Efectos No Lineales entre el Riesgo Cambiario Crediticio y la Depreciación

Pablo J. Azabache La Torre†

Banco Central de Reserva del Perú

Enero, 2006

Resumen Este estudio evalúa de manera empírica el riesgo cambiario crediticio, riesgo derivado propio de economías emergentes con sistemas bancarios parcialmente dolarizados, el cual no ha sido contemplado de forma explícita por el Comité de Basilea. Se plantea que shocks de naturaleza cambiaria afectan la calidad de la cartera de los bancos, debilitando su posición financiera; este deterioro es producto del descalce cambiario que presentan los prestatarios (empresas y familias), que ante un fuerte incremento del tipo de cambio ven incrementado sus deudas en dólares en términos de su moneda doméstica. Esto último, entre otras cosas, les genera un problema de liquidez, lo cual afecta la capacidad de cumplimiento de sus obligaciones financieras. Así este problema se trasmite al balance de los bancos reflejándose en el incremento de su morosidad (variables proxy del riesgo cambiario crediticio). Se plantea, que este riesgo se activa bajo determinado escenario económico, existiendo efectos no-lineales entre los shocks de tipo de cambio y el riesgo cambiario crediticio. Así, leves shocks de tipo de cambio no afectarán de manera importante la calidad de la cartera de los bancos; sin embargo ante fuertes shocks de tipo de cambio el riesgo cambiario crediticio se activará y generará un fuerte deterioro de la calidad de la cartera crediticia. Para determinar el efecto de los shocks de tipo de cambio, precios y actividad económica sobre la calidad de la cartera en moneda extranjera de los bancos, se utiliza la metodología de Método Generalizado de Momentos propuesto por Arellano y Bond (1991) y Arellano y Bover (1995), para datos de panel dinámico. Se encuentra que tanto la inflación y el ciclo económico afectan de manera inversa a la morosidad bancaria, mientras que un shock de tipo de cambio la deteriora; estos resultados son semejantes a los encontrados por Azabache (2005). Posteriormente, a través de la metodología propuesta por Hansen (2004) se evalúa la existencia de efectos no-lineales entre la depreciación y la morosidad de la cartera en moneda extranjera del sistema bancario peruano; los resultados validan la existencia del efecto threshold. Los parámetros slope muestran que por encima del umbral estimado, shocks de tipo de cambio deterioran de manera importante la calidad de la cartera en moneda extranjera del sistema bancario peruano. CLASIFICACIÓN JEL: C33, C32, E31, E51, G21, G28 PALABRAS CLAVE: Basilea, Descalce Cambiario, Datos de panel dinámico, Riesgo Cambiario Crediticio.

† El autor agradece a Gustavo Leyva Jiménez (Universidad de Chile), Nelson Ramírez Rondan (Banco Central de Reserva del Perú) y Yalina Crispín Velásquez (Universidad Nacional de Trujillo) por las sugerencias realizadas durante el desarrollo del presente trabajo, los errores cometidos son responsabilidad del autor. Correo electrónico: a20065025@pucp.edu.pe

1. Introducción y motivación Dos hechos llaman la atención en la actualidad sobre el carácter dolarizado de la economía peruana. Primero, su alto grado de dolarización financiera (entre los más altos de la región) advertido ampliamente por la literatura. Segundo, su alta persistencia ya que mantiene aún niveles altos a pesar del clima de relativa estabilidad macroeconómica, sobre todo inflacionaria, que viene experimentando la economía peruana. Una economía cuyos principales pasivos y activos se encuentran en su mayoría denominados en dólares, es vulnerable en el sentido financiero a shocks de naturaleza cambiaria. Variaciones positivas y abruptas en el tipo de cambio, incrementan la carga de la deuda en términos reales comprometiendo la capacidad de pago de las empresas y familias, y consecuentemente, deterioran la posición financiera de las empresas bancarias, o simplemente, desincentivan a los bancos a expandir la oferta de créditos en un contexto recesivo. Finalmente, bajo ciertas condiciones, el shock cambiario devendría en una contracción del gasto agregado, y por lo tanto del producto. El estudio del riesgo cambiario crediticio (RCC) es de suma importancia, toda vez que la activación de este riesgo genera que casi todos los sectores de la economía sean afectados de manera negativa. El estudio de este riesgo ayudará a los entes de política monetaria y de regulación bancaria a identificar los elementos que lo activan. Y así tomar medidas y elegir el instrumento de política más adecuado para combatirlo. En este estudio se pretende estudiar de manera empírica el riesgo cambiario crediticio. Primero analizamos el canal de transmisión de cómo un shock de naturaleza cambiaria que afecta a las empresas y familias, con problemas de descalce cambiario, se traslada al balance de los bancos. En segundo lugar analizamos el efecto que exhiben los shocks de tipo de cambio, inflación y actividad económica en la calidad de la cartera en moneda extranjera de los bancos, la cual es medida como el ratio de morosidad de la cartera en moneda extranjera (variable proxy del RCC). Y finalmente, evaluamos la posibilidad de efectos no-lineales entre los shocks de tipo de cambio y el riesgo cambiario crediticio. Este documento se divide en seis secciones. En la segunda sección se plantean las hipótesis de trabajo que guían la presente investigación. En la tercera parte se hace una revisión de la literatura relevante que ha tocado de manera directa o indirecta este riesgo derivado; así también en esta sección se presenta el canal de transmisión del riesgo cambiario crediticio y bajo que condiciones económicas se activaría; esto último generaría la existencia de efectos no-lineales entre la depreciación y el riesgo cambiario crediticio. En la sección cuatro se presentan las metodologías y las fuentes de información que ayudarán a evaluar las hipótesis planteadas. En la sección cinco se muestran los resultados del modelo de datos de panel y del modelo umbral. Finalmente en la sección seis se presentan las conclusiones y comentarios.

2

2. Hipótesis de trabajo Las economías emergentes presentan ciertas características, como la dolarización financiera, que las diferencia de los países desarrollados, las cuales determinan que su sistema bancario esté expuesto a otros tipos de riesgos diferentes a los tradicionales. Así, la dolarización financiera introduce un riesgo derivado, el cual combina el riesgo cambiario y el riesgo crediticio; éste es el “Riesgo Cambiario Crediticio”. El cual es el espejo del efecto negativo de un shock de naturaleza cambiaria sobre el balance de las empresas y familias que se traslada al balance de los bancos. En el presente trabajo se plantea como primera hipótesis que shocks de naturaleza cambiaria tendrán un impacto negativo en la calidad de la cartera en moneda extranjera de los bancos, la cual es medida por el ratio de morosidad de la cartera de créditos en moneda extranjera. Se determina que el riesgo cambiario crediticio se activa bajo determinado escenario económico, influenciado por el ciclo económico y el “grado de depreciación de la moneda doméstica frente al dólar”. Debido a esto último se plantea como segunda hipótesis: la existencia de efectos no lineales entre shocks de tipo de cambio y el riesgo cambiario crediticio; es decir para pequeños shocks de tipo de cambio su efecto en la mora bancaria será nulo o marginalmente positivo; sin embargo, para fuertes shocks de tipo de cambio la mora bancaria se incrementará fuertemente. 3. Marco Teórico 3.1 Economía parcialmente dolarizada con sistema financiero predominantemente

bancario Una característica notable de la economía peruana es la alta dolarización de sus pasivos y activos, lo que la hace particularmente vulnerable a shocks de naturaleza cambiaria. Dado que la principal fuente de financiamiento de la economía peruana es el crédito bancario es importante evaluar el canal por el cual la vulnerabilidad cambiaria de los balances de las empresas y familias activada por un shock de tipo de cambio se refleja en el deterioro de los balances de las empresas bancarias del sistema doméstico. La literatura ha enfatizado el rol de un tipo de riesgo financiero presente únicamente en economías que sufren un descalce cambiario, pero pocos trabajos han abordado su importancia de manera explícita. Este riesgo no es más que el riesgo crediticio condicionado al riesgo cambiario; el cual ha sido llamado por la Superintendencia de Banca, Seguros y AFP como “Riesgo Cambiario Crediticio”. 3.1.1 Dolarización financiera de la economía peruana La dolarización, entendida como un proceso endógeno, es una característica notable de economías que experimentaron períodos de inestabilidad macroeconómica cuya principal expresión fueron procesos hiperinflacionarios agudos que obligaron a los agentes económicos a refugiarse en activos denominados en moneda extranjera. En América Latina, Argentina, Bolivia, México, Perú y Uruguay compartieron este patrón de flight from money, aunque existieron factores institucionales diferentes entre ellos.1

La economía peruana, producto de los desequilibrios macroeconómicos que imperaron en la década de los ochenta, empezó desde inicios de esa década a experimentar un proceso gradual de dolarización en un contexto inflacionario cada vez más agresivo. La inmediata manifestación de la dolarización fue el desplazamiento parcial del sol por el dólar en el cumplimiento de la función de reserva de valor. Esta función por lo general es la primera que

1 Para mayor detalle, véase Savastano (1996).

3

pierde la moneda doméstica cuando la economía experimenta procesos hiperinflacionarios (Calvo y Végh, 1992). A pesar que las causas de la dolarización son bastante conocidas (factores macroeconómicos e institucionales), un proceso de reversión de tal fenómeno inspirado en la estabilidad macroeconómica per se ha demostrado ser insuficiente. A pesar de las mejoras en el manejo macroeconómico, en lo relacionado a las políticas fiscal y monetaria, la dolarización no se ha reducido. Por ejemplo, el desempeño reciente de la inflación es incapaz de explicar la alta persistencia de la dolarización que muestra actualmente la economía peruana. Algunos autores, han ensayado factores explicativos adicionales. Uribe (1995) muestra en el marco de un modelo de equilibrio general que las economías de escala derivadas de la acumulación de experiencia en el uso de la moneda extranjera explicaría la histéresis de la dolarización por sustitución monetaria. De otro lado, Ize y Levy-Yeyati (1998) muestran que las causas de la dolarización financiera pueden ser estudiadas desde un enfoque de portafolio. Los autores concluyen que el grado de dolarización financiera de una economía depende de la razón de varianzas de la inflación y del tipo de cambio real. Así, tasas de inflación volátiles explican una mayor confianza en la adquisición de activos denominados en dólares, mientras que una alta volatilidad del tipo de cambio real (rentabilidad de los activos denominados en moneda extranjera) hace menos atractivo mantener dichos activos. La literatura que aborda el fenómeno de la histéresis es muy importante toda vez, que la teoría puede sugerir medidas de política que incentiven la desdolarización de una economía. Es útil diferenciar entre los distintos tipos de dolarización. Existe consenso que en el caso del Perú, la dolarización es predominantemente del tipo de sustitución de activos.2 Una economía con dolarización financiera es particularmente vulnerable a shocks de naturaleza cambiaria. Debido al descalce cambiario entre las posiciones activas y pasivas de los agentes económicos (ingresos en soles y obligaciones en dólares), una depreciación abrupta del nuevo sol se traduciría en un aumento del valor real de sus obligaciones, lo que a su vez, generaría que los bancos restrinjan su oferta de créditos como respuesta al deterioro de sus balances. Nótese que este canal de transmisión de un shock cambiario en una economía dolarizada es una reinterpretación del canal de hoja de balance inducido por variaciones en la tasa de interés de Bernanke y Gertler (1995). De esta manera, la dolarización financiera implica un riesgo que combina el riesgo cambiario y el riesgo crediticio. La combinación de ambos genera un riesgo que puede definirse como la posibilidad que los bancos sufran un deterioro en sus balances derivado del incumplimiento de los deudores en sus obligaciones crediticias producto del descalce entre sus posiciones activas y pasivas. Esta combinación del riesgo cambiario y crediticio, es un riesgo derivado propio de economías con sistemas bancarios parcialmente dolarizados; riesgo derivado que no se encuentra contemplado de forma explícita en la doctrina propuesta por el Comité de Basilea. 3.1.2 Sistema financiero predominantemente bancario Los bancos desempeñan un rol importante en la determinación de los niveles de vida de las economías, en especial en aquellas con mercados de capitales poco desarrollados. Esto es debido a las funciones que realizan los bancos (facilitar el acceso a un sistema de pago, transformación de activos, gestión de riesgos y proceso de información para la supervisión de los prestatarios), a través de las cuales pueden determinar e influenciar en la trayectoria del progreso económico de sus economías. La función de transformación de activos, explicita el papel de intermediación que cumplen los bancos, recibiendo los pequeños depósitos que luego son invertidos en grandes préstamos; estimulando el desarrollo económico. Un

2 La mayor restricción para determinar el grado de sustitución monetaria es la disponibilidad de información confiable.

4

indicador de esto es la alta correlación entre el crédito bancario y el PBI per cápita; así países con sectores bancarios pequeños tienen niveles más bajos de desarrollo.

Figura N° 1: Profundización del Sistema Bancario y Desarrollo Económico (Latino América y el Caribe: años noventa)

Ha it i

Nic a ra guaHondura s

Bolivia

Ecuador S a lva dorPeru

El

Colombia

Be liz e

P a na ma

Grena daDominic a

MexicoVenezuela

S t . Luc ia

Bra z il

Chile

S t . Kit t s Ne vis

Urugua y

Argentina

0

0.2

0.4

0.6

0.8

1

1.2

1.4

1.6

4.5 5.5 6.5 7.5 8.5 9.5 10.5 11.5

PBI per cápita (ln)

Cré

dito

al S

ecto

r Pr

ivad

o (%

PBI

)

Fuente: FMI, Banco Mundial Elaboración: Propia El sistema financiero peruano es predominantemente bancario. La importancia de esta fuente de financiamiento en comparación con otras fuentes más directas (a través del mercado de capitales) puede ser aproximada mediante el grado de intermediación de los fondos provenientes de ambas fuentes. Así, la intermediación financiera de los créditos calculada como el cociente entre el total de créditos del sistema bancario al sector privado y el PBI se sitúa alrededor de 19% a diciembre del 2004, mientras que la intermediación financiera de capitales medida como el cociente entre el saldo de los bonos públicos y privados, y PBI se sitúa en un modesto 8%. Si bien, desde 1999 se observa un proceso lento de sustitución, el crédito bancario sigue siendo la fuente principal de financiamiento de la economía peruana.

5

Figura N° 2: Ratios de Intermediación Financiera del Sistema Bancario y Mercado de Capitales (En porcentaje sobre el PBI)*

0

5

10

15

20

25

30

1997 1998 1999 2000 2001 2002 2003 2004

Crédito total bancario al sectorprivado/PBI

Saldo de bonos totales/PBI

Fuente: BCRP Elaboración: Propia * Las series fueron deflactadas siguiendo el procedimiento descrito en Beck, Dermigüc-Kunt y Levine (1999).

Así, el sector bancario constituye el lubricante que dinamiza la actividad económica (asignación eficiente de recursos, sistema de pagos, etc.) en épocas de crecimiento. Sin embargo, éste se convierte en un factor que puede incrementar las oscilaciones del producto bajo un escenario de shocks negativos (acelerador financiero), esto es debido a que el sector bancario en última instancia se sustenta en la realidad económica subyacente. Las crisis bancarias pueden resultar muy perjudiciales, debido a que pueden generar un trastorno importante en la economía (la ruptura del sistema de pagos puede interrumpir transacciones en forma generalizada afectando la actividad económica). Una característica de los episodios de crisis bancarias, es el debilitamiento tanto de los balances de los bancos como de los prestatarios; siendo la dolarización financiera una fuente de vulnerabilidad de ambos. En el caso de las firmas o familias la dolarización financiera expone a éstas a los llamados “efectos de hoja de balance”; y en el caso de los bancos éstos estarán expuestos al “riesgo cambiario” y al “riesgo crediticio” o a una combinación de ambos. 3.2 Canal de transmisión del riesgo cambiario crediticio Muchas economías Latinoamericanas presentan tres características importantes: i) los bancos calzan sus depósitos en dólares con préstamos en dólares; ii) una alta proporción de préstamos se concentra en el sector no transable, y iii) las empresas y familias presentan un alto grado de descalce cambiario. Estas tres características junto con otros factores son los que gestan el riesgo cambiario crediticio. La primera característica presenta como los bancos trasladan el riego cambiario desde sus balances hacia el de las familias; las dos características restantes generan que las empresas y familias incrementen su vulnerabilidad a shocks de tipo de cambio. Empresas y familias presentan un alto grado de descalce cambiario entre sus pasivos (que usualmente están denominados en moneda extranjera) y sus ingresos y activos. Éstas se endeudan en alto grado en moneda extranjera, no obstante que generan sus ingresos en

6

moneda doméstica; es decir producen bienes cuyos precios no se mueven con el tipo de cambio (la dolarización real es parcial). Así, ante una fuerte depreciación, empresas y familias, ven incrementado el valor de sus deudas en términos de su moneda doméstica más que el valor de sus activos e ingresos en moneda doméstica. Esto compromete su capacidad de cumplir con el pago del servicio de sus deudas (interés más principal), en consecuencia la calidad de la cartera de los bancos se deteriora; esto último se refleja en el incremento del ratio de morosidad de los bancos; es así como: “el riesgo cambiario de las empresas y familias, producto del descalce de sus balances, se convierte en el riesgo crediticio de los bancos”. En el corto plazo se genera un problema de liquidez, el cual si se mantiene se convierte en uno de solvencia que limitará la capacidad de endeudamiento. Este deterioro llevará a las empresas a reducir sus niveles de inversión y producción (efecto hoja de balance). Luego, si el shock de tipo de cambio es suficientemente grande puede llevar a las empresas a la quiebra. De otro lado, cabe la posibilidad que existan efectos no-lineales entre la depreciación y el riesgo cambiario crediticio. Si bien ante un incremento del tipo de cambio las empresas y familias ven incrementadas sus deudas en moneda extranjera en términos de moneda doméstica, esto no necesariamente generará que se incumplan los compromisos de pago con los bancos, y no necesariamente se activará el efecto hoja de balance, el cual generará la activación del canal de transmisión del riesgo cambiario crediticio. La activación del mecanismo de transmisión del riesgo cambiario crediticio ante shocks cambiarios, bajo el contexto de las tres características mencionadas anteriormente, se basa en parte en lo que la literatura económica ha llamado el “acelerador financiero”. Este mecanismo considera la existencia de asimetrías en el mercado de préstamos, además vincula el crédito bancario a la situación de hoja de balance de los prestatarios; de esta manera es como se magnifica el efecto de shocks sobre las decisiones de inversión y producción, incrementando la volatilidad del producto. Un trabajo referencial es el de Moron y Castro (2004), los autores formalizan el grado de descalce en una economía, permitiendo que la noción de vulnerabilidad esté en función del grado de descalce, y construyen un modelo de equilibrio general donde éste depende de las decisiones de la autoridad monetaria en materia de política cambiaria. Adicionalmente, a través de un VAR asimétrico, encuentran que existen asimetrías en la respuesta del producto y los precios a shocks cambiarios de distinta magnitud; es decir, que los “efectos de hoja de balance” se activan a partir de determinado tamaño de shock cambiario. 3.3 Evidencia empírica

3.3.1 Revisión de literatura Como se mencionó anteriormente la dolarización financiera genera un riesgo derivado, éste es el riesgo cambiario crediticio, el cual recientemente ha sido considerado de forma explícita por la Superintendencia de Bancos, Seguros y AFP (SBS) con la aprobación de su reglamento a mediados de enero de 2005. En la actualidad existen pocos trabajos que hayan estudiado de manera directa el riesgo cambiario crediticio. Sin embargo la existencia de este riesgo en países que presentan un alto grado de dolarización financiera ha sido abordada en varios estudios aunque no de manera explícita. Allen et al. (2002) plantean una estructura analítica para entender las crisis financieras en países emergentes basándose en el análisis de los balances agregados (activos y pasivos) de los principales sectores de la economía (sector gobierno, sector financiero, sector privado no financiero, además del resto del mundo). Con respecto al sector financiero, identifican cuatro

7

principales riesgos, a saber, el de estructura de capital, de solvencia, de plazos y de moneda. Según estos autores, la mayoría de episodios de crisis fueron provocados por un problema de descalce, ya sea a nivel de gobierno (como en los casos de México, Rusia, Brasil y Argentina) o de sistema bancario (en Tailandia, Corea, Indonesia, Turquía y probablemente Uruguay). Los autores encuentran que un fuerte incremento en el tipo de cambio puede generar pérdidas considerables en los prestatarios. Los bancos al buscar cubrirse del riesgo cambiario a través de los préstamos en dólares trasladan el descalce cambiario de sus balances a los balances de los prestatarios. Sin embargo, esto genera un trade-off entre mitigar el riesgo cambiario y una mayor exposición al riesgo de crédito, exposición que no se genera si los préstamos son orientados al sector exportador. Los autores explican que un fuerte incremento en el tipo de cambio, genera un efecto ingreso y riqueza negativo, producto del incremento en el valor real de las obligaciones de los deudores respecto al valor de sus activos, lo cual incrementa el riesgo de solvencia de los prestatarios, convirtiéndose de este modo en el riesgo de crédito de los prestamistas. El efecto riqueza disminuye el consumo y la inversión, lo cual unido a la restricción crediticia disminuye el gasto que finalmente afecta a la actividad económica. Este es el canal a través del cual los problemas de pago de un sector se expanden rápidamente a la economía en su conjunto. De Nicoló et al. (2003) evalúan los beneficios y los riesgos asociados con la dolarización de los sistemas bancarios, y encuentran que la inestabilidad financiera es probablemente más alta en economías dolarizadas, siendo los riesgos adicionales de solvencia y liquidez las causas de la fragilidad de estos sistemas. Adicionalmente, encuentran que el descalce de monedas es el origen del riesgo de solvencia. Así, una depreciación importante afecta de manera negativa, directa o indirectamente, la calidad de los balances de los bancos, en particular la calidad de la cartera de créditos. Estos autores dan la siguiente explicación para los riesgos adicionales de solvencia: los bancos buscan balancear la posición de sus pasivos en dólares, reducir el riesgo cambiario, otorgando préstamos en moneda extranjera dentro de la economía o intentando crear activos en el exterior. En el primer caso los bancos trasladan el riesgo cambiario a los prestatarios del sistema. Sin embargo, debido a que la dolarización real no está muy acentuada, por lo que los prestatarios generan sus ingresos en moneda doméstica, se incrementa su exposición al riesgo de crédito, la cual se exacerbará cuando se produzca una depreciación importante de la moneda doméstica que induzca a una disminución en la capacidad de pago de los deudores. Así, los bancos al reducir el riesgo cambiario, dolarizando los créditos, no hacen más que aumentar el riesgo de crédito de sus operaciones de préstamo. Además, el deterioro de la situación financiera de los bancos, producto de una importante depreciación, puede tener efectos negativos considerables en el sistema financiero y el producto, sobre todo en economías que dependen mucho del financiamiento bancario (típico de economías emergentes). De esta manera, si los bancos restringen el crédito, a causa de los hechos mencionados anteriormente y si el entorno macroeconómico es desfavorable, la recesión económica se agudizará. Escobar (2004) analiza el efecto de las variaciones del tipo de cambio sobre la actividad de intermediación financiera de Bolivia durante el período 1990-2003. El autor sostiene que al producirse una mayor depreciación del tipo de cambio, los deudores del sistema financiero, en particular los del sector no transable, ven incrementar tanto las tasas de interés reales de sus préstamos como el capital adeudado de los mismos. De esta manera, una mayor depreciación real de la moneda doméstica (diferencial entre la tasa de depreciación y la inflación) aumenta la tasa de interés real y el capital adeudado, generando efectos negativos sobre la capacidad de pago de los prestatarios, los cuales son transmitidos al sistema financiero a través del deterioro de la cartera de créditos de los bancos. Esto afecta negativamente las condiciones de los créditos existentes, así como de los nuevos créditos. Por otro lado, Jiménez (2004), establece criterios básicos para la evaluación del riesgo crediticio derivado del riesgo cambiario y plantea las principales consecuencias que tiene

8

sobre la calificación de riesgo de deuda emitida en monedas diferentes, además de la constitución de provisiones y la asignación de capital económico en las entidades financieras con clientes cuya deuda presenta este descalce cambiario. Finalmente, en un reciente estudio, Azabache (2005) aproxima la importancia del riesgo cambiario crediticio en economías con sistemas bancarios parcialmente dolarizados, como Perú y Bolivia. Analiza la relación y la dinámica que presenta la morosidad bancaria ante shocks en el tipo de cambio, inflación y actividad económica, para el sistema bancario peruano y boliviano. Los resultados muestran que el mecanismo de transmisión del riesgo cambiario crediticio actúa con mayor rapidez en Bolivia respecto al de Perú. Adicionalmente, a través de la estimación del impacto de las variaciones del tipo de cambio en la calidad de cartera de los bancos de ambos países, encuentra que la morosidad del sistema bancario peruano es menos sensible a los shocks de tipo de cambio en comparación a la de Bolivia.

3.3.2 El riesgo cambiario crediticio en la economía peruana

A inicios de la década de los noventa se dio el programa de estabilización, la liberalización de la cuenta de capitales, y la reforma del sistema financiero. Esto hizo posible la expansión de la banca, a partir del año 1993, y su creciente importancia dentro del sistema financiero. Consecuentemente estas medidas generaron la entrada de capitales externos a la banca nacional3, el ingreso de inversión extranjera directa en el sector, el crecimiento de la participación de las colocaciones en sus activos y la mejora de los indicadores de gestión (Rojas y Acosta, 2002). El crecimiento de la banca estuvo acompañado de un proceso de dolarización de activos y pasivos. El fondeo de la banca peruana se dio principalmente en moneda extranjera. Las captaciones del público y los adeudos y obligaciones financieras, en moneda extranjera, crecieron a una tasa promedio anual de 26,6% y 84,8% respectivamente durante el período 1994-1998. Asimismo desde el año 1995 se comenzaron a captar recursos de empresas del sistema financiero y organismos internacionales. Consecuentemente, las colocaciones se incrementaron fuertemente durante el período 1993-1998, principalmente las de moneda extranjera. Los bancos calzaron sus depósitos en dólares con los préstamos en dólares. Esto debido a que los bancos buscaron protegerse contra el riesgo cambiario; además de cumplir con regulaciones prudenciales de no mantener posiciones abiertas en moneda extranjera4. Los préstamos en moneda extranjera crecieron a una tasa promedio anual de 44% durante el período 1994 hasta 1998. Adicionalmente, los prestatarios tuvieron incentivos para tomar préstamos en dólares. Este comportamiento se debió a que el costo del crédito en moneda extranjera era considerablemente menor respecto al de moneda nacional (véase figura N° 3). De acuerdo a la teoría de la paridad de las tasas de interés, la tasa de interés doméstica es igual a la tasa de interés en moneda extranjera más la depreciación esperada del tipo de cambio. Sin embargo, asumiendo previsión perfecta – perfect foresight –, esto no ha ocurrido así. Adicionalmente, durante el período anterior a la crisis, la inflación fue mayor que la depreciación, por lo que la capacidad adquisitiva de los deudores en términos de dólares no se vio afectada.

3 Durante el período 1993-2002 ingresaron 18 bancos extranjeros. 4 Ver: artículo 178° de la Ley General del Sistema Financiero y del Sistema de Seguros y Orgánica de la Superintendencia de Banca y Seguros de Perú, Resolución S.B.S. N° 509-98 y Resolución S.B.S. N° 1455-2003.

9

Figura N° 3: Costo del Crédito en Moneda nacional y Extranjera

-2%

8%

18%

28%

38%

48%

58%

68%

78%

Ene-93

Ene-94

Ene-95

Ene-96

Ene-97

Ene-98

Ene-99

Ene-00

Ene-01

Ene-02

Ene-03

Ene-04

Ene-05

TAMN TAMEX "TAMEX-MN" TAMEX-MN-R

Fuente: SBS Perú Elaboración: Propia

¿Por qué se activó el riesgo cambiario crediticio? El descalce cambiario de los deudores no evidenció mayores problemas hasta inicios del año 1997, año a partir del cual la economía estuvo sujeta a diversos choques tanto internos como externos. Hasta antes de los choques, tanto la depreciación como la inflación mantenían una tendencia a la baja, mas aún durante el período octubre de 1993 hasta diciembre de 1996 la inflación fue mayor que la depreciación; por lo que se tenía una depreciación neta de inflación negativa o cercana a cero. Al existir una depreciación neta de inflación cercana a cero se tuvo un efecto precio positivo, debido al incremento del ingreso de las empresas, que compensó parcialmente el leve incremento de la deuda en dólares en términos de soles. Adicionalmente, la actividad económica mantenía un buen desempeño, lo que generaba un efecto ingreso positivo a causa del incremento de las ventas, que reforzaba el efecto precio. Así también, las colocaciones seguían manteniendo una fuerte expansión, más créditos nuevos, que disminuían el ratio de cartera atrasada o deteriorada sobre el total de colocaciones brutas, es decir existía un efecto denominador que reducía los índices de morosidad.

10

Figura N° 4: Activación del Riesgo cambiario Crediticio

-3

-2

-1

0

1

2

3

4

5

1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005

variación moradepreciación

inflaciónciclo

Depreciación netade inflación negativao cercana a cero

Se activa el RiesgoCambiario Credit icio

Depreciación netade inflación cercanaa cero

Efecto ingreso yriqueza negativo

Fuente: SBS Perú, Banco Central de Reserva del Perú Elaboración: propia Sin embargo, las fuertes depreciaciones del tipo de cambio, el bajo coeficiente de transmisión de la depreciación a inflación, la caída de la actividad económica y la contracción del crédito activaron el riesgo cambiario crediticio (ver figura N° 4). Los choques internos y externos sucedidos durante el período 1997-1999 afectaron la solidez del sistema bancario peruano. El dos de julio de 1997 se inicia la crisis Asiática (fecha de la devaluación del bath tailandés), la cual afectó a las economías de países emergentes. En Sudamérica, países como Chile, Colombia, Brasil y Venezuela adoptaron medidas para contrarrestar la volatilidad de sus tipos de cambio y detener la pérdida de reservas internacionales en un intento por defender sus monedas. En el Perú los efectos fueron menores debido a los fundamentos macroeconómicos que sustentaban la economía en ese entonces. Sin embargo, el 17 de agosto de 1998 Rusia declara la moratoria en el pago de su deuda la cual fue acompañada por la desestabilización del rublo. Esto generó una crisis de liquidez internacional. En América Latina las tasas de interés y la percepción el riesgo país aumentaron. En Perú, el impacto de la crisis de liquidez, luego de los sucesos en Rusia, se manifestó a través de una fuerte contracción del crédito bancario debido al recorte importante de las líneas de crédito que recibía la banca local de bancos internacionales. Y finalmente el 13 de enero de 1999 se dio la crisis brasilera (el real inicio su transición a un régimen de tipo de cambio flotante), la que acentuó la contracción del crédito bancario y de la actividad económica e indujo al alza a las tasas de interés.

11

4. Metodología y fuentes de información En las secciones anteriores se realizó un análisis de los factores que gestan el riesgo cambiario crediticio, el mecanismo de transmisión a través del cual shocks de tipo de cambio generan que la calidad de la cartera de los bancos se deteriore, y se planteó una posible no-linealidad entre los shocks de tipo de cambio y la morosidad bancaria. En esta sección se presentan las metodologías que servirán para contrastar las hipótesis planteadas. La primera busca cuantificar el efecto de los shocks de tipo de cambio, precios y actividad económica sobre la morosidad de la cartera en moneda extranjera de la banca peruana, para el período enero de 1997 hasta diciembre del 2000 (período de crisis del sistema bancario peruano). A través de la segunda metodología se evalúa la existencia de efectos no-lineales entre los shocks de tipo de cambio y la morosidad bancaria en moneda extranjera.

4.1 Especificación del modelo de estimación 4.1.1 Un modelo de datos de panel

La morosidad bancaria presenta un componente autorregresivo, es decir la mora del período t-1 explica parte del comportamiento de la morosidad del período t+n (comportamiento que se observa en la realidad). Razón por la cual se utiliza un modelo de datos de panel dinámico, según la metodología planteada por Arellano y Bond (1991) y Arellano y Bover (1995), para estimar los efectos que tienen los shocks de tipo de cambio, precios y actividad económica sobre la morosidad bancaria. El modelo planteado es de la forma:

ititjitiit exyy +++= − βλα Donde:

:iα representa la heterogeneidad no observable específica a cada banco, la cual se considera constante en el tiempo para cada uno de los n bancos que conforman la muestra.

:β es el vector de kx1 de parámetros asociados a las variables exógenas.

:itx es el vector de k variables explicativas estrictamente exógenas. Incluimos el logaritmo natural del tipo de cambio, el logaritmo natural del índice de precios al consumidor y el ciclo económico5.

:λ es el vector de jx1 parámetros. Cada parámetro está asociado a cada una de las variables endógenas predeterminadas.

:jity − es el vector de j variables endógenas predeterminadas, que están formadas por los rezagos de la variable endógena.

:ite es el vector de los errores de cada banco en cada punto del tiempo.

5 El ciclo económico fue estimado utilizando el filtro Hodrick-Prescott.

12

4.1.2 Efectos no lineales entre la depreciación y el riesgo cambiario crediticio Se analizó bajo que escenario económico se activa el riesgo cambiario crediticio y se planteó la existencia de asimetrías en la activación del riesgo cambiario crediticio frente a shocks cambiarios de distinta magnitud. Lo anterior nos lleva a preguntarnos ¿Son las funciones de regresión idénticas a través de todas las observaciones de la muestra, o éstas caen dentro de una clasificación discreta?. Para dar respuesta ha esto y determinar si existen efectos no lineales entre la depreciación y el riesgo cambiario crediticio se propone el siguiente modelo, el cual considera un solo umbral:

iiiii edepcicloipcmora +++= ´3

´2

´1 θθθ γ≤idep ,

iiiii edepcicloipcmora +++= ´3

´2

´1 βββ γ>idep ,

La cual puede ser escrita de la siguiente forma:

iiiiiii

iiiiiii

eDepDepDepCicloDepInf

DepDepDepCicloDepInfmora

+>+>+>+

≤+≤+≤=

)(1)(1)(1

)(1)(1)(1´3

´2

´1

´3

´2

´1

γβγβγβ

γθγθγθ

(1) Donde denota las observaciones mensuales. es definida como el cociente de la cartera deteriorada en moneda extranjera entre el total de colocaciones brutas en moneda extranjera:

Ni ,...,1= imora

MEBrutasesColocacionTotalMEdarefinanciaMEatrasadaCarteramorait

+=

iDep es la depreciación del tipo de cambio, es la tasa de inflación y es el ciclo económico.

iInf iCiclo

4.2 Fuente de datos La base de datos para la estimar el panel dinámico comprende desde enero de 1997 hasta diciembre del 2000, período en el cual se activó el riesgo cambiario crediticio. Se utilizó los estados financieros de una muestra de 14 bancos: Banco del Comercio, Banco de Crédito, Banco Continental, Banco del Trabajo, Banco Financiero, Banco Interamericano de Finanzas, Banco Santander, Banco Standar Chartered, Banco Sudamericano, Banco Wiese, Banco Citibank, Banco Interbank, Banco NBK y Banco Latino. Para calcular la mora en moneda extranjera de estos bancos se utilizó sus Estados Financieros, frecuencia mensual. Se obtuvo una base de datos de panel que comprende la mora de 14 bancos para un período de 48 meses, obteniéndose una muestra de 672 observaciones, las cuales se reducen de acuerdo al número de rezagos a utilizar en el modelo. Respecto a la base de datos para analizar la relación no-lineal entre depreciación y mora en moneda extranjera (riesgo cambiario crediticio), comprende desde diciembre de 1993 hasta octubre del 2005. Debido a que la metodología a emplear está construida para modelos de serie de tiempo o de corte transversal, se utiliza la mora en moneda extranjera a nivel de sistema bancario peruano. Además se utilizó el tipo de cambio venta promedio de mercado, el índice de precios al consumidor y el índice del PBI base 1994.

13

CUADRO N° 1: FUENTE DE LAS VARIABLES UTILIZADAS

Índice del Producto Bruto Interno (PBI) Banco Central de Reserva del Perú

Índice de Precios al Consumidor Banco Central de Reserva del Perú

Tipo de Cambio Venta Promedio Bancario Banco Central de Reserva del Perú

Balances de Entidades Bancarias Superintendencia de Bancos, Seguros y AFP

4.3 Método de estimación 4.3.1 Metodología para estimar la sensibilidad de la mora

Método de datos de panel dinámico

Los modelos de datos de panel combinan datos de corte transversal con datos de serie de tiempo, es decir, obtienen información en el tiempo para un grupo de unidades de corte transversal. Sin embargo el uso de esta metodología presenta ventajas y desventajas:

CUADRO N°2: VENTAJAS Y DESVENTAJAS DE MODELOS DE DATOS DE PANEL

VENTAJAS DESVENTAJAS Permite disponer de un mayor número de observaciones y así incrementar los grados de libertad y reducir la colinealidad entre las variables explicativas. En consecuencia, nos permite mejorar la eficiencia de las estimaciones econométricas. Permite capturar la heterogeneidad no observable tanto entre unidades individuales de estudio como a lo largo del tiempo. Así, la técnica permite aplicar una serie de pruebas de hipótesis para confirmar o rechazar dicha heterogeneidad y permite a la vez su captura. Esta técnica supone, e incorpora en el análisis, el hecho de que los individuos, firmas o bancos son heterogéneos. En contraste, los análisis de serie de tiempo y de corte transversal per se no tratan de controlar esta heterogeneidad corriendo el riesgo de obtener resultados sesgados. Permite estudiar de una mejor manera la dinámica de los procesos de ajuste. Permite elaborar y probar modelos de comportamiento (relativamente complejos) en comparación con los análisis de serie de tiempo y de corte transversal. Un ejemplo claro de este tipo de modelos es el que trata de medir niveles de eficiencia técnica por parte de unidades económicas individuales (empresas, bancos, etc).

Las desventajas asociadas a la técnica de datos de panel se relaciona con los procesos para la obtención y el procesamiento de la información estadística sobre las unidades individuales de estudio, cuando ésta se obtiene por medio de encuestas, entrevistas o utilizando algún otro medio de levantamiento de los datos.

14

Debido al componente autorregresivo de los índices de morosidad, se plantea el uso de una estructura de datos de panel dinámico, según la metodología planteada por Arellano y Bond (1991) y Arellano y Bover (1995). Adicionalmente, el modelo de datos de panel a usar incluye otras variables además de la endógena. Modelo con variables Exógenas La ecuación (1) presenta un modelo extendido de datos de panel dinámico propuesto por Arellano y Bond (1991).

itiittiit xyy υηβα +++= −*´

)1( (1) En el cual pueden ser incluidas (k-1) variables explicativas independientes. La metodología desarrollada para modelos de datos de panel dinámico, es la del método generalizado de momentos (MGM), planteada por Arellano y Bond (1991), y Arellano y Bover (1995). Estos autores sugieren utilizar la primera diferencia de la ecuación de regresión para remover el efecto específico de cada individuo (banco). Sin embargo, si bien este procedimiento soluciona el problema del efecto específico de cada individuo, introduce una correlación entre el nuevo término de error y el rezago de la variable dependiente. Así, es que estos autores proponen usar los rezagos de las variables explicativas en niveles como instrumentos, para señalar la correlación y el problema de endogeneidad. Adicionalmente, es importante mencionar que al estimar el modelo en primera diferencias de series integradas de orden uno, se estaría garantizando la estacionariedad de los regresores. Así, el modelo de la ecuación (1) puede ser expresado de la siguiente forma:

itiitit xy υηδ ++= ´ (2) Donde es de dimensión kx1, y ´*´

)1( )( ittiit xyx −= itυ no está serialmente correlacionado. Estos

autores, suponen inicialmente que está correlacionado con *itx iη . Así, bajo este supuesto, la

forma de la matriz óptima de instrumentos dependerá si son variables predeterminadas o estrictamente exógenas.

*itx

Si las variables son predeterminadas, es decir para s < t y cero en otros casos,

entonces únicamente son instrumentos validos para la ecuación en diferencia para el período s.

0)( * ≠isitxE υ*

)1(*1,..., −sii xx

Luego si las variables son estrictamente exógenas, es decir para todo t, s, todos

los * serán instrumentos validos. Lógicamente la matriz itx puede incluir una combinación de ambas variables. Estos autores encuentran que la forma del estimador GMM es igual a:

_∧

0)( * =isitxE υ

itx *

__1

_´´)´´( yZZAXXZZAX NN

−=δ (3)

sí, la elección de producirá estimadores una etapa (one-step) o dos etapas (two-step). so- i

A NASin embargo, Alon Borrego y Arellano (1999) y Blundell y Bond (1998) muestran que slos rezagos de la variable dependiente y de las variables explicativas son persistentes sobre el tiempo, los rezagos de los niveles de estas variables son instrumentos débiles para la

15

regresión en diferencias. A esto, Arellano y Bover (1995) proponen un método alternativo que estima la regresión en diferencia conjuntamente con la regresión en niveles. Finalmente, la consistencia del estimador GMM depende de la validez de dos supuestos: i) el término de error, itυ , no exhibe correlación serial de segundo orden y ii) la validez de los instrumentos, ver rellano y Bond (1991).

Ar

.3.2 Metodología para determinar la no linealidad entre shocks de tipo de

ara determinar la existencia de umbrales de depreciación a partir del cual se activa el

stos autores desarrollan un estimador y una teoría de inferencia para modelos lineales con

l análisis estadístico del umbral estimado proviene de Hansen (2000) por usar una

l modelo

a ecuación estructural de interés es de la forma:

4

cambio y el riesgo cambiario crediticio

Pmecanismo de transmisión del riesgo cambiario crediticio, utilizamos técnicas econométricas desarrolladas por Hansen y Caner (2004). Evariables endógenas y una variable umbral exógena. El modelo divide la muestra en regímenes o clases basándose en el valor de una variables observada, ya sea que ésta exceda o no algún umbral. Se deriva una teoría de distribución para muestras largas para los parámetros estimados y para los test estadísticos. El estimador se basa en la estimación de una regresión de forma reducida para las variables endógenas como una función de instrumentos exógenos. Esto requiere el desarrollo de un modelo donde la media condicional de las variables endógenas esté en función de las variables exógenas. Luego, basados en la forma reducida, valores predichos para las variables endógenas son formados y sustituidos dentro de la ecuación estructural de interés. La minimización de mínimos cuadrados produce el estimado de la variable umbral. La estimación de los parámetros para los regímenes (slope parameters) de está ecuación ocurren en la tercera etapa, donde la muestra es dividida en base al umbral estimado, donde un convencional mínimos cuadrados en dos etapas (2SLS) o una estimación por método generalizado de momentos (GMM) es usado para la estimación en cada sub muestra. Eestructura asintótica de “small threshold”. Específicamente, la diferencia en las regresiones slope entre regiones es modelada como decreciente a medida que el tamaño de la muestra crece. Este artificio reduce la tasa de convergencia del umbral estimado y permite el desarrollo de una aproximación distribucional simple. El análisis es por lo tanto probablemente más relevante en aplicaciones empíricas donde el efecto umbral es “menor”. El supuesto de “small threshold” primero fue desarrollado en la literatura de cambio de punto (change-point) por Picard (1985) y Bai (1997). E L

iii ezy += ´1θ γ≤iq ,

γ>iqiii ezy += ´2θ ,

a cual puede ser escrita de la siguiente manera:

(1b)

L

iiiiii eqzqzy +>+≤= )(1)(1 ´2

´1 γθγθ

16

Así, la muestra observada es . Donde son valores reales, es un vector-

m, y es una vector-k con . La variable umbral

niiii xzy 1},,{ = iy iz

ix mk ≥ )( ii xqq = es un elemento (o

función) del vector y puede tener una distribución continua. ix El modelo permite que los parámetros slope, 1θ y 2θ , sean diferentes dependiendo del valor de . Así, la magnitud del efecto umbral viene a ser la diferencia entre estos parámetros. El análisis del estimador umbral utilizará una estructura asintótica de “small threshold”; donde

iq

12 θθδ −=n tenderá a cero lentamente a medida q n diverge. Esto no se interpreta como un supuesto de comportamiento si no más bien como un artificio para la construcción de una útil aproximación asintótica. Luego, la ecuación de error es una martingala (martingale difference sequence):

0)/( 1 =−iieE ξ (2b) Donde son medidos con respecto a ),( ii zx 1−iξ , el campo sigma generado por

. Es importante que el error satisfaga este supuesto fuerte, ya que el simple supuesto de ortogonalidad es insuficiente para identificar modelos no lineales, incluyendo los modelos umbral (threshold model).

}0:,,{ 1 ≥−−−− jezx jijiji ie

Luego, en el caso especial donde ii zx = , (2b) implica que (1b) es una regresión, pero en

general puede estar correlacionado con , así será exógena. Esto es importante para

el presente análisis y para métodos donde la variable umbral es tratada como exógena. ie iz iz

iq La forma reducida de la ecuación (1b), es un modelo de la expectativa condicional de

dado : iz

ix

iii uxgz += ),( π , (3b)

0)/( =ii xuE , (4b) Donde π es un vector parámetro px1, y traza un mapa de a (.,.)g pk RxR mR , y es mx1. Se asume que la función g es conocida, mientras que el parámetro

iuπ es desconocido.

Por simplicidad, cuando ejecutamos la evaluación el valor verdadero será escrito: ),( 0πii xgg = ,

Este cambio será útil para sustituir (3b) dentro de (1b), produciendo:

iiiiii qgqgy υγθγθ +>+≤= )(1)(1 ´2

´1 , (5b)

Donde

iiiiii eququ +>+≤= )(1)(1 ´2

´1 γθγθυ . (6b)

Esto será importante, mientras que la teoría asintótica de primer orden para nuestro estimado de γ se comporte como si hubiera sido estimado directamente de la ecuación (5b), i.e., como si la media condicional fuera observable. El error ig iυ (ecuación (6b)) juega un rol importante en esta teoría de distribución.

17

Así, el modelo planteado por Hansen y Caner (2004) aplicaría a diversos modelos de forma reducida. Los autores explícitamente proveen condiciones de regularidad para dos ejemplos. Uno es la regresión lineal:

ii xxg Π′=),( π , (7b) Donde es k x m.

ones umbral:

Π

El segundo es para regresi)(1)(1),( 21 ρρ >Π′+≤Π′Π qxx = iiiii qx . (8b)

En la última especificación, el parámetro umb

g

ral de la forma reducida ρ puede igualar el mbral γu en la ecuación estructural, pero esto no es necesario, y ción no será

e esta restric

usada en la estimación. Para este modelo, el análisis asintótico asumirá qu 21 Π≠Π , y son parámetros fijos (en contraste a 1

θ y 2θ ). Bajo esta condición Chang (1993) muestra que el

estimador mínimos cuadrados (LS) ρ̂ para ρ es )( 1−nO consistente. Es tasa de convergencia es crítica y es e plot a en la teoría propuesta por los autores. Una interpretación razonable es que si una regresión u omo (8b) es usada de la forma reducida, la teoría propuesta es más apropiada si ésta es bien identificada con un efecto umbral largo.

stimación

ta rápida x ad

mbral c

) estiman los parámetros secuencialmente. Primero, estiman los la forma reducida,

E Hansen y Caner (2004

arámetros de πp , por mínimos cuadrados (LS). Seguidamente, estiman el umbral,γ , usando valores predichos de las variables endógenas iz . Y finalmente, estiman

los parámetros slope, 1θ y 2θ , por mínimos cuadrados en dos etapas (2SLS) o método generaliz do de momentos (GMM) sobre la muestra divida en regímenes, lo cual fue realizado teniendo en enta umbral estimado

a cu el γ .

a) Forma reducida Es muy útil particionar , donde ),( 21 iii zzz = ii xz ∈2 son “exógenas” (una función de )

son endógenas. Similarmente, particionamos ix

y iz1 ),( 21 ggg = , tal que los parámetros de

la forma reducida π entren e en 1g . Debido a que (3b) s una regresión, el pará tr

únicament

e me o de la forma reducida,π , es estimado por n transversales a la ecuación (cross-equation), es

por

=iπ

(9b)

Dado

mínimos cuadrados (LS). Si no hay restriccio es decir de parámetros comunes, en las m ecuaciones, esto es ecuación ecuación por mínimos cuadrados (para cada variable en iz ). Si hay restricciones transversales en la ecuación, luego el estimador de mínimos cuadrados multivariado resuelve:

))),())(,((det(ˆ 111minarg ∑ ′−−=n

iiiit xgzxgz πππ 1

π̂ , los valores predichos de son: iz)ˆ,(ˆˆ πiii xggz == .

18

ρPor eje plo, en el modelo de regre n umbrm sió al (8b) el parámetro es común a través de la ecuación (una restr ión transversal a la ecuación), así el estimador multivariado (9b) es

opiado. La solución es encontrada como sigue. Para cada icc

Γ∈ρapr se define

)(1(1)(ˆ1

1

1

11 ρρρ ≤′⎟

⎠

⎞⎜⎝

⎛≤′=Π ∑∑

=

−

=i

n

iiiii

n

ii qzxqxx ,

)(1(1)(ˆ1

1

1

12 ρρρ >′⎟

⎠

⎞⎜⎝

⎛>′=Π ∑∑

=

−

=i

n

iiiii

n

ii qzxqxx ,

)(1)(ˆ)(1)(ˆ)(ˆ 211 ρρρρρ >′Π−≤′Π−= iiiiii qxqxzu . Luego se obtiene los estimadores mínimos cuadrados de (9b) por el criterio de minimización de mínimos cuadrados concentrados:

⎟⎜⎝

⎛ ′= ∑⎠

⎞

=

n

Γ∈

)(ˆ)(ˆdetˆ1

minarg ρρρρ i

ii uu ,

)ˆ(ˆˆ 11 ρΠ=Π , )ˆ(ˆˆ 22 ρΠ=Π .

Para este modelo de la forma reducida, los valores predichos son:

)ˆ(1ˆ)ˆ(1ˆˆˆ 21 ρρ >Π′+≤Π′== iiiixii qxqgz .

Ahora estimamos el umbral

b) Estimación del Umbral

(γ ) en la ecuación estructural. Para cualquier γ , permitimos ˆ,ˆ, ces de vectores stacked iy , )(1ˆ γ≤′ ii qz , y )(1ˆ γ>′ ii qz , Y ⊥γ denoten las matriZyZ

)(γnSrespectivamente. Permitimos que denote la suma residual de mínimos cuadrados de

cuadrados enerrores al cuadrado de una regresión de ⊥ZyZsobreY ˆˆ

γ . El estimador suma de mínimos dos etapas de γ es la minimización de las su

)(minargˆ

ma de errores al cuadrado:

γγγ

nSΓ∈

= .

γomo producto de la estimación, se obtiene los test estadísticos para la hipótesis sobre C , la

cual toma la forma 00 : γγ =H . Siguiendo a Hansen (2000), se considera el estadístico de tud (LR-like): verosimili

)ˆ()(

)(γ

)ˆ(γγγ

n

nn S

SnLR

−= nS

19

c) Estimación de los parámetros slope

ado el umbral estimado (

γ̂ ) del umbral γD , la muestra puede ser divida en dos sub uestras, lo cual se basa en los indicadores . Los parámetros slope, 1θ )ˆ(1 γ≤iq y )ˆ(1 γ>iqm

y 2θ , entonces pueden ser estimados por SLS o GMM separadamente sobre cada sub uestra. Hansen y Caner (2004) centran su discusión sobre el caso donde la forma reducida

emes lineal en ix en cada sub mu stra. Permiten que 2121

ˆ,ˆ,ˆ,ˆ ZyZXX denoten las matrices de vectores stacked )ˆ(1 γ≤′ ii qx ,

)ˆ(1 γ>′ ii qx , )ˆ(1 γ≤′ ii qz , y )ˆ(1 γ>′ ii qz respectivamente. El estimador 2SLS para 1θ y 2θ será:

ˆ)ˆˆˆˆ(

)ˆ)ˆ)ˆ( ˆ(ˆˆ(~1

1111 YXXZX ′′ − , 11

11

111111 XXZXXXZ ′′′′= −−θ

)ˆ ~ ˆ(ˆ)ˆˆ(ˆˆ( )ˆ)ˆˆ(ˆ

21

2222 YXXXX ′′ − . 21

21

22222 XZZXXXZ ′′′′= −−θ Los residuos de esta ecuación son:

)ˆ(1~)ˆ(1~~21θ γ θ γ>′−≤′−= iiiiii qzqzy .

:

iiiii qexx

1

21 )ˆ(1~ γ ,

e Construyendo las matrices de pesos

n

Ω~ ∑=

≤′=

∑=

2~

El estimador GMM para

>′=i

iiii qexx1

2 )ˆ(1 γ . n

Ω~

1θ y 2θ será: ~ ~ )ˆ~ˆˆˆ( ()ˆˆ ˆ

11

111

111

1111 YXZZXXZ ′Ω′Ω′= −−−θ , (10b) 1 X′ ~ ~ˆˆ( )ˆ~ˆˆ)ˆˆ ( 2

111 YX ′−−− . (11b)

as matrices de covarianza estimadas para el estimador

222222222 XZZXXZ Ω′′Ω′=θ L GMM será:

111

11111 )ˆˆ~ˆˆ(ˆ −− ′Ω′= ZXXZV , (12b)

1 ˆˆ 1

222222 )~ˆˆˆ −− (13b)

Los estimadores GMM s de

21

( ′Ω′= ZXXZ . V

)ˆ,ˆ( 21 θθ son fácilmente vistos para ser estimadores eficiente( ),θ θ bajo las siguientes c ones de momento:

ondici

E 0))(1( =≤ γiii qex ,

0))(1( => γiii qexE . (14b)

20

Estas ecuaciones son impli por el supuesto de asumir esca multidimensional, pero en general no es exhaustiva estas implicaciones, así los autores sugierne que el estimador GMM

talmente eficiente. Sin embargo, bajo el supue

cadas

no es to sto de homocedasticidad condicional , tanto el estimador 2SLS como el GMM logran el salto hacia la eficiencia

semiparamétrica.

5.1 I p c o bancos de

os resultados de la estimación se presentan en el cuadro n° 3; dado el tamaño de la muestra dos los parámetros estimados se obtuvieron del one-step robusto a heterocedasticidad. Éstos r do rezago tanto del logaritmo del tipo de

ambio como del logaritmo del índice de precios al consumidor. El test de Sargan (0.724) y el testlos mom

co y la calidad de la cartera de créditos, cuando la actividad conómica se encuentra en la fase expansiva del ciclo económico la calidad de la cartera

21

2 )/( σξ =−iieE

5. Resultados de la estimación e inferencia

m a t de un shock de tipo de cambio sobre la calidad de la cartera de los l sistema bancario peruano

Ltocor esponden a un modelo que incluye el segunc

de autocorrelación de segundo orden (0.596), validan las restricciones impuestas sobre entos poblacionales.

Los resultados validan nuestra primera hipótesis; shocks de tipo de cambio deterioran la calidad de la cartera de los bancos, lo cual se refleja en el incremento de la mora. Este resultado se sustenta en el mecanismo de transmisión del riesgo cambiario crediticio, el cual fue expuesto en una sección anterior. Adicionalmente, se encuentra que la actividad económica afecta de manera inversa a la mora bancaria; es decir, existe una relación pro-cíclica entre el ciclo económiemejora, este efecto viene a ser la contribución del riesgo crediticio. Se encuentra que la mora bancaria reacciona de manera inversa al incremento de los precios, esto es debido a que la inflación reduce la carga real de la deuda; no obstante, para el período de estudio no es estadísticamente significativo. Finalmente, se valida el proceso autorregresivo de la mora; la cual en un punto del tiempo refleja los problemas de liquidez de los deudores, que en muchos casos se extiende por varios períodos; así la mora del presente refleja los problemas de liquidez del pasado. Los resultados muestran que durante el período en el cual se activó el riesgo cambiario crediticio, los shocks de depreciación e inflación tuvieron un efecto con dos períodos de rezago; en el caso del ciclo económico, éste tuvo un efecto inmediato. Estos resultados contrastan con los encontrados por Azabache (2005), no obstante el período de estudio y la muestra utilizada por el autor es mayor, la cual incluye el período anterior y posterior a la crisis.

21

CUADRO N° 3: RIESGO CAMBIARIO CREDITICIO Y TIPO DE CAMBIO

Variable Dependiente: mora de la cartera en ME de la banca peruana Variables Explicativas: Sistema GMM

una etapa Mora(-1)

Ciclo

epreciación(-2)

onstante

0.9855817* (0.0093973)

3)

-0.0978583**

0.0453516**

0.2792711

Inflación(-2)

-0.0720282

(0.048378

D C

(0.0348404)

(0.0229398)

(0.1950934)

Prueba de sobre identificación de Sargan ión serial de primer orden

rueba de correlación serial de segundo orden úmero de bancos

observaciones

0.724

14

Prueba de correlacPNNúmero de

0.521 0.596

644 *,** y*** significancia al 1%, 5% y 10%, respectivamente. D ndar entre paréntesis.

ntre un shock de tipo de cambio sobre el riesgo

Prueba para la existencia de un umbral Primero es importante determinar si el efecto threshold es estadísticamente significativo. En el modelo de la ecuación (1b), el efecto threshold desaparece bajo la hipótesis nula:

esviación está

5.2 Efectos no-lineales e

cambiario crediticio

21: θθ = 0H

(2004) recomiendan utilizar una extensión del ra de GMM.

Pata testear esta hipótesis Hansen y Caner Sup test” de Davies (1977)“ 6 hacia la estructu

Así, el estadístico es formado como sigue. Primero, fijamos Γ∈γ a cualquier valor. Dado este umbral fi , se estima el modelo de la ecuación (1b) por GMM bajo las cojo

(ndiciones de

entos de 14b). Estos estimadores toman la forma de la ecuación (10b) y (11b) excepto mom

6 Davies (1977) supone que la distribución de una variable aleatoria representa el resultado de un experimento, y depende de dos parámetros, θξ y , y que se desea testear la hipótesis nula: θξ = , frente a la hipótesis alternativa θξ > . Si la distribución no depende de θ cuando 0=ξ , métodos estándar asintóticos tal como el ratio de vero tud no son directamente aplicables. Sin embargo, estos métodos pueden, bajo condiciones apropiadas, ser usados para reducir el problema de una inferencia complicada de un proceso gausiano.

simili

22

γ más bien que γ̂que ellos son evaluados en este valor fijo de . Correspondientes a estos

Vestimados son sus matrices de covarianzas estimadas )(1̂ γV y )(2 γ , las cuales toman la forma de las ecuaciones (12b) y (13b), excepto que de nuevo éstos son evaluados en

ˆγ más

bien que γ̂ . Así, el test estadístico de Wald par 0H será:

))(ˆ)(ˆ())(ˆ)(ˆ())(ˆ)(ˆ()( 211

2121 γθγθγγγθγθγ −+′−= −VVWn Este cálcu es repetido para todo

a

lo Γ∈γ . Así, el avies Su“D atistic” para la hipóntonces el mayor valor de éstos estadísticos:

p st tesis nula es e

)(sup γγ

nΓ∈

W= .

sí, bajo ciertos supuestos Hansen y Carner (2004) presentan la distribución asintótica como:

VQSVQS −− Ω′−Ω′→

Debido a que el parámetro

SupW

A

))()()()()()()()((sup 221

22111

11 γγγγγγγSupWγ

dΓ∈

121 ))()(( −+× γγ VV

)).()()()()()()()(.( 21

22211

111 γγγγγγγγ SQVSQV −− Ω′−Ω′

γ es no identificado bajo la hipótesis nula, esta distribución asintótica no es una Chi-cu pero puede ser escrita como el supremo de un proceso

hi-cuadrado. Esta distribución asintótica no es muy referencial pero fácilmente puede ser alculada por simulación. Así, el argumento presentado por Hansen (1996) se extiende para

adrado, Ccel presente caso. Definimos la variable seudo-dependiente iii ey ηγ )(ˆ=∗ , donde )(ˆ γie son

los residuos estimados bajo el modelo no restringido para cada γ , y iη es independiente e idénticamente distribuido (i.i.d.) con N(0,1). Entonces cuando se repite el cálculo presentado previamente usando esta variable seudo-dependiente en lug stadístico ∗W resultante tiene la misma distribución asintótica que SupW . Así, por simulación repetida, el asintótico p-value del estadístico SupW puede ser calculado con arbitraria precisión. Primero evaluamos el desempeño del estimador umbral

ar de iy , el e Sup

γ̂ . La figu n° 5, muestra e

de la secuencia del ratio verosimilitud )(γ∗nLR como una función de la variable umbral. Se

bserva que el umbral estimado,

ra l gráfico

0.076ˆ =γ , es el valor que minimiza el valor del ratio de overosimilitud (nótese que el ratio de verosimilitud es énticamente cero en el valor del umbral estimado

idγγ ˆ= ). Así mismo, se gráfica el valor crítico para un nivel de confianza de

90%; las línea punteada de color ce uestra el valor crítico bajo el supuesto de homocedasticidad (es decir 2 =η ). Las líneas punteadas de color rojo y fucsia grafican el valor crítico asumiendo heterocedasticidad, la cual es corregida usando varianza cuadrática y varianza de Kern -paramétrico respectivamente. Así, los resultados validan nuestra hipótesis de la existencia de efectos no-lineales entre depreciación y riesgo cambiario

leste m

el no

crediticio, mostrando evidencia razonable de la existencia de un solo umbral.

1

23

Figura N° 5: Intervalo de C nza para el Umbral

onfia

Fuente: Resultados de la estimación Elaboración: Propia Si bien se ha validado la existencia del efecto threshold, para el sistema bancario peruano, es importante evaluar que tan preciso es el umbral estimado. Para esto se ha calculado los intervalos de confianza, los cuales se presentan en el cuadro n° 4. Éstos han sido calculados

o homocedasticidad y heterocedasticidad, siendo esta última corregida.

cidad el intervalo de confianza es cerrado; bajo el supuesto ad corregida usando varianza cuadrática el intervalo de confianza es

pretado, lo que señala la existencia de poca incertidumbre respecto al valor del umbral

de Bancos,

el ciclo económico.

asumiend Bajo el supuesto de heterocedasticid

e homocedastidaestimado. Sin embargo, corrigiendo la heterocedasticidas usando varianza Kernel no-paramétrica el intervalo de confianza no es tan ajustado. El cálculo de este umbral, a partir del cual se incrementa la vulnerabilidad del sistema

ancario peruano es importante para diversas entidades: Superintendencia bSeguros y AFP, Banco Central de Reserva del Perú, Bancos Privados y otros. En el caso de la SBS, es un insumo importante en la elaboración de su metodología de riesgo cambiario crediticio7. Es de utilidad al Banco Central toda vez que le da una referencia a partir de que umbral de depreciación, shocks de tipo de cambio tiene efectos negativos sobre l sistema bancario peruano, el cual amplía la volatilidad de

7 Según la Resolución S.B.S. N° 41-2005, publicada el 14 de enero del 2005, las empresas bajo supervisión deberán realizar la medición del efecto de un shock de tipo de cambio sobre la capacidad

e pago sobre la cartera de deudores, al menos con una periodicidad anual cuya fuente de información uentre actualizada. Los supuestos de shock cambiario deberán, por lo menos, asumir dos

escenarios de depreciación real, uno con 10% y otro con 20% respectivamente como mínimo.

dse enc

24

CUADRO N° 4: PRUEBA DE EFECTOS UMBRALES Umbral estimado 0.076213891 Intervalos de Confianza mínimo Máximo No corregido 0.076213891 0.076213891 (Homocedasticidad) Heterocedásticidad Corregida

ca) 0.076213891 0.084115966

(usando varianza cuadrátiHeterocedasticidad Corregida

el no-paramétrico) (usando varianza kern0.075626204 0.14516129

Muestra Mora ME del sistema bancario peruano n, Inflación y Ciclo Económico

t.2005 DepreciacióPeríodos Dic.1993- OcObservaciones 572

FE

imado,

uente: Resultados de la estimación laboración: Propia

0.076ˆ =γFinalmente, en base al umbral est , calculamos los parámetros slope, para lo uestra en dos regímenes. El primero corresponde a un régimen donde los

ocks de depreciación tienen un efecto no tan nocivo sobre la calidad de la cartera de los ancos. El segundo, corresponde a un escenario donde los shocks de tipo de cambio generan

a cartera

cia. os parámetros slope estimados muestran que en el primer régimen el efecto de los shocks de

cual dividimos la mshbun fuerte impacto en la calidad de l de los bancos; lo cual incrementa su vulnerabilidad a otros tipos de shocks que combinados pueden llevar a una crisis bancaria. Los signos de los coeficientes estimados son conforme se esperaba. En ambos regímenes tanto la inflación como el ciclo económico tienen un efecto inverso sobre la calidad de la cartera de los bancos; y un shock de tipo de cambio deteriora la calidad de la cartera creditiLinflación, actividad económica y tipo de cambio sobre la mora bancaria son bajos. Sin embargo, en el segundo régimen, el efecto de estos shocks es alto.

25

CUADRO N° 5: EFECTOS NO-LINEALES ENTRE EL RIESGO CAMBIARIO REDITICIO Y LA DEPRECIACIÓN

Variable dependiente: Mora en moneda extranjera

C

Variables explicativas Estimación Intervalos de confianza inferior superior Régimen 1: Variable umbral menor que 0.076213891 Número de observaciones: 101 Mora(-1) 0.99636412

(0.0038222396) 0.98887253 1.0038557

Inflación -0.0040906318

(0.024466090)

-0.052044168 0.043862905

(0.012061338)

0.018673853 0.065954296

ómico -0.010691350 -0.032437842 0.011055142

Depreciación 0.042314075

Ciclo Econ(0.011095149)

Régimen 2: Variable umbral may 891 Número de observaciones: 41

or que 0.076213

Mora(-1) 0.90613104

(0.030669955)

0.84601793 0.96624415

Inflación -0.022398556 (0.038864774)

(0.020235490)

0.065180490 0.14450361

ómico -0.028338857 -0.055321342 -0.0013563716

-0.098573513 0.053776401

Depreciación 0.10484205

Ciclo Econ(0.013766574)

Fuente: Resultados de la estimación Elaboración: propia Es importante evaluar la significacnc nuestros parámetros estimados. En el caso de la inflación, si bien el parámetro estimado exhibe la relación esperada; en ambos r adísticamente sign serv lo los dos regímenes pasa de una banda a a una banda superior positiva, lo cual da indicios de la poca precisión de nuestro parámetro esti ado.

icancia estadística para el parámetro del ciclo económico muestra sultados interesantes. En el primer régimen, de leves shocks, su efecto sobre la calidad de la

artera no es concluyente, dado que su intervalo de confianza pasa de una banda inferior

ia estadística de

egímenes no es est ificativo. Se ob a que el interva de confianza, en inferior negativ

m La prueba de signifrecnegativa a una positiva. Sin embargo, en el segundo régimen es estadísticamente significativo; su banda inferior y superior son ambas negativas. Esto es una clara evidencia del efecto negativo de los shocks de actividad económica en épocas de crisis.

26

Finalmente, en el caso de los shocks de tipo de cambio, en ambos regímenes es estadísticamente significativo. Esto valida nuestra hipótesis de que shocks de naturaleza ambiaria deterioran la calidad de la cartera de los bancos. Así, la dolarización financiera

o derivado.

teó que shocks e inflación y de actividad económica mejoran la calidad de la cartera en moneda extranjera e los bancos; y shocks de tipo de cambio la deterioran. Así mismo, se determinó que este esgo se activa bajo cierto escenario económico. Esto último nos llevó a plantear la xistencia de efectos no-lineales entre depreciación y mora en moneda extranjera (variable

biario crediticio). Es decir para bajos shocks de tipo de cambio, el efecto erá débil; sin embargo para fuertes shocks de tipo de cambio la morosidad bancaria se

os resultados del modelo de datos de panel dinámico confirman las hipótesis planteadas.

ambiario crediticio, mostrando evidencia razonable de la existencia de un solo umbral.

zan lo ncontrado a través del modelo de datos de panel dinámico respecto al efecto de los shocks

a stadística para ambos regimenes. Esto último, da una señal clara a los entes de política

cpropia de economías emergentes, introduce un riesgo derivado: “Riesgo Cambiario Crediticio”. Esto último, da una señal muy importante a los entes de política monetaria y de regulación financiera de los países emergentes con economías que presentan un alto grado de dolarización financiera. Así, la importancia de reducir la volatilidad del tipo de cambio e introducir políticas de regulación bancaria para gestionar este riesg 6. Conclusiones Este documento presenta un análisis empírico del riesgo cambiario crediticio, riesgo derivado propio de economías emergentes con sistemas bancarios parcialmente dolarizados. Se estudió el mecanismo de transmisión del riesgo cambiario crediticio. Se planddrieProxy del riesgo camsincrementará fuertemente, incrementándose la vulnerabilidad del sistema bancario. LShocks de inflación y actividad económica reducen la morosidad de la cartera de créditos en moneda extranjera y shocks de tipo de cambio la incrementan; estos resultados son semejantes a los encontrados por Azabache (2005) para los sistemas bancarios de Perú y Bolivia. El mayor aporte de este documento es confirmar la hipótesis de no-linealidad entre shock de tipo de cambio y el riesgo cambiario crediticio. Esto se logró a través del uso de la metodología propuesta por Hansen y Carner (2004), para “Threshold Model”. Los resultados validaron nuestra hipótesis de la existencia de efectos no-lineales entre depreciación y riesgo c Se estimó que el umbral de depreciación a partir del cual se incrementa la vulnerabilidad del sistema bancario peruano es de 7,6 por ciento. Luego, en base al umbral estimado se procedió a estimar los coeficientes para los dos regímenes. Los resultados refuerede inflación, actividad económica y depreciación sobre la mora en moneda extranjera. Sin embargo, el parámetro del shock de inflación resultó ser estadísticamente no significativo para los dos regímenes. En el caso del coeficiente del shock de actividad económica, resultó ser estadísticamente significativo sólo para el segundo régimen. Finalmente, los intervalos de confianza para los parámetros del shock de tipo de cambio validaron su significanciemonetaria y de regulación bancaria de la importancia que juega la volatilidad del tipo de cambio en la vulnerabilidad financiera y sus efectos negativos sobre la economía en su conjunto.

27

7. Referencias 1. Allen M., Rosenberg Ch., Keller Ch., Setser B. y N. Roubini (2002). “A Balance Sheet

Approach to Financial Crises”. IMF Working Paper WP/02/210. 2. Antelo, Eduardo (2000). “Políticas de estabilización y reformas estructurales en Bolivia a

partir de 1985”. Serie Reformas Económicas. CEPAL.

. Arellano, M y S. Bond, (1991). “Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations”. Review of Economic Studies

.

económicos y Microeconómicos: Un Modelo de Datos de Panel Dinámico”. Corporación Financiera de Desarrollo -

6. blo (2005). “Aproximando la Importancia del Riesgo Cambiario Crediticio

en Sistemas Bancarios Parcialmente Dolarizados”. Documento de trabajo 01/2005,

. Banco Central de Bolivia. Memorias anuales 1998-2004.

8.

. Beck, T., A. Demirgüc-Kunt y R. Levine (1999). “A New Database on Financial

10. bstitution in Developing Countries: An

Introduction”. Revista de Análisis Económico. 7, 3-28.

1. Cowel, Kevin (2004). “Financial Dollarization”. Inter-American Development Bank,

2. De Nicoló G, Honohan P. y A. Ize (2003). “Dollarization of the Banking System: Good

3. Davies, R.B. (1997). “Hypothesis testing when a nuisance parameter is present only

4. Escobar, Fernando (2003). “Efectos de las Variaciones del Tipo de Cambio sobre las

and Social Progress in Latin American-2005 Report.

3

58, 277-297. 4. Arellano, M y O. Bover (1995). “Another Look at the Instrumental Variables Estimation

of Error-Component Models”. Journal of Econometric, 68, pp. 29-51 5. Azabache, Pablo (2004). “Guía Metodológica para Estimar la Sensibilidad de los

Indicadores de Riesgo Crediticio a Choques Macro

COFIDE: Mimeo.

Azabache, Pa

Ministerio de Economía y Finanzas del Perú.

7

Bernanke, B. y M. Gertler (1995). “Inside the Black Box: the Credit Channel of Monetary Policy Transmission”. NBER, Working Papers, 5146.

9Development and Structure”. Working Paper. World Bank.

Calvo, G. y C. Végh (1992). “Currency Su

1

Chapter 4 of the Economic and Social Progress in Latin American-2005 Report.

1or Bad?”. IMF Working Paper WP/03. Forthcoming.

1Ander the alternative”. Biometrica 64, 247-254.

1Actividades de Intermediación Financiera de Bolivia: 1990-2003”. Banco Central de Reserva de Bolivia.

15. Freixas, X. y Rochet, J. (1997). “Microeconomic of Banking”. Massachusetts Institute of

Technology. 16. Galindo, A. y Powel, A. (2004). “Bank Regulation and Supervision”. Inter-American

Development Bank, Chapter 6 of the Economic

28

17. Greuning, H. y Bratanovic, S. (2003). “Analyzing and Managing Banking Risk”. The World Bank.

8. Hansen, B.E. (1996). “Inference when a nuisance parameter is not identified under the

9. Hansen, B.E. (1999). “Threshold effects in non-dynamic panels: Estimation, testing, and

20. 2000). “Sample spltting and threshold estimation”. Econometrica 68, 575-

1. Hansen, B. y Caner, M. (2004). “Instrumental variable estimation of a threshold model”.

2. Ize, A. y E. Levy-Yeyati, (1998). Dollarization of Financial Intermediation: Causes and

3. Jiménez, Renzo (2004). “Riesgo Crediticio Derivado del Riesgo Cambiario: Perspectiva

rsidad del Pacifico.

ón Ecocómica y Social.

7. Rojas, S. y Emma, L. (2004). “Banking Crises and Resolution”. Inter-American

Report.

Internacional Currencies. Theory, Policy and Evidence. Chapter 12.

29. Monetary Economics. Vol. 40 (1), 185-202.

30. ial ante Cambios en el Entorno Macroeconómico”. Documento de Trabajo.

Banco Central de Costa Rica.

1null hypothesis”. Econometrica 64, 413-430.

1inference”. Journal of Econometrics 93, 345-368.

Hansen, B.E. (603.

2Econometric Theory, 20, 2004, 813-843.

2Policy Implications”. IMF Working Paper 1998/28.

2de una Economía Latinoamericana Parcialmente Dolarizada”. Revista Apuntes N° 52. Unive

24. Kay, J. y J. Vickers, (1988). “Regulatory Reform in Britain”. Economic Policy, 7,.págs. 286-

343. 25. Moron, E. y J. Castro (2004). “Política Monetaria en Economías Dolarizadas: Un Aporte

Analítico”. Mimeo, Lima: Consorcio de Investigaci 26. Powell, Andrew (2004). “The Challenges of Basel II”. Inter-American Development

Bank, Chapter 16 of the Economic and Social Progress in Latin American-2005 Report.

2Development Bank, Chapter 5 of the Economic and Social Progress in Latin American-2005

28. Savastano, M.A. (1996). “Dollarization in Latin America: recent evidence and policy

issues”. En Mizen, Paul y Eric Pentecost (Editores). The Macroeconomics of

Uribe, Martín (1995). “Hysteresis in a simple model of currency substitution”. Journal of

Viquez, R., Mayorga M., Monetero, R. Y Muñiz E. “Análisis de la Sensibilidad de la Banca Comerc

29