Canal de hojas de balance en Uruguay: ¿Acelerador financiero
Transcripción
Canal de hojas de balance en Uruguay: ¿Acelerador financiero
Canal de hojas de balance en Uruguay: ¿Acelerador financiero, freno o ambos? Gerardo Licandro Miguel Mello 015 - 2012 1688-7565 Canal de hojas de balance en Uruguay: ¿Acelerador financiero, freno o ambos? Gerardo Licandro 1 ª1, Miguel Mello 2 b**, a Banco Central del Uruguay (Inveco), 777 Diagonal J.P. Fabini 11100 Montevideo, Uruguay b Banco Central del Uruguay (Inveco), 777 Diagonal J.P. Fabini 11100 Montevideo, Uruguay Documento de trabajo del Banco Central del Uruguay 2012/015 Autorizado por: Gerardo Licandro Resumen Este trabajo busca construir evidencia sobre la existencia de un acelerador financiero en el Uruguay. En este trabajo usamos los datos de las tasas de interés de créditos bancarios por sector para buscar evidencia sobre el comportamiento de este canal de transmisión de la política monetaria. Encontramos que los datos recientes de crédito reafirman la idea de un comportamiento no lineal de las primas de financiamiento externo tanto en moneda nacional como en moneda extranjera, las que funcionan como aceleradores financieros en tiempos normales y como frenos financieros en épocas de crisis. Estos resultados son consistentes con literatura previa en Uruguay basada en datos de empresas. Los resultados sugieren que el canal de hojas de balance funciona sobre la totalidad del crédito, lo que indica un rol mayor al previamente pensado para la política monetaria en flotación en Uruguay. JEL: G2, G21, G23, E5, E51, E58 Palabras clave: Monetary Policy, Business Cycle, Financial Accelerator, Panel Data Abstract This paper tries to address the existence and functioning of a financial accelerator in dollarized economy like Uruguay. Using a database that comprises all banking credit operations we construct sectoral proxies of the external financial premium (EFP) and look for evidence of this important channel of monetary policy. We find that recent data supports the idea of a nonlinear relationship between EFP and the monetary policy rate. During "normal" times, we find that the EFP works as a financial accelerator just as in the case of nondollarized economies. This financial accelerator operates both in domestic and foreign currency denominated credit, though it is stronger in the former. During "crisis" the balance sheet channel works like a financial break. Overall, our evidence suggest a bigger role of this transmission channel than previously thought in the case of Uruguay. JEL: G2, G21, G23, E5, E51, E58 Keywords: Politica monetaria, canal crediticio, acelerador financiero, datos de panel. Estructura del trabajo. I. II. III. IV. V. VI. VII. VIII. Introducción Marco conceptual Antecedentes Modelo a estimar y datos Resultados Conclusiones Bibliografía Anexos 2 Desde el pasaje a un sistema de conducción de la política monetaria en flotación, el desarrollo de conocimiento sobre la transmisión de la política monetaria se ha vuelto un campo de interés central para entender como opera en Uruguay la política monetaria. Tradicionalmente, y fruto de una historia de sistemas de tipo de cambio fijo con elevada dolarización financiera, se entendía que el rol de la tasa de interés doméstica en Uruguay estaba muy limitado a su efecto a través del canal de tipo de cambio. La investigación reciente ha cambiado esa percepción, mostrando como la tasa de interés tiene efecto sobre la demanda agregada en modelos macro estructurales pequeños (Gianelli ()), medianos (Basal et al. (), en modelos de Vectores autoregresivos (Lanzilotta et al. (2010)) entre otros. Los cambios estructurales que marcan el último decenio en materia de funcionamiento de mercados financieros y política monetaria requieren un esfuerzo para documentar el nuevo funcionamiento de la política, así como los cambios que se van produciendo en las muestras más recientes. En los últimos diez años la política monetaria ha evolucionado desde un sistema de bandas cambiarias a un sistema de objetivos de inflación con manejo de tasas de interés, pasando por un sistema de control puro de base monetaria, luego de agregados, incrementando el foco en inflación para pasar a un sistema de inflation targeting con agregados monetarios . A ese cambio en la formulación de la política se sumaron los cambios regulatorios que Uruguay implementó para reducir la fragilidad financiera derivada de la dolarización y perfeccionar la red de seguridad del sistema financiero. Estos cambios generan el desafío de supervisar directamente e intensivamente los cambios que ocurren en la transmisión de políticas. Este trabajo se enfoca en forma muy particular en el estudio del canal de hojas de balance en Uruguay, donde la dolarización del sistema financiero pone en duda el funcionamiento habitual del llamado “acelerador financiero”. En economías sin dolarización se ha detectado que las primas cobradas por el sistema financiero a las empresas se mueven en la misma dirección que la tasa de política monetaria, lo que refleja el comportamiento de los costos de monitoreo en mercados financieros marcados por la presencia de problemas de riesgo moral. En economías dolarizadas, no obstante, ese funcionamiento ha sido puesto en tela de juicio tanto desde el punto de vista teórico como empírico, sobre la base que el peso del endeudamiento se mueve en sincronía con el tipo de cambio, lo que genera un efecto contrapuesto al acelerador habitual. En este trabajo intentamos tener una primera aproximación al comportamiento reciente del acelerador financiero modelando el comportamiento de las primas de financiamiento externo sectoriales en la banca. Se utilizan modelos de panel bancarios microfundados para tratar de establecer la existencia de un acelerador o freno de la política monetaria en las primas de financiamiento externo. Nuestros resultados sugieren que las primas de financiamiento tienen un comportamiento no lineal, acelerando la política monetaria en tiempos normales y desacelerándola en momentos de fuertes correcciones en los precios en dólares. 3 Al modelar las primas de financiamiento externo en dólares encontramos que, al igual que sus similares en pesos, muestran un comportamiento que acelera la política monetaria. Este resultado es de particular importancia porque muestra un efecto de la política monetaria sobre el crédito en moneda extranjera que generalmente se deja de lado en la discusión pública sobre los efectos de la política monetaria. En conjunto, los resultados encontrados (al igual que Licandro y Mello (2012)) apoyan la hipótesis de un creciente rol para la política monetaria en flotación cambiaria, particularmente aplicado al manejo de tasas de interés. El resto del trabajo procede como sigue. La sección dos hace una presentación somera de la prima de financiamiento externo con base en una versión simple de un modelo de crédito con riesgo moral y costos de monitoreo. La sección tres revisa los antecedentes para Uruguay sobre el comportamiento de la prima de financiamiento externo y el canal de hojas de balance. La sección cuatro describe el modelo y los datos. La sección cinco comenta los resultados y la sección seis concluye. 4 El acelerador financiero se debe a Bernanke y Gertler () y su derivación para economías con dolarización de pasivos a Céspedes, Chang y Velasco (). Inspirado en la idea pigouviana de la revaluación de las hojas de balance, Bernanke y Gertler demuestran que, en un modelo del sistema financiero con asimetrías de información y costos de monitoreo, aún en sistemas financieros en competencia y sin otros costos que los costos de monitoreo, la existencia de costos de agencia introduce una brecha entre el financiamiento con fondos propios y con fondos externos, conocida como prima de financiamiento externo. A continuación presentamos una versión sencilla del modelo de Bernanke y Gertler extraída de Walsh (). Supongamos que hay un continuo de firmas que tienen a su disposición un proyecto de inversión individual y que, mientras las firmas pueden observar sin costo el resultado de sus proyectos, los agentes externos tienen que pagar un costo de monitoreo para hacerlo. Firmas se caracterizan por su eficiencia w, w Uniforme 0,1 . Las firmas más eficientes requieren menos inversión en un proyecto dado. Sea x(w) el monto de insumos que requiere el tipo w para el proyecto, x’ >0. Rendimiento del proyecto: K con probabilidad K > K con probabilidad 1Entonces, (1) K = K +(1- ) K es el ingreso esperado del proyecto, que es de conocimiento común (no hay asimetrías de información ex ante). La asimetría de información se produce ex post, cuando la observación de la variable K se vuelve información privada de la firma. Para acceder a conocer el verdadero rendimiento del proyecto los agentes externos tienen que pagar el costo de monitoreo. Suponemos además que las firmas tienen fondos propios (financiamiento interno) por un monto S que es insuficiente para financiar el proyecto, S < x(0) (hasta la firma más eficiente tiene que buscar financiamiento externo) 5 Si los prestatarios pudieran observar sin costo el resultado de los proyectos, en equilibrio todos los proyectos cuyo ingreso supera el costo de oportunidad del financiamiento serían financiados. Entonces todas las firmas cuyo w sea menor que el valor crítico w*, definido por (2) K – r x(w*) = 0 Recibirían préstamos iguales a (3) B= x(w) - S . Con información asimétrica, las empresas pueden reportar que les fue mal aun cuando les haya ido bien (K ), lo que genera un problema de agencia entre el principal (prestamista) y el agente (firmas), donde el principal intenta determinar el tipo de contrato óptimo que ofrecerle al agente en este entorno informacional. Supongamos que las firmas se proponen monitorear con probabilidad p (en cuyo caso pagan el costo de monitoreo). La firma solo auditará cuando se anuncia el mal estado de la naturaleza, que es cuando el deudor hace default en su relación crediticia. El problema que enfrenta el prestamista (principal) es como hacer (como diseñar un contrato) que haga que el agente (la firma) revele su información. Ese contrato debe lograr al mismo tiempo que sea conveniente prestar para el prestamista, que el prestatario revele la información correctamente y que el prestatario participe, todo esto en la elección óptima del prestatario. En resumen, debe ser óptimo para la firma revelar la información. Entonces, el contrato debe lograr que se obtenga el (4) Max p P + (1-p)P + (1- ) P Sujeto a K –p(P +c) – (1-p) P + (1- ) K – P (5) (6) P (1-p) (K -K +P ) rB (participación del prestamista) (la firma encuentra óptimo decir la verdad- compatibilidad de incentivos) (7) P 0 es el pago que el prestatario tiene que hacer cuando declara que le fue mal y lo auditan (8) P 0, es el pago que el prestatario hace cuando declara que le fue mal y no lo auditan. P es el pago que hace cuando le va bien. Y p es la probabilidad de auditoría. 6 En consecuencia, el contrato óptimo se caracteriza por {p, P ,P ,P } tales que solucionan el problema anterior. El lagrangiano del problema es L= + K –p(P +c) – (1-p) P + (1- ) K – P - rB p P + (1-p)P + (1- ) P + P - (1-p) (K -K +P ) + P + + P Las condiciones de primer orden son (9) –(P +c) + P + P -P + (10) p (1 - )+ (11) (1-p) (1 - (12) (1- ) (1 - (K -K +P ) = 0 , al derivar con respecto a p = 0, al derivar con respecto a P )- )+ (1-p) + = 0 , al derivar con respecto a P =0 De la segunda condición se deriva que >0, por lo que la restricción de participación del prestamista debe cumplirse como igualdad. Nótese que, si K –p(P +c) – (1-p) P + (1- ) K – P - rB =0 al sumar esta restricción a la función objetivo obtenemos que (13) p P + (1-p)P + (1- ) P + K –p(P +c) – (1-p) P + (1- ) K – P - rB = K - pc Por lo que podemos reducir el problema a esta función objetivo sujeto a las otras tres restricciones. Nótese además que, como K no depende de las variables a determinar, el problema equivale a minimizar los costos de monitoreo. Si K > rB, entonces hasta en el estado malo de la naturaleza el deudor puede repagar el crédito, por lo que no hay costos de agencia. Entonces, reescribiendo la condición anterior, obtenemos que S x(w) - S (w). 7 De la forma en que definimos S (w), todo agente que tenga fondos mayores a ese valor puede repagar el crédito y no se requiere monitoreo de ese agente. En consecuencia, los que requieren monitoreo son los que tienen fondos menores a ese valor, situación que B&G llaman de garantías insuficientes. En esa situación, todas las restricciones se cumplen como igualdad. En ese caso (14) P =(1-p) (K -K ) Tenemos además que K – pc - (1- ) P - rB = 0, por lo que (15) Por lo que la probabilidad de auditoría es creciente con el monto prestado neto de garantías. El calendario de pagos completo para el agente entonces es cero si declara el estado malo de la naturaleza y es auditado, el incentivo a mentir si miente y no es auditado, y el pago P en caso de declarar el estado bueno de la naturaleza. En equilibrio, como el contrato asegura compatibilidad de incentivos, el agente hace revelación perfecta y la mentira no ocurre. El pago que el agente tiene que hacer en el estado bueno de la naturaleza es tal que, al incorporar los costos de agencia, es mayor al costo de financiamiento con fondos propios. La prima de riesgo resultante es creciente en el costo de agencia, el que es creciente en el monto no garantizado del crédito. Como, de acuerdo con () el pago al agente en caso de éxito es decreciente en p, eso implica que cuanto mayor sea la porción no cubierta con activos propios del financiamiento, mayor el costo que tiene que afrontar el agente para acceder al mismo. Es decir, que existe una prima de financiamiento externa que es creciente con el monto neto a financiar. (16) ρ = = = f(leverage) Una vez que llegamos a esa forma funcional, la política monetaria puede afectar la prima de financiamiento externo en una economía sin dolarización de tres formas: - La caída de la tasa de interés reduce el costo del endeudamiento, eso mejora los flujos período a período del VAN de la empresa, aumentando el valor de los activos. - La caída de la tasa de interés es una caída del factor de descuento con el que se calcula el VAN de la empresa, lo que aumenta el precio de los activos - El efecto sobre la demanda agregada afectará también las ventas de la empresa, mejorando los flujos período a período de la misma y aumentando el precio de los activos. 8 El aumento del leverage resulta en una reducción de la prima de riesgo que pagan los empresarios, lo que aumenta el crédito, aumentando el nivel de actividad. El impacto directo, en el caso de los USA se da sobre la inversión en inventario y en el gasto en bienes durables. En este caso, la prima de financiamiento externo, al moverse en el mismo sentido que la tasa de interés de política, “acelera” a la política monetaria. En forma resumida, podemos ver el efecto del “acelerador financiero” sobre la actividad económica de la siguiente manera. 9 Reducción tasas de interés Aumento de inv. Invent. Y Gasto Aumento precios de activos Disminución leverage everage Aumento de la demanda agregada Reducción PFE Reducción del peso de la deuda En una economía dolarizada, una fracción de (o toda) la deuda de la empresa está en moneda extranjera, por lo que hay un efecto contrapuesto pero de primer orden que puede determinar que el comportamiento de la prima de financiamiento externo sea un “freno” de la política. Este factor, que fue destacado por Calvo () y Céspedes et al. () funciona de la siguiente forma: una rebaja de la tasa de interés, aumenta el tipo de cambio nominal, lo que encarece el numerador de la relación deuda a activos. Adicionalmente, el efecto que en economía cerrada tenía la rebaja de la tasa sobre los flujos financieros de las empresas se revierte, por la dolarización de la deuda. Así, en economías dolarizadas, hay efectos que operan en sentidos diferentes, quedando a la evaluación empírica el funcionamiento de este canal en cada experiencia. Es interesante anotar que la prima de financiamiento externo se aplica a todo el endeudamiento de la empresa, no solo en moneda nacional, por lo que este canal de transmisión existiría aún en una economía con elevados niveles de dolarización. 10 En Uruguay el canal de hojas de balance ha sido tratado en forma directa o indirecta en los trabajos de Noya y Rama (1987), Capurro et al. (2010), Cabrera y Munyo (2008), Gianelli (2009). Noya y Rama (1987) estudian la reactivación de la actividad en la segunda mitad de los ochenta, luego de la crisis de deuda de 1982, y encuentran que uno de los factores que permitió la expansión de la actividad empresarial fue la reducción del peso del endeudamiento derivado de la apreciación cambiaria. Con empresas con fuertes posiciones vendidas en dólares, la apreciación cambiaria generó un efecto hoja de balance positivo, que también afectó los flujos liberando recursos para capital de trabajo y favoreció la reactivación del financiamiento externo. En Gianelli (2009) se documenta la influencia de los cambios en los rendimientos reales de los pasivos en dólares en crisis mediante una variable pseudo dummy que adopta un valor de cero fuera de las crisis y el valor de la tasa real equivalente a la tasa activa promedio de la deuda en dólares. Esa variable tiene una fuerte influencia negativa en períodos de crisis, lo que sugiere la existencia de un fuerte efecto de hoja de balance alrededor de esos períodos de fuerte variación de precios relativos. En Cabrera y Munyo (2008) se estiman ecuaciones de inversión en función de efectos liquidez y de hojas de balance para un panel de empresas con datos que van entre 2001 y 2005. Los autores son capaces de identificar efectos independientes de liquidez y variación de precios relativos en la inversión. Aumentos fuertes en el dólar tienen efectos negativos sobre la inversión en empresas que presentan descalces de moneda en sus hojas de balance. Recientemente, Capurro et al. (2010) utilizan una metodología similar a la usada por Cabrera y Munyo, con una ventana de datos que cubre los años 2008-2008. Este trabajo no logra identificar un efecto de hojas de balance sobre la inversión y las ventas. Detrás de ese resultado 11 probablemente estén dos factores importantes. En primer lugar, la crisis financiera está fuera de la muestra lo que genera una gran diferencia entre este trabajo y el de Cabrera y Munyo. Por otra parte, los datos recientes de las hojas de balance de las empresas muestran una mayor calce por monedas entre activos y pasivos, resultado de la acumulación de activos de corto plazo en dólares. Para la búsqueda de indicios acerca de la existencia de un acelerador financiero en el Uruguay utilizamos un panel con para los bancos del sistema bancario uruguayo, con datos mensuales que abarcan el período enero de 2007 a junio de 2012. Elaboramos y analizamos las primas de financiamiento externo para los principales sectores económicos informados por los bancos a la Superintendencia de Servicios Financieros, tanto en moneda nacional como en moneda extranjera. La prima de financiamiento externa es el diferencial que paga el agente económico por recurrir al financiamiento bancario respecto a financiarse con fondos propios. Por lo tanto, para el cálculo de dichas primas sectoriales se tomo el diferencial entre las tasas sectoriales y una tasa de referencia para un plazo similar al del promedio de las operaciones de crédito. Las tasas de referencia utilizadas, proxies del costo de oportunidad, fueron la de la letras de regulación monetaria a tres meses para la prima en moneda nacional y las tas del nodo a tres meses de la curva Uruguay en dólares (CUD) de BEVSA, para el caso de la prima de financiamiento externo en moneda extranjera. Se utilizaron tasas de interés para los principales grandes sectores de actividad económica, elaboradas a partir de la información mensual de operaciones presentadas por los bancos a la Superintendencia de Servicios Financieros del Banco Central del Uruguay. Las tasas que se elaboraron son promedios ponderados por capital y por plazo tal como lo establece la metodología publicada por el BCU para las series publicadas en su sitio web. Se hicieron estimaciones para todo el período de la muestra, 2007-2012 y para el 2009-2012, esta distinción se centra en el hecho que es relevante incluir la crisis financiera, y el shock externo recibido por el país en 2008, y compararlo con los resultados obtenidos excluyendo ese período de inestabilidad financiera, de forma de ilustrar el comportamiento del canal de crédito en ambas situaciones. 1 http://www.bcu.gub.uy/Servicios-Financieros-SSF/Series%20IF/nuevametodologia.pdf 12 Se estimo un modelo del tipo: Donde ρ representa la prima de financiamiento externo (en moneda nacional o en moneda extranjera) del sector de actividad según el modelo estimado para el banco en el momento , es la tasa de interés interbancaria (call) en el momento ( rezagos), es el vector de un conjunto de variables características del sector económico para el banco para el momento , es el vector de características del banco en el momento , es el vector de variables macroeconómicas utilizadas como variables de control y Φ representa la heterogeneidad inobservable de cada banco, que se supone invariante en el tiempo, asociada a las estimaciones de modelos de datos de panel. En el presente trabajo se emplea el enfoque de datos de panel para capturar la heterogeneidad no observable entre los bancos locales. Este enfoque permite realizar un análisis más dinámico al incorporar la dimensión temporal de los datos, lo que enriquece el estudio. Por ello se estima la ecuación (1) a través del método generalizado de momentos (MGM). Esta metodología resulta útil en la literatura empírica porque provee una alternativa simple cuando se desconoce la función de distribución de las variables aleatorias, es decir, sustituye el método de máxima verosimilitud; y provee un marco teórico para su comparación y evaluación. En el caso específico del estimador de variables instrumentales estándar, éste puede ser visto como un caso especial del estimador de MGM. En el caso que el número de variables instrumentales (restricciones de momentos) sea igual al número de parámetros a estimar, entonces el estimador de variables instrumentales será el mismo que el MGM. En caso contrario, si el número de instrumentos es mayor que el número de parámetros a estimar, entonces la ecuación estará sobre identificada. A partir de la información mensual de operaciones activas que brindan las instituciones financieras a la Superintendencia de Servicios Financieros se elaboraron las tasas de interés para los 11 principales sectores de la economía uruguaya: Consumo, Agro, Comercio, Construcción, Hoteles y Restaurantes, Industria manufacturera, Servicios, Transporte, Servicios financieros y Otros y a partir de estas, las primas de financiamiento externo en moneda nacional y moneda extranjera. 13 Donde momento , es la prima de financiamiento externo cobrada por el banco al sector en el es la tasa de interés cobrada por el banco al el sector en el momento , y es la tasa de referencia para la valoración de los fondos propios de los agentes económicos o su costo de oportunidad en el momento , sea la tasa a tres meses de la Letras de Regulación Monetaria en moneda nacional o el nodo a tres meses de la Curva Uruguay Dólares (CUD) en moneda extranjera. En el cuadro 1 se muestran las estadísticas descriptivas de las primas de financiamiento externo en moneda nacional y en moneda extranjera de los sectores en el período 2007-2012. Nótese que no todas las primas tienen el mismo número de observaciones, esta diferencia radica en que no todos los bancos tuvieron operaciones en todos los sectores de actividad durante el período de la muestra. Variable Obs Mean Min Max pfxmn pfxmn_cons pfxmn_agro pfxmn_cmcio pfxmn_constr 736 736 736 736 736 17.67061 30.26619 5.653843 4.775655 3.441242 Std. Dev. 11.15263 11.08749 7.809364 4.092808 6.303066 -.325319 -6.98075 -18.9808 -16.2595 -18.9808 49.7498 61.3219 23.4804 18.4283 19.9988 pfxmn_srvs pfxmn_ind lpfxmn_trans pfxmn_srvs~n pfxmn_hot 736 736 629 736 736 5.451923 4.797322 1.926814 4.328996 4.15408 5.190286 3.580343 .6236742 5.085711 9.621313 -18.9808 -6.6995 .0025866 -11.2595 -18.9808 18.0105 18.1179 3.180786 24.9163 26.4889 pfxmn_otrs pfxme pfxme_agro pfxme_cons pfxme_cmcio 736 736 736 736 736 3.188871 3.252807 3.163872 7.448649 3.338895 9.077372 2.139363 2.493751 3.701912 1.73658 -18.9808 -2.173918 -6.849905 -5.401712 -3.438759 24.9163 33.73716 10.05258 17.4569 9.025784 pfxme_const pfxme_svs pfxme_ind pfxme_transp pfxme_svsfin 736 736 736 736 736 3.103798 3.827321 2.681547 3.95406 3.126852 2.97861 3.006898 1.749255 2.308429 3.344035 -8.151665 -6.849905 -2.523822 -6.514774 -6.849905 9.536134 58.63734 8.475062 9.499813 9.803315 pfxme_hot pfxme_otros 736 736 2.628605 2.672949 4.652996 4.212293 -8.151665 -8.151665 10.17327 9.830571 14 El cuadro 2 presenta la matriz de correlaciones entre todas las tasas de interés utilizadas en el análisis, expresadas en logaritmos. En la figura 1 (ver anexo) se presenta la serie de la tasa call interbancaria y las primas de financiamiento externo (PFX) en moneda nacional y moneda extranjera para todo el sistema bancario uruguayo y en la figura 3 se aprecia las series de las PFX de los sectores en moneda nacional y extranjera. Lo primero que se observa del análisis de las figuras 1 y 3 es que tanto a nivel agregado como de cada sector en particular, la PFXMN es mayor a la PFXME durante la mayor parte del período. Nótese que para los sectores empresariales la PFXMN es mayor que la PFXME pero que convergen sobre el final de la muestra, mas específicamente en 2011 y 2012. Esto no sucede con las familias, aumentando la brecha entre ambas primas para el crédito al consumo. La convergencia en los sectores empresariales se explica por un mayor crecimiento del crédito en moneda nacional en relación al crecimiento del crédito en moneda extranjera, lo que posiblemente genero una mayor profundización en el mercado en moneda nacional, haciendo que la primas converjan. En cuanto a la divergencia de las primas de financiamiento externo de las familias, esto podría deberse al hecho que el crédito en moneda extranjera no creció en este sector, por lo que es un mercado muy poco desarrollado, en tanto que la prima en moneda nacional se mantuvo alta por la existencia de poder de mercado y subsidios cruzados por parte de los bancos, ante agentes con menos capacidad de financiamiento que las empresas. 15 En principio, la trayectoria diferente de las PFX del crédito al consumo respecto al crédito empresarial en moneda nacional se explica por factores tales como un menor nivel de competencia y una demanda menos elástica, ya que para las familias el crédito en moneda extranjera es un sustituto más lejano del crédito en moneda nacional que en el caso de las empresas. Esto se debe a la regulación prudencial, ya que el descalce de monedas es fuertemente penalizado en términos de previsiones durante la mayor parte del período analizado, lo que eleva el costo del crédito en moneda extranjera para el consumo. Como variable dependiente relevante se utilizó la , ya que la tasa de política monetaria (TPM) comenzó a utilizarse a partir de diciembre de 2007. Este hecho, no afectará los resultados, ya que la correlación entre la TPM y la TCI para todo el período de análisis es de 0,9561, mientras que para el primer subperíodo entre 2007 y 2009 la correlación es de 0,9515 y en el segundo subperíodo (2010-2012) la correlación es de 0,9988. En el período objeto de estudio, la TCI es determinada en el mercado de dinero por la intervención del BCU que la lleva a la tasa de referencia, esto es en gran parte explicado por el hecho que los bancos presentan altos niveles de liquidez y no utilizan el mercado de dinero como fuente de fondeo sino como una opción alternativa para colocar sus excesos de fondos. Esto determina que la demanda en este mercado sea escasa, y por lo tanto es la autoridad monetaria quien cierra la brecha llevando la tasa calla la tasa de referencia. En la figura3 del anexo, se observa la serie de tasa call promedio mensual y la tasa de política monetaria anunciada por el BCU. Se aprecia que la TCI y la TPM son prácticamente la misma serie, salvo en los meses de octubre, noviembre y diciembre de 2008, en que ante el shock externo recibido por la quiebra de Lehman Brothers, la TCI tuvo una mayor reacción que de la TPM. En un régimen de metas de inflación como el actual, la autoridad monetaria observa las principales variables macroeconómicas y financieras, la inflación, el producto, el crédito bancario, el tipo de cambio real, etc. En virtud del análisis de la situación fija una tasa de política monetaria, o de referencia. Los agentes financieros analizan las decisiones de la autoridad monetaria y la situación del mercado de crédito, y fijan sus precios. Esta línea de razonamiento es la que justifica tratar la tasa de política monetaria y al crédito bancario como variables endógenas en el modelo dinámico de datos de panel. 16 Los créditos sectoriales, medido como la suma de las operaciones mensuales por sector, se incluyen en las estimaciones de los modelos para la tasa de interés activa sectorial en moneda nacional con el objetivo de controlar por cantidad el precio del crédito en cada sector. El cuadro 3 muestra las estadísticas descriptivas de las operaciones de crédito en moneda nacional por sectores expresado en millones de $U por banco. Variable Obs Mean Min Max agro consumo comercio construccion hoteles 619 735 715 626 521 11.33776 252.5636 142.3154 46.29264 2.387241 Std. Dev. 15.75542 500.5591 183.2273 126.0906 3.894946 .0003085 .0015 .185493 7.00e-07 .0000244 160.5107 5537.921 1742.514 1936.521 35.90342 industria servicios servicios_~s transporte otros 735 687 713 659 505 134.1105 78.13787 65.68166 33.33509 1.504992 254.181 112.6084 105.4075 155.5036 2.365207 .3075475 .0004384 .0000118 .001687 1.00e-08 2666.358 1109.688 876.0225 2554.556 29.99998 credito_mn 735 742.1859 835.472 7.242955 6710.542 Se aprecia que el sector que presenta mayor operativa es el crédito al consumo en moneda nacional, con una media de $U 252 millones mensuales por banco. En la figura 4 se muestra la serie de la operativa de crédito de los tres mayores sectores, consumo, comercio e industria y del crédito total en moneda nacional. El crédito al consumo representa el 34% del crédito medido por operaciones en el período analizado y el 65% medido en stock. La figura 5 del anexo nos muestra la distribución promedio de la operativa de crédito por sectores para todo el período de la muestra. agro agro consumo comercio construccion hoteles industria servicios servicios_~s transporte otros credito_mn 1.0000 0.2725 0.4574 0.4871 0.3603 0.4332 0.4851 0.1042 0.5357 0.5029 0.5387 consumo comercio constr~n 1.0000 0.0260 0.2979 0.0811 0.1581 0.2401 0.0110 0.5899 0.1252 0.8316 1.0000 0.3566 0.5370 0.6697 0.3050 0.3958 0.2985 0.3956 0.5212 1.0000 0.1900 0.2706 0.3993 0.1301 0.4108 0.3220 0.5157 hoteles indust~a serv~ios serv~ros transp~e 1.0000 0.3501 0.1413 0.4173 0.3147 0.2924 0.3615 1.0000 0.1807 0.1500 0.2829 0.5514 0.5373 1.0000 0.1472 0.3317 0.2511 0.4927 1.0000 0.2402 -0.0518 0.3086 1.0000 0.1865 0.6940 otros credit~n 1.0000 0.3538 1.0000 Se aprecia que el importante peso de las operaciones de consumo en el total de la operativa en moneda nacional determina una correlación de 0,83 entre el crédito total y el crédito al consumo. 17 A los efectos de controlar el efecto del riesgo de crédito sobre la tasa de interés de cada sector se elaboraron indicadores de riesgo para cada sector y para cada banco en todos los meses de la muestra. Definimos el riesgo como: Donde representa el banco y el sector de actividad. La teoría microeconómica nos indica que ante un aumento en el riesgo de crédito la tasa de interés que se le cargue al sector debiera aumentar. Variable Obs Mean riskcred riskagro riskcmcio riskconst riskcons 736 736 736 736 736 .0188517 .0098351 .0119438 .0156859 .0910483 riskind risksvs 736 736 .0063612 .0125492 Std. Dev. Min Max .0530356 .0120652 .0114734 .0262932 .1850794 .00025 .001453 .0027781 .0000966 .0308591 .53175 .0698533 .0818533 .3486275 1.152192 .0076789 .0099839 .0012755 .0020365 .051444 .1099266 Del cuadro 5, se concluye que el sector con mayor riesgo de crédito es el consumo, en el cual en promedio, la tasa de morosidad de los créditos es del 9,1% de la tasa de los créditos vigentes, para el período objeto de análisis. riskcred riskagro riskcm~o riskco~t riskcons riskcred riskagro riskcmcio riskconst riskcons riskind risksvs 1.0000 0.2414 0.2434 0.2250 0.0497 0.0521 0.2438 1.0000 0.9380 0.6411 0.4508 0.3298 0.7263 1.0000 0.6538 0.4809 0.3515 0.7710 1.0000 0.0668 0.0640 0.7294 1.0000 0.6412 0.1969 riskind risksvs 1.0000 0.1581 1.0000 El cuadro 6 nos muestra las correlaciones que hay entre los riesgos de crédito de los distintos sectores. Se aprecia que hay fuerte correlación entre algunos sectores, por ejemplo, entre el agro y el comercio. 18 La dolarización se midió como el porcentaje del stock crédito en moneda extranjera en el stock total de crédito de cada sector. Se incluye esta variable a los efectos de controlar el hecho la dolarización del sector pudiera afectar el riesgo percibido por el banco y por tanto, su PFX. Por ejemplo, sería esperable que sectores no transables aumentaran su PFXME ante aumentos en la dolarización. Se tomo el pib sectorial promedio trimestral elaborado por el Área de Estadísticas Económicas del BCU. Medido como el stock de crédito respecto al pib sectorial. Como variables macroeconómicas de control utilizamos el PIB, la tasa de inflación, el tipo de cambio nominal y real, el riesgo país, medido a través del UBI y el índice de expectativas industriales elaborado por la CIU a partir de su encuesta mensual. Solvencia: medida como la razón Patrimonio/Activo Liquidez: ratio de liquidez a 90 días, es decir, la razón entre las obligaciones bancarias por intermediación financiera a menos de 90 días y los activos con maduración menor a 90 días. Rentabilidad: medida a través del ROA. Tasa pasiva de los bancos, obtenida a partir de las operaciones pasivas mensuales, ponderada por capital y por plazos. Poder de mercado activo: Medido como el índice de Lerner. Siendo el costo marginal del banco: Poder de mercado pasivo: 19 Previsionamiento: Stock de previsiones sobre stock de crédito D_2009: Variable dummy que toma valor uno para el caso del BROU durante 2009 y 0 en el resto, de forma de reflejar el comportamiento estratégico llevado a cabo por dicho banco, observado en las graficas de las PFX sectoriales a nivel de banco presentadas en el anexo. D_Fus: variable dummy que controla el efecto sobre las tasas de la fusión de los bancos BBVA con el Credite Uruguay ya que distorsiona las series al ser dos bancos con perfiles de negocio muy distintos. D_Shxt: dummy que toma el valor 1 para el período set-dic 2008 y 0 en el resto. Bco 2007-2009 2010-2012 2007-2012 128 0.57 0.67 0.61 134 0.61 0.62 0.61 113 0.58 0.60 0.59 137 0.51 0.57 0.54 110 0.39 0.71 0.54 1 0.53 0.52 0.52 114 0.47 0.55 0.49 153 0.37 0.49 0.43 205 0.43 0.23 0.34 212 0.19 0.19 157 0.16 0.22 0.19 216 0.01 -0.07 -0.03 Promedio 0.41 0.46 0.43 Mediana 0.45 0.55 0.51 El cuadro 7 nos muestra los índices de Lerner promedio por banco para toda la muestra y en cada sub período. Vemos únicamente dos bancos reducen su poder de mercado de un subperíodo al otro. El líder del sistema redujo sus tasas de crédito al consumo, en el caso del otro banco, la reducción se explica por la reducción significativa del peso relativo del crédito al consumo en su cartera de crédito, a través de una mayor presencia en el mercado de créditos a empresas. 20 Los modelos se estimaron en logaritmos de forma de obtener directamente la elasticidad de las PFX a las distintas variables explicativas de interés. El traspaso de la política monetaria a las PFX se traduce en la siguiente forma: Donde η es la elasticidad de largo plazo de la prima de financiamiento externo, respecto a la tasa de interés interbancaria, . Es decir, es la relación entre la sumatoria de los coeficientes asociados a los rezagos de la tasa interbancaria y 1 menos el coeficiente autorregresivo de la variable dependiente. El cuadro 8 muestra los principales resultados a partir de los modelos estimados que se presentan en el anexo. Del análisis de los resultados presentados en el cuadro 8 se concluye que existe un afecto de acelerador financiero en todos los sectores en tiempos de estabilidad, tanto en el mercado de crédito en moneda nacional como extranjera. Acelerador financiero impacto y persistencia 2009-2012 Lcall Lags Lcall Maxlags Lcall lagsprom Lcall Lcredmn Lags Cred PFXMN 0.33 0.36 1.00 Comercio 0.15 Const 0.15 Servs 1.16 Industria 0.60 Transp 0.49 Svs Fin 0.75 Hoteles 3.09 Otros 1.19 Consumo Agro Mediana Media PFXME 0.37 1.35 0.85 Comercio 0.26 Const 0.79 Servs 0.21 Industria 0.44 Transp 0.52 Svs Fin 0.58 Hoteles -0.37 Otros 0.74 Agro Media 7 3.8 -0.02 1-3 0-5-6 0-6 0-1-2-3 2-3-6 0-1-4 0-6-7 0 0-5-6-7 3-4-5 3 5 6 3 6 4 7 0 7 5 2.0 3.0 3.0 0.8 3.7 1.7 4.3 0.0 4.5 4.0 0.00 0.02 -0.03 0.01 -0.05 0.06 0.05 -0.08 0.06 0.03 0 PFXMN 0.30 0.23 -0.22 Comercio -0.43 Const 0.58 Servs -0.50 Industria -0.34 Transp -0.32 Svs Fin 0.09 Hoteles -0.89 Otros -0.69 Consumo 5-6 1 0-2 Agro 4 1 0-3 0-2 1-4 0.67 5 3.0 0.02 Mediana -0.33 0.89 5 2.7 0.01 Media -0.25 Lcall Lags Lcall Maxlags Lcall lagsprom Lcall Lcredmn Lags Cred Lcall Consumo Mediana 0-1-5-6-7 Lcall 0.55 0.54 2-3-5 5 3.3 -0.11 2 1-4-8 3 0-3-5-6-8 5-6-7 1-4-8 0-2-8 0-1-3 1-2-3 0-1-2-3 0-1-2-3-5 8 3 8 7 8 8 3 3 3 5 4.3 3.0 4.4 6.0 4.3 3.3 1.3 2.0 3.0 2.2 -0.16 -0.11 0.06 -0.03 -0.09 0.00 -0.11 0.02 -0.04 0.00 2 1-2 1-2-3-4 2-3 2-4-5 0 0-1-2 2 0-1-2 0 6 6 3.2 3.4 -0.03 -0.05 PFXME 0.10 0.41 Comercio 0.13 Const 0.58 Servs 0.87 Industria 0.69 Transp 0.29 Svs Fin 1.40 Hoteles 0.29 Otros 0.07 Agro Media 0-1-5 5 2.0 0.00 2 0-1-3-5-7 0-1-2-3 0-2-4 0-1-2-4 0-1-3-5-6 0-1-2-3-5-6 1-3-6 0-3 0-6 2 7 3 4 4 6 6 6 3 6 2.0 3.2 1.5 2.0 2.3 3.0 2.8 3.3 1.5 3.0 0.00 0.04 -0.01 0.00 0.00 0.10 0.12 -0.04 0.04 0.00 Lags Lcall 0.22 1-2-3-4-5-6-7-8-9-10 Consumo Mediana Acelerador financiero impacto y persistencia 2007-2012 Lags Lcall Maxlags Lcall lagsprom Lcall Lcredmn Lags Cred 0.35 0.48 0-4 0-1-2-3-4-5-6 5-6-8 2-3-4 1-2-4-5-6 3-4-5-6-7 1-2-3-4-5 2-3-4-6 1-2-4 1-4 0-2 0-1 0 0-1-2 5 2.6 0.00 5 2.5 0.02 Maxlags Lcall lagsprom Lcall Lcredme Lags Cred 10 5.5 -0.07 2 4 6 8 4 6 7 5 6 4 4 2.0 3.0 6.3 2.3 3.6 5.0 3.0 3.8 2.3 2.5 -0.06 -0.04 -0.03 -0.08 -0.09 -0.12 -0.06 -0.02 -0.05 -0.05 1-2 2-3-6 1-2-3 2 2-5 2 0-2-3-4 2-5 1-2 1-2 6 5 3.0 3.4 -0.05 -0.06 En el caso de la PFXMN se aprecia que la elasticidad a la tasa interbancaria es de 0.3 para toda la muestra y aumenta a 0.33 si excluimos los años 2007-2008. También se aprecia que la 21 1 1-2 persistencia del efecto positivo de la variación de TCI sobre la PFXMN aumenta, obteniéndose un máximo rezago significativo de 5 para toda la muestra y uno de 7 para las estimaciones del período 2009-2012. Este hecho esta relacionado con el aumento de los plazos de las operaciones registrados en el período objeto de estudio, ilustrado por la figura 2 del anexo. Asimismo, un aumento de la TCI a la vez que aumenta la PFXMN, reduce el crédito en moneda nacional para el período 2009-2012. Para el caso de la PFXME hay una relación positiva respecto a la TCI de 0,22 para el período 2007-2012, que aumenta a 0,37 si sacamos el primer período de la muestra que tiene un fuerte shock externo sobre la política monetaria. En definitiva, podemos concluir que hay indicios de la existencia de un acelerador financiero tanto en moneda nacional como en moneda extranjera en el período objeto de estudio. Asimismo, dicho acelerador parece ser mayor en períodos de estabilidad. Esta conclusión preliminar será desarrollada en mayor profundidad en el análisis de las estimaciones de cada sector individual. La PFXMN al sector consumo (o familias) presenta un signo positivo respecto a la TCI tanto para el período 2009-2012 (0,36) y como para el período completo 2007-2012 (0,23). Asimismo la persistencia del efecto de la TCI sobre la PFX del sector aumenta en un mes aproximadamente si únicamente se considera el período de estabilidad financiera (2009-2012). El crédito al consumo en moneda nacional no reacciona a cambios en la PFX. Para el caso de PFXME al sector consumo, la reacción a las variaciones en la TCI aumentan muy fuertemente en la etapa final del período, pasando de 0,1 para todo el período 2007-2012 a 1,35 en las estimaciones para los últimos tres años y medio. Esto se explica fundamentalmente por el crecimiento en los márgenes en el sector consumo en moneda extranjera. La persistencia de este efecto también es mayor en el período final, llegando su duración a 8 meses. Concluyendo, el sector de crédito a las familias presenta indicios de la existencia de un acelerador financiero tanto en moneda nacional y aun más en moneda extranjera en todo el período de la muestra, aumentando en períodos de estabilidad. La PFX del sector agropecuario presenta signo positivo tanto en moneda nacional como en moneda extranjera para el período 2009-2012. Sin embargo, si también tomamos en cuenta en período de inestabilidad financiera la elasticidad de la PFX a la TCI se reduce sensiblemente, siendo la mitad que la del período estable para el caso de la moneda extranjera y negativa para el caso de la moneda nacional. La persistencia del efecto en este sector se ha visto reducida en el último período. El crédito al sector agropecuario en moneda nacional presenta un signo positivo ante un aumento en la PFXMN, esto podría ser un indicio de sobrevaloración de activos o al 22 menos de una valoración subjetiva de los activos. Ante un aumento en la tasa de interés de referencia aumenta la PFX y el crédito, si el otorgamiento de un crédito depende del riesgo de sector y de sus garantías. Un aumento en la tasa de referencia genera un aumento en la PFX y por tanto en su riesgo, un aumento simultáneo del crédito implica que el valor de la garantía debiera aumentar, lo que no sería consistente con el aumento de las tasas de interés. Por lo tanto, podemos inferir que existe una sobrevaloración de los activos en garantía del sector o al menos una expectativa de valoración. La PFX del comercio en moneda nacional presenta un cambio de signo en su relación con la TCI si incluimos períodos de inestabilidad financiera. Efectivamente, si consideramos todo el período observado, 2007-2012, la elasticidad de la PFXMN a la TCI es de -0,43, sin embargo, si excluimos los años 2007 y 2008, la elasticidad es de 0,15. La persistencia del impacto también aumenta si se excluye el período de inestabilidad, pasando de 3 meses para el período completo a 6 meses en el último período. Asimismo, la PFX en moneda extranjera también aumenta su elasticidad si se excluye la inestabilidad financiera internacional, aunque presenta signo positivo durante todo el período. En definitiva el sector comercio presenta indicios de la existencia de un acelerador financiero en moneda extranjera y en moneda nacional en períodos de estabilidad. En el sector de la construcción se observa la existencia de un acelerador financiero en todo el período y en ambas monedas, así como un aumento en la persistencia del efecto principalmente en moneda extranjera. Al igual que en el sector comercio, en el sector servicios la elasticidad de la PFXMN a la TCI es negativa para el período 2007-2012 y positiva para el sub período 2009-2012. Asimismo, la persistencia del efecto aumenta pasando de 4 meses a 6 meses si se toma en cuenta únicamente el último período. En este sector, existe evidencia de la presencia de un acelerador tanto en el mercado en moneda nacional como en el mercado en moneda extranjera, y un aumento de la persistencia en el efecto de la TCI sobre la PFX en ambas monedas. En el sector industria la exclusión del período de inestabilidad financiera en las estimaciones aumenta fuertemente el impacto de las variaciones en la TCI sobre la PFXMN pasando de - 0,34 para el período completo a 0,6 si únicamente consideramos el período 2009-2012. A su vez, existe una relación de coexistencia positiva respecto al crédito lo que evidencia una posible sobrevaloración de los activos en este sector. La persistencia del efecto de la TCI sobre las PFX tanto en moneda nacional como extranjera se reduce si excluimos es período de inestabilidad financiera. 23 En el sector transporte se observa la existencia de un acelerador financiero en el último período aumentando al elasticidad de la PFXMN a la TCI de -0,32 a 0,49 si no incluimos los años 2007 y 2008, y de 0,29 a 0,52 en el caso de la moneda extranjera. En este sector también se encuentra una relación positiva entre el aumento de la PFX y el crédito al sector. Como lo muestra el cuadro 8 en este sector también se observa la existencia de un acelerador financiero durante todo el período en el caso de la moneda extranjera y en el período de estabilidad en el caso del mercado en moneda nacional. El hecho distintivo en el sector hoteles respecto a los demás sectores es que para el período en que no se incluye el shock de 2008 existe un freno financiero en el mercado en moneda extranjera. En esta clasificación se incluyen las operaciones que no fueron colocadas en ninguno de los sectores anteriores, en general se trata de créditos a empresas que podrían ser clasificadas en más de un sector por lo que los bancos prefieren no asignarles un sector especifico. Para este sector también observamos un freno financiero en el mercado en moneda nacional en el período completo y un acelerador financiero en el periodo de estabilidad. En resumen, se aprecia un aumento generalizado en la elasticidad de la PFX respecto a la TCI si se excluye el periodo de la muestra en que existe inestabilidad financiera, habiendo en este período fuertes indicios de la existencia de un acelerador financiero tanto en moneda nacional como en moneda extranjera. 24 En este trabajo intentamos tener una primera aproximación al comportamiento reciente del acelerador financiero, modelando el comportamiento de las primas de financiamiento externo sectoriales en la banca. Se utilizan modelos de panel bancarios microfundados para tratar de establecer la existencia de un acelerador o freno de la política monetaria en las primas de financiamiento externo. Nuestros resultados sugieren que las primas de financiamiento tienen un comportamiento no lineal, acelerando la política monetaria en tiempos normales y desacelerándola en momentos de fuertes correcciones en los precios en dólares. Asimismo, encontramos que las primas de financiamiento externo en pesos y dólares convergen mostrando comportamientos muy similares en los datos más recientes. Al modelar las primas de financiamiento externo en dólares encontramos que, al igual que sus similares en pesos, muestran un comportamiento que acelera la política monetaria. Este resultado es de particular importancia porque muestra un efecto de la política monetaria sobre el crédito en moneda extranjera que generalmente se deja de lado en la discusión pública sobre los efectos de la política monetaria. En conjunto, los resultados encontrados (al igual que Licandro y Mello (2012)) apoyan la hipótesis de un creciente rol para la política monetaria en flotación cambiaria, particularmente aplicado al manejo de tasas de interés. A futuro, el estudio del canal de hojas de balance y el acelerador financiero se beneficiaría de usar datos de empresas individuales, para lo cual es de particular importancia profundizar los esfuerzos para la recopilación sistemática de este tipo de información. 25 "Inside the Black Box: The Credit Channel of Monetary Policy Transmission," Journal of Economic Perspectives, American Economic Association, vol. 9(4), pages 27-48, Fall. “Depreciación cambiaria, dolarización e inversión. Un análisis empírico con datos de panel al nivel de empresas.” Revista de Economía. (2da. época);15(2):117167, nov. "Balance Sheets and Exchange Rate Policy," American Economic Review, American Economic Association, vol. 94(4), pages 1183-1193, September “Cambios recientes en la transmisión de la tasa de política monetaria a la estructura de tasas en Uruguay.” Mimeo BCU. “¿Quién financió la reactivación? Cuando la dolarización tiene sus ventajas.” Suma;2(3):105-120, oct. “Un modelo estructural pequeño para la economía uruguaya.” DT del Banco Central del Uruguay 1/2009. “Transmisión de la política monetaria en Uruguay a través del canal de crédito: enfoques microeconómicos.” DT del Banco Central del Uruguay 22/2010. “Monetary Theory and Policy”, Second Edition, The MIT Press, Cambridge, Massachusetts. 26 -5 27 may-12 ene-12 pfxme sep-11 may-11 ene-11 sep-10 pfxmn may-10 ene-10 sep-09 may-09 ene-09 sep-08 may-08 ene-08 sep-07 may-07 ene-07 30 call 25 20 15 10 5 0 ene-07 -5 -10 sep-07 may-12 ene-12 sep-11 may-11 ene-11 sep-10 may-10 ene-10 sep-09 may-09 ene-09 0 -2 -4 -6 -8 28 may-12 ene-12 sep-11 5 pfxme_otrs may-11 pfxme_hot pfxmn_otrs 8 ene-11 10 10 sep-10 pfxmn_hot may-10 15 -2 ene-10 0 may-12 ene-12 sep-11 may-11 ene-11 sep-10 may-10 ene-10 sep-09 may-09 -4 -2 -6 -4 14 pfxmn_transp 12 12 pfxme_transp 10 6 4 2 -4 6 4 2 0 -2 sep-07 6 4 0 2 0 ene-12 may-12 sep-11 may-12 ene-12 pfxme_srvs 0 ene-07 sep-09 may-09 ene-09 sep-08 may-08 ene-08 sep-07 may-07 sep-11 ene-12 may-12 may-12 may-11 ene-12 may-11 ene-11 sep-11 sep-10 ene-11 sep-10 may-10 pfxmn_srvs may-10 12 ene-10 -4 ene-10 sep-09 8 may-09 8 sep-09 pfxme_svsfin may-09 10 ene-09 pfxmn_srvsfin ene-09 sep-08 may-08 10 ene-08 pfxme_const may-07 pfxmn_const -2 ene-07 may-12 may-11 0 sep-11 -2 sep-11 0 may-11 1 ene-12 sep-10 ene-11 2 5 ene-11 2 may-11 may-10 10 sep-10 0 sep-10 4 may-10 2 ene-11 sep-09 ene-10 15 ene-10 4 may-10 may-09 20 sep-08 2 sep-09 10 may-08 6 ene-10 sep-08 ene-09 30 sep-07 4 may-09 may-08 12 ene-08 8 sep-08 pfxme_cons ene-07 3 6 ene-09 sep-07 ene-08 pfxmn_cons may-07 2 sep-09 4 may-09 6 ene-09 pfxme_ind ene-09 pfxmn_ind sep-08 10 sep-08 0 may-08 8 ene-08 10 may-08 pfxmn_cmcio ene-08 4 ene-07 35 may-08 5 may-07 40 ene-08 6 sep-07 pfxme_cmcio sep-07 0 sep-07 5 ene-07 10 may-07 15 ene-07 may-12 ene-12 sep-11 may-11 ene-11 sep-10 may-10 ene-10 sep-09 may-09 ene-09 sep-08 may-08 20 may-07 sep-07 ene-08 pfxme ene-07 may-12 ene-12 sep-11 may-11 ene-11 sep-10 may-10 ene-10 sep-09 may-09 ene-09 sep-08 may-08 ene-07 may-07 pfxmn may-07 may-12 ene-12 sep-11 may-11 ene-11 sep-10 may-10 ene-10 sep-09 may-09 ene-09 sep-08 may-08 8 sep-08 sep-07 7 ene-08 8 may-08 sep-07 9 ene-08 may-07 25 ene-08 -2 ene-07 -2 ene-07 -1 may-07 -5 may-07 30 pfxmn_agro 8 pfxme_agro 25 6 lpfxmn 2009 - 2012 Coef. P>z lpfxmn 2007- 2012 Coef. lpfxmn L1. 0.0109 0.7040 lpfxmn L1. 0.1162 0.0070 lcall --. L1. L2. L3. L4. L5. L6. L7. 0.4937 -0.1755 0.1679 -0.2554 0.2370 -0.6364 0.9886 -0.5116 0.0070 0.5280 0.3460 0.3360 0.1300 0.0090 0.0010 0.0180 lcall --. L1. L2. L3. L4. L5. 0.7243 -0.6540 -0.0437 0.0988 0.0498 0.1913 0.0000 0.0000 0.3920 0.1090 0.1830 0.0000 lcremn -0.0225 0.0930 lpfxme --. L1. L2. ubi mktpw pvto d_shext d_fus _cons -4.4980 2.2419 11.1243 0.5157 0.4524 0.1352 0.0000 0.0000 0.0000 0.0000 0.0000 0.6460 -0.0447 0.0188 -0.0418 0.0460 0.2950 0.0440 ubi tc riskcred mktpw mktpw_pas roa pvto d_fus d_brou_2009 _cons -10.5989 0.0346 -4.2795 2.5622 0.0050 -1.1537 13.5607 0.3910 0.1038 -0.0613 0.0040 0.0280 0.0040 0.0000 0.0030 0.0000 0.0000 0.0110 0.0810 0.9330 2009 - 2012 lpfxmn_agro Coef. P>z lpfxmn_agro L1. 0.0740 0.3690 lcall --. L1. L2. L3. L4. L5. L6. -0.8314 -0.6626 0.6203 0.2105 -0.6640 1.0194 0.8081 0.0280 0.4010 0.4750 0.7380 0.1410 0.0500 0.0540 lcreagromn --. L1. L2. L3. L4. L5. L6. 0.0210 0.0055 0.0054 0.0025 -0.0357 0.0569 -0.0326 0.5040 0.8950 0.8690 0.9250 0.3190 0.0940 0.0640 rat_liq solvencia mktpw_pas exp_ciu tcr ubi d_brou_2009 _cons 0.2840 1.0340 0.0186 0.8521 0.0256 -11.1907 0.7761 -2.1027 0.0000 0.0760 0.0480 0.0000 0.0000 0.0630 0.0000 0.0160 2007- 2012 lpfxmn_agro Coef. P>z P>z lpfxmn_agro L1. 0.2026 0.0550 lcall --. L1. L2. L3. L4. L5. L6. L7. -1.0243 -0.5491 -0.1042 0.6319 -0.0430 0.5242 -0.0041 0.2451 0.0000 0.0300 0.6060 0.0000 0.7070 0.0000 0.9260 0.0020 lcreagromn --. L1. 0.0208 0.0310 0.3130 0.0010 pib_agro roa inf tc d_shext _cons 0.0202 -3.2082 -5.7117 0.0881 0.5994 -1.8862 0.0100 0.0020 0.0590 0.0000 0.0300 0.1150 obs 364.0000 29 2009 - 2012 lpfxmn_cons Coef. P>z lpfxmn_cons L1. 0.4395 0.0000 lcall --. L1. L2. L3. L4. -0.1525 -0.3547 -0.1161 0.7133 -0.3586 0.3440 0.0180 0.3950 0.0490 0.1450 pvto d_fus _cons 1.1620 0.4623 2.3903 0.0520 0.0000 0.0000 2009 - 2012 lpfxmn_cmcio Coef. P>z lpfxmn_cmcio L1. 0.2074 0.0070 lcall --. L1. L2. L3. L4. L5. L6. -1.7069 1.1938 -0.0283 0.0711 -0.3394 -0.4943 1.8293 0.0000 0.1200 0.9560 0.8700 0.4650 0.3740 0.0010 lcrecmciomn --. L1. 0.0059 -0.0273 0.7450 0.0240 roa mktpw tcr ubi pib d_brou_2009 _cons -2.5281 0.3582 0.0203 -13.8268 -0.0038 0.8036 0.6390 0.0140 0.0000 0.0000 0.0060 0.0390 0.0000 0.3470 2007- 2012 lpfxmn_cons Coef. P>z lpfxmn_cons L1. 0.5187 0.0000 lcall --. L1. L2. 0.1349 -0.0834 0.1124 0.1650 0.1620 0.0290 dolcons cons_pib pib dolcre pvto mktpw exp_ciu tc d_shext d_fus _cons -2.4872 3.8920 -0.0022 -0.9650 2.6877 0.3183 0.4561 0.0474 -0.1466 0.2588 1.1579 0.0070 0.0050 0.0880 0.0490 0.0070 0.0350 0.0000 0.0000 0.0080 0.0010 0.0090 2007- 2012 lpfxmn_cmcio Coef. P>z lpfxmn_cmcio L1. 0.4338 0.0000 lcall --. L1. L2. L3. -0.2154 -0.3645 0.5701 -0.2329 0.0090 0.0110 0.0000 0.0050 lcrecmciomn --. L1. L2. 0.0346 -0.0367 0.0292 0.1520 0.0980 0.0260 pfxme_cmcio dolcmcio riskcmcio solvencia roa mktpw d_fus _cons 0.0292 5.3336 -0.0002 -2.1975 -3.2386 0.3404 -0.1955 -3.4436 0.0040 0.0000 0.0350 0.0020 0.0000 0.0040 0.0000 0.0000 2009 - 2012 lpfxmn_const Coef. P>z lpfxmn_const L1. 0.1133 0.2480 lcall --. L1. L2. L3. -0.9361 1.6041 -1.9873 1.4720 0.0770 0.0840 0.0080 0.0380 lcreconstrmn --. L1. L2. -0.0246 -0.0063 0.0337 0.0460 0.6950 0.0490 pib_const const_pib solvencia rat_liq tc d_fus _cons -0.0145 43.7695 1.0058 0.4986 0.0953 -0.2567 0.4629 0.0000 0.0010 0.0180 0.0100 0.0000 0.0080 0.3800 2009 - 2012 lpfxmn_ind Coef. P>z lpfxmn_ind L1. 0.1424 0.1110 lcall --. L1. L2. L3. L4. -1.2938 1.4970 -0.2876 -0.7402 0.3985 0.0020 0.0180 0.7140 0.1410 0.0230 lcreindmn --. L1. L2. L3. L4. 0.0200 0.0108 0.0257 0.0049 0.0554 0.4960 0.7340 0.3170 0.8870 0.0630 pfxme_ind roa mktpw tc d_fus _cons 0.0674 -2.7623 0.8796 0.0981 -0.7987 -2.5590 0.0030 0.0080 0.0000 0.0000 0.0000 0.0230 2007- 2012 lpfxmn_const Coef. P>z lpfxmn_const L1. 0.1840 0.0480 lcall --. L1. L2. L3. L4. -0.2453 -0.2543 0.4849 -0.0971 0.2304 0.0280 0.1590 0.0180 0.4050 0.0080 pib_const roa rat_liq tc d_shext d_fus _cons -0.0124 -1.8377 0.6274 0.0905 -0.5410 -0.2500 0.2988 0.0000 0.0020 0.0000 0.0000 0.0230 0.0000 0.4320 2007- 2012 lpfxmn_ind Coef. P>z lpfxmn_ind L1. 0.2292 0.0010 lcall --. L1. L2. L3. L4. L5. L6. -0.5295 -0.5104 0.1506 0.4206 -0.0296 0.4740 -0.1206 lcreindmn --. L1. L2. pfxme_ind ind_pib riskind roa mktpw_pas tc d_shext _cons 2009 - 2012 lpfxmn_srvs Coef. P>z lpfxmn_srvs L1. 0.1515 0.2390 lcall --. L1. L2. L3. L4. L5. L6. -0.1298 -0.4488 1.2174 -1.1609 0.3121 -0.3630 1.1003 0.7780 0.5310 0.0060 0.0910 0.5760 0.3850 0.0030 lcresrvsmn --. L1. 0.0317 -0.0486 0.1360 0.0510 risksvs pvto solvencia rat_liq mktpw_pas exp_ciu tcr _cons 2.0914 6.5291 -1.7886 0.3290 -0.0152 1.0330 0.0179 -1.3343 0.1040 0.0470 0.0020 0.0190 0.0060 0.0160 0.0030 0.4500 2009 - 2012 lpfxmn_trans Coef. P>z lpfxmn_trans L1. 0.0723 0.2190 0.0050 0.0060 0.5040 0.0300 0.7820 0.0000 0.0210 lcall --. L1. L2. L3. L4. L5. L6. L7. -0.7725 0.4925 0.4914 0.9428 -0.2036 -0.3647 2.1439 -0.8770 0.0010 0.4050 0.4280 0.1990 0.7140 0.7250 0.0270 0.0300 0.0508 -0.0068 0.0272 0.0900 0.7580 0.0730 lcretransmn --. L1. 0.0409 0.0518 0.1920 0.0380 0.0448 -4.6473 -15.4162 -2.5472 -0.0031 0.0585 0.3817 -1.0545 0.0480 0.0080 0.0220 0.0700 0.0070 0.0000 0.0430 0.1150 pfxme_transp riskcred solvencia exp_ciu tcr _cons 0.0713 10.9043 -1.2305 2.2737 0.0303 -6.7212 0.0000 0.0000 0.0030 0.0000 0.0000 0.0010 30 2007- 2012 lpfxmn_srvs Coef. P>z lpfxmn_srvs L1. 0.3583 0.0000 lcall --. L1. L2. L3. L4. -0.9005 -0.3028 0.5642 -0.0373 0.3182 0.0000 0.0440 0.0000 0.7440 0.0010 tcr d_shext _cons 0.0127 0.6896 0.5083 0.0020 0.0020 0.3740 2007- 2012 lpfxmn_trans Coef. P>z lpfxmn_trans L1. 0.1522 0.0000 lcall --. L1. L2. L3. L4. L5. L6. -0.5604 -0.7860 0.2781 0.2858 0.1787 0.4008 0.1089 0.0000 0.0000 0.0510 0.0020 0.2790 0.0030 0.0190 lcretransmn --. L1. 0.0582 0.0465 0.0080 0.0480 pfxme_transp pib pvto solvencia mktpw tcr d_shext _cons 0.0703 -0.0040 2.5342 -1.2367 0.4028 0.0103 0.5170 -0.8322 0.0000 0.0000 0.0020 0.0540 0.0080 0.0010 0.0010 0.3170 2009 - 2012 lpfxmn_srv~n Coef. P>z lpfxmn_srv~n L1. 0.0912 0.3200 lcall 0.7467 0.0800 lcresvsfinmn --. L1. L2. -0.0448 -0.0134 -0.0314 0.0560 0.5480 0.0120 pib_srvsfin riskcred roa _cons -0.0189 18.8800 -9.3186 4.8158 0.0000 0.0140 0.0010 0.0000 2009 - 2012 lpfxmn_otrs Coef. P>z lpfxmn_otrs L1. -0.0482 0.7480 lcall --. L1. L2. L3. L4. L5. -0.4190 -0.2484 -0.2556 2.5112 -4.2307 2.9123 0.1340 0.6490 0.7440 0.0040 0.0000 0.0000 lcreotsmn --. L1. L2. L3. L4. 0.0426 -0.0398 -0.0094 0.0210 0.0703 0.2310 0.0790 0.8420 0.6650 0.0100 pfxme_otros pib_otrs dolots riskcred tcr ubi _cons 0.0203 -0.0584 3.5210 7.9694 0.0176 -21.4929 2.6558 0.0060 0.0000 0.0360 0.0230 0.0210 0.0040 0.2060 2007- 2012 lpfxmn_srv~n Coef. 2009 - 2012 lpfxmn_hot Coef. P>z lpfxmn_srv~n L1. 0.1296 0.0310 lcall --. L1. L2. L3. L4. L5. L6. -0.2165 -0.4420 0.1041 0.3360 0.1490 -0.0064 0.1850 0.2520 0.0050 0.6420 0.0840 0.2010 0.9610 0.0370 lcresvsfinmn pib_srvsfin dolcre pvto solvencia roa mktpw_pas ubi _cons -0.0371 -0.0141 -3.8350 5.6218 -1.6071 -11.5335 -0.0088 16.4718 6.4582 0.0590 0.0000 0.0340 0.0010 0.0900 0.0000 0.0030 0.0010 0.0000 2007- 2012 lpfxmn_otrs Coef. P>z lpfxmn_otrs L1. 0.1489 0.3280 lcall --. L1. L2. L3. L4. L5. L6. -0.8126 -0.5348 0.0232 0.0822 0.2898 0.1125 0.2236 0.0000 0.1070 0.9460 0.7640 0.1090 0.4870 0.0210 riskcred tcr d_shext _cons -3.2908 0.0207 0.4802 0.8572 0.0500 0.0000 0.0330 0.4220 31 P>z lpfxmn_hot L1. 0.2856 0.0000 lcall --. L1. L2. L3. L4. L5. L6. L7. 1.2844 -0.2012 -0.1435 0.6022 -0.3943 -0.9171 3.0267 -1.1848 0.0220 0.7640 0.8390 0.4650 0.5160 0.0130 0.0000 0.0000 lcrehotmn --. L1. L2. 0.0711 0.0149 -0.0258 0.0010 0.1910 0.0010 pfxme_hot hot_pib riskcred pvto solvencia roa mktpw exp_ciu tc _cons 0.0213 -3133.1920 -13.0724 13.7085 -1.2143 -3.3598 0.3567 2.8926 0.1164 -6.3207 0.0010 0.0140 0.0120 0.0400 0.0700 0.0080 0.0060 0.0000 0.0000 0.0000 2007- 2012 lpfxmn_hot Coef. P>z lpfxmn_hot L1. 0.2591 0.0020 lcall --. L1. L2. L3. -0.3663 0.1351 -0.0702 0.2931 0.0310 0.3300 0.4880 0.0000 lcrehotmn --. L1. L2. 0.0416 0.0120 -0.0239 0.0070 0.0040 0.0060 pfxme_hot pib_cmcio riskcred pvto solvencia roa rat_liq mktpw tc _cons 0.0174 -0.0087 -17.0792 13.6008 -2.3422 -4.7404 0.2348 0.5809 0.0239 1.3837 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0340 0.0640 0.0450 0.0320 lpfxme 2009 - 2012 Coef. lpfxme L1. 0.1286 2007- 2012 0.0000 lcall --. L1. L2. L3. L4. L5. 0.2009 0.2063 -0.7285 0.5866 -0.2503 0.4601 0.2120 0.4940 0.0280 0.0020 0.2920 0.0000 lcreme --. L1. L2. 0.0343 -0.0069 -0.0939 0.1950 0.7650 0.0110 lpfxmn --. L1. L2. L3. -0.0740 0.0556 0.0102 -0.0588 0.0050 0.1270 0.7880 0.0170 tc exp_ciu dolcre mktpw d_brou_2009 _cons 0.0815 1.3108 -1.4272 0.1381 -0.1339 0.9071 0.0000 0.0000 0.0020 0.0920 0.0020 0.2410 2009 - 2012 lpfxme_agro Coef. lpfxme_agro L1. 0.0847 2009 - 2012 2007- 2012 P>z P>z 0.2770 lcall --. L1. L2. L3. -0.1811 -0.5917 -0.2746 0.8518 0.5780 0.2080 0.6060 0.0030 lcreagrome --. L1. L2. -0.0058 -0.0073 -0.0983 0.6890 0.0110 0.0000 lpfxmn_agro ubi riskcred doldep rat_liq _cons 0.1103 -20.9675 3.1937 1.6990 -0.4686 2.6402 0.0170 0.0000 0.0630 0.0000 0.0000 0.0000 lpfxme Coef. P>z lpfxme_cons Coef. P>z lpfxme_cons Coef. P>z lpfxme L1. 0.0385 0.4340 lpfxme_cons L1. 0.2997 0.0000 lpfxme_cons L1. 0.2904 0.0000 lcall --. L1. L2. L3. L4. -0.1835 -0.0268 0.0763 -0.0542 0.2567 0.0140 0.7380 0.1810 0.5240 0.0000 lcreconsme --. L1. L2. -0.0215 0.0558 -0.0972 0.1710 0.0010 0.0020 pfxmn_cons tcr tc ubi _cons 0.0081 -0.0063 0.0139 -8.5766 2.5170 0.0040 0.0080 0.0790 0.0000 0.0000 lcall --. L1. L2. L3. L4. L5. L6. -0.0711 -1.5509 1.6965 -1.0940 1.2972 -0.5469 0.4140 0.7620 0.0210 0.0010 0.0010 0.0000 0.0000 0.0000 lcreme --. L1. L2. 0.0313 0.0088 -0.0658 0.4030 0.8430 0.0980 dolcre mktpw_pas exp_ciu tc ubi d_shext d_fus _cons -1.4636 -0.0048 0.7294 0.1016 -24.1955 -0.9359 -0.1243 0.8755 0.0000 0.0010 0.0010 0.0000 0.0000 0.0000 0.0110 0.3000 2007- 2012 lpfxme_agro Coef. lpfxme_agro L1. 0.0542 P>z 0.4370 lcall --. L1. L2. L3. L4. L5. L6. -0.4956 -0.6572 0.9657 -0.4434 0.9331 -0.2355 0.3427 0.0100 0.0010 0.0000 0.0060 0.0000 0.0380 0.0000 lcreagrome --. L1. L2. L3. L4. L5. L6. -0.0148 0.0035 -0.0688 0.0286 -0.0027 -0.0069 -0.0181 0.3170 0.4990 0.0060 0.0200 0.7640 0.1360 0.0000 pfxmn_agro pib_agro dolagro exp_ciu tc ubi _cons 0.0073 -0.0210 -22.8036 0.5198 0.0648 -31.6684 25.5401 0.0020 0.0180 0.0130 0.0030 0.0000 0.0000 0.0050 32 lcall --. L1. L2. L3. L4. L5. L6. L7. L8. 0.7021 -1.2831 0.6465 -0.8568 1.6407 -0.9893 -0.3105 -0.6209 0.9889 0.1130 0.0680 0.4080 0.3060 0.0610 0.1940 0.6130 0.2680 0.0010 lcreconsme --. L1. L2. -0.0202 0.0073 -0.1624 0.5780 0.6620 0.0010 riskcons d_fus d_brou_2009 _cons -2.0954 0.1672 0.5711 4.2041 0.0000 0.0000 0.0000 0.0000 2009 - 2012 lpfxme_cmcio Coef. lpfxme_cmcio L1. -0.1010 P>z 2007- 2012 lpfxme_cmcio Coef. P>z 0.3020 lpfxme_cmcio L1. 0.1032 0.0960 lcall --. L1. L2. L3. L4. L5. L6. L7. L8. -0.0786 -0.4393 0.0013 -0.2683 0.3025 -0.3481 0.2692 -0.0695 0.1929 0.6300 0.2850 0.9970 0.3930 0.1990 0.0140 0.0650 0.5820 0.0000 lcrecmciome --. L1. L2. L3. -0.0175 0.0814 -0.2093 0.1049 0.2130 0.0320 0.0010 0.0000 ubi d_shext d_fus riskcmcio pib_cmcio mktpw _cons -15.3078 -0.4823 -0.1706 0.0004 -0.0092 0.2003 3.9685 0.0000 0.0510 0.0010 0.0470 0.0000 0.0360 0.0000 lcall --. L1. L2. L3. L4. L5. L6. L7. L8. 0.7499 -0.2973 0.2183 -1.1973 0.1034 0.8850 -0.8334 -0.2708 0.6547 0.0530 0.4910 0.6250 0.0100 0.8090 0.0910 0.0410 0.4690 0.0210 lcrecmciome --. L1. L2. L3. L4. -0.0313 0.0454 -0.1517 0.0433 0.1187 0.2530 0.0060 0.0000 0.0840 0.0800 lpfxmn_cmcio pib_cmcio tc tcr exp_ciu dolcre doldep pvto d_fus _cons 0.1040 -0.0129 0.1042 -0.0217 1.1742 -1.4648 -0.8433 -9.8230 -0.2442 5.1115 0.0320 0.0130 0.0000 0.0040 0.0030 0.0620 0.0550 0.0180 0.0030 0.0020 2009 - 2012 lpfxme_const Coef. P>z lpfxme_const L1. 0.1647 0.0030 lcall --. L1. L2. L3. L4. L5. L6. L7. -0.4238 -0.0247 -0.3193 -0.4294 -0.1565 0.5909 -1.0784 1.1512 0.3120 0.9620 0.3580 0.2690 0.6400 0.0700 0.0000 0.0000 lcreconstme --. L1. L2. L3. -0.0052 -0.0016 -0.0405 0.0173 0.3230 0.7410 0.0410 0.0320 dolconstr dolcre _cons 2.4676 -1.4090 2.1466 0.0000 0.0000 0.0000 2009 - 2012 lpfxme_ind Coef. P>z lpfxme_ind L1. 0.0124 0.7340 lcall --. L1. L2. L3. L4. L5. L6. L7. L8. 0.5673 -0.2289 -0.6654 -0.0310 0.6975 0.2774 -0.5870 -0.0890 0.5401 0.0500 0.3400 0.0000 0.9310 0.1300 0.5710 0.1720 0.7990 0.0390 lpfxmn_ind ubi tc exp_ciu roa d_brou_2009 _cons 0.0557 -9.4124 0.0538 1.0422 -1.5204 -0.1993 -0.6870 0.0300 0.0580 0.0000 0.0020 0.0450 0.0000 0.2470 2007- 2012 lpfxme_const Coef. P>z lpfxme_const L1. 0.1405 0.0130 lcall --. L1. L2. L3. L4. -0.2582 -0.1531 0.4827 -0.2052 0.2205 0.1400 0.4160 0.0000 0.0450 0.0410 lcreconstme --. L1. L2. -0.0063 -0.0069 -0.0667 0.3850 0.1550 0.0150 dolconstr roa mktpw exp_ciu ubi _cons 2.9620 -1.3434 0.3498 0.8223 -10.8272 -0.0966 2007- 2012 lpfxme_ind Coef. 0.0000 0.0100 0.0000 0.0000 0.0000 0.8760 P>z lpfxme_ind L1. 0.1419 0.0090 lcall --. L1. L2. L3. L4. L5. L6. L7. -0.0605 -0.0723 0.0109 -0.2867 0.6392 -0.2452 0.2018 0.2788 0.7810 0.8230 0.9580 0.0040 0.0000 0.0000 0.0200 0.0000 lcreindme --. L1. L2. -0.0202 0.0175 -0.1022 0.5490 0.1850 0.0440 pib_ind dolind rat_liq exp_ciu inf tc ubi _cons -0.0133 3.5130 -0.4238 1.2047 7.3562 0.0985 -27.8862 -1.6572 0.0000 0.0710 0.0010 0.0000 0.0010 0.0000 0.0000 0.4160 33 2009 - 2012 lpfxme_srvs Coef. P>z lpfxme_srvs L1. 0.0004 0.9940 lcall --. L1. L2. L3. L4. L5. L6. L7. L8. 0.1125 -1.2217 0.2792 -0.3487 0.8819 -0.8545 0.9168 -0.6996 0.5518 0.8140 0.0910 0.5290 0.4420 0.0290 0.1660 0.1640 0.1460 0.0240 lcresrvsme --. L1. L2. L3. L4. L5. -0.0116 -0.0034 -0.0547 0.0110 -0.0119 -0.0218 0.3060 0.3090 0.0640 0.5810 0.0260 0.0020 risksvs inf ubi tc dolcre pvto _cons 1.7027 -5.4349 -13.7781 0.0345 -1.7427 -5.6526 5.0856 0.0330 0.0010 0.0420 0.0040 0.0000 0.0000 0.0000 2009 - 2012 lpfxme_trans Coef. P>z lpfxme_trans L1. 0.0619 0.4280 lcall --. L1. L2. L3. 0.5288 -1.0094 -0.3417 0.9998 0.0940 0.0010 0.4580 0.0390 lcretransme --. L1. L2. 0.0134 -0.0158 -0.1075 0.0100 0.0030 0.0000 inf ubi tc riskcred pvto _cons -10.4930 -31.5070 0.0293 -4.3441 1.6401 3.5421 0.0000 0.0010 0.0740 0.0530 0.0170 0.0000 2007- 2012 lpfxme_srvs Coef. P>z lpfxme_srvs L1. 0.0467 0.3350 lcall --. L1. L2. L3. L4. L5. L6. -0.1583 -0.3497 0.5615 -0.3477 0.6453 -0.2512 0.2666 0.3400 0.0940 0.0030 0.1010 0.0000 0.0640 0.0010 lcresrvsme --. L1. L2. L3. L4. L5. 0.0025 -0.0077 -0.1149 0.0091 0.0060 0.0216 0.8360 0.4600 0.0060 0.7540 0.6000 0.0110 pib_srvs dolsrvs exp_ciu tc ubi d_shext _cons 0.0015 -3.5281 0.8360 0.1162 -18.0710 -0.3835 2.3363 0.0000 0.0050 0.0020 0.0000 0.0000 0.0960 0.0410 2007- 2012 lpfxme_trans Coef. P>z lpfxme_trans L1. 0.1014 0.0020 lcall --. L1. L2. L3. L4. L5. -0.0678 -0.7683 1.0805 -0.4093 0.6833 -0.3218 0.3350 0.0030 0.0000 0.0330 0.0030 0.0230 lcretransme --. L1. L2. L3. L4. 0.0188 -0.0045 -0.1199 0.0308 0.0209 0.0940 0.4750 0.0000 0.0360 0.0040 dolcre doldep riskcred solvencia mktpw mktpw_pas inf ubi _cons -1.6242 1.2865 -1.1594 -0.6835 -0.2825 -0.0115 -10.7493 -23.6287 3.4665 0.0000 0.0000 0.0040 0.0280 0.0010 0.0000 0.0000 0.0000 0.0000 2009 - 2012 lpfxme_srv~n L1. 0.1654 0.0150 lcall --. L1. L2. L3. 0.0870 -0.2479 -0.8526 1.3384 0.6700 0.4600 0.0510 0.0000 lcresrvsfi~e --. L1. 0.0013 0.0154 0.8140 0.0340 inf ubi tc mktpw pvto _cons -8.3139 -21.7537 0.0461 0.5193 9.7239 -0.1028 2009 - 2012 lpfxme_otrs Coef. 0.0000 0.0000 0.0040 0.0050 0.0000 0.8560 P>z lpfxme_otrs L1. 0.0415 0.3970 lcall --. L1. L2. L3. L4. L5. -1.8022 2.2549 -3.8240 3.0456 -1.4480 1.0633 0.0410 0.0860 0.0000 0.0170 0.1000 0.0000 lpfxmn_otrs --. L1. -0.0080 -0.1614 0.8030 0.0000 doldep _cons 1.7567 1.9953 0.0390 0.0000 2007- 2012 lpfxme_srv~n L1. 0.0628 lcall --. L1. L2. L3. L4. L5. L6. 0.4444 -0.4780 1.0456 -0.4184 0.5646 -0.2411 0.2113 2009 - 2012 lpfxme_hot Coef. 2007- 2012 lpfxme_hot Coef. P>z 0.2500 0.1570 0.1800 0.0000 0.0110 0.0000 0.1770 0.0010 lcresrvsfi~e --. L1. L2. L3. L4. L5. 0.0018 0.0179 -0.0339 0.0093 0.0004 0.0161 0.7260 0.2610 0.0200 0.3120 0.9680 0.0770 pib_srvsfin dolcre pvto mktpw mktpw_pas exp_ciu tcr tc ubi d_shext _cons -0.0038 -1.2970 7.3992 0.6822 0.0080 1.0014 -0.0111 0.1416 -24.6950 -0.8416 -1.2859 0.0030 0.0330 0.0000 0.0080 0.0420 0.0000 0.0160 0.0000 0.0000 0.0020 0.1830 2007- 2012 lpfxme_otrs Coef. P>z P>z lpfxme_otrs L1. 0.0383 0.3220 lcall --. L1. L2. L3. L4. 0.2080 -0.4653 0.2527 -0.0990 0.5314 0.4460 0.0060 0.3040 0.7220 0.0000 lcreotrsme --. L1. L2. -0.0088 0.0190 -0.0707 0.5520 0.0870 0.0390 mktpw exp_ciu tc ubi _cons 0.3983 1.1288 0.1086 -19.4312 -0.6353 0.0590 0.0010 0.0000 0.0010 0.5290 34 lpfxme_hot L1. 0.0537 0.4950 lcall --. L1. L2. L3. -0.9632 1.1911 -1.2928 0.6955 0.0590 0.0670 0.0030 0.0020 lcrehotme --. L1. L2. -0.0109 0.0340 -0.0603 0.0140 0.0000 0.0000 lpfxmn_hot dolcre doldep inf ubi rat_liq mktpw_pas _cons -0.0809 -1.6932 3.1279 -10.8597 -14.1922 1.1314 0.0042 2.0267 0.0470 0.0530 0.0020 0.0000 0.0000 0.0000 0.0000 0.0320 lpfxme_hot L1. 0.0605 0.2880 lcall --. L1. L2. L3. L4. -0.0869 -0.4009 0.3537 0.0754 0.3330 0.2940 0.0000 0.0010 0.5330 0.0000 lcrehotme --. L1. L2. -0.0073 0.0112 -0.0624 0.1230 0.0070 0.0020 riskcmcio dolcre rat_liq exp_ciu tc inf ubi d_fus _cons -0.0004 -2.5016 0.5386 0.6353 0.0799 -4.7316 -15.8445 -0.0864 2.4367 0.0000 0.0010 0.0010 0.0010 0.0000 0.0050 0.0000 0.0920 0.0040