Ciclos Económicos y Riesgo de Crédito: Un modelo umbral de proyección de la morosidad bancaria de Perú

Transcripción

1 Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema Financiero Pablo J. Azabache La Torre

2 Objeivo: Proyecar el raio de morosidad del sisema bancario peruano haciendo uso de variables macroeconómicas

3 Deerminanes del riesgo de crédio Macroeconómicos Microeconómicos Produco Bruo Inerno Tasa de inerés Tipo de cambio Tasa de desempleo Aciud de los gesores de crédio frene al riesgo Políica de crédio Tipo de negocio

4 Canal de ransmisión del riesgo de crédio Choques macroeconómicos Choques microeconómicos Riesgo de crédio (raio de morosidad) Oros efecos:.- Resricción crediicia.- Ec. Provisiones Renabilidad Parimonio

5 Revisión de lieraura (1) Gambera (2003), para EE.UU., uiliza modelos de regresión lineal simple (MCO) y modelos VAR para proyecar el raio de morosidad (Non Performing Loan) de res grupos de bancos (pequeños, medianos y grandes). El auor uiliza ano variables macroeconómicas regionales (ingreso del secor agriculura, asa de empleo del esado, ingreso per cápia, declaraciones de quiebra) como del conjuno de la economía (venas de carros, asa de empleo nacional). Conclusión: son buenos predicores del raio de morosidad. Greenidge y Grosvenor (2009), para Barbados, uiliza modelos de regresión lineal simple para proyecar el raio de morosidad para el sisema bancario y para cada banco (6 bancos). Variables: rezago del raio de morosidad, asa de crecimieno del PBI, asa de inflación, asa de inerés, amaño del banco, crecimieno de las colocaciones.

6 Revisión de lieraura (2) Gasha y Morales (2004): los sisemas financieros avanzados muesran un bajo raio de morosidad, y ese indicador presena un ajuse de auocorregimieno cuando excede un umbral. En conrase, los sisemas financieros de países de América Laina muesran un alo raio de morosidad, y hay un efeco magnificador cuando ese raio excede un umbral. Finalmene, el crecimieno del PBI afeca al raio de morosidad únicamene por encima de ciero umbral. Maucci y Quagliariello (2009): aplica un modelo umbral de series de iempo, y un modelo de daos de panel-umbral para el sisema bancario Ialiano. Cualiaivamene encuenra los mismos resulados que Gasha y Morales (2004). Azabache (2006, 2009): Mediane el uso de un modelo umbral encuenra que exise una relación no-lineal enre los choques de ipo de cambio y el raio de morosidad de los crédios en moneda exranjera. Adicionalmene, encuenra indicios de posibles efecos asiméricos enre la acividad económica y ese raio de morosidad.

7 Revisión de lieraura (3) Drehmann e al. (2006), en un esudio realizado para Inglaerra, muesra que ignorar la no-linealidad en modelos de pruebas de esrés sobre el riesgo de crédio puede llevar a predicciones subsancialmene diferenes. En la misma línea, Misina y Tessier (2008) muesran que los modelos lineales son inadecuados para pruebas de esrés ya que esos no capuran adecuadamene el comporamieno pasado en evenos exremos, por lo que no generan una respuesa plausible a choques bajo esrés.

8 Definición de variables (1) Variables carera morosa / colocacion es bruas 29 CF VPBI i 0 i /30 Donde: VPBI ( PBI / PBI 12 1) TC (E /E 12 1) E= ipo de cambio soles por dólar. Col ( Colocacion es bruas / Colocacion es bruas 12 1) Definición = raio de morosidad. Es una variable proxy del riesgo de crédio. CF = represena la disponibilidad de fondos de los deudores. TC = Variación poenual 12 meses del ipo de cambio. Col = Crecimieno en los úlimos doce meses de las colocaciones. Coniene información sobre facores propios de las enidades de crédio que afecan el comporamieno fuuro de la carera morosa.

9 Dic-97 Jun-98 Dic-98 Jun-99 Dic-99 Jun-00 Dic-00 Jun-01 Dic-01 Jun-02 Dic-02 Jun-03 Dic-03 Jun-04 Dic-04 Jun-05 Dic-05 Jun-06 Dic-06 Jun-07 Dic-07 Jun-08 Dic-08 Jun-09 Dic-09 Definición de variables (2) Poenaje 40 Indicadores de calidad de carera (como % de las colocaciones bruas) Subnormal (CPP + CAR) CAR (Def. + Dudoso + Pérdida) 15 Morosa 10 5 Pesada 0

10 Poenaje 22 Definición de variables (3) Raio de morosidad del sisema bancario peruano y PBI may-93 sep-94 ene-96 may-97 sep-98 ene-00 may-01 sep-02 ene-04 may-05 sep-06 ene-08 may-09 PBI(var% 12m) mora Promedio 30 meses

11 Definición de variables (4) Poenaje Raio de morosidad del sisema bancario peruano y medidas de brecha del PBI may-93 sep-94 ene-96 may-97 sep-98 ene-00 may-01 sep-02 ene-04 may-05 sep-06 ene-08 may-09 mora GAP_HP GAP_L GAP_C

12 Modelos de proyección (1) Modelo umbral (Threshold Model) Modelo de regresión lineal ciclo j ciclo j I TC Col CF I TC Col CF TC TC Col CF CF TC Col CF

13 Modelos de proyección (2) Modelo de Vecores Auorregresivos (VAR) e e CF TC c CF 21 CF TC e e Col c c CF CF c c TC TC c Col 43 Col Modelo de regresión lineal c φ 2 1 φ 3 6 φ 5 7 φ 6 8 θ 6 ε 6

14 Tes de raíz uniaria Prueba de Dickey-Fuller Aumenado 1/ Hipóesis nula: la variable iene una raíz uniaria ningúno Consane Tendencia lineal Esadísico ADF p-value TC x * x ** x x ** CF x x * x x * COL x ** x x x x * x x x Valores críicos 1% 5% 10% ningúno Consane ineepo y endencia lineal / Si el esadísico DF es mayor en valor absoluo al valor críico se rechaza la hipóesis nula. Es decir la serie es esacionaria. *, ** y *** represena que se rechaza la hipóesis nula al 1%, 5% y 10% de significancia respecivamene.

15 Resulados del modelo umbral: Esimación Variable dependiene: Raio de morosidad Umbral esimado 1.14 Inervalos de confianza del umbral Inferior Superior No auocorrelación Corregido por heerocedasicidad - Cuadráica Corregido por heerocedasicidad - Kernel Régimen 1: variable umbral menor que 1.14 Número de observaciones 88 Coeficiene Esadísico-T Consane * (-1) * (-2) * Col(-12) ,33 CF(-3) * TC(-6) * Régimen 2: variable umbral mayor que 1.14 Número de observaciones 73 Coeficiene Esadísico-T Consane ** (-1) * (-2) Col(-12) ** CF(-3) * TC(-6) ** *, **, *** denoa significancia esadísica al 1%, 5% y 10%, respecivamene.

16 Resulados del modelo umbral: Tes de nolinealidad Esadísicos para la H 0 : efeco no umbral. Esadísico Davis-Sup p-value Valores críicos (5% y 10%) (177.3, 251.9)

17 Dic-06 Mar-07 Jun-07 Sep-07 Dic-07 Mar-08 Jun-08 Sep-08 Dic-08 Mar-09 Jun-09 Sep-09 Dic-09 Mar-10 Jun-10 Sep-10 Resulados del modelo umbral: proyección Poenaje 5,0 4,5 4,0 3,5 3,0 2,5 2,0 Modelo Umbral de Riesgo de Crédio Proyección del raio de morosidad (jun se.2010) Raio de morosidad ejecuado Fan Char: cenro corresponde al escenario más probable de predicción. 3,78 3,27 2,98 2,65 1,5 1,0 0,5 0, Enero-Agoso 2010 Ejecuado Proyecado Ejecuado Proyecado PBI 0,9 1,2 8,4 5,8 Proyección fuera de la muesra

18 Modelos alernaivos (1) Medidas de precisión de los modelos de proyección Modelo MAE MSE Modelo umbral Modelo LS_ Modelo LS_ Modelo GMM_ Modelo GMM_ VAR ARMA MAE= promedio del valor absoluo de los errores de predicción. MSE= promedio del los errores de predicción al cuadrado.

19 Modelos alernaivos (2) Esadísico de Diebold y Mariano MAE MSE Modelos D&M p-value D&M p-value Umbral vs LS Umbral vs LS Umbral vs GMM Umbral vs GMM Umbral vs VAR Umbral vs ARMA H0: La diferencia no es significaiva MAE= promedio del valor absoluo de los errores de predicción. MSE= promedio del los errores de predicción al cuadrado.

20 Conclusiones Los resulados economéricos respaldan el uso de un modelo no-lineal para proyecar el raio de morosidad, lo que va en línea con la evidencia empírica para países como Inglaerra y Canadá. A ravés de diversos esadísicos, se comprobó que la proyección de la morosidad del modelo umbral es más precisa que la esimada por modelos lineales alernaivos (VAR, ARMA y Regresión Lineal Múliple). Asimismo, durane odo el periodo de proyección los valores de morosidad realizados se encuenran denro de la densidad de proyección, la cual es consruida mediane el méodo boosrap.

21 Poenaje 4,0 Proyección del Raio de Morosidad (ocubre 2010-marzo 2011) 4,0 3,5 Efeco de la crisis financiera inernacional Proyección 3,5 3,0 3,0 2,5 2,5 2,0 2,0 1,5 1,5 1,0 Sep-07 Mar-08 Sep-08 Mar-09 Sep-09 Mar-10 Sep-10 Mar-11 Noa: la proyección cenral, banda más oscura, represena el escenario con mayor probabilidad de ocurrencia. 1,0

22 Ciclos Económicos y Riesgo de Crédio: Un modelo umbral de proyección de la morosidad bancaria de Perú Subgerencia de Análisis del Sisema Financiero y del Meado de Capiales Deparameno de Análisis del Sisema Financiero Pablo J. Azabache La Torre