Académique Documents
Professionnel Documents
Culture Documents
Economía
Economía
Nombres y Apellidos:
Asesor:
Lima- Perú
2017
“Determinantes de la Morosidad en el Sistema Bancario en una
Economía Dolarizada: El caso del Perú durante el período 2005 -
2016”
Presidente de Jurado
Jurados:
2
TABLA DE CONTENIDO
3
CAPÍTULO 3. METODOLOGÍA…. ..................................................................... 28
ANEXOS…………....... ............................................................................................... 56
Anexo 1. Series mensuales de las Variables DMOR, DTDES, VIPC, VTC para el
periodo enero de 2005 a octubre de 2016....................................................................56
Anexo 2. Prueba de Raíz Unitaria de las Variables DMOR, DTDES, VIPC, VTC que
fueron incorporadas al modelo VAR.............................................................................59
4
ÍNDICE DE TABLAS
5
ÍNDICE DE FIGURAS
6
CAPÍTULO 1. INTRODUCCIÓN
7
Para lograr el objetivo tanto a nivel teórico como práctico se ha dividido la
investigación en cuatro secciones: en el primer capítulo se plantea la formulación del
problema, los objetivos y las hipótesis correspondientes. En el segundo capítulo se
presentan los antecedentes nacionales e internacionales, marco teórico y las
investigaciones empíricas que confirman la relación entre las variables de estudio. En el
tercer capítulo se desarrolla la metodología utilizada para validar la investigación. En el
cuarto capítulo se presenta las pruebas correspondientes, así como la exposición de los
resultados, las conclusiones y recomendaciones.
8
financiero, según cuál sea la situación del sistema bancario, implementar políticas para
mantener o mejorar la calidad de las carteras de colocaciones (Banco de México, 2014).
Los efectos adversos originados por el impacto de una crisis del sector bancario
inciden de manera negativa y significativa en el sector real, monetario y fiscal de la
economía, poniendo en riesgo los programas implementados sobre todo en los países
emergentes como el Perú. En este sentido, los efectos adversos generados por la crisis
financiera asiática, pusieron de manifiesto la importancia de reformular la administración
del riesgo del sistema bancario. En este contexto, en algunos países se puso en
evidencia la necesidad de fortalecer la seguridad de las operaciones de crédito para
reducir la vulnerabilidad de los sistemas bancarios con el fin de corregir sus debilidades y
otorgarles sostenibilidad. Mientras que en otros países con un sistema financiero más
sólido se implementaron medidas de seguridad para afrontar los posibles rezagos del
contagio en el caso de que ocurriera una crisis financiera futura (Serra & Zuñiga, 2002).
El desempeño financiero de los bancos está determinado en gran parte por los
volúmenes de ingresos que perciben como producto de los intereses generados por los
préstamos. No obstante, cuando los préstamos se convierten en cartera morosa, se
deteriora el rendimiento de los bancos, afectando negativamente su capacidad para
promover el desarrollo de la economía (Mabvure, Gwangwava, Faitira, Mutibvu &
Kamoyo, 2012).
9
económico, porque el conocimiento de la relación y efecto que ejercen las variables
macroeconómicas sobre la evolución del ratio de morosidad crediticia es relevante para
diseñar las medidas reguladoras que promuevan el desempeño óptimo de los bancos,
para fortalecer sus operaciones crediticias y disminuir el nivel de morosidad para que
puedan cumplir el rol fundamental de contribuir al crecimiento de la economía.
10
− La relación entre la tasa de inflación y la morosidad en el sistema bancario
peruano es directa y tiene un efecto significativo.
− La relación entre la variación del tipo de cambio y la morosidad en el sistema
bancario peruano es directa y tiene un efecto significativo.
11
CAPÍTULO 2. MARCO REFERENCIAL
2.1. Antecedentes
Por otro lado, el estudio empírico de Cermeño, León, y Mantilla (2011) fue
realizado con el objetivo de hallar cuáles eran los determinantes implicados en la
morosidad del sistema de las cajas municipales peruanas. Para ello, utilizaron un estudio
panel en el que analizaron las series mensuales para el periodo 2003-2010. En este
12
estudio se propone que la tasa de interés de los créditos, la liquidez y la intermediación
de fondos medida por el ratio créditos a depósito ejercen un efecto positivo en las tasa de
morosidad. Además, la actividad económica del país expresada como la variación
porcentual del producto bruto interno incide de forma negativa en la morosidad del
sistema de las cajas municipales de ahorros y créditos del Perú. Los investigadores
concluyeron que el organismo supervisor para contrarrestar los efectos adversos futuros
en la morosidad, debe estimular la administración óptima de las tasas de interés que
existen en las cajas municipales. Además, recomiendan a las entidades considerar la
inclusión del crecimiento del producto bruto interno para la realización de sus
proyecciones.
13
de interés activa (costo del financiamiento). Además, para determinar el impacto de las
variables macroeconómicas en los niveles de morosidad del sistema financiero realizó
pruebas de tensión simulando diferentes escenarios macroeconómicos. Se concluyó que
el sistema financiero de República Dominicana actualmente presenta mejores
condiciones para soportar un deterioro significativo en el entorno macroeconómico que
las magnitudes experimentadas cuando ocurrió la crisis financiera.
Díaz (2009), realizó un estudio teórico y empírico para analizar los determinantes
del ratio de morosidad de las entidades que conforman el sistema financiero de Bolivia. El
análisis se efectuó utilizando la metodología de datos de panel durante el periodo 2001-
2008. Se incluyeron variables macroeconómicas y microeconómicas para analizar la
14
relación que existe entre el ratio de morosidad y el ciclo económico, la depreciación del
tipo de cambio, así como también el crecimiento de la cartera bruta, el grado de
eficiencia, la especialización crediticia, entre otras variables. Como resultado del estudio
se halló que existe una relación negativa entre la tasa de crecimiento del PBI y el ratio de
morosidad, mientras que el endeudamiento de las empresas fue significativo. La
depreciación de la moneda nacional tuvo un efecto positivo sobre la morosidad de la
cartera bruta. El crecimiento de la cartera no presentó un efecto muy significativo en la
morosidad. Los gastos administrativos no fueron significativos.
15
2.2. Marco Teórico
2.2.1. Morosidad
Por ello, en la economía uno de los índices importantes en el análisis de las crisis
financieras es la observación del ratio de morosidad (Torrent, 2010). En este sentido, una
de las primeras señales que presagiaron la crisis financiera de Estados Unidos del año
2007, fue el incremento en el ratio de morosidad de la cartera hipotecaria como
consecuencia de la caída de los precios de las viviendas en el año 2005 (Banco de
México, 2009).
Por ello, las empresas que establecen una estrecha relación con los bancos,
tienen mayores oportunidades de obtener financiamiento durante las épocas de recesión
(Viswanadham & Nahid, 2015).
Según Aguilar et al. (2004), afirmaron que durante los ciclos de crecimiento
económico la morosidad crediticia bancaria se reduce debido a la mayor solvencia de los
acreditados, mientras que en los ciclos de contracción del crecimiento económico, el
16
pago de los préstamos se reduce y por ello se deteriora el ratio de morosidad crediticio
bancario. Sin embargo, a pesar de la relación que existe entre estas dos variables, puede
ocurrir que el efecto del ciclo económico sobre el ratio de morosidad no se observe en el
corto plazo.
Por lo tanto, en las economías que tengan una mayor participación de la cartera
crediticia sobre el producto bruto interno, el efecto del ciclo económico sobre la
morosidad se presentará en menor plazo, como en el caso de las economías
desarrolladas. Mientras que en las economías que tengan una menor participación de la
cartera de créditos sobre el producto bruto interno, el efecto del ciclo económico sobre la
morosidad se apreciará en el largo plazo.
Por otro lado, otras variables macroeconómicas que han sido analizadas para
explicar la relación de los determinantes macroeconómicos con la morosidad están
relacionados con la liquidez. En este sentido Cermeño et al. (2011), propone que la tasa
de interés de los créditos tiene una relación significativa y un efecto positivo sobre la
morosidad crediticia, mientras que la liquidez de la moneda nacional y el ratio créditos a
depósito tienen una relación directa y un efecto menor en la morosidad crediticia.
17
se genera un costo por el nivel de endeudamiento del cliente, que refleja un resultado
positivo.
18
De la misma forma, otros estudios encontraron una relación, directa entre la
inflación y la morosidad crediticia como los realizados por Salcedo (2012). Los resultados
encontrados en estos estudios se presentaron anteriormente.
19
2.4. Morosidad en el Sistema Bancario Peruano durante el periodo 2005-2015
Algunas de las medidas que han sido implementadas por el Banco Central de
Reserva del Perú para disminuir el volumen de la cartera crediticia fueron: a) Inyectar
liquidez en moneda nacional con el objetivo de proporcionar los recursos al sistema
bancario para que puedan reemplazar los créditos en moneda extranjera por los de
moneda nacional; b) Reducir la tasa de encaje en moneda nacional para liberar fondos en
moneda nacional; c) Reducir el requerimiento de los fondos de las cuentas corrientes del
sistema bancario (Banco Central de Reserva del Perú, 2014).
20
Figura 1. Ratio de morosidad (porcentaje)
3.5
3.0
3.1
2.5
2.6
2.4
Porcentaje
2.0
2.0 2.1
1.5 1.7 1.7
1.6 1.6 1.5
1.0 1.3
0.5
0.0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Años
A partir del año 2009 el ratio de dolarización disminuyó por debajo del 50%. Se
observa que en el año 2013 el ratio de dolarización disminuyó en 6.1 puntos porcentuales
con respecto al año 2009. En el año 2014 el ratio de dolarización se redujo en 2.5 puntos
porcentuales con respecto al año 2014. En el año 2015, el ratio de dolarización se redujo
en 7.8 puntos porcentuales, variación que representó la más importante reducción de la
dolarización del crédito en el sistema bancario peruano durante el periodo 2005 a 2015.
21
Figura 2. Dolarización del Crédito en el Sistema Bancario Peruano (porcentaje)
70.0
60.0 66.6
60.3
57.0
Porcentaje
50.0 53.0
40.0 46.8 46.1 44.7
43.0
40.7
38.2
30.0
30.4
20.0
10.0
0.0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Años
A partir del año 2010, el crecimiento económico se contrajo hasta el año 2014.
Según Lizarzaburu & Del Brío (2016), la contracción del crecimiento económico fue
ocasionada por el cambio en las condiciones internacionales favorables, y la caída de los
precios de los metales.
23
Figura 3. Crecimiento económico (variación porcentual)
10.0
9.0
9.1
8.0 8.5 8.5
7.0 7.5
Porcentaje
6.0 6.5
6.3 6.0
5.0 5.8
4.0
3.0
3.3
2.0 2.4
1.0
1.0
0.0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Años
Por otra parte, la tasa de inflación medida como la variación del índice precios
(IPC), durante los años 2005, 2006 y 2009 reflejaron las tasas más bajas en el periodo de
análisis, siendo la tasa más baja la presentada en el año 2009 de 0.2%. La disminución
de la inflación en el año 2009 fue de 6.5 puntos porcentuales con respecto al año 2008.
Según lo señalado por el Banco Central de Reserva del Perú (2010), la variación de los
precios de los alimentos fue menor a la variación registrada en el año 2008. Asimismo,
los precios de los combustibles fueron menores. Sin embargo, esta condición se revirtió a
finales del año 2009 como resultado de la recuperación de los precios del petróleo.
24
Figura 4. Inflación (variación porcentual)
7.0
6.0 6.7
5.0
Porcentaje
4.7
4.0 4.4
3.9
3.0
3.2
2.6 2.9
2.0
2.1
1.0 1.5
1.1
0.2
0.0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Años
Con respecto al tipo de cambio medido como la variación porcentual del tipo de
cambio nominal. Durante el periodo 2005 a 2008, la variación del tipo de cambio
disminuye, lo que refleja una apreciación de la moneda nacional con respecto a la
moneda extranjera. A pesar de la crisis económica del año 2009, el Sol peruano se
mantuvo estable.
A partir del año 2013 al 2015, el tipo de cambio presentó una tendencia al alza,
por lo tanto, se observó una depreciación de la moneda nacional. Según Lizarzaburu &
Del Brío (2016), este incremento ha sido promovido por la recuperación de la economía, y
la política de contracción de Estados Unidos; así como la salida de los inversionistas a
mercados más desarrollados que se encuentran más estables tras su recuperación de la
crisis.
Sin embargo, según la Asociación de Bancos del Perú (2015b) se debe resaltar
que el Sol peruano ha sido la moneda más estable en el año 2014 comparada con los
países de la región que tienen regímenes cambiarios análogos. Posteriormente, en el año
2015, se observó una variación del tipo de cambio de 12.2%, reflejando un incremento de
7.1 puntos porcentuales.
Por otro lado como señalan Lizarzaburu & Del Brío (2016), el tipo de cambio
representa una fuente de ingresos importante principalmente para las entidades
bancarias.
15.0
10.0 12.2
Porcentaje
5.0
5.1
2.9 2.4
0.0
-3.4 -0.7 -2.5
-4.4 -4.2
-5.0 -6.5 -6.2
-10.0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Años
26
Figura 6. Tasa de Desempleo (porcentaje)
12.0
10.0
9.6
8.0 8.5 8.4 8.4 8.4
Porcentaje
7.9 7.7
6.0 6.8 6.5
5.9 5.9
4.0
2.0
0.0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Años
A lo largo de los años, el sistema bancario peruano se ha visto afecto por diversos
factores que condicionan el buen desempeño económico. El Perú al ser un país
económicamente dependiente, es inevitable que variables externas no influyan en el
crecimiento económico, tal es el caso del alza de la tasa de referencia de la FED, bajas
tasas de crecimiento de China y otros factores internos como el fenómeno del Niño, que
indirectamente afectan al sistema bancario.
27
CAPÍTULO 3. METODOLOGÍA
3.2. Variables
3.3. Participantes
28
3.4. Instrumentos de investigación
3.5. Procedimientos
Realizadas las acciones anteriores, se procedió a trabajar con las series de las
variables MOR, TDES, VIPC, y VTC. Seguidamente se realizaron las pruebas de raíces
unitarias para comprobar la estacionariedad de las series. Después se realizó la
selección de los rezagos que se incluyeron en el modelo tanto con pruebas de inclusión
como de exclusión de rezagos.
30
CAPÍTULO 4. PRESENTACIÓN DE RESULTADOS
4.1. Resultados
t-Statistic Prob.*
31
Tabla 2. Prueba de raíz unitaria de DMOR primera diferencia
t-Statistic Prob.*
t-Statistic Prob.*
32
Tabla 4. Prueba de raíz unitaria de DTDES primera diferencia
t-Statistic Prob.*
t-Statistic Prob.*
33
Tabla 6. Prueba de raíz unitaria de VTC primer nivel
t-Statistic Prob.*
En resumen, las variables que se incluyen en el modelo VAR, son las que
presentan estacionariedad, es decir que no tienen raíz unitaria y son: DMOR, DTDES,
VIPC, VTC. En el anexo 2 se puede observar el detalle completo de las pruebas de raíz
unitaria para las variables que fueron incorporadas al modelo.
34
Tabla 7. Criterios para la selección de los rezagos del modelo VAR de variables
DMOR, DTDES, VIPC, VTC.
35
Tabla 8. Test para la exclusión de los rezagos del modelo VAR de variables
DMOR, DTDES, VIPC, VTC.
df 4 4 4 4 16
36
Figura 7. Correlograma de autocorrelación de los Residuos del Modelo de
variables DMOR, DTDES, VIPC, VTC.
.2 .2 .2 .2
.1 .1 .1 .1
.0 .0 .0 .0
.2 .2 .2 .2
.1 .1 .1 .1
.0 .0 .0 .0
.2 .2 .2 .2
.1 .1 .1 .1
.0 .0 .0 .0
.2 .2 .2 .2
.1 .1 .1 .1
.0 .0 .0 .0
37
4.1.2. Estimación del modelo VAR
Tabla 9. Modelo VAR con siete rezagos de variables DMOR, DTDES, VIPC, VTC
39
VTC(-6) 0.012260 0.024210 0.007965 -0.054704
(0.00495) (0.09177) (0.02068) (0.10690)
[ 2.47616] [ 0.26380] [ 0.38522] [-0.51171]
40
El modelo VAR quedó configurado de la siguiente forma:
1.0
0.5
0.0
-0.5
-1.0
-1.5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 41
Se observa en el gráfico anterior que todas las raíces se encuentran dentro del
círculo unitario, por lo tanto, no forman parte de un proceso explosivo. Por lo mismo se
concluye que el modelo es estable y al mismo tiempo es estacionario.
En la siguiente tabla, se aprecia la estructura del retardo del Modelo VAR, en ella
se confirma que todas las raíces unitarias del polinomio del modelo VAR con siete
rezagos, son menores a la unidad, por lo mismo se concluye que el sistema es estable.
Tabla 10. Estructura del Modelo VAR de variables DMOR, DTDES, VIPC, VTC
Root Modulus
42
Para observar los efectos de las alteraciones o shocks de la tasa de desempleo, la
inflación y la tasa de tipo de cambio, sobre morosidad crediticia bancaria se realizó el
análisis de las funciones de impulso respuesta.
.02
.01
.00
-.01
-.02
-.03
2 4 6 8 10 12 14 16 18 20 22 24
43
Se aprecia que la tasa de morosidad del sistema bancario responde de manera
positiva a las variaciones de la inflación, lo que coincide con los resultados encontrados
en la estimación del modelo VAR, esto quiere decir que cuando la inflación aumenta, la
tasa de morosidad también se incrementa significativamente en el séptimo mes, y se
prolonga al octavo mes, por lo que su efecto se aprecia en el mediano plazo, a partir del
noveno mes su efecto se reduce. En el largo plazo su efecto se va reduciendo. Estos
resultados también coinciden con el comportamiento de las variables en el modelo VAR.
.02
.01
.00
-.01
-.02
-.03
2 4 6 8 10 12 14 16 18 20 22 24
44
Con respecto a la influencia de los shocks de la tasa del tipo de cambio la tasa de
morosidad del sistema bancario responde de manera positiva, lo que coincide con los
resultados encontrados en la estimación del modelo VAR, esto quiere decir que cuando la
tasa del tipo de cambio se incrementa, la tasa de morosidad también se incrementa
significativamente en el sexto mes, y se prolonga los siguientes meses, por lo que su
efecto se aprecia en el mediano y largo plazo; el mismo que se va perdiendo a partir del
mes 16. Estos resultados también coinciden con el comportamiento de las variables en el
modelo VAR.
.02
.01
.00
-.01
-.02
-.03
2 4 6 8 10 12 14 16 18 20 22 24
En resumen, se observa que cuando ocurre un shock, las tres variables DTDES,
VIPC y VTC tienen efectos significativos y positivos en la tasa de morosidad crediticia del
sistema bancario peruano durante el periodo enero 2005 a octubre 2016.
Para poder medir con mayor precisión el porcentaje de los shocks de las
variaciones de las variables de la función impulso respuesta de: la tasa de morosidad,
tasa de desempleo, inflación y tasa de variación del tipo de cambio, sobre la tasa de
morosidad en cada periodo, se realizó la descomposición de la varianza del modelo VAR.
45
En principio se aprecia que las variaciones de la tasa de morosidad responden a
las variaciones en sí misma, sin embargo conforme transcurre el tiempo, el porcentaje de
explicación de la tasa de morosidad sobre sí misma se reduce, tal como se observa en el
séptimo mes.
46
Tabla 11 Descomposición de la Varianza del Modelo VAR de variables DMOR,
DTDES, VIPC, VTC
Por otro lado, para analizar la causalidad que tiene cada variable macroeconómica
sobre la morosidad crediticia se realizó la prueba de Causalidad de Granger para el
modelo VAR. Se aprecia que la tasa de desempleo causa en el sentido de Granger a la
tasa de morosidad del sistema bancario peruano. Mientras que la inflación y la tasa del
tipo de cambio aun cuando están correlacionadas, no causan en el sentido de Granger a
la tasa de morosidad del sistema bancario.
47
Para concluir, se describen y analizan los resultados obtenidos del análisis
econométrico de las variables relacionadas con la morosidad del sistema bancario
peruano:
Por otro lado, se encontró que la tasa del tipo de cambio se relaciona con la
morosidad en el sistema bancario y su efecto no es significativo en los cinco primeros
rezagos, sin embargo es significativo en el sexto rezago.
48
4.2. Discusión
En este sentido, Deng, Quigley y Van Order (2000) encontraron para el caso de
Estados Unidos que la tasa de desempleo afecta la morosidad del crédito hipotecario
estadounidense.
49
caso peruano, lo que podría deberse principalmente a que la fuente principal de los
peruanos que contraen créditos proviene de sus empleos.
De manera similar Salcedo (2012) para el caso dominicano, encontró que la tasa
de inflación afecta la tasa de morosidad, debido a que la pérdida de poder adquisitivo de
50
los agentes económicos reduce el nivel de liquidez, lo que origina un mayor nivel de
morosidad. Asimismo, para el caso de la economía peruana el incremento en la inflación
origina la pérdida de poder adquisitivo de los agentes y genera el incremento en la tasa
de morosidad del sistema bancario.
4.3. Conclusiones
51
4. Por otra parte, se estableció que para el caso peruano, la tasa del tipo de cambio
se relaciona con la morosidad en el sistema bancario y su efecto no es
significativo en los cinco primeros rezagos, sin embargo es significativo en el
sexto rezago.
4.4. Recomendaciones
52
BIBLIOGRAFÍA
Agarwal, S., & Liu, C. (2003). Determinants of credit card delinquency and bankruptcy:
Macroeconomic factors. Journal of Economic and Finance, 27(1), 75-84.
Aguilar, G., Camargo, G., & Saravia, R. (2004). Análisis de la Morosidad en el Sistema
Bancario Peruano. Instituto de Estudios Peruanos, Lima.
Asociación de Bancos del Perú. (2015a). Balance de la banca peruana 2015. (Asbanc
Semanal N° 180, Año 4). Departamento de Estudios Económicos, Lima.
Asociación de Bancos del Perú. (2015b). Memoria Anual 2014. (Asbanc Semanal N° 180,
Año 4). Departamento de Estudios Económicos, Lima.
Banco Central de Reserva del Perú. (2014). BCRP dicta medidas para impulsar la
desdolarización del crédito. (Nota informativa 31 de diciembre). Lima.
Banco Central de Reserva del Perú. (2016a). Reporte de Estabilidad Financiera. Lima.
Banco Central de Reserva del Perú. (2016b). Reporte de Inflación. Panorama actual y
proyecciones macroeconómicas 2016-2018. Lima.
Cermeño, R., León, J., & Mantilla, G. (2011). Determinantes de la Morosidad: Un estudio
panel para el caso de las cajas municipales de ahorro y crédito del Perú, 2003-
2010. Centro de Investigación y Docencia Económica A. C. Ciudad de México.
53
Climent-Serrano, S., & Pavía, J. (2014). An analysis of loan default determinants: the
Spanish case. Banks and Bank Systems, 9(4), 116-123.
Cruz, O., Durán, R., & Muñoz, E. (2001). Sensibilidad de la razón de morosidad y liquidez
del sistema bancario nacional ante cambios en el entorno: un enfoque utilizando
datos de panel. (Documento de trabajo elaborado en la División Económica,
Departamento de Investigaciones Económicas). Banco Central de Costa Rica,
San José.
Deng, Y., Quigley, J., & Van Order, R. (2000). Mortgage terminations, heterogeneity and
the exercise of mortgage options. Econometrica, 68(2), 275-307.
Frkovich, I., Jara, V., Rodríguez, L., & Dentone, L. (2016). Correlación entre el ciclo
económico y la morosidad del crédito consumo bajo la influencia de la tasa de
interés activa de la banca múltiple en el Perú entre los años 2009 – 2014. (Tesis
de licenciatura). Universidad Peruana de Ciencias Aplicadas, Lima.
Lizarzaburu, E., & Del Bríob, J. (2016). Evolución del sistema financiero peruano y su
reputación bajo el índice Merco. Período: 2010-2014. Suma de negocios, 7(2016),
94–112.
Mabvure, J., Gwangwava, E., Faitira, M., Mutibvu, C., & Kamoyo, M. (2012). Non
Performing loans in Commercial Banks: A case of CBZ Bank Limited In Zimbabwe.
Interdisciplinary Journal of Contemporary Research in Business, 4(7), 467-488.
54
Sellan, E. (2011). Estudio de la morosidad en el sector bancario del Ecuador. (Tesis de
licenciatura). Universidad de Guayaquil, Guayaquil.
Serra, C., & Zuñiga, Z. (2002). Identificando bancos en problemas. ¿Cómo debe medir la
autoridad bancaria la fragilidad financiera?. Revista Estudios Económicos, (8), 77-
124.
Veloz, A., & Benou de Gomez, G. (2007). Determinantes de fragilidad del sistema
bancario en la república dominicana: una aplicación micro-macro de modelos de
alerta temprana. Ciencia y Sociedad, 32(1), 69-87.
55
ANEXOS
Anexo 1. Series mensuales de las Variables DMOR, DTDES, VIPC, VTC para el
periodo enero de 2005 a octubre de 2016.
56
2008M12 0.010000 0.214762 0.360224 0.707856
2009M01 0.070000 2.209605 0.105779 1.199509
2009M02 0.090000 -0.917145 -0.074787 2.697449
2009M03 -0.020000 -1.210426 0.360220 -1.895856
2009M04 0.110000 0.528345 0.019011 -2.826902
2009M05 0.060000 -0.256190 -0.043005 -2.948923
2009M06 0.040000 -0.184025 -0.339577 -0.119364
2009M07 0.020000 -0.416438 0.186710 0.736465
2009M08 0.050000 0.909290 -0.207425 -2.056511
2009M09 -0.110000 -1.932420 -0.087186 -1.385795
2009M10 0.050000 0.430650 0.122626 -1.302011
2009M11 -0.010000 0.279315 -0.112068 0.443106
2009M12 -0.060000 1.390753 0.317107 -0.243589
2010M01 0.100000 0.352534 0.295920 -0.730630
2010M02 0.010000 1.245765 0.322508 -0.086646
2010M03 0.060000 -2.840398 0.280812 -0.514804
2010M04 -0.010000 1.097395 0.025357 0.019984
2010M05 0.040000 -2.092395 0.237860 0.198954
2010M06 -0.100000 0.515074 0.250849 -0.261817
2010M07 0.150000 0.043210 0.363955 -0.536784
2010M08 -0.060000 0.472126 0.268515 -0.736569
2010M09 -0.110000 0.189013 -0.032008 -0.406401
2010M10 -0.010000 -0.027522 -0.141722 0.030052
2010M11 -0.040000 -0.954630 0.007905 0.505834
2010M12 -0.100000 -0.379885 0.178466 0.359274
2011M01 0.060000 2.870707 0.390436 -1.016715
2011M02 -0.020000 1.706782 0.382321 -0.592836
2011M03 -0.020000 -3.684632 0.702468 0.320023
2011M04 0.000000 0.329692 0.680913 1.303892
2011M05 0.000000 -1.006101 -0.023706 -1.444763
2011M06 0.000000 0.532017 0.099143 -0.392113
2011M07 0.030000 -0.498233 0.792952 -0.823265
2011M08 0.030000 0.118348 0.265818 -0.070581
2011M09 -0.030000 1.225656 0.334184 0.162809
2011M10 0.030000 -1.271663 0.314850 -0.437923
2011M11 -0.050000 -0.798167 0.431423 -0.983687
2011M12 -0.050000 1.837222 0.270909 -0.321234
2012M01 0.070000 1.278181 -0.101322 -0.133669
2012M02 0.060000 -1.373006 0.324909 -0.339266
2012M03 0.020000 1.116411 0.766016 -0.466693
2012M04 0.090000 -1.542777 0.531540 -0.523108
2012M05 0.010000 -2.105094 0.039261 0.460851
2012M06 0.010000 0.927860 -0.036695 0.048788
2012M07 -0.010000 0.871574 0.090359 -1.330327
2012M08 0.030000 -0.418742 0.508401 -0.723760
2012M09 -0.030000 -0.627946 0.542706 -0.503682
2012M10 0.070000 -0.071327 -0.163323 -0.583986
2012M11 0.000000 -0.282106 -0.137469 0.426070
2012M12 -0.040000 -0.496381 0.258775 -1.221266
2013M01 0.130000 2.321082 0.115418 -0.583578
2013M02 0.030000 -1.010414 -0.087143 1.024470
2013M03 0.090000 -1.304784 0.905941 0.616540
2013M04 0.060000 -0.094572 0.252386 0.136959
2013M05 0.040000 1.602714 0.193586 1.805057
2013M06 -0.040000 -1.230221 0.261798 3.899341
2013M07 0.050000 0.432457 0.548479 1.063304
2013M08 0.000000 -0.662229 0.542905 0.901202
2013M09 0.010000 1.371407 0.108780 -0.826868
2013M10 0.050000 -1.304369 0.038272 -0.340189
57
2013M11 0.010000 -0.126127 -0.218243 1.047479
2013M12 -0.040000 1.314396 0.165818 -0.460130
2014M01 0.140000 0.895725 0.316847 0.850258
2014M02 0.020000 -0.380057 0.600839 0.132370
2014M03 0.040000 -0.617804 0.518559 -0.222888
2014M04 0.030000 -0.936059 0.393222 -0.427809
2014M05 0.080000 0.109515 0.225030 -0.264775
2014M06 -0.090000 0.361122 0.159178 0.260566
2014M07 0.080000 -0.293150 0.433313 -0.291416
2014M08 0.020000 0.411437 -0.085620 1.018664
2014M09 -0.050000 -0.961661 0.160503 1.757995
2014M10 0.060000 0.797490 0.378858 1.469678
2014M11 -0.010000 -0.649964 -0.149461 0.654826
2014M12 0.010000 0.272774 0.228892 1.245267
2015M01 0.110000 2.749085 0.170296 1.486578
2015M02 0.000000 -1.417892 0.303469 2.428860
2015M03 -0.040000 -0.901371 0.764664 0.427374
2015M04 0.060000 1.694475 0.390506 0.914411
2015M05 0.070000 -0.255888 0.564365 0.977499
2015M06 0.020000 -1.936933 0.332341 0.342430
2015M07 0.040000 1.013098 0.450786 0.633040
2015M08 -0.030000 -0.000266 0.377226 1.795116
2015M09 -0.120000 -0.134626 0.027538 -0.609677
2015M10 0.070000 -1.653408 0.142799 0.924664
2015M11 -0.030000 1.569844 0.344072 2.717293
2015M12 -0.080000 -0.085580 0.445721 1.379345
2016M01 0.100000 1.207998 0.372520 1.615836
2016M02 0.070000 -0.189483 0.174091 1.995149
2016M03 -0.010000 -0.062392 0.598118 -2.810225
2016M04 0.070000 -0.471292 0.011407 -3.106002
2016M05 0.090000 0.937859 0.209564 0.974684
2016M06 0.010000 -0.849992 0.139509 -0.514615
2016M07 -0.020000 0.268636 0.081747 -0.537742
2016M08 0.060000 -0.285484 0.358286 1.040053
2016M09 -0.050000 -0.977829 0.206464 1.477628
2016M10 0.090000 0.378418 0.413355 0.108120
Fuente: Banco Central de Reserva del Perú y La Superintendencia de Banca, Seguros y
Elaboración propia
58
Anexo 2. Prueba de Raíz Unitaria de las Variables DMOR, DTDES, VIPC, VTC que
fueron incorporadas al modelo VAR
t-Statistic Prob.*
59
Null Hypothesis: DTDES has a unit root
Exogenous: Constant
Lag Length: 10 (Automatic - based on SIC, maxlag=13)
t-Statistic Prob.*
60
Null Hypothesis: VIPC has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=13)
t-Statistic Prob.*
61
Null Hypothesis: VTC has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=13)
t-Statistic Prob.*
62