La Demanda de Crédito en Venezuela: Cointegración y Dinámica de Corto Plazo UNIVERSIDAD CENTRAL...

La Demanda de Crédito en La Demanda de Crédito en Venezuela: Venezuela:

Cointegración y Dinámica de Corto PlazoCointegración y Dinámica de Corto Plazo

UNIVERSIDAD CENTRAL DE VENEZUELAUNIVERSIDAD CENTRAL DE VENEZUELAFACESFACES

Escuela de EconomíaEscuela de Economía

Leonardo V. Vera

¿QUE HA DESPERTADO EL INTERÉS POR EL MERCADO DE CRÉDITO?

Es una importante fuente de creación de dinero (variaciones en el stock de dinero son en buena medida causadas por cambios en el stock de crédito).

Enorme importancia práctica para evaluar el curso de la política monetaria y su impacto sobre la actividad económica.

Excesiva concentración de la macroeconomía en el mercado de dinero y de bonos (para entender la intereacción entre el sector monetario y financiero y la economía real).

Dificultades en el control de la Política Monetaria con agregados monetarios.

Algunos Hechos Estilizados

del Comportamiento del Crédito

en Venezuela

0%

10%

20%

30%

40%

50%

60%I8

0

I81

I82

I83

I84

I85

I86

I87

I88

I89

I90

I91

I92

I93

I94

I95

I96

I97

I98

I99

I00

Cartera de Créditos como % PIB (1980-2000)

Fuente: Banco Central de Venezuela y Cálculos Propios

BANCA COMERCIAL Y UNIVERSALCrédito Real Per Capita, 1986:1 a 2000:4 (bolívares)

1.543

5.299

0

1.000

2.000

3.000

4.000

5.000

6.000

1986

I

1987

I

1988

I

1989

I

1990

I

1991

I

1992

I

1993

I

1994

I

1995

I

1996

I

1997

I

1998

I

1999

I

2000

I

Bs.

EL CRÉDITO REAL PER CAPITA (1986-2000)

Trimestres

0

20000

40000

60000

80000

100000

86 88 90 92 94 96 98 00

CRÉDITO REAL TENDENCIA HP DEL CRÉDITO REAL

COMPORTAMIENTO Y TENDENCIA DEL CRÉDITO EN TÉRMINOS REALES

Banca Comercial e Universal (1986-2000)

Millones de Bs.

-15000

-10000

-5000

0

5000

10000

15000

20000

ene-

86

ene-

88

ene-

90

ene-

92

ene-

94

ene-

96

ene-

98

ene-

00

Desviación de la serie de su Valor de Tendencia

Comportamiento Cíclico del Crédito

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

1.0

87 88 89 90 91 92 93 94 95 96 97 98 99 00

Tasa de Crecimiento del Crédito Real Tasa de Crecimiento del IGAEM

Crecimiento del Crédito y de la Actividad Económica

Coeficiente de Correlación = 0,61

Series sin raiz unitaria

-2

-1

0

1

2

3

87 88 89 90 91 92 93 94 95 96 97 98 99 00

Tendencia HP del Indice de ventas

Crédito Real Indice de Ventas (real)

Crédito Real Mensual e Indice de Ventas Reales

Observaciones Normalizadas

En 15 años de data mensual se observan entre tres y cuatro ciclos de contracción y tres ciclos de expansión (aproximadamente cada 5 años se da un ciclo completo)

Los meses de contracción (103) superan abiertamente los meses de expansión (65)

Resumen de los Hechos Estilizados

El Crédito y la Actividad Económica siguen cursos muy similares

Existe una tendencia marcada a la caída y posterior estancameinto del crédito en Venezuela

Como porcentaje del PIB

En Términos Reales

Como proporción del Activo del Sistema

Como porporción de los Depósitos

EL TRABAJO EMPÍRICO SOBRE EL MERCADO DE CRÉDITO

Escasa atención si se compara con la plétora de estudios sobre el comportamiento de la Demanda de Dinero.

Hecho curioso si se considera que los primeros estudios empíricos sobre el mercado de crédito se iniciaron con Tinbergen (1934, 1937), años antes del primer estudio sobre los determinantes de la demanda de dinero de Brown (1938).

Existe un interés reciente intentando explicar el “credit slowdown” en economías emergentes

Teorías que se apoyan en la hipótesis del “Credit Crunch”Teorías centradas en la caída de la Demanda de Crédito

No hay estudios conocidos sobre la demanda de crédito o sus determinantes en Venezuela.

Los Factores Determinantes de la Demanda de Crédito

Tres enfoques teóricos existen para dar con los determinantes de la demanda de crédito

El enfoque de Hoja de Balance Corporativa

La demanda de crédito depende de la estructura de activos y pasivos de las empresas y del costo relativo del financiamiento (flujo de caja, brecha de financiamiento, costo relativo del crédito y de otras fuentes de financiamiento)

El enfoque Fisheriano

El programa de maximización de utilidad de los hogares y de decisión entre consumo presente y futuro admite una especificiación funcional de la demanda de crédito (ingreso permanente, tasa de interés y nivel de riqueza)

El enfoque del Canal del Crédito

La política monetaria afecta la “prima de financiamiento” de las empresas a través del canal de “hoja de balance”. Tanto el flujo de caja como el valor del colateral se ven afectados por cambios en las tasas de interés oficial

ENFOQUES RECIENTES EN LA ESTIMACIÓN DE LA DEMANDA DE CRÉDITO

1. Estimando un Sistema en la Demanda de Crédito y la Tasa de Interés o usando Variables Instrumentales

Ejemplo: Heremans, Sommariva y Verheirstraten (1976),Friedman y Kuttner (1993), Fase (1995), Catao (1997)

3. Identifiación por Restricción de Parámetros aislando las Variables que Teóricamente afectan la Demanda

Ejemplo: Moore y Threadgold (1980, 1985), Cuthbertson y Foster (1982), NIESR (1983), Cuthbertson (1985), Howells y Hussein (1999), Panagopoulos y Spitolis (1998), Calza, Gartner y Sousa (2001)

2. En un Enfoque de Desequilibrio donde se Indentifican la Oferta y Demanda de Crédito con una Estimación de Maxima Verosimilitud

Ejemplo: Laffont y García (1977), Sealey (1979), Pazarbasioglu (1997), Ghosh y Ghosh (1999), Kim (1999), Barajas, López y Oliveros (2001), Barajas y Steiner (2001)

Ecuación de Demanda

Ecuación de Precios

ESTIMANDO LA DEMANDA COMO UN SISTEMA

Fase (1995) estima un sistema con la siguiente especificación:

Estimadores: OLS, TSLS y SUR

1

543210

t

pbe

p

LLni

v

inviv

P

LLn

D

DCPiiiiii fifpfp 43210

L/p = Crédito Real

ve = Ventas Esperadas

ip = Tasa de Préstamos

if = Tasa de Descuento

ii = Tasa Interbancaria

ib = Tasa de Bonos

DCP/D = Depósitos a Corto Plazo/Depósitos

ESTIMANDO CON UN ENFOQUE DE DESEQUILIBRIO

La tasa de interés no se ajusta plenamente a los excesos de demanda y oferta de crédito

epbp

st piDQiiC ˆ543210

Si Ctd > Ct

s Racionamiento

Si Cts > Ct

d Deficiencia de Demanda d

tstt CCminC ,

eebp

dt pyypQRRC ˆ*)( 6543210

epbp

st piDQiiC ˆ543210

Demanda de Crédito

Oferta de Crédito

y = Producto Real

y* = Producto Potencial

Rp = Tasa Real de Préstamos

Rb = Tasa Real Bonos del Gobierno

pe = Precio de las Acciones

Q = Indice de Prod. Industrial

pe = Tasa de Inflación esperada

El nivel actual de crédito viene dado por la siguiente especificación:

ESTIMANDO LA DEMANDA DE CRÉDITO POR RESTRICCIÓN DE PARÁMETROS

pFCiiiyp

Lpbp ˆ)()ln( 543210

pi iiyp

L3210

Se asume adicionalmente que los bancos fijan las tasas en el mercado de crédito (price makers) y que atienden toda la demanda una vez establecido

el colateral y la estructura de pagos

Se emplea la teoría para restringir el signo de los parametros de la demanda

Cuthbertson (1985)

Calza, Gatner y Souza (1995)

y = Producto Real

ip = Tasa de Préstamos

ib = Tasa Bonos del Gobierno

ii = Tasa Interbancaria

FC = Indice de Flujo de Caja

p = Tasa de Inflación

Ejemplos

La Especificación del Modelo

Asumiremos que los bancos operan en condiciones de competencia imperfecta fijando las tasa de préstamos y atendiendo la demanda una vez establecido el colateral y la estructura de pagos. La demanda determina el stock de crédito real, CR e identificaremos por restricción de parámetros.

Suponemos una economía abierta financieramente y por tanto la posibilidad de que las empresas evaluen decisiones de inversión en activos financieros externos

Las empresas se enfrentan a la siguiente restricción de financiamiento

Las empresas toman decisiones de inversión entre activos reales y activos financieros externos y financian esas decisiones con tres fuentes de fondos: el flujo de caja, variaciones en el crédito y/o variaciones en la emisión de papeles

PCRFCB*I

Donde I = Inversión en activos reales, B* = variación en la posición de activos externos netos, FC = Flujo de caja, CR = Variación en el crédito real, P = Variación en el stock de papeles

PBFCICR * Esta es una simple relación contable sin ninguna teoría establecida

I B *Rendimiento a favor de los activos externos netos

CRFC Prefencia mayor por el financiamiento interno en lugar del externo


La demanda de crédito se puede incrementar para financiar la compra de bonos externos

CRB *


PBFCICR *Para hacer operacional la restricción financiera de las empresas con alguna teoría especificamos los siguientes ecuaciones de comportamiento(1)

0P (2) Mercado de Capitales (poco profundo)

),( *** CFIrBB

(3) Demanda de Bonos Externos de las Empresas

(4) Demanda de Crédito de las Empresas),,( *

rFCIrCRCR L

(7))(ˆ qqee Variación Esperada del Tipo de Cambio

eeir ˆ** (6) Rendimiento de los Bonos Externos

r* = Rendimiento en Bs. de B*

I - FC = Brecha de Financiamiento

rL = Tasa de Préstamos

i* = Tasa de interés externa de B*

ee = Variación Esperada en el TC

q = Tipo de Cambio Real

Riesgo

Q = Producto

(5) Demanda de Inversión),,,,( *

QrrFCII L

),,( *

rFCIrCRCR L


),,,,( *

QrrFCII L

)(** qqir

Un incremento en el riesgo hace disminuir la inversión y el Crédito

0 2

CR

0

Lr

CR Un incremento en la tasa hace más caro el financiamiento externo y desestimula la inversión

? *r

CR

Un mayor rendimiento hace más

atractivo los papeles foráneos aumentando la demanda CR, pero deprime la inversión, disminuyendo CR

? FC

CR Una caída en FC amplía la brecha de financiamiento e incrementa CR, pero también disminuye I lo que hace reducir CR

Un incremento en Q eleva la inversión (efecto acelerador) y eleva el Crédito

0

Q

CR

)( LrFCFC

Efecto Hoja de Balance

qqee ˆ

Las Variables y su Correlación

CR = Stock de Crédito en Términos Reales Desviación Estandar de la Inflación Promedio

Tasa de Inflación (últimos doce meses)

Q = Indice de Ventas Reales CF = Flujo de Caja Empresarial(Mark-up)

rb = Tasa de Interés de los Títulos Públicos rL = Tasa de Interés Real

R = Tasa de Interés de los Préstamos q = Indice de Tipo de Cambio Real

IG = Indice IGAEM i* = Tasa Libor

Vector de Correlación entre Log(CR) y resto de las variables1

1986:1 a 2000:12 (Data Mensual)

Ln(Q) Ln(IG) Ln(R)

LnrL Ln(rb –rL) Ln(i*) Ln(CF) Ln(q) Ln(1) Ln(2) Ln() Ln(rb)

Ln(CR)

0,74

-0,2

-0,60

-0,05

0,43

0,32

-0,53

0,63

0,11

-0,05

-0,22

-0,38

1/Las variables denotan lo siguiente: Q = ventas reales, IG = Indice de actividad económica IGAEM, R = Tasa activa promedio nominal, rL = Tasa de interés real, (rb – rL) = spread de tasas de títulos públicos y crédito, i* = tasa interbancaria en USA, FC = margen de recargo, q = tipo de cambio real efectivo, 1 = variabilidad de la tasa de inflación, 1 = variabilidad de la actividad económica, = tasa de inflación, rb = rendimiento de títulos públicos.

TEST DE RAÍCES UNITARIAS

Variable Test ADF ** Test Phillips-Perron **

Ln (CR) -1,74 Valor Crítico al 1% * -3,468 -1,161 Valor Crítico al 1% * -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877

Valor Crítico al 10% -2,575 Valor Crítico al 10% -2,575

Ln (R) -1,997 Valor Crítico al 1% -3,468 -1,932 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877


Ln (Q) -1,249 Valor Crítico al 1% -3,468 -2,107 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877


Ln (q) -0,815 Valor Crítico al 1% -3,468 -0,788 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877


Ln (CF) -0,743 Valor Crítico al 1% -3,468 -0,405 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,878


* Valor crítico de McKinnon para el rechazo de la hipótesis de una raiz unitaria. ** Se incluye el intercepto en la ecuación a testear

Prueba de Raíces Unitarias de las Variables (I)

H0 = Variable x es no estacionaria

TEST DE RAÍCES UNITARIAS PARA LAS VARIABLES EN PRIMERAS DIFERENCIAS

Variable Test ADF ** Test Phillips-Perron **

DLn (CR) -3,7 Valor Crítico al 1%* -3,469 -7,821 Valor Crítico al 1%* -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877


DLn (R) -4,754 Valor Crítico al 1% -3,469 -10,147 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877


DLn (Q) -7,546 Valor Crítico al 1% -3,469 -17,569 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877


DLn (q) -6,315 Valor Crítico al 1% -3,469 -15,403 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,877


DLn (CF) -5,394 Valor Crítico al 1% -3,469 -10,754 Valor Crítico al 1% -3,468Valor Crítico al 5% -2,878 Valor Crítico al 5% -2,878


Prueba de Raíces Unitarias de las Variables (II)

* Valor crítico de McKinnon para el rechazo de la hipótesis de una raiz unitaria. ** Se incluye el intercepto en la ecuación a testear

Las variables son estacionarias en diferencias, así que es preciso indagar si existe un vector de cointegración entre ellas

De acuerdo al enfoque de Engle y Granger (1987) las variables con el mismo orden de integración forman un vector cointegrado si los residuos de una regresión entre ellas son estacionarios

Test de Estacionaridad de los Residuos

Variable Test ADF Test Phillips-Perron

t -2,919 Valor Crítico al 1%* -2,577 -2,724 Valor Crítico al 1%* -2,577Valor Crítico al 5% -1,941 Valor Crítico al 5% -1,941


H0 = Variable x es no estacionaria

Se rechaza la hipótesis nula sobre la no-estacionaridad de los residuos.

De acuerdo al enfoque de Engle y Granger, las variables I(1), Ln (CR), Ln (R), Ln (Q), Ln (CF) y Ln (q) están cointegradas

Test de Cointegración con el Enfoque de Engle y Granger

Gonzalo y Lee (1995) suguieren aplicar un curso de acción donde se apliquen varios test de cointegración. Aplicamos el procedimiento de Engle y Granger y de Johansen-Juselius

Busqueda de Estructura Óptima de Rezagos para Test de Cointegración

ttptptt eBxyAyAy ...11 ttptptt eBxyAyAy ...11

Representación VARyt= vector k de variables endógenas

LnCRt, LnRt, LnQt, Lnqt, LnCFt

xt= vector d de variables exógenas

Ap y B = Matrices de Coeficientes

Selección de Estructura Óptima de Rezagos en VAR Irrestricto

Orden del VAR Criterio de Información de Akaike

Criterio de Información de Schwarz

1 -14,81 -14,282 -15,46 -14,53 -15,49 -14,024 -15,4 -14,55 -15,37 -13,026 -15,35 -12,53

Test de Cointegración con el Enfoque de Johansen-Juselius

Test de Cointegración de Johansen-Juselius

Muestra: 1986:01 a 2000:12Series: Ln (CR), Ln (R ), Ln (Q), Ln (CF), Ln (q )Supuesto: Tendencia Determinística Cuadrática en la DataIntervalo de rezagos: 1 a 3

H0 H1Autovalor

)1log(1

)

k

riir TQ

LRtraza Valor Crítico*5%

Valor Crítico*1%

r = 0 r = 1 0,1545 79,0465 77,74 85,78

r 1 r = 2 0,1340 49,5080 54,64 61,24

r 2 r = 3 0,0788 24,1717 34,55 40,49

r 3 r = 4 0,0324 9,7249 18,17 23,46

r 4 r = 5 0,0220 3,9280 3,74 6,40

* Los valores críticos de los estadísticos de Traza son los reportados por Osterwald-Lenun (1992)

Se rechaza la H0 no existe ningún vector de cointegración

No se acepta la H1 sobre la existencia de 2 vectores de cointegración

Vector de Cointegración según método de JJ

Normalizado sobre la variable Ln( CR )

Muestra: 1986:01 a 2000:12 Observaciones: 176 Intervalo de Rezagos: 1 a 3

Ln(CR )

Ln(Q) Ln(R ) Ln(CF) Ln(q ) Tendencia C

-1,000

0,5654 - 0,4756 2,9140 0,0278 - 0,0088 13,2472

Log likelihood 1442,75

La Relación de Largo Plazo

El Teorema de Representación de Granger nos dice que la relación de variables I(1) cointegradas puede ser generada por un modelo dinámico de Correción de Errores. Este representa las variables en primeras diferencias y con rezagos junto con un mecanismo de corrección de errores. Si el coeficiente del término de correción de errores es negativo y significativo, las series efectivamente se cointegran y el modelo converge.

La forma general del modelo sería

n

i

n

ititit

n

i

n

iitiitit

eZqLnCFLn

QLnRLnCCRLn

0 01

0 0

)()(

)()()(

n

i

n

ititit

n

i

n

iitiitit

eZqLnCFLn

QLnRLnCCRLn

0 01

0 0

)()(

)()()(

Con

< 0

El término es tomado de la regresión de cointegración usando el método de Johansen-Juselius

La Relación de Corto Plazo

¿Cómo Hallar la Mejor Especificación Dinámica?

Ventajas:

(a) Con el número de rezagos óptimos del VAR, el modelo VEC nos permite adoptar un procedimiento de lo general a lo específico a fin de alcanzar una especificación parsimoniosa

(b) Nos permite capturar la posibilidad de endogenidad en la ecuación de demanda de crédito

Se estima un modelo de Vectores de Corrección de Error (VEC)

Un VEC es un VAR restringido por la inclusión de variables cointegradasque permite que el comportamiento de la variables endógenas converga a la relación de cointegración, al tiempo que permite un amplio rango de dinámicas de corto plazo que ayudan a caracterizar el proceso de ajuste hacia el equilibrio

Estimación del VEC

El Coeficiente del término de corrección de error es significativo corroborando la relación de Largo Plazo (Kremers et. al. 1992)

El signo y el valor del coeficiente (-0,03) del término de corrección de error es el correcto indicando convergencia del modelo

Desviaciones del stock real de crédito de su nivel de equilibrio se corrigen con lentitud

El test de exogenidad sobre el valor del TCE en DLn(Q) y DLn(TA) indica que la hipótesis nula de exogenidad débil no puede ser rechazada. Esto indica que el modelo puede ser reducido a una sóla ecuación

D(Ln CR) D(Ln Q) D(Ln FC) D(Ln TA) D(Ln q)Término de Corrección de Error -0.034946 0.008497 0.024522 -0.029011 -0.015912

(-3.02506) (0.17092) (-3.69936) (-0.84853) (-0.66610)

D(LnCR(-1)) 0.324068 -0.516937 0.061079 0.770507 0.126570(-3.55877) (-1.31922) (-1.16893) (-2.85897) (0.67216)

D(LnCR(-2)) 0.045785 -0.223796 -0.003135 -0.399708 -0.251942 (0.44987) (-0.51101) (-0.05369) (-1.32701) (-1.19714)

D(LnCR(-3)) 0.040463 0.629384 0.053913 -0.207464 0.171947 (0.45429) (-1.64213) (-1.05488) (-0.78703) (0.93358)

D(LnQ(-1)) -0.007529 -0.229376 0.020288 -0.162492 -0.009317(-0.31515) (-2.23111) (-1.47985) (-2.29804) (-0.18858)

D(LnQ(-2)) -0.044400 -0.270248 0.016799 0.015735 0.006339(-1.90682) (-2.69717) (-1.25730) (0.22833) (0.13166)

D(LnQ(-3)) 0.008071 -0.030838 1.26E-05 -0.025919 -0.042514 (0.40020) (-0.35533) (0.00109) (-0.43424) (-1.01940)

D(LnFC(-1)) 0.446650 0.591758 0.290172 -1.165 0.319578(-3.13595) (0.96552) (-3.55048) (-2.76493) (-1.08507)

D(LnFC(-2)) 0.208239 0.136339 -0.058745 -0.863730 0.623434(-1.35055) (0.20549) (-0.66398) (-1.89276) (-1.95533)

D(LnFC(-3)) -0.102229 0.105414 0.064807 0.651788 -0.977203(-0.81269) (0.19474) (0.89785) (-1.750) (-3.75677)

D(LnTA(-1)) -0.055158 -0.193210 -0.016016 0.326941 0.134694(-2.02587) (-1.64911) (-1.02516) (-4.057) (-2.39240)

D(LnTA(-2)) 0.005993 -0.103266 -0.005506 0.031676 -0.080381 (0.20744) (-0.83072) (-0.33213) (0.37050) (-1.34560)

D(LnTA(-3)) 0.036766 0.109948 -0.006642 -0.072108 0.007020(-1.45486) (-1.01106) (-0.45805) (-0.96410) (0.13434)

D(Lnq(-1)) -0.093097 -0.189286 -0.164803 0.214547 -0.133180(-2.54522) (-1.20260) (-7.85208) (-1.981) (-1.76079)

D(Lnq(-2)) 0.102636 0.017347 0.029227 -0.422801 -0.090234(-2.28729) (0.08984) (-1.13509) (-3.18363) (-0.97245)

D(Lnq(-3)) 0.005761 -0.054315 -0.006181 -0.311819 0.072424 (0.12691) (-0.27806) (-0.23732) (-2.32100) (0.77155)

C -0.003420 -0.006980 0.001606 0.003389 -0.004853(-1.43693) (-0.68150) (-1.17592) (0.48116) (-0.98617)

ESTIMACIÓN DEL VEC

D(Ln CR) D(Ln Q) D(Ln FC) D(Ln TA) D(Ln q)

R-squared 0.418280 0.197540 0.396925 0.282122 0.204019 Adj. R-squared 0.359742 0.116790 0.336239 0.209883 0.123920 Sum sq. resids 0.143860 2.663 0.047367 1.260 0.615147 S.E. equation 0.030080 0.129 0.017260 0.089023 0.062200 F-statistic 7.145 2.446 6.540 3.905 2.547 Log likelihood 375.8 119.049 473.654 184.925 248.02 Akaike AIC -4.078 -1.159 -5.189 -1.908 -2.625 Schwarz SC -3.772 -0.853416 -4.883 -1.602 -2.319 Mean dependent -0.003761 -0.002623 0.002094 0.003479 -0.004030 S.D. dependent 0.037592 0.137728 0.021185 0.100151 0.066454

Determinant Residual Covariance 5.29E-14 Log Likelihood 1441.58 Akaike Information Criteria -1.534.750 Schwarz Criteria -1.370.821

Estimación del VEC

D(Ln CR) es el mejor vector

A partir del Vector de Correción de Errores para DLn(CR), derivamos, en la metodología de lo General a lo Específico, varias ecuaciones parsimoniosas y sus correspondientes test de diagnóstico

Ecuaciones Dinámicas Preliminares de la Demanda de Crédito

Variable Dependiente: DLn(CR)Muestra: 1986:05 2000:12

Observaciones: 176Método: OLS

Regresor Modelo A Valor t Modelo B Valor t Modelo C Valor t Modelo D Valor t

DLn(CR)(-1) 0,6575 6,23 0,59 5,74 0,6356 6,87 0,6735 8,19DLn(Q) 0,1014 6,43 0,1004 7,18DLn(Q)(-2) -0,0416 -2,31DLn(CF)(-1) 0,5016 3,89 0,4744 3,65 0,4814 4,12 0,2723 2,52DLn(R)(-1) -0,0571 -2,36 -0,0523 -2,14 -0,0331 -1,49 -0,0114 -0,57DLn(q)(-1) -0,0817 -2,33 -0,0914 -2,59 -0,0631 -1,97 -0,0014 -0,05DLn(q)(-2) 0,1342 3,22 0,1184 2,84 0,1201 3,21 0,0813 2,42DUM -0,1329 -6,84Z(-1) -0,3323 -2,52 -0,2622 -2,02 -0,2004 -1,71 -0,2909 -2,78C -0,002 -0,88 -0,0022 -0,93 -0,0017 -0,81 0,0003 0,18

R-squared 0,3751 0,3551 0,4825 0,5959R-squared Adjusted 0,349 0,3322 0,4609 0,5766Estadístico D-W 1,9467 1,9864 2,0649 2,0407Criterio de Akaike -4,109 -4,0889 -4,2976 -4,5338Criterio de Schwarz -3,9649 -3,9628 -4,1535 -4,3716F-Statistic 14,4008 15,51 22,3802 30,795Prob (F-Statistic) 0 0 0 0

Comportamiento de los Residuos en el Modelo C

-0.15

-0.10

-0.05

0.00

0.05

0.10

-0.2

-0.1

0.0

0.1

0.2

87 88 89 90 91 92 93 94 95 96 97 98 99 00

Residual Actual Fitted

marzo 1989 mayo 1996

octubre 1996

Al introducir una dummy en C para 89:3 y 96:5, resulta significativa y desaparecen los “spikes” en los residuos

Variable Dependiente: DLn(CR)Muestra: 1986:05 2000:12OLS con 176 Observaciones

Regresor Modelo E Modelo F

Coeficiente Valor t Coeficiente Valor t

DLn (CR)(-1) 0,6814 8,4536 0,6855 8,55DLn (Q) 0,1015 7,4282 0,1017 7,49DLn (FC)(-1) 0,2686 2,5209 0,2324 2,15DLn (R) -0,0389 -1,83DLn (q)(-2) 0,0784 2,3782 0,0673 2,02DUM -0,1349 -7,4288 -0,1192 -5,96Z (-1) -0,291 -2,8002 -0,2745 -2,64C 0,0003 0,1919 0,0003 0,1962

R-squared 0,5951 0,603R-squared Adjusted 0,5808 0,5865Estadístico D-W 2,0484 2,0519Criterio de Akaike -4,5545 -4,5629Crieterio de Schwarz -4,4284 -4,4187Estadístico F 41,4115 36,4675Prob (Estadistico F) 0 0

Test F Probabilidad Test F Probabilidad

Test LM de Breusch-Godfrey orden 11 0,3067 0,5804 0,3611 0,5486



Test ARCH orden 12 1,6508 0,2 1,6508 0,2

Test ARCH orden 22 0,7696 0,4647 0,8135 0,445

Test ARCH orden 32 1,2834 0,2816 1,1294 0,3387Test de Ramsey a la potencia 23 3,2026 0,0753 3,3771 0,0678

Test de Ramsey a la potencia 2 y 33 3,298 0,0393 3,0804 0,0485

1/ Ho: No hay correlación serial en los residuos

2/ Ho: No hay hetedocedasticidad de orden q

3/ Ho: No hay error de epecificación

Modelos E y F y Diagnóstico Global

E desincorpora DLn(R)(-1) y F incorpora DLn(R)

Test de Pronóstico de Chow

Modelo E Modelo F 1996:05 a 2000:12

Estadístico F 1,0384 (0,42) 0,976 (0,53) Log LR 73,067 (0,06) 69,95 (0,09)

1996:10 a 2000:12

Estadístico F 0,8992 (0,65) 0,8297 (0,77) Log LR 57,789 (0,23) 54,336 (0,34) * Probabilidad en parétesis

Test de Estabilidad

1.- La variable que más explica la variación del crédito real es su valor pasado. Esto puede explicarse por el factor “Loan-Customer Relationship” ampliamente reseñado en la literatura sobre la demanda de crédito (Wood 1974, Hicks 1980 y Panagopoulus y Spilotis 1998), o por efectos inerciales de shocks de consumo sobre la demanda de crédito señalados por Catao (1997)

EL factor LCR hace que cantidad de crédito hoy incida en la fortaleza de la demanda de crédito futura. Los bancos acomodan las necesidades de sus clientes para evitar su desplazamiento hacia otros competidores. En la medida que los clientes se conservan los problemas de información se minimizan.

2.- Como era de esperarse, y corroborando el alto grado de correlación contemporánea entre las variables, el dinamismo de la actividad económica, medido por indice de ventas reales, tiene un efecto positivo sobre la demanda de crédito,

3.- El flujo de caja o la rentabilidad efectiva del sector real, medido como el margen entre IPC e IPM, tiene un impacto positivo sobre la demanda de crédito. El efecto sobre la inversión de los fondos internos estaría pesando más que el efecto de brecha de financiamiento.

Interpretación de los Resultados

4.- La tasa de interés de los préstamos no parece jugar ningún papel directo importante en la demanda de crédito. En el mejor de los casos (al 10% de significación) su elasticidad es muy reducida. Ningún otra tasa o spread de tasas pareció cointegrado con el set de variables del modelo.

5.- En una economía abierta con movilidad de capital como la venezolana el tipo de cambio real constituye una variable de decisión de cartera de las empresas. Una apreciación(depreciación) del tipo de cambio real disminuye(aumenta) la demanda de crédito.

6.- La baja elasticidad de demanda de crédito a la tasa de interés no indica necesariamente ausencia de transmisión de la política monetaria sobre el crédito. Las tasas de interés podrían estar actuando sobre el flujo de caja (y la hoja de balance de las empresas) y sobre el comportamiento del tipo de cambio real, variables que si inciden en la demanda de crédito, por lo tanto su efecto podría ser indirecto. Tales mecanismos de transmisión son consistentes con los signos de las variables explicativas del modelo.

Interpretación de los Resultados

La Demanda de Crédito en Venezuela: Cointegración y Dinámica de Corto Plazo UNIVERSIDAD CENTRAL...

Documents

Transcript of La Demanda de Crédito en Venezuela: Cointegración y Dinámica de Corto Plazo UNIVERSIDAD CENTRAL...