UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE CIENCIAS ECONÓMICO ADMINISTRATIVAS

MAESTRÍA EN ECONOMÍA

“Impacto de la rentabilidad bancaria y el desarrollo financiero en el crecimiento económico”

TESIS QUE PARA OBTENER EL GRADO DE MAESTRO EN ECONOMÍA PRESENTA ING. GUILLERMO ROSALES JARAMILLO BECADA POR EL CONSEJO NACIONAL DE CIENCIA Y TECNOLOGÍA DR. ANTONIO RUIZ PORRAS DIRECTOR DE TESIS ZAPOPAN, JALISCO. 14 DE MAYO DEL 2012

1

Agradecimientos A dios por darme la oportunidad de vivir esta experiencia. A mi esposa Isari por impulsarme a tomar una de las mejores decisiones en mi vida. A mis Padres y Hermanos por darme su apoyo incondicional durante este tiempo. A mi director de tesis Dr. Antonio Ruiz por confiar en mí, su paciencia, tiempo, dedicación, ideas, consejos, experiencia y conocimientos que me ayudaron a darle forma a esta tesis. Al Dr. Willie Cortez por motivarme a trabajar duro para obtener lo mejor de mí como estudiante y enseñarme el valor de una calificación. A mis lectores de Tesis Dr. Rafael Espinoza y Dr. Guillermo Sierra por su tiempo y sus valiosas aportaciones. A mis maestros Dr. Mauricio Ramírez, Maestro Juan Ramón Hernández, Dr. Leonardo Gatica, Dr. Adrian de León y Rubén Chavarín por darme el honor de ser su alumno y transmitirme sus conocimientos siempre dispuestos a ayudar. A mis compañeros de Maestría Edison, Brenda, Nica, Beto, Edith e Irvin por su gran apoyo ya que fueron parte fundamental para realizar este logro. A mis Amigos Juan y Bety Durán por su apoyo, aportaciones a mi Tesis y por darme una segunda casa mientras estudiaba la maestría. A la Universidad de Guadalajara por brindarme la oportunidad de participar en este programa.

2

Contenido Índice Gráficas ............................................................................................................................ 4 Índice Tablas ............................................................................................................................... 4 Resumen ..................................................................................................................................... 5 1 Introducción.............................................................................................................................. 5 1.2 Desarrollo financiero .......................................................................................................... 6 1.3 Rentabilidad Bancaria ...................................................................................................... 12 1.4 Justificación ..................................................................................................................... 14 2 Información y datos preliminares ............................................................................................ 17 2.1 Integración de información ............................................................................................... 17 2.2 Variables financieras........................................................................................................ 18 2.3 Variables de rentabilidad bancaria ................................................................................... 18 2.4 Variables de desarrollo financiero .................................................................................... 20 2.5 Variables Económicas ..................................................................................................... 21 2.6 Relación Variables Financieras con el Crecimiento Económico ....................................... 24 3 Metodología ........................................................................................................................... 28 4 Resultados ............................................................................................................................. 30 4. 1 Estimador GMM Sistema: 1 y 2 Pasos ............................................................................ 30 5 Conclusiones .......................................................................................................................... 38 6 Bibliografía ............................................................................................................................. 41 7. Apéndices ............................................................................................................................. 44 Apéndice A ............................................................................................................................ 44 Apéndice B ............................................................................................................................ 57 Apéndice C ............................................................................................................................ 64 Apéndice D ............................................................................................................................ 71 Apéndice E ............................................................................................................................ 76 E.1 Estimador GMM para modelos dinámicos con datos en Panel ..................................... 76 E.2 Estimador GMM en primeras diferencias ..................................................................... 76 E.3 Estimador GMM Sistema ............................................................................................. 78 E.4 Error de medición temporal .......................................................................................... 79 E. 5 Regresores endógenos ............................................................................................... 81 Apéndice F ............................................................................................................................ 83 Apéndice G ............................................................................................................................ 84 3

Apéndice H ............................................................................................................................ 94

Índice Ilustraciones Ilustración 1. HIPÓTESIS 1 ....................................................................................................... 14 Ilustración 2. HIPÓTESIS 2 ....................................................................................................... 15

Índice Gráficas Gráfica 1: Relación entre la Concentración Bancaria y el Crecimiento ...................................... 24 Gráfica 2: Relación entre el Desarrollo Financiero y el Crecimiento .......................................... 25 Gráfica 3: Relación entre el Margen de Interés Neto y el Crecimiento ....................................... 25 Gráfica 4: Relación entre el ROA y el Crecimiento .................................................................... 26 Gráfica 5: Relación entre el ROE y el Crecimiento .................................................................... 26 Gráfica 6: Relación entre la Razón Ingreso-Costo Bancario y el Crecimiento............................ 27

Índice Tablas Tabla 1: Listado de países, divididos por su nivel de ingreso de acuerdo a la clasificación del banco mundial. .......................................................................................................................... 17 Tabla 2: Resumen Estadístico ................................................................................................... 23 Tabla 3. Rentabilidad Bancaria, Desarrollo Financiero y Crecimiento Económico ..................... 32 Tabla 4. Impacto del Desarrollo Financiero en el Crecimiento Económico en Latinoamérica .... 33 Tabla 5. Rentabilidad Bancaria y Desarrollo Financiero estimador GMM SYS .......................... 35 Tabla 6. Impacto de la concentración bancaria en el Crecimiento Económico en 4 países de Latinoamérica............................................................................................................................ 36 Tabla 7. Impacto del margen de interés neto bancario en el Crecimiento Económico en 4 países de Latinoamérica ....................................................................................................................... 36 Tabla 8. Impacto de la razón ingreso-costo bancario en el Crecimiento Económico en 4 países de Latinoamérica ....................................................................................................................... 37

4

Resumen La presente investigación utiliza el estimador GMM sistema en panel, desarrollado por Arellano y Bover (1995); el cual Blundell y Bond (1998) usaron para demostrar que al combinar simultáneamente en un sistema en panel en diferencias y en panel en los niveles originales se produce un incremento notable en consistencia y eficiencia del estimador. Se utiliza un modelo de crecimiento endógeno, controlando por variables de política y estructura económica. Se usan indicadores de rentabilidad bancaria y económica que se extrajeron de la base del banco mundial desarrollada por Beck et al. (2009) separadas en periodos de 5 años a partir del año 1986 a 2009 de 78 países. Los resultados muestran que existe un impacto indirecto, mediante la variable de desarrollo financiero, de las variables de rentabilidad bancaria (concentración bancaria, margen de interés neto y razón de ingreso-costo) en el crecimiento del PIB per cápita. Las variables ROA y ROE no presentaron impacto estadísticamente significativo. Nuestra investigación intenta aportar evidencia que nos ayude a entender el comportamiento de los bancos mediante la rentabilidad bancaria y su impacto en la economía de los países. Concretamente, mediante la guía de las teorías de la organización industrial y sus paradigmas de estructura-comportamiento-desempeño (ECD) y estructura eficiencia (EE), nuestros resultados muestran la magnitud económica de las variables. De verificarse nuestros hallazgos, los hacedores de políticas deberán tomar en cuenta a la hora de crear políticas para regular los mercados financieros, la relación existente entre las variables de concentración bancaria, margen de interés neto y razón ingreso-costo bancario con el desarrollo financiero. Ya que como se mostró en el estudio, éstas tienen impactos positivos y negativos significativos en la economía de los países.

1 Introducción Para poder entender la relación existente entre la rentabilidad bancaria y el desarrollo financiero con el crecimiento económico, es necesario primero entender cómo los intermediarios financieros influencian el desempeño económico. En un enfoque microeconómico Freixas y Rochet (2008) definen a los intermediarios financieros como agentes económicos que se especializan en actividades de compra y venta (al mismo tiempo) de activos financieros. Esta definición es análoga a la noción de intermediario (minorista) en la teoría de la organización industrial, donde los agentes compran ciertos bienes y servicios de los productores y los venden al consumidor final.

5

La justificación de la existencia de los intermediarios dada por la teoría de la organización industrial se debe a la existencia de fricciones en las tecnologías de transacción (ejemplo: los costos de transporte). Los comisionistas de la bolsa de valores y agentes bursátiles que operan en los mercados financieros son claro ejemplo de intermediarios en el sector financiero. Este paradigma puede dar un claro ejemplo de las actividades de los bancos como intermediarios financieros. En términos generales, los bancos pueden ser vistos como minoristas de valores financieros: compran títulos emitidos por los prestatarios (es decir, la concesión de préstamos), y los venden a los prestamistas (es decir, captan depósitos). Sin embargo, la actividad de los bancos es más compleja. Usualmente enfrentan (al menos parcialmente) con contratos financieros (préstamos y depósitos), los cuales no pueden ser comerciados fácilmente; lo contrario sucede con los títulos de valor (acciones y bonos), los cuales son anónimos (en el sentido de que la identidad del dueño es irrelevante) y como resultado pueden ser comerciados fácilmente. Por lo tanto, los bancos usualmente deben de mantener estos contratos en sus estados de resultados hasta que el contrato expira. Como una de sus funciones principales, los bancos transforman los contratos y títulos de valor; debido a que los contratos y títulos emitidos por los prestatarios difieren de los contratos y títulos de valor deseados por los inversionistas. En un mundo ideal sin fricciones y mercados financieros completos, inversionistas y prestatarios podrían diversificar perfectamente el riesgo. Sin embargo, inmediatamente al introducir indivisibilidades y no convexidades en las tecnologías de transacción, la diversificación perfecta del riesgo ya no es alcanzable y los intermediarios financieros son necesarios. Por lo tanto, los intermediarios financieros pueden ser vistos como coaliciones (mutualistas) de prestamistas o prestatarios individuales que aprovechan las economías de escala o economías de alcance para poder enfrentar las fricciones existentes en las tecnologías de transacción logrando una diversificación casi perfecta del riesgo. Por lo tanto, la manera más simple de justificar a los intermediarios financieros es la de enfatizar entre sus entradas y sus salidas y ver la transformación de valores financieros como su principal actividad.

1.2 Desarrollo financiero El papel importante que juegan los mercados de crédito en el proceso de desarrollo económico puede ser iniciado tiempo atrás con el trabajo de del economista Joseph Schumpeter (1911), el cual argumentaba que los empresarios requieren crédito en orden de financiar nuevas tecnologías de producción. Sistemas financieros bien desarrollados pueden guiar los recursos financieros a los usos más productivos. La explicación alternativa iniciada por Robinson (1952) sugiere que el desarrollo financiero no produce un crecimiento económico alto. En su lugar, el 6

desarrollo financiero responde pasivamente al crecimiento económico como un resultado de la alta demanda de servicios financieros. Lucas (1988) argumenta que los economistas tienden a enfatizar excesivamente el papel de los factores financieros en el proceso de crecimiento económico. La teoría del crecimiento económico de Pagano (1993) sugiere que existen tres canales distintos pero complementarios por los que el desarrollo financiero puede influenciar el crecimiento: 1. Acumulación de capital (Proporción de ahorro canalizado a la inversión). 2. Factor total de productibilidad TFP (Mejorando la distribución del capital). 3. Razón de ahorro privado. El canal de acumulación de capital es desarrollado basado en la hipótesis de acumulación de deuda propuesta por Gurley y Shaw (1955) la cual se fundamenta en movilizar los ahorros de una economía en los sectores productivos para financiar proyectos que logren incrementar formación de capital y por ende un mayor crecimiento (Ang, 2008, y R. Levine, 2005). En el proceso de transformar ahorro en inversión, los intermediarios absorben recursos, por cada $1 de ahorro producen menos de $1 de inversión; el diferencial se canaliza a los intermediarios en 2 formas complementarias, la primera como premio por los servicios proporcionados y la segunda representa X-ineficiencia de los intermediarios y su poder de mercado; también se ve afectada por los impuestos (requerimientos de reservas), impuestos por transacción, y por regulaciones restrictivas, que se traducen en márgenes unitarios más altos (Pagano, 2003). El Canal TFP enfatiza el papel de la innovación de tecnologías financieras para reducir las asimetrías de información que dificultan la distribución eficiente de los recursos financieros y el monitoreo de los proyectos de inversión (R. King & Levine, 1993). Los intermediarios financieros buscan proyectos donde el producto marginal del capital sea alto, dando como resultado una mejor distribución del capital. Esto lo logran de dos maneras: (1) recolectando información para evaluar proyectos de inversión alternativos o (2) induciendo a los individuos a invertir en tecnologías más riesgosas pero más productivas, compartiendo el riesgo. Los intermediarios financieros permiten a los inversionistas compartir el riesgo, afectando sus decisiones de inversión y su comportamiento de ahorro. El papel de compartir el riesgo no sólo es desempeñado por el mercado asegurador, sino también por los bancos y el mercado de capitales. Lo cual permite a los individuos compartir el riesgo no asegurable de choques

7

idiosincráticos (cambios en los gustos y preferencias de los hogares, así como choques de liquidez en los bancos) y el riesgo diversificado de la volatilidad de los retornos de activos. El tercer canal por el cual el desarrollo financiero puede afectar el crecimiento es alterando la razón del ahorro. En esta instancia el signo de la relación es ambiguo, debido a que el desarrollo financiero puede reducir la razón de ahorro y por ende el crecimiento. Esto puede suceder cuando el mercado de capitales se ha desarrollo y se hace más eficiente. Los hogares obtienen un mejor seguro contra choques en sus dotaciones y una mejor diversificación del riesgo de la tasa de retorno, mientras el crédito al consumidor se vuelve disponible y barato más fácilmente. El desarrollo financiero reduce la brecha entre la tasa de interés pagada por las empresas y la recibida en los hogares. Cada uno de estos factores afecta el comportamiento del ahorro, pero en cada caso el efecto es ambiguo (Pagano, 1993). Mientras que la teoría fue iniciada en la década de 1950, la mayoría de los trabajos empíricos han sido realizados a partir de la década de 1990 debido a la falta de series de información de los países en desarrollo. Basados en el tipo de metodología utilizada estos pueden ser divididos en 3 categorías - Análisis de sección transversal puro, series de tiempo y paneles de datos, cada uno con las deficiencias atribuidas al tipo de metodología. Jung (1986) utiliza vectores autoregresivos (VAR) y pruebas de causalidad de Granger con información anual de 37 países poco desarrollados y 19 países desarrollados. Sus resultados proveen soporte a la hipótesis de “Supply Lendding” (Patrick 1966) que la causalidad está dirigida del sistema financiero hacia el crecimiento económico en los países poco desarrollados, pero un patrón de causalidad inversa es observada en los países desarrollados. King y Levine, (1993) utilizan mínimos cuadrados ordinarios con datos anuales de 80 países en el periodo de 1960 a 1980. Encuentran evidencia empírica consistente con el pensamiento Schumpeteriano de que los sistemas financieros promueven el crecimiento económico. Encuentran una relación fuerte entre varias medidas de niveles financieros y medidas de crecimiento económico, así como una correlación robusta entre las variables financieras con razones económicas de crecimiento futuras. Levine (1998) utiliza MCO y Método Generalizado de Momentos (MGM) con información anual de 42 países en el periodo 1976 a 1993. Encuentra que países con sistemas legales eficientes tienden a tener mejores y desarrollados sistemas de bancos que contribuyen de manera positiva al crecimiento per cápita.

8

Beck et al. (2000) utilizan Variables instrumentales y Modelo de momentos generalizados con información anual de 77 países en el periodo de 1960 a 1995. El desarrollo del sistema financiero se encuentra correlacionado robustamente y positivamente con el crecimiento del PIB per cápita y el crecimiento de TFP. Los resultados también proporcionan algún soporte del papel del desarrollo financiero en la acumulación de capital y la razón de ahorro privado pero este resultado es estadísticamente débil. Arestis et al. (2001) utilizan Cointegración Johansen, VECM y pruebas de exogeneidad débil con información cuatrimestral de 5 países desarrollados (Alemania, EUA, Japón, Reino Unido y Francia) en el periodo de 1972 a 1998. Los resultados indican en global que ambos, los bancos y el mercado de capitales, promueven el crecimiento económico. Sin embargo la contribución del mercado de capitales es relativamente bajo comparado con el de los bancos. Los resultados también sugieren que la volatilidad del mercado de capitales tiene un efecto real negativo en Japón, Francia y Reino Unido. Levine (2002) utiliza MCO y variables instrumentales (IV) con información anual de 48 países en el periodo de 1980 a 1995. Sus resultados no encuentran evidencian que soporte cual perspectiva es más importante, los sistemas financieros basados en el mercado o los basados en los bancos. El nivel total del desarrollo financiero ayuda a explicar variaciones de crecimiento cruzadas entre países. El sistema legal es un factor importante que influencia el desarrollo financiero y éste como consecuencia influencia el crecimiento económico de largo plazo. Beck y Levine (2004) utilizan MCO y MMG con información anual de 40 países para los periodos de 1976 a 1998. En suma el desarrollo financiero contribuye positivamente al crecimiento económico. El mercado de capitales y el sistema bancario se muestran en las regresiones de una manera positiva y significativa. La causalidad a largo plazo se dirige del sistema financiero al crecimiento, pero no existe una relación de retroalimentación observada. No encuentran evidencia de una relación de corto plazo. Christopoulos y Tsionas (2004) utilizan un panel de VECM, cointegración en panel, cointegración de umbral, y MCO completamente modificados con información de 10 países en desarrollo en el periodo de 1970 a 2000. Basado en un análisis de cointegración de panel, los resultados muestran que existe una relación de equilibrio de largo plazo entre el desarrollo financiero y el crecimiento económico. La causalidad de largo plazo se dirige del sistema financiero al crecimiento pero no existe una relación de retroalimentación observada. Tampoco existe evidencia de una relación de corto plazo. 9

Cooray (2009) utiliza un modelo de sección transversal y MGM con información de 35 países en el periodo de 1992 a 2003. Sus resultados muestran que el tamaño, actividad y eficiencia financiera son importantes para el crecimiento económico a mayor apertura del sistema bancario los países bajo estudio canalizan sus recursos hacia los usos más productivos los cuales pueden mejorar el crecimiento. Reducción de los indicadores de concentración, margen de intereses y costos de administrativos pueden ser vistos como indicadores que incrementan la eficiencia bancaria la cual contribuye a un uso productivo del capital financiero del país. Similarmente países con un mayor y más activo sector financiero canalizan el capital financiero más eficientemente. Xiaoqiang Cheng y Hans Degryse (2010) utilizan un modelo de efectos fijos panel de datos con información del sector financiero bancario y no bancario de 27 provincias de China en el periodo de 1995 a 2003. Encuentran una clara diferencia entre el impacto del desarrollo financiero de los bancos y las instituciones no bancarias en el crecimiento. Los bancos contribuyen significativamente al crecimiento local. En contraste, las instituciones no bancarias, quienes habilitan la mayoría de sus préstamos a pequeñas empresas pero con un crecimiento más rápido,

parecen

menos

importantes

para

el

crecimiento

local.

Concluyen

que

independientemente del débil sector financiero en China, la eficiencia de los bancos ha mejorado durante los años, permitiéndole tener un importante papel en distribuir fondos y lograr crecimiento. Blanco (2009) utiliza prueba de causalidad de Granger, análisis de impulso respuesta, y panel dinámico con información anual de 18 países de Latinoamérica en el periodo de 1962 a 2005. Sus resultados muestran que mientras el crecimiento económico causa el desarrollo financiero, el desarrollo financiero no causa el crecimiento económico. Cuando la muestra es dividida por diferentes niveles de ingreso y calidad institucional, existe una causalidad bidireccional entre desarrollo financiero y crecimiento económico sólo para los países de ingreso medio y para los países con un nivel jurídico y derechos crediticios más desarrollados. El análisis de impulso respuesta, muestra que un choque en el desarrollo financiero tiene un impacto positivo en el crecimiento económico sólo para los países de medio ingreso pero ese efecto es relativamente pequeño. Wu, Hou y Cheng (2010) utilizan modelo de panel de datos con información anual de 13 países miembros de la Unión Europea en el periodo de 1976 a 2005. Encuentran que existe una relación de equilibrio de largo plazo entre el desarrollo bancario, desarrollo del mercado de valores, y desarrollo económico. La capitalización y liquidez del mercado de valores tienen 10

efectos positivos de largo plazo en el desarrollo económico. La intensidad financiera, podría tener un efecto negativo en el producto en el largo plazo, pero, mejorando la diversificación del riesgo, y la información de los servicios de los bancos comerciales da como resultado un desarrollo económico estable. Finalmente encuentran que liquidez en el mercado de valores tiene un efecto negativo en el corto plazo en el crecimiento económico. Ayagari, Demirgüç-Kunt, y Maksimovic (2010) utilizan un modelo de selección con información de 2400 empresas chinas. Encuentran que sólo un pequeño porcentaje de las empresas en la muestra utiliza financiamiento formal de los bancos. Sin embargo, los resultados sugieren que a pesar de su debilidad, el financiamiento formal se encuentra asociado con un rápido crecimiento de las empresas que lo utilizan, mientras que el financiamiento de otros canales alternativos no. Aunque las empresas reportan corrupción en los bancos, no se encuentra evidencia que esto afecte significativamente la distribución del crédito o el desempeño de las empresas que lo reciben. Song Zan Chiou-Wei, Zhen Zhu, y Wun-Cheng Wu (2010) utilizan el modelo de corrección de errores y corrección de error no lineal suavizada con información cuatrimestral de Corea del Sur en el periodo de 1970Q1 a 2004Q1. Sus resultados empíricos de las pruebas de Cointegración revelan que existe una relación de equilibrio en el largo plazo entre desarrollo financiero y crecimiento económico. También demuestran que la especificación del modelo no lineal es más apropiada que del modelo lineal y confirman que existe presencia de no linealidad en el producto agregado. Además, los efectos en el corto plazo del desarrollo financiero en el crecimiento económico son inestables a pesar del efecto positivo en el largo plazo. Akimov, Wijeweera, y Dollery (2009) utilizan un modelo endógeno de crecimiento con panel de datos con información de 27 países en transición en el periodo de 1989 a 2004. Sus resultados muestran que existe fuerte evidencia que el desarrollo financiero está significativamente y positivamente relacionado con el crecimiento económico en países en transición. Lartey (2010) utiliza método de paneles dinámicos con información de 74 países en el periodo de 1961 a 1995. Encuentra que existe un efecto positivo entre desarrollo financiero y crecimiento económico y este efecto no varía con el nivel de desarrollo económico contrario a lo establecido por Rioja & Valev (2004). Para una revisión completa de los trabajos empíricos véase el Apéndice A.

11

Teórica y empíricamente existe evidencia que soporta la hipótesis de un impacto positivo del desarrollo financiero en el crecimiento económico, ya sea por alguno de los canales que señala la teoría económica, (i) proporción del ahorro canalizado a la inversión, (ii) mejorar la distribución del capital, y (iii) el impacto en la razón del ahorro, o por la justificación de los intermediarios financieros debido a las asimetrías de información y mercados incompletos, ambos paradigmas complementarios. En secciones posteriores se explicará y justificará el uso e inclusión de variables que nos servirán de proxies para llevar a cabo nuestro estudio. Dentro del campo de estudio de nuestra investigación existe poca información que relacione la rentabilidad bancaria con el crecimiento económico Coray (2009) y Demirguc-Kunt y Huizinga (2000). En el momento de realizar la investigación no se encontró trabajos empíricos que relacionen las variables de rentabilidad bancaria con el desarrollo financiero, por lo que nuestro modelo de investigación sería pionero en el campo. También se aprovecha la base de datos de indicadores financieros actualizada al año 2009, la cual contiene un mayor número de periodos, permitiéndonos utilizar en conjunto, variables de control de políticas, lo cual no era posible en trabajos similares Beck y Levine (2004) y Levine (2002) debido a que el número reducido de periodos no permitía utilizar más de una variable de control de política sin violar los supuestos de validez de la metodología utilizada.

1.3 Rentabilidad Bancaria Por teoría económica podemos suponer que las variables de rentabilidad bancaria reflejan la capacidad de los bancos de fijar precios por arriba del nivel de competencia perfecta, restringir la cantidad y diferenciar los servicios financieros que se ofrecen; reflejando una falla de mercado, entre mayor sea el valor de la variable, mayor la rentabilidad bancaria. Por otro lado, una mayor rentabilidad bancaria puede ser ocasionada por buen manejo gerencial de sus costos o la implementación de proyectos tecnológicos que le ayude a ser más eficiente y productivo obteniendo una ventaja competitiva, y por ende, mayor participación de mercado durante el tiempo que la competencia tarda en implementar estas nuevas tecnologías. Berger (1995) señala que dos paradigmas distintos bien conocidos —la hipótesis tradicional de la estructura de mercado-conducta-desempeño (ECD) y la relación eficiencia-estructura de mercado (EE) son dos opciones que podrían explicar la situación en el sistema bancario. Algunas decisiones regulatorias relevantes podrían depender del paradigma que mejor explique la conducta de los bancos. Si la ECD es correcta, entonces la rentabilidad es el resultado del poder de mercado (PM) que ejercen los bancos ya establecidos. De ser así, la aplicación de acciones anti monopólicas puede ser socialmente benéfica. Por otra parte, si la mayor 12

rentabilidad es resultado de mejoras en la eficiencia (EE), entonces las políticas que inhiben las fusiones y obstaculizan la concentración pueden resultar costosas y podrían ser socialmente ineficientes. Evanoff y Fortier (1988) señalan que un problema adicional común en los estudios de ECD en los bancos, es el supuesto implícito acerca de una medida apropiada de estructura de mercado. La teoría indica una relación entre el nivel de producción controlado por pocas grandes empresas y el desempeño. Sin embargo, la teoría no ofrece información del número absoluto o el tamaño de distribución de las empresas necesarias para ejercer el poder de mercado. La pregunta concerniente a que número de firmas es demasiado grande para permitir colusión y qué cantidad de control de producción es suficiente para fijar precios, son esencialmente cuestiones empíricas. En nuestro estudio analizaremos la variable concentración bancaria dentro del paradigma ECD, asumiendo implícitamente el mismo impacto de los 3 bancos líderes, lo cual reconocemos puede ser una restricción a nuestro análisis. Asumiendo un modelo de equilibrio general a la Arrow-Debrau (1953) con mercados financieros completos, si las empresas y los hogares tienen acceso sin restricciones a mercados financieros perfectos, entonces en un equilibrio competitivo: (1) los bancos tendrían cero beneficios y (2) el tamaño y composición de las hojas de balance de los bancos no tendrían efecto en otros agentes económicos. Los bancos serian instituciones redundantes, debido a que no se toman en cuenta las complejidades de la industria bancaria las cuales pueden ser vistas de una manera general dentro de (1) el paradigma de mercados incompletos, que explica porque los mercados financieros no pueden ser completos y muestra porque los bancos (y más generalmente los intermediarios financieros) existen y (2) el enfoque de organización industrial el cual considera que los bancos ofrecen servicios a sus clientes (depositantes y prestatarios) y que las transacciones financieras son la contraparte visible para estos servicios. Como consecuencia el costo de estos servicios debe de ser introducido, así como algún grado de diferenciación del producto. Bajo estas premisas la variable de margen de interés neto la cual es una proxie del diferencial de la tasa de interés de préstamos y depósitos, ROA y ROE, son analizadas en nuestro estudio como variables de eficiencia económica en donde a mayor valor de las variables menor eficiencia económica. Y por último, una relación positiva entre la rentabilidad y la estructura de mercado refleja una mayor eficiencia técnica, o una mejor administración en algunas instituciones en función de su escala de operación. Las empresas más eficientes son las que producen servicios y productos a menor costo, obteniendo una mayor participación y un 13

incremento en sus ganancias; la variable razón ingreso-costo bancaria es analizada dentro del paradigma EE.

1.4 Justificación Existe un gran soporte teórico y empírico que respalda el impacto positivo que existe entre el desarrollo financiero y el crecimiento económico, sin embargo, no se ha logrado llegar a un consenso sobre la causalidad de estas dos variables. Con respecto a la rentabilidad bancaria, son pocos las investigaciones que han tratado de medir el impacto directo o indirecto de la rentabilidad bancaria en el crecimiento económico. Coray (2009) utiliza las variables de concentración bancaria, margen de interés neto y los costos administrativos de los bancos como variables de control de eficiencia financiera en un modelo de crecimiento aumentado de Solow-Swan, encontrando un impacto estadísticamente significativo de signo negativo en el crecimiento económico a favor de la teoría de poder de mercado. Demirguc-Kunt y Huizinga (2000) explican la relación existente entre la rentabilidad bancaria y el crecimiento económico, sin embargo el trabajo empírico se centra sólo en explicar la rentabilidad bancaria utilizando las variables de desarrollo financiero como variables dependientes y quedando implícita la relación rentabilidad bancaria con el crecimiento económico de acuerdo a los argumentos teóricos que justifican a los intermediarios financieros. En nuestra investigación utilizamos dos hipótesis; en la primera buscamos la existencia de un impacto directo de las variables de rentabilidad bancaria en el crecimiento económico (ver la ilustración 1). Ilustración 1. HIPÓTESIS 1

Δ Crecimiento +o-

Rentabilidad Bancaria +oEn la segunda, cambiando la perspectiva utilizada hasta el momento, utilizamos las variables de rentabilidad bancaria para explicar el desarrollo financiero, y a su vez, el desarrollo financiero para explicar el crecimiento económico.

14

El indicador de desarrollo financiero está compuesto por indicadores de desarrollo bancario y del mercado de capitales (actividad, tamaño y eficiencia). En nuestra investigación nos concentramos en las variables de desarrollo bancario, ya que éstas son las que ven afectadas por la rentabilidad bancaria; para el caso del crédito privado otorgado por depósitos en efectivo al banco y otras instituciones entre PIB y los costos administrativos bancarios, una mayor rentabilidad bancaria debida a la hipótesis del poder de mercado ECD o a la hipótesis de eficiencia EE, incentivaría a los directivos bancarios a mejorar la colocación (créditos) de los depósitos hechos por el público, ya sea mediante la inversión en nuevas tecnologías que los hagan más eficientes a la hora de otorgar el crédito (menos cartera vencida), un mayor alcance y acceso al crédito, o desarrollando nuevos instrumentos de crédito que los diferencien de los otros bancos logrando incrementar su participación de mercado (ver ilustración 2). Ilustración 2. HIPÓTESIS 2

Δ Crecimiento +o-

Desarrollo Financiero +o-

Rentabilidad Bancaria +oLa presente investigación utiliza la técnica GMM sistema para reducir las fallas estadísticas atribuibles a los trabajos existentes de crecimiento 1 y una base de datos de indicadores financieros actualizada, la cual nos ayudará a examinar la relación existente entre las variables de rentabilidad bancaria y desarrollo financiero con el crecimiento económico.

1

Los trabajos de sección transversal pura no controlan de manera correcta la endogeneidad potencial de las variables, lo cual da como resultado estimadores sesgados e inconsistentes. Los trabajos de series de temporales carecen de un mayor número de observaciones debido a que la información es escasa y poco precisa en los países en desarrollo. Los resultados son sensibles a la especificación de los retardos y a los términos. Los trabajos de panel de datos están sujetos a problemas de omisión de variables, o sesgo de heterogeneidad incluidos en el término de error por los efectos no observados en los países, en específico dando como resultado estimadores sesgados e inconsistentes.

15

De una manera más específica, investigamos si existe un impacto positivo de las variables de rentabilidad bancaria, concentración bancaria, margen de interés neto, ROA, ROE y razón de ingreso-costo y de desarrollo financiero en el crecimiento, una vez que 1) controlamos el sesgo de simultaneidad, el sesgo de variables omitidas, y la inclusión de la variable dependiente rezagada en las regresiones de crecimiento, 2) utilizamos la información en promedio de cinco años en lugar de trimestral o anual con el objetivo desaparecer la influencia del ciclo económico, 3) utilizamos el estimador GMM sistema para eliminar el sesgo asociado al estimador GMM en primeras diferencias, 4) evaluamos la solidez de los resultados utilizando diferentes ponderadores de la matriz de varianza covarianza, así como pruebas de bondad de ajuste acordes a el tamaño de la muestra, y 5) controlamos por otros indicadores determinantes del crecimiento económico. En términos de la información utilizamos variables de rentabilidad bancaria y de desarrollo financiero extraídas de la base del banco mundial desarrollada por Beck et al. (2009), cabe señalar que el indicador de concentración bancaria no es un índice de concentración por sí mismo, así como las deficiencias que señala Beck et al. (2009) debido a que la cobertura bancaria por la institución BankScope, quien recolecta este indicador, no es al cien por ciento. Metodológicamente 1) construimos un panel con información del periodo 1986 al 2009 con promedios de 5 años para abstraer el impacto de los ciclos económicos de las series, 2) empleamos el estimador GMM sistema en panel desarrollado por Arellano y Bover (1995), el cual Blundell y Bond (1998) demostraron que el estimador que combina simultáneamente en un sistema el panel en diferencias y el panel en los niveles originales produce un incremento notable en consistencia y eficiencia. El resto del documento está organizado de la siguiente manera; en el capítulo 2 se describe la información y construcción de las variables, en el capítulo 3 se detalla la metodología econométrica utilizada, en el capítulo 4 se presentan los principales resultados, en el capítulo 5 se presentan las conclusiones finales, en el capítulo 6 se muestra la bibliografía utilizada y en el capítulo 7, los apéndices.

16

2 Información y datos preliminares 2.1 Integración de información Para poder analizar la relación que existe entre la rentabilidad bancaria y el desarrollo financiero con el crecimiento económico, nuestro análisis se compone de un panel de datos de 78 países2, divididos por su nivel de ingreso de acuerdo a la definición del Banco mundial; en la Tabla 1 se encuentra el listado de los países. La información se encuentra en 5 periodos de tiempo, cada periodo es un promedio de 5 años; el primer periodo se compone del promedio de 1986 a 1990, el segundo periodo se compone del promedio de 1991 a 1995. En el Apéndice B Tabla B2, se muestra un resumen completo de la estructura de los periodos. El utilizar promedios de 5 años nos ayudará a corregir problemas debidos a la existencia de alta persistencia en las variables utilizadas (S. R Bond, Hoeffler, y Temple 2001), evitar la influencia de los ciclos y enfocarnos en el impacto de las variables en el largo plazo. (S. R Bond, Hoeffler, y Temple 2001) y (Beck y R. Levine 2004). Tabla 1: Listado de países, divididos por su nivel de ingreso de acuerdo a la clasificación del banco mundial. Ingreso Alto: OCDE Ingreso Alto: No OCDE Medio Ingreso Alto Medio Ingreso Bajo Bajo Ingreso Australia Croacia Argentina Bolivia Bangladesh Austria Chipre Botsuana Ecuador Ghana Bélgica Estonia Brasil Egipto Kenia Canadá Hong Kong Bulgaria El Salvador Nepal Rep. Checa Israel Colombia La India Dinamarca Kuwait Costa Rica Indonesia Finlandia Malta Kazajstán Rep. Irán Francia Arabia Saudita Letonia Jordania Alemania Singapur Lituania Marruecos Grecia Eslovenia Malasia Pakistán Hungría Trinidad y Tobago Mauricio Paraguay Irlanda México Filipinas Italia Panamá Sri Lanka Japón Perú Suazilandia Corea, Rep. Polonia Tailandia Luxemburgo Rumania Túnez Países Bajos Rusia Nueva Zelanda Sudáfrica Noruega Turquía Portugal Uruguay Rep. Eslovaca Venezuela España Suecia Suiza Reino Unido Estados Unidos

2

El criterio de selección de países, se realizó de acuerdo a la información que había disponible en el momento de elaborarse el estudio.

17

2.2 Variables financieras Las variables financieras a utilizar en nuestro estudio se extrajeron de la base del banco mundial desarrollada por Beck et al. (2009) 3 estas se dividen en variables de rentabilidad bancaria y desarrollo financiero.

2.3 Variables de rentabilidad bancaria En esta sección analizaremos los indicadores de rentabilidad bancaria, así como algunas estadísticas descriptivas. Para medir la rentabilidad bancaria utilizaremos como primer indicador la variable concentración bancaria (bcon), la cual se define como la razón de los activos de los 3 bancos más grandes entre el total de activos del sector bancario de cada país. Desafortunadamente este indicador está basado en información en niveles de BankScope, la cual genera algunas preocupaciones en la manera en la que fue calculado4. Como se puede observar en la Gráfica C1 Apéndice C, no existe una correlación muy definida, entre la concentración bancaria y los países por su ingreso. La Gráfica C2 muestra la tendencia en el tiempo de la concentración bancaria del país mediano; se puede observar una caída hasta el periodo 2000 y después un repunte a partir del periodo 2005. En el Apéndice D Tabla D1 columna (C) se destacan los países: Estados Unidos 30%, Luxemburgo 31% e India 36% con la menor concentración bancaria, y por el contrario, Finlandia 96%, Suecia 94% y Chipre 92% con la mayor concentración bancaria en el periodo en evaluación. El segundo indicador de rentabilidad bancaria, margen de interés neto (netintmargin), se define como el valor contable de los ingresos netos debido a los intereses cobrados por las instituciones bancarias como participación de su total de activos ganados; valores altos de esta variable indican mayor rentabilidad y menor eficiencia económica debido a que existe una mayor brecha entre las tasas de interés de los préstamos y los depósitos. La Gráfica C3 en el Apéndice C muestra la correlación entre el margen de interés neto y el nivel de ingreso, se destaca que los países con mayor ingreso tienen un menor valor de margen de interés neto. La Tabla C4 en el Apéndice C muestra el valor del margen de intereses neto del país mediano durante los periodos de evaluación, se observa una tendencia hacia la baja en los últimos 2 periodos. El Apéndice D Tabla D1 columna (D) destaca los países Brasil 14%,

3

Información actualizada a noviembre de 2010. Debido a que la cobertura de la información bancaria nos al 100% en BankScope, las variaciones entre los países y el tiempo, podría manejarse como diferencias en cobertura, en lugar de diferencias de estructura de mercado (Beck, Demirgüç-Kunt, y Ross Levine 2009) 4

18

Venezuela 11.6% y Paraguay 11.3% con el mayor margen de interés neto, y por el contrario, Luxemburgo 0.85%, Irlanda 1.3% y Países Bajos 1.5% con el menor margen de interés neto. El tercer y cuarto indicador de rentabilidad bancaria es el Retorno en Activos (ROA) y Retorno en Capital (ROE), ambos indicadores son calculados5 como el promedio no ponderado de todos los bancos de un país en un año dado. Valores altos de ROA y ROE significa mayor rentabilidad y menor eficiencia económica. En industrias competitivas las empresas esperan ganar sólo sus costos de capital, por lo tanto, un mayor Retorno en Activos algunas veces es un indicador de que la empresa está tomando ventaja de una posición de monopolio para cargar precios excesivos. Las Gráficas C5 y C7 del Apéndice C muestran la correlación existente entre las variables ROA y ROE respectivamente y el nivel de ingreso, se puede observar que no existe una correlación lineal clara entre las variables. Las Gráficas C6 y C8 del Apéndice C muestran el valor del ROA y ROE, respectivamente, del mediano durante los periodos evaluados; se puede observar una tendencia hacia arriba en los últimos dos periodos. El Apéndice D Tabla D1 columna (E) destaca los países Ghana 7.6%, Países Bajos 6.8% y Venezuela 3.5% con el mayor valor de ROA y por el contrario Ecuador -885.0%, México -28.0% y Uruguay -0.57% con el menor valor de ROA. La Tabla D1 columna (F) destaca los países Nueva Zelanda 57%, Ghana 35.4% y Botswana 32.3% con el mayor valor de ROE y por el contrario Tailandia -78.3%, Colombia -11% y Corea 0.8% con el menor valor de ROE. El quinto y último indicador de rentabilidad, Razón Ingreso-Costo Bancario (IncCos), se define como la razón de ganancias brutas entre costos administrativos (overhead costs); valores altos indican mayor rentabilidad y eficiencia de los bancos. La Gráfica C9 Apéndice C muestra la relación entre la razón de ingreso-costo y el nivel de ingreso; al igual que los indicadores anteriores, parece no existir una correlación clara entre las variables. La Gráfica C10 Apéndice C muestra el valor de razón ingreso-costo del país mediano durante los periodos evaluados; existe una caída en el periodo 2000, sin embargo en los dos últimos periodos 2005 y 2009 existe una tendencia hacia arriba. El Apéndice D Tabla D1 columna (G) destaca los países Irlanda 2.9, Irán 2.6 y Kuwait 2.6 con el mayor valor de razón

5

Debido a que los indicadores ROA y ROE pueden contener valores negativos, para evitar problemas a la hora de aplicarles logaritmos en nuestro análisis se les sumo un 1 ejem. Ln ROA = LN(1+ROA) siguiendo el trabajo de Levine (2004).

19

ingreso-costo, por el contrario, México 1.01, Perú 1.11 y Argentina 1.18 con el menor valor de razón ingreso-costo.

2.4 Variables de desarrollo financiero En esta sección presentamos medidas del desarrollo financiero basados en indicadores de tamaño, actividad y eficiencia, siguiendo la metodología realizada por Levine (2002). El objetivo de estos indicadores es servir como variables proxy del grado en cual el sistema financiero nacional provee servicios financieros: evalúan y monitorean a las empresas, facilitan la gestión del riesgo y movilizan los recursos (Ross Levine, 2002). Actividad Financiera (FINACT) es una medida de la actividad del mercado de valores e Intermediarios Financieros. Levine (2002) utiliza como medida de actividad del mercado de valores, la Razón del Valor Total Comerciado del Mercado de Valores entre el PIB, y para medir la actividad de los Bancos utiliza la Razón de Crédito Privado otorgado por depósitos en efectivo al banco y otras instituciones financieras entre el PIB; este indicador excluye créditos al sector público (gobiernos centrales y locales así como empresas públicas). La razón de Crédito Privado incluye créditos emitidos por instituciones no bancarias, por lo tanto, es una medida que representa mejor el desarrollo de los intermediarios financieros. Actividad Financiera (FINACT) es igual al logaritmo de la Razón del Valor Total Comerciado del Mercado de Valores por la Razón del Crédito Privado. Tamaño Financiero (FINSIZ) es una medida del tamaño del mercado de valores e intermediarios financieros. Para medir el tamaño del mercado de valores doméstico, Levine (2002) utiliza la Razón de Capitalización del Mercado de Valores entre el PIB. Para medir el tamaño de los intermediarios financieros se utiliza de nuevo la Razón de Crédito Privado. Por lo tanto, el Tamaño Financiero (FINSIZ) es igual al logaritmo de la Razón de Capitalización del Mercado de Valores entre el PIB por la Razón de Crédito Privado. Eficiencia Financiera (FINEFF) es una medida de eficiencia del sector financiero. Para medir la eficiencia del mercado de valores Levine (2002) utiliza la Razón del Valor Total Comerciado del Mercado de Valores entre el PIB. Para medir la eficiencia del sector Bancario utiliza los Costos Administrativos (overhead) entre el Total de Activos del Sector Bancario. Por lo tanto, Eficiencia Financiera (FINEFF) es igual al logaritmo de la Razón del Valor Total Comerciado del Mercado de Valores como porcentaje del PIB entre los costos administrativos (overhead) como porcentaje del total de activos de los bancos.

20

Agregado Financiero (CompDesFin) se define como el principal componente de los tres indicadores de desarrollo financiero Actividad, Tamaño y Eficiencia. El Apéndice C Gráfica C11 muestra la relación que existe entre el Agregado Financiero y el nivel de ingreso; se puede observar una relación positiva creciente, entre mayor el desarrollo financiero mayor el ingreso. La Gráfica C12 indica el valor del país mediano del Agregado Financiero durante los periodos evaluados; se observa una caída o disminución del desarrollo financiero del país mediano durante los primeros 4 periodos, y en el último periodo, un pequeño repunte aproximadamente al mismo nivel de los periodos 2 y 3. En el Apéndice D Tabla D1 Columna (B) se destacan los países Hong Kong 2.6, Suiza 2.46 y Estados Unidos 2.29 con los mayores valores de desarrollo financiero, por el contrario, Suazilandia -4, Uruguay -3.9 y Paraguay -3 como los países menos desarrollados financieramente.

2.5 Variables Económicas En esta sección analizaremos las variables económicas utilizadas en nuestro estudio, las cuales se extrajeron de la base de datos del Banco Mundial 6 . Para poder controlar por otros determinantes potenciales del crecimiento económico, utilizamos el PIB per Cápita inicial para controlar por convergencia y el Promedio de Escolaridad en años para controlar por Capital Humano. Para controlar por tipo de política utilizamos i) la Razón del Gasto de Gobierno entre el PIB, ii) la participación de exportaciones más importaciones en el PIB iii) la razón de inflación7. La Tabla D1 en el Apéndice D resume la definición individual de cada variable, y en la Tabla D2 en el Apéndice D se resume la construcción de las variables. La Tabla 2 muestra un resumen de los estadísticos básicos de las variables financieras y el Crecimiento del PIB per Cápita para el periodo de 1986 a 2009. Los resultados muestran una media de Crecimiento del PIB per Cápita Total del 2.16%, un poco por arriba del valor mediano, lo cual es indicador que no existe un sesgo fuerte en la distribución de países; se destaca Corea 5.17%, India 4.58% y Tailandia 4.35% como los países con mayor tasa de crecimiento, por el contrario, Rusia 0.01%, Arabia Saudita 0.21% y Paraguay 0.41% como los países con menor tasa de crecimiento en el periodo de evaluación. La media de 4.4% y la mediana de 3.41% de la variable de Margen de Interés Neto Bancario nos indica que existe un sesgo de distribución de países, más de la mitad de los países tienen Márgenes de Interés Neto Bancario

6

http://databank.worldbank.org/ddp/home.do La Razón del Gasto de Gobierno entre el PIB y La Razón de Inflación pueden ser vistos como indicadores de estabilidad macroeconómica (R. Levine, Loayza, & Beck, 2000) y la participación de exportaciones mas importaciones en el PIB puede ser visto como un indicador de apertura comercial. 7

21

por debajo de la media. Por el contrario un valor de la media de -7.04% y de mediana de 1.01% nos indica que existe un sesgo de distribución de países, más de la mitad de los países generan ROA por arriba de la media. El Margen de Interés Neto Bancario es el único indicador que muestra correlación significativa con el Crecimiento del PIB per Cápita de los indicadores de rentabilidad bancaria. Las variables Margen de Interés Neto y La razón Ingreso Costo se encuentran correlacionadas significativamente con el indicador de Desarrollo Financiero.

22

Tabla 2: Resumen Estadístico

Variable Media Mediana Min Max Std. Dev. Obs Correlación Crecimiento

Crecimiento CompDesFin BCon NetIntMargin

ROA

ROE

IncCos

2.16% 2.12% -9.59% 10.00% 2.56%

0.00 0.12 -4.90 2.72 1.59

68.64% 69.24% 15.16% 100% 19.08%

4.40% 3.41% 0.75% 17.84% 2.88%

-7.04% 1.01% -2632.51% 30.17% 144.12%

11.46% 11.27% -349.70% 75.61% 23.92%

1.64 1.54 0.70 5.47 0.49

382

326

335

333

335

335

335

1

CompDesFin

-0.020 (-0.723)

1

BCon

-0.060 (0.273)

0.004 (0.939)

1

NetIntMargin

-0.224* (0.000)

-0.561* (0.000)

-0.054 (0.327)

1

ROA

-0.009 (0.871)

0.080 (0.148)

0.025 (0.654)

-0.059 (0.284)

1

ROE

-0.045 (0.415)

-0.107 (0.054)

0.142* (0.009)

0.129* (0.018)

0.011 (0.842)

IncCos

1

0.018 0.176* 0.111* -0.221* 0.057 0.248* (0.742) (0.001) (0.042) (0.000) (0.302) (0.000) Nota: P-Values en paréntesis. Un asterisco indica una significancia del 5 por ciento. Las correlaciones estimadas son del tipo pairwise

1

23

2.6 Relación Variables Financieras con el Crecimiento Económico En la siguiente sección analizaremos la relación existente entre las variables financieras con el crecimiento económico del PIB per cápita nacional. Para analizar dicha relación se segmentaron los países en cuartiles 8 por su valor promedio de la variable financiera en el periodo de 1986-2009, analizar la información nos servirá de punto de partida para seleccionar el mejor modelo que se ajuste a nuestros datos. A continuación se muestran los resultados. En las Gráficas 1 y 2 se puede observar la relación que existe entre el crecimiento del PIB per Cápita, la Concentración Bancaria y el Desarrollo Financiero, respectivamente. En el caso de la Concentración Bancaria, al igual que el crecimiento en niveles, no se observa una relación clara entre ambas variables; los países que tienen mayor Concentración Bancaria crecen más que los países con menor concentración bancaria (Cuartil 1 y Cuartil 2) pero no más que los países en el Cuartil 2. En el caso del Desarrollo Financiero, contrario a la relación en niveles donde existía una relación lineal negativa, no se observa una relación clara entre ambas variables; los países que tienen mayor Desarrollo Financiero crecen más que los países con menor Desarrollo Financiero (Cuartil 1 y Cuartil 2), pero no más que los países en el Cuartil 2.

Tasa de Crecimiento PIB per Capita

Gráfica 1: Relación entre la Concentración Bancaria y el Crecimiento 2.5% 2.4% 2.3% 2.2% 2.1% 2.0% 1.9% 1.8% 1.7%

2.38% 2.18% 2.08% 1.99%

Cuartil 1

Cuartil 2 Cuartil 3 Cuartil 4 Concentración Bancaria

8

La distribución de países por cuartil de las variables financieras se encuentra en el Apéndice B Tablas B3 a B8 respectivamente, el Cuartil 1 representa a los países con menor valor y el Cuartil 5 con el mayor valor de la variable de rentabilidad respectiva.

24

Tasa de Crecimiento PIB per Capita

Gráfica 2: Relación entre el Desarrollo Financiero y el Crecimiento 2.6% 2.4% 2.2% 2.0% 1.8% 1.6% 1.4% 1.2% 1.0%

2.38% 2.02%

Cuartil 1

2.36% 1.89%

Cuartil 2 Cuartil 3 Cuartil 4 Desarrollo Financiero

En Las Gráficas 3, 4 y 5 se puede observar la relación que existe entre el Margen de Intereses Neto Bancario, ROA y ROE, y el Crecimiento del PIB per Cápita; los tres indicadores se comportan de manera similar, en los Cuartiles 1 y 2 existe crecimiento, y en los Cuartiles 3 y 4 decrecimiento. Conforme aumenta la Rentabilidad Bancaria existe un aumento del crecimiento hasta un punto de equilibro donde la variable de rentabilidad no afecta el crecimiento, después de este punto se reduce el crecimiento del país.

Tasa de Crecimiento PIB per Capita

Gráfica 3: Relación entre el Margen de Interés Neto y el Crecimiento 2.6% 2.4% 2.2% 2.0% 1.8% 1.6% 1.4% 1.2% 1.0%

2.45% 2.25%

2.20%

1.72%

Cuartil 1

Cuartil 2 Cuartil 3 Cuartil 4 Margen de Interés Neto

25

Tasa de Crecimiento PIB per Capita

Gráfica 4: Relación entre el ROA y el Crecimiento 2.6% 2.4% 2.2% 2.0% 1.8% 1.6% 1.4% 1.2% 1.0%

2.41%

2.37%

2.05% 1.78%

Cuartil 1

Cuartil 2 Cuartil 3 ROA

Cuartil 4

Tasa de Crecimiento PIB per Capita

Gráfica 5: Relación entre el ROE y el Crecimiento 2.6% 2.4% 2.2% 2.0% 1.8% 1.6% 1.4% 1.2% 1.0%

2.44% 2.24% 2.07% 1.87%

Cuartil 1

Cuartil 2 Cuartil 3 ROE

Cuartil 4

En la Gráfica 6 se puede observar la relación que existe entre la variable Razón de Ingresocosto Bancario y la Tasa de Crecimiento del PIB per Cápita. El impacto es positivo, entre mayor la Razón Ingreso-Costo Bancario mayor la tasa de crecimiento.

26

Tasa de Crecimiento PIB per Capita

Gráfica 6: Relación entre la Razón Ingreso-Costo Bancario y el Crecimiento 2.8% 2.6% 2.4% 2.2% 2.0% 1.8% 1.6% 1.4% 1.2% 1.0%

2.70% 2.27% 1.81%

1.86%

Cuartil 1 Cuartil 2 Cuartil 3 Cuartil 4 Razon Ingreso-Costo Bancario

A partir del análisis gráfico, el cual no es concluyente pero sirve de guía para poder empezar a entender la relación existente entre las variables, podemos observar que para la muestra de países utilizados en el nuestro estudio, las variables Concentración Bancaria y Desarrollo Financiero no presentan una relación clara con la tasa de crecimiento del PIB per cápita; una posible explicación a este resultado podría ser como lo mencionan Allen y Gale (1995), la composición del sistema financiero de los países, ya sea más orientados al mercado de capitales o más orientadas a los bancos, pueden afectar el impacto que tanto la concentración bancaria como el desarrollo financiero tienen en la tasa de crecimiento del PIB per cápita. Las variables Margen de Interés Neto, ROA y ROE presentan una relación no lineal en forma de “U” invertida con la tasa de crecimiento económico. Una posible explicación a este efecto podría ser que existe un valor de equilibrio de las variables mencionadas en donde el crecimiento no se ve afectado; por debajo de este valor los países aprovechan su capacidad para fijar precios, restringir la capacidad y diferenciación de servicios financieros bancarios que impulse una mejor colocación del capital mediante la implementación de nuevas tecnologías, mayor alcances de servicios. Por encima de este valor se presentan todas las ineficiencias atribuibles a las fallas de mercado. Al igual que con las variables de concentración bancaria y desarrollo financiero este resultado se puede ver afectado por la composición del sistema financiero de los países orientado al mercado de capitales o a los bancos. Esperamos que la técnica utilizada en nuestro estudio detallada en la siguiente sección pueda capturar este efecto. Por último tenemos la gráfica de la variable de Razón Ingreso-Costo, la cual presenta una relación creciente con la tasa de crecimiento del PIB per cápita; sistemas bancarios en países con un mayor valor de Razón Ingreso-Costo pueden controlar una mayor participación de 27

mercado mediante la fijación de precios, la cual es resultado de la eficiencia técnica o mejor administración bancaria.

3 Metodología En esta sección estableceremos el modelo para estimar el método generalizado de momentos, que combina en un sistema la regresión en diferencias con la regresión en niveles propuesta por Blundell y Bond (1998), la cual es utilizada por R. Levine et al. (2000) y Beck & Levine, (2004) en el ámbito financiero. Para una mayor profundización del tema revisar el Apéndice E. La ecuación de crecimiento que queremos estimar tiene la siguiente forma: 9

Donde

es la diferencia del logaritmo de PIB per Cápita,

Cápita en el inicio del periodo y cada periodo. En nuestro estudio

(1)

es el logaritmo del PIB per

es un vector de características medidas durante o al inicio de se compone de las variables de rentabilidad y desarrollo

financiero, el promedio de escolaridad al inicio del periodo10 y un conjunto de variables para controlar la heterogeneidad de políticas macroeconómicas de cada país; estás incluyen el gasto de gobierno como porcentaje del PIB, la participación de las importaciones más exportaciones en el PIB y la razón de inflación. El efecto específico no observado de cada país

refleja

diferencias en el nivel inicial de eficiencia, mientras que el intercepto del periodo específico captura los cambios en productividad que son comunes en todos los países. Los efectos de país, así como del tiempo, también reflejan los componentes de error de medición específico de cada país y del tiempo. El modelo en (1) se puede escribir de la siguiente manera: (2)

9

Cada t representa el promedio de 5 años, el objetivo de realizar el promedio de 5 años se debe a que las variables utilizadas en el análisis son altamente persistentes, como lo confirman los resultados del modelo GMM en 1eras Diferencias que se analizará posteriormente. Así mismo Bond (2001) indica que para evitar modelar las dinámicas de los ciclos, la mayoría de los trabajos de crecimiento consideran un pequeño número de periodos basados normalmente en promedios 5 años. Levine (2004) utiliza el promedio de 5 años argumentando que las relaciones que se están evaluando son de largo plazo. Caselli et al. (1996) buscan solucionar el problema potencial de sesgo hacia arriba en el coeficiente de convergencia que suelen ocurrir al estimar regresiones de crecimiento con paneles de datos utilizando promedios de 5 años. 10 Para controlar por acumulación de capital humano.

28

Blundell y Bond (2000) toman como base el modelo AR (1) explicado en el Apéndice E pero sin efectos del tiempo ϒit, muestran en este caso que, medias constantes a través del tiempo de las series yit y xit pueden ser suficiente para la validez de la condición de momento

y

. Esto permite que los niveles de las variables xit y yit estén correlacionados con el efecto específico no observado de cada país, sin embargo permite primeras diferencias rezagadas de las variables yit y xit ser utilizadas como instrumentos en la ecuación en niveles. La transformación de las variables yit y xit en desviaciones de la media en el tiempo permite que el crecimiento de largo plazo corriente en el PIB per Cápita, sea consistente con el progreso técnico, sin violar la validez de las restricciones adicionales de momentos utilizados por el estimador de GMM en sistema. La consistencia del estimador GMM depende de la validez de los supuestos, en donde se asume que el término de error no presenta correlación serial, y en la validez de los instrumentos. Para hacer frente a este problema, se utilizan dos pruebas de especificación sugeridas por Arellano y Bond (1991), Arellano y Bover (1995), Blundell y Bond (1998). La primera es la prueba de Sargan de restricción de sobre-identificación, la cual prueba la validez general de los instrumentos analizando la muestra análoga de condiciones de momentos utilizados en el proceso de estimación. La segunda prueba, examina la hipótesis que el término de error

no presenta correlación serial. Se prueba si el término de error en diferencias

presenta correlación serial de segundo orden (por construcción, el término de error en diferencia, probablemente sea sujeto a correlación serial de primer orden aun si el termino de error original no lo tenga). No rechazar la hipótesis nula de ambas pruebas da apoyo a nuestro modelo. Ambos modelos (primeras diferencias y sistema) presentan ciertos problemas cuando se aplica a muestras con un número pequeño de unidades de sección cruzada. Como se demuestra por Arellano y Bond (1991) y Blundell y Bond (1998), los errores estándar asintóticos del estimador en dos etapas se encuentran sesgados hacia abajo. El estimador en una etapa, no obstante, es asintóticamente ineficiente en relación a él estimador en dos etapas, aun en el caso de homocedasticidad en el término de error. En consecuencia, mientras los coeficientes estimados en el estimador en dos etapas son asintóticamente más eficientes, la inferencia asintótica del error estándar del estimador en una etapa podría ser más confiable. Este problema se agrava cuando el número de instrumentos es igual o mayor a el número de unidades de sección cruzada, dando como resultados sesgo hacia abajo en los errores estándar y en la prueba de Sargan. 29

En nuestro estudio hacemos frente a estos problemas de la siguiente forma: (1) consideramos los resultados de los estimadores en una etapa, debido a que mientras que los coeficientes estimados son menos eficientes, los errores estándar asintóticos no se encuentran sesgados. (2) se realizó corrección de la matriz de covarianza para muestras pequeñas, dando como resultado la prueba estadística t en lugar de z para los coeficientes y prueba F en lugar de prueba

para la prueba de ajuste global.

4 Resultados En esta sección analizaremos los resultados de aplicar el estimador GMM sistema en nuestro modelo de crecimiento. Antes de comenzar tenemos que mencionar las siguientes consideraciones. Primero, las variables de nuestro análisis están expresadas como desviaciones de la media en el tiempo, lo cual elimina la necesidad de variables ficticias de tiempo, así como cumplir con las propiedades que se señalan en la sección de metodología. Segundo, para poder tener parámetros que nos sirvan como referencia para medir la validez de nuestros resultados, se calcula los estimadores de mínimos cuadrados (MCO) y mínimos cuadrados con variables ficticias (LSDV); valores por fuera o muy cercanos al rango de los estimadores MCO y LSDV indicarían problemas de sesgo, del cual se da una explicación detallada en la sección de metodología. Tercero, aunque el objetivo de análisis no es propiamente la convergencia, se calcula la λ implícita (velocidad convergencia) como un indicador adicional, para poder comparar con investigaciones similares y poder corroborar la validez y robustez de nuestros resultados. Cuarto, se calcula el estimador GMM en primera diferencias para evidenciar el sesgo que existe por la alta persistencia de las series. Quinto, la estimación del GMM sistema, se realizó con 3 tipos diferentes de matrices de covarianza del error, ver el Apéndice F para una explicación detallada.

4. 1 Estimador GMM Sistema: 1 y 2 Pasos La Tabla 3 muestra los resultados de la estimación del GMM sistema de nuestro modelo de crecimiento con las variables de rentabilidad y desarrollo financiero; el estimador se selecciona de acuerdo a los siguientes criterios, i) prueba de significancia conjunta F11, ii) el mínimo error estándar, iii) pruebas de Sargan y Hansen de correlación serial de segundo orden y sobreidentificación de los instrumentos, respectivamente, iv) que el valor del estimador α se

11

Se realizó corrección para muestras pequeñas de la matriz de covarianza estimada, resultando como 2 pruebas: t en lugar de z para los coeficientes y F en lugar de Wald X de ajuste total.

30

encuentre dentro del rango del estimador de mínimos cuadrados ordinarios y mínimos cuadrados con variable ficticia, v) el valor de λ o velocidad de convergencia es similar a lo utilizado en otros análisis empíricos 2 a 4 %. En todos los casos el estimador de GMM diferencias α se encuentra cerca del valor o por debajo del estimador del estimador α de mínimos cuadrados con variable ficticia, lo cual es señal que las series son altamente persistentes Bond (2001) en favor del uso del estimador GMM sistema. Para un mayor detalle de los resultados de los estimadores véase el Apéndice G. La Tabla 3 muestra que las variables de rentabilidad bancaria (1) a (5) no son estadísticamente significativas, por ende no tienen un efecto directo en el crecimiento económico. La variable de desarrollo financiero (6) por el contrario, es estadísticamente significativa al 10%, con signo positivo. Las demás variables del estimador GMM sistema en (6) son significativas con el signo y valor esperado a excepción del gasto de gobierno como porcentaje del PIB, el valor de α