Calidad en la Cartera de Crédito del Sistema Bancario en Venezuela:

Estimación y Proyección utilizando Variables Macroeconómicas

Leonardo Vera e Irene Costa

Es un elemento clave en el desempeño de una institución

financiera pues afecta los ingresos financieros y la rentabilidad

Un problema de rentabilidad puede convertirse en uno de

liquidez y eventualmente en uno de solvencia si las pérdidas son

sostenidas y no se han hecho las provisiones

Un deterioro de la cartera pueda señalizar mal al banco

generando desconfianza

Una crisis por deterioro del activo puede generar contagio o

reacciones por el lado de los pasivos en el sistema

¿Por qué es importante la calidad de la cartera de crédito?

¿Qué utilidad tiene anticipar o proyectar la Cartera Inmovilizada?

Ayuda a construir de forma anticipada y ordenada las provisiones necesarias

Los “estandares” regulatorios a nivel mundial vienen recomendando la constitución de provisiones sobre

“impaired loans” (ejem. FAS 114 en USA)

Una anticipación, lo más precisa posible, de cambios en la cartera inmovilizada, ayudaría a atenuar la tendencia de generar las provisiones justo en la fase recesiva del ciclo, una práctica que termina magnificando las pérdidas y el tamaño del ‘shock’ sobre el capital

…¿ y en Venezuela que parece decir la evidencia?

Para los últimos diez años las series estadísticas trimestrales indican que al mejorar la Cartera Inmovilizada las Provisiones suben tres trimestres más tarde (la más alta correlación cruzada entre el nivel de morosidad de la cartera y el stock de provisiones se da con un rezago de tres trimestres y es de -0,74).

Pruebas de causalidad de Granger entre estas dos variables indican, además, que las provisiones no preceden estadísticamente a la calidad de la cartera, y que por el contrario, la calidad de la cartera sí causa estadísticamente el monto de las provisiones.

Todo esto pareciera corroborar que las provisiones no se constituyen del todo en una forma ex-ante. El sistema puede tener dificultades para poder anticipar la evolución de la morosidad de la cartera de créditos

¿Qué Buscamos?

Explicar y proyectar la evolución de la cartera inmovilizada del sistema financiero venezolano en función de un conjunto de variables macroeconómicas

Haremos una estimación econométrica empleando la metodología de lo “general a lo específico” que permite seleccionar unas versiones restringidas de un modelo ADL (Autoregressive Distributed Lag) que utiliza series trimestrales desde el cuarto trimestre de 1992 hasta el cuarto trimestre de 2004.

Haremos pruebas de diagnóstico sobre los modelos y ciertos ejercicios de proyección ex-ante y ex-post para lapsos trimestrales del año 2004 y 2005.

Eficiencia en la Gerencia (calidad en el otorgamiento y seguimiento del crédito y en la gestión de recuperación)

Aversión al Riesgo de la Institución

Concentración y Composición de la Cartera

Aporte de los Accionistas sobre el Activo

Políticas en Relación al Tamaño

Rentabilidad de la Institución

Variables Macroeconómicas y Sistémicas

Ciclos Expansivos de Crédito

Choques en el nivel de Actividad Económica

Movimientos en las Tasas de Interés

Variaciones en el Tipo de Cambio

Movimientos en el Precio de los colaterales

Relación Deuda-Ingresos de las familias y empresas

Tasa de Inflación

¿Que Determinantes señala la literatura como importantes?

Indicadores Específicos de cada banco

Antecedentes de estudios estimando los determinantes Macro de la Cartera Inmovilizadfa

Apuntando los ciclos del crédito: Li (2003), Clair (1992), Saurina y Salas (1998) y Solttila y Vihriala (1994).

Apuntando los “shocks” en el Producto o el Ingreso: Fons (1991), Helwege y Kleiman (1997), Keenan (1999), Muñoz (1999),

Apuntando las tasas de interés: Hoggart y Pain (2002) Muñoz (1999), Saurina y Salas (1998), Guillén (2002)

Apuntando las variaciones en el tipo de cambio: Méndez, Durán y Muñoz (2001) y Muñoz (1999),

Estimación para el Sistema en Venezuela

Variable a Estimar: Calidad de la Cartera = (Créditos Vencido + Créditos en Litigio) / Cartera Bruta

Universo: Bancos Comerciales y Universales

Periodicidad de la Data y Período de Estimación: Data Trimestral para el lapso 1992:IV a 2004:4, en el mejor de los casos se contará con 49 observaciones para realizar las estimaciones.

Variables Explicativas: Variables Macro y de Impacto Sistémico

Metodología de Estimación y Proyección: Especificación dinámica con un modelo ADL utilizando MCO y proyección condicionada

Selección de Variables

Variables Preliminares

Hipótesis de “Shock” Recesivo”: PIB Total, PIB no petrolero, Variación del PIB total, Variación del PIB no petrolero

Hipótesis de Carga Financiera e Incremento de Riesgo por Tasas: Tasa de Interés de los préstamos nominal, Tasa de Interés real de los préstamos, Tasa de Inflación

Hipótesis de “Ciclo Crediticio”: Crecimiento del crédito nominal (t-1), Crecimiento del crédito nominal (t-4), Crecimiento del crédito real (t-1), Crecimiento del crédito real (t-4)

Hipótesis de Descalce de Monedas y Encarecimiento de Insumos Importados: Tipo de cambio nominal promedio, tipo de cambio nominal al fin de período, depreciación del tipo de cambio

0

5

10

15

20

25

93 94 95 96 97 98 99 00 01 02 03 04

Cartera Inmovilizada/Cartera BrutaTendencia HP

Evolución y Tendencia de la razón Cartera Inmovilizada/Cartera Bruta de Creditos

1992:4 - 2004:4

Evolución de la Cartera Inmovilizada

Los “Priors”

Ritmo de Actividad Económica: Una caída en el nivel de actividad afecta las ventas y el flujo de caja de las unidades económicas y señaliza un incremento en la morosidad

Tasas de Interés: Mayores tasas de interés eleva la carga financiera sobre los deudores, puede interrumpir la cadena de pagos elevando la morosidad de la cartera. Mayores tasas inducen a buscar proyectos de mayor riesgo y cambia la composición del pool de solicitantes de crédito.

Ciclo Crediticio: Ciclo de auge en el crédito hace más férrea la competencia por capturar el mercado y produce liquidación de créditos de menor calidad. Elevado optimismo y euforia llevan a una sobrevaloración de los colaterales y a un mayor apalancamiento personal y empresarial elevando la sensibilidad de los deudores a los choques.

Fluctuaciones Cambiarias: Depreciaciones generan encarecimiento de insumos importados y contracción del mercado doméstico, incidiendo negativamente en el flujo de caja de y la capacidad de repago. Disminuye en moneda foránea el valor de los activos y eleva el valor de los pasivos (descalce de moneda)

Tasa de Inflación: Mayor tasa de inflación disminuye el costo real del crédito, pero incide en el flujo de caja si los incrementos de costo no son trasladados enteramente a los precios

Metodología para la Selección de Variables

1.- Se examinó el correlograma cruzado de cada variable con respecto a la cartera inmovilizada a fin de determinar el signo y la magnitud de la correlación con rezagos

2.- Se analizó el grado integración de las variables aplicando tests ADF, PP y KPSS de raíces unitarias y se determinó que la cartera inmovilizada es una variable I(I). Se apeló entonces al criterio de operacionalizar variables no estacionarias

3.- Se inició la búsqueda de una relación de largo plazo entre las variables (un vector de cointegración) incluyendo al indicador de cartera inmovilizada

Aun así los valores rezagados de estas variables correlacionan negativamente con la cartera inmovilizada

Ejemplo 1: ¿Por qué el crecimiento del crédito pudiera ser descartado?

Sólo los valores desestacionalizados del crecimiento del crédito real y nominal resultaron I(1)

No se encontró vector de cointegración alguno que incluya alguna operacionalización de la tasa de crecmiento del crédito

Correlación entre Cartera Inmovilizada y Crecimiento (T/T-1) Rezagado del Crédito Real

0,020

0,077

0,028

0,099

-0,064

-0,136

-0,275

-0,257

-0,362

-0,285

-0,401

-0,423

12

11

10

9

8

7

6

5

4

3

2

1

Rezagos

Muestra: 1992:4 2004:4Observaciones: 43

Correlación entre Cartera Inmovilizada y Crecimiento (T/T-4) Rezagado del Crédito Real

0,101

0,078

0,059

0,060

0,038

-0,031

-0,137

-0,265

-0,383

-0,450

-0,506

-0,567

12

11

10

9

8

7

6

5

4

3

2

1

Rezagos

Muestra: 1992:4 2004:4Observaciones: 43

Correlación entre Cartera Inmovilizada y Crecimiento (T/T-1) Rezagado del Crédito Nominal

-0,155

-0,082

-0,156

-0,059

-0,215

-0,239

-0,357

-0,263

-0,338

-0,170

-0,241

-0,223

12

11

10

9

8

7

6

5

4

3

2

1

RezagosMuestra: 1992:4 2004:4Observaciones: 43

Correlación entre Cartera Inmovilizada y Crecimiento (T/T-4) Rezagado del Crédito Nominal

-0,120

-0,144

-0,163

-0,167

-0,187

-0,239

-0,312

-0,387

-0,441

-0,432

-0,402

-0,390

12

11

10

9

8

7

6

5

4

3

2

1

Rezagos

Muestra: 1992:4 2004:4Observaciones: 43

Esperabamos correlaciones positivas

Ejemplo 2: ¿Por qué la tasa de interés nominal de los préstamos es incorporada?

-2

-1

0

1

2

3

4

93 94 95 96 97 98 99 00 01 02 03

CI TA

Cartera Inmovilizada y Tasa de Interésde los Préstamos, 1992:4 a 2003:2

Tasa de Interés precede calidad de cartera

Nota: Datos normalizados

Correlograma CruzadoCI, Tasa de Interés(-i)

-0,8 -0,3 0,2 0,7

1

4

7

10

13

16

19

La tasa de interés con rezagos correlaciona positivamente con la

calidad de la cartera

al 5% de ConfianzaVariables en Niveles

Muestra: 1991Q1 - 2004Q4Calidad de

CarteraPIB Total Tasa Activa Inflación

Depreciación del TC

Variación del Crédito Real

ADFVariables Determinísticas C Ninguna C C C C,TValor del Test -2,155 -0,503 -2,247 -2,519 -7,758 -3,449Valor Crítico al 5% -2,935 -3,513 -2,922 -2,923 -2,923 -3,508

PPVariables Determinísticas C Ninguna C C C C,TValor del Test -1,742 1,183 -2,115 -2,375 -7,758 -1,700Valor Crítico al 5% -2,923 -1,947 -2,922 -2,923 -2,923 -3,506

KPSSVariables Determinísticas C, T C C C C C,TValor del Test 0,371 0,099 0,600 0,540 0,174 0,070Valor Crítico al 5% 0,463 0,463 0,463 0,463 0,463 0,146

Notas: El número de rezagos óptimos de las pruebas se determinó con el criterio de Schwarz.ADF - Dickey-Fuller Aumentado. Hipótesis Nula: la variable tiene una raíz unitaria.PP - Phillips-Perron. Hipótesis Nula: la variable tiene una raíz unitaria.KPSS - Kwiatkowski-Phillips-Schmidt-Shin. Hipótesis Nula: la variable es estacionaria.Inflación: d[log(IPC)]Depreciación: d[log(Tipo de Cambio Nominal)]C - ConstanteT - Tendencia

Cuadro N° 2 Prueba de Raíces Unitarias

Calidad de Cartera

PIB Total Tasa Activa InflaciónVariación del Crédito Real

ADFValor del Test -2,918 -6,108 -8,863 -8,229 -3,12Valor Crítico al 5% -2,935 -2,928 -2,923 -2,925 -2,925

PPValor del Test -7,023 -10,598 -8,798 -10,761 -3,318Valor Crítico al 5% -2,925 -2,922 -2,923 -2,925 -2,925

Notas: El número de rezagos óptimo de las pruebas se determinó con el criterio de Schwarz.ADF - Dickey-Fuller Aumentado. Hipótesis Nula: la variable tiene una raíz unitaria.PP - Phillips-Perron. Hipótesis Nula: la variable tiene una raíz unitaria.Inflación: d[log(IPC)]

Cuadro N° 3 Prueba de Raíces Unitarias

al 5% de ConfianzaVariables en Primeras Diferencias

Pruebas de Raíces Unitarias

(a) Las pruebas de raíces unitarias con el test ADF y Phillips y Perron sobre estas variables indican que no se puede rechazar la hipótesis nula, lo cual implica que las mismas tienen por lo menos una raíz unitaria.

(b) La única excepción fue la depreciación del tipo de cambio, que resultó ser estacionaria. Natural si se considera la preferencia el período bajo escrutinio por mantener un régimen de tipo de cambio fijo ajustable.

(a) El test KPSS arroja resultado mixtos, con el PIB real, la depreciación y la variación del crédito real resultando estacionarias.

(b) Esta disimilitud en los resultados de las pruebas no tiene por qué constituir un problema si al final se reporta un vector de cointegración.

Las pruebas de raices unitarias indican que la CI es I(1) lo que nos lleva a la selección de las variables I(I) PIB Real Total (PIBTOT), la Tasa de Interés Nominal Activa (TA), la Tasa de Inflación (INF), el crecimiento del crédito (CREREAL) y eventualmente la Depreciación del Tipo de Cambio (DEPRETC) para aplicar la prueba de cointegración.

La Relación de Largo Plazo

Prueba de Cointegración de Johansen

Muestra: 47 después de ajusteSpuesto de Tendencia: Sin tendencia determinísticaSeries: CI, PIBTOT, TA, INF, CREREAL, DEPRETC

Número de Ecuaciones de Cointegración

Autovalor Estadístico de TrazaValor Crítico

(0,05)Prob.**

Ninguna* 0,5819 92,7423 83,9371 0,0099Al menos 1 0,3739 51,7484 60,0614 0,2063Al menos 2 0,3033 23,7352 40,1749 0,3684Al menos 3 0,1679 12,7457 24,2759 0,6432Al menos 4 0,0828 4,1027 12,3209 0,696Al menos 5 0,0008 0,0385 4,1299 0,8723

Número de Ecuaciones de

Cointegración Autovalor

Estadístico de Autovalor Máximo

Valor Crítico (0,05)

Prob.**

Ninguna* 0,5819 40,9938 36,6301 0,0145Al menos 1 0,3739 22,0131 30,4396 0,3815Al menos 2 0,3033 16,9895 24,1592 0,3433Al menos 3 0,1679 8,6429 17,7973 0,6345Al menos 4 0,0828 4,0642 11,2248 0,6182Al menos 5 0,0008 0,0385 4,1299 0,8723

* Denota Rechazo de la Hipótesis Nula

** Valores de MacKinnon-Haug (1999)

Las prueba de Johansen indica que las variables cointegran y que la regresión no adolecería de los problemas que generan las relaciones espúreas.

A los fines de obtener la mejor especificación dinámica y con el objeto ulterior de proyectar CI, se utiliza un modelo ADL(3,3) cuyas variables exógeneas son el PIBTOT, TA, INF CREREAL y DEPRETC.

Variable endógena

Variables exógenasEndógena con rezagos

La Especificación Inicial: El ADL(3,3)

Es un Modelo Dinámico (con rezagos) que formalmente viene representado como:

, donde L representa el operador de rezago tal que

; y

Se supone que el proceso xt es exógeno e independiente del proceso t. En el caso

que nos toca, el modelo ADL(3,3) viene representado por la siguiente especificación

ttt xLBmyLA )()( 1

tt yLy

En esta expresión se cumple que

p

jp

j LαLA1

1)( q

j

qjLLB

0)( ),( 2 onidt

ttttttttt xxxxyyymy 332211033211

¿Qué es un ADL?

Modelo ADL1 y ADL2 Restringidos y Pruebas de Diagnóstico

Método: Mínimos Cuadrados OrdinariosMuestra(ajustada): 1993:3 2004:4

Observaciones: 46 después de ajustes

Variable Dependiente: CI

ADL1 ADL2

Coeficiente Estadístico-t Prob. Coeficiente Estadístico-t Prob. Variable

C 10,3521 2,2132 0,0000 7,3507 3,3243 0,0020CI(-1) 0,3847 0,0636 0,0000 0,4009 5,7015 0,0000

CI(-2) 0,2550 0,0601 0,0001 0,2490 3,7371 0,0006

PIBTOT -8,48E-07 1,9000 0,0001 -6,27E-07 -3,0525 0,0041TA 0,0341 0,0085 0,0003 0,0464 5,5338 0,0000

DEPRETC(-3) 0,0361 0,0093 0,0004 0,0350 3,3907 0,0016INF(-3) -0,1517 0,0269 0,0000 -0,1377 -4,6852 0,0000

DUM1 7,0051 0,5268 0,0000 7,0836 12,1369 0,0000

DUM2 1,0473 0,3354 0,0035

R-cuadrado 0,9739 0,9669R-cuadrado justado 0,9682 0,9609

Error estandar de regresión 0,7022 0,7788Suma de residuos cuadrado 18,2439 23,0506

Estadídtico Durbin-Watson 2,3090 -49,3793

Estadístico Jarque-Bera 0,0268 1,9623Criterio de Inf. de Akaike 2,3044 1,0818

Criterio de Inf. de Schwarz 2,6622 2,4947Estadístico F 172,4034 2,8127

Prob(Estadístico F) 0,0000 159,0287

Test F Prob. Test F Prob.

Prueba LM B-G (orden 1) 1 1,8093 0,1870 0,0344 0,8536Prueba LM G-B (orden 2) 1 2,2317 0,1224 0,0612 0,9407Prueba LM G-B (orden 3) 1 1,6712 0,1915 0,2767 0,8417Prueba ARCH(1) 2 9,1157 0,0043 2,0881 0,1556Prueba ARCH(2) 2 3,0273 0,0594 0,5868 0,5607Prueba ARCH(3) 2 0,6099 0,6126 0,7651 0,5205Prueba de Ramsey (2da Potencia) 3 3,7073 0,0346 4,7905 0,0143Prueba de Ramsey (2da y 3era Potencia) 3 2,6426 0,0650 3,1097 0,03861 /Ho: No hay correlación serial en los residuos2 /Ho: No hetorocedasticidad de orrden q3 /Ho: No hay error de especificación

Hemos Aplicado

(a) Proceso de marginalización que consiste en eliminar variables no significativas y aquellas que presentan signo contrario a lo esperado en la teoría

(b) En caso de ambiguedad en la selección los criterios de Akaike y Schwarz

Hemos Incluido

(a) Una variable dicotómica para recoger los “spikes” en los errores que corresponden al período de la Crisis Financiera

(b) Una variable Dicotómica que recoge los “spikes” en los errores que produce el perído con control de cambio

Dos Modelos

CI

TACIDEPRE

CIINF

t-3 tt-2 t-1

PIBTOT

(a) Bondad del ajuste muy elevada

(b) Dispersión del error asociado con la línea de regresión, es bajo (implica un buen rastreo de los valores ajustados)

(d) No hay evidencia de correlación serial

(e) No hay evidencia de heterocedasticidad condicionada

(f) No hay error de especificación

(c) Todas la variables son significativas y con el signo esperado. La variación del crédito no entró en la especificación

(g) Residuos Normales

En ambos modelosUna relación dinámica entre las variables

¿Qué hayamos en las estimaciones?

La única diferencia entre ADL1 y ADL2 es la Dummy para el control de cambio

Ajuste dentro de la muestra (in-sample fit)

Sobre el perído de estimación uno puede comparar los valores reales de la variable con los valores ajustados

Esto ayuda a identificar áreas donde el modelo consistentemente sobre-predice o sub-predice

El Rastreo de los puntos de giro es bastante bueno

-2

-1

0

1

2

0

5

10

15

20

25

94 95 96 97 98 99 00 01 02 03 04

Residual Efectivo Ajustado

Estimación de CI con Modelo ADL11992:4 - 2004:4

-2

-1

0

1

2

0

5

10

15

20

25

94 95 96 97 98 99 00 01 02 03 04

Residual Efectivo Ajustado

Estimación de CI con Modelo ADL21992:4 - 2004:4

Para Evaluar el Poder Predictivo de los Modelos

1.- Consideramos los errores de proyección de la variable ajustada por los modelos dentro de la muestra (in-sample).

2.- Consideramos también los errores de proyección de la variable ajustada acortando la muestra en dos trimestres, proyectando la variable calidad de cartera para 2004:3 y 2004:4, y contrastando los valores proyectados contra los valores ya conocidos de la variable dependiente (fuera de la muestra, en forma ex-post).

3.- A modo comparativo, se contrastó la capacidad predictiva del modelos ADL reducidos, con relación a un modelo alternativo –un modelo autoregresivo de primer orden.

ADL1 ADL2 Autoregresivo ADL1 ADL2 Autoregresivo ADL1 ADL2 Autoregresivo

Dentro de la Muestra (In-sample) 0,56 0,73 1,76 7,86 15,46 37,46 0,035 0,055 0,140

Recorte de la Muestra (proyección ex-post: dos ultimos trimestres de

2004)0,20 0,94 2,11 8,34 50,35 110,75 0,064 0,197 0,388

EAM: Error Absoluto Medio

ERM: Error Relativo Medio

Comparación de la Capacidad Predictiva de los Modelos

EAM ERM Theil

La Comparación en base a los errores de predicción

(a) En términos generales, el modelo ADL1 mostró un mejor poder predictivo que ADL2 y ADL2 que el modelo autoregresivo

(b) Si se considera, por ejemplo, el ajuste dentro de la muestra (in-sample), el modelo ADL1 mostró un Error Absoluto Medio (EAM) de 0,56% y un coeficiente de Theil[1] de 0,035, frente a un EAM de 1,76% y un coeficiente Theil de 0,14 del modelo autoregresivo de primer orden.

[1] El coeficiente de Theil siempre se encuentra entre 0 y 1 y se calcula como: , donde Yt es el valor efectivo de la variable y ft es el valor proyectado. Un valor del coeficiente igual a cero (0) implica un ajuste perfecto (Yt = ft).

¿Qué tipo de Proyección es relevante en nuestro ejercicio?

- Haremos una Proyección Ex-ante, típicamente condicionada.

A pesar que nuestro modelo exhibe una estructura de rezagos, la relación contemporánea entre la Tasa de Interés, TA y el PIB, con la Cartera inmovilizada, CI, nos

obliga a que la predicción del trimestre por venir dependa de la predicción que se haga de estas variables exógenas.

- Para el trimestre inmediato, la proyección de la Tasa de Interés y del PIB se toman del Modelo PROI (elaborado por la Gerencia de Investigaciones Económicas), y con respecto al resto de las variables los valores realizados que entran con rezago.

- Para proyectar cuatro trimestres hacia delante (del 2005), por ejemplo, requerimos de valores proyectados por PROI del resto de las variables independientes.

PIBTOT TA INF(-3) DEPRETC(-3) Dum1 Dum2

I 2005 10.618.482 15,89 4,3179 0,0000 0 1II 2005 10.806.544 15,67 3,2165 0,0000 0 1III 2005 11.261.346 15,83 3,8586 0,0000 0 1IV 2006 11.767.262 15,82 4,2170 11,3143 0 1

PIBTOT = PIB Total en millones de Bs. a precios de 1984

TA = Tasa Activa (%)

INF = d[log(IPC)]

DEPRETC = d[log(Tipo de Cambio Nominal)]

CI = (Créditos Vencidos+En Litigio) / Cartera de Créditos Bruta (%)

Variables Exógenas

Proyección de los 4 trimestres de 2005

Observada Proyectada con ADL1 Proyectada con ADL2 PromedioI 2004 4,15

II 2004 2,92III 2004 2,58IV 2004 1,70

I 2005 1,50 2,16 1,83II 2005 1,20 2,15 1,67III 2005 0,55 1,91 1,23IV 2005 0,15 1,83 0,99

CI = (Créditos Vencidos+En Litigio) / Cartera de Créditos Bruta (%)

Calidad de la Cartera (CI)

(a) En ambos modelos la calidad de la cartera mejora ininterrumpidamente a lo largo del año 2005.

(b) No obstante, en el modelo ADL2 la calidad de la cartera se deteriora en el primer trimestre de 2005, para luego caer muy gradualmente hasta llegar en el último trimestre de 2005 a un nivel todavía superior al ya reportado en el cuarto trimestre de 2004.

(c) Con el modelo ADL1 la calidad mejora en forma más abrupta, para llegar a niveles no conocidos. El peso de la variable DUM2 genera este sesgo muy marcado de CI hacia la baja.

0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

I-04 II-04 III-04 IV04 I-05 II-05 III-05 IV-05

Proyectado ADL1 Proyectado ADL2 Valor Efectivo

Contraste de la Proyección de los 4 trimestres de 2005

Razón Cartera Inmovilizada/Cartera Bruta

En la zona

Comentarios Finales

Es posible conseguir un modelo de estimación de la cartera inmovilizada con relativo buen poder predictivo en el corto plazo basado exclusivamente en variables macro.

El modelo, sin embargo, no captura plenamente el impacto que la gestión de riesgos pudiera tener sobre la calidad de la cartera. Tampoco recoge variables específicas del sector bancario.

Siendo un modelo agregado para el sistema bancario de Venezuela, no es muy claro si la gestión de riesgos tiene un alcance sistémico como para ser considerada en este tipo de modelos.

No menos importante resulta el hecho de que el sistema bancario está siendo sometido a nuevos cambios regulatorios en torno a la asignación sectorial del crédito que eventualmente pueden afectar la calidad del crédito.