Banco Central de VenezuelaColeccin Economa y FinanzasSerie Documentos de Trabajo

MARA BERNARDETTE DiAS MARA FERNANDA HERNNDEZ OSWALDO LPEZ

Febrero, 2007[N 86]

FRAGILIDAD EN EL SISTEMA BANCARIO

VENEZOLANO.UN MODELO DE RESPUESTA

BINARIA

Banco Central de VenezuelaColeccin Economa y FinanzasSerie Documentos de Trabajo

MARA BERNARDETTE DiAS* MARA FERNANDA HERNNDEZ* OSWALDO LPEZ*

Febrero, 2007[N 86]

FRAGILIDAD EN EL SISTEMA BANCARIO

VENEZOLANO.UN MODELO DE RESPUESTA

BINARIA

* Las opiniones expresadas en esta nota tcnica son de la completa responsabilidad de los autores

y no necesariamente corresponden con las del Banco Central de Venezuela

Banco Central de Venezuela, Caracas, 2007Gerencia de Investigaciones Econmicas

Produccin editorialGerencia de Comunicaciones InstitucionalesDepartamento de PublicacionesTorre Financiera, piso 14, ala sur.Avenida Urdaneta, esquina de Las CarmelitasCaracas 1010Telfonos: 801.8075 / 8063Fax: 536.9357publicacionesbcv@bcv.org.vewww.bcv.org.ve

Las opiniones y anlisis que aparecenen la Serie Documentos de Trabajoson responsabilidad de los autoresy no necesariamente coincidencon las del Banco Central de Venezuela.

Se permite la reproduccin parcial o total siempre que se mencione la fuentey no se modifique la informacin.

NDICE

1. IntroduccIn ..................................................................................... 92. revIsIn de la lIteratura ......................................................... 103. aspectos MetodolgIcos .......................................................... 134. descrIpcIn de los datos y varIables ................................ 15

4.1 datos ............................................................................................ 154.2. variables .................................................................................... 16

5. resultados ....................................................................................... 196. pronstIcos ...................................................................................... 247. conclusIones ................................................................................... 30referencIas bIblIogrfIcas......................................................... 32

Resumen

Este documento tiene por objeto elaborar un modelo de deteccin y proyeccin de fragilidad para la banca venezolana. La variable dependiente del modelo es dicotmica (banco frgil o no), con lo cual se utiliza el logit para estimar la probabilidad de que una institucin financiera presente situaciones de vulnerabilidad. En la definicin de fragilidad se utiliz un umbral de decisin de ajuste dinmico que permite capturar el comporta-miento relativo de las instituciones financieras con res-pecto al total del sistema. Entre las variables que afectan la vulnerabilidad del sistema destacan: la ocurrencia de un boom crediticio y la mayor participacin de depsitos del sector pblico en el total. Resalta el efecto diferen-ciado que la inversin en ttulos pblicos tiene sobre la fragilidad financiera, dado que la adquisicin de ttulos del BCV disminuye la fragilidad, en tanto que la tenencia de bonos gubernamentales aumenta la vulnerabilidad financiera. El mayor nmero de casos acertados en la prediccin ocurre en los 6 principales bancos, en los cuales la situacin de no-fragilidad es detectada en un 100% y los escenarios de fragilidad en un 87%.

Palabras Clave: datos de panel, fragilidad, logit, va-riable dicotmica.

Clasificacin JEL: C00; E4; E59.

Abstract

The aim of this paper is to propose a model to detect and illustrate the Venezuelan banking fragility. A dichotomic dependent variable of the model (The bank is fragile or not) is used by adopting the logit to estimate financial institutions vulnerability probability. A dynamic deci-sion threshold adjustment was used to define fragility allowing capturing the relative behavior of the financial institutions with respect to the systems total. Among the variables that affect the vulnerability of the system can be found: the credit boom and the higher participation of public sector deposits in the total. It is to be highlighted the differential effect that public securities investment has on financial fragility, since the acquisition of BCV securities diminishes fragility while holding government bonds increases financial vulnerability. The prediction is highly perceived in six main banks, where non-fragility is 100% detected and fragility 87%.

Keywords: fragility, logit, dichotomic variable.JEL classification: C00; E4; E59.

9

1. INtroDuCCIN

la experiencia internacional indica que procesos de crecimiento acele-rado del crdito pudieran desencadenar en una situacin de fragilidad bancaria. en este sentido, el importante crecimiento de la cartera de crdito de la banca venezolana a partir del ao 2004, en un contexto de dinamismo de la actividad econmica interna, hace pertinente rea-lizar un estudio de fragilidad del sistema financiero. Ms aun, si se considera que los indicadores tradicionales que se utilizan para hacer monitoreo bancario estn influenciados por las condiciones econmicas coyunturales, lo que pudiera ocultar eventuales situaciones de aumento de riesgo crediticio.

el presente documento tiene por objeto elaborar un modelo que per-mita detectar o predecir la vulnerabilidad del sector financiero. a estos efectos, se construy una ecuacin que emite seales de alerta temprana a los agentes decisores, para monitorear y responder oportunamente ante posibles escenarios de inestabilidad financiera. el concepto de fragilidad est asociado a la contrastacin de un indicador de vulne-rabilidad financiera con respecto a un determinado umbral establecido como tope mximo de tolerancia prudencial. una de las ventajas de este enfoque, en contraposicin con la construccin de modelos de deteccin de crisis bancarias, radica en los beneficios obtenidos tanto en la oportunidad del pronstico como en la evaluacin emprica.

el informe est estructurado como sigue: la primera seccin muestra una revisin de los trabajos realizados anteriormente sobre el tema de fragilidad financiera; seguidamente, se realiza una breve descripcin de la metodologa aplicada y especificacin del modelo; a continuacin se describen los datos y las variables. en la cuarta seccin se evalan los resultados y, posteriormente, se enfatiza en el alcance de prediccin del mismo en la seccin llamada pronstico. finalmente, se presentan algunas conclusiones.

10

2. rEvIsIN DE la lItEratura

en esta seccin se expone un resumen de trabajos realizados anterior-mente que tratan el tema de la fragilidad bancaria, los cuales sirvieron como referencia para disear el modelo. la disponibilidad de nuevas herramientas computacionales y la necesidad de incluir variables que han adquirido importancia en los ltimos aos, para explicar el com-portamiento del sistema financiero venezolano, promovi la creacin de un nuevo modelo economtrico que pudiera ser utilizado como herramienta de proyeccin en el corto plazo1.

1 el programa economtrico E-views en su versin ms reciente 5.1 permite estimar un modelo logit con datos de panel, estimacin que no se encontraba disponible en las versiones previas. por lo tanto, los estimadores encontrados a travs de esta aplicacin son ms precisos que los obtenidos a travs de las herramientas computacionales anteriores.

Tabla N 1

11

Tabla N 2

12

de los modelos anteriores se desprende lo siguiente:

1) la variable dependiente se construye con base en un criterio de umbrales fijos. estos indicadores pudieran perder sensibilidad para detectar fragilidad bancaria en momentos de crecimiento acelerado de crdito.

2) existe un consenso en utilizar variables macroeconmicas y mi-crofinancieras.

3) existe dualidad para determinar la vulnerabilidad financiera en el sentido que algunos estudios se enfocan en predecir situaciones de crisis y otros en escenarios de fragilidad.

4) las variables que resultaron consistentemente significativas en los modelos fueron: rentabilidad, patrimonio, spread de tasas y tipo de cambio.

Tabla N 3

Autor Ma. Amelia Fernndez

Ao 2004

Muestra 1997:01 - 2003:12

Variabledependiente

Inmovilizacin neta > 4%(Cartera Morosa - Prov.) / Cartera

Total

ndice de cobertura < 1.5%(Capital social + Provisiones - Cartera crdito

Morosa) / Total activo

Inmovilizacin bruta > 10%(CC morosa / CC bruta)

Capitalizacin (-) Inversin ttulos pblicos (-) Capitalizacin (-)

Inversin ttulos pblicos (-) Spread por banco (-) Rentabilidad (-)

Rentabilidad (-) Activo por banco (-) Otros activos (+)

Otros activos (+) IVP (-) Activo por banco (-)

Variablesindependientes Spread por banco (-) Spread global (+) IVP (-)

Activo por banco (-) Tipo de cambio (-) Spread global (+)

IVP (-) AR (1) (+) Tipo de cambio (-)

AR(1) (+) IPC (+)

AR(1) (+)

Mtodo Logit

Pas Venezuela

13

3. aspECtos MEtoDolgICos

tomando en consideracin que la variable dependiente del modelo de fragilidad a ser estimado es dicotmica2, el modelo seleccionado para la estimacin es el logit. el mismo permite calcular la probabilidad de ocurrencia de un hecho especfico, siendo en este caso particular, la probabilidad de que una institucin financiera presente una situacin de fragilidad. el modelo logit plantea:

p(yit = 1/Xit) = p(yit = 1/x1t, x2t,.,xkt) (1)

donde:

yit= variable dependiente binaria para el banco i al mes t yit= {0,1} x1t, x2t,.,xkt= variables explicativas

la p(yit=1/Xit) se define como la probabilidad de xito, es decir, la probabilidad de que yit=1, que en el presente estudio se identifica como la probabilidad de que el banco i sea frgil.

a continuacin se expone la forma funcional del modelo logit, que corresponde a la funcin de distribucin logstica3:

P(Yit=1/Xit)=F(Xit )=eXit/1+eXit) (2)

2 una variable dicotmica es aquella que asume slo dos valores. en este caso, cero y uno.3 Paraobtenermsdetallesoelgrficodelafuncinlogsticadirjasea:WooldridgeJ.(2001)

Introduccin a la econometra. un enfoque moderno.

14

donde representa los coeficientes del modelo. la variable depen-diente utilizada en el modelo se construye partiendo del siguiente indicador de solvencia:

dado que este indicador descuenta aquella parte de la cartera morosa que est cubierta con provisiones, el mismo muestra el riesgo crediticio latente al cual estn expuestas las instituciones financieras.

a partir de esta definicin de fragilidad se establece el umbral de decisin que permite categorizar a las instituciones financieras de la siguiente manera: si la inmovilizacin neta supera el umbral implicar que el banco se considera en situacin de fragilidad. la definicin del umbral de decisin representa un aspecto de amplia discusin en los trabajos que sobre esta materia se han desarrollado, muchos autores se inclinan por la fijacin de un tope mximo fijo. esta prctica pudiera resultar muy penalizadora o laxa en determinadas situaciones, dado que no toma en cuenta los aspectos intrnsecos de cada pas, tales como la situacin econmica o el tamao del negocio bancario.

en la coyuntura actual, caracterizada por una importante recuperacin de los indicadores bancarios, la fijacin de umbrales de decisin fijos para detectar fragilidad podra resultar incapaz de capturar seales de deterioro en determinadas instituciones. adicionalmente, en modelos que pretenden determinar peridicamente la fragilidad del sistema bancario, el establecimiento de umbrales fijos requiere de una actua-lizacin frecuente ante el riesgo que los mismos pierdan vigencia y, por ende, ofrezcan resultados distorsionantes.

a los fines de corregir estos inconvenientes y establecer un criterio de decisin que se adapte dinmicamente a la situacin del sistema ban-cario, se opt por establecer como umbral el promedio del ndice de

Inmovilizacin_neta=crditos (vencidos+en_litigio+reestructurados)-provisiones

cartera_de_crdito_brutal_total

15

inmovilizacin neta del sector bancario ms una desviacin estndar4. posteriormente, a los efectos de la contrastacin emprica, se construye la variable binaria ndice de fragilidad, que toma valor uno al detectarse la situacin de fragilidad financiera (inmovilizacin neta > umbral), en caso contrario toma valor cero (inmovilizacin neta < umbral). esta ltima serie es la que se utiliza como variable dependiente en la estimacin.

una vez estimado el modelo, se evalu su capacidad de prediccin separando la muestra en dos perodos: de estimacin y de prueba. el lapso de estimacin comprende desde enero de 2000 hasta diciembre 2004, en el cual se calculan los estimadores del modelo y se establecen las variables que influyen en la definicin de fragilidad financiera con-siderada en este trabajo. por su parte, el perodo de prueba, que parte en enero de 2005 y culmina en agosto de 2005, permitir contrastar los pronsticos del modelo con los valores observados.

4. DEsCrIpCIN DE los Datos y varIablEs

4.1 Datos

la muestra utilizada en este modelo corresponde a 24 bancos comer-ciales y universales que han mantenido continuidad a lo largo del rango comprendido entre enero de 2000 y agosto de 20055. este grupo de bancos posee el 94,2% del total de activos del sector financiero para julio de 2005. la utilizacin de datos de panel en este lapso de tiempo ofrece la disponibilidad de 1.632 observaciones para cada variable.

4 el promedio y la desviacin estndar se calcularon como variables mviles no centradas de 12 meses. bajo un escenario de un elevado nivel promedio del ndice de inmovilizacin neta sedeterminarauntopemximoqueeviteclasificarescenariosfrgilescomonofrgiles.

5 la seleccin del perodo muestral corresponde a la disponibilidad de los datos de las variables utilizadas para la estimacin.

16

es de destacar que algunas instituciones en la actualidad son el resul-tado de un proceso de fusin llevado a cabo en el perodo, por lo tanto se procedi a sumar sus estados financieros para homogeneizar y tratar de mantener el balance en la muestra de datos6.

4.2. variables

las variables que fueron consideradas para explicar la fragilidad fi-nanciera se agrupan en dos categoras: indicadores microfinancieros y variables macroeconmicas7. a continuacin se definen las variables evaluadas en la estimacin:

* ndice de fragilidad: variable limitada que identifica la situacin de vulnerabilidad8.

* Patrimonio / Activo: mide la participacin que representan los recursos propios del banco en el financiamiento del activo. a mayor capitalizacin se reduce la fragilidad bancaria.

* Resultado Neto / Patrimonio (ROE): se espera que el coeficiente tenga signo negativo, aunque un valor positivo puede sealar la existencia de inversiones o carteras riesgosas.

* Gastos de Transformacin / Activo total: indica el grado de eficiencia o de gestin administrativa de la banca. se considera mayor eficiencia en la medida que el indicador disminuye o tiende a reducirse en el tiempo. el signo del coeficiente sera positivo, pues si se incrementan los gastos de transformacin (gastos de personal ms gastos operativos) se reduce la eficiencia y se in-crementara la fragilidad financiera.

6 los bancos incluidos en el modelo fueron: abn amro bank, bancoro, banesco, banfoandes, canarias, caribe, caron, citibank, confederado, corpbanca, Helm bank de venezuela, exterior, federal, fondocomn, guayana, Industrial, Mercantil, occidental de descuento, Plaza,Provincial,Sofitasa,NacionaldeCrdito,VenezolanodeCrdito,Venezuela.

7 la fuente de informacin es la superintendencia de bancos y otras Instituciones financieras (sudeban) a travs del balance general y el estado de resultados de la banca comercial y universal, cuya periodicidad es mensual.

8 para mayores referencias de esta variable remitirse a la seccin 1 (aspectos metodolgicos).

17

* Cartera de Crditos / Activo: el signo del coeficiente puede ser positivo, indicando mayor cartera en riesgo o negativo, sealando el incremento de la cartera productiva.

* Inversiones Totales / Activo: es una medida de riesgo de portafo-lio. el signo puede ser positivo si las inversiones realizadas por el banco resultan riesgosas o negativo si contribuyen a cubrir al banco de crditos morosos. este indicador fue calculado para las Inversiones en ttulos del gobierno y para las Inversiones en ttulos del bcv, a fin de diferenciar el efecto del riesgo entre organismos pblicos.

* Depsitos del Sector Pblico / Depsitos Totales: es un indicador de liquidez que mide el impacto del incremento de los depsitos pblicos en la banca. se espera un signo del coeficiente positivo debido a que la banca mostrara mayor apalancamiento hacia un nico depositante.

* Otros Activos / Activo: se refiere a activos con problema o no generadores de ingresos para el banco. se espera un coeficiente con signo positivo.

* Otros ingresos financieros / total de ingresos financieros: captu-ra el incremento de actividades no asociadas con el negocio de intermediacin. el signo esperado es positivo.

* Tasa de inters activa implcita: se refiere a la tasa ex-post obte-nida por las instituciones financieras, proveniente de sus coloca-ciones en cartera de crdito. el signo esperado es negativo.

* Tasa de inters pasiva implcita: se refiere a la tasa ex-post pagada por las instituciones financieras de sus captaciones totales. un incremento de esta tasa puede sealar problemas de liquidez en la medida que el banco quiera incrementar sus captaciones del pblico, con lo cual se espera que el signo resulte positivo.

con respecto a las variables macroeconmicas, cabe sealar que se estimaron las brechas de ciertas variables con respecto a su tendencia, con la finalidad de aproximar el impacto de los ciclos de las series de tiempo sobre el indicador de fragilidad. para estimar la brecha del producto Interno bruto (pIb), dado que la periodicidad requerida es

18

mensual, se utiliz como variable proxi el ndice general de actividad econmica Mensual (Igaem)9.

de igual manera se construyeron las brechas de los ndices de profun-dizacin financiera y monetizacin de la economa. la profundizacin financiera se mide como la participacin de la cartera de crdito neta con respecto al pIb; en el caso de la monetizacin, este indicador mide el ratio de las captaciones totales entre el pIb. tomando en considera-cin que el pIb nominal es una variable flujo de frecuencia trimestral y las variables bancarias estn medidas en saldos de periodicidad men-sual, se procedi a calcular los indicadores de la siguiente manera:

(3)

(4)

donde: j = mes; i = banco i; T = trimestre; ICCPIB = ndice de profun-dizacin financiera; IDEPPIB = ndice de monetizacin; CC = cartera de crdito; DEP = depsitos totales.

en las expresiones anteriores, el pIb nominal es actualizado cada trimestre en el denominador del ndice; por ejemplo, si se utiliza la cartera de crdito del mes de diciembre, el pIb nominal calculado comprendera la sumatoria del pIb nominal del cuarto trimestre del ao anterior y del primer, segundo y tercer trimestre del ao corriente. la interpretacin de las brechas se refiere a que incrementos de las mismas pueden indicar futuros problemas de fragilidad, en la medida en que las condiciones econmicas se deterioren una vez que culmine el ciclo expansivo10.

9 el valor de tendencia se estim a travs del filtro de Hodrick-prescott con lambda igual a 14400.

10 diversos estudios sugieren el uso de las brechas del producto para explicar los movimientos de riesgo de crdito. uno de ellos es: tarashev n. (2005) an empirical evaluation of structural creditriskmodels,BISWorkingPapers,N179,MonetaryandEconomicDepartment.

ICCPIBij=CCiTj

PIBT-4+PIBT-3+ PIBT-2+PIBT-1

IDEPIBij=DEPiTj

PIBT-4+PIBT-3+ PIBT-2+PIBT-1

19

Igualmente, se incluye el tipo de cambio nominal puntual como varia-ble explicativa. el signo esperado de una depreciacin de la moneda resulta ambiguo, dado que, por una parte, se incrementa el costo de oportunidad de mantener depsitos en moneda domstica, con lo cual se reduce el tamao del negocio bancario y, por ende, se incrementa la fragilidad financiera. por el contrario, las depreciaciones generan ganancias cambiarias netas en la gestin bancaria que disminuyen la fragilidad del sistema11.

finalmente, se incluy como variable aproximada de los precios de bienes races el ndice de gastos por alquiler del rea metropolitana de caracas. es de esperar que el crecimiento en los precios de los inmuebles genere una mejor percepcin en la calidad del prestatario y, en consecuencia, una mayor colocacin de crditos independiente-mente de la calidad del mismo. el signo esperado puede ser positivo si la asignacin de crditos atiende ms a la valoracin del colateral inmobiliario que a la calidad intrnseca del proyecto12.

5. rEsultaDos

ElGrficoN1muestralatrayectoriadelndicedeinmovilizacinneta, as como el umbral de fragilidad del sistema bancario, calculado como el promedio mvil ms la desviacin estndar mvil no centrada para doce meses de amplitud. este umbral indica el tope mximo de tolerancia dentro del cual una institucin o el sistema es considerado no-frgil. en los perodos julio de 2001 a noviembre de 2001 y enero de 2002 a abril de 2002, as como en los momentos puntuales de enero de 2001 y abril de 2001, el ndice de inmovilizacin neta super el umbral, con lo cual se identificaron situaciones de fragilidad financiera.

11 la ganancia cambiaria neta proviene de la revalorizacin de los activos en moneda extranjera que supera la aplicada a los pasivos externos.

12 la aproximacin a la variable precios de los bienes races, podr ser mejorada al disponer de la serie del ndice de precios por metro cuadrado de los inmuebles en la zona de caracas. dicha informacin fue solicitada a la unidad de bienestar social del bcv.

20

en el grfico se observa la tendencia decreciente del ndice de inmo-vilizacin neta, lo que refleja el fortalecimiento del sistema financiero en los ltimos aos, al presentar una disminucin de la cartera morosa como proporcin del total de las colocaciones crediticias. esta situacin se profundiza a partir de octubre de 2003, cuando la variable adquiere valores negativos, indicando el sobreaprovisionamiento del sistema con respecto a su cartera morosa.

LaTablaN4muestralasdosmejoresestimacionesdelmodelologit planteado con base en la ecuacin (2). las series fueron rezagadas al menos una vez con el propsito de evitar problemas de endogeneidad entre las variables. los coeficientes estimados en la regresin no pueden ser interpretados como efectos parciales de las variables ex-plicativas sobre el ndice de fragilidad debido a la condicin no lineal de la funcin logstica; sin embargo, el sentido y significancia de las variables s pueden ser ampliamente evaluados.

Grfico N 1 Determinacin de la fragilidad financiera1/ (Banca comercial y universal)

1/ (cartera morosa-provisiones) / cartera de crdito bruta.fuente: sudeban y clculos propios.

21

Tabla N 4 Variable dependiente: IFRAGIL Mtodo ML-Binary Logit (Quadratic hill climbing) Nmero: 1368

el valor en parntesis indica el p-valuedonde:Ifragil=ndice de fragilidad;tiactiva:tasa de inters activa implcita(-); repat: resultado neto/patri-monio(-); Ibcvact=Inversiones en ttulos valores emitidos por el bcv con respecto al activo total (+/); Igobact=Inversiones en ttulos valores emitidos por el gobierno con respecto al activo total (+/-); Ingoit=otros ingresos financieros / total de ingresos financieros (+); gtact=gastos de transformacin / activo total (+); deptot=depsitos del sector pblico / depsitos totales (+); alQ=ndice de gastos por alquiler(+); tcn= tipo de cambio nominal puntual (+); gccpib=brecha del ndice de profundizacin financiera (+); d1control.

22

tal como se explic en la seccin 2.2, las variables fueron clasificadas en microfinancieras y macroeconmicas. dentro las microfinancie-ras, las series que reflejan las operaciones por el lado del activo y de ingresos bancarios muestran los signos esperados en ambas regresio-nes. la remuneracin de las operaciones crediticias percibidas por las instituciones (tIactIva) presenta un efecto negativo, resultado que indica el fortalecimiento de la institucin va incremento de sus ingresos financieros. el coeficiente negativo que acompaa a la va-riable rentabilidad del banco, capturada a travs de repat, seala que incrementos en las ganancias bancarias reducen la vulnerabilidad financiera. por el contrario, los incrementos en los gastos de trans-formacin y los ingresos no asociados estrictamente a actividades de intermediacin (gtact, IngoIt) constituyen potenciales factores de fragilidad para el sistema.

un efecto interesante dentro de las regresiones es el impacto diferencia-do que la inversin en ttulos valores pblicos tiene sobre el indicador de fragilidad. las colocaciones que realiza la banca en instrumentos emitidos por el bcv (Ibcvact) disminuyen su fragilidad, en con-traste, una mayor adquisicin de ttulos de deuda pblica nacional (dpn) y de letras del tesoro (Igobact) conduce a un incremento en la vulnerabilidad del sistema. este resultado pudiera sealar la di-ferencia en la percepcin de riesgo que tienen ambos bonos pblicos que influyen de manera opuesta sobre la determinacin de la fragilidad del sistema13.

dentro de las variable microfinancieras se encuentra la participacin de los depsitos pblicos en el total de captaciones de la banca (dep-tot) como factor de incidencia en la fragilidad del sistema. este hecho puede estar asociado a la mayor volatilidad que los depsitos pblicos presentan con respecto a los privados, lo que se traduce en problemas en la asignacin de crditos14. si se considera que la admi-

13 pruebas de causalidad de Granger demuestran que existe una relacin de causalidad unidi-reccional desde la tenencia de bonos gubernamentales hacia la fragilidad bancaria.

14 la volatilidad fue calculada como la desviacin tpica de la tasa de variacin intermensual de los depsitos, resultando en el caso de los depsitos pblicos 12,2% y para los privados 5,3%.

23

nistracin bancaria busca mantener relativamente estable la interme-diacin crediticia, en un contexto de alta volatilidad en los depsitos un crecimiento abrupto en los mismos podra inducir a la asignacin de recursos de una manera ms laxa, con el consecuente efecto en la cartera morosa.

asimismo, la concentracin de depsitos en torno a un solo oferente (la administracin pblica) asigna mayor vulnerabilidad a las instituciones bancarias toda vez que estn expuestas a la no-diversificacin de los depositantes que le garantice un nivel estable de captaciones para la intermediacin. este aspecto adquiere particular importancia en la co-yuntura actual debido al creciente peso relativo de las captaciones del sector pblico en el sistema financiero durante los ltimos meses.

Grfico N 2 Depsitos del sector pblico como proporcin de los depsitos totales

fuente: sudeban.

24

en cuanto a las variables macroeconmicas, el tipo de cambio nominal puntual (tcn) y su variacin presentaron signos positivos y signifi-cativos, pudiendo esbozarse como canal de transmisin el impacto adverso de las depreciaciones de la moneda sobre el mantenimiento de depsitos en moneda local y, por ende, la menor disposicin de recursos para la intermediacin por parte del sistema. por su parte, la brecha del ndice de profundidad financiera mostr el signo positivo esperado con doce meses de rezago, indicando la mayor vulnerabilidad del sistema luego de haberse concretado un perodo de boom o de sobrereaccin en el mercado crediticio15. vale destacar que esta variable con menores rezagos no resultaron significativas16. el perodo de control de cambio, descrito por la variable dicotmica d1control, result significativo y con impacto adverso en la estabilidad del sistema bancario.

6. proNstICos

a partir del modelo estimado en la seccin anterior, se procedi a utilizar la submuestra denominada perodo de prueba que com-prende el rango enero-2005 y agosto-2005 para evaluar la capacidad de prediccin del modelo. en este sentido, los valores obtenidos del pronstico fueron aproximados a una variable binaria {0,1} de manera que pudieran ser comparados con las observaciones reales del ndice de fragilidad. tomando en consideracin que el modelo ofrece proba-bilidades estimadas de fragilidad para un determinado banco, se igual este factor a uno (cero) cuando su valor resultase mayor (menor) a 0,5; as se generara la nueva serie del ndice de fragilidad pronosticada.

15 Caberecordarquelabrechadelndicedeprofundizacinfinancierafueconstruidacomoladiferencia entre la razn crdito/pib y su tendencia.

16 es importante sealar que el indicador de riesgo-pas eMbI plus como una medida aproxi-mada del riesgo de incumplimiento de las obligaciones pblicas y el ndice de precios al Consumidor(IPC)noresultaronsignificativosenlaestimacin.

25

a los fines de evaluar la capacidad de prediccin del modelo se utiliza la metodologa de rocco (2004) que aplica medidas de sensibilidad, especificacin y precisin como clasificadores de comportamiento. a los efectos de este informe, los indicadores se definen como:

(5)

(6)

(7)

donde: nfa = nmero de casos clasificados como no-frgiles acertados fa = nmero de casos clasificados como frgiles acertados ff = nmero de casos clasificados como frgiles fallados nff = nmero de casos clasificados como no-frgiles fallados

en la evaluacin de la fragilidad, la sensibilidad ofrece el porcentaje de eventos clasificados correctamente como no-frgiles y la especificacin del porcentaje de eventos de fragilidad clasificados correctamente. a partir de estos clasificadores se construye un criterio alterno para evaluar la prediccin del modelo: la razn ruido/seal (rrs), cuyo valor mide las seales falsas como proporcin de las seales acerta-das emitidas por el modelo. en la medida que el rss tienda a cero se considera al modelo con una mayor capacidad de prediccin.

(8)

LaTablaN5presentalasprediccionesdelosmodelosclasificadospor peso relativo de los bancos y por tipo de clasificador de pronsti-co para las estimaciones 1 y 2. al evaluar las predicciones de ambas regresiones, la estimacin 1 presenta los mejores resultados, lo que

sensibilidad= NFANFA+NFF

especificacin= FAFA+FF

precisin= FA+NFAFA+FF+NFA+NFF

RSS= 1-SensibilidadEspecificacin

26

indica su superioridad en trminos predictivos sobre la estimacin 217. en el caso de la estimacin 1, la primera parte de la tabla muestra que la mayora de los clasificadores de pronstico tienen un elevado nivel de acierto en los grupos de bancos considerados. el ndice de precisin reflej la capacidad del modelo para acertar en ms del 90% de los casos las seales emitidas por el ndice de fragilidad. sin embargo, el modelo evidenci cierta debilidad de prediccin hacia el conjunto de bancos grandes, mostrando el coeficiente de ruido seal ms alto entre los grupos seleccionados.

al enfocarnos en la parte inferior de la tabla referida a las predicciones sobre observaciones que el modelo no consider en la estimacin 1, se observa que en el 92% de los casos acert las situaciones de no-fragilidad, en tanto que los escenarios de fragilidad fueron detectados en un 73%. los pronsticos para los bancos grandes del sistema fi-nanciero se presentan bastante alentadores, acertando todos los casos de no-fragilidad (coeficiente de sensibilidad = 100%) y un elevado coeficiente de precisin (96%). de hecho, el comportamiento de los

17 adicionalmente, de acuerdo al criterio economtrico de seleccin de modelos de Schwarz debera seleccionarse la regresin 1 como modelo de estimacin.

Tabla N 5 Evaluacin de los resultados considerando diversos clasificadores

1/ grandes = seis principales bancos.2/ Medianos = participacin del activo sobre el total del sistema entre el 5% y 10%2/ pequeos = participacin del activo sobre el total del sistema entre el 0,5% y 5%

27

Tabla N 6 Evaluacin de los pronsticos del modelos por banco

f = frgil.nf = no-frgil.v = valor verdaderop = valor de pronstico

clasificadores en el perodo de prueba para este subconjunto de bancos result mejor que los presentados para el perodo de entrenamiento. el mnimo nivel de sensibilidad determin que la razn ruido seal fuese igual a 0, resultado que indica como el modelo no emiti falsas seales de no-fragilidad durante este perodo.

en el conjunto denominado bancos pequeos, el modelo 1 mantuvo en trminos generales elevados registros para los clasificadores de pronstico tanto en el perodo de entrenamiento como en el de prueba. sin embargo, la estimacin 1 present dificultades para predecir las situaciones de fragilidad dentro de los bancos medianos del sistema, grupo que present los clasificadores de pronstico ms bajo de toda la muestra. dentro de las posibles causas de la falta de capacidad de prediccin, se puede destacar la importante influencia que el factor autorezagadoejercesobrelaestimacin.AcontinuacinlaTablaN6 muestra los pronsticos del modelo 1 clasificados por institucin financiera durante el perodo de prueba:

36

17182024

grandes

24578

1012

131415162223

Medianos pequeos

19

111921

28

a los fines de comprender el alcance de la clasificacin de frgil realizada sobre un determinado banco, es necesario resaltar que esta definicin es una posicin relativa de cada institucin con respecto al sistema. en este sentido, los cinco bancos de la muestra que consisten-temente presentan fragilidad (bancoro, banesco, corpbanca, Industrial y venezuela), con la excepcin del banco Industrial, mantienen coefi-cientes de inmovilizacin neta bajos e inclusive sobreaprovisionados (valores negativos). no obstante, considerando la recuperacin que presenta este coeficiente para el sistema financiero en su conjunto en los ltimos meses, los ndices para estas instituciones resultaron superiores al nivel de tolerancia establecido, situacin que propicia su clasificacin como frgiles.

la definicin de vulnerabilidad financiera en la coyuntura actual puede ser interpretada como una seal de alerta temprana para instituciones que realizan colocaciones ms riesgosas o de menor calidad en com-paracin con las realizadas por sus homlogos. en este sentido, cabe resaltar la clasificacin de los bancos banesco y venezuela (agrupan el 30% del total de depsitos del sistema) como frgiles de acuerdo a los resultados obtenidos por el modelo. estas seales de vulnerabilidad deben ser monitoreadas con especial inters debido a que su compor-tamiento pudiera eventualmente transmitirse al resto del sistema.

Finalmente, losgrficosN3yN4presentan lospronsticosdelas probabilidades de fragilidad, sustentado en el modelo 1, para el conjunto de bancos estudiados en la muestra, as como por grupo de bancos. a los fines de aproximar una estimacin de la probabilidad de la fragilidad del sistema financiero en su totalidad se realiz un promedio ponderando por el tamao relativo de cada banco18.

18 participacin del activo del banco como proporcin del activo total.

29

Grfico N 3 Pronstico de la probabilidad de fragilidad en el sistema financiero

Grfico N 4 Pronstico de la probabilidad de fragilidad

fuente: clculos propios.

fuente: clculos propios.

0.0%

25.0%

50.0%

75.0%

100.0%

Enero Febrero Marzo Abril Mayo Junio Julio Agosto

Zona de fragilidad

Zona de no-fragilidad

2005

30

LosgrficosN3y4 identifican las zonas de fragilidady no-fragilidad, las cuales han fungido como criterio de decisin para determinar si la probabilidad de fragilidad derivada del modelo para un determinado banco puede clasificarse como frgil o no. al aplicar este criterio al conjunto de bancos de la muestra en forma agregada se observa que la probabilidad pronosticada consistentemente se ubica en la zona de no-fragilidad.

7. CoNClusIoNEs

la estimacin a partir de la construccin de un modelo logit con datos de panel para un conjunto de 24 bancos del sistema banca comercial y universal venezolano, sugieren que las variables microfinancieras como: resultado neto (-), tasa de inters activa implcita (-), otros in-gresos financieros (+) y gastos de transformacin (+) tienen efectos estadsticamente significativos sobre la fragilidad de las instituciones financiera19. en cuanto al impacto del sector pblico sobre el sistema, el modelo indica mayor vulnerabilidad cuando se incrementa la pro-porcin de depsitos de la administracin pblica, en tanto que en el caso de las inversiones en ttulos valores el efecto depende del emisor. la adquisicin de bonos gubernamentales acenta la vulnerabilidad mientras que los adquiridos por colocacin primaria del banco central de venezuela fortalecen la situacin del negocio crediticio.

segn los resultados obtenidos para las variables macroeconmicas, depreciaciones en el tipo de cambio nominal afectan adversamente la fortaleza del sistema, en tanto que los escenarios de crecimiento credi-ticio por encima de su tendencia tienden a debilitar a las instituciones financieras incrementando la probabilidad de fragilidad.

19 los signos entre parntesis indican el sentido de la relacin.

31

la capacidad predictiva del modelo 1, evaluada durante el perodo de prueba comprendido entre enero y agosto de 2005, presenta resultados alentadores especialmente para el pronstico de fragilidad de los seis bancos ms importantes del sistema. los clasificadores de prediccin para esta submuestra fueron los ms altos del conjunto de datos, lle-gando a acertar la prediccin de todas situaciones de no-fragilidad y el 87% de las situaciones de fragilidad ocurridas en este rango. el comportamiento de los clasificadores de prediccin para los bancos pequeos del sistema tambin mostr resultados positivos, destacando un nivel de precisin del 93% y sensibilidad de 94%. no obstante estos resultados, los esfuerzos en materia de prediccin deben acentuarse sobre el comportamiento de los bancos medianos del sistema, los cuales no mostraron elevados niveles en los clasificadores de prediccin.

32

rEfErENCIas bIblIogrfICas

fernndez, Ma. amelia (2004), Fragilidad bancaria en Venezuela.

Hilbers p. et al.,(2005), assesing and managing rapid credit growth and the role of supervisory and prudential policies, IMf.

rocco c. (2004), An application of one-class support vector machine for currency crises discrimination.

tarashev n. (2005), an empirical evaluation of structural credit risk models,BISWorkingPapers,N179.MonetaryandEconomicDe-partment.

WooldridgeJ.(2001),Introduccin a la econometra. Un enfoque moderno.

EsteN 86de la serieDocumentos detrabajo, en edicin de 25 ejemplares, se termin de imprimir en los talleres de impresin del bcv, durante el mes de febrero de dos mil siete.