Banco Central de Venezuela

Colección Economía y Finanzas Serie Documentos de Trabajo

Eficiencia, Riesgo y Capital en la Banca Latinoamericana: Explicando la Resiliencia



Adnan Kasman Oscar Carvallo

[Nº 128] Noviembre, 2011

 Banco Central de Venezuela, Caracas, 2011 Gerencia de Investigaciones Económicas Producción editorial Gerencia de Comunicaciones Institucionales, BCV Departamento de Publicaciones Torre Financiera, piso 14, ala sur Avenida Urdaneta, esquina de Las Carmelitas Caracas 1010 Teléfonos: 801.8075 / 8063 Fax: 536.9357 [email protected] www.bcv.org.ve

Las opiniones y análisis que aparecen en la Serie Documentos de Trabajo son responsabilidad de los autores y no necesariamente coinciden con las del Banco Central de Venezuela. Se permite la reproducción parcial o total siempre que se mencione la fuente y no se modifique la información.

Eficiencia, Riesgo y Capital en la Banca Latinoamericana: Explicando la Resiliencia

Adnan Kasman1* y Oscar Carvallo2

1

Department of Economics, Faculty of Business, Dokuz Eylul University, 35160, Buca, Izmir, Turkey, Tel: +90 (0) 232 412 8209, Fax:+90 (0)232 453 5062, E-mail: [email protected] 2 Investigador de Economía Senior, Oficina de Investigaciones Económicas, Banco Central de Venezuela, Caracas, Venezuela; E-mail: [email protected]

Eficiencia, Riesgo y Capital en la Banca Latinoamericana: Explicando la Resiliencia

Resumen: Usando un panel desbalanceado de 272 bancos, estimamos índices de eficiencia en costos e ingresos para quince países Latinoamericanos en el periodo 2001-2008. Utilizando técnicas de causalidad de Granger, encontramos fuerte evidencia de que ante incrementos del riesgo y reducciones en su capital, los bancos han tendido a mejorar su eficiencia en costos. También encontramos evidencia parcial en apoyo la conexión de “mala gerencia” entre eficiencia y riesgo, en consistencia con la experiencia para USA y Europa. Similarmente, las consideraciones de daño moral parecen ser importantes con respecto a capitalización y riesgo. Tomadas en forma conjunta, estos hallazgos suministran evidencia inicial en apoyo a la existencia de retroalimentación estabilizadora, la cual puede explicar la resiliencia demostrada por los bancos Latinoamericanos y Caribeños durante la reciente crisis. Palabras claves: Eficiencia, Riesgo, Capital, Banca Latinoamericana, causalidad. Clasificaciones JEL: C26, D22, D24, G01, G15, G21, L25.

Abstract: Using an unbalanced panel of 272 commercial banks, we estimate cost and revenue efficiency scores for fifteen Latin American and Caribbean countries over the period 2001-2008. Using Granger causality techniques, we find strong evidence that in the face of increased risk and lowered capital, banks have tended to improve cost efficiency. Also, we find partial evidence in support for the “bad management” link between efficiency and risk, consistent with the empirical evidence for the US and Europe. Similarly, moral hazard considerations seem to be important with regard to capital and risk. Taking together, these findings give initial support for the existence of stabilizing feedbacks that could explain the resilience demonstrated by Latin American and Caribbean banks during the recent crisis. Keywords: efficiency, risk, capital, Latin American Banking, causality. JEL classifications: C26, D22, D24, G01, G15, G21, L25.

 

2

1. Introducción Los bancos latinoamericanos y caribeños han sufrido un intenso cambio estructural desde los años noventas. Este proceso implicó una rápida liberalización financiera, consolidación, reestructuración y concentración creciente, un marco regulatorio más fortalecido e innovación tecnológica. El principal objetivo de estos esfuerzos progresivos fue el crear sistemas financieros fuertes, sólidos y estables. Al remover la mayoría de las restricciones sobre tasas y entrada a los mercados, los reguladores trataron de fomentar la competencia en el mercado para mejorar la eficiencia de las empresas bancarias en el primer período de la liberalización. Desde entonces, el número de bancos extranjeros en la región aumentó de manera significativa. Estos acontecimientos trajeron competencia a los sistemas. Como ha sido argumentado por varios autores, sin embargo, este aumento de la competencia pudo conllevar los incentivos para una mayor toma de riesgos por parte de los bancos (Danthine et al. 1999; Hellman et al. 2000). Esto podría ser una de las razones principales por las que muchos países sufrieron crisis financieras tras el período inicial de la liberalización. En general, en las últimas dos décadas, el ciclo de desregulación-crisis-re-regulación ha disminuido el número de bancos1. y la participación de los bancos de propiedad estatal en la intermediación, y el aumento de la cuota de mercado de bancos extranjeros en la región (Carvallo y Kasman, 2005 ) Los rápidos cambios estructurales en los sistemas bancarios probablemente hayan tenido impacto en el entorno competitivo y la estructura del mercado de los mercados bancarios regionales. Teóricamente, la competencia y la concentración del mercado parecen contrastar entre sí. Sin embargo, se ha argumentado que una mayor concentración                                                              1

México 1994, Ecuador 1999, Venezuela 1993, Argentina 2001, Uruguay 2000 y República Dominicana 2003 son ejemplos de grandes crisis bancarias en la región.

 

3

podría contribuir a mejorar la estabilidad financiera y por lo tanto, crear efectos positivos sobre el desempeño macroeconómico (Kasman, 2010). Yeyati y Micco (2007) investigan el impacto de la concentración y la penetración extranjera sobre la competencia y el riesgo en los sistemas bancarios de Latinoamérica y el Caribe, y muestran que el incremento de la competencia se ha relacionado con inestabilidad e incremento de los niveles de riesgo. Estos autores también argumentan aunque el incremento de la concentración no ha disminuido la competencia en la región, la penetración extranjera parece haber conllevado a una industria menos competitiva. Por otra parte, en su examen de las condiciones competitivas en los sectores bancarios Latinoamericanos y del Caribe durante el periodo 1993-2000, Yildirim y Philippatos (2006) subrayan el papel de las sustanciales reformas regulatorias ocurridas en la región. Se argumenta que a pesar del incremento de la concentración y la penetración

extranjera,

la

competencia

como

norma

no

ha

sido

afectada

significativamente. También, los bancos en la mayoría de los mercados de la región aparecen operando bajo condiciones de competencia monopolística. Excepciones importantes son Chile, Venezuela y Brasil. Sus resultados indican que la competencia decreció debido a los procesos de consolidación en esos países. Un elemento importante para desentrañar estas dos visiones conflictivas sobre entre competencia y riesgo es la eficiencia. Tanto la asignación de capital como el riesgo son probablemente afectados por la eficiencia. Bancos operando bajo diferentes niveles de eficiencia tenderán a tener diferentes perfiles de riesgo y apalancamiento en la presencia de presión regulatoria o en virtud de consideraciones de agencia (Hughes y Mester 1998). También, un riesgo bancario creciente puede condicionar las decisiones de eficiencia y apalancamiento. Carvallo y Kasman (2005) y Kasman, et al. (2005) estiman fronteras estocásticas comunes de costos y beneficios para 16 países Latinoamericanos y

 

4

Caribeños para el periodo 1995-1999. Ellos encontraron uqe la concentración industrial está significativa y positivamente relacionada con la ineficiencia en costos y beneficios. También encuentran evidencia a favor de una influencia positiva de la participación extranjera en dichas eficiencias. Estudios previos (Claessens, Demirguc-Kunt y Huizinga, 2001; Weill, 2002; y Kasman, 2005), han también encontrado que la entrada de banca extranjera en los mercados emergentes incrementa la eficiencia de los sistemas. Los sistemas bancarios Latinoamericanos y del Caribe han mostrado una destacada resiliencia durante la reciente crisis financiera global. Dado la revisión anterior, queda claro que los puntos de vista respecto a las fortalezas y potenciales vulnerabilidades de los sistemas bancarios de la región después dos décadas de reformas permanece inconcluso y conflictivo. En este trabajo, se toma como dado a este aumento del nivel de competencia y la mayor consolidación que se han producido en la región. Para evaluar la resistencia del sistema, un análisis integrado con respecto al riesgo, la eficiencia y el apalancamiento en un entorno dinámico se requiere, mediante el examen de la dinámica articulada entre la eficiencia, riesgo y el capital utilizando la metodología de causalidad de Granger. . Por ejemplo, si hay una verificación de la llamada "hipótesis de la mala gestión" (la eficiencia precediendo negativamente el riesgo) y al mismo tiempo se constata que el riesgo precede de manera positiva a la eficiencia, un ciclo positivo se desarrolla donde por razones endógenas o exógenas (reguladores) el sistema contrarresta los efectos negativos de forma dinámica. Por otro lado, si los bajos niveles de capital son conducentes a un mayor riesgo ("riesgo moral / efecto de agencia"), pero más riesgo precede a la capital, otro ciclo positivo aparece. La principal contribución de este trabajo es la literatura relacionada con tres aspectos: En primer lugar, investigar el desarrollo de la eficiencia de costes e ingresos del sistema bancario en la región para el período 2001-2008. Debido a las condiciones

 

5

favorables en los principales mercados de materias primas internacionales y las políticas macroeconómicas relativamente más estables en la mayoría de países de la región durante la década de 2000s, ha habido un ambiente favorable para el desarrollo de los sistemas bancarios de América Latina y el Caribe. Analizar el desempeño de los bancos que operaron en la región durante la década de 2000 proporcionaría importantes implicaciones para los reguladores sobre el éxito de las reformas. Segundo, los estudios anteriores sobre la América Latina y el Caribe, los sectores bancarios se han centrado tanto en el desempeño (eficiencia en costos o ganancias) o la competencia (y/o de riesgo). En este estudio, investigamos la relación entre eficiencia, riesgo y capital en los sectores bancarios de la región. Tal y como en Fiordelisi, et al. (2011), estimamos tanto la eficiencia en costos como en ingresos dado que las dos reflejan dos capacidades gerenciales diferentes, y asumimos que esas dos medidas de eficiencia tienen relaciones diferentes con riesgo y capital. Finalmente, este artículo emplea una metodología empírica relativamente nueva, causalidad de Granger en paneles dinámicos, en función de analizar las relaciones causales entre eficiencia, riesgo y capital2. Los estudios previos en la literatura relacionada usan sobre todo MCO y datos de panel (efectos fijos y aleatorios). Estos modelos pueden presentar problemas de endogeneidad dado que la variable dependiente rezagada está frecuentemente correlacionada con el término de error3. Dado esto, usamos tres técnicas diferentes para analizar la relación entre eficiencia, riesgo y capital por motivos de comparación. El resto del artículo está organizado de la siguiente forma. En la sección 2, presentamos un recuento de las diferentes hipótesis de trabajo que han sido avanzadas en la literatura teórica y empírica respecto a eficiencia, riesgo y capital. En la sección 3,                                                              2

Fiordelisi, et al. (2011) también usan un test de causalidad de Granger en paneles dinámicos para investigar la relación entre eficiencia, capital y riesgo en el caso europeo. 3  Ver, por ejemplo, Berger y De Young (1997) y Williams (2004). 

 

6

discutimos la metodología y especificación econometrita usadas en la estimación de la relación entre las variables. Los datos y resultados empíricos de la estimación son prerrentados en la sección 4. Las conclusiones son presentadas en la sección 5.

2. Las Hipótesis de Investigación y la Evidencia Empírica

Las Hipótesis de Investigación Hay varias hipótesis desarrolladas en la literatura al explicar la relación netre capital, riesgo y eficiencia. La primera hipótesis, la cual llamaremos hipótesis regulatoria, concierne a una relación positiva entre capital y riesgo debido a las acciones de los cuerpos regulatorios. (Shrieves y Dahl, 1992; Jacques y Nigro, 1997; Editz et al., 1998; Aggarwal y Jacques, 1998). Esta hipótesis plantea que os reguladores estimulan a los bancos a incrementar su capital de acuerdo a la cantidad de riesgo tomada. La segunda hipótesis, la cual es llamada de “daño moral”, sugiere una relación negativa entre capital y riesgo, argumentando que los bancos tienen incentivos para explotar los esquemas de seguros de depósito existentes. La hipótesis puede resultar relevante cuando las posiciones de apalancamiento y riesgo de los bancos son altas, sugiriendo que los bancos incrementarían sus posiciones de riesgo al declinar el capital. Además de esto, Hughes y Moon (1995) afirman que capital y riesgo son probablemente afectados por el nivel de eficiencia del banco. La tercera hipótesis, la cual es llamada de “mala gerencia” (Berger y De Young, 1997; Williams, 2004), sugiere que bajos niveles de eficiencia debidos en, por ejemplo, originación de crédito, evaluación de colaterales, supervisión y cumplimiento de cláusulas afectarán negativamente el riesgo futuro. Eficiencia precedería negativamente el riesgo. La cuarta hipótesis, la cual se denomina hipótesis de “mala suerte” (Berger y De Young, 1997) afirma que eventos

 

7

exógenos causan un incremento en riesgo y activos morosos, después de lo cual se producen extra costos relacionados con la supervisión adicional de colaterales y activos en mora, renegociación, costos reputacionales y toda otra desviación adicional de esfuerzos gerenciales. En este caso, el riesgo causará negativamente a la eficiencia en el sentido de Granger. La quinta hipótesis, la cual denominamos “subestimación de costos”, es propuesta por Berger y De Young (1997). Esta subestimación se relaciona con una decisión de compensación de baja eficiencia operativa y rentabilidad a corto plazo por problemas de morosidad a futuro. La reducción de los costos asignados a la originación y supervisión de los activos aparenta generar baja ineficiencia operativa la cual a su vez se traslada en mayor riesgo futuro. En este caso, la eficiencia causará positivamente riesgo en el sentido de Granger. La sexta hipótesis, a la cual se le refiere como de “aversión al riesgo”, tal y como es discutida por Hughes y Moon (1995), afirma que los gerentes bancarios serán adversos al riesgo cuando una porción larga de su capital humano y nohumano este atado a su desempeño. En este caso, éstos devotarán recursos crecientes a garantizar la calidad de los activos lo cual reduce la eficiencia medida más reducirá el riesgo futuro. De acuerdo a esta visión, la eficiencia causará positivamente al riesgo en el sentido de Granger.

La Evidencia Empírica Para los Estados Unidos, Berger y DeYoung (1997) encuentran evidencia en favor de las hipótesis de “mala gerencia” y “mala suerte”, la cual domina el efecto “subestimación”, el cual es también identificado. También se encuentra apoyo por los motivos de “daño moral” y “regulatorio”. De esta forma, bancos con pequeña capitalización responden con incrementos en préstamos problemáticos y, en general, los préstamos en mora preceden incrementos en capital. Kwan y Eisenbeis (1997) usan un

 

8

enfoque de ecuaciones simultáneas y también encuentran apoyo por las explicaciones de “daño moral” y “regulatoria”. Para la Unión Europea, ambos enfoques fueron replicados por Williams (2004) y Altunbas, et al. (2007), con resultados menos definitivos. Altunbas, et al. (2007) no encuentran evidencia del efecto de “mala gerencia”. Ellos encuentran que los bancos ineficientes parecen ser menos riesgosos, lo que presta apoyo a la visión de “aversión al riesgo”, además de mantener más capital. En soporte de la visión regulatoria, se encuentra una relación positiva entre riesgo y capital. Sin embargo, Williams (2004) encuentra que el efecto de mala gerencia es el más efecto presente en la banca europea. Mas recientemente y en la línea de Berger y DeYoung (1997) y Williams (2004), Fiordelisi, et al. (2011) evalúan las relaciones inter-temporales entre capital, eficiencia y riesgo en un marco de datos de panel, para bancos europeos. Ellos encuentran evidencia de un efecto de “mala gerencia” con respecto a la eficiencia de costos e ingresos. Ellos también verifican que incrementos en capital preceden mejoras en eficiencia, en línea con la explicación de “daño moral”. Y recíprocamente, bancos mas eficientes, eventualmente se tornan en mejor capitalizados. De acuerdo a nuestro mejor conocimiento, ningún estudio anterior ha investigado la relación entre capital, riesgo y eficiencia en el contexto de latinoamericano. Siguiendo el enfoque de Fiordelisi, et al. (2011) tratamos de evaluar las correspondientes relaciones inter-temporales para una serie de sistemas bancarios latinoamericanos.

3. Methodology Estimados de eficiencia: La eficiencia económica tiene dos componentes: eficiencia técnica y eficiencia asignativa. La eficiencia técnica se define usando niveles mínimos de insumos dado el

 

9

nivel de producto y la mezcla de insumos mientras que la eficiencia asignativa implica que la firma usa sus insumos en las proporciones óptimas, lo cual permite al banco maximizar sus beneficios (dados los precios relevantes y la tecnología). Un indicador de eficiencia económica debe reflejar ambos componentes. De aquí, a la combinación de eficiencias técnicas y asignativas se le conoce eficiencia económica (o eficiencia-X) y es considerada una medida de la calidad de la gerencia. Esta definición de eficiencia es de gran interés para este estudio, y es integral a él. En este estudio, empleamos el enfoque de frontera estocástica (SFA, por sus siglas en inglés)), introducido por Aigner et al.(1977) y Meeusen y van den Broeck (1977) para generar escores de eficiencia en costos e ingreso para cada banco en una muestra sobre el periodo 2001-20084. Usamos específicamente el enfoque de frontera estocástica variable en el tiempo de Battese y Coelli’s (1995) para datos de panel con efectos de banco que son asumidos ser distribuidos como variables aleatorias normales truncadas y a las que se le permite variar sistemáticamente con el tiempo5. En este modelo, el nivel de ineficiencia del banco esta determinado por un vector de factores ambientales específicos a los países, los cuales, se postula a priori, afectan la ineficiencia6. La importancia de especificar

                                                             4

En modelos SFA, se estima una frontera de costos o ingresos usando un procedimiento estadístico que descompone el término de error en dos componentes. El primer componente es un error clásico con dos colas que incorpora el efecto de errores de medición y cosas tales como la mala suerte, o desastres económicos o naturales. El segundo componente es de una cola y captura las ineficiencias relativas a la frontera. 5 El modelo de Battese y Coelli (1995) provee estimados de eficiencia en un procedimiento de un solo paso en el cual los efectos de la firma son directamente influenciados por un número de variables. Este modelo se ha vuelto técnica estándar en la estimación de eficiencias bancarias en años recientes. Entre otros, Cavallo y Rossi (2002), Fries y Taci (2005) and Kasman y Yildirim (2006) usan este modelo para estimar eficiencias en firmas financieras. 6 El modelo sin factores específicos a los países tiene algunas limitaciones. La principal limitación es que el modelo está basado en el supuesto de que las diferencias a través de países son principalmente atribuibles a decisiones gerenciales dentro de los bancos. Sin embargo, diferentes ambientes económicos y regulatorios pueden explicar estas diferencias.

 

10

variables ambientales en función de evitar sesgos en los modelos de eficiencia ha sido reconocida en la literatura bancaria7. Al modelar la función de costos (o ingresos), adoptamos la forma funcional translogarítmica la cual no requiere de muchas premisas restrictivas sobre la naturaleza de la tecnología. Las funciones multiproducto de costos ( o ingreso) para un banco dado s en el periodo t puede ser explicitada como sigue:

3

ln tcst (trst ) = α 0 + ∑ α i ln yist + i =1

3

3 1 3 3 α ik ln yist ln ykst + ∑ β j ln w jst ∑ ∑ 2 i =1 k =1 j =1

3

3 3 8 1 + ∑ ∑ β jm ln w jst ln wmst + ∑ ∑ δ ij ln yist ln w jst + ∑ ζ i zlt + vst + ust 2 j =1 m =1 i =1 j =1 l =1

(1)

donde tc ( tr ) son los costos totales (ingresos totales) de la firma bancaria en un año dado. yi = productos (préstamos totales, otros activos generadores de ingresos y depósitos totales); wj = precios de los insumos (trabajo, fondos prestados y capital físico8. z l = variables ambientales especificas a cada país (inflación, índice de concentración de Herfindahl, densidad de los depósitos, PIB per capita, el ratio de patrimonio promedio a activos totales, densidad de la población, crecimiento del PIB y M2/PIB como una                                                              7

Ver Dietsch y Lozano-Vivas (2000), Lozano-Vivas et al. (2001), Kasman y Yildirim (2006) y Kasman (2005). 8 En las definiciones de insumos y productos, usamos el enfoque de valor añadido (Berger y Humphrey, 1992) y tomamos la visión de que los bancos proveen dos categorías principales de servicios financieros: (1) intermediación y servicios de préstamo; y (2) servicios de pago, liquidez y custodia. El precio del trabajo es el ratio entre los gastos de personal y los activos totales. El precio del capital está dado por los costos operativos netos de gastos de personal sobre los activos fijos. El precio de los fondos es calculado al dividir los gastos por intereses totales por los depósitos totales. Tanto los costos operativos como los financieros son incluidos en la estimación de la función de costos. Aún más, estimamos scores de eficiencia en ingresos alternativos. En este enfoque, los bancos toman las cantidades de insumos y productos como dados al ser las medidas de los precios generalmente sujetas a error de medición en banca. Los scores de ineficiencia en ingresos son estimados usando el modelo funcional trans logarítmico especificado en la Ec. (1). De aquí, el producto bancario y las definiciones de los insumos usados son las mismos que los utilizados en la estimación de los scores de ineficiencia en costos. En el caso de la función de ingresos, la variable a ser explicada es ingresos antes de impuestos. 

 

11

aproximación a la profundidad financiera). vst es un término de error de dos colas capturando los efectos del ruido estadístico, el cual se asume ser idéntica e independientemente distribuido en forma normal con media cero y varianza σ v2 , igualmente independiente de ust , donde ust son efectos de ineficiencia distribuidos independientemente, tales que ust es obtenida mediante el truncaje de la función de distribución normal con media, z it δ , y varianza σ u2 , esto es N (mit , σ u2 ) . Para asegurar que la frontera de costos estimada tiene buen comportamiento, dos propiedades estándar de la frontera de costos son impuestas, vía restricciones en los parámetros. Las condiciones de homogeneidad lineal son impuestas al normalizar los costos totales (tc), el precio del trabajo ( w1 ), y el precio de los fondos ( w2 ) por el precio del capital físico ( w3 ). La condición de simetría requiere que α ik = α ki ∀ i, k y β jm = β mj ∀ j , m .

Causalidad de Granger

Usamos la técnica de causalidad de Granger para examinar la relación entre capital bancario, riesgo y eficiencia. La siguiente ecuación en forma general es estimada para analizar la relación entre las variables: m

m

l =1

l =1

Yit = α 0 + ∑ α l X it −l + ∑θ l Yit −l + η i + uit

(2)

donde Yit y X it son las variables relacionadas. N bancos (indexados por i) son observados a través de T periodos (indexados por t). Permitimos la presencia de efectos específicos a bancos ηi . Los términos de error uit se asumen estar independientemente distribuidos a través de bancos con media cero. Estimar la Ec. (2) con MCO agrupado presenta un problema de endogeneidad dado que los efectos específicos de los bancos afectan Yit en un periodo, presumiblemente afectándolo también en periodos previos. Para resolver el  

12

problema de endogeneidad, Arellano y Bond (1991) desarrollaron un estimador de método generalizado de momentos (MGM) en diferencias para los coeficientes de la ecuación (2) donde los niveles rezagados de los regresores son instrumentos para la regresión en primeras diferencias. Sin embargo, Arellano y Bover (1995) y Blundell y Bond (1998) sugieren diferenciar los instrumentos en vez de los regresores in pos de hacerlos exógenos a los efectos fijos. Esto conduce desde el MGM en diferencias al llamado estimador de MGM en sistema, el cual es una estimación conjunta de la ecuación en niveles y en primeras diferencias. En el modelo definido en la Ec. (2), una conclusión de causalidad será determinada al ejecutar pruebas de Wald sobre los coeficientes de las X it rezagadas para chequear si estas son significativamente diferentes de cero en forma

conjunta. Las siguientes cuatro ecuaciones son usadas para investigar los enlaces dinámicos entre riesgo, capital y eficiencia:

Risk it = f 1 ( Risk i ,lag , x − eff i ,lag,τ − eff i ,lag , E / TAi ,lag , X i ,t ) + ε i ,t

(3)

x − eff it = f 2 ( Risk i ,lag , x − eff i ,lag,τ − eff i ,lag , E / TAi ,lag , X i ,t ) + ε i ,t

(4)

τ − eff it = f 3 ( Risk i ,lag , x − eff i ,lag,τ − eff i ,lag , E / TAi ,lag , X i ,t ) + ε i ,t

(5)

E / TAit = f 4 ( Risk i ,lag , x − eff i ,lag,τ − eff i ,lag , E / TAi ,lag , X i ,t ) + ε i ,t

(6)

Donde Risk es la variable que mide el riesgo bancario, en nuestro caso reservas por préstamos crediticios, x − eff es nuestro estimado de eficiencia en costos, τ − eff es nuestro estimado de eficiencia en ingresos, E / TA es el ratio de patrimonio a activo total,

X son variables de control y ε es el término de error. La Ec. (3) examina si cambios en la eficiencia (en costos o ingresos) y el ratio de patrimonio a activos totales conducen

 

13

temporalmente a variaciones en el riesgo bancario. Las Ec. (4) y (5) examinan si cambios en el riesgo bancario y la capitalización conducen a variaciones temporales en las eficiencias. Finalmente, la Ec. (6) examina si el capital es precedido por cambios en el riesgo bancario y las eficiencias. Los resultados de las pruebas de causalidad de Granger son sensibles a la escogencia del largo de los rezagos. Al estimar las ecuaciones (3) - (6) con MCO, el rezago óptimo es determinado usando el Criterio de Información de Schwarz. El rezago óptimo es dos basados en este criterio. Con respecto a la especificación del modelo MGM

en sistema, siguiendo a Casu y Girardone (2009) y Fiordelisi et al. (2011), usamos dos rezagos y estimamos un proceso AR(2), como en el caso de MCO. De acuerdo a esto, la causalidad de Granger evalúa si los coeficientes de los rezagos son significativamente diferentes de cero en forma conjunta. El “efecto de largo plazo” de cada variable es también examinado usando la restricción de que la suma de los dos rezagos de cada variable determinante es cero; un rechazo de lo cual significa evidencia de un efecto de largo plazo.

4. Datos y Resultados Empíricos

Datos Los datos a nivel de bancos para todos lo países de la muestra fueron obtenidos de la base de datos de Bankscope y las variables macroeconómicas de las bases de datos World Development Indicators y International Financial Statistics, del Banco Mundial y el FMI, respectivamente. Después de revisar errores de reporte, inconsistencias, valores perdidos y extremos, un panel desbalanceado de 1828 observaciones fue usado, el cual incluye 272 bancos comerciales durante el periodo 2001-2008. Los estimados de eficiencia

 

en

costos

e

ingresos

obtenidos

14

de

las

funciones

multi-producto

translogarítmicas de costos e ingresos usan un panel de bancos comerciales en 15 países Latinoamericanos y del Caribe durante el periodo 2001-20089. Los países incluidos, con el número de bancos incluidos en paréntesis; son Argentina (50), Bolivia (8), Brasil (59), Colombia (12), Costa Rica (13), República Dominicana (17), Ecuador (19), El Salvador (7), Honduras (12), Jamaica (5), Panamá (19), Paraguay (11), Perú (10), Trinidad y Tobago (6) y Venezuela (24).

Resultados Empíricos Las tablas 1 y 2 reportan la evolución de la eficiencia en costos e ingresos, respectivamente, durante el periodo de la muestra. Los escores estimados de eficiencia son obtenidos de la frontera estocástica de costos (e ingresos) definidas en la Ecuación (1). Los estimados promedios de eficiencia en costos e ingresos para los 15 países Latinoamericanos y Caribeños de la muestra son 75% y 85%, respectivamente, sugiriendo que un banco promedio de la región puede mejorar su eficiencia en costos e ingresos en 25% y 15%, respectivamente, nivelando de esta forma su desempeño con el banco de mejor desempeño. Los estimados de los parámetros son presentados en la Tabla A1 en el Apéndice10. Los resultados de eficiencia específicos a países indican un amplio rango de variación en los escores de eficiencia a lo largo de los países. La mayoría de los sistemas bancarios muestran niveles significativos de ineficiencia en costos variando 0.083 hasta                                                              9

Para revisar valores extremos en la muestra, usamos dos criterios. Primero, el patrimonio debe ser siempre positive. Segundo, todas las variables no deben incrementarse o disminuirse entre dos periodos dramáticamente. Bancos que fallaron en cumplir estos criterios en un año determinados fueron eliminados de la muestra.. 10  La frontera estocástica especificada en la Ecuación (1) es usada para estimar eficiencias usando fronteras estocásticas comunes de costos e ingresos con variables especificas a países para tomar en cuenta condiciones macroeconómicas y del sector financiero que varían en el tiempo en cada país. La mayoría de los coeficientes estimados de estas variables son significativas por lo menos al 10%. Con respecto a la eficiencia en costos, los estimados muestran que países con mayor crecimiento, mayor profundidad financiera, mas densidad en los depósitos, una mayor base de capital promedio y mas concentración, tienden a ser más eficientes en costos. Con respecto a los ingresos, los países con mayor crecimiento, mayor densidad de depósitos y base de capital promedio mayor presentan mayor eficiencia. Sorprendentemente, lo mismo es cierto para países con menor PIB inicial, más inflación, menos profundidad financiera y menor densidad de población. En otras palabras, en países con menores características de desarrollo, la eficiencia en ingresos parecer ser mayor.

 

15

0.445. Mientras Trinidad y Tobago, Costa Rica, Jamaica y Panamá son los países más eficientes en costos, Paraguay, República Dominicana y Bolivia son los menos eficientes en costos durante el periodo de la muestra. Más aún, la ineficiencia en costos no muestra una tendencia uniforme a lo largo de los países, con algunos países mostrando eficiencia a la baja (Argentina o Colombia), otros al alza (Perú o Venezuela) y otros teniendo sendas estables. Con respecto a la eficiencia en ingresos, notablemente algunos de los países con menor eficiencia en costos son también aquellos con mayor eficiencia en ingresos (Bolivia, Paraguay y República Dominicana). La Tabla 3 muestra los resultados de la estimación del modelo AR(2) con MCO agrupado, con el modelo de efectos fijos en panel y con el estimador de MGM en sistema11. Todos los modelos son estimados con y sin variables bancarias específicas. En la parte de abajo de cada tabla se reporta las pruebas de especificación de las estimaciones de MGM. El test de Sargan chequea si los instrumentos no se correlacionan con el término de error. Los resultados muestran que la hipótesis nula no puede ser rechazada. Mas aun, los resultados de las pruebas del modelo de Arellano-Bond también muestran correlación serial AR(1) significativa y ausencia de correlación serial AR(2). Los resultados de causalidad de Granger para eficiencia en costos en la Tabla 3 sugieren que el ratio de capital causa negativamente a la eficiencia en costos en sentido de Granger causes, sugiriendo que un decline en la suma de los valores rezagados de capital conduce a un incremento de la eficiencia en costos12. Esto contradice la explicación de Daño

Moral. Esto es, los bancos mejor capitalizados no parecen alinear mejor los incentivos de los gerentes con respecto a la eficiencia. Más bien, los bancos tienden a mejorar su eficiencia en costos en presencia de agotamiento de capital.                                                              11

El modelo de efectos aleatorios fue rechazado usando la prueba de Hausman. La suma de los coeficientes es negativa en todos los modelos pero significativamente diferente de cero solo en el caso de MGM en sistema. 12

 

16

Tabla 1. Escores de Eficiencia en Costos Promedio 2002 2003 2004 2005 2006 2007 2008 Total 0.587 0.693 0.680 0.722 0.727 0.754 0.741 0.713 (0.162) (0.145) (0.167) (0.177) (0.147) (0.143) (0.143) (0.063) Bolivia 0.630 0.684 0.679 0.716 0.775 0.711 0.630 0.699 (0.103) (0.128) (0.110) (0.095) (0.088) (0.147) (0.103) (0.048) Brasil 0.735 0.747 0.732 0.732 0.723 0.743 0.740 0.762 0.739 (0.197) (0.171) (0.178) (0.186) (0.205) (0.181) (0.190) (0.159) (0.012) Colombia 0.761 0.771 0.783 0.799 0.772 0.788 0.748 0.726 0.769 (0.035) (0.049) (0.068) (0.082) (0.090) (0.091) (0.112) (0.150) (0.023) Costa Rica 0.871 0.885 0.898 0.896 0.905 0.902 0.905 0.896 (0.040) (0.061) (0.031) (0.048) (0.029) (0.054) (0.031) (0.012) Dominicana 0.785 0.631 0.586 0.626 0.661 0.750 0.774 0.778 0.699 República (0.087) (0.159) (0.232) (0.179) (0.184) (0.097) (0.084) (0.095) (0.081) Ecuador 0.699 0.694 0.693 0.693 0.665 0.667 0.679 0.724 0.689 (0.096) (0.114) (0.139) (0.121) (0.169) (0.149) (0.154) (0.121) (0.019) El Salvador 0.833 0.821 0.822 0.791 0.814 0.862 0.815 0.719 0.809 (0.024) (0.063) (0.058) (0.049) (0.063) (0.049) (0.062) (0.131) (0.042) Honduras 0.814 0.796 0.807 0.863 0.855 0.848 0.812 0.828 (0.094) (0.094) (0.117) (0.051) (0.055) (0.065) (0.089) (0.027) Jamaica 0.764 0.876 0.847 0.883 0.881 0.871 0.866 0.855 (0.137) (0.055) (0.068) (0.036) (0.034) (0.034) (0.043) (0.042) Panamá 0.807 0.790 0.795 0.829 0.849 0.838 0.838 0.814 0.820 (0.095) (0.114) (0.101) (0.092) (0.083) (0.120) (0.123) (0.157) (0.022) Paraguay 0.242 0.247 0.581 0.617 0.639 0.664 0.659 0.555 (0.161) (0.240) (0.233) (0.233) (0.217) (0.138) (0.150) (0.201) Perú 0.742 0.800 0.794 0.785 0.770 0.789 0.775 0.813 0.783 (0.160) (0.046) (0.082) (0.089) (0.138) (0.095) (0.192) (0.088) (0.022) Trinidad y 0.895 0.903 0.905 0.921 0.924 0.925 0.933 0.930 0.917 Tobago (0.734) (0.028) (0.034) (0.019) (0.018) (0.017) (0.024) (0.025) (0.014) Venezuela 0.748 0.730 0.706 0.762 0.759 0.749 0.762 0.773 0.748 (0.077) (0.118) (0.120) (0.080) (0.088) (0.125) (0.108) (0.113) (0.022) Total 0.767 0.716 0.730 0.738 0.751 0.765 0.768 0.772 0.750 (0.111) (0.167) (0.165) (0.162) (0.170) (0.150) (0.150) (0.138) (0.157) Nota: Los escores de eficiencia en costos son estimados con el enfoque de frontera estocástica. Las estimaciones están basadas en una frontera estocástica común con variables ambiéntales específicas a los países (Ecuación 4). La muestra agrupada incluye 272 bancos comerciales a lo largo del periodo 2001-2008 consistente de 1828 observaciones. Los estimados anuales son promedios simples para el año de la muestra agregada. Los números en paréntesis son desviaciones estándar. Argentina

 

2001 0.802 (0.079)

17

Tabla 2. Escores de Eficiencia en Ingresos Promedio 2002 2003 2004 2005 2006 2007 2008 Total 0.715 0.770 0.767 0.800 0.808 0.778 0.773 0.771 (0.196) (0.175) (0.178) (0.124) (0.092) (0.104) (0.112) (0.145) Bolivia 0.904 0.892 0.910 0.916 0.890 0.908 0.914 0.905 (0.008) (0.043) (0.008) (0.009) (0.042) (0.016) (0.009) (0.025) Brasil 0.850 0.865 0.869 0.861 0.837 0.850 0.860 0.848 0.855 (0.063) (0.039) (0.041) (0.045) (0.131) (0.092) (0.051) (0.046) (0.072) Colombia 0.859 0.871 0.886 0.889 0.893 0.891 0.890 0.881 0.886 (0.018) (0.024) (0.018) (0.018) (0.015) (0.015) (0.019) (0.029) (0.020) Costa Rica 0.845 0.855 0.844 0.852 0.850 0.838 0.820 0.844 (0.022) (0.019) (0.024) (0.025) (0.025) (0.023) (0.019) (0.024) Dominicana 0.857 0.881 0.886 0.915 0.895 0.883 0.861 0.844 0.880 República (0.029) (0.035) (0.059) (0.026) (0.030) (0.016) (0.057) (0.085) (0.052) Ecuador 0.900 0.887 0.887 0.889 0.887 0.887 0.885 0.892 0.888 (0.018) (0.039) (0.031) (0.023) (0.030) (0.025) (0.032) (0.022) (0.029) El Salvador 0.861 0.862 0.855 0.854 0.868 0.861 0.871 0.878 0.864 (0.025) (0.026) (0.027) (0.025) (0.018) (0.021) (0.016) (0.012) (0.021) Honduras 0.884 0.890 0.891 0.885 0.887 0.888 0.894 0.888 (0.012) (0.013) (0.015) (0.014) (0.015) (0.012) (0.016) (0.014) Jamaica 0.878 0.884 0.880 0.868 0.871 0.879 0.878 0.876 (0.010) (0.011) (0.012) (0.020) (0.017) (0.014) (0.022) (0.016) Panamá 0.852 0.853 0.864 0.870 0.863 0.870 0.876 0.877 0.868 (0.032) (0.034) (0.033) (0.029) (0.027) (0.023) (0.030) (0.031) (0.029) Paraguay 0.971 0.973 0.908 0.910 0.903 0.911 0.909 0.914 (0.050) (0.047) (0.029) (0.036) (0.013) (0.013) (0.013) (0.032) Perú 0.878 0.892 0.894 0.904 0.908 0.905 0.909 0.910 0.903 (0.028) (0.005) (0.013) (0.005) (0.077) (0.011) (0.019) (0.013) (0.014) Trinidad y 0.878 0.892 0.894 0.904 0.908 0.905 0.909 0.910 0.882 Tobago (0.028) (0.005) (0.013) (0.005) (0.077) (0.011) (0.019) (0.013) (0.035) Venezuela 0.695 0.768 0.856 0.919 0.877 0.907 0.899 0.921 0.893 (0.054) (0.042) (0.021) (0.014) (0.019) (0.074) (0.029) (0.029) (0.034) Total 0.827 0.845 0.860 0.863 0.860 0.863 0.858 0.853 0.857 (0.116) (0.107) (0.092) (0.094) (0.090) (0.068) (0.069) (0.074) (0.087) Nota: Los escores de eficiencia en ingresos son estimados con el enfoque de frontera estocástica. Las estimaciones están basadas en una frontera estocástica común con variables ambiéntales específicas a los países (Ecuación 4). La muestra agrupada incluye 272 bancos comerciales a lo largo del periodo 2001-2008 consistente de 1828 observaciones. Los estimados anuales son promedios simples para el año de la muestra agregada. Los números en paréntesis son desviaciones estándar. Argentina

 

2001 0.656 (0.157)

18

Los resultados también siguieren que el riesgo causa positivamente en sentido de Granger a la eficiencia en costos, implicando que un aumento en la suma de los coeficientes rezagados del riesgo conduce a un incremento en la eficiencia en costos. Esto es, más riesgo incrementa la eficiencia en costos. Este resultado descarta la presencia de un efecto de mala suerte. Al contrario, bancos experimentando incrementos en los niveles de riesgo parecen reaccionar mediante o ser inducidos a incrementar la eficiencia en costos. Con respecto a la eficiencia en ingresos, los resultados indican que el ratio de capital afecta negativamente la eficiencia en ingresos en el caso de MCO agrupado. Tanto riesgo como capital causan esta eficiencia en los casos de MCO y efectos fijos. La Tabla 4 reporta resultados de las pruebas de causalidad de Granger para riesgo y capital. Los resultados indican que las eficiencias en costos e ingresos causan negativamente en el sentido de Granger el riesgo, en el caso de efectos fijos, implicando que un decline en los valores rezagados tanto de eficiencia en costo como ingresos conducen a un incremento del riesgo en el tiempo. Este resultado sugiere que un incremento en la eficiencia bancaria causa, en el sentido de Granger, una menor probabilidad de incumplimiento. Este resultado esta en línea con la explicación de Mala

Gerencia, también encontrada por Berger y DeYoung (1997) para EEUU y Williams (2004) así como Fiordelisi, et al. (2011), para Europa. Los resultados también indican que el ratio de capital causa negativamente el riesgo en el sentido de Granger, lo cual presta apoyo a la explicación de Daño Moral, por lo menos con respecto al riesgo. Los bancos mejor capitalizados tienden a evitar incentivos conducentes a incrementar el riesgo. Este efecto también es encontrado en Berger y De Young (1997). Debe notarse, sin embargo, que no encontramos resultados igualmente significativos usando la metodología de MGM en sistema, la cual toma mejor en cuenta los problemas de endogeneidad.

 

19

Tabla 3. Resultados de Estimación: causalidad de Granger de la relación entre eficiencia, capital y riesgo. intercepto

c − efft −1 c − eff t − 2 r − efft −1 r − efft − 2

llrt −1 llrt − 2 eqtat −1 eqtat − 2

Variable dependiente: c-eff OLS 0.110* 0.130* (0.043) (0.050) 0.588* 0.584* (0.028) (0.028) 0.173* 0.171* (0.027) (0.027) -0.052 -0.057 (0.042) (0.0424 0.147* 0.143* (0.038) (0.039) -0.058 -0.065 (0.072) (0.073)

Fixed Effects 0.511* 0.705* (0.084) (0.137) 0.213* 0.193* (0.033) (0.034) -0.018 -0.019 (0.031) (0.032) 0.144* 0.138* (0.045) (0.046) -0.013 -0.033 (0.052) (0.052) -0.001 -0.032 (0.074) (0.085)

SYS-GMM 0.037 0.111 (0.123) (0.130) 0.590* 0.585* (0.052) (0.051) 0.165* 0.171* (0.049) (0.051) 0.023 0.018 (0.090) (0.101) 0.176** 0.172** (0.089) (0.087) 0.095 0.088 (0.135) (0.113)

Variable Dependiente: r-eff OLS Fixed Effects 03547* 0347* 0.992* 0.812* (0.099) (0.099) (0.055) (0.088) -0.052* -0.050* -0.088* -0.065* (0.018) (0.018) (0.022) (0.022) 0.048* 0.037** 0.016 0.016 (0.017) (0.018) (0.021) (0.020) 0.382* 0.355* -0.034 -0.027 (0.028) (0.028) (0.030) (0.029) 0.212* 0.189* -0.055 -0.029 (0.025) (0.025) (0.034) (0.033) 0.062 0.036 -0.127** -0.088 (0.048) (0.047) (0.055) (0.055)

SYS-GMM 0.603* 0.603* (0.099) (0.099) -0.097* -0.108* (0.037) (0.036) 0.022 0.001 (0.027) (0.028) 0.244* 0.189** (0.091) (0.089) 0.135** 0.082 (0.068) (0.069) 0.031 0.001 (0.063) (0.061)

0.103*** (0.060) -0.084*** (0.050) 0.054 (0.048)

0.111*** (0.061) -0.081 (0.051) 0.053 (0.048) -0.001 (0.001) -0.021 (0.014) -0.012 (0.053) 0.001 (0.004)

0.139** (0.064) 0.058 (0.050) -0.157* (0.061)

0.121*** (0.065) 0.051 (0.057) -0.146** (0.062) -0.001 (0.007) -0.071* (0.024) -0.011 (0.148) 0.001 (0.00)

0.235*** (0.121) -0.244** (0.115) 0.027 (0.080)

0.217*** (0.118) -0.225** (0.106) 0.014 (0.187) -0.004 (0.003) -0.030 (0.025) -0.052 (0.079) 0.001 (0.001)

0.052 (0.040) 0.038 (0.033) -0.086* (0.031)

0.063 (0.039) 0.038 (0.033) -0.077** (0.032) 0.001 (0.001) 0.016*** (0.009) 0.195* (0.034) 0.001* (0.000)

0.099** (0.042) -0.076** (0.038) 0.078** (0.039)

0.116* (0.042) -0.070*** (0.037) -0.059 (0.039) 0.007 (0.004) 0.096* (0.015) 0.037 (0.095) 0.001* (0.000)

0.045 (0.050) 0.032 (0.082) -0.099*** (0.052)

0.046 (0.051) 0.059 (0.085) -0.068 (0.049) 0.004* (0.003) 0.015 (0.034) 0.277* (0.055) 0.001* (0.00)

NA NA NA

NA NA NA

NA NA NA

NA NA NA

0.001* 0.455 0.257

0.001* 0.461 0.231

NA NA NA

NA NA NA

NA NA NA

NA NA NA

0.059** 0.408 0.154

0.000* 0.980 0.593

NA

NA

NA

NA

0.476

0.867

NA

NA

NA

NA

0.464

0.769

-0.004 (0.759)

-0.013 (0.366)

-0.073* (0.009)

-0.050*** (0.076)

-0.076*** (0.065)

0.026 (0.392)

lnta nonit hhi inf

M1(p-valor) M2 (p-valor) Sargan/Hansen (pvalor) Diff- Sargan/Hansen (p-valor)

∑ c − eff ∑ r − eff

0.092* (0.000)

0.086** (0.016)

0.131*** (0.073)

0.105 (0.153)

0.199 (0.112)

0.191 (0.1430)

∑ llr ∑ eqta Granger Causalidad: c − eff (p-valor) Granger Causalidad: r − eff (p-valor) Granger Causalidad: llr (p-valor) Granger Causalidad: eqta (p-valor)

0.046 (0.417) -0.030 (0.179)

0.046 (0.419) -0.031 (0.287)

0.138 (0.119) -0.099 (0.125)

0.089 (0.340) -0.095 (0.153)

0.330** (0.042) -0.217** (0.032)

0.304** (0.043) -0.211** (0.036)

0.114* (0.002) -0.049* (0.000) 0.012**

0.099* (0.007) -0.040** (0.020) 0.023**

-0.088 (0.336) 0.002 (0.957) 0.000*

0.028 (0.642) 0.011 (0.799) 0.010*

0.077 (0.375) -0.066 (0.322) 0.037**

0.032 (0.668) 0.006 (0.921) 0.218

0.000*

0.001*

0.006*

0.006*

0.112

0.139

0.219

0.172

0.074***

0.171

0.082***

0.087***

0.008*

0.017**

0.014**

0.014**

0.623

0.447

0.178

0.240

0.035**

0.061***

0.014**

0.040**

0.001*

0.008*

0.063**

0.124

0.118

0.314

Notas: OLS : mínimos cuadrados ordinarios: FE: efectos fijos: SYS-GMM : sistema MGM. Las estimaciones de MGM en sistema de Arellano y Bond (Stata comando xtabond2) con errores corregidos de Windmeijer (2005) (reportados en paréntesis) son usados. *, **, y *** denotan niveles de significación al 1%, 5% y 10%, respectivamente. Las variables ∑ c − eff , ∑ r − eff , ∑ llr y ∑ eqta son los estimados de los coeficientes para la prueba de las sumas de los coeficientes de los términos rezagados de eficiencia en costos, eficiencia en ingresos, riesgo y capital , respectivamente, los cuales muestran el efectos el efecto de largo plazo. La prueba de causalidad de Granger es usada para examinar la hipótesis nula de que x no Granger-causa y. El test de Sargan/Hansen es uno de restricciones sobre-identificadas para los estimadores de MGM. M1 y M2 son tests para autocorrelación serial de primero y segundo orden. Lnta: log de activos, nonit: ratio de ingresos no intereses, hhi: índice de concentración de Hirschmann-Hinferdal, inf: inflación.

 

21

Tabla 4. Resultados de Estimación: causalidad de Granger de la relación entre eficiencia, capital y riesgo. Variable Dependiente: llr OLS 0.008 0.051* (0.043) (0.018) -0.010 -0.014 (0.010) (0.010) -0.001 -0.002 (0.098) (0.001) 0.012 -0.019 (0.015) (0.015) -0.002 -0.010 (0.013) (0.014) 0.710* 0.692* (0.047) (0.026)

Fixed Effects 0.174* 0.388* (0.032) (0.051) -0.020 -0.017 (0.013) (0.012) -0.040* -0.040* (0.012) (0.011) -0.063* -0.065* (0.017) (0.017) -0.044** -0.043** (0.019) (0.019) 0.410* 0.379* (0.031) (0.031)

SYS-GMM 0.0429 0.111 (0.051) (0.081) -0.0145 -0.019 (0.014) (0.017) -0.0056 0.0073 (0.017) (0.018) -0.0013 -0.0118 (0.026) (0.027) -0.0137 0.0211 (0.022) (0.023) 0.5871* 0.5603* (0.092) (0.088)

Variable Dependiente: eqta OLS Fixed Effects 0.018 0.057** 0.138* 0.564* (0.021) (0.024) (0.036) (0.056) -0.022*** -0.024*** -0.019 -0.012 (0.013) (0.013) (0.014) (0.013) 0.020 0.022*** 0.016 0.016 (0.013) (0.013) (0.013) (0.013) -0.035*** -0.036*** -0.020 -0.040*** (0.020) (0.021) (0.020) (0.021) 0.033*** 0.032*** -0.046 -0.022 (0.018) (0.018) (0.034) (0.018) -0.053 -0.063*** -0.092** -0.144* (0.035) (0.035) (0.036) (0.035)

-0.022 (0.102) -0.005 (0.027) 0.023 (0.018) -0.002 (0.067) 0.038 (0.039) -0.063 (0.068)

-0.091* (0.018) -0.084*** (0.050) 0.102 (0.017)

-0.038 (0.022) -0.095* (0.018) 0.098* (0.017) -0.001** (0.001) -0.015* (0.005) -0.037*** (0.019) 0.001 (0.004)

-0.081** (0.024) 0.066* (0.021) -0.130* (0.023)

-0.103* (0.024) 0.052** (0.021) -0.148* (0.023) -0.015* (0.002) -0.012 (0.009) 0.029 (0.055) 0.001 (0.000)

-0.0784 (0.050) -0.0807 (0.045) 0.0856 (0.043)

-0.0665 (0.044) -0.0930 (0.069) 0.0718 (0.046) -0.003 (0.002) -0.012 (0.025) 0.040 (0.039) 0.002 (0.001)

0.049*** (0.029) 0.830* (0.024) 0.031 (0.023)

0.052*** (0.029) 0.822* (0.024) 0.024 (0.023) -0.002* (0.000) -0.004 (0.006) 0.012 (0.025) 0.003*** (0.000)

0.108* (0.027) 0.020 (0.025) 0.420* (0.026)

0.076* (0.026) 0.373* (0.037) -0.011 (0.023) -0.031* (0.003) -0.003 (0.009) -0.101*** (0.061) 0.001* (0.000)

0.068 (0.045) 0.756* (0.067) 0.018 (0.045)

0.062 (0.041) 0.751* (0.071) -0.002 (0.047) -0.005* (0.002) 0.002 (0.011) -0.038 (0.034) 0.001 (0.001)

M1(p-valor) M2 (p-valor) Sargan/Hansen (pvalor) Diff- Sargan/Hansen (p-valor)

NA NA NA

NA NA NA

NA NA NA

NA NA NA

0.030** 0.734 0.160

0.001* 0.461 0.231

NA NA NA

NA NA NA

NA NA NA

NA NA NA

0.000* 0.901 0.435

0.000* 0.980 0.593

NA

NA

NA

NA

0.851

0.867

NA

NA

NA

NA

0.539

0.769

∑ c − eff ∑ r − eff

-0.011 (0.021) 0.009 (0.468)

-0.017** (0.028) 0.008 (0.597)

-0.050* (0.000) -0.107* (0.000)

-0.057* (0.000) -0.108* (0.000)

-0.020 (0.347) -0.012 (0.777)

-0.026 (0.318) -0.033 (0.590)

-0.003 (0.784) -0.002 (0.925)

-0.003 (0.807) -0.004 (0.840)

-0.003 (0.874) -0.065** (0.039)

-0.004 (0.821) -0.058* (0.041)

0.019 (0.562) 0.037 (0.709)

0.026 (0.392) 0.032 (0.668)

intercepto

c − eff t −1 c − eff t − 2 r − efft −1 r − efft − 2

llrt −1 llrt − 2 eqtat −1 eqtat − 2 lnta nonit hhi inf

SYS-GMM 0.060* (0.084) -0.006 (0.025) 0.032*** (0.018) -0.001 (0.048) 0.033 (0.034) -0.056 (0.067)

∑ llr ∑ eqta Granger Causalidad: c − eff (p-valor) Granger Causalidad: r − eff (p-valor) Granger Causalidad: llr (p-valor) Granger Causalidad: eqta (p-valor)

-0.004 (0.202)

-0.012 (0.661)

0.016 (0.679)

0.068** (0.079)

0.005 (0.948)

0.006 (0.921)

0.011 (0.171) 0.311

0.004 (0.705) 0.372

-0.064* (0.000) 0.000*

-0.097* (0.000) 0.000*

0.005 (0.541) 0.452

-0.021 (0.458) 0.528

0.231

0.161

0.223

0.368

0.411

0.218

0.698

0.746

0.001*

0.000*

0.742

0.653

0.132

0.130

0.095***

0.112

0.431

0.447

0.202

0.144

0.000*

0.000*

0.306

0.314

0.000*

0.000*

0.000*

0.000*

00.144

0.296

Notas: OLS : mínimos cuadrados ordinarios: FE: efectos fijos: SYS-GMM : sistema MGM. Las estimaciones de MGM en sistema de Arellano y Bond (Stata comando xtabond2) con errores corregidos de Windmeijer (2005) (reportados en paréntesis) son usados. *, **, y *** denotan niveles de significación al 1%, 5% y 10%, respectivamente. Las variables ∑ c − eff , ∑ r − eff , ∑ llr y ∑ eqta son los estimados de los coeficientes para la prueba de las sumas de los coeficientes de los términos rezagados de eficiencia en costos, eficiencia en ingresos, riesgo y capital , respectivamente, los cuales muestran el efectos el efecto de largo plazo. La prueba de causalidad de Granger es usada para examinar la hipótesis nula de que x no Granger-causa y. El test de Sargan/Hansen es uno de restricciones sobre-identificadas para los estimadores de MGM. M1 y M2 son tests para autocorrelación serial de primero y segundo orden. Lnta: log de activos, nonit: ratio de ingresos no intereses, hhi: índice de concentración de Hirschmann-Hinferdal, inf: inflación.

 

23

Los resultados de causalidad de Granger para capital son también reportados en la Tabla 4. Loas resultados indican que el riesgo causa positivamente al capital en el sentido de Granger, sólo en el caso de efectos fijos, sugiriendo que bancos de bajo desempeño en riesgo toman acciones o son inducidos a aumentar su capital, en conformidad con nuestra

Explicación Regulatoria, también encontrada por Berger y De Young (1997). También hay evidencia de que mientras más eficientes en ingresos sean los bancos, menor capital es requerido por los bancos, esto es, los bancos prefieren el auto-financiamiento. Alternativamente, los bancos que han experimentado reducciones en su eficiencia en ingresos, tienden a aumentar su capital. Como en el caso anterior, una nota de precaución se hace en referencia a la falta de significación de los resultados de MGM en sistema.

5. Conclusiones

En este trabajo, evaluamos la relación causal entre eficiencia, capital y riesgo para los sistema bancarios de America Latina y el Caribe. Esto lo hacemos investigando los desarrollos en la eficiencia en costos e ingresos para el periodo 2001-2008 en función de examinar su relación con riesgo y capital bancario. Este trabajo aplica una relativamente nueva metodología empírica, test de causalidad de Granger en panel dinámico, para analizar la relación causal entre estas tres variables, controlando por endogenidad en el máximo grado posible. Con respecto a la eficiencia en costos, los estimados muestran que países con tasa de crecimiento mas altas, mayor profundidad financiera, más densidad de depósitos, bases promedio de capital mayores y más concentración, tienden a ser mas eficientes en costos. Con respecto a los ingresos, los países con tasas de crecimiento más altas, mayor densidad de depósitos y base promedio de capital mayores presentan mayor eficiencia. Notablemente, lo mismo es cierto de países con menor PIB inicial, más inflación, menor

profundidad financiera y menor densidad de población. En otras palabras, en países con menores características de desarrollo, la eficiencia en ingresos parece ser mayor. Nuestros resultados ofrecen evidencia con respecto al funcionamiento dinámico de los bancos Latinoamericanos y Caribeños durante la última década. Encontramos fuerte evidencia de que frente a riesgo creciente y capital disminuido, los bancos tienden a incrementar su eficiencia. También, encontramos evidencia parcial en apoyo al enlace de mala gerencia entre eficiencia y riesgo, consistente con la evidencia empírica para EEUU y Europa. Similarmente, consideraciones de daño moral parecen ser importantes con respecto a capital y riesgo. Tomados en forma conjunta, estos hallazgos ofrecen evidencia empírica inicial en apoyo a la existencia de compensaciones estabilizadoras que podrían ofrecer luz sobre la resiliencia demostrada por los bancos Latinoamericanos y Caribeños durante la reciente crisis. Esto podría ser el resultado de mejor gerencia e innovación, regulación mejorada, tanto en la supervisión de los niveles de capital, como de los sistemas de evaluación y gerencia de riesgo por parte de los bancos. Como implicación de política, nuestra evidencia sugiere que los reguladores deberían continuar fortaleciendo los marcos de adecuación de capital, sumando a éstos, consideraciones de eficiencia. El proceso supervisorio debe continuar profundizando este aspecto mediante evaluaciones que evalúen los procesos y sistemas gerenciales de los bancos, en particular en cuanto a la calidad, de los procesos de decisión y solución de conflictos internos entre todas las partes interesadas, internas y externas.

 

25

References

Aggarwal, R. and K. T. Acques. 1998. “Assessing the impact of prompt corrective action on bank capital and risk.” Federal Reserve Bank of New York Policy Review 4, 23-31. Aigner,D.J., C.A. Lovell and P. Schmidt. 1977. “Formulation and estimation of stochastic frontier production function models.” Journal of Econometrics 6, 23-37. Altunbas, Y., S.Carbo and E.P.M. Gardener. 2007. “Examining the relationships between capital, risk and efficiency in European banking”. European Financial Management 13, 49-70. Arellano, M. and S.R. Bond. 1991. “Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations.” Review of Economic Studies 58, 277-297. Arellano, M. and O. Bover. 1995. “Another look at the instrumental variables estimation of error components models.” Journal of Econometrics 68, 29-51. Battese,G.E. and T.J. Coelli. 1995. “A Model for Technical Inefficiency Effects in a Stochastic Frontier Production Function for Panel Data.” Empirical Economics 20, 325332. Berger, A.N. and R. De Young. 1997. “Problem loans and cost efficiency in commercial banking.” Journal of Banking and Finance 21, 849-870. Berger, A.N. and D.B. Humphrey. 1997. “Efficiency of Financial Institutions: International Survey and Directions for Future Research.” European Journal of Operational Research 98, 175-212. Blundell, R. and S.R. Bond. 1998. “Initial conditions and moment restrictions in dynamic panel data models.” Journal of Econometrics 87, 115-143. Carvallo, O. and A. Kasman. 2005. “Cost Efficiency in the Latin American and Caribbean Banking Systems.” Journal of International Financial Markets, Institutions and Money 15, 55-72. Cavallo, L. and S.P.S. Rossi. 2001. “Scale and scope economies in the European banking systems.” Journal of Multinational Financial Management 11, 515-531. Casu, B. and C. Girardone. 2009. “Testing the relationship between competition and efficiency in banking: a panel data analysis.” Economics Letters 105, 134-137. Claessens, S., A. Demirgüc-Kunt and H. Huizinga. 2001. “How Does Foreign Entry Affect the Domestic Banking Market?” Journal of Banking and Finance 25, 891-911. Danthine, J. P., F. Giavazzi, X. Vives and E.V. Thaden. 1999. “The Future of European Banking.” Centre for Economic Policy Research, Monitoring European Integration Paper No 9, (London: CEPR, 1999).

 

26

Dietsch, M. and L. Lozano-Vivas. 2000. “How the Environment Determines Banking Efficiency: A comparison Between French and Spanish Industries.” Journal of Banking and Finance 24, 985-1004. Editz, T., I. Michael and W. Perraudin. 1998. “The impact of capital requirements on U.K. bank behavior.” Reserve Bank of New York Policy Review 4, 15-22. Fries, S. and A. Taci. 2005. “Cost efficiency of banks in transition: Evidence from 289 banks in 15 post-communist countries.” Journal of Banking and Finance 29, 55-81. Fiordelisi F., D. Marques-Ibanez and P. Molyneux. 2011. “Efficiency and risk in European banking.” Journal of Banking and Finance 35, 1315–1326. Granger, C.W.J. 1969. “Investigating causal relations by econometric models and crossspectral methods.” Econometrica 37, 424-438. Hellmann, T. F., K. C.Murdock and J. E. Stiglitz. 2000. “Liberalization, moral hazard, in banking and prudential regulation: are capital requirements enough?” American Economic Review 90, 147-65. Hughes, J.P. and L.J. Mester. 1998. “Bank capitalization and cost: evidence of scale economies in risk management and signaling".” The Review of Economics and Statistics 80, 314-325. Hughes, J.P. and C-G. Moon. 1995. “'Measuring Bank Efficiency When Managers Trade Return for Reduced Risk.” Working Paper, Department of Economics, Rutgers University. Jacques, K. and P. Nigro. 1997. “Risk-based capital, portfolio risk, and bank capital: a simultaneous equations approach.” Journal of Economics and Business 49, 533-47. Kasman, A. 2005. “Efficiency and Scale Economies in Transition Economies: Evidence from Poland and the Czech Republic.” Emerging Markets Finance and Trade 41, 60-81 Kasman, A., S. Kirbas-Kasman and O. Carvallo. 2005. “Efficiency and Foreign Ownership in Banking: An International Comparison.” Dokuz Eylul University, Faculty of Business, Department of Economics, Discussion Papers Series 05/03, October 2005. Kasman, A. and C. Yildirim. 2006. “Cost and profit efficiencies in transition banking: the case of new EU members.” Applied Economics 38, 1079-1090. Kasman, A. 2010. “Consolidation and Competition in the Banking Industries of the EU Member and Candidate Countries.” Emerging Markets Finance and Trade 46, 121-139. Kwan S. and R. Eisenbeis. 1997. “Bank Risk, Capitalization, and Operating Efficiency.” Journal of Financial Services Research 12, 117-131. Lozano-Vivas, A., J.T. Pastor and I. Hasan. 2001. “European Bank Performance Beyond Country Borders: What Really Matters?” European Finance Review 5, 141-165.

 

27

Meeusen, W. and J.van den Broeck. 1977. “Efficiency estimation from Cobb-Douglas production functions with composed error.” International Economic Review 18, 435-444. Shrieves, R. E. and D. Dahl. 1992. “The relationship between risk and capital in commercial banks.” Journal of Banking and Finance 16, 439-57. Weill, L. 2003. “Banking Efficiency in Transition Economies: The Role of Foreign Ownership.” Economics of Transition 11, 569-592. Williams, J. 2004. “Determining management behavior in European banking.” Journal of Banking and Finance 28, 2427-2460. Windmeijer, F. 2005. “A finite sample correction for the variance of linear efficient twostep GMM estimators.” Journal of Econometrics 126, 25-51. Yeyati, E.L. and A. Micco. 2007. “Concentration and foreign penetration in Latin American banking sectors: Impact on competition and risk.” Journal of Banking and Finance 31, 1633-1647. Yildirim, H.S. and G. Philippatos. 2006. “Restructuring, consolidation and competition in Latin American banking markets.” Journal of Banking and Finance 31 629-639.  

 

28

Apéndice

Tabla A1. Estimados de máxima verosimilitud de los parámetros de las fronteras comunes de costos e ingresos con variables de entorno específicas a los países: Variable dependiente:

costos Error estándar

t-ratio

ln y1

2.433 0.378

0.206 0.044

11.803* 8.635*

ln y 2

0.374

0.035

10.837*

coeficiente Constante

ingresos Error estándar

t-ratio

3.199 0.112

0.253 0.059

12.621* 1.916**

0.705

0.042

16.678*

coeficiente

ln y 3

0.092

0.041

2.248**

0.072

0.049

1.478

ln w1

0.524

0.047

11.259*

0.519

0.070

7.458*

ln w2

0.398

0.056

7.169*

0.705

0.073

9.670*

ln y1 ln y1

0.117

0.006

21.078*

0.149

0.008

18.609*

ln y 2 ln y 2

0.057

0.003

22.470*

0.083

0.004

21.919*

ln y 3 ln y 3

0.022

0.003

8.089*

0.015

0.004

4.505*

ln w1 ln w1

0.174

0.007

25.101*

0.200

0.010

19.141*

ln w2 ln w2

0.193

0.008

23.142*

0.228

0.012

19.50*

ln y1 ln y 2

-0.077

0.004

-18.960*

-0.116

0.006

-18.903*

ln y1 ln y 3

-0.031

0.003

-10.506*

-0.014

0.004

-3.529*

0.015

0.004

4.287*

0.007

0.004

1.744***

ln y 2 ln y 3 ln w1 ln w21

-0.196

0.006

-31.760*

-0.204

0.009

-22.345*

ln y1 ln w1

0.008

0.006

1.469

-0.003

0.008

-0.426

ln y1 ln w2

-0.006

0.007

-0.893

-0.036

0.009

-4.109*

ln y 2 ln w1

-0.002

0.005

-0.416

0.004

0.007

0.663

ln y 2 ln w2

-0.003

0.005

-0.709

0.001

0.008

0.150

ln y 3 ln w1

-0.007

0.005

-1.554

0.005

0.006

0.924

ln y 3 ln w2

0.002

0.006

0.480

0.008

0.008

1.123

ENTORNO Constante

0.334

0.219

1.527

-6.196

1.159

-5.344*

inflation gdp_growth

0.004 -0.023

0.004 0.006

1.332 -3.943*

-0.015 -0.110

0.005 0.015

-2.769* -7.633*

gdp_initial

-0.000

0.000

-1.329

0.000

0.000

5.939*

m2/gdp

-0.006

0.002

-3.146*

0.046

0.009

5.153*

Deposit density Population density

-0.000 0.000

0.000 0.001

-4.007* 0.077

-0.000 0.005

0.000 0.001

-5.515* 4.935*

Average capital

-1.508

0.349

-4.318*

-4.233

1.249

-3.389*

Herfindah loans

-2.570 0.385

0.867 0.030

-2.966* 12.94

0.734 0.610

1.216 0.057

0.604 10.80

0.935

0.008

124.03

0.832

0.017

48.77

σ = σ +σ 2

2 u 2 u

2 v

σ u2 /(σ + σ v2 ) log likelihood function

-289.933

-748.220

Nota: Los escores de eficiencia en costos e ingresos son estimados con el enfoque de frontera estocástica. Las estimaciones están basadas en una frontera estocástica común con variables de entorno específicas a los países (Ecuación 4). La muestra agrupada incluye 272 bancos comerciales a lo largo del periodo 2001-2008 consistente de 1828 observaciones. *, **, y *** denotan niveles de significación al 1%, 5% y 10%, respectivamente. ln y1 = logaritmo de préstamos a los clientes totales,

ln y 2 = logaritmo de otros activos generadores totales, ln y 3 = logaritmo de los depósitos totales, ln w1 = logaritmo del ratio del precio del trabajo al precio del capital físico, y ln w2 = logaritmo del ratio del precio de los fondos al precio del capital físico.

 

29