Post on 02-Jul-2022
1
SENSIBILIDAD DEL CRÉDITO ANTE VARIACIONES DE LA TASA DE INTERÉS
EN COLOMBIA: UNA APROXIMACIÓN CON DATOS PANEL
JANIER VELÁSQUEZ FIGUEROA
UNIVERSIDAD DEL VALLE
FACULTAD DE CIENCIAS SOCIALES Y ECONÓMICAS
PROGRAMA ACADÉMICO DE ECONOMÍA
SANTIAGO DE CALI
2015
2
SENSIBILIDAD DEL CRÉDITO ANTE VARIACIONES DE LA TASA DE INTERÉS
EN COLOMBIA: UNA APROXIMACIÓN CON DATOS PANEL
JANIER VELÁSQUEZ FIGUEROA
TRABAJO DE GRADO PARA OPTAR POR EL TÍTULO DE
ECONOMISTA
DIRECTOR:
INÉS MARÍA ULLOA VILLEGAS
UNIVERSIDAD DEL VALLE
FACULTAD DE CIENCIAS SOCIALES Y ECONÓMICAS
PROGRAMA DE ECONOMÍA
SANTIAGO DE CALI
2015
3
CONTENIDO
INTRODUCCIÓN 8
1. REVISIÓN DE LA LITERATURA 9
1.1. Estado del arte a nivel internacional 9
1.2. Evidencia y estudios para Colombia 9
2. MARCO TEÓRICO 13
3. DESCRIPCIÓN DE LOS DATOS 15
4. METODOLOGÍA 24
5. ESTIMACIONES 26
6. CONCLUSIONES 31
7. REFERENCIAS BIBLIOGRÁFICAS 33
8. ANEXOS 36
4
TABLAS
Tabla 1: Principales fusiones y adquisiciones en el mercado bancario
Colombiano entre el 2002 y el 2012.
15
Tabla 2: Participación de los bancos en los segmentos de mercado de créditos
de consumo y tarjetas de crédito.
16
Tabla 3: Estimación del modelo con cambio de intercepto y pendiente por
mínimos cuadrados ordinarios generalizados factibles (FGLS)
26
Tabla 4: Intercepto y sensibilidad estimada. 28
5
GRÁFICOS
Gráfico 1: Participación mensual de los diferentes bancos en los segmentos de
mercado de créditos de consumo y tarjetas de crédito. Mayo de 2002 a marzo
de 2014.
17
Gráfico 2: Montos desembolsados de créditos de consumo y tarjetas de crédito.
Mayo de 2002 a marzo de 2014.
18
Gráfico 3: Tasa de interés efectiva anual para las colocaciones de créditos de
consumo y tarjetas de crédito. Mayo de 2002 a marzo de 2014.
19
Gráfico 4: Tasa de interés corriente y de usura, frente a las tasas de interés de
créditos de consumo de los dos bancos con mayor participación en estos
segmentos del mercado. Mayos de 2002 y marzo de 2014.
20
Gráfico 5: Tasa de interés corriente y de usura, frente a las tasas de interés de
las tarjetas de crédito de los dos bancos con mayor participación en estos
segmentos del mercado. Mayos de 2002 y marzo de 2014.
20
Gráfico 6: Diagrama de dispersión entre la tasa de interés y las colocaciones
de los créditos de consumo por banco. Mayo de 2002 a marzo de 2014.
21
Gráfico 7: Diagrama de dispersión entre la tasa de interés y las colocaciones de
tarjetas de crédito. Mayo de 2002 a marzo 2014.
23
Gráfico 8: Sensibilidad estimada. 29
6
ANEXOS
Anexo 1: Estimación modelo de créditos de consumo usando efectos fijos. 36
Anexo 2 : Prueba de correlación contemporánea modelo de créditos de consumo
por efectos fijos. 37
Anexo 3: Prueba de heterocedasticidad modelo de créditos de consumo. 37
Anexo 4: Prueba de correlación serial modelo de créditos de consumo. 37
Anexo 5: Estimación modelo de créditos de consumo usando efectos fijos. 38
Anexo 6: Prueba de correlación contemporánea modelo tarjetas de crédito. 39
Anexo 7: Prueba de heterocedasticidad modelo tarjetas de crédito. 39
Anexo 8: Prueba de correlación serial modelo tarjetas de crédito. 39
Anexo 9: Estimación FGLS modelo créditos de consumo. 40
Anexo 10: Estimación FGLS modelo tarjetas de crédito. 41
7
RESUMEN
En esta investigación se estima que tan sensibles son las colocaciones de créditos de
consumo y tarjetas de crédito ante variaciones en la tasa de interés del mercado de crédito en
Colombia, durante el periodo mayo de 2002 a marzo de 2014. Esta relación entre tasa de
interés y colocación de crédito no ha sido explorada en la literatura nacional. Además se hace
un pequeño análisis de la estructura de estos dos segmentos del mercado financiero
colombiano, evaluando la incidencia de la concentración bancaria sobre la sensibilidad
estimada.
Clasificación JEL: C23, E21, E41, E44, E51, E52, E58, G11, G14, G18, G21
Palabras claves: datos panel, créditos de consumo, tarjetas de crédito, sensibilidad del crédito,
tasa de interés.
8
INTRODUCCIÓN
A finales del siglo XX la economía colombiana atravesó la mayor crisis económica de la
historia reciente. Después de esta drástica recesión la recomposición y las reformas del
sistema financiero no se hicieron esperar. Sin embargo, la recuperación ha sido lenta y la
bancarización y la profundización financiera ha avanzado en el marco del crecimiento de la
intermediación financiera en Colombia.
Teniendo en cuenta el crecimiento del crédito y los cambios en la estructura del sector
bancario en Colombia, es necesario preguntarse, si la forma en la que los bancos fijan sus
tasas de interés redunda en que los clientes migren hacia bancos con créditos más baratos.
Además en este trabajo se analiza si esta relación entre la colocación de crédito y tasa de
interés se ve afectada por la participación relativa de determinados bancos, dado que en el
periodo analizado la cantidad de bancos en el mercado se redujo.
Como esta dinámica no ha sido explorada en la literatura nacional se propone estimar la
sensibilidad de los créditos de consumo y de las tarjetas de crédito ante variaciones de la tasa
de interés respectiva. Al contar con los datos de la colocación de estos dos tipos de crédito y
las tasas de interés de ambos segmentos del mercado de crédito en Colombia, solo se puede
calcular la sensibilidad y no la elasticidad de la tasa de interés, pues no se pudo identificar la
oferta ni la demandad como tal, solo la realización de estas en ambos segmentos del mercado
de crédito en Colombia y cuyos datos se toman de la Súper Intendencia Financiera de
Colombia.
Para esto se estima un modelo de datos panel balanceado, para el periodo ya mencionado, de
las colocaciones y tasas de interés de estos dos segmentos del mercado financiero, para
quince bancos, con información disponible en la Superintendencia Financiera.
Este documento se encuentra dividido en seis secciones, donde se hace una introducción al
cuestionamiento planteado, una revisión de la literatura asociada, el marco teórico, una
descripción de los datos utilizados, un breve esbozo de los datos panel, los resultados de la
estimación y por último están las conclusiones.
9
1. REVISIÓN DE LA LITERATURA
1.1. Estado del arte a nivel internacional
A nivel internacional se encuentran los trabajos de Annim (2009), quien examina la
sensibilidad del microcrédito frente a variaciones en la tasa de interés en Ghana. Attanasio,
Goldberg y Kyriazidou (2000), utilizan un enfoque cuasi-experimental muestran que la
elasticidad del crédito también dependen del plazo y el monto y no únicamente de la tasa de
interés. Karlan y Zinman (2005) estiman la elasticidad de los créditos frente al precio, para
una muestra aleatoria de más de 50 mil hogares prestatarios en Sur-África y encuentran que
la elasticidad1 de la colocación de crédito no es mayor a 0.5 y que en buena medida está
asociado a las restricciones de liquidez que presentan los individuos de la muestra.
En Hungría, Holló (2010) estimó la elasticidad precio de los créditos de consumo por medio
de un random coeficient logit (RCL), utilizando datos de los créditos de consumo del Magyar
Nemzeti Bank entre marzo del 2004 y Agosto del 2007. En este trabajo encontró que en
promedio un aumento del 1% en la tasa de interés conduce a una reducción de 3.78 % de los
créditos de consumo.
Stavins (1996) estima la elasticidad tasa de interés vía tarjetas de crédito, empleando datos
obtenidos mediante encuestas realizadas entre 1990 y 1995 por la Reserva Federal a los 200
bancos emisores de tarjetas de crédito más grandes de los Estados Unidos. La autora
encuentra que las características de cada banco influían sobre los créditos.
1.2. Evidencia y estudios para Colombia
El sector bancario y la importancia del sector financiero en Colombia ha sido el foco de
investigación de diferentes investigaciones. Por un lado se tiene el trabajo de la ANIF (2011)
donde se analiza el mercado crediticio Colombiano utilizando datos trimestrales desde el
2002 hasta el 2010. En este trabajo se realiza una estimación de la elasticidad precio de las
carteras de crédito de consumo, comercial e hipotecario frente a cambios en diferentes tasas
1 En varios trabajos nacionales e internacionales se plantea la estimación de la elasticidad del crédito
ante la tasa de interés. Sin embargo en este trabajo se plantea la estimación de la sensibilidad (y no
elasticidad), puesto que no es generalmente no es identificable la demanda de crédito. Lo que se
observa es la realización del mercado, producto de la oferta y la demanda.
10
de interés, por medio de modelos de ecuaciones simultaneas aparentemente no
correlacionadas. En este trabajo se encuentro que la cartera más elástica respecto a la tasa de
interés es la hipotecaria (-0.9), seguida de la cartera de consumo (-0.6) y, por último, la
comercial (-0.1).
En torno a la concentración del sector bancario se tienen los trabajos de Estrada (2005), ANIF
(2006), Contreras (2012) y Morales y Zamudio (2013). Estos autores coinciden en que el
sector bancario se ha consolidado vía fusiones y adquisiciones, lo que ha llevado a una
concentración del mercado en una menor cantidad bancos. Ellos argumentan que esta
concentración no ha redundado en un mercado bancario con menos competencia, ni con
menor estabilidad financiera.
Dado el grado de profundización2 del sistema financiero colombiano se hace importante
entender la dinámica de este mercado, haciendo un énfasis en particular sobre los
determinantes de la escogencia de un crédito en un banco específico y los factores que
permiten que un colombiano tenga acceso a un crédito. Sobre ésta línea se sitúa el trabajo de
Flórez, Posada y Escobar (2005), quienes utilizando un modelo de equilibrio, plantean la
relación entre créditos, depósitos y tasas de interés. Urrutia y Namen (2011) realizan un
estudio de la historia del crédito hipotecario, donde muestran la evolución del sistema
financiero colombiano y la importancia de algunos servicios financieros a lo largo de siglo
XX.
Steiner, Barajas y Salazar (1998), estudian la influencia de diferentes reformas (incluida la
Ley 9 de 1991 la cual dio vía libre a la inversión extranjera en este mercado) sobre la
estructura del mercado bancario y los márgenes de intermediación financiera durante la
década de los noventa en Colombia. Haciendo uso de datos de panel los autores sugieren que
los bancos colombianos operan en un mercado que no es competitivo, donde hay un margen
del 26 % entre la tasa de interés de colocación y la de captación; los autores muestran además
que tanto los bancos oficiales como los privados incurren en prácticas no competitivas.
Duque (2004), analiza la estructura del mercado de la intermediación financiera en Colombia
entre 1998 y el 2004. El autor encuentra que la intermediación financiera en Colombia
2 Entendiendo la profundización financiera como el incremento de la población con acceso a
servicios financieros.
11
atravesó por un periodo de consolidación y fortalecimiento que generó una importante
reducción en el número de agentes y que, consecuentemente, generó una mayor
concentración del mercado, sin que pueda considerarse una estructura de mercado
oligopólica. En ésta misma línea está el trabajo de Mesa y Marín (2005), en el cual los autores
muestran como la reducción y consolidación del mercado bancario se dio en el marco de un
proceso de liberalización y apertura económica, donde las fusiones y adquisiciones entre los
operadores financieros fueron el resultado de aumentar la exposición del sector real y el
sector financiero a la competencia externa.
De manera similar García y Gómez (2009), estudian cuales fueron los determinantes de las
fusiones y adquisiciones en el sistema financiero colombiano entre 1990 y el 2007, utilizando
modelos de duración para evaluar el impacto de variables tanto microeconómicas como
macroeconómicas sobre la probabilidad de experimentar operaciones de integración. En este
estudio muestran que el tamaño, la eficiencia y el grado de concentración del mercado, tienen
efectos positivos sobre la probabilidad de experimentar este tipo de operaciones. Sin
embargo, la estabilidad, rentabilidad y apalancamiento reducen ésta probabilidad, en especial
durante periodos macroeconómicos favorables.
Por otro lado Tafur (2009), utiliza un enfoque descriptivo, para mostrar la importancia de la
bancarización para los países en vía de desarrollo. Muestra como en el caso de Brasil y Perú,
una mayor bancarización produjo un mayor nivel de crecimiento económico y recalca la
importancia del microcrédito para profundizar la bancarización en Colombia.
Alrededor de esta temática gira el trabajo de Echeverry y Fonseca (2006). Ellos analizan el
funcionamiento de los canales mediante los cuales una mayor bancarización contribuye a un
mayor crecimiento. Los autores estudian el periodo entre 1993 y 2002, usando datos del
Centro de Estudios sobre Desarrollo Económico (CEDE) y la Superintendencia Financiera y
encuentran que el acceso al crédito y a medios para depositar ahorros en el sector bancario
contribuye a reducir el nivel de pobreza. Al tiempo estos factores influyen positivamente
sobre la decisión de los hogares de mantener a sus hijos en la educación secundaria.
Con la profundización del sistema financiero en Colombia como política de Estado, se ha
buscado que todos los sectores sociales de Colombia tengan acceso de una u otra forma al
sistema bancario. No obstante, como muestran Gómez y Zamudio (2012), la población
12
colombiana en general carece de hábitos financieros saludables; es decir son financieramente
“incapaces” y no tienen tendencia al ahorro.
Murcia (2007) estudia que determina que los hogares colombianos tengan acceso al crédito.
Utilizando datos de la Encuesta de Calidad de Vida del 2003, encuentra que los hogares con
mayor riqueza tienen una mayor probabilidad de recibir un crédito. Adicionalmente
muestran que la ubicación geográfica, los años de educación, el acceso a la seguridad social,
el hecho de ser beneficiario de un subsidio de vivienda y la edad aumentan la probabilidad
de adquirir servicios financieros.
Escobar y Gómez (2011) estudian los determinantes del margen de intermediación financiera
para el periodo 2000-2010. Utilizan información de 16 bancos comerciales y encuentran que
el margen de intermediación está determinado principalmente por los costos operativos
medios, el grado de aversión al riesgo, los ingresos por comisiones, el apalancamiento,
la medida de dispersión de los tipos de interés, el tamaño de la cartera crediticia y la
estructura de mercado. Adicionalmente argumentan que el gobierno puede influir en los
márgenes de intermediación financiera vía manejo de tasas de interés e impuestos
regulatorios como los encajes.
La literatura alrededor del sector financiero y el mercado bancario es abundante, pero no se
ha explorado la sensibilidad del crédito de consuma ante variaciones de la tasa de interés de
dichos créditos y los efectos que pueda tener la estructura del mercado sobre esta sensibilidad
calculada.
13
2. MARCO TEÓRICO
Para entender la importancia de la relación entre tasa de interés y el crédito de consumo, se
plantea un marco teórico basado en los aportes de Friedman (1957) y Modigliani (1954),
quienes micro-fundamentan el comportamiento del consumo, al proponer las hipótesis del
ingreso permanente (HIP) y el ciclo vital (HCV).
Siguiendo la notación de Fernandez - Corugedo (2004) la HIP plantea que los consumidores
planean sus gastos sobre la base de los ingresos que esperan tener disponibles durante su
vida. Friedman plantea que el ingreso está formado por dos componentes: uno permanente
(𝑌𝑝) y otro transitorio (𝑌𝑡) . Además Friedman argumenta que algunos de los factores
asociados a la variación del ingreso transitorio son particulares y específicos para cada
consumidor, por lo que para el agregado el valor esperado del componente transitorio es cero.
Del mismo modo, los gastos de consumo también se pueden separar en sus componentes
permanente (𝑐𝑝) y transitorio (𝑐𝑡). En este sentido el componente que se asocia con el nivel
de consumo que maximiza la utilidad vitalicia es el consumo permanente, al tiempo que el
consumo transitorio está asociado con todos los otros factores particulares de corto plazo. De
acuerdo a lo anterior y en un escenario sin incertidumbre tendríamos que el consumo total
sería entonces la suma de los dos componentes, matemáticamente y en su forma más general
la HIP se puede representar de la siguiente forma:
𝑐𝑝 = 𝑘 (𝑟, 𝑤, 𝑢). 𝑦𝑝 (1)
y = yp + yt (2)
c = cp + ct (3)
Donde las letras 𝑦 y 𝑐 denotan los valores observables del ingreso y el consumo
respectivamente, r es la tasa de interés, w es la razón riqueza/ ingreso y u se refiere las
preferencias de los consumidores. La ecuación (1) define la relación entre el ingreso
permanente y el consumo permanente de una forma general.
Modigliani (1954) también considera agentes que maximizan su utilidad vitalicia, pero se
centra en la evolución tanto del ingreso como del consumo del hogar. La diferencia
fundamental entre la HCV y la HIP radica en que la HCV reconoce el carácter finito del ciclo
de vida de los hogares, por lo que considera las variaciones intrínsecas del ingreso a lo largo
14
de la vida de las personas. Por lo tanto tiene en cuenta factores como el envejecimiento, el
retiro, el cambio en las necesidades familiares, entre otras. De acuerdo con su hipótesis del
ciclo vital (HCV) los agentes maximizan su consumo a lo largo de la vida, transfiriendo
ingresos de los periodos donde éste es más alto, hacia los periodos donde es más bajo de la
época económicamente activa al periodo de inactividad económica.
La idea de Modigliani y Friedman era que los agentes intentaban mantener un consumo
relativamente estable a lo largo de la vida. De acuerdo con éstas hipótesis se deduce que en
esencia los agentes pueden decidir cómo suavizar su consumo a lo largo del tiempo. Una
opción es por medio del ahorro y la autofinanciación y la otra es por medio de un crédito con
alguna institución financiera.
Sin embargo al aceptar créditos por un banco se cambia recursos financieros del futuro por
recursos de hoy. La tasa con que se cambia recursos financieros de hoy por recursos
financieros del futuro se determina con la tasa de interés actual. Del mismo modo en que un
tipo de cambio permite convertir un valor expresado en una moneda, en un valor expresado
en otra; la tasa de interés permite transformar los recursos financieros de un punto en el
tiempo a otro. Básicamente una tasa de interés es igual a un tipo de cambio a través del
tiempo; muestra el precio de mercado de hoy para el futuro.
De lo anterior se puede deducir la importancia de la financiación del consumo y como esta
financiación responde a variaciones de la tasa de interés. Dicho de otra forma la importancia
de cuantificar el impacto de las variaciones de la tasa de interés sobre la colocación de
créditos.
15
3. DESCRIPCIÓN DE LOS DATOS
A continuación un análisis descriptivo de los datos del mercado de créditos de consumo y
tarjetas de crédito en Colombia. Siguiendo a Escobar y Gómez (2011) y utilizando datos de
la Superintendencia Financiera, se organiza un panel mensual balanceado con datos de 15
bancos desde Mayo del 2002 hasta Marzo del 2014. Debido a las fusiones y adquisiciones
presentadas en el periodo estudiado, se escogieron estos bancos dado que los datos están
completos para toda la muestra. Los bancos de la muestra son: AV Villas, Banco Agrario,
Banco Caja Social BCSC, Banco Corpbanca, Banco de Bogotá, Banco de Occidente, Banco
GNB Sudameris, Banco Popular, Bancolombia, BBVA Colombia, Citibank, Colpatria Red
Multibanca, Davivienda, GNB Colombia, Helmbank.
Tabla 1: Principales fusiones y adquisiciones en el mercado bancario Colombiano
entre el 2002 y el 2012
BANCO ALIADAS Absorbido por el Banco de Occidente en el 2004
BANCAFE Absorbido por Davivienda en el 2006
BANCO COLMENA Absorbido Banco Caja Social BCSC en agosto del 2011
CONAVI Absorbido por Bancolombia en noviembre del 2006
BANCO GNB SUDAMERIS Integración entre el Banco Sudameris Colombia y el Banco
Tequendama en junio 2005
BANCO GRANAHORRAR Absorbido por el BBVA en noviembre del 2005
BANCO MEGABANCO Absorbido por el Banco de Bogotá en noviembre del 2006
BANCO SUPERIOR Absorbido por Davivienda en diciembre del 2004
BANCO UNIÓN COLOMBIANO Absorbido por el Banco de Occidente en el 2005
BANKBOSTON Absorbido por el Banco de Bogotá a finales del 2004
BANCO GNB COLOMBIA** Adquirió el control accionario del Banco HSBC Colombia, pero se
mantiene independiente del Banco GNB SUDAMERIS
Fuente: Superintendencia Financiera
Al analizar la estructura del mercado se observa que el mercado bancario se concentró como
resultado de las diferentes fusiones y adquisiciones (Tabla 1). Aquí se muestran algunas de
las ocurridas en el periodo analizado.
16
Tabla 2: Participación de los bancos en los segmentos de mercado de créditos de
consumo y tarjetas de crédito.
ENTIDAD
Participación
Créditos de
consumo dic-
2002
Participación
tarjetas de
crédito dic-
2002
Participación
Créditos de
consumo dic-
2007
Participación
tarjetas de
crédito dic-
2007
Participación
Créditos de
consumo dic-
2013
Participación
tarjetas de
crédito dic-
2013
BANCOLOMBIA 13,30% 32,50% 13,15% 21,36% 19,54% 20,77%
DAVIVIENDA 12,38% 9,46% 11,67% 21,29% 14,54% 18,49%
BBVA COLOMBIA 8,46% 6,33% 8,74% 6,34% 11,26% 5,35%
BANCO DE BOGOTA 12,79% 10,66% 9,97% 9,52% 10,39% 9,92%
BANCO DE OCCIDENTE 3,74% 11,09% 7,25% 6,91% 8,79% 4,59%
BANCO POPULAR 12,05% 1,46% 10,78% 0,96% 7,29% 0,72%
CITIBANK 8,67% 6,93% 11,07% 10,94% 5,56% 13,13%
AV VILLAS 1,05% 0,13% 3,67% 1,13% 4,37% 2,36%
COLPATRIA RED MULTIBANCA 5,29% 8,76% 1,77% 9,70% 4,18% 16,68%
BANCO CAJA SOCIAL BCSC 14,62% 3,05% 6,26% 3,51% 3,46% 2,21%
BANCO GNB SUDAMERIS 0,36% 0,47% 7,03% 0,59% 3,44% 0,19%
BANCO CORBANCA * 1,79% 3,24% 4,41% 2,76% 3,24% 1,86%
HELM BANK 2,44% 1,76% 3,31% 2,34% 2,96% 2,44%
BANCO AGRARIO 1,12% 1,32% 0,29% 0,84% 0,88% 0,58%
GNB COLOMBIA ** 1,95% 2,84% 0,64% 1,82% 0,10% 0,71%
Fuente: Superintendencia Financiera. Elaboración propia
En la (Tabla 2) se observa como entre los primeros cinco bancos tienen más del 60 % de la
participación en ambos segmentos del mercado de crédito. También se observa que
Bancolombia resulta ser el principal prestatario de créditos de consumo con el 19.54% a
diciembre de 2013 y con el 20.77% de las colocaciones en tarjetas de crédito a diciembre de
2013. Por otro lado el GNB Colombia ostenta el último lugar con el 0.10% en colocación de
créditos de consumo a diciembre de 2013 y de igual forma el Banco Agrario también se ubica
en el último lugar con un 0.58% en colocación vía tarjetas de crédito a diciembre de 2013.
Estas cifras constituyen muestras claras del grado de concentración que existe en el mercado
financiero del país.
En el (Gráfico 1) se pueden observar los cambios en la participación de la cartera de créditos
de los diferentes bancos a lo largo del tiempo. Se puede ver como el Banco Caja Social
BCSC, Banco Popular y Citibank muestran una caída en su participación, mientras que otros
bancos como Bancolombia, AV Villas, Banco de Occidente, Banco de Bogotá, Davivienda
y BBVA evidencian una fuerte volatilidad que no permite concluir si tienen una tendencia
creciente o decreciente. En el mercado de tarjetas de crédito se puede ver como Bancolombia
17
perdió participación, cediéndosela a Helm Bank, Colpatria y Davivienda, quienes
evidenciaron incrementos en la participación.
Gráfico 1: Participación mensual de los diferentes bancos en los segmentos de
mercado de créditos de consumo y tarjetas de crédito. Mayo de 2002 a marzo de
2014.
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
AV VILLAS
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO AGRARIO
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO CAJA SOCIAL BCSC
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO CORBANCA *
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO DE BOGOTA
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO DE OCCIDENTE
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO GNB SUDAMERIS
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO POPULAR
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCOLOMBIA
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
BBVA COLOMBIA
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
CITIBANK
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
COLPATRIA RED MULTIBANCA
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
DAVIVIENDA
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
GNB COLOMBIA **
.0
.1
.2
.3
.4
02 03 04 05 06 07 08 09 10 11 12 13 14
PART_CC PART_TC
HELM BANK
Fuente: Superintendencia Financiera. Elaboración propia.
18
Gráfico 2: Montos desembolsados de créditos de consumo y tarjetas de crédito. Mayo
de 2002 a marzo de 2014
0
50,000
100,000
150,000
200,000
250,000
02 03 04 05 06 07 08 09 10 11 12 13 14
AV VILLAS
0
5,000
10,000
15,000
20,000
25,000
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO AGRARIO
0
40,000
80,000
120,000
160,000
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO CAJA SOCIAL BCSC
0
40,000
80,000
120,000
160,000
200,000
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO CORBANCA *
0
100,000
200,000
300,000
400,000
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO DE BOGOTA
0
40,000
80,000
120,000
160,000
200,000
240,000
280,000
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO DE OCCIDENTE
0
40,000
80,000
120,000
160,000
200,000
240,000
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO GNB SUDAMERIS
0
100,000
200,000
300,000
400,000
500,000
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO POPULAR
0
200,000
400,000
600,000
800,000
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCOLOMBIA
0
100,000
200,000
300,000
400,000
500,000
600,000
02 03 04 05 06 07 08 09 10 11 12 13 14
BBVA COLOMBIA
0
100,000
200,000
300,000
400,000
02 03 04 05 06 07 08 09 10 11 12 13 14
CITIBANK
0
100,000
200,000
300,000
400,000
500,000
02 03 04 05 06 07 08 09 10 11 12 13 14
COLPATRIA RED MULTIBANCA
0
100,000
200,000
300,000
400,000
500,000
600,000
02 03 04 05 06 07 08 09 10 11 12 13 14
DAVIVIENDA
0
40,000
80,000
120,000
160,000
200,000
02 03 04 05 06 07 08 09 10 11 12 13 14
GNB COLOMBIA **
0
20,000
40,000
60,000
80,000
100,000
02 03 04 05 06 07 08 09 10 11 12 13 14
MONTO_CC MONTO_TC
HELM BANK
Fuente: Superintendencia Financiera. Elaboración propia, montos en miles de millones.
Los montos desembolsados en ambos mercados muestran una tendencia creciente para la
mayoría de los bancos. El banco GNB Colombia es el único que no muestra un
comportamiento creciente en ninguno de los dos segmentos de mercado. También se hace
evidente que a pesar de mostrar una tendencia creciente, muchos bancos muestran una mayor
variabilidad en las colocaciones, tanto en créditos de consumo como en tarjetas de crédito.
19
Gráfico 3: Tasa de interés efectiva anual para las colocaciones de créditos de consumo
y tarjetas de crédito. Mayo de 2002 a marzo de 2014.
16
20
24
28
32
36
02 03 04 05 06 07 08 09 10 11 12 13 14
AV VILLAS
12
16
20
24
28
32
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO AGRARIO
16
20
24
28
32
36
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO CAJA SOCIAL BCSC
10
15
20
25
30
35
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO CORBANCA *
15
20
25
30
35
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO DE BOGOTA
12
16
20
24
28
32
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO DE OCCIDENTE
10
15
20
25
30
35
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO GNB SUDAMERIS
12
16
20
24
28
32
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCO POPULAR
10
15
20
25
30
35
02 03 04 05 06 07 08 09 10 11 12 13 14
BANCOLOMBIA
10
15
20
25
30
35
02 03 04 05 06 07 08 09 10 11 12 13 14
BBVA COLOMBIA
16
20
24
28
32
36
02 03 04 05 06 07 08 09 10 11 12 13 14
CITIBANK
16
20
24
28
32
36
02 03 04 05 06 07 08 09 10 11 12 13 14
COLPATRIA RED MULTIBANCA
15
20
25
30
35
02 03 04 05 06 07 08 09 10 11 12 13 14
DAVIVIENDA
10
15
20
25
30
35
02 03 04 05 06 07 08 09 10 11 12 13 14
GNB COLOMBIA **
10
15
20
25
30
35
02 03 04 05 06 07 08 09 10 11 12 13 14
TASA_CC TASA_TC
HELM BANK
Fuente: Superintendencia Financiera. Elaboración propia, tasa efectiva anual.
En el (Gráfico 3) se puede observar un comportamiento cíclico al tiempo que se observa
como las tasas de interés de las tarjetas de crédito son más altas que sus contrapartes para los
créditos de consumo en todos los bancos la mayoría del tiempo.
Al analizar las series del monto de los créditos y la tasa de interés (Gráfico 2 y 3), se
evidencian tendencias contrarias en el comportamiento de las colocaciones y las respectivas
tasa de interés, pues en la mayoría de los banco se observa como reducciones en la tasa de
interés van acompañadas de aumentos en los montos desembolsados y viceversa. Además se
20
puede observar como las tasas de interés de los bancos muestran una tendencia a subir y
bajar al unísono.
Gráfico 4: Tasa de interés corriente y de usura, frente a las tasas de interés de créditos
de consumo de los dos bancos con mayor participación en esto segmento del mercado.
Mayo de 2002 y marzo de 2014.
Fuente: Superintendencia Financiera. Elaboración propia, tasa efectiva anual.
Gráfico 5: Tasa de interés corriente y de usura, frente a las tasas de interés de las
tarjetas de crédito de los dos bancos con mayor participación en este segmento del
mercado. Mayo de 2002 y marzo de 2014.
Fuente: Superintendencia Financiera. Elaboración propia, tasa efectiva anual.
12
14
16
18
20
22
24
26
28
30
32
34
may
.-02
nov.-
02
may
.-03
nov.-
03
may
.-04
nov.-
04
may
.-05
nov.-
05
may
.-06
nov.-
06
may
.-0
7
nov.-
07
may
.-08
nov.-
08
may
.-09
nov.-
09
may
.-10
nov.-
10
may
.-11
nov.-
11
may
.-12
nov.-
12
may
.-13
nov.-
13
BANCO POPULAR
BANCOLOMBIA
BANCARIA
CORRIENTE
USURA
12
14
16
18
20
22
24
26
28
30
32
34
may
.-02
nov.-
02
may
.-03
nov.-
03
may
.-04
nov.-
04
may
.-05
nov.-
05
may
.-06
nov.-
06
may
.-07
nov.-
07
may
.-08
nov
.-0
8
may
.-09
nov.-
09
may
.-10
nov.-
10
may
.-11
nov.-
11
may
.-12
nov.-
12
may
.-13
nov.-
13
BANCO POPULAR
BANCOLOMBIA
BANCARIA CORRIENTE
USURA
21
En el (Gráfico 4) y en el (Gráfico 5) se puede observar como los movimientos de la tasa
bancaria corriente y la de usura dejan un amplio margen de acción para los bancos en
Colombia, pues la diferencia entre ambas tasas ronda 1500 puntos básicos. Lo que nos deja
claro este análisis es que los bancos operan más cerca a la tasa de usura, especialmente en el
segmento de las tarjetas de crédito.
Gráfico 6: Diagrama de dispersión entre la tasa de interés y las colocaciones de los
créditos de consumo por banco. Mayo de 2002 a marzo de 2014.
0
50,000
100,000
150,000
200,000
250,000
16 20 24 28 32
TASA_CC
MO
NT
O_
CC
AV VILLAS
0
5,000
10,000
15,000
20,000
25,000
12 16 20 24 28
TASA_CC
MO
NT
O_
CC
BANCO AGRARIO
0
40,000
80,000
120,000
160,000
18 20 22 24 26 28 30 32
TASA_CC
MO
NT
O_
CC
BANCO CAJA SOCIAL BCSC
0
40,000
80,000
120,000
160,000
200,000
12 16 20 24 28 32
TASA_CC
MO
NT
O_
CC
BANCO CORBANCA *
0
100,000
200,000
300,000
400,000
12 16 20 24 28
TASA_CC
MO
NT
O_
CC
BANCO DE BOGOTA
0
40,000
80,000
120,000
160,000
200,000
240,000
280,000
15.0 17.5 20.0 22.5 25.0 27.5 30.0
TASA_CC
MO
NT
O_
CC
BANCO DE OCCIDENTE
0
40,000
80,000
120,000
160,000
200,000
240,000
14 16 18 20 22 24 26
TASA_CC
MO
NT
O_
CC
BANCO GNB SUDAMERIS
0
100,000
200,000
300,000
400,000
500,000
15.0 17.5 20.0 22.5 25.0 27.5 30.0
TASA_CC
MO
NT
O_
CC
BANCO POPULAR
0
200,000
400,000
600,000
800,000
12 16 20 24 28 32
TASA_CC
MO
NT
O_
CC
BANCOLOMBIA
0
100,000
200,000
300,000
400,000
500,000
600,000
12 16 20 24 28 32
TASA_CC
MO
NT
O_
CC
BBVA COLOMBIA
0
50,000
100,000
150,000
200,000
250,000
300,000
16 20 24 28 32
TASA_CC
MO
NT
O_
CC
CITIBANK
0
50,000
100,000
150,000
200,000
16 20 24 28 32
TASA_CC
MO
NT
O_
CC
COLPATRIA RED MULTIBANCA
0
100,000
200,000
300,000
400,000
500,000
600,000
16 18 20 22 24 26 28
TASA_CC
MO
NT
O_
CC
DAVIVIENDA
0
40,000
80,000
120,000
160,000
200,000
12 16 20 24 28 32
TASA_CC
MO
NT
O_
CC
GNB COLOMBIA **
0
20,000
40,000
60,000
80,000
100,000
12 16 20 24 28
TASA_CC
MO
NT
O_
CC
HELM BANK
Fuente: Elaboración propia.
22
Al construir un diagrama de dispersión para colocaciones de en los bancos de la muestra
(Gráfico 6), se observa una relación negativa entre los montos de los créditos de consumo
colocados y la tasa de interés. Como se puede apreciar dicha relación negativa es un “hecho
estilizado” pero no es igual para todos los bancos de la muestra. Cabe resaltar el caso
particular del Banco Agrario que revela una tendencia positiva. Algo que se puede explicar
si se tiene en cuenta el tipo de clientes que solicitan un crédito en ésta institución: El sector
agrario en general y el campesinado que no son atendidos en otras instituciones y por lo tanto
colocación crédito agrario sin importar el costo. También se observa el caso del GNB
COLOMBIA cuya pendiente es relativamente inelástica, pues cambios en la tasa de interés
no tienen mayor impacto sobre la colocación de créditos de consumo en ese banco.
En el caso de las tarjetas de crédito (Gráfico 7), se pueden ver relaciones tanto negativas
como positivas al tiempo que los datos muestran mucha dispersión. Estos casos particulares
muestran la heterogeneidad de los bancos analizados y como las características particulares
pueden incidir la colocación de los créditos.
23
Gráfico 7: Diagrama de dispersión entre la tasa de interés y las colocaciones de
tarjetas de crédito por banco. Mayo 2002 a marzo 2014.
0
20,000
40,000
60,000
80,000
20 24 28 32 36
TASA_TC
MO
NT
O_
TC
AV VILLAS
0
4,000
8,000
12,000
16,000
20 22 24 26 28 30 32
TASA_TC
MO
NT
O_
TC
BANCO AGRARIO
0
20,000
40,000
60,000
80,000
16 20 24 28 32 36
TASA_TC
MO
NT
O_
TC
BANCO CAJA SOCIAL BCSC
0
20,000
40,000
60,000
80,000
16 20 24 28 32 36
TASA_TC
MO
NT
O_
TC
BANCO CORBANCA *
0
50,000
100,000
150,000
200,000
250,000
300,000
20 24 28 32 36
TASA_TC
MO
NT
O_
TC
BANCO DE BOGOTA
0
40,000
80,000
120,000
160,000
16 20 24 28 32
TASA_TC
MO
NT
O_
TC
BANCO DE OCCIDENTE
0
2,000
4,000
6,000
8,000
10,000
20 24 28 32 36
TASA_TC
MO
NT
O_
TC
BANCO GNB SUDAMERIS
0
10,000
20,000
30,000
40,000
18 20 22 24 26 28 30 32
TASA_TC
MO
NT
O_
TC
BANCO POPULAR
0
200,000
400,000
600,000
800,000
20 24 28 32 36
TASA_TC
MO
NT
O_
TC
BANCOLOMBIA
0
40,000
80,000
120,000
160,000
20 24 28 32 36
TASA_TC
MO
NT
O_
TC
BBVA COLOMBIA
0
100,000
200,000
300,000
400,000
20 24 28 32 36
TASA_TC
MO
NT
O_
TC
CITIBANK
0
100,000
200,000
300,000
400,000
500,000
20 24 28 32 36
TASA_TC
MO
NT
O_
TC
COLPATRIA RED MULTIBANCA
0
100,000
200,000
300,000
400,000
500,000
20 24 28 32 36
TASA_TC
MO
NT
O_
TC
DAVIVIENDA
0
10,000
20,000
30,000
40,000
16 20 24 28 32 36
TASA_TC
MO
NT
O_
TC
GNB COLOMBIA **
0
20,000
40,000
60,000
80,000
16 20 24 28 32 36
TASA_TC
MO
NT
O_
TC
HELM BANK
Fuente: Elaboración propia.
Por lo anterior se puede observar que el mercado de créditos de consumo y tarjetas de créditos
en Colombia se caracteriza por su heterogeneidad, por lo que se plantea modelar la relación
colocaciones y la respectiva tasa de interés por medio de modelos de datos panel.
24
4. METODOLOGÍA
Dado que para el periodo mayo de 2002 a marzo de 2014 se tiene información mensual de
quince bancos, para los montos colocados tanto en créditos de consumo como en tarjetas de
crédito y sus respectivas tasas, se construye un panel balanceado.
Se usa la metodología de estimación de datos panel, porque permite que la misma variable
transversal se analice a lo largo del tiempo. Wooldridge (2002) dice: “Tener datos en el
tiempo para las mismas unidades en sección transversal es útil por varias razones. Por un
lado, nos permite observar las relaciones dinámicas, algo que no podemos hacer con una
sola sección. Un panel de datos también nos permite controlar la heterogeneidad de la
sección transversal no observada”. Esto resulta ser justo lo que se necesita, ya que mientras
observamos la dinámica entre colocación y tasas de interés, también podemos controlar
factores inobservables asociados a cada banco y cómo éstos afectan esa relación.
Gujarati (2003), afirma que es la mejor metodología para el análisis de la dinámica del
movimiento, además proporciona una mayor cantidad de datos informativos, más
variabilidad, menos colinealidad entre las variables analizadas y es más eficiente para el
análisis de muchos datos.
A continuación se explica los aspectos centrales de esta metodología de estimación siguiendo
a Wooldridge (2002). Los datos panel se pueden caracterizar de la siguiente forma:
𝑦𝑖𝑡 = 𝑥′𝑖𝑡𝛽 + 𝑍𝑖𝛼 + 𝜀𝑖𝑡 (15) (4)
Donde 𝑌𝑖𝑡 es la variable dependiente, 𝑋′𝑖𝑡 son las variables regresoras, 𝑍𝑖𝛼 es la
heterogeneidad o el efecto individual, donde 𝑍𝑖contiene el término constante y un conjunto
de variables individuales o grupales, que pueden ser observadas o inobservadas.
Para efectos de las estimaciones se obtiene la siguiente ecuación:
𝑙𝑛(𝑀𝐶𝑖𝑡) = 𝛼0 + 𝛼1𝑙𝑛(𝑖𝑛𝑡𝑖𝑡) + 𝛼2𝑝𝑎𝑟𝑡𝑖𝑡 + 𝜀𝑖𝑡 (5)
Dónde:
ln(MCi,t): son los montos desembolsados del banco i, en el período t.
ln(inti,t): Es la tasa de interés relacionada con el monto del banco i, en el período t.
partit: es la participación porcentual del banco i en el periodo t
25
εi,t: Es el término de perturbación N~(0, σ2).
A partir de la ecuación se obtiene una función de colocación de créditos, la cual permite
estimar la sensibilidad de los créditos de consumo y tarjetas de crédito. Además se tiene en
cuenta la participación de cada banco en los diferentes momentos observados.
26
5. ESTIMACIONES
Como parte del ejercicio econométrico y con el fin de analizar qué tan diferente es la
sensibilidad entre los bancos de la muestra se opta por estimar el modelo usando un enfoque
de efectos fijos, permitiendo que además de cambios de intercepto el modelo también tenga
cambios de pendiente. De esta forma se modelan con relativa flexibilidad las diferencias entre
los bancos de la muestra, por lo que el modelo quedaría:
𝑙𝑛(𝑀𝐶𝑖𝑡) = 𝛼0 + 𝛼1𝑙𝑛(𝑖𝑛𝑡𝑖𝑡) + ∑ 𝛽𝑖𝑑𝑢𝑚𝑚𝑦𝑏𝑎𝑛𝑐𝑜𝑖𝑘1 + ∑ 𝛾𝑖 𝑑𝑢𝑚𝑚𝑦𝑏𝑎𝑛𝑐𝑜𝑖
𝑘1 ∗ 𝑙𝑛(𝑖𝑛𝑡𝑖𝑡) + 𝜀𝑖𝑡 (6)
Luego de realizadas las pruebas al modelo con cambio de pendiente, se encuentra evidencia
de problemas heterocedasticidad, correlación serial y correlación contemporánea (ver anexo
1, 2, 3 y 4). Por esta razón se estima usando mínimos cuadrados generalizados factibles
(FGLS).
Tabla 3: Estimación del modelo con cambio de intercepto y pendiente por mínimos
cuadrados ordinarios generalizados factibles (FGLS)
Modelo créditos de consumo Modelo tarjetas de crédito
INTERCEPTO
AV VILLAS 12.79*** 8.821***
BANCO AGRARIO -5.767*** 0.86
BANCO CAJA SOCIAL BCSC -1.25 0.98
BANCO CORBANCA * 0.38 0.99
BANCO DE BOGOTA -0.15 1.85
BANCO DE OCCIDENTE 2.719** 1.65
BANCO GNB SUDAMERIS -2.38 -0.34
BANCO POPULAR 2.462* 1.11
BANCOLOMBIA 0.06 0.66
BBVA COLOMBIA 0.73 1.21
CITIBANK -1.33 1.79
COLPATRIA RED MULTIBANCA 1.81 1.92
DAVIVIENDA -0.78 1.69
GNB COLOMBIA ** -1.91 1.35
HELM BANK 1.63 2.28
LOG(TASA)
AV VILLAS -0.8607** 0.17
BANCO AGRARIO 1.334** -0.44
27
BANCO CAJA SOCIAL BCSC 0.52 -0.12
BANCO CORBANCA * -0.16 -0.14
BANCO DE BOGOTA 0.20 -0.21
BANCO DE OCCIDENTE -0.7671* -0.17
BANCO GNB SUDAMERIS 0.66 -0.23
BANCO POPULAR -0.61 -0.40
BANCOLOMBIA 0.14 0.00
BBVA COLOMBIA -0.09 -0.06
CITIBANK 0.6240* -0.21
COLPATRIA RED MULTIBANCA -0.52 -0.24
DAVIVIENDA 0.43 -0.22
GNB COLOMBIA ** 0.25 -0.36
HELM BANK -0.77 -0.59
Participación 0.09053*** 0.09570***
chi2 8078.68 12786.02
Df 30.00 30.00
N 2145.00 2145.00
Fuente: cálculos propios, la significancia estadística está dada por * p<.05; ** p<.01; *** p<.001
En la (Tabla 3 y 4) se pueden apreciar los resultados de la estimación, en primer lugar queda
claro que la participación es estadísticamente significativa tanto en el mercado de créditos de
consumo como en el de tarjetas de crédito. En el caso de los créditos de consumo, el
coeficiente estimado dice que una variación del 1% en la participación incrementa en
promedio los montos desembolsados en un 9% tanto para los créditos de consumo como
para las tarjetas de crédito. Esto nos muestra la importancia del tamaño relativo del banco al
momento de competir en los mercados de crédito.
También se pueden apreciar como muchas de las dummys y las interacciones entre las
dummys y la tasa de interés, no resultan ser significativas, lo cual no implica que el logaritmo
de la tasa de interés no esté explicando la colocación de créditos de consumo, sino que las
diferencias entre los interceptos y pendientes de los bancos no son estadísticamente diferentes
del intercepto y la pendiente del banco AV Villas (categoría base).
De acuerdo a esto tenemos que la sensibilidad estimada para el banco AV Villas es de -0.86
y un intercepto de 12.79, esto nos dice que frente a un cambio del 1 % en la tasa de interés,
la colocación de créditos de consumo en este banco se disminuye en 0.86%.
28
Tabla 4: Intercepto y sensibilidad estimadas
Modelo crédito de consumo Modelo tarjetas de crédito
efecto fijo sensibilidad efecto fijo sensibilidad
AV VILLAS 12.790769 -0.86070452 8.8213376 0.17017957
BANCO AGRARIO 7.0232586 0.47352068 9.68599003 -0.26602781
BANCO CAJA SOCIAL BCSC 11.5385908 -0.3428314 13.77038767 0.04900639
BANCO CORBANCA * 13.17175625 -1.02402171 13.78452595 0.02921239
BANCO DE BOGOTA 12.63772877 -0.66043181 14.6407985 -0.04266709
BANCO DE OCCIDENTE 15.5100893 -1.62786539 14.4387013 -0.00232502
BANCO GNB SUDAMERIS 10.4063966 -0.2039926 12.44789405 -0.05942477
BANCO POPULAR 15.2531048 -1.46871852 13.9050875 -0.22552878
BANCOLOMBIA 12.84809488 -0.71714599 13.45108241 0.16687929
BBVA COLOMBIA 13.52217132 -0.94686946 14.0014789 0.10856556
CITIBANK 11.457053 -0.23669198 14.5762375 -0.03943487
COLPATRIA RED MULTIBANCA 14.5999547 -1.38098601 14.71306 -0.06578566
DAVIVIENDA 12.00931995 -0.42844375 14.4807268 -0.04574397
GNB COLOMBIA ** 10.8841401 -0.60780956 14.1452828 -0.18956437
HELM BANK 14.4176351 -1.63160986 15.0747379 -0.42461045
Fuente: cálculos propios
En la (Tabla 4) y el (Grafico 7) se puede apreciar como para los créditos de consumo el Banco Agrario
tiene una sensibilidad positiva. Lo que nos indica esto es que aumentos de la tasa de interés redundan
en incrementos de la colocación de crédito de consumo y esto se explica en la medida que se tenga
en cuenta el tipo de clientes de este banco, es decir que como estos tienen necesidades especiales de
crédito. Con esta excepción, todos los bancos de la muestra presentan sensibilidades negativas como
es de esperarse en un mercado competitivo. Por otro lado se observa como controlando los efectos
fijos y la participación en el mercado, el Helmbank, tiene una sensibilidad de -1.63 (la más alta de los
bancos de la muestra), seguido del banco de occidente con una sensibilidad de -1.62, estos valores
29
nos dicen que un cambio del 1% en la tasa de interés de estos bancos reduce la colocación de créditos
de consumo en 1.6%. Al mismo tiempo el banco GNB Sudameris y el CITYBANK muestran
sensibilidad negativas pero relativamente pequeñas (-0.2 y -0.23 respectivamente), denotando una
menor sensibilidad de la colocación de crédito frente a variaciones en la tasa de interés.
Gráfico 8: Sensibilidad estimada
Fuente: cálculos propios
-2
-1,5
-1
-0,5
0
0,5
1
Modelo créditos de consumo
sensibilidad
-0,5
-0,4
-0,3
-0,2
-0,1
0
0,1
0,2
Modelo tarjetas de credito
sensibilidad
30
Los resultados de la estimación para el mercado de colocaciones vía tarjetas de crédito, son
coherentes con lo que se observaba en el (Grafico 7) dado que hay bancos cuya sensibilidad
estimada es positiva, e incluso cuando son negativas, sus valores son relativamente pequeños
en comparación con la sensibilidad estimada para el mercado de crédito de consumo. Se
puede ver como los Banco AV Villas, Bancolombia, Banco BBVA, Banco Caja Social,
Banco Corpbanca, tienen sensibilidad estimada positivas, que indican que frente a
variaciones de la tasa de interés la colocación de crédito vía tarjetas de crédito aumenta. Sin
embargo se debe tomar este resultado con cuidado, pues como ya se mencionó la sensibilidad
estimada son relativamente pequeñas, lo que nos dice que la colocación de crédito vía tarjetas
de crédito es relativamente insensible o poco sensible y depende más de otros factores, una
vez controlado los efectos fijos y la participación relativa de cada banco.
31
6. CONCLUSIONES
Una vez estimados los modelos, se puede evidenciar que en el mercado de crédito de
consumo y tarjetas de crédito existe una relación entre variaciones de la tasa de interés y
cambios en la colocación de crédito, lo que denominamos en esta investigación como la
sensibilidad estimada de la colocación de créditos. Esta relación mostro ser bastante
heterogénea tanto entre los bancos como entre los diferentes segmentos del mercado de
crédito. Las sensibilidades estimadas confirman lo anterior, pues se encuentra que para el
mercado de créditos de consumo los aumentos de la tasa de interés redundan en reducciones
de la colocación de crédito, aunque cada banco es más o menos sensible. Así mismo las
sensibilidades estimadas para las tarjetas de crédito revelaron ser mucho menores, en
comparación con los créditos de consumo, en algunos casos las variaciones de la tasa de
interés no incidían sobre la colocación vía tarjetas de crédito. A pesar de lo anterior en ambos
mercados la participación relativa resulta ser muy significativa al momento de explicar la
colocación de crédito.
En este trabajo se analizaron dos segmentos del mercado de crédito, se tomaron datos de los
desembolsos y las tasas de interés para créditos de consumo y tarjetas de crédito, para 15
bancos. Cada banco mostro diferencias en la relación entre tasa de interés y colocación de
créditos, por lo que se seleccionó una metodología que permitiera modelar dichas diferencias.
Se optó por modelar la relación entre la colocación de créditos y la tasa de interés usando un
panel balanceado con los 15 bancos seleccionados.
Por medio del ejercicio econométrico, se evidencio la significancia estadística de las
diferentes características de los bancos a la hora de estimar la sensibilidad de la colocación
de créditos de consumo y tarjetas de crédito. Así mismo se encuentra evidencia estadística
que apoya la existencia de correlación contemporánea y heterocedasticidad entre los
diferentes bancos escogidos, lo que muestra el peso de la estructura de mercado al momento
de estimar la sensibilidad de la colocación de créditos de consumo ante variaciones de la tasa
de interés respectiva. Se encontró que los modelos presentaban signos de una fuerte auto
correlación, lo que implicaba que los modelos de efectos fijos planteados no utilizaban la
dinámica intertemporal de este mercado, una vez corregidos estos problemas se encuentra
que dichas sensibilidades estimadas, confirman por el lado del mercado de créditos de
32
consumo en Colombia, que aumentos en la tasa de interés en promedio reducen la colocación
de créditos de consumo. Mientras que para el mercado de colocaciones vía tarjeta de crédito,
la tasa de interés tenía un impacto relativamente pequeño y en algunos cosas, la sensibilidad
mostro ser positiva.
Al analizar los efectos fijos estimados se puede cuantificar el valor esperado del monto de
créditos de consumo que no depende de las variaciones de la tasa de interés, en este punto se
evidencian las disparidades en la colocación de crédito que tienen los diferentes bancos y
como hay factores diferentes a la tasa de interés que inciden sobre la colocación de créditos
de consumo.
El ejercicio econométrico revela la importancia de tener en cuenta las diferencias, entre los
bancos tanto en términos del intercepto como en pendiente, en conjunto los resultados
muestran que la relación entre tasa de interés y colocación de crédito, también se ve
influenciada por la participación relativa. Aunque es evidente que cada banco muestra una
sensibilidad diferente, sin embargo cabe preguntarse hasta qué punto incide la estructura del
mercado sobre la relación estudiada y que factores además de la tasa de interés determinan
la colocación de crédito en Colombia.
33
REFERENCIAS BIBLIOGRÁFICAS
ANIF. “Comportamiento Crediticio en Colombia: Un Modelo Simultáneo Enfocado a
Elasticidad”. Informe Semanal, Centro de Estudios, Asociación Nacional de Instituciones
Financieras, No. 1065, marzo 22 de 2011.
ANIF. “Fusiones y Adquisiciones en el Sector Financiero Colombiano: Análisis y Propuestas
sobre la Consolidación Bancaria (1990-2006)”. Programa de investigaciones sobre sector
financiero organizado por el Ministerio de Hacienda y Crédito Público de Colombia, 2006.
ANNIM Samuel. “Sensitivity of Loan Size to Lending Rates: Evidence from Ghana's
Micronance Sector”. MPRA Paper No, 21280, 2009.
ATTANASIO Orazio, GOLDBERG Pinelopi y KYRIAZIDOU Ekaterini, “Credit
Constraints in the Market For Consumer Durables: Evidence From Micro Data on Car
Loans”. Working Paper 7694, NBER Working Paper Series, National Bureau Of Economic
Research, 2000.
BANCO DE LA REPÚBLICA. “La Economía Colombiana: Situación Actual Frente a los
Noventa y sus Perspectivas”. Borradores de Economía, No, 429, Banco de la República,
2006.
BERK Jonathan y DEIMAZO Peter. “Finanzas Corporativas”. El Arbitraje y La Toma de
Decisiones Financieras, Pag. 52-53. 2007.
CARDONA Alejandro y RESTREPO Juan. “Fusiones y Adquisiciones, Concentración y
Poder de Mercado en el Sector Bancario Colombiano (2000 - 2011)”. Trabajo de grado
presentado como requisito para optar al título de Magister en Economía, Universidad EAFIT,
2012.
CONTRERAS María, “Concentración Bancaria en Colombia 1989-2011”. Trabajo de grado
para optar al título de Economista, Universidad EAFIT, 2012.
DUQUE Gustavo. “Análisis de la Estructura Competitiva del Sistema Financiero
Colombiano”. Revista Ecos de Economía No, 18, Universidad EAFIT, 2004.
ECHEVERRY Juan y FONSECA Ángela. “EL Impacto Social del Sector Bancario en
Colombia, 1993 – 2002”. Documento CEDE 2006-22. Universidad de los Andes, 2006.
34
ESCOBAR Perla y GÓMEZ Julián. “Determinantes del margen de intermediación en el
sector bancario colombiano para el periodo 2000 – 2010”. Borradores Departamento de
Economía N° 41, Universidad de Antioquia, 2011.
ESTRADA Darío. “Efectos de las fusiones sobre el mercado financiero Colombiano”,
Borradores de Economía No 329, Banco de la República, 2005.
FERNANDEZ-CORUGEDO Emilio, “Consumption Theory”. En Handbooks in Central
Banking, Centre for Central Banking Studies, Bank of England, No 23, Julio 2004.
FLOREZ Luz, POSADA Carlos y ESCOBAR José. “Crédito y Depósitos Bancarios en
Colombia (1990-2004): Una Relación de Largo Plazo. “Revista Ensayos Sobre Política
Económica ESPE, Banco De La República, No 48 Pág. 12-63. Junio 2005.
GREENE William, Econometric Analysis 5th Ed, Prentice Hall, 2003
GÓMEZ Eduardo y GARCÍA Andrés. “Determinantes de las fusiones y adquisiciones en el
sistema financiero colombiano, 1990-2007”, Borradores de Economía No 550, Banco de la
República, 2009.
GÓMEZ Esteban Y ZAMUDIO Nancy. “Las Capacidades Financieras de la Población
Colombiana”. Borradores de Economía No 725, Banco de la República, 2012.
GUJARATI Damodar H , Basic Econometrics 4th edition, McGraw Hill, 2003.
HOLLÓ Daniel. “Estimating Price Elasticities on the Hungarian Consumer Lending and
Deposit Markets: Demand Effects and Their Possible Consequences”. Focus on European
Economic Integration, Austrian Central Bank, 2010.
KARLAN Dean y ZINMAN. “Elasticities of Demand for Consumer Credit” Center
Discussion Paper No, 926, Economic Growth Center, Yale University, 2005.
MESA Ramón y MARÍN Nini, “Perspectivas del Sector Financiero Colombiano con el TLC
y las Fusiones”. Universidad de Antioquia, Perfil de Coyuntura Económica, agosto 2005.
MORALES, Miguel y ZAMUDIO, Nancy, “¿Qué Tipo de Relación Existe en Colombia
Entre Concentración Bancaria y Estabilidad Financiera?”, Banco de la República, Ensayos
Sobre Política Económica, Vol., 31, No. 71, 2013.
35
MURCIA Andrés, “Determinantes del Acceso al Crédito de los Hogares Colombianos”,
Banco de la República, Ensayos Sobre Política Económica, Vol., 25, No. 55, 2007.
STAVINS Joanna, “Can Demand Elasticities Explain Sticky Credit Card Rates?”. New
England Economic Review (July/August), Federal Reserve Bank of Boston, 1996.
TAFUR Claudia, “Bancarización: Una Aproximación Al Caso Colombiano a la Luz de
América Latina”. Universidad ICESI, Estudios Gerenciales Vol., 25 No 110, 2009.
URRUTIA Miguel y NAMEN Olga. ”Historia del Crédito Hipotecario en Colombia”.
Revista Ensayos Sobre Política Económica ESPE, Banco de la República, Vol., 30, No, 67,
2011.
VILLAR Leonardo y SALAMANCA David. “Un Modelo Teórico Sobre Crédito, Represión
Financiera y Flujos De Capital”. Revista Ensayos Sobre Política Económica ESPE, Banco
de la República, 2005, No, 48 Junio 2005 Pág., 184-233
WOOLDRIDGE Jeffrey M, Econometric Analysis of Cross Section and Panel Data second
edition, The MIT Press, 2002.
36
ANEXOS
Anexo 1: Estimación modelo de créditos de consumo usando efectos fijos.
F test that all u_i=0: F(14, 2114) = 44.77 Prob > F = 0.0000
rho .98989378 (fraction of variance due to u_i)
sigma_e .61766141
sigma_u 6.1129449
_cons 20.33864 .2583019 78.74 0.000 19.83209 20.84519
part_cc 13.32132 .611743 21.78 0.000 12.12164 14.521
15 -.0803038 .4166095 -0.19 0.847 -.8973112 .7367036
14 5.080047 .3678661 13.81 0.000 4.358629 5.801464
13 1.189059 .4367577 2.72 0.007 .3325391 2.045579
12 .6632779 .4324089 1.53 0.125 -.1847135 1.511269
11 1.181159 .5037396 2.34 0.019 .193282 2.169036
10 2.170907 .3626443 5.99 0.000 1.45973 2.882084
9 2.202982 .3667491 6.01 0.000 1.483755 2.922209
8 .7579266 .3869339 1.96 0.050 -.0008844 1.516738
7 -1.818312 .3999097 -4.55 0.000 -2.602569 -1.034054
6 .3529755 .4211828 0.84 0.402 -.4730005 1.178951
5 .2486422 .4645427 0.54 0.593 -.6623664 1.159651
4 .7245759 .397473 1.82 0.068 -.0549032 1.504055
3 1.083061 .4715831 2.30 0.022 .1582455 2.007876
2 5.529892 .5188627 10.66 0.000 4.512357 6.547426
banco2#c.ltasa_cc
15 0 (omitted)
14 0 (omitted)
13 0 (omitted)
12 0 (omitted)
11 0 (omitted)
10 0 (omitted)
9 0 (omitted)
8 0 (omitted)
7 0 (omitted)
6 0 (omitted)
5 0 (omitted)
4 0 (omitted)
3 0 (omitted)
2 0 (omitted)
banco2
ltasa_cc -4.680874 .2805293 -16.69 0.000 -5.231016 -4.130732
lmonto_cc Coef. Std. Err. t P>|t| [95% Conf. Interval]
corr(u_i, Xb) = -0.9783 Prob > F = 0.0000
F(16,2114) = 208.56
overall = 0.0317 max = 143
between = 0.1332 avg = 143.0
R-sq: within = 0.6122 Obs per group: min = 143
Group variable: banco2 Number of groups = 15
Fixed-effects (within) regression Number of obs = 2145
37
Anexo 2: Prueba de correlación contemporánea modelo de créditos de consumo por efectos fijos.
Anexo 3: Prueba de heterocedasticidad modelo de créditos de consumo.
Anexo 4: Prueba de correlación serial modelo de créditos de consumo.
Based on 143 complete observations over panel units
Breusch-Pagan LM test of independence: chi2(105) = 5907.430, Pr = 0.0000
__e15 0.5859 -0.2549 1.0000
__e14 -0.3120 1.0000
__e13 1.0000
__e13 __e14 __e15
__e15 0.5538 0.2670 0.6595 0.6558 0.6054 0.7193 0.5634 0.5459 0.6101 0.6247 0.6330 0.5764
__e14 0.0434 -0.3105 -0.2073 -0.0636 -0.2309 -0.2321 0.0994 0.3092 0.0100 -0.0699 -0.2878 -0.2691
__e13 0.6208 0.3983 0.8612 0.7900 0.7920 0.8392 0.5322 0.5075 0.6914 0.5529 0.8580 0.7048
__e12 0.5818 0.4107 0.7617 0.7410 0.8207 0.7914 0.5036 0.4670 0.6204 0.5961 0.7766 1.0000
__e11 0.6711 0.4038 0.8584 0.8217 0.8409 0.8145 0.6135 0.5221 0.7044 0.6263 1.0000
__e10 0.6951 0.3607 0.7230 0.6296 0.6547 0.6578 0.6667 0.6010 0.6458 1.0000
__e9 0.7928 0.2024 0.8494 0.7408 0.7599 0.8378 0.8063 0.8072 1.0000
__e8 0.7826 0.0783 0.7113 0.6571 0.6376 0.7024 0.7660 1.0000
__e7 0.7659 0.0947 0.7117 0.6872 0.6358 0.6420 1.0000
__e6 0.7470 0.3029 0.9119 0.8316 0.8858 1.0000
__e5 0.7394 0.3516 0.8843 0.7663 1.0000
__e4 0.6351 0.3368 0.7834 1.0000
__e3 0.8405 0.3463 1.0000
__e2 0.2013 1.0000
__e1 1.0000
__e1 __e2 __e3 __e4 __e5 __e6 __e7 __e8 __e9 __e10 __e11 __e12
Correlation matrix of residuals:
. xttest2
Prob>chi2 = 0.0000
chi2 (15) = 513.06
H0: sigma(i)^2 = sigma^2 for all i
in fixed effect regression model
Modified Wald test for groupwise heteroskedasticity
. xttest3
Prob > F = 0.0169
F( 1, 14) = 7.354
H0: no first-order autocorrelation
Wooldridge test for autocorrelation in panel data
. xtserial lmonto_cc ltasa_cc part_cc
38
Anexo 5: Estimación modelo de créditos de consumo usando efectos fijos.
F test that all u_i=0: F(14, 2114) = 3.58 Prob > F = 0.0000
rho .94464846 (fraction of variance due to u_i)
sigma_e .62649188
sigma_u 2.5881276
_cons 11.42216 .3689797 30.96 0.000 10.69856 12.14577
part_tc 9.554416 .6340497 15.07 0.000 8.310989 10.79784
15 .1388147 .6084727 0.23 0.820 -1.054453 1.332083
14 1.323879 .6164996 2.15 0.032 .1148702 2.532888
13 1.651013 .6213604 2.66 0.008 .4324717 2.869555
12 .2542744 .620219 0.41 0.682 -.9620289 1.470578
11 -.6410652 .6192787 -1.04 0.301 -1.855525 .5733941
10 .6312468 .6288836 1.00 0.316 -.6020484 1.864542
9 -.0059941 .621575 -0.01 0.992 -1.224957 1.212969
8 -.7507759 .6098717 -1.23 0.218 -1.946787 .4452355
7 .1253432 .6412043 0.20 0.845 -1.132114 1.382801
6 -.017412 .5617774 -0.03 0.975 -1.119106 1.084282
5 -.141392 .6368233 -0.22 0.824 -1.390258 1.107474
4 2.01389 .5992806 3.36 0.001 .8386487 3.189131
3 .5151666 .6174084 0.83 0.404 -.6956248 1.725958
2 -.3785485 .6584732 -0.57 0.565 -1.669872 .9127746
banco2#c.ltasa_tc
15 0 (omitted)
14 0 (omitted)
13 0 (omitted)
12 0 (omitted)
11 0 (omitted)
10 0 (omitted)
9 0 (omitted)
8 0 (omitted)
7 0 (omitted)
6 0 (omitted)
5 0 (omitted)
4 0 (omitted)
3 0 (omitted)
2 0 (omitted)
banco2
ltasa_tc -.7876826 .4451266 -1.77 0.077 -1.660614 .0852492
lmonto_tc Coef. Std. Err. t P>|t| [95% Conf. Interval]
corr(u_i, Xb) = -0.8962 Prob > F = 0.0000
F(16,2114) = 18.59
overall = 0.0957 max = 143
between = 0.1156 avg = 143.0
R-sq: within = 0.1233 Obs per group: min = 143
Group variable: banco2 Number of groups = 15
Fixed-effects (within) regression Number of obs = 2145
39
Anexo 6: Prueba de correlación contemporánea modelo tarjetas de crédito.
Anexo 7: Prueba de heterocedasticidad modelo tarjetas de crédito.
Anexo 8: Prueba de correlación serial modelo tarjetas de crédito.
Based on 143 complete observations over panel units
Breusch-Pagan LM test of independence: chi2(105) = 12270.695, Pr = 0.0000
__e15 0.7985 1.0000
__e14 1.0000
__e14 __e15
__e15 0.9749 0.8885 0.9604 0.9064 0.9812 0.9746 0.7905 0.8703 0.9723 0.9752 0.9692 0.9815 0.9682
__e14 0.7937 0.6596 0.8410 0.8985 0.7872 0.7794 0.7739 0.6735 0.8306 0.8270 0.7626 0.8190 0.8592
__e13 0.9557 0.8486 0.9478 0.9545 0.9521 0.9490 0.8031 0.8627 0.9551 0.9599 0.9265 0.9655 1.0000
__e12 0.9768 0.9127 0.9749 0.9142 0.9924 0.9848 0.8484 0.8632 0.9855 0.9866 0.9809 1.0000
__e11 0.9662 0.9437 0.9661 0.8577 0.9934 0.9858 0.8506 0.8544 0.9675 0.9782 1.0000
__e10 0.9702 0.9212 0.9874 0.9192 0.9870 0.9686 0.8773 0.8389 0.9889 1.0000
__e9 0.9699 0.8962 0.9786 0.9288 0.9809 0.9641 0.8641 0.8287 1.0000
__e8 0.8440 0.8226 0.8310 0.7683 0.8687 0.8825 0.6721 1.0000
__e7 0.8284 0.8325 0.8929 0.7988 0.8433 0.8206 1.0000
__e6 0.9676 0.9289 0.9511 0.8803 0.9910 1.0000
__e5 0.9754 0.9354 0.9708 0.8899 1.0000
__e4 0.9005 0.7635 0.9073 1.0000
__e3 0.9571 0.9128 1.0000
__e2 0.8759 1.0000
__e1 1.0000
__e1 __e2 __e3 __e4 __e5 __e6 __e7 __e8 __e9 __e10 __e11 __e12 __e13
Correlation matrix of residuals:
. xttest2
Prob>chi2 = 0.0000
chi2 (15) = 1083.84
H0: sigma(i)^2 = sigma^2 for all i
in fixed effect regression model
Modified Wald test for groupwise heteroskedasticity
. xttest3
Prob > F = 0.3443
F( 1, 14) = 0.958
H0: no first-order autocorrelation
Wooldridge test for autocorrelation in panel data
. xtserial lmonto_tc ltasa_tc part_tc
40
Anexo 9: Estimación FGLS modelo créditos de consumo.
_cons 12.79077 .9513095 13.45 0.000 10.92624 14.6553
part_cc .0905307 .00148 61.17 0.000 .0876299 .0934315
15 -.7709053 .422251 -1.83 0.068 -1.598502 .0566915
14 .2528951 .4703282 0.54 0.591 -.6689313 1.174721
13 .4322608 .3252712 1.33 0.184 -.2052591 1.069781
12 -.5202814 .3883074 -1.34 0.180 -1.28135 .240787
11 .6240126 .297981 2.09 0.036 .0399805 1.208045
10 -.0861649 .3379657 -0.25 0.799 -.7485656 .5762357
9 .1435585 .3246973 0.44 0.658 -.4928366 .7799535
8 -.608014 .3117781 -1.95 0.051 -1.219088 .0030599
7 .6567119 .58802 1.12 0.264 -.4957862 1.80921
6 -.7671609 .3172159 -2.42 0.016 -1.388893 -.1454291
5 .2002727 .3475132 0.58 0.564 -.4808406 .881386
4 -.1633171 .3528933 -0.46 0.644 -.8549753 .528341
3 .5178731 .3258453 1.59 0.112 -.1207719 1.156518
2 1.334225 .4387916 3.04 0.002 .4742094 2.194241
banco2#c.ltasa_cc
15 1.626866 1.296795 1.25 0.210 -.9148051 4.168537
14 -1.906629 1.463252 -1.30 0.193 -4.77455 .9612915
13 -.7814491 1.039925 -0.75 0.452 -2.819664 1.256766
12 1.809185 1.246213 1.45 0.147 -.6333465 4.251717
11 -1.333716 .9531413 -1.40 0.162 -3.201839 .5344066
10 .7314022 1.079543 0.68 0.498 -1.384464 2.847268
9 .057326 1.038272 0.06 0.956 -1.97765 2.092302
8 2.462336 1.00585 2.45 0.014 .4909053 4.433766
7 -2.384372 1.805754 -1.32 0.187 -5.923584 1.15484
6 2.71932 1.015543 2.68 0.007 .7288923 4.709748
5 -.1530403 1.103918 -0.14 0.890 -2.31668 2.010599
4 .380987 1.101038 0.35 0.729 -1.777009 2.538983
3 -1.252178 1.047639 -1.20 0.232 -3.305514 .8011574
2 -5.767511 1.375396 -4.19 0.000 -8.463237 -3.071784
banco2
ltasa_cc -.8607046 .2895217 -2.97 0.003 -1.428157 -.2932526
lmonto_cc Coef. Std. Err. z P>|z| [95% Conf. Interval]
Prob > chi2 = 0.0000
Wald chi2(30) = 8078.68
Estimated coefficients = 31 Time periods = 143
Estimated autocorrelations = 15 Number of groups = 15
Estimated covariances = 120 Number of obs = 2145
Correlation: panel-specific AR(1)
Panels: heteroskedastic with cross-sectional correlation
Coefficients: generalized least squares
Cross-sectional time-series FGLS regression
41
Anexo 10: Estimación FGLS modelo tarjetas de crédito.
_cons 8.821337 1.282002 6.88 0.000 6.308659 11.33402
part_tc .0957068 .0009453 101.25 0.000 .0938541 .0975595
15 -.5947901 .3617267 -1.64 0.100 -1.303761 .1141811
14 -.3597441 .3625015 -0.99 0.321 -1.070234 .3507458
13 -.2159236 .3858036 -0.56 0.576 -.9720846 .5402375
12 -.2359653 .4362159 -0.54 0.589 -1.090933 .6190021
11 -.2096144 .3558937 -0.59 0.556 -.9071533 .4879245
10 -.0616142 .355595 -0.17 0.862 -.7585675 .6353392
9 -.0033001 .4108182 -0.01 0.994 -.808489 .8018889
8 -.3957084 .4360257 -0.91 0.364 -1.250303 .4588862
7 -.2296045 .4344392 -0.53 0.597 -1.08109 .6218807
6 -.1725048 .3529811 -0.49 0.625 -.8643351 .5193255
5 -.2128467 .3536412 -0.60 0.547 -.9059706 .4802773
4 -.1409673 .4503984 -0.31 0.754 -1.023732 .7417974
3 -.1211732 .3717204 -0.33 0.744 -.8497318 .6073854
2 -.4362075 .4046164 -1.08 0.281 -1.229241 .3568262
banco2#c.ltasa_tc
15 2.283969 1.28927 1.77 0.076 -.2429534 4.810892
14 1.354514 1.305569 1.04 0.300 -1.204354 3.913382
13 1.689958 1.372805 1.23 0.218 -1.00069 4.380605
12 1.922291 1.53535 1.25 0.211 -1.08694 4.931522
11 1.785468 1.272073 1.40 0.160 -.7077492 4.278686
10 1.21071 1.271875 0.95 0.341 -1.282119 3.703539
9 .6603126 1.446799 0.46 0.648 -2.175361 3.495986
8 1.114319 1.524441 0.73 0.465 -1.873531 4.102168
7 -.3428746 1.523305 -0.23 0.822 -3.328497 2.642747
6 1.647933 1.264505 1.30 0.192 -.8304521 4.126318
5 1.850029 1.265003 1.46 0.144 -.6293314 4.32939
4 .9937571 1.562963 0.64 0.525 -2.069595 4.057109
3 .9796185 1.326911 0.74 0.460 -1.621078 3.580315
2 .8646526 1.440934 0.60 0.548 -1.959526 3.688831
banco2
ltasa_tc .1701797 .3487768 0.49 0.626 -.5134103 .8537698
lmonto_tc Coef. Std. Err. z P>|z| [95% Conf. Interval]
Prob > chi2 = 0.0000
Wald chi2(30) = 12786.02
Estimated coefficients = 31 Time periods = 143
Estimated autocorrelations = 15 Number of groups = 15
Estimated covariances = 120 Number of obs = 2145
Correlation: panel-specific AR(1)
Panels: heteroskedastic with cross-sectional correlation
Coefficients: generalized least squares
Cross-sectional time-series FGLS regression