Canal de hojas de balance en Uruguay: ¿Acelerador financiero

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