FACTORES DETERMINANTES DE LA DEMANDA DE CRÉDITO ...

FACTORES DETERMINANTES DE LA DEMANDA DE CRÉDITO HIPOTECARIO EN

ARGENTINA: UN ANÁLISIS COMPARATIVO 2004-2019.

Jorge Tramontin1

E-mail: [email protected]

Resumen

Este trabajo propone analizar las causas determinantes de la demanda de crédito hipotecario en Argentina

a partir de 2004, teniendo en cuenta, las políticas crediticias aplicadas por las distintas autoridades de gobierno.

Para alcanzar dicho objetivo general, se establecen los siguientes objetivos particulares:

Conocer las características del mercado de crédito hipotecario, y su regulación.

Establecer el nivel de influencia de distintas variables económicas en la demanda de crédito hipotecario.

Verificar los resultados de las diferentes líneas de crédito hipotecario implementados durante el período

analizado.

1. Introducción

El estudio de la evolución del mercado de crédito hipotecario es de gran relevancia para el crecimiento y

desarrollo económico de un país. Numerosos sectores de la economía, desde el bancario hasta los materiales de la

construcción crecen junto al sector inmobiliario, generando una mayor demanda de empleo en éstos, y en otros

1 Maestrando en Economía Aplicada (Universidad Argentina de la Empresa), Licenciado en Economía (Universidad

Nacional de San Martín).

MAECO [Escribir el título del documento]

2

rubros complementarios. Por ejemplo, los trabajadores del sector de la construcción, como ser albañiles,

plomeros, electricistas, etc., al tener bajos ingresos, tienen una elevada propensión marginal a consumir, que

conjuntamente con un mercado de créditos hipotecarios más desarrollado, podría llevar a una reactivación de la

economía, en períodos de recesión. Los sectores intensivos en mano de obra, como el de la construcción, poseen

valores de productividad reducidos, en comparación con otros sectores que demandan mayores niveles de

tecnología, pero su contribución a la generación de empleo es innegable.

El mercado de crédito hipotecario facilita el acceso a la vivienda propia, y satisface así una necesidad

básica para las familias, pudiendo atenuar el déficit habitacional existente en nuestro país. En consecuencia, está

íntimamente ligado a la demanda de vivienda de las familias, que probablemente, sea el bien más caro que

compren en toda su vida, y necesariamente tenga que ser financiado por un préstamo hipotecario (Redondo &

López 2001). Por otro lado, es importante para la transmisión de la política monetaria, pudiendo generar

numerosas oportunidades de inversión residencial privada, sirviendo de estímulo a la demanda agregada,

aumentando el nivel de producción agregado y generando nuevos empleos.

Dicho esto, y en comparación con otros países de la región, la participación del crédito hipotecario como

porcentaje del Producto Interno Bruto (PIB) en Argentina, es muy escasa, de las más bajas de Latinoamérica y el

mundo, lo que da como resultado, un mercado de crédito para la vivienda muy pequeño2, que no resuelve el

problema habitacional existente, y tampoco atiende a una demanda potencial de familias que estaría dispuesta a

acceder a dicho financiamiento.

La sucesión de crisis políticas y económicas en las últimas décadas, ha contribuido a que el crédito

hipotecario se encuentre en sus valores mínimos, y probablemente el acceso al financiamiento de la vivienda sea

un privilegio solo para aquellas familias de ingresos altos, dejando afuera a los estratos de ingresos medios y

bajos.

Una de las condiciones necesarias para el desarrollo del mercado hipotecario en un país, es la estabilidad

de precios. Nuestra historia inflacionaria, sumada a la inestabilidad macroeconómica y a un mercado financiero de

magnitudes exiguas, no permite el logro de tal objetivo.

2 1,5% del PIB en 2012, según situándose solo por encima de Paraguay y Haití.


3

Elaboración propia en base a Housing Finance Network (HOFINET) y Federación Latinoamericana de Bancos (FELABAN),

En los últimos años, los gobiernos de turno, han intentado paliar el déficit habitacional con diferentes

políticas intervencionistas. Entre otras, se destacaron los programas sociales de crédito subsidiado, impulsados

por el Fondo Nacional de la Vivienda (FONAVI), y el Programa de Crédito Argentino del Bicentenario para la

Vivienda Única Familiar (PRO.CRE.AR.), que en sus inicios, una de sus líneas de crédito requería el contar con

lote propio para construir.3 Por el lado del mercado financiero, las líneas de crédito hipotecario tradicionales de

los bancos comerciales, se potenciaron, con la experiencia de la moneda indexada (UVA4), a partir de abril de

2016, generando grandes expectativas en el sector formal de la población de ingresos medios que pretendía

acceder a la vivienda propia. El boom de crédito hipotecario duró pocos meses. Las sucesivas devaluaciones de la

moneda nacional, la elevada inflación y la incertidumbre política, volvieron a congelar la demanda y el acceso al

crédito hipotecario. En definitiva, tanto las políticas intervencionistas, como las orientadas hacia el mercado, han

tenido un éxito limitado en el objetivo, por un lado, de reducir el déficit habitacional, y por otro, en generar un

mercado hipotecario mayor, que pueda atender la demanda creciente de créditos para la vivienda.

Existe además, una visión sobre la endogeneidad del dinero, que podría considerarse como alternativa, a

la actuación tradicional de los bancos centrales sobre la tasa de interés, para determinar la oferta monetaria. La

teoría postkeynesiana, pone énfasis sobre la importancia del mercado de crédito, y no sólo en el mercado de bonos

3 Las familias que no tenían lote propio, debían procurar acceder a emprendimientos emplazados en terrenos públicos del país. 4 Unidades de Valor Adquisitivo.

0

5

10

15

20

25

30

Proporción

del PIB

2012

Cuadro nº1: Latinoamérica: participación del crédito hipotecario


4

y dinero5, para explicar variaciones en la demanda agregada (Maldonado & Vera, 2011). La oferta monetaria se

expande o contrae dependiendo de las necesidades de producción y de consumo de los agentes, a través de lo que

inyectan los bancos comerciales al sistema económico. Por lo tanto, en una economía de mercado, la oferta

monetaria estaría determinada por la demanda de créditos, y los bancos comerciales dejarían de tener el simple rol

de intermediarios que prestan el dinero de los que ahorran. Ahora bien, el hecho de que los bancos comerciales

tengan la facultad de crear dinero de la nada, podría tener serias implicaciones en la economía, requiriendo

adoptar políticas para evitar procesos inflacionarios, y de regulación bancaria, ambas necesarias en el contexto de

dinero endógeno.

La presente investigación, busca identificar aquellos que factores que inciden en las decisiones de las

familias, de optar por un crédito hipotecario. ¿Es el valor de las viviendas, que actúa como refugio de inversión, la

motivación para buscar un crédito hipotecario? ¿Es el creciente déficit habitacional existente el motivo? ¿Qué

variables económicas (tipo de cambio, tasa de interés, expectativas, nivel de ingreso, etc.) determinan la búsqueda

de la vivienda propia a través de un crédito hipotecario?

El trabajo está organizado de manera que, en la sección 2, se realiza una descripción de las características

principales del mercado de crédito hipotecario en Argentina; en la sección 3, se presenta alguna evidencia de

cómo podría verse afectada la demanda de crédito hipotecario basándonos en la bibliografía empírica reciente; la

descripción de los datos que se utilizan se exponen en la sección cuarta; la sección quinta ha sido destinada a

contener los resultados obtenidos y, finalmente, la sección sexta para las conclusiones.

2. El mercado de crédito hipotecario en Argentina.

El mercado hipotecario en nuestro país tuvo un impulso en la segunda mitad de los años noventa gracias a

cambios en la normativa que ayudaron a la generación de créditos a través de los bancos, y a la posterior

securitización6 de dichos préstamos, favorecido también por la estabilidad de precios y cambiaria. La adopción de

5 Visión tradicional. 6 Técnica que consiste en la transferencia de activos financieros que proporcionan derechos de crédito hacia un inversor. En este caso, los

bancos colocan títulos propios respaldados por las hipotecas, que sirven para financiar nuevos créditos hipotecarios.


5

un tipo de cambio fijo y de la convertibilidad de la moneda7, fueron factores determinantes para el desarrollo de

instrumentos crediticios a largo plazo en dólares, y en particular de los créditos hipotecarios (Kiguel & Podjarni,

2007). Las políticas neoliberales de turno, junto con un mercado financiero desregulado, ponían el acento en un

modelo de demanda, para estimular el desarrollo del sector inmobiliario que fomentara el crecimiento económico.

Además, el aumento progresivo de la cantidad de familias, que accedieron al financiamiento para la

compra de una vivienda nueva, y que dio lugar, a la incorporación de segmentos de ingresos medios al mercado

de crédito hipotecario, produjo durante todo el período, una dolarización considerable de los activos hipotecarios

bancarios8(Cristini & Moya, 2004).

Durante las décadas precedentes, había predominado una primera política de tipo habitacional, enfocada a

la construcción de viviendas financiadas en su totalidad con fondos públicos adjudicada a grandes empresas

constructoras a través de licitaciones. Este modelo de oferta se basaba en la erradicación de los asentamientos

precarios y en la reubicación de su población en conjuntos habitacionales planificados, financiados y construidos

por el Estado (Elinbaum & Baremboin, 2016).

La inestabilidad política y macroeconómica de fines de los 70 y de la década de los 80, no generaron las

condiciones propicias para el desarrollo del mercado hipotecario y, llevaron a que los créditos para la vivienda

estén en niveles mínimos9. De todas formas, esta situación no frenó la compra-venta de viviendas, ya que en

ausencia de crédito hipotecario, la inversión residencial se convirtió por excelencia en un refugio de ahorro, en

ausencia de activos financieros que protegieran a las familias de la inflación imperante (Cristini & Moya, 2004).

Las condiciones macroeconómicas cambiaron en diciembre de 2001, Argentina sufrió una crisis

financiera sin precedentes, entró en cesación de pagos de la deuda soberana y fue el punto final de la

convertibilidad de la moneda nacional, cuya devaluación tuvo efectos considerables en una economía altamente

7La “Ley de Convertibilidad”. establecía a partir del 1 de abril de 1991 una relación cambiaria fija entre la moneda nacional y la

estadounidense, a razón de 1 dólar estadounidense por cada 10.000 australes. Se llamó “el uno a uno”, luego del cambio de signo

monetario, del austral al peso, el 1 de enero de 1992. 8 Por cada peso prestado en moneda nacional existían 2,7 denominados en dólares. 9 El crédito hipotecario como porcentaje del PIB, a comienzos de los años 90, estaba por debajo de 2%, mientras que el promedio de la

década del 80 no superó 1,2% del PIB.


6

dolarizada. El índice Merval10

cayó drásticamente, y los precios inmobiliarios en dólares estadounidenses cayeron

un 50 % en promedio en la Ciudad Autónoma de Buenos Aires (CABA) (Auguste et al., 2011). El crecimiento de

las hipotecas, que había llegado a su pico en el año 2000, superando el 6% del PIB, cayó por debajo del 3% del

PIB en el año 2005. La crisis dejaría ésta y muchas otras secuelas a lo largo de los próximos años. En 2002 los

pasivos hipotecarios en dólares se convirtieron forzosamente a pesos a un tipo de cambio de un peso por un

dólar11

. La salida de la convertibilidad generó una brusca devaluación, y la creciente incertidumbre sobre la

evolución de los precios y las tasas de interés de largo plazo, eliminó la posibilidad de la generación de nuevas

hipotecas. Por otro lado, se suspendieron por ley las ejecuciones de créditos hipotecarios, dejando imposibilitados

a los bancos de hacer uso de este mecanismo de reembolso, en caso de existir morosidad en los pagos12

(Kiguel &

Podjarni, 2007).

Desde mediados de 2003, se observó una gran expansión de la construcción, y el nivel de actividad del

sector, mantuvo un crecimiento sostenido a tasas que sobrepasaron el 20% anual, siendo uno de los sectores que

más contribuyó al crecimiento económico durante dicho ciclo expansivo. Pero el aumento en el nivel de actividad

del sector inmobiliario, no se reflejó significativamente en el mercado hipotecario debido, por un lado, a la falta

de crédito a largo plazo, en pesos a tasas fijas, y por el otro, a la imposibilidad de los individuos de satisfacer los

requisitos exigidos por parte de las entidades financieras para ser sujetos de crédito (Ídem). Además, en el seno de

muchas familias, el recuerdo de la última crisis, aún estaba presente, y la desconfianza que se había generado

sobre el sistema bancario hacía muy difícil cualquier recuperación de la demanda de crédito hipotecario. Por lo

tanto, en una década de expansión económica, solo interrumpida en 2009, debido a los efectos de la crisis

financiera internacional, el mercado hipotecario se mantuvo al margen de la recuperación del resto de los sectores

de la economía.

10 Indica el valor de las principales empresas que cotizan en la Bolsa de Comercio de Buenos Aires. 11 Los créditos se indexaron por el Coeficiente de Variación Salarial (CVS) y no por el Índice de Precios al Consumidor (IPC). Cuando el

CVS alcanzó el 20%, se impidió continuar con la indexación, quedando así las cuotas congeladas hasta el vencimiento de las hipotecas. 12 Luego fueron parcial o totalmente compensados por el Estado,


7

En junio de 2012 se implementó el PRO.CRE.AR.13

, destinado a financiar la construcción de viviendas

populares14

con recursos del Fondo de Garantía de Sustentabilidad (FGS)15

. Este programa, intentó con ciertos

matices, combinar el estilo “compensatorio”, esto es, otorgar créditos a aquellas personas que no podían acceder a

una línea de crédito hipotecario tradicional, con el ‘redistributivo’, al tomar como fuente de financiamiento fondos

provenientes del Estado (Elinbaum & Baremboin, 2016). Sin embargo, este programa resultó insuficiente para

satisfacer la demanda de viviendas de los argentinos16

, ya que a fines de 2015, los créditos para vivienda

representaban solo el 0,38% del PIB, dos tercios menos que en 200417

(González Rouco, 2017).

En abril de 2016, el Banco Central de la República Argentina (BCRA), en el marco de una política

monetaria de metas de inflación, reglamentó la aplicación de unidades de cuenta indexadas, para estimular el

crédito y el ahorro a largo plazo, en un contexto de alta inflación. Un nuevo programa de créditos hipotecarios

ajustados por inflación estaba en marcha.

2.1. UVA vs PRO.CRE.AR.

En 2016, las unidades de cuenta creadas por el BCRA, para indexar el monto adeudado por los tomadores

de crédito hipotecario, fueron las Unidades de Vivienda (UVI), donde su evolución se vincula al Índice del Costo

de la Construcción (ICC), y como alternativa, las Unidades de Valor Adquisitivo18

(UVA), cuya actualización

depende del Coeficiente de Estabilización de Referencia (CER), el cual sigue el índice general de la inflación.

Debido a una mayor volatilidad en las UVI, los créditos otorgados por los bancos han sido, en su mayoría,

bajo la modalidad UVA. Por otro lado, el BCRA incluyó en la normativa de la UVA, una opción para que el

13 Hasta fines de 2015, por esta línea de créditos se habían otorgado alrededor de 176 mil créditos que representaron más de $44 mil

millones y por la línea tradicional, el monto alcanzaba los $19 mil millones. 14 Incluye ampliación y refacción. 15 El FGS fue creado por el Decreto N° 897 del 13 de julio de 2007. La ley 26.425 promulgada el 4 de diciembre de 2008 en su artículo

primero dispone la unificación del Sistema Integrado de Jubilaciones y Pensiones en un único régimen previsional público denominado

Sistema Integrado Previsional Argentino (SIPA). Las disposiciones reglamentarias establecieron que el total de los fondos administrados

por las AFJP se traspasaran en especie al Fondo de Garantía de Sustentabilidad del Sistema Integrado Previsional Argentino (FGS). 16 Según el censo 2010, el déficit de viviendas en nuestro país ascendía a 3,5 millones. Casi 1,3 millones de viviendas son irrecuperables

(déficit cuantitativo), 1,5 millones de hogares, son propiedades precarias recuperables y otros 180 mil hogares están en condiciones de

hacinamiento pero viven en viviendas no calificadas como precarias (déficit cualitativo). 17 En la CABA, el promedio anual pasó de 35.000 en la década de los ‘90 a 7.500 entre 2003 y 2015. 18 Su valor inicial en abril de 2016 era $ 14,03, donde 1.000 unidades serán equivalentes a metro cuadrado. $ 14,05 fue el valor inicial de

las UVI para el mismo mes.


8

deudor, bajo ciertas condiciones, pueda extender el plazo del crédito adeudado. En ese sentido, el deudor puede

extender el crédito un 25% más del plazo original, cuando la diferencia acumulada desde el otorgamiento del

crédito, entre la inflación y el salario promedio de la economía19

, sea de la menos 10%. El otorgamiento del

crédito en una moneda ajustada por inflación permite que las cuotas iniciales sean considerablemente más bajas

que las de un crédito otorgado a tasa de interés fija en pesos (Galinsky & Grandes, 2017).

Una diferencia significativa, con respecto al programa PRO.CRE.AR., es que éste, era financiado con

recursos del Estado, en cambio las líneas de crédito indexadas, implican un negocio rentable para los bancos, con

un escaso impacto en el sector de la construcción (insumos y empleo), debido a que la mayor proporción de los

préstamos, se destinan a la compra de viviendas, impactando además, sobre el precio de las viviendas (González

Mariana, 2017).

Las unidades de cuenta indexadas implementadas a partir de 2016 en nuestro país, son el equivalente a la

Unidad de Fomento (UF) creada en Chile en 196720

, considerada la primera unidad de cuenta indexada del

mundo, que en 2017 cumplió 50 años. Colombia desde 2000 utiliza la Unidad de Valor Real (UVR), México

desde 1995 las Unidades de Inversión (UDI), y Uruguay desde 2002, las Unidades Indexadas (UI), por citar

algunos ejemplos de unidades de valor indexadas que se utilizan en algunos países vecinos (Finanzas

Estructuradas, 2018).

Numerosas familias que accedieron desde 2016 a la nueva línea créditos hipotecarios UVA21

, se vieron

afectadas por la crisis cambiaria de 2018 y la elevada inflación. El peso de la cuota se incrementó debido a la

caída del salario real, la demanda de estos créditos se volvió casi nula y se generó una gran incertidumbre sobre la

capacidad de pago de los deudores. Durante 2019, la continua depreciación del peso, y su inminente efecto sobre

los precios, llevó al gobierno a tomar como medida paliativa, el congelamiento del monto de las cuotas mensuales

que los deudores pagan a los bancos, desde septiembre hasta diciembre de 201922

, ya que el nivel de inflación,

19 Medido por el Coeficiente de Variación Salarial (CVS). 20 Al momento de su creación, la inflación anual en el país vecino era 30%. 21 Es importante aclarar, que se podía optar por la línea tradicional de crédito hipotecario en lugar de la indexada (UVA). La línea

tradicional, con mayores exigencias de ingresos y con tasas de interés mixtas (fija los primeros años y luego variable), era demandada por

aquellos que descontaban a futuro un escenario de alta inflación y volatilidad cambiaria, cosa que precisamente ocurrió. 22 Prorrogándose hasta marzo de 2020.


9

impacta, no solo en las cuotas, sino también en el monto del capital adeudado. El ajuste del capital, si bien por el

momento no repercute patrimonialmente sobre los tomadores del préstamo, es una de las causas del aumento mes

a mes del valor de la cuota, ya que los intereses que se abonan, son sobre el saldo deudor.

En marzo de 2017, se relanza el PRO.CRE.AR con cuatro nuevas líneas de financiamiento23

. En todos los

casos, la asignación de dichos planes, deja de ser por sorteo para serlo por puntaje de acuerdo a las necesidades de

cada familia, y combina un porcentaje de ahorro familiar, con un subsidio del gobierno nacional y con un crédito

hipotecario24

, intentando mejorar la capacidad de compra. En consecuencia, esta nueva modalidad del programa,

conlleva una concepción mixta, en cuanto a la participación del Estado, otorgando subsidios, y a la del sistema

financiero, otorgando los créditos hipotecarios.

El cuadro nº 2 muestra la evolución de las UVA al 31 de diciembre de 2019, momento en el cual, el valor

unitario equivalía a $47,1625

.

Fuente: Elaboración propia en base a BCRA.

23 1) Solución casa propia: destinado a la compra de una unidad nueva o usada. 2) Solución construcción: destinado a financiar la

construcción sobre un terreno. 3) Desarrollos urbanísticos. 4) Adquisición de lotes con servicios. 24 La tasa nominal anual promedia el 5% dependiendo la entidad bancaria, y el capital se actualiza mensualmente por UVA. 25 236,14 % de aumento desde su creación.

14.00

22.00

30.00

38.00

46.00

54.00

Pe

sos

po

r u

nid

ad e

qu

ival

en

te

Período

Cuadro nº 2: Valor UVA del 31/03/2016 al 31/12/2019


10

2.2. Política vs. Economía.

En el cuadro Nº 3, observamos que la cantidad de hipotecas constituidas entre los años 2004 y mediados

de 2019, muestra desde el inicio de la serie, una recuperación hasta el segundo trimestre de 2007, volviendo a caer

a los niveles iniciales, a mediados de 2009. El efecto combinado de la crisis del campo26

y la crisis financiera

internacional27

, sumado esto, a los crecientes cuestionamientos que recaían sobre el gobierno, debido a la

intervención del Instituto Nacional de Estadísticas y Censos (INDEC), y la consecuente manipulación de algunas

estadísticas28

, además de un mayor control sobre el comercio internacional, llevado a cabo discrecionalmente, con

innumerables barreras no arancelarias29

, generaron una parálisis durante esos años en el mercado hipotecario. A

partir de 2010, se observa una exigua mejora, interrumpida a partir del tercer trimestre de 2012, fecha coincidente,

con un estricto control establecido por el gobierno sobre el mercado de divisas30

. En lo que respecta al mercado

hipotecario, aquellas personas que querían acceder a un préstamo para la compra de un inmueble o terreno,

necesitaban un aval de la AFIP para comprar dólares, con los pesos otorgados por el banco comercial o entidad

financiera correspondiente31

. Previamente se habían establecido controles para el giro de utilidades al exterior por

parte de las empresas y sobre la compra de divisas para aquellos que deseaban viajar al exterior32

, y pasado cierto

tiempo, el “cepo” se fue ampliando sobre otras operaciones, como ser, las compras con tarjetas de débito y crédito

en el exterior33

y otras operaciones financieras más sofisticadas34

, que se realizaban para poder comprar divisas.

En consecuencia, los cada vez mayores controles, sobre la compra de divisas y la creciente brecha cambiara35

existente entre el dólar oficial y dólar “libre”36

, culminaron en una devaluación del 23% de la moneda nacional en

26 Conflicto entre el Gobierno de Cristina Fernández de Kirchner y cuatro organizaciones de producción agro-ganadera durante 129 días

(del 11/03/2008 al 18/07/2008), generado por la Resolución nº 125/08 que establecía retornar hacia un sistema móvil para las retenciones

impositivas a las exportaciones de soja, el trigo y el maíz. 27 También llamada crisis de las hipotecas subprime. 28 Principalmente sobre el IPC, lo que llevó a que la medición de la tasa de inflación, empezaran a realizarla consultoras privadas,

universidades y gobiernos provinciales. 29 Las declaraciones juradas anticipadas de importación (DJAI) y todo tipo de trabas burocráticas, estaban a la orden del día. 30 También llamado “cepo cambiario”. 31 La normativa regía a partir del 28/05/2012. 32 A través de la página web de la AFIP se autorizaba o no, la compra de divisas. 33 Este consumo realizado con tarjetas, se gravaba en un principio con un 15%, deducible del pago del impuesto a las ganancias.

34 Operaciones ligadas a la compra y venta de bonos y acciones, como ser el contado con liquidación, dólar bolsa, etc. 35 Superó el 100% en mayo de 2013. 36 También llamado “blue”.


11

enero de 2014, y hacia fines de 2015, en un escenario de creciente inflación e incertidumbre electoral, el mercado

hipotecario volvió a estancarse.

Fuente: Elaboración propia en base a BCRA. Informe monetario.

Sí se observa un significativo aumento en la serie, a partir del tercer trimestre de 2016, a pocos meses de

lanzado el programa de créditos bajo la modalidad UVA, llegándose a otorgar en diciembre de 2017 más de $

11.465 millones en todo el sistema bancario local, El nivel máximo de la serie se consiguió en el mes de marzo de

2018, otorgándose un monto de $ 13.937 millones37

A partir de ese mes se inicia una continua caída de los montos

otorgados, pasando en diciembre de 2018 a prestarse $ 2.692 millones, representando una caída del 81%38

(CEPA,

2019). Las sucesivas devaluaciones39

, la inflación creciente (series que se pueden observar a continuación en los

cuadros nº 4 y nº 5) y las nuevas y más duras condiciones crediticias40

, restringieron nuevamente el acceso a los

préstamos hipotecarios, generando un efecto expulsión sobre los potenciales tomadores de crédito con respecto a

37 Equivalentes a 622,86 millones de UVA. 38 Desde su surgimiento en abril de 2016 hasta fin de abril de 2019, en el sistema bancario se otorgaron préstamos hipotecarios UVA por un

total de $ 150.172,95 millones, equivalentes a 6.714,25 millones de UVA y a U$S 7.050,42 millones. 39 Al inicio del período presidencial de Mauricio Macri, la cotización del dólar oficial ascendía a $ 9,87 (Tipo de cambio vendedor (TCV)

con autorización previa de la AFIP). La cotización en el mercado informal era $14,86. Al finalizar su mandato, la cotización de la divisa

norteamericana era $ 63,04 y por lo tanto la devaluación, del 538%. 40 La tasa de interés inicial de 3,5%, ofrecida por el Banco Nación, pasó a 5,5%, 6,5%, 8% y 10%, sucesivamente, a lo largo de los

siguientes meses.

-2.00

0.00

2.00

4.00

6.00

8.00

10.00

I-0

4

III-

04

I-0

5

III-

05

I-0

6

III-

06

I-0

7

III-

07

I-0

8

III-

08

I-0

9

III-

09

I-1

0

III-

10

I-1

1

III-

11

I-1

2

III-

12

I-1

3

III-

13

I-1

4

III-

14

I-1

5

III-

15

I-1

6

III-

16

I-1

7

III-

17

I-1

8

III-

18

I-1

9

Vari

aci

ón

%

Cuadro nº 3 : Evolución de los créditos hipotecarios I-2004 a II-2019


12

la situación inicial. Para evidenciar la caída del poder adquisitivo de las familias, en octubre de 2018, un salario

medio podía comprar el 22,6 % de un m² en la zona norte de CABA, cuando en igual mes del año anterior

adquiría el 40,2 % (UADE, 2019).



0.00

10.00

20.00

30.00

40.00

I-0

4

III-

04

I-0

5

III-

05

I-0

6

III-

06

I-0

7

III-

07

I-0

8

III-

08

I-0

9

III-

09

I-1

0

III-

10

I-1

1

III-

11

I-1

2

III-

12

I-1

3

III-

13

I-1

4

III-

14

I-1

5

III-

15

I-1

6

III-

16

I-1

7

III-

17

I-1

8

III-

18

I-1

9

Pes

os/

Dóla

r

Período

Cuadro nº 4: Evolución del Tipo de Cambio Nominal

0

15

30

45

60

01

/06

/20

04

01

/12

/20

04

01

/06

/20

05

01

/12

/20

05

01

/06

/20

06

01

/12

/20

06

01

/06

/20

07

01

/12

/20

07

01

/06

/20

08

01

/12

/20

08

01

/06

/20

09

01

/12

/20

09

01

/06

/20

10

01

/12

/20

10

01

/06

/20

11

01

/12

/20

11

01

/06

/20

12

01

/12

/20

12

01

/06

/20

13

01

/12

/20

13

01

/06

/20

14

01

/12

/20

14

01

/06

/20

15

01

/12

/20

15

01

/06

/20

16

01

/12

/20

16

01

/06

/20

17

01

/12

/20

17

01

/06

/20

18

01

/12

/20

18

01

/06

/20

19

%

Período

Cuadro nº 5: Variación interanual de la inflación


13

3. Revisión bibliográfica.

Como mencionamos anteriormente, los estudios sobre la demanda de de crédito hipotecario resultan de

gran interés, puesto que este sector es relevante para el crecimiento económico de un país y la consecuente

generación de empleo. Kiguel & Podjarni (2007), realizan un análisis comparativo sobre factores micro y

macroeconómicos que impactan en el mercado hipotecario de Argentina, Chile y Uruguay. Destacan en primer

lugar, la necesidad de contar con estabilidad de precios y del tipo de cambio. En segundo lugar, que la relación

cuota-ingreso, no supere el 30%, para así los asalariados poder calificar como sujetos de crédito. Por último,

contar con inversores institucionales que presten fondos con un horizonte de largo plazo. En dicho trabajo, queda

reflejado el grado de subdesarrollo del mercado hipotecario argentino, en contraposición con el de Chile41

,

destacando la estabilidad macroeconómica de nuestro vecino país.

Auguste et al., (2011), subrayan que el subdesarrollo del mercado hipotecario en Argentina, se debe

estrictamente a factores de la demanda. Las restricciones que podrían existir por el lado de la oferta no serían

suficientes para explicar el tamaño relativo que tiene nuestro mercado de crédito hipotecario. Realzan la pesada

historia argentina de crisis recurrentes, que aumentan la desconfianza de los ahorristas sobre los intermediarios

financieros formales, además de la violación de los derechos de propiedad financiera, que conllevan a una mayor

demanda de inmuebles como reaseguro de inversión, aumentando el precio de las propiedades y limitando el

acceso de eventuales prestatarios de hipotecas, al aumentar los requisitos mínimos solicitados por las entidades

prestamistas. Por lo tanto, la inestabilidad institucional y macroeconómica de nuestro país en los últimos años,

queda en evidencia a lo largo de dicho trabajo, y forman parte de la causa principal de los niveles tan bajos de

créditos hipotecarios otorgados por las instituciones financieras.

Cristini & Moya (2004), realizan un estudio econométrico de series de tiempo, conjugando factores de

oferta y demanda sobre el financiamiento de la vivienda en Argentina, en las últimas dos décadas del siglo

pasado, y concluyen que las variaciones de la demanda de crédito hipotecario, responden en mayor medida, a los

cambios en la tasa de interés que recae sobre los créditos hipotecarios, del ingreso de las familias y del precio de

las viviendas. Por el lado de la oferta (que no es el caso de estudio de este trabajo), ésta responde a los cambios en

41 En 2006, la participación del crédito hipotecario promediaba el 15% como proporción del PIB.


14

la tasa de interés, al diferencial de tasas de los bonos argentinos en dólares, respecto de los bonos del Tesoro de

Estados Unidos, y en mayor medida a la capacidad disponible de fondos, por parte de los bancos, para el

otorgamiento de créditos hipotecarios. El presente trabajo, al poner énfasis en factores de demanda, y además, por

utilizar un modelo de series de tiempo, similar al que exponen éstos últimos autores, podría darnos la posibilidad

de comparar los efectos de algunas variables explicativas en común, sobre la demanda de crédito hipotecario y

obtener conclusiones de interés para dos períodos distintos, esto es, antes y después de 2004.

Galinsky & Grandes (2017) realizan un estudio a partir de la experiencia argentina de las UVA,

mostrando las ventajas y las desventajas de las unidades de cuenta indexada. Destacan además, los diferentes

mecanismos e instrumentos utilizados por otros países de la región, como ser, el caso de México, Chile y

Colombia. Complementariamente, proponen un swap42

para proteger a los deudores hipotecarios en períodos de

elevada inflación, utilizando como base, el caso mexicano donde se implementó este instrumento financiero.

Posteriormente proponen soluciones alternativas, utilizando ejercicios de simulación.

4. Metodología y descripción de las variables individuales del modelo propuesto

A partir de la aplicación de una metodología cuantitativa, se estiman varios modelos por el método de

mínimos cuadrados ordinarios (MCO), tratando de recoger el impacto de distintas variables económicas sobre la

demanda de créditos hipotecarios. La periodicidad de las series temporales de los datos será trimestral, desde I-

2004 hasta II-2019. Las variables explicativas definidas a continuación, han sido seleccionadas considerando

estudios de otros autores, algunos mencionados en la sección anterior, sobre los factores determinantes de la

demanda de crédito hipotecario. El estudio que se llevará a cabo, contará con 62 observaciones en la mayoría de

los casos, y se analizará en base a la información brindada por organismos e instituciones oficiales de carácter

nacional, y con relación a algunas series en particular, como ser, el precio de las viviendas, se analizará en base a

la información de la CABA, debido no solo a la disponibilidad de datos, sino también a que resulta el principal

mercado inmobiliario del país. Además, y en la medida que los datos lo permitan, las series se analizarán de

42 Contrato donde dos partes se comprometen a realizar un intercambio de dinero a futuro.


15

forma logarítmica, permitiendo estudiar elasticidades, y atenuar futuros problemas de heteroscedasticidad y de

distribuciones asimétricas de los residuos. Dicho esto, en las primeras pruebas que van a realizarse en este trabajo,

se estimarán modelos estáticos43

de series de tiempo, de la forma:

∆ln(y) = β0+ β1∆ln(x1) + β2∆ln(x2) + β3∆ln(x3) + β4∆ln(x4) + β5∆ln(x5) + u (1)

4.1. Definición de las variables:

a) Variable endógena (y).

1) (CRHt): La variable a explicar, va a ser la variación real de la masa en pesos del crédito hipotecario,

demandado por el sector privado no financiero para el período analizado. Esta variación vamos a considerarla a

partir de ahora, como la demanda de crédito hipotecario.

b) Variables exógenas (x).

2) (PVRt): Precio real promedio del m² en dólares, de departamentos en venta de dos ambientes a estrenar por

barrio de la CABA. Cabría esperar una correlación inversa, con baja elasticidad, pero se deja abierta la

posibilidad, a riesgo de incurrir en un problema de causalidad inversa, que la correlación sea positiva, como

indican en su trabajo Cristini & Moya (2004). Esto podría deberse, a que en las últimas décadas en nuestro país,

los inmuebles se transformaron en un refugio de valor y de inversión, frente al riesgo inflacionario y a la

inestabilidad macroeconómica. Al observar el cuadro nº 6, el precio real de las viviendas residenciales se ha

triplicado en los últimos quince años en la CABA. Este considerable aumento del precio de las viviendas, podría

no solo deberse a una mayor demanda viviendas, por cuestiones demográficas o habitacionales, sino también, a la

búsqueda de activos de inversión alternativos a los financieros, expectativas con respecto a la evolución futura del

precio, etc., tema que dejamos para futuras investigaciones. Lo que sí debe tenerse en cuenta, es que durante la

última crisis, y principalmente durante los últimos años de la convertibilidad, los precios de los inmuebles habían

caído a mínimos históricos, y de alguna forma, este aumento del precio de los inmuebles en el período analizado,

43 Modelos en los que se produce una relación contemporánea entre las variables.


16

responde a un “efecto rebote” a partir de la recuperación del nivel de actividad y de empleo en los años

posteriores a la crisis de 2001. Por consiguiente, esta variable será considerada a priori, significativa en términos

económicos, independientemente del signo que tome, al realizarse las distintas estimaciones donde esté

involucrada, y sí se pondrá énfasis en su significatividad estadística para evaluar el poder predictivo de la misma.

Fuente: Elaboración propia en base a Dirección General de Estadísticas y Censos (DGEyC).

3) (TIRt): Tasa de interés real aplicada sobre los créditos hipotecarios otorgados a un plazo mayor a 5 años. La

variación de la tasa de interés impacta directamente en el costo del crédito hipotecario, afectando sensiblemente a

quienes quieran acceder al mismo o ya lo hayan hecho. Por lo tanto, se esperaría que una tasa mayor, desaliente la

decisión de los particulares y empresas de acceder a un crédito hipotecario.

4) (TDt): Una mayor tasa de desempleo desalentaría la voluntad de endeudamiento de las familias, al reducirse

significativamente el ingreso familiar, y por lo tanto, se reduciría no sólo la demanda de crédito hipotecario, sino

la de todos los créditos en general. A continuación, en el cuadro nº 7, observamos la evolución de la tasa de

desempleo para el período analizado.

5) (TCRt): La evolución del tipo de cambio real, podría afectar las decisiones de muchos potenciales tomadores

de crédito hipotecario. Esto se debe, a que el mercado de la vivienda, se encuentra altamente dolarizado, y en

muchos casos, podría ocurrir que el préstamo obtenido en pesos, se utilice para adquirir los dólares necesarios,

200.00

450.00

700.00

950.00

1200.00

1450.00

I-0

4

II-0

4

III-

04

IV

-04

I-

05

II

-05

II

I-0

5

IV-0

5

I-0

6

II-0

6

III-

06

IV

-06

I-

07

II

-07

II

I-0

7

IV-0

7

I-0

8

II-0

8

III-

08

IV

-08

I-

09

II

-09

II

I-0

9

IV-0

9

I-1

0

II-1

0

III-

10

IV

-10

I-

11

II

-11

II

I-1

1

IV-1

1

I-1

2

II-1

2

III-

12

IV

-12

I-

13

II

-13

II

I-1

3

IV-1

3

I-1

4

II-1

4

III-

14

IV

-14

I-

15

II

-15

II

I-1

5

IV-1

5

I-1

6

II-1

6

III-

16

IV

-16

I-

17

II

-17

II

I-1

7

IV-1

7

I-1

8

II-1

8

III-

18

IV

-18

I-

19

II

-19

US$

Trimestre

Cuadro nº 6: Precio real del m² en US$

CABA


17

para la compra del inmueble requerido. Por lo tanto, es de esperar una relación negativa entre el tipo de cambio

real y la demanda de créditos hipotecarios.

Fuente: Elaboración propia en base a Instituto Nacional de Estadística y Censos (INDEC).

Fuente: Elaboración propia en base a MTEySS.

5

7

9

11

13

15

I-0

4

III-

04

I-0

5

III-

05

I-0

6

III-

06

I-0

7

III-

07

I-0

8

III-

08

I-0

9

III-

09

I-1

0

III-

10

I-1

1

III-

11

I-1

2

III-

12

I-1

3

III-

13

I-1

4

III-

14

I-1

5

III-

15

I-1

6

III-

16

I-1

7

III-

17

I-1

8

III-

18

I-1

9

% de la PEA

Trimestre

Cuadro nº 7: Tasa de desempleo

700.00

800.00

900.00

1000.00

1100.00

1200.00

I-0

4

III-

04

I-0

5

III-

05

I-0

6

III-

06

I-0

7

III-

07

I-0

8

III-

08

I-0

9

III-

09

I-1

0

III-

10

I-1

1

III-

11

I-1

2

III-

12

I-1

3

III-

13

I-1

4

III-

14

I-1

5

III-

15

I-1

6

III-

16

I-1

7

III-

17

I-1

8

III-

18

I-1

9

$

Trimestre

Cuadro nº 8: Ingreso real

Asalariados plenos


18

6) (INGRt): El ingreso promedio real de los asalariados plenos44

se relaciona directamente con la posibilidad de

acceder a un crédito hipotecario, no solo porque trabajar más horas podría garantizar un mayor ingreso y un

mayor ahorro, esto último, necesario a la hora de solicitar un crédito hipotecario45

, sino también, porque es

necesario cumplir con requerimientos de ingresos mínimos demostrables que las entidades bancarias solicitan. En

el cuadro nº 8, se observa la evolución de dicha serie para el período analizado.

Por último, debe comprenderse que la selección teórica de algunas variables explicativas y el proceso

econométrico a posteriori deben dar la distinción clara de que, efectivamente, nos encontramos frente a una

función de demanda. A continuación, la tabla nº 1 nos muestra en detalle las variables que serán utilizadas en los

modelos de regresión propuestos en el trabajo.

Tabla nº 1

44 Aquellos que trabajan más de 35 horas semanales. 45 En promedio, las entidades bancarias exigen contar con el 30 % del valor de la vivienda que se va a adquirir. 46 Se optó por este índice en lugar del IPC nacional, debido a la intervención del INDEC entre 2007 y 2015, donde los datos perdieron

relevancia. 47 Ingreso de la ocupación principal de los asalariados, excluyendo beneficiarios de planes de empleo.

Identificación

de la variable Nombre de la serie Fuente

Unidad de

medida Frecuencia

1 CRHt

Masa real en pesos de crédito hipotecario.

Deflactado por IPC San Luis46. Base 2003

Banco Central del la República

Argentina (BCRA)

Logaritmo

natural Trimestral

2 PVRt

Precio en dólares del M² en CABA.

Deflactado por IPC (Estados Unidos). Base

100 = 1982-1984

Dirección General de Estadísticas y

Censos (DGEyC) Logaritmo

natural Trimestral

3 TIRt

Tasa de interés real. Deflactado por IPC San

Luis. Base 2003. Promedio trimestral en

porcentaje nominal anual para créditos

hipotecarios entre 5 y 10 años

Banco Central del la República

Argentina (BCRA) Logaritmo

natural Trimestral

4 TDt

Tasa de desempleo como porcentaje de la

población económicamente activa. Total de

aglomerados urbanos.

Instituto Nacional de Estadística y

Censos (INDEC) Logaritmo

natural Trimestral

5 TCRt

Tipo de cambio real. Calculado según IPC

(Estados Unidos)/IPC (Argentina.) * TCN

Banco Central de la República

Argentina (BCRA) Logaritmo

natural Trimestral

6 INGRt

Ingreso promedio47 real de los asalariados

plenos. Deflactado por IPC San Luis. Base

2003

MTEySS – Dirección General de

Estudios Macroeconómicos y

Estadísticas laborales en base a EPH

(INDEC)

Logaritmo

natural Trimestral


19

5. El análisis econométrico

5.1. Identificación del modelo

Se procede a la identificación del proceso que ha generado los datos y se analiza la estacionariedad de las

series. La estacionariedad48

es la propiedad más importante de una serie de tiempo, y se logra diferenciándola y

aplicando logaritmos, en caso que las series no sean estacionarias en nivel (por lo general no lo son). Realizado

esto,49

utilizamos las pruebas de Dickey Fuller y Phillips-Perrón para comprobar que las series temporales de cada

variable son estacionarias y evitar que la regresión que realicemos sea espuria50

. Por lo tanto, se plantea rechazar

la hipótesis nula que cada serie no es estacionaria, para los tres niveles de significancia habitualmente utilizados.

A continuación, los datos reportados en la tabla nº 2, nos muestran el rechazo de la hipótesis nula en cada caso,

confirmando que todas las series son estacionarias51

.

Tabla nº 2: Pruebas de raíces unitarias para las series en primeras diferencias.

Hº: Serie de los errores no estacionaria (Presencia de raíz unitaria).

48 Significa que la media, varianza y covarianza permanecen constantes sin importar el momento en el cual se midan. 49 Cabe aclarar que la deseada estacionariedad se logró en primeras diferencias para todas las series. 50 Significa que las estimaciones de los coeficientes por MCO serían ineficientes y la de los errores estándar, inconsistentes. 51 El análisis gráfico de estacionariedad se puede ver en el anexo final de este trabajo.

Test ADF Test Phillips-Perrón

Valor crítico Valor crítico

Variable Estad. t al 1 % al 5% al 10 % p-value Estad. t al 1 % al 5% al 10 % p-value

∆ ln CRHt -7.467 -3.566 -2.922 -2.596 0.0000 -7.465 -3.566 -2.92 -2.596 0.0000

∆ ln TIRt -10.827 -3.566 -2.922 -2.596 0.0000 -10.922 -3.566 -2.922 -2.596 0.0000

∆ ln PVRt -6.638 -3.566 -2.922 -2.596 0.0000 -6.689 -3.566 -2.922 -2.596 0.0000

∆ ln TDt -10.822 -3.566 -2.922 -2.596 0.0000 -11.256 -3.566 -2.922 -2.596 0.0000

∆ ln INGRt -5.777 -3.567 -2.923 -2.596 0.0000 -5.879 -3.567 -2.923 -2.596 0.0000

∆ ln TCRt -6.464 -3.566 -2.922 -2.596 0.0004 -6.428 -3.566 -2.922 -2.596 0.0004


20

De acuerdo al modelo teórico reportado por la ecuación (1), se estiman varias versiones del siguiente

modelo de demanda por MCO:

∆ln CRHt = β

0 + β

1 ∆ln TD

t + β

2∆ln INGR

t + β

3∆ln TIR

t + β

4∆ln PVR

t + β

5∆ln TCR

t + μ

t (2)

donde las variaciones de la demanda de créditos hipotecarios responde a la tasa de desempleo, a los cambios en el

ingreso, tasa de interés, precio de las viviendas y tipo de cambio real.

En la tabla nº 3 se observa el resultado de la estimación de cuatro ecuaciones de regresión de

características estáticas52

, donde las variaciones de la variable dependiente, se explica por los valores actuales de

las variables explicativas, y tres modelos dinámicos, en este caso, de rezagos distribuidos, donde los cambios en la

variable de respuesta, se explican por los valores tanto actuales, como pasados de las variables explicativas53

(Gujarati & Porter 2010). El objetivo principal es identificar aquellos modelos que sean consistentes, con signos

coherentes de los coeficientes, y que las variables explicativas, sean estadísticamente significativas. Los modelos

que no cumplan con estos requisitos serán descartados, ya que no serán apropiados para la etapa de predicción del

trabajo propuesto.

52 El nombre de “modelo estático” proviene del hecho de que se está representando una relación contemporánea entre x e y, en cambio en

un modelo “dinámico” se produce una relación no contemporánea entre las variables. 53 Si además se incluyen rezagos de la variable dependiente, el modelo denominaría “autorregresivo”.


21

5.2. Estimación del modelo identificado, contrastes de significación individual para cada una de las

variables, y global para el modelo en general.

Tabla nº 3: Serie: I TRIM2004-II TRIM2019 (62 observaciones). Método: MCO

* Significativa al 10%. ** Significativa al 5 % *** Significativa al 1%

Ecuación

1

Coefic.

(t-estad)

p-valor

2

Coefic.

(t-estad)

p-valor

3

Coefic.

(t-estad)

p-valor

4

Coefic.

(t-estad)

p-valor

5

Coefic.

(t-estad)

p-valor

6

Coefic.

(t-estad)

p-valor

7

Coefic.

(t-estad)

p-valor

Variables

Explicada ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) Explicativas

Constante -0.0475

(-1.02)

0.312

-0.0326

(-0.73)

0.466

-0.0110

(-0.28)

0.782

-0.0530

(-1.14)

0.260

-0.0121

(-0.21)

0.834

0.0357

(0.81)

0.422

-0.1296**

(-2.62)

0.011

∆ln(TD) -0.7910*

(-1.92)

0.060

-0.9526**

( -2.27)

0.027

-0.8515**

(-2.11)

0.039

-0.9527**

(-2.47)

0.017

∆ln(TIR)

-0.7557*

(-1.83)

0.072

-0.8169**

(-2.05)

0.046

∆ln(TIR-1)

-0.8668**

(-2.08)

0.043

∆ln(TIR-2)

-0.9313**

(-2.31)

0.025

∆ln(PVR) 2.4157*

(1.73)

0.088

2.6114*

(1.89)

0.064

2.5938*

(1.98)

0.053

∆ln(PVR-1) -3.7590***

(-2.71)

0.009

-3.618***

(-2.65)

0.010

∆ln(PVR-2) 0.5864

(0.44)

0.659

∆ln(PVR-3) -0.4337

(-0.31)

0.759

∆ln(TCR) -1.9990***

(-3.13)

0.003

-1.8662***

(-2.90)

0.005

-1.8951***

(-2.93)

0.005

-1.5418**

(-2.38)

0.021

-1.6952***

(-2.78)

0.007

∆ln(INGR) 3.4693**

(2.31)

0.025

2.6927*

(1.85)

0.070

2.6477*

(1.80)

0.078

4.9116***

(3.07)

0.003

4.1940***

(2.75)

0.008

3.3157**

(2.28)

0.027

∆ln(INGR-1) 3.1978**

(2.28)

0.027

3.0028**

(2.08)

0.042

R² 0.2598 0.2031 0.2649 0.2541 0.3814 0.3651 0.3775

R² ajustado 0.2209 0.1612 0.2262 0.2148 0.3086 0.3189 0.3057

Estadístico F 6.67 4.84 6.85 6.47 5.24 7.91 5.26

Prob. F 0.0006 0.0045 0.0005 0.0008 0.0003 0.0000 0.0003


22

En los primeros cuatro modelos estimados, donde no se aplican rezagos en las variables explicativas, y

por lo común, se considera que un cambio en x en el momento t, ejerce un efecto inmediato sobre y54

, todas las

variables son estadísticamente significativas y con el signo correcto según la teoría económica, salvo en el caso

del precio de las viviendas, donde se observa una correlación positiva. Los coeficientes obtenidos de la serie del

ingreso, muestran una elasticidad positiva en todas las ecuaciones donde opera esta variable55

. Un mayor ingreso

real de los asalariados permitiría, no solo una mayor capacidad de pago de la deuda hipotecaria, sino además, y lo

que a priori es más importante, poder acceder al crédito hipotecario. La tasa de desempleo y la tasa de interés

tienen el efecto esperado sobre la voluntad de endeudamiento, mostrando una relación negativa, con una baja

elasticidad56

. El tipo de cambio real, muestra también una relación negativa con la demanda de crédito

hipotecario, pero en este caso, con una elasticidad mayor. Esto estaría relacionado, no solo con un mercado

inmobiliario altamente dolarizado, y que muchas familias podrían verse obligadas a comprar dólares para la

adquisición de la vivienda pretendida, o para completar parte del monto de la operación, en caso de contar con

ahorros previos, sino también con momentos de inestabilidad cambiaria o de restricciones a la compra oficial de

divisas, teniendo que recurrir al mercado paralelo, donde las divisas tienen un valor superior al oficial. Además, el

aumento del tipo de cambio genera un efecto pass through, esto es, un impacto sobre los precios, y no solo sobre

aquellos que corresponden a bienes transables, sino que también, de forma indirecta, al del resto de los bienes y

servicios, y donde el mercado inmobiliario y de la construcción, no están exentos. En un entorno inflacionario, el

impacto del tipo de cambio podría ser aún más elevado.

Con respecto al precio de las viviendas, observamos una correlación positiva con la demanda de créditos

hipotecarios57

. Como se mencionó anteriormente, esto podría deberse a la necesidad imperiosa de contar con un

refugio de valor en un escenario permanente de alta inflación y volatilidad cambiaria. En nuestro país, la inversión

residencial asoma siempre como un activo alternativo, a los activos financieros para un inversor típico, pero

54 ∆yt = ∆xt, cuando ∆ut = 0. 55 > 1, tratándose la vivienda para la cual se solicita el préstamo, de un bien de lujo. 56 El coeficiente estimado en todos los casos es < 1. 57 Esta relación positiva y elástica, nos lleva a la definición de bienes de Giffen, aunque parcialmente, ya que sólo se cumple una sola de las

condiciones que tienen que cumplir estos bienes para considerarse como tal. En este caso, la vivienda representa una parte importante del

ingreso de las familias, pero no se trata de un bien inferior, sino de lujo.


23

mucho más seguro en términos de derechos de propiedad, ya que a diferencia de los activos financieros, los bienes

inmuebles no han sufrido expropiaciones de ningún tipo. Por otro lado, y para evitar un problema de causalidad

inversa, se estiman modelos de rezagos distribuidos finitos. En este caso particular, se pretende analizar la

influencia del precio de las viviendas, no solo de carácter inmediato o contemporáneo (momento t), sino también,

de carácter no contemporáneo (t-1); (t-2);…, y encontrar una relación causal, coherente con la teoría económica.

Una limitación de estos modelos, es no conocer con precisión la longitud óptima de rezagos que deben

incluirse para cada variable explicativa, por lo cual, se procede como sugieren Alt (1942) & Tinbergen (1949), y

se añaden retardos de forma sucesiva hasta que los coeficientes dejan de ser significativos o cuando cambian de

signo. En consecuencia, los modelos de regresión nº 5 a nº 7, a diferencia de los anteriores, se corresponden con el

modelo teórico:

yt = α + β0(xt) + β1(xt-1) + β2(xt-2) + …… + βk(xt-k) + ut (3)

La interpretación de los coeficientes de las ecuaciones dinámicas, está asociado al concepto económico de

multiplicadores, donde β0 es el cambio inmediato en el valor promedio de y, cuando x aumenta 1%58

en el mismo

periodo de tiempo. A esto se lo conoce como multiplicador a corto plazo o de impacto59

(Gujarati & Porter 2010).

El coeficiente β1 es el cambio en el valor promedio de y, un período posterior, al cambio porcentual de x en un

período dado, y después de n períodos se obtiene lo que se conoce como multiplicador de largo plazo o

propensión de largo plazo, que representa la suma de los coeficientes de x60

. (Wooldridge 2010).

Unificando estos conceptos, definimos el multiplicador contemporáneo (m0), como la variación que se

produce en Yt ante la variación unitaria de Xt. Formalmente:

m0 = ∂yt/∂xt = β0

A su vez, definimos el multiplicativo luego de haber transcurrido j períodos, como la variación que se

produce en Yt ante la variación unitaria de Xt-j. Formalmente:

58 También podría aumentar en una unidad, dependiendo de la especificación del modelo. 59 También, según (Wooldridge 2010) propensión de impacto (δ0). 60 Ʃi=0 βi = β0 + β1 + β2 +…..+ βk


24

mj = ∂yt/∂xt-j

Finalmente, definimos el multiplicador total, como la suma de todos los multiplicadores, contemporáneos

y no contemporáneos. Formalmente:

A continuación y para una mejor interpretación, se presentan los resultados extraídos de la tabla nº 3, de

las estimaciones de los modelos de regresión nº 5, nº 6 y nº 7, donde además, se incluyen rezagos de la serie de la

tasa de interés real y del ingreso de los asalariados, luego se calculan los multiplicadores contemporáneos, no

contemporáneos, y totales, y se interpretan los resultados.

(5) ∆ln(CRH)t = - 0,01 + 2,59 ∆ln(PVR)t - 3,76 ∆ln(PVR)

t -1+ 0,59 ∆ln(PVR)

t -2 - 0,43 ∆ln(PVR)

t -3 - 1,54 ∆ln(TCR)t + 4,91∆ln(INGR)t

(t) (-0,21) (1,98) (-2,71) (0,44) (-0,31) (-2,38) (3,07)

(6) ∆ln(CRH)t = 0,03 - 1,69 ∆ln(TCR)t + 4,19 ∆ln(INGR)t + 3,20 ∆ln(INGR)t-1 -3,62 ∆ln(PVR)

t -1

(t) (0,81) (-2,78) (2,75) (2,28) (-2,65)

(7) ∆ln(CRH)t = - 0,13 – 0,95 ∆ln(TD)t - 0,82 ∆ln(TIR)t - 0,87 ∆ln(TIR)t-1 - 0,93 ∆ln(TIR)t-2 + 3,31 ∆ln(INGR)t

+ 3,00 ∆ln(INGR)t-1

(t) (-2,62) (-2,47) (-2,05) (-2,08) (-2,31) (2,28) (2,08)

En el modelo nº 5, el precio de las viviendas solo es significativo en su valor contemporáneo y en su

primer rezago. Por su parte, el ingreso real de los asalariados y el tipo de cambio real, resultan significativos en su

valor contemporáneo. En todos los casos, las elasticidades son elevadas y los signos son los correctos, salvo el

caso del precio en su valor contemporáneo que toma un valor positivo, resultado que no sería contundente, pero

que sugiere que los efectos negativos, no son inmediatos. En otras palabras, existe un período de ajuste y


25

respuesta, en el cual la demanda de crédito hipotecario no respondería a las variaciones de precio como

esperamos.

En el modelo nº 6, se omite el multiplicador contemporáneo del precio de las viviendas, el cual toma valor

cero (Wooldridge 2010), y se incorpora el ingreso rezagado un período. En consecuencia, la estimación indica que

todas las variables son significativas y con el signo correcto. Se observa un multiplicador contemporáneo del tipo

de cambio real elástico, evidenciando el efecto inmediato que tiene la depreciación del peso sobre la demanda de

crédito hipotecario, y un multiplicador total del precio, todavía más elástico (3,62). Con relación al ingreso, éste

exhibe, tanto en su multiplicador de impacto, como en su no contemporáneo rezagado un trimestre, elevadas

elasticidades.

En el modelo nº 7, todas las variables son estadísticamente significativas y con el signo esperado. El

multiplicador contemporáneo de la tasa de interés real es -0,82, el no contemporáneo transcurrido un trimestre, -

0,87 y luego de transcurrido dos períodos -0,93. Por lo tanto, la propensión de largo plazo de la tasa de interés real

es -2,6261

. Es importante aclarar, que en las interpretaciones de largo plazo, como sugiere (Wooldridge 2010) para

los valores no contemporáneos, no parece apropiado vincular dicho impacto, en modelos con series trimestrales

con pocos rezagos, y si lo sería, a partir del cuarto rezago (un año). Con respecto a la tasa de desempleo, el valor

contemporáneo es -0,95, y en el caso del ingreso, las elasticidades presentaron valores similares al de los modelos

anteriores, siendo el multiplicador total 6,31.

Al describir estas relaciones dinámicas, observamos que las mismas son variadas, e implican que el

cambio de algunas de las variables exógenas, puede no tener impacto inmediato sobre la decisión de acceder a un

crédito para la vivienda, pero sí pasado cierto período, o puede ser que el efecto se concentre en un número

concreto de períodos, como es el caso del ingreso y de la tasa de interés real. Con relación al tipo de cambio real y

la tasa de desempleo, sólo se observan relaciones contemporáneas.

En los modelos de regresión expuestos anteriormente, tanto estáticos como dinámicos, y para evitar

problemas de especificación, se priorizaron aquellos modelos parsimoniosos, es decir, que expliquen el

comportamiento de la variable endógena con el menor número de variables explicativas, buscando consistencia

61 A medida que el horizonte temporal considerado es mayor, la elasticidad es mayor.


26

teórica y poder predictivo. Por esta razón, y antes de realizar las pruebas de validación, el modelo nº 5, es

descartado. Previamente, se realizaron ensayos con un mayor número de variables explicativas, o en el caso de los

modelos dinámicos, con una mayor cantidad de rezagos, pero los modelos estimados perdían consistencia y los

coeficientes de algunas variables explicativas, significatividad y coherencia. Por ejemplo, se realizaron pruebas

con el índice del costo de la construcción, el Estimador Mensual de la Actividad Económica (EMAE) y el precio

de los alquileres de departamentos, que a priori podría suponerse, serían de gran aporte en este trabajo, pero no

resultaron significativas, por lo que con antelación, han sido excluidas .

Con relación a la bondad de ajuste de los modelos, el coeficiente de determinación (R²) que determina la

significatividad de los coeficientes estimados, y por lo tanto, en que porcentaje, las variables explicativas

contribuyen a explicar la demanda de créditos hipotecarios, promedia el 25% en los modelo estáticos y 35% en

los modelos dinámicos. El test de significatividad global (valor del estadístico F y valor de la probabilidad,

asociada a dicho estadístico), muestra evidencia de que todas las ecuaciones son globalmente significativas62

.

5.3. Validación del modelo

5.3.1. Especificación del modelo

El test Reset de Ramsey es una prueba general de especificación para los modelos de regresión lineal, que

verifica si las combinaciones no lineales de los valores ajustados ayudan a explicar la variable dependiente. La

intuición detrás de la prueba es que, si las combinaciones no lineales de las variables explicativas tienen algún

poder de explicación sobre la variable de respuesta, entonces el modelo está mal especificado63

. En la tabla nº 4 se

muestran los resultados de la prueba que indican que todos los modelos propuestos están correctamente

especificados.

62 Se rechaza la Hº de que los modelos no son globalmente significativos (α=5%). 63 Esto podría deberse a una forma funcional incorrecta de nuestra ecuación de regresión o a la omisión de variables relevantes. En ambos

casos se reduce el poder predictivo de nuestras variables explicativas.


27

Tabla nº 4: Pruebas de especificación

Test

Modelo 1

p-valor

Modelo 2

p-valor

Modelo 3

p-valor

Modelo 4

p-valor

Modelo 6

p-valor

Modelo 7

p-valor

Ramsey RESET 0.1075 0.4619 0.2543 0.1975 0,0606 0.3368

Ho: El modelo está correctamente especificado

(α=5%)

5.3.2. Multicolinealidad

Como primera aproximación a la detección de multicolinealidad, entre las variables explicativas del

modelo, se procede a observar los coeficientes de correlación simples entre cada par de variables, los cuales se

ilustran en la matriz de correlaciones elaborada en la tabla nº 5. En la misma, los coeficientes observados son

muy bajos, lo que indica que las variables exógenas que intentan explicar los cambios en la demanda de créditos

hipotecarios, no están correlacionadas en mayor medida, por lo que no habría indicios de multicolinealidad.

Tabla nº 5: Matriz de correlaciones

VARIABLES dln(TIR) dln(PVR) dln(TD) dln(INGR) dln(TCR) dln(PVR-1) dln(INGR-1) dln(TIR-1) dln(TIR-2)

dln(TIR) 1.0000

dln(PVR) 0.0592 1.0000

dln(TD) -0.0698 -0.2419 1.0000

dln(INGR) 0.0664 0.1994 -0.1665 1.0000

dln(TCR) 0.3431 -0.0492 0.0668 -0.1498 1.0000

dln(PVR-1) 0.1711 0.1355 0.1165 0.3476 0.0964 1.0000

dln(INGR-1) -0.0795 0.3110 -0.0533 0.2834 0.0044 0.1931 1.0000

dln(TIR-1) -0.3343 0.0858 -0.0423 -0.0567 -0.0352 0.0595 0.0526 1.0000

dln(TIR-2) 0.1578 -0.1213 -0.0477 0.0395 0.0143 0.0909 -0.0322 -0.3289 1.0000


28

A continuación, en la tabla nº 6, se reporta una prueba adicional que consiste en mostrar el factor de

inflación de varianza de cada variable. Los resultados tampoco muestran evidencia de multicolinealidad entre las

variables explicativas en ninguna de las regresiones, ya que los valores son mínimos64

.

Tabla Nº 6: Valores de inflación de varianza (VIF)

Variables

Modelo 1

Modelo 2

Modelo 3

Modelo 4

Modelo 6

Modelo 7

dln(TD) 1.07 1.03 1.03 1.04

dln(TCR) 1.01 1.02 1.02 1.05

dln(TIR) 1.01 1.15

dln(TIR-1) 1.25

dln(TIR-2) 1.13

dln(PVR) 1.06 1.04

dln(PVR-1) 1.17

dln(INGR) 1.03 1.05 1.06 1.26 1.13

dln(INGR-1) 1.10 1.10

5.3.3. Autocorrelación

La autocorrelación65

es uno de los problemas que habitualmente encontramos en modelos econométricos,

y junto a la heteroscedasticidad, son causantes de regresiones pobres y espurias. Además, en los modelos que se

estimaron, se observa gráficamente66

un patrón de los residuos en el tiempo, lo cual sugiere la presencia de

autocorrelación. De lo contrario, éstos deberían estar distribuidos más aleatoriamente a lo largo del tiempo y no

exhibir ningún tipo de tendencia. Sin embargo, la gráfica sólo es una prueba presuntiva y se debe realizar una de

tipo formal. A continuación, realizamos las pruebas correspondientes67

, a fin de determinar la existencia de

problemas de autocorrelación, y los resultados que se observan en la tabla nº 7. En base al test Breusch-Godfrey

LM, rechazamos la hipótesis nula al 5% de significancia, solo en el modelo nº 7, lo cual implica la presencia de

64 Valores de inflación de varianza superiores a 10, indicarían una alta correlación entre las variables explicativas, lo que llevaría a

incrementar la varianza de los coeficientes de regresión. 65 Significa que el término de error relacionado con una observación cualquiera, está influenciado por el error de otra observación. El

modelo clásico de regresión lineal supone que no existe autocorrelación. 66 El análisis gráfico de los residuos, se encuentra en el anexo, al final de este trabajo. 67 El Test del multiplicador de Lagrange de correlación serial de de Breusch-Godfrey, es más general que el estadístico de Durbin-Watson,

y se adapta mejor a nuestros modelos.


29

autocorrelación en dicha estimación. De forma complementaria se realiza el test Durbin-Watson, cuyo valor

obtenido, no lo comparamos con el valor crítico de ninguna distribución, y sí lo comparamos con valores límites

de un estadístico d, encontrándose en todos los casos, el mismo resultado. Con relación al modelo de regresión nº

2, y en base a esta última prueba, se estaría en una zona de indefinición, pero no de rechazo68

.

Tabla nº 7: Pruebas de autocorrelación

* No significativa

5.3.4. Normalidad de los residuos

Para este análisis, consideramos en primer lugar el histograma, ya que al tratarse de un método gráfico,

posee algunas ventajas sobre las pruebas numéricas, al mostrar de manera sencilla, varios aspectos complejos de

la relación de los modelos con los datos69

. Además, este examen visual de los residuos, que podemos observar en

el anexo al final de este trabajo, no sugiere desviaciones importantes de aleatoriedad, salvo en los modelos de

regresión nº 2 y nº 7. De todas formas, y para un estudio más exhaustivo, se complementa al análisis gráfico, los

resultados que se reportan en la tabla nº 8, correspondientes a las pruebas Shapiro-Wilk y S-K70

. Además, se

agrega el estadístico de Jarque-Bera, que es una prueba de bondad de ajuste complementaria a las anteriores, para

comprobar si los residuos tienen la asimetría y la curtosis de una distribución normal. Cabe aclarar, que los

resultados de estas pruebas adicionales deben tomarse con cautela para tal fin, pero en este caso, se estaría

comprobando la sospecha que el supuesto de normalidad de los errores, no se estaría cumpliendo en los dos

68 1,48≦1,68 ≦ d ≦ 2,31≦2,52 son los valores obtenidos de la tabla d. Para valores < 1,48 y > 2,52, habría evidencia de autocorrelación. 69 Además, algunos test numéricos, requieren de una cantidad de observaciones mayor. 70 Test Kolgomorov-Smirnov.

Test

Modelo 1

p-valor

Modelo 2

p-valor

Modelo 3

p-valor

Modelo 4

p-valor

Modelo 6

p-valor

Modelo7

p-valor

Durbin-Watson (d) 1.9133 2.4033 2.1586 1.9510 2.1498 2.6715*

Breusch-Godfrey LM 0.8190 0.0582 0.3220 0.9924 0.2993 0.0069*

Ho: No hay evidencia de autocorrelación

(α=5%)


30

modelos indicados. Este fallo podría corregirse, aunque sin seguridad, aumentando la cantidad de observaciones o

recortando el período muestral. Al no cumplirse este supuesto, los estimadores MCO pierden la propiedad de

eficiencia, pero siguen siendo lineales, insesgados, y consistentes. En el resto de los modelos, no se rechaza la

hipótesis nula al 5 % de significancia, por lo que los residuos siguen una distribución normal.

Tabla nº 8. Pruebas de normalidad para los residuos

Prueba

S-K

Prueba

Shapiro-Wilk Asimetría Curtosis

Prueba

Jarque-Bera71

JB = n/6 [S² + ¼ (K - 3)²]

Ecuación p-value p-value

1 0.6083 0.7573 0.012 3.3089 0,24

2 0.0271 0.0155* -0.5947 4.3675 8.34*

3 0.3234 0.7544 0.1111 3.7268 1.46

4 0.3997 0.5651 -0.2133 3.4654 1.01

6 0.3475 0.4196 0.1597 3.6368 0,36

7 0.0057 0.0039* -0.7271 5.2734 6,53*

Ho: los errores se distribuyen normalmente (α=5%)

* No significativa

5.3.5. Homoscedasticidad

La homoscedasticidad es una característica de los modelos de regresión lineal, que implica que la varianza

de los errores es constante a lo largo del tiempo. La importancia de comprobar el cumplimiento de esta hipótesis,

radica en el hecho de disponer de modelos más fiables. En presencia de heteroscedasticidad, los estimadores de

MCO son consistentes e insesgados, sin embargo, los estimadores de la varianza y los errores estándar, no lo son,

invalidando las pruebas de hipótesis (Wooldridge. 2010). Aún así, estos estadísticos se pueden ajustar, por medio

pruebas robustas a la heteroscedasticidad, que los distintos soportes econométricos nos permiten realizar72

. Los

test que ponen a prueba los seis modelos de regresión, se observan en la tabla nº 9, encontrando evidencia para

71 Donde, n es el número de observaciones, S es la asimetría y K es la curtosis. A un nivel de significancia del 5%, la prueba tiene un valor

critico (VC) de = 7,81 y por lo tanto, los errores tienen una distribución normal, si JB < VC. 72 Aplicando estas pruebas, sólo cambian los errores estándar y los intervalos de confianza para modificar la varianza, que es lo que genera

heteroscedasticidad.


31

rechazar la hipótesis de homoscedasticidad73

, en todos, salvo en el modelo nº 7. En consecuencia, a va ser

necesario realizar la prueba robusta en los modelos, donde existe evidencia de heteroscedasticidad.

Tabla Nº 9: Pruebas de Homoscedasticidad

Test

Modelo 1

p-valor

Modelo 2

p-valor

Modelo 3

p-valor

Modelo 4

p-valor

Modelo 6

p-valor

Modelo 7

p-valor

White

Prob > chi2

0.0465* 0.1034 0.0019* 0.0293* 0.2262 0.2565

Breusch-Pagan

Prob > chi2

0.0064* 0.0088* 0.0000* 0.0516 0.0268* 0.1735

Ho: varianza de los errores constante (homoscedasticidad).

(α=5%)

* No significativa

Los resultados de las pruebas robustas, corrigen el problema de heteroscedasticidad de los modelos de

regresión, pero generan que algunas variables explicativas dejen de ser significativas, como se observa en la tabla

nº 10. La serie de la tasa de desempleo, dejó de ser significativa para todos los modelos estáticos donde se la

incluye, también la tasa de interés en la segunda ecuación. En los modelos nº 4 y nº 6 se corrige el problema de

heteroscedasticidad, y las variables explicativas siguen siendo significativas. Por lo tanto, serán los modelos que a

continuación tendremos en cuenta para la etapa de predicción, junto con el nº 7 que no necesitó pasar por la

prueba para corregir heteroscedasticidad.

73 Los modelos de regresión nº 2, nº 4 y nº 6, no rechazan la hipótesis de homoscedasticidad, pero sólo en una de las pruebas, por lo que se

considera prudente, correr los estadísticos robustos de heteroscedasticidad.


32

Tabla Nº 10 - Regresiones con pruebas robustas de heteroscedasticidad

* Significativa al 10%. Significativa al 5% Significativa al 1%

5.4. Predicción del modelo

Interpretación de los coeficientes

Una vez realizada la diagnosis de todos los modelos econométricos expuestos, concluimos que el modelo

de regresión que cumple con todos los supuestos e hipótesis básicas, que debe tener todo modelo de regresión

lineal es el nº 6, y por lo tanto, nos va a permitir tener una mayor capacidad de predicción a la hora de explicar, en

cierto modo, la variación de la demanda de crédito hipotecario. En la ecuación nº 4, el coeficiente del precio de las

viviendas, podía conducirnos a un problema de causalidad inversa, que se quiere evitar, y el modelo nº 7 no

Ecuación Modelo 1

(t-estad)

p-valor

Modelo 2

(t-estad)

p-valor

Modelo 3

(t-estad)

p-valor

Modelo 4

(t-estad)

p-valor

Modelo 6

(t-estad)

p-valor Variables

Explicada

∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) ∆ln(CRH) Explicativas

Constante -0.0475

(-1.08)

0.285

-0.0326

(-0.69)

0.496

-0.0110

(-0.26)

0.798

-0.0530

(-1.15)

0.253

0.0357

(0.87)

0.386

∆ln(TD) -0.7910

(-1.41)

0.164

-0.9526

(-1.59)

0.118

-0.8515

(-1.48)

0.145

∆ln(TIR)

-0.7557

(-1.44)

0.155

∆ln(PVR) 2.4157*

(1.76)

0.083

2.6114*

(1.94)

0.057

∆ln(PVR-1) -3.618**

(-2.35)

0.023

∆ln(TCR) -1.9990**

(-2.33)

0.023

-1.8662**

(-2.26)

0.027

-1.8951***

(-2.70)

0.009

-1.6952***

(-2.94)

0.005

∆ln(INGR) 3.4693**

(2.15)

0.036

2.6927*

(1.79)

0.078

2.6477*

(1.76)

0.084

4.1940***

(2.73)

0.008

∆ln(INGR-1) 3.1978**

(2.29)

0.026

R² 0.2598 0.2031 0.2649 0.2541 0.3651

Estadístico F 5.42 4.49 4.22 6.94 9.27

Prob. F 0.0024 0.0068 0.0092 0.0005 0.0000


33

superó las pruebas de autocorrelación y normalidad como se observó anteriormente. De esta forma, el modelo de

regresión de características dinámicas elegido, está dado por:

ln(CRH)t = 0,0357 - 1,6952 ln(TCR)t + 4,1940 ln(INGR)t + 3,1978 ln(INGR)t-1 -3,618 ln(PVR)t -1

(4)

donde se presentan las siguientes relaciones entre las variables explicativas y la demanda de créditos hipotecarios:

Por cada 1% que aumenta el tipo de cambio real, la demanda de créditos hipotecarios se reduce 1,69 %.

Este multiplicador de impacto elástico, responde a la sensibilidad que tienen los potenciales demandantes de

crédito hipotecario cuando varía el tipo de cambio real.

Por cada 1% que aumenta el ingreso real de los asalariados, la demanda de créditos hipotecarios se

incrementa 4,19%, si tomamos solamente el multiplicador contemporáneo. Si le sumamos el valor no

contemporáneo transcurrido un período, aumenta 7,39%. Dicho esto, del impacto total, que surge del aumento de

1% en el ingreso, sobre la demanda de crédito hipotecario, más del 5674

% se siente de inmediato, durante el

primer trimestre, y el 100 % al terminar el segundo. Esto sería coherente, teniendo en cuenta las restricciones de

acceso al crédito para la vivienda, que se comentaron anteriormente, donde el ingreso real de los asalariados es

clave, no solo para contar con un nivel de ahorro necesario, sino también, para poder calificar, según los requisitos

solicitados por las entidades bancarias.

Por cada 1% que aumenta el precio de las viviendas, la demanda de créditos hipotecarios, se reduce 3,62

%75

. Se observa una demanda de créditos hipotecarios, bastante elástica al precio, tomando solamente el valor no

contemporáneo pasado un trimestre.

74 (4,19/7,39) x 100. 75 En todos los casos, ante cada variación porcentual de cada una de las variables explicativas, rige el criterio ceteris paribus.


34

Prueba de estabilidad estructural

Cuando utilizamos un modelo de regresión que implica series de tiempo, tal vez se dé un cambio

estructural en la relación entre la variable dependiente y las explicativas. Esto es, que los valores de los

parámetros del modelo no permanecen constantes a lo largo de todo el período. Al observar el cuadro nº 3,

parecería darse un cambio en el comportamiento de la demanda de créditos hipotecarios a partir de 2017, algunos

meses después del lanzamiento de los créditos UVA76

, lo cual podría ser un indicio de inestabilidad estructural en

la parte final de la serie analizada. Además, las pruebas estándar de la hipótesis de raíz unitaria, realizadas para

evaluar la estacionariedad de las series, pueden ser poco confiables en presencia de cambios estructurales (Perrón

Phillips 1989).

Para corroborar si esto es así, realizamos la prueba de Chow77

y dividimos la muestra en dos períodos:

(1er. trimestre 2004-4to. trimestre 2016) y (1do. trimestre 2017-2do. trimestre 2019). Para ello, se incluye una

variable dummy, que toma valor cero para el primer período y uno, para el segundo. El modelo original supone

que no hay diferencia entre los dos períodos, y por lo tanto, estima la relación entre la demanda de créditos

hipotecarios, y el resto de las variables explicativas para la totalidad del período78

. A priori, podría ser

cuestionable realizar la estimación, debido a la diferencia de observaciones entre uno y otro período, pero se

decide seguir adelante con la prueba, a fin de encontrar alguna evidencia de cambio estructural que convalide el

análisis gráfico precedente. Según los resultados obtenidos, que se reportan en la tabla nº 11, y fijando un nivel de

significancia del 5 %, no se rechaza la hipótesis de estabilidad estructural, y por lo tanto, concluimos que las dos

regresiones (nº 6.1. y nº 6.2.) son estadísticamente iguales. En cuanto al nivel de significancia individual de las

series, en el modelo nº 6.1., correspondiente al primer período, todas las variables son estadísticamente

significativas, menos el valor no contemporáneo del ingreso rezagado un trimestre. Con respecto al signo que

toman los coeficientes, en todos los casos, son coherentes con la teoría económica. Los valores del precio de las

76 En realidad fueron las Unidades de Vivienda (UVI). En septiembre del mismo año, el BCRA las renombra por Unidades de Valor

adquisitivo (UVA), de tal manera que se pudiera uniformar la información de referencia. 77 Es simplemente la prueba F. 78 Es decir, supone que el intercepto, así como el coeficiente de la pendiente, permanecen constantes todo el período, por lo que no

hay cambio estructural. Los modelos nº 6.1 y nº 6.2, sí suponen que las regresiones en ambos períodos son distintas, es decir, el

intercepto y los coeficientes de las pendientes son diferentes.


35

viviendas, y tipo de cambio real son un poco más elásticos que en el modelo original (serie completa), y en el

caso del ingreso, en su valor contemporáneo, la elasticidad es menor. El modelo de regresión 6.2.,

correspondiente al segundo período, señala coherencia con los signos de los coeficientes de todas las variables,

pero solo el ingreso en su valor contemporáneo es estadísticamente significativo. Esto podría deberse a la exigua

cantidad de observaciones, y la imposibilidad de medir efectos de corto plazo de las variables involucradas, en un

período tan breve. En cuanto a la bondad de ajuste, en esta última regresión, (segundo período), se observa un R²

elevado, pero no tendría significancia global al 5 % de significancia (test F). Los resultados de la prueba de Chow,

dejan abierta una futura investigación para series con un número mayor y más equilibrado de observaciones.

Tabla Nº 11: Prueba de estabilidad estructural

* p < 0.1, ** p < 0.05, *** p < 0.01

Ecuación Modelo 6

62 obs.

(t-estad)

p-valor

Modelo 6.1

50 obs.

(t-estad)

p-valor

Modelo 6.2

12 obs.

(t-estad)

p-valor

Test de Chow

Variables

Explicada ∆ln(CRH) ∆ln(CRH) ∆ln(CRH)

Ho: Existe estabilidad estructural.

(α=5%) Explicativas

Constante 0.0357

(0.87)

0.386

0.0245

(0.48)

0.630

0.1643

(1.20)

0.285

F = [SRCt – (SRC1 + SRC2)] /k

(SRC1 + SRC2)/(n1 + n2 – 2.k)

∆ln(PVR-1) -3.618**

(-2.35)

0.023

-3.6948**

(-2.40)

0.021

-3.2579

(-1.17)

0.293

F = [4,60 – (3,56 + 0,49)] /4 = 1,76

(3,56 + 0,49)/(50 + 10 – 2.4)

∆ln(TCR) -1.6952***

(-2.94)

0.005

-2.3693***

(-3.09)

0.003

-0.6228

(-0.56)

0.600

Para un nivel de significatividad de 5 %, el valor crítico de

F (4,52) sería aprox. 2,55. Por lo tanto, no se rechaza la

hipótesis de que la función de demanda, en los dos

períodos de tiempo es la misma.

Por lo tanto, no hay evidencia de cambio estructural entre

ambos períodos

∆ln(INGR) 4.1940***

(2.73)

0.008

3.3267**

(2.21)

0.032

10.8831*

(2.20)

0.079

∆ln(INGR-1) 3.1978**

(2.29)

0.026

2.4410

(1.42)

0.162

2.8540

(0.61)

0.567

R² 0.3651 0.3398 0.7228

Estadístico F 9.27 5.22 4.38

Prob. F 0.0000 0.0015 0.0684**


36

6. Conclusiones

Luego de atravesar por un período de alta incertidumbre política y económica y tomando como punto de

partida el año 2004, donde la situación macroeconómica mejora sustancialmente, en términos de nivel de

actividad y empleo, durante por lo menos los siguientes 10 años79

, el mercado de crédito hipotecario argentino

mantiene sus niveles mínimos, no consiguiendo volver a los guarismos de la década del 90. Sólo el efímero

impulso que tuvo el mercado luego del lanzamiento de los créditos indexados en 2016, hizo pensar en una

promisoria recuperación del crédito hipotecario. Pero como tantas otras veces, la elevada inflación y la continua

depreciación de la moneda nacional, que afectan el ingreso real de las familias, sumado a la incertidumbre general

que reina sobre todos los ámbitos de nuestro país, desvanece cualquier intento de recuperación.

Estableciendo comparaciones con otros trabajos similares, se encuentran resultados equivalentes, en

cuanto a la influencia negativa de la tasa de interés de los créditos hipotecarios y el tipo de cambio real, y positiva

del ingreso real de las familias. El ingreso real de los asalariados, resultó en todos los modelos, la variable más

significativa y con mayor impacto económico sobre el mercado hipotecario. De allí la importancia de ir a un

escenario de desinflación, que recupere el poder de compra de los salarios, estimule el ahorro, y genere

expectativas deseables sobre el mercado hipotecario. Con relación al precio de las viviendas, se observa una

elevada sensibilidad que desalienta la demanda de crédito hipotecario. La combinación de un creciente déficit

habitacional, más las características particulares que presentan las viviendas, como ser reserva de valor, bien de

inversión residencial, activo seguro en términos de derechos de propiedad, protección frente a la inflación y

devaluaciones, etc., ha presionado sobre el precio de las viviendas durante todo el período analizado, afectando

negativamente a la demanda de crédito hipotecario. La volatilidad cambiaria exhibida en el período, también ha

atentado contra la certidumbre necesaria para alentar a las familias a acceder a un crédito hipotecario. La presión

cambiaria permanente, por los motivos mencionados con anterioridad, ha sido sin dudas, una de las causas del

magro desempeño del mercado hipotecario a lo largo del periodo analizado.

79 Cabe aclarar, que hasta febrero de 2016, hubo todo el tiempo, al menos una parte de la deuda soberana en cesación de pagos, hasta que el

gobierno de Mauricio Macri, acordó el pago definitivo con los acreedores privados.


37

Las expectativas generadas en el mercado, luego del lanzamiento de los créditos indexados, dejó en

evidencia la necesidad del sector asalariado de contar con una línea de crédito asequible, para acceder a la

vivienda propia, pero los sucesos permanentes de inestabilidad macroeconómica, afectaron sensiblemente a

aquellos que eligieron esta modalidad, ya que sin cláusulas que limiten el ajuste, pusieron a los deudores en una

situación de vulnerabilidad, y en un breve lapso de poco más de un año, los créditos hipotecarios bajo la

modalidad UVA, dejaron de ser requeridos. En consecuencia, el problema no son los créditos indexados,

experiencia que sí ha dado resultado en otros países latinoamericanos, sino el descalce que pueda ocurrir entre la

moneda a la que se indexan las deudas hipotecarias y los ingresos de los deudores.

Por último, los resultados presentados aquí sugieren algunas líneas de investigación para el futuro, en

particular, sobre otros factores vinculados al mercado hipotecario, principalmente por el lado de la oferta, al

déficit habitacional existente y la formación de los precios de las viviendas, que permitan mejorar el estudio de la

demanda de crédito hipotecario y sus estimaciones econométricas.


38

REFERENCIAS BIBLIOGRÁFICAS

Alt, Franz L. (1942). Distributed lags. Econometrica. Vol. 10. Nº 2. The Econometric Society.

Auguste, S., Bebczuk, R., & Moya, R. (2011). The Demand for Mortgages under Macro Volatility: The

Argentine Case. IDB Working Paper No. 284.

Banco Central de la República Argentina (BCRA). (Varios números). Información de entidades

financieras.

Centro de Economía Política Argentina (CEPA). Préstamos hipotecarios UVA. Análisis de la situación

actual de los hipotecados y evolución del mercado. Mayo 2019.

Cristini, M., & Moya, R. (2004). Las instituciones del financiamiento de la vivienda en Argentina.

Banco Interamericano de Desarrollo.

Elinbaum, Pablo. & Baremboin Cintia A. (2016). Efectos metropolitanos de una política de vivienda

mixta. El caso ProCreAr. Cuadernos de vivienda y urbanismo. ISSN 2027-2103. Vol. 11. Nº 21.

Finanzas Estructuradas (2018). Préstamos hipotecarios residenciales UVA. Análisis de su evolución y

experiencias en otros países. Informe especial.

Galinsky, Damián & Grandes, Martín. 2017. ¿Cómo se puede manejar el riesgo asociado con

diferencias en tasas de inflación en los mercados de hipotecas y trabajo? Universidad Eafit. Ecos de

Economía.

González, Mariana. (2017). El boom de préstamos hipotecarios en perspectiva. Centro de Investigación

y Formación de la Republica Argentina (CIFRA).

González Rouco, Federico. (2017). Vivienda: El Relato. Plan PRO.CRE.AR. Antes y Después. Buenos

Aires. Centro de Estudios del Futuro Argentino.

Gujarati Damodar N. & Porter Dawn C. Econometría. Quinta Edición. McGraw-Hill/Interamericana

Editores, S.A. de C.V. México, D. F.


39

Kiguel, M.A. & Podjarny, E. (2007). Impacto de Factores Macro y Microeconómicos en el Desarrollo

del Mercado de Hipotecas: Reflexiones Basadas en Argentina, Chile y Uruguay. Serie de Estudios

Económicos y Sociales CSC 07-010. Washington, DC, United States: Inter-American Devolpment Bank.

Maldonado, Leonardo J., & Vera Leonardo. (2011). Los determinantes de la demanda de crédito de los

hogares: un modelo de vectores de corrección para Venezuela. Revista Nueva Economía. Año XIX, nº

34.

Perron, Phillips. (1989). The Great Crash, the Oil Price Shock and the Unit Root Hypothesis.

Econometrica, vol. 57.

Redondo, José A., & López, María C. (2001). La demanda de crédito hipotecario en España: especial

referencia a la situación gallega. Departamento de Economía Financiera y Contabilidad Facultad de

Ciencias Económicas y Empresariales Universidad de Santiago de Compostela.

Tinbergen, Jan. (1949). Long-term foreign trade elasticities. Metroeconomica. Vol. 1. Nº 3. International

Review of Economics.

Universidad Argentina de la Empresa (UADE). Informe Mercado Inmobiliario e Índice del Salario

Real. Instituto de Economía. Facultad de Ciencias Económicas. Enero 2019.

Wooldridge, Jeffrey M. (2010). Introducción a la econometría. Un enfoque moderno, 4a edición.

Cengage Learning Editores. México D.F.


40

7. Anexo estadístico

7.1. Gráficos de autocorrelaciones (FAC)

-0.4

0-0

.20

0.0

00

.20

0.4

0

Au

tocorr

ela

tion

s o

f er1

0 10 20 30Lag

Bartlett's formula for MA(q) 95% confidence bands

Modelo1

Residuos

-0.4

0-0

.20

0.0

00

.20

0.4

0

Au

tocorr

ela

tion

s o

f err

2

0 10 20 30Lag


Modelo2

Residuos

-0.4

0-0

.20

0.0

00

.20

0.4

0

Au

tocorr

ela

tion

s o

f err

o3

0 10 20 30Lag


Modelo3

Residuos

-0.4

0-0

.20

0.0

00

.20

0.4

0

Au

tocorr

ela

tion

s o

f err

or4

0 10 20 30Lag


Modelo4

Residuos

-0.4

0-0

.20

0.0

00

.20

0.4

0

Au

tocorr

ela

tion

s o

f err

or6

rob

0 10 20 30Lag


Modelo6

Residuos

-0.4

0-0

.20

0.0

00

.20

0.4

0

Au

tocorr

ela

tion

s o

f err

or7

rob

0 10 20 30Lag


Modelo7

Residuos


41

7.2. Análisis gráfico de los residuos para ver si siguen una distribución normal

0.5

11

.5

Den

sity

-1 -.5 0 .5 1Residuals

Kernel density estimate

Normal density

kernel = epanechnikov, bandwidth = 0.1100

Modelo1


0.5

11

.52

Den

sity



Normal density


Modelo2


0.5

11

.5

Den

sity



Normal density


Modelo3

Kernel density estimate0

.51

1.5

Den

sity



Normal density


Modelo4


0.5

11

.5

Den

sity



Normal density


Modelo6


0.5

11

.52

Den

sity



Normal density


Modelo7



42

7.3. Análisis gráfico de la estacionariedad de las series

-1-.

50

.51

Resid

uals

2005q1 2010q1 2015q1 2020q1Periodo

Modelo1

-1-.

50

.51

Resid

uals

2005q1 2010q1 2015q1 2020q1Periodo

Modelo2

-1-.

50

.51

Resid

uals

2005q1 2010q1 2015q1 2020q1Periodo

Modelo3-1

-.5

0.5

1

Resid

uals

2005q1 2010q1 2015q1 2020q1Periodo

Modelo4

-1-.

50

.51

Resid

uals

2005q1 2010q1 2015q1 2020q1Periodo

Modelo6

-1-.

50

.5

Resid

uals

2005q1 2010q1 2015q1 2020q1Periodo

Modelo7

FACTORES DETERMINANTES DE LA DEMANDA DE CRÉDITO ...

Documents

Transcript of FACTORES DETERMINANTES DE LA DEMANDA DE CRÉDITO ...