[35] quien señaló el efecto insignificante del índice de producción industrial
Sostenibilidad2022,14, 13219 28 de 62
sobre riesgo de crédito bancario; y (ii) Maltritz y Molchanov [10] quien afirmó que la relación entre la
libertad empresarial y el riesgo de incumplimiento del país es insignificante. Dado que sólo una de las
tres variables del sector empresarial ha demostrado un impacto estadísticamente significativo en el
riesgo crediticio de los préstamos al consumo, se puede afirmar que, en el caso del grupo de países de
ECO, se respalda la Hipótesis 9 (H9).
Lituania.Ninguna de las variables del sector empresarial ha demostrado un impacto
estadísticamente significativo en el riesgo crediticio de los préstamos al consumo (los tres métodos)
(TablasA7–A9). Por tanto, en el caso de Lituania, se apoya la Hipótesis 9 (H9).
Además, se puede mencionar que los resultados también revelaron: (i) una relación positiva
significativa entre el índice de producción industrial y los préstamos para el consumo (CuadroA10) en el
grupo de países ECO. Los resultados también muestran el efecto de naturaleza mixta en el índice de
producción industrial sobre los préstamos para consumo en Lituania (insignificante, positivo significativo,
negativo significativo en diferentes períodos según modelos que utilizan mínimos cuadrados con puntos
de interrupción) (TablaA12). Estos resultados se resumen en la tablaA14.
Helen y Mike [29] quien reveló el efecto insignificante de la relación deuda pública/PIB sobre los préstamos
dudosos; y (iii) Castro [3] quien indicó que el endeudamiento público no afecta significativamente el riesgo
crediticio. Dado que tres de cada cuatro variables del sector gobierno general no han demostrado tener efectos
significativos sobre la calidad del crédito de los préstamos al consumo, se puede afirmar que la Hipótesis 11
(H11) puede respaldarse en el caso del grupo de países de ECO.
Lituania. En el caso de Lituania: (i) la deuda pública/PIB demostró una relación estadísticamente
insignificante con el riesgo crediticio de los préstamos al consumo; y, a diferencia del caso de los países
de ECO, (ii) se puede observar la importante relación negativa entre deuda pública y préstamos dudosos;
(iii) mientras que el efecto de las variables equilibrio presupuestario/PIB y endeudamiento privado/
público parecía ser de naturaleza mixta (CuadrosA7–A9). Por tanto, en el caso de Lituania, la Hipótesis 11
(H11) no puede respaldarse.
Además de eso, vale la pena mencionar que: (i) existe una relación negativa significativa entre
la deuda pública y el PIB y los préstamos para consumo en Lituania (TablasA11–A13); y (ii) una
relación positiva significativa entre el equilibrio presupuestario y el PIB y el endeudamiento
público-privado con los préstamos para el consumo en Lituania (cuadrosA11–A13). Estos resultados
se resumen en la tablaA14.
los modelos de cambio de régimen de Markov tienen en cuenta esos cambios y evalúan la
relación entre diferentes circunstancias o regímenes; en este caso, los resultados muestran
que el impacto cambia a medida que cambia la situación macroeconómica: en determinadas
circunstancias es positivo, en otras es negativo o viceversa.
En resumen, se podría afirmar que la novedad de esta investigación está relacionada con la propuesta de
clasificación más profunda de los factores de riesgo crediticio. Además, también vale la pena mencionar que, en
el caso de Lituania, este tipo de estudio (evaluación de los determinantes macroeconómicos del riesgo crediticio
de los préstamos al consumo) se realizó por primera vez.
6. Discusión e implicaciones
Para investigar los factores que influyen en el riesgo crediticio, es necesario clasificarlos en
diferentes niveles. Un análisis de las clasificaciones de los factores que influyen en el riesgo de crédito en
estudios teóricos e investigaciones empíricas ha concluido que no existe un enfoque único. Se pueden
identificar diferentes tendencias y se está desarrollando una nueva clasificación sobre la base de estas
tendencias. En este estudio, las clasificaciones de los factores que influyen en el riesgo crediticio
bancario y la clasificación de los factores macroeconómicos que influyen en el riesgo crediticio bancario
se desarrollaron utilizando un enfoque sistemático.
Estos factores se clasifican en cinco niveles diferentes. En el primer nivel, el riesgo crediticio se
distingue en dos componentes: riesgo crediticio sistemático y riesgo crediticio no sistemático.
En el segundo nivel se distinguen grupos de factores que caracterizan los factores que influyen en el
riesgo crediticio sistemático y no sistemático. En el segundo nivel, los factores macroeconómicos a menudo se
clasifican únicamente como los factores que influyen en el riesgo crediticio sistemático; por lo tanto, adoptamos
un enfoque más profundo y dividimos los factores que influyen en el riesgo crediticio sistemático en tres
grupos: (i) factores macroeconómicos, (ii) factores de cambios en las políticas económicas y (iii) factores de
cambios políticos.
En el cuarto nivel, se profundiza y se separan los factores de condiciones macroeconómicas
generales en doce grupos del FIBCR; es decir, en este nivel, se distinguen factores de (i) cuatro sectores
diferentes, es decir, factores del sector empresarial, sector financiero, sector gobierno general y sector
hogares, y (ii) ocho grupos de factores que afectaron a todos los sectores, es decir, crecimiento
económico, inflación, dinero, inversión, mercado laboral, mercado inmobiliario, comercio y composición
del comercio, consumo. Además, los cuatro grupos de este nivel se detallan con más detalle en el quinto
nivel.
Esta clasificación puede ser útil para comprender e investigar mejor los factores que influyen en el riesgo
crediticio bancario para toda la cartera de préstamos (de la misma manera que los factores que afectan el
riesgo crediticio de diferentes tipos de préstamos, por ejemplo, préstamos al consumo).
Los resultados de la investigación revelaron el efecto estadísticamente significativo de determinantes
macroeconómicos específicos del riesgo crediticio de préstamos al consumo de diferentes grupos en diferentes niveles.
En el caso de los países de ECO, las variables de crecimiento económico (crecimiento del PIB, crecimiento del PIB real) y
variables del mercado laboral (tasa de desempleo a largo plazo) parecieron tener un impacto positivo (aumentando el
riesgo). Por otro lado, las variables de inflación (deflactor del PIB, índice de precios al consumo, cambio porcentual del
IPC) y variables del mercado inmobiliario (índice de precios de la vivienda), un impacto negativo (disminución del riesgo)
en el riesgo crediticio de los préstamos al consumo.
Entre otras cosas, los resultados de la investigación también nos permiten hacer ciertas
suposiciones sobre la idoneidad de los métodos aplicados. En el caso de los países de ECO, los
modelos de panel con efectos dinámicos resultaron ser los más apropiados para determinar la
relación entre las variables macroeconómicas y el riesgo de crédito de los préstamos al consumo.
Esto indica la existencia de algunas diferencias entre los países analizados (los países no son
homogéneos en términos de nuestro estudio), lo que plantea la necesidad de analizar la situación
de cada país por separado.
En el caso de Lituania, las mayores expectativas podrían estar relacionadas con las rupturas estructurales
y los modelos de cambio de régimen de Markov, ya que estos modelos permitieron tener en cuenta posibles
cambios en la relación entre variables durante un largo período de tiempo, incluidos períodos relativamente
estables y de crisis. Por lo tanto, se puede argumentar que los métodos recientes
Sostenibilidad2022,14, 13219 31 de 62
Proporcionar más información sobre los determinantes macroeconómicos del riesgo crediticio de los préstamos al
consumo y la naturaleza de su impacto.
El análisis del caso de Lituania reveló los siguientes resultados: (i) las variables inmobiliarias (índice de
precios de la vivienda) y mercados laborales (tasa de desempleo, tasa de desempleo de larga duración) parecían
tener un efecto positivo (efecto de aumento del riesgo), (ii) mientras que las variables del PIB (PIB real,
crecimiento del PIB, crecimiento del PIB real, ingreso nacional bruto) y del sector de los hogares (sueldos y
salarios) demostraron tener un efecto negativo (de disminución del riesgo).
El aporte de este estudio está relacionado con la propuesta de clasificación más profunda de los factores
de riesgo crediticio. Esta clasificación revela que los grupos de sectores terciario y cuaternario (sector
empresarial) carecen de determinantes cuantificadores.
Vale la pena mencionar que, en el caso de Lituania, este tipo de estudio (evaluación de los determinantes
macroeconómicos del riesgo crediticio de los préstamos al consumo) se realizó por primera vez. Además, en
estudios anteriores sólo se analizan unos pocos determinantes macroeconómicos del riesgo de crédito
bancario comúnmente mencionados, dejando otros determinantes potenciales fuera del alcance de la
investigación. Esta investigación se centra en la clasificación detallada de los determinantes del riesgo crediticio
bancario y, al evaluar el impacto de las variables macroeconómicas en el riesgo crediticio de los préstamos al
consumo, analiza el amplio conjunto de diferentes indicadores clasificados en diferentes grupos de factores que
influyen en el riesgo crediticio de los préstamos al consumo. Esto permite elegir los determinantes de mejor
desempeño (que mejor explican los cambios en los préstamos dudosos) en cada grupo.
Al analizar las limitaciones de esta investigación, vale la pena mencionar que, a pesar de que la literatura académica indica
la relación de préstamos morosos para el consumo con respecto al total de préstamos como indicador del riesgo crediticio de los
préstamos al consumo, para los países de ECO, los datos de préstamos dudosos para los préstamos al consumo Los préstamos
no están disponibles. Por tanto, se utilizaron los datos de préstamos dudosos al por menor.
Además, debido al problema de disponibilidad de datos, para los países de ECO no fue posible
aplicar los modelos de ruptura estructural y de cambio de régimen de Markov como modelos que
permitieran tener en cuenta posibles cambios en la relación entre variables durante un largo período de
tiempo bajo diferentes condiciones. circunstancias o regímenes económicos. Estos modelos se aplicaron
únicamente al caso de Lituania.
Es importante señalar que este estudio, en su mayor parte, se basó en indicadores analizados en estudios
que examinan el riesgo crediticio del sector bancario en relación con el crédito total. Debido a problemas de
disponibilidad de datos y otras razones, el número de estudios que analizan el riesgo crediticio de los
préstamos al consumo por separado es muy bajo. De ahí que el análisis de todos los préstamos dudosos (sin
agruparlos por tipo de préstamo) sea insuficiente; es necesario estudiar por separado el riesgo crediticio de los
préstamos corporativos, inmobiliarios y de consumo (préstamos morosos).
El impacto de las variables de otros grupos de variables macroeconómicas pareció ser de
naturaleza mixta o insignificante, lo que requiere un análisis más detallado. En cuanto al análisis de los
países de ECO, se puede afirmar que en algunos casos el análisis de los datos anuales no permitió una
identificación inequívoca del impacto tanto de la crisis financiera como de la crisis inducida por la
pandemia; por lo tanto, sería apropiado evaluar este impacto utilizando datos trimestrales (si esto fuera
posible).
Dado que este estudio se centra en el riesgo crediticio del sector bancario, pero los servicios
crediticios proporcionados por el sector fintech son cada vez más importantes, el sector crediticio fintech
también debería examinarse en el futuro.
Fondos:Esta investigación ha recibido financiación del Fondo Europeo de Desarrollo Regional (proyecto nº 13.1.1-LMT-
K-718-05-0010) en virtud de un acuerdo de subvención con el Consejo de Investigación de Lituania (LMTLT). Financiado
como medida de la Unión Europea en respuesta a la pandemia de COVID-19.
Apéndice A
Figura A1.Clasificaciones de factores macroeconómicos que influyen en el riesgo crediticio bancario.norteFactor recién
propuesto. * El factor también podría clasificarse como (i) un factor de dirección de la economía o (ii) un factor de
entorno institucional. ** El factor también podría clasificarse como un factor de las condiciones del mercado financiero.
Sostenibilidad2022,14, 13219 33 de 62
Investigación teórica
variables Busqueda empirica
Autores (Secundaria) Autores (fuente principal)
Ombaba, 2013,
PIB Mpofu y Nikolaidou, 2018 [20]
Viswanadham y Nahid, 2015
Ghosh, 2015 [30]; Louzis
PIB Umar y el sol, 2018 [41] et al., 2012 [18]; Espinoza y
Prasad, 2010 [8]
PIB Priyadi y otros, 2021 [31] Firmansyah, 2014
Tasa del PIB real Nikolaidou y Vogiazas, 2017 [33] Ghosh, 2015 [30]
Gila-Gourgoura y Nikolaidou,
El crecimiento del PIB Yurdakul, 2014 [46]
2018 [2]
Gila-Gourgoura y Nikolaidou,
El crecimiento del PIB Messai y Jouini, 2013 [45]
2018 [2]
De Bock y Demynanets,
El crecimiento del PIB Mpofu y Nikolaidou, 2018 [20]
2012 [37]
Tasa de crecimiento del PIB real Mpofu y Nikolaidou, 2018 [20] Castro, 2013 [3]
Tasa de crecimiento del PIB real Mpofu y Nikolaidou, 2018 [20] Nkusu, 2011 [15]
Tasa de crecimiento del PIB real Mpofu y Nikolaidou, 2018 [20] Espinoza y Prasad, 2010 [8]
Tasa de crecimiento del PIB real Mpofu y Nikolaidou, 2018 [20]
Nkusu, 2011 [15],
PIB per cápita Abusharbeh, 2020 [12]
Vouldis y Louzis, 2017 [51]
Tasa de crecimiento del PIB per cápita Mpofu y Nikolaidou, 2018 [20] Washington, 2014 [11]
Thiagarajan et al., 2011;
Tasa de crecimiento del PIB per capital Washington, 2014 [11] Derbali, 2011; Ali y Daly,
2010 [21]
Dimitrios, Helena y
Brecha del PIB (brecha de producción)
Mike, 2016 [29]
Ingreso nacional bruto (INB) Koju, Koju y Wang,
tasa de crecimiento per cápita 2020 [17]
El crecimiento del PIB Mpofu y Nikolaidou, 2018 [20] Haniifah, 2015 [38] Haniifah, 2015 [38]
El gasto nacional como Koju, Koju y Wang,
porcentaje del PIB 2020 [17]
Sostenibilidad2022,14, 13219 34 de 62
Variables dependientes
Y2 Préstamos totales para consumo Millones. EUR. Almacén de datos estadísticos del BCE
PIB
X1 PIB Millones. EUR. Almacén de datos estadísticos del BCE
X7 El ingreso nacional bruto Porcentaje del PIB Datos del Banco Mundial
X8 Gasto nacional bruto Porcentaje del PIB Base de datos global de datos CEIC
Inflación
X9 Deflactor del PIB Por ciento Base de datos global de datos CEIC
Dinero
X13 Oferta monetaria (M2) Tasa de crecimiento, por ciento Base de datos global de datos CEIC
X14 Reservas internacionales Porcentaje del PIB Base de datos global de datos CEIC
Inversión
X15 Formación bruta de capital fijo per cápita Cambio porcentual Cálculos propios basados en Eurostat
X20 Exportaciones de bienes y servicios per cápita Cambio porcentual Cálculos propios basados en Eurostat
X23 Importaciones de bienes y servicios per cápita Cambio porcentual Cálculos propios basados en Eurostat
X24 Importaciones de bienes y servicios con respecto al PIB Por ciento Eurostat
X25 Tasa de crecimiento de las importaciones Por ciento Cálculos propios basados en Eurostat
X26 Saldo de la cuenta corriente Por ciento Datos del Banco Mundial
Tabla A2.Cont.
Consumo
X29 Índice de confianza del consumidor (ICC) Índice (puntos) Eurostat
Gasto de consumo final de los Cálculos propios basados en
X30 Cambio porcentual
hogares per cápita Estadísticas de la OCDE y Eurostat.
Sector empresarial
X32 Valor de la industria respecto del PIB Por ciento Datos del Banco Mundial
Sector financiero
X35 Crecimiento crediticio Cambio porcentual Base de datos global de datos CEIC
X36 Crédito interno al sector privado Millones. EUR. Almacén de datos estadísticos del BCE
X37 Crédito interno al sector privado/PIB Por ciento Datos del Banco Mundial
Sector hogares
Gasto de consumo final de los Cálculos propios basados en
X30 EUR.
hogares per cápita Estadísticas de la OCDE y Eurostat.
X43 Impuesto sobre la relación entre la renta personal y el PIB Por ciento Eurostat
X44 Sueldos y salarios por empleado EUR. Estadísticas de la OCDE
Cuadro A3.Resultados de las pruebas de raíz unitaria (Levin, Lin y Chu y Augmented-Dickey-Fuller).
ECO Lituania
Símbolo Variable Probabilidad Probabilidad
estadística t estadística t
(Levin, Lin y Chut*) (Dickey-Fuller aumentado)
Variables dependientes
Y2 Préstamos totales para consumo − 6.626 0.000 ** − 5.714 0.000 ** 1.ª diferencia
PIB
X2 PIB real − 5.321 0.000 ** 1.ª diferencia − 6.895 0.000 ** 2da diferencia.
X4 Real crecimiento del PIB − 7.432 0.000 ** 2da diferencia. − 6.542 0.000 **
Cuadro A3.Cont.
ECO Lituania
Símbolo Variable Probabilidad Probabilidad
estadística t estadística t
(Levin, Lin y Chut*) (Dickey-Fuller aumentado)
Inflación
X9 Deflactor del PIB − 3.874 0.000 ** 1.ª diferencia. − 5.509 0.000 ** 1.ª diferencia.
X10 Índice de precios al consumidor (IPC) − 6.863 0.000 ** 2da diferencia. − 9.688 0.000 ** 2da diferencia.
X11 Variación porcentual del IPC − 9.999 0.000 ** − 10.835 0.000 ** 1.ª diferencia
X12 Índice de precios al productor (IPP) − 2.559 0,005 ** − 6.015 0.000 ** 1.ª diferencia.
Dinero
X13 Oferta monetaria (M2) − 2.384 0,009 ** − 6.224 0.000 ** 1.ª diferencia.
Inversión
X15 Formación bruta de capital fijo − 10.915 0.000 ** − 4.812 0.000 **
Mercado laboral
X17 Tasa de desempleo de larga duración − 7.243 0.000 ** 1.ª diferencia. − 3.557 0,009 ** 1.ª diferencia.
Mercado inmobiliario
X19 índice de precios de la vivienda − 6.276 0.000 ** 1.ª diferencia. − 3.657 0,007 ** 1.ª diferencia.
X20 Exportaciones de bienes y servicios per cápita − 14.675 0.000 ** − 6.239 0.000 **
X21 Exportaciones de bienes y servicios al PIB − 2.163 0,015 * − 7.657 0.000 ** 1.ª diferencia.
X23 Importaciones de bienes y servicios per cápita − 14.024 0.000 ** − 6.678 0.000 **
X24 Importaciones de bienes y servicios en relación con el PIB − 2.786 0,003 ** − 7.496 0.000 ** 1.ª diferencia.
X26 Saldo de la cuenta corriente − 5.773 0.000 ** − 3.107 0,031 * 1.ª diferencia.
Consumo
X29 Índice de confianza del consumidor (ICC) − 2.291 0.000 ** − 5.079 0.000 ** 1.ª diferencia.
X30 Gasto de consumo final per cápita − 9.786 0.000 ** 1.ª diferencia. − 6.663 0.000 **
Sector empresarial
X31 Índice de producción industrial − 5.969 0.000 ** − 6.032 0.000 ** 1.ª diferencia.
X36 Crédito interno al sector privado − 2.319 0,010 * 1.ª diferencia. − 3.678 0,007 ** 1.ª diferencia.
X41 Equilibrio presupuestario/PIB − 9.339 0.000 ** 1.ª diferencia. − 12.190 0.000 ** 1.ª diferencia.
Sector hogares
X43 Impuesto sobre la relación entre la renta personal y el PIB − 10.006 0.000 ** 1.ª diferencia. - - -
X44 Sueldos y salarios por empleado − 8.679 0.000 ** 1.ª diferencia. − 4.808 0.000 ** 1.ª diferencia.
Fuente: elaboración propia. Nota: 1.ª diferencia: la variable es estacionaria en la primera diferencia; 2da diferencia: la variable es
estacionaria en la segunda diferencia; **—Nivel de confianza del 99%; *—Nivel de confianza del 95%; —-la variable no es estacionaria ni en
la primera ni en la segunda diferencia.
Sostenibilidad2022,14, 13219 37 de 62
Cuadro A4.Variables estadísticas descriptivas de modelos de datos de panel para el grupo de países de ECO.
Símbolo Variable Significar Mediana Máximo Mínimo Estándar Desarrollo. Oblicuidad Curtosis Jarque-Bera Probabilidad Suma Suma cuadrada. Desarrollo. Observaciones
Variables dependientes
Y2 Préstamos totales para consumo 7724.799 4443.000 48.122,00 437.000 10.037,43 2.210 7.603 235.947 0.000 1.073.747 1.39×1010 139
PIB
X2 PIB real 3330.078 308.450 66.325,00 − 66.815,00 13.228,89 0.370 14.688 662.996 0.000 386.289,0 2.01×1010 116
X3 El crecimiento del PIB − 0.812 − 0,169 16.268 − 15.015 6.095 − 0,151 3.016 0.337 0.844 − 71.510 3232.720 88
X4 Real crecimiento del PIB − 1.074 − 0.700 6.300 − 12.200 3.805 − 0.569 2.871 5.415 0.066 − 106.400 1418.887 99
X6 BRECHA DEL PIB (brecha de producción) − 1.589 − 1.800 9.500 − 11.800 3.749 0.248 4.327 10.539 0.005 − 200.176 1757.663 126
X7 El ingreso nacional bruto 2.004 2.803 14.752 − 12.635 3.842 − 0.865 5.037 41.401 0.000 278.670 2037.848 139
X8 Gasto nacional bruto 98.956 98.784 119.749 90.714 4.834 0.961 4.991 45.615 0.000 14.150,71 3317.932 143
Inflación
X9 Deflactor del PIB 2.396 2.040 14.512 − 9.370 2.663 0,687 8.953 205.357 0.000 316.273 929.101 132
X10 Índice de precios al consumidor (IPC) 1.921 2.000 5.890 − 1.640 1.675 0,047 2.246 3.435 0,179 274.830 398.829 143
X11 Variación porcentual del IPC 2.334 2.149 15.402 − 1.544 2.548 1.837 9.008 295.592 0.000 333.773 922.2449 143
X12 Indice de Precios del Productor 100.229 100.000 118.400 83.948 5.531 0.083 4.208 6.445 0.039 10.423,87 3150.890 104
Dinero
X13 Oferta monetaria (M2) 39.770 48.000 75.000 3.300 23.253 − 0,648 1.844 19.351 0.000 6124.600 82.732,84 154
X14 Reservas internacionales − 0,777 − 0.363 7.796 − 21.814 4.113 − 1.380 7.692 176.600 0.000 − 111.204 2403.342 143
Inversión
Formación bruta de capital fijo
X15 3.143 3.833 41.347 − 45.474 13.300 − 0,769 5.603 53.343 0.000 440.149 24.604,25 140
per cápita
X16 Inversión de capital/PIB 23.241 22.650 36.950 12.470 3.903 0,627 4.107 16.695 0.000 3323.586 2164.157 143
Mercado laboral
X17 Tasa de desempleo de larga duración − 0.943 − 0.900 19.190 − 19.044 6.186 0.463 4.525 17.399 0.0001 − 123.567 4975.246 131
X18 Tasa de desempleo 5.464 7.350 19.700 − 50.100 11.535 − 3.116 13.765 863.981 0.000 732.20 17.699,01 134
Mercado inmobiliario
X19 índice de precios de la vivienda 3.664 3.700 43.200 − 45.280 11.088 − 0,723 9.344 245.275 0.000 509.302 16.966,93 139
Comercio y composición del comercio
Cuadro A4.Cont.
Símbolo Variable Significar Mediana Máximo Mínimo Estándar Desarrollo. Oblicuidad Curtosis Jarque-Bera Probabilidad Suma Suma cuadrada. Desarrollo. Observaciones
X22 Tasa de crecimiento de las exportaciones 6.582 6.580 39.663 − 25.980 11.490 − 0.3350 3.746 6.329 0,042 994.021 19.803,78 151
Importaciones de bienes y servicios
X23 5.882 6.402 33.542 − 35.721 13.203 − 0.660 4.219 20.333 0.000 888.313 26.150,44 151
per cápita
importaciones de bienes y
X24 63.791 66.046 94.499 32.449 14.762 − 0.119 2.082 5.771 0,058 9823.848 33.343,60 154
servicios/-a-
X25 Tasa de crecimiento de las importaciones 5.519 6.365 33.17 − 36.296 13.025 − 0.713 4.329 23.947 0.000 833.484 25.449,51 151
X26 Saldo de la cuenta corriente 7.560 7.266 33.069 − 10.540 5.425 0,866 6.804 111.404 0.000 1156.813 4473.509 153
X27 Balanza comercial/PIB 18.551 18.501 66.693 0,017 14.361 0,846 3.949 24.041 0.000 2838.373 31.349,01 153
Consumo
Índice de confianza del consumidor
X29 − 16.867 − 15.150 3.9000 − 50.100 12.610 − 0.468 2.413 7.73 0,01 − 2563.800 24.011,28 152
(ICC)
Gasto de consumo final
X30 51.042 90.648 4116.450 − 6259.750 1341.354 − 0,874 8.898 208.217 0.000 6737.611 2.36×108 132
per cápita
Sector empresarial
X31 Índice de producción industrial 113.951 114.526 124.468 103.059 5.1590 − 0,199 2.404 0,684 0.710 3646.436 825.089 32
X32 Valor de la industria respecto del PIB 23.950 26.371 38.695 − 11.600 9.896 − 1.912 6.362 155.594 0.000 3448.869 14.003,58 144
X33 Libertad empresarial − 0,397 − 0.700 10.400 − 9.400 3.030 0,622 4.653 25.5005 0.000 − 56.700 1304.028 143
Sector financiero
X35 Crecimiento crediticio 4827.333 6.215 67.838,00 − 14.740 15.515,78 2.991 10.287 570.539 0.000 743.409,2 3.68×1010 154
X36 Crédito interno al sector privado 1991.087 667.500 22.432,00 − 10.747,00 4867.840 2.211 9.089 325.698 0.000 274.770,0 3.25×109 138
Nacional a
X37 53.135 50.288 101.388 24.735 14.599 0,688 3.683 13.676 0.001 7385.811 29.414,82 139
sector privado-PIB
Sector gobierno general
X39 La deuda pública 3611.930 1493.050 47.431,30 − 19.610,30 6990.063 2.732 16.454 1142.286 0.000 469.550,9 6.30×109 130
X40 Deuda pública/PIB 44.401 41.750 87.300 4.500 21.265 0,159 2.253 4.230 0.120 6837.900 69.192,85 154
X41 Equilibrio presupuestario/PIB − 0.144 0.200 9.100 − 10.60 2.878 − 0.801 4.902 36.864 0.000 − 20.600 1176.732 143
X42 Endeudamiento público-privado 3.671 1.918 32.865 0,948 4.704 3.342 16.113 1317.976 0.000 536.06 3208.787 146
Sector doméstico
X43 Impuesto sobre la relación entre la renta personal y el PIB 0.0082 0.000 3.100 − 2.400 0,459 0,779 23.164 2283.636 0.000 1.100 28.001 134
Sueldos y salarios
X44 238.506 249.6420 1080.078 − 1291.876 360.262 − 0,856 5.241 47.405 0.000 34.106,35 18.430.085 143
por empleado
Símbolo Variable Significar Mediana Máximo Mínimo Estándar Desarrollo. Oblicuidad Curtosis Jarque-Bera Probabilidad Suma Suma cuadrada. Desarrollo. Observaciones
Variables dependientes
Y2 Préstamos totales para consumo 8.750 7.500 153.000 − 248.000 55.746 − 1.099 8.4103 96.643 0.000 595.000 20.8210,8 68
PIB
X2 PIB real 60.080 81.000 366.600 − 1028.700 175.067 − 4.329 26.139 1704.006 0.000 4025.400 2.022.800 62
X3 El crecimiento del PIB − 0.013 − 0,042 11.538 − 12.065 2.655 0.345 15.452 434.215 0.000 − 0.913 465.548 62
X4 Real crecimiento del PIB 0,779 0.950 3.900 − 12.900 2.111 − 4.454 28.397 2052.477 0.000 53.000 298.811 62
X7 El ingreso nacional bruto 1.851 2.089 7.788 − 12.534 2.844 − 2.087 11.895 265.515 0.000 122.204 525.825 62
Inflación
X9 Deflactor del PIB 0.051 − 0.010 7.070 − 5.030 1.994 0,289 4.600 8.080 0,017 3.450 262.549 62
X10 Índice de precios al consumidor (IPC) 0.109 − 0.030 3.350 − 3.250 1.055 0.215 4.424 6.180 0,045 7.360 73.499 61
X11 Variación porcentual del IPC 0.086 − 0,027 2.577 − 3.600 1.066 − 0,141 4.295 4.983 0.082 5.853 76.143 62
X12 Indice de Precios del Productor 0.542 0,899 7.700 − 16.200 4.325 − 1.324 5.768 40.982 0.000 36.366 1234.697 68
Dinero
X13 Oferta monetaria (M2) − 0,135 0.365 25.988 − 27.795 5.602 − 0.350 16.868 538.303 0.000 − 9.059 2071.627 67
X14 Las reservas de divisas − 0.121 0,042 4.492 − 15.286 2.372 − 3.768 26.284 1672.162 0.000 − 8.140 371.398 67
Inversión
Formación bruta de capital fijo
X15 1.864 2.410 20.297 − 22.124 8.070 − 0.400 3.981 4.480 0.106 124.901 4299.272 67
per cápita
X16 Inversión de capital 20.661 19.335 35.039 10.271 5.785 0,497 2.605 3.244 0,197 1404.970 2242.332 67
Mercado laboral
X17 Largo−tasa de desempleo a término − 0.041 − 0.100 1.800 − 1.100 0.521 0.812 4.745 15.869 0.000 − 2.800 17.922 67
X18 Tasa de desempleo − 0.040 − 0.100 2.600 − 1.600 0,873 1.076 4.264 17.400 0.000 − 2.700 50.301 67
Mercado inmobiliario
X19 índice de precios de la vivienda 1.408 1.580 10.570 − 24.570 4.754 − 2.593 15.803 500.941 0.000 88.760 1401.410 67
Comercio y composición del comercio
exportaciones de bienes y
X21 0.355 0.300 11.300 − 13.800 4.098 − 0.527 5.588 21.814 0.000 23.800 1108.446 67
servicios-pib
X22 Tasa de crecimiento de las exportaciones 2.605 3.102 18.089 − 17.808 6.621 − 0,676 4.885 15.264 0.000 177.147 2937.847 68
Sostenibilidad2022,14, 13219 40 de 62
Cuadro A5.Cont.
Símbolo Variable Significar Mediana Máximo Mínimo Estándar Desarrollo. Oblicuidad Curtosis Jarque-Bera Probabilidad Suma Suma cuadrada. Desarrollo. Observaciones
importaciones de bienes y
X24 0.468 0.900 8.700 − 9.900000 3.483520 − 0.585 4.317 8.663 0.013 31.400 800.904 67
servicios-pib
X25 Tasa de crecimiento de las importaciones 2.559 2.139 22.855 − 21.906 7.850 − 0.585 5.645 23.704 0.000 174.027 4128.784 68
X26 Saldo de la cuenta corriente 0,089 0,649 11.224 − 11.369 4.160 − 0,193 3.5347 1.216 0.544 6.028 1142.589 67
X27 Balanza comercial/PIB − 0.014 − 0,075 2.364 − 1.729 0.760 0.245 3.381 1.080 0.582 − 0.947 38.131 67
Consumo
Índice de confianza del consumidor
X29 − 0.043 0,172 2.145 − 4.708 1.291 − 1.041 4.715 20.608 0.000 − 2.896 111.689 68
(ICC)
Gasto de consumo final
X30 1.693 1.772 9.057 − 12.249 2.938 − 2.057 11.644 259.700 0.000 115.136 578.556 67
per cápita
Sector empresarial
X31 Índice de producción industrial 0.000 1.150 11.767 − 73.373 9.913 − 6.034 45.588 5551.693 0.000 0.000 6584.235 68
Sector financiero
X35 Crecimiento crediticio 11.445 4.726 69.580 − 10.490 19.836 1.390 4.044 25.006 0.000 778.314 26.364,21 68
Doméstico
X36 391.209 328.905 3002.100 − 1467.260 834.546 0.502 3.808 4.575 0.101 25.819,80 45.270.419 66
crédito al sector privado
Cuadro A6.Resultados del análisis de regresión de panel para los determinantes macroeconómicos del riesgo de crédito de
préstamos al consumo en países de ECO (relación de préstamos en mora para el consumo y el total de préstamos (Y1)).
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar. Prueba F Prueba de Hausman Modelo
PIB
X2 PIB real 5.25×10−8 0.003 0,998 0.001 95 0.000 0,992 Efectos aleatorios
X3 El crecimiento del PIB 0,181 3.501 0,001 ** 0.062 85 0.000 0,399 Efectos aleatorios
X4 Real crecimiento del PIB 0.229 2.713 0,008 ** 0,058 93 0.000 0,017 Efectos fijos
X6 Brecha del PIB (brecha de producción) − 0.130 − 1.014 0.313 0.011 94 0.000 0.968 Efectos aleatorios
X7 El ingreso nacional bruto 0.024 0.231 0.463 0.001 107 0.000 0.469 Efectos aleatorios
Nacional bruto
X8 0.065 0.583 0.561 0.003 111 0.000 0.444 Efectos aleatorios
gasto
Inflación
X9 Deflactor del PIB − 0,857 − 6.047 0.000 ** 0.003 108 0.000 0.005 Efectos fijos
Índice de precios al consumidor
X10 − 0.516 − 2.817 0,005 ** 0,069 108 0.000 0.283 Efectos aleatorios
(IPC)
Cambio porcentual
X11 − 0,397 − 2.426 0,017 * 0.051 111 0.000 0,131 Efectos aleatorios
del IPC
− 0.147 − 1.867
Indice de Precios del Productor
X12 0.066 0,042 82 0.000 0.582 Efectos aleatorios
(IPP)
Dinero
Oferta monetaria (M2)
X13 − 0.012 − 0,747 0.456 0.005 111 0.000 0.032 Efectos fijos
tasa de crecimiento
X14 Reservas internacionales − 0.021 − 0.164 0,869 0.0002 111 0.000 0,776 Efectos aleatorios
Inversión
Capital fijo bruto
X15 − 0.057 − 1.771 0,077 0.031 101 0.000 0,879 Efectos aleatorios
formación per cápita
X16 Inversión de capital − 0.247 − 1.812 0,073 0,029 111 0.000 0.745 Efectos aleatorios
Mercado laboral
A largo plazo
X17 0,135 2.419 0,017 * 0,049 106 0.000 0,072 Efectos aleatorios
tasa de desempleo
X18 Tasa de desempleo − 0.0001 − 0.022 0.983 0.001 105 0.000 0,136 Efectos aleatorios
Mercado inmobiliario
X19 índice de precios de la vivienda − 0.233 − 5.787 0.000 ** 0.024 106 0.000 0,191 Efectos aleatorios
exportaciones de bienes y
X20 0.053 1.649 0.102 0.024 111 0.000 0.536 Efectos aleatorios
servicios per cápita
exportaciones de bienes y
X21 − 0.032 − 0,787 0.433 0.006 111 0.000 0,398 Efectos aleatorios
servicios al PIB
X22 Tasa de crecimiento de las exportaciones 0.053 1.614 0,431 0.024 111 0.000 0.802 Efectos aleatorios
importaciones de bienes y
X23 0.019 0.601 0.549 0.004 111 0.000 0,294 Efectos aleatorios
servicios per cápita
importaciones de bienes y
X24 − 0.035 − 0,718 0,475 0.004 111 0.000 0,379 Efectos aleatorios
servicios al PIB
X25 Tasa de crecimiento de las importaciones 0,018 0.561 0.576 0.002 111 0.000 0.591 Efectos aleatorios
X26 Saldo de la cuenta corriente − 0,197 − 3.657 0.000 ** 0.110 111 0.000 0.810 Efectos aleatorios
X27 Balanza comercial/PIB 0.026 0,838 0.403 0,142 111 0.000 0.013 Efectos fijos
Consumo
Confianza del consumidor
X29 − 0.094 − 3.599 0,001 ** 0.107 110 0.000 0,177 Efectos aleatorios
índice (CCI)
Consumo final
X30 gasto de − 0.0003 − 1.546 0.465 0.003 108 0.000 0.384 Efectos aleatorios
hogares per cápita
Sector empresarial
Producción industrial
X31 − 0.068 − 1.624 0,115 0.083 32 0.000 0,754 Efectos aleatorios
índice (CCI)
X32 Valor de la industria respecto del PIB 0,885 4.040 0.000 ** 0.032 111 0.000 0.002 Efectos fijos
X33 Libertad empresarial 0,139 1.424 0,157 0.019 108 0.000 0.144 Efectos aleatorios
Sostenibilidad2022,14, 13219 42 de 62
Cuadro A6.Cont.
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar. Prueba F Prueba de Hausman Modelo
Sector financiero
X35 Crecimiento crediticio − 0.0001 − 1.687 0,097 0,166 111 0.000 0,016 Efectos fijos
crédito interno a
X36 − 0.0001 − 1.379 0.171 0,018 108 0.000 0.947 Efectos aleatorios
sector privado
crédito interno a
X37 0,191 5.391 0.000 ** 0.003 111 0.000 0.011 Efectos fijos
sector privado-PIB
Sector gobierno general
− 7,76×
X39 La deuda pública − 0.238 0.812 0.002 96 0.000 0.503 Efectos aleatorios
10−6
X40 Deuda pública/PIB 0,058 1.842 0.068 0.109 111 0.000 0.750 Efectos aleatorios
X41 Equilibrio presupuestario/PIB 0,298 3.109 0,002 ** 0.081 108 0.000 0.039 Efectos fijos
Privado a público
X42 0,077 0.346 0.730 0.001 111 0.000 0.025 Efectos fijos
endeudamiento
Sector doméstico
Fuente: elaboración propia. Nota: **—Nivel de confianza del 99%; *—Nivel de confianza del 95%.
Cuadro A7.Resultados de modelos de regresión de mínimos cuadrados ordinarios para los determinantes macroeconómicos del
riesgo de crédito de préstamos al consumo en Lituania (relación de préstamos en mora para el consumo y el total de préstamos
(Y1)).
PIB
X2 PIB real − 0.003 − 2.981 0,004 ** 0,129 62
X3 El crecimiento del PIB − 0,232 − 2.902 0,005 ** 0.123 62
X4 Real crecimiento del PIB − 0,232 − 2.911 0,005 ** 0,124 62
X7 El ingreso nacional bruto − 0.143 − 2.223 0,029 * 0,076 62
Inflación
Cuadro A7.Cont.
X20 Exportaciones de bienes y servicios per cápita − 0.019 − 0,723 0,472 0.009 62
X21 Exportaciones de bienes y servicios al PIB − 0.013 − 0,291 0,772 0.001 62
X22 Tasa de crecimiento de las exportaciones − 0.019 − 0,729 0.468 0.009 62
Importaciones de bienes y servicios
X23 − 0.021 − 0.919 0.361 0.013 62
per cápita
X24 Importaciones de bienes y servicios con respecto al PIB 0.003 0.054 0.958 0.001 62
X25 Tasa de crecimiento de las importaciones − 0.022 − 0.936 0.353 0.014 62
X26 Saldo de la cuenta corriente 0,028 0.635 0.528 0.007 62
X27 Balanza comercial/PIB 0.143 0.575 0.567 0.005 62
Consumo
X29 Índice de confianza del consumidor (ICC) − 0.123 − 0,857 0,395 0.012 62
Gasto de consumo final de
X30 − 0,158 − 2.635 0,011 * 0.103 62
hogares per cápita
Sector empresarial
Cuadro A8.Resultados de modelos de regresión de mínimos cuadrados con puntos de interrupción para los determinantes
macroeconómicos del riesgo de crédito de préstamos al consumo en Lituania (relación de préstamos en mora para el consumo y el total de
préstamos (Y1)).
Periodos según
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar.
Descansos (Bai-Perron)
PIB
2005T2–2011T2 − 0.003 − 2.779 0,007 ** 25
X2 PIB real 0.374
2011T3–2021T1 − 0.002 − 1.267 0.210 37
2005T2–2011T2 − 0.217 − 2.827 0,006 ** 25
X3 El crecimiento del PIB 0.380
2011T3–2021T1 − 0.213 − 1.402 0,166 37
2005T2–2011T2 − 0.217 − 2.824 0,007 ** 25
X4 Real crecimiento del PIB 0.380
2011T3–2021T1 − 0.213 − 1.514 0.162 37
Cuadro A8.Cont.
Periodos según
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar.
Descansos (Bai-Perron)
Inflación
Exportaciones de bienes
2005T2–2008T4 − 0.013 − 0,359 0,721 15
X20 y servicios 2009T1–2011T2 − 0,089 − 2.035 0,047 * 0,459 10
per cápita
2011T3–2021T1 − 0.025 − 0,785 0.436 37
Sostenibilidad2022,14, 13219 45 de 62
Cuadro A8.Cont.
Periodos según
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar.
Descansos (Bai-Perron)
importaciones de bienes
2005T2–2008T4 − 0,028 − 0.864 0,391 15
X23 y servicios por 2009T1–2011T2 − 0,058 − 1.716 0,092 0,452 10
cápita
2011T3–2021T1 − 0,017 − 0.645 0.522 37
2005T2–2008T4 − 0.007 − 0,098 0.923 15
importaciones de bienes
X24
y servicios al PIB
2009T1–2011T2 − 0.286 − 2.033 0,047 * 0.456 10
2011T3–2021T1 − 0.032 − 0,619 0.538 37
2005T2–2008T4 − 0,028 − 0.861 0.393 15
X25 Tasa de crecimiento de las importaciones
2009T1–2011T2 − 0.061 − 1.719 0.091 0.451 10
2011T3–2021T1 − 0,016 − 0.587 0.559 37
2005T2–2008T3 0.053 0.690 0.483 14
Cuenta actual
X26 2008T4–2011T2 0.035 0.562 0.575 0,432 11
balance
2011T3–2021T1 − 0.008 − 0,166 0,869 37
2005T2–2008T3 0.220 0.542 0,589 14
Balanza comercial a
X27 2008T4–2011T2 0.455 1.125 0.265 0.441 11
PIB
2011T3–2021T1 − 0.101 − 0,379 0.706 37
Consumo
Sector empresarial
Cuadro A8.Cont.
Periodos según
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar.
Descansos (Bai-Perron)
Cuadro A9.Resultados del régimen de Markov Cambio de modelos o determinantes macroeconómicos del riesgo de crédito de
préstamos al consumo en Lituania (relación de préstamos en mora para el consumo y el total de préstamos (Y1)).
PIB
Régimen 1 − 0.002 − 1.042 0,298
X2 PIB real − 101.656 1.824
Régimen 2 − 0.003 − 2.511 0,012 *
Inflación
Cuadro A9.Cont.
Dinero
Inversión
Mercado laboral
Mercado inmobiliario
Consumo
Sector empresarial
Cuadro A9.Cont.
Sector financiero
Sector hogares
Fuente: elaboración propia. Nota: **—Nivel de confianza del 99%; *—Nivel de confianza del 95%.
Cuadro A10.Resultados del análisis de regresión de panel para el total de préstamos para consumo (Y2) en países de ECO.
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar. Prueba F Prueba de Hausman Modelo
PIB
X2 PIB real − 0.003 − 0,159 0,873 0,078 115 0.000 0.007 Efectos fijos
X3 El crecimiento del PIB − 34.926 − 0.951 0.344 0.011 88 0.000 0.808 Efectos aleatorios
X4 Real crecimiento del PIB − 69.884 − 1.205 0.231 0,015 99 0.000 0.583 Efectos aleatorios
X6 PIB gal (brecha de producción) 24.412 0.328 0.744 0.001 115 0.000 0,098 Efectos aleatorios
Nacional bruto
X7 − 30.648 − 0.515 0.607 0.002 135 0.000 0,128 Efectos aleatorios
ingreso
Nacional bruto
X8 − 103.971 − 1.694 0.093 0.021 139 0.000 0,886 Efectos aleatorios
gasto
Inflación
X9 Deflactor del PIB 117.411 1.095 0.309 0.008 130 0.000 0.593 Efectos aleatorios
X13 Oferta monetaria (M2) 10.489 1.115 0.267 0.009 139 0.000 0,668 Efectos aleatorios
X14 Reservas internacionales 72.588 1.177 0.241 0.009 139 0.000 0.081 Efectos aleatorios
Inversión
Capital fijo bruto
X15 − 15.089 − 0,842 0.401 0.006 128 0.000 0.558 Efectos aleatorios
formación per cápita
X16 Inversión de capital − 83.957 − 1.144 0.255 0.009 139 0.000 0,829 Efectos aleatorios
Sostenibilidad2022,14, 13219 49 de 62
Cuadro A10.Cont.
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar. Prueba F Prueba de Hausman Modelo
Mercado laboral
A largo plazo
X17 − 44.346 − 1.366 0,174 0,015 128 0.000 0,898 Efectos aleatorios
tasa de desempleo
X18 Tasa de desempleo − 141.013 − 4.727 0.000 ** 0,157 123 0.000 0,136 Efectos aleatorios
Mercado inmobiliario
X19 índice de precios de la vivienda 23.405 0,977 0.330 0.008 127 0.000 0.804 Efectos aleatorios
exportaciones de bienes y
X20 − 6.201 − 0.307 0,759 0.001 137 0.000 0.700 Efectos aleatorios
servicios per cápita
exportaciones de bienes y
X21 62.802 1.984 0,049 * 0,027 139 0.000 0.104 Efectos aleatorios
servicios al PIB
X22 Tasa de crecimiento de las exportaciones − 7.218 − 0.351 0,726 0.001 137 0.000 0,479 Efectos aleatorios
importaciones de bienes y
X23 − 13.067 − 0,718 0,474 0.004 137 0.000 0.865 Efectos aleatorios
servicios per cápita
importaciones de bienes y
X24 55.332 1.372 0,172 0.013 139 0.000 0,072 Efectos aleatorios
servicios al PIB
X25 Tasa de crecimiento de las importaciones − 14.075 − 0.761 0,448 0.004 137 0.000 0.610 Efectos aleatorios
Cuenta actual
X26 − 29.053 − 0,662 0.509 0.003 139 0.000 0.086 Efectos aleatorios
balance
Balanza comercial a
X27 75.790 2.766 0,007 ** 0.053 139 0.000 0,773 Efectos aleatorios
PIB
Consumo
Confianza del consumidor
X29 − 7.698 − 0.382 0.703 0.001 138 0.000 0.368 Efectos aleatorios
índice (CCI)
Consumo final
X30 gasto de 0.206 1.231 0.221 0.012 130 0.000 0.362 Efectos aleatorios
hogares per cápita
Sector empresarial
Producción industrial
X31 104.214 2.211 0,035 * 0.144 32 0.000 0.880 Efectos aleatorios
índice
Valor de la industria
X32 58.429 0,579 0.563 0.002 139 0.000 0,294 Efectos aleatorios
PIB
X33 Libertad empresarial − 62.287 − 0.946 0.346 0.007 130 0.000 0.251 Efectos aleatorios
Sector financiero
X35 Crecimiento crediticio 0.214 2.904 0,049 * 0,058 139 0.000 0,439 Efectos aleatorios
Crédito interno al
X36 − 0.013 − 0.201 0.841 0.002 128 0.000 0.000 Efectos fijos
sector privado
crédito interno a
X37 sector privado-a- 32.683 1.493 0.138 0,017 137 0.000 0.214 Efectos aleatorios
PIB
Sector gobierno general
X39 La deuda pública 0.054 1.554 0.123 0.035 118 0.000 0.000 Efectos fijos
X40 Deuda pública/PIB − 15.164 − 0,619 0.537 0.003 139 0.000 0.560 Efectos aleatorios
Cuadro A10.Cont.
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar. Prueba F Prueba de Hausman Modelo
Sector doméstico
Fuente: elaboración propia. Nota: **—Nivel de confianza del 99%; *—Nivel de confianza del 95%.
Cuadro A11.Resultados de modelos de regresión de mínimos cuadrados ordinarios para el total de préstamos para consumo (Y2)
en Lituania.
PIB
X2 PIB real 0.086 2.290 0,025 * 0,075 67
X3 El crecimiento del PIB 7.709 2.491 0,015 * 0,087 67
X4 Real crecimiento del PIB 7.666 2.485 0,016 * 0,087 67
X7 El ingreso nacional bruto 8.056 3.618 0,001 ** 0,169 66
Inflación
X20 Exportaciones de bienes y servicios per cápita 1.609 1.615 0.111 0.039 67
X21 Exportaciones de bienes y servicios al PIB 1.406 0,847 0.400 0.011 67
X22 Tasa de crecimiento de las exportaciones 1.740 1.733 0,088 0.044 67
X23 Importaciones de bienes y servicios per cápita 1.419 1.690 0.096 0,042 67
X24 Importaciones de bienes y servicios con respecto al PIB 0,666 0,339 0,736 0.002 67
X25 Tasa de crecimiento de las importaciones 1.531 1.803 0,076 0,047 67
X26 Saldo de la cuenta corriente − 0.037 − 0.023 0.982 0.0001 67
X27 Balanza comercial/PIB − 12.513 − 1.411 0.163 0,029 67
Sostenibilidad2022,14, 13219 51 de 62
Cuadro A11.Cont.
Consumo
X29 Índice de confianza del consumidor (ICC) − 2.543 − 0,479 0.633 0.003 68
X30 Gasto de consumo final per cápita 5.952 2.694 0,009 ** 0.100 67
Sector empresarial
Cuadro A12.Resultados de modelos de regresión de mínimos cuadrados con puntos de interrupción para el total de préstamos para
Periodos según
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar.
Descansos (Bai-Perron)
PIB
2005T2–2008T3 0,072 0.587 0.559 14
X2 PIB real 0.413
2008T4–2021T4 0.053 1.671 0,099 53
2005T2–2008T3 4.611 0.505 0.615 14
X3 El crecimiento del PIB 0,087
2008T4–2021T4 4.347 1.610 0.112 53
2005T2–2008T3 4.629 0.504 0.616 14
X4 Real crecimiento del PIB 0.410
2008T4–2021T4 4.340 1.615 0.111 53
Cuadro A12.Cont.
Periodos según
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar.
Descansos (Bai-Perron)
Exportaciones de bienes
2005T2–2008T3 − 0.243 − 0.145 0,885 14
X20 y servicios 2008T4–2011T4 1.721 1.390 0,169 0.517 13
per cápita
2012T1–2021T4 0.241 0.217 0,829 40
2005T2–2008T3 − 1.578 − 0,484 0.623 14
Exportaciones de bienes
X21 2008T4–2011T4 2.339 1.083 0.283 0.513 13
y servicios al PIB
2012T1–2021T4 0.562 0.344 0,732 40
2005T2–2008T3 − 0.138 − 0.082 0.935 14
X22 Tasa de crecimiento de las exportaciones
2008T4–2011T4 1.819 1.427 0,159 0.517 13
2012T1–2021T4 0.260 0,234 0.816 40
importaciones de bienes
2005T2–2008T3 − 0,927 − 0.516 0.608 14
X23 y servicios 2008T4–2011T4 1.062 1.086 0,282 0.514 13
per cápita
2012T1–2021T4 0.417 0,452 0,653 40
Sostenibilidad2022,14, 13219 53 de 62
Cuadro A12.Cont.
Periodos según
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar.
Descansos (Bai-Perron)
Sector empresarial
Cuadro A12.Cont.
Periodos según
Símbolo Variable Coeficiente estadística t Prob. R metros. Observar.
Descansos (Bai-Perron)
Cuadro A13.Resultados del régimen de Markov Cambio de modelos para préstamos totales para consumo (Y2)
en Lituania.
PIB
Régimen 1 0.052 1.524 0,127
X2 PIB real − 350.903 2.141
Régimen 2 0.112 1.086 0,277
Inflación
Dinero
Inversión
Mercado laboral
Cuadro A13.Cont.
Mercado inmobiliario
Consumo
Sector empresarial
Sector financiero
Cuadro A13.Cont.
Sector hogares
Fuente: elaboración propia. Nota: **—Nivel de confianza del 99%; *—Nivel de confianza del 95%.
Cuadro A14.Resumen de los resultados del total de préstamos para consumo (Y2).
Grupo de expertos de la CEE Lituania simple Regresión de Lituania con Lituania bajo
Símbolo Variable
Estimacion Regresión Rupturas estructurales Diferentes regímenes
PIB
X2 PIB real Insignificante Firmar. Positivo Insignificante Insignificante
X12 Índice de precios al productor (IPP) Insignificante Firmar. Positivo Insignificante Insignificante
Dinero
Firmar. positivo
X13 Oferta monetaria (M2) Insignificante Insignificante Insignificante
(4º trimestre de 2008–4º trimestre de 2011)/Insig.
Firmar. negativo
X14 Reservas internacionales Insignificante Insignificante Insignificante
(4º trimestre de 2008–4º trimestre de 2011)/Insig.
Inversión
Capital fijo bruto
X15 Insignificante Firmar. Positivo Firmar. Positivo Insignificante
formación per cápita
Firmar. positivo
X16 Inversión de capital Insignificante Firmar. Positivo Firmar. Positivo/Insig.
(2005T2–2012T1)/Insig.
Mercado laboral
Mercado inmobiliario
exportaciones de bienes y
X20 Insignificante Insignificante Insignificante Insignificante
servicios per cápita
exportaciones de bienes y
X21 Firmar. Positivo Insignificante Insignificante Insignificante
servicios al PIB
X22 Tasa de crecimiento de las exportaciones Insignificante Insignificante Insignificante Insignificante
importaciones de bienes y
X23 Insignificante Insignificante Insignificante Insignificante
servicios al PIB
importaciones de bienes y
X24 Insignificante Insignificante Insignificante Insignificante
servicios per cápita
Sostenibilidad2022,14, 13219 57 de 62
Cuadro A14.Cont.
Grupo de expertos de la CEE Lituania simple Regresión de Lituania con Lituania bajo
Símbolo Variable
Estimacion Regresión Rupturas estructurales Diferentes regímenes
Consumo
Índice de confianza del consumidor
X29 Insignificante Insignificante
(ICC)
Consumo final
X30 Insignificante Firmar. Positivo Insignificante Insignificante
gasto per cápita
Sector empresarial
Firmar. positivo
(2009T1–2011T4)/Firmar.
X31 Índice de producción industrial Firmar. Positivo Insignificante Insignificante
Negativo
(2012T1–2021T1)/Insig.
X32 Valor de la industria respecto del PIB Insignificante - - -
X33 Libertad empresarial Insignificante - - -
Sector financiero
X35 Crecimiento crediticio Firmar. Positivo Firmar. Positivo Insignificante Firmar. Positivo/Insig.
Firmar. negativo
X40 Deuda pública/PIB Insignificante Firmar. Negativo Insignificante
(4º trimestre de 2008–4º trimestre de 2011)/Insig.
Firmar. positivo
X41 Equilibrio presupuestario/PIB Insignificante Firmar. Positivo Firmar. Positivo/Insig
(4º trimestre de 2008–4º trimestre de 2011)/Insig.
Sector hogares
Impuesto sobre la renta personal
X43 Insignificante - -
al PIB
Sueldos y salarios
X44 Insignificante Firmar. Positivo Insignificante Insignificante
por empleado
Cuadro A15.Resumen de los resultados de la cartera vencida para el ratio consumo/préstamos totales (Y1).
PIB
Firmar. Negativo
X2 PIB real Insignificante Firmar. Negativo Firmar. Negativo/Insig.
(2005T2–2011T2)/Insig.
Firmar. Negativo
X3 El crecimiento del PIB Firmar. Positivo Firmar. Negativo Insignificante
H1:
(2005T2–2011T2)/Insig.
CEE: no compatible;
Firmar. Negativo Lituania—apoyada
X4 Real crecimiento del PIB Firmar. Positivo Firmar. Negativo Firmar. Negativo/Insig.
(2005T2–2011T2)/Insig.
X6 Brecha de producción Insignificante - - -
Nacional bruto Firmar. Negativo Firmar. Negativo/
X7 Insignificante Firmar. Negativo
ingreso (2005T2–2011T2)/Insig. Firmar. Positivo
Sostenibilidad2022,14, 13219 58 de 62
Cuadro A15.Cont.
Nacional bruto
X8 Insignificante - - -
gasto
Inflación
Consumidor
X10 índice de confianza Firmar. Negativo Insignificante Insignificante Insignificante H2:
(IPC) ECO: apoyado;
Lituania—apoyada
Cambio porcentual
X11 Firmar. Negativo Insignificante Insignificante Insignificante
del IPC
precio al productor
X12 Insignificante Insignificante Insignificante Insignificante
índice
Dinero
X13 Oferta monetaria (M2) Insignificante Insignificante Insignificante Insignificante H3:
CEE: no compatible;
Internacional Lituania—no
X14 Insignificante Insignificante Insignificante Insignificante
reservas soportado
Inversión
Capital fijo bruto Firmar. Negativo Firmar. Negativo/
H4:
X15 Insignificante Insignificante
formación per cápita (2005T2–2011T2)/Insig. Firmar. Positivo
CEE: no compatible;
Firmar. Negativo Lituania—parcialmente
X16 Inversión de capital Insignificante Insignificante Insignificante soportado
(2005T2–2011T2)/Insig.
Mercado laboral
A largo plazo
X17 Firmar. Positivo Firmar. Positivo Insignificante Firmar. Positivo/Insig. H5:
tasa de desempleo ECO: apoyado;
X18 Tasa de desempleo Insignificante Firmar. Positivo Firmar. positivo Firmar. Positivo Lituania—apoyada
Mercado inmobiliario
H6:
Firmar. Positivo ECO: apoyado;
X19 índice de precios de la vivienda Firmar. negativo Insignificante Firmar. Positivo/Insig.
(3T de 2011–1T de 2021)/Insig. Lituania—no
soportado
Comercio y composición del comercio
Exportaciones de bienes
Firmar. Negativo
X20 y servicios por Insignificante Insignificante Insignificante
(2009T1–2011T2)/Insig.
cápita
Exportaciones de bienes
X21 Insignificante Insignificante Insignificante Insignificante
y servicio al PIB
Firmar. Negativo
X22 Tasa de crecimiento de las exportaciones Insignificante Insignificante Insignificante H7:
(2009T1–2011T2)/Insig.
ECO: apoyado;
importaciones de bienes Lituania—ninguno
X23 y servicios por Insignificante Insignificante Insignificante Insignificante rechazado ni apoyado
cápita
Cuenta actual
X26 Firmar. negativo Insignificante Insignificante Firmar. Positivo/Insig.
balance
Balanza comercial a
X27 Insignificante Insignificante Insignificante Insignificante
PIB
Consumo
Consumidor
X29 índice de confianza Firmar. negativo Insignificante Insignificante Insignificante H8:
(ICC) ECO—parcialmente
soportado;
Consumo final Lituania—parcialmente
gasto de Firmar. Negativo soportado
X30 Insignificante Firmar. Negativo Firmar. Negativo/Insig.
hogares por (2005T2–2011T2)/Insig.
cápita
Sector empresarial
Industrial
X31 Insignificante Insignificante Insignificante Insignificante H9:
índice de producción
ECO: apoyado;
Industria Lituania—apoyada
X32 Firmar. positivo - - -
valor/PIB
Sostenibilidad2022,14, 13219 59 de 62
Cuadro A15.Cont.
Firmar. Negativo
X34 Crecimiento crediticio Insignificante Insignificante Firmar. Negativo/Insig.
(2005T2–2011T2)/Insig.
Firmar. Negativo H10:
ECO—parcialmente
(2005T2–2011T2)/
crédito interno a Firmar. Negativo/ soportado;
X36 Insignificante Insignificante Firmar. Positivo
el sector privado Firmar. Positivo Lituania—no
(Tercer trimestre de 2011–Tercer trimestre de 2013)
/Insig. soportado
crédito interno a
X37 sector privado-a- Firmar. Positivo - - -
PIB
Sector gobierno general
Firmar. Negativo
X39 La deuda pública Insignificante Insignificante Firmar. Negativo/Insig.
(Tercer trimestre de 2011 a cuarto trimestre de 2017)/Insig.
/Insig.
Sector hogares
X43
impuesto sobre personal
Insignificante - - - H12:
ingreso al PIB CEE: ninguno rechazado
ni apoyado;
Sueldos y salarios Firmar. Negativo
X44 Firmar. negativo Firmar. Negativo Firmar. Negativo/Insig. Lituania—ninguno
por empleado (2005T2–2011T2)/Insig.
rechazado ni apoyado
Referencias
1. Melecky, A.; Sulganova, M. Estudio cuantitativo sobre los determinantes macroeconómicos del riesgo crediticio agregado. En Actas de la Segunda
Conferencia Internacional sobre Educación y Ciencias Sociales, Estambul, Turquía, 2 a 4 de febrero de 2015; pag. 64453.
2. Gila-Gourgoura, E.; Nikolaidou, E. Determinantes del riesgo crediticio en las economías vulnerables de Europa: evidencia del sistema bancario
italiano. En Actas de la Décima Conferencia de Economía y Finanzas, Roma (Italia), 10 a 13 de septiembre de 2018; págs. 119-137.
3. Castro, V. Determinantes Macroeconómicos del Riesgo de Crédito en el Sistema Bancario: El Caso del GIPSI.Economía. Modelo.2013,31, 672–683. [
Referencia cruzada]
4. Mileris, R. Determinantes macroeconómicos del riesgo crediticio de la cartera de préstamos en los bancos.Ing. Economía.2013,23, 496–504. [Referencia cruzada]
5. Figlewski, S.; Frydman, H.; Liang, W. Modelización del efecto de los factores macroeconómicos sobre el incumplimiento corporativo y las transiciones de calificación
crediticia.En t. Rev. Economía. Finanzas.2012,21, 87-105. [Referencia cruzada]
6. Demirguc-Kunt, A.; Detragiache, E. Los determinantes de las crisis bancarias en los países desarrollados y en desarrollo.Pap del personal del FMI. 1998,45,
81-109. [Referencia cruzada]
7. Wong, J.; Wong, TC; Leung, P. Predicción de dificultades bancarias en las economías EMEAP.J. Finanzas. Puñalada.2010,6, 169-179. [Referencia cruzada]
8. Espinoza, R.; Prasad, A. Préstamos morosos en el sistema bancario del CCG y sus efectos macroeconómicos.Trabajo del FMI. Papilla. 2010,10, 25. [
Referencia cruzada]
9. Buncic, D.; Melecky, M. Pruebas de tensión macroprudenciales del riesgo crediticio: un enfoque práctico para los responsables de la formulación de políticas.J. Finanzas. Puñalada. 2013,
9, 347–370. [Referencia cruzada]
10. Maltritz, D.; Molchanov, A. Determinantes del riesgo crediticio del país con incertidumbre del modelo.En t. Rev. Economía. Finanzas.2014,29, 224–234. [Referencia
cruzada]
11. Washington, GK Efectos de las variables macroeconómicas sobre el riesgo crediticio en el sistema bancario de Kenia.En t. J. Autobús. Comer.2014, 3, 26.
12. Abusharbeh, MT Determinantes del riesgo crediticio en Palestina: Estimación de datos de panel.En t. J. Finanzas. Economía.2020,27, 3434–3443. [Referencia
cruzada]
13. Jimminez, G.; Saurina, J. Garantía, tipo de prestamista y relación bancaria como determinantes del riesgo crediticio.J. Banco. Finanzas.2004, 28, 2191–2212. [
Referencia cruzada]
Sostenibilidad2022,14, 13219 60 de 62
14. Bonfim, D. Impulsores del riesgo crediticio: evaluación de la contribución de la información a nivel de empresa y de la dinámica macroeconómica.J. Banco. Finanzas.2009
,33, 281–299. [Referencia cruzada]
15. Nkusu, M. Préstamos morosos y vulnerabilidades macrofinancieras en economías avanzadas.Trabajo del FMI. Papilla.2011,11, 28. [Referencia
cruzada]
16. Naili, M.; Lahrichi, Y. Los determinantes del riesgo crediticio de los bancos: revisión de la literatura y agenda de investigación futura.En t. J. Finanzas.
Economía.2022,27, 334–360. [Referencia cruzada]
17. Koju, L.; Koju, R.; Wang, S. Determinantes macroeconómicos de los riesgos crediticios: evidencia de países de altos ingresos.EUR. J. Gestionar. Autobús. Economía.2020,
29, 41–53. [Referencia cruzada]
18. Louzis, DP; Vouldis, AT; Metaxas, VL Determinantes macroeconómicos y específicos de los bancos de los préstamos morosos en Grecia: un estudio
comparativo de las carteras de préstamos hipotecarios, comerciales y de consumo.J. Banco. Finanzas.2012,36, 1012-1027. [Referencia cruzada]
19. Johnson, AM; Boehlje, MD; Gunderson, MA Riesgo de crédito agrícola y macroeconomía: determinantes de las migraciones de PD de crédito agrícola en
América Central.Agrícola. Finanzas. Rdo.2017,77, 164–180. [Referencia cruzada]
20. Mpofu, TR; Nikolaidou, E. Determinantes del riesgo crediticio en el sistema bancario del África subsahariana.Rev. Dev. Finanzas.2018,8, 141-153. [
Referencia cruzada]
21. Beck, R.; Jakubik, P.; Piloiu, A. Determinantes clave de los préstamos morosos: nueva evidencia de una muestra global.Economía abierta. Rdo.2015,26, 525–
550. [Referencia cruzada]
22. Liao, S.-L.; Chang, J.-J. Determinantes económicos de los riesgos de incumplimiento y sus impactos en la fijación de precios de los derivados crediticios.J. Marca del futuro. 2005,30, 67–
68. [Referencia cruzada]
23. Boyd, JH; De Nicoló,G. Revisión de la teoría de la asunción de riesgos y la competencia bancaria.J. Finanzas.2005,60, 1329-1343. [Referencia cruzada]
24. Podpiera, J.; Weill, L. ¿Mala suerte o mala gestión? Experiencia en mercados bancarios emergentes.J. Finanzas. Puñalada.2008,4, 135-148. [Referencia
cruzada]
25. Rossi, SPS; Schwaiger, MS; Winkler, G. Cómo la diversificación de la cartera de préstamos afecta el riesgo, la eficiencia y la capitalización: un modelo de
comportamiento gerencial para los bancos austriacos.J. Banco. Finanzas.2009,33, 2218–2226. [Referencia cruzada]
26. Haq, M.; Heaney, R. Factores que determinan el riesgo de los bancos europeos.J. Int. Finanzas. Marca. Inst. Dinero2012,22, 696–718. [Referencia cruzada]
27. Zhang, D.; Cai, J.; Dickinson, director general; Kutan, AM Préstamos morosos, riesgo moral y regulación del sistema bancario comercial chino.J.
Banco. Finanzas.2016,63, 48–60. [Referencia cruzada]
28. Salas, V.; Saurina, J. Riesgo de Crédito en Dos Regímenes Institucionales: Cajas Comerciales y Cajas de Ahorros Españolas.J. Finanzas. Serv. Res.2002, 22, 203–224. [
Referencia cruzada]
29. Dimitrios, A.; Helena, L.; Mike, T. Determinantes de los préstamos morosos: evidencia de los países de la zona del euro.Finanzas. Res. Letón. 2016,18,
116-119. [Referencia cruzada]
30. Ghosh, A. Determinantes económicos regionales y específicos de la industria bancaria de los préstamos morosos: evidencia de los estados de EE. UU.
J. Finanzas. Puñalada.2015,20, 93-104. [Referencia cruzada]
31. Nikolaidou, E.; Vogiazas, S. Determinantes del riesgo crediticio en los sistemas bancarios subsaharianos: evidencia de cinco países y lecciones
aprendidas de los países de Europa Central, Oriental y Sudoriental.Rev. Dev. Finanzas.2017,7, 52–63. [Referencia cruzada]
32. Zheng, C.; Bhowmik, PK; Sarker, N. Determinantes macroeconómicos y específicos de la industria de los préstamos morosos: un análisis
comparativo de ARDL y VECM.Sostenibilidad2020,12, 325. [Referencia cruzada]
33. Naili, M.; Lahrichi, Y. Riesgo crediticio de los bancos, determinantes sistemáticos y factores específicos: evidencia reciente de mercados emergentes. Helión
2022,8, e08960. [Referencia cruzada] [PubMed]
34. Naceur, SB; Omran, M. Los efectos de las regulaciones bancarias, la competencia y las reformas financieras en el desempeño de los bancos.Emergente. Marca. Rdo.2011
,12, 1–20. [Referencia cruzada]
35. Priyadi, U.; Utami, KDS; Mahoma, R.; Nugraheni, P. Determinantes del riesgo crediticio del sharı̄ indonesioaBancos Rurales.Internacional ISRA. J. Islam.
Finanzas.2021,13, 284–301. [Referencia cruzada]
36. Feldkircher, M. Los determinantes de la vulnerabilidad a la crisis financiera mundial de 2008 a 2009: crecimiento del crédito y otras fuentes de riesgo.J. Int.
Financiación del dinero.2014,43, 19–49. [Referencia cruzada]
37. De Bock, R.; Demyanets, A. Calidad de los activos bancarios en los mercados emergentes: determinantes y efectos de contagio.Trabajo del FMI. Papilla.2012,12, 27. [Referencia cruzada
]
38. Haniifah, N. Determinantes económicos de los préstamos morosos (NPL) en los bancos comerciales de Uganda.El autobús de Taylor. Rdo.2015,5, 137-153.
39. Klein, N. Préstamos morosos en CESEE: Determinantes e impacto en el desempeño macroeconómico.Trabajo del FMI. Papilla.2013, 13, 1. [
Referencia cruzada]
40. Harada, N.; Kageyama, N. Dinámica de las quiebras en Japón.Japón. Economía mundial.2011,23, 119-128. [Referencia cruzada]
41. Umar, M.; Sun, G. Determinantes de los préstamos morosos en los bancos chinos.Autobús J. Asia. Semental.2018,12, 273–289. [Referencia cruzada]
42. Carvalho, PV; Curto, JD; Primor, R. Determinantes macroeconómicos del riesgo crediticio: evidencia de la eurozona.En t. J. Finanzas. Economía.
2020,27, 2054-2072. [Referencia cruzada]
43. Karoglou, M.; Mouratidis, K.; Vogiazas, S. Estimación del impacto de los determinantes del riesgo crediticio en dos países del sudeste europeo: un
enfoque VAR estructural no lineal.Rev. Economía. Anal.2018,10, 55–74. [Referencia cruzada]
44. Macri, V.; Tsagkanos, A.; Bellas, A. Determinantes de la morosidad: el caso de la eurozona.Panoeconómico2014,61, 193–206. [Referencia
cruzada]
Sostenibilidad2022,14, 13219 61 de 62
45. Messai, AS; Jouini, F. Determinantes micro y macro de la situación económica de los refugiados.En t. J. Economía. Finanzas. Asuntos2013,3, 852–860. [Referencia cruzada]
46. Yurdakul, F. Modelización macroeconómica del riesgo crediticio para bancos.Procedia Soc. Comportamiento. Ciencia.2014,109, 784–793. [Referencia cruzada]
47. Kjosevski, J.; Petkovski, M. Determinantes macroeconómicos y bancarios específicos de los préstamos morosos: el caso de los Estados bálticos. empírica2021
,48, 1009-1028. [Referencia cruzada]
48. Stolbov, M. Determinantes del riesgo crediticio soberano: el caso de Rusia.Economía poscomunista.2017,29, 51–70. [Referencia cruzada]
49. Doshi, H.; Jacobs, K.; Zurita, V. Determinantes Económicos y Financieros de las Primas de Riesgo de Crédito en el Mercado de CDS Soberanos.Rev. Estudio de valoración
de activos.2017,7, 43–80. [Referencia cruzada]
50. Koju, L.; Koju, R.; Wang, S. Determinantes macroeconómicos y específicos de los bancos de los préstamos morosos: evidencia del sistema
bancario nepalí.J. Cent. Banco. Teoría Práctica.2018,7, 111-138. [Referencia cruzada]
51. Kjosevski, J.; Petkovski, M.; Naumovska, E. Determinantes macroeconómicos y específicos de los bancos de los préstamos morosos en la República de
Macedonia: análisis comparativo de los préstamos dudosos de empresas y hogares.Economía. Res. Istraz.2019,32, 1185-1203. [Referencia cruzada]
52. Radivojevic, N.; Jovovic, J. Análisis de los determinantes de los préstamos morosos.Economía de Praga. Papilla.2017,26, 300–316. [Referencia cruzada]
53. Ni, AM; Ismail, S.; Abd Rahman, NH Determinantes de los préstamos morosos en Asia: ¿Es el sudeste asiático diferente?En t. J. Autobús. Soc.2021,
22, 431–442. [Referencia cruzada]
54. Abid, L.; Ouertani, Minnesota; Zouari-Ghorbel, S. Determinantes macroeconómicos y bancarios específicos de los préstamos morosos a los hogares en
Túnez: datos de panel dinámicos.Procedia Econ. Finanzas.2014,13, 58–68. [Referencia cruzada]
55. Nikolaidou, E.; Vogiazas, SD Determinantes del riesgo crediticio para el sistema bancario búlgaro.En t. Adv. Economía. Res.2014,20, 87-102. [Referencia
cruzada]
56. Nikolaidou, E.; Vogiazas, Riesgo de crédito SD en el sistema bancario rumano: evidencia de un modelo ARDL. EnPaíses de los Balcanes y de
Europa del Este en medio de la crisis económica mundial. Contribuciones a la economía; Karassavoglou, A., Polychronidou, P., Eds.; Springer:
Heidelberg, Alemania; Nueva York, Nueva York, Estados Unidos; Dordrecht, Países Bajos; Londres, Reino Unido, 2012; págs. 87-101; ISBN
9783790828726.
57. Sulganova, M. La estructura de retardo de los determinantes bancarios de los préstamos morosos en la República Checa. EnActas de la XV
Conferencia Internacional sobre Finanzas y Banca; Universidad de Silesia en Opava, Escuela de Administración de Empresas: Praga, República
Checa, 2016; págs. 400–410.
58. Kumar, RR; Stauvermann, PJ; Patel, A.; Prasad, SS Determinantes de los préstamos morosos en el sector bancario en los pequeños estados
insulares en desarrollo: un estudio de Fiji.Cuenta. Res. J.2018,31, 192-213. [Referencia cruzada]
59. Petkovski, M.; Kjosevski, J.; Jovanovski, K. Análisis de panel empírico de préstamos morosos en la República Checa. ¿Cuáles son sus
determinantes y cuán fuerte es su impacto en la economía real?Finanzas. Uver-Checo J. Econ. Finanzas.2018,68, 460–490.
60. Bayar, Y. Determinantes macroeconómicos, institucionales y bancarios específicos de los préstamos morosos en economías de mercados emergentes: un
análisis de regresión de panel dinámico.J. Cent. Banco. Teoría Práctica.2019,8, 95-110. [Referencia cruzada]
61. Feng, X. Un análisis empírico de los factores macroeconómicos y de desempeño bancario que afectan el riesgo crediticio en la banca de los países
de Europa Central. En actas de la 37.ª Conferencia Internacional sobre Métodos Matemáticos en Economía, Českmi Budějovice (República
Checa), 11 a 13 de septiembre de 2019; págs. 392–398.
62. Kil, K.; Ciukaj, R.; Druhov, O.; Gritsenko, N. Determinantes del índice de préstamos morosos en los sectores bancarios de los países de Europa
central y oriental.Finanzas. Ley de Crédito. Teoría Práctica.2020,2, 36. [Referencia cruzada]
63. Kocisova, K.; Pastyrikova, M. Determinantes de los préstamos morosos en los países de la Unión Europea. EnActas de la 13ª Conferencia
de Economía y Finanzas; IISES: Praga, República Checa, 2020; págs. 64–71.
64. Petkovski, M.; Kjosevski, J.; Jovanovski, K. Determinantes macroeconómicos y bancarios específicos de los préstamos morosos en los bancos comerciales polacos.
Argumento. Oecón.2021,2, 107-126. [Referencia cruzada]
65. Szarowska, I. Impacto de los determinantes macroeconómicos en los préstamos morosos en los países de Europa central y oriental. En Actas de
la Octava Conferencia Internacional sobre Moneda, Banca y Finanzas Internacionales. El papel del sector financiero en el apoyo a la
recuperación económica de los países de ECO; Universidad de Economía de Bratislava: Bratislava, Eslovaquia, 2014; págs. 389–400.
66. Filip, BF Determinantes de los préstamos morosos en los países de Europa occidental. En Actas de la Conferencia Internacional sobre el
Euro y el Sistema Bancario Europeo: Evoluciones y Desafíos, Iasi, Rumania, 4 a 6 de junio de 2015; págs. 146-155.
67. Blanco, R.; Gimeno, R. Determinantes de las ratios de morosidad en el segmento de préstamos a hogares en España.Banco Esp. Trabajar. Papilla. 2012,1210,
1–40. [Referencia cruzada]
68. Pesola, J. Fragilidad y dificultades bancarias: un estudio econométrico de los determinantes macroeconómicos.Banco finlandés. Res. Conversar. Papilla. 2005,13, 99. [
Referencia cruzada]
69. Liou, D.-K.; Smith, M. Variables macroeconómicas y dificultades financieras.J. Cuenta.-Autobús. Gestionar.2007,14, 17–31.
70. Aver, B. Un análisis empírico de los factores de riesgo crediticio del sistema bancario esloveno.Gestionar. Globo. Tránsito.2008,6, 317–334.
71. Tatarici, LR; Kubinschi, MN; Barnea, D. Determinantes de los préstamos morosos para la región de la CEE. Una perspectiva de estabilidad financiera.
Gestionar. Marca. Conocimiento. Soc.2020,15, 621–642. [Referencia cruzada]
72. Agic, Z.; Gacic, SD Determinantes bancarios específicos de los préstamos morosos: el caso de Bosnia y Herzegovina.Economía. Marca.
Comunitario. Rdo.2021,11, 546–559.
73. Berkmen, SP; Gelos, G.; Rennhack, R.; Walsh, JP La crisis financiera mundial: explicación de las diferencias entre países en el impacto del producto.
J. Int. Financiación del dinero.2012,31, 42–59. [Referencia cruzada]
Sostenibilidad2022,14, 13219 62 de 62
74. Foglia, M. Préstamos morosos y factores macroeconómicos: el caso italiano.Riesgos2022,10, 21. [Referencia cruzada]
75. Duffie, D.; Saita, L.; Wang, K. Predicción de incumplimiento corporativo de varios períodos con covariables estocásticas.J. Finanzas. Economía.2007,83, 635–665. [
Referencia cruzada]
76. Danielsson, J. El emperador no tiene ropa: límites al modelado de riesgos.J. Banco. Finanzas.2002,26, 1273-1296. [Referencia cruzada]
77. Haldane, A. Por qué los bancos no superaron la prueba de resistencia. Discurso en el Marcus-Evans. EnActas del Banco de Inglaterra; Banco de Inglaterra: Londres,
Reino Unido, 2009; págs. 1–23.
78. David, T.; Leeper, EM Generalizando el principio de Taylor.Economía. Rdo.2011,97, 607–635. [Referencia cruzada]
79. Bruneau, C.; de Bandt, O.; El Amri, W. Fluctuaciones macroeconómicas y fragilidad financiera corporativa.J. Finanzas. Puñalada.2012,8, 219–235. [
Referencia cruzada]
80. Radivojević, N.; Cvijanović, D.; Sekulic, D.; Pavlovic, D.; Jovic, S.; Maksimović, G. Modelo econométrico de los determinantes de los préstamos morosos.Física.
Una estadística. Mec. Aplica.2019,520, 481–488. [Referencia cruzada]