Depreciación del Tipo de Cambio y su Efecto en el Riesgo Cambiario-Crediticio: Un enfoque no Lineal Para el Caso Peruano

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS ECONOMICAS

ESCUELA ACADEMICO PROFESIONAL DE ECONOMIA

TITULO DE LA TESIS

LA DEPRECIACIÓN DEL TIPO DE CAMBIO Y SU EFECTO EN EL RIESGO

CAMBIARIO CREDITICIO DE LA BANCA: UN ENFOQUE NO LINEAL PARA

EL CASO PERUANO 1995 – 2014

TESIS PARA OPTAR EL TÍTULO DE:

ECONOMÍSTA

AUTOR: Br. HUMBERTO BRUNO LOZADA SANJINEZ

ASESOR: Mg. FÉLIX S. CASTILLO VERA

Trujillo, Perú

2014


2

PRESENTACIÓN

Señores Miembros del Jurado:

En conformidad con lo dispuesto en el Reglamento de Grados y Títulos de la

Facultad de Ciencias Económicas de la Universidad Nacional de Trujillo, me es grato

dirigirme a ustedes para someter a vuestro criterio la aprobación de la presente tesis,

titulada: “LA DEPRECIACIÓN DEL TIPO DE CAMBIO Y SU EFECTO EN EL

RIESGO CAMBIARIO CREDITICIO DE LA BANCA: UN ENFOQUE NO LINEAL

PARA EL CASO PERUANO 1995 – 2014”, con el propósito de obtener el Título de

Economista.

Es propicia la oportunidad para expresar mi gratitud hacia todos los profesores

por los conocimientos impartidos durante el transcurso de mi formación profesional.

Deseándoles que Dios los bendiga a ustedes y sus familias, extiendo este trabajo

para su evaluación.

Trujillo, 26 noviembre del 2014

Atentamente.

_______________________________

Br. Humberto Bruno Lozada Sanjinez


3

DEDICATORIA

A mi madre; Ruth Elizabeth Sanjinez Cabrera,

por su apoyo incondicional, en todo momento

y circunstancia, lo cual me ha permitido llegar

hasta este momento tan importante en mi

formación profesional.

A mi abuelo; Melchor Sanjinez Cedillo, por

haber sido siempre mi ejemplo a seguir.

A mi padre; Francisco Humberto Lozada

Castro por haberme prepararme para

afrontar la vida.

A Teodora Cruz Jacobo y Ruth Ingrid Lozada

Sanjinez.


4

AGRADECIMIENTO

A mi asesor el Mg. Feliz Castillo Vera por su

apoyo, consejos y enseñanzas que

contribuyeron a la elaboración de este trabajo

de investigación.

A los señores catedráticos por sus enseñanzas

y consejos durante mi vida universitaria.

Hicieron que estos cinco años valgan la pena.


5

RESUMEN

En este trabajo se estudia el efecto no lineal de la depreciación del tipo de cambio en el

riesgo cambiario crediticio, este último medido a través de la tasa de morosidad de los

créditos en moneda extranjera. Se utiliza un modelo de cambio de régimen (Markov

Switching) para detectar y caracterizar estas no linealidades, clasificándolas en dos estados:

uno en el que el tipo de cambio tiene un pequeño impacto en la morosidad de los créditos

en moneda extranjera y otro en el que el tipo de cambio tiene un fuerte impacto en la

morosidad de los créditos en moneda extranjera.

Los resultados de la estimación del modelo de cambio de régimen MSIAH(2) – ARX(2)

demuestran que éste tiene mejor bondad de ajuste en comparación a cualquier

especificación lineal. Los parámetros estimados del modelo evidencian los efectos

asimétricos del tipo de cambio y del ciclo económico en la morosidad de los créditos en

moneda extranjera.

Además, mediante el análisis de la evolución de las probabilidades suavizadas se

identifican los periodos en los que se registraron altas tasas de morosidad de los créditos en

moneda extranjera debido a fuertes depreciaciones del tipo de cambio, ocasionadas por la

crisis ruso brasileña (1998-1999) y la crisis financiera internacional (2009).


6

ABSTRACT

In this paper is studied the nonlinear effect of the depreciation of the exchange rate on the

credit exchange risk, the latter measured by the default rate of loans in foreign currency. A

model of regime change (Markov Switching) is used to detect and characterize these

nonlinearities, classifying them into two states: one in which the exchange rate has a small

impact on the delinquency of loans in foreign currency and one in the that the exchange rate

has a strong impact on delinquency loans in foreign currency.

The results of estimating the model change MSIAH (2) scheme - ARX (2) show that it has

better goodness of fit compared to any linear specification. The estimated model parameters

show the asymmetric effects of exchange rate and the business cycle in defaults of loans in

foreign currency.

Furthermore, by analyzing the evolution of the smoothed probabilities periods in which

high default rates of loans in foreign currency are recorded due to sharp depreciation of the

exchange rate, caused by the Brazilian Russian crises (1998-1999 identified) and the

international financial crisis (2009).


7

ÍNDICE

PRESENTACIÓN…………………………………………………………………… 02

DEDICATORIA……………………………………………………………………... 03

AGRADECIMIENTO………………………………………………………………. 04

RESUMEN…………………………………………………………………………… 05

ABSTRACT………………………………………………………………………….. 06

INTRODUCCIÓN…………………………………………………………………… 09

I. PLANTEAMIENTO DEL PROBLEMA

1.1. Antecedentes del estudio………………….……………………………… 14

1.2. Justificación del problema…………………..…………………………... 16

1.3. Formulación del problema…………………………………………….... 17

1.4. Objetivos………………………………………………………………...... 17

II. MARCO TEORICO

2.1. Marco institucional e histórico…………………………………………… 20

2.2. Base teórica………………………………………………………………... 25

2.3. Especificación del modelo………………………………………………... 29

2.4. Hipótesis…………………………………………………………………... 30

III. DISEÑO DE LA INVESTIGACIÓN

3.1. Tipo de diseño………………………………………………………….… 32

3.2. Conceptualización de las variables……………………………………... 32

3.3. Operacionalización de las variables.………………………………….… 34

3.4. Material y métodos………………...………………………………….…. 35

3.5. Técnicas e instrumentos de recolección de datos…………………….… 36

3.6. Estrategias metodológicas……………………………………………….. 37


8

IV. RESULTADOS

4.1. Hechos estilizados…………………………………………………...….... 40

4.2. Estimación del modelo……………………………………………….…... 43

V. DISCUSIÓN…………………………………………………………….....….. 49

VI. CONCLUSIONES……………………………………………………...…...... 51

VII. RECOMENDACIONES………………………………………………………. 52

VIII. REFERENCIAS BIBLIOGRAFICAS………………………….……………. 53

ANEXOS

Anexo Nº 01………………………………………………………………….. 55

Anexo Nº 02………………………………………………………………….. 57

Anexo Nº 03………………………………………………………………….. 59

Anexo Nº 04………………………………………………………………….. 60

Anexo Nº 05………………………………………………………………….. 63

Anexo Nº 06………………………………………………………………….. 63

Anexo Nº 07…………………………………………………………………... 64


9

INTRODUCCIÓN

La reciente tendencia depreciatoria del tipo de cambio es un tema de debate en la actual

coyuntura económica del Perú; por un lado la autoridad monetaria, representada en la figura

del Banco Central de Reservas del Perú (en adelante, BCRP), justifica el relativo control

que ejerce sobre la evolución del tipo de cambio, respaldándose en que esta variable es una

fuente importante de generación de riesgo sistémico en economías dolarizadas como la

peruana. Por otro lado en el actual estado de desaceleración económica, algunos

especialistas recomiendan dejar subir el tipo de cambio para aumentar la competitividad de

las exportaciones de materias primas, y por consiguiente reactivar la actividad económica.

Con la adopción de un régimen de flotación administrada, el BCRP busca amortiguar el

efecto “hoja balance”. La variable clave es el descalce de monedas que se genera en la hoja

balance del deudor cuando éste toma un préstamo en una moneda diferente a la que genera

sus ingresos. Si consideramos como moneda extranjera al dólar y la moneda doméstica al

nuevo sol, un incremento del tipo de cambio provoca que los préstamos en dólares

expresados en nuevos soles se incrementen, generando mayores gastos financieros en

términos de moneda doméstica. Estos mayores gastos financieros, dependiendo del tamaño

de la depreciación, pueden generar problemas de liquidez, haciendo que el deudor incumpla

sus pagos financieros. Es así como el riesgo cambiario de los deudores, generado por el

descalce de monedas, se traslada al balance de los bancos, incrementando su riesgo

crediticio. Si las depreciaciones del tipo de cambio continúan y la economía entra en

recesión el problema de liquidez de los agentes se convierte en un problema de solvencia,

pudiendo afectar sus decisiones de inversión y producción, Azabache (2009).


10

El riesgo crediticio del sistema financiero derivado del riesgo cambiario producido en la

hoja balance de los deudores que incurren en un descalce de monedas, es conocido como

riesgo cambiario crediticio (RCC)1. La literatura que aborda los efectos del riesgo

cambiario en el riesgo crediticio no es muy abundante, recientemente el Fondo Monetario

Internacional (FMI) viene impulsando su gestión luego de haber sacado las lecciones de las

repetidas crisis cambiarias y financieras en numerosos países desde 1994 al 2012.

A raíz de la crisis financiera internacional del 2008, se han incrementado las propuestas de

reforma financiera de las economías desarrolladas, con un rol más protagónico de las

políticas macroprudenciales (Basilea III y Consejos de Estabilidad Financiera en UK, UE y

EE.UU.), las que mediante el uso de herramientas que buscan mitigar el riesgo financiero

sistémico, tienen como objetivo preservar la estabilidad financiera2. Algunas medidas

macroprudenciales utilizadas en el Perú con el fin de evitar riesgos cambiarios fueron;

Limitar la posición de cambio en moneda extranjera de las instituciones financieras en 1998

y limitar la posición de productos derivados en el 2011. Además el BCRP utiliza dos

instrumentos no convencionales; los encajes en moneda extranjera y la intervención en el

mercado cambiario, el primero con el objetivo de disminuir los ciclos crediticios asociados

a influjos de capitales, manteniendo adecuados niveles de liquidez en moneda extranjera en

la banca, y el segundo para reducir la extrema volatilidad del tipo de cambio,

particularmente aquellos asociados a cambios transitorios de portafolio de agentes

domésticos, Castillo (2011).

1 El Riesgo Cambiario Crediticio (RCC) es definido por la SBS como la posibilidad de afrontar pérdidas

derivadas de incumplimientos de los deudores en el pago de sus obligaciones crediticias producto de descalces entre sus exposiciones netas en moneda extranjera. Fuente: Resolución Nº 41 SBS. 2 Para una revisión de la literatura sobre la Política Macroprudencial ver Choy y Chang (2014).


11

Conocer el potencial impacto negativo de las variaciones del tipo de cambio en la hoja

balance de los deudores que sufren un descalce de monedas es vital para los supervisores y

reguladores. La existencia de este riesgo justificaría la intervención del BCRP en el

mercado cambiario con el objetivo de reducir la excesiva volatilidad del tipo de cambio.

Asimismo, la Superintendencia de Banca Seguros y AFP’s (SBS) tendría que exigir a las

entidades financieras, la gestión y el requerimiento de provisiones para este nuevo riesgo

crediticio derivado del riesgo cambiario.

Buscando un enfoque mucho más realista que provea una mejor evaluación del riesgo

cambiario crediticio, en este documento se plantea una relación no lineal entre la morosidad

de los créditos en moneda extranjera y el tipo de cambio en el Perú, utilizando información

mensual desde enero de 1996 hasta setiembre del 2014. Esta hipótesis es interpretada como:

“Pequeñas variaciones del tipo de cambio no tienen un impacto significativo en la

morosidad de los créditos en moneda extranjera, mientras que depreciaciones abruptas del

tipo de cambio si tienen efectos contraproducentes en la morosidad de los créditos en

moneda extranjera”.

El trabajo de Azabache (2009) es el único que plantea un enfoque no lineal para medir el

impacto del tipo de cambio en la morosidad de los créditos en moneda extranjera,

utilizando datos mensuales del Perú durante el periodo 1993 – 2008, y a través de un

modelo umbral, estima el tamaño de la depreciación que afecta la capacidad de pago de los

deudores, luego dividió la muestra y estimo mediante Método Generalizado de Momentos

(GMM). Encontrando que a partir de depreciaciones por encima de 11.5% se producen

efectos contraproducentes en la morosidad de los créditos en moneda extranjera.


12

Para evaluar la hipótesis de no linealidad entre el tipo de cambio y la morosidad de los

créditos en moneda extranjera, en este estudio se sugiere un modelo de cambio de régimen

Markov Switching, debido a que caracteriza un proceso generador de datos (PGD) no

lineal; como procesos lineales condicionales en cada régimen, los cuales servirán para

evaluar los parámetros cambiantes del modelo.

El presente documento se organiza de la siguiente manera. En la parte I se presenta los

antecedentes del estudio, la justificación y formulación del problema, y los objetivos. En la

parte II se muestra el marco teórico, que está compuesto por el marco institucional e

histórico, en el cual se relata la evolución y regulación del sistema bancario peruano, así

como las diferentes etapas en la supervisión del mismo. En la base teórica se hace

referencia acerca de los mecanismos de trasmisión de la depreciación del tipo de cambio

nominal en la tasa de crecimiento del ratio de morosidad de los créditos en moneda

extranjera, finalmente se formula la hipótesis de la investigación. En la parte III se expone

el diseño de la investigación así como la metodología utilizada para contrastar la hipótesis.

En ésta parte se muestra las especificaciones del modelo Markov Switshing para la

estimación no lineal. En la parte IV, V, VI y VII se muestran los resultados, la discusión,

las conclusiones y las recomendaciones, respectivamente.


13

I. PLANTEAMIENTO DEL PROBLEMA


14

1.1. ANTECEDENTES DEL ESTUDIO

En trabajos aplicativos, la variación de la tasa de incumplimiento de los préstamos en

moneda extranjera, es tomada como indicador del riesgo cambiario crediticio (RCC).

Escobar (2003) en el caso de Bolivia muestra que el efecto más importante de la

depreciación del tipo de cambio nominal sobre el sistema financiero se produce en las

operaciones de crédito en moneda extranjera que realizan las entidades con prestatarios

que sufren de un descalce estructural. Producto de este descalce, la diferencia entre

depreciación del tipo de cambio nominal e inflación aumentan la tasa de interés real y el

saldo en términos reales del crédito de los prestatarios, disminuyendo su capacidad de

pago. El deterioro en la capacidad de pago se tradujo en el deterioro de la cartera de

créditos de las entidades financieras en Bolivia en el periodo 1990 – 2003.

Jiménez (2003) mediante un modelo VAR y con datos del tipo de cambio neto de

inflación3 y el ratio de morosidad bancaria en moneda extranjera en el Perú durante el

periodo 1993 – 2002 encuentra que la depreciación neta del tipo de cambio en el IV

trimestre explica el 21,49% de la variación del ratio de morosidad.

En trabajos más recientes Azabache (2009), utilizando datos del tipo de cambio

nominal y la morosidad bancaria en moneda extranjera del Perú durante el periodo 1993

– 2008, evalúa el impacto de las variaciones del tipo de cambio nominal sobre el riesgo

cambiario–crediticio de los bancos a través de un modelo umbral, el cual considera la

existencia de dos regímenes, el primero es de una baja volatilidad del tipo de cambio y

3 Se le resta la inflación mensual a la depreciación del tipo de cambio.


15

el segundo de alta volatilidad, encontrando que depreciaciones del tipo de cambio por

encima de 11.5% afectan la capacidad de pago de las empresas y familias traduciéndose

en incrementos de los créditos con problemas de pago en los bancos. Además,

encuentra que otras variables macroeconómicas como: la contracción de la actividad

económica y bajas tasas de inflación, contribuyen a incrementar los préstamos en mora.

Por su parte Jiménez (2010), pone en evidencia el mecanismo amplificador que tiene la

evolución del tipo de cambio nominal sobre el ciclo crediticio en una economía con alta

dolarización financiera como la peruana, a este mecanismo se le denomina “acelerador

cambiario”, por la capacidad que tiene tanto para ampliar la expansión crediticia y

reducir la mora, como para acelerar la contracción crediticia e incrementar la mora. La

conclusión de fondo es que entidades de crédito y el mercado financiero en general son

miopes a la vulnerabilidad del riesgo crediticio derivado del riesgo cambiario

(RCDRC), producto de otorgar créditos (adquirir valores) en moneda extranjera o

deudores (o emisores) expuestos.

Estos dos últimos trabajos mencionados respaldan la existencia de una relación no

lineal entre el tipo de cambio nominal y el ratio de morosidad en moneda extranjera

como indicador del riesgo cambiario crediticio. En efecto, pequeñas variaciones del tipo

de cambio no afectan la capacidad de pago de los deudores por lo que su impacto sobre

el riesgo cambiario crediticio es despreciable; sin embargo, fuertes variaciones del tipo

de cambio si afectan la capacidad de pago de los deudores incrementando los créditos

con problemas de pago en los bancos, Azabache (2009). Esta asimetría se debe a que

las entidades de crédito aumentan en forma entusiasta su exposición al riesgo en las


16

fases de expansión, pero lo contraen pesimistamente en las fases recesivas en respuesta

al deterioro en las perspectivas de recuperación de los créditos, Jiménez (2010).

1.2. JUSTIFICACIÓN DEL PROBLEMA

En la década de los 70’s, Lucas (1976) ya criticaba los lineamientos de política

económica basados sobre parámetros constantes de estimaciones econométricas,

pensando que si la estructura de un modelo econométrico consiste en condiciones

óptimas de los agentes y las reglas de decisiones óptimas varían sistemáticamente,

entonces, los cambios de política económica puede generar cambio en los parámetros.

La crítica de Lucas marco un antes y un después en la macroeconomía y gracias a sus

aportes, los econometristas decidieron superar la restricción de contar únicamente con

estimaciones lineales basadas sobre parámetros constantes.

Dicho esto, la correcta especificación de un modelo econométrico con el fin de estimar

el efecto de la depreciación del tipo de cambio nominal en la tasa de crecimiento del

ratio de morosidad de los créditos moneda extranjera, ayudara a mejorar los

lineamientos de política económica y el marco de regulación bancaria. En materia de

política monetaria, el BCRP, podrá mejorar sus intervenciones en el mercado de divisas

y prevenir a los bancos de riesgo crediticio derivado del riesgo cambiario. En materia

de regulación, la SBS, puede tener en cuenta la reacción de la tasa de crecimiento del

ratio de morosidad en moneda extranjera a la depreciación del tipo de cambio nominal

en fases de alta volatilidad y de baja volatilidad.


17

En esta investigación se plantea un nuevo modelo para evaluar los efectos no lineales de

la depreciación del tipo de cambio nominal en la tasa de crecimiento del ratio de

morosidad de los créditos en moneda extranjera. La construcción de este modelo

constituye un aporte a la literatura que investiga el riesgo de crédito en países con

dolarización financiera. Primero nos permitirá evaluar si la depreciación del tipo de

cambio influye en la capacidad de pago de los deudores y segundo, mediante el modelo

de cambio de régimen obtendremos la probabilidad de estar en un régimen específico.

Hasta el momento de esta investigación no se ha utilizado un modelo de cambio de

régimen para caracterizar el efecto no lineal de la depreciación del tipo de cambio

nominal en la tasa de crecimiento del ratio de morosidad de los créditos en moneda

extranjera, como indicador del riesgo cambiario crediticio en el Perú.

1.3. FORMULACIÓN DEL PROBLEMA

¿Qué efecto tiene la depreciación del tipo de cambio nominal en el riesgo cambiario

crediticio de la banca en el Perú durante el periodo 1995 - 2014?

1.4. OBJETIVOS

Objetivo general

Determinar el efecto de la depreciación del tipo de cambio nominal en el riesgo

cambiario crediticio de la banca en el Perú durante el periodo 1995 - 2014


18

Objetivos específicos

Analizar y describir la variación anual del tipo de cambio nominal en el Perú

durante el periodo enero de 1995 a marzo del 2014.

Analizar y describir la tasa de crecimiento anual del ratio de morosidad bancaria

en moneda extranjera en el Perú durante el periodo enero de 1995 a marzo del

2014.

Estimar un modelo de cambio de régimen que caracterice el efecto no lineal de

la depreciación del tipo de cambio nominal en la tasa de crecimiento anual del

ratio de morosidad bancaria en moneda extranjera como indicador del riesgo

cambiario crediticio de la banca en el Perú.


19

II. MARCO TEÓRICO


20

2.1. MARCO INSTITUCIONAL E HISTÓRICO4

Regulación bajo supervisión de la SBS

La reforma financiera iniciada en 1991, incluyó la disolución de la Banca de Fomento,

la asignación de un rol diferente para COFIDE como banco de segundo piso,

liberalizando el sistema financiero e introduciendo la apertura al mercado de capitales.

En el contexto de una pérdida de confianza generalizada del público hacia la moneda

nacional, se renueva la normatividad bancaria en abril de 1991 con la promulgación de

la Ley de Instituciones Bancarias, Financieras y de Seguros, Decreto Legislativo 637,

con lo cual se autorizó la creación de depósitos y créditos bancarios en moneda

extranjera. Además, las privatizaciones fomentaron la entrada de bancos extranjeros, los

cuales fomentaron la entrada de capitales foráneos al Perú.

Esta ley fue reemplazada en octubre de 1993 por el Decreto Legislativo 770 que

corregía algunos aspectos e incorporaba nuevos elementos. En efecto, se le prohibió al

Estado la fijación de las tasas de interés, el establecimiento de directivas de crédito y la

participación de largo plazo en el capital de entidades financieras. Tanto el Decreto

Legislativo 637 como el 770 introdujeron diversos aspectos de regulación prudencial,

tomándose algunas recomendaciones del Comité de Basilea como la aplicación de

4 El marco institucional e histórico es un resumen del artículo publicado en la página oficial de la SBS. http://www.sbs.gob.pe/


21

límites operativos en función del patrimonio efectivo y el requerimiento patrimonial

respecto a los activos y créditos contingentes ponderados por riesgo crediticio.

A mediados de 1996, a iniciativa de la SBS se profundizó la reforma financiera iniciada

en 1991. El objetivo principal fue el fortalecimiento del sistema financiero y la

supervisión bancaria, incorporando las recomendaciones propuestas por el Acuerdo de

Basilea de 1988 y su revisión de 1991. Dichas recomendaciones incluyeron la

regulación para la administración del riesgo crediticio, así como exigencias en materia

de riesgo de mercado. Asimismo, se incluyó la supervisión consolidada permitiendo

que el control abarcara tanto a los intermediarios, como a las empresas que forman

parte de un mismo conglomerado financiero.

En diciembre de 1996 fue publicada la Ley 26702, Ley General del Sistema Financiero

y del Sistema de Seguros y Orgánica de la Superintendencia de Banca y Seguros. Esta

Ley recoge los aspectos de regulación prudencial que estaban presentes en las dos leyes

anteriores y agrega los aspectos mencionados en el párrafo anterior.

El análisis del riesgo cambiario-crediticio y el impulso de su gestión vinieron en gran

parte de esfuerzos del Fondo Monetario Internacional luego de haber sacado las

lecciones de las repetidas crisis cambiarias y financieras en numerosos países de 1994

al 2012. La regulación de la SBS aprueba el reglamento para la administración del

Riesgo Cambiario-Crediticio (RCC), mediante Resolución Nº 0041 – 2005. La

regulación de la SBS es clara al respecto: el análisis se tiene que hacer a nivel del

deudor. Gracias a su labor de supervisión, la SBS ha logrado que en gran medida las


22

metodologías de identificación de las entidades financieras tengan en la práctica un alto

nivel de convergencia.

Regulación bajo la filosofía de Basilea II

El Banco Internacional de Pagos (Bank of Internacional Settlements) fue creado en

1930 y actualmente es el principal centro para la cooperación internacional de Bancos

Centrales y Supervisores Bancarios. Su creación se dio en el contexto del Plan Young,

que lidiaba con el tema de los pagos indemnizatorios impuestos sobre Alemania por el

Tratado de Versalles, fundando su centro de operaciones en la ciudad de Basilea. Desde

los años 30 el Banco fue cambiando progresivamente su rol para convertirse en un

importante mecanismo de coordinación y cooperación entre Bancos Centrales.

El Comité de Basilea sobre Supervisión Bancaria fue creado en 1974 por acuerdo de los

representantes de los Bancos Centrales de los 10 países más industrializados. Este

Comité, si bien no posee ninguna autoridad de supervisión sobre los países miembros y

sus conclusiones no tienen fuerza legal, ha formulado una serie principios y estándares

de supervisión bancaria que han sido acogidos no solo por los países miembros, sino

por la mayoría de países en el mundo. Además emite declaraciones de mejores prácticas

a fin que las autoridades individuales tomen las medidas necesarias para aplicarlas de la

forma que mejor convenga a sus propios sistemas nacionales. De esta manera, el

Comité alienta la convergencia hacia enfoques y estándares comunes.


23

En 1988, el comité de Basilea generó un primer documento llamado el Acuerdo de

Capital de Basilea (Basilea I) en el que se detallan las reglas para determinar los

requerimientos mínimos de capital que las instituciones bancarias debían cumplir. En

este sentido, Basilea I propuso una metodología para medir el riesgo crediticio según la

estructura de activos mantenido por una entidad bancaria. Dicha medida consideraba el

capital de una institución bancaria como proporción de la suma de los activos del banco

ponderados por un factor que refleje el riesgo crediticio de dicho activo. Se acordó que

el estándar mínimo de esta proporción sería de 8% para proteger a los depositantes del

riesgo de insolvencia del banco.

El estándar planteado por Basilea I fue inicialmente adoptado por los países miembros

del G-10, pero progresivamente se fue convirtiendo en un estándar regulatorio a nivel

mundial, y actualmente cerca de 150 países se rigen por estos principios y normas,

incluido Perú. A pesar de haber significado un paso muy importante en homogenizar el

tratamiento regulatorio de los sistemas bancarios, Basilea I adoleció de algunos

problemas. Principalmente, que éste no es suficientemente sensible al riesgo. Es decir,

no necesariamente se cumple el principio de a mayores riesgos mayores cargas de

capital a fin de cubrir dicho riesgo. Esto a su vez podría significar un incentivo para las

instituciones financieras a tomar mayores riesgos, ya que estos no vendrían

acompañados de mayores exigencias de capital regulatorio.

Reconociendo esta deficiencia, el Comité de Basilea I empezó la tarea de reformar

Basilea I y generar un nuevo esquema más sensible al riesgo. Esta tarea empezó a

mediados de los años 90 y finalmente, en junio de 2004, se aprobó un Nuevo Acuerdo


24

de Capital (Basilea II) para los países miembros del G-10, el mismo que empezara a

regir en dichos países a partir de 2007 en sus versiones más simples y a partir de 2008

en sus versiones más avanzadas. El objetivo principal de este Nuevo Acuerdo es lograr

una mayor alineación de los requerimientos de capital de las entidades financieras con

los verdaderos riesgos que éstas enfrentan y, a la vez, tomar en cuenta en el esquema de

supervisión la evolución de las técnicas de manejo de riesgo y la creciente complejidad

y heterogeneidad del sistema financiero.

Más allá de proponer metodologías más sensibles al riesgo para el cálculo del capital

regulatorio, Basilea II plantea reglas prudenciales específicas para las instituciones de

crédito. Diseñado y construido sobre la base del acuerdo de 1988, el Nuevo Acuerdo de

Capital apunta a incentivar la estabilidad del sistema financiero dando mayor

importancia a los sistemas de control interno, a la administración de los bancos y a la

disciplina de mercado. Es así que Basilea II se puede definir como un marco global de

supervisión bancaria, basado en tres pilares, (i) Los Requerimientos Mínimos de

Capital; (ii) El Proceso de Examen del Supervisor y (iii) La Disciplina de Mercado.

Si bien es cierto que, en un inicio, Basilea II estaba planteado para los países del G-10,

al tratarse de estándares de medición y gestión de riesgos modernos, estos rápidamente

se están convirtiendo, al igual que lo ocurrido con Basilea I, en los estándares exigidos

a nivel internacional en todos los países que quieran ser competitivos a nivel mundial.

El Perú ha sido la excepción y ha implementado Basilea II de acuerdo al contexto

peruano.


25

2.2. BASE TEÓRICA

Se pueden distinguir tres enfoques en los estudios que abordan el tema de la morosidad

crediticia en el sistema financiero. 1) Aquellos que tratan de explicar la morosidad

crediticia poniendo énfasis en factores macroeconómicos, tales como los ciclos económicos

y crediticios, 2) aquellos que ponen énfasis en los determinantes microeconómicos, tales

como el crecimiento de las colocaciones y la política de créditos que adopta cada

institución bancaria, y 3) estudios que incorporan tanto variables macro y microeconómicas

como determinantes de la calidad de cartera.

Comportamiento cíclico del crédito y la morosidad

El crédito bancario tiende a seguir un patrón con un claro comportamiento procíclico. Así,

en la fase expansiva del ciclo económico, el crédito tiende a expandirse de forma acelerada,

contribuyendo a profundizar la propia expansión de la economía. Por otra parte, la

contracción del crédito que suele observarse durante la fase descendente del ciclo, tiende a

acentuar la desaceleración económica, haciendo más agudo el ciclo económico5.

En este marco, la evolución de la morosidad bancaria también presenta un comportamiento

cíclico, acompañando el ciclo económico en general. En la fase alta del ciclo las familias y

las empresas, sin restricciones de acceso al crédito y con ingresos y ventas crecientes,

tienen menores dificultades para hacer frente a sus obligaciones financieras. Por ello, los

niveles de morosidad del crédito bancario tienden a reducirse. Por el contrario, en las fases

recesivas, caracterizadas por la contracción del crédito y por el retroceso de las ventas

5 En general, el crédito bancario presenta fluctuaciones cíclicas más intensas que las del PBI, tanto como consecuencias de factores de demanda como de oferta.


26

empresariales y los ingresos familiares –por la caída del salario y el empleo–, la morosidad

suele aumentar, Vallcorba y Delgado (2007).

Es precisamente durante la fase expansiva del ciclo económico cuando se originan los

problemas de morosidad, que luego se hacen evidentes con la ralentización de la actividad

económica. En estos períodos de auge los bancos tienden a otorgar los créditos de forma

más laxa, en el marco de un escenario de excesivo optimismo, y sobreestimando la

capacidad de pago «estructural» de los tomadores de créditos, con el consiguiente aumento

del riesgo que asumen. A su vez, debe tenerse presente que la preocupación por no perder

cuota de mercado, en presencia de problemas de agencia y/o en un contexto de excesivo

optimismo predominante en el mercado, también puede llevar a asumir mayores riesgos de

los convenientes desde el punto de vista prudencial [Jimenez (2010), Vallcorba y Delgado

(2007), Ibañez et al. (2006) y Delgado y Saurina (2004)].

Factores Macroeconómicos

Si bien existe un conjunto de trabajos empíricos que analizan, para diferentes realidades,

los factores explicativos de la morosidad bancaria en cada caso, es necesario reconocer que

no existe a nivel teórico un modelo general que recoja y permita precisar los determinantes

de la morosidad.

No obstante, a partir de la revisión de los trabajos empíricos existentes –mencionados

anteriormente–, las variables macroeconómicas que en general se incluyen como factores

explicativos de la morosidad pueden agruparse en 3: En primer lugar, estarían las variables

relacionadas con el ciclo económico, entre las que podría situarse la variación del PIB o de


27

la demanda agregada, que cabría esperar que presenten una relación negativa con la

morosidad.

En segundo lugar, se ubicarían las variables que afectan la liquidez de los agentes, sea por

el lado de sus ingresos o de los costes del servicio de la deuda o de las actividades

productivas que desarrollan. Dentro de este grupo podrían encontrarse las tasas de interés –

con una relación esperada positiva con la morosidad–, los salarios reales –con una relación

positiva en el caso de las empresas y negativa en el caso de las familias– y los precios de

las materias primas en el caso de las empresas y la tasa de paro o la renta disponible en el

de las familias –con una relación esperada positiva en los dos primeros casos y negativa en

el último–. No obstante, debe tenerse en cuenta que la mayoría de estas variables también

se encuentran estrechamente ligadas al ciclo económico.

Por último, en el tercer grupo se encontrarían las variables relacionadas con el nivel de

endeudamiento o la carga del servicio de la deuda. Si bien a priori podría esperarse que

estas variables presentaran una relación positiva con la morosidad, los estudios empíricos

no son concluyentes al respecto, dependiendo en ciertos casos de la relación existente entre

los bancos y sus clientes. Por ejemplo, Davis (1995) sostiene que si bien un aumento del

nivel de endeudamiento tiende a elevar la fragilidad financiera, cuando existe una estrecha

relación entre bancos y empresas –y por ende los bancos disponen de abundante

información sobre sus clientes–, los bancos pueden estar dispuestos a continuar financiando

a las empresas en momentos de dificultad, si sus perspectivas de medio plazo son

favorables. Contra ello, podría sostenerse que los problemas de riesgo moral implícitos en

estos casos podrían dificultar ese comportamiento por parte de los bancos.


28

En el caso de las economías con sistemas bancarios altamente dolarizados, como es el caso

de Perú, resulta necesario recoger dicha especificidad dentro del conjunto de posibles

determinantes de la morosidad. La dolarización del crédito provoca un descalce de

monedas al nivel de los deudores, cuyos ingresos se encuentran básicamente en moneda

local y sus obligaciones financieras en una moneda extranjera, esencialmente dólares

estadounidenses.

Ello da lugar a problemas de riesgo de crédito derivado del riesgo cambiario –o riesgo

cambiario crediticio– que asumen los deudores, fenómeno que ha operado como una de las

causas de las crisis bancarias ocurridas en estos países, al incrementar su fragilidad

financiera [De Nicoló, Honohan e Ize (2003) y Allen et al. (2002)]. Cuando se produce una

depreciación brusca de la moneda local, los ingresos medidos en dólares de las familias y

las empresas que operan en el mercado doméstico se ven reducidos en forma importante, lo

que genera serias dificultades para hacer frente al pago del capital e intereses de la deuda6.

Factores Microeconómicos

El comportamiento de cada entidad financiera es fundamental para explicar su nivel de

morosidad. Por ejemplo, de aquellas entidades que tengan una política de colocaciones más

agresiva se espera que presenten tasas de morosidad mayores. En este sentido, el

crecimiento del crédito, el tipo de negocio y los incentivos a adoptar políticas más

arriesgadas son los grupos de variables más analizadas (Saurina, 1998).

6 Este es uno de los motivos por los que, en economías con elevados niveles de dolarización de su deuda

pública y su sistema financiero, una depreciación significativa de la moneda no suele tener efectos reactivadores en el corto plazo, tanto por el efecto sobre la capacidad de pago de los deudores, como por el denominado efecto de balance (balance sheet effect), que afecta también a las empresas del sector transable de la economía. Cuando el shock cambiario es pequeño, los efectos de balance no son tan importantes y la depreciación real tiene efectos positivos sobre el nivel de actividad, por su impacto sobre las exportaciones netas. Al respecto, véase, por ejemplo, Céspedes, Chang y Velasco (2000).


29

2.3. ESPECIFICACIÓN DEL MODELO

En el caso peruano, las entidades del sistema financiero se caracterizan por presentar un

alto grado de dolarización, tanto en sus activos como en sus pasivos. La dolarización

financiera genera una mayor exposición al riesgo cambiario crediticio. Así, una manera

indirecta de cuantificar la exposición agregada total que tienen todas las entidades de

crédito del sistema con todos sus deudores, se logra a partir de la estimación de la

sensibilidad de los indicadores de morosidad a la variación del tipo de cambio. En este

caso, se utilizó como indicador de mora crediticia a la proporción de cartera deteriorada

ampliada para las entidades de crédito del sistema bancario peruano. No obstante,

siguiendo el modelo de Lahura y Espino (2013), los indicadores de mora también pueden

ser sensibles a otras variables, y debido a los supuestos implícitos en la modelación

econométrica, se incorpora al Producto Bruto Interno (PBI) como variable que capture

efectos globales y se comporta como variable de control. Por tanto, el modelo

econométrico se especifica de manera dinámica debido al natural comportamiento

autorregresivo que presentan los indicadores de morosidad.

Dónde:

: es la constante del modelo

: representa el parámetro asociado a los rezagos de la serie

: representa el parámetro asociado al tipo de cambio

: representa el parámetro asociado al PBI


30

: errores del modelo

Después de revisar el marco teórico descrito en la sección anterior, los supuestos del

modelo son:

Un incremento mayor del tipo de cambio disminuye la capacidad de pago de los

agentes económicos y aumenta la morosidad. Por lo tanto el parámetro es

positivo.

Una expansión de la actividad económica mejora los ingresos de los agentes

económicos y disminuye la morosidad. Por lo tanto el parámetro es negativo.

2.4 HIPOTESIS

Formulación de la hipótesis

En una economía altamente dolarizada como la peruana el riesgo cambiario crediticio,

reflejado en la tasa de crecimiento del ratio de morosidad de los créditos en moneda

extranjera, es amplificado por la depreciación del tipo de cambio nominal. Sin embargo

este efecto es no lineal. Es decir; pequeñas variaciones del tipo de cambio no tienen un

impacto significativo en la morosidad de los créditos en moneda extranjera, mientras

que depreciaciones abruptas del tipo de cambio si tienen efectos contraproducentes en

la morosidad de los créditos en moneda extranjera


31

III. DISEÑO DE LA INVESTIGACIÓN


32

3.1. TIPO DE DISEÑO

Este estudio está orientado a un enfoque de investigación cuantitativo porque busca

medir el efecto no lineal de la depreciación del tipo de cambio nominal sobre el riesgo

cambiario crediticio, encontrando parámetros que cuantifiquen este efecto.

Además el alcance es correlacional, porque recoge datos estadísticos de las variables que

serán asociadas entre ellas para explicar el grado de relación. El tipo de investigación es;

no experimental, debido a que no habrá manipulación de las variables de forma

intencional, (Hernández Sampieri, et al. 1999).

Por último el diseño es longitudinal y no lineal, porque analiza los parámetros

cambiantes a través del tiempo tomando una muestra para medir la relación no lineal de

las variables.

3.2. CONCEPTUALIZACIÓN DE LAS VARIABLES

Variable dependiente:

La variable dependiente es el riesgo cambiario crediticio de la banca en el Perú.


33

Definición conceptual: Posibilidad de afrontar pérdidas derivadas de incumplimientos

de los deudores en el pago de sus obligaciones crediticias producto de descalces entre

sus exposiciones netas en moneda extranjera7. Para más detalle ver Anexo Nº 1.

Variable independiente:

La variable independiente será el tipo de cambio nominal

Definición conceptual: El tipo de cambio mide el valor de una moneda en términos de

otra; en nuestro caso, del dólar de los Estados Unidos de América con respecto al

nuevo sol. En un régimen de flotación el tipo de cambio refleja variaciones en la

oferta y demanda de divisas. En tal sentido, esta variable está influida, entre otros

factores, por la evolución de los términos de intercambio, los volúmenes de comercio

exterior, los flujos de capital y cambios en las decisiones de portafolio de las

personas, empresas y bancos8. Para más detalle ver Anexo Nº 2.

7 Fuente: SBS, 2005, Resolución Nº 41 8 Fuente: BCRP, 2006, p. 93.


34

3.3. OPERACIONALIZACIÓN DE LAS VARIABLES

Cuadro Nº 01: Riesgo cambiario crediticio y tipo de cambio nominal

Variable Indicador Fórmula Información

requerida

Fuente de

información

Riesgo

cambiario

crediticio de

la banca en

el Perú

Tasa de

crecimiento

del ratio de

morosidad de

los créditos

en moneda

extranjera.

Serie histórica

del total de las

colocaciones,

cartera

atrasada,

reestructurada

y refinanciada

de los créditos

en moneda

extranjera.

Superintendencia

de Banca,

Seguros y AFPs

(SBS)

Tipo de

cambio

nominal

Variación

anual del tipo

de cambio

bancario

promedio

mensual.

Serie histórica

del tipo de

cambio

bancario

compra y

venta

promedio

mensual.

Banco Central de

Reservas del

Perú (BCRP)

Producto

Bruto

Interno

(PBI)

Variación

anual del

Producto

Bruto Interno

(PBI)

Serie Histórica

del Producto

Bruto Interno

(PBI) real

Instituto

Nacional de

Estadística e

Informática.

Para más detalles acerca del tratamiento de las variables ver Anexo Nº 3.


35

3.4. MATERIAL Y MÉTODOS

Material

Para esta investigación se utilizara memorias, reportes de inflación y datos del tipo de

cambio nominal del BCRP y datos estadísticos del sistema bancario de la SBS.

Unidad de medida de las variables en estudio

La unidad de medida es el valor que toma la tasa de crecimiento anual del ratio de

morosidad bancaria en moneda extranjera y la variación anual del tipo de cambio

bancario promedio mensual.

Población de las variables en estudio

La población es el valor que toma la tasa de crecimiento anual del ratio de morosidad

bancaria en moneda extranjera y la variación anual del tipo de cambio bancario

promedio mensual en el Perú.

Muestra de las variables en estudio

La muestra es el valor que toma la tasa de crecimiento anual del ratio de morosidad

bancaria en moneda extranjera y la variación del tipo de cambio bancario promedio

mensual en el Perú durante el periodo enero 1995 a mayo del 2014.


36

3.5. TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS

Técnicas

Los datos son de series de tiempo de frecuencia mensual para el periodo de enero de

1996 hasta setiembre del 2014. Se utiliza el balance agregado del sistema bancario

peruano reportado por la Superintendencia de Banca, Seguro y AFP’s (SBS) e

información de variables económicas publicadas por el Banco Central de Reservas del

Perú (BCRP) y el Instituto Nacional de Estadística e Informática (INEI). En el Anexo Nº

3 se presenta el detalle de estas variables y las transformaciones realizadas.

El ratio de morosidad de los créditos en moneda extranjera es construido como un ratio

de morosidad ampliado ya que además de la cartera pesada (cartera vencida + cartera en

cobranza judicial) incluye a la cartera refinanciada y reestructurada en el cálculo. Por

otro lado, para obtener la variable PBI real, se desestacionalizo el PBI a precios

constantes de 1994 mediante el uso del software estadístico Tramo Seats (TSW).

Finalmente, se calculó la variación a 12 meses del ratio de morosidad de los créditos en

moneda extranjera, del tipo de cambio bancario promedio mensual y del PBI real.

Instrumentos

Se realizara la codificación de datos utilizando Microsoft Excel 2010.


37

3.6. ESTRATEGIAS METODOLÓGICAS

Para contrastar la hipótesis se sigue un procedimiento de estimación econométrica. Se

estima un modelo de cambio de régimen del tipo Markov Switching (MS) con el fin de

detectar el cambio de régimen en la relación del tipo de cambio y el riesgo cambiario

crediticio de la banca en el Perú durante el periodo enero de 1996 a setiembre del 2014.

A continuación se detalla la metodología econométrica a utilizar.

El modelo de cambio de régimen del tipo Markov-Switching

Este enfoque de modelos de series de tiempo no lineales se debe a Hamilton (1989). La

idea subyacente es que las variables analizadas presentan distintos procesos generadores

de datos que dependen del estado en que se encuentra la economía. Siguiendo a Krolzig

(2002) el Modelo Markov Switching (MS) para una variable endógena con un

comportamiento autorregresivo y un conjunto de variables exógenas , se resume en la

siguiente ecuación.

∑

∑

Se asume que la variable , representa los errores de la regresión, se distribuye como

una función de distribución normal condicionada a la variable no

observable: .


38

Utilizando de nomenclatura de Krolzig (1997, Cap. 1), el modelo descrito líneas arriba

corresponde a un . Es decir, es un modelo cuyo intercepto ,

coeficientes autoregresivos , varianza de los errores , y

coeficiente de las variables exógenas depende de una variable estocástica que

sigue un proceso de cadenas de Markov de primer orden con probabilidades de

transición constantes. Para más detalles ver Anexo Nª 4.


39

IV. RESULTADOS


40

4.1. HECHOS ESTILIZADOS

El objetivo de esta investigación es analizar el efecto de la depreciación del tipo de

cambio nominal en el riesgo cambiario crediticio, riesgo que es generado por el

descalce de moneda de los deudores en su hoja balance. Para esta investigación el

indicador del riesgo cambiario crediticio (RCC), es construido como el ratio de créditos

con problemas de pago (refinanciados, reestructurados, vencidos y en cobranza judicial)

del total del portafolio de créditos en moneda extranjera. A diferencia del ratio de

morosidad calculado por la SBS, este incluye a los créditos reestructurados y

refinanciados, debido a que estos presentan implícitamente problemas de pago que

pueden haber sido causados por factores idiosincráticos de los deudores, por factores

sistemáticos (como caídas del PBI o depreciación del tipo de cambio) o por una

combinación de ambos.

En el Gráfico Nº 01 se presenta la evolución de la tasa de crecimiento anual del ratio de

morosidad de la cartera de créditos en moneda extranjera y la variación anual del tipo de

cambio promedio bancario mensual. Se observa que durante el periodo 1998 – 2001 las

depreciaciones del tipo de cambio fueron acompañadas de fuertes incrementos en el

ratio de morosidad en moneda extranjera. Esto se debió a que durante este periodo se

dieron shocks tanto externos como internos que afectaron la solidez del sistema bancario

peruano. Primero, en julio de 1997 se inició la crisis asiática con la devaluación del bath

tailandés, lo cual afecto el precio de las exportaciones de las economías de países

emergentes, por lo que algunos países adoptaron medidas para contrarrestar la


41

volatilidad del tipo de cambio y detener la pérdida de reservas internacionales en un

intento de defender sus monedas.

Gráfico Nº 01: Morosidad del portafolio de créditos en moneda extranjera y tipo de cambio

nominal (variación porcentual 12 meses)

Fuente: SBS y BCRP Elaboración propia

Luego, en agosto de 1998, Rusia declaro la moratoria en el pago de su deuda lo cual fue

acompañado con la desestabilización del rublo. Esto genero una crisis de liquidez

internacional. En América Latina las tasas de interés y la percepción de riesgo país

aumentaron. En el Perú, la crisis implico el cierre de las líneas de crédito del exterior

hacia los bancos locales disminuyendo su liquidez para realizar operaciones. Finalmente

en enero de 1999 el real comenzó su transición a un régimen de tipo de cambio flotante,

con lo cual se dio inicio, lo que acentuó la contracción del crédito bancario y de la

actividad económica e indujo al alza de las tasa interés.


42

Posteriormente, a partir de mediados del 2002 se inicia un proceso de ajustes que

lograron reactivar la economía y aumentar la profundización financiera. Los resultados

fueron un sostenido crecimiento del crédito y la disminución de la morosidad en moneda

extranjera hasta finales del 2008. Por su parte entre los años 2000 y 2005 se presencia un

periodo de relativa calma en la evolución del tipo de cambio. A inicios del 2006, la

depreciación del nuevo sol alcanza el 5%, lo cual es asociado a la incertidumbre

electoral que género un aumento de la demanda por dólares, reflejándose en fuertes

presiones al alza sobre el tipo de cambio. Entre finales del 2006 y mediados del 2007 la

evolución del tipo de cambio mostro una tendencia marcadamente apreciatoria, asociado

a la entrada de divisas debido a los continuos superávit comerciales registrados en ese

periodo, y acentuado por el carry trade a favor del nuevo sol.

En setiembre del 2008, tras la declaración de banca rota del banco de inversión Lehman

Brothers, estallo la crisis financiera internacional, lo que elevo la percepción de riesgo

de los agentes locales y extranjeros, produciendo una fuerte salida de capitales. El

resultado fue una caída en el crédito del sistema bancario y el aumento de la cartera

morosa entre octubre del 2008 y octubre del 2009. De otro lado el tipo de cambio

también se vio afectado por la crisis internacional, debido a que la salida de capitales

elevo la demanda de dólares, presionando a la depreciación de la moneda local. Como

consecuencia el nuevo sol mostro una depreciación de 7% frente al dólar entre setiembre

del 2008 y febrero del 2009.

Finalmente desde finales del 2009 hasta finales del 2011, se observa un periodo de

reducción de la percepción de riesgo internacional y recuperación de los mercados


43

financieros. Con esto, se revierte el ciclo de aumento de la morosidad en moneda

extranjera, lo que permitió la recuperación de la solidez del sistema bancario. Sin

embargo, desde inicios del 2012 se muestra una clara tendencia creciente del ratio de

mora de los créditos en moneda extranjera, debido a la desaceleración del crédito en

moneda extranjera a partir de junio del 2011, y acentuado a mediados del 2013 por la

fuerte depreciación del tipo de cambio. Debido a el anuncio del retiro monetario por

parte de la FED, entre mayo del 2013 y agosto del 2014 el nuevo sol se deprecio en 6%.

4.2. ESTIMACIÓN DEL MODELO

Sobre la base del modelo teórico propuesto, las variables claves que determinan la

morosidad de los créditos en moneda extranjera son el tipo de cambio (TC) y el

Producto Bruto Interno (PBI), antes de proceder a estimar se debe tener en cuenta que

los modelos considerados en este trabajo tienen como supuesto esencial la

estacionariedad de las series, por lo que se llevaron a cabo pruebas de raíz unitaria para

detectar la presencia de la misma, encontrándose que todas las series en estudio

presentan este problema. A continuación se procedió a transformar las series en primeras

diferencias con lo que se eliminó la presencia de raíz unitaria, los detalles de las pruebas

se muestran en el Anexo Nº 05.

Otro supuesto importante del modelo es la ausencia de bidirecionalidad, por lo que

mediante el Test de Causalidad de Granger se busca probar que existe causalidad de un

solo lado, es decir qué el modelo es unidireccional y puede ser representado por un

modelo Markov Switching Autoregreivo (MS AR). Los resultados del Test se presentan

en el Anexo Nº 06 y rechazan la presencia de bidirecionalidad entre las variables en


44

estudio. Esto quiere decir que solo el Tipo de cambio y el PBI causan en el sentido de

Granger a la morosidad de los créditos en moneda extranjera, y no a la inversa.

El siguiente paso fue comparar la linealidad versus una especificación de tipo MS AR.

Debido a que los modelos no lineales del tipo Markov no tienen una distribución

estándar, Humala (2006) propone utilizar alternativamente criterios de bondad de ajuste

para elegir la mejor especificación. Para la presente investigación se tomara como

criterio para la elección del mejor modelo a la sumatoria de cuadrado de los residuos

(SCR).

Cuadro Nº 01: Criterios de selección de los modelos

NOTAS: SCR: Suma de cuadrado de residuos; valor de la prueba de Davies ( : modelo

lineal); Pr(Jarque–Bera) valor de prueba de normalidad ( : residuos son normalmente

distribuidos).

En el Cuadro Nº 01. Se observa que el modelo no lineal del tipo MS es superior a una

especificación lineal en función de la sumatoria de cuadrado de los residuos (SCR). La

prueba de Davies rechaza la hipótesis nula de linealidad a favor de la no linealidad del

tipo MS al nivel de confianza de 99%. La prueba de Jarque-Bera no permite rechazar la

hipótesis nula de normalidad de los residuos en los modelos del tipo MS. Esto

constituye otro punto a favor del uso de los modelos no lineales. Las probabilidades

suavizadas obtenidas del modelo MSIAH(2)-ARX(2) presentan el mejor ajuste respecto

a los hechos estilizados discutidos en la sección anterior. Así, [ ] los cuales

representan los estados de pequeño impacto del tipo de cambio en la morosidad de los

créditos en moneda extranjera y fuerte impacto del tipo de cambio en la morosidad de

SCR Pr(Davies) Pr(Jarque-Bera)

Modelo Lineal AR(2) 0.2717 - (0.000)

MSIAH(2)-ARX(2) 0.1749 (0.000) (0.567)


45

los créditos en moneda extranjera. La forma funcional del modelo MSIAH(2)-ARX(2)

estimado es

Y los resultados de estimación se muestran en el Cuadro Nº 02. Se observa que tanto en

periodos de pequeño impacto del tipo de cambio en la morosidad de los créditos en

moneda extranjera como de fuerte impacto del tipo de cambio en la morosidad

de los créditos en moneda extranjera , la relación entre y es

positiva, lo cual está acorde con la teoría, sin embargo en el impacto es mucho

mayor que en . Adicionalmente, la relación entre y es negativa, lo

que también se respalda en la teoría, sin embargo en el impacto es mucho mayor

que en Esto último se puede explicar cómo la presencia de asimetrías debido a

que las entidades de crédito aumentan en forma entusiasta su exposición al riesgo en las

fases de expansión económica, pero lo contraen pesimistamente en las fases recesivas

en respuesta al deterioro en las perspectivas de recuperación de los créditos, Jiménez

(2010).


46

Cuadro Nº 02: Resultados del modelo MSIAH(2)-ARX(2) (Ene 1996 a Set 2014)

NOTA: Coeficientes estimados, p value entre paréntesis

La matriz de probabilidades de transición P resultante es la siguiente

[

]

La cual indica que no existen estados absorbentes, dado que las probabilidades son

todas menores que uno. Asimismo, puede observarse que el estado de pequeño impacto

resulta ser el más persistente; es decir, una vez en él, lo más probable es continuar en

ese estado. Esto también se puede derivar a través de las duraciones esperadas de los

estados del modelo9, observándose que el estado de fuerte impacto del tipo de cambio

en la morosidad de los créditos en moneda extranjera tendría una duración de

14 meses mientras que el estado de pequeño impacto del tipo de cambio en la

morosidad de los créditos en moneda extranjera tendría una duración esperada

de 88 meses. Por ello, podemos afirmar que el sistema bancario peruano ha atravesado

9 Se puede utilizar la siguiente fórmula (1/1-p), donde “p”, es la probabilidad de seguir en el estado “n”, dado que en el periodo anterior estuvimos en el estado “n”.

-0.034 (0.000) 0.003 (0.110)

-0.772 (0.000) 0.176 (0.011)

-0.557 (0.001) 0.341 (0.000)

1.518 (0.010) 0.167 (0.173)

-6.157 (0.000) -1.098 (0.003)

0.038 (0.000) 0.026 (0.000)

Número de observaciones

Duración esperada

Fuerte Impacto Pequeño Impacto

42

14.14

179

88.33


47

por periodos largos de pequeño impacto del tipo de cambio en la morosidad de los

créditos en moneda extranjera.

La evolución de las probabilidades suavizadas se muestra en la Figura Nº 01, donde se

aprecia que el modelo seleccionado recoge satisfactoriamente los hechos estilizados

reseñados en la sección anterior. Destaca el período de elevada morosidad de los

créditos en moneda extranjera producto de la crisis rusa y brasileña entre 1998 y 1999.

Además, el modelo captura el periodo de baja morosidad de los créditos en moneda

extranjera marcado entre el 2002 y 2007, que puede estar asociado con la estabilidad

macroeconómica, el crecimiento vertiginoso del crédito y el PBI, y la apreciación del

tipo de cambio. Además, el modelo MS-AR reconoce el periodo de alta morosidad de

los créditos en moneda extranjera entre diciembre del 2009 hasta octubre del 2010 como

consecuencia del estallido de la crisis financiera global marcado por la quiebra del

banco de inversión Lehman Brothers. Desde entonces el modelo no identifica otro

periodo de fuertes impactos del tipo de cambio en la morosidad de los créditos en

moneda extranjera.


48

Figura Nº 01: Probabilidades suavizadas del modelo MSIAH(2)–ARX(2)


49

V. DISCUSIÓN

El objetivo de esta investigación como ya se ha mencionado a lo largo de este trabajo es

conocer cuál es el efecto de la depreciación del tipo de cambio nominal en el riesgo

cambiario crediticio (medido por la tasa de crecimiento anual del ratio de morosidad en

moneda extranjera).

Los resultados muestran que en general el modelo no lineal MSIAH(2)-ARX(2) es

superior a una especificación lineal. Los coeficientes estimados del modelo evidencian

los efectos asimétricos del tipo de cambio y del ciclo económico en la morosidad de los

créditos en moneda extranjera. La existencia de causalidad en un solo sentido permite

estimar un modelo unidireccional el cual es representado por un modelo Markov

Switching Autoregreivo (MS AR), en el cual la morosidad de los créditos en moneda

extranjera se encuentra explicada por un componente autoregresivo, el tipo de cambio y

el PBI.

Por lo tanto, la depreciación del tipo de cambio nominal impacta negativamente el

patrimonio neto de los agentes, revirtiéndose el efecto riqueza, y se produce un deterioro

en la capacidad de pago de los agentes en moneda extranjera. De este modo se restringe

el acceso a nuevos créditos y se descuadran los flujos de pagos descalzados. Esto

empeora si el nivel de endeudamiento de los agentes y las empresas ya era muy elevado,

por lo que se incrementa la cartera morosa en moneda extranjera, amplificandose el

riesgo cambiario crediticio, sin embargo las variables guardan una relación no lineal, es

decir existen parámetros cambiantes.


50

Los bancos, la SBS, y los hacedores de política deben tener en cuenta que los periodos

de auge crediticio son casi siempre predecesores de crisis financiera, y por consiguiente

de elevados niveles de morosidad. Como ya se habló anteriormente debido a que los

mercados se encuentran inundados de liquidez, se relajan las condiciones para el

otorgamiento de créditos, es por ello que ante una fuerte depreciación del tipo de cambio

nominal los agentes endeudados en moneda extranjera ven afectada su capacidad de

pago lo que da un mensaje a realizar medidas preventivas en la gestión del riesgo

crediticio derivado del riesgo cambiario.

Los resultados de este estudio no hacen más que confirmar que cambios vertiginosos y

abruptos reflejan exactamente la racionalidad y el mundo Markoviano que Lucas (1976)

y (1988), esbozó, es decir, que los agentes sólo toman en consideración lo sucedido

hasta el instante inmediatamente anterior al presente, condicionando su accionar. El

cambio rápido y estocástico del estado de baja volatilidad al estado de alta volatilidad,

refleja la aversión al riesgo que hay en el mercado bancario peruano cuando se dan las

condiciones que se dieron durante la crisis asiática, ruso – brasilera y financiera

internacional.

Finalmente hay que mencionar que el objetivo de este trabajo no es la predicción, sino la

de corroborar si la depreciación del tipo de cambio nominal afecta de manera asimétrica

y no lineal, a la tasa de crecimiento anual del ratio de morosidad en moneda extranjera, y

por consiguiente, al riesgo cambiario crediticio. Además de encontrar información

relevante y distinta a las estimaciones lineales tradicionales.


51

VI. CONCLUCIONES

Los resultados de esta investigación corroboran que la depreciación del tipo de

cambio nominal tiene un efecto amplificador del riesgo cambiario crediticio,

medido por la tasa de crecimiento anual del ratio de morosidad en moneda

extranjera. Sin embargo el efecto es asimétrico, es decir que existen parámetros

cambiantes.

Los fuertes incrementos en la tasa de crecimiento anual del ratio de morosidad en

moneda extranjera se debió a shocks tanto externos como internos, entre estos

tenemos a; la crisis asiática (julio 1997), crisis rusa (agosto 1998), crisis brasilera

(enero 1999) y la crisis financiera internacional (setiembre 2008).

Los periodos de elevada presión hacia la depreciación del tipo de cambio han sido

motivados, generalmente, por crisis financieras internacionales como la crisis

asiática y la crisis ruso – brasileña de finales de los 90’s, más recientemente se han

visto fuertes depreciaciones del tipo de cambio debido a la crisis financiera

internacional (2009) y debido al retiro del estímulo monetario de la FED (2013).

En la evolución de las probabilidades suavizadas se aprecia que el modelo

seleccionado recoge satisfactoriamente los hechos estilizados reseñados en la

sección anterior. Destaca el período de elevada morosidad de los créditos en

moneda extranjera producto de la crisis rusa y brasileña entre 1998 y 1999. Además,

el modelo captura el periodo de baja morosidad de los créditos en moneda

extranjera marcado entre el 2002 y 2007, que puede estar asociado con la

estabilidad macroeconómica, el crecimiento vertiginoso del crédito y el PBI, y la


52

apreciación del tipo de cambio. Además, el modelo MS-AR reconoce el periodo de

alta morosidad de los créditos en moneda extranjera entre diciembre del 2009 hasta

octubre del 2010 como consecuencia del estallido de la crisis financiera global

marcado por la quiebra del banco de inversión Lehman Brothers. Desde entonces el

modelo no identifica otro periodo de fuertes impactos del tipo de cambio en la

morosidad de los créditos en moneda extranjera.

VII. RECOMENDACIONES

Los métodos usados y los resultados presentados en esta investigación, corroboran la

existencia de efectos no lineales de la depreciación del tipo de cambio nominal en la tasa

de crecimiento anual del ratio de morosidad en moneda extranjera, sin embargo este

efecto asimétrico se produce solo en el corto plazo en el cual los precios son rígidos.

Queda pendiente la estimación de una relación lineal de largo plazo entre las variables.

Asimismo, se abre el debate frente a nuevas especificaciones no lineales que

identifiquen otros periodos de altos ratios de morosidad en moneda extranjera, como los

ocurridos en el último año.

El mayor impacto de la depreciación del tipo de cambio nominal en el riesgo cambiario

crediticio en época de mercados convulsionados, por crisis financieras y cambiarias, da

un mensaje a realizar medidas preventivas en la gestión del riesgo crediticio derivado del

riesgo cambiario. En particular estas medidas preventivas pueden dirigirse a la mejor

evaluación de los créditos a otorgarse en moneda extranjera, incluyendo un análisis de


53

sensibilidad, que consista en probar la capacidad de pago del deudor que presenta un

descalce en su hoja balance ante fuertes depreciaciones del tipo de cambio.

Se recomienda a los agentes económicos no solo guiarse por la tasa de interés al

momento de tomar la decisión de adquirir un préstamo en dólares, también deben tener

en cuenta la probabilidad de que el tipo de cambio se deprecie, debido a que una

depreciación incrementa las cuotas de sus préstamos, llegando a ser las cuotas similares

o incluso superiores a las del mismo préstamo en soles. Se recomienda a los agentes que

si sus ingresos son en soles, es preferible tomar endeudarse en la misma moneda, sobre

todo en el actual estado de sostenida depreciación del tipo de cambio.


54

VIII. REFERENCIAS BIBLIOGRÁFICAS

Allen M., Rosenberg Ch., Keller Ch., Sester B. y N. Roubini (2002) “A Balance Sheet

Approach to Financial Crises”, IMF Working Paper WP/02/210.

Azabache, Pablo (2009) “Efectos No-Lineales de las Variaciones del Tipo de Cambio

sobre el Riesgo Cambiario-Crediticio. Evidencia Empírica para Perú” Revista de

Estudios Económicos Nº 18, BCRP

Castillo Bardález, Paul (2011) “Políticas Macro-prudenciales en la Región”. Revista

Moneda Nº 149. BCRP.

Céspedes, L. F., R. Chang y A. Velasco (2000). Balance sheets and exchange rate

policy, National Bureau of Economic Research, NBER Working Paper, n.º 7840.

Choy, Marylin y Chang, Giancarlo (2014) “Medidas macroprudenciales aplicadas en el

Perú”. Serie de Documentos de Trabajo Nº 2014-007. BCRP

Davis, E. P. (1995). Debt, financial fragility, and systemic risk, Oxford University

Press.

Delgado, J., y J. Saurina (2004). “Riesgo de crédito y dotaciones a insolvencias. Un

análisis con variables macroeconómicas”, Moneda y Crédito, n.º 219, pp. 11-41.

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

Good or Bad?”. IMF Working Paper WP/03.

Escobar Patiño, Fernando (2004) “Efectos de las variaciones del tipo de cambio sobre

las actividades de intermediación financiera en Bolivia: 1990 – 2003”. Revista de

análisis, vol. 6, Nº 1. Banco Central de Bolivia.

Hernández, R., Fernández, C. y Baptista, P. (2010) Metodología de la investigación.

México. Quinta Edición. McGraw – Hill.


55

Humala, A. (2006) “Modelos Markov con probabilidades de transición variante: Una

aplicación al análisis de crisis bancarias”, BCRP, XXIV Encuentro de Economistas.

Ibáñez, F., Peña, M. y Araujo, A. (2006). Explorando la relación entre políticas

crediticias y resultados de la banca ex post. Universidad del País Vasco.

Jiménez Sotelo, Renzo (2003) “Riesgo crediticio derivado del riesgo cambiario:

perspectiva de una economía parcialmente dolarizada”. Apuntes Nº 52/53. Lima:

Universidad del Pacífico.

Jiménez Sotelo, Renzo (2010) “Ciclo crediticio y acelerador cambiario: evidencia

empírica y consecuencias para la regulación prudencial”. Economía Vol. XXXIII,

Nº 65, pp. 133 – 176. BCRP

Krolzig, H – M. (1997) Markov-Switching Vector Autoregressions Modelling Statical

Inference and Application to Business Cycle Analysis, Lecture Notes in Economics

and Mathematical Systems 454, Spinger.

Saurina, J. (1998). Determinantes de la morosidad de las cajas de ahorros españolas.

Investigaciones Económicas, 22,393-426. Banco de España.

Vallcorba, M. y Delgado J. (2007). Determinantes de la morosidad bancaria en una

economía dolarizada. El caso uruguayo. Documentos de Trabajo, 722. Banco de

España.

Superintendencia de Banca, Seguros y AFP (2005) “Reglamento para la administración

del riesgo cambiario crediticio”. Resolución Nº 41. SBS


56

ANEXO Nº 1: TIPOS DE RIESGO BANCARIOS

Para entender el comportamiento del sistema financiero en el Perú será necesario partir de

las definiciones básicas de los riesgos involucrados en el tema. Según Basilea II, los riesgos

más importantes son tres; el riesgo de crédito, el riesgo de mercado y el riesgo operacional.

Los cuales se definen como:

a) Riesgo de crédito: Posibilidad de pérdida a consecuencia del incumplimiento de las

obligaciones por parte del prestatario.

b) Riesgo de mercado: Posibilidad de pérdidas en posiciones dentro y fuera del

balance derivadas de fluctuaciones de los precios de mercado. El riesgo de mercado

comprende los siguientes riesgos:

Riesgo de tasas de interés: Posibilidad de pérdidas derivadas de

fluctuaciones de las tasas de interés.

Riesgo de precio: Posibilidad de pérdidas derivadas de fluctuaciones de los

precios de los valores representativos de capital.

Riesgo cambiario: Posibilidad de pérdidas derivadas de fluctuaciones de los

tipos de cambio y del precio del oro.

Riesgo de commodities: Posibilidad de pérdidas derivadas de fluctuaciones

de los precios de los commodities.

c) Riesgo operacional: Posibilidad de ocurrencia de pérdidas debido a procesos

inadecuados, fallas de personal, de tecnologías de información o eventos externos.

Se considera también el riesgo legal, pero se excluye el riesgo estratégico y de

reputación.


57

Sin embargo, estas definiciones de riesgos no contemplan explícitamente la existencia e

interacción de otros riesgos importantes como son los riesgos crediticios derivados de otros

riesgos. Tales riesgos son propios de economías menos desarrolladas con monedas más

débiles y mercados de capitales menos profundos.

Por otro lado, estos riesgos derivados se han generado a raíz del pobre desempeño histórico

de monedas locales de países en donde, periodos de muy alta inflación, destruyeron tanto

los créditos como los depósitos en moneda local. Este fenómeno, en un determinado

momento de sus historias, “obligo” a muchos agentes económicos al uso de divisas

extranjeras, en particular el dólar, como patrones de referencia y protección, aunque su uso

ya venía siendo promovido indirectamente a través del mercado internacional de deuda

desde inicios de la década de 1970.

El más importante de estos riesgos derivados es el “riesgo crediticio derivado del riesgo

cambiario” producido por otorgar créditos en divisas extranjeras (generalmente dólares) y

no en las divisas locales de los prestatarios. Este nuevo riesgo es denominado riesgo

cambiario crediticio, y se define como:

Riesgo cambiario crediticio: Posibilidad de afrontar pérdidas derivadas de

incumplimientos de los deudores en el pago de sus obligaciones crediticias producto

de descalces entre sus exposiciones netas en moneda extranjera.


58

ANEXO Nº 2: EL TIPO DE CAMBIO

Los economistas distinguen entre dos tipos de cambio: el nominal y el real. Analicemos a

continuación cada uno de ellos por separado y veamos qué relación guardan entre sí.

Tipo de cambio nominal: Es el precio relativo de la moneda de dos países.

Tipo de cambio real: Es el precio relativo de los bienes de dos países. Es decir, el

tipo de cambio real indica la relación a la que podemos intercambiar los bienes de

un país por los de otro.

La relación a la que intercambiamos bienes extranjeros y nacionales depende de los precios

de los bienes expresados en las monedas locales y de la relación a la que se intercambian

las monedas. Sea el tipo de cambio nominal (el número de nuevos soles por dólar), P el

nivel de precios de Perú (expresado en nuevos soles) y P* el nivel de precios de Estados

Unidos de América (expresado en dólares). En ese caso, el tipo de cambio real es.

Donde; es el tipo de cambio real, es el tipo de cambio nominal y

es el cociente

entre niveles de precios.

Régimen del tipo de cambio

Un régimen del tipo de cambio flexible es aquel en el que el tipo de cambio está

determinado en el mercado sin ninguna intervención de la autoridad. La forma en la que

esta última puede intervenir es a través de la compra y venta de divisas, labor que se

desarrolla plenamente en un régimen de tipo de cambio fijo, es decir, aquel caso límite en


59

que la autoridad posee una meta para el tipo de cambio nominal. El caso intermedio entre la

plena flexibilidad y la fijación del tipo de cambio se denomina flotación sucia.

El Perú tiene un régimen de flotación libre desde 1990. Las intervenciones esporádicas que

pueda hacer el Banco Central se dirigen a reducir movimientos especulativos de esta

variable en el corto placo. Asimismo, no hay restricciones al uso de moneda extranjera

Diferentes tipos de cambio nominal

A menudo encontramos en el mercado dos tipos de cambio para la misma cotización de

moneda (por ejemplo, soles por dólares). Este diferencial o spread representa la ganancia

que hacen los bancos y otras entidades financieras por comprar y vender moneda.

Tipo de cambio de compra: Es el precio que el banco desea pagar por la moneda.

Tipo de cambio de venta: Es el precio al que el banco desea vender la moneda.

Otra razón para la existencia de distintos tipos de cambio para la misma cotización son los

distintos lugares donde se ofrece comprar o vender la moneda.

Tipo de cambio bancario: Es un promedio de las operaciones del día en el sistema

bancario, publicado por la SBS.

Tipo de cambio interbancario: Corresponde a la cotización de oferta y demanda del

dólar de Estados Unidos de América de las operaciones entre las entidades

bancarias. Es reportado, en la actualidad, por la empresa DATATEC.

Tipo de cambio informal: Es determinado por la oferta y la demanda del mercado

informal de divisas. Es reportado por la empresa Reuters.


60

ANEXO Nº 3: VARIABLES, FUENTES DE INFORMACIÓN Y DEFINICIÓN

Variable Fuente de

información

Fórmula

Morosidad bancaria en ME

mensual (MME)

Superintendencia de Banca, Seguro

y AFPs.

Variación anual del

tipo de cambio

nominal mensual

(TC)

BCRP

Tasa de

crecimiento de la

MME mensual

(VMME)

Superintendencia

de Banca, Seguro

y AFPs.

Producto Bruto

Interno (PBI)

INEI


61

ANEXO Nº 4: DESCRIPCIÓN DEL MODELO DE CAMBIO DE RÉGIMEN DEL TIPO

MARKOV

Krolzig (1997) y (2002), sostiene que un modelo de cambio de régimen AR o VAR asume

que el régimen es generado por una cadena de Markov oculta, homogénea y ergódica, de

estado discreto:

Es decir, la probabilidad de encontrarse en el régimen en el periodo depende

únicamente del régimen en que se encontraba la economía en el periodo . Las

probabilidades de transición deben cumplir con:

∑

{ }

Es decir, las probabilidades de pasar de un estado hacia cualquier otro deben sumar 1. Las

probabilidades de transición sigue un proceso markoviano ergódico e irreductible de primer

orden. Ello significa que pueden existir estados persistentes (con probabilidades de

transición cercana a 1) mas no absorbentes (iguales a 1). Por lo que siempre cabe la

posibilidad de hacer la transición hacia cualquier estado.

Estas probabilidades pueden representarse en la matriz de transición para un proceso de

cadenas de Markov de M estados.

[

]


62

Donde , para .

La variable no observable puede inferirse mediante el algoritmo interactivo de

maximización de expectativas propuesto por Hamilton (1990) y descrito con detalle en

Krolzig (1997, cap. 6) que permite obtener la probabilidad que se encuentre en un

régimen específico en cada momento del tiempo. Cuando se utilza toda la información

disponible en cada momento del tiempo, se obtienen las probabilidades suavizadas.

Cuando se utiliza la información que está disponible en cada momento del tiempo, se

obtienen las probabilidades filtradas. En adelante PS, y PF se referirán a las probabilidades

suavizadas y filtradas, respectivamente.

El modelo propuesto, al no incluir rezagos de la variable endógena. Podría padecer

potencialmente de autocorrelación en los errores, lo que podría afectar potencialmente la

precisión de la detección de los procesos generadores de datos (PGD). Al respecto. Bellone

y Saint-Martin (2003) sugieren que el efecto de los parámetros autoregresivos será

capturado en gran parte por las probabilidades de transición que forman parte de la cadena

de Markov.

Adicionalmente, Hamilton (1990), menciona, que si un MS se postula para representar

probables no linealidades en la data, entonces, el cambio en los regímenes se convierte en

una variable aleatoria en sí misma.

En efecto, es una variable aleatoria discreta que describe un número finito de posibles

regímenes. Con , habría entonces hasta cuatro probabilidades de transición.


63

Es decir, y . La matriz de transición estaría dada por:

[

]


64

ANEXO Nº 5: PRUEBA DE RAIZ UNITARIA A LAS VARIABLES

En el siguiente cuadro se presentan las pruebas de raíz unitaria, las cuales plantean la

hipótesis nula de que las series tienen raíz unitaria, los p-value obtenidos no permiten

aceptar la hipótesis nula, por lo que las series son estacionarias.

NOTA: Se presentan los t estadístico de la prueba asi como los p-value

ANEXO Nº 6: TEST DE CAUSALIDAD DE GRANGER

A continuación se presenta el test de causalidad de granger:

Null Hypothesis: Obs F-Statistic Prob.

PBI does not Granger Cause MORA 222 8.85493 0.0002

MORA does not Granger Cause PBI 0.59907 0.5502

TC does not Granger Cause MORA 222 2.19381 0.1140

MORA does not Granger Cause TC 0.15378 0.8576

Mora -5.1785 (0.000) -3.5682 (0.000) -13.8225 (0.000)

TC -5.8870 (0.000) -3.6640 (0.000) -9.3402 (0.000)

PBI -8.0732 (0.000) -7.1805 (0.000) -5.2090 (0.000)

Argumented Dickey-

FullerDickey-Fuller GLS Phillips-Perron


65

ANEXO Nº 7: DATOS ESTADISTICOS

A continuación se presenta la información estadística utilizada en éste estudio:

Variables en niveles

Periodo MORA TC PBI

ene-95 0.141024 2.185 8756.14

feb-95 0.145084 2.208 8804.95

mar-95 0.146165 2.251 8822.35

abr-95 0.132434 2.256 8859.83

may-95 0.137096 2.249 8903.58

jun-95 0.133028 2.242 8945.53

jul-95 0.123910 2.229 9003.19

ago-95 0.124598 2.238 9022.04

sep-95 0.121921 2.246 8987.05

oct-95 0.115272 2.256 8959.71

nov-95 0.117847 2.311 8953.86

dic-95 0.113935 2.322 8955.24

ene-96 0.105410 2.347 8973.30

feb-96 0.106889 2.354 9004.69

mar-96 0.106263 2.355 9020.20

abr-96 0.095434 2.364 9041.31

may-96 0.099371 2.409 9099.83

jun-96 0.095595 2.439 9167.99

jul-96 0.093379 2.444 9202.68

ago-96 0.096430 2.465 9190.90

sep-96 0.097165 2.490 9175.11

oct-96 0.095290 2.554 9214.04

nov-96 0.100382 2.583 9313.01

dic-96 0.091214 2.583 9444.27

ene-97 0.087799 2.625 9553.31

feb-97 0.089013 2.638 9587.38

mar-97 0.094603 2.633 9615.03

abr-97 0.085730 2.661 9680.87

may-97 0.092873 2.664 9718.22

jun-97 0.092244 2.656 9720.68

jul-97 0.089684 2.652 9742.10

ago-97 0.095154 2.654 9814.66

sep-97 0.093836 2.644 9892.06


66

oct-97 0.088532 2.663 9906.21

nov-97 0.093039 2.720 9886.93

dic-97 0.089870 2.716 9861.26

ene-98 0.086844 2.744 9831.00

feb-98 0.089357 2.798 9829.39

mar-98 0.099764 2.806 9840.90

abr-98 0.092522 2.819 9852.37

may-98 0.099726 2.843 9873.39

jun-98 0.101966 2.906 9897.29

jul-98 0.098439 2.919 9935.10

ago-98 0.104013 2.960 9969.57

sep-98 0.108013 3.041 9926.26

oct-98 0.104407 3.049 9825.01

nov-98 0.116388 3.091 9751.66

dic-98 0.120009 3.134 9706.74

ene-99 0.123275 3.247 9681.90

feb-99 0.135821 3.394 9672.69

mar-99 0.156752 3.378 9637.12

abr-99 0.143962 3.348 9604.61

may-99 0.162647 3.331 9642.81

jun-99 0.164625 3.338 9707.20

jul-99 0.151852 3.323 9737.51

ago-99 0.165987 3.361 9787.85

sep-99 0.152485 3.418 9910.30

oct-99 0.144133 3.472 10039.08

nov-99 0.158664 3.482 10112.24

dic-99 0.153009 3.484 10126.43

ene-00 0.148022 3.499 10105.01

feb-00 0.159417 3.456 10088.05

mar-00 0.181804 3.443 10070.39

abr-00 0.162629 3.479 10075.70

may-00 0.175292 3.503 10133.86

jun-00 0.181161 3.487 10176.53

jul-00 0.174959 3.480 10137.37

ago-00 0.178919 3.478 10036.52

sep-00 0.187198 3.485 9962.36

oct-00 0.173698 3.500 9955.70

nov-00 0.184339 3.528 9950.31

dic-00 0.193440 3.520 9913.40

ene-01 0.176953 3.523 9887.87


67

feb-01 0.177685 3.528 9910.02

mar-01 0.197559 3.520 9977.71

abr-01 0.180826 3.559 10047.88

may-01 0.195488 3.600 10083.14

jun-01 0.198210 3.531 10119.56

jul-01 0.186929 3.503 10175.42

ago-01 0.195057 3.492 10200.33

sep-01 0.201608 3.490 10213.87

oct-01 0.187716 3.460 10238.63

nov-01 0.201820 3.440 10247.72

dic-01 0.200849 3.435 10268.57

ene-02 0.181802 3.460 10296.54

feb-02 0.181120 3.477 10339.70

mar-02 0.204257 3.456 10445.98

abr-02 0.176391 3.439 10558.32

may-02 0.184613 3.451 10604.65

jun-02 0.183399 3.481 10610.28

jul-02 0.171625 3.533 10632.29

ago-02 0.177447 3.570 10686.48

sep-02 0.179610 3.619 10740.75

oct-02 0.165069 3.615 10775.27

nov-02 0.176941 3.583 10812.35

dic-02 0.172114 3.514 10856.23

ene-03 0.159884 3.494 10887.49

feb-03 0.162692 3.484 10916.97

mar-03 0.181543 3.479 10992.46

abr-03 0.158126 3.465 11082.53

may-03 0.167773 3.481 11125.37

jun-03 0.171854 3.479 11129.89

jul-03 0.161109 3.471 11099.35

ago-03 0.166652 3.480 11068.27

sep-03 0.170310 3.481 11065.15

oct-03 0.153709 3.478 11065.20

nov-03 0.159235 3.478 11066.80

dic-03 0.147670 3.471 11126.30

ene-04 0.138319 3.467 11247.38

feb-04 0.140132 3.484 11353.43

mar-04 0.152771 3.465 11456.25

abr-04 0.128560 3.470 11553.76

may-04 0.131640 3.487 11567.07


68

jun-04 0.131795 3.477 11531.57

jul-04 0.119998 3.441 11527.83

ago-04 0.123664 3.395 11564.10

sep-04 0.125187 3.358 11632.26

oct-04 0.115380 3.321 11734.55

nov-04 0.116657 3.310 11852.11

dic-04 0.114186 3.281 11961.91

ene-05 0.104231 3.268 12067.65

feb-05 0.104935 3.259 12138.08

mar-05 0.113712 3.259 12163.89

abr-05 0.094866 3.258 12213.48

may-05 0.097648 3.255 12289.25

jun-05 0.096741 3.253 12341.35

jul-05 0.084137 3.252 12363.39

ago-05 0.088147 3.257 12378.80

sep-05 0.088600 3.308 12439.83

oct-05 0.080167 3.381 12579.23

nov-05 0.081386 3.376 12737.22

dic-05 0.076261 3.424 12823.95

ene-06 0.070560 3.393 12876.85

feb-06 0.072063 3.289 12977.26

mar-06 0.077310 3.339 13083.95

abr-06 0.065263 3.332 13126.86

may-06 0.066367 3.279 13149.01

jun-06 0.064022 3.264 13236.28

jul-06 0.057188 3.243 13377.91

ago-06 0.054908 3.234 13494.94

sep-06 0.054941 3.248 13566.09

oct-06 0.050348 3.237 13650.51

nov-06 0.051317 3.222 13778.89

dic-06 0.048852 3.205 13901.21

ene-07 0.042987 3.193 13988.65

feb-07 0.043060 3.190 14087.14

mar-07 0.047311 3.186 14179.46

abr-07 0.040658 3.178 14245.49

may-07 0.039042 3.168 14326.17

jun-07 0.038146 3.170 14421.79

jul-07 0.033002 3.161 14525.91

ago-07 0.033793 3.158 14644.56

sep-07 0.034286 3.136 14786.47


69

oct-07 0.030858 3.020 14926.00

nov-07 0.030874 3.001 15067.36

dic-07 0.029915 2.981 15249.09

ene-08 0.026217 2.950 15453.70

feb-08 0.026256 2.906 15622.77

mar-08 0.027722 2.811 15705.53

abr-08 0.022915 2.748 15745.48

may-08 0.023872 2.805 15846.02

jun-08 0.023423 2.892 15996.61

jul-08 0.020917 2.848 16111.70

ago-08 0.021055 2.892 16189.78

sep-08 0.020815 2.966 16215.65

oct-08 0.018993 3.075 16163.30

nov-08 0.019921 3.092 16061.74

dic-08 0.020866 3.114 15969.49

ene-09 0.020872 3.151 15917.83

feb-09 0.022368 3.236 15859.63

mar-09 0.024798 3.175 15804.97

abr-09 0.022610 3.085 15807.40

may-09 0.024673 2.994 15820.45

jun-09 0.026108 2.990 15836.55

jul-09 0.024266 3.013 15953.22

ago-09 0.025428 2.951 16142.24

sep-09 0.025091 2.910 16310.55

oct-09 0.023720 2.872 16448.62

nov-09 0.024732 2.885 16554.57

dic-09 0.024418 2.877 16643.42

ene-10 0.022995 2.856 16741.05

feb-10 0.023937 2.854 16871.58

mar-10 0.027690 2.839 17027.48

abr-10 0.023596 2.840 17172.76

may-10 0.025277 2.846 17315.73

jun-10 0.025680 2.838 17438.57

jul-10 0.025167 2.823 17534.89

ago-10 0.025903 2.802 17668.83

sep-10 0.025631 2.791 17841.20

oct-10 0.022742 2.791 17986.77

nov-10 0.023671 2.806 18082.79

dic-10 0.023071 2.816 18164.72

ene-11 0.021426 2.787 18240.48


70

feb-11 0.021482 2.771 18299.04

mar-11 0.023293 2.779 18397.11

abr-11 0.020413 2.816 18508.27

may-11 0.020733 2.775 18549.10

jun-11 0.021627 2.764 18595.28

jul-11 0.019610 2.741 18703.40

ago-11 0.019997 2.739 18808.21

sep-11 0.020589 2.744 18901.07

oct-11 0.019053 2.732 18996.71

nov-11 0.019365 2.705 19106.01

dic-11 0.019456 2.696 19226.47

ene-12 0.017594 2.693 19319.61

feb-12 0.018089 2.684 19411.04

mar-12 0.019627 2.671 19510.84

abr-12 0.017447 2.657 19611.47

may-12 0.018130 2.669 19743.31

jun-12 0.018670 2.671 19888.89

jul-12 0.017749 2.635 19999.01

ago-12 0.018563 2.616 20087.46

sep-12 0.018407 2.603 20158.05

oct-12 0.017244 2.588 20194.07

nov-12 0.017911 2.599 20252.62

dic-12 0.018161 2.567 20334.90

ene-13 0.016382 2.552 20404.33

feb-13 0.017150 2.578 20475.97

mar-13 0.019529 2.594 20542.46

abr-13 0.017535 2.598 20606.88

may-13 0.018988 2.644 20712.79

jun-13 0.019689 2.748 20831.27

jul-13 0.018754 2.777 20918.15

ago-13 0.019586 2.802 21002.67

sep-13 0.020143 2.779 21092.95

oct-13 0.018848 2.769 21193.69

nov-13 0.020194 2.798 21283.05

dic-13 0.021450 2.785 21341.16

ene-14 0.020386 2.809 21417.32

feb-14 0.021050 2.813 21518.51

mar-14 0.023826 2.806 21620.17

abr-14 0.020887 2.794 21722.31

may-14 0.022473 2.787 21824.94


71

jun-14 0.022802 2.794 21928.05

jul-14 0.022291 2.786 22031.64

ago-14 0.023222 2.814 22135.73

sep-14 0.025244 2.864 22240.31

Variación a 12 meses

Periodo MORA TC PBI

ene-96 -0.25254 0.07444 0.02480

feb-96 -0.26326 0.06582 0.02269

mar-96 -0.27299 0.04639 0.02243

abr-96 -0.27938 0.04802 0.02048

may-96 -0.27517 0.07138 0.02204

jun-96 -0.28139 0.08819 0.02487

jul-96 -0.24640 0.09650 0.02216

ago-96 -0.22607 0.10139 0.01872

sep-96 -0.20304 0.10889 0.02093

oct-96 -0.17335 0.13206 0.02839

nov-96 -0.14820 0.11783 0.04011

dic-96 -0.19942 0.11242 0.05461

ene-97 -0.16707 0.11848 0.06464

feb-97 -0.16724 0.12089 0.06471

mar-97 -0.10973 0.11798 0.06594

abr-97 -0.10168 0.12564 0.07074

may-97 -0.06539 0.10565 0.06796

jun-97 -0.03505 0.08867 0.06028

jul-97 -0.03957 0.08479 0.05862

ago-97 -0.01323 0.07639 0.06787

sep-97 -0.03427 0.06170 0.07814

oct-97 -0.07092 0.04264 0.07512

nov-97 -0.07315 0.05284 0.06163

dic-97 -0.01474 0.05149 0.04415

ene-98 -0.01087 0.04533 0.02907

feb-98 0.00387 0.06069 0.02524

mar-98 0.05456 0.06551 0.02349

abr-98 0.07922 0.05930 0.01772

may-98 0.07379 0.06724 0.01597

jun-98 0.10539 0.09428 0.01817

jul-98 0.09763 0.10075 0.01981


72

ago-98 0.09310 0.11556 0.01578

sep-98 0.15109 0.15016 0.00346

oct-98 0.17931 0.14500 -0.00820

nov-98 0.25096 0.13665 -0.01368

dic-98 0.33536 0.15376 -0.01567

ene-99 0.41949 0.18331 -0.01517

feb-99 0.51997 0.21308 -0.01594

mar-99 0.57123 0.20407 -0.02071

abr-99 0.55598 0.18778 -0.02515

may-99 0.63095 0.17174 -0.02335

jun-99 0.61452 0.14856 -0.01921

jul-99 0.54260 0.13834 -0.01989

ago-99 0.59583 0.13548 -0.01823

sep-99 0.41173 0.12398 -0.00161

oct-99 0.38050 0.13898 0.02179

nov-99 0.36324 0.12627 0.03698

dic-99 0.27498 0.11160 0.04324

ene-00 0.20075 0.07765 0.04370

feb-00 0.17374 0.01811 0.04294

mar-00 0.15982 0.01914 0.04496

abr-00 0.12966 0.03911 0.04905

may-00 0.07774 0.05173 0.05092

jun-00 0.10044 0.04473 0.04835

jul-00 0.15217 0.04749 0.04106

ago-00 0.07791 0.03455 0.02541

sep-00 0.22765 0.01954 0.00525

oct-00 0.20512 0.00805 -0.00831

nov-00 0.16182 0.01344 -0.01601

dic-00 0.26424 0.01026 -0.02104

ene-01 0.19545 0.00664 -0.02149

feb-01 0.11459 0.02098 -0.01765

mar-01 0.08666 0.02234 -0.00920

abr-01 0.11189 0.02295 -0.00276

may-01 0.11521 0.02761 -0.00501

jun-01 0.09411 0.01254 -0.00560

jul-01 0.06841 0.00660 0.00375

ago-01 0.09020 0.00404 0.01632

sep-01 0.07697 0.00146 0.02525

oct-01 0.08071 -0.01151 0.02842

nov-01 0.09483 -0.02520 0.02989


73

dic-01 0.03830 -0.02393 0.03583

ene-02 0.02740 -0.01794 0.04133

feb-02 0.01933 -0.01469 0.04336

mar-02 0.03391 -0.01806 0.04693

abr-02 -0.02452 -0.03370 0.05080

may-02 -0.05563 -0.04129 0.05172

jun-02 -0.07472 -0.01419 0.04849

jul-02 -0.08187 0.00847 0.04490

ago-02 -0.09028 0.02249 0.04766

sep-02 -0.10911 0.03696 0.05158

oct-02 -0.12065 0.04478 0.05241

nov-02 -0.12327 0.04178 0.05510

dic-02 -0.14307 0.02296 0.05723

ene-03 -0.12056 0.00996 0.05739

feb-03 -0.10174 0.00211 0.05583

mar-03 -0.11121 0.00663 0.05232

abr-03 -0.10355 0.00750 0.04965

may-03 -0.09122 0.00862 0.04910

jun-03 -0.06295 -0.00055 0.04897

jul-03 -0.06127 -0.01743 0.04393

ago-03 -0.06083 -0.02517 0.03573

sep-03 -0.05178 -0.03818 0.03020

oct-03 -0.06882 -0.03784 0.02691

nov-03 -0.10007 -0.02945 0.02353

dic-03 -0.14202 -0.01222 0.02488

ene-04 -0.13488 -0.00767 0.03306

feb-04 -0.13867 -0.00013 0.03998

mar-04 -0.15848 -0.00405 0.04219

abr-04 -0.18698 0.00145 0.04252

may-04 -0.21536 0.00175 0.03970

jun-04 -0.23310 -0.00046 0.03609

jul-04 -0.25518 -0.00867 0.03860

ago-04 -0.25795 -0.02437 0.04480

sep-04 -0.26494 -0.03541 0.05125

oct-04 -0.24936 -0.04519 0.06049

nov-04 -0.26739 -0.04819 0.07096

dic-04 -0.22675 -0.05480 0.07510

ene-05 -0.24645 -0.05738 0.07293

feb-05 -0.25117 -0.06450 0.06911

mar-05 -0.25567 -0.05939 0.06177


74

abr-05 -0.26209 -0.06101 0.05710

may-05 -0.25822 -0.06663 0.06243

jun-05 -0.26597 -0.06454 0.07022

jul-05 -0.29884 -0.05499 0.07248

ago-05 -0.28721 -0.04068 0.07045

sep-05 -0.29226 -0.01491 0.06943

oct-05 -0.30519 0.01799 0.07198

nov-05 -0.30235 0.01991 0.07468

dic-05 -0.33213 0.04365 0.07206

ene-06 -0.32304 0.03827 0.06706

feb-06 -0.31326 0.00918 0.06914

mar-06 -0.32013 0.02455 0.07564

abr-06 -0.31205 0.02258 0.07479

may-06 -0.32034 0.00742 0.06996

jun-06 -0.33822 0.00347 0.07251

jul-06 -0.32030 -0.00275 0.08206

ago-06 -0.37709 -0.00705 0.09017

sep-06 -0.37990 -0.01808 0.09054

oct-06 -0.37196 -0.04240 0.08516

nov-06 -0.36947 -0.04561 0.08178

dic-06 -0.35941 -0.06395 0.08400

ene-07 -0.39078 -0.05917 0.08634

feb-07 -0.40247 -0.02993 0.08552

mar-07 -0.38804 -0.04603 0.08373

abr-07 -0.37701 -0.04600 0.08522

may-07 -0.41172 -0.03401 0.08953

jun-07 -0.40416 -0.02876 0.08956

jul-07 -0.42292 -0.02534 0.08581

ago-07 -0.38455 -0.02356 0.08519

sep-07 -0.37595 -0.03441 0.08996

oct-07 -0.38712 -0.06721 0.09344

nov-07 -0.39837 -0.06862 0.09351

dic-07 -0.38764 -0.07005 0.09696

ene-08 -0.39013 -0.07586 0.10473

feb-08 -0.39024 -0.08927 0.10901

mar-08 -0.41404 -0.11762 0.10763

abr-08 -0.43640 -0.13543 0.10530

may-08 -0.38856 -0.11458 0.10609

jun-08 -0.38596 -0.08787 0.10920

jul-08 -0.36621 -0.09886 0.10917


75

ago-08 -0.37693 -0.08419 0.10552

sep-08 -0.39290 -0.05425 0.09665

oct-08 -0.38449 0.01831 0.08290

nov-08 -0.35477 0.03029 0.06600

dic-08 -0.30249 0.04462 0.04724

ene-09 -0.20385 0.06806 0.03003

feb-09 -0.14809 0.11379 0.01516

mar-09 -0.10548 0.12944 0.00633

abr-09 -0.01330 0.12270 0.00393

may-09 0.03357 0.06756 -0.00161

jun-09 0.11460 0.03419 -0.01001

jul-09 0.16011 0.05760 -0.00984

ago-09 0.20766 0.02014 -0.00294

sep-09 0.20544 -0.01894 0.00585

oct-09 0.24887 -0.06614 0.01765

nov-09 0.24151 -0.06708 0.03068

dic-09 0.17024 -0.07589 0.04220

ene-10 0.10171 -0.09351 0.05172

feb-10 0.07017 -0.11809 0.06381

mar-10 0.11663 -0.10567 0.07735

abr-10 0.04361 -0.07947 0.08637

may-10 0.02448 -0.04962 0.09452

jun-10 -0.01639 -0.05097 0.10116

jul-10 0.03713 -0.06297 0.09914

ago-10 0.01870 -0.05034 0.09457

sep-10 0.02150 -0.04091 0.09384

oct-10 -0.04124 -0.02796 0.09351

nov-10 -0.04291 -0.02735 0.09231

dic-10 -0.05515 -0.02148 0.09141

ene-11 -0.06826 -0.02430 0.08957

feb-11 -0.10258 -0.02924 0.08461

mar-11 -0.15882 -0.02109 0.08044

abr-11 -0.13489 -0.00853 0.07777

may-11 -0.17977 -0.02479 0.07123

jun-11 -0.15780 -0.02607 0.06633

jul-11 -0.22079 -0.02887 0.06664

ago-11 -0.22802 -0.02236 0.06449

sep-11 -0.19673 -0.01677 0.05941

oct-11 -0.16219 -0.02137 0.05615

nov-11 -0.18190 -0.03587 0.05659


76

dic-11 -0.15672 -0.04241 0.05845

ene-12 -0.17886 -0.03387 0.05916

feb-12 -0.15795 -0.03140 0.06077

mar-12 -0.15740 -0.03900 0.06054

abr-12 -0.14530 -0.05633 0.05961

may-12 -0.12556 -0.03808 0.06438

jun-12 -0.13674 -0.03383 0.06957

jul-12 -0.09493 -0.03877 0.06927

ago-12 -0.07169 -0.04505 0.06802

sep-12 -0.10597 -0.05140 0.06650

oct-12 -0.09496 -0.05279 0.06303

nov-12 -0.07508 -0.03931 0.06001

dic-12 -0.06654 -0.04798 0.05765

ene-13 -0.06885 -0.05227 0.05615

feb-13 -0.05190 -0.03930 0.05486

mar-13 -0.00496 -0.02885 0.05287

abr-13 0.00506 -0.02240 0.05076

may-13 0.04731 -0.00932 0.04910

jun-13 0.05456 0.02880 0.04738

jul-13 0.05663 0.05376 0.04596

ago-13 0.05513 0.07101 0.04556

sep-13 0.09434 0.06753 0.04638

oct-13 0.09304 0.07015 0.04950

nov-13 0.12744 0.07677 0.05088

dic-13 0.18109 0.08507 0.04948

ene-14 0.24441 0.10072 0.04965

feb-14 0.22742 0.09100 0.05092

mar-14 0.22003 0.08190 0.05246

abr-14 0.19116 0.07579 0.05413

may-14 0.18354 0.05392 0.05369

jun-14 0.15813 0.01701 0.05265

jul-14 0.18861 0.00338 0.05323

ago-14 0.18564 0.00455 0.05395

sep-14 0.25322 0.03073 0.05440

Primeras diferencias

Periodo MORA TC PBI

feb-96 -0.010722 -0.008619 -0.002116


77

mar-96 -0.009731 -0.019430 -0.000259

abr-96 -0.006392 0.001634 -0.001943

may-96 0.004215 0.023353 0.001559

jun-96 -0.006221 0.016809 0.002827

jul-96 0.034990 0.008310 -0.002711

ago-96 0.020326 0.004892 -0.003442

sep-96 0.023031 0.007500 0.002210

oct-96 0.029697 0.023176 0.007461

nov-96 0.025149 -0.014233 0.011724

dic-96 -0.051224 -0.005415 0.014497

ene-97 0.032348 0.006064 0.010028

feb-97 -0.000169 0.002412 0.000073

mar-97 0.057514 -0.002913 0.001234

abr-97 0.008046 0.007658 0.004794

may-97 0.036290 -0.019984 -0.002781

jun-97 0.030338 -0.016984 -0.007672

jul-97 -0.004515 -0.003879 -0.001669

ago-97 0.026339 -0.008404 0.009252

sep-97 -0.021040 -0.014683 0.010273

oct-97 -0.036652 -0.019064 -0.003020

nov-97 -0.002228 0.010203 -0.013496

dic-97 0.058413 -0.001349 -0.017473

ene-98 0.003866 -0.006159 -0.015085

feb-98 0.014744 0.015353 -0.003826

mar-98 0.050685 0.004824 -0.001750

abr-98 0.024666 -0.006212 -0.005776

may-98 -0.005436 0.007942 -0.001749

jun-98 0.031600 0.027041 0.002202

jul-98 -0.007760 0.006464 0.001642

ago-98 -0.004522 0.014813 -0.004027

sep-98 0.057986 0.034604 -0.012326

oct-98 0.028224 -0.005161 -0.011655

nov-98 0.071643 -0.008349 -0.005484

dic-98 0.084404 0.017103 -0.001988

ene-99 0.084130 0.029548 0.000504

feb-99 0.100480 0.029776 -0.000776

mar-99 0.051258 -0.009009 -0.004766

abr-99 -0.015245 -0.016288 -0.004440

may-99 0.074963 -0.016043 0.001793

jun-99 -0.016429 -0.023184 0.004147


78

jul-99 -0.071923 -0.010216 -0.000681

ago-99 0.053232 -0.002860 0.001660

sep-99 -0.184100 -0.011507 0.016620

oct-99 -0.031228 0.015003 0.023397

nov-99 -0.017262 -0.012712 0.015188

dic-99 -0.088256 -0.014664 0.006260

ene-00 -0.074228 -0.033952 0.000464

feb-00 -0.027016 -0.059539 -0.000759

mar-00 -0.013917 0.001027 0.002017

abr-00 -0.030155 0.019972 0.004090

may-00 -0.051920 0.012621 0.001876

jun-00 0.022701 -0.007005 -0.002575

jul-00 0.051726 0.002760 -0.007285

ago-00 -0.074259 -0.012935 -0.015658

sep-00 0.149741 -0.015011 -0.020153

oct-00 -0.022529 -0.011487 -0.013559

nov-00 -0.043304 0.005384 -0.007707

dic-00 0.102423 -0.003179 -0.005023

ene-01 -0.068793 -0.003620 -0.000452

feb-01 -0.080859 0.014340 0.003841

mar-01 -0.027934 0.001366 0.008445

abr-01 0.025235 0.000609 0.006442

may-01 0.003322 0.004658 -0.002245

jun-01 -0.021103 -0.015068 -0.000593

jul-01 -0.025695 -0.005938 0.009352

ago-01 0.021781 -0.002565 0.012567

sep-01 -0.013222 -0.002576 0.008925

oct-01 0.003732 -0.012968 0.003173

nov-01 0.014122 -0.013690 0.001470

dic-01 -0.056526 0.001267 0.005938

ene-02 -0.010900 0.005993 0.005504

feb-02 -0.008072 0.003241 0.002028

mar-02 0.014577 -0.003363 0.003573

abr-02 -0.058431 -0.015639 0.003869

may-02 -0.031107 -0.007590 0.000921

jun-02 -0.019092 0.027100 -0.003229

jul-02 -0.007146 0.022655 -0.003593

ago-02 -0.008409 0.014023 0.002761

sep-02 -0.018832 0.014471 0.003924

oct-02 -0.011536 0.007814 0.000829


79

nov-02 -0.002624 -0.002997 0.002684

dic-02 -0.019798 -0.018818 0.002131

ene-03 0.022510 -0.013001 0.000164

feb-03 0.018814 -0.007845 -0.001563

mar-03 -0.009461 0.004518 -0.003515

abr-03 0.007655 0.000872 -0.002666

may-03 0.012332 0.001112 -0.000546

jun-03 0.028267 -0.009163 -0.000130

jul-03 0.001679 -0.016881 -0.005044

ago-03 0.000439 -0.007742 -0.008202

sep-03 0.009052 -0.013007 -0.005524

oct-03 -0.017036 0.000336 -0.003296

nov-03 -0.031249 0.008390 -0.003374

dic-03 -0.041952 0.017227 0.001343

ene-04 0.007144 0.004555 0.008179

feb-04 -0.003791 0.007538 0.006925

mar-04 -0.019816 -0.003916 0.002210

abr-04 -0.028495 0.005496 0.000329

may-04 -0.028386 0.000299 -0.002818

jun-04 -0.017733 -0.002208 -0.003612

jul-04 -0.022078 -0.008214 0.002514

ago-04 -0.002775 -0.015697 0.006194

sep-04 -0.006991 -0.011046 0.006454

oct-04 0.015579 -0.009775 0.009240

nov-04 -0.018030 -0.002997 0.010470

dic-04 0.040641 -0.006610 0.004141

ene-05 -0.019699 -0.002584 -0.002173

feb-05 -0.004718 -0.007115 -0.003819

mar-05 -0.004503 0.005112 -0.007341

abr-05 -0.006416 -0.001629 -0.004670

may-05 0.003866 -0.005616 0.005334

jun-05 -0.007753 0.002094 0.007789

jul-05 -0.032869 0.009544 0.002259

ago-05 0.011636 0.014318 -0.002032

sep-05 -0.005053 0.025763 -0.001025

oct-05 -0.012929 0.032907 0.002557

nov-05 0.002844 0.001915 0.002697

dic-05 -0.029787 0.023740 -0.002614

ene-06 0.009095 -0.005378 -0.005009

feb-06 0.009774 -0.029097 0.002081


80

mar-06 -0.006864 0.015375 0.006503

abr-06 0.008075 -0.001966 -0.000854

may-06 -0.008292 -0.015161 -0.004825

jun-06 -0.017872 -0.003948 0.002555

jul-06 0.017920 -0.006228 0.009543

ago-06 -0.056792 -0.004294 0.008108

sep-06 -0.002811 -0.011028 0.000371

oct-06 0.007939 -0.024320 -0.005374

nov-06 0.002494 -0.003212 -0.003381

dic-06 0.010056 -0.018338 0.002223

ene-07 -0.031364 0.004772 0.002337

feb-07 -0.011693 0.029246 -0.000816

mar-07 0.014433 -0.016103 -0.001795

abr-07 0.011020 0.000035 0.001487

may-07 -0.034707 0.011987 0.004309

jun-07 0.007557 0.005253 0.000039

jul-07 -0.018752 0.003414 -0.003751

ago-07 0.038368 0.001783 -0.000624

sep-07 0.008603 -0.010852 0.004769

oct-07 -0.011170 -0.032798 0.003481

nov-07 -0.011256 -0.001408 0.000072

dic-07 0.010730 -0.001434 0.003451

ene-08 -0.002485 -0.005807 0.007769

feb-08 -0.000115 -0.013411 0.004279

mar-08 -0.023801 -0.028350 -0.001384

abr-08 -0.022358 -0.017807 -0.002329

may-08 0.047840 0.020844 0.000793

jun-08 0.002597 0.026708 0.003109

jul-08 0.019758 -0.010983 -0.000028

ago-08 -0.010725 0.014673 -0.003655

sep-08 -0.015969 0.029933 -0.008861

oct-08 0.008410 0.072563 -0.013759

nov-08 0.029724 0.011976 -0.016900

dic-08 0.052278 0.014333 -0.018754

ene-09 0.098642 0.023443 -0.017208

feb-09 0.055758 0.045730 -0.014873

mar-09 0.042611 0.015649 -0.008829

abr-09 0.092176 -0.006743 -0.002399

may-09 0.046876 -0.055142 -0.005547

jun-09 0.081027 -0.033370 -0.008392


81

jul-09 0.045512 0.023413 0.000170

ago-09 0.047545 -0.037465 0.006900

sep-09 -0.002217 -0.039078 0.008789

oct-09 0.043433 -0.047195 0.011799

nov-09 -0.007366 -0.000937 0.013031

dic-09 -0.071272 -0.008814 0.011517

ene-10 -0.068528 -0.017625 0.009516

feb-10 -0.031534 -0.024575 0.012091

mar-10 0.046459 0.012415 0.013542

abr-10 -0.073028 0.026201 0.009025

may-10 -0.019129 0.029858 0.008141

jun-10 -0.040871 -0.001355 0.006644

jul-10 0.053521 -0.011995 -0.002016

ago-10 -0.018431 0.012628 -0.004572

sep-10 0.002807 0.009432 -0.000727

oct-10 -0.062744 0.012944 -0.000331

nov-10 -0.001667 0.000607 -0.001199

dic-10 -0.012242 0.005878 -0.000908

ene-11 -0.013107 -0.002820 -0.001839

feb-11 -0.034323 -0.004943 -0.004959

mar-11 -0.056236 0.008146 -0.004171

abr-11 0.023923 0.012566 -0.002668

may-11 -0.044881 -0.016265 -0.006541

jun-11 0.021972 -0.001274 -0.004897

jul-11 -0.062985 -0.002805 0.000308

ago-11 -0.007237 0.006516 -0.002154

sep-11 0.031291 0.005588 -0.005080

oct-11 0.034541 -0.004600 -0.003257

nov-11 -0.019709 -0.014504 0.000436

dic-11 0.025180 -0.006537 0.001866

ene-12 -0.022136 0.008543 0.000710

feb-12 0.020905 0.002464 0.001607

mar-12 0.000555 -0.007596 -0.000230

abr-12 0.012097 -0.017332 -0.000932

may-12 0.019737 0.018246 0.004775

jun-12 -0.011181 0.004258 0.005185

jul-12 0.041813 -0.004940 -0.000295

ago-12 0.023237 -0.006283 -0.001256

sep-12 -0.034275 -0.006354 -0.001512

oct-12 0.011005 -0.001392 -0.003473


82

nov-12 0.019882 0.013486 -0.003017

dic-12 0.008539 -0.008674 -0.002363

ene-13 -0.002311 -0.004289 -0.001504

feb-13 0.016954 0.012969 -0.001284

mar-13 0.046936 0.010455 -0.001988

abr-13 0.010025 0.006444 -0.002118

may-13 0.042250 0.013081 -0.001653

jun-13 0.007252 0.038128 -0.001722

jul-13 0.002070 0.024958 -0.001423

ago-13 -0.001506 0.017248 -0.000398

sep-13 0.039218 -0.003479 0.000817

oct-13 -0.001306 0.002618 0.003122

nov-13 0.034402 0.006622 0.001378

dic-13 0.053647 0.008297 -0.001394

ene-14 0.063326 0.015649 0.000161

feb-14 -0.016991 -0.009720 0.001269

mar-14 -0.007396 -0.009102 0.001547

abr-14 -0.028867 -0.006102 0.001666

may-14 -0.007618 -0.021872 -0.000435

jun-14 -0.025407 -0.036911 -0.001044

jul-14 0.030477 -0.013633 0.000581

ago-14 -0.002969 0.001168 0.000717

sep-14 0.067573 0.026183 0.000447

Economy & Finance

Depreciación del Tipo de Cambio y su Efecto en el Riesgo Cambiario-Crediticio: Un enfoque no Lineal Para el Caso Peruano