Post on 22-Jun-2018
transcript
Competencia, Eficiencia y Estabilidad Financiera en la Banca Latinoamericana:
Evidencia Empírica 2001-2008
Septiembre, 2012
Oscar Alfonso Carvallo Valenciaa
a Ph.D. Investigador de Economía Senior, Oficina de Investigaciones Económicas, Banco
Central de Venezuela, Tlf.: 58-212.536.7287, ocarvall@bcv.org.ve, Septiembre de 2012.
Las opiniones y análisis que aparecen en este documento son responsabilidad del autor y no
necesariamente coinciden con las del Banco Central de Venezuela.
2
Competencia, Eficiencia y Estabilidad Financiera en la Banca Latinoamericana:
Evidencia Empírica 2001-2008
Resumen: Usando una muestra de 261 bancos comerciales de trece países
latinoamericanos para el periodo 2001-2008, estimamos índices de eficiencia en costos
e ingresos (“eficiencia X”), estabilidad financiera (“Z-scores”) y competencia (índices
de Lerner) a nivel de institución bancaria, para cada periodo. Esto nos permite practicar
ejercicios de causalidad de Granger en paneles dinámicos, para determinar relaciones de
causalidad entre estas variables. Como resultado, encontramos que más competencia
conlleva a mayor estabilidad financiera, aunque el resultado no es incompatible con
mayor concentración. La estabilidad financiera a su vez se refuerza bidireccionalmente
con la eficiencia.
Palabras claves: banca latinoamericana, eficiencia, competencia, estabilidad financiera.
Clasificación JEL: D43, F36, G21, L13, L80.
Competition, Effciency and Financial Stabiliy of Latin American Banks: Empirical
Evidence 2001-2008
Abstract: Using a sample of 261 commercial banks for thirteen Latin American
countries for the 2001-2008 period, we estimate cost and revenue effciency scores (X-
effciency), financial stability scores (“Z-scores”) and competition scores (Lerner´s
indexes) at bank level, for every period. This allows us to use Granger causality
techniques in dynamic panels, in order to stablish dynamic relationships among the
variables. As a result, we find that more competition is conducive to greater financial
stability, althouth the result is not incompatible with increased market concentration.
Financial stability, it is turned out, also have a positive dynamic feedback with
efficiency.
Key words: Latin American Banks, efficiency, competition, financial stability.
JEL Classification: D43, F36, G21, L13, L80.
3
I. Introducción:
Los sistemas bancarios latinoamericanos han venido transformándose estructuralmente
desde los años noventa. Este proceso se ha generado en varias dimensiones: rápida
liberalización y actualización regulatoria, una creciente participación de la banca
internacional en la región e innovación tecnológica. Asimismo, en forma concomitante
se ha producido una creciente reestructuración y consolidación en todos los sistemas
bancarios de la región [Yeyati y Micco (2003, 2007), Yildirim y Philippatos (2006),
Carvallo y Kasman (2005), BIS (2007)].
Este proceso no ha significado que la región se haya vuelto inmune a choques
macroeconómicos, financieros y al contagio como lo demuestran varios episodios de
crisis a lo largo del periodo (México 1994, Ecuador 1999, Venezuela 1993, Argentina
2001, Uruguay 2000 ó República Dominicana 2003). Sin embargo, hasta el comienzo
de la crisis financiera global en 2007, condiciones favorables en los mercados
internacionales de bienes básicos y mayor disciplina macroeconómica en la región, han
generado un ambiente propicio para el desarrollo de la banca latinoamericana (BIS
2007).
Durante mucho tiempo se pensó que la competencia podría ser contraproducente para la
estabilidad financiera, o por lo menos, que existe una combinación óptima de
competencia y estabilidad. La crisis reciente ha alterado esta visión compartida. La
crisis afectó, de manera notablemente, a las instituciones más grandes e interconectadas
de los sistemas financieros, precisamente aquellas que detentaban una mayor presencia
de mercado. Aunque las consideración de resolución de crisis fueron apremiantes y
dominaron las preocupaciones de competencia durante la primera fase de la crisis, en
una segunda fase se ha empezado a reevaluar la conección entre las la regulación
prudencial y de competencia.
La rápida reestructuración y consolidación de los sistemas bancarios latinoamericanos
ha despertado preocupación y análisis. El mismo es parte de un proceso más general de
transformación de las finanzas a nivel global, durante el mismo periodo. Existe una
controversia teórica sobre los efectos de esta rápida consolidación sobre la competencia,
la eficiencia y la estabilidad de los sistemas financieros. Por un lado, un grupo de
trabajos aseguran encontrar que la concentración bancaria puede ser beneficiosa para la
estabilidad financiera, esto es, para la resiliencia de los sistemas a entrar en crisis. Por
4
ejemplo, Keeley (1990) plantea que la mayor concentración, al incrementar el valor de
franquicia de los bancos, puede frenar la toma excesiva de riesgo por parte de la
gerencia y/o propietarios para evitar poner en riesgo beneficios futuros (hipótesis de
“valor de franquicia”). Boyd y Prescott (1986) argumentan que bancos más grandes
desarrollan ventajas comparativas en seguimiento, economías de escala y alcance y
diversificación de carteras. A nivel empírico, Beck et alt. (2006) encuentran que las
crisis son menos probables en economías con sistemas más concentrados. Respecto a
América Latina, Yildirim y Philippatos (2006) realzan el papel fundamental de las
reformas regulatorias ocurridas en la región. Estos autores encuentran que a pesar de la
creciente concentración e incremento de la presencia extranjera, la competencia como
norma no ha sido afectada significativamente. Los bancos en la región aparentan estar
operando bajo condiciones de competencia monopolística. Excepciones importantes
estarían representadas por Chile, Venezuela y Brasil donde hay evidencia de
competencia reducida como resultado del proceso de consolidación. En general, sin
embargo, encuentran que la reforma financiera y la presencia extranjera han sido
importantes propelentes de la competencia en la región, lo que a su vez habría
incrementado los beneficios y la eficiencia en costos.
En el campo opuesto, Schaeck et alt. (2009) y De Nicoló et alt. (2004) encuentran que
sistemas financieros menos concentrados se presentan más estables. Yeyati y Micco
(2007) encuentran que mayor competencia en los bancos latinoamericanos y caribeños
se ha relacionado con un incremento del riesgo y “mientras la mayor concentración en
la región no debilitó la competencia bancaria, la penetración extranjera parece haber
conducido a una industria menos competitiva” (pg. 1633). Como conclusión, estos
autores avanzan una hipótesis referida a la presencia extrnjera en a región: “En los
mercados latinoamericanos sacudidos recurrentemente, los bancos nacionales pueden
ser vistos como sustitutos imperfectos de las sucursales o subsidiarias extranjeras … en
tal caso, al incrementar el nivel de diferenciación de productos, la penetración extranjera
en economías emergentes puede reducir la competencia, y a través de mayores
beneficios y valor de franquicia, el apetito de riesgo del banco representativo…” (Pág.
1645).
Un punto a resaltar, de acuerdo a toda esta literatura, es que la concentración per se,
medida de forma tradicional en forma de índices de participación de mercado de los
principales bancos, es una aproximación imperfecta de la intensidad de la competencia.
5
Esto es, un determinado nivel de concentración es compatible con distintos grados de
competencia, la cual en última instancia depende del nivel de contestabilidad y rivalidad
efectiva en el mercado bancario. De esta forma, el punto fundamental no está en si la
concentración conlleva o no a mayor estabilidad, sino en si la competencia efectiva ha
conllevado a esta.
Otro importante elemento para desentrañar estos dos puntos de vista conflictivos entre
competencia, entrada extranjera y riesgo, es la eficiencia. Tanto la asignación de capital,
como el riesgo están probablemente afectados por consideraciones de eficiencia. Bancos
operando bajo diferentes niveles de eficiencia tendrán distintos perfiles de riesgo y
capitalización en presencia de presión regulatoria o en virtud de problemas de agencia
(Hughes y Mester 1998). Los niveles de riesgo pueden condicionar las decisiones que
afectan la eficiencia. De esta forma, eficiencia, riesgo y las decisiones de
apalancamiento (capital) pueden determinarse mutuamente.
Carvallo y Kasman (2005), y Kasman, Kirbas-Kasman y Carvallo (2005) estiman
fronteras de costos y beneficios de bancos de 16 países latinoamericanos y caribeños
para 1995-1999. Los autores encuentran que la concentración estuvo positivamente
relacionada con la ineficiencia en costos y beneficios. Previos estudios (Claessens,
Demirguc-Kunt y Huizinga, 2001; Weill, 2002; y Kasman, 2004), han hallado que la
entrada extranjera en los países emergentes ha incrementado la eficiencia de los
sistemas bancarios.
Toda la literatura reseñada forma parte de tradiciones teoricas de larga data. Por una
lado, se contrapone la hipótesis de “competencia-fragilidad” (Keeley 1990, Boyd y
Prescott 1986, Beck et alt 2006) con la de “competencia-estabilidad” (Mishkin 1999, De
Nicoló et alt. 2004, Schaeck and Cihák 2009, Schaeck et alt 2006, Uhde y Heimeshoff
2009). Por otro lado, la relación entre competencia y eficiencia ha estado dominada por
dos hipótesis. Dentro de la tradición “estructura-conducta-desempeño”, la estructura de
mercado y la competencia terminan determinando la eficiencia. Por ejemplo, de acuerdo
a la variante de “vida tranquila”, las firmas que disfrutan de poder de mercado tienden a
operar ineficientemente antes que explotar todas las rentas posibles (Hicks 1935,
Nickell et alt. 1997). Por otro lado, bajo la hipótesis de “estructura eficiente”, es el
desempeño, sea éste en términos de eficiencia u otra dimensión, termina determinando
la estructura de mercado resultante (Demsetz 1973, Peltzman 1977). Como es sugerido
6
por Hughes y Mester (1998), estas duplas de hipótesis deben ser investigadas en forma,
integral, en vurtud de las interconexiones entre competencia, eficiencia y riesgo.
La mayoría de los estudios reseñados evalúan la relación entre eficiencia, competencia y
estabilidad financiera en un marco estático y agregado. Más recientemente, y a partir del
renovado interés en la dinámica de los sistemas financieros a raíz de la crisis de finales
de década, se han empezado a utilizar datos micro financieros en un contexto de paneles
para tratar de extraer la dinámica inmanente entre estos elementos de la estructura
bancaria [Casu y Girardone (2009), Uhde y Heimeshoff (2009), Fiordelisi, Marques-
Ibañes y Molyneux (2011)]. Uhde y Heimeshoff (2009), encuentran para Europa que la
concentración bancaria ha tenido un efecto negativo sobre la solidez de sus bancos, en
tanto habría generado un debilitamiento de la presión competitiva.
El presente estudio, en la venia de este último enfoque, usa una muestra de 261 bancos
comerciales de trece países latinoamericanos para el periodo 2001-2008, estimando
índices de eficiencia en costos e ingresos (“eficiencia X”), estabilidad financiera (“Z-
scores”) y competencia (índices de Lerner) a nivel de cada institución bancaria, para
cada periodo. Esto nos permite practicar ejercicios de causalidad de Granger en panel
dinámico, para determinar relaciones de causalidad entre estas variables. Al evaluar los
resultados, tomamos en cuenta las duplas de hipótesis reseñadas con anterioridad, a
saber, la visión de “estructura-conducta-desempeño” versus “estructura eficiente”, por
un lado, y las hipótesis de “competencia-fragilidad” y “competencia-estabilidad”, por el
otro.
Es innegable la necesidad práctica de mejorar nuestro conocimiento acerca de los
efectos de mercado de dos décadas de reforma financiera en la región. A pesar de la
aparente resiliencia de las economías y sistemas bancarios latinoamericanos a la crisis
financiera global, los efectos últimos de la misma, sobre la economía global y las
economías regionales en particular, podría no necesariamente haberse manifestado
totalmente. El antídoto utilizado en las economías foco de la crisis, una expansión
monetaria histórica, ha venido generando una serie de efectos perniciosos sobre las
economías emergentes, en particular en América Latina. Los sistemas financieros de la
región han venido reciclando en sus economías flujos de capital sin precedentes por su
magnitud y cualidades, las cuales vienen generando una apreciación continua de
activos. La experiencia histórica respecto a estos ciclos de reciclaje internacional de
excedentes indica que la reversión de los mismos puede tener fuertes consecuencias
7
sobre los países recipientes (Akyüz 2011) por lo que una continua evaluación de las
fortalezas y debilidades de los sistemas financieros de la región es una tarea urgente y
aún inconclusa.
En la siguiente sección de describen las metodologías y datos utilizados para la
estimación de los indicadores de eficiencia, competencia y estabilidad financiera
utilizados en el estudio de causalidad, cuyos principios tambien se describen. La sección
III discute los resultados, en tanto que la última sección presentan comentarios finales.
II. Metodología y Datos
Estimación de eficiencia:
La combinación de ineficiencias asignativas y técnicas es conocida como ineficiencia X,
la cual mide la desviación de los costos de la firma respecto a una frontera óptima, no
atribuibles a factores de escala y enfoque (véase Leibenstein 1966). La eficiencia
técnica es definida como el uso mínimo de insumos para un dado nivel de producción y
combinación de insumos, en tanto la eficiencia asignativa implica que la firma use sus
insumos en proporciones óptimas. La eficiencia en costos se refiere a la combinación de
ambos tipos de eficiencia, y es una medida de que tan apartada se encuentra la firma de
aquella con costos óptimos, produciendo una canasta de productos bajo similares
condiciones y precios. La eficiencia en ingresos, por otra parte, se define en torno a una
frontera óptima de ingresos, donde dados los precios de los productos la firma optimiza
los ingresos dada la mezcla de insumos1. Al igual que la eficiencia en costos, recoge
componentes técnicos y asignativos. Utilizamos el Enfoque de Frontera Estocástica
(EFE), introducido por Aigner et alt. (1977), Meeusen y van den Broeck (1977) y
Battese y Corra (1977), para generar índices de eficiencia para cada banco año a año en
el periodo 2001-2008.
El término de error en este modelo se modela con dos componentes. El primero es un
clásico ruido blanco, el cual es simétrico y mide la influencia de factores tal como la
mala suerte, o choques no sistemáticos. El segundo componente es una variable
aleatoria que adopta sólo valores positivos (o negativos para ingresos) y captura la
ineficiencia relativa a la frontera.
1 Siguiendo a Berger y Mester (1997), se estima una función de ingresos “alternativa”, la cual asume
competencia imperfecta en los mercados de productos. De esta foema, la forma funcional de ambas
fronteras es la misma, diferecniandose sólo en la dirección del error unilateral.
8
Estimamos la eficiencia usando el modelo de Battese y Coelli (1995) en el cual el
término de ineficiencia es derivado de una función normal truncada. Este modelo es un
procedimiento en una etapa donde la frontera (con una forma funcional
translogaritmica) es estimada en forma conjunta con los parámetros de los componentes
de error. En particular, el componente de ineficiencia es determinado por un vector de
variables “de entorno” los cuales, se asume a priori, afectan la eficiencia. El enfoque de
utilizar variables de entorno para evitar sesgos en los modelos de eficiencia ha sido
reconocido ampliamente en la literatura bancaria (ver por ejemplo, Dietsch y Lozano-
Vivas, 2000; Lozano-Vivas et al., 2001; Lozano-Vivas et al., 2002, Carvallo y Kasman
2005, Fries y Taci 2005). Esencialmente, esta metodología permite desplazamientos de
la media de la distribución del error de ineficiencia que son tanto específicos a la firma
como variables en el tiempo, en consonancia con la variación de las variables exógenas
de entorno.
En forma general el EFE asume:
)exp( itititit uvxy ±+= β (1)
Donde ity denota costos totales transformados; itx es un vector de interacciones
transformadas de insumos y productos; β es un vector de parámetros desconocidos a ser
estimados; itv son errores aleatorios independiente e idénticamente distribuidos como
),0( 2
vN σ que son independientes de itu ;
itu está independientemente distribuida, de
forma tal que itu es obtenida mediante al truncaje (en cero) de distribuciones normales
con media, δitz , y varianza 2
uσ , esto es ),( 2
uitzN σδ , donde itz es un (1× m) vector de
variables de entorno permitidas a variar en el tiempo; y δ es un (m×1) vector de
coeficientes desconocidos de estas variables de entorno.
Los términos de ineficiencia, itu , pueden ser especificados como:
ititit wzu += δ (2)
Donde wit es modelada como ),0( 2
WN σ y estando acotada por un punto variable de
truncaje - δitz (de forma tal que 0≥+ itit wz δ ). Battese y Coelli 1995 demuestran que
este supuesto es consistente con que itu sea una un truncaje no negativo de ),( 2
uitzN σδ .
9
Battese and Coelli (1995) muestran asi mismo que cuando la ecuación (1) se asume, la
eficiencia en costos de cada firma individual puede ser definida como
( ) ( )itititit wzuTE −−=−= δexpexp (3)
Para la forma funcional utilizamos la transformación translogaritmica:
stst
i j
jsistij
i m
mstjstjm
i j
jstj
k
kstistik
i
istiitit
uv
wyww
wyyyitct
±+
++
+++=
∑∑∑∑
∑ ∑∑∑
= == =
= ===
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
0
lnlnlnln2
1
lnlnln2
1][ln
δβ
βααα
(4)
Donde ctit [itit] son los costos totales (ingresos totales) del banco i en el año t. yi =
productos (préstamos totales, otros activos generadores de renta y depósitos); wj =
precios de los insumos (costo de fondos, precios de trabajo y capital). Como es usual se
imponen restricciones de homogeneidad lineal en los precios de los insumos y simetría
en los parámetros de segundo orden. En la definición de los insumos y productos,
utilizamos el enfoque de valor agregado (Berger and Humphrey, 1992). De acuerdo con
Humphrey y Pulley (1997), consideramos que los bancos proveen dos tipos de servicios
financieros: (1) intermediación; y (2) servicios de pago, liquidez y salvaguarda de
activos. Por lo tanto, tratamos a los depósitos tanto como un insumo como un producto.
El segundo tipo de variables son los precios de los factores de producción. El precio del
trabajo se calcula como el cociente de los gastos de personal y el total de activos. El
precio del capital está dado por los costos operativos netos de gastos de personal sobre
activos fijos. El precio de fondos se calcula como gastos por intereses totales sobre
depósitos. Tanto los costos financieros como los no financieros son considerados en la
variable dependiente.
Datos para la estimación de las fronteras comunes
En la estimación de las fronteras de costos e ingresos y las respectivas eficiencias
utilizamos un panel de bancos comerciales de trece países latinoamericanos para el
periodo 2001-2008. Los países incluidos, con número de bancos entre paréntesis, son
los siguientes: Argentina (50), Bolivia (8), Brasil (59), Colombia (12), Costa Rica (13),
10
República Dominicana (17), Ecuador (19), El Salvador (7), Honduras (12), Panamá
(19), Paraguay (11), Perú (10) y Venezuela (24). De esta forma, usamos un panel
desbalanceado de 261 bancos comerciales consistente de 1754 observaciones. Los datos
son extraídos de la base de datos financieros de BVD-IBCA distribuido por Bankscope.
Esta base de datos tiene la ventaja de que homogeniza los datos mediante un formato
global, garantizando uniformidad contable.
Variables de entorno para la fronteras comunes
Escogemos variables geográficas, de estructura de mercado y profundidad financiera,
que explican las características particulares de cada sistema financiero en la muestra. De
acuerdo a Dietsch y Lozano-Vivas (2000), estas variables pueden ser categorizadas en
tres grupos. El primer grupo incluye medidas de densidad de población (población por
kilómetro cuadrado) e ingreso real per capita (tanto PIB en 2000 como la tasa de
crecimiento per capita). El segundo grupo incluye un índice de concentración (índice
Hinferdahl-Hirschman para préstamos), el cociente capital-activo promedio de cada
sistema, un índice de profundidad financiera (M2 sobre PIB) y la tasa de inflación.
Finalmente, se incluye un índice de accesibilidad de los servicios bancarios (Depósitos
por kilómetro cuadrado). La fuente de estos datos es el Banco Mundial (IMD –
Indicadores Mundiales de Desarrollo).
Poder de Mercado
Siguiendo estudios previos, estimamos índices de Lerner para cada banco y periodo
(Maudos y Nagore 2005, Maudos y Fernández de Guevara 2009). El índice de Lerner se
define como:
itititit PACMPAL /)( −= (5)
Donde itPA es el precio de los activos bancarios (ingresos totales entre activo) y
itCM es el costo marginal de la producción del activo del banco i. Para la estimación del
costo marginal, se utiliza la misma metodología de Battese y Coelli, pero con una forma
funcional reducida:
11
( )
itit
j
jsitj
i m
mitjitjm
j
jitjititit
uv
wATww
wATATct
++
++
+++=
∑∑∑
∑
== =
=
3
1
3
1
3
1
3
1
2
310
lnlnlnln2
1
lnln2
1lnln
δβ
βααα
(6)
Donde itAT es el activo total del banco i en el periodo t. La variables de ambiente son
las mismas utilizadas anteriormente.
De esta forma el costo marginal del banco i en el periodo t se define como:
∂
∂×=
it
it
it
it
it
it
AT
ct
AT
ct
dAT
dct
ln
ln (7)
Estabilidad Financiera
Nuestra variable de estabilidad financiera es el llamado índice Z (“Z-score”), el cual ha
sido utilizado profusamente en la literatura (De Nicoló et Alt. 2004, Maudos y Nagore
2005, Maudos y Fernández de Guevara 2009). Este índice es una aproximación inversa
de la probabilidad de insolvencia y combina rentabilidad, apalancamiento y volatilidad
de los retornos en una medida unificada:
iROA
itit
it
TAEROAZ
σ
/+= (8)
Donde itROA es el retorno sobre activo, itTAE / es la relación capital a activo y ROAσ es
la desviación estándar del retorno sobre activo. De esta forma, el índice de estabilidad es
mayor mientras mejor capitalizado y rentable sea el banco i en el periodo t, y mientras
menor sea la volatilidad de su retorno. Esta última es estimada para cada banco en el
periodo 2001-2008, y se asume constante año a año, por lo que nuestro indicador de
estabilidad varía en el tiempo en virtud de cambios en el numerador.
Causalidad de Granger
Las metodologías para la construcción de las tres variables anteriores, nos permiten
obtener indicadores de eficiencia, poder de mercado y estabilidad financiera que varían
a través de los bancos y el tiempo. Esto nos permite utilizar técnicas de causalidad de
12
Granger para establecer vínculos dinámicos entre las mismas (Granger 1969). Para esto,
estimamos las siguientes ecuaciones:
tiilagilagilagilagiit LernereffreffcZfZ ,,,,,1 ),,,( εη ++−−= (9)
tiilagilagilagilagiit LernereffreffcZfLerner ,,,,,1 ),,( εγ ++−−= (10)
tiilagilagilagilagiti ernereffLreffcZfeffc ,,,,,1, ),,,( εξ ++−−=− (11)
tiilagilagilagilagiti ernereffLreffcZfeffr ,,,,,1, ),,,( ερ ++−−=− (12)
Donde itZ , itLerner , tieffc ,− y tieffr ,− son nuestros estimados de estabilidad
financiera, poder de mercado, eficiencia en costos y eficiencia en ingresos, de acuerdo a
las metodologías descritas y lag es el operador de rezago de las variables. iη , iγ , iξ y
iρ son efectos correspondiente al banco i en tanto que ti,ε es un error aleatorio.
Como en Fiordelli et Alt. (2011) usamos dos rezagos y estimamos un proceso AR(2)
para itZ , itLerner , tieffx ,− , tieffc ,− y tieffr ,− . La causalidad de Granger es
comprobada mediante la hipótesis nula de que los dos rezagos de cada variable
independiente son conjuntamente cero (Casu and Girardone 2009). El estadístico para
esta prueba se distribuye como Chi-cuadrado con dos grados de libertad. El “efecto de
largo plazo” de cada variable se prueba mediante la restricción de que la suma de los
coeficientes de los dos rezagos de cada variable es cero (un rechazo de lo cual provee
evidencia de un efecto de largo plazo).
Para enfrentar el problema de correlación de los valores rezagados de la variable
dependiente con el error, en adición a regresiones de efectos fijos y aleatorios, usamos
el estimador Sistema Método Generalizado de Momentos (SMGM) en paneles
dinámicos de Arellano y Bond (1991), Arellano y Bover (1995) y Blundell y Bond
(1998). Este último es implementado logrando SMGM con errores estándares
corregidos de acuerdo con Windmeijer (2005). Hemos corrido todos los procedimientos
usando Frontier para estimar los índices de eficiencia y xtadpd de Stata para el panel
dinámico SMGM.
III. Discusión de los Resultados
13
En el Anexo A se muestra la estimación de la frontera estocástica común de costos a los
fines de derivar eficiencias por banco y periodo. Respecto a las variables de entorno,
países con mayor crecimiento y valores iniciales del PIB así como mayor profundidad
financiera, presentan mayor eficiencia en costos. Lo mismo es cierto para países con
mayor densidad de depósitos y con un índice general de capital a activos mayor. Cabe
destacar, sin embargo, que sistemas financieros con mayor concentración bancaria,
medida por el índice de Herfindahl, también parecen presentar menor ineficiencia.
También, la inflación y la densidad de la población incrementan la ineficiencia en
costos. Respecto a la eficiencia en ingresos, países con mayor crecimiento y un índice
general de capitalización más alto presentan menos ineficiencia en costos. Sin embargo,
mayor ineficiencia se asocia con menor inflación, un producto inicial más alto, mayor
profundidad financiera, mayor densidad de depósitos y población, asi como con mayor
concentración. De esta forma, parecería existir una asimetria entre nivel de desarrollo y
profundidad financiera, por un lado, y tipo de eficiencia, por el otro. La asociación es
positiva en el caso de la eficiencia en costos y negativa en el caso de ingresos. Por otro
lado, la relación positiva esperable entre mayor concentración y ineficiencia, se cumple
para ingresos, más no para costos.
En áras de proveer una visión general sobre las tendencias en la región, las tablas 1 y 2
presentan la evolución por países de la eficiencia promedio en costos e ingresos desde
2001 hasta 2008. Respecto a costos, la tendencia general pareciera ser hacia una mejora
en los niveles de eficiencia, aunque aún persiste una alta heterogeneidad. Vistos a lo
largo del periodo, los sistemas bancarios centroamericanos presentan los niveles de
eficiencia en costos más altos en la muestra. En el otro extremo se encuentran los
sistemas bancarios de República Dominicana y Paraguay, con el resto de los países en
un rango entre 70-83% de eficiencia. Respecto a ingresos, los niveles de eficiencia de
la región se muestran estables en torno a 0.82 durante todo el periodo. Los países con
mayores índices de eficiencia en ingresos son Paraguay, Bolivia, Venezuela y
Colombia, presentando Argentina el menor índice de la muestra.
14
Tabla 1: Indices de Eficiencia en Costos 2001 2002 2003 2004 2005 2006 2007 2008 Total
Argentina 0.812
(0.068)
0.595
(0.164)
0.696
(0.145)
0.682
(0.165)
0.724
(0.176)
0.732
(0.144)
0.761
(0.139)
0.750
(0.140)
0.713
(0.159)
Bolivia 0.652
(0.107)
0.705
(0.118)
0.702
(0.100)
0.738
(0.084)
0.795
(0.077)
0.728
(0.152)
0.807
(0.076) 0.732
(0.111)
Brasil 0.745
(0.193)
0.761
(0.166)
0.746
(0.170)
0.7472
(0.181)
0.737
(0.199)
0.760
(0.174)
0.761
(0.184)
0.785
(0.150) 0.756
(0.175)
Colombia 0.776
(0.037)
0.788
(0.041)
0.797
(0.056)
0.812
(0.071)
0.789
(0.082)
0.812
(0.078)
0.778
(0.097)
0.756
(0.137) 0.789
(0.085)
Costa Rica 0.896
0.883
(0.034)
0.895
(0.053)
0.909
(0.024)
0.908
(0.037)
0.918
(0.020)
0.920
(0.037)
0.925
(0.019)
0.908
(0.035)
Rep.
Dominicana
0.776
(0.062)
0.612
(0.165)
0.553
(0.223)
0.612
(0.178)
0.658
(0.184)
0.765
(0.094)
0.793
(0.083)
0.802
(0.092) 0.690
(0.174)
Ecuador 0.707
(0.094)
0.703
(0.110)
0.704
(0.138)
0.707
(0.121)
0.679
(0.170)
0.684
(0.150)
0.699
(0.154)
0.745
(0.117) 0.703
(0.135)
El Salvador 0.841
(0.020)
0.843
(0.056)
0.844
(0.050)
0.790
(0.045)
0.844
(0.050)
0.885
(0.037)
0.854
(0.047)
0.769
(0.132) 0.833
(0.071)
Honduras 0.817
(0.090)
0.804
(0.090)
0.813
(0.113)
0.868
(0.045)
0.864
(0.047)
0.860
(0.059)
0.829
(0.079)
0.837
(0.079)
Panamá 0.828
(0.076)
0.825
(0.090)
0.833
(0.081)
0.865
(0.071)
0.883
(0.060)
0.882
(0.094)
0.900
(0.077)
0.885
(0.117)
0.872
(0.087)
Paraguay 0.794
0.246
(0.167)
0.252
(0.248)
0.579
(0.231)
0.618
(0.233)
0.639
(0.217)
0.666
(0.139)
0.664
(0.145) 0.597
(0.224)
Peru 0.761
(0.151)
0.823
(0.037)
0.818
(0.711)
0.808
(0.081)
0.792
(0.129)
0.815
(0.085)
0.798
(0.187)
0.842
(0.071) 0.754
(0.198)
Venezuela R.B. 0.763
(0.072)
0.738
(0.114)
0.711
(0.120)
0.772
(0.072)
0.772
(0.085)
0.770
(0.127)
0.790
(0.097)
0.797
(0.111)
0.765
(0.104)
Total 0.775
(0.105)
0.721
(0.168)
0.734
(0.166)
0.741
(0.162)
0.756
(0.169)
0.776
(0.148)
0.784
(0.146)
0.790
(0.132)
0.759
(0.156)
Los estimados anuales son promedios simples por año. Las cifras en paréntesis son desviaciones
estándares.
La tabla 3 muestra la evolución agregada de los índices de estabilidad financiera. En
cuanto a evolución y niveles, podemos identificar varios grupos de países en la muestra.
Por un lado, los países centroamericanos y Ecuador presentan los mayores índices de
estabilidad financiera, entre 28 y 33. En el otro extremo, Argentina mantiene el nivel
más bajo promedio durante el periodo (6,6). Un tercer grupo promedia de manera
heterogena entre 9 y 22. A manera de comparación, Uhde y Heimeshoff 2011 reportan
un índice de 26,89 para la muestra de 25 países europeos durante el periodo 1997-2005.
Por lo tanto, podemos afirmar que aunque los países centroamericanos y Ecuador
presentan índices por encima del promedio europeo, la mayoría de los países de
Suramérica se encuentran por debajo del mismo
Las estimaciones de los índices de Lerner se presentan en la tabla 4. La tendencia
general en el periodo no se presenta clara, presentando una gran variación entre y dentro
15
Tabla 2: Indices de Eficiencia en Ingresos 2001 2002 2003 2004 2005 2006 2007 2008 Total
Argentina 0.673
(0.161)
0.694
(0.203)
0.759
(0.183)
0.773
(0.179)
0.795
(0.131)
0.802
(0.096)
0.769
(0.109)
0.765
(0.118)
0.765
(0.151)
Bolivia 0.903
(0.008)
0.887
(0.050)
0.909
(0.009)
0.914
(0.009)
0.894
(0.035)
0.905
(0.016)
0.908
(0.010) 0.903
(0.025)
Brasil 0.835
(0.101)
0.850
(0.0.52)
0.849
(0.057)
0.847
(0.058)
0.819
(0.138)
0.838
(0.087)
0.845
(0.063)
0.823
(0.061) 0.838
(0.080)
Colombia 0.872
(0.013)
0.887
(0.021)
0.899
(0.015)
0.901
(0.015)
0.904
(0.013)
0.894
(0.015)
0.899
(0.018)
0.892
(0.026) 0.896
(0.018)
Costa Rica 0.826
0.827
(0.036)
0.846
(0.023)
0.829
(0.035)
0.835
(0.036)
0.826
(0.036)
0.809
(0.032)
0.780
(0.029)
0.822
(0.037)
Rep.
Dominicana
0.871
(0.023)
0.887
(0.032)
0.860
(0.085)
0.881
(0.046)
0.882
(0.053)
0.868
(0.024)
0.850
(0.062)
0.822
(0.096) 0.864
(0.063)
Ecuador 0.890
(0.022)
0.895
(0.035)
0.899
(0.025)
0.903
(0.019)
0.897
(0.026)
0.896
(0.023)
0.889
(0.032)
0.892
(0.024) 0.896
(0.026)
El Salvador 0.809
(0.040)
0.802
(0.044)
0.785
(0.047)
0.811
(0.036)
0.821
(0.029)
0.807
(0.034)
0.821
(0.026)
0.832
(0.020) 0.812
(0.035)
Honduras 0.884
(0.013)
0.888
(0.013)
0.887
(0.016)
0.879
(0.015)
0.882
(0.018)
0.885
(0.015)
0.888
(0.018)
0.885
(0.015)
Panamá 0.809
(0.052)
0.794
(0.054)
0.819
(0.049)
0.831
(0.044)
0.812
(0.045)
0.790
(0.051)
0.770
(0.079)
0.756
(0.088)
0.794
(0.065)
Paraguay 0.901
0.974
(0.043)
0.975
(0.041)
0.919
(0.227)
0.919
(0.031)
0.910
(0.113)
0.919
(0.010)
0.916
(0.008) 0.922
(0.027)
Peru 0.871
(0.033)
0.885
(0.005)
0.883
(0.015)
0.896
(0.006)
0.905
(0.014)
0.900
(0.013)
0.900
(0.022)
0.898
(0.017) 0.874
(0.075)
Venezuela
R.B.
0.877
(0.065)
0.869
(0.042)
0.894
(0.022)
0.924
(0.017)
0.911
(0.017)
0.901
(0.016)
0.878
(0.036)
0.864
(0.042)
0.890
(0.039)
Total 0.824
(0.117)
0.832
(0.118)
0.846
(0.102)
0.855
(0.098)
0.850
(0.100)
0.850
(0.0749)
0.840
(0.081)
0.829
(0.087)
0.843
(0.096)
Los valores anuales son promedios simples por año. Las cifras en paréntesis son desviaciones estándares.
de los países . Venezuela muestra los índices promedios de Lerner más elevados de la
región, si bien han tendido a disminuir en los últimos años de la muestra. El poder de
mercado parece venir aumentando sostenidamente en Perú en los últimos años, al igual
que en Bolivia. Destaca igualmente la alta variación a lo interno de los países,
representada por una alta relación entre la desviación estándar y los promedios de los
índices en la mayoria de los paises de la muestra.
A manera de comparación, Casu y Girardone 2009 reportan índices Lerner promedio en
2004 de 19% en Francia, 24% en Alemania, 14% en Italia, 6,6% en España y 18% en
Reino Unido, destacando así una variabilidad similar a la de nuestra muestra.
Las tablas 5 y 6 muestran los resultados de causalidad de Granger. De acuerdo a
Arellano y Bover (1995) y Blundell y Bond (1998), la correcta especificación del
modelo requiere una correlación positiva de los errores de primer orden (valor bajo de
16
M1 en la tabla), ausencia de correlación de segundo orden (alto bajo de M1 an la tabla)
y un valor alto del test de Sargan (exogeneidad de los instrumentos). Al examinar los
resultados, vemos que el modelo está bien especificado en todas las ecuaciones
estimadas, excepto la mostrada en la última columna de la tabla 5, respecto al test de
Sargan.
Tabla 3: Z- scores 2001 2002 2003 2004 2005 2006 2007 2008 Total
Argentina 8.80
(10.44)
7.89
(7.98)
7.10
(6.44)
6.33
(5.81)
6.52
(5.57)
6.47
(5.01)
5.90
(4.64)
5.93
(4.65)
6.60
(5.90)
Bolivia 10.94
(7.67)
10.72
(5.37)
12.9
(8.60)
13.30
(7.13)
13.36
(7.65)
15.36
(13.06)
15.31
(14.31)
13.12
(9.23)
Brasil 11.88
(13.65)
15.93
(12.83)
16.70
(15.60)
17.39
(14.92)
17.58
(14.41)
16.29
(12.43)
16.35
(12.14)
15.76
(12.41) 16.48
(13.51)
Colombia 5.56
(1.99)
11.85
(7.63)
13.03
(5.92)
14.13
(6.17)
16.70
(7.41)
14.85
(6.85)
15.17
(7.65)
15.87
(8.13) 14.43
(7.12)
Costa Rica 34.21
33.15
(20.86)
35.36
(21.48)
33.62
(22.54)
31.38
(16.65)
30.39
(15.16)
29.80
(16.34)
28.83
(13.58) 31.85
(17.82)
Rep.
Dominicana
13.01
(3.34)
14.27
(10.26)
13.05
(11.51)
15.12
(12.68)
13.79
(12.91)
14.02
(12.82)
12.84
(12.02)
12.94
(12.50)
13.72
(11.77)
Ecuador 22.67
(12.35)
32.18
(27.56)
28.88
(23.36)
27.90
(23.51)
28.92
(23.62)
28.92
(25.97)
28.80
(26.34)
26.66
(24.56) 28.64
(24.14)
El Salvador 22.006
(4.35)
30.28
(13.97)
31.34
(13.05)
31.16
(13.65)
31.78
(12.81)
33.75
(11.66)
31.13
(8.97)
32.17
(8.40) 31.10
(11.13)
Honduras 27.83
(18.05)
27.93
(16.90)
32.36
(19.80)
27.24
(15.16)
27.73
(13.27)
26.52
(11.17)
29.70
(14.51)
28.49
(15.26)
Panamá 43.56
(33.05)
35.60
(22.24)
33.19
(21.30)
29.93
(19.63)
33.43
(25.25)
31.07
(22.89)
34.55
(30.43)
31.23
(23.86)
32.73
(23.69)
Paraguay 23 7.11
(6.73)
6.55
(2.66)
14.78
(8.80)
15.17
(8.91)
18.44
(12.73)
17.30
(8.63)
19.26
(10.59) 16.003
(9.82)
Peru 6.99
(1.81)
18.55
(10.31)
21.5
(9.74)
20.59
(9.39)
18.38
(9.03)
18.44
(8.52)
18.57
(8.68)
17.003
(7.96) 21.03
(16.58)
Venezuela R.B. 10.09
(4.53)
13.04
(5.35)
12.42
(6.07)
10.08
(4.52)
8.35
(4.36)
6.76
(3.18)
6.39
(3.83)
6.61
(4.02)
9.14
(5.11)
Total 13.87
(12.60)
18.14
(16.76)
17.93
(16.64)
17.73
(16.31)
17.89
(16.31)
17.25
(15.79)
16.98
(16.61)
16.63
(15.61)
17.37
(16.17)
Los estimados anuales son promedios simples por año. Las cifras en paréntesis son desviaciones
estándares.
Respecto a estabilidad financiera, el indice de poder de mercado presenta causalidad de
Granger en todas las especificaciones presentadas. De igual forma, el efecto de largo
plazo se presenta negativo y significativo en cinco de las siete especificaciones para
estabilidad. Este resultado es evidencia a favor de la hipótesis de “competencia-
estabilidad” en la literatura, en oposición a la tesis “competencia-fragilidad”. Cabe
destacar que, cuando controlamos por concentración se presenta un efecto positivo, esto
es, aunque mayor campetencia causa mayor estabilidad financiera, la concentración de
17
mercado también es consistente con ésta. Como se señaló anteriormente, este efecto
diferenciado de la concentración y el nivel de competencia ha sido hallado
anteriormente en la literatura. Adicionalmente, sistemas financieros más profundos
tienden a ser más estables.
Tabla 4: Indices de Lerner 2001 2002 2003 2004 2005 2006 2007 2008 Total
Argentina -0.144
(0.329)
-0.831
(1.555)
-0.802
(1.993)
-0.449
(1.164)
-0.131
(0.860)
0.039
(0.303)
0.0583
(0.208)
0.0965
(0.167) -0.256
(1.105)
Bolivia -0.084
(0.360)
0.0031
(0.145)
0.051
(0.113)
0.080
(0.101)
0.116
(0.087)
0.150
0.117)
0.206
(0.121) 0.074
(0.186)
Brasil 0.146
(0.288)
0.116
(0.122)
0.136
(0.182)
0.107
(0.155)
-0.262
(1.887)
0.124
(0.123)
0.073
(0.381)
0.054
(0.159)
0.049
(0.750)
Colombia -0.158
(0.080)
-0.041
(0.140)
0.083
(0.097)
0.130
(0.107)
0.143
(0.092)
0.094
(0.083)
0.090
(0.119)
0.078
(0.113) 0.079
(0.121)
Costa Rica 0.062
0.081
(0.093)
0.128
(0.080)
0.140
(0.100)
0.153
(0.086)
0.136
(0.073)
0.105
(0.104)
0.094
(0.092) 0.119
(0.090)
Rep.
Dominicana
-0.046
(0.199)
-0.044
(0.287)
-0.112
(0.392)
0.0006
(0.259)
0.020
(0.234)
-0.035
(0.202)
-0.094
(0.590)
-0.093
(0.400) -0.049
(0.349)
Ecuador -0.138
(0.288)
-0.027
(0.238)
0.012
(0.159)
0.212
(0.173)
-0.025
(0.365)
0.007
(0.207)
-0.019
(0.273)
0.005
(0.129)
-0.008
(0.229)
El Salvador 0.070
(0.122)
0.052
(0.126)
-0.014
(0.147)
0.015
(0.142)
0.084
(0.084)
0.101
(0.094)
0.085
(0.089)
0.0002
(0.145) 0.049
(0.119)
Honduras -0.003
(0.110)
0.005
(0.151)
-0.004
(0.203)
0.068
(0.092)
0.098
(0.088)
0.139
(0.076)
0.126
(0.121) 0.062
(0.135)
Panamá 0.125
(0.007)
0.128
(0.143)
0.158
(0.175)
0.182
(0.180)
0.178
(0.118)
0.116
(0.269)
0.132
(0.119)
0.126
(0.124) 0.145
(0.166)
Paraguay 0.045 0.276
(0.469)
0.333
(0.435)
-0.010
(0.053)
0.017
(0.088)
-1.065
(3.629)
0.042
(0.062)
0.041
(0.052) -0.148
(1.564)
Peru -0.093
(0.015)
0.037
(0.099)
0.056
(0.127)
0.106
(0.120)
0.168
(0.091)
0.147
(0.089)
0.179
(0.103)
0.200
(0.096) 0.028
(0.944)
Venezuela R.B. 0.119
(0.282)
0.203
(0.197)
0.273
(0.136)
0.253
(0.098)
0.237
(0.152)
0.233
(0.115)
0.197
(0.131)
0.147
(0.144) 0.211
(0.162)
Total 0.181
(0.279)
-0.100
(0.772)
-0.070
(0.950)
-0.004
(0.566)
-0.022
(0.992)
0.044
(0.785)
0.080
(0.275)
0.078
(0.180)
0.0051
(0.695)
Los valores anuales son promedios simples por año. Las cifras en paréntesis son desviaciones estándares.
Por otro lado, la mayoria de las especificaciones verifican que la eficiencia en ingresos
positivamente causa mayor estabilidad financiera en el sentido de Granger. Los bancos
más eficientes en ingresos tienden a ser a futuro más estables. Este efecto positivo de la
eficiencia sobre la estabilidad, se verifica también respecto a poder de mercado, esto es,
mayor eficiencia precede positivamente mayores índices de Lerner, evidencia a favor de
la hipótesis de “estructura eficiente”. Las pruebas demuestran que la estabilidad
financiera no causa mayor poder de mercado en el sentido de Granger2.
2 Esto se verifica al exminar todas las observaciones, sin embargo, nótese que la última especificación S-
MGM con controles, no pasa la prueba de Sargan de exogeneidad de los instrumentos.
Tabla 5: Pruebas de causalidad de Granger I Variable dependiente: Z Variable dependiente: L
Efectos fijos Efectos aleatorios S-MGM Efectos fijos Efectos aleatorios S-MGM Intercepto 1044.3*
(0.000)
32.67
(382.4)
684.3
(1001.8)
611.12
(986.11)
-5.539
(4.953)
-12.04**
(5.30)
-5.456
(4.748)
-58.34
(44.334)
-50.59
(61.52)
18.25
(30.98)
22.24
(32.31)
-3.34*
(1.277)
-3.39*
(1.165)
1−− teffc -0.437
(1.313)
-0.974
(1.144)
1.661
(1.869)
1.382
(1.816)
0.246
(2.699)
-1.109
(2.092)
-0.439
(2.303)
0.460
(0.402)
0.558
(0.382)
0.488
(0.356)
0.625
(0.383)
0.421
(0.481)
0.599
(0.606)
2−− teffc 1.452
(0.957)
1.091
(0.940)
1.434
(1.235)
0.930
(1.259)
0.860**
(1.300)
1.657
(1.363)
2.850**
(1.250)
0.811**
(0.355)
0.717**
(0.352)
0.476**
(0.210)
0.554**
(0.225)
0.552***
(0.332)
0.565
(0.372)
1−− teffr 0.173
(2.028)
0.680
(2.036)
-1.072
(1.968)
-1.638
(1.977)
1.386
(2.760)
-0.071
(2.476)
1.543
(0.845)
1.807
(1.338)
1.930
(1.323)
0.353
(0.355)
0.603
(0.371)
1.168*
(0.445)
1.290*
(0.482)
2−− teffr 3.045*
(1.654)
2.863***
(1.580)
5.148*
(1.706)
4.797
(1.647)
7.703**
(3.318)
7.740*
(2.338)
9.165*
(2.994)
2.775**
(1.346)
2.559***
(1.302)
0.990**
(0.486)
1.215**
(0.511)
1.932**
(0.785)
2.017*
(0.741)
1−tl -0.014
(0.160)
-0.024
(0.152)
-0.163
(0.151)
-0.119
(0.141)
-0.074
(0.298)
0.068
(0.241)
-0.089
(0.271)
-0.415**
(0.184)
-0.425**
(0.178)
0.032
(0.056)
0.014
(0.057)
-0.065
(0.043)
-0.077
(0.047)
2−tl -0.396***
(0.116)
-0.368*
(0.121)
-0.519*
(0.119)
-0.508*
(0.120)
-0.509**
(0.229)
-0.530**
(0.208)
-0.616*
(0.194)
-0.401**
(0.178)
-0.395**
(0.175)
-0.007
(0.033)
-0.019
(0.035)
-0.104**
(0.048)
-0.108**
(0.047)
1−tz 0.202
(0.163)
0.190
(0.154)
0.707*
(0.154)
0.691*
(0.155)
0.0604*
(0.112)
0.511*
(0.121)
0.566*
(0.143)
0.008***
(0.004)
0.007
(0.005)
0.002
(0.002)
0.002
(0.003)
0.003
(0.002)
0.006
(0.005)
2−tz 0.005
(0.057)
-0.011
(0.049)
0.236
(0.151)
0.241
(0.106)
0.072
(0.064)
0.076
(0.055)
0.052
(0.058)
-0.001
(0.002)
-0.002
(0.002)
-0.002
(0.002)
-0.002
(0.002)
-0.001
(0.002)
-0.002
(0.002)
Lnta -3.238*
(0.758)
0.070
(0.066)
0.131
(0.198)
-0.074
(0.197)
0.004
(0.063)
-0.0009
(0.010)
-0.010
(0.014)
Nonit 0.769
(1.078)
0.529
(0.636)
-2.025
(1.425)
-3.149
(1.996)
0.664
(0.530)
0.462***
(0.251)
0.504***
(0.295)
Hhi -0.043
(0.039)
0.040*
(0.115)
0.149*
(0.039)
-0.015*
(0.004)
-0.003*
(0.001)
-0.007***
(0.003)
Foráneo -3.359
(4.932)
-0.017
(0.832)
0.583
(3.091)
1.961
(3.364)
0.273
(0.772)
3.28e-06
(0.145)
0.013
(0.229)
M2/PIB 0.128***
(0.067)
0.0297*
(0.011)
0.063**
(0.028)
0.035
(0.027)
-0.021**
(0.008)
0.001
(0.002)
0.001
(0.001)
M1 0.0901* 0.1049 0.0934*** 0.2383 0.2564
M2 0.6631 0.7247 0.7605 0.5036 0.5119
Sargan/
Hansen
0.7068 0.7906 0.5120 0.1639 0.0002*
∑ − effc 1.015
(1.556)
0.117
(1.502)
3.096**
(1.321)
2.313***
(1.285)
3.106
(3.402)
0.547
(3.001)
2.411
(2.950)
1.272***
(0.716)
1.275***
(0.698)
0.964**
(0.431)
1.179**
(0.501)
0.974
(0.764)
1.165
(0.921)
∑ − effr 3.219
(2.850)
3.543
(2.808)
4.075**
(1.777)
3.158***
(1.745)
9.089***
(4.917)
7.669***
(4.110)
10.709**
(4.445)
4.582***
(2.578)
4.490***
(2.526)
1.344*
(0.434)
1.818*
(0.544)
3.101*
(1.085)
3.308*
(1.080)
∑ l -0.410***
(0.239)
-0.392***
(0.233)
-0.682*
(0.184)
-0.628*
(0.173)
-0.584
(0.419)
-0.461
(0.418)
-0.706**
(0.345)
19
∑ z 0.006***
(0.003)
0.005
(0.004)
-0.0001
(0.0009)
0.0008
(0.0009)
0.0016
(0.003)
0.004
(0.005)
Granger
Causalidad:
effc −
0.3114 1.07 7.24** 3.83 5.45*** 3.12 6.14** 3.15** 2.11 6.44** 6.87** 3.08 2.38
Granger
Causalidad:
effr −
0.1792 1.64 10.77* 9.33* 5.43*** 13.97* 9.38* 2.39*** 2.01 9.63* 11.22* 8.53** 9.47*
Granger
Causalidad: l
0.0007* 5.54* 20.98* 19.70* 5.02*** 16.2* 10.03*
Granger
Causalidad: z
1.69 1.12 1.72 0.91 2.20 1.86
Notas: Las estimaciones se realizan de acuerdo Método Sistema Generalizado de Momentos de panel dinámicos de Blunder y Bond (1998) (comando Stata xtadpd) con errores estándares corregidos de acuerdo a Windmeijer (2005) y efectos fijos y
aleatorios con errores robustos (estimador Huber/White/sandwich). Las variables∑ − effc , ∑ l y ∑ z son los coeficientes estimados para el test de significación de la suma de los términos rezagados de la eficiencia en costos, el índice de
Lerner y el indicador Z, respectivamente, los cuales muestran el efecto de largo plazo. Lnta es el log de activos totales del banco i, Nonit es la relación de ingresos no financieros a ingresos totales, Hhi es el índice de concentración de activos
de Herfindalh, Foráneo es una variable igual a uno si el banco es foráneo, y cero de otra forma, y M2/PIB es la relación de M2 a PIB. El test de causalidad de Granger se usa para examinar la hipótesis nula de que x no cause a y. El test de
Sargan/Hansen es un test de restricciones sobre-identificadas para los estimadores MGM. M1 y M2 son tests para correlación de primero y segundo orden. Las estimaciones incluyen efectos de tiempo. *, ** y *** denotan significación al 1, 5 y 10%,
respectivamente.
20
Tabla 6: Pruebas de causalidad de Granger II. Variable dependiente: effc − Variable dependiente: effr −
Efectos fijos Efectos aleatorios S-MGM Efectos fijos Efectos aleatorios S-MGM Intercepto -9.80
(6.45)
-41.57*
(9.51)
7.723
(16.90)
8.027
(16.81)
0.129
(0.241)
0.126
(0.206)
3.24
(5.33)
16.56**
(8.15)
11.93
(9.97)
12.29
(9.85)
0.418**
(0.171)
0.363**
(0.155)
1−− teffc 0.233*
(0.055)
0.199*
(0.055)
0.592*
(0.043)
0.578*
(0.044)
0.575*
(0.098)
0.577*
(0.105)
-0.050
(0.035)
-0.028
(0.032)
-0.011
(0.030)
-0.014
(0.030)
0.071
(0.046)
-0.086**
(0.047)
2−− teffc -0.013
(0.041)
-0.020
(0.042)
0.144*
(0.035)
0.136*
(0.037)
0.089
(0.071)
0.095
(0.073)
-0.002
(0.033)
-0.007
(0.035)
0.039
(0.030)
0.036
(0.030)
0.002
(0.033)
-0.0045
(0.031)
1−− teffr 0.138
(0.117)
0.119
(0.116)
-0.019
(0.101)
-0.030
(0.107)
0.018
(0.149)
0.019
(0.149)
0.065
(0.110)
0.076
(0.110)
0.543*
(0.091)
0.520*
(0.092)
0.406*
(0.132)
0.379*
(0.139)
2−− teffr 0.0246*
(0.072)
0.245*
(0.076)
0.077
(0.071)
0.069
(0.069)
0.100
(0.087)
0.103
(0.084)
-0.077
(0.066)
-0.096
(0.067)
0.244*
(0.071)
0.228*
(0.075)
0.150***
(0.084)
0.147***
(0.076)
1−tl -0.020**
(0.009)
-0.020**
(0.009)
-0.007
(0.006)
-0.006
(0.007)
-0.007
(0.012)
-0.008
(0.012)
-0.005
(0.009)
-0.005
(0.010)
-0.021**
(0.009)
-0.019**
(0.006)
-0.013
(0.012)
-0.010
(0.012)
2−tl -0.018**
(0.008)
-0.019**
(0.008)
0.003
(0.008)
0.004
(0.008)
0.0005
(0.010)
-0.0002
(0.010)
0.004
(0.008)
0.006
(0.007)
-0.010***
(0.006)
-0.009
(0.006)
-0.003
(0.008)
-0.002
(0.007)
1−tz -0.0009
(0.0007)
-0.001
(0.0007)
-0.0007
(0.0006)
-0.0008
(0.0006)
0.00026
(0.0009)
0.0003
(0.0008)
0.0012*
(0.0004)
0.0012**
(0.0005)
0.0008*
(0.0003)
0.0008*
(-0.0003)
0.0013
(0.0007)
0.0008
(0.0007)
2−tz 0.001
(0.0009)
0.0009
(0.0009)
0.001***
(0.0006)
0.001***
(0.0006)
0.0017**
(0.0007)
0.0018**
(0.0008)
-0.0004
(0.0003)
-0.0003
(0.0004)
-0.0009*
(0.0003)
-0.0008*
(0.0003)
-0.0009**
(0.0003)
-0.0011*
(0.0004)
Lnta -0.042*
(0.011)
0.001
(0.001)
0.002
(0.003)
0.0198**
(0.008)
0.0024**
(0.0014)
0.0045**
(0.002)
Nonit -0.071**
(0.035)
-0.028
(0.019)
-0.038
(0.026)
0.107***
(0.056)
0.029
(0.026)
0.026
(0.035)
Hhi 0.002*
(0.0008)
0.0001
(0.0002)
-0.0004
(0.006)
-0.0013**
(0.0006)
0.0005*
(0.0001)
0.0009*
(0.0003)
Foráneo -0.030
(0.096)
0.032**
(0.013)
0.025
(0.026)
-0.047
(0.084)
-0.0038
(0.010)
0.004
(0.013)
M2/PIB -0.001
(0.001)
-0.0001
(0.0001)
-0.0003
(0.0004)
-0.0005
(0.001)
-0.0001
(0.0001)
-0.0001
(0.0002)
M1 0.0003* 0.0002* 0.0346** 0.0425**
M2 0.2608 0.2481 0.3986 0.4140
Sargan/Hansen 0.1606 0.1495 0.1809 0.0900
∑ − effc -0.053
(0.046)
-0.036
(0.047)
0.0279
(0.0172)
0.021
(0.021)
-0.068
(0.059)
-0.091
(0.061)
∑ − effr 0.385**
(0.152)
0.365**
(0.157)
0.057
(0.062)
0.039
(0.075)
0.118
(0.195)
0.122
(0.200)
∑ l -0.038**
(0.015)
-0.039**
(0.016)
-0.003
(0.010)
-0.002
(0.011)
-0.0073
(0.022)
-0.0085
(0.021)
-0.0011
(0.014)
0.0014
(0.014)
-0.0321*
(0.0104)
-0.0287*
(0.010)
-0.016
(0.017)
-0.0124
(0.0172)
∑ z 0.00006
(0.0009)
-0.0002
(0.0009)
0.0004*
(0.0001)
0.0003
(0.0001)
0.0020**
(0.0011)
0.0021**
(0.011)
0.00076
(0.0004)
0.0008
(0.0005)
-0.00003
(0.0001)
-0.00002
(0.0001)
0.0004
(0.0007)
-0.00022
(0.0005)
21
Granger
Causalidad: effc −
1.03 0.40 3.41 1.76 2.43 3.30
Granger
Causalidad: effr −
5.78* 5.20* 2.32 1.43 1.40 1.68
Granger Causalidad: l 2.93*** 2.98*** 1.48 1.20 3.02 2.11 0.53 0.71 9.50* 8.04** 1.09 0.64
Granger Causalidad: z 1.19 1.23 11.97* 9.60* 5.06*** 5.44*** 3.36** 2.61*** 9.20* 8.02** 7.33** 7.83**
Notas: Las estimaciones se realizan de acuerdo Método Sistema Generalizado de Momentos de panel dinámicos de Blunder y Bond (1998) (comando Stata xtadpd) con errores estándares corregidos de acuerdo a Windmeijer (2005) y efectos fijos y
aleatorios con errores robustos (estimador Huber/White/sandwich). Las variables∑ − effc , ∑ l y ∑ z son los coeficientes estimados para el test de significación de la suma de los términos rezagados de la eficiencia en costos, el índice de
Lerner y el indicador Z, respectivamente, los cuales muestran el efecto de largo plazo. Lnta es el log de activos totales del banco i, Nonit es la relación de ingresos no financieros a ingresos totales, Hhi es el índice de concentración de activos
de Herfindalh, Foráneo es una variable igual a uno si el banco es foráneo, y cero de otra forma, y M2/PIB es la relación de M2 a PIB. El test de causalidad de Granger se usa para examinar la hipótesis nula de que x no cause a y. El test de
Sargan/Hansen es un test de restricciones sobre-identificadas para los estimadores MGM. M1 y M2 son tests para correlación de primero y segundo orden. Las estimaciones incluyen efectos de tiempo. *, ** y *** denotan significación al 1, 5 y 10%,
respectivamente.
Respecto a los indicadores de eficiencia, el efecto más significativo es que la estabilidad
financiera precede mejoras en la eficiencia en ingresos, y de acuerdo, a algunas
especificaciones, también en costos. De esta forma, la estabilidad financiera y la
eficiencia se refuerzan mutuamente en forma dinámica.
IV. Comentarios finales
En este estudio, se usa una muestra de 261 bancos comerciales de trece países
latinoamericanos para el periodo 2001-2008, estimando índices de eficiencia en costos
(“eficiencia X”), estabilidad financiera (“Z-scores”) y competencia (índices de Lerner) a
nivel de institución bancaria, para cada periodo. Esto nos permite practicar ejercicios de
causalidad de Granger en panel dinámico, para determinar relaciones de dinámicas entre
estas variables. Como resultado, encontramos que, en concordancia con el paradigma
“competencia-estabilidad”, más competencia conlleva a mayor estabilidad financiera.
Además, ésta estabilidad financiera causa eficiencia y poder de mercado. Aunque más
competencia es beneficiosa para la estabilidad financiera, dicho efecto es compatible
con una mayor concentración de mercado. Como ha sido debatido en la literatura, el
nivel de competencia efectivo de un sistema financiero, no depende unívocamente de su
nivel de concentración.
Una regulación fuerte en sus aspectos prudenciales, así mismo, no debe estar
necesariamente reñida con los aspectos regulatorios que fomenten la competencia entre
las instituciones bancarias. De igual forma, el fomento de la eficiencia, en particular
mediante una revisión de potenciales problemas de agencia y conflictos de interes que
puedan afectarla, puede ser beneficioso en términos de estabilidad. Lograr una
combinación apropiada de estas tres dimensiones es una clave importante para alcanzar
sistemas financieros más sólidos.
23
Referencias:
- Aigner,D.J., Lovell, C.A., Schmidt, P., 1977: “Formulation and estimation of
stochastic frontier production function models”. Journal of Econometrics 6, 23–37.
- Akyúz Y.: “Capital flows to developing countries in a historical perspectiva: Hill the
current boom end with a bust?”. Research Paper 37, South Centre, Ginebra, marzo
de 2011.
- Altunbas, Y., Carbo, S., Gardener, E.P.M., Molyneux, P., 2007: “Examining the
relationships between capital, risk and efficiency in European banking”. European
Financial Management 13, 49–70.
- Arellano, M., Bond, S.R., 1991: “Some tests of specification for panel data: Monte
Carlo evidence and an application to employment equations”. Review of Economic
Studies 58, 277–297.
- Arellano, M., Bover, O., 1995: “Another look at the instrumental variables
estimation of error components models”. Journal of Econometrics 68, 29–51.
- Battese,G.E. y T. J. Coelli., 1995: “A Model for Technical Inefficiency Effects in a
Stochastic Frontier Production Function for Panel Data.” Empirical Economics 20,
325 –332.
- Battese, G.E. y G.S. Corra., 1977: “Estimation of a production frontier model: with
application to the pastoral zone of Eastern Australia.” Australian Journal of
Agricultural Economics, 21, 169-179.
- Beck, T., Demirgüc-Kunt A. y Levine R., : “Bank concentration, competition, and
crises: First results”. Journal of Banking and Finance 30 (2006) 1581-1603.
- Berger, A.N. y D.B. Humphrey, 1997: “Efficiency of Financial Institutions:
International Survey and Directions for Future Research.” European Journal of
Operational Research 98, 175–212.
- Berger, A.N. y L.J. Mester., 1997: “Inside the Black Box: What Explains
Differences in the Efficiencies of Financial Institutions.” Journal of Banking and
Finance, 21, 895–947.
24
- BIS – Bank for Internacional Payments, 2007: “Evolving banking systems in Latin
America and the Caribbean: challenges and implications for monetary policy and
financial stability”, Departamento Económico y Monetario, febrero de 2007.
- Blundell, R., Bond, S.R., 1998. Initial conditions and moment restrictions in
dynamic panel data models. Journal of Econometrics 87, 115–143.
- Boyd, J.H., Prescott, E.C., : “Financial intermediary-coalitions”. Journal of
Economic Theory 38, 211-232.
- Carvallo, O. y A. Kasman., 2004: “Cost Efficiency in the Latin American and
Caribbean Banking Systems.” Journal of International Financial Markets,
Institutions and Money, Volume 15, Issue 1, January 2005, Pages 55-72.
- Casu, B., Girardone, C., 2009: “Testing the relationship between competition and
efficiency in banking: a panel data análisis”. Economics Letters 105, 134–137.
- Claessens, S., A. Demirgüc-Kunt, y H. Huizinga., 2001: “How Does Foreign Entry
Affect the Domestic Banking Market?” Journal of Banking and Finance 25: 891-
911.
- De Nicoló G., Bartholomew, P., Zaman, J., Zephirin, M., 2004: “Bank
consolidation, internalization, and conglomerization”. Working Paper No. 03/158,
IMF.
- Demsetz H., 1973: “Industry Sructure, Market Rivalry, and Public Policy”. Journal
of Law and Economics, 16: 61-74.
- Dietsch, M. y L. Lozano-Vivas., 2000: “How the Environment Determines Banking
Efficiency: A comparison Between French and Spanish Industries.” Journal of
Banking and Finance 24, 985-1004.
- Fiordelisi F., Marques-Ibanez D. y Molyneux P., 2011: “Efficiency and risk in
European banking”, Journal of Banking & Finance 35 (2011) 1315–1326.
- Fries S. y Taci A. 2005: “Cost efficiency of bancks in transition: Evidence from 289
banks in 15 post-communist countries”. Journal of Banking and Finance 29 (2005)
55-81.
- Granger, C.W.J., 1969: “Investigating causal relations by econometric models and
cross-spectral methods”. Econometrica 37, 424–438.
25
- Hicks J.R., 1935: “Annual Survey of Economics Theory: The Theory of
Monopoly”. Econometrica.
- Hughes, J.P., Mester, L.J., 1998: “Bank capitalization and cost: evidence of scale
economies in risk management and signaling”. The Review of Economics and
Statistics 80, 314–325.
- Humphrey, D. B. y L.B. Pulley., 1997: “Bank’s Responses to Deregulation: Profits,
Technology, and Efficiency.” Journal of Money, Credit and Banking 29, 73-93.
- Kasman, A. 2004: “Efficiency and Scale Economies in Transition Economies:
Evidence from Poland and the Czech Republic.”Emerging Markets Finance and
Trade, 2005, vol. 41, issue 2, pages 60-81
- Kasman, A. Kirbas-Kasman S. y Carvallo, O., 2005: “Efficiency and Foreign
Ownership in Banking: An International Comparison”, Dokuz Eylul University,
Faculty of Bussiness, Department of Economics, Discussion Papers Series 05/03,
October 2005.
- Keeley M. 1990: “Deposit insurance, risk and market power in banking. American
Economic Review 80, 1183-1200.
- Kwan S. and Eisenbeis R., 1997: “Bank Risk, Capitalization, and Operating
Efficiency”, Journal of Financial Services Research 12:2/3 117-131 (1997).
- Leibenstein Harvey, 1966: “Allocative Efficiency vs. "X-Efficiency"”, The
American Economic Review, Vol. 56, No. 3. (Jun., 1966), pp. 392-415.
- Lozano-Vivas, A., J.T. Pastor y I. Hasan, 2001: “European Bank Performance
Beyond Country Borders: What Really Matters?” European Finance Review 5, 141-
165.
- Lozano-Vivas, A., J.T. Pastor y J.M. Pastor. 2002: “An Efficiency Comparison of
European Banking Systems Operating Under Different Environmental Conditions.”
Journal of Productivity Analysis 18, 59-77.
- Maudos J. y J. Fernández de Guevara 2009: “Bank size, market power and financial
stability”, The Wolpertinger Conference, The European Association of University
Teachers of Banking and finance, 8-12 september 2009, Bangor (United Kingdom).
26
- Maudos J. y A. Nagore 2005: “Explaining market power differences in banking: a
cross-country study”, WP-EC 2005-10, Instituto Valenciano de Investigaciones
Económicas.
- Meeusen, W. y J. van den Broeck, 1977: “Efficiency estimation from Cobb-Douglas
production functions with composed error.” International Economic Review, 18,
435-444.
- Mishkin F.S. 1999: “Financial consolidation: dangers and opportunities.” Journal of
Banking and Finance 23, 675-691.
- Peltzman S., 1977: “The gains and loses from industrial concentration”. Journal of
Law and Economics, 20: 220-263.
- Nickell, S., Nicolitsas, D., Dryden, N. 1997: “What makes firms perform well.”
European Economic Review 41, 783–796.
- Schaeck, K., Cihák, M., Wolfe, S., 2006. “Competition, concentration and
banksoundness: New evidence from the micro-level.” Working Paper No. 06/143,
IMF.
- Schaeck, K., Cihak M. y Wolfe, S., 2009: “Are competitive banking systems more
stable?” Journal of Money, Credit and Banking 41(4), 771-734.
- Weill, L., 2003: “Banking Efficiency in Transition Economies: The Role of Foreign
Ownership.” Economics of Transition 11, 569-592.
- Windmeijer, F., 2005: “A finite sample correction for the variance of linear efficient
two-step GMM estimators”. Journal of Econometrics 126, 25–51.
- Uhde A. y Heimeshoff U. 2009: “Consolidation in banking and financial stability in
Europe: Empirical evidence”. Journal of banking and Finance 33 (2009) 1299-1311.
- Yeyati E.L. y Micco A., 2003: “Concentration and foreign penetration in Latin
American banking sectors: Impact on competition and risk”, IDB Working Paper
#499, noviembre de 2003.
- Yeyati E.L. y Micco A., 2007: “Concentration and foreign penetration in Latin
American banking sectors: Impact on competition and risk”, Journal of Banking and
Finance 31 (2007) 1633-1647.
27
- Yildirim H.S. y Philippatos G., 2006: “Reestructuring, consolidation and
competition in Latin American banking markets”, Journal of Banking and Finance
31 (2007) 629-639.
28
Anexo A: Estimación por Máxima Verosimilitud de fronteras comúnes
Variable Dependiente LOG(TC/PC) LOG(IT/PC)
coeficiente error
estándar t-ratio coeficiente error
estándar t-ratio
Constante 2.372239* 0.208 11.387 3.0564994* 0.261 11.695
LOG(TCL) 0.38686371* 0.044 8.718 0.095482 0.061 1.577
LOG(TOEA) 0.41818159* 0.036 11.517 0.67303534* 0.042 16.054
LOG(TD) 0.057 0.042 1.368 0.09427755*** 0.050 1.877
LOG(PL/PC) 0.56917751* 0.048 11.847 0.37656588* 0.066 5.703
LOG(PF/PC) 0.37837068* 0.057 6.645 0.6787118* 0.077 8.774
(LOG(TCL)^2)/2 0.12341202* 0.006 21.695 0.14119758* 0.008 17.096
(LOG(TOEA)^2)/2 0.053960461* 0.003 19.544 0.076836396* 0.004 21.068
(LOG(TD)^2)/2 0.023554103* 0.003 8.107 0.020935883* 0.003 6.265
(LOG(PL/PC)^2)/2 0.17042493* 0.007 24.444 0.20887264* 0.010 20.278
(LOG(PF/PC)^2)/2 0.18870004* 0.009 21.614 0.20763511* 0.012 17.222
LOG(TCL)*LOG(TD) -0.081961579* 0.004 -
19.463 -0.10160051* 0.005 -
18.819
LOG(TCL)*LOG(TOE) -0.032925914* 0.003 -
10.545 -0.016970945* 0.004 -4.322
LOG(TD)*LOG(TOEA) 0.01847957* 0.004 4.993 0.004058 0.004 0.962
LOG(PL/PC)*LOG(PF/PC) -0.18986653* 0.007 -
29.207 -0.19629814* 0.010 -
20.639
LOG(TCL)*LOG(PL/PC) 0.006 0.006 0.941 -0.001536 0.008 -0.193
LOG(TCL)*LOG(PF/PC) -0.003 0.007 -0.437 -0.025210362* 0.009 -2.792
LOG(TOEA)*LOG(PL/PC) -0.004 0.005 -0.856 0.024260074* 0.006 4.296
LOG(TOEA)*LOG(PF/PC) 0.001 0.005 0.193 -0.010454 0.008 -1.369
LOG(TD)*LOG(PL/PC) -0.006 0.005 -1.096 0.000556 0.006 0.087
LOG(TD)*LOG(PF/PC) -0.002 0.006 -0.359 0.007841 0.008 0.996
Variables Ambiente
Constante 0.36244996*** 0.221 1.641 -7.6241699* 0.242 -
31.523
inflación 0.0092736591* 0.003 2.679 -0.016161097** 0.007 -2.186
pib_crecimiento -0.026738398* 0.006 -4.475 -0.13450275* 0.011 -
12.462
pib_inicial -0.000037575314* 0.000 -2.027 0.0007287659* 0.000 59.180
m2/pib -0.0041686965*** 0.002 -1.873 0.036112943* 0.003 14.024
densidad depósitos -0.0000072868743* 0.000 -6.056 0.0000012620665* 0.000 3.547
densidad población 0.0040119686* 0.001 4.512 0.0076683736* 0.001 14.120
capital/activos promedio -2.2163302* 0.383 -5.782 -3.0947103* 1.184 -2.615
Herfindahl Préstamos -5.2431101* 1.070 -4.900 3.7986496* 1.014 3.744
0.50420513* 0.041 12.28 0.72284641* 0.031 23.26
0.95326815* 0.005 197.09 0.87248523* 0.009 92.98
Función de Verosimilitud -299.020 -750.936
Nro de observaciones 1754 1754 *, ** y *** denotan significación al 1, 5 y 10%, respectivamente. TC es costos totales an tanto que IT son ingresos totales.