4
Boletín de Coyuntura, Nº 23; octubre- diciembre 2019; e-ISSN 2600-5727 / p-ISSN 2528-7931; UTA – Ecuador; Pág. 4-9
1
Universidad de las Fuerzas Armadas – ESPE. sede Latacunga. Departamento de Ciencias Económicas Administrativas y del Comercio. Latacunga – Ecuador. E-Mail: maurbina1@espe.edu.ec. ORCID: https://orcid.org/0000-0002-5125-0865
Fecha de recepción: 22 de agosto de 2019 Fecha de aceptación: 10 de diciembre de 2019
Myriam Urbina - Poveda
1
Riesgo de crédito: Evidencia en el sistema bancario ecuatoriano
Credit risk: Evidence in Ecuadorian banking system
Resumen
Utilizando datos del sistema bancario ecuatoriano del periodo 2000-
2018, se analizan variables macroeconómicas y efectos propios de
las instituciones bancarias como factores determinantes del riesgo de
crédito, evaluado a través de un enfoque de datos de panel estático.
Los resultados indican que las condiciones macroeconómicas y nan-
cieras del país son un medio para explicar la probabilidad de default
de los préstamos otorgados por los bancos. En particular, los factores
que inuyen en el riesgo de crédito del sistema privado bancario ecua-
toriano son la tasa del crecimiento del PIB, variables gubernamentales,
tasa de crecimiento de los créditos, las provisiones y la rentabilidad.
Palabras clave: Riesgo de crédito, sistema bancario, factores macro-
económicos, factores institucionales
Abstract
Using data from the Ecuadorian private banking system for the peri-
od 2000-2017, this paper analyses macroeconomic and bank specic
variables as determinants of credit risk, evaluated through a panel data
with random eects. The ndings highlight that macroeconomic and
nancial conditions of the country can explain credit banks quality in
Ecuador. In particular, the factors that inuence the credit risk in pri-
vate banking system are the unemployment, government variables, the
growth rate of loans, provisions, protability and size.
Keywords: Credit risk, banking system, macroeconomic factors, institu-
tional factors
Introducción
A nivel mundial el sistema nanciero desempeña un rol trascendental
en la economía, pues a través del proceso de intermediación permite
“canalizar el ahorro hacia el nanciamiento productivo y la inversión,
contribuyendo de esa forma al logro de mayores tasas de crecimiento
de la economía” (Vera & Titelman, 2013, pág. 7). Varios estudios empíri-
cos han analizado el vínculo existente entre el sector bancario y el cre-
cimiento económico, demostrando que los niveles de intermediación
nanciera son predictores del desarrollo económico de los países (King
& Levine, 1993). Eventos de crisis como la asiática y la subprime 2008-
2009, han evidenciado que tanto shocks del macro y micro entorno;
inciden signicativamente en la calidad de cartera de crédito (Urbina,
2017).
El sistema bancario de América Latina y el Caribe enfrenta aún grandes
retos, principalmente en temas de profundización de productos nan-
cieros e inclusión nanciera; mismos que deberían estar acorde a las
necesidades del entorno (Vera & Titelman, 2013). A pesar de lo comen-
tado, este sector constituye la principal fuente de nanciamiento que
sustenta el crecimiento de estas economías, denotando la necesidad
de potenciar el desarrollo de instrumentos alternativos y del mercado
de capitales como opciones para acceder a las nanzas.
La concesión de préstamos bajo lo comentado, expone a las instituciones
nancieras al riesgo de crédito, que “se dene como la probabilidad de
que un prestatario no pueda cumplir con sus obligaciones contrac-
tuales de interés y/o capital, ya sea en forma total o parcial” (Urbina,
2017, p.3). Su análisis es importante, en razón de que la evidencia
empírica ha demostrado que la ocurrencia del riesgo (default) es una de
las principales causas de crisis bancarias, misma que genera efectos
adversos en la economía (Reinhart & Rogo, 2010). Por lo comentado,
resulta transcendental en las instituciones bancarias la denición de
mecanismos tendientes a velar por el equilibrio nanciero, niveles de
rentabilidad adecuados y una administración correcta de la cartera de
riesgos (Titelman, 2003).
En este contexto, analizar los factores que potencialmente inciden en el
riesgo de crédito, clasicándolos en condicionantes macroeconómicos
y efectos propios de la industria, hacen de este estudio un interesante
tema de análisis. Investigaciones sobre estos modelos se han efectua-
do típicamente sobre bancos de países desarrollados, la evidencia para
economías en vías de desarrollo está poco actualizada y es escasa; y
el caso ecuatoriano no es la excepción. El objetivo de la presente in-
vestigación es conocer qué factores inciden en el riesgo de crédito del
sistema bancario ecuatoriano.
Particularmente en Ecuador, el sistema nanciero está conformado por
bancos, sociedades nancieras, mutualistas y cooperativas de ahorro
y crédito; de los cuales el sistema bancario es “el mayor y más impor-
tante participante del mercado con más del 90% de las operaciones del
total del sistema nanciero” (Uquillas & Gozáles, 2017, p.249). El sector
bancario es regulado por la Superintendencia de Bancos, y anualmente
clasica a estas instituciones en bancos grandes, medianos y pequeños,
atendiendo al volumen de activos (Sánchez, Mogro, & Cruz, 2017).
El análisis empírico de este paper contribuye a la literatura existente
de los determinantes del riesgo de crédito centrando el estudio en el
sistema bancario del Ecuador, considerando su evolución del 2000 al
2018, periodo que incluye la crisis bancaria ecuatoriana y la crisis global
2008-2009.
El estudio de variables macroeconómicas resulta relevante pues el
monitoreo del riesgo de crédito es parte del control macro prudencial
efectuado por los organismos de control (Mpofu & Nikolaidou, 2018).
Así también, varios estudios empíricos denotan la relación entre fac-
tores propios de las instituciones bancarias (tamaño, eciencia, políti-
cas de crédito, entre otros) y la morosidad; en razón de que son un
factor de riesgo en los créditos (Messai & Jouini, 2013). Mediante un
enfoque de datos de panel estático, los resultados indican que para
la economía ecuatoriana, el riesgo de crédito, medido por la tasa de
morosidad, se ve afectado por determinantes macroeconómicos e in-
dicadores propios del sistema bancario: tasa de crecimiento del PIB,
variables gubernamentales, la tasa de crecimiento de los créditos, las
provisiones y la rentabilidad.
Revisión de literatura
Varios han sido los autores que se han preocupado del estudio del ries-
go de crédito, particularmente el interés se ha enfocado en identicar
los factores que pueden incidir en la calidad de la cartera de crédito;
a n de generar una gestión de riesgos oportuna tendiente a mantener
niveles estables de liquidez. Este análisis ha sido importante en los últi-
mos años, pues la evidencia empírica ha demostrado una relación im-
portante entre el riesgo de crédito y las crisis bancarias, lo cual conlleva
un alto riesgo de inestabilidad nanciera (Messai & Jouini, 2013; Nkusu,
2011, Castro, 2013). De acuerdo a Nkusu (2011) “los determinantes
del riesgo de crédito pueden ser factores macroeconómicos, nancier-
os o netamente institucionales” (p.3).
Estudios empíricos estiman los determinantes del riesgo de crédito a
través de diferentes enfoques, de acuerdo a Mpofu & Nikolaidou (2018)
la probabilidad de incumplimiento puede ser aproximada a través de
cuatro medidas: frecuencias estimadas de default, provisión cuentas
URL: http://revistas.uta.edu.ec/erevista/index.php/bcoyu/article/view/842 DOI: http://dx.doi.org/10.31164/bcoyu.23.2019.842
5
Riesgo de crédito: Evidencia en el sistema bancario ecuatoriano
M. Urbina / Boletín de Coyuntura, Nº 23; octubre- diciembre 2019; e-ISSN 2600-5727 / p-ISSN 2528-7931; UTA – Ecuador; Pág. 4-9
incobrables, índice de morosidad y pérdidas por incumplimiento. En
general la medida de riesgo más utilizada es el índice de morosidad,
se calcula como la relación entre la cartera improductiva y la cartera
bruta total.
La literatura argumenta la importancia del estudio de los factores intrín-
secos de las instituciones nancieras como determinantes del riesgo
de crédito, debido que cada préstamo en mora afecta signicativa-
mente los niveles de rentabilidad, liquidez y solvencia del banco (Mes-
sai & Jouini, 2013). A su vez Vallcorba & Delgado (2007) exponen que
“existe un conjunto de características individuales de las entidades
bancarias que inciden en los niveles de morosidad observados en cada
institución” (p.6), y en medida estos reejan la calidad de administración
ejercida.
Salas & Saurina (2002), a través de un análisis de datos de panel con-
trastan los determinantes de riesgo de crédito para los bancos comer-
ciales y de ahorros en España en el periodo 1985-1997, los resultados
muestran que el riesgo de crédito es signicativamente determinado
por factores individuales a nivel de banco.
En relación a los factores internos de las instituciones bancarias, Ahmad &
Ari (2007) analizan determinantes del riesgo de crédito en economías
emergentes y desarrolladas, concluyendo que existe una correlación
importante entre el capital regulatorio, calidad de administración, nivel
de provisiones por créditos incobrables. Considerar el análisis de estos
factores es relevante en razón de que son elementos controlables por
la administración por lo que a través de ellos se puede mejorar la cali-
dad de la cartera de crédito.
Dentro de los factores relevantes que pueden incidir en el riesgo de
crédito se destaca: tamaño (Salas & Saurima, 2002), nivel de provi-
siones (Louhichi & Boujelbene, 2016), niveles de capital, retorno
(Waemustafa & Sukri, 2015), política de crédito (Boudriga, Boulila, &
Jellouli, 2010).
La evidencia empírica sobre los factores macroeconómicos se susten-
ta en modelos teóricos y regularidades empíricas, que destacan una
relación inversa entre el riesgo de crédito y el ciclo económico de un
país (Nkusu, 2011). Ciertamente el entorno macroeconómico inuye en
la situación nanciera de los prestatarios lo que afecta a su vez al pago
del servicio de la deuda.
Nkusu (2011) mediante un estudio de 26 economías avanzadas en el
periodo 1998-2009, determina que existe un vínculo entre los créditos
en mora de las instituciones nancieras y el desempeño macroeco-
nómico; particularmente los resultados indican que el crecimiento de
la cartera en mora genera un círculo vicioso que agrava las vulnerabili-
dades macronancieras.
En esta tendencia Hoang et al. (2019) analizan el impacto de variables
macroeconómicas en el riesgo de crédito, a través del modelo FEM-
REM utilizando datos de panel de 20 bancos comerciales de Vietnam
en el periodo 2006-2017; los resultados indican que las variables tasa
de interés real y la tasa de desempleo tienen un impacto negativo en
el riesgo de crédito, mientras que la provisión para pérdidas crediticias
incide positivamente en el riesgo.
Por su parte Vallcorba & Delgado (2007), exponen que el riesgo de
crédito tiene un comportamiento cíclico consecuente al ciclo de la
economía en general. Así en fases de expansivas, niveles de moro-
sidad tienden a reducirse pues los hogares/empresas presentan altos
ingresos lo que facilita el pago de las obligaciones nancieras; mientras
que en fases de recesión la mora suele incrementar por la disminución
de ingresos en la economía; por lo tanto, se presenta una relación in-
versamente proporcional o negativa. Finalmente, en esta línea Castro
(2013) analiza el vínculo entre calidad de cartera y la inuencia del en-
torno económico para los países de Grecia, Irlanda, Portugal, España
e Italia, durante el periodo 1997-2011 concluyendo que el riesgo de
crédito se ve afectado signicativamente por el crecimiento del PIB,
índice de acciones y precios de la vivienda, tasa de desempleo tasa de
interés, el crecimiento del crédito; y el tipo de cambio real.
Metodología
Datos
La presente investigación analiza cómo factores especícos de las
instituciones bancarias y variables macroeconómicas afectan al riesgo
de crédito en Ecuador. Para el efecto, se considera los datos de balance
del sistema bancario ecuatoriano, publicados por la Superintendencia
de Bancos (SB). Actualmente la banca está formada por veinte y
cuatro entidades privadas y tres instituciones públicas. Las series son
de frecuencia anual del periodo comprendido entre 2000-2018. A n
de estimar la relación con las variables macroeconómicas se incorporó
información relacionada al entorno macroeconómico a nivel país, los
cuales se obtuvieron de la base de datos del Banco Mundial.
Los indicadores agregados de gobernabilidad a nivel país se los ob-
tiene de la base Worldwide Governance Indicators, la metodología e in-
terpretación de estos fue desarrollada por Kaufmann, Kraay, & Mastru-
zzi (2010). La inclusión de estas variables responde a que la efectividad
de la supervisión tiene impacto en la calidad de la cartera de crédito,
especícamente el trabajo de Boudriga et al. (2009) evalúan “hasta qué
punto la efectividad de la regulación de supervisión conduce a que un
sistema nanciero funcione bien” (pág. 288)
De acuerdo a lo comentado, nalmente la muestra se compone de 527
observaciones organizados en datos de panel, al combinar información
en una dimensión temporal con una transversal.
Variables
Para el presente estudio se considera como variable dependiente el
índice de morosidad, que de acuerdo a la normativa ecuatoriana corresponde
al cociente entre el total de cartera improductiva (cartera vencida y que
no devenga intereses) y la cartera bruta total (Subgerencia de Progra-
mación y Regulación Dirección Nacional de Riesgo Sistémico, 2017).
Considerar este indicador como proxy del riesgo de crédito es acorde
con los trabajos de Uquillas & Gozáles (2017), Louhichi & Boujelbene
(2016), Boudriga, Boulila, & Jellouli (2010), entre otros.
Como variables especícas del sector bancario se considera el nivel
de capitalización, aproximado por la razón nanciera capital a activos
totales (Louhichi & Boujelbene, Credit risk, managerial behaviour and
macroeconomic equilibrium within dual banking systems: Interest-free
vs. interest-based banking industries, 2016). Se incluye en la especi-
cación del modelo el logaritmo natural de los activos como variable
proxy del tamaño de los bancos para controlar los efectos de la diversi-
cación y economías de escala. Además, se considera una variable que
recoge el efecto de las pérdidas anticipadas por préstamos incobra-
bles, que corresponde al cociente entre total provisiones y total cartera
bruta. Se incorpora la rentabilidad medida por la razón ROA, retornos a
activos totales, como indicativo de la calidad de desempeño gerencial.
Finalmente, dentro de este grupo de variables se incluye la tasa de
crecimiento de créditos, como indicador que aproxima las políticas de
crédito denidas por las instituciones bancarias.
Debido a la necesidad de determinar la relación con variables macroeco-
nómicas se considera la tasa de crecimiento del PIB y la tasa de de-
sempleo. Se considera estos indicadores de actividad económica pues
de acuerdo a Salas & Saurima (2002) la tasa de crecimiento del Producto
Interno Bruto (PIB) es una medida altamente informativa del desempeño de
una economía que reeja el resultado de otras variables macroeconómicas
tales como inación, tipo de cambio real, entre otras. Mientras que la tasa
de desempleo denota la capacidad de la población para generar ujos de
efectivo que permitan el pago oportuno de los préstamos (Urbina, 2017).
Varios son los estudios que exponen que un buen gobierno es un im-
portante catalizador de desarrollo, siguiendo estas ideas se ha considerado
los indicadores mundiales de buen gobierno desarrollados por Kaufmann
et al. (2010). Se denen seis dimensiones fundamentales de un buen
6
Riesgo de crédito: Evidencia en el sistema bancario ecuatoriano
M. Urbina / Boletín de Coyuntura, Nº 23; octubre- diciembre 2019; e-ISSN 2600-5727 / p-ISSN 2528-7931; UTA – Ecuador; Pág. 4-9
conjunto de datos respectivamente.
Término constante del modelo.
Variable proxy del riesgo de crédito bancario para cada
institución bancaria en cada año.
Conjunto de variables especícas a la industria bancaria.
Variables relacionadas al entorno macroeconómico y varia-
bles de gobernabilidad.
Coecientes a ser estimados a través el método generaliza-
dos de momentos considerando especicación de efectos
aleatorios.
Perturbación aleatoria que permite distinguir los efectos de
cada individuo.
Término de error.
Finalmente, es necesario la aplicación del test de Hausman para identi-
car si las diferencias son sistemáticas y signicativas entre las estima-
ciones de panel de datos por efectos jos y aleatorios; es decir permite
conocer si el estimador es consistente.
Resultados
Estadísticas descriptivas
El sistema nanciero ecuatoriano está formado por entidades públicas
y privadas como bancos, cooperativas de ahorro y crédito, sociedades
nancieras y mutualistas. La presente investigación, centra su estudio
en el sistema bancario público y privado, debido a la disponibilidad de
la información y la importancia del sector en la economía, al 2018 las
captaciones y colocaciones representaron el 76,1% y 76,71% respecto
al total del sistema nanciero nacional (Red de Instituciones Financieras
de Desarrollo, 2019).
El objetivo de la presente investigación es conocer qué factores inciden
en el riesgo de crédito del sistema bancario, así es conveniente en una
primera etapa analizar las principales estadísticas descriptivas de las
variables utilizadas en el modelamiento. En la tabla 2, se detalla la me-
dia, desviación estándar, valores mínimos y máximos de las variables
en estudio.
De acuerdo a los resultados, el riesgo de crédito de la banca ecuatoriana
es 7,8% en promedio, analizando su evolución histórica (referirse a la
Figura 1) se observa que los mayores niveles de morosidad ocurren
en los años 2000-2001, periodo en el cual el país enfrentó la crisis
bancaria; en adelante el riesgo presenta una tendencia decreciente y
se mantiene relativamente estable a partir del 2006. Durante la crisis
subprime 2008-2009 y la recesión económica 2015-2016 el riesgo de
crédito tiende a incrementar, evidenciando impacto del entorno macro-
económico en la calidad de la cartera de crédito.
En relación a las variables independientes se evidencia que las provi-
siones en el periodo analizado representan en promedio 8,5% de la
cartera bruta total. En relación a la rentabilidad, es importante señalar
que el retorno sobre activos es de 0,9%, existen instituciones que han
generado pérdida en los periodos analizados con valores mínimos
negativos de 45% y máximos de 24%. Considerando la capitalización,
la proporción del patrimonio respecto al activo total de los bancos
privados ecuatorianos es en promedio 19,7%, indicando que la prin-
cipal fuente de nanciamiento para el sector bancario son las obliga-
ciones con el público.
La información considerada para el análisis combina series temporales
con transversales (bancos); por lo tanto, las observaciones se organi-
zan en datos de panel a través del cual es posible capturar la heteroge-
neidad no observable entre los individuos de estudio.
El modelamiento se realiza mediante la especicación de datos de
panel estático con efectos aleatorios, este enfoque de estudio otorga
ventajas al considerar que el comportamiento de las variables está in-
uenciado por los efectos individuales y temporales (Labra & Torrecillas,
2014); esta técnica permite contar con un mayor número de observa-
ciones aumentando los grados de libertad generando estimadores más
consistentes a diferencia de la metodología de mínimos cuadrados
ordinarios donde los resultados tienden a ser sesgados debido a la
omisión variables relevantes (Mayorga & Muñoz, 2000).
Los efectos individuales de las series de datos son tratados como alea-
torios, donde los efectos individuales no están correlacionados con las
variables explicativas (Montero, 2011). El modelo puede expresarse de
la siguiente forma:
(1)
(2)
Donde X
1it
representa al conjunto de variables explicativas del modelo
es decir las variables independientes. La ecuación (2) denota que los
efectos individuales no son independientes; sino que se distribuyen
aleatoriamente alrededor de un valor dado. Finalmente u
i
representa
la perturbación aleatoria de cada uno de los individuos considerados
en el análisis.
De acuerdo a lo comentado, el estudio el riesgo de crédito se modela
a partir de la siguiente especicación:
(3)
Donde:
Subíndices
i
y
t
representan los efectos individuales y temporales del
Tabla 1. Denición de variables
Fuente: Elaboración propia
gobierno, para el objeto de estudio se consideran los elementos funda-
mentales de estado de derecho y control de la corrupción.
Una descripción de las variables utilizadas en este estudio y de su signo
esperado, se detalla en la Tabla 1.
7
Riesgo de crédito: Evidencia en el sistema bancario ecuatoriano
M. Urbina / Boletín de Coyuntura, Nº 23; octubre- diciembre 2019; e-ISSN 2600-5727 / p-ISSN 2528-7931; UTA – Ecuador; Pág. 4-9
Tabla 2. Estadísticas descriptivas
Tabla 3. Estimación efectos aleatorios
Donde RCr es el ratio de cartera improductiva a cartera bruta total. CrecCr es la tasa de crecimiento de crédito anual,
Prov es el cociente entre provisiones y cartera bruta total, ROA es la tasa de retorno sobre activos, Cap es el ratio de
patrimonio sobre activos, Tam es el logaritmo natural de los activos totales, Desem es la tasa de desempleo, CrPIB
es la tasa de inación, ED es el indicador de estado de derecho y CC es el indicador de control de corrupción.
Fuente: Elaboración propia a partir de los Boletines Financieros Superintendencia de Bancos (2018) y los
indicadores mundiales de buen gobierno del Banco mundial (2018)
Nota: Estadístico-t se muestra en paréntesis. ***, **, * indican signicancia al 1%, 5% y 10% respectivamente. Donde
RCr es el ratio de cartera improductiva a cartera bruta total. CrecCr es la tasa de crecimiento de crédito anual, Prov
-1 es el cociente entre provisiones y cartera bruta total rezagado, ROA es la tasa de retorno sobre activos, Cap
es el ratio de patrimonio sobre activos, Tam es el logaritmo natural de los activos totales, CrPIB-1 es la tasa de
crecimiento del PIB rezagado, Desem es la tasa de desempleo, ED es el indicador de estado de derecho y CC es
el indicador de control de corrupción. Para cada regresión se presentan el número de observaciones (No. Obs.).
y el test de Hausman y los p-values respectivos (entre corchetes) para la prueba de la presencia de efectos jos.
Fuente: Elaboración propia
Fuente: Elaboración propia a partir de los boletines nancieros de la Superintendencia de Bancos (2018)
Figura 1: Evolución histórica indicador de morosidad total sistema bancario privado
Con respecto a los indicadores de buen gobierno, la razón de estado
de derecho y control de la corrupción en promedio es -0,93 y -0,73
respectivamente; denotando en el país una posición débil en las dimen-
siones de gobierno.
Estimación datos de panel efectos aleatorios
El modelo básico para el análisis empírico enfatiza el impacto de los
factores especícos de los bancos. A continuación, se estiman otras
especicaciones que incluyen variables del entorno macroeconómico
y del desempeño gubernamental. La última especicación considera
todas las variables juntas.
Los resultados de los modelos se detallan en la Tabla 3, los coecientes
se han estimado a través de la metodología de datos de panel siguien-
do la especicación de efectos aleatorios. Para cada modelo se realiza
el Test de Hausman, a n de analizar si los efectos individuales siguen
un comportamiento aleatorio o jo, los resultados en general indican
que no hay correlación entre los efectos individuales y las variables ex-
plicativas; por lo que es conveniente emplear la estimación por efectos
aleatorios, validando la elección del modelo.
Se evidencia que las políticas denidas en las instituciones bancarias
aproximadas por los factores internos, tienden a explicar la probabili-
dad de default de los créditos otorgados. Así, los coecientes estima-
dos indican que el crecimiento del crédito es negativo y estadísticamente
signicativo, este resultado implica que las estrategias de otorgamiento
de crédito en el Ecuador no están impulsadas por estrategias agresivas,
sino que, por lo contrario, la experiencia de los bancos en actividades de
intermediación permite un mejor control del riesgo de crédito. Este
hallazgo es consistente con estudios previos (Boudrig et al., 2009;
Louhichi & Boujelbene, 2016).
En relación a las políticas de provisiones, el primer rezago de las provi-
siones sobre préstamos incobrables muestra un coeciente positivo y
signicativo en todas las especicaciones del modelo, lo que indica que
los bancos tienen incentivos a incrementar su nivel de provisiones para
anticipar pérdidas por préstamos incobrables (Boudriga et al., 2010).
Adicionalmente, el primer rezago indica que es probable que el nivel de
provisiones incremente en el periodo actual, si este ha incrementado en
el periodo anterior. Respecto a esta variable, es importante acotar que
el porcentaje de provisiones para el sector bancario está asociado a la
calicación de riesgo de la cartera, es decir que se encuentran norma-
dos niveles máximos de provisiones (Asobanca, 2019).
Por otra parte, el ROA se relaciona negativamente con el riesgo de
crédito. Como consecuencia, a mayor rendimiento nanciero existe
una menor posibilidad de adoptar riesgos en el otorgamiento de crédi-
tos; dado que un deterioro en la calidad de la cartera afecta directa-
mente en los resultados por las pérdidas generadas. Este resultado es
consistente con los hallazgos de Boudriga, Boulila, & Jellouli (2010),
Louhichi & Boujelbene (2016), Uquillas & Gozáles (2017), Urbina (2017),
entre otros.
Sobre la capitalización los resultados indican un impacto positivo,
aunque no signicativo en ninguno de los modelos propuestos. Sin em-
bargo, estos resultados apoyan a la hipótesis del regulador, denotando
que a mayor exigencia en el nivel de capital las entidades bancarias
asumen más riesgo (Louhichi & Boujelbene, Credit risk, managerial be-
haviour and macroeconomic equilibrium within dual banking systems:
Interest-free vs. interest-based banking industries, 2016).
Con respecto al tamaño de las instituciones bancarias se relaciona
negativamente con la calidad de la cartera de crédito, aunque no es
signicativo en los modelos expuestos. Este resultado, concuerda
con los hallazgos de Waemustafa & Sukri (2015), por lo tanto bancos
grandes debido a su trayectoria disponen de adecuados proceso de
gestión de cartera disminuyendo así los niveles de riesgo.
En lo referente a los factores macroeconómicos, el indicador de creci-
miento del PIB rezagado muestra una relación negativa y signicativa en
8
Riesgo de crédito: Evidencia en el sistema bancario ecuatoriano
M. Urbina / Boletín de Coyuntura, Nº 23; octubre- diciembre 2019; e-ISSN 2600-5727 / p-ISSN 2528-7931; UTA – Ecuador; Pág. 4-9
la última especicación del modelo. Este hallazgo es consecuente con
los resultados de Castro (2013), fases de expansión de la economía se
relacionan con bajos niveles de mora; por otra parte, el efecto contrario
se espera en fases de recesión económica. Es decir, un shock positivo/
negativo inuye inversamente en la calidad de la cartera de crédito. Así
mismo, los resultados denotan una asociación positiva del desempleo,
la falta de trabajo no permite el pago oportuno de los créditos por parte
de los hogares afectando a la calidad de cartera de las instituciones
bancarias.
Finalmente, con relación a los indicadores gubernamentales los resultados
sobre control de corrupción son signicativos y negativamente rela-
cionados, es decir actividades del gobierno tendientes a minimizar la
corrupción a pequeña y gran escala; inciden en una mejora calidad de
la cartera de crédito. La variable estado de derecho, indicador sobre la
conanza y complimiento de la normativa en la sociedad, muestra una
correlación positiva con el riesgo de crédito, los resultados concuerdan
con Louhichi & Boujelbene (2016) exponen que el resultado se deriva
de un poder débil del organismo regulador.
Conclusiones
El presente artículo tiene como objetivo analizar los factores que poten-
cialmente inciden en el nivel de créditos problemáticos del sistema ban-
cario, evaluado en el periodo 2000-2018 a través de una estimación
de datos de panel estático con efectos aleatorios. La importancia del
estudio, radica en la evidencia expuesta en la literatura que demuestra
que problemas en la calidad de cartera de crédito pueden desencade-
nar crisis bancarias con efectos adversos en la situación económica
de los países.
En este sentido se han analizado los determinantes del riesgo de
crédito por medio de dos grupos de factores y explicaciones, esto es
basado en características propias de las instituciones nancieras y a
través de argumentos relacionados al ambiente macroeconómico; in-
corporando adicionalmente el efecto que pueden tener variables gu-
bernamentales en la calidad de la cartera de crédito, para el efecto se
experimentan interacciones con los indicadores estado de derecho y
control de la corrupción.
De acuerdo a los argumentos expuestos, se puede concluir que las
características propias del sistema bancario inciden signicativamente
en el riesgo de crédito. Especícamente los resultados indican que in-
crementos en el nivel de provisiones sobre créditos incobrables están
positivamente relacionados con altos niveles de riesgo de crédito; en
razón de que las provisiones son un método de control ante pérdidas
esperadas. En contraste, se evidencia que un alto crecimiento de la
cartera de crédito y rendimiento de las instituciones reduce los niveles
de cartera vencida; indicando que los bancos al concentrarse en su ac-
tividad crediticia tienden a evaluar adecuadamente la calidad crediticia
de sus prestatarios.
En relación a las variables macroeconómicas, la tasa de crecimiento del
PIB rezagada explica el nivel del riesgo de crédito de las instituciones
bancarias, denotando una relación inversamente proporcional; fases
de crecimiento de la economía inciden positivamente en los ujos de
efectivo de los hogares/empresas facilitando el servicio de la deuda.
Sin duda, las condiciones económicas del país tienden a impactar en la
calidad de la cartera de crédito de los bancos.
Adicionalmente, los resultados resaltan la importancia del ambiente
institucional en la calidad de la cartera de crédito, en especial un mejor
control de la corrupción desempeña un rol importante en la reducción
de los niveles de morosidad del país. Por lo tanto, el gobierno ha de
continuar sus esfuerzos para mejorar sus indicadores de gobernabili-
dad a n de contribuir con el desarrollo nanciero del país. Varios test
de robustez con diferentes estimadores se han aplicado a n de conr-
mar los resultados detallados.
Finalmente, es importante comentar que el estudio proporciona una
contribución signicativa para organismos de control y administradores
de las instituciones bancarias. Los hallazgos brindan la posibilidad de
implementar políticas idóneas de gestión de crédito, así como políticas
prudenciales considerando el impacto de variables macroeconómicas e
institucionales en el desempeño de los indicadores de riesgo crediticio.
A partir del análisis expuesto, se pueden detallar algunas vías para
ampliar la literatura sobre el sistema bancario ecuatoriano y particu-
larmente sobre la cartera improductiva. Resultaría interesante analizar
la posibilidad de incorporar dentro de las estimaciones medidas de
gobierno corporativo, indicadores sobre eciencia en costos, así como
el impacto de factores culturales en los resultados bancarios.
Referencias
Ahmad, N., & Ari, M. (2007). Multi-country study of bank. The International
Journal of Banking and Finance, 135-152.
Alfaro, R., Calvo, D., & Oda, D. (2008). Riesgo de Crédito de la Banca. Banco
Central de Chile Documentos de Trabajo, 1-29.
Asobanca. (2019). Informe técnico: Banco Vs Cooperativas. Quito: Asoban-
ca. Obtenido de www.asobanca.org.ec
Banco mundial. (Julio de 2018). Banco de datos Indicadores mundiales de
buen gobierno. Obtenido de https://databank.bancomundial.org/Governance-In-
dicators/id/2abb48da
Berger, A., & DeYoung, R. (1997). Problem loans and cost eciency in
commercial banks. Journal of Banking and Finance, 21, 849-870. Obtenido de
https://www.federalreserve.gov/pubs/feds/1997/199708/199708pap.pdf
Boudriga, A., Boulila, N., & Jellouli, S. (2009). Banking supervision and non-
performing loans: a cross-country analysis. Journal of Financial Economic Policy,
1(4), 286-318. doi:10.1108/17576380911050043
Boudriga, A., Boulila, N., & Jellouli, S. (2010). Bank Specic, business and
institutional environment determinants of banks nonperforming loans: Evidence
from Mena countries. Economic Researc Forum(547), 1-28. Obtenido de http://
erf.org.eg/wp-content/uploads/2014/08/547.pdf
Castro, V. (2013). Macroeconomic determinants of the credit risk in the bank-
ing system: The case of the GIPSI. Economic Modelling, 31, 672-683. Obtenido
de econpapers.repec.org/article/eeeecmode/v_3a31_3ay_3a2013_3ai_3ac_3ap
_3a672-683.htm
Chaibi, H., & Ftiti, Z. (2014). Credit risk determinants: Evidence from a
cross-country study. Research in International Business and Finance, Volume
33(33), 1-16.
Flórez, R. (2007). Análisis de los determinantes del riesgo de crédito en pres-
encia de carteras de bajo incumplimiento. Una nueva propuesta de aplicación.
Revista Europea de Dirección y Economía de la Empresa, 71-92.
Fondo Monetario Internacional. (2016). La solidez del sistema nanciero.
Washington: Departamento de Comunicaciones FMI.
García-Marco, T., & Robles-Fernández, M. (2007). Risk-taking behaviour and
ownership in the banking industry: The Spanish evidence. García-Marco, T., & Ro-
bles-Fernández, M. D. (2008). Risk-taking behaviour and ownership in the bank-
ing industry: The Spanish evidence. Journal of Economics and Business, 60(4),
332–354. doi:10.1016/j.jeconbus.2007.04.008(60), 332-354. doi:10.1016/J.
JECONBUS.2007.04.008
Hoang, T. T., Vo, K. T., & Ha, N. T. (2019). Analysis of the Factors Aecting
Credit Risk of Commercial Banks in Vietnam. Springer Nature Switzerland, 522-
532. Obtenido de link.springer.com/10.1007/978-3-030-04200-4_38
Jara, M., Arias, J., & Rodríguez, A. (2011). Diversicación y determinantes
del desempeño bancario: una comparación internacional. Estudios de Admin-
istración, 1-48.
Jeanneau, S. (2007). Banking systems: characteristics and structural chang-
es. Bank for International Settlements, 1-65.
Kaufmann, D., Kraay, A., & Mastruzzi, M. (2010). The Worldwide Govern-
ance Indicators: Methodology and Analytical Issues. World Bank Policy Research
Working Paper No. 5430, 31. Obtenido de http://papers.ssrn.com/sol3/papers.
cfm?abstract_id=1682130
King, R., & Levine, R. (1993). Finance and growth: Schumpeter might be
right. The Quarterly Journal of Economics, 108(3), 717-737.
Labra, R., & Torrecillas, C. (2014). Guía CERO para datos de panel. Un en-
foque práctico. UAM-Accenture Working Papers, 1-61. Obtenido de www.cat-
edrauamaccenture.com/documents/Working%20papers/WP2014_16_Guia%20
CERO%20para%20datos%20de%20panel_Un%20enfoque%20practico.pdf
Louhichi, A., & Boujelbene, Y. (Septiembre de 2016). Credit risk, managerial
behaviour and macroeconomic equilibrium within dual banking systems: Inter-
est-free vs. interest-based banking industries. Research in International Business
and Finance, Volume 38(38), 104-121.
Louhichi, A., & Boujelbene, Y. (September de 2016). Credit risk, managerial
behaviour and macroeconomic equilibrium within dual banking systems: Inter-
est-free vs. interest-based banking industries. Research in International Business
9
Riesgo de crédito: Evidencia en el sistema bancario ecuatoriano
M. Urbina / Boletín de Coyuntura, Nº 23; octubre- diciembre 2019; e-ISSN 2600-5727 / p-ISSN 2528-7931; UTA – Ecuador; Pág. 4-9
and Finance, Volume 38(38), 104-121.
Louzis, D., Vouldis, A., & Metaxas, V. (2012). Macroeconomic and bank-spe-
cic determinants of non-performing loans in Greece: A comparative study of
mortgage, business and consumer loan portfolios. Journal of Banking & Finance,
1012-1027. doi:10.1016/j.jbankn.2011.10.012
Mayorga, M., & Muñoz, E. (Septiembre de 2000). Documento de trabajo del
Banco Central de Costa Ric. Obtenido de https://s3.amazonaws.com/academ-
ia.edu.documents/8300249/mayorga%20y%20munoz%20tecnica%20de%20
datos%20de%20panel.pdf?AWSAccessKeyId=AKIAIWOWYYGZ2Y53UL3A&Ex-
pires=1552261226&Signature=UWniEpUeI3dEFEdY8Nb%2B2WIFkvY%3D&re-
sponse-content-disposition=inline%3B%20
Messai, A., & Jouini, F. (2013). Micro and macro determinants of non-perform-
ing loans. International Journal of Economics and Financial Issues, 3(4), 852-860.
Montero, M. (2011). Efectos jos o aleatorios: test de especicación. Doc-
umentos de Trabajo en Economía Aplicada, 1-5. Obtenido de https://www.ugr.
es/~montero/matematicas/especicacion.pdf
Mpofu, T., & Nikolaidou, E. (2018). Determinants of credit risk in the banking
system in Sub-Saharan Africa. Review of Development Finance, 1-13.
Nkusu, M. (2011). Nonperforming Loans and Macronancial Vulnerabilities in
Advanced Economies. IFM working paper, 1-28.
Red de Instituciones Financieras de Desarrollo. (04 de Octubre de 2019).
RFD. Obtenido de http://rfd.org.ec/docs/estadisticas/capcolo.pdf
Reinhart, C., & Rogo, K. (2010). From nantial to crash to debt crisis. Na-
tional Bureau of economic research, 1-46.
Sagner, A. (2012). El inujo de cartera vencida como medida de riesgo de
crédito: Análisis y aplicación al caso de Chile. Revista de Análisis Económico,
27-54.
Salas, V., & Saurima, J. (2002). Credit risk in two institutional regimes: Span-
ish commercial and savings banks. Journal of Finantial Services Research, III(22),
203-224.
Sánchez, C., Mogro, S., & Cruz, J. (2017). Estructura de mercado del siste-
ma bancario ecuatoriano: concentración y poder de mercado. Revista Cumbres,
09-16.
Subgerencia de Programación y Regulación Dirección Nacional de Riesgo
Sistémico. (Mayo de 2017). Monitoreo de los principales indicadores monetarios
y nancieros de la economía ecuatoriana. Obtenido de Banco Central del Ecua-
dor: contenido.bce.n.ec/documentos/PublicacionesNotas/Datos.xlsx
Superintendencia de Bancos . (Abril de 2018). Superintendencia de Bancos
Portal Estadístico. Obtenido de http://estadisticas.superbancos.gob.ec/portal-
estadistico/portalestudios/?page_id=415
Superintendencia de Bancos. (4 de Octubre de 2017). Estadísticas.superban-
cos. Obtenido de http://estadisticas.superbancos.gob.ec/portalestadistico/portal-
estudios/wp-content/uploads/sites/4/downloads/2019/01/Memoria_2017.pdf
The World Bank Group. (28 de Agosto de 2018). Global Finantial De-
velopment. Obtenido de http://databank.worldbank.org/data/reports.aspx?-
source=global-nancial-development#
Titelman, D. (2003). La banca de desarrollo y el nanciamiento productivo.
Serie Financiamiento del Desarrollo, 1- 35.
Uquillas, A., & Gozáles, C. (2017). Determinantes macro y microeconómi-
cos para pruebas de tensión de riesgo de crédiro: un estudio comparativo entre
Ecuador y Colombia basado en la tasa de morosidad. Ensayos sobre Política
Económica, 35, 245-259.
Urbina, M. (Julio de 2017). Tesis Uchile. Obtenido de http://repositorio.
uchile.cl/bitstream/handle/2250/149796/Urbina%20Poveda%20Myriam.pdf?se-
quence=1&isAllowed=y
Vallcorba, M., & Delgado, J. (2007). Determinantes de la morosidad bancaria
en una economía dolarizada. El caso uruguayo. Documentos de trabajo. Banco
de España, 1-45.
Vera, C., & Titelman, D. (2013). El sistema nanciero en América Latina y el
Caribe. Financiamiento para el Desarrollo, 1-40. Obtenido de https://repositorio.
cepal.org/bitstream/handle/11362/35880/1/LCL3746_es.pdf
Vuslat, U. (2016). A dynamic approach to analysing the eect of the global
crisis on nonperforming loans: evidence from the Turkish banking sector. Applied
Economics Letters, 186-192.
Waemustafa, W., & Sukri, S. (2015). Bank Specic and Macroeconomics
Dynamic Determinants of Credit Risk in Islamic Banks and Conventional Banks.
International Journal of Economics and Financial Issues, 476-481. Obtenido de
econjournals.com/index.php/ije/article/view/1105/pdf
