NFORMACIÓN OMERCIAL SPAÑOLA R M … · 2017-09-08 · Juan Fernández de Guevara y Carlos...

MINISTERIO DE ECONOMÍAY COMPETITIVIDAD

CUADERNOSECONÓMICOS

Número 86 • Diciembre 2013

la gestión medioambiental de las organizaciones:retos y oportunidades

presentaciónJavier Aguilera Caracuel, Natalia Ortiz de Mandojana y Juan Alberto Aragón Correauna visión panorámica de la literatura sobre la gestión ambiental de la empresa

Javier Aguilera Caracuel y Natalia Ortiz de Mandojanadiseñando organizaciones verdes. análisis de la relación entre el diseño organizativo

y prácticas avanzadas de gestión ambientalMiguel Pérez Valls, José Joaquín Céspedes Lorente y Raquel Antolín López

la sostenibilidad y el papel de la contabilidad en la gestión del cambio climáticoy la ecoinnovación en la pyme

Carmen Correa Ruiz, Esther Albelda Pérez y Francisco Carrasco Fenechsistemas integrados de gestión de calidad y medioambiental:

evidencia empírica en la industria españolaEduard Alonso Paulí y José María Carretero Gómez

gestión medioambiental y rentabilidad. una revisión de la literatura del sector hoteleroMaría Dolores López Gamero, José Francisco Molina Azorín, Jorge Pereira Moliner,

Eva María Pertusa Ortega y Juan José Tarí GuillóAnticonsumo basado en preocupaciones sociales y medioambientales:

un análisis del país de origen y la industriaNieves García de Frutos, José Manuel Ortega Egea y Javier Martínez del Río

la influencia de los grupos de interés en el comportamiento medioambiental de los directivos:el uso de estrategias indirectas

Javier Delgado Ceballos y María Dolores Vidal Salazarla gestión medioambiental proactiva como capacidad dinámica: un análisis con datos panel

Concepción Garcés Ayerbe y Joaquín Cañón de Francia

tribuna de economíaun análisis de la satisfacción del turista español que visita el mediterráneo europeo:

planteamiento de una estrategia de marketing comúnMercedes Jiménez GarcíaC

UA

DER

NO

S EC

ON

ÓM

ICO

S D

E IC

E • N

ÚM

ERO

86

• DIC

IEM

bRE

2013

P.V.P.: 19,95 euros (I.V.A. incluido)

INFORMACIÓN COMERCIAL

ESPAÑOLA

MinisTeriode econoMíay coMpeTiTividad

gobiernode españa


ESPAÑOLA


CU

AD

ERN

OS

ECO

NÓ

MIC

OS

DE

ICE

• NÚ

MER

O 9

2 • D

ICIE

MBR

E 20

16

UNA PANORÁMICA DEL SECTOR BANCARIO DESPUÉS DE LA CRISIS

PresentaciónEmili Tortosa-Ausina

Banking stability and the financial cycle: the Spanish experience Ana Lozano-Vivas y Flores Martínez Alba

El negocio bancario en el punto de mira: ¿un nuevo paradigma? Cristina Ruza y Marta de la Cuesta

Ratings bancarios y política monetaria Juan Fernández de Guevara y Carlos Salvador

La situación del sector bancario español en el contexto europeo: retos pendientesPaula Cruz y Joaquín Maudos

El proceso de desapalancamiento externo de la economía española: un largo camino por recorrerJudit Montoriol

Poder de mercado bancario y crédito en Europa tras la crisis financiera globalElena Cubillas y Nuria Suárez

The fundamental review of the trading book and the quest for a sound prudential framework for trading activities

Juan Segurado

La reestructuración de la red de oficinas en la banca española durante la crisisLucio Fuentelsaz, Minerva González y Sergio Palomas

¿Existen demasiadas sucursales bancarias en España? Un análisis para el periodo 1999-2011David Conesa, Priscila Espinosa, Anabel Forte y Emili Tortosa-Ausina

TRIBUNA DE ECONOMÍA

The German economy: successes and challenges related to its reforms and the EurozoneJosep M. Nadal-Fernández

Energía y riesgo-país: ¿permite la explotación de energías fósiles mejorar las calificaciones de riesgo-país?Silvia Iranzo Gutiérrez

CUADERNOS ECONÓMICOS

MINISTERIO DE ECONOMÍA Y COMPETITIVIDAD

0 0 0 9 2


ÚLTIMOS NÚMEROS PUBLICADOS

56. Especificación y evaluación de modelos econométricos (II)57. Política de defensa de la competencia58. Las fuentes de crecimiento59. Integración económica60. Juegos dinámicos61. Distribución de la renta y crecimieto económicos62. La Nueva Economía Política63. Aspectos del mercado de trabajo español64. Crisis y reformas de los sistemas de Seguridad Social: Temas a debate (I)65. Crisis y reformas de los sistemas de Seguridad Social: Temas a debate (II)66. Microeconometría y conducta: Aplicaciones para el caso español67. La economía de la salud68. Modelos de microsimulación69. Instrumentos derivados70. Nuevas tendencias en Historia Económica71. Diseño y evaluación de políticas de protección ambiental72. Decisiones de inversión y adopción de nuevas tecnologías73. La gestión de la actividad innovadora en las empresas74. Capital humano y empleo75. Desigualdad, equidad y eficiencia en salud y servicios sanitarios76. Contribuciones recientes a la Economía del Desarrollo77. Contribuciones a la Economía Experimental78. Aportaciones recientes a la Economía Industrial79. Contribuciones a la economía de la energía80. Evaluación económica de infraestructuras de transporte81. Análisis económico de las telecomunicaciones en España82. Comercio internacional, empresas y competitividad83. Economía de las energías renovables84. Mejorar la productividad: un reto pendiente en la economía española85. Temas actuales de Economía Política86. Gestión ambiental de las organizaciones87. Inmigración y crisis económica en España88. Defensa de la Competencia en España: un análisis sectorial89. Contribuciones a la Economía de la Innovación: análisis de la I+D+i empresarial90. La vivienda tras la crisis financiera global: nueva visión, viejos problemas91. Política económica europea92. Una panorámica del sector bancario después de la crisis



EDITOR Gustavo Nombela. U. Complutense de Madrid

CONSEJO CIENTÍFICOBoldrin, M. B. Washington University in Saint LouisDolado, J. J. U. Carlos III de MadridEscribano, A. U. Carlos III de MadridEspinosa, M. P. U. del País VascoGarcía, J. U. Pompeu FabraGonzalo, J. U. Carlos III de MadridGracia, M. U. Complutense de MadridJones, A. University of YorkJiménez, S. U. Pompeu FabraKehoe, T. University of MinnesotaLabeaga, J. M. UNEDNovales, A. U. Complutense de MadridOcaña, C. U. Carlos III de MadridPeracchi, F. Università di Roma «Tor Vergata»Ricard, J. E. IESE. U. de Navarra

CONSEJO EDITORIALBenítez-Silva, H. Stony Brook University, N.Y.Felgueroso, F. U. de OviedoHerguera, I. U. Complutense de MadridKujal, P. U. Carlos III de MadridLadrón de Guevara, A. U. Pompeu FabraLópez, A. U. Politécnica de CartagenaMateos, X. Southampton UniversitySpadaro, A. U. de Les Illes Balears

DIRECCIÓN EJECUTIVA: Juan José Otamendi García-Jalón

JEFA DE REDACCIÓN Elvira Atero Carrasco

EDICIÓN Y REDACCIÓNMinisterio de Economía y CompetitividadSecretaría de Estado de ComercioPaseo de la Castellana, 162, planta 12. MADRID 28071Teléfonos 91 349 31 55

DISTRIBUCIÓN Y SUSCRIPCIONESPaseo de la Castellana, 162Planta 9. MADRID 28071Teléfonos 91 603 71 48/79 [email protected]

Esta publicación se encuentra en las siguientes bases de datos bibliográficas:IBSS, ECONIS, RAS e ISOC. Sus índices de impacto aparecen en IN-RECS.

Cuadernos Económicos no se solidariza con las opiniones en los artículos que publica, cuya responsabilidad corresponde a los autores.

Depósito Legal: M-22392-1977NIPO: 720-15-080-6e-NIPO: 720-15-081-1ISSN.: 0210-2633e-ISSN.: 23409037Maquetación: TexTecPapel exterior: Estucado mate ecológico Papel interior: Offset ecológicoImpresión: Centro de Impresión Digital y Diseño. Secretaría de Estado de Comercio

Catálogo general de publicaciones oficialeshttp://publicacionesoficiales.boe.es

Cualquier forma de reproducción, distribución, comunicación pública o transfor-mación de esta obra solo puede ser realizada con la autorización de sus titulares, salvo excepción prevista por la ley. La Editorial, a los efectos previstos en el art. 32.1 párrafo 2 del vigente TRLPI, se opone expresamente a que cualquier fragmento de esta obra sea utilizado para la realización de resúmenes de prensa. La suscrip-ción a esta publicación tampoco ampara la realización de estos resúmenes. Dicha actividad requiere una licencia específica. Diríjase a CEDRO (Centro Español de Derechos Reprográficos) si necesita fotocopiar o escanear algún fragmento de esta obra, o si quiere utilizarla para elaborar resúmenes de prensa (www.conlicencia.com; 91 702 19 70 / 93 272 04 47).

CUADERNOSECONÓMICOS DE ICE


NÚMERO 92 • DICIEMBRE 2016

SUMARIO


• Presentación: Una panorámica del sector bancario des- pués de la crisis ............................................................

• Banking stability and the financial cycle: the Spanish experience ....................................................................

• El negocio bancario en el punto de mira: ¿un nuevo paradigma? ...................................................................

• Ratings bancarios y política monetaria ........................

• La situación del sector bancario español en el contexto europeo: retos pendientes .............................................

• El proceso de desapalancamiento externo de la eco– nomía española: un largo camino por recorrer ............

• Poder de mercado bancario y crédito en Europa tras la crisis financiera global .................................................

• The fundamental review of the trading book and the quest for a sound prudential framework for trading activities .......................................................................

• La reestructuración de la red de oficinas en la banca española durante la crisis ..............................................

• ¿Existen demasiadas sucursales bancarias en España? Un análisis para el periodo 1999-2011 ........................

• The German economy: successes and challenges related to its reforms and the Eurozone ..........................

• Energía y riesgo-país: ¿permite la explotación de ener-gías fósiles mejorar las calificaciones de riesgo-país? .

Emili Tortosa-Ausina

Ana Lozano-Vivas y Flores Martínez Alba

Cristina Ruza y Marta de la Cuesta

Juan Fernández de Guevara y Carlos Salvador

Paula Cruz y Joaquín Maudos

Judit Montoriol

Elena Cubillas y Nuria Suárez

Juan Segurado

Lucio Fuentelsaz, Minerva González y Sergio Palomas

David Conesa, Priscila Espinosa, Anabel Forte y Emili Tortosa- Ausina

Josep M. Nadal-Fernández

Silvia Iranzo Gutiérrez

5

11

37

53

81

109

125

155

175

199

235

257

PresentaciónUna panorámica del sector bancario después

de la crisis

Emili Tortosa-AusinaUniversitat Jaume I e Ivie

Durante la última década, el sector financiero internacional y la industria bancaria se han visto sometidos a fuertes vaivenes de diversa índole. Lo que ha sido en gran medida un tortuoso camino vino marcado por el inicio de la crisis financiera, con un punto de partida común en muchos países, tanto por el momento en que se inició como por sus causas. Causas relacionadas con una excesiva asunción de riesgos, en general, y una elevada exposición al sector inmobiliario, en particular. El alto grado de integración de los sistemas financieros internacionales propició el resto, contri-buyendo a una rápida propagación de la crisis (que afectó en menor medida a países menos integrados desde un punto de vista financiero).

Si bien muchos otros factores han jugado un papel esencial, las distintas autorida-des económicas y monetarias no respondieron ni de igual forma ni de manera sincro-nizada ante las amenazas, reales y potenciales, que afectaban a la industria bancaria y, en última instancia, a la economía real. Por tanto, la salida de la crisis que contagió de manera generalizada a gran parte de las economías más avanzadas ha sido y está de hecho siendo desigual pero, en el caso concreto de la Unión Europea, las medidas tomadas por el Banco Central Europeo en los últimos años han facilitado que el de-sarrollo financiero pueda volver a preceder positivamente al desarrollo económico.

Las lecciones que se han aprendido durante esta década han sido muchas y, por tanto, el panorama actual del sector bancario en Europa y, sobre todo, en España, es muy diferente, hasta el punto de que se habla de un new normal o «nuevo normal» para la banca, si bien todavía estamos en un proceso de transición hacia el mismo. Asimismo, la tendencia observada hacia la desregulación del sector en los años pre-vios a la crisis se ha revertido totalmente y, en los últimos años, son muchas las iniciativas destinadas a re-regular el sector, y que están configurando un panorama muy distinto al existente hace una década.

En el caso concreto del sector bancario español, en proceso de recuperación (no sin algunas sombras tales como la reciente crisis del Banco Popular), el panora-ma actual es muy diferente al existente con anterioridad a la crisis. Un reflejo del mismo vendría dado por las opciones que tiene un cliente potencial cuando se plan-tea operar con una entidad bancaria, pues de los tres grandes agregados institucio-nales que existían con anterioridad a la crisis, esto es, bancos, cajas y cooperativas, las segundas han dejado de ser tales prácticamente en su totalidad para acabar con-virtiéndose en bancos comerciales.

6 CUADERNOS ECONÓMICOS DE ICE N.O 92

Junto a este panorama que se ha creado tras la crisis, el futuro inmediato presenta muchos retos al sector, algunos de los cuales serán objeto de análisis de los trabajos presentados en este número monográfico, y multitud de incógnitas de las que, por el momento, no tenemos respuestas claras, tanto a nivel de España como de la Unión Europea, y tanto de índole más general como de tipo más específico. Algunas de estas incógnitas estarían relacionadas, por ejemplo, con el tamaño óptimo de la red de oficinas en España (que ha pasado de las alrededor de 45.000 en 2008 a poco más de 28.000 en la actualidad y cuántas se cerrarán en los próximos años), qué debería hacer el sector bancario para mejorar su imagen, qué responsabilidad tiene el Banco Central Europeo en la baja rentabilidad del sector bancario, cuál será el papel de las fintech y el verdadero impacto de la banca digital, cuáles serían las amenazas de la unión bancaria para la viabilidad de las entidades de pequeño tamaño, si podría haber riesgo de que se resienta la competencia en el sector como consecuencia del aumento de la concentración, cuándo empezará a aumentar el stock vivo de crédito en España, o qué medidas podrían adoptarse para dar salida al elevado volumen de activos adjudicados que hay en los balances de la banca española.

Algunas de estas cuestiones y también otras distintas serán objeto de estudio en los trabajos que integran el número monográfico. Las diferencias al comparar los sectores bancarios antes y después de la crisis son de tal calado que resulta cuanto menos complejo analizar todos los cambios que ha habido y las preguntas que se han podido suscitar mediante unas pocas contribuciones. Entendemos, no obstante, que los estudios recopilados en este número no solo mejoran el entendimiento de lo ocu-rrido en los últimos años en la industria bancaria española y europea, sino también contribuyen a dar respuestas a algunos de los retos que se plantean.

En el primero de los artículos, Ana Lozano-Vivas y Flores Martínez Alba se ocupan de analizar las relaciones entre ciclo financiero y estabilidad bancaria, cen-trando su estudio en el caso particular del sector bancario español. A partir de una muestra de más de 20 años (1995-2016), en el trabajo se evalúa hasta qué punto la estabilidad del sistema bancario atenúa o exacerba el ciclo financiero. Sus resultados ponen de relieve que el ciclo financiero en España se define con precisión a través del crédito como porcentaje del PIB, el crédito al sector privado no financiero, y los precios de la vivienda. Por otra parte, la brecha entre crédito y PIB constituye un buen indicador anticipado de la crisis bancaria en España. Por último, una desviación exógena de la relación entre la provisión por insolvencias de su valor potencial con-duce a una suavización del ciclo. Por tanto, la regulación relativa a las provisiones dinámicas españolas podría constituir un buen instrumento para su uso como herra-mienta macroprudencial para evaluar la prociclicidad del sistema financiero.

Por su parte, Cristina Ruza y Marta de la Cuesta analizan el negocio bancario yendo más allá del enfoque tradicional de gestión de riesgos financieros, poniendo un mayor énfasis en el conjunto de riesgos que afectan a su imagen corporativa. Los consumidores como usuarios últimos de los productos y servicios bancarios han cobrado un especial protagonismo en los últimos tiempos y están ejerciendo un pa-pel muy activo en defensa de sus intereses. En el artículo se examinan datos sobre

el mecanismo de supervisión de entidades bancarias en España estructurado en dos niveles y se analiza el contexto y los principales retos a los que tienen que enfrentar-se las entidades financieras en nuestro país.

En el caso del trabajo de Juan Fernández de Guevara y Carlos Salvador, los autores se ocupan del impacto que la política monetaria expansiva mantenida por los bancos centrales a raíz de la crisis financiera en los ratings de los bancos de la Unión Europea, los Estados Unidos y Japón durante los años 2004-2013. El papel de las agencias de calificación fue clave durante (y, especialmente, con anterioridad a) la crisis, pero su evaluación no ha sido objeto de toda la atención que merecería. Como hemos apuntado en párrafos precedentes, los reducidos tipos de interés y las escasas diferencias entre los tipos a corto y a largo plazo suponen una amenaza de futuro para el sector bancario. Los resultados obtenidos muestran que el efecto tanto de los tipos de interés así como la curva de tipos sobre los ratings bancarios tiene forma de U invertida en las tres grandes agencias de calificación Fitch, Moody’s y Standard and Poor’s, de forma que incrementos de los tipos de interés y/o variacio-nes de la pendiente de la curva de tipos tendría efectos beneficiosos sobre los ratings cuando estos son bajos, pero ulteriores subidas tendrían un efecto menor, agotándose su impacto e incluso pudiendo llegar a ser negativo. Los autores realizan también una serie de simulaciones, las cuales indican que el efecto máximo de los tipos de interés se obtiene en niveles del entorno del 2,5 por 100 en Standard and Poor’s y del 4,5 en Moody’s y Fitch.

El examen de la posición del sector bancario español en el contexto europeo y los cambios que han tenido lugar tras la reestructuración llevada a cabo para corregir los desequilibrios acumulados en la anterior etapa de expansión es el objetivo principal del que se ocupan Paula Cruz y Joaquín Maudos. Para ello, analizan la evolución de 2008 a 2016 en variables tales como la estructura de mercado, modelo de nego-cio, márgenes, rentabilidad, eficiencia, solvencia, etc. Sus resultados indican que la reestructuración, saneamiento y capitalización han dado sus frutos corrigiendo los problemas del pasado. Sin embargo, la rentabilidad actual es reducida e insuficiente para atraer al inversor, debido a factores tales como las exigencias regulatorias, el elevado volumen de activos improductivos y el entorno de tipos de interés muy re-ducidos. Esto exigiría no solo más respuestas sino que, además, estas deberían ser de nuevo calado, apuntando en tres direcciones: ajustes en la capacidad instalada, diversificación de la estructura de ingresos y digitalización de la actividad bancaria.

Judit Montoriol se ocupa de uno de los principales desequilibrios macroeco-nómicos que afectan a la economía española, esto es, su elevado endeudamiento, tanto público como privado. A pesar de que desde 2012 el endeudamiento total de la economía ha empezado a descender, el volumen total es todavía muy elevado, y la dependencia de la financiación externa apenas se ha reducido. En su estudio, la autora examina la evolución del endeudamiento de la economía española entre 2000 y 2016 por sectores, prestando particular atención al papel primordial del sector bancario y su dependencia de la financiación externa. Entre las conclusiones del trabajo podemos destacar que la reducción de la deuda externa (pública y privada)

PRESENTACIÓN 7

hacia niveles sostenibles es un factor clave de cara a mejorar la capacidad de creci-miento y así reducir la vulnerabilidad externa de la economía española.

Los efectos de la reciente crisis financiera en la competencia bancaria y la oferta de crédito en Europa son objeto de análisis en el trabajo de Nuria Suárez y Elena Cubillas. Las autoras aplican un procedimiento en dos etapas a una muestra de 610 entidades, proporcionando evidencia de cómo el impacto negativo de la crisis en la oferta de crédito se ha visto contrarrestado por el incremento en el poder de mercado bancario medio experimentado desde 2008. Sus resultados llevan a concluir que el efecto se observa especialmente en entornos con menor calidad institucional, más exigentes en el cumplimiento del capital regulatorio, y allí donde no existen elevadas restricciones a las actividades bancarias no tradicionales.

El trabajo de Juan Segurado se ocupa de un aspecto relacionado con el nuevo marco regulatorio, más exigente, que afecta a la banca española y europea en la actualidad. En concreto, el objetivo de la revisión fundamental del conocido como trading book fue superar las deficiencias conceptuales del anterior marco de riesgo de mercado. La nueva definición de límites proporciona criterios más objetivos para colocar instrumentos en la cartera de negociación, aunque su impacto real depende de la implementación de supervisión. El nuevo enfoque estandarizado es un marco más sensible al riesgo y más capaz de actuar como un repliegue a los modelos in-ternos, pero aún quedan algunos desafíos. El nuevo enfoque de modelos internos mejora la captura de riesgos de liquidez, incorporando varias características para reducir la variabilidad del peso de riesgo, si bien la evidencia sobre este último solo se obtendrá tras su implementación.

Los últimos dos trabajos del monográfico tratan de aspectos relacionados con la localización geográfica de oficinas bancarias en España. En primer lugar, Lucio Fuentelsaz, Minerva González y Sergio Palomas profundizan en los principales factores que explican la fuerte caída en el número de oficinas bancarias que ha tenido lugar en España en los últimos años desde un enfoque eminentemente descriptivo. Tras una visión panorámica del sector y de sus principales entidades, confirmando la notable reducción en la red de oficinas en la mayoría de ellas, el trabajo discute las que pueden ser las principales causas de este patrón mediante comparaciones esta-dísticas del comportamiento seguido por cada entidad en función de estos factores y de un análisis de descomposición de la varianza, para evaluar la importancia re-lativa de cada uno de estos factores. Los resultados indicarían que la caída en el volumen de negocio es el principal detonante de esta reducción en la red. Por contra, factores como el desarrollo tecnológico o las diferencias en los niveles de eficiencia parecen haber tenido un peso marginal en dicha explicación.

El último artículo del monográfico se ocupa de una temática similar, si bien desde un punto de vista diferente que lleva a complementar las conclusiones obtenidas en el trabajo previo. En su contribución, David Conesa, Priscila Espinosa, Anabel Forte y Emili Tortosa-Ausina se ocupan de algunas de las implicaciones de la caída en el número de sucursales bancarias. Las implicaciones de esta tendencia son no-tables, pues el acceso a la oficina física sigue siendo clave en comunidades remotas


y/o desfavorecidas, además de existir un impacto todavía no medido en términos de banca relacional. A través de un modelo estadístico, los autores evalúan si los fenó-menos de over-branching y under-branching, esto es, exceso o escasez de oficinas, han estado presentes en el sector bancario español entre 1999 y 2011. La respuesta indicaría que la existencia de dichos fenómenos depende del tipo de entidad consi-derada (banco, caja o cooperativa), suponiendo la reestructuración del sector cajas de ahorros una amenaza para el acceso a los servicios bancarios en algunas regiones.

PRESENTACIÓN 9

Banking stability and the financial cycle: the Spanish experience

Ana Lozano-Vivas*

Universidad de Malaga

Flores Martínez AlbaBanco Europeo de Finanzas

Abstract

This paper defines the special characteristics of the financial cycle in Spain during the period 1995-2016 and investigates to what extent the stability of the banking system attenuates or exacerbates the financial cycle. The findings of these two empirical analyses highlight that the financial cycle in Spain is accurately defined by the credit-to-GDP ratio, credit-to-private non-financial sector and residential property prices. Moreover, the credit-to-GDP gap represents a good early warning indicator of the banking crisis in Spain. Finally, an exogenous deviation of actual loan loss provisions-to-total loans ratio from its potential value leads to smoothing of the cycle. Thus, the Spanish dynamic provisions regulation seems to be a good instrument to use as a macroprudential tool to deal with the pro-cyclicality of the financial system.

Keywords: financial cycle, crisis, banking stability, macroprudential regulation. JEL classification: E3, E32, G01, G21, G28.

Resumen

En el presente artículo se definen las características del ciclo financiero en España durante el periodo 1995-2016 y, además, se analiza hasta qué punto la estabilidad del Sistema Bancario atenúa o exacerba el ciclo financiero. Los resultados obtenidos en estos dos análisis empíricos ponen de relieve que el ciclo financiero en España se define con precisión por la relación crédito/PIB, el crédito al sector privado no financiero y los precios de los inmuebles residenciales y que la brecha crédito/PIB, respecto a su tendencia a largo, representa un buen indicador adelantado de la crisis bancaria en España. Por otra parte, los resultados indican que una desviación exógena del valor real respecto al valor potencial del ratio provisiones sobre préstamos totales ayuda a suavizar el ciclo. Este último resultado parece indicar que la regulación española de las «provi-siones dinámicas» puede ser considerada como una buena herramienta macroprudencial para combatir la prociclicidad del sistema financiero.

Palabras claves: ciclo financiero, crisis, estabilidad bancaria, regulación macroprudencial.Clasificación JEL: E3, E32, G01, G21, G28.

* Ana Lozano-Vivas gratefully acknowledges financial support from the Spanish Ministry of Education (Project ECO2014-52345-P).


1. Introduction

The big recession generated during the last financial crisis, with its associated enormous costs in terms of output loss and unemployment, has led academics and policymakers to pay attention to and deeply analyze the financial cycle, in order to understand the reasons for its booms and busts and the interaction between the real economy and the financial system. This effort raises the need to build bridges between macroeconomics and financial stability. In this regard, a new debate on the need for new macroprudential policy in addition to macroeconomic stabilization policy emerges. The argument is put forward to circumvent the risks that can emerge due to non-synchronization between the economic and financial cycles (Claessens et al., 2012).

Not surprisingly, understanding financial cycles and how the financial market affects the real economy have become important research topics, within which the effect of financial system stability has become the cornerstone. In this regard, interest has peaked towards comprehending monetary policy and financial cycle fluctuations, including their central role in the amplification and generation of shocks, not only in normal times but, more importantly, in times of financial distress (Schularick and Taylor, 2012). Accordingly, the question of how recent changes in the financial system affects financial stability and monetary policy has been analyzed by Mendoza and Terrones (2008), Hume and Sentance (2009) and Adrian and Shin (2010). In a similar vein, Beck et al. (2014) highlight that, after the recent experience of financial crisis, financial and monetary stability cannot necessarily be targeted independently of each other, since monetary policy transmission depends of the state of the banking system.

On the other hand, a new strand of literature has arisen where macro-economic models feature financial instability (Gertler and Karadi, 2011; Gertler and Kiyotaki, 2011, and Brunnermeier and Sannikov, 2014, among others). Goodhart et al. (2004) and Segoviano et al. (2006) were the first authors to introduce default heterogeneous banks in macroeconomic models in order to account for systemic risk analysis. Previous standard literature on macro models with credit frictions (Bernanke and Gertler 1989, Kiyotaki and Moore 1997, and Bernanke et al., 1999) showed financial accelerators in regular business cycle fluctuations, but did not include key elements portraying financial instability.

The aforementioned work suggests that the stability of the financial system is important since it can attenuate or exacerbate the financial cycle. Similarly, Adrian and Shin (2010) call attention to the importance of the financial system, due to its impact on the real economy and its key role as provider of credit. Consequently, the important role that stability of financial systems has taken in this new scenario has steered banking supervisors in many countries to promote financial soundness by adopting new regulatory rules. Basel III was designed with the objective of improving the banking sector’s ability to absorb shocks arising from financial and economic stress, whatever the source, and in this way reducing the risk of spillover

BANKING STABILITY AND THE FINANCIAL CYCLE: THE SPANISH EXPERIENCE 13

from the financial sector to the real economy. The new reforms of micro and macroprudential regulation are designed to manage the economic and financial cycle at any given moment to avoid the risk of potential growth and to reduce volatility. The reforms require a better understanding of the stylized empirical regularities of the financial cycle, with its booms and busts, in order to explain how the stability of a financial system is associated with financial cycles. In this regard, Borio (2003) stresses that an understanding of financial cycles and its drivers is essential for the correct management of macroprudential policy. Claessens et al. (2011) provide a comprehensive analysis of financial cycles and recognize that, although there is a large literature analyzing various aspects of the financial markets, understanding of financial cycles is still limited.

The aim of the present paper is to contribute to the literature aimed at understanding financial cycles by defining the financial cycle accurately, as well as attempting to evaluate the extent to which the financial cycle responds to improvements in banking stability.

The first step of our research strategy is to precisely define the financial cycle. To do that, we follow the strategy set up by Drehmann et al. (2012) where we search for and select a number of variables indicating the build-up of systemic risk associated with periods of excessive credit growth. The use of alternative variables allows us to select those variables better able to describe the situation of the specific country under analysis. By using frequency-based filter analysis, it is possible to isolate fluctuations at different frequencies in the data, distinguishing the cyclical component and the time-trend component. We perform such analyses on the case study of Spain. An advantage of using just one country is that it helps to accurately define the financial cycle because, in contrast to business cycles, no obvious «natural» financial cycle measure is available. Recent literature shares a broad description of the financial cycle but struggles to come up with a unique indicator, since the adopted indicators differ between countries (Stremmel, 2015a).

After defining what is considered a financial cycle, we next analyze the actual situation of the banking sector in terms of risk-taking, i.e. the level of banking stability in the financial cycle. In particular, we pay attention to the elements of regulatory frameworks oriented to limit risk-taking, through which the banking sector may achieve stability. In addition, we evaluate the extent to which the financial cycle responds to impulse banking regulation measures aimed at broadening financial stability. While the actual situation of the banking sector in terms of risk-taking during the financial cycle is analyzed from the data, we use Vector Autoregressive models (VARs) (Sims, 1980) to assess whether better financial soundness of banks could help stabilize the financial cycle.

Under the premise that stability of financial systems is important when explaining booms and busts of the financial cycle, and that the new regulatory framework has been oriented to promote financial soundness, we consider as relevant proxies of stability those that compound the most important regulatory tools used by policymakers to attenuate financial cycles, and in particular credit growth. In this


regard, we use: (i) the equity-to-total assets; (ii) the liquidity ratio; and (iii) the loan loss provisions over total loans. Furthermore, we use the Z-score as a proxy of the average probability to the default of the banking system.

To perform our analysis we use a sample containing quarterly data information from 1995Q1 to 2016Q4 for Spain. To our knowledge, this is the first paper to accurately analyze the financial cycle in Spain by using a large set of variables. No study until now has evaluated the response of the financial cycle to regulatory measures aimed at promoting stability in Spain. Moreover, this is the first paper that, in addition to using the standard proxies of regulatory tools, uses an average measure of the probability of default (Z-score) in this kind of analysis.

Our results support the conclusion that, among those indicators selected, the best for defining and describing the financial cycle in Spain is the credit-to-GDP ratio, the credit-to-private non-financial sector, and the residential property prices. Along with the financial cycle, the credit-to-GDP gap has been measured and the results suggest that acts as a good early indicator of the financial crisis in Spain. The results show that risk-taking of banks in Spain increases during the boom of the financial cycle, and decreases during the bust. Additionally, the results corroborate the importance of financial stability to attenuate or exacerbate the financial cycle. In particular, the financial cycle responds to impulse of liquidity ratio, loan loss provisions-to-total loans ratio and to Z-score during the upturn, while during the downturn it responds to impulse of loans loss provision-to-total loans ratio and marginally responds to impulse of Z-score. In particular, while the increasing banking soundness from the liquidity ratio and probability of default of the banks during the boom phase expands the financial cycle, a shock on loans loss provisions-to-total loans ratio attenuates the financial cycle during the boom. Conversely, during the bust phase of the cycle, improvements on the loans loss provision-to-total loans ratio helps to alleviate the contractions of the financial cycle and Z-score shock has a marginal negative effect. Thus, loan loss provisions to total loans seems to act as a good shock absorber of the financial stress reducing the risk of spillover to the financial cycle.

This paper is organized as follows: firstly, section 2 introduces the method used to describe the financial cycle. Section 3 presents the indicators and method used to analyze how banking stability is related to the financial cycle. Sections 3 and 4 then present the data and the results, respectively, with section 5 offering a conclusion.

2. Financial cycle

In order to describe the financial cycle, it is necessary to set its definition, how it can be measured and the methodology to be used. Based on the literature about the financial cycle there is no consensus on its definition, neither on methods to measure it. Borio (2012) defines the financial cycle as the self-reinforcing interactions between perceptions of value and risk, attitudes towards risk, and financing constraints, which translate into booms followed by busts. According to Borio (2012) the main feature


of the financial cycle is the parsimoniousness of the cycle in terms of credit and property prices. The lower frequency with respect to the financial cycle, its «peaks», are closely associated with systemic banking crises and, in the end, it is possible to measure the build-up of financial crisis risk using gaps (e.g. deviation of the ratio of credit-to-GDP to its trend) to support the force of leading indicators. Stremmel (2015b) stresses that the understanding of cyclical movements of financial variables is crucial for a correct design of macroprudential policies.

As pointed out above, there is also a lack of consensus on how to measure the financial cycle. Several studies have shed light on this issue. In terms of variables used, it is important to extract as much information as possible and, at the same time, to keep the number of variables as parsimonious as possible, while ensuring they are easily understandable. Borio et al. (1994) describe empirically the behavior of the relationship between credit, asset prices and real economic activity, setting the basis for future work. Drehmann et al. (2012) explore a range of variables that could characterize the financial cycle: credit, the credit-to-GDP ratio, property prices, equity prices and an aggregate asset price index, choosing finally the first three variables as the best fit. More recently, Stremmel (2015a) considers different credit aggregates, asset prices and banking sector indicators for 11 European countries in order to capture the characteristics of the financial cycle, developing a synthetic measure. Drehmann et al. (2012) and Stremmel (2015a) obtained similar results in terms of the best-fitted selection of variables (credit, credit-to-GDP and property prices).

Regarding the methodology used to measure the cycle, Claessens et al. (2011) employed cycle-dating methods (turning-point analysis) for a large number of countries to identify peaks and troughs in credit, property prices, and equity prices; on the other hand, Aikman et al. (2015) relied on frequency-based filters to document the relationship between the credit cycle and the business cycle, finding a distinct credit cycle with length and amplitude exceeding those of the business cycle, and with credit booms closely related to banking crises. Drehmann et al. (2012) also employed frequency-based filters in their understanding of cyclical movements of financial variables used to define the financial cycle.

The first goal of this paper is to contribute to the understanding of stylized empirical regularities of the financial cycle, with its booms and busts. To do that, we exploit the definition of a financial cycle used by Borio (2012). To detect the variables that indicate the build-up of systemic risk associated with periods of excessive credit growth (in line with the recommendation of the European Systemic Risk Board), we searched for and selected a number of variables which, based on their characteristics and the data availability for Spain, can be considered the building blocks of the aforementioned cycle. Those variables are: (i) measures of potential overvaluation of property prices (residential property prices); (ii) measures of credit development (credit-to-private sector non-financial sector, credit-to-GDP ratio, and M3 money supply); (iii) measures of external imbalances (current account balance, Spanish investments abroad, foreign investments in Spain); (iv) measures of the strength


of bank balance sheets (the Monetary Financial Institutions, MFI) (net financial transactions, net interest revenue of the MFI, banking sector leverage, financial corporations’ debt-to-equity ratio); and (v) measures of the private sector debt burden (non-financial sector transactions, household debt ratio).

The methodology used to define the financial cycle relies on the «frequency-based filter analysis», which uses statistical filters to isolate fluctuations at different frequencies in the data, distinguishing between short- and medium-term fluctuations. As it is well-known, the study of the business cycle has focused on the behavior of macroeconomic data, with cycles lasting between one and eight years. In this research, we focus on two types of cyclical patterns: those with the same periodicity as the business cycle and those with considerably longer periodicity. This approach is similar to the one used by Comin and Gertler (2006) who studied the behavior of medium-term macroeconomic cycles for the US economy. Following Comin and Gertler (2006) and Drehmann et al. (2012), we employ a band-pass filter to isolate short-term cycles, with a duration between 5 and 32 quarters. For medium-term cycles we employ a duration between 32 and 120 quarters1.

We use the band-pass filter suggested by Christiano and Fitzgerald (2003) to isolate the component of each series corresponding with the chosen frequency interval. This filter uses a non-stationary, asymmetric approximation, which is optimal in the sense of making the approximation error as small as possible. The Christiano- Fitzgerald (CF) random walk filter uses the entire time series for the calculation of each filtered data point and has as advantage that it works well on a larger class of time series, converging in the long run to the optimal filter, and its real time applications outperforms others. Following Nilsson and Gyomai (2011) this random walk filter can be calculated with the following expression:

8

employaband-passfiltertoisolateshort-termcycles,withadurationbetween5and32

quarters.Formedium-termcyclesweemployadurationbetween32and120quarters.1

We use the band-pass filter suggested by Christiano and Fitzgerald (2003) to

isolate thecomponentofeachseriescorrespondingwith thechosen frequency interval.

Thisfilterusesanon-stationary,asymmetricapproximation,whichisoptimalinthesense

of making the approximation error as small as possible. The Christiano-Fitzgerald (CF)

randomwalk filter uses the entire time series for the calculation of each filtered data

pointandhasasadvantagethatitworkswellonalargerclassoftimeseries,convergingin

the long run to the optimal filter, and its real time applications outperforms others.

FollowingNilssonandGyomai (2011) this randomwalk filter canbecalculatedwith the

followingexpression:

𝑐𝑐! = 𝐵𝐵!𝑦𝑦! + 𝐵𝐵!𝑦𝑦!!! +⋯+ 𝐵𝐵!!!!!𝑦𝑦!!! + 𝐵𝐵!!!𝑦𝑦! + 𝐵𝐵!𝑦𝑦!!! +⋯+ 𝐵𝐵!!!𝑦𝑦! + 𝐵𝐵!!!𝑦𝑦!

where

𝐵𝐵! =𝑠𝑠𝑠𝑠𝑠𝑠 𝑗𝑗𝑗𝑗 − 𝑠𝑠𝑠𝑠𝑠𝑠 𝑗𝑗𝑗𝑗

𝜋𝜋𝜋𝜋, 𝑗𝑗 ≥ 1, 𝑎𝑎𝑎𝑎𝑎𝑎 𝐵𝐵! =

𝑏𝑏 − 𝑎𝑎𝜋𝜋

, 𝑎𝑎 =2𝜋𝜋𝑝𝑝!, 𝑏𝑏 =

2𝜋𝜋𝑝𝑝!

𝐵𝐵! =12𝐵𝐵! − 𝐵𝐵!

!!!

!!!

The parameterspu andpl are the cut-off cycle lengths inmonths. Cycles longer

thanplandshorterthanpuarepreservedinthecyclicaltermct.

Inadditiontothefinancialcycle,wemeasuredanearlywarningindicator(EWI)of

bankingcrises inourstudy. Inordertoselectsuchan indicator,weconsideredboththe

work of Alessi and Detken (2011), about building an early warning system aimed at

supporting policy decisions about when to activate macroprudential tools targeting

excessive credit growthand leverage, and thatofDrehmannand Juselius (2013), about

the evaluation of several EWIs based on their performance relative to the

macroprudential policy maker’s decision. Drehmann et al. (2012) included several

1Regarding the parameters for the medium-term, we are aware that our window’s data is only 22 years and we will not be able to estimate cycles longer than our span of the available data.

where

8

employaband-passfiltertoisolateshort-termcycles,withadurationbetween5and32

quarters.Formedium-termcyclesweemployadurationbetween32and120quarters.1

We use the band-pass filter suggested by Christiano and Fitzgerald (2003) to

isolate thecomponentofeachseriescorrespondingwith thechosen frequency interval.

Thisfilterusesanon-stationary,asymmetricapproximation,whichisoptimalinthesense

of making the approximation error as small as possible. The Christiano-Fitzgerald (CF)

randomwalk filter uses the entire time series for the calculation of each filtered data

pointandhasasadvantagethatitworkswellonalargerclassoftimeseries,convergingin

the long run to the optimal filter, and its real time applications outperforms others.

FollowingNilssonandGyomai (2011) this randomwalk filter canbecalculatedwith the

followingexpression:

𝑐𝑐! = 𝐵𝐵!𝑦𝑦! + 𝐵𝐵!𝑦𝑦!!! +⋯+ 𝐵𝐵!!!!!𝑦𝑦!!! + 𝐵𝐵!!!𝑦𝑦! + 𝐵𝐵!𝑦𝑦!!! +⋯+ 𝐵𝐵!!!𝑦𝑦! + 𝐵𝐵!!!𝑦𝑦!

where

𝐵𝐵! =𝑠𝑠𝑠𝑠𝑠𝑠 𝑗𝑗𝑗𝑗 − 𝑠𝑠𝑠𝑠𝑠𝑠 𝑗𝑗𝑗𝑗

𝜋𝜋𝜋𝜋, 𝑗𝑗 ≥ 1, 𝑎𝑎𝑎𝑎𝑎𝑎 𝐵𝐵! =

𝑏𝑏 − 𝑎𝑎𝜋𝜋

, 𝑎𝑎 =2𝜋𝜋𝑝𝑝!, 𝑏𝑏 =

2𝜋𝜋𝑝𝑝!

𝐵𝐵! =12𝐵𝐵! − 𝐵𝐵!

!!!

!!!

The parameterspu andpl are the cut-off cycle lengths inmonths. Cycles longer

thanplandshorterthanpuarepreservedinthecyclicaltermct.

Inadditiontothefinancialcycle,wemeasuredanearlywarningindicator(EWI)of

bankingcrises inourstudy. Inordertoselectsuchan indicator,weconsideredboththe

work of Alessi and Detken (2011), about building an early warning system aimed at

supporting policy decisions about when to activate macroprudential tools targeting

excessive credit growthand leverage, and thatofDrehmannand Juselius (2013), about

the evaluation of several EWIs based on their performance relative to the

macroprudential policy maker’s decision. Drehmann et al. (2012) included several

1Regarding the parameters for the medium-term, we are aware that our window’s data is only 22 years and we will not be able to estimate cycles longer than our span of the available data.

The parameters pu and pl are the cut-off cycle lengths in months. Cycles longer than pl and shorter than pu are preserved in the cyclical term ct.

1 Regarding the parameters for the medium-term, we are aware that our window’s data is only 22 years and we will not be able to estimate cycles longer than our span of the available data.


In addition to the financial cycle, we measured an early warning indicator (EWI) of banking crises in our study. In order to select such an indicator, we considered both the work of Alessi and Detken (2011), about building an early warning system aimed at supporting policy decisions about when to activate macroprudential tools targeting excessive credit growth and leverage, and that of Drehmann and Juselius (2013), about the evaluation of several EWIs based on their performance relative to the macroprudential policy maker’s decision. Drehmann and Juselius (2013) included several practical aspects of the problem, such as difficulties in assessing the costs and benefits of various policy measures, as well as requirements for the timing and stability of EWIs. As a result of this process, they found that, under the above criteria, the credit-to-GDP gap is the best indicator at long horizons.

As a result of the above mentioned studies, we calculated the «standardized credit-to-GDP Gap», meaning the deviation of the ratio of credit-to-GDP from its long-term trend. This trend is calculated using the Hodrick-Prescott filter with a smoothing parameter –lambda– of 400.000 (following the methodology for the measurement and calculation of the credit-to-GDP gap in accordance with the BCBS’s guidance (ERRB/2014/1)). The aim of this calculation is to check whether the credit-to-GDP gap is a good EWI for the case of Spain; that is, whether this EWI would be able to warn about financial crises in Spain.

3. Financial stability and the financial cycle

According to the European Central Bank (ECB), financial stability is the condition in which the financial system –comprised of financial intermediaries, markets and market infrastructures– is capable of withstanding shocks and the unravelling of financial imbalances, thereby mitigating the likelihood of disruptions in the financial intermediation process, severe enough to significantly impair the allocation of savings to profitable investment opportunities.

Policymakers and academic researchers have focused on a number of quantitative measures in order to assess financial stability and strengthen the ability of banks to absorb shocks. The set of Financial Soundness Indicators developed by the International Monetary Fund (IMF, 2006), or the framework for macro-prudential analysis adopted by the Banking Supervision Committee (BSC, 2005, 2008), are examples of this. The ECB has an interest in monitoring these indicators for its own work on compiling macro-prudential indicators (MPIs), as an acknowledgment that micro-prudential regulation may have been more procyclical than expected and with the aim to remove the deficiencies in risk measurement and/or distortions to incentives which contributed to the credit boom and, in turn, the financial cycle.

Based on the premise that financial stability matters for the financial cycle, the second aim of the paper is to evaluate how stable the banking system in Spain was during the financial cycle and whether the financial cycle responds to improvements in banking stability. To address this purpose, and in line with the above, we use a set of structural


banking sector2 features which are expected to have an influence on the financial cycle. In particular, we contemplate as relevant proxies of stability those features that compound the most important regulatory tools used by policymakers to attenuate financial cycles, and in particular credit growth; i.e., the ratio of capital-to-total assets, the liquidity ratio, and the ratio of loan loss provisions-to-total loans. Additionally, we define the Z-score as a proxy of the overall probability to default of the banking sector. In particular, we take into consideration the following four proxies for banking stability:

ii(i) According to the Bank of International Settlements (BIS) an underlying cause of the global financial crisis was the build-up of excessive on- and off-balance sheet leverage in the banking system. In many cases, banks built up excessive leverage while apparently maintaining strong risk-based capital ratios. In line with this, the Basel III framework has brought a simple, transparent, non-risk-based leverage ratio –the assets-to-capital ratio– to act as a supplementary measure of the risk-based capital requirements. The purpose of this leverage ratio is to make the capital framework robust to the inherent errors and uncertainties in assigning risk weights (for example, a bank with low average risk weights would be able to fund its assets with a substantial amount of debt and only very little equity, resulting a structure particularly susceptible to small errors in weights assignment). Several authors are working from this perspective: Gambacorta and Karmakar (2014) found that the Basel III leverage ratio is significantly more countercyclical than the risk-weighted regulatory capital ratio; on the other hand, Schoenmaker (2015) proposed a regulatory approach for restricting debt financing as an amplification mechanism across the financial system. Following the direction of Basel III, the ratio of capital-to-total asset is used in our analysis.

i(ii) The level of liquidity influences the ability of a banking system to withstand shocks. For instance, a large shock could cause a loss of confidence in the banking sector by market participants or depositors, resulting in a liquidity crisis. As the European Central Bank (2008) reflects, liquidity risk has two dimensions: the first is related to funding, meaning the ability of banks to meet their liabilities, unwind or settle their positions as they become due; and the second is related to the market. We focus in the first, in respect of which we chose the liquid asset ratio suggested by Lamas (2016). This ratio is defined as the sum of cash, deposits in central banks, and public debt maintained in their own balance-sheet, against the total asset ratio; it reflects the proportion of the most liquid assets on the balance-sheet.

(iii) Dynamic provisions are a macroprudential tool used to enhance bank soundness and to help mitigate part of the pro-cyclical tendencies of the banking system (Saurina, 2009). The degree of loan-loss provisioning is an important quantitative indicator for assessing the health of the banking

2 We pay attention to the banking sector because is the most relevant in the Spanish financial sector. Additionally, it is interesting as well because Spain suffered an important restructuration of this sector due to the financial crisis.


sector. Jiménez et al. (2012) found evidence that provisions built up prior to the crisis helped to absorb the impact of the crisis on bank lending, although the overall stock of provisions was too small to absorb the very large credit losses that banks suffered. Taking this into account, following Saurina (2009), we work with the ratio of loans loss provisions-to-total loans, in order to study the counter-cyclical nature of dynamic provisions.

(iv) A bank’s Z-score is a common measure of stability of the banking system, where it captures the probability of default of a country’s banking system. This measure compares the buffer of a country’s banking system (capitalization and returns) with the volatility of those returns. It is estimated as the sum of return on assets and the return on equity ratio, divided by the standard deviation of return on assets (computed using a one-year moving window):

12

thevolatilityofthosereturns.Itisestimatedasthesumofreturnonassetsandthe

return on equity ratio, divided by the standard deviation of return on assets

(computedusingaone-yearmovingwindow):

𝑍𝑍 − 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 =𝑅𝑅𝑅𝑅𝑅𝑅+ 𝑅𝑅𝑅𝑅𝑅𝑅𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆.𝑅𝑅𝑅𝑅𝑅𝑅

WhereROAisdefinedasprofitabilityovertotalassets,ROEisdefinedasprofitability

over total equity and Stdv.ROAmeasures the standard deviation of ROA. Higher Z-

scoresrepresentalowerprobabilityofdefault;thus,giventhatonegoalofourpaper

istoassesstheabilityofthefinancialcycletoabsorbshocksonfinancialstability,this

proxy could capture information regarding measures of regulation such as those

aimedatsafeguardingthesafetynetofthebankingsystem.

Our research strategy to analyze the relationship between the financial cycle and

banking sector stability is composed of two steps. For the first step, we will take a

preliminaryfirstlookatthedataonwhetherthemainproxiesdefinedaboveweremoving

with the cycle or not in Spain. After that, we resort to the VARmodel to analyze the

impulse response functions of the financial cycle to a shock on banking stability. Such

analysisisperformedduringthedownturnandtheupturnofthefinancialcycle.

The econometric VAR framework is useful for analyzing the relationships between

differenttimeserieswhenendogeneityamongvariablesexists.Becausebankingstability

is a process that is not independent from the financial cycle, then the VAR is an

appropriateframework.Moreover,theVARhasanadditionaladvantageinthatitimposes

fewtheoretical restrictions.Sinceweusedifferentproxiesofbankingstability,weusea

multivariateframeworkoftheVARmodel.

Xingyuan and Shinagawa (2014) is the only paper we found in the literature that

analysestheresponseofthefinancialcycletochangesinfinancialsoundnessindicatorsin

Where ROA is defined as profitability over total assets, ROE is defined as profitability over total equity and Stdv.ROA measures the standard deviation of ROA. Higher Z-scores represent a lower probability of default; thus, given that one goal of our paper is to assess the ability of the financial cycle to absorb shocks on financial stability, this proxy could capture information regarding measures of regulation such as those aimed at safeguarding the safety net of the banking system.

Our research strategy to analyze the relationship between the financial cycle and banking sector stability is composed of two steps. For the first step, we will take a preliminary first look at the data on whether the main proxies defined above were moving with the cycle or not in Spain. After that, we resort to the VAR model to analyze the impulse response functions of the financial cycle to a shock on banking stability. Such analysis is performed during the downturn and the upturn of the financial cycle.

The econometric VAR framework is useful for analyzing the relationships between different time series when endogeneity among variables exists. Because banking stability is a process that is not independent from the financial cycle, then the VAR is an appropriate framework. Moreover, the VAR has an additional advantage in that it imposes few theoretical restrictions. Since we use different proxies of banking stability, we use a multivariate framework of the VAR model.

Xingyuan and Shinagawa (2014) is the only paper we found in the literature that analyses the response of the financial cycle to changes in financial soundness indicators in a selected group of European countries. Our work differs from their study on three issues: (i) we define accurately the financial cycle for the case of Spain, while they only define the credit growth; (ii) we use a wider set of financial soundness indicators; and (iii) we include the Z-score as a proxy of the average soundness of the Spanish banking sector.


4. Data

Our empirical analysis uses macro level variables covering the period 1995Q1-2016Q4. It includes information from Spain. Three data sources are used: the BIS database, the ECB database, and the Bank of Spain (BE) database.

In order to accurately describe the financial cycle we start by using information on residential property prices, credit-to-private non-financial sector, credit-to-GDP ratio, M3 money supply, current account balance, Spanish investments abroad, foreign investments in Spain, MFI net financial transactions, net interest revenue of the MFI, banking sector leverage, financial corporations’ debt-to-equity ratio, non-financial sector transactions, and the household debt ratio. The information for those variables was obtained from the BIS database and the statistical database warehouse of the ECB.

Regarding the information used to define the equity-to-asset ratio, liquidity ratio, loan loss provision-to-total loans ratio, and the Z-score, the data source was the statistics database of the BE on the total banking sector in Spain. This information was extracted monthly and then transformed into quarterly terms to match these variable to the quarterly frequency of the financial cycle.

5. Empirical results

In order to address the two main goals of the present paper, i.e. to define the special characteristics of the financial cycle of Spain and to analyze to what extent the stability of the banking system attenuates or exacerbates the financial cycle, we start this section by displaying the characteristics of the financial cycle in Spain and then examining the actual risk behavior of the Spanish banking sector during the financial cycle, including how the financial cycle in Spain responds to channels aimed at promoting the stability of the banking sector.

5.1. The financial cycle

To describe the financial cycle based on the given definition, stated methodology and using the variables discussed in Section 2, we start by characterizing cycles in individual series to determine what variables must be chosen to describe the financial cycle for Spain. In this regard, we compare the behavior of the short –and medium-term cycles with individual variables3–. To detect which of the variables accurately define the financial cycle in Spain, we compare the behavior of all

3 Among the variables considered, several take positive and negative values. A modified transformation log was applied to the series taking positive and negative values. We use the log-modulus transformation (JOHN and DRAPER, 1980) that is a modification of the log transformation to help us maintain the


TABLE 1 RELATIVE VOLATILITY OF SHORT- AND MEDIUM-TERM

CYCLES: INDIVIDUAL SERIES (FREQUENCY-BASED ANALYSIS)

SpainGDP 1.88Credit to private non-financial sector 2.25Credit to GDP ratio 1.68Residential property prices 3.62Current Account Balance (Total of GDP) 0.97M3 money supply 1.14Spanish Investments Abroad 0.44Foreign Investments in Spain 0.36Household debt ratio 1.19MFI net financial transactions 0.20Non-financial sector transactions 0.56Net interest revenue 0.21Banking sector leverage 0.68Financial corporation’s debt to equity ratio 1.12

NOTE: The figures refer to the ratio of the standard deviation of the medium-term cyclical component to that of the short-term component over the entire sample period. A number greater (smaller) than 1.0 means that the medium-term cyclical component is more (less) volatile than the short-term component. Cells in bold denote the cases with a value greater than one.

SOURCE: Own elaboration from the data provided by BIS and ECB databases.

variables and also draw a comparison to the financial crisis of 2008Q24. We calculate the standard deviation of each cyclical component for each variable in order to understand the relative volatility of the short- and medium-term cyclical components of the different series. The results are displayed in Table 1. A ratio higher than one means that the medium-term component is more volatile (i.e. it has

magnitude the data while preserving the sign. The transformation takes the logarithm of the absolute value of the variable plus 1. If the original value was negative, the sign of the data was «put back» by multiplying by –1. The expression representing this transformation is as follows:

L(x) = sign(x) * log(|x| + 1)

The transformation preserves zero; i.e., a value that is 0 in the original scale is also 0 in the transformed scale. This property makes it easy to interpret values of the transformed data in terms of the scale of the original data.

4 Bank of Spain indicates that Spain went into recession in 2008Q2 and remained there until 2010Q1, when a modest recovery ensued which then came unstuck in the second half of 2011 as the sovereign debt crisis heightened and spread to an increasingly large number of countries. Additionally, LAEVEN and VALENCIA (2012) provide an update of the widely-used IMF database on the systemic banking crises by LAEVEN and VALENCIA (2008), so we point out that, given our period, Spain includes only one crisis in 2008.


greater amplitude) than the short-term component; i.e., the cycles of periodicities between 8 and 30 years are more important in shaping the behavior of these series than those of shorter duration.

Cells in bold show the volatility of the medium-term cyclical component which exceeds that of the shorter-term one. Thus, the results reveal that the medium-term cyclical components of credit-to-private non-financial sector, the credit-to-GDP ratio, residential property prices, M3 money supply, household debt ratio, and financial corporation’s debt-to-equity ratio accounts for greater amplitude; i.e., are more volatile. Accordingly, these are the variables which will be considered.

After analyzing the individual series we assemble a multivariate measurement of the financial cycle, aggregating the variables. The aggregation is performed following Drehman et al. (2012) in terms of the average of the filtered series, since the components are each a continuous series with comparable units of measurement. To decide which variables are candidates to be aggregated, we firstly calculated the correlation of the cyclical components derived from the frequency-based filters for these variables. After performing these calculations, we observed that the correlation among them was very high, most being above 80 per 100. An exception occurred with the debt-to-equity ratio, whose correlation was not significant, so we decided not to include it as an aggregate. Finally, we defined several combinations of the selected variables and chose the best fitted model. For this purpose, we considered five different datasets:

• Selection 1: Credit, Credit-to-GDP and Property prices.• Selection 2: Credit, Credit-to-GDP, Property prices and M3 money supply.• Selection 3: Credit, Credit-to-GDP, Property prices, M3 money supply and

household-debt ratio.

Figure 1 presents a diagram of the financial cycle based on the above three selections. As the figure shows, all the dataset selections have a similar pattern. Since the first selection is the one which perfectly matches the recession time posit identified by the Bank of Spain, 2008Q2, we resolved to use the first selection of variables to describe the financial cycle. The vertical line represents the onset of the financial crisis of 2008.

As we pointed out in Section 2, the credit-to-GDP gap has been defined as the EWI. Figure 2 plots the credit-to-GDP gap jointly with the financial cycle chosen, i.e. the Financial Cycle Selection 1. The vertical dash dots line represents the onset of the maximum credit-to-GDP gap, which corresponds to 2007Q2. Thus, it seems that one year before the onset of the financial crisis, the EWI warned of a financial crisis of Spain. This evidence corroborates that the credit-to-GDP gap is a good EWI for the financial crisis, as was suggested by Drehmann and Juselius (2013).


-.2-.1

0.1

.2.3

1995q1 2000q1 2005q1 2010q1 2015q1Period

Financial Cycle Select 1 Financial Cycle Select 2Financial Cycle Select 3

-40

-20

020

40C

rdTo

Gdp

_GAP

-.2-.1

0.1

.2.3

Fina

ncia

l Cyc

le S

elec

t 1

1995q1 2000q1 2005q1 2010q1 2015q1Period

Financial Cycle Select 1 CrdToGdp_GAP

FIGURE 2FINANCIAL CYCLE AND CREDIT-TO-GDP GAP

FIGURE 1FINANCIAL CYCLE




5.2. Banking stability and the financial cycle

Following our research strategy, once we obtained the financial cycle, we analyzed the actual situation of the banking sector in terms of risk-taking during the financial cycle. In particular, we paid attention to the elements of regulatory frameworks aimed at limiting risk-taking, by which method the banking sector may maintain its stability. Afterwards we evaluated to what extend the financial cycle responds to impulse from banking indicators aimed at broadening financial stability.

5.3. Actual banking stability and the financial cycle

Regarding the evolution of the proxies of bank stability during the financial cycle, as seen in the data, Figure 3 plots the behavior the banking system adopted in terms of equity over total assets (i.e., the ratio of capital-to-total assets) alongside the financial cycle for Spain. The figure shows that the Spanish banking system had, on average, a declining trend of the capital-asset ratio until just after the onset of the financial crisis. This trend becomes positive during most of the downturn of the financial cycle. It seems that, on average, the banking system in Spain functioned with higher levels of leverage (a lower capital-asset ratio) during the boom of the financial cycle than during the bust phase. This could be explained by the fact that, during the boom, the market had no expectations of impairment on assets, where greater leverage implies a lower cost of resources and consequently greater profitability. Conversely, after a financial crisis, banks will move to even more secure levels than before, driven mainly by regulatory requirements.

1.7

1.8

1.9

22.

12.

2eq

toas

s_ln

-.2-.1

0.1

.2.3

Fina

ncia

l Cyc

le S

elec

t 1

1995q1 2000q1 2005q1 2010q1 2015q1Period

Financial Cycle Select 1 eqtoass_ln

FIGURE 3FINANCIAL CYCLE AND EQUITY-ASSET RATIO

SOURCE: Own elaboration from the data provided by BIS, ECB and BE databases.


The behavior of the banking system in terms of the liquidity ratio is plotted in Figure 4 jointly with the financial cycle. The figure shows that the Spanish banks functioned with a lower liquidity ratio during the boom phase of the cycle than during the bust phase. It can be seen that the liquidity ratio shows a decreasing trend prior to the onset of the financial crisis. This behavior could be due to the risk/return nature of a liquid asset. In this sense, during the boom, the entities’ goal seems to have been focused on profits (net income) and no expectation of short funding risks were taken into consideration, thus resulting in a preference for a low level liquidity ratio. The liquidity ratio started to recover before the financial crisis. Interesting enough, the minimum liquidity rate corresponds with the maximum level of the EWI –the vertical dash dots line in Figure 4– prior to the onset of the financial cycle. Actually, it seems that in order «to keep alive», banking behavior took on a relevant role before the onset of the financial cycle (represented by the vertical solid line in Figure 4), since a higher liquidity ratio became a desired measure for Spanish banks before 2008Q2.

Figure 5 outlines the evolution of the loans loss provision for loans and the financial cycle. The figure shows that prior to the onset of the financial crisis the banks in Spain reported an accentuated decrease in loans loss provisions over total loans, reaching its minimum during the onset of the financial crisis (indicated by the vertical solid line in Figure 5). This ratio shows a slow recovery during the downturn of the financial cycle. The trend shows a declining path during the boom phase; however, the level of loan loss provisions over total loans is higher that during the downturn phase. It is true that economic expansion should have helped banks to

FIGURE 4FINANCIAL CYCLE AND LIQUIDITY ASSET RATIO

2.2

2.4

2.6

2.8

3liq

asse

tratio

_ln

-.2-.1

0.1

.2.3

Fina

ncia

l Cyc

le S

elec

t 1

1995q1 2000q1 2005q1 2010q1 2015q1Period

Financial Cycle Select 1 liqassetratio_ln



exhibit low levels of non-performing loans; however, the higher amount of loans loss provisions over total loans during the boom highlights the decision of the Spanish regulator to introduce the statistical provision (i.e., dynamic provisions) to deal with the pro-cyclicality of the financial system.

Finally, Figure 6 presents the evolution of the Z-score measure and the financial cycle. This measure gives information about the health of the banking system in terms of its average probability to default. As Figure 6 shows, the Z-score of the Spanish banking system was highly volatile throughout the period; however, it presents a deep declining trend, reaching its minimum somewhat before the maximum credit-to-GDP gap –the vertical dash dots of Figure 6– with a pattern of recovering and dropping during the downturn of the cycle. The pronounced dropping phase of the Z-score during the downturn of the cycle corresponds with the year 2012, a time which matches the restructuring of the banking system as a result of the aid package used as a bail-out, approved by the Euro group for Spain’s cash-starved banks.

Summarizing, it seems that banks in Spain tended to be less stable and assumed higher risk during the boom of the financial cycle, since the capital-assets and liqui-dity-to-assets ratios show a declining trend during the upturn of the financial cycle. The Z-score, used as a measure of the average health of the banking system, presents a similar picture. Interestingly, the liquidity-to-asset ratio and the Z-score measures recovered before the onset of the financial crisis; their improvement was actually observed at the same time the EWI started to decline.

The data analysis of the Spanish banks in terms of stability related to financial cycle seems to suggest that the behavior of the banks in terms of risk could be a key

-1.5

-1-.5

0.5

prov

tolo

ans_

ln

-.2-.1

0.1

.2.3

Fina

ncia

l Cyc

le S

elec

t 1

1995q1 2000q1 2005q1 2010q1 2015q1Period

Financial Cycle Select 1 provtoloans_ln

FIGURE 5FINANCIAL CYCLE AND PROVISIONS-TO-LOANS



aggravator of financial stress when the financial cycle is in a downturn. Unless that during this phase of the cycle the regulator takes action by implementing regulatory measures aimed at improving stability to alleviate such stress and to smooth the financial cycle. In fact, from the data it is observed that the risk-taking decreases during the downturn phase of the cycle. To check for this assertion, we use the VAR methodology to evaluate how the above set of structural banking sector proxies of stability help to attenuate or exacerbate the financial cycle.

5.4. Financial cycle responses to bank stability

The raw data suggest that the banking sector in Spain was prone to having a more lax assessment of risk during the upturn of the financial cycle and such behavior changed during the downturn phase. Since all the proxies used for capturing the risk-taking of the banks correspond with the most important regulatory tools used by policymakers to attenuate financial cycles, our next interest is to analyze whether promoting stability through those factors amplifies the cyclicality of the financial cycle or not. The response of the financial cycle to shocks on banking stability is a key question nowadays since the global financial crisis led to a renewed debate about the nature and effectiveness of financial regulation. In this regard, it has stirred up a broad debate in academic and political circles on how macroprudential regulation is needed in order to enhance the resilience of the whole financial system and so smooth the financial cycle.

22.

53

3.5

44.

5zs

core

_ln

-.2-.1

0.1

.2.3

Fina

ncia

l Cyc

le S

elec

t 1

1995q1 2000q1 2005q1 2010q1 2015q1period

Financial Cycle Select 1 zscore_ln

FIGURE 6FINANCIAL CYCLE AND Z-SCORE



To evaluate the response of the financial cycle to shocks on different proxies of banking stability, we use the VAR model. Since those proxies are regulatory tools, by evaluating the response to shocks on each of those tools during the downturn and the upturn of the financial cycle, we should be able to test whether promoting better soundness of the banking system helps to attenuate the financial cycle or not.

We opt for a multivariate VAR framework, given that the financial cycle and the proxies of banking stability are endogenously interrelated. The response of the two phases of the financial cycle to a shock on the proxies of banking stability is defined as the orthogonalized impulse response function. The VAR systems are estimated by OLS, and shocks are obtained applying a Cholesky decomposition of the residuals. The variables have been ordered as follows: Z-score, capital-to-assets ratio, liquidity-to-assets ratio, loans loss provisions-to-total loans ratio and the financial cycle. Repullo (2005) studied a theoretical strategic interaction between a bank and a lender of last resort to derive the bank’s optimal levels of liquidity, capital and risk with capital regulation. The author predicts that, because of higher capital requirements, the liquidity buffer is reduced and the riskiness of the bank loan portfolio is lower. Moreover, liquidity and capital of the banks has an impact on the adjustment of the asset side of the balance sheet, such as reduction in the risk grade of assets or restrictions on the availability of credit. Since the Z-score is defined as an average measure of the probability to default, this variable explains the risk-taking included in the other proxies of stability. We test our theoretical underpinning of the degree of exogeneity of each variable using the Granger causality test; the test validates the degree of exogeneity of each variable in the order chosen.

Figure 7 depicts the orthoganalized response of the financial cycle to a shock on each proxy of banking stability during the upturn of the financial cycle, with a simulation horizon of 10 quarters. As it can be seen, during the upturn of the financial cycle, the liquidity ratio and Z-score shock concomitantly and positively affect the financial cycle during the upturn, while a loan loss provision-to-total loan ratio shock negatively affects the cycle. Shocks on the capital to asset ratio do not have any effect on the cycle during the boom.

Turning our attention to the downturn phase of the financial cycle, Figure 8 portrays the orthogonalized response of the financial cycle to a shock on each proxy of banking stability during the downturn phase. The results show that, during this phase, the financial cycle responds to a shock on the loans loss provision-to-loan ratio and Z-score. Shocks on the liquidity ratio and capital-to-asset ratio do not have any effect. In particular, a loan loss provision-to-total loan ratio shock positively affects the financial cycle during the bust phase, while a Z-score shock has a negative effect at the same time, although it should be noted that the estimate for the Z-score is statistically significant at a marginal level.


FIGURE 7IMPULSE RESPONSE FUNCTION OF THE FINANCIAL CYCLE

TO PROXIES OF BANKING STABILITY DURING THE UPTURN OF THE FINANCIAL CYCLE

Table 2 reports the variance decomposition for the financial cycle. It indicates the proportions of the financial cycle which are explained by shocks to the variables on banking stability. The table reports the effect of shocks over a 10 quarter time period. The results show, consistent with the impulse response function, that, during the upturn of the financial cycle, the Z-score and the liquidity-to-total assets have the largest influence on the financial cycle, explaining on average 80 per 100 of the cycle. However, it is the variable loan loss provision-to-total loans ratio which explains the largest changes in the financial cycle during the downturn, around 55 per 100, while during the upturn it explained 12.6 per 100. The variance of the capital-to-total assets ratio has a non-significant effect on the financial cycle, although its effect increases during the downturn phase of the financial cycle.



FIGURE 8 IMPULSE RESPONSE FUNCTION OF THE FINANCIAL CYCLE

TO PROXIES OF BANKING STABILITY DURING THE DOWNTURN OF THE FINANCIAL CYCLE

Overall, the VAR estimation and the impulse response functions indicate that, during the boom of the financial cycle, an improvement in the liquidity-to-asset ratio and lower probability of default exacerbates the financial cycle, while a better loans

TABLE 2 VARIANCE DECOMPOSITION FOR THE FINANCIAL CYCLE

Z-Score Equity-to-Total Assets

Liquidity-to-Total Assets

Loans Loss Provisions-to-Total Loans

Financial cycle

Upturn 63.8402(17,2744)

0.63276(7.6357)

16.7796(11.4867)

12.5509(5.8164)

Downturn 37.4312(17.3976)

2.3863(10.3657)

0.3489(10.5371)

55.0629(17.2914)




loss provisions-to-total loans ratio attenuates it; however, the improvements in the loans loss provisions-to-total loans ratio during the downturn of the financial cycle helps to smooth the contraction phase of the cycle intensively and to some degree lower probability to default exercises the opposite effect.

During the cycle boom, the improvements in liquidity-to-total assets ratio and the improvements in the probability to default are apparently not a binding constraint. Actually, an improvement in the liquidity ratio and probability to default could be related more to the banks’ favorable financial performance than to the result of deliberate efforts to strengthen stability; however, improvement of the loans loss provisions-to-total loans is a result of the regulatory effort to improve stability using the dynamic provisions onset in Spain in the mid-2000s.

Overall, the results show that promoting banking stability through higher loans loss provisions-to-total loans tightens the financial cycle during the boom phase and helps to smooth the contraction phase of the cycle. Thus, the results suggest that the regulatory tool of countercyclical dynamic provision can smooth the cycle in the boom phase, while in bad times it strengthens firms’ finances and performance. Accordingly, it seems to work as a macroprudential tool able to enhance banks’ soundness and to help mitigate part of the procyclicality of the banking system.

Lastly, regarding policies taken during the downturn of the cycle oriented to safeguard the financial system –such as the aid package used as a bail-out, approved by the Euro group for Spain’s banks– were useful to restore the stability of the banking system, since the Z-score improve during the downturn phase, but this improvement in stability seems to reduce the financing channel to the real economy through financial intermediaries5.

6. Conclusions

After the financial crisis new reform on micro and macroprudential regulation were urged to manage the economic and financial cycle and avoid the potential growth of risk, reducing volatility. The understanding of the stylized empirical regularities of the financial cycle, with its booms and busts, and the question of how to explain the stability of financial system and its relationship with financial cycles became critical areas for research. In contrast to business cycles, no obvious «natural» financial cycle measures are available.

The current paper attempts to define the financial cycle accurately and to evaluate the extent to which the financial cycle responds to improvements in banking stability. We performed analyses on the particular case of Spain. We defined the financial cycle by selecting a wide set of variables indicating the build-up of systemic risk associated

5 OTERO-IGLESIAS et al. (2016). Point out that one of the most striking factors of the Spanish banking crisis was the delay in taking the key decisions to tackle the problems. The negative effect of the Z-score could be a result of this circumstance.


with periods of excessive credit growth, using frequency-based filter analysis, and we used the VARs framework to assess whether better financial soundness of banks could help diminish the financial cycle.

Our results strengthen the conclusion that the best indicators for defining and describing the financial cycle in Spain are the credit-to-GDP ratio, the credit-to-private non-financial sector, and residential property prices. We found that the credit-to-GDP gap is a good earlier indicator of financial crisis in Spain.

After a financial or economic crisis hits, banks and policymakers are pressured to take action to safeguard the financial system. We contemplate as relevant proxies of stability those that compound the most important regulatory tools used by policymakers to attenuate financial cycles and to promote financial soundness. Specifically, we looked at the equity to total assets, the liquidity ratio, and the loans loss provisions over total loans. Furthermore, we used the Z-score as proxy of the average probability to default of the banking system. The results show that the risk-taking of banks in Spain increased during the boom of the financial cycle, and failed during the bust. Additionally, the findings support how financial stability is important to attenuate or exacerbate the financial cycle. In particular, the financial cycle responds during the upturn to shocks on the liquidity ratio, the loan loss provisions-to-total loans ratio, and the Z-score, and during to the downturn to the impulse of loans loss provision-to-total loans ratio and of Z-scores, although weakly to shock on the latter.

Although, during the cycle boom, an improvement in the liquidity ratio and probability of default could be related more to the banks’ favorable financial performance rather than being the result of deliberate efforts to strengthen stability (Xingyuan and Shinagawa, 2014), improvements to loans loss provisions-to-total loans is deemed a result of regulatory effort to improve stability, specifically the onset of dynamic provisions in Spain was in the mid-2000s. Furthermore, it is well known that the crisis forced to the governments and central bank restore the stability of the financial institutions by undertaking extraordinary emergency measures, e.g. recapitalization, implicit and explicit guarantee and restructuring the banking industry through mergers (Allen et al., 2015). In this vein, the Spanish banking sector required of public intervention ending in a fully-fledged financial bail-out. The impact of such guarantee scheme in terms of emergency measures taken in Spain seems to be reflected along the evolution of the Z-score which improves markedly after 2012.

Overall, the results suggest that the regulatory requirement on dynamic provisions enhances bank soundness and helps to mitigate part of the procyclicality of the banking system. Thus, in line with the objective under Basel III of improving the banking sector’s ability to absorb shocks in order to reduce the risk of spillover from the financial sector to the real economy, our findings confirm that the Spanish dynamic provisions seem to be a useful macroprudential instrument to address pro-cyclicality. Lastly, the negative effect of the Z-score shock during the bust phase of the cycle, although weak in terms of statistical significance, may indicate that bank


stability is a necessary but not sufficient condition to obtain the desired effects on the financial cycle. Probably, a sufficient condition should be that policymakers were capable of implementing right stability measures at the right time.

References

[1] ADRIAN, T. and SHIN, H.S. (2010). «Financial Intermediaries and monetary policy». Handbook of Monetary Economics. Edited by Benjamin M. Friedman and Michael Woodford, 3, 601-650.

[2] AIKMAN, D.; HALDANE, A.G. and NELSON, B.D. (2015). «Curbing the credit Cycle». The Economic Journal, 125 (587), 1072-1109.

[3] ALESSI, L. and DETKEN, C. (2011). «Quasi real time early warning indicators for costly asset pricy boom/bust cycles: A role for global liquidity». European Journal of Political Economic, 27 (3), 520-533.

[4] ALLEN, F.; CARLETTI, E.; GOLDSTEIN, I. and LEONELLO, A. (2015). «Moral hazard and government guarantees in the banking industry». Journal of Financial Regulation, 1-21.

[5] BANKING SUPERVISION COMMITTEE (2005). Compliance and the compliance function in banks. BIS.

[6] BANKING SUPERVISION COMMITTEE (2008). Implementation of the compliance principles. BIS.

[7] BECK, T.; COLCIAGO, A. and PFAIJFAR, D. (2014). «The role of financial intermediaries in monetary policy transmission». Journal of Economic Dynamics and Control, 43, 1-11.

[8] BERNANKE, B. and GERTLER, M. (1989). «Agency Costs, Net Worthand Business Fluctuations». American Economic Review, 79, 14-31.

[9] BERNANKE, B.; GERTLER, M. and GILCHRIST, S. (1999). «The Financial Accelerator in a Quantitative Business Cycle Framework», in John B. Taylor and Michael Woodford (eds.), Handbook of Macroeconomics, 1, Chapter 21, 1341-1393, Elsevier.

[10] BORIO, C. (2003). «Towards a Macroprudential Framework for Financial Supervision and Regulation?». CESifo, 49 (2), 181-215.

[11] BORIO, C. (2012). «The financial cycle and macroeconomics: What have we learnt?». BIS Working Papers, No. 395.

[12] BORIO, C.; KENNEDY, N. and PROWSE S. (1994). «Exploring aggregate asset price fluctuations across countries: measurement, determinants and monetary policy implications». BIS Economic Papers, No. 40, Basel, April.

[13] BRUNNERMEIER, M. K. and SANNIKOV, Y. (2014). «A Macroeconomic Model with a Financial Sector». American Economic Review, 104 (2), 379-421.

[14] CHRISTIANO, L. J. and FITZGERALD, T. J. (2003). «The band-pass Filter». International Economic Review, 44 (2), 435-65.

[15] CLAESSENS, S.; KOSE, M. and TERRONES, M. (2011). «Financial Cycles: What? How? When?». IMF Working Paper, No. WP/11/76.

[16] CLAESSENS, S.; KOSE, M. A. and TERRONES, M. E. (2012). «How do business and financial cycles interact?». Journal of International Economics, 87 (1), 178-190.


[17] COMIN, D. and GERTLER, M. (2006). «Medium-term business cycles». American Economic Review, 96 (3), 523-51.

[18] DREHMANN, M.; BORIO, B. and TSATSARONIS, K. (2012). «Characterizing the financial cycle: do not lose sight of the medium term». BIS Working Papers, No. 380.

[19] DREHMANN, M. and JUSELIUS, M. (2013). «Evaluating early warning indicators of banking crises: Satisfying policy requirements». BIS Working Papers, No. 421.

[20] EUROPEAN SYSTEMIC RISK BOARD (2014). Recommendation of the European Systemic Risk Board of 18 June 2014 on guidance for setting countercyclical buffer rates (ESRB/2014/1) (2014/C 293/01).

[21] GAMBACORTA, L. and KARMAKAR, S. (2016). «Leverage and risk weighted capital requirements». BIS Working Paper, No. 586.

[22] GERTLER, M. and KIYOTAKI, N. (2011). «Financial Intermediation and Credit Policy in Business Cycle Analysis», in M. Woodford and B. M. Friedman (eds.), Handbook of Monetary Economics, North Holland, Elsevier.

[23] GERTLER, M. and KARADI, P. (2011). «A Model of Unconventional Monetary Policy». Journal of Monetary Economics, 58 (1), 17-34.

[24] GOODHART, CH.; HOFMANN, B. and SEGOVIANO, M. (2004). «Bank Regulation and Macroeconomic Fluctuations». Oxford Review of Economic Policy, 20 (4), 591-615.

[25] HUME, M. and SENTENCE, A. (2009). «The global credit boom: Challenges for macroeconomics and policy». Journal of International Money and Finance, 28 (8), 1426–1461.

[26] INTERNATIONAL MONETARY FUND (2006). Financial Soundness Indicators: Compilation guide. Washington D.C.

[27] JIMÉNEZ, G.; ONGENA, S.; PEYRÓ J. L. and SAURINA, J. (2012). «Macroprudential Policy, Countercyclical Bank Capital Buffers and Credit Supply: Evidence from the Spanish Dynamic Provisioning Experiments». Working Papers, No. 628, Barcelona Graduate School of Economics.

[28] JOHN, N. R. and DRAPER, J.A. (1980). «An alternative family of transformations». Applied Statistics, 29 (2), 190-197.

[29] KIYOTAKI, N. and MOORE, J. (1997). «Credit Cycles». Journal of Political Economy, 105 (2), 211-48.

[30] LAMAS, M. (2016). «Riesgo de liquidez sistémica. Indicadores para el sistema banca-rio español». BE Working Paper.

[31] LAEVEN, L. and VALENCIA, F. (2008). «Systemic Banking Crises: A New Databa-se». IMF Working Paper, WP/08/224, International Monetary Fund.

[32] LAEVEN, L. and VALENCIA, F. (2012). «Systemic Banking Crises Database: An Up-date». IMF Working Paper, WP/12/163, International Monetary Fund.

[33] MENDOZA, E. and TERRONES, M. E. (2008). «An Anatomy of Credit Booms: Evi-dence from Macro Aggregates and Micro Data». NBER Working Paper No. 14049.

[34] NILSON, R. and GYOMAI, G. (2011). «Cycle Extraction». OECD Statistics Directorate Working Paper, 39.

[35] OTERO-IGLESIAS, M.; ROYO, S. and STEINBERG, R. (2016). The Spanish financial crisis: Lessons for the European Banking Union. Informe El Cano, 20. Real Instituto Elcano, Royal Institute.

[36] REPULLO, R. (2015). «Liquidity, risk taking and the lender of las resort». International Journal of Central Banking, 1 (2), 47-80.


[37] SAURINA, J. (2009). «Loan loss provisions in Spain. A working macroprudential tool». Revista Financiera del Banco de España.

[38] SEGOVIANO, M.; GOODHART, C. H. and HOFMANN, B. (2006). «Default, Growth and Asset Prices». IMF Working Paper 06/226 Sept.

[39] SCHULARICK, M. and TAYLOR, A. M. (2012). «Credit Booms Gone Bust: Monetary Policy, Leverage Cycles and Financial Crises». American Economic Review, 102 (2), 1029-1061.

[40] SCHOENMAKER, D. (2015). «Regulating the financial cycle: An integrated approach with a leverage ratio». Economics Letters, 136, 70-82.

[41] SIMS, C. A. (1980). «Macroeconomics and Reality». Econometrica, 48, 1-48.[42] STREMMEL, H. (2015). Capturing the financial cycle in Europe. WP 1811, European

Central Bank.[43] STREMMEL, H. (2015). The relationship between structural and cyclical features of

the EU financial sector. WP 1812, European Central Bank.[44] XINGYUAN, C. H. and SHINAGAWA, Y. (2014). «Financial Soundness indicators

and the characteristics of financial cycles», IMF Working Paper 14/14.

El negocio bancario en el punto de mira: ¿un nuevo paradigma?*

Cristina Ruza Paz-CurberaMarta de la Cuesta González

Universidad Nacional de Educación a Distancia

Resumen

Este artículo analiza el negocio bancario más allá del enfoque tradicional de gestión de riesgos financieros, incidiendo también en el conjunto de riesgos que afectan a su imagen cor-porativa. Los consumidores, como usuarios últimos de los productos y servicios bancarios, han cobrado un especial protagonismo en los últimos tiempos y están ejerciendo un papel muy activo en defensa de sus intereses. En el artículo se examinan datos sobre el mecanismo de supervisión de entidades bancarias en España estructurado en dos niveles y se analiza el contexto y los prin-cipales retos a los que tienen que enfrentarse las entidades financieras en nuestro país.

Palabras clave: responsabilidad social corporativa, desarrollo financiero, conducta banca-ria, reclamaciones bancarias, derechos de los consumidores.

Clasificación JEL: G21, O16.

Abstract

This article analyses banking business far beyond traditional risk management approaches. It will place special emphasis on risks that directly affect banks’ corporate reputation. In the last years, consumers as ultimate users of banking products and services have been exerting particular power in defence of their interests. In this article we will analyse empirical data regarding the supervision mechanism in force in Spain, which is structured in two levels, and we will devote special attention to the context and the main challenges that financial entities in Spain will face in the near future.

Keywords: social corporate responsibility, financial development, banking behaviour, bank claims, consumer’s rights.

JEL classification: G21, O16.

1. Introducción

La importancia del sistema financiero en la dinamización de la economía ha sido una cuestión ampliamente debatida en la literatura económica. El debate sobre la relación entre desarrollo financiero y crecimiento económico se remonta a princi-pios del siglo xx con la obra de Schumpeter (1911), y a día de hoy existe consenso

* Este trabajo ha sido realizado en el marco del Proyecto Nacional I+D «El Tribunal de Justicia de la Unión Europea: su incidencia en la configuración normativa del proceso civil español y en la protección de los derechos fundamentales» (Ref. DER 2016-75567-R), financiado por el Ministerio de Economía y Com-petitividad y del que es investigadora principal Marien Aguilera.


al señalar son los mercados y las instituciones financieras quienes tienen un papel decisivo a la hora de decidir en qué proyectos invertir, cuándo, en qué cantidad y a qué precio. Por tanto, su impacto global socioeconómico y ambiental es grande y muy superior al de otros sectores de actividad.

En los últimos tiempos son muchas las voces que han puesto en tela de juicio la capacidad del sistema financiero para desempeñar sus funciones de forma eficiente, así como la idoneidad y legitimidad de algunas de las prácticas bancarias en uso que, a la postre, están teniendo un elevado coste para el conjunto de la sociedad. Nos estamos refiriendo a los recientes escándalos financieros, de los que se han hecho eco las portadas de la prensa económica especializada y los principales medios de comunicación.

El presente artículo trata de analizar el comportamiento de la banca, no desde un punto de vista estrictamente financiero, sino que trata de ahondar en las consecuen-cias que el modelo de negocio bancario actual está generando, en particular sobre los clientes bancarios. Para ello analizaremos en el siguiente apartado los principales datos del negocio bancario visto desde la perspectiva del usuario, y la importancia del ente supervisor como garante último de sus derechos. El tercer apartado ofrece argumentos a favor de la incorporación de principios de responsabilidad social cor-porativa (RSC) en la práctica bancaria diaria, especialmente en el segmento de ne-gocio minorista, identificando los principales riesgos extrafinancieros generados por este negocio. El artículo concluye con un apartado donde se recogen los principales retos y oportunidades para que el sector bancario pueda mejorar su reputación social y corporativa tan deteriorada en nuestros días.

2. El negocio bancario desde el punto de vista de los usuarios

Los intermediarios financieros en general y las entidades de depósito en parti-cular, desempeñan un papel clave en el desarrollo económico y social de un país al tener capacidad de decisión sobre los proyectos de inversión a financiar, la gestión y diversificación de riesgos de sus carteras y, en definitiva, sobre el tipo de actividades y agentes económicos que reciben finalmente la financiación solicitada. A ello hay que sumar que para muchos individuos y empresas los préstamos bancarios consti-tuyen la única vía de financiación a la que tienen acceso, puesto que los mercados de capitales se encuentran fuera de su alcance. Además de ser entidades importan-tes por razón de sus funciones, también son las entidades que reciben una mayor atención por parte de reguladores y supervisores. El motivo fundamental reside en la especial naturaleza y vulnerabilidad del sistema financiero en su conjunto ante situaciones de riesgo sistémico.

EL NEGOCIO BANCARIO EN EL PUNTO DE MIRA: ¿UN NUEVO PARADIGMA? 39

En nuestro país las competencias del procedimiento supervisor son compartidas por el Banco de España1 (BE) y el Mecanismo Único de Supervisión. Dentro de las funciones desempeñadas por el BE existe un conjunto específico dedicado a la su-pervisión de conducta de entidades, cuyo objetivo último consiste en garantizar que las entidades bancarias salvaguardan los derechos de su clientela.

Desde 2015 es el Departamento de Conducta de Mercado y Reclamaciones (DCMR) del Banco de España quien ejerce de forma efectiva las competencias es-pecíficas de supervisión en nuestro país. Dentro de las competencias de supervisión que asume se encuentran las referidas a la comercialización de productos hipoteca-rios, dadas las especiales características que reviste este tipo de producto bancario. Nos referimos al gran calado que los créditos hipotecarios tienen en nuestro país, ya sea en términos del número de prestatarios hipotecarios como del volumen de préstamos concedidos. Asimismo, el dilatado plazo de vencimiento de este tipo de financiación implica una relación muy duradera en el tiempo entre el cliente y su entidad bancaria, con lo cual se hace necesaria una estricta supervisión.

Las tareas de los supervisores se han focalizado en verificar el adecuado cumpli-miento de la Orden EHA/2899/2011, de 28 de octubre, de transparencia y protección del cliente de servicios bancarios sobre viviendas situadas en territorio español, otor-gados a personas físicas residentes en España. No es de extrañar que esta materia haya acaparado gran parte de las actividades de supervisión puesto que, aproxima-damente, la mitad de las reclamaciones recibidas por el departamento supervisor han versado sobre esta materia.

Un segundo bloque de actividades de supervisión se refieren al funcionamiento de los servicios de atención al cliente (SAC) y defensor del cliente (DC) de las en-tidades bancarias, pilares fundamentales del procedimiento supervisor en España que, de acuerdo con la Orden ECO734/2004, de 11 de marzo, se estructura en dos niveles. El SAC y el DC son los encargados de atender en primera instancia las reclamaciones presentadas por los clientes bancarios2. Posteriormente, si estos ser-vicios no resuelven, o lo hacen de forma no satisfactoria para el cliente, este tiene potestad para presentar su reclamación ante el Departamento de Conducta de Merca-do y Reclamaciones (DCMR) del BE. Bajo este esquema resulta indispensable que ambos niveles funcionen de forma eficiente para salvaguardar de forma efectiva los derechos fundamentales de los clientes bancarios3.

1 En virtud de la Ley 10/2014 , de 26 de junio, de ordenación, supervisión y solvencia de entidades de crédito, corresponde al Banco de España asumir la función supervisora de las entidades de crédito, de los grupos consolidables de entidades de crédito con matriz en España y de las sucursales de entidades de crédito de Estados no miembros de la Unión Europea.

2 De acuerdo con la Orden ECO734/2004, estos servicios disponen de un plazo de dos meses para re-solver.

3 Recuérdese que en el ámbito financiero existen problemas de información asimétrica entre prestamistas y prestatarios, tanto ex ante (selección adversa) como ex post (riesgo moral). Esta opacidad sitúa al cliente bancario en una posición de vulnerabilidad frente a su entidad financiera, de ahí que resulte tan importante la protección del consumidor bancario.


Si analizamos los datos, en el Gráfico 1 se observa que el número de reclama-ciones de clientes bancarios recibidas por el Banco de España en 2013 experimentó un importante salto cuantitativo y cualitativo. En este año se produjo un incremento más que notable del número de reclamaciones, que pasa de cerca de 15.000 re-clamaciones en 2012 a rozar casi las 35.000 en 20134. La gran mayoría de estas reclamaciones han versado sobre la inclusión de las denominadas «cláusulas suelo», que limitan la variabilidad del tipo de interés para financiación hipotecaria a tipo va-riable. El motivo que subyace a este cambio tan pronunciado es el pronunciamiento del Tribunal Supremo en la Sentencia del Tribunal Supremo 241/2013, Sala de lo Civil, de 9 de mayo de 2013, que establece que en el momento de la contratación de un producto hipotecario se debe cumplir el doble filtro de la normativa de «trans-parencia y protección a la clientela bancaria» y de las «condiciones generales de contratación», pero también que las entidades deben verificar que el cliente en cues-tión ha comprendido el alcance y contenido de dichas cláusulas y las situaciones de riesgo en las que puede incurrir. Este concepto de «comprensibilidad real» por parte del consumidor ha generado no pocas dudas de interpretación y, en última instancia, son los tribunales los encargados de resolver en vía judicial la calificación de los hechos referidos a cada operación en concreto, y declarar o no la nulidad de dichas cláusulas. En este contexto, el papel del BE se ha limitado a verificar el cum-plimiento formal de la mencionada normativa de protección de los intereses de los clientes5.

Esta sentencia constituye, por tanto, un punto de inflexión que marca un antes y un después en el marco de seguridad jurídica referida a la comercialización de pro-ductos hipotecarios en nuestro país. A esta sentencia se unen varios hitos jurídicos recientes: Asuntos acumulados C-154/15, C-307/15y C-308/15, Sentencia del Tribu-nal de Justicia (Gran Sala), de 21 de diciembre de 2016 y el Asunto C-421/14, Banco Primus c. Jesús Gutiérrez García, Sentencia del Tribunal de Justicia (Sala Primera), de 26 de enero de 2017. La primera de estas sentencias establece la retroactividad de la aplicación de nulidad de las cláusulas suelo de los contratos hipotecarios con respecto a la fecha de la sentencia del Tribunal Supremo anteriormente mencionada de 9 de mayo de 2013. Ahondando en la materia, la sentencia de 26 de enero abunda aún más sobre el concepto de cláusulas abusivas y se pronuncia sobre las cláusulas de vencimiento anticipado, el cálculo de intereses ordinarios y sobre los contratos ya sometidos previamente a un control judicial, fijando criterios vinculantes para determinar si determinadas cláusulas contractuales son o no abusivas desde el punto de vista legal.

Si bien el número de reclamaciones presentadas es un buen indicador del nivel de satisfacción de los usuarios bancarios en general, conviene ahondar en los datos

4 De acuerdo con el último dato disponible publicado por el Banco de España (Memoria de Reclama-ciones de 2016 recién publicada), el número de reclamaciones presentadas en 2016 ha continuado la senda bajista iniciada en 2013, registrando en el último año un descenso del 28,6 por 100 (14.462 reclamaciones).

5 De hecho, los informes emitidos por el DCMR no tienen carácter vinculante para las entidades invo-lucradas.


y verificar la eficacia de nuestro sistema de supervisión estructurado, como ya se ha señalado, en dos niveles. De acuerdo con el BE (2015: 14) «un porcentaje elevado de informes favorables al reclamante indicaría que la entidad no ha resuelto adecua-damente la reclamación de sus clientes en su SAC, obligándoles a acudir al DCMR en busca de una resolución favorable a sus intereses».

En el Gráfico 2 se analiza el porcentaje de informes resueltos por el DCMR a favor del reclamante, y se observa que en los dos últimos años para los que te-nemos datos disponibles, esta cifra se ha situado por encima del 60 por 100. Este dato nos debería hacer reflexionar sobre el papel que desempeñan las enti-dades bancarias en la resolución de conflictos con sus clientes. Si un elevado nú-mero de expedientes se tramitan a través del Banco de España y, además, este resuelve a favor de los intereses de los reclamantes en un porcentaje muy eleva-do, entonces la pregunta que surge inmediatamente es: ¿están las entidades ban-carias verdaderamente implicadas en la resolución de los conflictos que sur-gen con sus clientes o delegan esta responsabilidad en el criterio del DCMR? La evidencia demuestra que la tendencia ha sido a la delegación.

Antes de concluir este apartado nos vamos a detener a analizar algunos datos relativos al denominado Código de Buenas Prácticas (en adelante CBP), que recoge el anexo del Real Decreto-Ley 6/2012, de 9 de marzo, de medidas urgentes de

GRÁFICO 1NÚMERO DE RECLAMACIONES PRESENTADAS ANTE

EL BANCO DE ESPAÑA

0

5.000

10.000

15.000

20.000

25.000

30.000

35.000

40.000

2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

FUENTE: Banco de España (2015a).


protección de deudores hipotecarios sin recursos6. Este real decreto se publicó con la intención de paliar parte de las consecuencias negativas derivadas de la crisis que azotó nuestro país. Sin ánimo de extendernos en el contenido propiamente dicho del CBP7, simplemente nos gustaría analizar el grado de compromiso y de aplicación de estas medidas por parte del conjunto de entidades bancarias españolas. El Gráfico 3 muestra datos sobre el volumen de reclamaciones presentadas en relación a la aplica-ción del CBP a lo largo del primer semestre de 2016, tanto ante el SAC como el DC. En ambos casos observamos que la gran mayoría de las solicitudes se resuelven en contra de los argumentos del reclamante. Si se analizan los mismos datos referidos a las solicitudes tramitadas a través del DCMR (Gráfico 4) la situación es justamente la inversa. El cliente bancario cuando se dirige al DCMR obtiene una resolución favorable en el casi 83 por 100 de los casos, mientras que el porcentaje de resolución favorable solamente alcanza al 21 por 100 de los casos cuando son las entidades quienes atienden este tipo de reclamaciones, vía el SAC, y apenas alcanza el 1 por 100 cuando se dirigen al DC.

6 El mencionado Real Decreto-Ley 6/2012 ha sido posteriormente modificado por la Ley 1/2013, de 14 de mayo, de medidas para reforzar la protección a los deudores hipotecarios, reestructuración de deuda y alquiler social, y el Real Decreto-Ley 1/2015, de 27 de febrero, de mecanismo de segunda oportunidad, reducción de carga financiera y otras medidas de orden social.

7 Normativa y requisitos que se deben cumplir para solicitar la aplicación del Código de Buenas Prácticas (http://www.mineco.gob.es/portal/site/mineco/menuitem.32ac44f94b634f76faf2b910026041a0/?vg nextoid=d43ad0d172ff7310VgnVCM1000001d04140aRCRD&vg).

GRÁFICO 2INFORMES FAVORABLES POR PARTE DEL DCMR AL CLIENTE

(En %)

FUENTE: Elaboración propia a partir de datos del Banco de España (2015a).

0

10

20

30

40

50

60

70

80

90

100

2015 2016Informes favorables al cliente (%) Informes desfavorables al cliente (%)


Esta realidad pone de manifiesto la situación de vulnerabilidad de los clientes bancarios cuando tratan de reivindicar sus derechos frente a las entidades bancarias.

Llegados a este punto la siguiente pregunta sería: ¿cómo se puede incentivar un comportamiento más responsable de las entidades bancarias con sus clientes? En el siguiente apartado trataremos de responder a esta pregunta.

3. Importancia de la RSC en el negocio bancario

A primera vista cuando analizamos el tipo de actividad que realizan los bancos, intermediación de flujos financieros entre oferentes y demandantes de recursos, pue-de parecer que esta actividad en sí misma no implica riesgos ambientales o sociales, y que las entidades bancarias son empresas de servicios «limpias» que se limitan a redistribuir dinero. No obstante, no es menos cierto que cuando un banco deci-de financiar un proyecto de inversión está haciendo partícipe de ese proyecto y de sus consecuencias e impactos a los accionistas y acreedores que han depositado su confianza y su dinero en él. De igual modo, cuando una entidad decide la oferta de productos y servicios bancarios que va a ofrecer a sus clientes esta operación no está

FUENTE: Elaboración propia a partir de datos del Ministerio de Economía, Industria y Competitividad (2016).

GRÁFICO 3RESOLUCIÓN DE RECLAMACIONES DE CLIENTES ANTE LAS ENTIDADES

BANCARIAS EN LA APLICACIÓN DEL CBP (Primer semestre 2016)

0

100

200

300

400

500

600

Servicio de atenciónal cliente

Defensor del cliente Total

A favor En contra


exenta de riesgos sociales y éticos. Por tanto, la influencia y responsabilidad de los bancos en la lucha contra la pobreza, el cambio climático, las desigualdades sociales y el desarrollo sostenible es cada día más importante.

El análisis de riesgos, función clásica de los bancos, no se limita a día de hoy a los riesgos financieros sino también a los riesgos que tienen que ver con el buen compor-tamiento y buen gobierno de las organizaciones. Teniendo en cuenta la última defini-ción de 2011 sobre Responsabilidad Social Corporativa (RSC) de la UE, podríamos decir que una institución financiera es socialmente responsable si en su actividad de inversión, gestión de activos e intermediación financiera gestiona adecuadamente los riesgos, oportunidades, e impactos que dicha actividad tiene en la sociedad. Será so-cialmente responsable si se consideran cuestiones éticas y socioambientales, además de las económicas, en el diseño de los productos y servicios que ofrece, en su política de crédito e inversión y, en definitiva, en toda su estrategia del negocio, y también si cuenta con mecanismos de control (sistemas de evaluación de impacto, incentivos y sanciones, transparencia y rendición de cuentas, etc).

0

50

100

150

200

250

300

2015 Primer semestre 2016(provisional)

A favor En contra

GRÁFICO 4INFORMES EMITIDOS POR EL DCMR EN RELACIÓN A LA APLICACIÓN

DEL CBP

FUENTE: Elaboración propia a partir de datos del Ministerio de Economía, Industria y Competitividad (2016).


Su función social es ofertar productos necesarios y de calidad a los ciuda- danos en función de sus necesidades y no solo de los intereses de la dirección de la entidad. Evitar el riesgo legal de tener que compensar a los clientes por malas prácticas en el diseño y comercialización de productos no es solo una cues-tión de interés general, sino de interés económico para la propia entidad. Y es ahí donde reside la auténtica responsabilidad social de la banca, en hacer bien su negocio.

Sin embargo, poca atención se ha prestado a esta visión comercial o de negocio de la RSC. Cuesta-González et al. (2006) ya proponían gestionar la responsabilidad social externa o comercial de la siguiente manera:

— Aplicando criterios de sostenibilidad a la financiación y aseguramiento bancario.— Aplicando criterios de sostenibilidad a la gestión de activos y de inversión,

fomentado lo que se denomina inversión socialmente responsable (ISR). — Centrándose en un negocio de banca comercial o minorista más responsable

con el cliente, no solo desde el punto de vista de la calidad, transparencia y honestidad, como señalan Pérez-Ruiz y Rodríguez-del Bosque (2012), sino poniendo el énfasis en conocer al consumidor y adaptar los productos, su coste y el canal de distribución a sus necesidades.

No obstante, la realidad es bien distinta y el comportamiento de las institucio-nes bancarias resultantes tras el proceso de reestructuración en España no ha estado exento de polémicas. Por un lado, hay que señalar los problemas que han experimen-tado las entidades bancarias en su modelo de negocio. A la creciente presión para reducir costes, en un contexto de márgenes de resultados ya de por sí muy reducidos, hay que sumar que se han tenido que enfrentar a la exigencia de unos mayores re-quisitos de capital regulatorio. Esta gran presión es el resultado de una filosofía de negocio basada en el principio de maximización de beneficios para el accionista en un horizonte a corto plazo (shareholder value maximisation).

Como resultado de estas presiones hemos presenciado comportamientos por par-te de los gestores bancarios que podemos calificar de oportunistas, y que han des-encadenado importantes problemas de naturaleza ética. Entre otros, podemos citar la importante evasión fiscal a través de paraísos fiscales; la incorrecta aplicación de códigos de conducta a la hora de detectar operaciones de corrupción, soborno, malversación de fondos o enriquecimiento indebido por parte de sus directivos, el blanqueo de capitales, la manipulación en el cálculo de las principales referencias de tipo de interés y de tipo de cambio, la concesión de préstamos sin los debidos contro-les de riesgo, la inclusión de cláusulas suelo y cláusulas de resolución anticipada de contratos abusivas en operaciones de préstamo hipotecario y la venta de instrumen-tos financieros inadecuados al perfil del inversor, como han sido las participaciones preferentes, entre otros.

Además del conflicto ético en sí mismo, este tipo de actuaciones ha tenido conse-cuencias jurídicas de gran calado puesto que, como ya se ha señalado, en el ámbito


de la Unión Europea el Tribunal de Justicia se ha pronunciado sobre el contenido de dichas cláusulas8.

Dicho todo lo anterior, podemos afirmar que a día de hoy las entidades bancarias están atravesando una crisis de reputación sin precedentes en nuestro país. Para pa-liar las graves consecuencias que está ocasionando, las entidades son cada vez más conscientes de la importancia de su responsabilidad social como elemento de mejora de su reputación corporativa. La función de los bancos ya no se limita a intermediar flujos financieros gestionando adecuadamente los distintos riesgos financieros, sino que deben ser capaces de valorar y gestionar también un amplio espectro de riesgos sociales y medioambientales. La inadecuada gestión de los mismos no solo puede poner en entredicho la reputación de las entidades, sino que puede llegar incluso a poner en peligro la obtención de capital en los mercados financieros. Cada vez más, los grandes inversores institucionales exigen la valoración de este conjunto de ries-gos en la gestión de carteras, puesto que el valor a largo plazo de los activos finan-cieros está muy condicionado a la adecuada gestión de los mismos.

Gran número de estudios recientes han tratado de evaluar el impacto de la acti-vidad bancaria en función de parámetros de RSC, pero en muchos casos se trata de meras aproximaciones. En el estudio de Fernández y De la Cuesta (2014) se analiza desde una perspectiva empírica la realidad de la RSC en 50 entidades bancarias europeas y se observa una dualidad muy marcada en términos de responsabilidad comercial o externa, es decir, sobre sus clientes, productos y servicios. El estudio concluye que los resultados obtenidos son dispares en función del modelo de nego-cio considerado en cada caso. Así, la banca líder en RSC en el negocio de banca co-mercial se caracteriza por estar formada por entidades de reducido tamaño, tener sus orígenes en un modelo de banca social y dedicarse, fundamentalmente, al negocio minorista de intermediación. Por su parte, las grandes entidades con clara vocación de banca universal son las que arrojan peores resultados en términos de RSC. Esta conclusión resulta relevante si tenemos en cuenta que la tendencia actual en España es hacia la concentración en entidades de mayor tamaño, la pérdida de peso de la banca relacional y la casi desaparición de la denominada de banca social (cajas de ahorro y cooperativas de crédito).

El Observatorio de RSC (2015) publica datos sobre las principales entidades bancarias de nuestro país y, en concreto, nos permite obtener información sobre un aspecto muy concreto de la RSC vinculado, precisamente, a su relación con clien-tes como uno de sus principales stakeholders. A la vista del Gráfico 5 podemos concluir que de todas las entidades bancarias consideradas en el estudio ninguna de ellas obtiene una puntuación superior a 2 (un 1,47 de media), lo cual significa que según los datos analizados en 2014 el compromiso de las entidades bancarias en su faceta de RSC de consumo se califica como «escasa». En términos de RSC global (Gráfico 6) que incluyendo, además, medio ambiente, derechos humanos

8 Vid. Asunto C-421/14, Banco Primus c. Jesús Gutiérrez García, Sentencia del Tribunal de Justicia (Sala Primera), de 26 de enero de 2017.


GRÁFICO 5LA RESPONSABILIDAD SOCIAL CORPORATIVA DE CONSUMO

DE LAS ENTIDADES BANCARIAS ESPAÑOLAS

0

0,5

1

1,5

2

2,5

Bankia Bankinter BBVA Popular Santander Caixabank GrupoSabadell

Maphre

2013 2014

BME

2015*NOTA: Estimaciones provisionales. FUENTE: Elaboración propia a partir de datos del Observatorio de RSC (2015).

00,20,40,60,8

11,21,41,61,8

2

Bankia Bankinter BBVA Popular Santander BME Caixabank GrupoSabadell

Maphre

2013 2014 2015*

GRÁFICO 6LA RESPONSABILIDAD SOCIAL CORPORATIVA GLOBAL DE LAS ENTIDADES

BANCARIAS ESPAÑOLAS

NOTA: Estimaciones provisionales. FUENTE: Elaboración propia a partir de datos del Observatorio de RSC (2015).

y laborales, comunidad, corrupción y calidad de la información, la calificación media obtenida es aún más baja (1,3 según el último dato disponible). Los únicos datos disponibles para 2015 para Bankia demuestran que esta entidad continúa avanzando en la dirección correcta. En el caso del Banco Popular, a pesar de los datos positivos obtenidos por el Observatorio de RSC correspondientes al año 2015, en 2017 hemos asistido a la venta de la entidad al Banco Santander por un


valor simbólico de un euro, a fin de evitar su caída y el efecto de contagio sobre el resto del sistema financiero.

4. Retos y oportunidades

Desde el ámbito académico se está tratando de impulsar la adopción de buenas prácticas en el negocio bancario en línea con los principios de RSC, principalmen-te en su responsabilidad social comercial (Pérez-Ruiz y Rodríguez del Bosque, 2012). Entre las principales líneas principales de actuación recomendadas desta-camos tres:

— La inclusión de criterios de impacto ambiental y social en el diseño de produc-tos financieros, así como en la estrategia de negocio y en la propia gestión de riesgos.

— Poner el énfasis en el cliente y en un modelo de negocio de banca más relacional. — Minimizar los problemas de exclusión financiera y social mediante la univer-

salización de servicios financieros, pero sin obviar le necesidad de adecuar cada producto y servicio financiero al perfil concreto del cliente.

Dentro de la primera línea de actuación se ha insistido en la necesidad de in-crementar el volumen de préstamos en aquellos sectores o ramas de actividad que generen un mayor impacto social. Entre otros ejemplos podemos citar proyectos educativos, culturales y sociales, así como la financiación de microempresarios, em-prendedores y pyme. Se trataría, al igual que ocurre con las inversiones socialmente responsables, de aplicar criterios positivos (de inclusión) y negativos (de exclusión) a determinados sectores/actividades. Si bien ya hay algunas iniciativas en este senti-do, aún queda mucho camino por recorrer.

Poner al cliente en el centro de atención significa volver a un modelo de banca más relacional y personalizada (Maudos, 2015). Con la ayuda de la tecnología, como señala García Montalvo (2014), los bancos tienen acceso a grandes cantidades de datos que pueden ayudarles a ofrecer productos y servicios personalizados para cu-brir las verdaderas necesidades financieras de sus clientes. Conviene evitar el uso de información de forma estandarizada y no personalizada ya que los resultados se ha visto que no son buenos.

Universalizar y democratizar el acceso a los servicios financieros debe venir acompañado de un adecuado necesario asesoramiento. Se trata de fomentar una inclusión financiera responsable de los segmentos de población más vulnerables y desfavorecidos, tanto desde un punto de vista geográfico (determinadas áreas rurales desabastecidas de sucursales) como socioeconómico (áreas y zonas con un menor perfil de renta). No obstante, hay que salvaguardar que la inclusión financiera no se produzca a expensas de generar una espiral de endeudamiento que, a medio y largo plazo, no generaría sino mayores problemas de pobreza y exclusión.


Como hemos visto en este artículo, los riesgos asociados a la responsabilidad del negocio bancario son relevantes por el impacto que tienen en el desarrollo socioeco-nómico. Creemos que es necesario analizar estas cuestiones desde un punto de vista más concreto y descender a la operativa diaria para encontrar las respuestas y solu-ciones más acertadas. Las políticas generalistas de educación financiera, de mayor transparencia y protección al cliente son políticas acertadas, pero no suficientes para prevenir problemas como el sobrendeudamiento, la colocación de productos inade-cuados o la exclusión financiera.

La directiva europea The Payments Account Directive (European Union, 2014) ya recoge necesidades específicas en términos de inclusión financiera de personas vulnerables como el derecho a una cuenta básica con facilidades de pago que incluya servicios en línea sin coste o a precio razonable. Los reguladores nacionales deberán fijar qué se entiende por precio razonable.

Otras medidas que pueden también ayudar a mejorar la RSC en el negocio banca-rio, especialmente referidas al negocio de banca al por menor podrían ser:

— Favorecer la sencillez de los productos financieros de forma que sus condicio-nes sean comprensibles para el cliente medio. En aquellos casos en los que el nivel de educación financiera sea insuficiente se recomienda complementar su comercialización con un servicio de asesoramiento a la medida de cada clien-te. Para ello resulta imprescindible el papel que desempeñan las sucursales y los propios gestores bancarios.

— Mejorar la calidad de información de los productos financieros que por sus especiales características puedan resultar complejos en cuanto a estructura y posibles resultados. Véase, por ejemplo, el caso de las participaciones pre-ferentes por su falta de liquidez en el mercado o la contratación de seguros frente a posibles subidas de los tipos de interés en préstamos hipotecarios.

— Mejorar los procedimientos de resolución de quejas a nivel de cada entidad (SAC y DC), ya que es a donde el cliente bancario se dirige en primera instan-cia para presentar una reclamación bancaria. En segunda instancia, el cliente tiene el derecho de acudir al DCMRE, que será quién resuelva y emita un informe no vinculante.

— Adhesión a estándares de compromiso público como los Principios de Ecua-dor (Banco Mundial) establecidos para grandes proyectos de inversión a fin de introducir criterios de sostenibilidad en las decisiones de inversión de las entidades.

— Comercializar productos financieros con perfiles específicos de inversores. Se podrían citar, entre otros, los fondos de inversión éticos o ecológicos, los fon-dos de microfinanzas, energías renovables o cambio climático.

— Ejercer de forma responsable el activismo accionarial frente a las empresas participadas y en las que se ostenten derechos políticos para influir en la toma de decisiones.


Para concluir, nos gustaría señalar que es la ciudadanía la que está ejerciendo un papel muy activo al exigir un mayor compromiso ético a las entidades bancarias des-de una doble perspectiva; como titular de productos bancarios se preocupan cada vez más por el destino de sus ahorros, y como accionistas a la hora de ejercer un control más activo de los impactos de determinados comportamientos bancarios.

Por todo ello creemos que hemos iniciado una senda de cambios que en el futuro nos conducirá a la recuperación de la reputación del sector bancario como un ele-mento clave del buen funcionamiento de la economía. Para ello, hay que aprender de la historia reciente y adaptarse a un entorno lleno de nuevas oportunidades, para aquellas entidades que sepan posicionarse en un mapa financiero donde han surgido nuevos competidores y donde prevalecen nuevas reglas de juego.

Referencias bibliográficas

[1] BANCO DE ESPAÑA (2016). Memoria de la Supervisión Bancaria en España, Ma-drid.

[2] BANCO DE ESPAÑA (2015). Memoria de Reclamaciones, Madrid. [3] DE LA CUESTA, M.; MUÑOZ-TORRES M. J. y FERNÁNDEZ-IZQUIERDO,

M. A. (2006). «Analysis of Social Performance in the Spanish Financial Industry through Public Data. A Proposal». Journal of Business Ethics, 69, 289-304.

[4] EUROPEAN UNION (2014). Directive 2014/92/EU of the European Parliament and of the Council of 23 July 2014 on the comparability of fees related to payment accounts, payment account switching and access to payment accounts with basic features, Official Journal of the European Union, 28th August 2014.

[5] EUROSIF (2016). European SRI study, Madrid. Recuperado 20 de febrero de 2017 de http://www.eurosif.org/wp-content/uploads/2016/11/SRI-study-2016-HR.pdf.

[6] FERNÁNDEZ OLIT, B. y DE LA CUESTA GONZÁLEZ, M. (2014). «Evaluación de impactos ambientales y sociales del negocio de banca comercial en Europa durante el periodo 2006-2010». Estudios de Economía Aplicada, 32-2, 567-592.

[7] GARCÍA-MONTALVO, J. (2014). «Back to boring banking in the age of deleveraging and new financial regulation». Spanish Economic and Financial Outlook, 3 (1), 5-15.

[8] MAUDOS, J. (2015). «Retos del sector bancario español tras la reestructuración», Cua-dernos de Información Económica, 249, noviembre, 11-25.

[9] MINISTERIO DE ECONOMÍA, INDUSTRIA Y COMPETITIVIDAD (2016). VIII In-forme de la Comisión de Control sobre el Cumplimiento del Código de Buenas Prácti-cas para la Reestructuración Viable de las Deudas con Garantía Hipotecaria sobre la Vivienda Habitual, Madrid.

[10] OBSERVATORIO DE RESPONSABILIDAD SOCIAL CORPORATIVA (2015). «La responsabilidad social corporativa en las memorias anuales de las empresas del IBEX 35», Colección de Estudios del Observatorio.

[11] PÉREZ-RUIZ, A. y RODRÍGUEZ DEL BOSQUE, I. (2012). «La imagen de responsa-bilidad social corporativa en un contexto de crisis económica: El caso del sector finan-ciero en España», Universia Business Review, primer trimestre, 14-29.


[12] PRIOR, F. y ARGANDOÑA, A. (2009). «Best Practices in Credit Accessibility and Corporate Social Responsibility in Financial Institutions». Journal of Business Ethics, 87, 251-265.

[13] WUA, M. W. y SHEN, C. H. (2013). «Corporate social responsibility in the banking industry: Motives and financial performance». Journal of Banking & Finance, 37, 3529-3547.

Ratings bancarios y política monetaria*

Juan Fernández de GuevaraUniversitat de València e Ivie

Carlos SalvadorColegio Universitario de Estudios Financieros (CUNEF)

Resumen

Este trabajo analiza el impacto que la política monetaria expansiva mantenida por los bancos centrales a raíz de la crisis financiera ha producido en los ratings de los bancos de la Unión Eu-ropea, los Estados Unidos y Japón durante los años 2004-2013. Los reducidos tipos de interés y las escasas diferencias entre los tipos de interés a corto y a largo plazo suponen una amenaza de futuro para el sector bancario. Los resultados obtenidos muestran que el efecto tanto en los tipos de interés, como en la curva de tipos sobre los ratings bancarios tiene forma de U invertida en las tres grandes agencias de calificación Fitch, Moody’s y Standard and Poor’s. Por tanto, una subida de los tipos de interés, y/o un incremento de la pendiente de la curva de tipos tendría efectos beneficiosos sobre los ratings cuando estos son bajos, pero ulteriores subidas tendrían un efecto menor, agotándose su impacto e incluso pudiendo llegar a ser negativo. Las simulaciones realiza-das indican que el efecto máximo de los tipos de interés que se obtiene en niveles del entorno del 2,5 por 100 en Standard and Poor’s y del 4,5 por 100 en Moody’s y Fitch.

Clasificación JEL: G24, L10, O16.Palabras clave: ratings bancarios, política monetaria, curva de tipos, sector bancario.

Abstract

This paper focuses on the impact of the expansionary monetary policy, held by central banks after the outburst of the financial crisis, on bank ratings in the European Union, the US and Japan during 2004-2013. Low interest rates and reduced differences between short and long term interest rates threaten the future of bank asset situation. Results show that the effects of both the interest rates and the yield curve on bank ratings have an inverted-U shape in Fitch, Moody’s and Standard and Poor’s. Therefore, an increase in the interest rates and/or an increase in the slope of the yield curve will significantly improve bank ratings when they remain low, but additional increases will have a lower effect. If the increase in the interest rates is high enough, the effect could eventually be negative. Our simulations show that the maximum effect of the increases in the interest rates is reached approximately around 2.5 per 100 in Standard and Poor’s, and 4.5 per 100 in Moody’s and Fitch.

JEL classification: G24, L10, O16.Keywords: bank rating, monetary policy, interest yield curve, banking sector.

* Carlos Salvador agradece la ayuda financiera del Ministerio de Economía y Competitividad-FEDER a través del proyecto ECO2015-67656-P. Juan Fernández de Guevara agradece la ayuda financiera del Ministe-rio de Economía y Competitivi dad-FEDER a través del proyecto ECO2013-43959-R.


1. Introducción

De acuerdo con la IOSCO (International Organization of Securities Commis-sions), los ratings no son más que opiniones sobre la solvencia de una empresa y/o gobierno, compromiso de crédito, título de deuda y/o acción de un emisor de esos títulos, expresada utilizando un sistema de calificación previamente establecido o revisado. La importancia de los ratings se deriva del doble papel que tienen en la economía. En primer lugar, porque permiten disminuir el coste de la financiación al reducir las asimetrías de información en el proceso de la intermediación financiera (Boot et al., 2006). Pero, además, el regulador tradicionalmente les ha asignado un papel importante, al permitir, por ejemplo, que sus ratings puedan ser utilizados para el cálculo del capital a la hora de implementar Basilea III, o porque la definición de los títulos a corto plazo en los que los fondos monetarios pueden invertir depende del rating que les otorga alguna agencia de calificación.

Las metodologías seguidas para emitir ratings, según argumentan las propias agencias de calificación (por ejemplo, Moody’s, 2007a) y algunos trabajos previos en la literatura (Altman and Rijken, 2004 y 2006, entre otros), suelen tener una pers-pectiva de largo plazo (evaluación Through the Cycle) en la que únicamente se modi-fican las evaluaciones cuando cambia de forma permanente la situación patrimonial y/o riesgo de la empresa, gobierno o instrumento financiero evaluado, sin variar por acontecimientos puntuales que afecten solo en el corto plazo (evaluación Point in Time). Esta visión de los ratings como señales del riesgo implícito a largo plazo, ha sido puesta en entredicho recientemente, especialmente en el contexto del rating de las entidades bancarias y de los gobiernos. En primer lugar, porque desde el inicio de la crisis financiera en el 2008, y la posterior crisis de deuda soberana en Europa en 2010, las agencias de calificación han estado en el punto de mira debido a los fallos cometidos al reaccionar, más que anticipar, a los efectos de la crisis financiera (Al-sakka y Gwilym, 2012). En segundo lugar, porque también se ha cuestionado su mo-delo de negocio (Bank of England, 2011), la estructura oligopolística de la industria de calificación (Dittrich, 2007), la escasa transparencia de las metodologías utiliza-das (Saugar, 2011), la relajación de sus criterios de calificación durante el periodo de crecimiento hasta el inicio de la reciente crisis (SEC, 2008; IMF, 2010), la excesiva dependencia de los ratings tanto por parte de los inversores como de los reguladores, y la ausencia de una regulación estricta que garantice la calidad de los ratings emi-tidos. Además, diversos trabajos académicos (Bangia et al., 2002; Catarineu-Rabell et al., 2005; Amato y Furfine, 2004; Zicchino, 2006; Salvador et al., 2012, Salvador et al., 2014; Salvador, 2017) muestran que las agencias de calificación no siempre adoptan una estrategia a largo plazo al emitir los ratings, sino que siguen una estra-tegia más a corto plazo, teniendo un comportamiento procíclico.

Para las entidades bancarias los ratings son particularmente relevantes debido a la propia naturaleza de su actividad financiera. En concreto, desde el punto de vista regulatorio los ratings tienen especial para las entidades bancarias entre otros aspectos por su relevancia en el cálculo de los requerimientos de capital y de las

RATINGS BANCARIOS Y POLÍTICA MONETARIA 55

provisiones de liquidez, en la clasificación del nivel de riesgo y de la concentración de los activos en inversores institucionales como fondos de pensiones y compañías de seguros, así como en la evaluación del riesgo de crédito de los instrumentos tituli-zados. Al mismo tiempo, los ratings son importantes para las entidades bancarias al recudir la información asimétrica y con ello el precio de la deuda emitida, además de ser un parámetro fundamental en el acceso al mercado interbancario. Es por ello, que tiene interés conocer los diferentes determinantes de los ratings bancarios. Existen trabajos en la literatura que analizan precisamente esta cuestión. Por ejemplo, Salva-dor et al. (2012 y 2014) contrastan que con el inicio de la reciente crisis financiera, las agencias de rating han penalizado a las entidades bancarias más allá de lo que se correspondería por el deterioro de su situación patrimonial. Es decir, contrastan que las agencias de rating han endurecido con el inicio de la crisis financiera, las políticas de calificación a la hora de evaluar a las entidades bancarias. Sin embargo, en la literatura apenas existe evidencia sobre los efectos sobre los ratings bancarios de acontecimientos recientes que están condicionando la viabilidad estructural de las entidades bancarias. Diversos informes alertan del impacto sobre el negocio ban-cario de la actual etapa de política monetaria expansiva con bajos tipos de interés y reducidas diferencias entre los tipos de interés a corto y a largo plazo. De hecho, en el último Global Financial Stability Report del Fondo Monetario Internacional (FMI 2017), publicado en abril de 2017 concluye que los bancos más pequeños, dedicados a la banca al por menor y no diversificados geográficamente son los que más sufri-rán las dificultades de operar en el contexto de reducidos tipos de interés y de curva de tipos plana. Es por ello que la búsqueda de mayores rentabilidades seguramente generará un incremento del riesgo asumido, incentivará procesos de consolidación y propiciará un cambio en la estructura de ingresos en el que los servicios generadores de comisiones serán más relevantes. En este contexto, el Banco Central Europeo y la Comisión Europea, en su declaración conjunta sobre la sexta visita del programa de postvigilancia1 en octubre de 2016, advertían que el mayor reto del sector bancario en España, al igual que en otros países de la Eurozona, era el sostener la rentabilidad en el medio plazo en un contexto de bajos tipos de interés y reducido crecimiento de la actividad. Asimismo, el Banco de España también insiste en esta idea en su último informe de Estabilidad Financiera (Banco de España, 2017).

En este contexto, cabe preguntase en qué medida las agencias de calificación han modificado el rating de las entidades bancarias ante este reto estructural al que se enfrentan. Hasta el momento, ningún trabajo ha estudiado el efecto sobre los ratings bancarios en un periodo de reducidos tipos de interés y de aplanamiento de la cur-va de tipos. Este trabajo, precisamente aborda esta cuestión desde una perspectiva internacional comparada. Más en concreto, se utiliza una muestra de 22 países para modelizar el rating bancario de las tres grandes agencias de calificación mundiales (Fitch, Moody’s y Standard and Poor’s) a lo largo del periodo, 2004-2013. La nove-dad del trabajo es que incluye explícitamente entre los determinantes del rating tanto

1 http://www.ecb.europa.eu/press/pr/date/2016/html/pr161024.en.html


el nivel de los tipos de interés como la pendiente de la curva de tipos. Esto permite: 1) medir el efecto de estas dos variables sobre los ratings bancarios, contrastando en qué medida las agencias de calificación consideran la actual coyuntura monetaria como una amenaza de largo plazo para el sector bancario; y 2) realizar simulaciones sobre la evolución del rating bancario en función de los niveles de tipos de interés. Es decir, permite medir cuanto variarían los ratings bancarios ante una subida pro-gresiva de los tipos de interés.

Los resultados del trabajo indican que tanto los tipos de interés como la curva de tipos influyen significativamente sobre los ratings bancarios, aunque en el caso de Standard and Poor’s el efecto de esta última no es significativo. En concreto, el efecto de los tipos y de la curva de tipos sobre los ratings bancarios tiene forma de U invertida, de forma que el máximo potencial de una subida de los tipos o de la pen-diente de la curva de tipos se produce cuando estos son bajos, reduciéndose su efecto a medida que aumentan. En último lugar, cabe destacar que las diferentes simulacio-nes realizadas indican el efecto máximo de los tipos de interés se obtiene en niveles del entorno del 2,5 por 100 en Standard and Poor’s y del 4,5 en Moody’s y Fitch.

El trabajo se organiza de la siguiente manera. La siguiente sección se analiza la literatura que ha modelizado recientemente el efecto sobre el sector bancario de la actual coyuntura de reducidos tipos de interés y curva de tipos plana, así como de los ratings bancarios. La tercera sección se presenta la aproximación metodológica para modelizar empíricamente el rating bancario. La cuarta describe la muestra y los estadísticos descriptivos de las variables utilizadas, mientras que la quinta sección presenta los resultados. En la última sección se resumen las principales conclusiones obtenidas.

2. Tipos de interés y ratings bancarios: revisión de la literatura

La política monetaria adoptada por la mayor parte de los bancos centrales de los países desarrollados desde el comienzo de la crisis ha generado que los bancos tuviesen que operar en un contexto de reducidos tipos de interés y con una curva de tipos plana. Si bien en los primeros momentos de la reciente crisis financiera esto fue beneficioso para el sector, el largo periodo de bajos tipos de interés está siendo perjudicial, como contrastan distintas instituciones como el Fondo Monetario Inter-nacional (FMI, 2017), la Comisión Europea y el Banco de España (Banco de España, 2017). En concreto, los efectos de la política monetaria expansiva mantenida durante tantos años está siendo perjudicial para la rentabilidad bancaria porque cuando los tipos son bajos y la curva de tipos plana, las posibilidades de arbitraje de los bancos entre pasivos a corto plazo y activos a largo, son reducidas (Entrop et al., 2015). En este contexto, las entidades tienen dificultades para lograr márgenes de intermedia-ción que sostengan la rentabilidad ya que los tipos de interés de los depósitos suelen llegar a un suelo para un tipo de interés cercano a cero y los tipos activos se reducen progresivamente. Cruz-García y Fernández de Guevara (2017) aportan evidencia


sobre los reducidos márgenes de intermediación en la banca europea y, utilizando el modelo teórico de Entrop et al. (2015), muestran que los márgenes bancarios europeos podrían duplicarse si se produjese una subida de los tipos de interés hasta niveles similares a los existentes antes de la reciente crisis financiera. Borio et al. (2015) proponen una versión adaptada del modelo Monti-Klein en un contexto de competencia oligopolística para analizar el efecto sobre el margen de intermediación y la rentabilidad bancaria de los reducidos tipos de interés y la escasa pendiente de la curva de tipos. Los resultados de dicho trabajo indican que la relación entre los tipos de interés de la política monetaria y el margen de intermediación es creciente y no lineal, dependiendo la curvatura del valor de las elasticidades de demanda de préstamos y depósitos y de los requerimientos de capital.

Por tanto, el sector bancario se enfrenta en estos momentos a un reto para man-tener la rentabilidad debido a la reducción de los márgenes de intereses. De hecho, de acuerdo con los datos del Banco de España, a finales de 2016, en España el mar-gen de intereses es inferior a los costes de explotación, hecho que también sucede en otros países europeos. Consecuentemente, la pregunta que aquí nos planteamos es hasta qué punto las empresas de rating ponderan la situación de los mercados monetarios en sus ratings. Dicho de otra forma, ¿están las agencias de calificación incluyendo de forma explícita los reducidos tipos de interés y la curva de tipos como determinantes de los ratings bancarios?

Para contestar esta pregunta hay que plantear en primer lugar cómo la literatura ha modelizado los ratings bancarios y, en segundo lugar, si los tipos de interés y la pendiente de la curva de tipos están entre los determinantes habitualmente conside-rados. En cuanto a la primera cuestión existen distintas aproximaciones a la mode-lización del rating bancario. La aproximación habitual es la utilización de modelos logit o probit ordenados en los que se incluyen proxies de las variables que las agencias de calificación señalan como determinantes en sus valoraciones. Por ejem-plo, Poon et al. (1999) modelizan los Bank Financial Strength Ratings (BFSRs) de Moody’s mediante un logit ordenado y definen un conjunto de 100 factores –entre los que no se encuentran el nivel y la curva de tipos– que reflejan la rentabilidad, eficien-cia, riesgo, apalancamiento y cobertura de intereses de las entidades evaluadas. Mor-gan (2002) también mediante el uso de modelos logit y probit ordenados modeliza los ratings del emisor de los bancos, obteniendo que las discrepancias entre las agen-cias de rating se deben fundamentalmente a la opacidad de los activos que integran los balances de las entidades bancarias al ser más difícil llevar a cabo una valoración de los mismos (préstamos y otros activos financieros). En esta misma línea, Ianno-tta (2006) justifica que las discrepancias entre las agencias a la hora de evaluar las entidades bancarias se deben a la opacidad que presentan las entidades bancarias. Esta opacidad se incrementa con el tamaño y el capital, y se reduce con los activos fijos.

Estrella (2000) estudia la relación existente entre un conjunto de ratios finan-cieros que miden la probabilidad de default de los bancos de Estados Unidos y los ratings de la deuda emitida por dichas entidades, demostrando que la información


disponible en los balances predicen con suficiente precisión los ratings de deuda de los bancos. Tabakis y Vinci (2002) modelizan los ratings de bonos de 67 entidades bancarias pertenecientes a la Unión Europea, EEUU y Japón, encontrando evidencia de que los ratings de las tres principales agencias (Standard and Poor’s, Moody’s and Fitch) dependen de la información disponible en los balances, la especialización y el país al que pertenecen.

Otros trabajos más recientes en la literatura se han centrado en analizar la exis-tencia de heterogeneidad entre los ratings de los bancos de diferentes países. Ian-notta et al. (2008) evalúan la influencia de la estructura de propiedad de los bancos en la UE sobre los ratings del emisor de Standard and Poor’s y sobre los ratings individuales y del emisor de Fitch utilizando un modelo logit ordenado. Estos auto-res encuentran evidencia de que los bancos de propiedad pública reciben un mayor rating que el resto de bancos. Peresetsky y Karminsky (2011) utilizan igualmente un modelo identificar los determinantes de los denominados Foreign-currency long term Deposit Ratings (DR) y Bank Financial Strength Ratings (BFSRs) de Moody’s. Sus resultados indican que Moody’s, además de considerar los factores asociados a la estructura financiera, también considera otros factores externos cómo el riesgo político. En la misma línea, Bellotti et al. (2011), Caporale et al. (2011) y Öğüt et al. (2012) encuentran evidencia de la existencia de efectos diferenciales asociados al país en el que se emiten los ratings bancarios utilizando distintas metodologías. Shen et al. (2012), modelizan los ratings del emisor de Standard and Poor’s, con el obje-tivo de determinar por qué los ratings varían entre países. Su conclusión es que la influencia de los determinantes depende del grado de información asimétrica de los diferentes sistemas bancarios, de modo, que los bancos de diferentes países pueden tener ratings diferentes, aunque presenten ratios financieros similares.

Por último, otros trabajos se han centrado en analizar cómo ha afectado la crisis al comportamiento de los ratings bancarios. Packer y Tarashev (2011) ilustran la reduc-ción generalizada de los ratings bancarios de Fitch, Standard and Poor’s y Moody’s. Una reducción que fue más intensa en los ratings que únicamente recogen la sol-vencia intrínseca de los bancos, por lo que se aporta evidencia sobre la importancia de analizar los ratings (rating del emisor) que consideran el apoyo externo que los bancos reciben por parte de empresas del mismo grupo y/o del sector público. Sal-vador et al. (2014) muestran que el ajuste en los ratings de los bancos españoles tiene como principal factor explicativo el empeoramiento del nivel de solvencia de los bancos (3/4 partes del cambio), aunque el que el endurecimiento de las políticas de calificación tiene una contribución significativa (1/4 parte). Este resultado está en línea con otros trabajos previos sobre comportamiento de los ratings corporativos y soberanos (Blume et al., 1998; Ferri et al., 1999; Gärtner et al., 2011; Alp, 2013; Baghai et al., 2014) en los que se aporta evidencia sobre el endurecimiento de los criterios de calificación de las agencias durante los periodos de crisis.

Es importante destacar que en los trabajos sobre los determinantes del rating bancario no existen ningún trabajo que incluya explícitamente ni los tipos de inte- rés ni la curva de tipos. En concreto, aunque hay algunos trabajos que incluyen


el margen de intereses, como Poon et al. (1999), Poon (2003), Poon y Firth (2005), Poon et al. (2009), Tabakis y Vinci (2002), Estrella (2000), Bellotti et al. (2011), Caporale et al. (2011), Öğüt et al. (2012) y Shen et al. (2012), ninguno de ellos considera directamente las variables de interés en este trabajo, como son los tipos y la pendiente de la curva de tipos de interés.

3. Metodología y variables utilizadas

Dado que el objetivo del presente trabajo es cuantificar la influencia de los tipos de interés y la pendiente de la curva de tipos de interés, se modelizan los ratings bancarios utilizando las variables que la literatura habitualmente incluye como deter-minantes de estos. Además, la metodología empleada en este trabajo tiene en cuenta el cambio de políticas de calificación que, según han contrastado algunos trabajos, se ha producido a raíz del comienzo de la crisis financiera. Adicionalmente, se incluyen dos factores adicionales que, como se ha descrito anteriormente, hasta ahora no han sido considerados en este tipo de análisis: el nivel de los tipos de interés y la pendien-te de la curva de tipos de interés. Esto permite, por un lado, contrastar la hipótesis de que, efectivamente, las agencias de calificación tienen presente el efecto que la actual política monetaria está teniendo sobre los ratings bancarios. Pero también posibilita realizar simulaciones sobre cuál sería la senda de los ratings bancarios en el caso de que el rumbo de la política económica variase y se produjese una subida progresiva de los tipos de interés.

Para ello, como es habitual en la literatura, se modelizan los ratings bancarios mediante un probit ordenado2 en el que se supone que la probabilidad de obtener un determinado rating depende de las variables que aproximan la situación patrimonial y el entorno operativo de los bancos evaluados. La especificación adoptada es la siguiente:

Yit* = βXit – 1 + Crisis + Crisis · γXit – 1 + uit [1]

Donde Yit* es una variable latente resultado de una función lineal de las variables ex-

plicativas, Xt – 1, que definen el rating de los i bancos analizados en un momento del tiempo t. Al igual que Altman y Rijken (2004) y Caporale et al. (2011), se introduce los valores de las explicativas con un retardo, t – 1. Esto se debe a que la información contable se emite con periodicidad anual y es desconocida en el momento que se emite el rating. Por ejemplo, el rating existente en un banco en el primer trimestre del año 2009 (t), hace referencia a la situación patrimonial de las entidades en el año 2008 (t – 1), ya que en ese momento se desconoce el valor de los factores que hacen referencia al 2009. Crisis es una variable ficticia que toma el valor 0 hasta 2008 y 1 en adelante. Esta variable permite contrastar la existencia de un cambio estructural

2 ÖĞÜT et al. (2012), SHEN et al. (2012), SALVADOR et al. (2014), CAPORALE et al. (2011).


en el valor de los parámetros estimados como consecuencia de la crisis financiera. Para analizar la influencia de los determinantes del rating antes de la crisis hay que considerar los parámetros β, mientras que para los años de crisis la influencia será determinada por la suma de los parámetros β y γ. Si los parámetros γ fuesen nulos, los parámetros del modelo no habrían cambiado, y por tanto, las agencias de califi-cación no habrían alterado su política como consecuencia de la crisis. El termino de error, uit, es un término de error estocástico. Aunque la estructura de panel de los datos permitía estimar modelos de efectos individuales (efectos fijos o aleatorios) se ha seleccionado tratar los datos como un pool de datos y no incluir los efectos individua-les debido a que los test implementados no permitían rechazar esta especificación3.

Para seleccionar aquellas variables explicativas que mejor representan el com-portamiento de las agencias de calificación se sigue un doble criterio. Por un lado, se siguen los informes metodológicos de las diferentes agencias de calificación analiza-das, Fitch (2009, 2011), Moody’s (2007a, 2007b, 2016), Standard and Poor’s (2011a, 2011b). De acuerdo con estos informes las agencias de calificación prestan especial atención a la rentabilidad, los recursos propios, la liquidez, la eficiencia, el tamaño de las entidades, la gestión del riesgo de crédito, la diversificación del negocio ban-cario y el entorno operativo en el que las entidades bancarias desarrollan su activi-dad. Pero, además, se consideran aquellas variables que en otros trabajos previos en la literatura han mostrado mayor capacidad predictiva de los ratings.

La rentabilidad es uno de los factores más relevantes en la medición de la situa-ción patrimonial de los bancos (Caporale et al., 2011; Hammer et al., 2012; Salvador et al., 2014). Su relevancia, cómo señala Moody’s (2007a), se debe a que este factor mide la capacidad de un banco para generar valor económico y absorber las pérdidas derivadas de los riesgos asumidos tanto por la entidad cómo del entorno operativo en el que desarrolla su actividad, por lo que se espera un efecto positivo sobre el rating. La rentabilidad la medimos mediante la ratio entre los beneficios antes de impuestos y el activo total (ROA).

Otro de los factores claves en la evaluación del nivel de solvencia de las entidades bancarias es la ratio de capital mantenido. El capital actúa como un colchón para absorber pérdidas, lo que evita que una entidad experimente una situación de insol-vencia cuando se encuentra con dificultades, por lo que se espera un efecto positivo sobre el rating. La capitalización a pesar de su relevancia, no determina por sí solo la calificación de una entidad (Fitch, 2011), puesto que un banco puede mantener un nivel de capital sólido y al mismo tiempo estar expuesto a un deterioro por otros factores. El nivel de capital mantenido por una entidad bancaria se mide mediante la ratio entre el nivel de recursos propios y el activo total (Capital).

Dos variables adicionales que miden otros riesgos a los que se enfrentan las enti-dades son incluidas. Primero, se incluye la ratio de liquidez de las entidades, ya que

3 Se ha contrastado la posible existencia de características inobservables asociadas a los bancos. El test de Hauman rechaza la hipótesis de que el modelo de efectos aleatorios es eficiente, siendo preferible el mode-lo de efectos fijos. Sin embargo, también se rechaza la hipótesis de que los efectos fijos individuales son sig-nificativos. Consecuentemente, estos resultados apuntan hacia la utilización de un modelo de pool de datos.


la falta de liquidez puede llevar a una entidad a la quiebra (Fitch, 2011; Moody’s, 2007a). Este factor se captura mediante la ratio entre activos líquidos y el activo to-tal (Liquidez). En este factor se espera también un coeficiente positivo. En segundo lugar, se incluye un indicador que aproxima la calidad de la cartera crediticia, es decir, el riesgo de crédito. Como no se dispone de información sobre las tasas de morosidad, se utiliza cómo proxy la ratio entre las provisiones por créditos dudosos y el activo total (Provisiones). Por tanto, se espera una influencia negativa sobre la probabilidad de obtener un mayor rating.

Como Fitch (2011) especifica, un factor clave en la medición del riesgo crediti-cio es la estructura de balance. Los bancos que presenten un elevado porcentaje de créditos sobre el activo total (Créditos), estarán más expuestos al riesgo de crédito y presentan mayor opacidad de sus activos (Morgan, 2002; Iannotta, 2006; Iannotta, et al., 2008). En sentido contrario, como también señalan Iannotta et al. (2008), los pres-tamos pueden tener una contribución positiva sobre los ratings al aportar beneficios más estables que otros tipos de activos cómo es la renta variable. Por tanto, el efecto de los créditos sobre la situación financiera de las entidades es indeterminado a priori.

Otro factor determinante es el modelo de negocio. De Young y Torna (2013) muestran que las actividades no tradicionales fueron un factor crucial en el empeo-ramiento y/o la quiebra durante la crisis financiera. Consecuentemente, al igual que D’Apice et al. (2014), la variable que recoge la especialización de los bancos en actividades tradicionales (N_Tradicional) se define como la ratio entre el margen de interés más los ingresos netos por comisiones menos los ingresos por dividendos, y el resultado de explotación. D’Apice et al. (2014) encuentra evidencia de que tanto Fitch, Standard and Poor’s como Moody’s tienden a asignar mejores ratings a aque-llas entidades que mantienen su actividad tradicional bancaria. Consecuentemente, se espera que dicho factor tenga un coeficiente positivo.

Es de esperar que las empresas mejor gestionadas tengan mejores ratings que bancos cuya eficiencia es menor. La eficiencia se recoge mediante la ratio de eficien-cia operativa (Shen et al., 2012), que se define cómo el cociente entre los gastos de explotación y el margen ordinario (Eficiencia). A mayor ratio mayor será el nivel de ineficiencia, debido a que se destinará un mayor porcentaje del margen ordinario a cubrir los gastos de explotación inherente a la propia actividad bancaria. En conse-cuencia, se espera que este factor presente un coeficiente negativo.

Existe evidencia de que el tamaño es un factor relevante para las agencias de calificación (Caporale et al., 2011; Shen et al., 2012; Salvador et al., 2014), otorgando mayor rating a aquellos bancos más grandes. Esto se debe a que un mayor tamaño puede implicar mayor apoyo externo de las autoridades económicas en caso de que el banco se encuentre con dificultades (hipótesis Too-big-to-Fail). Esta hipótesis se fundamenta en el argumento de que las autoridades económicas trataran de evitar la quiebra de las grandes entidades bancarias por el posible efecto sistémico sobre el conjunto del sector. El tamaño se mide mediante el logaritmo del activo total (Activo_Total). Por tanto, se espera que este factor presente un coeficiente positivo.


Todos los determinantes definidos hasta ahora son variables derivadas del balan-ce y de la cuenta de resultados de las entidades calificadas. Los datos se obtienen de la base de datos BankScope (Bureau van Dijk).

Como señala Fitch (2011) el análisis del entorno es el punto de partida en el análisis de la situación patrimonial de un banco. Para Moody’s (2007) los bancos pueden ser víctimas de los entornos en los que existe un débil entorno legal y/o político. Asímismo, el entorno también permite capturar la heterogeneidad existente en los ratings entre los diferentes sistemas bancarios analizados4. Para capturar las condiciones del entorno operativo en el que operan las entidades, se introducen dos variables. La primera de estas variables es el crecimiento del PIB (Ciclo). Un ciclo económico contractivo, como el que se vivió desde el comienzo de la crisis finan-ciera, tiene efectos negativos sobre la situación financiera de las entidades bancarias porque implica un empeoramiento de la calidad de los activos y la reducción de sus beneficios. Por tanto, se espera que el crecimiento del PIB tenga un coeficiente positivo. Esta información ha sido obtenida de la base de datos del Banco Mundial.

La segunda variable que permite capturar el entorno operativo del principal mer-cado en el que operan las entidades bancarias es el rating soberano a largo plazo (Ra-ting_Soberano) emitido por cada una de las tres agencias de calificación5. La crisis soberana en la zona euro ha puesto de manifiesto cómo la situación financiera de un país está fuertemente relacionada con la situación patrimonial de los bancos y vice-versa (Alsakka et al., 2014). Los bancos mantienen activos de deuda pública como garantía para acceder a la financiación facilitada por los bancos centrales. Adicional-mente, los gobiernos garantizan activos bancarios aportando recursos públicos para evitar impagos bancarios. Por tanto, un empeoramiento en la situación financiera de los gobiernos puede tener un impacto negativo en el rating de los bancos. Se espera que el coeficiente asociado al rating soberano tenga un signo positivo. Los datos provienen de las mismas fuentes que los ratings bancarios (ver siguiente sección).

La industria del rating tradicionalmente se ha caracterizado por la ausencia de una regulación estricta que garantizase la calidad de los ratings emitidos. Como se señala en la introducción y detallan Fernández de Guevara y Salvador (2015), con el inicio de la crisis subprime las agencias de calificación han estado en el punto de mira por parte de los reguladores. En tal caso, diversas reformas regulatorias se han implementado en los Estados Unidos (USA), Europa y Japón. En concreto, en los Estados Unidos durante el año 2010 entró en vigor la denominada Dodd-Frank Wall Street reform and consumer protection Act. Para capturar este cambio regulatorio, se introduce una variable dummy (Regulacion_USA) que toma el valor 1 para los ratings emitidos en USA durante los años 2010-2013 y cero en caso contrario. En el caso de Europa, la principal reforma regulatoria tuvo lugar en julio de 2011 con

4 ROJAS-SUÁREZ (2001), FERRI et al. (2001), FERRI y LIU (2003), PURDA (2003), POON (2003), POON y FIRTH (2005), POON et al. (2009), CAPORALE et al. (2011), BELLOTTI et al. (2011) y SHEN et al. (2012).

5 Al igual que en el caso del rating del emisor de los bancos, este ha sido transformado en una escala numérica formada por las 22 categorías numéricas del Cuadro 1.


la introducción del Reglamento (UE) N.º 513/20116. Para capturar este cambio re-gulatorio se introduce la variable (Regulacion_UE) que toma un 1 para los ratings emitidos en Europa desde 2011, y cero en caso contrario. Por último, en Japón, los reguladores llevaron diferentes cambios regulatorios en junio de 2009 con la intro-ducción de la denominada reforma Financial Instruments y Exchange Act que entró en vigor en abril del 2010. Para capturar este cambio en la regulación, al igual que en el caso de USA y Europa, se introduce una variable (Regulacion_JAPON) que toma un valor igual a la unidad para las calificaciones emitidas en Japón desde 2010 y cero en caso contrario.

Como se ha comentado anteriormente, ningún trabajo ha incluido hasta ahora entre los determinantes de los ratings bancarios ni el nivel, ni la curva de tipos de interés, pese a las advertencias que distintas instituciones están realizando sobre el impacto de estos sobre el margen de intereses y la rentabilidad. Para recoger dichos efectos se utiliza como proxy del nivel de tipos de interés a corto plazo el tipo de interés del mercado interbancario a tres meses (Nivel _TI _CP). Asimismo, con el fin de capturar la posible relación no lineal de dicha variable se introduce también el cuadrado de los tipos de interés a corto plazo (Nivel _TI _CP2). Como indicador de la pendiente de la curva de tipos de interés se considera la diferencia entre los tipos de interés de los bonos a diez años y los tipos de interés del mercado interbancario a tres meses (Curva). Para capturar la posible relación no lineal también se introduce la pendiente de la curva de tipos (Curva2). En principio se espera una relación posi-tiva entre los tipos de interés y la pendiente de la curva de tipos y el rating bancario. Es decir, cuando los tipos de interés son bajos y la curva de tipos plana, las entidades bancarias tienen dificultades para rentabilizar su actividad de intermediación, por lo que su rentabilidad será reducida, y por tanto, las agencias de calificación penaliza-rán el rating. Pero, la literatura en general suele suponer que el efecto es no lineal, pues tipos de interés elevados pueden hacer que aumente el riesgo que asumen las entidades (Borio et al., 2015). Este aumento del riesgo se deriva tanto por el posible aumento de las tasas de morosidad cuando los tipos de interés son elevados, como por los incentivos que los clientes bancarios pueden tener a realizar inversiones más arriesgadas para poder hacer frente a los costes de la financiación. Los datos de los tipos de interés provienen de la base de datos de la OCDE.

En último lugar, para controlar por los efectos temporales asociados a cada año, se introduce una variable temporal continua (Tendencia) que se corresponde con el año en el que rating es emitido. Además, se introduce su relación cuadrática, (Ten-dencia2), con el objeto de considerar un efecto no lineal en los ratings asociado al máximo que alcanzan justo antes del inicio de la crisis en el año 2008 con el estallido de la crisis subprime y la posterior crisis de deuda soberana en Europa.

6 Dicho Reglamento asignó la supervisión directa de las agencias de calificación a la Autoridad Europea de Valores y Mercado (AEVM). Asimismo, incremento las responsabilidades de las agencias de calificación con el fin de aumentar la transparencia y la calidad de los ratings emitidos.


4. Muestra y estadísticos descriptivos

Como se ha comentario anteriormente, el objetivo del presente trabajo es valorar la influencia de la coyuntura de los mercados monetarios desde que empezó la crisis, caracterizada por los bajos tipos de interés y la curva de tipos plana, sobre los ratings bancarios. Para ello, se emplea una muestra formada por 469 bancos, correspon-dientes a 22 países (Estados Unidos, Japón y 20 países de la Unión Europea) para el periodo para el que ha sido posible disponer de los ratings: 2004 y 2013. Los bancos incluidos son aquellos para los que se dispone tanto de su información económico- financiera como su correspondiente rating.

Entre los diferentes tipos de rating, se utiliza el rating del emisor de las entidades bancarias (Long Issuer Default Rating en Fitch, Long Term Bank Deposits Rating en Moody’s y Long-Term Foreign-Currency Rating en Standard and Poor’s) ya que, a diferencia del individual rating, tiene en cuenta la probabilidad total de default. Esto quiere decir que este tipo de rating considera tanto la solvencia intrínseca de las entidades bancarias cómo el apoyo externo que estas pueden recibir por parte de los accionistas o del Estado (Shen et al., 2012; Williams et al., 2013; Alsakka et al., 2014; Huang y Shen, 2015; Klusak et al., 2017). Los ratings del emisor de los bancos y los ratings soberanos han sido obtenidos de Bankscope (Bureau van Dijk), ORBIS (Bureau van Dijk) y de Creditviews (Thomsom Reuters). Con el objeto de disponer de una serie temporal larga y captar así efecto de la crisis financiera se con-sideran únicamente las entidades de las que se ha podido obtener los ratings tanto en el periodo antes de la crisis como en el periodo de crisis financiera. El primer año de la muestra es 2004 evitando así posibles distorsiones en los ratings derivadas de la crisis asiática del año 1997 y las posteriores quiebras de Enron y Parmalat. Dichos eventos hicieron que se cuestionase el papel de las agencias de calificación y evi-denciaron la necesidad de implementar una regulación más estricta. El número total de observaciones de bancos calificados que se dispone de información contable es de 3.610.

Al igual que en Poon et al. (1999), Morgan (2002) y Caporale et al. (2011), entre otros, la escala categórica de los ratings ha sido transformada en una escala numé-rica, tal y como se especifica en el Cuadro 1. Dicha escala numérica asocia mayores valores a medida que se mejora la calidad crediticia. Las categorías inferiores han sido agrupadas debido al reducido número de observaciones que contienen. En el Cuadro 2 se observa que la muestra consta de 7.147 ratings emitidos por Fitch, Stan-dard and Poor’s y Moody’s. Entre estas tres agencias la agencia que presenta mayor cuota de mercado en relación al porcentaje de ratings emitidos es Fitch (40,69 por 100), seguida de Standard and Poor’s (30,42 por 100), mientras que Moody’s presen-ta la menor cuota de mercado (28,89 por 100).

De estos 7.147 ratings la mitad de ellos se concentran en los países de la Unión Europea (Cuadro 3). En particular, el conjunto de estos países representan el 50,1 por 100 en Fitch, el 55,2 por 100 en Stnadard and Poor’s y el 47,1 por 100 en Moody’s. Dentro de la Unión Europea, los países con mayor peso son Alemania, Italia, España


Fitch Standard and Poor's Moody's

Rating Escala 22

Escala 11

N.ª de ratings Rating Escala

22Escala

11N.ª de ratings Rating Escala

22 Escala

11N.ª de ratings

Gra

do d

e in

vers

ión

AAA 22 11 3 AAA 22 11 12 Aaa 22 11 46

AA+ 21 11 20 AA+ 21 11 22 Aa1 21 11 89

AA 20 10 72 AA 20 10 100 Aa2 20 10 181

AA– 19 9 280 AA– 19 9 215 Aa3 19 9 273

A+ 18 8 837 A+ 18 8 337 A1 18 8 358

A 17 7 357 A 17 7 743 A2 17 7 367

A– 16 6 396 A– 16 6 291 A3 16 6 323

BBB+ 15 4 256 BBB+ 15 5 216 Baa1 15 4 180

BBB 14 4 358 BBB 14 4 116 Baa2 14 4 100

BBB– 13 3 192 BBB– 13 3 35 Baa3 13 3 58

Grado especulativo

Gra

do e

spec

ulat

ivo

BB+ 12 2 49 BB+ 12 2 16 Ba1 12 2 20

BB 11 2 31 BB 11 2 38 Ba2 11 2 18

BB– 10 2 19 BB– 10 2 10 Ba3 10 2 31

B+ 9 1 5 B+ 9 1 14 B1 9 1 4

B 8 1 14 B 8 1 2 B2 8 1 3

B– 7 1 9 B– 7 1 - B3 7 1 3

CCC+ 6 1 - CCC+ 6 1 - Caa1 6 1 2

CCC 5 1 4 CCC 5 1 6 Caa2 5 1 9

CCC- 4 1 - CCC- 4 1 - Caa3 4 1 -

CC 3 1 3 CC 3 1 1 Ca 3 1 -

C 2 1 3 C 2 1 - C 2 1 -

D 1 1 - D 1 1 - D 1 1 -

WR - - WR - - WR - -

Total 2.908 Total 2.174 Total 2.065

NOTA: Equivalencias entre el rating del emisor asignado por Moody’s, Fitch y Standard and Poor’s y la escala numérica utilizada integrada por 11 categorías numéricas. A medida que se reduce la puntuación, la calidad crediticia disminuye y consecuentemente la probabilidad de default se incrementa. Las categorías inferiores y superiores de la escala de calificación se agrupan, debido al reducido número de observaciones que presentan.

FUENTE: Bankscope (Bureau van Dijk), ORBIS (Bureau van Dijk), Creditviews (Thomsom Reuters) y ela-boración propia.

CUADRO 1ESCALAS DE CALIFICACIÓN EN FITCH, STANDARD AND POOR’S

Y MOODY'S


y Francia. La segunda área geográfica con un mayor peso son los Estados Unidos, dado que los ratings emitidos por Fitch, Standard and Poor’s y Moody’s representan el 33,8 por 100, 28,3 por 100 y 34,7 por 100, respectivamente, del total de la muestra. Por último, en el caso particular de Japón, los ratings emitidos por Fitch, Standard and Poor’s y Moody’s representan un 16,1 por 100, 16,5 por 100 y 18,2 por 100, respectivamente.

Aunque el rating medio de cada agencia de calificación se ha reducido conside-rablemente desde 2009 con el estallido de la crisis financiera (Gráfico 1), en 2008 dichos ratings experimentaron una reducción considerable en su tasa de crecimiento frente al 2007. En 2009 el rating medio de Fitch, Standard and Poor’s y Moody’s se redujo un 2,4 por 100, 3,9 por 100 y 4,9 por 100 anual, respectivamente. A partir de este año las tres agencias de calificación redujeron continuamente sus ratings hasta el año 2013. Como muestran Salvador et al. (2014), esta evolución responde tanto al empeoramiento de la situación financiera de los bancos (Laeven y Valencia, 2013; BCE, 2008a y 2008b) como también al endurecimiento de las políticas de califica-ción por parte de las agencias de rating. En concreto, durante estos años se produjo una reducción sustancial de la rentabilidad de las entidades de crédito, se erosiona-ron los niveles de capital, aumentó la morosidad y se incrementaron las necesidades

CUADRO 2CUOTA DE MERCADO DE LAS AGENCIAS DE CALIFICACIÓN

Número de observaciones Cuota de mercado (%)Año de emisión

del ratingFitch S&P Moody’s Total Fitch S&P Moody’s

2004 137 134 137 408 33,58 32,84 33,582005 152 144 162 458 33,19 31,44 35,372006 264 209 179 652 40,49 32,06 27,452007 287 226 203 716 40,08 31,56 28,352008 378 256 241 875 43,20 29,26 27,542009 383 264 248 895 42,79 29,50 27,712010 374 256 244 874 42,79 29,29 27,922011 364 247 233 844 43,13 29,27 27,612012 286 222 214 722 39,61 30,75 29,642013 283 216 204 703 40,26 30,73 29,02

TOTAL 2.908 2.174 2.065 7.147 40,69 30,42 28,89

NOTA: Este cuadro muestra, para el periodo 2004-2013, el número de ratings del emisor emitidos por cada agencia de calificación y la cuota de mercado para cada uno de los años.



CUADRO 3DISTRIBUCIÓN DE LOS BANCOS CON RATING DEL EMISOR EN FUNCIÓN

DE SU PAÍS DE ORIGEN

Número de observaciones Número de bancos Peso en la muestra (%)País Fitch S&P Moody’s Fitch S&P Moody’s Fitch S&P Moody’s

Austria 50 8 18 8 2 2 1,7 0,4 0,9Bélgica 37 32 31 4 4 3 1,3 1,5 1,5República Checa 31 31 31 4 4 4 1,1 1,4 1,5Alemania 568 507 131 73 59 16 19,5 23,3 6,3Dinamarca 30 37 69 2 2 8 1,0 1,7 3,3España 129 84 131 19 10 18 4,4 3,9 6,3Finlandia 23 29 29 2 3 3 0,8 1,3 1,4Francia 71 80 41 10 11 5 2,4 3,7 2,0Reino Unido 49 34 31 7 5 4 1,7 1,6 1,5Grecia 32 24 23 5 3 2 1,1 1,1 1,1Hungría 9 9 10 3 3 3 0,3 0,4 0,5Irlanda 6 10 9 2 2 1 0,2 0,5 0,4Italia 153 149 164 17 17 14 5,3 6,9 7,9Japón 467 358 375 35 37 31 16,1 16,5 18,2Luxemburgo 22 26 14 8 9 3 0,8 1,2 0,7Países Bajos 7 8 14 0 1 1 0,2 0,4 0,7Noruega 47 21 41 7 3 6 1,6 1,0 2,0Polonia 62 23 68 6 1 7 2,1 1,1 3,3Portugal 61 36 53 7 4 6 2,1 1,7 2,6Eslovenia 37 13 28 4 1 3 1,3 0,6 1,4Suecia 34 40 37 3 4 3 1,2 1,8 1,8Estados Unidos 983 615 717 109 67 81 33,8 28,3 34,7TOTAL 2.908 2.174 2.065 335 252 224 100,0 100,0 100,0

NOTA: Distribución del número de bancos y observaciones por agencia de calificación (Fitch, Standard and Poor’s y Moody’s). Las últimas tres columnas recogen el peso de cada país sobre el total de ratings del emisor emi-tidos por cada agencia durante el periodo de tiempo analizado (2004-2013).


de liquidez. En respuesta a estos problemas, algunos países adoptaron medidas para rescatar y reestructurar sus sectores financieros, incluidos los paquetes de recapitali-zación y la nacionalización de algunas entidades (Laeven y Valencia, 2013).

Los valores medios de los determinantes del rating emisor de los bancos analiza-dos entre el periodo antes de 2004-2007 y durante la crisis financiera (2008-2013) se muestran en el Cuadro 4. Se observa que, a raíz de la crisis financiera, las entidades


GRÁFICO 1EVOLUCIÓN DEL RATING DEL EMISOR DE LAS ENTIDADES BANCARIAS

NOTA: Este gráfico recoge para el periodo 2004-2013, la evolución en promedio del rating del emisor emitido de acuerdo a la escala de calificación utilizada en este trabajo (11 categorías) para cada una de las agencias de cali-ficación (Fitch, Standard and Poor’s y Moody’s).

FUENTE: Bankscope (Bureau van Dijk), ORBIS (Bureau van Dijk), Creditviews (Thomsom Reuters) y elabo- ración propia.

6,426,38

6,556,74 6,75

6,596,37

6,225,97 6,31

6,38 6,596,89

7,23 7,317,02

6,776,62 6,27

5,69

7,35 7,38 7,34

7,818,06

7,69

7,09

6,75

6,38

5,855,50

6,00

6,50

7,00

7,50

8,00

2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Fitch SP Mody’s

CUADRO 4ESTADÍSTICOS DESCRIPTIVOS DE LOS DETERMINANTES DEL RATING

DEL EMISOR

Fitch Standard and Poor’s Moody’s2004-2007

2008-2013

2004-2013

2004-2007

2008-2013

2004-2013

2004-2007

2008-2013

2004-2013

ROA (%) 1,32 0,73 0,98 1,35 0,80 1,04 1,46 0,86 1,13Capital (%) 8,56 8,94 8,78 8,35 9,02 8,72 8,79 9,17 9,00Liquidez (%) 14,95 14,71 14,81 16,62 16,68 16,65 15,38 14,90 15,11Creditos (%) 57,36 56,83 57,05 55,36 54,09 54,66 58,41 58,02 58,20Provisiones (%) 0,37 0,71 0,57 0,37 0,66 0,53 0,31 0,78 0,57N_Tradicional (%) 64,45 67,84 66,42 62,39 65,58 64,16 60,95 63,07 62,12Eficiencia (%) 63,17 62,34 62,69 64,61 61,25 62,75 64,05 63,61 63,81Activo_Total 16,01 16,18 16,11 16,48 16,56 16,53 16,82 17,11 16,98Ciclo (%) 2,66 0,25 1,26 2,60 0,23 1,29 2,69 0,13 1,27Rating_Soberano 19,20 18,77 18,95 19,00 18,53 18,74 18,75 18,04 18,36Nivel _TI _CP (%) 3,00 1,46 2,11 2,73 1,48 2,03 2,80 1,48 2,07Nivel _TI _CP2 (%) 11,83 4,51 7,58 10,10 4,56 7,03 10,89 4,75 7,49Curva (%) 0,85 1,67 1,33 0,95 1,67 1,35 0,98 1,83 1,45Curva2 (%) 1,82 5,92 4,20 1,88 6,31 4,34 2,07 7,34 4,99

NOTA: Este cuadro muestra el promedio de los factores que definen la situación patrimonial y el entorno opera-tivo de las entidades bancarias calificadas por cada agencia (Fitch, Standard and Poor’s y Moody’s).

FUENTE: Bankscope (Bureau van Dijk), ORBIS (Bureau van Dijk), Creditviews (Thomsom Reuters), Banco Mundial, OCDE y elaboración propia.


bancarias calificadas han experimentado, en promedio, un significativo empeora-miento de su situación patrimonial. En concreto, se observa un empeoramiento de la rentabilidad y de los niveles de liquidez. Además, debe resaltarse el deterioro de la calidad de los activos en el balance, como muestra el incremento del nivel de provisiones, y un descenso en el peso de los créditos en el balance. A pesar del em-peoramiento de estos indicadores, debe resaltarse que se ha producido un incremento en el nivel de capital –sin duda relacionado con las mayores exigencias regulatorias (Basilea III) y a la recapitalización de muchas entidades– y en el tamaño medio de las entidades –por el intenso proceso de consolidación–, así como un incremento de la eficiencia de las entidades –como así muestra la reducción del tradicional ratio de eficiencia operativa–. También se observa que, con el inicio de la crisis, las entidades operan en un entorno más inestable, pues el crecimiento del PIB se ha ralentizado de forma significativa y los ratings soberanos del país en el que las entidades bancarias desarrollan principalmente su actividad se ha reducido significativamente.

El Gráfico 2 muestra la evolución de los tipos de interés en los años analizados. Se comprueba que en todos los países, salvo Japón, la evolución de los tipos de inte-rés es similar. Los tipos de interés crecieron en los años previos a la crisis financiera por la respuesta de los bancos centrales a las presiones inflacionistas que casi todas las economías desarrolladas sufrieron en los últimos años. En parte esto se debió a la fuerte subida del precio del petróleo y de otras materias primas en los mercados internacionales. A partir de 2007, con el estallido de la crisis, los bancos centrales

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013Eurozona Estados Unidos Japón Reino Unido

GRÁFICO 2EVOLUCIÓN DE LOS TIPOS DE INTERÉS A CORTO PLAZO

(INTERBANCARIO A TRES MESES) (En %)

NOTA: Este gráfico recoge, para el periodo 2004-2013, la evolución del nivel de tipos de interés a corto plazo (interbancario a tres meses).

FUENTE: OCDE.


adoptaron diferentes medidas de política monetarias expansivas, con agresivas re-bajas de los tipos de interés tendentes a contrarrestar los efectos contractivos de la recesión. En este sentido se observa que en todos los países, desde 2010 los tipos de interés se sitúan en valores históricamente bajos, por debajo del 1 por 100 durante la mayor parte del periodo.

5. Resultados

El Cuadro 5 muestra los resultados de la estimación de la ecuación (1), que mo-delizan los denominados ratings del emisor de los bancos en función de los factores que definen la situación patrimonial y el entorno operativo de los bancos evaluados. Para cada agencia se muestran dos regresiones, una en las que la variable ficticia de la crisis financiera no interactúa con las variables explicativas, columnas Ec(1), y otra en la que sí se contrasta la existencia del cambio estructural que se produce con el inicio de la reciente crisis financiera, columnas Ec(2). En dicho cuadro se puede apreciar que, en términos generales, los coeficientes de los factores que defi-nen la situación patrimonial y el entorno operativo de los bancos son significativos y presentan los signos esperados. En concreto, en las especificaciones en las que los coeficientes son comunes antes y después de la crisis –Ec(1)– , un incremento de la rentabilidad, el nivel de capital, la liquidez, y/o una mejora del entorno operativo medido por el rating soberano suponen un aumento sobre la probabilidad de obtener un mayor rating. Por otro lado, la mayor exposición al riesgo, medida por el mayor peso de la cartera crediticia y por las provisiones, implica una menor calificación. En Fitch, el coeficiente negativo de la variable de crédito sobre activos totales (crédi-tos) es estadísticamente significativo, aunque no el de las provisiones para pérdidas crediticias. En Standard and Poor’s, la situación es exactamente la contraria: los coeficientes de las provisiones son estadísticamente significativos, pero no el del peso de los créditos en el balance. En el caso de Moody’s, los coeficientes tanto del peso del crédito en el balance como de las provisiones para pérdidas crediticias son estadísticamente significativos y con signo negativo.

Los resultados del peso de la actividad tradicional dependen de la agencia consi-derada. Mientras en Fitch el coeficiente de la proporción de ingresos tradicionales no es significativo, en Standard como en Poor’s, la mayor proporción de ingresos tra-dicionales significa una calificación más alta, lo que implica que la especialización bancaria en actividades tradicionales es valorada positivamente por esta agencia. Por el contrario, en Moody’s la situación es la contraria. Lo que significa que, a diferen-cia de Standard and Poor’s, Moody’s evalúa negativamente la diversificación de in-gresos. La eficiencia no parece ser un factor crucial para las agencias de calificación, ya que su coeficiente no es significativo en ningún caso.

Por último, debe resaltarse que las reformas regulatorias en Estados Unidos han llevado a una reducción generalizada de los ratings en las tres agencias de califi-cación, mientras que en Europa este efecto solo es significativo para Moody’s y en Japón para Fitch.


CUADRO 5RESULTADOS DE LA ESTIMACIÓN DE LOS DETERMINANTES

DEL RATING DEL EMISOR (2004-2013)Fitch Standard and Poor’s Moody’s

Ec(1) Ec(2) EC(1) Ec(2) Ec(1) Ec(2)ROA 3,67*** –0,40*** 5,32*** 1,48*** 6,43*** 3,45***Capital 0,93*** 0,73*** 1,36*** 1,07*** 1,70*** 0,96***Liquidez 0,87*** 0,85*** 1,23*** 1,51*** 0,10**v 1,04***Creditos –0,76*** –1,26*** –0,20*** –0,31*** –0,68*** –0,19***Provisiones –2,82*** 12,08*** –10,27** 2,76*** –8,42*** –0,14***N_Tradicional 0,05*** –0,08*** 0,34*** 0,42*** –0,29*** –0,55***Eficiencia 0,01*** 0,02*** 0,00*** 0,02*** –0,03**v –0,02***Activo_Total 0,19*** 0,23*** 0,20*** 0,27*** 0,33*** 0,36***Ciclo 0,04*** 0,03**v 0,01*** –0,02*** 0,01*** 0,10***Rating_Soberano_Fitch 0,22*** 0,20***Rating_Soberano_S&P 0,27*** 0,31***Rating_Soberano_Moody’s 0,20*** 0,21***Crisis –0,47*** 2,43*** 1,53***Crisis*ROA 6,59*** 8,77*** 4,34***Crisis*Capital 0,30*** 0,44**v 1,22***Crisis*Liquidez –0,07*** –0,30**v –1,65***Crisis*Creditos 0,80*** 0,16*** –0,81***Crisis*Provisiones –20,31*** –17,03*** –11,28***Crisis*N_Tradicional 0,23*** 0,08*** 0,39***Crisis*Eficiencia –0,11*** –0,73*** –0,17***Crisis*Activo_Total –0,07*** –0,12*** –0,06***Crisis*Ciclo 0,01*** 0,02*** –0,10***Crisis*Rating_Soberano_Fitch 0,05***Crisis*Rating_Soberano_S&P –0,03***Crisis*Rating_Soberano_Moody’s 0,01***Regulacion_USA –0,95*** –1,03*** –0,60*** –0,66*** –0,25** –0,34***Regulacion_UE 0,00*** 0,02*** –0,03*** –0,07**v –0,37*** –0,28***Regulacion_JAPAN –0,52*** –0,37*** 0,13*** 0,26*** 0,24*** 0,26***Nivel _TI _CP 0,45*** 0,46*** 0,36*** 0,36*** 0,61*** 0,54***Nivel _TI _CP2 –0,06*** –0,05*** –0,06*** –0,06*** –0,07*** –0,06***Curva 0,10*** 0,15*** –0,04**v 0,01** 0,14*** 0,12***Curva2 –0,02*** –0,02*** 0,00*** –0,01*** –0,02*** –0,01***Tendencia –0,01*** 0,02*** 0,15*** 0,23*** 0,07*** 0,04***Tendencia2 0,01*** 0,01*** –0,01*** –0,01*** 0,00*** 0,00***cut1 5,13*** 5,26*** 6,56*** 8,50*** 6,54*** 7,59***cut2 5,80*** 5,94*** 7,40*** 9,39*** 7,70*** 8,76***cut3 6,34*** 6,49*** 7,65*** 9,65*** 8,06*** 9,13***cut4 6,93*** 7,08*** 8,14*** 10,16*** 8,47*** 9,55***cut5 7,26*** 7,41*** 8,67*** 10,70*** 8,95*** 10,03***cut6 7,71*** 7,87*** 9,17*** 11,21*** 9,55*** 10,64***cut7 8,09*** 8,26*** 10,25*** 12,31*** 10,14*** 11,24***cut8 9,22*** 9,40*** 10,89*** 12,97*** 10,74*** 11,84***cut9 10,08*** 10,28*** 11,57*** 13,68*** 11,33*** 12,45***cut10 10,74*** 10,96*** 12,31*** 14,44*** 11,96*** 13,09***N 2.908 2.908 2.174 2.174 2.065 2.065ll –5.437,16 –5.404,05 –3.794,34 –3.743,21 –3.934,82 –3.903,54chi2 1.143,1 1.252,8 768,8 972,4 742,8 869,5RV test 66,24 102,25 62,55P-val 0,000 0,000 0,000

NOTAS: Resultados de la estimación del modelo probit ordenado (Ec. 1) y (Ec. 2) para el rating del emisor emitido por cada una de las agencias de calificación. *** Significativo al 1 por 100. ** Significativo al 5 por 100. * Significativo al 10 por 100. La dos últimas filas recogen el test de razón de verosimilitud (RV) entre el modelo (Ec. 1) (modelo restringido) y el modelo (Ec. 2) (modelo general), es decir, H0: β: γ = 0.

FUENTE: Elaboración propia con datos de Bankscope (Bureau van Dijk).


Las ecuaciones (2) del Cuadro 5 se presentan los resultados de la estimación de la ecuación (1), en el que se considera el posible cambio en el comportamiento de las agencias de calificación que se produce a raíz de la crisis financiera. En dichas estimaciones se observa que con la crisis se produce un cambio en dicho compor-tamiento, dado que se modifica el peso que tiene cada factor sobre la probabilidad de obtener un mayor rating. Asimismo, el test de razón de verosimilitud (RV) no permite rechazar la significatividad conjunta de los coeficientes de las variables que interactúan con la ficticia de la crisis, por lo que se vuelve a encontrar evidencia de la existencia de un cambio de políticas de evaluación por parte de las agencias. Eso sí el cambio en los criterios de calificación no es homogéneo entre las agencias ya que el cambio del coeficiente de cada factor depende de la agencia de calificación analizada.

En Fitch, se observa que, con la crisis, la rentabilidad tiene un efecto positivo sobre la probabilidad de obtener un mayor rating y su coeficiente es significativo. El tamaño, aunque presenta un coeficiente significativo, reduce su importancia (la suma de los coeficientes con y sin la interacción con Crisis). Al mismo tiempo, se observa que el coeficiente de las provisiones es negativo y significativo cuando interactúa con la variable crisis. Por tanto, en los años posteriores a la crisis financiera Fitch ha sido más sensible a las variaciones de estas variables. En lo que se refiere al peso de los créditos en el balance, su coeficiente es positivo cuando interactúa con la ficticia de la crisis, aunque el efecto total de esta variable (la suma de los coeficientes con y sin la interacción con Crisis) sigue siendo negativo durante todo el periodo analiza-do. Asimismo, en Fitch se observa que con la crisis financiera se incrementa el peso que tiene el entorno en el que los bancos evaluados principalmente desarrollan su actividad como así se refleja en el signo positivo que tiene el coeficiente del rating soberano.

En el caso de Standard and Poor’s, se observa que, durante la crisis, una mayor rentabilidad (coeficiente positivo) y eficiencia (coeficiente negativo) aumentan la probabilidad de obtener un mayor rating, mientras que el tamaño reduce dicha proba-bilidad. Aunque debe resaltarse que el efecto total de este último factor sigue siendo positivo (la suma de los coeficientes con y sin la interacción con Crisis). En Moody’s se observa que con la crisis financiera los créditos y las provisiones tienen un efecto negativo y el coeficiente es significativo. En el caso de de la liquidez, su importancia relativa disminuye como así refleja su coeficiente negativo. La ineficiencia aumenta su impacto con la crisis financiera siendo el coeficiente aún más negativo su efecto. Por el contrario, el crecimiento del PIB reduce su efecto positivo como así refleja el signo negativo de dicho factor cuando interactúa con la variable crisis.

Los resultados mostrados hasta ahora son similares a los de otros trabajos previos que analizan los determinantes de los ratings bancarios y, más concretamente los que analizan el caso particular de los efectos de la crisis. Sin embargo, la principal novedad de este trabajo hace referencia a la inclusión en las estimaciones del efecto que tanto el tipo de interés como la pendiente de la curva de tipos (y los cuadrados de estas variables) tienen sobre los ratings bancarios. El Cuadro 5 muestra el efecto


de estas variables. El patrón es bastante claro y común en las tres agencias de califi-cación. Los coeficientes de las variables que miden los tipos de interés a corto plazo son positivos y estadísticamente significativos en las tres agencias de calificación, mientras que los coeficientes asociados a su relación cuadrática son negativos y tam-bién estadísticamente significativos. Esto indica que las agencias de calificación sí que tienen en cuenta los efectos que esta variable tiene sobre la probabilidad de impago de las entidades bancarias. Además, el efecto de los tipos de interés sobre el rating bancario tiene forma de U invertida, por lo que para niveles bajos de tipos de interés el impacto de subidas de estos genera importantes aumentos en el rating, mientras que este efecto se va agotando conforme aumentan los tipos de interés, pu-diendo llegar a ser incluso negativos. Por tanto, un cambio en la política monetaria dejando atrás las medidas expansivas que han caracterizado los últimos años impul-saría al alza los ratings bancarios.

En relación a la curva de tipos de interés, la evidencia depende de la agencia considerada. En Standard and Poor’s no se observa evidencia de la relevancia de esta variable. En cambio, en Fitch y Moody’s vuelven a observarse coeficientes es-tadísticamente significativos que definen también un efecto en forma de U invertida. Por tanto, para estas dos agencias, tanto el nivel, como la curva de tipos afectan al rating bancario.

Los resultados obtenidos permiten realizar alguna simulación sobre cuál sería el efecto sobre los tipos de interés sobre los ratings bancarios ante subidas de los tipos de interés. El Gráfico 3 muestra cuál sería el rating medio que las agencias de califi-cación otorgarían a los bancos integrantes de la Eurozona si los tipos de interés va-riasen en el intervalo 0 por 100 hasta un máximo del 5 por 100, nivel que alcanzaron antes de la crisis financiera. Las simulaciones realizadas tienen que ser entendidas como ejercicios caeteris paribus, es decir, miden el impacto en el rating medio de los bancos de la muestra que tendrían las subidas de tipos de interés si se mantienen constantes el resto de variables en los valores del último año del que se dispone de información (2013). Los resultados indican que los ratings de Fitch y Moody’s son los que más sensibilidad tienen ante variaciones en los tipos de interés. En Fitch se pasaría de un rating medio de aproximadamente 5,5 cuando los tipos de interés se sitúan en el entorno actual del 0 por 100 hasta un 7 si los tipos subiesen hasta los niveles previos a la crisis. En el caso del Moody’s el incremento es, si cabe, todavía mayor. El rating medio pasaría de un valor medio de 4 a un 6 ante la misma subida de los tipos de interés. En Standard and Poor’s el crecimiento la variación es menor, apenas creciendo medio punto porcentual, manteniéndose en niveles similares en niveles entornos al 2,5 por 100 e incluso decreciendo a partir de tipos de superiores al 4,5 por 100.

Por tanto, la evidencia indica que las agencias de calificación sí tienen presente los retos estructurales a los que el sector bancario se enfrenta debido a los efectos de las políticas monetarias ultraexpansivas que se han dado en los países desarrollados en respuesta a la crisis financiera. En tal caso, Fitch y Moody’s son las agencias más sensibles a la evolución del nivel de los tipos de interés.


GRÁFICO 3SIMULACIÓN DEL RATING MEDIO DEL EMISOR ANTE UNA SUBIDA

PROGRESIVA DEL TIPO DE INTERÉS

Standard and Poor's

4

4,5

5

5,5

6

6,5

7

7,5

8

0 0,5 1 1,5 2 2,5 3 3,5 4 4,5

Moody's

5

4

4,5

5

5,5

6

6,5

7

7,5

8

0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5

Fitch

4

4,5

5

5,5

6

6,5

7

7,5

8

0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5

NOTAS: Este gráfico recoge para cada agencia de calificación (Fitch, Standard and Poor’s y Moody’s) una simulación del rating medio de los bancos de la Eurozona ante una subida progresiva del tipo de interés. En el eje de ordenadas se recoge la predicción del rating en promedio para cada uno de los tipos de interés en términos porcen-tuales que se recogen en el eje de abscisas. La simulación consiste en la predicción del rating bancario suponiendo que el valor de todos los determinantes se mantiene en los valores del último año disponible en la muestra, mientras que los tipos de interés varían.

FUENTE: Elaboración propia.


6. Conclusiones

Este trabajo analiza el impacto que la política monetaria expansiva mantenida por los bancos centrales a raíz de la crisis financiera ha tenido en los ratings (issuer rating) de los bancos de la Unión Europea, los Estados Unidos y Japón durante los años 2004-2013. Este periodo comprende unos años iniciales de crecimiento econó-mico comprendido entre los años 2004 y 2008 y un subperiodo de crisis financiera comprendido entre los años 2009 y 2013. La primera etapa se caracterizó también por una política monetaria contractiva en la que los tipos de interés subieron, como respuesta de los bancos centrales al crecimiento de la inflación derivada del alza del precio del petróleo y de otras materias primas. Sin embargo, desde que comenzó la crisis se ha mantenido una política monetaria expansiva en la que los tipos de interés de la mayoría de países desarrollados se han situado en valores históricamente ba-jos, incluso cercanos al 0 por 100. Diversas instituciones como el FMI, la Comisión Europea, el Banco Central Europeo e incluso el Banco de España ha enfatizado recientemente que esta etapa duradera de bajos tipos de interés, con una curva de tipos plana, es una de las principales amenazas a las que se enfrentan los sectores bancarios, especialmente en Europa. Los reducidos tipos de interés y las escasas di-ferencias entre los tipos de interés a corto y a largo plazo están generando que resulte muy difícil obtener un margen de intermediación positivo para las entidades banca-rias. Esto pone en riesgo la rentabilidad futura, pues actualmente apenas se llegan a cubrir los gastos de explotación con el margen de explotación.

Por tanto, el objetivo del trabajo es contrastar, en primer lugar, en qué medida las agencias de calificación están valorando este reto estructural del sector en sus ratings. Hasta ahora, ningún trabajo previo dedicado a la modelización de los ratings bancarios ha incluido ninguna de estas dos dimensiones (nivel y curva de tipos) en sus análisis. Además, se realizan simulaciones que permiten evaluar el impacto que posibles subidas futuras de los tipos de interés podrían tener sobre los ratings ban-carios.

Para captar en qué medida las agencias de calificación están valorando el impac-to de los reducidos de interés se procede en dos etapas. En la primera, mediante la utilización de un modelo probit ordenado, se modelizan los ratings bancarios inclu-yendo un cambio estructural a raíz de la crisis financiera desde 2008. En el mode-lo se incluyen todas las variables habitualmente consideradas en la literatura sobre ratings bancarios. La inclusión de tanto el nivel como la pendiente de la curva de tipos permiten contrastar en qué medida las agencias de calificación tiene presente en sus ratings el reto que supone para las entidades bancarias la actual política moneta-ria. En una segunda etapa se realiza un ejercicio de simulación en el que se contrasta el efecto que potencialmente tendría sobre los ratings bancarios una subida de los tipos de interés. Para ello, se emplea una muestra formada por 469 bancos evalua-dos por las tres principales agencias de calificación (Fitch, Moody’s y Standard and Poor’s), correspondientes a 22 países (Estados Unidos, Japón y 20 países de la Unión Europea) para el periodo 2004 -2013.


Los resultados obtenidos muestran que, en general, los coeficientes de los de-terminantes de los ratings tienen los signos esperados y, en línea con otros trabajos de la literatura, no se puede rechazar la hipótesis de que las agencias de calificación han cambiado los criterios de calificación como consecuencia de la crisis financiera. Asimismo, se encuentra evidencia robusta de que el nivel de los tipos de interés tiene influencia sobre los ratings bancarios. Sin embargo, la curva de tipos tiene capacidad explicativa de los ratings bancarios únicamente en el caso de Fitch y Moody’s, mien-tras que en Standard and Poor’s no se encuentra evidencia. Los resultados indican que el efecto de los tipos y de la curva de tipos sobre los ratings bancarios tiene for-ma de U invertida, de forma que una subida de los tipos de interés, o un incremento de la pendiente de la curva tendría efectos beneficiosos sobre los ratings cuando estos son bajos, pero ulteriores subidas tendrían un efecto menor, agotándose su im-pacto e incluso pudiendo llegar a ser negativo. Las simulaciones realizadas indican el efecto máximo de los tipos de interés se obtiene en niveles del entorno del 2,5 por 100 en Standard and Poor’s y del 4,5 en Moody’s y Fitch.

7. Referencias bibliográficas

[1] ALTMAN, E. y RIJKEN, H. (2004). «How rating agencies achieve rating stability». The Journal of Finance, 28 (11), 2679-2714.

[2] ALTMAN, E. y RIJKEN, H. (2006). «A point in time perspective on through-the-cycle ratings». Financial Analysts, 54-70.

[3] ALP, A. (2013). «Structural shifts in credit rating standards». The Journal of Finance, 68(6), 2435-2470.

[4] ALSAKKA, R. y GWILYM, O. (2012). «Rating agencies’ credit signals: An analysis of sovereign watch and outlook». International Review of Financial Analysis, 21, 45-55.

[5] ALSAKKA, R.; Gwilym, O. y VU, T. N. (2014). «The sovereign-bank rating channel and rating agencies’ downgrades during the European debt crisis». Journal of Interna-tional Money and Finance, 49, 235-257.

[6] AMATO, J. D. y FURFINE, C.H. (2004). «Are credit ratings procyclical?». Journal of Banking and Finance, 28 (11), 2641-2677.

[7] BANCO DE ESPAÑA (2017). Informe de Estabilidad Financiera. Banco de España, noviembre 2016.

[8] BAGHAI, R. P.; SERVAES, H. y TAMAYO, A. (2014). «Have rating agencies become more conservative? Implications for capital structure and debt pricing». The Journal of Finance, 69 (5), 1961-2005.

[9] BANGIA, A.; DIEBOLD, F. X.; KRONIMUS, A.; SCHAGEN, C. y SCHUERMANN, T. (2002). «Ratings migration and the business cycle, with application to credit portfolio stress testing». Journal of Banking and Finance, 26 (2), 445-474.

[10] Bank of England (2011). «Whither the credit ratings industry?». Financial Stability Pa-per No. 9.

[11] BELLOTTI, T.; MATOUSEK, R. y STEWART, C. (2011). «Are rating agencies’ assign- ments opaque? Evidence from international banks». Expert Systems with Applications, 38 (4), 4206-4214.


[12] BLUME, M. E.; LIM, F. y MACKINLAY, A. C. (1998). «The declining credit quality of US corporate debt: Myth or reality?». The Journal of Finance, 53 (4), 1389-1413.

[13] BOOT, A. W.; MILBOURN, T. T. y SCHMEITS, A. (2006). «Credit ratings as coordi-nation mechanisms». Review of Financial Studies, 19 (1), 81-118.

[14] BORIO, C. E.; GAMBACORTA, L. y HOFMANN, B. (2015). «The influence of mone-tary policy on bank profitability», BIS Working Papers No. 514, octubre 2015.

[15] CAPORALE, G.; MATOUSEK, R. y STEWART, C. (2011). «EU banks rating assign- ments: Is there heterogeneity between new and old member countries?». Review of In-ternational Economics, 19 (1), 189-206.

[16] CATARINEU-RABELL, E.; JACKSON P. y D. TSOMOCOS (2005). «Procyclicality and the new Basel Accord banks choice of loan rating system». Economic Theory, 26 (3), 537-557.

[17] CRUZ-GARCÍA, P. y FERNÁNDEZ DE GUEVARA, J. (2017). «Efecto de las medidas del BCE sobre los márgenes bancarios». Mediterráneo Económico, 29, 151-170.

[18] D’APICE, V.; FERRI, G. y LACITIGNOLA, P. (2014). «Rating Performance and Bank Business Models: Is There a Change with the 2007-2009 Crisis?». Italian Economic Journal, 2 (3), 385-420.

[19] DE YOUNG, R. y TORNA, G. (2013). «Nontraditional Banking Activities and Bank Failures During the Financial Crisis». Journal of Financial Intermediation, 22 (3), 397-421.

[20] DITTRICH, F. (2007). «The credit rating industry: Competition and regulation». Uni-versity of Cologne, Doctoral Thesis.

[21] ENTROP, O.; MEMMEL, C.; RUPRECHT, B. y WILKENS, M. (2015). «Determinants of bank interest margins: Impact of maturity transformation». Journal of Banking & Finance, 54, 1-19.

[22] ESTRELLA, A. (2000). «Credit ratings and complementary sources of credit quality information». Basel Committee on Banking Supervision Working Paper No. 3.

[23] EUROPEAN CENTRAL BANK (2008a). «Financial Stability Review». December 2008. Publications. Available on: http://www.ecb.int/pub.

[24] EUROPEAN CENTRAL BANK (2008b). «Financial Stability Review», June 2008. Pu-blications. Available on: http://www.ecb.int/pub.

[25] FERNÁNDEZ DE GUEVARA, J. y SALVADOR, C. (2015). «Ratings y financiación empresarial». Papeles de Economía Española, 146, diciembre.

[26] FERRI, G.; LIU, L. G. y STIGLITZ, J. E. (1999). «The procyclical role of rating agen-cies: Evidence from the East Asian crisis». Economic Notes, 28 (3), 335-355.

[27] FERRI, G.; LIU, L. G. y MAJNONI, G. (2001). «The role of rating agency assessments in less developed countries: Impact of the proposed Basel guidelines». Journal of Bank- ing and Finance, 25 (1), 115-148.

[28] FERRI, G. y LIU, L.G. (2003). «How do global credit-rating agencies rate firms from developing countries?». Asian Economic Papers, 2 (3), 30-56.

[29] FITCH (2009). Rating Methodology: Banks and financial institutions. January 2009.[30] FITCH (2011). Global Financial Institutions Rating Criteria. August 2011.[31] FMI (Fondo Monetario Internacional) (2017). Global Financial Stability Report, Fondo

Monetario International, abril 2017.[32] FMI (Fondo Monetario Internacional) (2010). The uses and abuses of sovereign credit

ratings. Global financial stability report. October 2010.


[33] GÄRTNER, M.; GRIESBACH, B. y JUNG, F. (2011). «PIGS or lambs? The European sovereign debt crisis and the role of rating agencies». International Advances in Econo-mic Research, 17 (3), 288-299.

[34] HAMMER, P. L.; KOGAN, A. y LEJEUNE, M. A. (2012). «A logical analysis of banks’ financial strength ratings». Expert Systems with Applications, 39 (9), 7808-7821.

[35] HUANG, Y. L. y SHEN, C. H. (2015). «The sovereign effect on bank credit ratings». Journal of Financial Services Research, 47 (3), 341-379.

[36] IANNOTTA, G. (2006). «Testing for opaqueness in the European banking industry: evidence from bond credit ratings». Journal of Financial Services Research, 30 (3), 287-309.

[37] IANNOTTA, G.; NOCERA, G. y SIRONI, A. (2008). «The impact of government ownership on banks’ ratings: Evidence from the European banking industry». CAREFIN Working Paper. Milan: Center for Applied Research in Finance.

[38] KLUSAK, P.; ALSAKKA, R. y AP GWILYM, O. (2017). «Does the disclosure of unsolicited sovereign rating status affect bank ratings?». The British Accounting Review, 49 (2), 194-210.

[39] LAEVEN, L. y VALENCIA, F. (2013). «Systemic banking crises database». IMF Economic Review, 61 (2), 225-270.

[40] MOODY’S (2007a). Bank financial strength ratings: Global methodology. February.[41] MOODY’S (2007b). Incorporation of joint-default analysis into Moody’s bank rating

methodology. February.[42] MOODY’S (2016). Bank rating methodology. January.[43] MORGAN, P. (2002). «Rating banks: Risk and uncertainty in an opaque industry». The

American Economic Review, 92, 874-888.[44] PACKER, F. y TARASHEV, N. (2011). «Rating methodologies for banks». BIS

Quarterly Review, June. [45] PERESETSKY, A. A.; KARMINSKY, A. A. y GOLOVAN, S. V. (2011). «Probability of

default models of Russian banks». Economic Change and Restructuring, 44 (4), 297-334. [46] POON, W. P.; FIRTH, M. y FUNG, H. G. (1999). «A multivariate analysis of the

determinants of Moody’s bank financial strength ratings». Journal of International Financial Markets, Institutions and Money, 9 (3), 267-283.

[47] POON, W. P. (2003). «Are unsolicited credit ratings biased downward?». Journal of Banking and Finance, 27 (4), 593-614.

[48] POON, W. P. y FIRTH, M. (2005). «Are unsolicited credit ratings lower? International evidence from bank ratings». Journal of Business Finance and Accounting, 32 (9-10), 1741-1771.

[49] POON, W. P.; LEE, J. y GUP, B. E. (2009). «Do solicitations matter in bank credit ratings? Results from a study of 72 countries». Journal of Money, Credit and Banking, 41 (2-3), 285-314.

[50] PURDA, L. (2003). «Consistency of global credit ratings: an analysis of firm versus country-specific factors». Working Paper. Queen’s University.

[51] ÖĞÜT, H.; DOĞANAY, M. M.; Ceylan, N. B. y AKTAŞ, R. (2012). «Prediction of bank financial strength ratings: The case of Turkey». Economic Modelling, 29 (3), 632-640.

[52] ROJAS SUÁREZ, L. (2001). «Rating banks in emerging markets: what credit rating agencies should learn from financial indicators». Institute for International Economics, Working Paper No. 01-06.


[53] SALVADOR, C. (2017). «Effect of signals of bank ratings on stock returns before and during the financial crisis». The Spanish Review of Financial Economics, 15 (1), 1-11.

[54] SALVADOR, C.; PASTOR, J. M. y FERNÁNDEZ DE GUEVARA, J. (2012). «Banks ratings, financial crisis and size of the entities». Chapter 7 of Risk and Stability in Financial Markets. Palgrave Macmillan studies in Banking and Financial institutions.

[55] SALVADOR, C.; PASTOR, J. M. y FERNÁNDEZ DE GUEVARA, J. (2014). «Impact of the subprime crisis on bank ratings: The effect of the hardening of rating policies and worsening of solvency». Journal of Financial Stability, 11, 13-31.

[56] SAUGAR ÁLVAREZ, R. (2011). «El futuro de la regulación europea de las agencias de calificación crediticia». Perspectivas del Sistema Financiero, 103, 27-38.

[57] SEC (Securities y Exchange Commission) (2008). Summary report of issues identified in the Commission Staff’s Examinations of Select Credit Rating Agencies. July.

[58] SHEN, C. H.; HUANG, Y. L. y HASAN, I. (2012). «Asymmetric benchmarking in bank credit rating». Journal of International Financial Markets, Institutions and Money, 22 (1), 171-193.

[59] STANDARD AND POOR’S (2011a). Banks: Rating Methodology. January.[60] STANDARD AND POOR’S (2011b). Banks: Rating Methodology and Assumptions.

November.[61] TABAKIS, E. y VINCI, A. (2002). «Analysing and combining multiple credit

assessments of financial institutions». European Central Bank Working Paper No. 123.[62] WILLIAMS, G.; ALSAKKA, R. y GWILYM, O. (2013). «The impact of sovereign

rating actions on bank ratings in emerging markets». Journal of Banking & Finance, 37 (2), 563-577.

[63] ZICCHINO, L. (2006). «A model of bank capital, lending and the macroeconomy: Basel I versus Basel II», The Manchester School, 74 (s1), 50-77.

MT CUADERNOS ECONÓMICOS DE ICE N.O 92

MT CUADERNOS ECONÓMICOS DE ICE N.O 92

La situación del sector bancario españolen el contexto europeo: retos pendientes*

Paula Cruz-GarcíaUniversitat de València

Joaquín MaudosUniversitat de València e Ivie

Resumen

El objetivo de este artículo es analizar la posición del sector bancario español en el contexto europeo y los cambios que han tenido lugar tras la reestructuración llevada a cabo para corregir los desequilibrios acumulados en la anterior etapa de expansión. Para ello, se analiza la evolu-ción de 2008 a 2016 en variables como la estructura de mercado, modelo de negocio, márgenes, rentabilidad, eficiencia, solvencia, etc. Los resultados muestran que la reestructuración, sanea-miento y capitalización han dado sus frutos corrigiendo los problemas del pasado. No obstante, la rentabilidad actual es reducida e insuficiente para atraer al inversor. Ello se debe a factores como las exigencias regulatorias, el elevado volumen de activos improductivos y el entorno de tipos de interés muy reducidos, lo que exige más y nuevas respuestas, sobre todo en tres direcciones: más ajustes en la capacidad instalada, diversificación de la estructura de ingresos y digitalización de la actividad bancaria.

Palabras clave: banca española, reestructuración.Clasificación JEL: G21.

Abstract

The aim of this paper is to analyse the position of the Spanish banking sector in the European context and the changes that have taken place after the restructuring carried out to correct the imbalances accumulated in the previous expansion period. To this aim, we analyse the evolution of variables such as the market structure, the business model, margins, profitability, efficiency, solvency, etc., during the period 2008-2016. The results show that the restructuring, consolida-tion and capitalisation have been successful by correcting the problems of the past. However, currently, the profitability is small and insufficient to attract investors. This is due to factors such as the regulatory requirements, the high volume of non-performing assets and the very low interest rate environment, which requires more and new responses, especially in three directions: more adjustments in installed capacity, diversification of the income structure and the digitalisation of the banking activity.

Keywords: Spanish banks, restructuring.JEL classification: G21.

* Los autores agradecen el apoyo financiero del Ministerio de Ciencia e Innovación (proyecto de in-vestigación ECO2013-43959-R). Joaquín Maudos agradece, además, el apoyo financiero de la Generalitat Valenciana (proyecto de investigación PROMETEOII/2014/046). Paula Cruz-García también agradece el apoyo financiero al Ministerio de Educación, Ciencia y Deporte (FPU2014/00936).

MT CUADERNOS ECONÓMICOS DE ICE N.O 92 LA SITUACIÓN DEL SECTOR BANCARIO ESPAÑOL EN EL CONTEXTO EUROPEO... MT82 CUADERNOS ECONÓMICOS DE ICE N.O 92

1. Introducción

Los recientes informes del BCE (2016) y del FMI (2016) coinciden señalando los factores que explican el principal problema que padece la banca europea: la baja ren-tabilidad. Un elevado volumen de activos improductivos, mayores exigencias e in-certidumbres regulatorias, un entorno de tipos de interés muy reducidos, la creciente competencia bancaria (con la unión bancaria) y no bancaria (la que acompaña a la revolución digital), etc. La combinación de todos estos factores da como resultado un cóctel explosivo en forma de una rentabilidad sobre recursos propios (ROE, por sus iniciales en inglés) insuficiente para atraer al accionista (coste de captar capital). Así, los datos de 2016 para la banca de la Euroárea muestran una ROE del 5,13 por 100 frente a un coste de captar capital entre el 8 por 100 y el 10 por 100.

El sector bancario español comparte en la actualidad el problema de la baja renta-bilidad, aunque con menos intensidad, con la banca europea (ROE del 6,9 por 100), si bien en el negocio doméstico la rentabilidad es inferior. Atrás han quedado las rentabilidades de dos dígitos del periodo de bonanza económica en la que el intenso crecimiento del crédito dio paso a un brusco proceso de desapalancamiento con el pinchazo de la burbuja inmobiliaria y el inicio de la crisis económica en 2008.

Como es ampliamente conocido, la elevada concentración del riesgo en el sector inmobiliario (60 por 100 del crédito en el momento del estallido de la crisis) y los problemas de gobierno corporativo de una parte importante del sector bancario espa-ñol (las cajas de ahorros) dio paso a un periodo de crisis que ha obligado a corregir los desequilibrios acumulados en el periodo anterior de expansión (exceso de capa-cidad instalada, elevado gap de liquidez, excesiva dependencia de la financiación mayorista, etc.). El exponencial crecimiento de la tasa de morosidad (incluyendo activos adjudicados) obligó a un saneamiento del activo de tal calibre que en muchas entidades (sobre todo cajas de ahorros) ha sido necesario implementar ayudas pú-blicas y solicitar un rescate (asistencia financiera) con cargo a los fondos europeos. La firma del obligado memorándum de entendimiento (MoU) que acompaña a todo rescate ha definido la hoja de ruta que ha seguido el sector en términos de reestruc-turación, capitalización y saneamiento.

El mejor exponente de la grave crisis que ha atravesado el sector es el importe del saneamiento que ha sido necesario realizar para absorber las pérdidas del «ladri-llo» y que de forma acumulada desde 2008 a 2015, asciende a alrededor de 300.000 millones de euros. Un parte de ese saneamiento ha obligado a implementar ayudas públicas en forma de capital, valoradas en 61.000 millones de euros por el Banco de España (incluyendo aportaciones del FGD). De esa cifra, una parte importante se da por perdida. En concreto, el Tribunal de Cuentas la ha estimado en 41.000 millones de euros.

La información más reciente del sector muestra que la reestructuración ha dado sus frutos corrigiendo los desequilibrios señalados: una reducción del 33 por 100 en el número de oficinas, una caída del 30 por 100 del volumen de empleo, una reduc-ción del gap de liquidez (ratio créditos/depósitos del sector privado) de 0,3 puntos

RATINGS BANCARIOS Y POLÍTICA MONETARIA 83MT CUADERNOS ECONÓMICOS DE ICE N.O 92 LA SITUACIÓN DEL SECTOR BANCARIO ESPAÑOL EN EL CONTEXTO EUROPEO... MT

porcentuales (hasta el 1,03), un aumento del tamaño medio de la banca (se ha más que cuadruplicado en el caso de las cajas), una mejora de la solvencia, una caída de la tasa de morosidad acompañada de un aumento de su cobertura con provisiones, etc. De esta forma, el sector ha ido poco a poco aumentando su rentabilidad, si bien como se ha señalado el nivel actual no es suficiente para cubrir el coste de captar capital. Además. El crédito (stock) sigue cayendo, aunque más por condiciones de demanda (insuficiente) que de oferta.

A nivel de la banca europea, también la reciente crisis ha obligado a las entidades financieras a reaccionar en muchas dimensiones para hacer el sector viable. Así, aunque con importantes diferencias por países, se ha recurrido a las fusiones para ahorrar costes y ganar eficiencia, disminuyendo el número de bancos. En paralelo, ha aumentado la concentración del mercado. Se han producido cambios en los mo-delos de negocio, lo que se refleja tanto en la composición de los balances como de la estructura de ingresos. Ha habido ajustes en la capacidad instalada y, de forma generalizada, ha sido necesario aumentar la capitalización para converger a los ma-yores requerimientos de capital que exige Basilea III. Sin embargo, a pesar de estos cambios, la crisis bancaria está todavía muy presente en varios países, como es el caso de Italia, Alemania y Portugal.

En este contexto, el objetivo de este artículo es hacer balance de la evolución re-ciente del sector bancario español desde una perspectiva comparada a nivel europeo. Para ello, nos centramos en el periodo 2008-2016 en base a los datos de los grupos bancarios consolidados (incluyendo por tanto el negocio de filiales y sucursales de bancos españoles en el exterior) que ofrece el BCE. La última información disponi-ble en el momento de redactar estas líneas es septiembre de 2016.

El trabajo pasa revista a las distintas dimensiones del negocio bancario, centran-do la atención en los cambios que han tenido lugar en los años de crisis: modelo de negocio, estructura de mercado, indicadores estructurales de capacidad, márgenes, rentabilidad, estructura de ingresos, eficiencia, solvencia, calidad del activo, etc. El énfasis siempre se pone en la evolución y situación del sector bancario español en el contexto europeo, sobre todo en comparación con los principales países de la Euroárea.

Además de esta introducción, el trabajo se estructura de la forma siguiente. El apartado 2 se centra en el análisis de los cambios que se han producido en la estructu-ra de mercado de la banca europea (concentración) y en sus indicadores de capacidad (densidad de red, tamaño medio de las oficinas, productividad del trabajo, etc.). En el apartado 3 se analizan los cambios en el modelo de negocio en términos de la es-tructura del balance de las entidades de crédito. El apartado 4 analiza la liquidez; así como la dependencia de la banca española de la financiación del BCE. El apartado 5 recorre la cuenta de resultados para analizar el impacto de la crisis en los márgenes, la rentabilidad, la eficiencia y la estructura de ingresos. La calidad del activo y la cobertura de los activos problemáticos con provisiones es objeto de análisis en el apartado 6, mientras que la solvencia y la calidad del capital se analizan en el aparta-do 7. Finalmente, el apartado 8 contiene las conclusiones del trabajo.

LA SITUACIÓN DEL SECTOR BANCARIO ESPAÑOL EN EL CONTEXTO EUROPEO... 83


2. Estructura de mercado e indicadores de capacidad

Como muestra el Gráfico 1, de 2008 a 2015 se ha reducido un 25 por 100 (1.625 menos) el censo de banco de la Euroárea, ya que ha pasado de 6.359 a 4.734. En España, la caída casi ha duplicado la media europea (43 por 100), con 155 entidades menos en 2016 (207) que en 2008 (362). Este mayor porcentaje ya refleja la mayor intensidad de la reestructuración de la banca en España, y que se explica sobre todo por las fusiones que han tenido lugar en el antiguo colectivo de las cajas de ahorros. España es el segundo país de la Euroárea con mayor reducción en el número de en-tidades de crédito desde 2008.

Esta mayor caída en España que en la Euroárea del número de bancos contribuye a explicar el mayor aumento de la concentración del mercado (ver Gráfico 2). Así, en términos de la cuota de mercado de los 5 mayores bancos, el aumento en España multiplica por 4 el de la Euroárea (construida como media ponderada, utilizando como peso el activo de cada país), ya que ha pasado del 42,4 por 100 en 2008 al 60,2 por 100, mientras que en la Euroárea ha pasado del 44,2 por 100 al 48,8 por 100. Ha sido tal el aumento de la concentración en España que de situarse por debajo de la media europea en 2008, en 2015 es 11,4 pp. superior. En relación a los principales países europeos, la concentración en España duplica la de Alemania (30,5 por 100) y supera ampliamente la de Francia (47,2 por 100) e Italia (41,1 por 100).

GRÁFICO 1REDUCCIÓN PORCENTUAL EN EL NÚMERO DE ENTIDADES DE CRÉDITO

DE 2008 A 2015

-80

-70

-60

-50

-40

-30

-20

-10

0

Países

Bajos

Españ

a

Grecia

Francia

Irland

a

Euroáre

a (12

)Ita

lia

Austria

Finlan

dia

Portug

al

Aleman

ia

Bélgica

Luxe

mburgo

FUENTE: Banco Central Europeo.

MT CUADERNOS ECONÓMICOS DE ICE N.O 92 LA SITUACIÓN DEL SECTOR BANCARIO ESPAÑOL EN EL CONTEXTO EUROPEO... MT

(a) CR5. Porcentaje

GRÁFICO 2CONCENTRACIÓN DEL MERCADO BANCARIO

0

500

1.000

1.500

2.000

2.500

3.000

3.500

Grecia

Paíse

s Bajo

sPo

rtuga

lBé

lgica

Espa

ñaEu

roár

ea (1

2)Irla

nda

Fran

cia Italia

Austr

iaLu

xembu

rgo

Alem

ania

2008 2015

Finlan

dia

(b) Índice de Herfindahl


100

80

60

40

20

0

2008 2015

Grecia

Países

Bajos

Finlan

dia

Portug

al

Bélgica

Españ

a

Euroáre

a (12

)

Francia

Irland

aIta

lia

Austria

Luxe

mburgo

Aleman

ia

Un indicador más riguroso de concentración del mercado es el índice de Herfin-dahl, que se define como la suma al cuadrado de las cuotas de mercado de todos los bancos de un país. En base a este indicador, la concentración en 2015 también es superior en España (896) que en la Euroárea (747 de media ponderada), habiendo aumentado mucho más (un 80 por 100 de 2008 a 2015). Ha sido tal el aumento de la concentración, que solo un país de la Euroárea (Grecia) supera al crecimiento de España.



Un indicador que muestra la intensidad del ajuste del exceso de capacidad que tenía la banca española al comienzo de la crisis es el cambio que ha tenido lugar desde 2008 en la densidad de red, aproximada por el número de personas al que atiende por término medio una oficina (Gráfico 3). Así, ha pasado de 1.493 en 2008 a 998 en 2015. No obstante, a pesar de la intensidad del ajuste que se analiza a con-tinuación, España es el segundo país de la Euroárea con mayor densidad de red de oficinas, con una cifra de 998, que es menos de la mitad de la media europea (2.166). En consecuencia, hay margen de maniobra para un mayor ajuste en la red de oficinas en España, teniendo en cuenta que es necesario seguir reduciendo costes en aras a aumentar la eficiencia y, por tanto, la rentabilidad.

La otra cara de la caída de la ratio población/oficina en España es el intenso ajuste en el tamaño de la red que ha caído un 33 por 100 de 2008 a 2015, casi duplicando a la media de la Euroárea, tal y como se puede observar en el Cuadro 1. En concreto, la red de oficinas en España ha pasado de 46.065 en 2008 a 31.087 en 2015, y ha con-tinuado cayendo en 2016 hasta 29.492 (dato de septiembre). En términos absolutos, solo Alemania y Francia tienen más oficinas bancarias que España. En relación a es-tos países, el ajuste en la red de España ha sido muy superior: 14 por 100 en Alema-nia y 4,8 por 100 en Francia. En el caso de Italia, que a día de hoy tiene un problema de viabilidad como consecuencia de la alta tasa de morosidad, la reducción de su red desde 2008 ha sido del 10,8 por 100, por lo que es muy probable que necesite ajustar su capacidad en los próximos años.

0

2.000

4.000

6.000

8.000

10.000

12.000

Paíse

s Bajo

s Fin

landia

Irla

nda

Grecia

Bé

lgica

Lu

xembu

rgo

Alem

ania

Euro

área

(12)

Au

stria

Italia

Po

rtuga

l Fr

ancia

Es

paña

2008 2015

GRÁFICO 3NÚMERO DE HABITANTES POR OFICINA



El ajuste de la capacidad instalada también ha tenido lugar con intensidad en España en términos de empleo. En el Cuadro 1 también observamos que de 2008 a 2015 ha caído un 29 por 100, con un valor absoluto cercano a 80.000 personas. En la banca de la Euroárea la caída ha sido menos intensa (un 12 por 100), siendo España uno de los países junto a Grecia e Irlanda donde el ajuste del empleo ha sido mayor. En la práctica generalidad de los países de la Euroárea ha caído el número de traba-jadores en banca, siendo la caída reducida en los principales países (5,7 por 100 en Alemania, 4 por 100 en Francia y 12 por 100 en Italia).

Teniendo en cuenta la evolución conjunta de la red de oficinas y el empleo, el tamaño medio de una oficina bancaria apenas ha variado en España en términos de trabajadores por oficina, con una cifra en 2015 de 6,3 (Gráfico 4). España ocupa el último lugar del ranking europeo en esta variable, por lo que de cara al futuro de-bería acercarse a los mayores valores de la media europea (12,7), lo que conllevaría una ventaja en términos de ganancia de eficiencia y reducción de costes. Además, teniendo en cuenta el imparable avance de la digitalización de las actividades banca-rias, a España le queda un largo camino por recorrer reduciendo la red de oficinas e incrementando, en consecuencia, su tamaño medio.

CUADRO 1EVOLUCIÓN DE LA RED DE OFICINAS Y EMPLEO

Oficinas Empleados2008 2015 ∆% 2008 2015 ∆%

Alemania 39.531 34.045 –13,9 685.550 646.400 –5,7Austria 4.243 4.094 –3,5 78.754 73.315 –6,9Bélgica 4.316 3.512 –18,6 65.985 55.783 –15,5España 46.065 31.087 –32,5 276.497 196.553 –28,9Finlandia 1.672 1.051 –37,1 25.699 21.806 –15,1Francia 39.467 37.567 –4,8 424.536 407.645 –4,0Grecia 4.097 2.543 –37,9 66.165 46.086 –30,3Irlanda 895 1.029 15,0 40.507 27.091 –33,1Italia 34.169 30.475 –10,8 338.035 298.575 –11,7Luxemburgo 230 223 –3,0 27.208 25.980 –4,5Países Bajos 3.421 1.764 –48,4 116.000 90.137 –22,3Portugal 6.417 5.598 –12,8 62.377 52.496 –15,8Euroárea (12) 184.523 152.988 –17,1 2.207.313 1.941.867 –12,0




3. Especialización y modelo de negocio

Como consecuencia de la crisis financiera que estalló en 2008, se han producido importantes cambios en la composición del balance de las entidades bancarias. Tal y como se puede observar en el Cuadro 2 (págs. 90 y 91), en el promedio de la Euroárea y especialmente en España, estamos ante una banca de intermediación tradicional, donde los créditos y los depósitos al sector privado no financiero son la base del negocio.

Pese a haberse reducido la diferencia de 2008 a 2016, España tiene un carácter de banca al por menor más acusado que la Euroárea. En 2008, los créditos al sector privado no financiero suponían el 55,64 por 100 del balance, siendo un 33,85 por 100 en el caso de la media de la Euroárea. Sin embargo, en 2016 esta partida ocupa un 46,96 por 100 del balance en España, mientras que en la Euroárea un 34,80 por 100. Esta convergencia se debe, en gran medida, a la caída del crédito que ha tenido lugar en España. Si observamos la especialización del activo (Gráfico 5) se puede apreciar también el carácter retail, tanto de la banca española como de la Euroárea.

Por el lado del pasivo, la diferencia con respecto a la banca de la Euroárea en el peso de los depósitos al sector privado no financiero también se ha reducido, pasan-do de 18,13 por 100 en 2008 a 15,03 por 100 en 2016. También cabe destacar el in-cremento de la importancia de los recursos propios. Pese a que dicho incremento se ha dado tanto en España como en la Euroárea, ha sido superior en España (3,87 pp. frente a 2,49) debido al esfuerzo realizado por el sector bancario español en materia de capitalización. Si observamos la especialización del pasivo (Gráfico 6), se aprecia también este esfuerzo en capitalización.

0

20

40

60

80

100

120

140

Luxe

mburgo

Pa

íses B

ajos

Finlan

dia

Alem

ania

Grecia

Au

stria

Bé

lgica

Eu

roár

ea (1

2)

Fran

cia

Italia

Po

rtuga

l Es

paña

2008 2015

Irland

a

GRÁFICO 4NÚMERO DE EMPLEADOS POR OFICINA



GRÁFICO 5DISTRIBUCIÓN PORCENTUAL DEL ACTIVO DE LAS

INSTITUCIONES FINANCIERAS MONETARIAS (a) 2008

74,0 62,4

14,6

16,0

3,9

4,1

6,3 16,4

0

10

20

30

40

50

60

70

80

90

100

España Euroárea

Activos externos

Activos fijos

Acciones / Otras participaciones

Fondos del mercado monetario

Deuda

Préstamos

(b) 2016


66,5 64,2

19,4 14,8

4,7 4,3

7,7 15,8

0

10

20

30

40

50

60

70

80

90

100

España Euroárea

Activos externos Activos fijos

Acciones / Otras participaciones

Fondos del mercado monetario Deuda

Préstamos



CU

AD

RO

2BA

LAN

CE

DE

LAS

INST

ITU

CIO

NES

FIN

AN

CIE

RA

S M

ON

ETA

RIA

S. E

STRU

CT

UR

AL

POR

CEN

TU

AL

2008

2016

Euro

área

Es

paña

Espa

ña-

Euro

área

Euro

área

Es

paña

Espa

ña-

Euro

área

AC

TIV

O1.

1. P

rést

amos

a re

side

ntes

de

la E

uro

area

56,7

268

,60

11,8

756

,78

60,0

23,

251.

1. 1

.1.1

. Ins

tituc

ione

s fina

ncie

ras m

onet

aria

s19

,82

11,4

1–8

,41

18,5

39,

81–8

,72

1.1.

1.1

.2. A

A.P

P.3,

061,

55–1

,51

3,44

3,26

–0,1

81.

1. 1

.1.3

. Sec

tor p

rivad

o no

fina

ncie

ro33

,85

55,6

421

,79

34,8

046

,96

12,1

51.

1. 1

.1.3

. 1.1

.3.1

. Soc

ieda

des n

o fin

anci

eras

15,1

628

,43

13,2

713

,86

18,7

14,

851.

1. 1

.1.3

. 1.1

.3.2

. Eco

nom

ías d

omés

ticas

15,3

725

,93

10,5

617

,50

25,8

78,

371.

1. 1

.1.3

. 1.1

.3.2

. 1.1

.3.2

.1. P

rést

amos

al c

onsu

mo

1,99

3,01

1,01

2,00

2,54

0,54

1.1.

1.1

.3. 1

.1.3

.2. 1

.1.3

.2.2

. Pré

stam

os p

ara

la c

ompr

a de

viv

iend

a10

,97

19,3

08,

3313

,08

19,7

36,

651.

1. 1

.1.3

. 1.1

.3.2

. 1.1

.3.2

.3. R

esto

2,41

3,62

1,21

2,42

3,60

1,18

1.1.

1.1

.3. 1

.1.3

.3. I

nstit

ucio

nes fi

nanc

iera

s no

fone

taria

s y o

tros

inte

rmed

iario

s dis

tinto

s a se

guro

sy p

ensi

ones

3,02

1,03

–1,9

83,

112,

03–1

,09

1.1.

1.1

.3. 1

.1.3

.4. C

ompa

ñías

de

segu

ro y

fond

os d

e pe

nsio

nes

0,29

0,24

–0,0

50,

330,

350,

021.

2. R

enta

fija

14,5

413

,54

–1,0

013

,10

17,4

74,

381.

1. 1

.2.1

. Ins

tituc

ione

s fina

ncie

ras m

onet

aria

s6,

212,

10–4

,11

3,82

0,74

–3,0

91.

1. 1

.1.3

. 1.2

.1.1

. Has

ta 1

año

1,55

0,57

–0,9

80,

820,

10–0

,72

1.1.

1.1

.3. 1

.2.1

.2. D

e 1

a 2

años

0,62

0,18

–0,4

40,

140,

06–0

,09

1.1.

1.1

.3. 1

.2.1

.3. M

ás d

e 2

años

4,04

1,35

–2,6

92,

860,

58–2

,29

1.1.

1.2

.2. A

A.P

P.3,

913,

43–0

,48

5,39

9,42

4,03

1.1.

1.2

.3. S

ocie

dade

s no

finan

cier

as4,

428,

013,

593,

887,

323,

441.

3. F

ondo

s de

inve

rsió

n m

onet

ario

s0,

310,

01–0

,30

0,18

0,00

–0,1

81.

4. R

enta

Var

iabl

e3,

763,

63–0

,13

3,80

4,23

0,43

1.1.

1.4

.1. I

nstit

ucio

nes fi

nanc

iera

s mon

etar

ias

1,33

0,49

–0,8

41,

280,

75–0

,53

1.1.

1.4

.2. S

ecto

r priv

ado

no fi

nanc

iero

2,43

3,14

0,70

2,48

3,48

1,00

1.5.

Act

ivos

ext

ranj

eros

(fue

ra d

e la

Eur

o ár

ea)

14,9

15,

82–9

,10

13,9

76,

95–7

,02

1.6.

Act

ivo

mat

eria

l0,

661,

080,

420,

631,

600,

971.

7. R

esto

9,09

7,33

–1,7

611

,54

9,72

–1,8

21.

8. T

otal

10

0,00

100,

000,

0010

0,00

100,

000,

00


CU

AD

RO

2 (con

tinua

ción

)BA

LAN

CE

DE

LAS

INST

ITU

CIO

NES

FIN

AN

CIE

RA

S M

ON

ETA

RIA

S. E

STRU

CT

UR

AL

POR

CEN

TU

AL

2008

2016

Euro

área

Espa

ñaEs

paña

-Eu

roár

eaEu

roár

eaEs

paña

Espa

ña-

Euro

área

PASI

VO

2.1.

Efe

ctiv

o2.

2. D

epós

itos d

e la

Eur

o ár

ea52

,60

64,9

012

,30

54,9

269

,14

14,2

20.

0. 2

.2.1

. Ins

tituc

ione

s fina

ncie

ras m

onet

aria

s21

,53

15,2

6–6

,27

16,3

315

,44

–0,8

90.

0. 2

.2.2

. AA

.PP.

0,60

1,05

0,45

0,44

0,51

0,07

0.0.

2.2

.3. S

ecto

r priv

ado

no fi

nanc

iero

30,4

748

,60

18,1

338

,15

53,1

915

,03

0.0.

0.0

.0. 2

.2.3

.1. D

epós

itos o

vern

ight

10,1

013

,62

3,52

19,2

029

,23

10,0

30.

0. 0

.0.0

. 2.2

.3.2

. Dep

ósito

s con

ven

cim

ient

o ac

orda

do14

,14

32,5

718

,43

10,9

122

,37

11,4

60.

0. 0

.0.0

. 2.2

.3.2

. 2.2

.3.2

.1. H

asta

1 a

ño7,

1013

,46

6,36

3,25

7,38

4,14

0.0.

0.0

.0. 2

.2.3

.2. 2

.2.3

.2.2

. De

1 a

2 añ

os0,

762,

231,

471,

024,

723,

700.

0. 0

.0.0

. 2.2

.3.2

. 2.2

.3.2

.3. M

ás d

e 2

años

6,28

16,8

810

,60

6,64

10,2

73,

620.

0. 0

.0.0

. 2.2

.3.3

. Dep

ósito

s res

cata

bles

con

pre

avis

o 5,

200,

02–5

,18

7,18

0,01

–7,1

70.

0. 0

.0.0

. 2.2

.3.3

.1. H

asta

3 m

eses

4,82

0,00

–4,8

26,

950,

00–6

,95

0.0.

0.0

.0. 2

.2.3

.2. 2

.2.3

.3.2

. Más

de

3 m

eses

0,39

0,02

–0,3

70,

230,

01–0

,22

0.0.

0.0

.0. 2

.2.3

.4. P

acto

s de

reco

mpr

a1,

042,

401,

360,

871,

580,

712.

3. A

ctiv

os d

el m

erca

do m

onet

ario

2,59

0,82

–1,7

71,

810,

35–1

,46

2.4.

Ren

ta fi

ja15

,20

11,6

5–3

,55

12,0

47,

58–4

,46

0.0.

2.4

.1. H

asta

1 a

ño1,

991,

81–0

,18

0,98

0,67

–0,3

10.

0. 2

.4.2

. De

1 a

2 añ

os1,

030,

66–0

,37

0,28

0,34

0,06

0.0.

2.4

.3. M

ás d

e 2

años

12,1

89,

18–3

,00

10,7

86,

57–4

,21

2.5.

Rec

urso

s pro

pios

5,55

7,11

1,57

8,04

10,9

82,

942.

6. P

asiv

os e

xtra

njer

os13

,84

7,96

–5,8

811

,94

4,12

–7,8

22.

7. R

esto

10,2

37,

56–2

,67

11,2

47,

82–3

,42

2.8.

Tot

al

100,

0010

0,00

0,00

100,

0010

0,00

0,00

FUEN

TE: B

anco

Cen

tral E

urop

eo



GRÁFICO 6DISTRIBUCIÓN PORCENTUAL DEL PASIVO DE LAS INSTITUCIONES

FINANCIERAS MONETARIAS

(a) 2008

49,1 34,4

0,8 2,9

11,8 17,2

7,2 6,3 7,6

-0,8

8,0 15,6

-20

0

20

40

60

80

100

España Euroárea

Pasivos externos Otros pasivos Capital y reservas Deuda Fondos del mercado monetario Depósitos del sector no financiero Depósitos de IFM

15,4 24,3

(b) 2016

15,5 18,6

53,5 43,6

0,4 2,1

7,6 13,7

11,0 9,2

7,9

-0,9

4,1 13,6

-20

0

20

40

60

80

100

España Euroárea

Pasivos externos Otros pasivos

Capital y reservas

Deuda

Fondos del mercado monetario Depósitos del sector no financiero Depósitos de IFM



4. Liquidez

Uno de los desequilibrios que acumuló la banca española durante los años de ex-pansión hasta 2008 fue un abultado gap de liquidez, dado que los depósitos privados no financieros eran insuficientes para financiar la burbuja crediticia. A nivel de los grupos consolidados, en 2008 la ratio créditos/depósitos era 1,14, y desde ese nivel máximo fue cayendo hasta situarse en 2016 en 0,9, lo que implica que el volumen de depósitos privados es más que suficiente para financiar el crédito al sector privado no financiero. Desde 2014, el gap de liquidez de la banca española es inferior al de la banca de la Euroárea.

Sin embargo, el problema de liquidez no está tanto en la banca española, sino en la banca en España, por lo que la visión cambia por completo cuando nos centramos en el negocio doméstico. En ese caso, aunque el valor no es comparable con el resto de países de la Euroárea porque el BCE da información de los grupos consolidados, en el mismo Gráfico 7 se ha dibujado el valor del gap de liquidez correspondiente al

GRÁFICO 7GAP DE LIQUIDEZ: RATIO CRÉDITOS/DEPÓSITOS DEL SECTOR

PRIVADO NO FINANCIERO

0

0,2

0,4

0,6

0,8

1

1,2

1,4

1,6

2008 2009 2010 2011 2012 2013 2014 2015 2016

Alemania España España (cuentas no consolidadas) Francia Italia Euroárea (12)




negocio de la banca española en España. En este caso, la ratio parte de 1,34 y termina en 2016 en 1,03, por lo que el gap de liquidez de 2008 de 440.000 millones de euros se ha reducido a solo 34.000 millones en 2016.

Otro indicador que refleja los problemas de liquidez que ha tenido la banca es-pañola en los años de crisis es la dependencia que ha tenido de la financiación del BCE y que ha alcanzado niveles muy abultados en el periodo de máxima tensión en la crisis de la Euroárea, en verano de 2012 (Gráfico 8). En concreto, en verano de ese año, solo dos meses después de que España pidiera asistencia financiera para inyec-tar capital en el sector bancario, la banca española debía al Eurosistema 402.000 mi-llones de euros, lo que representaba el 34 por 100 del préstamo bruto total del BCE a la banca de la Euroárea, muy por encima del peso relativo de la banca española. Ese porcentaje se ha ido reduciendo y a finales de 2016 es del 25 por 100 que, aunque elevado, ha caído en valor absoluto a 145.000 millones de euros.

0,00

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

2008 2009 2010 2011 2012 2013 2014 2015 2016

GRÁFICO 8DEPENDENCIA DE LA BANCA ESPAÑOLA DE LA FINANCIACIÓN DEL BCE

(En %)

5. Márgenes, eficiencia y rentabilidad

El carácter retail, que posee especialmente la banca española y que conlleva ma-yores costes de estructura (oficinas, empleados, etc.), exige trabajar con un mayor margen financiero para asumir dichos costes. De hecho, tal y como se puede obser-var en el Gráfico 9, el margen financiero (como porcentaje del activo total) es mayor en el caso español que en resto de países de la Euroárea, exceptuando el caso de



0

0,5

1

1,5

2

2,5

3

Grecia

Es

paña

Po

rtuga

l Bé

lgica

Au

stria

Irla

nda

Italia

Euro

área

(12)

Al

eman

ia Fr

ancia

Lu

xembu

rgo

Finlan

dia

2008 2016

Paíse

s Bajo

sFUENTE: Banco Central Europeo.

GRÁFICO 9MARGEN DE FINANCIERO. PORCENTAJE DEL ACTIVO TOTAL

Grecia. En 2016, el margen financiero de los bancos españoles, incluyendo tanto el negocio en España como el negocio de la banca española fuera de España, era del 1,88 por 100, muy superior al promedio del sistema bancario de la Euroárea (1,21 por 100). Además, comparado con el margen existente en 2008, este se ha incremen-tado, pasando de 1,64 por 100 a 1,88 por 100.

Sin embargo, pese al incremento sufrido por el margen de intereses, en el actual entorno de bajos tipos de interés, con diferenciales de tipos de interés pequeños, la sostenibilidad en el tiempo de este margen dependerá de la existencia de un nivel de actividad lo suficientemente grande como para permitir compensar vía cantidades. Por ello, las entidades además de variar el modelo de negocio (composición del ba-lance) como estrategia defensiva ante las nuevas condiciones del entorno en el que se desenvuelve la actividad bancaria, han reaccionado buscando fuentes de ingresos distintas al margen neto de intereses. Por este motivo, es de especial interés analizar los cambios que se han producido en la estructura de ingresos de la banca española en el contexto internacional. En el Gráfico 10 puede observarse que los ingresos ne-tos financieros en 2016 suponen en España 11,7 puntos porcentuales más que en la media de la Euroárea (63,9 por 100 frente a 52,2 por 100); mientras que en 2008 se daba la situación contraria ya que los ingresos financieros en la Euroárea suponían una mayor proporción de la estructura de ingresos que en España (65 por 100 frente a 61,24 por 100). Entre los ingresos no financieros en España, cabe destacar los ingresos por comisiones, que suponen un 22,68 por 100 del total de ingresos netos, seguidos en importancia por los ingresos por renta variable (dividendos). En el caso español, parece clara la búsqueda de fuentes de ingresos alternativas a la actividad tradicional de intermediación.



GRÁFICO 10ESTRUCTURA PORCENTUAL DE INGRESOS LOS INGRESOS NETOS

DE LAS ENTIDADES DE CRÉDITO

-20

0

20

40

60

80

100

Irland

a

Grecia

Aleman

ia

Finlan

dia

Bélgica

Ita

lia

Euroáre

a (12

)

Países

Bajos

Españ

a

Austria

Luxe

mburgo

Portug

al

Francia

Resto Trading y divisas Comisiones Dividendos Ingresos financierosnetos

0

10

20

30

40

50

60

70

80

90

100

Grecia

Países

Bajos

Españ

a

Bélgica

Austria

Portug

al

Aleman

ia

Irland

a Ita

lia

Finlan

dia

Luxe

mburgo

Francia

Resto Trading y divisas Comisiones Dividendos Ingresos financierosnetos

Euroáre

a (12

)

(a) 2008

(b) 2016



Teniendo en cuenta esta estructura y peso en el activo de los ingresos, podemos observar en el Gráfico 11 que el margen ordinario como porcentaje del activo en España en 2016 está muy por encima del de la media de la Euroárea (2,80 por 100 frente a 2,11 por 100), siendo igualado por Italia y únicamente superado por Grecia. Así también, se puede observar que el margen ordinario se ha incrementado 0,69 puntos porcentuales desde el año 2008.

Pese al esfuerzo en reestructuración tras la crisis financiera, los costes operativos medios se han incrementado de 2008 a 2016, situándose en un 1,46 por 100. Este aumento se debe a la importante caída del negocio bancario, que al caer más que los gastos de explotación, hace que los costes unitarios hayan aumentado. Tal y como se puede observar en el Gráfico 12, en términos de costes medios, España se encuentra por encima de la media de la Euroárea (1,36 por 100) y es únicamente superada por Grecia, Italia y Portugal.

Sin embargo, pese a que España se encuentra entre los primeros puestos del ranking en términos de costes operativos, destaca por su alto nivel de eficiencia operativa, entendida como la relación entre el conjunto de ingresos netos obtenidos (margen bruto u ordinario) y los costes de explotación asumidos. Tal y como se puede observar en el Gráfico 13, España es mucho más eficiente que el resto de países de la Euroárea, situando su ratio de eficiencia en el 52,2 por 100 frente al 64,2 por 100 de la media de los países miembros de la UEM. En los últimos años, la eficiencia de la banca espa- ñola se ha incrementado gracias a la recuperación del margen en 2014. Sin embargo,

0,00 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00

Grecia

Italia

Es

paña

Irla

nda

Portu

gal

Bélgi

ca

Austr

ia

Euro

área

(12)

Fr

ancia

Al

eman

ia Pa

íses B

ajos

Luxe

mburgo

Fin

landia

2008 2016

GRÁFICO 11MARGEN DE ORDINARIO. PORCENTAJE DEL ACTIVO TOTAL




0,00

0,50

1,00

1,50

2,00

2,50

Italia

Gre

cia

Portu

gal

Espa

ña

Austr

ia

Irland

a Fr

ancia

Eu

roár

ea (1

2)

Alem

ania

Bélgi

ca

Paíse

s Bajo

s Lu

xembu

rgo

Finlan

dia

2008 2016

GRÁFICO 12COSTES OPERATIVOS. PORCENTAJE DEL ACTIVO TOTAL


0 20 40 60 80

100 120 140 160 180 200

Espa

ña

Luxe

mburgo

Irla

nda

Países

Bajo

s Bé

lgica

Po

rtuga

l Eu

roár

ea (1

2)

Italia

Au

stria

Fran

cia

Alem

ania

2008 2016

Grecia

Finlan

dia

GRÁFICO 13RATIO DE EFICIENCIA OPERATIVA

(En %)


comparando el dato actual con el existente en 2008, observamos que España ha sufrido una pérdida de eficiencia, coincidente con el incremento en los costes operativos.

Si bien España cuenta con un nivel alto de costes operativos, el margen operati-vo o de explotación (Gráfico 14) se ha incrementado ligeramente de 2008 a 2016,


situándose en el 0,67 por 100, por encima del 0,60 por 100 de la media de la Euroárea.

En términos de rentabilidad, el sistema bancario español también destaca en el contexto europeo. En el caso del resultado antes de intereses e impuestos en relación al activo (ROA), este se ha reducido del 0,68 por 100 en 2008 al 0,54 por 100 en 2016, en el caso del negocio consolidado, tal y como se puede observar en el Gráfi- co 15. En el caso de los recursos propios, el Gráfico 16 muestra que su rentabilidad (ROE) pasa del 12,4 por 100 en 2008 al 6,9 por 100 en 2016. Sin embargo, pese a esta reducción de la rentabilidad, España se encuentra en la actualidad, tanto en tér-minos de ROA como de ROE, por encima de la media de la Euroárea (que cuenta en 2016 con un ROA del 0,33 por 100 y de un ROE del 5,13 por 100) y de los principa-les países de la misma, como Francia o Alemania. No obstante, tanto la rentabilidad de la banca de la Euroárea como de la banca española, se encuentra por debajo del coste de captar capital (entre el 8 por 100 y el 10 por 100), resultando insuficiente.

Un tema de reflexión y preocupación en la actualidad, es el efecto sobre la renta-bilidad bancaria de la política monetaria expansiva que está llevando a cabo el Banco Central Europeo, sobre todo cuando los tipos de interés de referencia han alcanzado niveles tan reducidos como los actuales. Diversos trabajos empíricos (Cruz-García et al., 2017; entre otros) han demostrado que el extenso periodo de bajos tipos de interés está erosionando el margen de intermediación y, por tanto, ceteris paribus, la rentabilidad.

0,00

0,20

0,40

0,60

0,80

1,00

1,20

Italia

Po

rtuga

l Lu

xem

burg

o Es

paña

Fr

ancia

Au

stria

Eu

roár

ea (1

2)

Irlan

da

Bélgi

ca

Alem

ania

Grecia

Pa

íses B

ajos

Finla

ndia

2008 2016

GRÁFICO 14MARGEN DE EXPLOTACIÓN. PORCENTAJE DEL ACTIVO TOTAL




-2,00

-1,50

-1,00

-0,50

0,00

0,50

1,00

1,50

2008 2016

Irland

a

Bélgi

ca

Austr

iaEs

paña

Luxe

mburg

oPa

íses B

ajos

Finlan

diaFr

ancia

Euro

área

(12)

Italia

Portu

gal

Alem

ania

Grecia

GRÁFICO 15RENTABILIDAD SOBRE ACTIVO (ROA)

(En %)

Teniendo en cuenta la reducida tasa de crecimiento del PIB y el actual escenario de tasas de inflación muy reducidas y alejadas del objetivo del 2 por 100 del BCE, se pronostica el mantenimiento del tono expansivo de la política monetaria (con tipos de interés muy reducidos) durante mucho tiempo. En este contexto, la banca europea y, especialmente, la banca española, deberá reducir costes para continuar ganando eficiencia, a la vez que aumentar la importancia de los ingresos distintos al cobro de intereses.



–50

–40

–30

–20

–10

0

10

20

2008 2016

Bélgi

caPa

íses B

ajos

Finlan

dia

Austr

ia

Fran

cia

Irland

a

Espa

ñaLu

xembu

rgo

Euro

área

(12)

Italia

Alem

ania

Portu

gal

Grecia


GRÁFICO 16RENTABILIDAD SOBRE RECURSOS PROPIOS (ROE)

(En %)

6. Calidad del activo

Una de las variables que más ha sufrido durante la crisis es la morosidad bancaria como consecuencia de la pérdida de valor de los activos. El BCE ofrece informa-ción de la tasa de dudosidad para el total de la actividad bancaria, y no para el caso particular del crédito. Como muestra el Gráfico 17, en España la tasa de dudosidad se ha duplicado en 2008 a 2015, pasando del 2,7 por 100 al 4,9 por 100. En 2015 las tasas más elevadas corresponden a la banca de Grecia (39 por 100), Chipre (35 por 100), Italia (15,5 por 100) y Portugal (14,7 por 100), mientras que en países como Alemania, Finlandia y Suecia no llegan al 2 por 100. En el caso del préstamo, la in-formación más reciente (diciembre 2016) para España (negocio doméstico) la sitúa en el 9,1 por 100 y llegó a alcanzar un máximo del 13,5 por 100 a mediados de 2014. Desde entonces ha caído de forma casi ininterrumpida.

Tal y como se puede observar en el Gráfico 18, del volumen de activos dudosos, la cobertura con provisiones se sitúa en la actualidad en España (59,5 por 100) por enci-ma de la media de la Euroárea (50,9 por 100), lo que es un buen y claro indicador del esfuerzo de saneamiento realizado. Esta tasa de cobertura es similar a la de Francia (60 por 100) y superior a la de Alemania (43,2 por 100) e Italia (49,7 por 100). En este úl-timo caso, la preocupación que existe en estos momentos sobre la banca italiana reside en su alta morosidad, por un lado, y la baja tasa de cobertura, por otro.



GRÁFICO 17TASA DE DUDOSIDAD. PORCENTAJE DE LA EXPOSICIÓN TOTAL

0

5

10

15

20

25

30

35

40

45

Grecia Italia

Portu

gal

Irland

aEu

roár

eaEs

paña

Austr

ia

Fran

ciaBé

lgica

Paíse

s Bajo

sAl

eman

iaFin

landia

Luxe

mburg

o

2008 2016FUENTE: Banco Central Europeo.

0

50

100

150

200

250

300

350

Fran

ciaEs

paña

Austr

iaEu

roár

ea

Grecia Italia

Bélgi

caPo

rtuga

lAl

eman

iaPa

íses B

ajos

Irland

aLu

xembu

rgo

Finlan

dia

2008 2016

GRÁFICO 18TASA DE COBERTURA CON PROVISIONES DE LA MOROSIDAD

(En %)



Como se ha señalado en varias ocasiones, la banca española ha hecho un enorme esfuerzo de saneamiento desde que estallara la crisis para asumir las pérdidas por el deterioro de los activos bancarios, sobre todo los inmobiliarios. De forma acumu-lada en el periodo analizado 2008-2015, como muestra el Gráfico 19, España es el segundo país de la Euroárea que más recursos ha destinado a reconocer el deterioro de los activos bancarios, con un saneamiento equivalente al 29 por 100 del PIB, solo por detrás de Grecia (83 por 100) y casi triplicando el valor del promedio europeo (11 por 100). La intensidad del saneamiento realizado demuestra que son las propias entidades bancarias las que han asumido la mayor parte del coste de la crisis, detra-yendo recursos de su margen de explotación para hacer frente al deterioro del activo.

160

140

120

100

80

60

40

20

0

Grecia

Espa

ñaPo

rtuga

lAu

stria

Italia

Luxe

mburg

oEu

roár

ea (1

2)Pa

íses B

ajos

Fran

cia

Irland

aAl

eman

iaBé

lgica

Finlan

dia

2008 2015

GRÁFICO 19SANEAMIENTO ACUMULADO DE 2008 A 2015 (PÉRDIDAS POR DETERIORO

DE ACTIVO) (PORCENTAJE DEL PIB)


7. La solvencia de la banca española en el contexto europeo

Una de las principales lecciones de la reciente crisis financiera es la insuficiencia de capital de calidad para absorber las multimillonarias pérdidas que ha ocasionado la crisis y que ha obligado a revisar por completo los «viejos» acuerdos de Basilea II dando paso a Basilea III, que exige más capital y de mayor calidad.



Las mayores exigencias regulatorias han obligado a los bancos a realizar un im-portante esfuerzo de capitalización para adaptarse progresivamente a los nuevos acuerdos. Es algo que se aprecia claramente en el Gráfico 20, donde se representa la variación en puntos porcentuales del coeficiente de solvencia desde 2008 a 2015. Para la media (no ponderada) de países de la Euroárea, ha aumentado 6,5 pp., mien-tras que en España ha aumentado 3,7 pp. hasta situarse en el 15 por 100, frente al 18,5 por 100 de la media europea.

El ranking en 2015 del coeficiente de solvencia sitúa a España en una situación muy rezagada, siendo el segundo país de la Euroárea con menor ratio, solo por de-lante de Portugal. Los principales sectores bancarios europeos presentan coeficiente de solvencia del 17,9 por 100 en el caso de Alemania, 16,9 por 100 en Francia y 15,2 por 100 en Italia.

La posición rezagada del sector bancario español se repite en términos del coefi-ciente de solvencia de mayor calidad (CET1) y de Tier 1. En el primer caso, que es el capital de mayor calidad, España es el tercer país de la Euroárea con menor ratio, por delante de Italia y Portugal.

0

5

10

15

20

25

2008 2016

Finlan

diaIrla

nda

Luxe

mburgo

Países

Bajo

sBélg

ica

Grecia

Aleman

iaEuro

área

Fran

cia

Austria Italia

Españ

aPort

ugal

GRÁFICO 20COEFICIENTE DE SOLVENCIA. PORCENTAJE DE LOS ACTIVOS

PONDERADOS POR RIESGO(a) Total



8. Conclusiones

Tras sufrir un rescate y asistencia de los fondos europeos en 2012, el sector ban-cario español ha implementado una larga lista de reformas que hace que la situación actual del sector no tenga nada que ver con la que existía en el inicio de la crisis en 2008. Atrás ha quedado el exceso de capacidad instalada, la insuficiencia de provi-siones para hacer frente a un elevado nivel de morosidad, la escasa capitalización o el excesivo gap de liquidez, entre otros. El sector superó con éxito las pruebas de resistencia que hizo el BCE en 2014 como condición previa a asumir el mecanismo único de supervisión (MUS), siendo un indicador del éxito de la reestructuración llevada a cabo.

A pesar de que lo peor de la crisis bancaria ya es historia del pasado, el sector bancario español comparte con el europeo un reto muy importante y es conseguir que la rentabilidad supere el coste de captar capital, que es la condición a largo de plazo de viabilidad del sector.

Este importante reto del sector bancario no es fácil de superar a corto y medio plazo por un conjunto de condicionantes que configuran un entorno complicado para

0

5

10

15

20

25

2016

Finlandia Irlanda Luxemburgo Grecia Países Bajos Bélgica Alemania Euroárea Francia Austria España Italia Portugal

CET1 Resto de Tier 1

2008

20

16

2008

20

16

2008

20

16

2008

20

16

2008

20

16

2008

20

16

2008

20

16

2008

20

16

2008

20

16

2008

20

16

2008

20

16

2008

20

16

2008

GRÁFICO 20 (continuación)COEFICIENTE DE SOLVENCIA. PORCENTAJE DE LOS ACTIVOS

PONDERADOS POR RIESGO

(b) Tier 1 y CET1. Año 2016




el negocio bancario: a) unos tipos de interés de referencia en los mercados histó-ricamente bajos y nunca antes vistos, lo que lastra al margen de intermediación y por tanto a la rentabilidad; b) mayores exigencias regulatorias, tanto en términos de liquidez como de capital, a lo que se acompaña la incertidumbre sobre el fin de esa presión en la regulación; c) la unión bancaria configura un escenario de mayor competencia a nivel europeo; y d) la digitalización de la actividad bancaria, a la que se une la presencia de nuevos actores que compiten con la banca como las fintech. Es lógico que en este escenario la banca no despierte el atractivo de los inversores, como demuestra que coticen muy por debajo de su valor en libros, descontando el mercado niveles de rentabilidad insuficientes.

¿Qué puede hacer la banca para aumentar su rentabilidad? Las respuestas que hasta ahora ha dado apunta en las siguientes direcciones: a) cambios en el modelo de negocio, alterando la composición del balance, tanto en el activo (menor peso del crédito, mayor importancia de la renta fija) como en el pasivo (creciente peso de los recursos propios, pérdida de importancia de la financiación en los mercados en be-neficio de los depósitos); b) alteración de la estructura de ingresos, aumentando los ingresos distinto al cobro de intereses (especialmente las comisiones) en detrimento del margen de intermediación; c) ahorrando costes, lo que implica seguir ajustando la capacidad instalada; d) digitalización de la actividad bancaria para responder a la demanda de este tipo de servicios, así como estrategia para ganar eficiencia. El sector bancario español se ha movido en esta dirección en los últimos años, con cambios en la estructura de su balance (en la dirección comentada) y en la composición de sus ingresos, y con ajustes de capacidad para ahorrar costes.

El problema es que a pesar de las respuestas ya adoptadas, no son suficientes en tanto las condiciones del entorno se mantengan en el tiempo. Mientras la política monetaria del BCE siga siendo tan expansiva, los tipos de interés seguirán lastrando la cuenta de resultados. Y si bien las últimas decisiones del BCE suponen un tímido relajamiento en su Quantitative Easing (desde abril a diciembre de 2017 ha caído de 80.000 a 60.000 millones de euros mensuales la cantidad de activos a comprar en los mercados), el tono de la política sigue siendo muy expansivo, por lo que de momento los tipos tan bajos probablemente seguirán más tiempo.

En este contexto, la banca española tendrá que seguir ajustando aún más su capa-cidad instalada para reducir costes. Además, España sigue teniendo una de las redes de oficinas más densas de Europa, y ocupa el último lugar del ranking en término de número de empleados por oficina. Por tanto, hay margen de maniobra más que suficiente para seguir cerrando oficinas. Más aún conforme sigue avanzando el uso de la banca online y otras aplicaciones a través de internet que reducen el peso de las operaciones en las oficinas.

Las fusiones siempre han sido una de las vías más utilizadas para reducir costes, sobre todo aprovechando economías de escala. Lo ha sido en el pasado reciente (fu-siones entre cajas de ahorros) y es previsible que lo siga siendo en el nuevo escenario de la unión bancaria. Algunas de las actuales entidades bancarias tienen un tamaño atractivo para las fusiones, aunque eso es compatible con que haya entidades de


tamaño reducido con un nicho de mercado más local (como es el caso de las coope-rativas de crédito). En cualquier caso, es necesario que se busquen sinergias entre estas entidades pequeñas, para mejorar su acceso a los mercados y también para ahorrar costes (compartiendo algunos servicios).

En el contexto europeo, ahora mismo la banca española sale bien parada en tér-minos de rentabilidad y eficiencia, dos de los principales indicadores de gestión. En cambio, se sitúa en posiciones muy rezagas en términos de solvencia, si bien estos indicadores deben ser interpretados con prudencia dado el diferente tratamiento de los activos ponderados por riesgo. De hecho, España avanza bastantes puestos en el ranking en términos de capitalización. No obstante, dado que todavía no se ha com-pletado el calendario regulatorio (hasta el fully loaded) y que cada vez aparecen nue-vas exigencias (como los Total Loss Absorption Capacity (TLAC) o los Minimum Requirement for own funds and Eligible Liabilities (MREL)), es necesario seguir fortaleciendo la solvencia.

La imagen internacional actual del sector bancario español ha mejorado enor-memente y está alejada por completo de las sospechas que despiertan otros sectores bancarios como es el caso de Italia, Portugal y Alemania. En el primer caso, la ele-vada morosidad ha obligado a capitalizar algunos bancos y a crear un «banco malo», estando en el aire el instrumento que se utilizará para rescatar a los bancos. En el segundo, el principal banco del país ha tenido que ser rescatado. Y en el caso de Alemania, las sospechas en torno a una parte del sector (las cajas de ahorros) siem-pre han flotado en el aire, a lo que ahora se añade una inyección de capital de 8.000 millones de euros, en marzo de 2017, al principal banco del país.

En resumen, la reestructuración del sector bancario español ha dado sus frutos, pero el entorno «hostil» que se ha configurado recientemente plantea un escenario en el que no es nada fácil aumentar la rentabilidad para situarla por encima del coste de captar capital. Paradójicamente tenemos la banca más capitalizada de la historia y, sin embargo, el inversor no ha reducido la prima de riesgo que exige para invertir en banca. La respuesta a esta paradoja es que el inversor descuenta que la rentabilidad seguirá siendo reducida en los próximos años, y de ahí la prima de riesgo que exige. Malos tiempos para la banca, en los que además la imagen y reputación del sector ha salido muy mal parada por distintos motivos (malas prácticas en la comercialización de algunos productos bancarios, cláusulas suelo poco transparentes, etc.), lo que en nada ayuda a la recuperación del sector.


[1] BANCO CENTRAL EUROPEO (2016). «Recent trends in Euroarea banks’ business models and implication for banking sector stability». Financial Stability Review, special features, mayo.

[2] BANCO DE ESPAÑA (2016). Informe de Estabilidad Financiera, noviembre.


LA SITUACIÓN DEL SECTOR BANCARIO ESPAÑOL EN EL CONTEXTO EUROPEO... MT108 CUADERNOS ECONÓMICOS DE ICE N.O 92

[3] COMISIÓN EUROPEA (2017). Informe sobre España 2017, con un examen exhausti-vo relativo a la prevención y corrección de los desequilibrios macroeconómicos. COM (2017) 90, final.

[4] CRUZ-GARCÍA, P.; FERNÁNDEZ DE GUEVARA, J. y MAUDOS, J. (2017). «Interest rates and net interest margins: the impact of monetary policy», en G. Chesini, E. Giaretta y A. Paltrinieri (eds.), The Business of Banking: Models, Risk and Regulation. Basings-toke (Reino Unido): Palgrave Macmillan.

[5] FONDO MONETARIO INTERNACIONAL (2016). Global Financial Stability Report, octubre.

[6] MAUDOS, J. (2016). «Márgenes bancarios y tipos de interés: España en el contexto de la Euroárea». Cuadernos de Información Económica, 255, 21-34.

[7] MAUDOS, J. y VIVES, X. (2016). «Banking in Spain», en T. Beck y B. Casu (eds.), Handbook of European Banking, Palgrave MacMillan.

[8] MAUDOS, J. (2017). «Modelos de negocio en la banca europea: cambios recientes». Cuadernos de Información Económica, 257, 11-25.

LA SITUACIÓN DEL SECTOR BANCARIO ESPAÑOL EN EL CONTEXTO EUROPEO... MT

El proceso de desapalancamiento externo de la economía española: un largo camino por recorrer*

Judit Montoriol GarrigaCaixaBank Research

Resumen

Uno de los principales desequilibrios macroeconómicos de la economía española es el ele-vado endeudamiento, tanto público como privado, y además, una notable proporción de este se encuentra en manos extranjeras. A pesar de que desde 2012 el endeudamiento total de la eco-nomía ha empezado a descender, este sigue siendo muy elevado y la dependencia de la financia-ción externa apenas se ha reducido. El presente artículo realiza un análisis de la evolución del endeudamiento de la economía española entre los años 2000 y 2016 por sectores institucionales, prestando particular atención al papel primordial del sector bancario y a su dependencia de la financiación externa. La reducción de la deuda externa (pública y privada) hacia niveles soste-nibles es imprescindible para mejorar la capacidad de crecimiento y reducir la vulnerabilidad externa de la economía española.

Palabras clave: deuda privada, deuda pública, deuda externa, desapalancamiento.Clasificación JEL: G21.

Abstract

One of the main macroeconomic imbalances of the Spanish economy is the high indebtedness, both public and private, and in addition, a notable proportion of this is in foreign hands. Despite the fact that since 2012 the total debt of the economy has begun to fall, it is still very high and dependence on external financing has barely been reduced. This article analyzes the evolution of debt of the Spanish economy between 2000 and 2016 by institutional sectors, paying particular attention to the central role of the banking sector and its dependence on external financing. The reduction of external debt (public and private) to sustainable levels is essential to improve growth capacity and reduce the external vulnerability of the Spanish economy.

Keywords: private debt, public debt, external debt, deleveraging.JEL classification: G21.

1. Introducción

Han pasado ya casi cuatro años desde que empezó la recuperación de la economía española en el tercer trimestre de 2013 y, afortunadamente, ya se empieza a ver la luz al final del túnel. El PIB ha recuperado el nivel máximo alcanzado antes de la crisis y la creación de empleo avanza a buen ritmo. Sin embargo, todavía limita el

* Todas las opiniones expresadas en el presente artículo son propias de la autora y no necesariamente reflejan las opiniones de CaixaBank Research.

desempeño económico uno de los principales legados del anterior ciclo expansivo: el elevado endeudamiento.

La entrada en circulación del euro marcó el comienzo de un periodo expansivo caracterizado por un fuerte crecimiento del endeudamiento de la economía española. Si en el año 2000 la deuda del total de la economía representaba el 177 por 100 del PIB, en el año 2012, cuando alcanzó el valor máximo, esta se había prácticamente doblado (302 por 100 del PIB)1. En este periodo, el ahorro doméstico era insuficiente para cubrir las necesidades de financiación del país, de modo que se recurrió a la financiación exterior. Ello se vio reflejado en una posición negativa de la balanza financiera año tras año y en un aumento del nivel de deuda externa acumulada. El sector bancario, como principal intermediario financiero de la economía española, desempeñó un papel central en la canalización del ahorro externo para cubrir las necesidades de financiación domésticas.

A partir del año 2010, el sector privado empezó un profundo proceso de desen-deudamiento, aunque la deuda total de la economía no disminuyó al mismo ritmo debido al crecimiento de la deuda pública en estos últimos años. Estas dinámicas han tenido su reflejo en la evolución de los balances bancarios: el nivel de endeudamien-to de la propia banca también se ha reducido significativamente desde el máximo alcanzado en 2012, especialmente su dependencia de la financiación externa. Con todo, la dependencia de la financiación externa sigue siendo elevada aunque gran parte de estos flujos se canalizan a través del Banco de España, reflejo de las políti-cas monetarias expansivas del BCE.

La dependencia de la financiación externa es una fuente de vulnerabilidad de la economía puesto que está mucho más expuesta a los cambios de expectativas de los inversores internacionales. La literatura académica ha documentado ampliamente que los flujos de crédito trasfronterizos tienden a crecer mucho más rápido durante la fase expansiva del ciclo crediticio, de modo que los flujos de crédito internacionales son un factor determinante del crecimiento del crédito en la economía doméstica. Sin embargo, en la fase contractiva, estas entradas de capital acostumbran a cambiar de signo, generado una mayor caída del crédito2.

En el presente artículo se analiza la evolución del endeudamiento de la economía española por sectores institucionales en el periodo 2000-2016, prestando particular atención a dos particularidades: el papel del sector bancario en la financiación de dicha deuda y el volumen de deuda en manos extranjeras. La sección 2 describe bre-vemente la fuente de datos y define ciertos aspectos metodológicos. La sección 3 ana-liza la evolución de la deuda por sectores institucionales y se presenta el cálculo de la deuda de las instituciones financieras ajustada para evitar la doble contabilización de deuda con otros sectores institucionales, con el fin de obtener una medida de la deuda agregada del total de la economía. La sección 4 se dedica a analizar el papel del sector

1 En la sección 3 se detallan los aspectos metodológicos concernientes al cálculo de estas cifras (deuda ajustada).

2 Véase, por ejemplo, AVDJIEV et al. (2012) y BORIO et al. (2011).


EL PROCESO DE DESAPALANCAMIENTO EXTERNO DE LA ECONOMÍA ESPAÑOLA... 111

financiero en la financiación de la deuda privada y pública, así como la dependencia de la financiación exterior de cada sector institucional. La sección 5 analiza la evo-lución del balance financiero de las instituciones financieras, en concreto, las fuentes de financiación bancaria y su apelación a la financiación exterior. Finalmente, en la sección 6, se analiza la deuda externa y la posición de inversión internacional neta del total de la economía. La sección 7 concluye con unas breves reflexiones.

2. Cuestiones previas: aspectos metodológicos y niveles de referencia

Los datos analizados provienen de los balances financieros de los sectores ins-titucionales de la economía española (hogares e instituciones sin fines de lucro al servicio de los hogares, sociedades no financieras, Administraciones públicas e ins-tituciones financieras) de las cuentas financieras publicadas por el Banco de España. También se usa la cuenta del resto del mundo para analizar la deuda externa3.

Conviene empezar con tres precisiones metodológicas. En primer lugar, el aná-lisis de la deuda por sectores institucionales se realiza en términos brutos. La deuda bruta se define como la suma de préstamos y valores representativos de deuda del pasivo en el balance financiero de cada sector institucional. No se tienen en cuenta los activos financieros disponibles para reducir dicha deuda puesto que el análisis se realiza a nivel de sector institucional y es posible que los activos y los pasivos no se encuentren en el balance del mismo agente. En segundo lugar, se hace referencia a la deuda consolidada y la no consolidada. La deuda no consolidada se refiere a la deuda total sin tener en cuenta el acreedor de dicha deuda. Deuda consolidada, por su parte, excluye la deuda que tiene como contrapartida un agente del mismo sector institucional. En tercer lugar, se hace referencia a la deuda externa, es decir, la deuda emitida por un sector residente cuyo agente de contrapartida es el resto del mundo.

Finalmente, para evaluar si el nivel de deuda es excesivo, es útil disponer de niveles de referencia. En este artículo, se usan los umbrales establecidos por la Co-misión Europea en el mecanismo de control de los desequilibrios macroeconómicos (MIP, Macroeconomic Imbalance Procedure)4. Sobrepasar estos umbrales no impli-ca necesariamente que la deuda sea insostenible, sino que debe interpretarse como una señal de alerta y la necesidad de tomar medidas para corregir el desequilibrio en cuestión. En concreto, se hace referencia a 5 indicadores (de los 14 que componen el MIP) y sus respectivos umbrales:

– Deuda del sector privado (consolidada): 133 por 100 del PIB.– Deuda del sector público: 60 por 100 del PIB.

3 Además, se usan los datos de deuda externa del capítulo 7.9 de los Indicadores Económicos, también publicados por el Banco de España, y los datos de la Posición de inversión internacional neta del capítulo 7.6.

4 Estos umbrales se determinan a partir del tercer cuartil de la distribución empírica anual de la eurozona para el periodo 1995-2007 (véase COMISIÓN EUROPEA, 2012).


– Flujo de crédito al sector privado: 14 por 100 del PIB.– Variación anual del total de pasivos del sector financiero: 16,5 por 100.– Posición de inversión internacional neta: 35 por 100 del PIB.

3. Evolución de la deuda por sectores institucionales

Comenzando por el sector privado, resulta destacable que en el año 2000 la deu-da bruta no consolidada de los hogares y las sociedades no financieras equivalía al 45,1 por 100 y al 73 por 100 del PIB, respectivamente (118,1 por 100 en agregado). La deuda privada consolidada, que excluye la deuda entre empresas, era inferior, del 102,5 por 100 del PIB. Comenzó, entonces, un rápido crecimiento de la deuda privada que ya en el año 2004 superó el umbral del 133 por 100 del PIB establecido en el MIP. De este modo, la deuda privada de la economía española alcanzó su nivel máximo en el año 2010, cuando se situó en el 202,7 por 100 del PIB en términos consolidados. La deuda privada no consolidada, por su parte, alcanzó el 218 por 100 del PIB, de los que 15 puntos porcentuales (p. p.) correspondían a deuda de sociedades no financieras con este mismo sector institucional como contrapartida (Gráfico 1).

020406080

100120140160180200220240

Mar

. 96

Dic

. 96

Sep.

97

Jun.

98

Mar

. 99

Dic

. 99

Sep.

00

Jun.

01

Mar

. 02

Dic

. 02

Sep.

03

Jun.

04

Mar

. 05

Dic

. 05

Sep.

06

Jun.

07

Mar

. 08

Dic

. 08

Sep.

09

Jun.

10

Mar

. 11

Dic

. 11

Sep.

12

Jun.

13

Mar

. 14

Dic

. 15

Sep.

15

Jun.

16

Deuda privada sin consolidar Deuda privada consolidadaUmbral MIP (deuda consolidada)

GRÁFICO 1DEUDA PRIVADA Y UMBRAL DEL MIP

(En % del PIB)

FUENTE: Banco de España y Comisión Europea.


Los datos más recientes, correspondientes al cuarto trimestre de 2016 (en adelante, para abreviar se utiliza la notación 4T 2016), muestran que la deuda privada consolidada se ha reducido hasta el 147,3 por 100 del PIB, es decir, 55,4 p. p. por de-bajo del máximo que llegó a alcanzar. Por tanto, después de 6 años desendeudándose, el sector privado estaría cerca de niveles más sostenibles. La comparativa con otros países europeos muestra que España es el país que más ha reducido su endeudamien- to privado en los últimos años, a excepción de Luxemburgo (–67 p. p.). Le siguen Portugal y Reino Unido, con una reducción de la deuda privada consolidada de 30 y 28 p. p. desde sus respectivos niveles máximos (Gráfico 2).

Dentro del sector privado, la evolución de los hogares y las empresas españolas, sin embargo, es diferenciada. Por un lado, las empresas se han desendeudado de for-ma acelerada. En efecto, si tomamos la eurozona como referencia, las sociedades no financieras españolas, en agregado, alcanzaron el nivel de deuda de sus homólogas europeas en el 2T 2016. Los hogares, en cambio, se están desendeudando algo más lentamente debido a que la mayor parte de su deuda es a largo plazo y a que tienen menos mecanismos a su disposición para desendeudarse.

Aunque la deuda de los hogares españoles todavía se sitúa 6 p. p. por encima de la de los hogares europeos, si se mantiene el ritmo de reducción del último año, los hogares españoles alcanzarán el nivel de la eurozona a mediados de 2018. Además, en un contexto de crecimiento del PIB y bajos tipos de interés, la reducción de la ratio de endeudamiento es compatible con flujos de crédito bancario positivos al sector. Por tanto, el exceso de deuda, que limitó el desempeño del sector privado al inicio de la recuperación, ya está dejando de ser una losa para el crecimiento (Gráfico 3).

050

100150200250300350400450

Luxe

mburgo

Irland

a

Dinamarc

a

Portug

al

Españ

a

Reino U

nido

Bélgica

Francia

Austria

Grecia

Italia

Aleman

ia

Valor máximo Datos 2015

133% (umbral MIP)

GRÁFICO 2DEUDA PRIVADA CONSOLIDADA

(En % del PIB)

FUENTE: Eurostat.


Al contrario de lo que ocurre en el sector privado, la deuda pública todavía sigue creciendo aunque muestra signos de estabilización en porcentaje del PIB. Según el protocolo de déficit excesivo, esta se situó en el 99,4 por 100 del PIB al cierre de 2016, solamente 0,4 p. p. por debajo del dato de 2015, y superando con creces el umbral del 60 por 100 establecido por la Comisión Europea. De hecho, el aumento de la deuda pública en los últimos 6 años, de 42,8 p. p., ha eclipsado el impacto del descenso de deuda privada en la deuda total. De cara a futuro, las proyecciones de los principales analistas y del propio gobierno apuntan a que la deuda pública, de cum-plirse con la senda de reducción de déficit prevista, y gracias al mayor crecimiento del PIB nominal, irá descendiendo paulatinamente.

Actualmente, la suma de la deuda privada (sin consolidar) y la deuda pública todavía sigue siendo elevada, del 265,4 por 100 del PIB en el 4T 2016. Este nivel es solamente 9 p. p. inferior al del 2T 2010, cuando la deuda privada alcanzó su máxi-mo. Sin embargo, la composición de la deuda total es muy distinta: si en 2010 el 80 por 100 de la deuda era privada, en 2016 este porcentaje se ha reducido al 75 por 100. En contrapartida, la deuda pública ha ganado peso (Gráfico 4).

Por último, el sector de las instituciones financieras completa el total de la eco-nomía. Si a la deuda privada y la pública, le sumamos los valores representativos de deuda y los préstamos del pasivo del balance financiero de las instituciones

20

40

60

80

100

120

140

T42000

T42001

T42002

T42003

T42004

T42005

T42006

T42007

T42008

T42009

T42010

T42011

T42012

T42013

T42014

T42015

T42016

Sociedades no financieras (Eurozona) Hogares (Eurozona)Sociedades no financieras (España) Hogares (España)

GRÁFICO 3ESPAÑA Y EUROZONA: DEUDA DE HOGARES Y SOCIEDADES

NO FINANCIERAS (En % del PIB)

NOTA: Deuda no consolidada.FUENTE: Banco de España y Eurostat.


financieras, la cifra de deuda total de la economía sin consolidar fue del 367,8 por 100 del PIB en el 4T 2016 (véase la primera columna del Gráfico 5). Si consolidamos la deuda dentro de cada sector, esta cifra desciende a 292,6 por 100 del PIB (véase la segunda columna del Gráfico 5). Sin embargo, como veremos en la sección 5, el endeudamiento de las instituciones financieras generalmente no se tiene en cuenta puesto que su función principal es la intermediación financiera y, por tanto, si se computase el total de su deuda se incurriría en una doble contabilización. En con-secuencia, conviene ajustar el nivel de deuda bancaria y solo tener en cuenta la que no se destina a la financiación del resto de sectores residentes o, lo que es lo mismo, aquella contraída para financiar otras actividades como, por ejemplo, la compra de acciones de otras empresas (véase la tercera columna del Gráfico 5)5. Según este cál-culo, la deuda ajustada del total de la economía era del 282,1 por 100 del PIB en el 4T 2016, mostrando un descenso de solamente 20 p. p. del PIB respecto al máximo de 2012 (Gráfico 6).

5 De todos modos, es importante destacar que, desde la perspectiva de las instituciones financieras, la cifra de deuda total es la relevante a efectos de las obligaciones a las que tiene que responder el sector.

0

50

100

150

200

250

300

1T 1

996

1T 1

997

1T 1

998

1T 1

999

1T 2

000

1T 2

001

1T 2

002

1T 2

003

1T 2

004

1T 2

005

1T 2

006

1T 2

007

1T 2

008

1T 2

009

1T 2

010

1T 2

011

1T 2

012

1T 2

013

1T 2

014

1T 2

015

1T 2

016

Deuda pública Deuda privada

GRÁFICO 4DEUDA PÚBLICA Y DEUDA PRIVADA

(En % del PIB)

NOTA: Deuda pública PDE y deuda privada sin consolidar.FUENTE: Banco de España.


0

50

100

150

200

250

300

350

400

Deuda externa

AA.PP. Hogares Sociedades no financieras Instituciones financieras Banco de España

Deuda sin consolidar Deuda consolidadacon el mismo sector

Deuda ajustada*

GRÁFICO 5DEUDA TOTAL Y POR SECTORES INSTITUCIONALES EN EL 4T 2016

(En % del PIB)

NOTA: Deuda de las instituciones financieras ajustada para evitar doble contabilización. En concreto, a los préstamos y títulos de deuda del pasivo de las instituciones financieras, se suman los depósitos del resto de mundo y los depósitos de residentes y se restan los préstamos y títulos de deuda de los residentes. Deuda pública PDE. Deuda de hogares y sociedades no financieras sin consolidar.

FUENTE: Banco de España.

0

50

100

150

200

250

300

350

2000 2007 2010 2012 2016AA.PP. Hogares Sociedades no financieras Ins�tuciones financieras

GRÁFICO 6DEUDA TOTAL Y POR SECTORES INSTITUCIONALES*

(En % del PIB)

NOTA: Deuda pública PDE. Deuda de hogares y sociedades no financieras sin consolidar. Deuda de las in-stituciones financieras ajustada para evitar doble contabilización. En concreto, a los préstamos y títulos de deuda del pasivo de las instituciones financieras, se suman los depósitos del resto de mundo y los depósitos de residentes y se restan los préstamos y títulos de deuda de los residentes.



4. La financiación de la deuda privada y pública: el papel del sector financiero y la dependencia de la financiación exterior

En esta sección se analizan, para cada sector institucional, los instrumentos de deuda (préstamos o valores representativos de deuda) y el sector de contrapartida, con el fin de determinar el papel del sector bancario en la financiación de la deuda y la dependencia de la financiación exterior6.

Como se ha comentado anteriormente, durante la primera mitad de la década de los 2000, la deuda del sector privado creció notablemente. Dada la elevada bancari-zación de la economía española, este aumento de la deuda privada se correspondió con un aumento similar del crédito bancario7. En concreto, el flujo de crédito ban-cario al sector privado creció a un ritmo anual equivalente a 21,6 p. p. del PIB entre 2000 y 2007, por encima del umbral del 14 por 100 establecido por la Comisión Europea en el MIP.

Este espectacular crecimiento del crédito bancario se produjo también en otros países europeos, como Irlanda o Portugal, que también rebasaron el umbral del MIP. En 2008, sin embargo, los flujos de crédito al sector privado se ralentizaron en todos los países, especialmente en España, el país europeo con la mayor caída del flujo de crédito en promedio en el periodo 2008-2015 (Gráfico 7). De hecho, en España, el crédito bancario como proporción del PIB se ha reducido en 50,5 p. p. desde el máximo de 2010, con lo que ha superado la corrección que históricamente se ha observado en promedio después de crisis bancarias sistémicas, de 33 p. p., según las estimaciones de Aspachs et al. (2011) y, en la actualidad, se sitúa muy por debajo de su tendencia. Según estimaciones del Banco de España, la «brecha de crédito», de-finida como la diferencia entre ratio de crédito bancario sobre el PIB y su tendencia a largo plazo, se encuentra en territorio negativo, concretamente en el –60,6 por 100 del PIB en el 3T 2016. Esta cifra muestra la profundidad del proceso de desapalan-camiento privado en España8.

En el caso de los hogares, la dependencia del sector bancario para financiarse es total. El análisis de su pasivo muestra que solamente un pequeño porcentaje de su deuda (alrededor del 0,2 por 100 en promedio) son préstamos obtenidos directamen-te del extranjero. El resto de la deuda es financiada por el sector financiero español (Gráfico 8).

6 En este artículo analizamos el sector de las instituciones financieras en agregado. Véase BERGES y BALIÑA (2015) para un análisis similar en el que se diferencian las instituciones financieras monetarias de las no monetarias.

7 Nótese que el crédito concedido por las instituciones financieras al sector privado es solamente una parte, aunque muy importante, de la deuda privada, ya que esta última incluye, además, el crédito concedido por otros sectores institucionales y otros valores de deuda, como bonos corporativos.

8 Un valor bajo en este indicador también es indicativo de una baja probabilidad de que se produzca una crisis bancaria. Véanse BORIO y LOWE (2002, 2004).


-5

0

5

10

15

20

25

30

Irland

a

Españ

a

Portug

al

Dinamarc

a

Reino U

nido

Grecia

Italia

Bélgica

Francia

Austria

Aleman

ia

14% (umbral MIP)

Promedio 2000-2007 Promedio 2008-2015

GRÁFICO 7FLUJO DE CRÉDITO AL SECTOR PRIVADO (CONSOLIDADO)

(En % del PIB)

FUENTE: Eurostat.

0102030405060708090

100

Mar

00

Nov

00

Jul 0

1M

ar 0

2

Nov

02

Jul 0

3M

ar 0

4

Nov

04

Jul 0

5M

ar 0

6

Nov

06

Jul 0

7M

ar 0

8N

ov 0

8Ju

l 09

Mar

10

Nov

10

Jul 1

1M

ar 1

2N

ov 1

2Ju

l 13

Mar

14

Nov

14

Jul 1

5M

ar 1

6N

ov 1

6

Hogares (0-0) Sociedades no financieras Administración pública

Instituciones financieras Total

GRÁFICO 8DEUDA EXTERNA POR SECTORES INSTITUCIONALES

(En % del total de deuda consolidada de cada sector)



Los instrumentos de deuda y contrapartidas en el caso de las sociedades no finan-cieras es algo más complejo puesto que, además del crédito bancario, las empresas pueden recurrir a la emisión de valores representativos de deuda, como bonos corpo-rativos. Es destacable que entre los años 2000 y 2007, el importe de estos valores en el pasivo de las sociedades no financieras se redujo de 15.920 a 12.747 millones de euros, y apenas representaban un 1 por 100 del total de deuda empresarial. De estos valores, solamente un 10 por 100 se encontraba en manos extranjeras en 2007 (1.315 millones). La apelación directa a los mercados financieros internacionales, por tanto, fue muy limitada durante la anterior etapa expansiva. A raíz de la crisis financiera de 2008 y el ajuste de balances que le siguió, el panorama ha cambiado sustancial-mente: las empresas han aumentado la emisión de bonos y un elevado porcentaje de éstos se encuentra en manos de extranjeros. En concreto, el dato más reciente, del 4T 2016, muestra que las sociedades no financieras tienen en su balance unos 30.531 millones de euros en valores representativos de deuda y, de estos, un 35,7 por 100 tiene como contrapartida el resto del mundo.

En cuanto a los préstamos empresariales, que representan el 99 por 100 de la deuda de las sociedades no financieras, la apelación directa a la financiación exterior es más importante: alrededor de un 20 por 100 de los préstamos tenía como contra-partida el resto del mundo en 2007. Este porcentaje ha ido creciendo en la última década hasta situarse en el 32 por 100 en 2016. Así pues, teniendo en cuenta los bonos corporativos y los préstamos, alrededor de un tercio de la financiación de las empresas proviene directamente del resto del mundo.

Finalmente, hay que señalar que el sector público, donde la financiación exterior tiene el mayor peso, es el principal responsable de que la deuda externa no haya dis-minuido en los últimos años. En concreto, del aumento de la deuda pública de 63,8 p. p. del PIB entre 2007 y 2016, aproximadamente la mitad (32,2 p. p.) se encuentra en manos extranjeras (Gráfico 9). Como veremos con más detalle a continuación, en este mismo periodo, la dependencia de la financiación externa por parte de las insti-tuciones financieras se ha reducido en una magnitud similar (–32,9 p. p.), de modo que la dependencia de la financiación externa del total de la economía española se ha mantenido prácticamente inalterada.


5. La evolución del balance financiero de las instituciones financieras

Las dinámicas de endeudamiento y desendeudamiento del sector público y priva-do tienen su reflejo en los balances bancarios. En esta sección, a partir de los pasivos de las instituciones financieras, analizamos la evolución de las fuentes de financia-ción de la banca y su dependencia de la financiación externa.

Entre los años 2000 y 2007, las necesidades de financiación del sector privado crecieron notablemente. Dado que los depósitos de los residentes aumentaban a un menor ritmo, las instituciones financieras recurrieron a otras fuentes de financiación alternativas, en concreto, la emisión de deuda9. Así, mientras que en el año 2000 los valores de deuda y préstamos emitidos por los bancos apenas representaban el 6,7 por 100 del PIB, estos aumentaron hasta el 66,7 por 100 del PIB en el 2T 2007 (aumento de 60 p. p.). La mayor parte de este incremento de la deuda bancaria fue adquirida por no residentes (58,6 p. p.) y el resto, muy marginal, los residentes (1,4 p. p.). Además, los depósitos de no residentes, que también se computan en la deuda externa10, tam-bién aumentaron en este periodo (4,5 p. p.). La financiación bancaria, por tanto, se volvió más dependiente de los flujos financieros provenientes del exterior.

No es de extrañar que en este periodo también se rebasara el umbral del MIP referente a la variación anual del total de pasivos del sector financiero, del 16,5 por

9 Véanse ÁLVAREZ (2008) y MAUDOS (2011).10 Aunque la deuda incluye los préstamos y los valores representativos (pero no los depósitos), la deuda externa

bruta sí incluye los depósitos de no residentes.

GRÁFICO 9DEUDA PÚBLICA: TOTAL Y EXTERNA

(En % del PIB)

0

20

40

60

80

100

120

Mar

02

Nov

02

Jul 0

3

Mar

04

Nov

04

Jul 0

5

Mar

06

Nov

16

Jul 1

7

Mar

08

Nov

08

Jul 0

9

Mar

10

Nov

10

Jul 1

1

Mar

12

Nov

12

Jul 1

3

Mar

14

Nov

14

Jul 1

5

Mar

16

Nov

16

Deuda externa Deuda pública

60% (umbral MIP)



100. En concreto, las instituciones financieras superaron este umbral en 2003, 2005, 2006 y 2007.

Gran parte de la deuda bancaria contraída entre los años 2000 y 2007 se destinó a la financiación del gap de intermediación financiera doméstica mencionado. En concreto, un 72 por 100 del total (47 p. p. del PIB) financió la concesión de crédito al sector residente que no se cubría con los depósitos de los residentes. El resto de la deuda contraída, equivalente a 13 p. p. del PIB, se usó para comprar otros activos financieros. En particular, destaca el aumento de la compra de activos emitidos por no residentes, tanto en forma de participaciones de capital como de valores de deuda (Gráfico 10).

Los flujos de capital del exterior son una fuente de financiación relativamente volátil y sensible a los cambios de percepción de riesgo por parte de los inversores. A partir de 2010, a raíz de las tensiones en los mercados de financiación bancaria mayorista provocados por la crisis de deuda soberana europea, una parte importan-te de la financiación bancaria proveniente del exterior se evaporó. En concreto, la deuda externa de las instituciones financieras españolas se redujo de forma abrupta, de 67,3 p. p. del PIB en 2009 a 47,6 en 2012. A partir de 2012, la dependencia de la financiación externa ha seguido reduciéndose, pero de forma más paulatina, hasta si-tuarse en el 36,5 por 100 en 2016. Además, la mayor parte de los recursos bancarios se destinan a la intermediación financiera doméstica, apoyando así la recuperación de los flujos de crédito al sector privado. De todos modos, cabe destacar que el des-

0

20

40

60

80

100

120

140

4T 2000 2T 2007 2T 2012 4T 2013 4T 2016

Intermediación doméstica** Otras finalidades

GRÁFICO 10DEUDA DE LAS INSTITUCIONES FINANCIERAS POR FINALIDADES*

(En % del PIB)

NOTAS: Deuda consolidada de las instituciones financieras (préstamos y valores de deuda en manos de res-identes y del resto del mundo) más los depósitos del resto de mundo del pasivo de las instituciones financieras. Intermediación doméstica equivale a los préstamos y títulos de deuda de los residentes en el activo de las instituciones financieras menos los depósitos de residentes del pasivo.



endeudamiento del sector bancario respecto al resto del mundo ha sido sobradamente compensado por la financiación proveniente del Banco Central Europeo (BCE), que se canaliza a través del Banco de España (Gráfico 11), de modo que la dependencia externa de la economía española todavía sigue siendo elevada y muy dependiente de la política monetaria acomodaticia del BCE.

0 10 20 30 40 50 60 70 80 90

100

1T 2

002

4T 2

002

3T 2

003

2T 2

004

1T 2

005

4T 2

005

3T 2

006

2T 2

007

1T 2

008

4T 2

008

3T 2

009

2T 2

010

1T 2

011

4T 2

011

3T 2

012

2T 2

013

1T 2

014

4T 2

014

3T 2

015

2T 2

016

Deuda externa sin incluir financiación via BdE Deuda externa con financiación via BdE

GRÁFICO 11DEUDA EXTERNA DE LAS INSTITUCIONES FINANCIERAS

(En % del PIB)

FUENTE: Banco de España

6. Deuda externa y posición de inversión internacional neta del total de la economía

En el 4T 2016, la deuda externa bruta del total de la economía representaba el 167,5 por 100 del PIB y, a diferencia de la deuda total, no muestra signos de des-cender. Como ya se ha comentado en la sección anterior, la composición sectorial de la deuda externa ha cambiado notablemente en los últimos años: parte de la deuda externa del sector financiero se ha reducido a través del desapalancamiento del sec-tor y otra parte se ha desplazado al Banco de España, que canaliza el financiamiento externo procedente del BCE. Por otra parte, la menor deuda externa emitida por sociedades no financieras se ha visto más que contrarrestada por el aumento de la deuda pública externa (Gráfico 12).

En comparación con otros países europeos, la deuda externa de la economía española no es particularmente alta: si bien Alemania e Italia tienen una deuda


inferior (medida en términos relativos al PIB), la mayor parte de países, como Aus-tria, Portugal o Francia tienen una deuda externa bruta superior. Destaca especial-mente Irlanda, con una deuda externa del 770 por 100 del PIB (Gráfico 13). No obstante, para valorar la posición deudora de una economía respecto al resto del mundo, es habitual usar la posición de inversión internacional neta (PIIN), que tiene en cuenta todos los pasivos de la economía española respecto al exterior (y no sola-mente los instrumentos de deuda) y, por otro lado, se consideran los activos que los residentes en España tienen en el exterior. De hecho, la variable PIIN es la medida escogida por la Comisión Europea para determinar la vulnerabilidad exterior de las economías europeas y, en el marco del mecanismo para evaluar los desequilibrios macroeconómicos (MIP), estableció un umbral del –35 por 100. En el 4T 2016, la posición neta de España fue del –85,7 por 100 del PIB, un nivel relativamente alto en comparación con otras economías europeas (gráfico 14). No obstante, en los últimos tres trimestres, ha mejorado como resultado del superávit por cuenta corriente que, de mantenerse, deberían mejorar aún más la posición de pasivo neto en el medio pla-zo. De todos modos, es necesario mantener un superávit corriente sostenido durante más de una década para reducir la PIIN hasta el umbral del –35 por 100 establecido por la Comisión11.

11 Véase MELIVEO y MONTORIOL (2016).

0

30

40

60

80

100

120

140

160

180

2002 2004 2006 2008 2010 2012 2014 2016OSR+Inversión directa OIFM Banco de España Administración pública

GRÁFICO 12DEUDA EXTERNA

(En % del PIB)



98 128 153 167 172 215 219 232 268 290

536

770

Aleman

ia

Españ

aAus

tria

Portug

al

Francia

Grecia

Bélgica

Reino U

nido

Países

Bajos

Irland

a

Privado Público

EE.UUIta

lia

GRÁFICO 13DEUDA EXTERNA BRUTA

(En % del PIB)

NOTA: Datos del 3T 2016.FUENTE: Banco de España y Datastream.

-200

-150

-100

-50

0

50

100

Irland

aGrec

ia

Portug

al

Españ

a

Francia

Italia

Austria

Reino U

nido

Bélgica

Aleman

ia

Países

Bajos

-35% (Umbral MIP)

GRÁFICO 14POSICIÓN DE INVERSIÓN INTERNACIONAL NETA

(% del PIB)

NOTA: Datos del 4T 2016.FUENTE: Eurostat.


7. Conclusión

La economía española ha empezado a desendeudarse en los últimos años cuando se evalúa de forma conjunta, pero lo ha hecho de forma muy desigual entre sectores. En el 4T 2016 la deuda total representaba el 282 por 100 del PIB, lo que suponía estar solamente 20 p. p. por debajo del máximo de 2012 (302 por 100 del PIB). Ade-más, gran parte de los préstamos y títulos de deuda se encuentran en manos de no residentes, de modo que la economía sigue siendo vulnerable a potenciales cambios en las percepciones y expectativas de los inversores internacionales. Concretamente, en el 4T 2016, la deuda externa representaba el 167,5 por 100 del PIB y, a diferen-cia de la deuda total, no muestra signos de descender. Por un lado, las instituciones financieras han reducido su dependencia directa del exterior, pero ello se ha prácti-camente compensado por un aumento de la deuda externa del Banco de España que canaliza la financiación del Eurosistema hacia el sector bancario español. Por otro lado, la deuda pública externa ha aumentado rápidamente: de los 18,7 p. p. en 2007 a los 49,6 p. p. en 2016.

En definitiva, la economía española todavía está muy endeudada, en especial con el exterior. El desendeudamiento del sector privado español ha sido muy intenso, tanto si se compara con el que han llevado a cabo otras economías europeas durante este mismo episodio como, históricamente, en relación con otras crisis bancarias. Por tanto, el proceso de desapalancamiento del sector privado ya está casi comple-tado. En los próximos trimestres, a diferencia de lo ocurrido en los últimos 6 años, el desendeudamiento pendiente del sector privado será compatible con un flujo po-sitivo de crédito hacia las empresas y las familias, lo que impulsará el crecimiento. Ahora que los vientos soplan de cola, el sector público también debería encauzar el mismo camino para así reducir la fuerte dependencia de la economía española de la financiación externa.


[1] ÁLVAREZ, J. A. (2008). «La banca española ante la actual crisis financiera». Revista de Estabilidad Financiera, 38, noviembre.

[2] ASPACHS, O.; GUAL, J. y JÓDAR, S. (2011). «Perspectivas de desapalancamiento en España». Documentos de Economía de la Caixa, 23.

[3] AVDJIEV, S.; MCCAULEY, R. y MCGUIRE, P. (2012). «Rapid credit growth and in-ternational credit: challenges for Asia». BIS Working Papers, 377.

[4] BERGES, A. y BALIÑA, S. (2015). «El mapa de la deuda en España: ¿quién debe a quién?». Cuadernos de Información Económica, 244.

[5] BORIO, C. y LOWE, P. (2002). «Assessing the risk of banking crisis». BIS Quarterly Review, 43-54.

[6] BORIO, C. y LOWE, P. (2004). «Securing sustainable price stability: should credit come back from the wilderness?». BIS Working Papers, 157.


[7] BORIO, C.; MCCAULEY, R. y MCGUIRE, P. (2011). «Global credit and domestic credit booms». BIS Quarterly Review, 43-57.

[8] COMISIÓN EUROPEA (2012). «Scoreboard for the surveillance of macroeconomic imbalances». Occasional Papers, 92.

[9] MAUDOS, J. (2011). El sector bancario español en el contexto internacional: el impac-to de la crisis. Fundación de las Cajas de Ahorros.

[10] MELIVEO, J. y MONTORIOL, J. (2016). «La posición externa de la economía españo-la: claves para reducirla». Documento de Trabajo 02/16, CaixaBank Research.

Poder de mercado bancario y crédito en Europa tras la crisis financiera global

Elena CubillasNuria Suárez

Colegio Universitario de Estudios Financieros (CUNEF)

Resumen

Este trabajo analiza los efectos de la reciente crisis financiera en la competencia bancaria y la oferta de crédito en Europa. Los resultados obtenidos tras aplicar un procedimiento en dos etapas a una muestra de 610 entidades, proporcionan evidencia de cómo el impacto negativo de la cri-sis en la oferta de crédito es contrarrestado por el incremento en el poder de mercado bancario medio experimentado desde 2008. Este efecto se observa especialmente en entornos con menor calidad institucional, más exigentes en el cumplimiento del capital regulatorio, y allí donde no existen elevadas restricciones a las actividades bancarias no tradicionales.

Palabras clave: crédito bancario, crisis financiera, competencia bancaria, poder de mercado, calidad institucional, regulación bancaria.

Clasificación JEL: E51, G21, G28.

Abstract

This paper examines the effects of the global financial crisis on bank competition and credit supply in Europe. Results obtained by applying a 2SLS procedure over a sample of 610 banks provide evidence of the negative effect of the crisis period on bank lending. However, this negative impact is moderated by the increase of bank market power since 2008. These relationships are especially relevant in the case of countries with lower levels of institutional quality, with higher stringency of regulation on bank capital and in countries with lower levels of restrictions on non-traditional banking activities.

Keywords: bank credit, financial crisis, bank competition, market power, institutional quality, bank regulation.

JEL classification: E51, G21, G28.

1. Introducción

La crisis financiera global iniciada en 2007-2008 con la caída de bancos de inver-sión y posterior derrumbe de los mercados de valores, ha supuesto la participación de los gobiernos en rescates de entidades en inminente riesgo de quiebra y la reor-ganización del mapa financiero europeo. A la vista de este nuevo entorno bancario, el objetivo del presente trabajo de investigación es examinar las consecuencias que tienen los procesos de integración financiera derivados de la crisis sobre el grado de competencia en el sector bancario y la disponibilidad crédito.

El análisis empírico llevado a cabo en este trabajo para una muestra de 610 entidades bancarias procedentes de 16 países europeos, proporciona evidencia del


impacto negativo que la crisis financiera global ha provocado en la oferta de cré-dito de los bancos en Europa y de cómo dicho impacto es contrarrestado por el incremento en el poder de mercado que algunas entidades han experimentado desde 2008. Este efecto positivo del poder de mercado bancario se observa especialmente en entornos con menor calidad legal e institucional y menor libertad económica, en países más exigentes en el cumplimiento del capital regulatorio, y allí donde las res-tricciones a las actividades bancarias no tradicionales son menores.

El resto del trabajo se estructura como se indica a continuación. A lo largo de las tres secciones siguientes (2, 3 y 4) se realiza el planteamiento teórico del análisis mediante una revisión de la literatura sobre los efectos de las crisis en la economía y la relación entre competencia bancaria y oferta de crédito. En la sección 5 se describe en detalle el análisis empírico desarrollado. Los resultados obtenidos son expuestos en la sección 6. Finalmente, la sección 7 ofrece las principales conclusiones del estudio.

2. Las crisis financieras y sus efectos en la economía

2.1. Crisis financieras y economía real

Dado el importante papel que el sistema financiero juega en la economía, me-diante la reducción de costes de transacción, de problemas de selección adversa y riesgo moral, y la canalización y asignación eficiente de recursos hacia inversiones rentables, los efectos de las diferentes crisis bancarias acontecidas a lo largo de los años, han sobrepasado el ámbito financiero para, de forma inevitable, trasladarse al sector real de la economía.

La literatura previa ha puesto de manifiesto que los efectos negativos de las crisis bancarias sobre la economía real se asocian al canal de crédito. Los problemas de liquidez ante el aumento de morosidad y la necesidad de mantener un capital mínimo regulatorio obligan a las entidades a reducir la oferta de crédito. Como consecuen-cia, las empresas tienen más dificultades para acceder a la financiación externa que precisan para llevar a cabo su inversión y contribuir así al crecimiento económico.

Diversos autores han proporcionado evidencia empírica sobre el impacto de las crisis bancarias en el crecimiento económico que refuerza el papel del crédito como principal canal entre sector financiero y sector real. Kroszner et al. (2007) demues-tran que el efecto negativo de las crisis sobre el crecimiento económico se da de manera particular en aquellos países cuyos sistemas financieros están más desarro-llados. Dell’Ariccia et al. (2008) obtienen un mayor impacto sobre el crecimiento de los sectores industriales que por sus características son más dependientes de fi-nanciación bancaria. Además del canal crediticio, estudios previos también han re-saltado la relevancia del canal de la inversión como mecanismo a partir del cual los efectos más negativos de las crisis bancarias se trasladan al sector real. A partir de una muestra internacional de empresas e industrias, Fernández et al. (2013) observan

PODER DE MERCADO BANCARIO Y CRÉDITO EN EUROPA TRAS LA CRISIS FINANCIERA... 129

que en periodos de crisis financieras, el crecimiento económico es menor debido, tanto a la reducción en la cantidad de fondos prestables, como a los problemas de ca-nalización y asignación eficiente de recursos hacia proyectos de inversión rentables.

Laeven y Valencia (2012) definen el año de inicio de una crisis como aquél en el que se dan signos significativos de desastre financiero en el sistema bancario. Ejem-plos de signos de desastre financiero son las retiradas masivas de depósitos, las pér-didas relevantes por parte de los bancos o las liquidaciones de entidades financieras. Una crisis adquiere la consideración de sistémica en el momento en que se adoptan medidas de intervención política en respuesta a dicha situación. Reino Unido fue el primer país europeo en advertir síntomas de desastre financiero, allá por el 2007, año en el que se desencadena la crisis en Estados Unidos. En el resto de países no se materializó hasta un año más tarde.

El Gráfico 1 muestra la tasa de crecimiento interanual del PIBpc (Producto In-terior Bruto por habitante) de la Unión Europea1 para un periodo de 20 años que incluye la crisis financiera global. Hasta 2007 el PIBpc creció anualmente a tasas comprendidas entre el 0,5 por 100 y cerca del 5 por 100. En el 2008, el PIB per cápita se reduce en un 0,34 por 100. Pero es en el año 2009 cuando el impacto de la crisis sobre el crecimiento económico se hace patente con una caída del PIB per cápita de 5,74 puntos porcentuales.

1 El PIB per cápita de la Unión Europea está calculado como la media del PIB per cápita de los 27 países que la componen.

–6

–4

–2

0

2

4

6

1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

GRÁFICO 1CRECIMIENTO DEL PIBPC EN LA UNIÓN EUROPEA

FUENTE: Elaboración propia a partir de datos del Banco Mundial.


Otros autores han analizado el impacto directo de las crisis bancarias sobre la cantidad de crédito disponible para las empresas. Para una muestra de 6 economías emergentes, Love et al. (2007) obtienen resultados que evidencian una reducción del crédito comercial en los años posteriores a una crisis bancaria. Chava y Purna-nandam (2011) se centran en el shock que experimentó el sistema bancario estadou-nidense durante la crisis rusa de 1998. Sus resultados ponen de manifiesto que los bancos cuya salud financiera se vio más afectada redujeron la cantidad de crédito e incrementaron el precio de los préstamos. En consecuencia, las empresas que confiaban en este tipo de financiación, sufrieron pérdidas elevadas durante ese pe-riodo.

2.2. Crisis financieras y poder de mercado bancario

La cantidad de crédito no es la única característica del mercado bancario en la que se pueden advertir los efectos de los periodos de crisis. El nivel de competencia ban-caria también es susceptible de sufrir cambios durante episodios turbulentos. Desde un punto de vista teórico, el efecto sobre la competencia bancaria no está claro. Por un lado, con objeto de evitar nuevos episodios de crisis, los bancos se comportarían de forma más prudente e invertirían en proyectos menos arriesgados y, por ende, menos rentables. Los menores márgenes les harían perder poder de mercado, con lo que, en términos medios, aumentaría el grado de competencia en el sector. Por otro lado, los procesos de reestructuración bancaria que se suelen dar en épocas de crisis y que incluyen el cierre de entidades, fusiones y adquisiciones de bancos en situación de quiebra inminente, contribuyen a incrementar el poder de mercado de las entidades que logran mantenerse compitiendo en el sector.

Normalmente, como resultado de estas medidas de reestructuración, disminuye el número de bancos en el mercado (Laeven y Valencia, 2008; Wheelock, 2011). Además, los bancos que sobreviven a dichos procesos son los que han sabido hacer frente a los problemas de una manera más eficiente y están en posición de aumentar su cuota de mercado, reducir costes e incrementar márgenes. Si estos bancos con-siguen hacerse con un mayor poder de mercado que antes de la crisis, el nivel de competencia en el sector sería menor.

Los siguientes gráficos (Gráfico 2 y Gráfico 3) muestran una comparativa de la estructura del mercado bancario en la Unión Europea siete años antes de la crisis, en el 2007 y siete años después de la crisis. Las dos primeras medidas muestran el grado de concentración medio del sector a partir de los datos obtenidos para los 27 países de la Unión Europea. Dichas medidas se calculan como el porcentaje de activos que las 5 (en un caso) y las 3 (en el otro) entidades de mayor tamaño acumulan respecto del total de activos del sistema bancario. El grado de concentración bancaria en el 2000 y en el 2007 es bastante similar. Sin embargo, en el 2014 hay una evidente ma-yor concentración con respecto al año de inicio de la crisis, en línea con los procesos de reestructuración bancaria que han tenido lugar en los últimos años.


Las otras dos medidas representan, respectivamente, el poder de mercado y el grado de competencia medios del sector a partir de los datos obtenidos para los 27 países de la Unión Europea. Mayores valores del índice de Lerner indican mayor poder de mercado, mientras que valores más negativos del indicador de Boone in-dican mayor grado de competencia bancaria. En consonancia con el efecto de la reestructuración bancaria, el poder de mercado ha ido en aumento desde la crisis, lo que resulta coherente con la disminución de la competencia, que en el 2014 alcanza niveles similares a los del año 2000.

2535455565758595

Concentración 5 bancos Concentración 3 bancos2000 2007 2014

GRÁFICO 2CONCENTRACIÓN DEL MERCADO BANCARIO


–0,1

–0,2

0,1

0,2

0,3

Índice de Lerner Indicador de Boone2000 2007 2014

0

GRÁFICO 3PODER DE MERCADO Y COMPETENCIA BANCARIA



Siguiendo el mismo razonamiento y utilizando una muestra de 64 países y 67 episodios de crisis bancarias acontecidas entre 1989 y 2007, Cubillas y Suárez (2013) muestran que el nivel de poder de mercado bancario se incrementa tras un episodio de crisis bancaria. Sus resultados ponen de manifiesto que la calidad institucional fomenta el incremento en el poder de mercado bancario, mientras que las regulaciones a las actividades bancarias no tradicionales y las barreras de entrada en el sector, hacen que los incrementos en el poder de mercado sean menos impor-tantes.

3. Competencia bancaria y crédito

El vínculo entre competencia bancaria y oferta de crédito ha sido también objeto de estudio en la literatura. Desde un punto de vista teórico, el hecho de que el acceso al crédito pueda verse afectado por el grado de poder de mercado bancario, depende de las más o menos intensas asimetrías de información. En una hipotética situación de ausencia de asimetrías de información en el mercado bancario, un mayor poder de mercado traería consigo un mayor coste de financiarse con crédito y una menor oferta del mismo (Klein, 1971). Por otro lado, un menor nivel de competencia banca-ria fomenta las relaciones de confianza entre el banco y sus prestatarios (relationship banking), tan necesarias para recabar información fiable y favorecer el acceso a cré-dito en presencia de información asimétrica (Petersen y Rajan, 1994).

La evidencia empírica es mixta cuando se utilizan medidas de concentración como proxies de poder de mercado. A partir de datos de Estados Unidos, Petersen y Rajan (1994, 1995) y Berlin y Mester (1999) muestran que en mercados de crédito menos concentrados, las empresas están sujetas a menores restricciones de financia-ción. Por su parte, D’Auria et al. (1999), para una muestra de empresas italianas, y Degryse y Ongena (2005), para una muestra de empresas belgas, obtienen que un aumento de la concentración bancaria incrementa el coste de financiación bancaria para las empresas. Cetorelli y Gambera (2001) argumentan que la concentración del mercado bancario facilita la creación de relaciones de confianza entre los bancos y las empresas más jóvenes, y que esto explicaría la relación positiva que encuentran entre concentración bancaria y crecimiento económico en aquellos sectores más de-pendientes de financiación externa.

Otros estudios han asociado la relación entre poder de mercado bancario y sumi-nistro de crédito con la facilidad de los bancos para acceder a fuentes alternativas de fondos. Ciertas características individuales a nivel de banco, como el tamaño, la capitalización o la liquidez, determinan sus posibilidades de acceso a los mercados financieros. Asimismo, el poder de mercado podría ser un factor explicativo de las alternativas de inversión y financiación que tiene ante sí una entidad bancaria. Cabe esperar que aquellos bancos con un mayor poder de mercado tengan más facilidad para acceder a los mercados financieros en busca de nuevas formas de inversión y fi-nanciación. En consecuencia, estos bancos son más capaces de financiar la actividad


crediticia y de compensar pérdidas procedentes de préstamos fallidos o reducciones transitorias de sus márgenes financieros.

Algunos autores han analizado la influencia de la competencia bancaria sobre la oferta de crédito después de un cambio en la política monetaria. Adams y Amel (2005) analizan si la estructura del sector bancario, medida a través del índice Her-findahl, afectó al suministro de crédito bancario a las pequeñas empresas estadouni-denses durante el periodo 1996-2002. Sus resultados muestran que la concentración del mercado bancario supone un obstáculo a la transmisión de la política monetaria. Olivero et al. (2011a, b) estudian cómo afecta la competencia bancaria a la transmi-sión de la política monetaria vía crédito en los países en desarrollo de Asia y Lati-noamérica entre 1996 y 2006. Sus resultados son opuestos dependiendo de la medida de competencia utilizada. Con datos de Europa y Estados Unidos y para el periodo 1997-2010, Brissimis y Delis (2010) proporcionan evidencia sobre la respuesta de los bancos a un cambio en la política monetaria en función de su poder de mercado, que miden utilizando el estadístico de Rosse-Panzar. Brissimis et al. (2012) estudian el impacto del poder de mercado, medido a través del índice de Lerner y el indicador de Boone, en la reacción de los bancos a la hora de conceder crédito y asumir riesgos tras un cambio en la política monetaria. Utilizando una muestra de bancos de 12 paí-ses europeos y Estados Unidos, analizados para el periodo 1997-2010, sus resultados indican que la competencia bancaria favorece la transmisión de la política monetaria a través del crédito. Este y otros estudios recientes han considerado examinar un periodo de análisis que incluye la crisis financiera global, lo que permite comparar el efecto de la competencia bancaria sobre la oferta de crédito en tiempos de estabilidad y en tiempos de crisis (Gambacorta y Marques-Ibanez, 2011; Fungáčová et al., 2014; Leroy, 2014).

4. Oferta de crédito tras la crisis global en función del poder de mercado bancario

Teniendo en cuenta que los periodos de crisis tienen efectos sobre la estructura de mercado del sector bancario y que es posible establecer un vínculo entre esta y el volumen de fondos que los bancos están dispuestos a prestar, parece lógico que cambios en el nivel de competencia bancaria, ocurridos como consecuencia de una crisis, puedan modificar el impacto negativo que esta tiene sobre la oferta de crédito.

Si una crisis trae consigo procesos de reestructuración bancaria que reducen el número de bancos operando en el sector, y como consecuencia, el nivel de compe-tencia del mismo, algunas de las entidades que sobreviven a estos procesos disfruta-rán de un mayor poder de mercado. Estas se podrán permitir una menor reducción de su actividad crediticia al tener más fácil acceso a los mercados de capital en busca, tanto de recursos para financiarla, como de nuevas formas de inversión que permi-tan compensar reducciones transitorias de sus márgenes financieros. Por tanto, cabe esperar que aquellos bancos que experimenten un mayor incremento de su poder


de mercado durante una crisis, no reduzcan tanto como otros bancos la cantidad de crédito disponible para prestar.

El incremento en el poder de mercado medio de los bancos podría diferir de unos países a otros. Cabe pensar que las fusiones y adquisiciones bancarias sean más factibles en aquellos países donde la situación económica no se ve tan severamente afectada por la crisis y los gobiernos estén en mejor posición de contribuir al buen término de dichos procesos de integración. Laeven y Valencia (2012) proponen va-rias medidas de severidad de la crisis. Una de ellas consiste en computar la reducción relativa que tiene lugar en el PIB del país respecto a la tendencia de crecimiento ob-servada hasta el año antes de la crisis. Atendiendo a esta medida de severidad, en el Gráfico 4 se observa que en los sectores bancarios de los países que experimentaron menores reducciones del PIB2, aumentó el poder de mercado medio3.

La influencia de la competencia bancaria en el impacto de la crisis sobre la oferta de crédito podría estar condicionada por la calidad del entorno legal e institucional. La literatura de Law and Finance proporciona importante evidencia empírica sobre la contribución del marco legal e institucional al desarrollo financiero, que a su vez favorece el crecimiento económico al permitir un mayor acceso a financiación ex-terna por parte de las empresas (La Porta et al., 1998; Rajan y Zingales, 1998). En

2 Alemania, Austria, Bélgica, Francia y Países Bajos son los 5 países (de los 17 de la Unión Europea para los que está disponible el dato de la medida de severidad propuesta por Laeven y Valencia, 2012) que experimentaron una menor reducción del PIB en relación con la tendencia de crecimiento observada hasta el año antes de la crisis.

3 Medido a través del Índice de Lerner.

00,020,040,060,08

0,10,120,140,160,180,2

Alemania Austria Bélgica Francia Países Bajos

2007 2012


GRÁFICO 4PODER DE MERCADO MEDIO DE LOS BANCOS DEL PAÍS


particular, una mayor protección de los derechos de propiedad está positivamente relacionado con el uso de fondos externos y una mayor protección de los derechos de los acreedores favorece la disponibilidad de recursos vía deuda para las empresas (La Porta et al., 1998, 2000; Demirgüç-Kunt y Maksimovic, 1999). El papel de la competencia como potencial atenuante del impacto negativo de la crisis sobre la cantidad de dinero que los bancos están dispuestos a prestar, podría ser más deter-minante en países con menor calidad institucional. Asimismo, el diferente grado de exigencia en el cumplimiento de los requerimientos de regulación bancaria también podría afectar a los cambios de estructura de mercado después de una crisis bancaria y por ende, a la cantidad de fondos prestados por los bancos. Todos estos aspectos serán contrastados a través del análisis empírico descrito en la siguiente sección.

5. Análisis empírico

5.1. Muestra

La base de datos empleada para llevar a cabo el contraste empírico contiene in-formación económico-financiera a nivel individual para una muestra total de 610 bancos de 16 países de la Unión Europea. La información a nivel de banco procede de BankScope Database4. Siempre que ha resultado posible, se ha optado por la se-lección de información económico-financiera procedente de los estados financieros consolidados. Los valores de todas las variables relevantes para el estudio empírico se encuentran expresados en dólares americanos.

A fin de examinar el impacto de la crisis financiera global sobre el poder de mer-cado bancario y el crecimiento de los préstamos en Europa, el periodo muestral se-leccionado abarca los años 1996 a 2012. La consideración de dicho periodo permite disponer de un periodo de precrisis (1996-2007) y un periodo de crisis (2008-2012) suficientemente amplio y válido para poder comparar la evolución de las variables de interés en torno al periodo de crisis financiera.

Además de la información sobre variables a nivel de entidad bancaria, se han obtenido datos referentes a variables macroeconómicas, a la calidad de las insti-tuciones, a la estructura del mercado bancario y a la regulación del sector. Esta in-formación se ha obtenido de diversas fuentes, tales como bases de datos del Fondo Monetario Internacional, del Banco Mundial o de la Fundación Heritage. La medida de severidad de la crisis ha sido obtenida de la base de datos de Laeven y Valencia (2012)5. Con todo, la muestra final se compone de un panel incompleto de datos con un máximo de 4.932 observaciones a nivel de banco en un periodo de 17 años (1996-2012). En el Panel A del Cuadro 1, se muestra el listado de países finalmente

4 BankScope, de Bureau van Dijk, ha sido hasta el 1 de enero de 2017 la más amplia base de datos sobre información bancaria. Contiene información detallada de 32.000 bancos de todo el mundo.

5 Estos autores proporcionan información sobre 147 crisis bancarias acontecidas en todo el mundo entre 1970 y 2011.


considerado en el estudio empírico, así como el número de entidades bancarias y observaciones por país.

5.2. Metodología

Dado que la crisis financiera global 2007/2008 ha podido afectar, tanto al nivel de competencia en el mercado bancario, como a la tasa de crecimiento de los prés-tamos, la metodología empírica empleada debe considerar la potencial dependencia simultánea del poder de mercado y del crecimiento de los préstamos respecto del episodio de crisis. También requiere el desarrollo de un modelo en dos etapas con la finalidad de tener en cuenta la posible endogeneidad entre el grado de competencia del mercado bancario y el crecimiento de la oferta crediticia. A fin de controlar am-bas cuestiones, se combina un procedimiento 2SLS con estimaciones GMM (método generalizado de los momentos). La metodología GMM está específicamente diseña-da para tratar tres aspectos econométricos de especial relevancia: (i) la presencia no observada de efectos específicos a nivel de banco, problema que se elimina al tomar primeras diferencias de las variables explicativas a nivel de entidad; (ii) la naturaleza dinámica tanto del poder de mercado como del crecimiento de los préstamos, aspec-to que se considera al tomar valores retardados de la variables dependientes; y (iii) la posible endogeneidad a la que se pueden ver expuestas las variables explicativas, para lo cual se emplean valores retardados de las mismas como instrumentos.

El modelo básico pretende explicar cuál ha sido el efecto de la crisis financiera global sobre el crecimiento en los préstamos bancarios. El análisis efectuado permite examinar cuál ha sido el impacto directo de la crisis sobre la variación de los prés-tamos y cuál ha sido el papel desempeñado por el poder de mercado bancario en la explicación del efecto que el episodio de inestabilidad financiera ha tenido sobre el crecimiento de la oferta crediticia. La ecuación básica a estimar es la siguiente:

∆PRÉSTAMOSi,j,t

= β0+ β1 ∆PRÉSTAMOSi, j,t–1 + β2 LERNERi,j,t + β3CRISISj,t+ β4 SEVERIDADj,t + β5 CRISISj,t * SEVERIDADj,t + β6BANCOi,j,t

+ β7MACROj,t + φj,t + μi+ εi,j,t [1]

donde i, j, t se refieren al banco, país y año, respectivamente. La variable dependiente ∆PRÉSTAMOSijt mide la tasa de variación anual del total de préstamos bancarios. El índice de Lerner (LERNERijt) aproxima el grado de poder de mercado bancario y se relaciona negativamente con el nivel de competencia. En la primera etapa del modelo se calculan los valores pronosticados del índice de Lerner mediante una estimación GMM en la que los valores observados de dicho índice constituyen la variable de-pendiente. Los valores pronosticados de LERNER, obtenidos en esta primera etapa, se emplean en la segunda etapa como variables explicativas de la tasa de variación


de los préstamos bancarios (modelo [1]). CRISISjt es una variable dummy que toma valor 1 en los años de crisis financiera, y valor 0 en otro caso. SEVERIDADjt recoge la reducción relativa en el PIB de un país respecto a la tendencia de crecimiento observada hasta el año antes de la crisis financiera. El término de interacción CRISISjt * SEVERIDADjt indica el impacto de la crisis sobre el poder de mercado bancario en países donde el episodio de inestabilidad financiera ha sido más severo y, donde, por ende, su efecto en el poder de mercado puede haber sido diferente.

Adicionalmente, se incluye en las estimaciones un vector de variables de control tanto a nivel de banco (BANCOijt) como a nivel de país (MACROjt). Siguiendo a Fungáčová et al. (2014) y Leroy (2014), como variables de control a nivel de banco se incluyen: el tamaño, la liquidez, el capital, la Z-score, la proporción de ingresos por no intereses sobre el total de ingresos y una medida inversa al nivel de eficiencia bancaria. Como controles a nivel de país, se incluyen la tasa de crecimiento del PIB per cápita y el grado de concentración en el mercado bancario. Finalmente, φjt es un factor fijo que específicamente considera el efecto país-año con el fin de controlar por la existencia de características que son específicas a cada país en un año en par-ticular. Este control permite capturar cualquier posible efecto no observado que sea común a todas las entidades bancarias en un país y en un año determinado y que no se haya incluido de manera específica en la regresión. Por ejemplo, la inclusión de φjt permitiría considerar la existencia de diferencias en la cobertura de información pro-porcionada por BankScope Database, que es más limitada en los primeros años del periodo muestral. μi es el efecto específico a nivel de banco que se asume constante para cada banco i a lo largo de cada periodo t. εijt es el término de error.

El planteamiento 2SLS nos permite aislar dos efectos diferentes del episodio de crisis financiera global sobre la ecuación explicativa de la tasa de variación de los préstamos. El coeficiente β2 indicaría en qué medida la crisis afecta al crecimiento de los préstamos bancarios como consecuencia de cambios en el poder de mercado de las entidades bancarias. β3 capturaría el efecto directo del periodo de crisis finan-ciera sobre la tasa de variación de los préstamos, independientemente de los cambios acontecidos en las instituciones financieras en términos de poder de mercado.

En la primera etapa, como variables explicativas del poder de mercado, se inclu-yen todas las referenciadas en el modelo [1]. Con el fin de controlar por el posible problema de endogeneidad del índice de Lerner, se incluyen adicionalmente en la regresión, a modo de instrumentos: (i) la variable KAOPEN, como medida de aper-tura de la cuenta de capital. Se trata de un índice de liberalización financiera desarro-llado por Chinn e Ito (2008) y que estos autores han actualizado recientemente hasta 2014. Mayores valores del índice implican mayor apertura del país a transacciones transfronterizas de capital; (ii) el nivel de pérdidas de PIB asociadas al episodio de crisis en cada país (SEVERIDAD), obtenido de la base de datos de Laeven y Valen-cia (2012); y (iii) el valor retardado del índice de Lerner, calculado a partir de datos individuales de cada banco procedentes de BankScope Database.

Para comprobar la validez de estas variables como instrumentos del índice de Ler-ner es preciso corroborar que solo afectan a la variable dependiente de la segunda


etapa (∆PRÉSTAMOS) a través de su impacto en la dependiente de la primera de las ecuaciones (LERNER). Desde un punto de vista económico, es sabido que la presencia de capital público en la estructura de propiedad de las entidades bancarias reduce el nivel de competencia en el sector. En este sentido, los estudios que se han centrado en el vínculo entre la liberalización financiera y el riesgo bancario eviden-cian incrementos en el nivel de competencia tras episodios de liberalización, enten-diéndose este como un canal a través del cual la estabilidad bancaria puede verse afectada (Keeley, 1990; Hellmann et al., 2000; Repullo, 2004; Cubillas y González, 2014). Cabe esperar entonces que el grado de liberalización financiera, aproximado por la variable KAOPEN, reduzca el poder de mercado bancario. Respecto al efecto del grado de severidad de la crisis financiera sobre el índice de Lerner, se espera que en aquellos países menos castigados por la crisis los gobiernos sean más capaces de contribuir al buen término de los procesos de integración bancaria y por tanto, el incremento en el poder de mercado medio sea mayor.

Además de los argumentos de carácter económico, la selección apropiada de los instrumentos requiere el cumplimiento de condiciones de tipo econométrico: los ins-trumentos deben estar estadísticamente correlacionados con la variable considerada como endógena y ser válidos, implicando su condición de ortogonalidad respecto de los residuos de la estimación. En primer término, es preciso comprobar la validez conjunta de los instrumentos seleccionados a través del test de Wald. La significativi-dad de este test sería un indicador de que los instrumentos (KAOPEN, SEVERIDAD y LERNERt–1) son conjuntamente relevantes en la explicación del índice de Lerner. En segundo lugar, se emplea el test de sobreidentificación de restricciones de Hansen, que proporciona información sobre la validez de los instrumentos seleccionados. En concreto, el test debería confirmar la ausencia de correlación entre los instrumentos seleccionados y el término de error del modelo. También se considera relevante la necesidad de examinar la ausencia de correlación serial de segundo orden en los re-siduos de las primeras diferencias (m2). La ausencia de correlación serial de segundo orden indicaría que el modelo se encuentra, econométricamente, bien especificado.

El modelo econométrico básico representado en la ecuación [1] se extiende con el objetivo de examinar si las características definitorias del marco institucional de cada país y de la regulación bancaria pueden afectar a las relaciones existentes entre la crisis financiera, el poder de mercado bancario y la oferta crediticia. El modelo extendido se basa en la definición de submuestras en torno al valor mediano de cada una de las variables características del marco institucional y regulatorio. En concreto, las variables examinadas serán: el índice KKZ (Kaufman et al., 2009) ob-tenido como una media de los indicadores de gobernanza mundial proporcionados por el Banco Mundial; el índice de libertad económica Economic Freedom publicado anualmente por la Fundación Heritage; un indicador sobre regulación de capital y otro sobre el grado de restricciones legales a las actividades bancarias no tradiciona-les (Barth et al., 2008).


5.3. Variables

5.3.1. Crisis financiera, poder de mercado, crecimiento de los préstamos

La variable CRISIS se define como una variable cualitativa que toma valor 1 para los años 2008-20126, y 0 en otro caso. Esta variable dummy permite identificar cuál es el efecto diferencial del poder de mercado bancario y de la oferta crediticia cuando se comparan el periodo previo al inicio de la crisis, con el periodo de crisis financiera.

Como medida del poder de mercado bancario se emplea el índice de Lerner (LERNER), variable ampliamente utilizada en la literatura más reciente sobre com-petencia en el sector bancario (Beck et al., 2013; Cubillas y Suárez, 2013; Cubillas y González, 2014, entre otros). Esta medida se define como la diferencia entre el pre-cio (tasa de interés) y el coste marginal, expresada como un porcentaje del precio7. Se asume, por tanto, que la diferencia existente entre el precio y el coste marginal es la esencia del poder de monopolio. El índice de Lerner toma valor 0 en situación de competencia perfecta, y valor igual a 1 en el caso de una situación de monopolio perfecto. Finalmente, como medida de variación de la oferta de crédito, empleamos la tasa anual de crecimiento de los préstamos bancarios.

5.3.2. Variables de control

Actuando como controles, se incluyen dos vectores de variables. El primero de ellos, compuesto por un conjunto de variables de control definitorias de caracterís-ticas propias de las entidades bancarias. El segundo vector se compone de variables de control a nivel macroeconómico. Entre los controles a nivel de entidad, se inclu-yen: el tamaño de los activos (TAMAÑO), el ratio de liquidez (LIQUIDEZ), el ratio de capital de la entidad (CAPITAL), el nivel de riesgo, aproximado por la Z-Score (ZSCORE), la proporción de ingresos por no intereses sobre el total de ingresos (INGRESOS NO INT.), y una medida inversa de eficiencia aproximada por la pro-porción que representan los gastos no financieros sobre el total de activos bancarios (INEFICIENCIA).

El tamaño y los ratios de liquidez y capital son tres características propias de las entidades bancarias que se encuentran estrechamente relacionadas con el comporta-miento del banco como prestamista, en tanto que se trata de rasgos especialmente relevantes para determinar el acceso de los bancos a los mercados financieros y, por tanto, pueden influenciar de manera directa la cantidad de crédito disponible para

6 Siguiendo la información proporcionada por LAEVEN y VALENCIA (2012), se considera 2008 como el año de inicio de la crisis en todos los países de la muestra salvo en Reino Unido, donde se considera que el inicio de la crisis fue en 2007.

7 El cálculo del índice de Lerner a nivel de banco se basa en el procedimiento llevado a cabo por MAU-DOS y FERNÁNDEZ DE GUEVARA (2004).


prestar (Kashyap y Stein, 2000; Kishan y Opiela, 2000; Altunbas et al., 2002; Van den Heuvel, 2002; Ehrmann et al., 2003; Gambarcorta, 2005; Altunbas et al., 2009; Fungáčová et al., 2014; Leroy, 2014). TAMAÑO se define como el logaritmo natural del total de activos bancarios. LIQUIDEZ se calcula como la proporción de activos líquidos sobre el total de activos. CAPITAL es la proporción de fondos propios de la entidad sobre el total de activos. En el caso de bancos pequeños, poco líquidos y poco capitalizados cabría esperar mayores dificultades para mantener la oferta de crédito, en tanto que la compensación de pérdidas procedentes de préstamos fallidos con ganancias derivadas del acceso a los mercados de capitales y otras fuentes de financiación se presupone más complicada en el caso de dichas entidades.

Además de las características anteriormente mencionadas, se introducen en el análisis otras variables de control a nivel de banco (Altunbas et al., 2010). En tanto que el riesgo bancario ha sido un factor clave en la literatura previa para definir los efectos de los shocks monetarios en la oferta crediticia, se considera la Z-Score como medida inversamente relacionada con el nivel de riesgo de las entidades. El argumento que subyace a la inclusión de dicha variable se relaciona con la capacidad que los bancos con menores niveles de riesgo tienen para acceder a refinanciaciones en el mercado y hacer frente al impacto más negativo de cualquier tipo de shock. La Z-Score se define como la tasa de retorno de los activos más la ratio del capital sobre los activos y dividido todo ello por la desviación estándar de la tasa de retorno de los activos8. Laeven y Levine (2009) y Hadad et al. (2011), entre otros, emplean la Z-Score como medida del riesgo de insolvencia bancaria. La proporción de ingresos por no intereses sobre el total de ingresos bancarios (INGRESOS NO INT.) puede ser otro factor adicional que afecta al impacto de la crisis sobre la oferta de crédito. Loutskina y Strahan (2009), Altunbas et al. (2009), y Gambacorta y Marques-Ibañez (2011) muestran cómo las actividades de titulización reducen la efectividad de los shocks monetarios. Finalmente, como medida de eficiencia, se incluye el ratio en-tre los gastos no financieros9 sobre el total de activos del banco (INEFICIENCIA). Diferencias observadas en esta variable pueden capturar divergencias en el nivel de empleo o de salarios entre entidades financieras, así como aspectos relacionados con la definición del producto bancario y la calidad del servicio. Mayores valores de esta variable se atribuyen, por tanto, menores niveles de eficiencia.

En lo referente a las variables de control a nivel de país, se incluyen la tasa de variación anual del PIBpc y el nivel de concentración del mercado bancario, definido como el ratio entre los activos de los tres mayores bancos sobre el total de activos del sector bancario de cada país. Un aspecto crucial a la hora de determinar el impacto de la crisis financiera sobre el volumen de fondos es el que tiene que ver con la distin-ción entre un posible efecto demanda y el efecto oferta. Un episodio de inestabilidad financiera afecta a la estructura de balance de las entidades bancarias, provocando

8 Para estimar las desviaciones estándar de la rentabilidad de los activos de cada institución bancaria se emplea una ventana móvil de 5 años.

9 Gastos de personal y otros gastos no relacionados con los pagos de intereses.


cambios tanto por el lado de la oferta, como por el lado de la demanda de préstamos. Durante periodos de crisis, la inversión corporativa se reduce, como consecuencia de las dificultades financieras de las empresas y la ausencia de oportunidades de inver-sión rentables. Por tanto, el efecto negativo de la crisis debido a cambios en oferta crediticia y el impacto negativo de la crisis como consecuencia de alteraciones en la demanda de fondos prestables, pueden aparecer de manera simultánea, dificultando así el análisis empírico. Por esta razón, tomando como referencia a Kashyap y Stein (1995), la literatura empírica ha optado por el uso de datos desagregados a nivel de banco a la hora de examinar los efectos reales de las crisis bancarias. Estos autores asumen que los bancos afrontan una demanda de préstamos homogénea para todas las entidades. De este modo, si se aprecian cambios entre entidades bancarias en lo que a su actividad crediticia se refiere, solo puede ser debido al hecho de que los di-ferentes tipos de bancos ajustan su oferta de fondos de manera diferente. El supues-to de demanda homogénea de préstamos se podría relajar si fuese posible emplear información a nivel individual de cada préstamo (Khwaja y Mian, 2008; Jiménez et al., 2012) En tanto que en el presente estudio no ha sido posible disponer de esta información, además del supuesto sobre demanda homogénea de fondos prestables, se incluye la tasa anual de crecimiento del PIB per cápita (ΔPIBpc) como variable de índole macroeconómica que pueda recoger, en parte, la variación de la demanda de crédito durante el periodo muestral examinado. Este es un procedimiento similar al argumentado recientemente en el trabajo de Leroy (2014), en el cual se examina cuál es la reacción de los bancos ante medidas de política monetaria del Banco Cen-tral Europeo, considerando, para ello, características individuales de las entidades bancarias y, en particular, su nivel de poder de mercado.

En el Cuadro 1 se presentan, por país, los valores medios de las principales va-riables analizadas en este estudio, así como sus principales estadísticos globales y la matriz de correlaciones. En el Cuadro 2 se muestra la matriz de correlaciones.

5.3.3. Calidad institucional y regulación bancaria

Si bien es cierto que el entorno europeo se caracteriza por un nivel de calidad ins-titucional y regulatorio cuasi-homogéneo, persisten diferencias entre países basadas en el grado de orientación hacia la financiación de mercado o hacia la financiación bancaria las cuales se remontan a los propios orígenes legales (continental contra anglosajón) de cada país. Es por ello que, siguiendo la literatura Law and Finance, resulta relevante examinar si el impacto de la crisis financiera global sobre la dispo-nibilidad de fondos prestables ha sido homogéneo en toda la muestra de países estu-diados o se presentan diferencias dependiendo del marco institucional y regulatorio.

Como variables de carácter institucional se utiliza el índice KKZ y el índice de libertad económica Economic Freedom (LIBECO). Según Kaufman et al. (2009), la variable KKZ se calcula como el valor medio de seis indicadores de buen gobierno de los países que son proporcionados por el Banco Mundial: responsabilidad y


CUADRO 1ESTADÍSTICOS DESCRIPTIVOS

País Bancos OBS. Lerner ΔPréstamos Tamaño LiquidezAlemania 95 820 0,0980 0,0937 14,1617 0,3320Austria 48 382 0,1082 0,0736 14,0685 0,2736Bélgica 158 17 0,1018 0,1213 15,6994 0,3972Dinamarca 37 405 0,2103 0.1238 13,9292 0,1732Eslovenia 14 144 0,0647 0,1723 14,4797 0,2334España 37 272 0,1122 0,1623 15,1484 0,3127Francia 100 812 0,1482 0,0604 14,8236 0,2833Grecia 14 99 0,0549 0,2622 16,1288 0,2435Holanda 22 166 0,1247 0,1660 15,4836 0,2748Hungría 19 133 0,0739 0,1847 14,9761 0,2173Irlanda 9 60 0,2218 0,1217 17,4825 0,2286Italia 68 602 0,1875 0,1419 15,1888 0,2664Letonia 20 109 0,2618 0,2876 13,3746 0,3713Portugal 15 133 0,1052 0,1944 15,1136 0,2548Reino Unido 77 499 0,1544 0,1389 14,7717 0,3979Suecia 18 138 0,1390 0,0939 14,8450 0,1308Media 0,1387 0,1222 14,7181 0,2883Mediana 0,1337 0,0781 14,4668 0,2273Desviación típica 0,0014 0,3165 1,9114 0,2164Mínimo 0 -0,7228 9,3410 0,0086Máximo 0,4878 3,6316 19,7807 0,9317

País Capital Z-Score Ing. no int. Ineficiencia ΔPIBPC ConcentraciónAlemania 0,0991 1,2395 0,2359 0,0302 0,0130 0,4973Austria 0,1013 1,1961 0,2753 0,0305 0,0145 0,4713Bélgica 0,0619 1,0248 0,1885 0,0235 0,0148 0,5469Dinamarca 0,1108 1,1585 0.1897 0,0336 0,0093 0,3754Eslovenia 0,0913 1,1080 0,1729 0,0260 0,0275 0,7767España 0,1016 1,2238 0,2599 0,0261 0,0180 0,6639Francia 0,0830 1,1411 0,2520 0,0330 0,0117 0,2790Grecia 0,0909 0,6371 0,1058 0,0263 0,0084 0,9811Holanda 0,0859 1,2289 0,1498 0,0168 0,0160 0,8509Hungría 0,1015 1,0104 0,1717 0,0503 0,0264 0,7207Irlanda 0,0918 1,1651 0,1644 0,0135 0,0331 0,8902Italia 0,0934 1,2913 0,2461 0,0281 0,0029 0,5201Letonia 0,1190 0,7518 0,2404 0,0349 0,0591 0,8985Portugal 0,1107 1,1033 0,2997 0,0232 0,0110 0,7935Reino Unido 0,1232 1,1832 0,1852 0,0319 0,0147 0,4808Suecia 0,1107 1,2842 0,2465 0,0275 0,0178 0,5173Media 0,0985 1,1696 0,2259 0,0299 0,0140 0,9877Mediana 0,0774 1,2079 0,2047 0,0245 0,0167 0,4852Desviación típica 0,0826 0,4743 0,2065 0,0284 2,6861 0,2191Mínimo 0,0098 –1,5519 -0,6093 0,0013 –0,1292 0,2052Máximo 0,7991 3,9983 0,9345 0,3730 0,1293 1

NOTA: Definición variables. LERNER: índice de Lerner de poder de mercado; ∆PRÉSTAMOS: tasa de variación anual de los préstamos bancarios; TAMAÑO: logaritmo natural del total de activos; LIQUIDEZ: ratio entre activos más líquidos y total de activos bancarios; CAPITAL: proporción de fondos propios sobre el total de activos; Z-SCORE: nivel de estabilidad de la entidad; ING. NO INT.: porcentaje de ingresos obtenidos por actividad no tradicional respecto al total de ingresos; INEFICIENCIA: ratio entre gastos no financieros sobre total de activos; ∆PIBpc: tasa de variación anual del PIB per cápita; CONCENTRACIÓN: porcentaje de los activos de los tres mayores bancos del país sobre total de activos del sector bancario.


CU

AD

RO

2

MAT

RIZ

DE

CO

RR

ELA

CIO

NES

Lern

erΔ

Prés

tam

osTa

mañ

oLi

quid

ezC

apita

lZ-

Scor

eIn

gres

os n

o in

tere

ses

Inefi

cien

cia

ΔPI

Bpc

Con

cen-

trac

ión

Lern

er1,

0000

ΔPré

stam

os0.

0911

***

1,00

00

Tam

año

0,06

64**

*0,

0076

1,00

00

Liqu

idez

–0,0

265*

0,03

55**

–0,1

382*

**1,

0000

Cap

ital

0,15

21**

*–0

,009

3–0

,408

5***

0,04

64**

*1,

0000

Z–Sc

ore

0,20

88**

*–0

,057

4***

–0,0

469*

**–0

,044

9***

0,15

34**

*1,

0000

Ingr

esos

no

int.

0,17

94**

*0,

0737

***

–0,1

734*

**0,

1735

***

0,19

45**

*–0

,117

6***

1,00

00

Inefi

cien

cia

–0,0

899*

**–0

,004

6–0

,327

5***

–0,0

608*

**0,

3181

***

–0,2

063*

**0,

4599

1,00

00

ΔPIB

pc0,

1584

***

0,12

10**

*–0

,061

3***

0,09

58**

*0,

0137

–0,0

599*

**0,

1936

0,05

46**

*1,

0000

Con

cent

raci

ón–0

,055

4***

0,10

39**

*0,

0235

*0,

0235

*0,

0199

–0,1

105*

**–0

,045

0–0

,052

4***

0,18

23**

*1,

0000

NO

TAS:

(1) C

orre

laci

ones

de

las p

rinci

pale

s var

iabl

es e

mpl

eada

s en

el e

stud

io (v

éase

Cua

dro

1 pa

ra la

defi

nici

ón d

e la

s var

iabl

es).

(2) *

**, *

* y *

indi

can

signi

ficat

ivid

ad e

stad

ístic

a al

1 p

or 1

00, 5

po

r 100

y 1

0 po

r 100

, res

pect

ivam

ente

.


rendición de cuentas, estabilidad política, ausencia de violencia, efectividad del go-bierno, calidad regulatoria, eficiencia legal y control de la corrupción. En términos teóricos, este índice puede variar entre –2,5 y 2,5. Mayores valores de esta variable indican un mayor desarrollo de la estructura institucional del país.

La segunda medida de calidad institucional es el índice de libertad económica (LIBECO) proporcionado por la Fundación Heritage. Este índice puede variar, teó-ricamente, entre 0 y 100. Mayores valores de esta variable indican un mayor grado de libertad económica. Trabajos como Demirgüc-Kunt et al. (2004) y Beck et al. (2006), entre otros, utilizan estas variables para propósitos de estudio similares a los expuestos en el presente artículo.

En lo que respecta a las variables de regulación bancaria consideradas, son dos: (1) la regulación sobre el capital bancario y (2) el nivel de restricciones legales a las actividades bancarias no tradicionales. En lo referente a la medida de capital, el índi-ce considerado mide el nivel de exigencia legal en el cumplimiento de los requisitos sobre el capital bancario (REGCAPITAL). Mayores valores de este índice, que, en teoría, podría variar de un valor mínimo de 0 y un máximo de 3, indican un mayor nivel de exigencia en el cumplimiento de los requisitos sobre regulación de capital.

Respecto a la regulación sobre actividades bancarias no tradicionales (ACTIVI-DADES), se trata de una medida global que indica el grado de restricciones legales a las actividades bancarias no tradicionales (capital mobiliario, inmobiliario, sector de seguros y propiedad de empresas no financieras). Este índice señala si las actividades bancarias no tradicionales se encuentran: (1) no restringidas, (2) permitidas, (3) res-tringidas, (4) prohibidas. Teóricamente, este índice puede variar entre 1 y 16, donde mayores valores indican mayor grado de restricciones legales a las actividades ban-carias consideradas como no tradicionales. Ambas medidas de regulación proceden de la base de datos Bank Regulation and Supervision Database, elaborada por Barth et al. (2008) y editada por el Banco Mundial10.

6. Resultados

6.1. Crisis, poder de mercado y crecimiento de los préstamos

El Cuadro 3 presenta los principales resultados sobre cómo la reciente crisis financiera ha afectado a la cantidad de crédito que los bancos europeos están dispuestos a prestar. Por un lado, se tiene en consideración el impacto global de la crisis sobre la oferta de crédito y, por otro, el efecto que específicamente tiene lugar a través de los cambios que se han producido en el poder de mercado de las entidades.

10 Se consideran los valores medios del periodo de precrisis para las variables institucionales y regulato-rias, con la finalidad de evitar posibles problemas de endogeneidad en las estimaciones.


CUADRO 3CRISIS, PODER DE MERCADO Y CRECIMIENTO DE LOS PRÉSTAMOS

PANEL A PANEL B

(1)LERNER

(2)∆ PRÉSTAMOS

(3)∆ PRÉSTAMOS

(4)∆ PRÉSTAMOS

PRE-CRISIS

(5)∆ PRÉSTAMOS

CRISIS

LERNERT–1 0,4195***(4,79)

– – – –

PRÉSTAMOST–1 0,00007(0,99)

0,5521*(1,78)

0,0981**(2,22)

0,1578(1,37)

0,2787**(2,34)

TAMAÑO 0,00008(0,55)

–0,0537(–0,99)

–0,0181(–0,19)

0,0646(1,18)

0,1619(1,12)

LIQUIDEZ –0,0004(–0,42)

–0,1599(–0,41)

–0,2924(–0,66)

0,0134(0,05)

0,7466(1,37)

CAPITAL 0,0051(1,36)

–0,6021(–0,26)

0,2117(0,16)

–0,9764(–1,08)

3,6677(1,31)

Z–SCORE 0,00001(0,05)

–0,0396(–0,35)

–0,0265(–0,14)

0,1272*(1,92)

–0,0730(–0,70)

INGRESOS NO INT. 0,0041**(2,34)

–0,7191(–1,40)

–1,4862*(–1,89)

–0,3692(–0,73)

0,5904***(3,98)

INEFICIENCIA –0,0503***(–2,99)

2,7938(0,36)

10,1878**(2,12)

–1,9286(–0,28)

–3,0103(–1,61)

CRISIS 0,0004*(1,74)

–0,0985*(–1,91)

–0,3117***(–4,20)

– –

SEVERIDAD –0,00002(–1,20)

– – – –

CRISIS * SEVERIDAD –0,00002**(–2,06)

–0,0043**(–2,41)

0,0039(1,30)

– –

LERNER – 0,2891(0,41)

– 0,1760(0,29)

0,5838**(2,52)

LERNERp – – 1,7903**(2,19)

– –

KAOPEN –0,0049**(–2,00)

– – – –

ΔPIBPC 0,00001(0,64)

–0,0106(–1,62)

–0,0075(–0,73)

0,0171**(2,25)

–0,0141***(–3,08)

Concentración 0,0001(0,28)

0,0590(0,87)

0,1539**(2,13)

–0,0127(–0,25)

0,0206(0,29)

País-Año Sí Sí Sí Sí Sí

AR1 –5,79*** –2,75*** –7,10*** –3,89*** –4,32***

AR2 –0,58 1,64 0,85 1,28 0,92

Test de Hansen 23,06(17) 3,73(8) 10,81(8) 23,97(20) 18,20(16)

Test de Wald Primera Etapa 33,84*** – – – –

Test de Wald 535,49*** 103,31*** 86,05*** 69,05*** 189,67***

Test DWH – – 5,03** – –

N.º de observaciones 4.932 4.932 4.932 3.718 1.214

N.º de bancos 610 610 610 588 461

NOTAS: (1) Resultados obtenidos para el análisis del efecto de la crisis financiera global sobre: 1) índice de poder de mercado bancario; 2) crecimiento de los préstamos; 3) crecimiento de los préstamos a través del efecto de la crisis sobre el nivel de competencia bancaria. Las columnas 4) y 5) muestran los datos obtenidos para el efecto del poder de mercado bancario sobre el creci-miento de los préstamos en el periodo previo a la crisis y en los años de crisis. El periodo muestral comprende los años 1996-2012. (2) ***, ** y * indican significatividad estadística al 1 por 100, 5 por 100 y 10 por 100, respectivamente.


Los valores no significativos del test de Hansen resultantes de aplicar el esti-mador GMM en sistemas confirman la validez de los instrumentos en todas las estimaciones. La hipótesis de ausencia de correlación serial de segundo orden en las primeras diferencias de los residuos no es rechazada y corrobora la consistencia de esta metodología en todas las estimaciones.

La columna (1) muestra los resultados de la ecuación de la primera etapa que per-mite obtener el valor pronosticado del índice de Lerner. El test de Wald de la primera etapa confirma la relevancia conjunta de las variables utilizadas como instrumentos (LERNERt-1, KAOPEN y SEVERIDAD). El coeficiente positivo y estadísticamente significativo de LERNERt-1 indica que el poder de mercado de un banco depende de su poder de mercado en el año previo y pone de manifiesto la conveniencia de utilizar un modelo de ajuste parcial para explicar la naturaleza dinámica de esta variable. Por su parte, el coeficiente negativo y estadísticamente significativo de KAOPEN, revela que una mayor apertura financiera promueve la competencia en el sector bancario.

La dummy CRISIS muestra un coeficiente positivo y significativo, consistente con la reducción en el nivel de competencia bancaria que ha tenido lugar en la Unión Europea por término medio tras la crisis financiera global. El coeficiente negativo y significativo de la interacción CRISISSEVERIDAD es una señal de que el incre-mento medio que tiene lugar en el poder de mercado bancario tras la crisis, se da especialmente en aquellos países que experimentaron una menor reducción de su PIB respecto a la tendencia de crecimiento observada hasta el año antes de la crisis.

La situación económica, no tan severamente dañada de algunos países, favoreció una reestructuración ordenada mediante procesos de consolidación que configuraron un sector bancario menos competitivo. En contraste, en aquellos países donde la crisis trajo consigo consecuencias económicas más severas, los gobiernos no fueron capaces de apoyar procesos de fusión y adquisición para evitar la quiebra de bancos en dificultades, por lo que se configura un sector donde no necesariamente los ban-cos que continúan operando en él disfrutan de un mayor poder de mercado.

En cuanto a las variables de control, solo las variables INGRESOS NO INT. e INEFICIENCIA parecen tener un efecto significativo sobre el índice de Lerner. Los respectivos coeficientes de estas variables indican que cuanto mayor sea el nivel de ingresos que obtiene un banco más allá de sus márgenes por intereses y cuanto más eficiente sea en su actividad, mayor es su poder de mercado.

Las columnas (2) y (3) muestran los resultados de la ecuación que tiene la tasa de crecimiento anual de los préstamos como variable dependiente. La columna (2) contiene los resultados de la estimación considerando el valor observado de Lerner como variable explicativa, por lo que no tiene en cuenta que el poder de mercado y el crecimiento de los préstamos puedan ser simultáneamente explicados por la crisis. Es decir, esta ecuación no considera los posibles cambios en el poder de mercado durante la crisis como un canal a través del cual, esta pueda afectar a la oferta de cré-dito. Esta posibilidad sí aparece recogida en la columna (3), que contiene los resul-tados de la estimación considerando como variable explicativa el valor pronosticado de Lerner obtenido en la primera etapa. En esta ecuación cabe distinguir dos efectos.


El coeficiente de la dummy CRISIS indica cómo se ha visto afectada la oferta de crédito tras la crisis independientemente de los cambios en el nivel de competencia bancaria. Por su parte, el coeficiente del valor pronosticado de Lerner (LERNERp) recoge el efecto específico de la crisis sobre la oferta de crédito a través de cambios en la competencia.

El coeficiente positivo y estadísticamente significativo obtenido para el valor retardado de la variable dependiente (∆PRÉSTAMOSt–1) sugiere que es necesario considerar la tasa de crecimiento de los préstamos en el año previo a través de un modelo de ajuste parcial que permita explicar la naturaleza dinámica de dicha va-riable. El coeficiente obtenido para la dummy CRISIS, negativo y significativo en ambas regresiones, indica que esta ha tenido un efecto reductor en la cantidad de crédito que los bancos están dispuestos a prestar. La interacción CRISIS * SEVE-RIDAD muestra un coeficiente negativo y significativo en la columna (2), lo que pone de manifiesto, que si no se tienen en cuenta los cambios ocasionados en el poder de mercado a raíz de la crisis, el impacto de esta sobre la oferta de crédito es más negativo allí donde tiene lugar una mayor reducción del PIB. El coeficiente del valor observado de LERNER en la columna (2) no es estadísticamente significativo para explicar la tasa de crecimiento de los préstamos. Sin embargo, el valor pronos-ticado de Lerner (LERNERp) en la columna (3) sí muestra un coeficiente positivo y significativo. Este último resultado indica que el efecto negativo de la crisis sobre la oferta de crédito es contrarrestado por el mayor poder de mercado en los bancos a consecuencia de la reestructuración. Se confirma entonces la hipótesis de que los bancos que experimentan un mayor incremento de su poder de mercado tras una cri-sis, no reducen tanto como otros bancos la cantidad de crédito que están dispuestos a prestar. Este resultado es consistente con los estudios que asocian poder de mercado bancario con mayor acceso a los mercados de capital y por ende, mayor capacidad para financiar la inversión crediticia y para compensar las reducciones transitorias de los márgenes financieros (Gambacorta y Marques-Ibanez, 2011; Fungáčová et al., 2014; Leroy, 2014).

El coeficiente significativo para el valor observado de Lerner en la columna (2) pero no significativo para el valor pronosticado del índice en la columna (3) eviden-cia la importancia de aplicar un procedimiento en dos etapas para examinar el papel de la competencia en el impacto que una crisis financiera tiene sobre la oferta de crédito bancario. Adicionalmente, el test de Durbin-Wu-Hausman (DWH) rechaza la hipótesis nula de que la introducción de variables instrumentales no tiene efecto en los coeficientes de la estimación. En consecuencia, la inclusión del valor pronos-ticado de Lerner (LERNERp) es aceptada.

A modo de robustez, el Panel B del Cuadro 4 recoge los resultados del análisis por submuestras de años. Aunque ambas columnas muestran los resultados de la ecuación que tiene como variable dependiente la tasa de crecimiento anual de los préstamos bancarios, cada una de ellas se refiere a un periodo diferente. La colum-na (4) contiene los resultados correspondientes a la estimación que considera todo el periodo anterior a la crisis y la columna (5) los de la estimación que considera


todo el periodo post-crisis. Este análisis por submuestras permite ver cuál ha sido el efecto del poder de mercado sobre la oferta de crédito antes y después de la crisis. El coeficiente no significativo de Lerner en la columna (4) y significativo en la columna (5) confirma que es precisamente el aumento de poder de mercado que experimen-tan algunos bancos durante los procesos de reestructuración, lo que les hace menos sensibles al impacto negativo de la crisis y por tanto más capaces de no reducir tanto el suministro de crédito.

6.2. Influencia del entorno institucional y regulatorio

El Cuadro 4 recoge los resultados de analizar si el impacto global de la crisis so-bre el crédito bancario y su efecto específico a través de la competencia pueden verse influidos por la calidad del entorno legal e institucional y por el grado de exigencia en el cumplimiento de la regulación bancaria. El Panel A del Cuadro 4 se refiere a la submuestra de países que disponían de una mayor calidad legal e institucional y donde existía una mayor exigencia regulatoria en los años anteriores al desencade-namiento de la crisis. El Panel B se corresponde con la submuestra de países cuya calidad legal e institucional y su nivel de exigencia regulatoria se encontraban por debajo del valor mediano de la Unión Europea durante el periodo previo a la crisis financiera global.

La dummy CRISIS tiene un coeficiente negativo y estadísticamente significativo en seis de las ocho estimaciones, confirmando la reducción global de la oferta de crédito bancario que ha tenido lugar en la Unión Europea después de la crisis. Solo en las dos primeras columnas de la tabla los coeficientes de esta variable no resultan significativos. Es decir, en aquellos países con una elevada calidad de sus institu-ciones y un alto grado de libertad económica, no se observa una reducción, como consecuencia de la crisis, de la cantidad de crédito que los bancos están dispuestos a prestar. El coeficiente negativo de la interacción CRISIS * SEVERIDAD indica que la oferta de crédito sí se ve reducida en estos entornos a pesar de la alta calidad ins-titucional cuando la pérdida en términos del PIB es significativa.

La variable LERNER muestra un coeficiente positivo y significativo en las co-lumnas (3), (5), (6) y (8). Es decir, el efecto atenuante del poder de mercado en el impacto negativo de la crisis sobre la oferta de crédito se observa en países con menor calidad legal e institucional, menor libertad económica, más exigentes en el cumplimiento del capital regulatorio y con menores restricciones a las actividades que los bancos pueden realizar más allá de su negocio tradicional de préstamos y depósitos. Este resultado pone de manifiesto que el papel del poder de mercado ban-cario para reducir el impacto de la crisis sobre el crédito es más determinante allí donde la calidad institucional y la libertad económica no son suficientes para influir positivamente en el crecimiento de los préstamos. También es más determinante cuando a los bancos se les exige cumplir rigurosamente con unos mínimos de capi-tal regulatorio. Una explicación a este resultado puede ser la importancia del poder


CUADRO 4CRISIS, PODER DE MERCADO Y CRECIMIENTO DE LOS PRÉSTAMOS:

INFLUENCIA DEL ENTORNO INSTITUCIONAL Y REGULATORIO

PANEL A:Por encima de la mediana

PANEL B:Por debajo de la mediana

KKZ LIBECO REGCAPITAL

ACTIVI-DADES KKZ LIBECO REG

CAPITALACTIVI-DADES

PRÉSTAMOST-1 0,0419(0,21)

0,2367(1,07)

0,0321(0,38)

–0,0201(–0,38)

0,1390***(2,94)

0,0865*(1,69)

0,1007***(2,67)

0,0969**(1,99)

TAMAÑO 0,1051*(1,74)

0,0069(0,14)

–0,0009(–0,02)

0,1124*(1,91)

–0,0698(–1,10)

–0,0940(–1,12)

–0,1070**(–2,14)

–0,0875(–0,69)

LIQUIDEZ –0,5341(–1,15)

0,1670(0,39)

0,1612(0,46)

0,0198(0,04)

0,2957(0,89)

–0,5552*(–1,68)

–0,1487(–0,45)

–0,2981(–0,54)

CAPITAL 0,1984(0,16)

–3,3701*(–1,85)

–2,0824(–1,41)

4,1309*(1,65)

–0,9909(–0,69)

–0,8770(–0,76)

–1,8515(–1,52)

–0,2859(–0,16)

Z-SCORE 0,1389(1,26)

–0,0303(–0,29)

0,1376(0,92)

0,1501(0,78)

–0,2313(–1,34)

0,2184*(1,93)

–0,1016(–1,10)

–0,2826(–0,88)

INGRESOS NOINT.

1,2002(1,59)

–0,6486(–0,73)

–0,5315(–0,69)

–0,4058(–0,62)

–1,4550*(–1,88)

–0,8026(–1,27)

–0,1144(–0,26)

–2,6797*(–1,68)

INEFICIENCIA –7,6194(–1,23)

12,3185(1,19)

9,3570(1,52)

5,4022(1,17)

8,2582*(1,69)

11,4748*(1,86)

0,0862(0,02)

15,3731**(2,18)

CRISIS 0,1280(0,89)

–0,6590(–0,80)

–0,5344***(–4,26)

–0,1951*(–1,94)

–0,2466***(–3,59)

–0,3350***(–2,96)

–0,1224**(–2,24)

–0,4046***(–2,86)

CRISIS * SEVERIDAD

–0,0090**(–2,09)

0,0215(0,72)

0,0156***(2,65)

–0,0004(–0,08)

0,0022(0,56)

0,0075***(2,96)

0,0017(0,66)

0,0058(1,39)

LERNERp –0,0169*(–1,69)

2,0276(1,18)

1,6969*(1,69)

0,1378(0,17)

0,0187**(2,50)

0,0175*(1,84)

0,6216(0,77)

0,0310**(2,32)

ΔPIBPC 0,0025(0,36)

–0,0128**(–2,30)

–0,0107(–1,46)

–0,0123(–1,36)

–0,0145**(–2,20)

0,0052(0,94)

–0,0038(–0,90)

–0,0006(–0,07)

CONCENTRACIÓN 0,1100(1,09)

0,0656(0,83)

–0,0579(–0,67)

0,1037(1,51)

0,1579*(1,86)

0,2427*(1,83)

0,1995***(3,16)

0,2345**(2,14)

País-Año Sí Sí Sí Sí Sí Sí Sí Sí

AR1 –2,40** –2,89*** –3,98*** –2,53** –6,31*** –5,02*** –5,95*** –6,13***

AR2 1,20 1,52 0,75 1,07 0,61 0,17 1,48 0,53

Test de Hansen 18,87(24) 9,42(15) 12,70(9) 10,35(9) 11,37(8) 15,17(14) 8,49(9) 4,33(8)

Test de Wald 47,84*** 77,06*** 91,31*** 106,57*** 92,14*** 75,45*** 110,12*** 35,58***

Número de observaciones

1.369 2.713 1.696 978 3.563 2.219 3.236 3.954

Número de bancos 174 331 436 278 436 279 522 592

NOTAS: (1) El cuadro recoge los resultados obtenidos para el análisis del efecto directo de la crisis financiera global sobre la tasa de crecimiento de los préstamos y del efecto indirecto de la crisis sobre la oferta de crédito a través de los cambios experimentados en el nivel de competencia bancaria, teniendo en cuenta diferencias entre países en términos de calidad institucional y regulación bancaria. En el PANEL A se presentan los resultados obtenidos para la submuestra de observaciones que se encuentran por encima de la mediana de las características institucionales y regulatorias. EL PANEL B muestra los resultados para la submuestra de observaciones por debajo de la mediana de tales características. El periodo muestral comprende los años 1996-2012. (2) ***, ** y * indican significatividad estadística al 1 por 100, 5 por 100 y 10 por 100, respectivamente.


de mercado para acceder fácilmente a los mercados de capital en busca de nuevos inversores. Finalmente, el poder de mercado bancario juega un papel más relevante cuando el nivel de restricciones legales a las actividades que los bancos pueden rea-lizar es bajo. En estos entornos, las entidades con mayor poder de mercado podrán compensar las pérdidas procedentes de préstamos fallidos con los ingresos obtenidos en actividades bancarias menos tradicionales.

7. Conclusiones

La literatura previa ha puesto de manifiesto que los efectos negativos de una crisis financiera sobre la economía real se asocian, generalmente, al canal de crédito, en tanto que es usual observar una reducción en la provisión de crédito bancario durante los años que siguen al estallido de la misma. En este trabajo se analiza el impacto de la crisis financiera global sobre la oferta de crédito bancario en 16 países de la Unión Europea. Los procesos de reestructuración a los que normalmente son sometidos los sectores bancarios durante los periodos de crisis contribuyen a incrementar el poder de mercado de los bancos que logran sobreponerse a las dificultades.

Si las entidades con mayor poder de mercado disfrutan de un mejor acceso a los mercados de capital y por ende, a fuentes de inversión y financiación alternativas, cabe esperar que no tengan tantos incentivos a reducir la cantidad de crédito dispo-nible.

Metodológicamente, en este estudio se aplica un procedimiento en dos etapas combinado con la metodología GMM con la finalidad de diferenciar el impacto glo-bal de la crisis sobre la oferta de crédito y el efecto que específicamente tiene lugar a través de cambios en la competencia bancaria. El análisis llevado a cabo en este estudio para una muestra de 610 bancos europeos proporciona evidencia empírica del impacto negativo que la crisis financiera global ha provocado en la oferta de cré-dito de los bancos europeos y de cómo dicho impacto es contrarrestado por el efecto que específicamente tiene lugar a través del incremento en el poder de mercado que algunas entidades han experimentado desde 2008.

Los resultados obtenidos también ponen de manifiesto que el papel del poder de mercado bancario para mitigar el impacto de la crisis sobre el suministro de crédito es más determinante en entornos con menor calidad legal e institucional y menor libertad económica, en países más exigentes en el cumplimiento del capital regula-torio, y allí donde no existen elevadas restricciones a las actividades que los bancos pueden realizar más allá de su negocio tradicional de préstamos y depósitos.

Esta investigación trae consigo algunas implicaciones en términos de política regulatoria. Los resultados sugieren que la legislación sobre política antimonopolio debería tener en cuenta la relevancia del poder de mercado para reducir el impacto negativo de las crisis sobre la oferta de crédito bancario. También arroja luz sobre la importancia de adoptar medidas que fomenten un mayor poder de mercado bancario durante las crisis en aquellos países donde la calidad de las instituciones resulte ser


más moderada. Finalmente, el análisis sugiere que las restricciones a las actividades bancarias podrían ser un impedimento al efecto atenuante que ejerce el poder de mercado bancario en el impacto de las crisis sobre la cantidad de crédito que los bancos están dispuestos a prestar.


[1] ADAMS, R. y AMEL, D. (2005). «The effects of local banking market structure on the bank lending channel of monetary policy». Board of Governors of the Federal Reserve System, Working Paper, 16.

[2] ALTUNBAS, Y.; FAZYLOV, O. y MOLYNEUX, P. (2002). «Evidence on the bank lending channel in Europe». Journal of Banking and Finance, 26 (11), 2093-2110.

[3] ALTUNBAS, Y.; GAMBACORTA, L. y MARQUES-IBANEZ, D. (2009). «Securitisa-tion and the bank lending channel». European Economic Review, 53 (8), 996-1009.

[4] ALTUNBAS, Y.; GAMBACORTA, L. y MARQUES-IBANEZ, D. (2010). «Bank risk and monetary policy». Journal of Financial Stability, 6 (3), 121-129.

[5] BARTH, J. R.; CAPRIO, G. jr y LEVINE, R. (2008). «Bank regulations are changing: for better or worse?». Comparative Economic Studies, 50 (4), 537-563.

[6] BECK, T.; DE JONGHE, O. y SCHEPENS, G. (2013). «Bank competition and stability: cross country heterogeneity». Journal of Financial Intermediation, 22, 218-244.

[7] BECK, T.; DEMIRGÜÇ-KUNT, A. y MAKSIMOVIC, V. (2006). «The influence of financial and legal institutions on firm size». Journal of Banking and Finance, 30: 2995-3015.

[8] BERLIN, M. y MESTER, L. J. (1999). «Deposits and relationship lending». Review of Financial Studies, 12, 579-607.

[9] BRISSIMIS, S. y DELIS, M. (2010). «Bank heterogeneity and monetary policy trans-mission». ECB Working Paper, 1233.

[10] BRISSIMIS, S.; DELIS, M. y IOSIFIDI, M. (2012). «Bank market power and monetary policy transmission». MPRA Paper 49206. University Library of Munich.

[11] CETORELLI, N. y GAMBERA, M. (2001). «Banking market structure, financial de-pendence and growth: international evidence from industry data». Journal of Finance, 56, 617-648.

[12] CHAVA, S. y PURNANANDAM, A. (2011). «The effects of banking crises on bank-de-pendent borrowers». Journal of Financial Economics, 99, 755-786.

[13] CHINN, M. y ITO, H. (2008). «A new measure of financial openness». Journal of Com-parative Policy Analysis, 10 (3), 309-322.

[14] CUBILLAS, E. y GONZÁLEZ, F. (2014). «Financial liberalization and bank risk-ta-king: International evidence». Journal of Financial Stability, 11, 32-48.

[15] CUBILLAS, E. y SUÁREZ, N. (2013). «Bank market power after a banking crisis: Some international evidence». The Spanish Review of Financial Economics, 11, 13-28.

[16] D’AURIA, C.; FOGLIA, A. y REEDTZ, P. (1999). «Bank interest rates and credit rela-tionship in Italy». Journal of Banking and Finance, 23, 1067-1093.

[17] DEGRYSE, H. y ONGENA, S. (2005). «Distance, Lending Relationships and Compe-tition». Journal of Finance, 60, 231-266.


[18] DELL’ARICCIA, G.; DETRAGIACHE, E. y RAJAN. R. (2008). «The real effects of banking crises». Journal of Financial Intermediation, 7, 89-112.

[19] DEMIRGÜÇ-KUNT, A.; LAEVEN, L. y LEVINE, R. (2004). «Regulations, market structure, institutions, and the cost of financial intermediation». Journal of Money, Cre-dit and Banking, 36, 593-622.

[20] DEMIRGÜÇ-KUNT, A. y MAKSIMOVIC, V. (1999). «Institutions, financial markets and firm debt maturity». Journal of Financial Economics, 54: 295-336.

[21] EHRMANN, M.; GAMBACORTA, L.; MARTINEZ, J.; SEVESTRE, P. y WORMS, A. (2003). Financial systems and the role of banks in monetary policy transmission in the euro area. Cambridge University Press.

[22] FERNÁNDEZ, A. I.; GONZÁLEZ, F. y SUÁREZ, N. (2013). «The real effects of bank-ing crises: Finance or asset allocation effects? Some international evidence». Journal of Banking and Finance, 37, 2419-2433.

[23] FUNGÁČOVÁ, Z.; SOLANKO, L. y WEILL, L. (2014). «Does competition influence the bank lending channel in the euro area?». Journal of Banking and Finance, 49, 356-366.

[24] GAMBACORTA, L. (2005). «Inside the bank lending channel». European Economic Review, 49, 1737-1759.

[25] GAMBACORTA, L. y MARQUES-IBANEZ, D. (2011). «The bank lending channel: lessons from the crisis». Economic Policy, 26 (66), 135-182.

[26] HADAD, M. D.; AGUSMAN, A.; MONROE, G.S.; GASBARRO, D. y ZUMWALT, J.K. (2011). «Market discipline, financial crisis and regulatory changes: evidence from Indonesian banks». Journal of Banking and Finance, 35, 1552-1562.

[27] HELLMANN, T. F.; MURDOCK, K. C. y STIGLITZ, J. E. (2000). «Liberalization, moral hazard in banking, and prudential regulation: are capital requirements enough?». American Economic Review, 90 (1), 147-165.

[28] JIMENEZ, G.; ONGENA, S.; PEYDRO, J. y SAURINA, J. (2012). «Credit supply and monetary policy: identifying the bank balance-sheet channel with loan applications». American Economic Review, 102, 2301-2326.

[29] KASHYAP, A. y STEIN, J. (1995). «The impact of monetary policy on bank balance sheets». Carnegie-Rochester Conference Series on Public Policy, June, 151-195.

[30] KASHYAP, A. y STEIN, J. (2000). «What do a million observations in banks say about the transmission of monetary policy?». American Economic Review, 90, 407-428.

[31] KAUFMAN, D.; KRAAY, A. y MASTRUZZI, M. (2009). «Governance matters VIII: Aggregate and individual governance indicators for 1996-2008». Policy Research Work- ing Papers, World Bank.

[32] KEELEY, M. C. (1990). «Deposit insurance, risk, and market power». American Eco-nomic Review, 80, 1183-1200.

[33] KHWAJA, A. y MIAN, A. (2008). «Tracing the impact of bank liquidity shocks: evidence from an emerging market». American Economic Review, 98, 1413-1442.

[34] KISHAN, R. y OPIELA, T. (2000). «Bank size, bank capital, and the bank lending chan-nel». Journal of Money, Credit and Banking, 32, 121-141.

[35] KLEIN, M. A. (1971). «A theory of the banking firm». Journal of Money, Credit and Banking, 3, 205-218.

[36] KROSZNER, R. S.; LAEVEN, L. y KLINGEBIEL, D. (2007). «Banking crises, financial dependence and growth». Journal of Financial Economics, 84: 187-228.


[37] LA PORTA, R.; LOPEZ DE SILANES, F. y SHLEIFER, A. (1998). «Law and finance». Journal of Political Economy, 106: 1113-1155.

[38] LA PORTA, R.; LÓPEZ DE SILANES, F.; SHLEIFER, A. y VISHNY, R. (2000). «In-vestor protection and corporate governance». Journal of Financial Economics, 58, 3-27.

[39] LAEVEN, L. y LEVINE, R. (2009). «Bank governance, regulation and risk taking». Journal of Financial Economics, 93, 259-275.

[40] LAEVEN, L. y VALENCIA, F. (2008). «Systemic banking crises: A new database». IMF Working Paper WP/08/224.

[41] LAEVEN, L. y VALENCIA, F. (2012). «Systemic banking crises database: An update». IMF Working Paper WP/12/163.

[42] LEROY, A. (2014). «Competition and the bank lending channel in Eurozone». Journal of International Financial Markets, Institutions & Money, 31, 296-314.

[43] LOUTSKINA, E. y STRAHAN, P. E. (2009). «Securitization and the declining impact of bank finance on loan supply: evidence from mortgage originations». Journal of Finance, 64, 861-889.

[44] LOVE I.; LORENZO A. P. y SARRIA-ALLENDE, V. (2007). «Trade credit and bank credit: Evidence from recent financial crises». Journal of Financial Economics, 83, 453-469.

[45] MAUDOS, J. y FERNÁNDEZ DE GUEVARA, J. (2004). «Factors explaining the in-terest margin in the banking sectors of the European Union». Journal of Banking and Finance, 28, 2259-2281.

[46] OLIVERO, M. P.; LI, Y. y JEON, B. N. (2011a). «Consolidation in banking and the len-ding channel of monetary transmission». Journal of International Money and Finance, 30, 1034-1054.

[47] OLIVERO, M. P.; LI, Y. y JEON, B. N. (2011b). «Competition in banking and the lending channel: evidence from bank-level data in Asia and Latin America». Journal of Banking and Finance, 35, 560-571.

[48] PETERSEN, M. A. y RAJAN, R. G. (1994). «The benefits of lending relationships: Evidence from small business data». Journal of Finance, 49, 1367-1400.

[49] PETERSEN, M. A. y RAJAN, R. G. (1995). «The effect of credit market competition on lending relationships». Quarterly Journal of Economics, 110, 407-443.

[50] RAJAN, R. G. y ZINGALES, L. (1998). «Financial dependence and growth». American Economic Review, 88: 559-586.

[51] REPULLO, R. (2004). «Capital requirements, market power, and risk-taking in bank-ing». Journal of Financial Intermediation, 13, 156-182.

[52] VAN DEN HEUVEL, S. (2002). «Does bank capital matter for monetary transmis-sion?». Economic Policy Review, Federal Reserve Bank of New York, 259-265.

[53] WHEELOCK D. C. (2011). «Banking industry consolidation and market structure: Impact of the financial crisis and recession». Federal Reserve Bank of St. Louis Review, November/December, 93 (6), 419-38.

The fundamental review of the trading book and the quest for a sound prudential framework

for trading activities

Juan Segurado EscuderoTécnico Comercial y Economista del Estado

Abstract

The purpose of the fundamental review of the trading book (2016) was to overcome the conceptual shortcomings of the previous prudential framework, which were revealed during the crisis (2007-2012). In the article, the main features of this new framework are described, compared to the old one and assessed against its original objectives. In general, most changes and innovations have sound theoretical foundations and hence a strong potential to achieve the intended objectives, such as increasing risk-sensitivity, reducing undue risk-weight variability or limiting regulatory arbitrage. Potential empirical evidence will only be able to arise a few years after implementation.

Keywords: portfolio choice, Basel Accords, derivatives.JEL classification: G28, G11, G12.

Resumen

El objetivo de la revisión fundamental del libro de negociación (2016) era superar las defi-ciencias conceptuales del antiguo marco prudencial, que se pusieron de manifiesto durante la crisis (2007-2012). En este artículo se describen los principales elementos de este nuevo marco, se comparan con el antiguo y se analizan en base a sus objetivos originales. En general, la mayor parte de los cambios e innovaciones tienen una robusta base teórica y, por tanto, un alto potencial para alcanzar los objetivos pretendidos, tal como aumentar la sensibilidad al riesgo, reducir la variabilidad indebida de los activos ponderados por riesgo o limitar el arbitraje regulatorio. La potencial evidencia empírica solo podrá surgir algunos años después de la implementación.

Palabras clave: elección de cartera, Acuerdos de Basilea, derivados.Clasificación JEL: G28, G11, G12.

1. Introduction: an international market risk framework

In January 2016, the Basel Committee for banking Supervision (BCBS) published a new prudential framework for market risk, known as «The Fundamental Review of the Trading Book» (FRTB). The review of the market risk framework was one of the main objectives of the BCBS post-crisis reforms and work on this area started right after the crisis. However, and partly due to the complexity of issues at stake, the FRTB was released significantly later than the initial set of BCBS post-crisis reforms, such as the reform of the own funds framework or the introduction


of the liquidity framework1. That leaves the FRTB, from a time perspective, in an intermediate position between the BCBS initial set of post-crisis reforms and the so-called «finalisation of the Basel III package», still under negotiation. The latter includes, among other things, the review of internal ratings-based approach for credit risk, the introduction of floors for model-based approaches and the reform of the operational risk framework. This package, although very much developed from a technical perspective, is still pending international agreement among the BCBS members.

The market risk framework in place at the time of the financial crisis dated from 1996 and was introduced as an amendment to the Basel Capital Accord (Basel I). During the crisis, trading book positions suffered huge losses, well beyond the prudential own funds requirements associated with these positions. As a result, there was a general conception that the market risk framework in place was not fit for purpose and that there was a need to review it. It is worth mentioning that the 1996 framework included both a standardised approach (SA) and an internal models approach (IMA). During the crisis, this IMA, as used by many big international banks, was considered one of the main elements contributing to the undercapitalisation of market risk positions. In this regard, there was a substantial difference with the credit risk framework in place at the time of the crisis. Internal approaches for credit risk were not introduced until 2005 (Basel II), and in most jurisdictions, they had not entered into force by the time of the financial crisis. Therefore, most of the criticism on the underperformance of internal approaches is linked to the old IMA. This general view on the inadequacy of market risk internal approaches together with the pressure for the BCBS to deliver something quickly led to a reform of the market risk framework, adopted in 2009, which only addressed the IMA. Furthermore, this reform did not modify the conceptual foundations of the existing approach, but simply introduced some additional elements to it with the main objective of increasing own funds requirements. In particular, the reform proposed the introduction of two additional capital charges in the IMA: one to capture default risk as a standalone risk independent from market volatility (IRC, Incremental Risk Charge) and one to better capture market volatility at times of financial stress (stressed VaR, Value at Risk).

Although this resulted in a significant increase in own funds requirements, there was the view that the conceptual shortcomings of the 1996 framework had not been addressed. This set in motion a more thorough process to review the whole framework (including the standardised approach and the boundary) which led to the FRTB. The main objectives of the FRTB, as stated in its first consultation paper2 (2012), were the following:

1 The bulk of the BCBS post-crisis reform package embraced: the own funds and leverage ratio framework (2011), the Liquidity Coverage Ratio (2013) and the Net Stable Funding Ratio (2014).

2 Basel Committee on Banking Supervision Consultative document Fundamental review of the trading book, May 2012.

THE FUNDAMENTAL REVIEW OF THE TRADING BOOK AND THE QUEST FOR A SOUND... 157

– A more objective boundary between the trading book and the banking book that materially reduces the scope for regulatory arbitrage;

– Moving from value-at-risk to expected shortfall, a risk measure that better captures «tail risk»;

– Calibrating the revised framework, both the standardised and internal models approaches, to a period of significant financial stress;

– Comprehensively incorporating the risk of market illiquidity, again consistent with the direction taken in Basel 2.5;

– Introducing measures to reduce model risk in the internal models-based approach, including a more granular model approval process and constraints on diversification; and

– A revised more risk-sensitive standardised approach that can act as a credible fall-back to internal models.

In the next sections, the different components of the final FRTB text will be described, compared to the previous framework and analysed against its initial objectives. From now on, when a reference to the «previous framework» is made, it will correspond to the one in place after the 2009 reform of the IMA approach.

2. The revised boundary

The existence of two separate books (banking book/trading book) in the previous framework, with different capital requirements and the possibility for some securities to be allocated to either one or the other, generated possibilities for regulatory arbitrage. The main criterion in the previous framework to allocate one position either to the trading or to the banking book was the trading intent. This means that the same instrument (a debt security) could in theory be booked in either of the prudential books, depending solely on he bank’s intention towards that security.

This has a justification, since it could be argued that, for example, the same debt security would not pose the same risk for the institutions in either of these two cases. When a debt security is actively traded, it is by the definition only supposed to be kept short term and therefore there is the possibility that the position can be closed at any point in time, including when market fluctuations may have driven its price downwards. Accordingly, it must be fair-valued and any changes in its price have an actual and immediate impact on bank’s profit and loss (regardless whether it is sold or not). Therefore, a specific capital framework to capture this day-to-day impact on profit and loss of trading positions seems adequate. In contrast to this, when the same debt security is held to maturity (and as a result allocated to the banking book for prudential purposes) it will not be exposed to the same risk of market fluctuations, since the bank will receive the cash-flows as foreseen unless the issuer fails to meet its obligation (in other words, unless it defaults). In such case, the credit risk framework seems more appropriate.


This justification to have different prudential requirements for trading and non-trading activities is clear for some instruments, such as debt securities, but it may be less clear for others. Equity securities, for example, are fair-valued even if in the banking book, and options do not seem compatible with a «hold to maturity» perspective, which is normally linked to banking book exposures. Furthermore, the fact that the trading intent in the old framework was self-assessed by the bank, without further guidance in the regulation, could be arbitraged, with the purpose of seeking capital savings.

In the various FRTB consultation papers several options were discussed3. One of them was actually a no-boundary option. However, finally, the two book framework was kept, but with significant changes. These went in the direction of providing more objective rules on when a security had to be in the banking or in the trading book, with the objective to prevent regulatory arbitrage by banks. In particular, the following elements were added:

– A more explicit definition of trading intent, providing a list of activities which are assumed to entail trading intent. For example, instruments linked to market making or underwriting activities within the bank are presumed to belong to the trading book.

– A list of instruments that are assumed to belong either to the trading book or to the banking book; the so-called presumption list. Instruments such as listed equities or options are presumed to be allocated to the trading book. This stems from the fact that a banking book treatment would not seem appropriate for these securities in most cases and is regarded as something exceptional. Following the same logic, instruments such as unlisted equities or real estate holdings are presumed to belong to the banking book.

– A strict procedure to break these presumptions. If a bank believes that they have to deviate from these rules for a certain instrument, the bank must then submit a request to its supervisor and receive explicit approval.

– A less permeable boundary with stricter limits on switching between books (switching subject to strict supervisory approval) and measures to prevent a «capital benefit» in instances where switching has been allowed, in order to reduce the incentives for arbitrage.

All in all, it can be said that the reform makes significant progress towards the objective of achieving «a more objective boundary between the trading book and the banking book that materially reduced the scope for regulatory arbitrage» and is therefore clearly superior to the existing one. However, the actual impact of these rules will to a large extent depend on supervisory implementation. This is for example the case of the definition of trading intent. While including a list of activities with trading intent is a positive feature, determining whether the bank

3 For example, a trading-evidence approach and a valuation-based approach


is actually performing a given activity when trading the securities of (i.e. market making) requires a good deal of supervisory judgement. The way that judgement is exercised will shape the final result.

The presumption list, on the contrary, is supposed to provide more objective criteria (i.e., instrument which result from underwriting commitments are more easily identifiable, since these commitments are generally formal). However, even if the criteria are more objective, the fact that the rule has not been stablished as general obligation for institutions, but as a presumption, which can be waived by supervisors, makes its final impact also unclear. Moreover, there is no guidance in the FRTB on the reasons why supervisors may allow not to allocate these securities to the trading book. Therefore the final impact of this rule will also depend to some extent on how the rule is implemented in the different jurisdictions and on how supervisors enforce it.

3. The standardised approach

The need to revise the SA came mainly from the need to provide a credible fall-back for internal models. The old SA was not able to fulfil that objective, because of its lack of risk-sensitivity and of its capital impact, which was on average well above that of the IMA.

The lack of risk-sensitivity comes from the general design of the old framework, which can be described as a case-by-case approach. For each type of instrument (fixed income, equity, commodities, currencies, options), there was a specific «capital treatment» which had to be applied as a recipe. Therefore, the charge was made dependent on the main objective features of the instrument: type of instrument, maturity, coupon, dividend payments, rating, etc.

While this approach had the benefit of providing an objective set of rules applicable to all banks in the same way, it lacked abstraction, and hence, it did not work well for many instruments, especially for more complex ones. In other words: while under the old framework two banks trading the very same instrument would be subject to the same capital charge, it could also be that two banks trading two significantly different securities would also receive capital charge. That happens when instruments incorporate features that the framework does not properly capture, such as prepayment risk. This led to a lack of risk-sensitivity.

Regarding the level of own funds requirements under the old approach, the fact that this was so much higher under the SA than under the IMA made it extremely penal for a bank using models to turn to the SA.

This big cliff effect resulting from the potential change might have generated some reservations for supervisors to require banks to turn to the SA in cases where models did not perform adequately or did not fulfil some of the requirements, judging from the anecdotical available evidence on these mandatory changes. As a result, the lack of credibility of the threat probably reduced incentives for banks to model correctly.


To fulfil the objective of achieving greater risk-sensitivity, the new SA has been designed following the logic of a model. However, its parameters are standardised and provided by the regulation. Furthermore, to fulfil the objective of creating a credible fall-back, these were calibrated following the same logic of the new IMA approach, with objective of making standardised requirements closer to IMA ones.

As far as the design is concerned, the new framework is more abstract and hence suitable for a much broader scope of instruments. It is based on the simple principle of reflecting the impact of standardised shocks in risk factors on the price of trading instruments.

These shocks are applied to the whole trading portfolio. Depending on the type of instruments the bank has, it may be immune to some of these, but the framework does not pre-judge when that would happen.

In order to be able to achieve this degree of abstraction, the framework has to rely on an element which is however bank-specific: the pricing model used to price the securities. On the one hand, this may lead to a situation in which banks holding exactly the same instruments may not be subject to the exact same capital charge, unlike in the old approach. Potential variability will depend on the specific, different pricing models used by each bank for the same instrument. On the other hand, the framework will be better able to capture differences in risk-features of instruments even if they do not have an ad-hoc treatment in the regulation, since these will be already embedded in the pricing model of the instrument. These can be, for example, the effect of prepayment features which was referred to before or simply a different time distribution of coupon payments of a debt security, which is not properly captured by the old framework. The different risks arising from these features will be automatically captured through the pricing model, without the need for ad-hoc prudential rules and specifications. As a result, the capital charge will be both more accurate and more comprehensive of the different risks an instrument is exposed to.

Its downside, the potential variability due to the use of different pricing models, should be negligible. All these pricing models should be the same ones used for accounting purposes, and as such should be validated by the auditor and the accounting supervisor. Therefore, it is assumed that all of them, even if different in their design, will be fit for purpose and provide a good outcome.

3.1. Main elements

The new SA is composed of three distinct capital charges, whose purpose is to capture the different manifestations of market risk:

a) Sensitivities-based capital chargeb) Default riskc) Residual risk add-on


General rationale of the sensitivities-based capital charge

This is the main element of the SA and it is meant to capture the pure market risk, i.e. the risk arising from fluctuations in market prices. As explained before, instruments are subject to a series of standardised shocks which relate to a finite number of risk factors. Which of these shocks in risk factors are applicable to each instrument will depend solely on the pricing model of the instrument. If the pricing model recognises a risk factor as a driver of the price of the instrument, the effect of shocking that risk-factor on the price of the instrument will need to be calculated and will feed into the capital charge.

The risk factors are grouped into the following risk classes: interest rate and inflation risk, equity risk, credit spread risk, commodity risk and foreign-exchange risk. In turn, within each of these risk-classes, there is a breakdown by «buckets» according to the economic sector or counterparty of the instrument, for each of which a specific shock is prescribed. Even if for two differents instruments in the same bucket the applicable standardised shock is the same, the capital charge resulting from shocking that risk factor in each of the instruments can be very different depending on the sensitivity of the security to the risk factor. For example, let us imagine two debt securities, which are, as such, are subject to interest rate risk with maturity of one year. For both, the risk factor 1-year risk free rate (for example, euribor) will be applied, since it will be a driver of its price. The shock will be the same in both cases: a movement in this rate of 300 basis points. However, if one of the two is a zero-coupon bond and the other pays quarterly coupons, the zero coupon bond will be more sensitive to movements in this risk factor rate and the effect of the shock on the price will be hence much more intense.

In practice, the framework does not calculate the full effect of each shock on the price of the instrument, but works with an approximation. The full effect would be the one resulting from repricing the instrument after the risk factor (for example the 1-year risk free rate) is shocked. While this would be more accurate, it would be very intensive in terms of calculation, especially if the effect of the shock has to be calculated and aggregated for thousands of instruments, as it normally occurs. Alternatively, what the framework does is to work with the so-called sensitivities. The sensitivity is no more than a first order derivative for each risk defined as «the price change in an instrument due to an infinitesimal change in one of its variables (risk-factors)».

Operationally, the first step is actually the calculation of the sensitivities. Only once the sensitivities of all instruments in the bank’s trading book affected by the same risk factor are calculated, they are aggregated and netted (positive with negative) and finally applied the above mentioned shocks (a single shock per risk factor is applied to this «net» sensitivity). The assumption that this method entails is that pricing functions are linear, although, this is not frequently the case. The error due to non-linearity is considered negligible in all instruments different from options.


The sensitivity-based capital charge in the case of options

In the case of options, although the same general framework as for the other instruments applies (i.e. sensitivities to different risk factors are calculated, netted and shocked), there are two important specific features.

The first one is that there is one additional risk-factor for all options: the volatility. As a result, every option will be at least subject to two risk factors: one linked to the underlying and another one linked to the volatility of that underlying. However, the calculation and aggregation methodologhy will be the same as for any other risk factor: the sensitivity to the volatility (vega) will be calculated for each option an aggregated to that of other options sensitive to the same underlying.

The second one is a feature which strives to correct the assumption of linearity of the pricing function. For this purpose, a gamma-correction is incorporated, under the name of «curvature risk». This consist on calculating for every risk factor an additional capital charge in cases where the pricing model indicates that the (linear) shock specific to this risk factor is underestimating the actual decrease in the price of the option as a result of the shock. As such, this correction is asymmetric. This means that it will add a capital charge when the linear shock underestimates the price decrease, but it will not result into a capital relief when the shock overestimates it. However, this asymmetry seems to be intentional, on the grounds of a more prudent treatment.

Hedging and diversification effects in the sensitivities-based capital charge

Another new feature of the sensitivities-based approach compared to the old framework is its ability to capture diversification effects among different instruments. As a result, the final market risk capital charge will not only depend on the stand-alone securities, but also on the composition of the trading book. In this regard, it is very different from the previous framework. Whereas both frameworks take into account «perfect hedges», (short and long positions always offset and capital charges are calculated over net positions), in the old framework there is no recognition of imperfect hedges or diversification. In the old framework, the overall capital charge is obtained simply by adding all individual capital charges.

In contrast to this, in the FRTB, the aggregation methodology takes into account to a certain extent the correlation among the different risk factors in the portfolio of an institution. A formula which considers the correlation parameters among risk-factors prescribed by the FRTB must be used to aggregate the individual capital charges from the different risk factors.

b k kl k lk k k l

K WS WS WSρ≠

= +∑ ∑∑2


Where WSk is the capital charge linked to the risk factor k, WSl is the capital charge linked to the risk factor l and tkl represents the correlation between this pair of risk-factors. As long as some correlations are lower than one, it follows that Kb will be lower than the simple sum of individual capital charges.

However, hedging and diversification are only considered among risk-factors within same risk-class. For example, correlations between risk-free rates of different maturities will be considered when aggregating the capital charges linked to each of these interest rate risk-factors. However, capital charges resulting from different risk-classes, for example between interest rate and equity risk, will be just added up with no diversification benefits (in other words, assuming a correlation equal to 1 between them).

The default risk charge

The default risk charge is a standalone capital charge which is meant to capture the jump to default risk of trading securities. In general terms, this charge is meant to capture the same risk as the credit risk charge of the banking book. The fact that securities are traded does not isolate them from the risk of a default of the issuer, which can drive the value of the security to zero, or a very low amount, in one single step and not gradually.

However, there are two very important differences between credit risk in the trading and in the banking book, which are well reflected by the FRTB. The first one is that the holding period of securities in the trading book is generally lower than in the banking book. A lower holding period decreases the probability of a default event taking place during this holding period. Therefore, it would be disproportionate to generally require a capital charge equal to that of the banking book. The FRTB takes this perspective into consideration and introduces a credit quality step calibration of risk charges which is less conservative to that of the banking book. Moreover, scaling down for instruments with maturities shorter than 1 year is introduced. The second difference is the fact that some of the losses due to a default event may already be losses reflected in fair value of the instrument at the time of default. Therefore, an adjustment in default risk charge is made to take into account already accrued losses, by reducing the loss-given-default component accordingly.

A parallel between the old and the new framework in this regard is not obvious. The old framework incorporated the so-called general and specific risk capital charges. In the case of debt securities, the general risk could be conceptually assimilated to that resulting of risk-free interest rate risk factors in the sensitivities based approach. The specific risk charge, however, cannot be automatically assimilated to the default risk charge only, since the sensitivities-based approach also introduces a charge for «credit spread risk». Therefore, the credit risk of the issuer in the new framework is in fact decoupled into two: a default risk charge and a credit spread risk charge. Therefore, it could be argued that the old specific risk-charge would comprise both the credit spread risk charge and the default risk charge of the FRTB.


A long debated question is the relationship between these two charges and whether there is an overlap between them. Strictly speaking, changes in credit spreads reflect changes in the expected loss from default and hence follow the probability distribution of expected losses from default. In contrast to this, the default risk charge is supposed to cater for actual losses in the event of a jump to default and is calibrated according to the probability distribution of actual losses.

The residual risk add-on (RRAO)

This is a new capital charge for which there is no equivalent in the old standardised approach. The purpose of this charge is to create a capital charge for instruments bearing risks that the sensitivities based approach is not able to capture. This third component of the standardised approach is not meant to be an alternative, but an additional component of the SA (i.e. an instrument subject to the RRAO is not generally exempted from the rest of the charges in the SA). However, in the case of many instruments in scope of the residual risk add-on, the calculation of the capital charge according to the sensitivities based approach or the default risk charge will just not be possible and the RRAO may in practice be the only capital charge for these instruments.

The FRTB establishes two different cases of instruments subject to the RRAO, which are assigned accordingly a different levels of own funds requirements. The first one comprises derivatives with exotic underlyings which are defined as those not sensitive to any of the risk-factors listed in the FRTB. These are, for example, weather derivatives, derivatives on natural disasters or derivatives bearing longevity risk. For these instruments, it is simply not possible to calculate a capital charge according to the sensitivities-based approach framework and the RRAO will be the standalone capital charge.

The second case comprises «instruments with other residual risks», according to the FRTB. This refers to two sets of instruments. The first case refers to instruments in the scope of the correlation trading portfolio. The second one refers to exotic options, which are defined as those «cannot be written as a linear combination of plain vanilla options». The latter case includes, for example, Asian options or barrier options. For many of these options delta, gamma or vega are often discontinuous, their value can exhibit abrupt changes in their sign, or its estimation may not even be possible. Therefore, a capital charge based on these «greeks» (as in the sensitivities-based approach) will not give a meaningful estimation of the level of capital required for that option. However, the most straightforward interpretation of the FRTB is that, whenever it is possible to calculate the sensitivities-based approach charge, it shall still be calculated4, and the RRAO shall be added on top, when required.

4 There is only an exemption for multi-underlying options delta sensitivities have different signs.


As regards the level of the capital charge, it is far bigger for exotic underlyings than for other residual risk. This is logical, in the first place because, as explained before, the former will most probably not be subject to any other capital charge within the standardised approach. But also because the risk embedded in these instruments is far more difficult to foresee and to model.

3.2. Assessment and potential challenges

In general, we can say that the new standardised approach sets a far more risk sensitive and comprehensive framework for market risk than the old approach. However, a number of remarks can be made.

First, regarding the objective of providing a risk-sensitive framework, this more sophisticated framework is not able to avoid the introduction of the residual risk add-on, which in essence is a way to take into account a risk that the framework is not able to measure. Moreover, the capital charge linked to this risk is set as a blunt fixed percentage of the fair value of the securities. Although in principle this does not seem a very good solution, all in all, it strikes a good balance between simplicity and risk-sensitivity. The introduction of a wider set of risk factors and capital charges would, in the end, not have been able to capture all types of exotic options or derivatives with exotic underlyings. Therefore, doing so would probably not have eliminated the need for a RRAO, but only narrowed its scope, at the cost of introducing far greater complexity in the rest framework.

Second, the increase in risk sensitivity due to the use of different pricing models might come at the cost of higher risk-weight variability. Indeed, pricing models used by banks can differ and this could, in theory, lead to very different capital charges. However, in practice, since these models are also used for accounting, they have to be checked by auditors and, often, by banks’ accounting supervisors. Therefore, even if the specifications of these models differ, they should all perform well and lead to broadly similar results.

Third, and linked to the objective of serving as a fall-back to internal models, the calibration of the large number of parameters embedded in the standardised approach requires further refinement and update. In addition to the operational difficulty of estimating all these parameters in a balanced, proportionate manner, some of these parameters, such as correlations, change over time and they should be frequently updated.

As a safeguard, the FRTB contains a «review» clause and the calibration of some parameters could be revised in the coming future. A more accurate calibration should be easier to achieve once the framework is implemented, since it can be based on the actual impact. Furthermore, in the case of correlation parameters in the SA, there is an additional safeguard in place, aimed at addressing the margin of error. This consists in the obligation to perform the aggregation of capital charges according to three scenarios: medium, low, high and medium correlation scenarios. The FRTB


prescribed correlations are used for the medium correlation scenario and they are downscaled or upscaled in order to provide with the correlations to be used in the low and high correlations scenarios respectively. The scenario leading to the highest figure will be the only one considered to quantify the capital charge. This provides for a good cushion for potential variability in correlation parameters.

4. The Internal Models Approach (IMA)

In terms of general structure, the new IMA is similar to the old one, despite the multiple innovations. Therefore, for the IMA, it is easier to establish a parallel with the old approach than it is for the SA. As in the old one, there is one capital charge to capture the risk of variability in market prices, the expected shortfall model, which substitutes the old Value at Risk (VaR) charge. On top of that, there is one charge aimed at capturing default risk, the default risk charge (DRC), which substitutes the old incremental risk charge (IRC). The only distinct new element, which does not find a clear parallel in the old framework, is the capital charge for non-modellable risk factors.

Despite that, there is one significant overarching change as regards the scope of the models and the model approval. In the FRTB, it is the standalone desk, as opposed to the whole portfolio, that constitutes the central element for IMA requirements. Consequently, model approval has to be requested at desk level and, in the same way, the removal of model approval will only affect a specific desk, but not the whole trading book of an institution. This has a number of benefits. In the first place, this should facilitate the identification of the relevant risk factors in a particular desk, making it more accurate. Secondly, it should allow a more granular monitoring of model performance, since the quantitative tests to grant and to keep model approval are performed at the trading desk level.

Also, a specific regulatory tool has been introduced to monitor the performance of the model at desk level: the profit and loss (P&L) attribution. In essence, P&L attribution is a measure which tries to assess the accuracy and explanatory power of the model. It compares a P&L measure based on the actual profit and loss of the desk (hypothetical P&L, which reflects changes in portfolio value that would occur were end-of-day positions to remain unchanged) with the P&L that would be produced by the bank’s pricing models for the desk if they only included the risk factors used in the risk management model (risk theoretical P&L). If deviations are beyond certain thresholds, model approval will not be granted or will be removed.

The framework also keeps the existing backtesting of the old approach, which is now applied at desk-level. Backtesting tries to assess the conservativeness of the model. As such, it compares actual daily losses in the desk with their respective daily VaR levels as forecasted by the model. If the former exceed the latter by more than specific number of times within a year, model approval may not be granted or may be removed.


4.1. Main elements

The IMA has several elements which should be studied in detail, in order to understand how it works:

a) Expected shortfall model.b) Default risk charge.c) Non-modellable risk-factors.d) Liquidity horizons.

Expected shortfall model

A fundamental change of the FRTB is the change in the statistical metric used to determine the level of capital requirements in the IMA approach, which goes from VaR to Expected Shortfall (ES). This shift does not necessarily entail a different modelling technique, but just introduces a different metric as regards the level of capital which is required given the P&L probability distribution forecasted by a the model. The rationale behind the VaR metric is that a bank should have enough capital to face trading losses which may occur up to a specific confidence level. Hence, all losses beyond the confidence level are ignored for the calculation of the capital charge, regardless their level or probability or occurrence

However, in some cases, these may be very relevant to assess the risk profile of the instrument. There can be, for example, two different instruments leading to the same VaR level and hence with the same resulting capital charge under the old IMA, but which present a very different probability distribution of losses beyond the confidence level. One may, for example, follow a normal distribution. In this case, beyond the confidence level, ever higher losses will be assigned ever lower probabilities. The other may present a probability distribution wich diverges from the normal and in which some extreme losses may be assigned a far higher probability of occurrence than they would have in a normal distribution. Therefore, the overall riskyness of the latter instrument can be considered higher, despite the fact that both are assigned the same capital charge. This had an implication for trading losses during the crisis. VaR systematically underestimated losses for instruments which had probability distributions deviating from the normal one and hence presented substantial «tail risk».

The ES metric is intended to address this issue. The ES is in essence a conditional expected value, the expected value of losses conditional to losses being beyond the confidence level. The determination of the ES level can be described as a two-step process. A first step would be to set a confidence level, in the same way as for the VaR. But while for the VaR, losses corresponding to that confidence level are already the sole input used to determine the capital charge, for the ES it is only a starting point. The ES considers all losses beyond the confidence level as a single standalone probability distribution and it calculates the average loss of that distribution.


Therefore, the distribution of losses beyond the confidence level is also relevant for the calculation of the final capital charge.

By taking the same confidence level as in the VaR, ES would always lead to a higher capital charge. However, that was not the intention of the FRTB. Therefore, a lower calibration was envisaged for the ES: 97,5 per cent instead of the 99 per cent of the current VaR. The underlying rationale of this calibration was to equate ES and VaR values in the case of a normal distribution.

Another important new feature of the ES model compared to the old VaR model is that it incorporates the potential effects of market stress into the calculation of the charge. Instead of having two separate capital charges as in the old framework, VaR and stressed VaR, which were additive, the specification of the ES charge incorpora-tes the effects of market stress as a single figure.

Default risk charge (DRC)

The default risk charge mirrors the existing incremental risk charge (IRC). The FRTB consultation papers reflect that there was some discussion as to whether keeping a standalone model for default risk (the status quo) or introducing default risk as a risk factor in the ES model, but finally the former option was chosen. The DRC however has a number of features which are aimed at meeting the objective of restricting model freedom. As such, its specification is more detailed than the IRC model, containing, for example, more detailed rules on how to recognise the impact of correlations between defaults among obligors. In addition, it implements a floor for probabilities of default (PDs), which is set at a level of 0,03 per cent. A PD floor did not exist in the IRC framework, unlike in the existing internal approach for credit risk.

Non-modellable risk-factors

Another contribution to the objective of constraining undue model variability comes from the data quality requirements to include risk factors as variables in a model. Unlike the very generic requirements under the old framework, the FTRB introduces specific rules regarding the quality and number of observations needed to consider a risk factor modellable and prevents banks from using these risk-factors as variables in a model when these requirements are not met. In particular, according to the FRTB, «for a risk factor to be classified as modellable there must be continuously available real prices for a sufficient set of representative transactions». On whether a price is considered real or not, there is also a specific set of rules:


– It is a price at which the institution has conducted a transaction;– It is a verifiable price for an actual transaction between other arms-length

parties; or – The price is obtained from a committed quote.

If the price is obtained from a third-party vendor, where: (i) the transaction has been processed through the vendor; (ii) the vendor agrees to provide evidence of the transaction to supervisors upon request; and (iii) the price meets the three criteria immediately listed above, then it is also considered to be real.

On whether there is a sufficient set of representative transactions, the FRTB requires that a risk factor «must have at least 24 observable prices per year (measured over the period used to calibrate the current expected shortfall model) with a maximum period of one month between two consecutive observations».

When these requirements are no met, the risk-factor will be classified as non-modellable and, instead of being capitalised through the model, it will be subject to a specific capital charge for non-modellable risk factors. In particular, the FRTB says that each non-modellable risk-factor is to be capitalised using a stress scenario that is calibrated to be at least as prudent as the expected shortfall calibration used for modelled risks. It also gives some rules on the correlations to be used among risk-factors. However, compared to other sections of the FRTB, the methodology to capitalise non-modellable risk factors is left very open.

Liquidity horizons

Towards the objective of contemplating the risk of market-illiquidity, the FRTB introduces the so-called «liquidity horizons». In this regard, it is good to remind that the FRTB is a capital standard and as such, aimed at addressing risks to the solvency of the institutions and not liquidity risks, unlike the liquidity coverage ratio or the net stable funding ratio. Therefore, the liquidity risk of an instruments will only be relevant for the FRTB insofar it has implications for its P&L.

The ES measure incorporates the potential implications for P&L arising from the liquidity of an instrument. As discussed above, the ES measure is an statistical measure, which is applied to the probability distribution of P&L of an instrument or a portfolio. However, this probability distribution must be, by nature, linked to a time horizon: the variability of the portfolio or the instrument will be higher or lower depending on the time period which is considered. For the FRTB, this time period should be linked to the average holding period of an instrument by an institution. Following this logic, closing a position in the case of a less liquid instrument will generally take longer than in the case of a more liquid one and, as long as the position stays open, variability will have an impact on the P&L of the institution. The «liquidity horizons» are designed to address this issue and thus assign longer holding periods to instruments which are deemed less liquid. In this regard, it takes over the logic


from the liquidity standards of pre-defining the liquidity of an instrument directly in the standard and according to the type of instrument, counterparty or economic sector.

In the old framework, the concept of liquidity horizon for the calculation of VaR and IRC charges existed already, since it is a necessary element for the calculation of these charges. However, its relationship to liquidity is not clearly established. In the case of VaR, it just consisted of a fixed period of 10 days, common to all instruments. In the case of the IRC, some discretion is left to institutions to determine the holding period according to the liquidity of the instrument, but subject to a floor.

4.2. Assessment and potential challenges

In general, the proposed changes to the IMA meet adequately the objectives which were set originally.

In the first place, its capability to capture tail-risk is strongly enhanced by the use of ES. The stressed calibration is incorporated into the model in a sounder and more comprehensive way, which leads to a final ES figure.

In the second place, the risk of market illiquidity is also well reflected through the liquidity horizons. However, the fact that the liquidity level is predefined, although consistent with other regulations and standards, may entail that at some point it in time it does not accurately reflect the actual liquidity of some instruments, since liquidity levels can change quickly.

In the third place, the measures to reduce model risk are comprehensive: input floors, qualitative and quantitative requirements to model risk-factors, clearer re-quirements on the design of the model, desk-level specification of models and more stringent requirements on model performance. All of them taken together should have a significant impact on reducing undue model variability, although empirical evidence may only become available after implementation.

Finally, and even if not among the main objectives, the framework is also mindful of reducing the operational burden for banks. In this regard, there are some features which were introduced to simplify its application. Among them, for example, the number of risk-factors for which a «stressed calibration» is necessary is smaller than the full set of risk factors necessary for the specification of the model. Also, the actual application of liquidity horizons does not require a new ES calculation for each liquidity horizon level, but allows an interpolation from the baseline 10-day liquidity horizon.

5. The implementation of the FRTB in European legislation

In November 2016, the European Commission published a legislative proposal to amend the Capital Requirements Regulation (CRR) which included a number


of important features, among which the implementation in EU law of a number of Basel standards, including the FRTB.

The proposed implementation of the FRTB is very faithful to the original standards and only few adjustments are envisaged. We can divide them into two categories:

1. Adjustments to calibration. First of all, there is one major horizontal adjustment to the calibration of the whole framework. By virtue of article 500 of the CRR proposal, there is a rebate of 35 per cent on all FRTB capital requirements, both to those in the IMA approach and in the SA. This rebate is limited to three years, after which the European Commission shall decide, via delegated legislation, to extend the benefit, not to do it, or to revise the above mentioned factor. Bearing in mind the average increase in requirements estimated by the BCBS impact study, this rebate may neutralise the average impact of the new market risk requirements, leaving requirements at a level close to its current one, on average. Secondly, the CRR also makes some targeted adjustments to calibration. This is the case, for sovereign exposures and for covered bonds, which are subject to targeted adjustments both in the IMA and the SA.

2. Special framework for small trading books. The Commission proposal introduces a simplified framework for banks with small trading book. As result of the increase complexity of the new SA, which would otherwise be the default approach for these banks. This framework follows a three-tier approach, in which complexity increases with the size of the trading books. The first tier, which is the simplest approach for trading books (those below 20 million) is the so-called derogation for small trading books. This derogation existed already in the currently applicable CRR, and consists in practice of allowing the application of the banking book capital framework to trading book instruments. In the Commission proposal, the threshold for the derogation is increased and some technical adjustments are made. However, the applicability of banking book rules to certain instruments, such as options, still raises some questions. The second tier (for trading books below 300 million) is the so-called simplified standardised approach, which is nothing else than the current standardised approach. The third tier, for banks over 300 million, is already the new standardised approach.

In addition to the absolute thresholds mentioned above, in order to be able to use one of the simplified approaches, the bank must also fulfil specific relative thresholds. This means that, even if the bank’s trading book is small in absolute ter-ms, but trading activities are above a specific share of the balance sheet (5 per cent and 10 per cent for the tier 1 and 2 respectively), the bank will not be able to use the simplified approaches.

The simplified approaches are however not mandatory, a bank below the thresholds may always choose to use the more sophisticated approaches, or can even


use them only for a share of its portfolio. However, partial use of the simplified standardised approaches and the IMA approach is not allowed.

Finally, some areas of the FRTB, such as the treatment of non-modellable risk factors or backtesting, are referred to delegated legislation in the form of Binding Technical Standards of the European Banking Authority.

6. Conclusions

The Fundamental review of the trading book introduces wide-ranging changes in the boundary, the standardised approach and the IMA for market risk. All these changes and innovations, like the use of ES or instrument-specific sensitivities, are based on sound theoretical grounds and hence have a strong potential to contribute to achieving the objectives of the reform. However, the practical impact on achieving some of its objectives, such as on the reduction in risk-weight variability or in regulatory arbitrage related to the boundary, will only be seen after testing data corresponding to a period after implementation. Furthermore, there are some features of the reform which may also pose some challenges for the implementation itself and may as well have an impact on the final result. These are, for example, the boundary provisions, where the Basel text leaves some room for interpretation and for supervisory or jurisdictional discretion or the NMRF charge, whose calculation methodology is left very open.

References

[1] BASEL COMMITTEE FOR BANKING SUPERVISION (1996). Amendment to the capital accord to incorporate market risks, Basel. http://www.bis.org/publ/bcbs119.htm

[2] BASEL COMMITTEE FOR BANKING SUPERVISION (2009). Revisions to the Basel II market risk framework, Basel. http://www.bis.org/publ/bcbs158.htm

[3] BASEL COMMITTEE FOR BANKING SUPERVISION (2011). Basel III: A global regulatory framework for more resilient banks and banking systems, Basel http://www.bis.org/publ/bcbs189.htm

[4] BASEL COMMITTEE FOR BANKING SUPERVISION (2012). Consultative document: Fundamental review of the trading book, Basle. http://www.bis.org/publ/bcbs219.pdf

[5] BASEL COMMITTEE FOR BANKING SUPERVISION (2012). International Convergence of Capital Measurement and Capital Standards. A Revised Framework, Basel. http://www.bis.org/publ/bcbs107.htm

[6] BASEL COMMITTEE FOR BANKING SUPERVISION (2013). Consultative Document Fundamental review of the trading book: A revised market risk framework, Basel. http://www.bis.org/publ/bcbs265.pdf

[7] BASEL COMMITTEE FOR BANKING SUPERVISION (2014). Fundamental review of the trading book: outstanding issues–consultative document, Basel. http://www.bis.org/bcbs/publ/d305.htm


[8] BASEL COMMITTEE FOR BANKING SUPERVISION (2016). Minimum capital requirements for market risk, Basel. http://www.bis.org/bcbs/publ/d352.htm

[9] EUROPEAN COMMISSION (2016). Proposal for a Regulation of the European Parliament and of the Council amending Regulation (EU) No 575/2013 as regards the leverage ratio, the net stable funding ratio, requirements for own funds and eligible liabilities, counterparty credit risk, market risk, exposures to central counterparties, exposures to collective investment undertakings, large exposures, reporting and disclosure requirements and amending Regulation (EU) No 648/2012, Brussels. https://ec.europa.eu/transparency/regdoc/rep/1/2016/EN/COM-2016-850-F1-EN-MAIN.PDF

[10] ACERBIA, C. y TASCHEB, D. (2002). «On the coherence of expected shortfall». Journal of Banking & Finance, 26 (7), 1487-1503.

[11] HAHN C.; PFINGSTEN A. y WAGNER P. (2001). «Assessing the Risk of Trading Books Empirically: Does the Choice of a Risk Measure Matter?». In: H. U. Buhl, N. Kreyer and W. Steck (eds.), e-Finance. Springer, Berlin, Heidelberg.

La reestructuración de la red de oficinas en la banca española durante la crisis*

Lucio FuentelsazMinerva González

Sergio PalomasUniversidad de Zaragoza

Resumen

Este trabajo trata de identificar los principales factores que explican la fuerte caída en la red de oficinas bancarias en España durante los últimos años. Nuestra aproximación es eminente-mente descriptiva y a través de un análisis de descomposición de la varianza se evalúa la impor-tancia relativa de cada uno de estos factores. Los resultados ponen de manifiesto que la caída en el volumen de negocio es el principal detonante de la reducción en la red. A continuación, y con una importancia relativa similar, debemos mencionar la corrección de las estrategias de creci-miento llevadas a cabo durante los años de bonanza, las diferencias en la misión y objetivos de las entidades y el reajuste de oficinas que se deriva de los procesos de fusión y adquisición. Sin embargo, factores como el desarrollo tecnológico o las diferencias en los niveles de eficiencia parecen haber tenido un peso marginal en dicha explicación.

Palabras clave: reestructuración de la red de oficinas, banca española, análisis de descom-posición de la varianza, crisis.

Clasificación JEL: G21, L11, M21.

Abstract

This paper identifies the main factors that explain the strong reduction in the Spanish branching network in recent years. Our approach, essentially descriptive, uses a Variance Decomposition Analysis to assess the relative importance of different factors. The results show that the fall in the banking activity is the main trigger of the decrease in the banking network. Therewith, and with a similar rela∫tive importance, the correction of the growth strategies followed during flourishing years, the differences in the mission and objectives and the branching reduction following mergers and acquisitions should also be mentioned. On the contrary, factors such as technological development or the differences in efficiency levels seem to have had a secondary effect on the observed pattern.

Keywords: branching network restructuring, Spanish banking, variance decomposition analysis, crisis.

JEL classification: G21, L11, M21.

* La realización de este trabajo ha contado con la ayuda financiera del Ministerio de Economía y Com-petitividad y el FEDER (proyecto ECO2014-53904-R), así como del Gobierno de Aragón y el Fondo So-cial Europeo (grupos de investigación, S09). Los autores agradecen los comentarios y sugerencias de Jaime Gómez.


1. Introducción

El sector bancario ha sufrido una transformación sin precedentes en los últimos años, tanto en España como en el resto de países de su entorno económico. En par-ticular, el proceso desregulador que tuvo lugar durante los últimos lustros del pasa-do siglo supuso un cambio sustancial en las reglas de juego, que indujo a muchas empresas a crecer de forma acelerada, tanto dentro de sus mercados de actuación tradicionales como, con frecuencia, en nuevos mercados en los que no habían te-nido presencia hasta ese momento. Téngase en cuenta que, al comienzo de aquel proceso, tanto las cajas de ahorro como las cooperativas de crédito veían limitada su actividad a un ámbito geográfico reducido, por lo que la eliminación de restricciones supuso un estímulo para muchas entidades, que intentan ampliar su ámbito de ac-tuación, con el fin de prestar sus servicios en una buena parte del territorio español. La principal consecuencia de estos cambios fue una proliferación en el número de oficinas, que aumentó de forma ininterrumpida hasta el año 2008, momento en que los diferentes intermediarios ofrecían sus servicios a través de una red que superaba los 45.000 puntos de venta.

Sin embargo, la reciente crisis económica ha afectado de forma especialmente intensa al sector bancario, de modo que la mayoría de las entidades se han visto for-zadas a replantear sus estrategias, lo que ha derivado en numerosas fusiones o en el cierre de buena parte de las oficinas existentes al comienzo de la crisis.

Aunque la expansión que tuvo lugar hasta finales de la pasada década ha sido su-ficientemente documentada por la literatura, tanto desde un punto de vista agregado (Delgado, Saurina y Townsend, 2008) como de forma individualizada, analizando la estrategia adoptada por determinadas entidades (Fuentelsaz, Gómez y Polo, 2004; Fuentelsaz, Gómez y Palomas, 2007), el proceso de reducción posterior en el núme-ro de oficinas, seguramente por su proximidad en el tiempo, ha sido mucho menos estudiado. Es cierto que en algunos trabajos se ha hecho referencia a la contracción en el tamaño de la red una vez desencadenada la crisis económica que se inicia en el año 2008 y a las consecuencias de dicha crisis en el sector, pero hasta el momento son más limitadas las investigaciones que han estudiado con detalle este proceso. En este sentido, deben destacarse los trabajos de Maudós (2017, 2018) que, en su intento por profundizar en las consecuencias del cierre de oficinas desde el punto de vista de la prestación de servicios financieros a las comunidades más desfavorecidas, analiza con detalle el volumen de población que ha perdido el acceso a los servicios bancarios, aproximando la exclusión financiera a través del número de municipios en los que no existe ninguna oficina bancaria.

En este trabajo tratamos de adoptar una perspectiva más amplia con el fin de ahondar en los factores que han tenido una mayor incidencia en el cierre de oficinas producido en estos últimos años. No cabe duda de que la respuesta a esta pregunta no resulta sencilla, ya que pueden ser numerosos los motivos que justifican dichos cierres. Es evidente que la caída en la demanda de los servicios ofrecidos por las entidades financieras o el importante cambio tecnológico que ha tenido lugar en la

LA REESTRUCTURACIÓN DE LA RED DE OFICINAS EN LA BANCA ESPAÑOLA... 177

industria y que aconseja entidades de mayor dimensión con el fin de poder afrontar las cuantiosas inversiones necesarias para desarrollar dichas tecnologías constituyen argumentos importantes. Pero el comportamiento adoptado por las propias entida-des, tanto antes de surgir las primeras dificultades como la respuesta ofrecida por las mismas en esos momentos iniciales, también forma parte de la explicación. Segura-mente algunas habían crecido de forma excesiva y sus oficinas no habían sido capa-ces de lograr un tamaño suficiente, o lo habían hecho a costa de elevar en exceso sus costes operativos. Otras se encontraban inmersas en complejos proceso de fusión, o los inician al percibir las primeras dificultades, con la esperanza de que estas fusio-nes pudieran formar parte de la solución al problema. Nuestro análisis no apuesta, a priori, por ninguno de estos motivos como el principal factor determinante de la reestructuración, sino que trata de identificar, a través de un enfoque eminentemente descriptivo, cuáles de estos factores han podido resultar especialmente relevantes.

Con el fin de profundizar en este análisis, el resto del trabajo se estructura como sigue. La sección siguiente proporciona una primera aproximación a la evolución de la red de oficinas en España en el último cuarto de siglo, diferenciando según el tipo de entidad e identificando tres periodos temporales con comportamientos sustancial-mente diferentes (1991-2000, 2000-2008 y 2008-1015). A continuación, y dado que en este trabajo se analiza el comportamiento de todas las entidades que operan en el segmento de banca minorista en España (considerando como tales aquellas que tie-nen al menos 10 oficinas en alguno de los años que forman parte de nuestro periodo muestral) analizamos la evolución de la red de oficinas de las principales entidades que operan en nuestro país. La sección cuarta identifica seis posibles factores que han podido incidir especialmente en la reestructuración de la red (caída de la deman-da, evolución tecnológica, estrategias de crecimiento seguidas durante el periodo de bonanza, participación en fusiones y adquisiciones, diferencias en la misión o el modelo de negocio o grado de eficiencia), planteando a continuación un análisis de descomposición de la varianza con el fin de evaluar la importancia relativa de cada uno de estos factores. La última sección del trabajo sintetiza las principales conclu-siones que se derivan del mismo.

2. Evolución de la red de oficinas 1991-2015: una visión general

Antes de analizar el comportamiento individual de las entidades bancarias que operan en España o la magnitud de la reestructuración de su red de oficinas, puede resultar de utilidad conocer brevemente su evolución en términos agregados. Con el fin de disponer de una perspectiva temporal suficientemente amplia, la evaluación que se lleva a cabo en esta sección tiene en cuenta el desarrollo del sector en el último cuarto de siglo, y más concretamente en el periodo 1991-2015. No obstante, es im-portante mencionar previamente que durante los años 70 y 80 del siglo pasado se pro- dujeron una serie de cambios regulatorios importantes, orientados a liberalizar el sec-tor e incrementar la rivalidad dentro del mismo y que probablemente desencadenan


muchos de los movimientos posteriores. Entre estos cambios, cabe mencionar as-pectos como la libertad de apertura de oficinas, la eliminación de restricciones a los tipos de interés de préstamos o depósitos, la reducción de las barreras a la entrada de bancos extranjeros o la supresión de coeficientes de inversión obligatorios1. Como consecuencia de todos estos cambios, a comienzos de los años noventa el sector pue-de considerarse razonablemente competitivo y las entidades comienzan a redefinir sus estrategias, una de cuyas manifestaciones más evidente es la búsqueda de nuevos mercados por parte de muchas de ellas, con el consiguiente efecto en el tamaño de la red de oficinas.

El Gráfico 1, que muestra el comportamiento de la red desde 1991, proporciona una primera aproximación a dicha evolución. En dicho gráfico se observa un cre-cimiento continuado hasta 2008, año en el que se alcanza un máximo histórico de 45.652 oficinas, lo que supone un crecimiento del 34 por 100 en relación con las 34.031 existentes en 1991. A partir de ese momento, el número de puntos de venta se reduce progresivamente hasta las 31.252 oficinas de 2015, lo que implica el cierre de aproximadamente una de cada tres oficinas en tan solo siete años. Como consecuen-cia de estos cierres, el tamaño de la red es en la actualidad inferior a la existente en 1991 (un 8,2 por 100 menor), a pesar de lo cual parece que el proceso de restructu-ración no ha finalizado2.

En la medida en que en la industria han participado tradicionalmente diferentes tipos de agente, cada uno de ellos con unas características y comportamiento diferen-tes, el Gráfico 2, así como el Cuadro 1, muestran su evolución por separado y ponen de manifiesto la existencia de patrones de comportamiento claramente diferenciados. En todo caso, y antes de continuar con el análisis, parece procedente realizar algunas puntualizaciones en relación con la información contenida en ambos. Así, es impor-tante destacar en primer lugar que desde 2010 la mayor parte de las cajas de ahorros han comenzado un proceso de bancarización importante que ha llevado a la desapa-rición como tales de casi todas ellas3. En consecuencia, es discutible que en la actua-lidad debamos llamar a estas entidades cajas de ahorro. Dado que nuestro objetivo en este punto es incidir en la dispar evolución experimentada por los diferentes tipos de intermediarios y con el fin de evitar, en lo posible, problemas de terminología, diferenciamos las entidades en función de su asociación a las diferentes patronales que continúan existiendo en la actualidad. Hablamos de bancos o miembros AEB para las entidades integradas en la Asociación Española de Banca, miembros CECA (y, ocasionalmente, aun siendo conscientes del abuso de lenguaje que ello supone, cajas de ahorro) para las cajas tradicionales, y miembros UNACC para las cajas

1 Un análisis detallado de las reformas que se han llevado a cabo en el sector bancario español puede verse en MALO DE MOLINA y MARTÍN-ACEÑA (2011).

2 Según el dato más reciente del Banco de España, en diciembre de 2016 había 28.807 oficinas ope- rativas en territorio nacional. Esto supone un descenso del 7,8 por 100 tras el fin del horizonte temporal del estudio.

3 Las dos únicas excepciones vienen dadas por dos pequeñas entidades, Caixa Ontinyent y Caixa de Ahorros de Pollensa, que han mantenido su estatus de cajas.


rurales y las cooperativas de crédito4. En segundo lugar, durante la última década se han producido numerosas adquisiciones de entidades entre cajas de ahorro y bancos comerciales. Esto podría generar variaciones repentinas en el número de entidades de cada grupo que no se deben realmente a aperturas y cierres de oficinas, sino a traspasos de oficinas de un tipo de entidad a otro. Para evitar el impacto de estas variaciones en el análisis de la red, el número de oficinas de cada grupo se calcula de forma retrospectiva. Por ejemplo, cuando una caja adquiere un banco, se suman las oficinas de este banco a todas las observaciones de la caja en años anteriores, con independencia del momento del tiempo en el que tuvo lugar la adquisición.

Por último, indicar que dentro del periodo de análisis consideramos, a su vez, tres subperiodos, con el fin de identificar las principales tendencias que se producen en cada uno de ellos. El primer tramo, 1991-2000, representa la consolidación del

4 Cajamar, el principal grupo cooperativo del país, ha dejado de ser miembro de UNACC, constituyendo la Asociación Empresarial de Entidades Cooperativas de Crédito (ASEMECC). Dado que durante la mayor parte de los años del horizonte temporal considerado ha estado integrada en UNACC y que en la actualidad mantiene su espíritu cooperativo, nos referiremos a esta entidad como miembro de este grupo a pesar de que en la actualidad ya no forma parte del mismo.

20.000

25.000

30.000

35.000

40.000

45.000

50.000

1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015

GRÁFICO 1EVOLUCIÓN DE LA RED DE OFICINAS BANCARIAS EN ESPAÑA



sistema bancario español tras la compleción del proceso desregulador y antes de la introducción del euro como moneda única dentro de la Unión Económica y Mone-taria5. Los quince años restantes se dividen en dos subperiodos de ocho y siete años respectivamente y cuyo punto de separación se sitúa en el inicio de la gran crisis eco-nómica que tiene lugar a partir de 2008. De esta forma, comparamos la evolución de la red de oficinas en el periodo de crecimiento económico comprendido entre 2000 y 2008, y la que tiene lugar una vez desencadenada la crisis. En definitiva, estos tres periodos recogen tres contextos económicos claramente diferentes en los que se ha desarrollado la actividad bancaria.

Una vez realizadas estas puntualizaciones y volviendo a la información conteni-da en el Gráfico 2 y el Cuadro 1, podemos constatar cómo en el caso de las entidades AEB la red de oficinas se reduce en una cuarta parte entre 1991 y 2015, con un com-portamiento claramente diferenciado en los tres periodos considerados. Hasta el año 2000 la reducción tiene lugar de forma suave, a un ritmo del 0,5 por 100 anual, caída que se detiene entre 2000 y 2008, para acelerarse a partir de este momento, con el cierre de casi el 25 por 100 de las oficinas en tan solo ocho años.

5 El euro nace el 1 de enero de 1999, momento en el que dicha moneda sustituye a la de los once países que se incorporan al mismo en la primera fase (Alemania, Austria, Bélgica, España, Francia, Irlanda, Italia, Luxemburgo, Países Bajos, Portugal y Finlandia). No obstante, la introducción física de las monedas y bille-tes no tiene lugar hasta el 1 de enero de 2002.

0

2.500

5.000

7.500

10.000

12.500

15.000

17.500

20.000

22.500

25.000

27.500

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2016

2007

2008

2009

2010

2011

2012

2013

2014

2015

Entidades UNACC (y ASEMEC) Entidades CECA Entidades AEB

GRÁFICO 2EVOLUCIÓN DE OFICINAS POR TIPO DE ENTIDAD

FUENTE: Elaboración propia a partir de datos AEB, CECA y UNACC.


En el caso de las entidades asociadas a la CECA el patrón es muy diferente. Desde la desregulación y hasta el comienzo de la crisis se observan tasas anuales de crecimiento elevadas, por encima del 3 por 100. Así, la red aumenta desde las 14.239 oficinas de 1991 hasta las 24.260 que operan al comienzo de la crisis, lo que supone un crecimiento superior al 56 por 100 en poco más de 15 años. Sin embargo, con el comienzo de crisis se observa un fuerte cambio de tendencia, con una tasa de cierres promedio del 7,3 por 100 anual, lo que supone volver a una cifra similar a la de 1991, esto es, 14.270 oficinas.

Finalmente, las entidades vinculadas a UNACC muestran un patrón similar al de las asociadas a la CECA hasta el comienzo de la crisis. Tras la desregulación crecieron a un ritmo acumulativo del 4 por 100 anual hasta el cambio de siglo (3,3 por 100 las entidades CECA), mientras que entre 2000 y 2008 lo hacen a una tasa del 3,1 por 100 anual, prácticamente la misma que en las entidades CECA. Es tras el estallido de la crisis cuando se detectan notables diferencias ya que mientras las an-tiguas cajas de ahorro cierran más del 40 por 100 de su red de oficinas, los cierres en las cooperativas son mucho más moderados: apenas el 1,2 por 100 cada año. Como consecuencia de ello, entre 1991 y 2015 la red de las entidades integradas dentro de la UNACC ha aumentado un 67 por 100, al pasar de 2.784 a 4.651 oficinas.

El Cuadro 1 completa la información proporcionada por el Gráfico 2, al recoger, tanto para todo el horizonte temporal considerado como para cada uno de los tres subperiodos, la variación total acumulada en la red de oficinas (Panel A) y las tasas de variación anual (Panel B). Esta evolución se analiza tanto de forma global como distinguiendo según el tipo de intermediario, esto es, banca comercial (miembros AEB), cajas de ahorro (miembros CECA) y cajas rurales (miembros UNACC).

CUADRO 1VARIACIÓN EN EL NÚMERO DE OFICINAS BANCARIAS

(En %)

PANEL A: Variación acumulada PANEL B: Variación anualTotal AEB CECA UNACC* Total AEB CECA UNACC*

1991-2015 –8,2 –27,5 0,22 67,1 –0,4 –1,3 0,01 2,21991-2000 15,4 –4,0 33,5 41,7 1,6 –0,5 3,300 4,02000-2008 16,3 0,2 27,7 27,8 1,9 0,02 3,100 3,12008-2015 –31,5 –24,6 –41,2 –7,8 –5,3 –4,0 –7,300 –1,2

NOTA: Incluye también las entidades pertenecientes a ASEMECCFUENTE: Anuarios estadísticos de la AEB, CECA y UNACC. Memoria de Cajamar.


3. Análisis individual

La sección previa ha puesto de manifiesto la existencia de importantes diferencias tanto en las tasas de crecimiento de la red de oficinas según el periodo considerado como en lo que respecta a la heterogeneidad en el comportamiento de los distintos grupos de intermediarios. Con el fin de evaluar si dentro de un mismo grupo la situa-ción es más homogénea, a continuación se consideran las principales entidades que operan actualmente en nuestro país. Para no distorsionar en exceso nuestro análisis, únicamente tendremos en cuenta el periodo 2000-2015, ya que al agregar retrospec-tivamente las oficinas cuando se producen fusiones o adquisiciones, las cifras se ven fuertemente afectadas por este tipo de operaciones. Del mismo modo y con el fin de no extender en exceso el análisis, únicamente se consideran las principales entidades del país, entendiendo como tales aquellas que durante los años considerandos han tenido, en promedio, un número de oficinas superior a 2006.

En primer lugar se muestra la evolución de las principales entidades integradas actualmente en la Asociación Española de Banca7. Por lo que respecta a los dos prin-cipales bancos del país (Gráfico 3), ambos siguen un patrón relativamente similar, con una reducción de sus oficinas superior a la de sus competidores, especialmente durante el primer tramo considerado. Téngase en cuenta, no obstante, que la fuerte caída que tiene lugar en ambos casos en 2001 y 2002 (y que conlleva que en el primer subperiodo ambos grupos reduzcan, en contra de la tendencia general, su red), viene dada por la reestructuración que se deriva como consecuencia de las fusiones que dan lugar a BBVA y Santander Central Hispano producidas a finales del pasado siglo. A partir de ese momento ambas entidades incrementan su tamaño hasta 2008, obser-vándose una fuerte caída desde entonces, superior al 25 por 100 en ambos casos.

Según muestra el Gráfico 4, también es similar el comportamiento de Sabadell8 y del Grupo Popular (que incluye a los Bancos Popular y Pastor), al menos en lo que respecta a las cifras globales: crecimiento superior al 15 por 100 durante el primer subperiodo, debido sobre todo a la integración de algunas de las numerosas entidades con las que se fusionan (las más relevantes, en el caso de Sabadell, son Solbank, Herrero, Atlántico, CAM, Guipuzcoano o Gallego, mientras que en el Popular cabe mencionar a Crédito Balear, Castilla, Vasconia, Galicia o Andalucía) y fuerte caída a partir de ese año.

Destacar, finalmente, que Bankinter o Deutsche Bank (Gráfico 5) son las entida-des que muestran un comportamiento más atípico dentro de los mayores bancos del

6 Frente a la alternativa de representar en un solo gráfico cada grupo de entidades, hemos optado por agrupar aquellas que tienen un tamaño similar, con el fin de evitar que la mayor dimensión de algunas impida la visualización del patrón de comportamiento seguido por las de menor tamaño.

7 Recuérdese que cuando se producen fusiones o adquisiciones entre entidades, para la construcción de las series que se presentan en esta sección se suman hacia atrás las oficinas de todas las entidades que forman parte de la operación corporativa.

8 Como puede verse en dicho Gráfico 4, Banco Sabadell, en contra de la tendencia general, incrementa en 2013 su red en 561 oficinas (un aumento del 27 por 100). La explicación de esta aparente anomalía es que en ese año Sabadell incorpora la red de oficinas que Caixa Penedès (que, a pesar de esto, sigue formando parte de Banco Mare Nostrum) tiene en Cataluña y Aragón.


2.500

3.000

3.500

4.000

4.500

5.000

5.500

6.000

Núm

ero

de o

ficin

as

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Banco Santander BBVA

1.500

1.700

1.900

2.100

2.300

2.500

2.700

2.900

3.100

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Núm

ero

de o

ficin

as

Banco Sabadell Grupo Banco Popular

GRÁFICO 3EVOLUCIÓN DE LA RED DE OFICINAS DE BANCO SANTANDER Y BBVA

GRÁFICO 4 EVOLUCIÓN DE LA RED DE OFICINAS DE BANCO SABADELL Y GRUPO

BANCO POPULAR




país. Por lo que respecta al primero, aunque su red crece con fuerza hasta 2008 (un 34 por 100), apenas se reduce una vez iniciada la crisis: únicamente pierde 10 ofici-nas. En cuanto a Deutsche Bank, la reducción en el número de oficinas es moderada (17 por 100) y se distribuye a lo largo de los dos subperiodos analizados.

Por lo que respecta a las antiguas cajas de ahorro, los Gráficos 6, 7 y 8 recogen la evolución de los principales grupos del país. En lo que hace referencia a las dos entidades líderes (Gráfico 6), su perfil en los años de crecimiento económico soste-nido es parecido, con un aumento en el tamaño de la red en torno al 25-30 por 100. No resulta tan similar el patrón seguido por ambas a partir de 2008, ya que la caída en Caixabank es más regular y, aunque intensa, algo menos acusada (36,8 por 100), mientras que la de su rival no se inicia hasta la constitución en 2010 de BFA-Bankia, pero a partir de ese momento la red se reduce en más del 50 por 100, pasando de más de 4.000 oficinas en 2010 a solo 1.944 en 2015.

Según se muestra en el Gráfico 7, algo más prudente fue el crecimiento de Iberca-ja durante los años previos a la crisis (un 17,7 por 100, únicamente originado como consecuencia de crecimiento orgánico) y también menos acusada la reestructuración posterior, ligeramente por encima del 25 por 100 y que se concentra en los años pos-teriores a la integración del grupo Caja3. Bastante similar es el comportamiento de Unicaja, aunque si se analizan los datos integrados con Caja España-Duero (téngase en cuenta que Unicaja la adquiere en 2014, aunque se mantienen ambas marcas, con la segunda operando fundamentalmente en Castilla y León) la caída en el segundo periodo es superior, ya que esta última cierra la mitad de sus oficinas. Tampoco

GRÁFICO 5 EVOLUCIÓN DE LA RED DE OFICINAS DE BANKINTER, DEUTSCHE BANK

Y BANCA MARCH

150

200

250

300

350

400

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Núm

ero

de o

ficin

as

Bankinter Deutsche Bank Banca MarchFUENTE: Elaboración propia.


1.500

2.500

3.500

4.500

5.500

6.500

7.500

8.500

9.500

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Núm

ero

de o

ficin

as

Caixabank Bankia

GRÁFICO 6EVOLUCIÓN DE LA RED DE OFICINAS DE CAIXABANK Y BANKIA

GRÁFICO 7EVOLUCIÓN DE LA RED DE OFICINAS DE IBERCAJA, UNICAJA

(MÁS CAJA ESPAÑA-DUERO), BANCO MARE NOSTRUM, ABANCA Y GRUPO KUTXABANK

0

500

1.000

1.500

2.000

2.500

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Núm

ero

de o

ficin

as

Ibercaja Banco Banco Mare Nostrum Abanca Corporación BancariaUnicaja (más Caja España-Duero) Grupo Kutxabank




difieren, en lo sustancial, las cifras de Kutxabank (la entidad resultante de las tres cajas vascas y que se adjudicó Cajasur en 2010, manteniendo la marca en Andalucía y Extremadura) una de las entidades que mejor ha superado el periodo de crisis, a pesar de que tras la fusión en 2011 elimina una de cada cuatro oficinas.

Resulta especialmente acusada la caída, a partir de 2008, en Abanca y Mare Nos-trum, entidades originadas a partir de sendos procesos de fusión y que han atrave-sado por importantes dificultades en estos años. Así, Abanca (que integró en 2010 Caixanova y Caixa Galicia, y posteriormente el Banco Etcheverría) cierra un 55 por 100 de su red, mientras que la de Mare Nostrum (resultante de la fusión de las cajas de Murcia, General de Granada, Sa Nostra y Penedès) se reduce en un 60 por 1009.

Muy diferente ha sido, sin embargo, el comportamiento de las cajas rurales y coo-perativas de crédito con la excepción, en todo caso, del grupo Cajamar (Gráfico 9), que también presenta un fuerte crecimiento inicial, que en esta entidad se extiende hasta 2010 como consecuencia de la integración de un buen número de cajas rurales y una caída, también importante, a partir de ese año. En el resto de las grandes cajas rurales y cooperativas de crédito, el fuerte crecimiento experimentado durante los

9 Los Gráficos 6, 7 y 8 no hacen referencia a Catalunya Caixa debido a que la entidad es adquirida en la primavera de 2015 por BBVA. Sin embargo, la integración no se ha completado a finales de 2015, por lo que no se recoge en este análisis como parte integrante del grupo BBVA. No obstante, debemos mencionar que se trata de una de las entidades más golpeadas por la crisis, lo que le ha llevado a perder casi el 60 por 100 de sus oficinas.

GRÁFICO 8EVOLUCIÓN DE LA RED DE OFICINAS DE LIBERBANK Y BANCO

DE CASTILLA-LA MANCHA

300

400

500

600

700

800

900

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Núm

ero

de o

ficin

as

Liberbank Banco de Castilla-La Mancha



GRÁFICO 9EVOLUCIÓN DE OFICINAS BANCO DE CRÉDITO COOPERATIVO

(GRUPO CAJAMAR)

800

1.200

1.600

2.000

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Núm

ero

de o

ficin

as

GRÁFICO 10EVOLUCIÓN DE LA RED DE OFICINAS DE CAJA LABORAL, BANTIERRA,

CAJA RURAL DE CASTILLA-LA MANCHA, CAJA RURAL DEL SUR,GLOBALCAJA Y CAJA RURAL DE NAVARRA

100

150

200

250

300

350

400

450

500

550

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015

Núm

ero

de o

ficin

as

Caja Laboral Popular C. R. del Sur Ban�erra - C. R. de AragónGlobalcaja - C. R. de Albacete, Ciudad Real y Cuenca C. R. de Cas�lla-La Mancha

C. R. de Navarra




años iniciales (especialmente intenso en Caja Laboral o la Caja Rural de Navarra) se corrige de forma mucho más suave, hasta el punto de que algunas entidades (Global-caja, CR Castilla-La Mancha) aumentan el tamaño de su red durante estos años de crisis, por lo que todas ellas cierran 2015 con más oficinas de las que tenían en 2000. La única excepción la constituye Bantierra, que reduce sus oficinas en la primera parte del horizonte temporal considerado.

4. Factores determinantes de la evolución de la red de oficinas durante la crisis económica

En el análisis descriptivo realizado en las dos secciones precedentes destacan dos aspectos. En primer lugar, durante la crisis económico-financiera se ha inverti-do el patrón de crecimiento que había tenido lugar en los años previos. Después de dos décadas de un aumento sostenido, el número de oficinas sufre, desde 2008, una reducción sin precedentes. En segundo lugar, esta evolución no se da de manera ho-mogénea entre todas las entidades financieras. Por ejemplo, las cajas rurales han re-ducido su red de forma mucho más moderada que los bancos comerciales o las cajas de ahorros. A su vez, determinadas entidades se han visto menos afectadas por este proceso. En consecuencia, resulta interesante profundizar en las causas específicas que han llevado a esta situación, especialmente en aquellas que pueden ayudarnos a entender las diferencias que se observan entre entidades.

En concreto, se discute aquí el efecto de tres tipos de factores. En primer lugar, se hará referencia a dos factores externos a las empresas: la reducción en el volumen de actividad que se produce durante la crisis y la evolución tecnológica. En segundo lugar, se proponen explicaciones basadas en el comportamiento estratégico de las empresas. Entre estos factores se incluyen la estrategia de expansión de la red de oficinas seguida durante el periodo de expansión previo a la crisis, las fusiones y adquisiciones que han tenido lugar durante el periodo observado y las diferencias sistemáticas en la misión y objetivos estratégicos que se dan entre los diferentes tipos de intermediarios que operan en el sistema bancario español. En tercer lugar, discuti-remos el efecto del desempeño de las empresas. Particularmente, haremos referencia al desempeño operativo (eficiencia).

Estos factores pueden ayudar a entender, siquiera parcialmente, la reducción en la red que tiene lugar a partir de 2008. Comenzaremos con una breve descripción de cada uno de estos elementos y un primer análisis exploratorio. Después, llevaremos a cabo un análisis de descomposición de la varianza de la propensión al cierre de ofi-cinas con el fin de evaluar la importancia relativa de estos elementos en la evolución de la red de oficinas10.

10 Cabe destacar que todos estos análisis se refieren al periodo 2008-2015, es decir, desde el comienzo de la crisis y hasta la información más actualizada que ofrecen los anuarios de AEB, CECA y UNACC.


En estos análisis se mide la propensión al cierre como el porcentaje de oficinas cerradas durante un año (número de oficinas al comienzo del periodo menos número de oficinas a final de año dividido por el número inicial de oficinas)11. La muestra incluye todas las entidades bancarias que operaron en España durante el periodo y que en algún momento alcanzaron al menos las 10 oficinas. Este requisito mínimo de oficinas se aplica para evitar sobrevalorar el impacto de los cierres de oficinas en entidades muy pequeñas, y para asegurar que en las entidades analizadas la banca minorista tiene un papel relevante.

4.1. Reducción de actividad bancaria

Uno de los efectos más importantes de la crisis económica fue una notable re-ducción en el volumen de actividad económica. Esta reducción se trasladó al sector financiero, en forma de menor demanda de créditos y menor volumen de depósitos en los bancos. En tanto que las oficinas son la unidad básica de provisión de los servicios asociados a operaciones tanto de crédito como depósito, la red de oficinas existente pasó a estar sobredimensionada. En consecuencia cabe esperar que se pro-duzca una variación en la red de oficinas análoga a la variación en la demanda de estos servicios.

El Gráfico 11 proporciona una primera aproximación a este fenómeno. En él se muestra la evolución de la red de oficinas (eje de la izquierda) y del volumen total de créditos y depósitos (eje de la derecha, en millones de euros de 1991). Desde 2008, la reducción en la red de oficinas ha sido más acusada que la reducción en el volumen de negocio. Más aún, entre 2012 y 2015 se observa cierta moderación en la caída del volumen de actividad; sin embargo, la red de oficinas continúa disminuyendo con fuerza. En definitiva, la evolución del volumen de actividad que, en consonancia con el interés en las actividades de banca minorista que nos mueve en este análisis, aproximamos mediante la suma del total de créditos y depósitos de cada entidad, proporciona, en todo caso, una explicación parcial. No obstante, se puede realizar un análisis más robusto teniendo en cuenta las especificidades de cada entidad. Par-ticularmente, comparamos la propensión al cierre de oficinas por parte de las entidades financieras en función de la variación en el volumen de actividad que experi-mentan.

Para analizar el efecto de una reducción en el volumen de actividad, separamos las entidades en función de si en un determinado ejercicio experimentan un aumento notable en su volumen de actividad (i.e., variación mayor que la media del sector más una desviación típica), muestran una cierta estabilidad (variación en un intervalo

11 Nos centramos en analizar los factores que explican la reducción de la red de oficinas. Por tanto, esta medida no recoge los casos en los que una entidad aumenta de forma neta su tamaño. Una entidad en la que aumente el número de oficinas activas tendrá un valor de 0 en la medida de propensión al cierre. En el caso de entidades fusionadas, comparamos las oficinas de las entidades implicadas con las oficinas de la entidad resultante.


de la media más, o menos, una desviación típica), o experimentan una reducción notable de actividad en relación con el año anterior (media del sector menos una desviación típica), y analizamos la tasa de cierre de oficinas en el siguiente ejercicio.

Entre las entidades que experimentan un descenso notable en el volumen de ac-tividad, la tasa promedio de cierre de oficinas ha sido de un 12 por 100 anual, en claro contraste con las entidades para las cuales el volumen de actividad permanece estable o aumenta de forma significativa (en ambos casos, propensión al cierre por debajo del 4 por 100). Un test ANOVA de diferencia de medias entre estas tres cate-gorías (aplicando la corrección de Bonferroni) confirma que estas diferencias resul-tan estadísticamente significativas (F = 12,41; p < 0,001). Por tanto, las variaciones en el volumen de demanda constituyen una explicación plausible del elevado cierre de oficinas observado entre 2008 y 2015.

4.2. Evolución tecnológica

Un segundo factor que podría explicar la variación en la red de oficinas es el cambio tecnológico. Desde la década de los 80 y coincidiendo con la liberaliza-ción del sector bancario, se han producido numerosas innovaciones destinadas a la

GRÁFICO 11EVOLUCIÓN DE LA RED. EVOLUCIÓN DE LA RED DE OFICINAS

BANCARIAS Y DEL VOLUMEN DE ACTIVIDAD

0

500.000

1.000.000

1.500.000

2.000.000

2.500.000

3.000.000

0

5.000

10.000

15.000

20.000

25.000

30.000

35.000

40.000

45.000

50.000

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

Oficinas Depósitos (mill. de 1991)Créditos (mill. de 1991) Dep. + Créd.(mill. de 1991)



automatización y la mejora de eficiencia de las actividades bancarias, con especial apoyo en las tecnologías de la información (Batiz-Lazo y Woldesenberg, 2006; Boot y Marinç, 2008). Entre estos cambios, cabe destacar la computarización de las acti-vidades administrativas, la coordinación de sistemas de balances, la consolidación de los terminales en el punto de venta y los cajeros automáticos, o el desarrollo de la banca online. Estas iniciativas presentan normalmente economías de escala, por lo que han podido aumentar la capacidad de prestar servicio de cada oficina. Como re-sultado, el cierre de oficinas de la última década podría haber sido, al menos parcial-mente, una consecuencia de ese proceso de sustitución entre tecnología y oficinas.

El Gráfico 12 muestra el volumen de créditos y depósitos que se gestionan desde cada oficina en promedio (en millones de euros de 1991). Un hecho admitido en la literatura sobre cambio tecnológico es que las mejoras en el desempeño como conse-cuencia de la introducción de nuevas tecnologías suelen mostrar un patrón en forma de «S», de modo que la contribución de la tecnología es moderada pero creciente tras su introducción, aumenta a continuación de forma más rápida, para finalizar con mejoras marginales como resultado de la saturación de las oportunidades tecnoló-gicas (e.g., Nieto, López y Cruz, 1998). En consecuencia, en caso de que el cambio tecnológico haya tenido un impacto tangible en la actividad de las entidades banca-rias españolas, en las últimas décadas cabría esperar un aumento en forma de curva sigmoidal en la capacidad de servicio de cada oficina.

En el Gráfico 12 se observa que el volumen de actividad asumido por cada oficina muestra la forma de «S» discutida en el párrafo anterior (que analíticamente se tradu-ce en una relación). Este patrón es consistente con los años de introducción paulatina de nuevas aplicaciones de las tecnologías de la información en el sector. En cuanto al efecto de la crisis, cabe destacar que la actividad de cada oficina ha aumentado sostenidamente desde los años 90, esto es, desde mucho antes de la crisis. La línea vertical corresponde al año 2008, cuando se alcanzó el máximo de oficinas de la red. Es importante señalar que las series no parecen experimentar una discontinui-dad localizada en ese año: el volumen de actividad llevado a cabo por cada oficina va aumentando con el mismo patrón de años anteriores. Esto podría suponer que la reducción de la red de oficinas responde no solo a las variaciones en el volumen de actividad a llevar a cabo, sino a la evolución tecnológica y su impacto en el volumen de actividad que se puede llevar a cabo desde cada oficina.

Para comprobar de manera más formal el posible efecto del cambio tecnológico en la propensión al cierre de oficinas, llevamos a cabo un test de comparación de me-dias (ANOVA, corrección Bonferroni). Téngase en cuenta que el sector bancario se caracteriza por su dependencia de proveedores externos para obtener innovaciones tecnológicas. Como resultado, existe mayor homogeneidad en el acceso a nuevas tecnologías del que pueda existir en otros sectores. Esto permite tratar el cambio tecnológico como un efecto exógeno común. Así, comparando la propensión al cie-rre de oficinas de cada año, podemos aproximar el efecto previsible del desarrollo tecnológico. El test rechaza la hipótesis nula de que existen diferencias sistemáti-cas en el cierre de oficinas anuales (F = 1,26, p = 0,273). En consecuencia, el patrón


observado no parece consistente con un patrón de cierre de oficinas basado funda-mentalmente en el cambio tecnológico12.

4.3. Estrategias de crecimiento durante el periodo de expansión

Entrando ya en las particularidades de la estrategia seguida por cada empresa, otra explicación para la reducción de la red de oficinas sería la estrategia de creci-miento adoptada por cada entidad durante los años de desarrollo económico sosteni-do que tuvieron lugar entre 2000 y 2008. Durante este periodo muchas entidades se embarcan en estrategias de crecimiento agresivo que podrían haber sobredimensio-nado el número de puntos de venta. En el nuevo escenario económico las entidades, conscientes de este exceso, podrían estar corrigiendo las decisiones adoptadas en años anteriores. En la medida en que este argumento pudiera estar detrás de la dis-minución en el tamaño de la red, aquellos bancos cuyo número de oficinas hubiese crecido por encima del volumen de actividad del mercado estarían más expuestos a esta corrección.

12 Nos centramos en analizar los factores que explican la reducción de la red de oficinas. Por tanto, esta medida no recoge los casos en los que una entidad aumenta de forma neta su tamaño. Una entidad en la que aumente el número de oficinas activas tendrá un valor de 0 en la medida de propensión al cierre. En el caso de entidades fusionadas, comparamos las oficinas de las entidades implicadas con las oficinas de la entidad resultante.

GRÁFICO 12VOLUMEN DE CRÉDITOS Y DEPÓSITOS POR OFICINA

0,00

5,00

10,00

15,00

20,00

25,00

30,00

35,00

40,00

45,00

50,00

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

Créditos por oficina Depósitos por oficina Créditos y depósitos por oficinaPolinómica (créditos por oficina) Polinómica (depósitos por oficina)Polinómica (créditos y depósitos por oficina)



Para analizar este argumento, comparamos la propensión al cierre de oficinas de las entidades en función de su estrategia de crecimiento durante el periodo de expansión. Las empresas cuya red de oficinas creció un 50 por 100 más rápido que el volumen total de créditos nacional las etiquetamos como empresas que siguieron una estrategia agresiva. Las entidades cuya red creció hasta un 50 por 100 más len-tamente que el volumen de actividad del sector las etiquetamos como empresa que siguieron una estrategia defensiva y al resto las catalogamos como empresas con una estrategia neutra. La propensión al cierre de oficinas en cada categoría es de un 4,9 por 100, un 3,3 por 100 y un 10 por 100 para las estrategias defensiva, neu-tra y agresiva respectivamente. Estas diferencias son estadísticamente significativas (F = 8,71, p < 0,001). Por tanto, las empresas que durante el periodo de expansión económica desarrollaron su red de oficinas a mayor ritmo son las que en los años siguientes experimentaron una mayor propensión al cierre de oficinas.

4.4. Fusiones y adquisiciones

Entre 2008 y 2015 se han producido numerosas operaciones de fusión y adquisi-ción entre entidades bancarias. Algunas operaciones pueden haber sido propiciadas por el regulador, en un intento de consolidar y estabilizar el sistema. Otras pueden ser el resultado de la identificación de una oportunidad por parte de las entidades. En cualquier caso, las fusiones suelen generar problemas organizativos y potenciales solapamientos en actividad y alcance geográfico que derivan en el cierre de oficinas.

Para profundizar en este argumento, analizamos la propensión al cierre de ofici-nas de cada entidad el año siguiente de verse implicada en fusiones y adquisiciones en función de la importancia de la operación. En concreto, identificamos tres grupos. En el primero se incluyen aquellos bancos o cajas que no se han visto implicados en ninguna fusión en el año anterior. El segundo engloba las entidades en las que estas operaciones corporativas han generado un aumento en su red de oficinas de menos de un 10 por 100. Por último, se consideran los intermediarios en los que su red se ve incrementada más de un 10 por 100. Para calcular este aumento, nos fijamos en el periodo previo a la operación. Si la entidad resultante de la operación ya existía (según el código del banco de España), tomamos a esta como referencia. Si se crea una entidad nueva, suponemos que la entidad de mayor tamaño entre las implicadas es la que ve variar su red de oficinas, mientras que las otras entidades desaparecen. Cuando una entidad se enfrenta a una fusión o adquisición de mayor tamaño relativo, mayor es el potencial desajuste en sus operaciones y, en consecuencia, la posibilidad de cierre de oficinas en los años siguientes.

Los resultados muestran que la propensión al cierre entre las entidades que no participan en estas operaciones es de un 3,7 por 100, cifra inferior a la de las entida-des involucradas en operaciones en las que el tamaño de la absorbida es inferior al 10 por 100 (6,5 por 100 de cierre de oficinas) y lejos de las entidades involucradas en operaciones superiores al 10 por 100 (9,1 por 100 de cierres). Estas diferencias


son estadísticamente significativas (F = 3,35; p = 0,036), por lo que los resultados sugieren que las fusiones y adquisiciones tuvieron un peso notable en la propensión al cierre de oficinas tras la crisis.

4.5. Diferencias en misión y modelo de negocio

Un último factor relacionado con la estrategia de cada entidad financiera tiene que ver con la naturaleza de sus objetivos. En el sector bancario, los tres tipos tra-dicionales de agente han tenido históricamente diferentes misiones y modelos de negocio. Mientras que la banca comercial estaba dirigida a promover el desarrollo industrial y centraba tradicionalmente su actividad en proporcionar recursos a las empresas de cierta dimensión, los fines de las cajas de ahorro y las cooperativas te-nían un componente más social, priorizando aspectos como el fomento del ahorro, la financiación del consumo, el apoyo a las pymes o garantizar la inclusión financiera. Aunque la liberalización que tuvo lugar durante los años ochenta del siglo pasado permitía a todas las entidades realizar cualquier tipo de actividad, eliminando las restricciones legales existentes, las entidades siguieron manteniendo, al menos en lo esencial, sus modelos de negocio durante un largo periodo, por lo que es de esperar que las diferencias estratégicas entre estas entidades se sigan manteniendo debido a los valores organizativos tradicionales de cada forma organizativa.

Estos valores implicarían que cajas y cooperativas podrían ser más reacias a ce-rrar oficinas, en la medida en la que prioricen valores como la provisión de servicios a determinados colectivos o la inclusión financiera frente a los objetivos estrictamen-te de resultados. En el Gráfico 2 se observaba cómo había diferencias sistemáticas entre cada una de las formas organizativas, tanto desde la liberalización del sector como en el punto de inflexión que se produce con la crisis. Sin embargo, se trata de análisis agregados. Con el fin de profundizar en estas ideas llevamos a cabo un aná-lisis individual analizando cómo la propensión al cierre de oficinas varía en función de la forma organizativa de cada entidad. Particularmente, la propensión al cierre en bancos, cajas y cooperativas es del 6,1 por 100, 5,2 por 100 y 1,2 por 100 respecti-vamente. Estas diferencias son estadísticamente significativas (F = 13,15, p < 0,001), por lo que la naturaleza de cada tipo de entidad parece explicar también parte de las diferencias en el cierre de oficinas observado desde 2008.

4.6. Diferencias en desempeño

Un último tipo de factores que podrían explicar la heterogeneidad en la propen-sión al cierre de oficinas es el desempeño de las empresas. Ante problemas de ren-dimiento, reducir el tamaño cerrando aquellas oficinas menos eficientes puede ser una respuesta apropiada. En consecuencia, empresas con problemas de desempeño operativo podrían mostrar una mayor propensión al cierre.


Analizamos aquí el desempeño operativo (eficiencia) a través del cociente entre gastos de administración y margen bruto y creamos tres grupos en función de si este ratio tiene un valor superior a la media del año más una desviación típica (menos eficientes), si tiene un valor inferior a la media del año menos una desviación típica (eficientes), o si su valor se encuentra a una distancia de la media del año inferior a una desviación típica (eficiencia media). Estos grupos muestran una propensión al cierre del 4,5 por 100, 3,4 por 100 y 5,5 por 100 respectivamente, valores que no resultan estadísticamente diferentes (F = 2,15; p = 0,117), lo que sugiere que los intentos por mejorar los niveles de eficiencia no parecen estar detrás de la reducción observada en la red de oficinas.

4.7. Análisis de componentes de la varianza

Los análisis descriptivos presentados hasta el momento proporcionan una pri-mera aproximación a los principales factores que explican la propensión al cierre de oficinas de cada entidad. Sin embargo, estos análisis presentan dos limitaciones importantes. En primer lugar, al adoptar una aproximación univariante no tienen en cuenta la correlación que existe entre los diferentes factores. En consecuencia, no es posible asegurar que el efecto observado corresponde estrictamente a cada variable o si, por el contrario, está contaminado por el efecto de otras variables que no se han tenido en consideración. En segundo lugar, a partir de los test de comparación de medias se puede estudiar si cada categoría muestra una propensión al cierre diferen-te, pero no se analiza la importancia relativa de cada uno de los factores estudiados.

Con el fin de resolver estos problemas, a continuación se lleva a cabo un Análisis de Descomposición de la Varianza que incluye en el mismo modelo todos los facto-res discutidos. Más concretamente, utilizamos un análisis de Máxima Verosimilitud que hace uso de las categorías discretas propuestas para cada factor como grupos alternativos en cada uno de estos factores. Así, podemos estimar qué porcentaje de la variabilidad observada en la muestra se ve explicada por cada variable, controlan-do por las interdependencias entre cada uno de estos factores. El Cuadro 2 muestra los resultados del análisis. En ella se observa que los factores propuestos explican en torno al 50 por 100 de la varianza en la propensión al cierre de oficinas de las entidades españolas durante la crisis. La varianza residual podría achacarse a otras variables omitidas y al efecto idiosincrásico de cada entidad.

Como cabía esperar, los factores que no resultaban significativos en el test ANOVA son los que explican una menor proporción de la varianza. La eficiencia explica solo un 1,41 por 100 de la varianza total (2,79 por 100 de la varianza explicada) y la evolución tecnológica, un 4,18 por 100 (8,26 por 100 de la varianza explicada). De entre los factores que se identificaron como significativos, el que tiene mayor poder explicativo es la variación en el volumen de demanda de servicios financieros. Esta variable por sí sola explica el 16,02 por 100 de la varianza en la propensión al cierre de oficinas, representando casi un tercio de la varianza explicada por el conjunto de


CUADRO 2 ANÁLISIS DE COMPONENTES DE LA VARIANZA

Factor Varianza Porcentaje sobre total

Porcentaje sobre varianza explicada

Demanda 0,0350 16,02 31,62Tecnología 0,0091 4,18 8,26Expansión 0,0214 9,78 19,31Fusiones 0,0217 9,90 19,55Misión 0,0205 9,36 18,47Eficiencia 0,0031 1,41 2,79Residual (no explicada) 0,1079 49,35 –

factores. Los tres factores restantes (estrategia de crecimiento seguida durante los años de expansión, misión propia de cada tipo de entidad y fusiones y adquisiciones) explican cada uno algo más del 9 por 100 de la varianza, lo que supone aproximada-mente un 19 por 100 de la varianza explicada por el modelo.

5. Conclusiones

El objetivo de este trabajo ha sido identificar, de forma descriptiva, los principa-les factores que determinan el proceso de cierre de oficinas bancarias que ha tenido lugar en España entre 2008 y 2015. Es indudable que una parte de estos cierres puede estar justificada por la caída en la actividad que se deriva de la reciente crisis eco-nómica, pero no parece que esta sea la única explicación a esta reestructuración. En esta investigación hemos propuesto seis posibles causas explicativas: contracción de la demanda, desarrollo tecnológico, estrategias de crecimiento seguidas durante el periodo de expansión, fusiones y adquisiciones, diferencias en la misión o el modelo de negocio o diferencias en el grado de desempeño (eficiencia) de las entidades.

A través de un análisis de descomposición de la varianza hemos observado que dos de estos motivos (progreso tecnológico y diferencias en los niveles de eficiencia entre entidades) parecen haber tenido un efecto marginal en la explicación de la va-rianza observada. Del resto de factores esgrimidos, el más importante es la caída de la demanda de servicios bancarios, que explica 16 por 100 de la varianza total (casi una tercera parte del total de la varianza explicada). El resto de argumentos expli-can individualmente en torno al 9-10 por 100. Destacar, por último, que el modelo explica en conjunto aproximadamente la mitad (49,35 por 100) de la varianza total.

Evidentemente, la aproximación realizada en este trabajo presenta algunas limitaciones, que deberán ser objeto de un análisis más detallado en futuras inves-tigaciones. Como hemos apuntado, el análisis adopta un enfoque eminentemente



descriptivo, en el que únicamente se analiza la correlación que existe entre el cie-rre de oficinas y algunas de sus posibles causas. No se han ofrecido, sin embargo, argumentos teóricos que justifiquen la elección de estas variables, más allá de que la literatura o las propias valoraciones realizadas por parte de los directivos u otros expertos en la industria hayan hecho con frecuencia mención a las mismas. En con-secuencia, el desarrollo de un modelo teórico que profundice en las causas de dichos cierres, completado con un análisis multivariante que integre dichas razones en un mismo modelo, proporcionaría una mayor solidez a los resultados aquí obtenidos.

Es importante también tener en cuenta que este trabajo no analiza la validez teóri-ca o empírica de estos factores, sino si en el contexto específico de España, y durante la crisis económica que comienza en 2008, han estado detrás de la notable reducción en la red de oficinas que se observa. Cabe destacar que estos factores ofrecen expli-can aproximadamente la mitad de la varianza en relación con el número de cierres de oficinas bancarias. En consecuencia, seguramente existen otros motivos adicionales a los considerados en esta investigación, por lo que también sería de interés identifi-car cuáles pueden ser estas razones.


[1] BATIZ-LAZO, B. y WOLDESENBET, K. (2006). «The dynamics of product and process innovations in UK banking». International Journal of Financial Services Management, 1, 400-421.

[2] BOOT, A. W. A. y MARINÇ, M. (2008). «The evolving landscape of banking». Indus-trial and Corporate Change, 17, 1173-1203.

[3] DELGADO, J.; SAURINA, J. y TOWNSEND, R. (2008). «Estrategias de expansión de las entidades de depósito españolas. Una primera aproximación descriptiva». Estabilidad Financiera, 15, 99-117.

[4] FUENTELSAZ, L.; GÓMEZ, J. y PALOMAS, S. (2007). «La reestructuración de la red de oficinas en el sector bancario español: 1995-2005». Papeles de Economía Española, 114, 173-187.

[5] FUENTELSAZ, L.; GÓMEZ, J. y POLO, Y. (2004). «La expansión de la red de oficinas de las cajas de ahorro: una perspectiva estratégica». Perspectivas del Sistema Financiero, 80, 57-71.

[6] MALO DE MOLINA, J. L. y MARTÍN-ACEÑA, P. (eds.) (2011). Un siglo de historia del sistema financiero español, Alianza Editorial, Madrid.

[7] MAUDÓS, J. (2017). «El acceso a los servicios bancarios en España el impacto de la reducción del número de oficinas». Mediterráneo Económico, 29, 265-285.

[8] MAUDÓS, J. (2018). «Bank restructuring and access to financial services: the Spanish case». Growth and Change (en prensa).

[9] NIETO, M.; LÓPEZ, F. y CRUZ, F. (1998). «Performance analysis of technology using the S curve model: the case of digital signal processing (DSP) technologies». Technova-tion, 18, 439-457.

¿Existen demasiadas sucursales bancarias en España? Un análisis para el periodo 1999-2011

David ConesaPriscila Espinosa

Anabel ForteUniversitat de València

Emili Tortosa-AusinaUniversitat Jaume I

Resumen

Tras un largo periodo de intensa expansión territorial que culminó en 2008, la reestructu-ración del sector bancario español ha llevado a que el número de sucursales haya pasado de 45.000 a poco más de 28.000 en menos de una década. Las implicaciones de esta tendencia son notables, pues el acceso a la oficina física sigue siendo clave en comunidades remotas y/o desfa-vorecidas, además de existir un impacto todavía no medido en términos de banca relacional. El objetivo del trabajo consiste en determinar, a través de un modelo estadístico, si los fenómenos de over-branching y under-branching, esto es, exceso o escasez de oficinas, han estado presentes en el sector bancario español entre 1999 y 2011. La respuesta indicaría que la existencia de dichos fenómenos depende del tipo de entidad considerada (banco, caja o cooperativa), suponiendo la reestructuración del sector cajas de ahorros una amenaza para el acceso a los servicios banca-rios en algunas regiones.

Palabras clave: banco, caja, cooperativa, municipio, sucursal.Clasificación JEL: C11, G21, R1.

Abstract

After a long period of intense territorial expansion that peaked in 2008, the restructuring of the Spanish banking sector has led the number of bank branches to decline from 45,000 to just over 28,000 in less than a decade. The implications of this trend are remarkable, as access to the physical office remains key in remote and/or disadvantaged communities, and there is an impact not yet measured in terms of relationship banking. The objective of this paper is to determine, through a statistical model, whether the phenomena of over-branching and under-branching have been present in the Spanish banking sector between 1999 and 2011. The responses suggest that the existence of such phenomena depends on the type of bank considered (commercial bank, savings bank or credit union), with the restructuring of the savings banks sector threatening access to banking services in some regions.

Keywords: commercial bank, savings bank, county, bank branches.JEL classification: C11, G21, R1.


1. Introducción

Pese al cada vez mayor uso de la banca digital, no solo para la operativa más básica como la domiciliación de recibos o las transferencias sino incluso la con-tratación de depósitos bancarios o fondos de inversión, la importancia de la oficina bancaria física no puede ser soslayada. Como ha venido indicando Ergungor (2010), las entidades bancarias se especializan en prestar a clientes que, al menos a priori, son informacionalmente opacos y, por tanto, resulta clave el proceso de recopilación y procesamiento de información sobre los mismos. Como ha puesto de manifiesto repetidamente la literatura sobre banca relacional, obtener esta información puede resultar muy costoso, pero los costes pueden reducirse significativamente si existe una presencia física como es la oficina bancaria. Esta problemática afecta muy es-pecialmente a áreas con niveles de renta relativamente bajos, en las que el acceso a la banca electrónica puede ser difícil (ya sea por tratarse de territorios remotos, por bajos niveles educativos de la población o por otras razones), que requeriría aseso-ramiento a la hora de contratar productos y servicios bancarios, contribuyendo así a una dependencia excesiva de canales no tradicionales en la relación con intermedia-rios bancarios (lo que podría llevar a mayores tipos de interés y comisiones más altas por los productos y servicios bancarios) y, en última instancia, a una persistencia en los niveles bajos de renta (Ergungor, 2010).

La importancia de la localización de oficinas bancarias adquiere mayor relevan-cia, si cabe, al repasar los campos en los que, de una u otra forma, se ha venido analizando el papel de la presencia física o la distancia a los intermediarios finan-cieros. Entre estos, podemos mencionar en primer lugar la literatura que ha venido analizando el nexo entre finanzas y crecimiento económico (véanse King y Levine, 1993; Demirgüç-Kunt y Levine, 2001), una rama de la cual se ha ocupado de la dis-ponibilidad de servicios financieros y acceso al crédito (Lanzillotti y Saving, 1969; Leyshon y Thrift, 1995, 1996; Pollard, 1996), así como la literatura sobre exclusión financiera (Carbó et al., 2007, 2005; Joassart-Marcelli y Stephens, 2010; Maudos, 2017), la banca relacional (Petersen y Rajan, 1995, 1994; Ongena y Smith, 2000, 2001; Elyasiani y Goldberg, 2004; Degryse y Ongena, 2005; Boot y Thakor, 2000; Boot, 2000), e incluso la literatura sobre micro créditos (Jain, 1996; Morduch, 1999). Estos son campos relevantes, en los que el número e importancia de muchas contri-buciones son de tal calado, desde múltiples puntos de vista, que la hipótesis de que la distancia física ha dejado de ser relevante, al menos en lo que a productos y servicios bancarios se refiere, y pese a los grandes avances en la tecnología de la información y comunicaciones, debería ser descartada.

Por tanto, el análisis de temáticas relacionadas con la localización de oficinas bancarias y sus implicaciones, desde múltiples perspectivas, sigue siendo de una im-portancia capital. Sin embargo, pese al elevado número de trabajos, la gran mayoría de los mismos se centran en el caso de Estados Unidos (a excepción de la literatura sobre micro créditos), por lo que la problemática en otros contextos es menos co-nocida. Aunque existen estudios para otros países (por ejemplo, Okeahalam, 2009,

¿EXISTEN DEMASIADAS SUCURSALES BANCARIAS EN ESPAÑA? UN ANÁLISIS... 201

para el caso de Sudáfrica), son relativamente escasos, y sus objetivos y resultados son muy diversos.

En el caso concreto que nos ocupa del sistema bancario español, si bien ha reci-bido considerablemente menos atención que el de Estados Unidos, tiene una impor-tancia como actor fundamental entre los sistemas bancarios de la Unión Europea, así como por las elevadas cuotas de mercado de algunos bancos españoles en Latino- américa (Santander y BBVA, fundamentalmente). Sin embargo, como veremos más adelante, existen otros motivos que han contribuido a la importancia relativa del caso español, entre los que deberíamos destacar en particular el proceso de reestructura-ción bancaria que tuvo lugar tras el pinchazo de la burbuja inmobiliaria y que afectó muy especialmente a las cajas de ahorros (Fernández-Villaverde et al., 2013).

Uno de los rasgos más destacables de este proceso de reestructuración bancaria ha sido el cierre, a fecha de diciembre de 2016, de un tercio de las oficinas bancarias que existían en 2008, cuando el número de sucursales llegó a su número más alto. Esta tendencia, por otro lado, parece además no haber llegado todavía a su fin. Este fenómeno excepcional (hasta el punto que podríamos referirnos al mismo como un experimento natural) tiene posiblemente su origen en el fuerte aumento del número de oficinas registrado entre 1992 y 2008, cuando prácticamente se duplicó. Estos fenómenos no han sido analizados con todo el detalle que requerirían, y ese será el objetivo del presente trabajo.

La importancia de esta problemática ha suscitado un interés notable, tanto desde un punto de vista de investigación como de política económica y, consecuentemen-te, numerosas contribuciones se han venido ocupando directamente del análisis de la localización de oficinas bancarias y sus implicaciones para el caso español. Por ejemplo, desde un punto de vista de economía industrial, algunos trabajos han ana-lizado temáticas relacionadas con el contacto multi-mercado y similitud estratégi-ca (Fuentelsaz y Gómez, 2006), decisiones de entrada y diversificación geográfica (Fuentelsaz y Gómez, 2001; Fuentelsaz et al., 2002), el modelo de submercados independientes (Sutton, 1997) y su aplicación al caso de la industria bancaria al por menor en España (De Juan, 2003), así como el examen de cómo las condiciones competitivas han cambiado en los mercados bancarios locales en España con ante-rioridad a la crisis (De Juan, 2008). Por contra, otros trabajos se han ocupado más directamente de los efectos que la desregulación bancaria puede haber tenido tanto sobre la productividad (Illueca et al., 2009), como sobre la propia viabilidad de las cajas de ahorros (Illueca et al., 2014), así como las implicaciones para el desarrollo y crecimiento regionales (Pastor et al., 2017).

Los estudios relacionados más directamente con el nuestro son aquellos que se han preocupado explícitamente de la localización geográfica de oficinas bancarias y de las implicaciones para la exclusión financiera. En concreto, tanto los trabajos de Bernad et al. (2008) como el de Alamá y Tortosa-Ausina (2012) han analizado cómo las decisiones de expansión geográfica pueden haber influido sobre el fenómeno de la exclusión financiera en España, uno de los posibles efectos colaterales derivados de la desregulación y reestructuración del sistema bancario español, debido al


abandono de áreas más remotas y despobladas. Este estudio está relacionado con esos trabajos y, más concretamente, con el de Alamá et al. (2015), en el que el análisis de la localización de oficinas bancarias se evalúa a partir de un modelo estadístico, que permite definir los conceptos de under-branching y over-branching, esto es, falta o exceso de oficinas bancarias. Sin embargo, al centrarse este último trabajo únicamente en dos años (2004 y 2008), solo era posible evaluar parcialmente la dinámica de este convulso periodo.

En el presente trabajo, más concretamente, nos ocupamos de las tendencias ob-servadas en la localización de oficinas bancarias en España durante un periodo re-lativamente dilatado, entre 1999 y 2011, que se inicia en unos años de expansión económica (una vez se cerró el proceso de consolidación bancaria de los años no-venta), y que en su última parte corresponde a una situación de crisis. El final del periodo muestral se sitúa en 2011, dado que este es el último periodo para el que hay información disponible para todas las variables incluidas en el modelo. Por tanto, mientras Alamá et al. (2015) centraban su trabajo exclusivamente en los años 2004 y 2008, nuestro enfoque es más dinámico al cubrir también periodos anteriores (1999), centrales (2005) y posteriores (2009 y 2011) a dicho estudio, cubriendo un ciclo completo durante el cual se han producido tendencias contrapuestas, con un fuerte incremento en el número de oficinas hasta el máximo alcanzado en 2008, y su pos-terior y rápido descenso.

El trabajo se estructura como sigue. Tras esta introducción, la segunda sección se ocupa de analizar desde un punto descriptivo algunas de las tendencias habidas en el sector bancario español en lo que a evolución del número de oficinas bancarias en Es-paña se refiere, así como su distribución territorial. En el tercer apartado se hace una breve descripción de los métodos utilizados en el estudio para, en el apartado 4, des-cribir las variables utilizadas. Los resultados se presentan y comentan en la siguiente sección para, en último lugar, extraer algunas conclusiones derivadas del trabajo.

2. Evolución del número de oficinas bancarias en España: 1988-2016

Los fenómenos de expansión y contracción en la red de oficinas que han tenido lugar en España entre los años 1988 y 2016 han sido de tal intensidad que resulta difícil encontrar algún paralelismo en otros ámbitos geográficos. Entre las pocas excepciones existentes a nivel internacional se encuentra el caso de Estados Unidos donde en 1994, tras la aprobación de la Riegle-Neal Interstate Banking and Bran-ching Efficiency Act, se permitió que los bancos se expandieran a otros Estados distintos al de su localización original. Sin embargo, el fenómeno fue de mucha menor intensidad comparado con el ocurrido en España, tanto por el menor impacto observado tras la desregulación estadounidense (en España se había realizado antes en 1988, a partir del Real Decreto-Ley 1582/1988, de 29 de diciembre), como por la ausencia de una reversión tan marcada del proceso como la ocurrida en España desde 2008.


La intensidad del proceso se observa con claridad en el Cuadro 1.1, que propor-ciona información sobre la evolución del número de oficinas desde la aprobación y aplicación del Real Decreto-Ley 1582/1988 hasta los años más recientes. Podemos observar cómo, de acuerdo con lo apuntado en el párrafo anterior, desde 1988 el número de oficinas creció de una manera notable hasta los inicios de la crisis finan-ciera (2008), pasando en esos años el número total de oficinas de 31.972 a 45.662. Aunque el crecimiento en el conjunto de entidades bancarias fue muy elevado, este fenómeno fue especialmente intenso en el caso de las cajas de ahorro, entidades que se vieron notablemente beneficiadas por la desregulación y doblaron su número de oficinas en el mismo periodo (desde 12.252 en 1988 hasta 24.985 en 2008), llegando a representar casi el 55 por 100 del total de oficinas bancarias en España. Este tipo de entidades ha sido también el mayor protagonista del cierre de oficinas desde el inicio de la crisis, siendo este hecho también esperable por tratarse de las entidades más afectadas por la reestructuración del sector bancario, hasta el punto de haberse aprobado una nueva ley que las regula (Ley 26/2013, de 27 de diciembre, de cajas de ahorros y fundaciones bancarias).

Por lo que respecta a bancos y cooperativas, han sido menos partícipes de estas tendencias. En el primer caso, el número de oficinas llegó incluso a disminuir entre 1988 y 2008, de manera que mientras las cajas se expandían por la geografía es-pañola, en muchos casos fuera de sus mercados naturales (Fuentelsaz et al., 2004; Ilueca et al., 2009), en el caso de algunos bancos, especialmente los más grandes, se optó por una expansión internacional. Esta mayor diversificación internacional, y una menor implicación en el sector inmobiliario, ha propiciado que los bancos se hayan visto menos afectados por la crisis y, como consecuencia, la disminución en el número de oficinas haya sido mucho menor que en el caso de las cajas. Por su parte, la red de oficinas de las cooperativas también creció con claridad hasta 2008 para caer desde entonces, si bien a unas tasas más moderadas que en el caso de las cajas. Sin embargo, la futura ley de cooperativas de crédito, todavía en fases muy prelimi-nares, podría incidir sobre estas tendencias.

Por su parte, el Cuadro 1.2 indica que existen notables diferencias en la evolución en el número de oficinas por provincia y comunidad autónoma, así como por tipo de entidad. Dichas diferencias son patentes tanto en la etapa de expansión (1988-2008) como en la reducción (2008-2016) del número de oficinas. Como indican los estadísticos descriptivos del final del cuadro, el crecimiento anual promedio en el periodo de expansión fue del 1,07 por 100, pero la desviación típica fue notable (0,99), subyaciendo una distribución geográfica dispar en la expansión territorial. Así, mientras la tendencia general fue la de aumento en el número de oficinas, en algunas provincias, caracterizadas por un menor dinamismo económico, hubo una caída. Es el caso de Huesca, Ciudad Real, Cuenca, Palencia, Soria, Cáceres, Lugo y Ourense. Por tanto, a falta de un análisis más detallado, podríamos concluir que la dificultad en el acceso a los servicios financieros y bancarios a través de la oficina física no era un fenómeno desconocido con anterioridad al estallido de la crisis. En el otro extremo se encontrarían los casos de provincias como Almería, Las Palmas,

204 CUADERNOS ECONÓMICOS DE ICE N.O 92C

UA

DR

O 1

.1 N

ÚM

ERO

TO

TAL

DE

OFI

CIN

AS

BAN

CA

RIA

S EN

ESP

AÑ

A PO

R T

IPO

DE

ENTI

DA

D, 1

988-

2013

Tota

lBa

ncos

Caj

as d

e ah

orro

sC

oope

rativ

as

Oficinas

Tasa

de

vari

ació

n (%

)Oficinas

Tasa

de

vari

ació

n (%

)Po

rcen

taje

de

l tot

alOficinas

Tasa

de

vari

ació

n (%

)Po

rcen

taje

de

l tot

alOficinas

Tasa

de

vari

ació

n (%

)Po

rcen

taje

de

l tot

al

1988

31.9

7216

.691

52,2

112

.252

38,3

23.

029

9,4

719

8932

.735

2,39

16.6

77–0

,08

50,9

513

.168

7,48

40,2

32.

890

–4,5

9 8

,83

1990

33.4

782,

2716

.917

1,44

50,5

313

.642

3,60

40,7

52.

919

1,00

8,7

219

9134

.873

4,17

17.8

245,

3651

,11

14.0

312,

8540

,23

3.01

83,

39 8

,65

1992

35.4

291,

5918

.058

1,31

50,9

714

.291

1,85

40,3

43.

080

2,05

8,6

919

9335

.193

–0,6

717

.636

–2,3

450

,11

14.4

851,

3641

,16

3.07

2–0

,26

8,7

319

9435

.544

1,00

17.5

57–0

,45

49,4

014

.880

2,73

41,8

63.

107

1,14

8,7

419

9536

.251

1,99

17.8

421,

6249

,22

15.2

142,

2441

,97

3.19

52,

83 8

,81

1996

37.0

792,

2817

.674

–0,9

447

,67

16.0

945,

7843

,40

3.31

13,

63 8

,93

1997

37.6

341,

5017

.530

–0,8

146

,58

16.6

363,

3744

,20

3.46

84,

74 9

,22

1998

38.6

392,

6717

.450

–0,4

645

,16

17.5

825,

6945

,50

3.60

74,

01 9

,34

1999

38.9

860,

9016

.905

–3,1

243

,36

18.3

374,

2947

,03

3.74

43,

80 9

,60

2000

38.9

67–0

,05

15.8

11–6

,47

40,5

819

.268

5,08

49,4

53.

888

3,85

9,9

820

0138

.676

–0,7

514

.756

–6,6

738

,15

19.8

292,

9151

,27

4.09

15,

2210

,58

2002

38.6

73–0

,01

14.0

72–4

,64

36,3

920

.326

2,51

52,5

64.

275

4,50

11,0

520

0339

.405

1,89

14.0

740,

0135

,72

20.8

712,

6852

,97

4.46

04,

3311

,32

2004

40.2

302,

0914

.168

0,67

35,2

221

.503

3,03

53,4

54.

559

2,22

11,3

320

0541

.599

3,40

14.5

332,

5834

,94

22.4

104,

2253

,87

4.65

62,

1311

,19

2006

43.2

864,

0615

.096

3,87

34,8

823

.418

4,50

54,1

04.

772

2,49

11,0

220

0745

.086

4,16

15.5

422,

9534

,47

24.5

915,

0154

,54

4.95

33,

7910

,99

2008

45.6

621,

2815

.580

0,24

34,1

224

.985

1,60

54,7

25.

097

2,91

11,1

620

0944

.085

–3,4

514

.840

–4,7

533

,66

24.2

02–3

,13

54,9

05.

043

–1,0

611

,44

2010

42.8

94–2

,70

15.2

272,

6135

,50

22.6

49–6

,42

52,8

05.

018

–0,5

011

,70

2011

39.8

43–7

,11

14.2

48–6

,43

35,7

620

.667

–8,7

551

,87

4.92

8–1

,79

12,3

720

1237

.903

–4,8

714

.701

3,18

38,7

918

.370

–11,

1148

,47

4.83

2–1

,95

12,7

520

1333

.527

–11,

5513

.589

–7,5

640

,53

15.2

87–1

6,78

45,6

04.

651

–3,7

513

,87

2014

31.8

17–5

,10

2015

30.9

21–2

,82

2016

28.6

43–7

,37

FUEN

TE: E

labo

raci

ón p

ropi

a.


Madrid y Murcia, con variaciones anuales promedio superiores al 3 por 100 durante el mismo periodo.

Tras el estallido de la crisis y después de la reestructuración del sector bancario (2008-2016), y como se ha venido apuntando en los párrafos anteriores, la tendencia ha sido opuesta, habiéndose alcanzado valores de la densidad en la red de oficinas similares a los existentes en los años ochenta del siglo pasado. Sin embargo, tras esta tendencia general, que no tiene paralelismo en ningún otro país, encontramos mayores disparidades que las existentes en el periodo 1988-2008. Como se observa en las últimas filas del Cuadro 1.2, en este caso el promedio es de mucha mayor magnitud (–4,97 por 100), y una desviación típica más elevada (1,53 frente al 0,99 correspondiente al periodo anterior) nos estaría indicando que el fenómeno del cierre de oficinas está siendo intenso pero también que no en todas las provincias ha sido del mismo calado. En este caso, se observa que en varias provincias el proceso de cierre de oficinas ha sido más intenso que en la media nacional, con tasas negativas por debajo de –7 por 100. Son los casos de Zaragoza, Barcelona, Girona, Tarragona, Castelló, Ourense, mientras que en el otro extremo encontraríamos las provincias de Teruel, Ciudad Real, Cuenca, Badajoz, Guipúzcoa, con caídas en el entorno del –2 por 100. Por tanto, a falta de un análisis más pormenorizado (como, por ejemplo, el llevado a cabo en Alamá y Tortosa-Ausina (2012) y Maudos (2017), los resultados podrían estar apuntando a que, por una parte, una mayor integración bancaria puede contribuir y a la vez frenar el crecimiento económico, como se indica en los trabajos de Loutskina y Strahan (2015) y Gilje et al. (2016) y, por otra, que los procesos de reestructuración bancaria pueden haber llevado a que en algunas provincias como Ourense el número de oficinas haya caído en los dos periodos, con el consiguiente deterioro en el acceso a los servicios financieros y bancarios1.

De algunos de estos hechos dan cuenta los Gráficos 1.1 y 1.2, en los que se repre-sentan las tasas de crecimiento promedio para cada comunidad autónoma. Como se puede comprobar, las regiones en las que las redes de oficinas crecieron más (menos) no han sido necesariamente aquellas en las que, a partir de 2008, la caída ha sido más intensa. Por ejemplo, las comunidades líderes en el cierre de oficinas están siendo Cataluña y la Comunidad Valenciana (Gráfico 1.2), pero no lo fueron en el periodo de expansión (Gráfico 1.1). Por tanto, los motivos de la expansión y contracción en la red de oficinas podrían no ser necesariamente los mismos, pudiendo ser un fac-tor explicativo la reestructuración del sistema bancario español. Por otra parte, este proceso de cambios en el sistema bancario podría haber contribuido a ralentizar la recuperación económica de algunas regiones.

1 Esta literatura reciente postula que, cuando las redes de oficinas son más densas, la integración bancaria es mayor porque regiones relativamente remotas y con lo que bajo circunstancias normales constituiría un difícil acceso a productos y servicios bancarios, se ve facilitado por la mayor presencia de oficinas bancarias.


CUADRO 1.2DISTRIBUCIÓN DE OFICINAS BANCARIAS Y SU VARIACIÓN

Y POR PROVINCIAS, 1988-2016

Provincia/ Comunidad Autónoma

1988 2008Tasa de va-

riación anual promedio, 1988-2008

2016Tasa de va-


Tasa de va-riación anual

promedio, 1988-2016

Suma de las tasas de varia-ción en valor

absolutoAlmería 382 705 3,11 457 –5,27 0,64 Cádiz 550 793 1,85 493 –5,77 –0,39 Córdoba 565 687 0,98 498 –3,94 –0,45 Granada 565 844 2,03 596 –4,26 0,19 Huelva 371 444 0,90 287 –5,31 –0,91 Jaén 497 630 1,19 484 –3,24 –0,09 Málaga 790 1393 2,88 824 –6,35 0,15 Sevilla 950 1514 2,36 933 –5,87 –0,06 Andalucía 4.670 7.010 2,05 4572 –5,20 –0,08 7,25 Huesca 392 358 –0,45 241 –4,83 –1,72 Teruel 215 236 0,47 189 –2,74 –0,46 Zaragoza 897 1202 1,47 665 –7,13 –1,06 Aragón 1.504 1.796 0,89 1.095 –6,00 –1,13 6,89 Asturias, 816 966 0,85 708 –3,81 –0,51 4,66 Baleares 858 1.254 1,92 852 –4,72 –0,03 6,63 Las Palmas 411 761 3,13 460 –6,10 0,40 Sta. Cruz de Tenerife 471 702 2,02 486 –4,49 0,11 Canarias 882 1.463 2,56 946 –5,30 0,25 7,87 Cantabria 487 503 0,16 362 –4,03 –1,05 4,19 Albacete 290 348 0,92 263 –3,44 –0,35 Ciudad Real 506 474 –0,33 398 –2,16 –0,85 Cuenca 258 254 –0,08 216 –2,01 –0,63 Guadalajara 201 273 1,54 197 –4,00 –0,07 Toledo 588 669 0,65 524 –3,01 –0,41 Castilla-La Mancha 1.843 2.018 0,45 1598 –2,87 –0,51 3,33 Ávila 187 217 0,75 135 –5,76 –1,16 Burgos 463 547 0,84 360 –5,09 –0,89 León 430 547 1,21 401 –3,81 –0,25 Palencia 254 224 –0,63 145 –5,29 –1,98 Salamanca 365 407 0,55 267 –5,13 –1,11 Segovia 179 208 0,75 136 –5,17 –0,98 Soria 172 150 –0,68 108 –4,02 –1,65 Valladolid 501 606 0,96 369 –6,01 –1,09 Zamora 242 256 0,28 186 –3,91 –0,94 Castilla-León 2.793 3.162 0,62 2107 –4,95 –1,00 5,57

FUENTE: Elaborción propia.


CUADRO 1.2 (continuación)DISTRIBUCIÓN DE OFICINAS BANCARIAS Y SU VARIACIÓN

Y POR PROVINCIAS, 1988-2016

Provincia/Comunidad Autónoma

1988 2008Tasa de va-


2016Tasa de va-


Tasa de va-riación anual

promedio, 1988-2016

Suma de las tasas de variación en

valor absoluto

Barcelona 4.598 5.819 1,18 2.916 –8,27 –1,61

Girona 737 858 0,76 458 –7,55 –1,68

Lleida 585 588 0,03 368 –5,69 –1,64

Tarragona 711 833 0,79 447 –7,49 –1,64

Catalunya 6.631 8.098 1,00 4.180 –7,91 –1,63 8,91

Alicante/Alacant 1.247 1.736 1,67 1.046 –6,14 –0,63

Castellón/Castelló 507 679 1,47 371 –7,28 –1,11

Valencia/València 1.794 2.646 1,96 1.515 –6,73 –0,60

Com. Valenciana 3.548 5.061 1,79 2.932 –6,60 –0,68 8,39

Badajoz 489 747 2,14 619 –2,32 0,85

Cáceres 460 450 –0,11 345 –3,27 –1,02

Extremadura 949 1.197 1,17 964 –2,67 0,06 3,84

Coruña, A 785 982 1,13 642 –5,17 –0,72

Lugo 357 336 –0,30 248 –3,72 –1,29

Ourense 430 374 –0,70 204 –7,30 –2,63

Pontevedra 710 820 0,72 497 –6,07 –1,27

Galicia 2.282 2.512 0,48 1.591 –5,55 –1,28 6,03

Madrid 2.958 6.023 3,62 3.553 –6,38 0,66 10,00

Murcia 739 1.353 3,07 852 –5,62 0,51 8,69

Navarra 657 716 0,43 531 –3,67 –0,76 4,10

Álava/Araba 295 348 0,83 219 –5,62 –1,06

Guipúzcoa/Gipuzkoa 563 594 0,27 486 –2,48 –0,52

Vizcay/Bizkaia 801 1.046 1,34 721 –4,54 –0,38

País Vasco 1.659 1.988 0,91 1.426 –4,07 –0,54 4,98

Rioja, La 447 496 0,52 327 –5,07 –1,11 5,60

Media 1,07 –4,97 –0,70

Desviación típica 0,99 1,53 0,71

Mediana 0,91 –5,15 –0,70

Máximo 3,62 –2,01 0,85

Mínimo –0,70 –8,27 –2,63



GRÁFICO 1.1TASA DE VARIACIÓN ANUAL PROMEDIO EN EL NÚMERO DE OFICINAS

POR COMUNIDAD AUTÓNOMA, 1988-2008


3. Metodología

En este trabajo, para poder valorar los determinantes de la localización de las oficinas bancarias en España, se ha utilizado un modelo que permite describir la distribución del número de oficinas observadas en cada uno de los 7.177 municipios españoles de la muestra. En concreto, se trata de un modelo de regresión de Poisson mixto –véase, por ejemplo, McCulloch y Searle (2011) para una descripción detalla-da de este tipo de modelos– que relaciona el número medio de oficinas en una deter-minada localización con las características de la misma. En esta sección describimos dicha modelización así como el proceso inferencial sobre los parámetros de interés.

De manera similar a Alamá et al. (2015), para cada uno de los años analizados, el número de oficinas bancarias para un municipio i es denotado por Oi y puede ser modelizado utilizando una distribución de Poisson con media μi

Esta media representa el número de oficinas bancarias esperadas en un municipio e identifica totalmente el comportamiento de la variable. Para su modelización en este trabajo nos hemos focalizado en tres aspectos que consideramos de especial relevancia. Por un lado, consideramos que el número esperado de oficinas vendrá

0,00

0,50

1,00

1,50

2,00

2,50

3,00

3,50

4,00

Cantab

ria

Navarr

a

Castilla

-La M

anch

a

Galicia

Rioja,

La

Castilla

y Le

ón

Asturia

s

Aragón

País Vas

co

Catalun

ya

Extrem

adura

Com. V

alenc

iana

Baleare

s

Andalu

cía

Canari

as

Murcia

Madrid


0,00

–1,00

–2,00

–3,00

–4,00

–5,00

–6,00

–7,00

–8,00

Catalun

ya

Com. V

alenc

iana

Madrid

AragónMurc

ia

Galicia

Canari

as

Andalu

cía Rioja

Castilla

y Le

ón

Baleare

s

País Vas

co

Cantab

ria

Asturia

s

Navarr

a

Castilla

-La M

anch

a

Extrem

adura

GRÁFICO 1.2TASA DE VARIACIÓN ANUAL PROMEDIO EN EL NÚMERO DE OFICINAS

POR COMUNIDAD AUTÓNOMA, 2008-2016


determinado por la población que pueda tener acceso a las mismas, esto es, el tama-ño del municipio. Además, este número se verá condicionado por algunas caracte-rísticas socioeconómicas específicas de cada municipio, que expresaremos aquí en forma de covariables. Por último, cabe esperar un efecto propio de los municipios y/o provincias que propicie observar más o menos sucursales de las esperadas por población.

Estas tres fuentes de variabilidad se pueden incorporar en el modelo anterior me-diante la descomposición del número esperado de sucursales, en:

– El número de entidades esperadas en relación a la cantidad de personas con acceso a las mismas, o dicho de otra forma, la proporción de oficinas por indi-viduo multiplicada por la población de cada municipio.

– El efecto de las condiciones socioeconómicas representadas por las covaria-bles consideradas. Se tratará de un efecto multiplicativo que modificará el nú-mero esperado de oficinas por individuo.


– Los efectos de factores no observables a nivel tanto municipal como provin-cial, y que se introducen en el modelo a través de efectos aleatorios.

De estos tres términos, los dos primeros nos permiten establecer el número de ofi-cinas esperadas en un municipio con la información disponible y el tercero es el que aporta una medida del posible exceso (over-branching si > 0) o falta (under-bran-ching si < 0) de oficinas en ese municipio concreto. Hasta el momento, este tipo de medidas solo han sido anteriormente planteadas y utilizadas en el trabajo de Alamá et al. (2015).

La estimación de los parámetros del modelo se ha realizado desde una perspecti-va bayesiana objetiva, utilizado la aproximación INLA (Integrated Nested Laplace Aproximation) propuesta por Rue et al. (2009).

4. Datos y variables

En este trabajo se utilizan diferentes conjuntos de datos proporcionados por dis-tintas instituciones. En cuanto a los datos sobre la ubicación geográfica de las su-cursales bancarias, estos han sido obtenidos a partir de una Guía de la Banca, que proporciona información sobre la dirección postal completa de cada sucursal banca-ria en España. Los años seleccionados para la muestra son 1999, 2005, 2009 y 2011.

En el año inicial del periodo muestral (1999), ya se había producido la primera gran ola de fusiones en el sector bancario español, que afectó principalmente a las cajas de ahorros, y se había iniciado un periodo en el que muchas de ellas habían emprendido políticas de expansión territorial ambiciosas. Los años 2005 y 2009 son también relevantes por tratarse de periodos en los que la economía estaba, respecti-vamente, en plena expansión y desaceleración. El periodo analizado finaliza, forzo-samente, en 2011 por tratarse del último año para el que hay información disponible para todas las variables incluidas en el modelo. Aunque, idealmente, hubiera sido aún más interesante disponer de la información lo más actualizada posible, y de he-cho se dispone de información relativa a la localización geográfica de oficinas hasta 2015, las dificultades para actualizar otras variables limitan el alcance temporal del estudio. Dado que el proceso de racionalización de la red de oficinas bancarias toda-vía no se ha cerrado, una de las extensiones del estudio será su actualización en un periodo razonable.

Por otra parte, el estudio utiliza otro conjunto de variables relacionadas con los factores que pueden determinar el número de sucursales bancarias en un lugar de-terminado, como se documenta en las secciones anteriores. En el caso particular de la banca española, los estudios de Alamá y Tortosa-Ausina (2012) y Bernad et al. (2008) han considerado un número relativamente grande de variables socioeconómi-cas. Sin embargo, estos estudios tienen en parte un sesgo geográfico en el sentido de que incluyen solo los municipios con más de 1000 habitantes, que representan me-nos del 70 por 100 del territorio español. Por tanto, teniendo en cuenta las crecientes


dificultades a las que se enfrentan amplios segmentos de población (especialmente aquellos que viven en zonas rurales relativamente remotas o núcleos urbanos que han perdido su sucursal), consideramos relevante extender la muestra a estos mu-nicipios, ganando así precisión desde un punto de vista de acceso físico a servicios bancarios y exclusión financiera. Aunque este enfoque supone dejar de lado algunas de las variables que se consideran en los estudios de Alamá y Tortosa-Ausina (2012) y Bernad et al. (2008), el número de municipios incluidos en el estudio aumenta sustancialmente, abarcando una muestra representativa de ellos (7.177 de un total de 8.109 posibles) y, por tanto, de todo el territorio español2.

El conjunto de covariables contiene algunos de los determinantes más frecuentes considerados en la literatura sobre acceso físico a servicios bancarios. Entre ellas, es habitual la inclusión de la renta per cápita, si bien esta información no está dis-ponible para todos los municipios y años de la muestra. Alternativamente, usamos el desempleo, que está fuertemente correlacionado (negativamente) con los niveles de renta, a partir de la información proporcionada por el Ministerio de Empleo y Seguridad Social.

También se considera como una variable relevante la densidad de población, también considerada en otros estudios como, por ejemplo, por Evanoff (1988) y, anteriormente, Lanzillotti y Saving (1969). Como indican Bernad et al. (2008), sería razonable esperar que un aumento en la densidad de población reduzca el número de sucursales bancarias a través del efecto de unos menores costes para atender a la demanda de servicios bancarios. Cabe desatacar, sin embargo, que, en nuestro caso particular, podríamos obtener conclusiones distintas fruto de las diferencias entre nuestros datos y los de Bernad et al. (2008), ya que muchos de los municipios inclui-dos en nuestra muestra tienen una densidad de población muy baja.

La tercera de las covariables seleccionadas corresponde a la población extranje-ra, calculada como el porcentaje de personas de nacionalidad no española sobre la población total del municipio. El número de autores que han utilizado este tipo de información en sus estudios es relativamente bajo debido a su falta de disponibilidad para muchos países. Una de las pocas excepciones es el trabajo de Joassart-Marcelli y Stephens (2010), cuyo análisis, basado en la literatura sobre la exclusión financiera y ecología, se ocupa de las relaciones espaciales entre los patrones de asentamiento de inmigrantes en el área metropolitana de Boston en el año 2000, así como del análisis de la accesibilidad a diversos tipos de servicios proporcionados por institu-ciones financieras. Cabe destacar que, el efecto de esta variable se verá condicionado por la situación económica de los inmigrantes y, por tanto, es factible encontrar re-sultados distintos para estudios realizados en diferentes países.

Por supuesto, existen otras covariables que pueden tener un efecto sobre el nú- mero de sucusales. Por ejemplo, en la literatura se habla de la relación existente entre la localización de las sucursales bancarias y la actividad económica en general que puede descomponerse en diferentes variables como el turismo, las actividades

2 En la muestra final algunos municipios fueron eliminados por la falta de datos para dicha localidad.


comerciales (tanto al por menor como al por mayor), el número de camiones, etc., pero no se ha podido disponer de datos para ser incluidas3.

El último elemento en la modelización del número medio de sucursales banca-rias es el efecto de la provincia introducido como un término de variabilidad que incorpora a la media aquellos efectos propios de una provincia y que no se engloban dentro de los efectos propios de las covariables. Aunque con anterioridad al cambio legislativo de 1988 (Real Decreto-Ley 1582/1988, de 29 de diciembre) las cajas de ahorros ya estaban autorizadas a expandirse geográficamente dentro de sus regio-nes de origen (básicamente comunidades autónomas), esto solo se llevó a cabo a tasas moderadas, si bien dependía también de la caja de ahorros en cuestión (véase Fuentelsaz et al., 2004). Además, algunas regulaciones existentes con anterioridad les habían impedido expandirse fuera de sus provincias. Por tanto, parece justificada la inclusión un efecto geográfico restringido a la provincia. Desde un punto de vista estadístico, modelizamos este efecto provincial a través de efectos aleatorios inde-pendientes4.

Por último, y para dar cabida a algunas teorías tradicionales de gran calado en el campo de la economía industrial como son la teoría del rational herding o «segui-miento racional» (Chang et al., 1997), y la de rival precedence, o «decisiones previas tomadas por rivales» (Hannan y McDowell, 1987)5, se estudiarán por separado el número de entidades bancarias de cada tipo (bancos comerciales, cajas de ahorro y cooperativas de crédito) introduciendo, como covariables, el número de sucursales de otros tipos existentes en cada uno de los municipios.

5. Resultados

La modelización estadística considerada se aplicará en cuatro escenarios diferen-tes. En primer lugar, podemos considerar que no existen diferencias entre tipos de bancos y, por tanto, la variable respuesta sería el número total de oficinas bancarias en cada municipio. Después se pasará a considerar como variable respuesta el núme-ro de oficinas correspondientes a bancos comerciales, cajas de ahorros y cooperati-vas de crédito por separado. Este tipo de estrategia viene motivada por las distintas implicaciones para la exclusión financiera (que se correspondería con el caso de falta de oficinas o under-branching) de los diferentes tipos de entidades, o el hecho de que

3 Dicha información, para el caso español, era proporcionada por el Anuario Económico de España de La Caixa, si bien únicamente para municipios de más de 1.000 habitantes, lo que imposibilita su utilización en nuestro trabajo.

4 En el estudio se consideró también la posibilidad de incluir otra fuente de variabilidad como es el efecto del municipio. Sin embargo, las estimaciones iniciales mostraron que la ganancia en complejidad del modelo y dificultad de cálculo no compensaban la variabilidad adicional explicada, siendo por tanto poco razonable la inclusión de esta componente municipal.

5 El concepto de precedencia rival ha sido utilizado con intensidad por la literatura sobre economía in-dustrial y hace referencia a cómo las empresas reaccionan ante el comportamiento observado de los rivales al tomar decisiones relevantes tales como la adopción de una nueva tecnología.


las cajas de ahorros serían el agregado institucional que, hasta el momento, ha estado sometido a la más profunda reestructuración y que más se expandió territorialmente durante los años de mayor crecimiento económico.

Los resultados relativos al efecto de las variables analizadas sobre el número total de oficinas bancarias, independientemente del tipo de entidad, aparecen en los Cuadros 2.1, 2.2, 2.3 y 2.4 para el conjunto de entidades, bancos comerciales, cajas de ahorros y cooperativas de crédito, respectivamente. Cada uno de los cuadros se divide en cuatro paneles, correspondientes a los años objeto de estudio (1999, 2005, 2009 y 2011).

Como podemos observar en el Cuadro 2.1, para el conjunto de las entidades el impacto de la densidad de población sobre el número esperado de oficinas bancarias es negativo, tanto si tenemos en cuenta el efecto promedio como analizando los distintos cuantiles, observándose una ligera tendencia decreciente (en valor absolu-to) desde 2005. Por tanto, se tendría que, cuanto más dispersa está la población, la proporción de oficinas por individuo aumenta. Si bien este resultado podría parecer, a priori, contrario a lo que cabría esperar (esto es, más oficinas bancarias en zonas más pobladas), una explicación cuidadosa evitará interpretaciones equivocadas. Así, el efecto negativo se debería al hecho de que el número de oficinas estaría por debajo del esperado para el tamaño poblacional del municipio, teniendo en cuenta el resto de efectos recogidos por el modelo. Al descomponer el efecto por tipo de entidad (Cuadros 2.2, 2.3 y 2.4 para bancos, cajas y cooperativas, respectivamente), el signo se mantiene pero la magnitud del mismo aumenta siendo mucho mayor para los dos agregados institucionales con un mayor arraigo en sus regiones de origen (cajas y cooperativas), y resulta especialmente elevado (en valor absoluto) en el caso de las cooperativas. Por tanto, se confirmaría el mayor compromiso de estas instituciones financieras con zonas rurales así como comunidades que residen en zonas más remo-tas y/o despobladas. En cualquier caso, independientemente del tipo de entidad, la magnitud del efecto (esto es, el coeficiente en valor absoluto) ha caído claramente en los últimos años, especialmente en el caso de las cooperativas, cuyo efecto promedio ha pasado de −0,3873 en 1999 a −0,3161 en 2011 (véase Cuadro 2.4) indicando una disminución del efecto de la densidad poblacional a medida que avanzan los años. Este efecto puede observarse también en las filas correspondientes a las IRR. Las IRR son las Incidence Rate Ratio o «tasa de incidencia relativa» que nos marcan el aumento, en términos multiplicativos, del numero esperado de oficinas al aumentar una unidad la variable de interés. Esto es, un IRR de 1 nos indicaría que el número esperado de oficinas queda igual sin importar el valor de esa variable mientras que un IRR > 1 (< 1) nos indicaría un aumento (descenso) en el número esperado al aumentar el valor de la variable. Teniendo esto en mente, podemos observar que el IRR asociado a la densidad de población se va acercando a 1 con los años indicando, como exponíamos anteriormente, una disminución en el efecto de esta variable.

Asimismo, la información relativa a la ratio entre número de oficinas observadas y esperadas se muestra en las filas correspondientes a la tasa de incidencia relativa (IRR), y en ellas se observa de nuevo el mayor compromiso de las cooperativas, al


CUADRO 2.1DISTRIBUCIONES A POSTERIORI DE LOS COEFICIENTES DE REGRESIÓN,

TOTAL (1999, 2005, 2009 Y 2011)

1999

Media s.d. 2,5% cuantil

25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 1,1934 0,0401 1,1141 1,1666 1,1935 1,2203 1,2719

Densidad población –0,1689 0,0034 –0,1755 –0,1712 –0,1689 –0,1667 –0,1623

Densidad IRR 0,8446 0,8390 0,8427 0,8446 0,8465 0,8502 0,8446

Tasa desempleo –0,0459 0,0032 –0,0522 –0,0481 –0,0459 –0,0437 –0,0395

Tasa desempleo IRR 0,9552 0,9491 0,9531 0,9552 0,9573 0,9613 0,9552

Porcentaje población extranjera 0,0040 0,0015 0,0010 0,0030 0,0041 0,0051 0,0070

Porcentaje población extranjera IRR 1,0041 1,0010 1,0030 1,0041 1,0051 1,0071 1,0041

s.d.-Provincias 0,2412 0,0256 0,1965 0,2229 0,2391 0,2571 0,2970

2005


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 1,0044 0,0411 0,9234 0,9769 1,0044 1,0319 1,0852


Densidad IRR 0,8282 0,8232 0,8264 0,8282 0,8299 0,8332 0,8282

Tasa desempleo 0,0004 0,0013 –0,0023 –0,0004 0,0005 0,0013 0,0027




s.d.-Provincias 0,2606 0,0271 0,2131 0,2412 0,2584 0,2775 0,3198

2009

Media s.d. 2.5% cuantil

25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 0,9648 0,0461 0,8740 0,9339 0,9647 0,9956 1,0554


Densidad IRR 0,8390 0,8344 0,8374 0,8390 0,8407 0,8437 0,8390

Tasa pesempleo –0,0068 0,0012 –0,0093 –0,0076 –0,0067 –0,0059 –0,0044

Tasa pesempleo IRR 0,9932 0,9908 0,9924 0,9933 0,9941 0,9956 0,9932

Porcentaje población pxtranjera 0,0013 0,0006 0,0001 0,0009 0,0013 0,0018 0,0026

Porcentaje población pxtranjera IRR 1,0013 1,0001 1,0009 1,0013 1,0018 1,0026 1,0013

s.d.-Provincias 0,2948 0,0300 0,2424 0,2734 0,2924 0,3135 0,3604



CUADRO 2.1 (continuación)DISTRIBUCIONES A POSTERIORI DE LOS COEFICIENTES DE REGRESIÓN,

TOTAL (1999, 2005, 2009 Y 2011)

2011


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 1,4225 0.0423 1,3392 1,3942 1,4225 1,4509 1,5056


Densidad IRR 0,8492 0,8442 0,8475 0,8492 0,8510 0,8543 0,8492

Tasa desempleo –0,0394 0,0017 –0,0426 –0,0405 –0,0394 –0,0382 –0,0361


Porcentaje población extranjera

–0,0014 0,0006 –0,0027 –0,0019 –0,0014 –0,0010 –0,0002

Porcentaje población extranjera IRR

0,9986 0,9973 0,9981 0,9986 0,9990 0,9998 0,9986

s.d.-Provincias 0,2480 0,0263 0,2021 0,2293 0,2459 0,2644 0,3053


tener unos índices claramente más bajos que en el caso de cajas y bancos si bien, con el tiempo, y como ocurre con el resto de instituciones financieras, los valores se van acercando a la unidad.

Por lo que se refiere a la tasa de desempleo, la primera columna del Cuadro 2.1 también muestra un efecto negativo para el conjunto de entidades bancarias, pero el signo es inestable (en 2005 pasa a ser positivo), si bien su coeficiente es bajo en valor absoluto. Los efectos son similares al reparar en cada uno de los agregados institucionales (Cuadros 2.2, 2.3 y 2.4). La explicación de este efecto negativo po-dría tener cierta relación con posibles desequilibrios en algunos mercados de trabajo locales que, de existir, podrían desincentivar la localización de oficinas en lugares allá donde dichos desequilibrios puedan estar presentes. De nuevo, serían las coo-perativas y, en menor medida, las cajas, las entidades más indiferentes a este tipo de efecto, al mostrar unos coeficientes más bajos en valor absoluto. En este sentido, la ratio entre oficinas observadas y esperadas que nos indica la tasa de incidencia re-lativa (IRR) no solo nos confirmaría esta realidad sino que, además, muestra como, independientemente del tipo de entidad, los valores han ido disminuyendo desde 2005. Estas tendencias contribuirían a la exacerbación de la exclusión financiera, pues las entidades bancarias estarían abandonando aquellas regiones con niveles de desempleo más elevados.

En relación con el porcentaje de población extranjera presente en cada uno de los municipios en la muestra, como se observa en el Cuadro 2.1 (conjunto de entidades bancarias), el efecto sobre el número de oficinas bancarias esperado es, en general, de magnitud reducida aunque positiva, con un IRR en el entorno de 1 indicando un efecto reducido de esta variable en el número esperado de oficinas. Sin embargo, la



BANCOS (1999, 2005, 2009 Y 2011)

1999


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 0,8045 0,0532 0,6996 0,7688 0,8046 0,8403 0,9088


Densidad IRR 0,8901 0,8813 0,8871 0,8901 0,8931 0,8989 0,8901

Tasa desempleo –0,0378 0,0049 –0,0474 –0,0411 –0,0378 –0,0345 –0,0283




s.d.–Provincias 0,2978 0,0317 0,2423 0,2752 0,2953 0,3177 0,3670

2005


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 0,6638 0,0553 0,5550 0,6268 0,6638 0,7009 0,7724


Densidad IRR 0,8630 0,8546 0,8601 0,8630 0,8659 0,8715 0,8630

Tasa pesempleo 0,0026 0,0017 –0,0010 0,0015 0,0027 0,0038 0,0056

Tasa pesempleo IRR 1,0026 0,9990 1,0015 1,0027 1,0038 1,0056 1,0026



s.d.-Provincias 0,3275 0,0350 0,2663 0,3026 0,3247 0,3494 0,4039

2009


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 0,6918 0,0582 0,5773 0,6527 0,6917 0,7308 0,8063


Densidad IRR 0,8741 0,8666 0,8715 0,8741 0,8766 0,8816 0,8741

Tasa desempleo –0,0112 0,0022 –0,0157 –0,0127 –0,0112 –0,0097 –0,0070




s.d.-Provincias 0,3410 0,0356 0,2789 0,3156 0,3382 0,3632 0,4187



tendencia es claramente decreciente, hasta el punto de situarse por debajo de 1 en 2011. Si suponemos que la presencia de población inmigrante es indicativo de una actividad económica más intensa, podríamos incluso suponer que, hasta cierto pun-to, el conjunto de empresas bancarias han llegado a sobrerreaccionar ante el estímulo que supuso una actividad económica más intensa, pues la ratio oficinas observadas/esperadas se sitúa por encima de 1 en la mayor parte de los años analizados, sobre-rreación que en el último periodo analizado habría dejado de ser tal.

El análisis por tipo de agregado institucional para esta variable (Cuadros 2.2, 2.3 y 2.4) revela diferencias que, si bien son de poca entidad, sí que ofrecen cierta consistencia. En contra de lo observado para el resto de variables analizadas, en este caso serían los bancos quienes, en todos los años analizados, presentan una tasa de incidencia relativa (IRR) por encima de la unidad, indicativo de una mayor implica-ción en zonas con mayor actividad económica (si, como indicábamos en el párrafo anterior, entendemos que mayores porcentajes de población extranjera podrían es-tar reflejando una actividad económica más intensa). Sin embargo, los coeficientes correspondientes al impacto sobre el número esperado de oficinas tienen un efecto claramente decreciente, que en el caso de cajas (Cuadro 2.3) y cooperativas (Cuadro 2.4) es negativo, esto es, a mayor porcentaje de población extranjera el número espe-rado de cajas y cooperativas es menor. Habría que tener en cuenta, sin embargo, que el efecto no es constante y, en el caso concreto de las cajas, el valor del IRR asociado a esta variable se ha ido acercando a lo largo de los años al de los bancos, fenómeno que podría venir explicado por las políticas expansivas de estas entidades en busca de territorios más dinámicos (Pastor et al., 2017).


BANCOS (1999, 2005, 2009 Y 2011)

2011


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 1,1151 0.0549 1,0070 1,0782 1,1152 1,1520 1,2226


Densidad IRR 0,8881 0,8801 0,8853 0,8881 0,8908 0,8961 0,8881

Tasa desempleo –0,0423 0,0025 –0,0473 –0,0440 –0,0423 –0,0406 –0,0373


Porcentaje población extranjera 0,0018 0,0010 –0,0001 0,0012 0,0018 0,0025 0,0037

Porcentaje población extranjera IRR 1,0018 0.9999 1,0012 1,0019 1,0025 1,0037 1,0018

s.d.-Provincias 0,2857 0,0313 0,2306 0,2634 0,2834 0,3055 0,3535




CAJAS DE AHORROS (1999, 2005, 2009 Y 2011)

1999


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 1,2078 0.0594 1,0904 1,1681 1,2080 1,2477 1,3240


Densidad IRR 0,8363 0,8282 0,8335 0,8363 0,8392 0,8445 0,8363

Tasa desempleo –0,0471 0,0049 –0,0566 –0,0504 –0,0471 –0,0438 –0,0375


Porcentaje población extranjera –0,0042 0,0026 –0,0094 –0,0060 –0,0042 –0,0025 0,0008


s.d.-Provincias 0,3555 0,0375 0,2901 0,3288 0,3525 0,3789 0,4374

2005


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 0,9610 0,0569 0,8489 0,9229 0,9611 0,9992 1,0728

Densidad población –0,1797 0,0044 -0,1883 –0,1827 –0,1798 –0,1768 –0,1712

Densidad IRR 0,8355 0,8284 0,8330 0,8355 0,8379 0,8427 0,8355

Tasa desempleo –0,0035 0,0028 –0,0096 –0,0053 –0,0033 –0,0015 0,0015


Porcentaje población extranjera –0,0015 0,0013 –0,0041 –0,0024 –0,0015 –0,0006 0,0011


s.d.-Provincias 0,3511 0,0366 0,2871 0,3250 0,3482 0,3740 0,4311

2009


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 0,9398 0,0573 0,8269 0,9013 0,9397 0,9782 1,0526


Densidad IRR 0,8367 0,8299 0,8344 0,8367 0,8391 0,8436 0,8367

Tasa desempleo –0,0038 0,0015 –0,0068 –0,0047 –0,0037 –0,0028 –0,0011


Porcentaje población extranjera –0,0002 0,0010 –0,0021 –0,0008 –0,0002 0,0005 0,0017


s.d.-Provincias 0,3571 0,0368 0,2928 0,3308 0,3541 0,3801 0,4376



El impacto que la presencia de otro tipo de entidades bancarias puede tener sobre el resto de agregados institucionales vendría recogido en los Cuadros 2.5, 2.7 y 2.8 para bancos, cajas y cooperativas, respectivamente. En el primer caso (Cuadro 2.5) vendría recogido cuál sería el efecto que tiene la presencia de oficinas de cajas y cooperativas sobre el número esperado de oficinas de bancos, y los otros dos cuadros deberían ser interpretados de forma análoga. Si bien los resultados no son del todo claros, una de las tendencias observadas es que, en el caso de las cajas (Cuadro 2.6), es más probable que se ubiquen en un lugar con presencia de cooperativas que si hay oficinas de bancos, pero si comparamos 1999 y 2011 se observa que las tendencias son opuestas, esto es, durante el periodo parecen haber ido abandonando lugares con mayor densidad de cooperativas para ir optando por otros con más oficinas de bancos. Por tanto, se confirmaría el efecto ya apuntado en Alamá et al. (2015) de cierto efecto sustitutivo, entre cajas y cooperativas pues que la presencia de estas últimas podría ser un elemento que, con el tiempo, tendría un impacto más débil sobre la posibilidad de que una caja se expanda por un territorio, siendo el efecto de la presencia de bancos el opuesto. Estas tendencias darían validez, además, a las teorías sobre precedencia rival y seguimiento racional (rational herding, Chang et al., 1997), que podrían así estar presentes en el sector bancario español, si bien no para todas las entidades.

Una vez considerados los efectos de todas las covariables, los Gráficos 2.1-2.4 ofrecen una ilustración del IRR propio de cada provincia, que correspondería a los distintos tipos de entidades consideradas. Cada uno de ellos se divide en cuatro pa-neles de acuerdo con los periodos analizados.


CAJAS DE AHORROS (1999, 2005, 2009 Y 2011)

2011


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 1,4259 0,0597 1,3083 1,3858 1,4259 1,4660 1,5431


Densidad IRR 0,8429 0,8357 0,8404 0,8429 0,8454 0,8503 0,8429

Tasa desempleo –0,0373 0,0024 –0,0421 –0,0390 –0,0373 –0,0357 –0,0326


Porcentaje población extranjera –0,0033 0,0010 –0,0052 –0,0039 –0,0033 –0,0026 –0,0014


s.d.-Provincias 0,3439 0,0364 0,2802 0,3179 0,3410 0,3667 0,4235




COOPERATIVAS DE CRÉDITO (1999, 2005, 2009 Y 2011)1999


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 2,1536 0,1611 1,8330 2,0466 2,1547 2,2618 2,4677


Densidad IRR 0,6789 0,6639 0,6737 0,6789 0,6841 0,6941 0,6789

Tasa desempleo –0,0577 0,0092 –0,0758 –0,0639 –0,0577 –0,0515 –0,0397




s.d.-Provincias 1,0455 0,1149 0,8441 0,9626 1,0352 1,1163 1,2957

2005


25% cuantil

50% cuantil

75% cuantil

97.5% cuantil

Intercept 1,7857 0.1466 1,4947 1,6883 1,7865 1,8840 2,0724


Densidad IRR 0,7008 0,6883 0,6965 0,7008 0,7051 0,7134 0,7008

Tasa desempleo 0,0012 0,0024 –0,0041 –0,0003 0,0014 0,0029 0,0054




s.d.-Provincias 0,9712 0,1054 0,7872 0,8960 0,9627 1,0370 1,2014

2009


25% cuantil

50% cuantil

75% cuantil

97.5% cuantil

Intercept 1,7475 0,1426 1,4650 1,6525 1,7480 1,8431 2,0268

Densidad Población –0,3315 0,0089 –0,3490 –0,3375 –0,3315 –0,3255 –0,3140

Densidad IRR 0,7178 0,7054 0,7135 0,7178 0,7222 0,7305 0,7178

Tasa desempleo –0,0032 0,0032 –0,0103 –0,0052 –0,0030 –0,0010 0,0023




s.d.-Provincias 0,9275 0,1004 0,7522 0,8559 0,9194 0,9902 1,1469



Las diferencias observadas más importantes se dan al comparar los agregados institucionales y, en concreto, y en línea con los resultados correspondientes a los Cuadros 2.1-2.4 ya comentados en los párrafos anteriores, existen más semejanzas cuando comparamos las tendencias observadas para bancos y cajas de ahorros (Grá-ficos 2.2 y 2.3, respectivamente) que cuando comparamos cualesquiera de estos dos agregados institucionales con las cooperativas (Gráfico 2.4), independientemente del año considerado. Si bien en los dos primeros casos se aprecia que, para muchos años y muchas provincias, los valores de IRR se corresponderían más bien con una escasez relativa de oficinas (particularmente en la mitad sur del país), en el caso de las cooperativas se observa lo que podría ser un exceso de oficinas, especialmente en gran parte de la costa mediterránea (a excepción de Cataluña), si bien se trataría de una tendencia que ha ido cambiando ligeramente entre 1999 y 2011. Por tanto, ante la todavía pendiente reestructuración en el sector de las cooperativas de crédito, se trataría este de un análisis que podría contribuir positivamente al rediseño de la red de oficinas en España.

En el caso de bancos y cajas, el fenómeno es de carácter opuesto y estamos siem-pre mucho más cerca de una escasez de oficinas, pues muchas provincias, de nuevo pertenecientes a la mitad sur de España, tendrían valores por debajo de la unidad. Por tanto, pese a la intensa reestructuración en el sector de las cajas de ahorros que ha tenido lugar desde el inicio de la crisis (como se puede observar al comparar los distintos paneles del Gráfico 2.3), habría numerosas áreas en las que el acceso a los servicios bancarios a través de la oficina física sería claramente mejorable.


COOPERATIVAS DE CRÉDITO (1999, 2005, 2009 Y 2011)

2011


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Intercept 2,0550 0,1462 1,7654 1,9574 2,0555 2,1531 2,3412


Densidad IRR 0,7290 0,7155 0,7243 0,7290 0,7337 0,7428 0,7290

Tasa desempleo –0,0279 0,0049 –0,0375 –0,0312 –0,0279 –0,0246 –0,0184




s.d.-Provincias 0,9161 0,0982 0,7444 0,8460 0,9082 0,9774 1,1306




EFECTO DE OTRO TIPO DE ENTIDADES, BANCOS (1999, 2005, 2009 Y 2011)

1999


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Cajas de ahorro –0.0002 0.0000 –0.0003 –0.0003 –0.0002 –0.0002 –0.0002

Cajas de ahorro IRR

0.9998 0.9997 0.9997 0.9998 0.9998 0.9998 0.9998

Cooperativas de crédito

0.0563 0.0010 0.0542 0.0556 0.0563 0.0570 0.0583

Cooperativas de crédito IRR

1,0579 1,0557 1,0571 1,0579 1,0586 1,0600 1,0579

2005


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Cajas de ahorro –0,0004 0,0000 –0,0005 –0,0004 –0,0004 –0,0004 –0,0003

Cajas de ahorro IRR

0,9996 0,9995 0,9996 0,9996 0,9996 0,9997 0,9996


0,0346 0,0007 0,0331 0,0341 0,0346 0,0351 0,0360


1,0352 1,0337 1,0347 1,0352 1,0357 1,0367 1,0352

2009


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Cajas de ahorro –0,0004 0,0000 –0,0005 –0,0004 –0,0004 –0,0004 –0,0004

Cajas de ahorro IRR

0,9996 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996


0,0345 0,0005 0,0335 0,0342 0,0345 0,0349 0,0355


1,0351 1,0341 1,0348 1,0351 1,0355 1,0362 1,0351

2011

Media sd 2.5% cuantil

25% cuantil

50% cuantil

75% cuantil

97.5% cuantil

Cajas de ahorro –0,0003 0,0000 –0,0003 –0,0003 –0,0003 –0,0002 -0,0002

Cajas de ahorro IRR

0,9997 0,9997 0,9997 0,9997 0,9998 0,9998 0,9997


0,0340 0,0006 0,0328 0,0336 0,0340 0,0344 0,0352


1,0346 1,0334 1,0342 1,0346 1,0350 1,0358 1,0346




EFECTO DE OTRO TIPO DE ENTIDADES, CAJAS DE AHORROS (1999, 2005, 2009 Y 2011)

1999


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Bancos comerciales –0,0001 0,0000 –0,0002 –0,0002 –0,0001 –0,0001 –0,0001

Bancos comerciales IRR

0,9999 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999


0,0472 0,0010 0,0453 0,0465 0,0472 0,0478 0,0491


1,0483 1,0463 1,0476 1,0483 1,0490 1,0503 1,0483

2005


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil



0,9994 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994


0,0342 0,0006 0,0330 0,0338 0,0342 0,0347 0,0355


1,0348 1,0355 1,0344 1,0348 1,0353 1,0361 1,0348

2009


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil



0,9996 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996


0,0318 0,0005 0,0308 0,0314 0,0318 0,0321 0,0328


1,0323 1,0312 1,0319 1,0323 1,0327 1,0333 1,0323

2011


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil



0,9997 0,9996 0,9997 0,9997 0,9997 0,9997 0,9997


0,0335 0,0005 0,0324 0,0331 0,0335 0,0339 0,0345


1,0341 1,0330 1,0337 1,0341 1,0344 1,0351 1,0341



CUADRO 2.7DISTRIBUCIONES A POSTERIORI DE LOS COEFICIENTES DE REGRESIÓN, EFECTO DE OTRO TIPO DE ENTIDADES, COOPERATIVAS DE CRÉDITO

(1999, 2005, 2009 Y 2011)

1999


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Bancos comerciales 0,0023 0,0007 0,0010 0,0018 0,0023 0,0028 0,0038


1,0023 1,0010 1,0018 1,0023 1,0028 1,0038 1,0023

Cajas de ahorro –0,0001 0,0006 –0,0013 –0,0005 –0,0001 0,0003 0,0010

Cajas de ahorroIRR

0,9999 0,9987 0,9995 0,9999 1,0003 1,0010 0,9999

2005


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil

Bancos comerciales –0,0002 0,0004 –0,0010 –0,0005 –0,0002 0,0001 0,0007


0,9998 0,9990 0,9995 0,9998 1,0001 1,0007 0,9998

Cajas de ahorro 0,0018 0,0004 0,0010 0,0015 0,0018 0,0020 0,0025

Cajas de ahorroIRR

1,0018 1,0010 1,0015 1,0018 1,0020 1,0025 1,0018

2009


25% cuantil

50% cuantil

75% cuantil

97.5% cuantil



0,9968 0,9959 0,9965 0,9968 0,9971 0,9976 0,9968

Cajas de ahorro 0,0053 0,0005 0,0042 0,0049 0,0053 0,0056 0,0063

Cajas de ahorroIRR

1,0053 1,0042 1,0049 1,0053 1,0056 1,0063 1,0053

2011


25% cuantil

50% cuantil

75% cuantil

97,5% cuantil



0,9950 0,9943 0,9948 0,9950 0,9953 0,9958 0,9950

Cajas de ahorro 0,0070 0,0005 0,0061 0,0067 0,0070 0,0073 0,0079

Cajas de ahorroIRR

1,0070 1,0061 1,0067 1,0070 1,0073 1,0079 1,0070



FUEN

TE: E

labo

raci

ón p

ropi

a.

GR

ÁFI

CO

2.1

TASA

DE

INC

IDEN

CIA

REL

ATIV

A (I

RR

) MED

IA P

OR

PR

OV

INC

IA, T

OTA

L (1

999,

200

5, 2

009,

201

1)


GR

ÁFI

CO

2.2

TASA

DE

INC

IDEN

CIA

REL

ATIV

A (I

RR

) MED

IA P

OR

PR

OV

INC

IA, B

AN

CO

S (1

999,

200

5, 2

009,

201

1)

FUEN

TE: E

labo

raci

ón p

ropi

a.

¿EXISTEN DEMASIADAS SUCURSALES BANCARIAS EN ESPAÑA? UN ANÁLISIS... 227G

RÁ

FIC

O 2

.3TA

SA D

E IN

CID

ENC

IA R

ELAT

IVA

(IR

R) M

EDIA

PO

R P

RO

VIN

CIA

, CA

JAS

DE

AH

OR

RO

S (1

999,

200

5, 2

009,

201

1)

FUEN

TE: E

labo

raci

ón p

ropi

a.


GR

ÁFI

CO

2.4

TASA

DE

INC

IDEN

CIA

REL

ATIV

A (I

RR

) MED

IA P

OR

PR

OV

INC

IA, C

OO

PER

ATIV

AS

DE

CR

ÉDIT

O (1

999,

200

5, 2

009,

201

1)

FUEN

TE: E

labo

raci

ón p

ropi

a.


6. Conclusiones

Durante los últimos años, y tras el estallido de la crisis económico-financiera, los sistemas bancarios de gran parte de la Unión Europea se han visto seriamente afectados, desde numerosos puntos de vista. En el caso del sistema bancario español, el impacto ha sido de tal magnitud que, después de las intensas iniciativas desregu-ladoras de los años ochenta y noventa del siglo pasado, los efectos de la crisis sobre las entidades bancarias dieron lugar a una reestructuración y re-regulación del sector como ha sido la nueva Ley de Cajas (Ley 26/2013, de 27 de diciembre, de cajas de ahorros y fundaciones bancarias).

Dado lo reciente del proceso, que en determinados aspectos sigue sin haberse cerrado, nuevos análisis del sector que incluyan los años más recientes no son del todo viables por el momento, si bien existen ya numerosas contribuciones que han evaluado problemáticas concretas (véase, por ejemplo, y en relación con el presente trabajo (Maudos, 2017), que evalúa el fenómeno de la exclusión financiera hasta 2015). Entre los aspectos en los que el sector ha experimentado cambios más in-tensos y que, de hecho, todavía no han finalizado, se encuentra la expansión (hasta 2008) y posterior contracción en las redes de oficinas de bancos, cajas y cooperativas de crédito, especialmente estas dos últimas. Mientras que la desregulación de fina-les de los años ochenta del siglo pasado permitió a las cajas expandirse por todo el territorio nacional, emprendiendo políticas expansivas que se han definido incluso como agresivas (Illueca et al., 2009), desde el inicio de la crisis la tendencia ha sido exactamente la opuesta, si bien no ha habido una perfecta simetría (esto es, las posi-ciones relativas de las regiones donde más creció y disminuyó el número de oficinas no se han mantenido).

Ante el reto de la digitalización de los servicios bancarios, no es esperable que el proceso de racionalización en la red de oficinas bancarias vaya a detenerse en breve y, por tanto, resulta pertinente evaluar desde un punto de vista dinámico cuáles están siendo los patrones de localización de oficinas bancarias en España. Este ha sido el objeto de este trabajo en el que hemos modelizado el número de oficinas bancarias que podríamos esperar (en términos de población, y características socio-economi-cas) en una determinada localización geográfica, comparándolo con el de oficinas observadas para así cuantificar la posible existencia de exceso o falta de puntos de acceso físico a los servicios bancarios (definido en Alamá et al., 2015, como over-branching y under-branching).

Los resultados pueden ser valorados desde varios puntos de vista. Si bien el mo-delo utilizado tiene ciertas limitaciones en cuanto al número de covariables inclui-das, no es posible una modelización más extensa por la escasez de información dis-ponible a nivel municipal. Las tres variables consideradas (densidad de población, tasa de desempleo y porcentaje de población extranjera, así como el efecto del resto de entidades bancarias) tienen un impacto, en general, relevante, como muestran los intervalos de credibilidad (cuantiles) en todas las tablas de resultados. Sin embar-go, existen diferencias notables cuando analizamos por separado los tres agregados


institucionales, de manera que el exceso o carencia de oficinas (over-branching y under-branching) no sería un fenómeno achacable a los tres tipos de entidades por igual, siendo los bancos las entidades más implicadas en regiones con una mayor actividad económica. El factor temporal juega también un papel relevante y, en ge-neral, decreciente en el tiempo. Por último, el efecto aleatorio por provincia es el que nos indica si el número observado de oficinas es mayor o menor que el esperado según los niveles de población y las condiciones socio-económicas (representadas por las covariables) y es, por tanto, el que nos permite hablar de falta o exceso de oficinas (under- u over-branching).

Debido a la no disponibilidad de datos para algunas de las variables incluidas en el modelo, no ha sido posible extender el análisis hasta periodos más recientes, por lo que es inviable que las conclusiones puedan ir más allá del año 2011. Por tanto, ante la importancia que sigue teniendo el acceso físico a los servicios bancarios desde numerosos puntos de vista, y el hecho de que los procesos de contracción territorial de las redes de oficinas no parecen haber llegado a su fin, consideramos relevante la extensión de los análisis de los procesos localización bancaria, tanto para incluir periodos más recientes como para evaluar las implicaciones para la economía real.


[1] ALAMÁ, L.; CONESA, D.; FORTE, A. y TORTOSA-AUSINA, E. (2015). «The geography of Spanish bank branches». Journal of Applied Statistics, 42 (4), 722-744.

[2] ALAMÁ, L. y TORTOSA-AUSINA, E. (2012). «Financial exclusion and bank branch geographic location patterns in Spain: 1988-2008». Growth and Change, 43 (3), 505-543.

[3] BERNAD, C.; FUENTELSAZ, L. y GÓMEZ, J. (2008). «Deregulation and its long-run effects on the availability of banking services in low-income communities». Environment and Planning A, 40 (7), 1681-1696.

[4] BOOT, A. W. A. (2000). «Relationship banking: What do we know?». Journal of Financial Intermediation, 9, 7-25.

[5] BOOT, A. W. A. y THAKOR, A. V. (2000). «Can relationship banking survive competition?». The Journal of Finance, 55 (2), 679-713.

[6] CARBÓ, S.; GARDENER, E. P. M. y MOLYNEUX, P. (2005). Financial Exclusion. Palgrave MacMillan.

[7] CARBÓ, S.; GARDENER, E. P. M. y MOLYNEUX, P. (2007). «Financial exclusion in Europe». Public Money & Management, 27 (1), 21-27.

[8] CHANG, A.; CHAUDHURI, S. y JAYARATNE, J. (1997). «Rational herding and the spatial clustering of bank branches: an empirical analysis». Research Paper 9724, Federal Reserve Bank of New York, New York, NY.

[9] DE JUAN, R. (2003). «The independent submarkets model: an application to the Spanish retail banking market». International Journal of Industrial Organization, 21, 1461-1487.

[10] DE JUAN, R. (2008). «Competition in local markets: Some evidence from the Spanish retail banking market». Review of Industrial Organization, 32 (2), 145-162.


[11] DEGRYSE, H. y ONGENA, S. (2005). «Distance, lending relationships, and competition». The Journal of Finance, 60 (1), 231-266.

[12] DEMIRGÜÇ-KUNT, A. y LEVINE, R. (2001). Financial Structure and Economic Growth: A Cross Country Comparison of Banks, Markets and Development. MIT Press, Cambridge and London.

[13] ELYASIANI, E. y GOLDBERG, L. G. (2004). «Relationship lending: a survey of the literature». Journal of Economics and Business, 56, 315-330.

[14] ERGUNGOR, O. E. (2010). «Bank branch presence and access to credit in low-to moderateincome neighborhoods». Journal of Money, Credit and Banking, 42 (7), 1321-1349.

[15] FERNÁNDEZ-VILLAVERDE, J.; GARICANO, L. y SANTOS, T. (2013). «Political credit cycles: the case of the Eurozone». The Journal of Economic Perspectives, 27 (3), 145-166.

[16] FUENTELSAZ, L. y GÓMEZ, J. (2001). «Strategic and queue effects on entry in Spanish banking». Journal of Economics and Management Strategy, 10 (4), 529-563.

[17] FUENTELSAZ, L. y GÓMEZ, J. (2006). «Multipoint competition, strategic similarity and entry into geographic markets». Strategic Management Journal, 27, 477-499.

[18] FUENTELSAZ, L.; GÓMEZ, J. y POLO, Y. (2002). «Followers’ entry timing: Evidence from the Spanish banking sector after deregulation». Strategic Management Journal, 23 (3), 245-264.

[19] FUENTELSAZ, L.; GÓMEZ, J. y POLO, Y. (2004). «La expansión de la red de oficinas de las cajas de ahorros». Perspectivas del Sistema Financiero, 80, 57-71.

[20] GILJE, E. P.; LOUTSKINA, E. y STRAHAN, P. E. (2016). «Exporting liquidity: Branch banking and financial integration». The Journal of Finance, 71 (3), 1159-1183.

[21] GRÍA DE LA BANCA (VV.AA.). Cooperativas de Crédito y Cajas de Ahorros, Editorial Maestre Edibán, Madrid.

[22] HANNAN, T. H. y McDOWELL, J. M. (1987). «Rival precedence and the dynamics of technology adoption: an empirical analysis». Economica, 54, 155-171.

[23] ILLUECA, M.; NORDEN, L. y UDELL, G. F. (2014). «Liberalization and risk- taking: Evidence from government-controlled banks». Review of Finance, 18 (4), 1217-1257.

[24] ILLUECA, M.; PASTOR, J. M. y TORTOSA-AUSINA, E. (2009). «The effects of geographic expansion on the productivity of Spanish savings banks». Journal of Productivity Analysis, 32 (2), 119-143.

[25] JAIN, P. S. (1996). «Managing credit for the rural poor: lessons from the Grameen Bank». World Development, 24 (1), 79-89.

[26] JAYARATNE, J. y STRAHAN, P. E. (1996). «The finance-growth nexus: Evidence from bank branch deregulation». The Quarterly Journal of Economics, 111 (3), 639-670.

[27] JOASSART-MARCELLI, P. y STEPHENS, P. (2010). «Immigrant banking and financial exclusion in Greater Boston». Journal of Economic Geography, 10 (6), 883-912.

[28] KING, R. G. y LEVINE, R. (1993). «Finance and growth: Schumpeter might be right». The Quarterly Journal of Economics, 108 (3), 717-737.

[29] LANZILLOTTI, R. F. y SAVING, T. R. (1969). «State branching restrictions and the availability of branching services: Comment». Journal of Money, Credit and Banking, 1 (4), 778-788.


[30] LEYSHON, A. y THRIFT, N. (1995). «Geographies of financial exclusion: financial abandonment in Britain and the United States». Transactions of the Institute of British Geographers, New Series, 20, 312-341.

[31] LEYSHON, A. y THRIFT, N. (1996). «Financial exclusion and the shifting boundaries of the financial system». Environment and Planning A, 28 (7), 1150-1156.

[32] LOUTSKINA, E. y STRAHAN, P. E. (2015). «Financial integration, housing and economic volatility». Journal of Financial Economics, 115 (1), 25-41.

[33] MAUDOS, J. (2017). «Bank restructuring and access to financial services: the Spanish case». Growth and Change (en prensa).

[34] McCULLOCH, R. E. y SEARLE, S. R. (2001). Generalized, Linear and Mixed Models, John Wiley and Sons.

[35] MORDUCH, J. (1999). «The microfinance promise». Journal of Economic Literature, 37 (4), 1569-1614.

[36] OKEAHALAM, C. (2009). «Bank branch location: a count analysis». Spatial Economic Analysis, 4 (3), 275-300.

[37] ONGENA, S. y SMITH, D. C. (2000). «Bank relationships: a review», en P. T. Harker y S. A. Zenios (eds.), Performance of Financial Institutions. Efficiency, Innovation, Regulation, cap. 7, pp. 221-258. Cambridge University Press, Cambridge.

[38] ONGENA, S. y SMITH, D. C. (2001). «The duration of bank relationships». Journal of Financial Economics, 61, 449-475.

[39] PASTOR, J. M.; PAVÍA, J. M.; SERRANO, L. y TORTOSA-AUSINA, E. (2017). «Rich regions, poor regions, and bank branch deregulation in Spain». Regional Studies (en prensa).

[40] PETERSEN, M. A. y RAJAN, R. G. (1994). «The benefits of lending relationships: evidence from small business data». Journal of Finance, 49 (1), 3-37.

[42] PETERSEN, M. A. y RAJAN, R. G. (1995). «The effect of credit market competition on lending relationships». Quarterly Journal of Economics, 110 (2), 407-443.

[43] POLLARD, J. S. (1996). «Banking at the margins: a geography of financial exclusion in Los Angeles». Environment and Planning A, 28, 1209-1232.

[44] RUE, H.; MARTINO, S. y CHOPIN, N. (2009). «Approximate Bayesian inference for latent Gaussian models by using integrated nested Laplace approximations». Journal of the Royal Statistical Society: Series B (Statistical Methodology), 71 (2), 319-392.

[45] SUTTON, J. (1997). «One smart agent». Rand Journal of Economics, 28 (4), 605-628.


Todos los artículos publicados en esta sección son sometidos a un riguroso proceso de evaluación anónima.

The German economy: successes and challenges related to its reforms and the Eurozone*

Josep M. Nadal-FernándezUniversity of Illinois at Chicago

Abstract

This paper is an overview of the development of the German economy since the 1990s. It emphasizes its economic strategy within the Eurozone. The paper lays out an appraisal of the factors that have led Germany to become not only the largest economic power in the Eurozone but also a country whose structural reforms have produced successful results. It also examines how in the face of economic stagnation the increase in German demand would lead to beneficial spillovers for Germany and the rest of the world—especially for the Euro area, whose establishment has greatly contributed to Germany’s robust economic growth.

Keywords: Germany, economic growth, Euro area, economic stagnation, reforms.JEL classification: N14, O50.

Resumen

Este artículo ofrece una visión general del desarrollo de la economía de Alemania desde la década de 1990, haciendo hincapié en su estrategia económica en la zona euro. En este se expone una valoración de los factores que han llevado a Alemania a convertirse no solo en el mayor poder económico en la zona euro, sino también en un país cuyas reformas estructurales han producido resultados exitosos. También se examina cómo ante un estancamiento global, un aumento de la demanda alemana daría lugar a efectos secundarios beneficiosos para Alemania, así como el resto del mundo —especialmente en la zona euro, cuya creación ha contribuido en gran medida al fuerte crecimiento económico de Alemania.

Palabras clave: Alemania, crecimiento económico, eurozona, estancamiento global, reformas.Clasificación JEL: N14, O50.

1. Introduction

Germany is one of the most influential economies in the world. In fact, Germany is the biggest country in terms of population (81,410,000) and GDP ($3.356 trillion) in the European Union as of 2015 –according to the World Bank–. It is the fourth economy worldwide in terms of GDP and the third global exporter. Its exports (which are almost as high as the USA ones) account for approximately 40 per cent of the total German output and more than 50 per cent of the total EU exports. The German country has managed the financial crisis in Europe better than most of its neighbors—dampening the effects of the enormous stagnation in the EU. As a result,

* I am very thankful to Kelley E. Holcomb and an anonymous evaluator for their valuable insights to improve the quality of this paper.

the country exhibited an unemployment rate lower than 4 per cent by the end of 2016 –according to the OECD–. Its recent history is full of successes and challenges that have driven the most important economy of Europe into a relevant position in the world.

Indeed, it is a prosperous time for the Germans. Nicholson (2015) analyzes that this economic power has brought a more prominent role for the country in the international arena. The country remains Europe’s largest market. As such, Berlin appeared to play a dominant role in the management of the European financial crisis; not to mention its leadership in the security crisis with Russia after annexing Crimea (Telegraph, 2015). It was also decisive in the negotiations with Iran and the USA regarding the former’s nuclear program. Chancellor Angela Merkel is regarded as the top-performing democratic leader in the world (Pazzanese, 2014), proving her leadership in facing the refugee crisis. Moreover, its theoretical commitment to renewable energy has set a precedent for the rest of the big countries since it could eventually become the world’s first green superpower.

It is necessary to understand some of the recent historical episodes of this country in order to analyze how Germany has attained this predominant economic position. Among the different episodes over the last decades, two of them are especially noteworthy. The first is the process of the German reunification in the 1990s. The country had to deal with the unification of two different economies and its negative aftermath emerged in the early 2000s. In fact, in the 2000s, the Euro project started to be a reality, representing the second episode of these recent events that had a huge influence on the economic situation of the country. Certainly, Germany’s strategies for economic growth since the 1990s cannot be understood without the context of the monetary union that the Eurozone represents.

Thus, this paper anatomizes the components of the German strategy from a macroeconomic stance, highlighting its relationship with the European Monetary Union since its creation. The paper continues as follows. Section 2 describes what direction Germany’s strategy took to overcome the challenges of the unification and especially the effectiveness of the Hartz labor reforms. Section 3 concentrates on the particular structures of the banking system and oriented policies that support the private sector. Section 4 is an assessment of the indispensable role that the Eurozone played in its first decade to fortify the German economic model. It also examines some of the causes of the Euro crisis and advocates for an increase in Germany’s support of ECB as lender of last resort, as well as for a demand expansion by the country. Lastly, section 5 presents a set of conclusions.

2. Economic strategy and reforms in Germany

Germany has traditionally exhibited a strict monetary policy. Hyperinflation has been one of its main phobias since the period between WWI and WWII. Along with this inflationary apprehension, the country has tried to use a very orthodox fiscal policy so


that the country will not suffer anymore from the high debts and deficits that triggered the hyperinflation of the 1920s. However, the country had a huge fiscal expansion to reorganize, recapitalize, and close some businesses and institutions in East Germany after the reunification. As a result, for the first time since WWII, Germany faced a situation where the country ran a public deficit for some years, as shown in Figure 1, with a reduction in its profit margins and a negative current account.

These were the negative economic consequences of the reunification. In this re-gard, the reunification prompted a property bubble when the government incentiv-ized private and public spending in order to rebuild East Germany. Yet, when the dotcom bubble burst, Germany was hit very hard and the economy lapsed into a worrisome corporate balance sheet recession. This generated a set of initiatives that were intended to reverse the situation, especially since the Euro was already a reality.

The labor market reforms that were undertaken were the pillars of this such a strategy. Under the pressure of an alarming economic situation and the potential competition from other Eurozone members, the German labor unions worked closely with government and business leaders and accepted modest wage increases in exchange of job security. These factors improved Germany’s international competitiveness and built the foundations for its economic outperformance. In addition to that, the existence of a single currency, which eliminate some transaction costs, boosted the export model that Germany started to embrace. Export-driven growth has supported a rising number of jobs from thereon.

Most of these measures were carried out under the far-reaching Hartz labor market reforms, which were divided into four phases during 2003-2005. The plan emphasized the productivity of the labor at the expense of higher salaries, but guaranteed more stability over time, especially during negative cycles. Additionally, several options for retirement were eliminated, so that firms and workers were discouraged to arrange consensual retirements for older workers during this recession. Also, part-time jobs were promoted to reduce the labor cost and increase the employment.

FIGURE 1GERMAN GOVERNMENT DEFICIT AS PERCENT OF GDP, 1995-2014

SOURCE: OECD.

2011

1995 19

9719

9920

0120

0320

0520

0720

0920

13–9,43

–3,54–2,95 –2,53

–1,7

0,86

–3,11

–3,94–3,54

–4,18

–3,74–3,42

0,19

–0,18

–3,23

–4,22

–0,96 –0,09

–0,11–0,31

–10,00

–8,00

–6,00

–4,00

–2,00

0,00

2,00

1996

1998

2000

2002 20

0420

0620

0820

1020

1220

14

THE GERMAN ECONOMY: SUCCESSES AND CHALLENGES RELATED TO ITS REFORMS... 237

That said, cost moderation was never the explicit aim of these reforms (Jacobi and Kluve, 2006). Instead, the reforms were primarily designed to cause a better job matching based on a cooperative process between chambers of commerce and firms. As a matter of fact, the German vocational education is a worldwide example of vocational training, which adequately prepares the labor force that lack higher education. Under closer examination, it can be seen that the system had existed for several decades. Aside from Hartz, there were reforms undertaken in 2005 that contributed to strengthening the worldwide recognition of a German dual training scheme. This produced an effective combination of theory and training embedded in a real-life work environment.

This dual training system should not be confused with the occupational programs that are intended to provide better employment prospects for those unemployed. Regarding the latter, there is a consensus on the literature (Bonin and Schneider, 2006; Jacobi and Kluve, 2006) supporting that the effectiveness of these occupational training programs were improved by in large thanks to the Hartz I reform. Besides, this reform along with Hartz II helped speed up the matching process by including private firms in the process of assisting workers in their search for jobs (Burda and Hunt, 2011; Fahr and Sunde, 2009).

By contrast, Hartz III concentrated its efforts on the reorganization of the federal employment agency and its local employment offices, augmenting the efficiency of employment agencies immediately. Thus, the effects of both reforms became more amplified than the effects of the single reform waves, simply because Hartz III showed a positive effect on the speed of unemployment outflows compared to the

FIGURE 2TOTAL LABOR FORCE IN THOUSAND PERSONS, 1991-2014

38.000

38.500

39.000

39.500

40.000

40.500

41.000

41.500

42.000

42.500

1991

1992

1993

1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007 20

0820

0920

1020

1120

1220

1320

14


SOURCE: OECD.

period after the first wave Hartz I/II. In effect, there is rich literature that empirically quantifies the impact of the reforms on the matching process.

This ample evidence (Klinger and Weber, 2016; Stops, 2015) shows that the reforms had a positive outcome on the labor market, accelerating the outflows from unemployment to employment by 5-10 per cent according to Fahr and Sunde (2009). The improvements in job matching and unemployment spells were especially remarkable in East Germany where unemployment rates were much higher than in the rest of Germany’s regions. The reforms also particularly affected certain industries, which were primarily located in East Germany.

In this regard, Möller (2010) observes how the firms that suffered the most in Germany from the world recession also had the most severe recruitment problems before the crisis. These firms were mainly part of the manufacturing sector, with a considerable volume of exports as well as a shortage of a trained workforce. Therefore, the enhancement of the mechanisms to help job search has transcended the labor market and contributed to a more successful realization of companies’ activity plans (Stops, 2015) boosting in turn the international competitiveness of German firms.

Beyond Hartz, the government kept implementing reforms to fulfill its labor market goals. Minister Schroeder’s «Agenda 2010» reforms reduced safety nets for the unemployed, encouraging people to accept lower-paying jobs. The increasing trend to outsource more production to the new Eastern EU members helped wages to remain low even after the reforms. In fact, part of the literature devoted to labor reforms in Germany points to the reduction in job protection mechanisms as the contributory factor to make the labor market more dynamic.

For instance, Fujita and Gartner (2014) consider it misleading to analyze the improvement in the German market by simply highlighting measures typically associated with the Hartz reforms that have been described. Instead, they assert that the most important part of the reforms was the reduction in unemployment benefits. This reduction lowers the reservation wage of workers. Consequently, they are more likely to accept job offers after the reform than before, when collecting unemployment benefits was more financially advantageous for them.

To comprehend the positive change in the German economy, Dustmann et al. (2014) underscore the importance of the German industrial relations when determining the labor cost under severe economic conditions. Thus, instead of fewer benefits, this cost reduction is explained according to them by the decline in unionization –i.e. a change within the system rather than a change of system–. In order to make their point, they argue that wage restraint has been witnessed since the mid1990s, much earlier than the discussed reforms were put in place. Tellingly, the unionization rates have dropped drastically, so have the number of German workers covered by any kind of union agreement, as Figure 3 reflects. Moreover, this trend has been driven by an increase in opening clauses that has strengthened the role of firm-based works so that union agreements are not reached at an industry level. On top of that, work councils in Germany may gain even greater independence from a union in the event of financial distress endangering the survival of the firm.


FIGURE 3TRADE UNION DENSITY IN GERMANY, 1999-2013

SOURCE: OECD.

Trade Union Density: Ratio of wage earners that are trade union members divided by the total number of salary earners25,3

24,623,7 23,5 23,0

22,221,7

20,719,9

19,118,9 18,6 18,5 18,3 18,1

1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

According to Levy’s (2012) noteworthy analysis, the low inflation contributed to sustain this labor cost reduction. German inflation was about 1.5 per cent during 2000-2008, persistently below the Eurozone average of about 2.25 per cent and largely maintaining real purchasing power despite the moderation in salaries. This wage restraint was not experienced evenly across the wage distribution but the workers in the lower tail saw their salaries disproportionally declined.

Precisely, the main downside of such a strategy is that poverty risk has increasingly affected employees with relatively low employment protection or limited access to unemployment insurance in Germany. As OECD (2014) points out, the reduction of the safety net has negatively affected this type of employees as well as many part-time and self-employed workers. Compared to other European countries, the incidence of low pay employees is still much higher and still increasing. Plus, youth who have not graduated from upper secondary education face grim lifetime employment prospects and education outcomes continue to depend strongly on socio-economic background.

It is puzzling the degree to which the reduction in unemployment benefits and job protection have aided Germany to muffle the economic downturns. As opposed to Fujita and Gartner (2014), Möller (2010) concludes that the reduction in the level of employment protection of permanent workers against individual dismissal fail to explain why unemployment rates have not exhibited any spike since these reforms were undertaken. In fact, there is a myriad of publications with divergent results that reflect the lack of absolute conclusiveness in empirical terms of the reforms outcome on the German economy.

Anyhow, one of the new challenges that the German economy needs to face is to reform its labor market so that economic growth can be more socially inclusive,


FIGURE 4GERMAN PERCENT INCIDENCE OF LOW PAY DEFINED AS WORKERS EARNING LESS THAN TWO-THIRDS OF MEDIAN EARNINGS, 2000-2012

SOURCE: OECD.

reducing disparities in wellbeing. Inequality and relative poverty in Germany have risen since the mid-1990s. Having said that, this phenomenon has taken place in almost all OECD countries. German income inequality has not increased though since 2004 and has remained lower than in most OECD countries. Although collective wage bargaining agreements are still used to set wage floors in several industries, the country set a minimum wage for the first time in 2015. The minimum wage was established at €8.50. This measure was set by an expert commission, across all economic sectors and promoted by the great coalition of CDU/CSU and SDP that rules the government since 2009. As a matter of fact, Germany tends to reach big coalitions among different agents, not only in the economic field but also in politics.

As the IMF (2014) points out, it is too early to draw conclusions regarding the minimum wage. Besides, it has become a controversial measure and in a different manner than the Hartz reforms. Perhaps, new reforms targeting the gap in employment protection between permanent and temporary workers as well as the worse tax treatment of minijobs towards low-wage workers will take place in the upcoming years. It is clear that this wage stagnation can shed light on the motives of the gigantic current account surplus ($287.5 billion or 7.5 per cent of GDP in 2014). The households’ saving–investment gap widened in the early 2000s (IMF, 2014), as the pension reforms and growing income inequality boosted households’ savings, residential investment declined by the end of the reunification construction boom- being an explanatory factor of the current account surplus over the last decade.


3. Banking structures and specific instruments supporting the private sector

Another particular feature to take into consideration when describing the economic strategy is the banking industry. Normally, the banking model of Germany is described as a three pillar structure compounded by private commercial banks, public-sector banks, and co-operative banks. In Germany, banks are universal and hold equity from firms. As a result, banks are very influential since they are owners and lenders of businesses as well as custodians of the equity of households, which lowers the direct investment risk of individuals. This structure causes a conflict of interest. On one hand, they gauge the optimal leverage from both perspective creditor and debtor. On the other hand such a structure does not facilitate that small companies will thrive as much as through other banking structures, such as the one in the USA. In other words, German banks are not utterly interested in financially supporting potential competitors since they are also the shareholders of the big companies.

Consequently, Germany is not the most innovative economy in terms of financial markets and industry (Hassan 2014 and IMF 2011). In this sense, another factor that sheds light on the positive German current account is the rising importance of R&D activities. The difficulty of obtaining external finance to fund R&D may have led firms to hold more cash. In this particular structure, it is noteworthy to mention that firms have two boards. In addition to the fact that banks are well represented since they own an important portion of the firm’s equity. On one of the boards, a third of the members are worker representatives.

In this business environment, small and middle companies known as Mittelstand cohabit with big corporations. Another financial agent known as Landesbanken plays a crucial role to the existence of these businesses. Germany’s public banks account for more than 40 per cent (OECD, 2014) of banking sector assets, owned mainly by the local savings banks and the regional Landesbanken. This number is extraordinary large relative to other industrialized economies, Portugal being the second on the list where public banks represent 25 per cent of the total assets (OECD, 2010). The savings banks show sector diversification in terms of the wide range of industries that their portfolios include; but, at the same time, these banks are locally specialized. According to Hakenes et al. (2009), regional banking brings about some tangible benefits, which can be observed in the larger coverage of the population with basic financial services. They argue that it also broadens the access to loan finance for small and medium-sized businesses and more importantly it has encouraged regional economic development in relatively poorly developed regions.

Yet again, this characteristic of the banking sector leads to a conflict of interest; in this case between the public sector and the private sector because sometimes an issue of moral hazard arises. For instance, the state-owned Landesbanken had to receive a significant amount of the rescue package to provide guarantees and recapitalization since it accounted for one-third of all losses derived from the world recession –even though their share of business volume was only 20 per cent (OECD, 2010)–.


SOURCE: IMF.

FIGURE 5NET INCOME OF GERMAN BANKS IN BILLIONS OF EUROS IN 2013

DekaBank

Deutsche Bank

HSH Nordbank

●

●

●

● ●

● ● ● ●

●

●German Banks average European Banking Association Avg Bank

1,5

1

0,5

0

-0,5

-1

Helaba

Commerzbank

Dz Bank

UniCreditBankNordLBLBBWBayernLB

In this regard, one element to take into account in this structure of public banking is that while lower interest rates represent a subsidy benefiting some enterprises, it also entails a reduction in the profit margins of state-owned banks. Thus, some argue (Hassan, 2014) that the spillovers of this mechanism offset the cost to fund state-owned banks, especially in the presence of market failures; whereas some others such as the IMF (2011) consider that these subsidies could be invested in a more beneficial and direct manner.

In general, there is still room for improvement in the German banking industry which was considerably exposed to the world recession. Even though the OECD (2010) quantifies the packaged devoted to the banking sector as 24 per cent of Germany’s 2008 GDP, some institutions still exhibit high frailty, especially after the reforms that Basel III has been imposing on banks. According to the IMF (2014), the results of the Basel III quantitative impact study showed that the 42 German banks participating in the exercise complied on average with a fully loaded Basel III common equity tier one capital requirement of 7 per cent as of year-end 2012. Leverage ratios, however, continue to lag behind. Moreover, German banks show still low operating income. Aggregate net earnings in a IMF sample of 23 banks remained flat in 2013 at €4.8 billion. They stood at €4 billion in the smaller group of 10 banks, a small decline relative to 2012.

Despite the weaknesses of its banking industry, Germany demonstrated an impressive ability to overcome the difficulties of the world financial crisis. Once its economic model based on exports was fully implemented, the country made a cooperative effort to dampen the harmful consequences as much as possible. For instance, Dietz, Stops and Walwei (2012) point out a set of subsidies as a way to counterattack the problems that the financial crisis generated. The German government helped the private sector through an already existing short-time working


program known as Kurzarbeit. This program consisted of a subsidy for working time reductions where the unemployment insurance partly compensates for workers’ income losses and the costs of firms to maintain workers. In particular, this aid offsets 60 per cent to 67 per cent of the forgone earnings and lasts at most six months. Yet, during the crisis, the program was extended by increasing its length –first up to 18 months and then up to 24 months– as well as by further reducing the social security contribution rate.

This measure is designed in such a way that avoids significant layoffs and subsequent economic costs. And more importantly, the labor force can become more productive since these employees undergo training programs in their idle time due to the negative business cycle. Many authors (e.g. Möller, 2010, or Rinne and Zimmermann, 2013) pinpoint short-time program work as a relevant contributor to comprehend how Germany absorbed the shock from the Great Recession without high levels of unemployment. Schneider and Graef (2010) calculate the outcome of the short-time work as the equivalent of about 400,000 jobs in 2009. However, this amount of jobs only represents 1 per cent of total employment. Moreover, even at the heart of the global crisis the participation in the program was not extraordinary compared to the levels observed in past recessions. For this reason, many authors such as Burda and Hunt (2011) do not consider that this program by itself utterly explains the unexpectedly mild response of employment after the final crash and its aftermath.

In effect, another tool that supports the private sector when facing economic downturns is the adoption of working time account system (Arbeitszeitkonten). This tool allows firms to use overtime without paying for it, as long as hours per worker get reduced at a later time without any cut in salary, so hours end up averaging to standard hours throughout a window of time. When the Great Recession hit the German economy, most workers had accumulated high surpluses of working time accounts. Under this system, if workers are laid off with a surplus in their account, then the employer needs to pay them an overtime premium on top of other costs that it has to bear for the termination of employment. As a result, employers deal with a new tradeoff with a disincentive to lay off. Basically, they can keep workers employed at low hours until the accounts are drawn down to zero and then proceed to fire employees without an overtime premium.

This system of working time accounts was particularly widespread right before the Great Recession compared to previous recessions in Germany. The usage of this system was especially promoted and reinforced by the ruling of the Federal Labor Court (Bundesarbeitsgericht, 2010) in November 2007 where it was concluded that an employer could not lay off a worker if any co-worker doing the same job had a surplus in the account. This reinforcement sheds light on other factors that boosted an adjustment in the labor market along the intensive margin (hours per worker) rather than the extensive margin (layoffs). Indeed, Burda and Hunt (2011) assess that neither short-time working programs nor the effects of the labor reforms described in the previous section can explain 40 per cent of the employment saved in response


to a drastic drop in output in Germany. Instead, they measure the effect of exhausting working time accounts, translating into a reduction of 0.5 per cent of annual hours. Hence, this measure could be considered to have saved 0.5 per cent of employment in Germany.

All in all, these mechanisms to support the private sector –especially emphasizing the sustainment of employment in the face of economic adversity– have led to a feature very particular to its labor market. That is, most of the reduction in employment is observed in terms of hours per worker rather than losses of jobs. As such, unemployment rates have prevailed in staying quite low since the recession. In fact, Figure 5 shows how the relation between unemployment and hours per worker in the German economy is the opposite of the OECD countries as a whole.

This relationship is measured as the responsiveness of the labor market in terms of hours when unemployment increases. OECD countries exhibit a negative elasticity of 10 per cent while Germany responsiveness is not only more inelastic but even positive, being 5 per cent. Tellingly, the explanation behind the downward sloping trend of the OECD countries is: as unemployment becomes lower, new hires are more scarce, so the only way to keep up with production is by spanning the hours of the already hired labor force. On the other hand, the German upward sloping trend might reflect two characteristics. First, the labor market is less responsive to changes in unemployment. Second, when unemployment is low, not all employees are used at full capacity due to the instruments of the German market such as working time accounts, short-time working programs and the so-called minijobs. In line with Rinne and Zimmermann (2013), one can come to the conclusion that firms follow a sequential approach in using the different instruments at their disposal. Initially, they tend to exhaust working time accounts and then switch to short-time work, adjusting their employment levels almost entirely at the intensive margin.

Though two caveats are worth mentioning. First, the traditional rigidity of the German labor market does not explain this phenomenon since other markets with less flexibility still exhibit a negative elasticity in comparison to the OECD as a whole. For instance, Spain, having a similar fall in GDP and in some aspects a more rigid market, exhibits a very inelastic but still negative slope coefficient. Second, the correlation does not necessarily imply causation and more forces are intertwined to determine the final outcome.

4. The German economic model within the Eurozone

The success of the implementation of the German model also has a lot to do with the beginning of the Euro as a single currency in a big area of the EU. In fact, from 2000 to 2008 German exports of total goods and services, including those to other European nations, rose more than 70 per cent. While the German economy was applying austerity to its own economy some of the other Euro members kept increasing the demand counterbalancing the main drawback of austerity: lack of


FIGURE 6ELASTICITY OF HOURS WORKED RELATIVE TO CHANGES IN THE

UNEMPLOYMENT RATE, 2000-2015

R = 0,55726

y = –0,0195x + 7,5037R = 0,31738

y = –0,1032x + 7,6915R = 0,45426

7,2

7,25

7,3

7,35

7,4

7,45

7,5

7,55

0 0,5 1 1,5 2 2,5 3 3,5

DEU

ESP

OCDE

Lineal (DEU)

Lineal (ESP)

Lineal (OCDE)

2

Log

hour

s w

orke

d

Log unemployment rate

2

2

SOURCE: OECD.

internal stimulus to grow. Yet, German exports fell sharply with the global recession. Even so, they are now more than 80 per cent above the levels of 2000. This high increase is greatly explained by the fact that 60 per cent of Germany’s exports go to other European nations, denominated primarily in euros.

As a consequence, since the establishment of the Eurozone, Germany’s demand has been rising cumulatively. More recently though, the weak demand from the euro area and a decelerating demand from emerging economies have dwindled this rapid export growth. Domestic demand growth has held up partly because of strong labor market performance, keeping the unemployment level even below its equilibrium rate. Furthermore, the endeavors to make the German market strongly competitive were fruitful because of the inverse tendency of other EU states. Germany’s results were magnified due to the divergence in the labor cost trend between Germany and other EU countries. As depicted in Figure 6, while Germany’s unit labor costs remained constant during these reforms other EU countries, receivers of most of the German exports, steadily raised their labor costs.

Essentially, the German economy took advantage of the expansive cycle that some of their neighbors were experiencing. What is more, German Chancellor Schroeder pushed strongly to relax the Maastricht Treaty’s deficit hurdle after the Germans had already allowed their own debt to overpass the limits that such treaty initially set. Indeed, contrary to some beliefs, France and Germany were the first


SOURCE: OECD.

0,850,9

0,951

1,051,1

1,151,2

1,251,3

1,35

2000 2001 2002 2003 2004 2005 2006 2007 2008Euro area (19 countries) France Germany Italy Portugal Spain

FIGURE 7UNIT LABOR COST IN SOME OF THE EUROZONE COUNTRIES, 2000-2008

(2000=1)

countries to violate the guidelines that Maastricht set. As described earlier, the labor hoarding strategy implemented in Germany strongly relied on financial help from the government, whose grossed debt increased by about 40 per cent from 2000 to 2010. Thus, as Figure 7 shows, throughout the reform period in Germany and until the financial crisis, this country is the only one that exceeded the 60 per cent debt threshold, while Spain and Ireland lowered their ratios respectively during that same period.

Additionally, the European Central Bank adopted an expansive monetary policy, increasing the monetary supply and lowering the interest rates. Such an expansive policy during this period facilitated the recovery and consolidation of Germany. However, this policy had a hazardous side effect for peripheral countries such as Spain and Ireland, overheating their economies. That is, given the low interest rate, countries from the periphery borrowed excessively from everywhere, accumulating massive debts and generating bubbles. For instance, Thomson (2013) estimates that more than 40 per cent of the foreign claims in terms of debt on the periphery of Greece, Ireland, Portugal, Italy and Spain were French and German. The banks from the latter were particularly exposed in Spain, Italy and Ireland.

For instance, in Greece there was a huge expansion of external debt in the form of public debt. Deutsche Bank bought Greek bonds. The yields were higher but not particularly higher, but neither were the risks of default, or so it seemed in the expansionary cycle. However, with the hit of the global financial crisis all these national bubbles popped, coming out the imbalances in the financial institutions and public budgets of these countries. Explicitly, Ireland, Portugal and Greece were bailed out by their European peers along with the IMF.


According to Lane (2012), «the failure of national governments (from the periphery) to tighten fiscal policy substantially during the 2003-2007 was a missed opportunity, especially during a period in which the private sector was taking on more risk. The credit and housing booms directly generated extra tax revenues, since rising asset prices, high construction activity, and capital inflows revenues, boosted the take from capital gains taxes, asset transaction taxes, and expenditure taxes. Faster-growing euro member countries also had inflation rates above the euro taxes» (p. 54). Nonetheless, some may argue that the German-French alliance that surpassed the limits of Stability and Growth Pact catalyzed this underestimation of sustainable fiscal policies from peripheral countries. The two biggest economies in the Eurozone were not abiding by the rules that were intended to control such aggressive fiscal expansions.

Hence, the successful story of Germany over this period is exacerbated and parallel to the excesses and mistakes of peripheral countries. This is partially due to the measures that pave the path to attain the targeted improvements for Germany. Paradoxically, it seems quite reasonable to assert that Germany could not have achieved this success if the other countries had not increased their spending. For instance, one of the main strengths of Germany during this last decade has been running positive current account balances, the opposite of the other mentioned countries. Yet, as the next figure shows, austerity measures have reversed the negative tendency regarding these countries’ current account balances.

FIGURE 8GENERAL GOVERNMENT DEBT AS PERCENT OF GDP, 1998-2008

SOURCE: OECD.

0

10

20

30

40

50

60

70

80

1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008Germany Ireland Spain MAASTRICHT LIMIT


In this regard, the Eurozone during the period previous to the Great Recession functioned in such a way that the surplus that some nations accumulated (e.g. Germany) represented an inflow to their national banks. These banks in turn lent much of it back to the deficit countries, where interest rates were higher due to the lack of savings. This mechanism temporarily sustained some balance across Eurozone countries during the positive business cycle. Banks aggravated this cycle by lending even more to the deficit country, without facing the risk of a potential devaluation of the currency in the context of a monetary union.

Besides, the regulation was set in such a way that permitted German banks to amass effectively unlimited international assets including bonds from the periphery without putting aside capital if those assets were triple A rated. Varoufakis (2016) deems the role of the German banks in this context as a fair-weather surplus recycle. Nonetheless, the question is whether the deficit countries can apply the same recipe as Germany did to reverse the cycle after being shocked by economic slump. And what is more, it is necessary to discuss whether Germany is responsible for helping other Eurozone countries to address their difficulties.

Undoubtedly the first decade of the Euro impacted the German economy positively, bolstering its competitive advantages. Conversely, after the financial crisis, a handful of shortcomings in the design of this monetary union surfaced. Indeed, the original model neglected essential mechanisms to readjust the monetary union when disequilibrium arises. Some may argue that Germany should bear some

FIGURE 9LOANS TO PRIVATE SECTOR FROM DOMESTIC BANKS AND OTHER

PRIVATE AS PERCENT OF GDP

SOURCE: World Bank.

Grc

IrlPrt

Esp

Ita

Deu

Fra

0

20

40

60

80

100

120

140

160

180

200

1998 2002 2007

Grc

Irl

Prt

Esp

Ita

Deu

Fra Grc

Irl

PrtEsp

ItaDeu Fra


responsibility for helping to address the difficulties of weaker Euro countries as they might threaten the prevalence of the Eurozone as a whole. According to Kinsella (2013) the problem derives from a monetary union with dissimilar economies between what is regarded as the core countries, led by Germany, and the periphery. This implies that a monetary and fiscal policy mix which benefits the core in general will not benefit the periphery. The debtor nations are also qualitatively different from the creditor nations so they are affected differently by economic shocks.

However, unless the peripheral countries’ problems are addressed, the entire Eurozone will grapple with peripheral issues such as a net current account deficit, high and persistent debt to GDP ratios, lower employment levels and lower GDP per capita ratios. Ultimately a non-resolute answer to these challenges will entail lower overall living standards. It is, by large, not desirable for solely core countries to become peripheral; though this may indeed take place, if Germany does not contribute to the growth and alignment of these members. In fact, Kinsella (2013) shows how the shift from peripheral to core (or vice versa) for a single country is a palpable reality. Yet, it should take place gradually with increased momentum by those economies that exhibit stronger growth rates. Ireland, for instance, was a peripheral country in 1990, a member of the core in the early 2000s, and relegated to the periphery again in 2010. Therefore, Germany, as the locomotive of the Euro area and having the firsthand experience of being boosted by others’ expansion, should not oppose to the ECB along with the European Commission expansionary measures to stimulate these countries.

For instance, it is very likely that if Germany had not been reluctant to the ECB intervention in growth issues the sovereign debt crisis might have been lighter. The crisis was more a matter of institutional commitment, rather than soaring debts as

FIGURE 10CURRENT ACCOUNT BALANCE AS PERCENT OF GDP, 1999-2014

SOURCE: OECD.

-15

-10

-5

0

5

10

1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014

Euro area (19 countries) Germany Ireland Portugal Spain

× ×× × × × × × ×

×× × ×

××

▲ ▲▲

▲ ▲

▲ ▲▲

▲▲ ▲ ▲ ▲ ▲ ▲

▲

▲× ▼

▼ ▼

▼

▼ ▼

▼ ▼

▼

▼ ▼

▼

▼

▼

◆

◆

◆ ◆

◆◆

◆◆ ◆

◆

◆◆ ◆

◆

◆

◆

●● ● ● ●

●●

● ● ●

● ●●

●●

◆●

●


some literature reflects. In this sense, De Grauwe and Ji (2013) show through a set of simple regression analyses the inconsistency of the reasoning that in most peripheral countries the economic recession was originated because of an unbearable debt and not the other way around, which in turn was the seed of the sovereign debt crisis. They particularly show how the change in debt had almost no effect and was statistically meaningless on explaining the spreads in the Eurozone.

Granted that this lack of initial correlation clearly contradicts those who point to the debt/GDP as the root of the crisis, but eventually the increasing cost of the debt might result in an economic burden, creating a self-fulling crisis (Miller and Zhang, 2014). Correspondingly, De Grauwe and Ji (2013) recognize that collective movements of fear and panic can have dramatic effects on spreads. Put differently, the underlying fundamentals as it occurs with bubbles failed to explain the spreads in the Eurozone at that time.

In a similar work, Fuertes, Kalotychou and Saka (2015) econometrically prove how the spreads of exclusively peripheral countries in that period exceeded what the fundamentals could predict. Yet, it is especially illuminating that fundamentals became good predictors again of sovereign spreads for all the Eurozone members after the European Central Bank officially acknowledged its function of lender of last resort launching the Outright Money Transaction (OMT) program. Likewise, De Grauwe and Ji (2013) find that the greater the spreads were before ECB’s announcement, the more they diminished after it.

Consequently, these findings underscore how the spreads can be driven by panic movements in the market unless the ECB provides liquidity in this scenario. What is more, it makes a case for the relevant role of the ECB in stabilizing the Eurozone by committing itself to the support of national debt and mitigating fears of the trustworthiness of the Eurozone. Yet, in February 2014, amid fears of contagious effects and loss of sovereignty, the German Federal Constitutional Court declared the OMT to be inconsistent with EU law, albeit being this an instrumental game changer when the bonds of peripheral Eurozone members were under siege.

Taking aside the legislative component, it seems unreasonable to stand on such a rigid position even for Germany along with its orthodoxy. If the country does not see this monetary union as a zero-sum game, supporting the active role of the ECB is the best manner to ensure the continuity of the project. Even from a greedier stance, a ECB’s less active role would threaten the Eurozone stability and subsequently the taxpayers in Germany, not to mention the benefits of the single currency for the country. In this sense, not only does the country share a fixed exchange rate with its Euro peers, but also this exchange rate would be much higher for Germany hurting its export model should the euro disappear as a common currency (Tilford, 2010).

Aside from that, the German economy has benefited from a change in the ECB usual operations towards a more ad hoc and proactive role. Specifically, German banks with a high exposure to the periphery were able to repatriate 50 per cent of these invested funds (Thompson, 2013) so that they could be allocated somewhere other than the periphery between the third quarter of 2009 and the fourth quarter of


2012. This could not have been possible without the ECB’s Long Term Financing Operation (LTFO).

Nonetheless, the function of Germany should not only be limited to supporting ECB’s active role, but also to stimulating the economy by increasing its demand given the size of its current account surplus. This would not only have a positive impact on the EU countries to avoid a new turmoil, but also on the entire globe given the importance of the country. Notice though, this suggestion is not at the expense of Germany but for its own sake too, according to the IMF (2014). In other words, such an option would represent a win-win scenario, where all parties would profit from it. In this sense, Germany can afford to undertake certain policies that its economy needs. These polices are also associated with positive spillovers, which, for instance, could support activity across the Euro area. Motivated by more and more urgent infrastructure needs, IMF (2014) simulations suggest that higher public investment would stimulate domestic demand in the near term, while also raising German output over the longer term and would decrease the current account surplus. Hence, they are in Germany’s best interest.

Above all, reforms to improve infrastructures, the service industry productivity, and environmental innovation are the key points. The current low-interest rate environment presents a window of opportunity to finance higher investment at historically favorable rates. For instance, implementing reforms in the nontraded service sector would also durably increase Germany’s GDP and productivity. One of the OECD (2014) recommendations refers precisely to the environmental aspect. Some sort of tax reform can phase out tax expenditures for activities that damage the environment without harming international competitiveness, and better

FIGURE 11INTEREST RATES OF GOVERNMENT BONDS MATURING IN 10 YEARS,

2009-2014

SOURCE: OECD.

012345678

2009

-01

2009

-03

2009

-05

2009

-07

2009

-09

2009

-11

DEU ESP ITA

2010

-01

2010

-03

2010

-05

2010

-07

2010

-09

2010

-11

2011

-01

2011

-03

2011

-05

2011

-07

2011

-09

2011

-11

2012

-01

2012

-03

2012

-05

2012

-07

2012

-09

2012

-11

2013

-01

2013

-03

2013

-05

2013

-07

2013

-09

2013

-11

2014

-01

2014

-03

2014

-05

2014

-07

2014

-09

2014

-11

ECB announcment as lender of last resort


align environmental taxation with negative externalities, by investing in energy independence through sustainable initiatives.

Thereby, higher energy sector investment in Germany would boost growth, facilitate rebalancing, and generate positive spillovers. According to the IMF (2014), the beneficial spillovers associated with higher German public investment can be meaningful, while those associated with public consumption are limited. That is, when comparing the two types of stimuli, it also seems clear that higher Germany’s public investment has greater growth spillovers than higher public consumption. Moreover, the domestic impact of higher Germany’s public investment and the correspondent spillovers are even larger in the current context as long as the ECB policy remains accommodative. Even with implementation delays due to political processes, regional spillovers are appreciable with the current expansionary monetary policy. The simulations from the IMF (2014) should encourage the German economy to execute these reforms since they are assuredly beneficial for their own country and the rest of the Euro area members as well.

5. Conclusions

The set of reforms that Germany has undertaken since the 2000s, especially in the labor market, have contributed to achieve a very competitive economy, which is extremely oriented to exports. The reforms have brought about some mechanisms such as wage moderation, a better matching process, a short-time program and working time accounts that turned out to be very supportive for the private sector when dealing with economic distress and adjustments in the labor force. These measures fixed the costs associated with the reunification process in the country. Yet, this strategy required a considerable amount of public spending, raising its debt in the short term. Eventually, Germany’s debt stabilized because the spending was used in a preventive way to stabilize the labor market rather than as a remedial measure.

Simultaneously, the positive effects of the chosen strategy were magnified thanks to the advent of the Euro as a single currency of a new monetary union. The ECB expansionary polices along with the increasing demand from peripheral countries amplified the effects of such policies on the German industry. The monetary union further strengthened the German export model due to the relinquishment of the devaluation resource and a permanent fixed exchange rate regardless of the difference in balances across countries. Precisely, the divergence between Germany and the peripheral countries has generated a greater burden on the latter after the financial crisis. In this regard, the last events have proved that an active role from the ECB is necessary to avoid a new turmoil in the Eurozone as a whole.

However, financial support from the ECB and other governmental institutions are temporary bridge loans that do not address the problems. The example of Germany might pave the path to carry out this type of necessary structural reforms by the Eurozone countries that are suffering the most from the economic recession and its anemic recovery. In this sense, there is room for Germany to contribute to the


end of the stagnation given the size of its current account surplus and the monetary accommodative policies in the Eurozone. The increase in German demand would lead to beneficial spillovers not only in Germany (where pressing reforms are necessary) but also in the rest of the world, especially in the Euro area.

By doing so, Germany’s increasing demand would notably stimulate peripheral countries. This effect would be similar to the stimulus that Germany received from increase in demand in peripheral countries during the 2000s, when Germany was still consolidating its reformed model. At the same time, this is a necessary but not a sufficient condition since peripheral countries need to keep adjusting their economies so that they eventually get more aligned and closer to the core countries of this monetary union. Achieving such an economic integration could be the new episode of a successful unification for Germany.

References

[1] BONIN, H. and SCHNIDER, H. (2006). «Wirksamkeit der Förderung der Beruflichen Weiterbildung nach den Hartz-Reformen», IZA Discussion Paper No. 2069.

[2] BUNDESARBEITSGERICHT (2007). «Urteil vom 8.11.2007, 2 AZR 418/06 Betriebsbedingte Kündigung aus Witterungsgründen». Retrieved on September 20, 2016 from http://lexetius.com/2007,4121.

[3] BURDA, M. C. and HUNT, J. (2011). «What explains the German labor market miracle in the Great Recession?». Brookings Papers on Economic Activity, p. 273-319.

[4] DE GRAUWE, P. and JI, Y. (2013). «Panic-driven austerity in the Eurozone and its implications». VOX: CEPR’s Policy Portal. Retrieved on February 18, 2016 from http://voxeu.org/article/panic-driven-austerity-eurozone-and-its-implications.

[5] DIETZ, M.; STOPS, M. and WALWEI, U. (April 01, 2012). «Securing Jobs in Times of Recession». The German Experience during the Financial Crisis 2008/2009. Estudios de Economía Aplicada, 30, 1.

[6] DUSTMANN, C.; FITZENBERGER, B.; SCHÖNBERG, U. and SPITZ-OENER, A. (2014): «From Sick Man of Europe to Economic Superstar: Germany’s Resurgent Economy». Journal of Economic Perspectives, 28 (1), 167-188.

[7] FAHR, R. and SUNDE, U. (2009). «Did the Hartz reforms speed-up the matching process?: A macroevaluation using empirical matching functions». German Economic Review, 10, 3, 284-316.

[8] FUERTES, A.; KALOTYCHOU, E. and SAKA, O. (2015). «How did the ECB save the Eurozone without spending a single euro?». VOX: CEPR’s Policy Portal. Retrieved on February 18, 2016, from http://www.voxeu.org/article/how-did-ecb-save-eurozone-without-spending-single-euro.

[9] FUJITA, S. and GARTNER, H. (2014). «A closer look at the German labor market ‘miracle’». Business Review (Federal Reserve Bank of Philadelphia), 97 (4), 16.

[10] HAKENES, H.; SCHMIDT, R. H. and XIE, R. (2009). «Public Banks and Regional Development». Journal of Financial Services Research.

[11] HASSAN, F. (2014). «A View From Germany I – How the three-pillared German Banking System has gotten through the crisis». Retrieved on August 30, 2016 from http://www.finance-watch.org/hot-topics/blog/851-view-from-germany-1.


[12] IMF (July, 2014). Germany Selected Issues. International Monetary Fund, Washington D.C.

[13] JACOBI, L. and KLUVE, J. (2006). «Before and After the Hartz Reforms: The Performance of Active Labour Market Policy in Germany». IZA Discussion Paper No. 2100.

[14] KINSELLA, S. (2013). «Conventions and the European periphery». Social Science Research Network. Retrieved on May 17, 2016 from http://ssrn.com/abstract=2155577.

[15] KLINGER, S. and WEBER, E. (2016). «Decomposing beveridge curve dynamics by correlated unobserved components». In Annual Conference 2014 (Hamburg): Evidence-based Economic Policy (No. 100499). Verein für Socialpolitik/German Economic Association.

[15] LANE, P. R. (2012). «The European Sovereign Debt Crisis». The Journal of Economic Perspectives, 26 (3), 49-68.

[16] LEVY, M. (2012). «Diverging competitiveness among EU nations: Constraining wages is the key». VOX: CEPR’s Policy Portal. Retrieved on June 14, 2015, from http://www.voxeu.org/article/how-restore-competitiveness-eu.

[17] MILLER, M. and ZHANG, L. (2014). «Saving the euro: self-fulfilling crisis and the ‘Draghi put’». VOX: CEPR’s Policy Portal. Retrieved on May 17, 2016 from http://voxeu.org/article/self-fulfilling-eurozone-debt-crises-and-draghi-put.

[18] MÖLLER, J. (2010). «The German labor market response in the world recession – demystifying a miracle». Zeitschrift für ArbeitsmarktForschung, 42 (4), 325-336.

[19] NICHOLSON, P. (2015). «The Myth of a Mighty Germany». Foreign Affairs. Retrieved on June 14 from https://www.foreignaffairs.com/articles/germany/2015-06-01/myth-mighty-germany.

[20] OECD (2010). The banking system: Lessons from the financial crisis. Organisation for Economic Co-operation and Development, Paris.

[21] OECD (2014). OECD Economic Surveys: Germany 2014. Organisation for Economic Co-operation and Development, Paris.

[22] PAZZANESE, C. (2014). «Grading 10 top world leaders». Harvard Gazette. Retrieved on August 30, 2016 from http://news.harvard.edu/gazette/story/2014/12/grading-10-top-world-leaders/.

[23] RINNE, U. and ZIMMERMANN, K. F. (2013). «Is Germany the north star of labor market policy?». IMF Economic Review, 61 (4), 702-729.

[24] SCHNEIDER, S. and GRAEF, B. (2010). «Germany’s Jobs Miracle: Short-Time Work, Flexible Labour Contracts and Healthy Companies». Deutsche Bank Research Briefing. Frankfurt: Deutsche Bank.

[25] STOPS, M. (2016). «Revisiting German labour market reform effects—A panel data analysis for occupational labour markets». IZA Journal of European Labor Studies, 5 (14), 43.

[26] TELEGRAPH (2015). «Minsk agreement on Ukraine crisis: full text in English». Telegraph. Retrieved on August 30, 2016 from http://www.telegraph.co.uk/news/worldnews/europe/ukraine/11408266/Minsk-agreement-on-Ukraine-crisis-text-in-full.html.

[27] THOMPSON, H. (2013). «The dirty little secret of the euro zone crisis: the German banks». Sheffield Political Economy Research Institute. Retrieved on September 20, 2016 from http://speri.dept.shef.ac.uk/2013/11/11/dirty-secret-euro-zone-crisis-german-banks/.


[28] TILDFORD, S. (2010). «Germany’s Euro Advantage». The New York Times. Retrieved on September 18, 2016 from http://www.nytimes.com/2010/07/14/opinion/14iht-edtilford.html?_r=0.

[29] VAROUFAKIS, Y. (2016). And the weak suffer what they must?: Europe’s crisis and America’s economic future. New York: Nation Books.


Energía y riesgo-país: ¿permite la explotación de energías fósiles mejorar las calificaciones

de riesgo-país?*Silvia Iranzo Gutiérrez

Colegio Universitario de Estudios Financieros (CUNEF)e Instituto de Estudios Bursátiles

Resumen

El presente artículo analiza la relación existente entre los indicadores de riesgo-país de las distintas regiones del mundo y su nivel de dependencia de las energías fósiles (petróleo, gas y car-bón). La cuestión es relevante porque los países productores de estas energías son en su mayoría países emergentes o en desarrollo, que requieren inversiones extranjeras en el sector energético, para lo que es esencial mantener unos niveles de riesgo-país adecuados. Los análisis efectuados muestran que en algunas regiones se cumple la «maldición de los recursos», por la que la pro-ducción y exportación de energías fósiles conduce a un deterioro de los niveles de riesgo-país.

Palabras clave: riesgo-país, dependencia energética, energías fósiles, calificaciones de ries-go soberano, agencias de rating, EMBI global, clasificación de riesgo-país de la OCDE, indica-dores de gobernanza.

Códigos JEL: E6, F21, F34, G15, O1, Q4.

Abstract

This article studies the relationship between country-risk indicators and fossil energy dependence (crude oil, natural gas and coal) for the different regions in the world. The matter is of great relevance, because fossil energy producers are for the most part emerging or developing countries, that rely to a great extent on foreign direct investments for exploration and development of the energy sector. FDI decisions in turn rely on analysis of country-risk. The theories of the «resource curse», whereby production and exports of fossil fuels lead to a deterioration of the exporting economy, work well with some of the findings of this article.

Keywords: country-risk, energy dependence, fossil energies, OECD sovereign country-risk classification, governance indicators.

JEL classification: E6, F21, F34, G15, O1, Q4.

1. Introducción

La pregunta planteada en el título tiene interés, porque la creencia popular domi-nante, posiblemente basada en el éxito en la explotación de los recursos minerales y energéticos de los grandes países avanzados como Estados Unidos o Reino Unido

* La autora agradece la ayuda y los comentarios recibidos de Ricardo Queralt (profesor de CUNEF), Nieves Arranz (profesora de la UNED) y Fernando Maravall (Técnico Comercial y Economista del Estado).


en las fases iniciales de su desarrollo moderno, es que el descubrimiento de recursos energéticos constituye una fortuna para el país que los descubre1.

Lo cierto es que la producción de recursos energéticos permite incrementar la autosuficiencia energética y, por tanto, la seguridad del suministro energético. Por ejemplo, la Estrategia de Seguridad Energética de la Unión Europea (Comisión Euro-pea, 2017) incluye, entre las medidas de largo plazo que deben adoptar los países de la Unión Europea, un incremento de la producción («sostenible») de energías fósiles. Por otro lado, la teoría económica ilustra sobre los efectos positivos derivados del comercio internacional y de la exportación (Mankiw, 2015)2, que lógicamente incluye energías fósiles. También la Organización Mundial del Comercio (OMC) recuerda los efectos beneficiosos del comercio internacional sobre el crecimiento económico (OMC, 2017). Y la exportación de recursos energéticos, como cualquier exportación, ejerce un impacto favorable el saldo de la balanza de pagos, los ingresos públicos, las entradas de divisas, el empleo, el PIB y, en definitiva, la renta y la riqueza.

Además, la producción y exportación de recursos energéticos como petróleo, gas y carbón constituye una importante vía de financiación del desarrollo, pues permite incrementar los ingresos por divisas reduciendo la necesidad de endeudamiento ex-terior, mejorar la recaudación tributaria (dada la posibilidad de establecer impuestos y cánones a la producción de estos recursos), reducir la dependencia energética del exterior, y promover la inversión extranjera directa en el sector energético y en la industria derivada del mismo (sectores eléctrico, químico, infraestructuras, etc).

En este trabajo, se presentarán primero los indicadores utilizados, así como los países y el periodo analizado. En segundo lugar, se realizará una breve descripción del mercado de las distintas fuentes energéticas, para conocer cuál es la importancia relativa de los tipos de energía y cuáles son los países productores y consumidores. En tercer lugar, se observará, con un enfoque estático, la relación entre los valores adoptados por los distintos indicadores de riesgo-país y la situación de dependencia o no de energías fósiles de cada región. En cuarto lugar, se realizará un estudio eco-nométrico para valorar la medida en la que el grado de dependencia energética de cada región contribuye a explicar cada indicador de riesgo-país a lo largo del tiempo (periodo 2000-2015). Y por último se formularán algunas recomendaciones de polí-tica para los países productores y exportadores de energías fósiles.

1 La explotación de recursos minerales, sobre todo el carbón, constituyó un elemento crucial del desarrollo de Gran Bretaña desde la Revolución Industrial en el siglo xviii (NEAL y CAMERON, 2016), de Estados Unidos durante el siglo xix y hasta mediados del xx, y de Alemania y Reino Unido desde finales del siglo xix (VAN DER PLOEG, 2011). Quizá por ello, los descubrimientos de petróleo son objeto de celebración y de conmemoración en algunos lugares del mundo. Por ejemplo, el primer boom del petróleo en Texas (Estados Unidos) en el verano de 1894 (yacimiento de Corsicana) se sigue celebrando anualmente por los residentes locales (Derrick Day Chili & BBQ Cook-Off). En Argentina, el 13 de diciembre de cada año se celebra el Día Nacional del Petróleo, en conmemoración del descubrimiento de petróleo ese mismo día de 1907 en la localidad de Comodoro Rivadavia. Los descubrimientos de gas en Perú en los primeros años 80, y de petróleo en Brasil en el «presal» a mediados de los años 2000, también fueron ampliamente celebrados.

2 Algunos de estos efectos positivos son el aumento del excedente del consumidor y del productor, la re-ducción de costes merced a las economías de escala logradas mediante la ampliación del mercado, el aumento de la competencia y un mayor flujo internacional de ideas y conocimientos.

ENERGÍA Y RIESGO-PAÍS: ¿PERMITE LA EXPLOTACIÓN DE ENERGÍAS FÓSILES MEJORAR... 259

Los resultados del trabajo son de especial relevancia, teniendo en cuenta la apari-ción de muchos países en los que se han realizado recientemente, y por primera vez, descubrimientos de yacimientos de energías fósiles, y van a convertirse en nuevos productores. Es el caso de Surinam y Guayana –petróleo offshore–, Mauritania y Senegal –petróleo y gas offshore–, Tanzania y Mozambique –gas offshore–, Kenia y Uganda –petróleo onshore– e Israel y Chipre –gas offshore– (Institut Français du Pétrole, 2016).

2. Selección de indicadores, países y años

2.1. Indicadores

Debido a su importancia en la producción de energía final y en los flujos co-merciales mundiales, se han empleado las energías fósiles (petróleo, gas natural y carbón) para determinar el grado de dependencia energética. Es cierto que estas energías tenderán a declinar a largo plazo por su adverso impacto sobre el medio ambiente y el cambio climático. Esto será particularmente notable en el caso del carbón, pero hoy día su producción es necesaria, y de ahí consideración en este artí-culo. Por otro lado, la selección del petróleo, gas y carbón como recurso energético se justifica porque las restantes energías (nuclear, hidroeléctrica, eólica, solar) no son exportables en forma de energía primaria. Sí lo sería la energía final obtenida merced a las mismas (electricidad), pero las conexiones eléctricas entre países son por el momento muy escasas. Además, si bien las energías renovables están cobrando un protagonismo creciente como energía primaria, y esperablemente sustituirán a largo plazo a las energías fósiles, actualmente solo representan el 2,7 por 100 de la energía primaria mundial.

Las energías fósiles constituyen el 86 por 100 de la energía primaria mundial. Además, en el mix eléctrico, el petróleo, el gas natural y el carbón representaron en 2014, según la Organización para la Cooperación y el Desarrollo Económico -OCDE (Key World Energy Statistics 2016) de forma conjunta el 66,7 por 100 (petróleo 4,3 por 100, gas natural 21,6 por 100 y carbón 40,8 por 100). La exportación mundial de energías fósiles representó el 12,72 por 100 de los flujos comerciales mundiales en 2015, según el Banco Mundial (World Bank Data. Fuel Exports, 2015). Actualmen-te, el 32,57 por 100 de la producción de energías fósiles es objeto de exportación: se exporta el 45,3 por 100 de la producción de petróleo -sin considerar productos refi-nados-, el 29,3 por 100 del gas y el 20,7 por 100 del carbón (BP Statistical Review of World Energy, 2016).

Como expresión de la dependencia de energías fósiles, se ha seleccionado el in-dicador publicado por el Banco Mundial, denominado «Importaciones de energía, valor neto (% del uso de energía)», o en inglés, Energy Imports, net (% of energy use) (World Bank Data). Se calcula como la importación neta de energías fósiles (importación menos exportación) dividida por el consumo energético total de estas


energías, expresado en porcentaje. Un signo negativo de este indicador implica que el país es exportador neto de energía, entendiendo por energía en lo sucesivo, a efec-tos de este artículo, las energías fósiles (por ejemplo, un valor de –200 supone que el país exporta en términos netos dos veces su consumo interno de los mismos). Un signo positivo supone que el país es importador neto de estos recursos (por ejem-plo, un valor de 100 significa que el país debe importar todo su consumo interno de energía; un valor de 20 implica que el país debe importar en términos netos el 20 por 100 de la energía que consume). Como puede deducirse, este indicador puede adoptar cualquier valor en el tramo negativo (un país puede exportar muchas veces su consumo energético), y tan solo un valor comprendido entre 0 y 100 en el tramo positivo (ningún país importa más recursos que los que consume).

Como representativo de la solidez de la situación económico-financiera de los países, se ha optado por seleccionar el nivel de riesgo-país, medido a través de diver-sos indicadores, frente a otros indicadores como la tasa de crecimiento o la renta per cápita, por dos motivos. El primero es que el riesgo-país constituye un condicionante esencial para las decisiones de inversión extranjera en los países emergentes y en desarrollo (estos representan en conjunto la mayor parte de la producción mundial de energías fósiles), que requieren por lo general inversiones exteriores en el sec-tor que incorporen tecnologías de extracción, desarrollo y distribución energética (Hayakawa, Kimura y Lee, 2011). El segundo es que los indicadores de riesgo-país tienen en cuenta prácticamente todos los indicadores económicos. Así, el riesgo-país es parte esencial del análisis de vigilancia de los países que realiza el FMI (Fondo Monetario Internacional) (Ahuja, Wiseman y Syed, 2017). Además, el riesgo-país requiere analizar factores políticos o culturales que, como es bien conocido, pueden afectar de manera crucial a la economía de un país. Emplear únicamente un indica-dor, como la tasa de crecimiento económico, tendría un alcance menor, por su vola-tilidad en el tiempo y porque no refleja necesariamente la solidez de la economía en el medio y largo plazo.

En rigor el riesgo-país representa el grado de confianza de la comunidad inter-nacional en la capacidad de un país de honrar su deuda externa, pública o privada. Esta capacidad depende de múltiples factores, sobre todo económico-financieros y políticos. Sin ánimo de exhaustividad, pueden citarse los siguientes factores (Iranzo, 2008): en el campo económico, la tasa de crecimiento económico, renta per cápita, tasa de inflación, tipos de interés, saldo del sector público, nivel de la deuda pública, desarrollo del mercado local de bonos, calidad de las políticas monetaria y fiscal, grado de desigualdad, diversificación productiva, dependencia energética, tamaño del país, solvencia de las entidades de crédito y solidez del sistema financiero, saldo de la balanza de pagos, nivel y estructura de la deuda externa, controles de cambios, historial de devaluaciones, historial de pagos y de refinanciaciones de la deuda (en el Club de París o en otros ámbitos), o nivel de las reservas de divisas; en el campo político, la estabilidad política, la eficacia del gobierno, la fortaleza de las institucio-nes, el riesgo de conflictos internos, el riesgo geopolítico, el nivel de corrupción, o la cultura de pago de la deuda.


El riesgo-país también incluye el riesgo asociado a la inversión extranjera directa, que incluye el riesgo de transferencia en el pago de los dividendos y el producto de la liquidación de las inversiones, el riesgo de confiscación, expropiación y naciona-lización de las inversiones extranjeras, el riesgo de incumplimiento de los contratos y el riesgo de guerras, violencia política y catástrofes naturales (Iranzo, 2008). El riesgo asociado a la inversión extranjera directa depende de los mismos factores enunciados en el párrafo anterior.

Los indicadores específicos de riesgo-país que se han tenido en consideración son los siguientes:

a) La clasificación de riesgo-país de la OCDE

La OCDE, a través del subgrupo de expertos en materia de riesgo-país, elabora una clasificación, en función del grado de riesgo-país de prácticamente todos los países del mundo (solo quedan excluidos de clasificación los países muy pequeños, que normalmente no reciben apoyo oficial de créditos a la exportación). Esta clasi-ficación es pública y constituye una referencia importante para los estudiosos del riesgo-país. La clasificación califica a los países entre «0» (mejor riesgo-país) y «7» (peor riesgo-país)3.

b) Las calificaciones de riesgo soberano (rating soberano) a largo plazo en moneda extranjera de las tres principales agencias de calificación de riesgos

Se han considerado las calificaciones de riesgo soberano a largo plazo en moneda extranjera de las agencias Moody’s, Standard & Poor’s y Fitch, que representan el 95 por 100 de todas las calificaciones de riesgo mundiales.

Se entiende por «riesgo soberano» el riesgo de impago de la deuda de los estados, o de entidades garantizadas por ellos. El impago de la deuda soberana puede pro-ducirse por la falta de ingresos públicos, por la carencia o insuficiencia de divisas, o porque el gobierno carezca de voluntad de pago por factores políticos de diversa índole.

3 El método econométrico utilizado por la OCDE para efectuar su clasificación de riesgo-país es el mo-delo, denominado Country Risk Assessment Model (CRAM), que combina un planteamiento cuantitativo de tipo econométrico (experiencia de pagos reportado por los Participantes del Consenso de la OCDE, situación financiera, y situación económica según la valoración del Fondo Monetario Internacional, sobre todo) con valoraciones cualitativas. El resultado de la aplicación del modelo es la clasificación de cada país en una de ocho categorías de riesgo, numeradas de «0» a «7», siendo «0» la clasificación correspondiente a los países de menor riesgo (los de «renta alta» según los criterios de renta per cápita del Banco Mundial), y «7» la clasifica-ción de los países con mayor riesgo. El principal objetivo de la clasificación es servir para determinar el nivel mínimo de primas de seguro de crédito que las agencias de crédito a la exportación (Export Credit Agencies, ECAs) deben cobrar en sus contratos de seguro para cada categoría de riesgo. La clasificación se somete a revisión continua en el seno del subgrupo de expertos en materia de riesgo-país, que como mínimo debe revisar la clasificación una vez al año o cada vez que surge un cambio «fundamental» en la situación del país.


Con objeto de posibilitar la realización de operaciones numéricas con estas califi-caciones soberanas, cada rating soberano ha sido convertido en un número mediante una tabla de correspondencia en la que el número asignado a cada rating está com-prendido entre «0» (peor rating) y «23» (mejor rating) (Cuadro 1).

CUADRO 1TABLA DE CORRESPONDENCIAS DE LOS RATINGS SOBERANOS

A LARGO PLAZO

Núnero asignado a efectos del

presente trabajoMoody’s Standard &

Poor’s Fitch

Grado de inversión

23 Aaa AAA AAA22 Aa1 AA+ AA+21 Aa2 AA AA20 Aa3 AA– AA–19 A1 A+ A+18 A2 A A17 A3 A- A–16 Baa1 BBB+ BBB+15 Baa2 BBB BBB14 Baa3 BBB– BBB–

Nivel especulativo

13 Ba1 BB+ BB+12 Ba2 BB BB11 Ba3 BB– BB–10 B1 B+ B+9 B2 B B8 B3 B– B–7 Caa1 CCC+ CCC+6 Caa2 CCC+ CCC5 Caa3 CCC+ CCC–4 Ca CC CC3 C C C2 SD1 D D

FUENTE: Moody’s, Standard & Poor’s, Fitch y elaboración propia.


c) EMBI Global de JP Morgan

El índice EMBI Global es el Índice Global de Bonos de Mercados Emergentes (en inglés, JP Morgan Emerging Market Bond Index Global, o EMBI Global). Es elaborado por JP Morgan, un banco norteamericano de carácter global. Mide la ren-tabilidad total de instrumentos de deuda en moneda extranjera de países emergentes negociados en los mercados financieros4.

d) Indicadores de gobernanza del Banco Mundial (Worldwide Governance Indicators, WGI)

Los indicadores WGI no son propiamente indicadores de riesgo-país, ya que con-templan solo una vertiente parcial de dicho riesgo: la calidad de la gobernanza. Sin embargo, se han empleado en algún caso a lo largo del trabajo para ayudar a explicar determinados resultados5.

2.2. Periodo temporal

El análisis se refiere al periodo 2000-2015, que es suficientemente amplio y re-ciente para que las conclusiones tengan validez y sean de interés en el momento ac-tual. No se han incluido datos anteriores a 2000 porque el número de observaciones era muy escaso, tanto para el EMBI Global como para los ratings soberanos. Para los ejercicios 2015 y posteriores, apenas existían todavía, en el momento de escribir estas líneas, datos del Banco Mundial sobre dependencia energética.

4 El EMBI (Emerging Market Bond Index) se introdujo en 1992, cubriendo solamente bonos Brady. El EMBI+, creado con posterioridad, incluía además empréstitos y eurobonos de valor nominal pendiente de vencimiento superior a 500 M de dólares USA, que cumplían una serie de condiciones de liquidez en los mer-cados secundarios. El EMBI Global constituye una versión ampliada del EMBI+. El EMBI global define los mercados emergentes utilizando una combinación de la clasificación por renta per cápita del Banco Mundial y el historial de reestructuración de la deuda de cada país. Asimismo, los requisitos de liquidez en los mercados secundarios son menos estrictos en el caso del EMBI Global que en el EMBI+, por lo que aquel incluye un número mayor de emisiones de deuda de países emergentes. En el EMBI Global están representados unos 27 países. Desde 2005, el FMI solo incluye el EMBI Global en su informe Global Financial Stability Report (ya no incluye el EMBI+), debido a su carácter más representativo.

5 Los WGI se basan en encuestas realizadas a institutos, servicios de estudios, ONG, organizaciones internacionales y empresas privadas, y no reflejan necesariamente las opiniones del Banco Mundial, de sus órganos de gobierno o de sus países miembros. Los indicadores WGI valoran seis áreas de gobernanza: esta-bilidad política y ausencia de violencia o de terrorismo, sufragio libre y universal y libertad de expresión, de prensa y de asociación; eficacia de la acción de gobierno; calidad regulatoria; seguridad jurídica; control de la corrupción. Cada una de estas áreas es valorada entre –2,5 (gobernanza débil) y +2,5 (gobernanza fuerte). Con objeto de que estos valores se encuentren en la escala positiva, se han recalculado sumando 2,50 a cada valor, y así obtener una escala de «0» a «5», mejorando así su operatividad. Además, para cada país y año se ha calculado la media aritmética de la valoración de cada una de las referidas seis áreas de gobernanza. Los compiladores de los datos y autores del informe sobre gobernanza mundial, con apoyo financiero del Banco Mundial, son Daniel Kaufmann (Natural Resource Governance Institute –NRGI– y Brookings Institution) y Aart Kraay (World Bank Development Research Group).


2.3. Ámbito geográfico

Los países analizados son todos los del mundo para los que existen datos de dependencia energética e indicadores de riesgo-país. Para algunos indicadores de riesgo-país, como el EMBI Global y los ratings soberanos, se ha dispuesto de un me-nor número de observaciones que en el caso de la clasificación de riesgo-país de la OCDE o de los WGI del Banco Mundial. La razón es que tan solo disponen de EMBI Global los países que han realizado emisiones de deuda en moneda extranjera en los mercados internacionales. Por otro lado, disponen de rating soberano no solamente aquellos países que lo han solicitado a alguna de las agencias de rating referidas (estos países suelen coincidir con aquellos que han realizado emisiones de bonos en los mercados internacionales), sino también algunos países que han recibido una calificación de riesgo soberano sin haberlo solicitado (unsolicited credit ratings).

Los países han sido objeto de agrupación por regiones, empleando la distribución regional que emplea el FMI en sus informes anuales World Economic Outlook (Fon-do Monetario Internacional, 2017), que divide a los países en siete regiones6.

3. Principales países productores de energías fósiles. Evolución del consumo

y la producción

El Gráfico 1 muestra el consumo total de energía primaria para el periodo 2000-2015, detallando las distintas fuentes energéticas. Se ha optado por reflejar el consu-mo en lugar de la producción, ya que para todas las fuentes distintas de las energías fósiles (nuclear, hidroelectricidad y renovables –solar y eólica–), el dato disponible

6 África subsahariana: Angola, Benín, Botsuana, Burkina Faso, Burundi, Cabo Verde, Camerún, Chad, Comoras, República del Congo, Costa de Marfil, Eritrea, Etiopía, Gabón, Gambia, Ghana, Guinea Bissau, Guinea Ecuatorial, Guinea-Conakry, Kenia, Lesoto, Liberia, Madagascar, Malawi, Mali, Mauricio, Mozam-bique, Namibia, Níger, Nigeria, República Centroafricana, República Democrática del Congo, Ruanda, Santo Tomé y Príncipe, Senegal, Seychelles, Sierra Leona, Somalia, Suazilandia, Sudáfrica, Sudán del Sur, Tanza-nia, Togo, Uganda, Zambia y Zimbabue. Latinoamérica y Caribe: Antigua y Barbuda, Argentina, Aruba, Ba-hamas, Barbados, Belice, Bolivia, Brasil, Chile, Colombia, Costa Rica, Cuba, Curazao, Dominica, Ecuador, El Salvador, Granada, Guatemala, Guayana, Haití, Honduras, Jamaica, México, Nicaragua, Panamá, Para-guay, Perú, República Dominicana, San Cristóbal y Nieves, Santa Lucía, San Vicente y Granadinas, Surinam, Trinidad y Tobago, Uruguay y Venezuela. Asia emergente y en desarrollo: Bangladesh, Bután, Brunéi Da-rusalam, Camboya, China, Corea del Norte, Fiyi, Filipinas, India, Indonesia, Islas Marshall, Islas Salomón, Kiribati, Laos, Malasia, Maldivas, Micronesia, Mongolia, Myanmar, Nepal, Palaos, Papúa Nueva Guinea, Samoa, Sri Lanka, Tailandia, Timor Oriental, Tonga, Tuvalu, Vanuatu y Vietnam. Comunidad de Estados Independientes (CEI): Armenia, Azerbaiyán, Bielorrusia, Georgia, Kazajistán, Kirguistán, Moldavia, Rusia, Tayikistán, Turkmenistán, Ucrania y Uzbekistán. Europa emergente y en desarrollo: Albania, Bosnia-Herze-govina, Bulgaria, Croacia, Hungría, Kosovo, Macedonia (FYROM), Montenegro, Polonia, Rumanía, Serbia y Turquía. Países avanzados: Alemania, Australia, Austria, Bélgica, Canadá, Chipre, Corea del Sur, Dinamar-ca, Eslovaquia, Eslovenia, España, Estados Unidos, Estonia, Finlandia, Francia, Grecia, Hong Kong (Chi-na), Irlanda, Islandia, Israel, Italia, Japón, Letonia, Lituania, Luxemburgo, Macao (China), Malta, Noruega, Nueva Zelanda, Países Bajos, Portugal, Puerto Rico, Reino Unido, República Checa, San Marino, Singapur, Suecia, Suiza y Taiwán (Provincia de China). Países MENA (Middle East and North Africa): Afganistán, Arabia Saudí, Argelia, Bahréin, Yibuti, Emiratos Árabes Unidos, Egipto, Gaza y Cisjordania, Irán, Irak, Jor-dania, Kuwait, Líbano, Libia, Marruecos, Mauritania, Omán, Pakistán, Qatar, Siria, Sudán, Túnez y Yemen.


se refiere al consumo, que por motivos técnicos coincide prácticamente con la pro-ducción (consumo y producción solo difieren en la variación de stocks). Por ejemplo, en 2015 el consumo total de petróleo fue de 4.331,3 millones de toneladas, frente a una producción de 4.361,9 millones de toneladas. La diferencia del segundo respecto al primero fue de tan solo el 0,7 por 100.

El gráfico refleja la preeminencia absoluta de las energías fósiles en la distribu-ción del consumo mundial de energía primaria, al representar conjuntamente el 86 por 100 del total, correspondiendo el 33 por 100 al petróleo, el 30 por 100 al carbón y el 23,8 por 100 al gas natural. A gran distancia se encuentran las demás fuentes energéticas: la hidroelectricidad representa el 6,8 por 100 del total de consumo de energía primaria, la energía nuclear el 4,4 por 100, y las renovables (eólica y solar principalmente) tan solo el 2,7 por 100.

Los Gráficos 2 y 3 muestran, respectivamente, cómo ha evolucionado la producción de petróleo y de gas natural de los principales países productores en los últimos 15 años.

De los datos del Gráfico 1 se desprende, primero, que la producción mundial de petróleo no ha dejado de aumentar en los últimos 15 años en respuesta a una mayor demanda. Pasó de una producción diaria de 74,9 millones de barriles en el año 2000 a 91,7 millones en 2015, lo que representa un aumento del 22,35 por 100. En segun-do lugar, se aprecian diferentes comportamientos en la producción de algunos de los países contemplados en el Gráfico 2. Todos los países considerados aumentaron su producción de petróleo en los últimos 15 años (salvo en 2008-2009, los años peores de la Gran Recesión), con dos excepciones: Venezuela e Irán.

El Gráfico 3 refleja un incremento sustancial y sostenido durante el periodo con-siderado (del 46,2 por 100) de la producción mundial de gas natural, en respuesta a una mayor demanda de este combustible, debido a su mejor consideración desde el punto de vista medioambiental con respecto a las demás energías fósiles. La única

15.000

10.000

5.000

0

PetróleoNuclear

Gas natural CarbónHidroelectricidad

Total mundial (eje secundario)Renovables

2000

2001

2002

2003

2004 20

0520

0620

07 2008

2009

2010

2011

2012

2013

2014 20

15

GRÁFICO 1CONSUMO MUNDIAL DE ENERGÍA PRIMARIA 2000-2015

(En millones de toneladas equivalentes de petróleo, TEP)

FUENTE: BP Statistical Review of World Energy, junio de 2016, y elaboración propia.


excepción a este comportamiento fue el periodo 2008-2009, debido a la caída de la demanda provocada por la Gran Recesión.

Por países, nuevamente Estados Unidos destaca por la expansión de su produc-ción de gas durante el periodo 2000-2015, con un incremento total del 41,3 por 100 a lo largo del periodo contemplado. El motivo fue, al igual que en el caso del petróleo, el auge de la producción de gas mediante la técnica de fraqueo (fractura hidráulica), que ha llevado al país a desplazar a Rusia como primer productor mundial a partir de mediados de 2008.

50.000

100.000

5.000

10.000

15.000

2000

Estados Unidos Canadá VenezuelaRusia Irán IrakKuwait Arabia Saudí Emiratos Árabes UnidosChina Total mundial

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

0 0

GRÁFICO 2PRODUCCIÓN MUNDIAL DE PETRÓLEO. LOS 10 PRIMEROS PAÍSES

PRODUCTORES (En miles de barriles diarios)


GRÁFICO 3PRODUCCIÓN MUNDIAL DE GAS NATURAL. LOS 10 PRIMEROS PAÍSES

PRODUCTORES (En miles de millones de metros cúbicos, BCM)


0

1.000

2.000

3.000

4.000

0

200

400

600

800

1.000

2000

2001

2002

2003

2004

2005

2006

2007 20

0820

0920

1020

1120

1220

1320

1420

15

EE. UU. Canadá Noruega RusiaIrán Qatar Arabia Saudí ArgeliaChina Indonesia Total mundial


El Gráfico 4 muestra la producción de carbón durante el periodo de referencia. La producción mundial ha evolucionado al alza desde el comienzo del periodo hasta el año 2013, con un descenso a partir de entonces. En el último año considerado, la producción cayó un 4 por 100, y la participación del carbón en el consumo total de energía primaria se redujo hasta el 29,2 por 100, el porcentaje más bajo desde 2005. La explicación a este comportamiento se encuentra en China, que ya supone el 47 por 100 de la producción mundial de carbón, desde cerca del 30 por 100 en el año 2000. En este país llama la atención el desarrollo vertiginoso de la industria del car-bón hasta el año 2013 (la producción casi se triplicó entre 2000 y 2013), momento a partir del cual inició un movimiento de descenso como consecuencia de un giro de la política energética china hacia un modelo más sostenible energéticamente.

El Gráfico 5 muestra los precios medios anuales de las energías fósiles durante el periodo 2000-2015. Como se observa, las tres fuentes energéticas mantienen ten-dencias parecidas (con algunos decalajes en el tiempo). Es lógico ya que el precio del gas en los contratos a largo plazo está muy indiciado al petróleo y, por otro lado, gas natural y carbón compiten como energía primaria en la producción de electricidad.

China EE. UU. IndiaAustralia Indonesia Rusia SudáfricaColombia Polonia Kazajistán

10.000

8.000

6.000

4.000

2.000

0

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

Total mundial

GRÁFICO 4PRODUCCIÓN MUNDIAL DE CARBÓN. LOS 10 PRIMEROS PAÍSES

PRODUCTORES (En millones de toneladas)



Los precios de las energías fósiles han variado a lo largo de cuatro fases dife-renciadas.

– La primera fase comprende el periodo 2000-2008, al comienzo del cual los precios eran bajos, para escalar de forma continuada en respuesta a la de-manda pujante de China, cuyo fuerte crecimiento económico en ese periodo requirió un consumo creciente de energía, conduciendo a excesos de demanda con el alza consiguiente en los precios.

– La segunda fase se produce desde comienzos de 2008 hasta mediados de 2009, en que se produjo la Gran Recesión. Esta condujo a un marcado descenso de los precios por la menor demanda.

– La tercera fase, desde 2009 hasta 2014, fue de recuperación de los precios, por la evolución positiva de la demanda conforme las economías iban saliendo de la crisis.

– La cuarta fase se inició en 2014, cuando los precios iniciaron una tendencia de descenso en respuesta a los excesos de oferta (de tres millones de barriles dia-rios en el caso del petróleo, según la AIE), ocasionados por el retroceso de la demanda en China, cuyo crecimiento inició una desaceleración, y el aumento de oferta (shale, etc).

Las variaciones de precios conducen a cambios en los ingresos de los países pro-ductores de energías fósiles, que en algunos casos son el origen de graves recesiones. Es el caso de Rusia y Brasil en 2015 y 2016, países en los que el descenso de los precios del petróleo, gas, y otras materias primas condujo a un retroceso económico que ha dañado seriamente a esas economías. En los países del Golfo Pérsico, el des-censo del precio del petróleo ha llevado a una reducción de ingresos por la venta de petróleo de unos 300.000 millones de dólares en 2015.

020406080

100120140160

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

2015

Crudo Brent (S/barril) Gas NBP (S/M Btu) Carbón (S/tonelada)


GRÁFICO 5PRECIOS DEL PETRÓLEO, GAS Y CARBÓN


4. El riesgo-país y la dependencia energética: evolución en el tiempo del riesgo-país en los países dependientes y no dependientes de la energía importada

En este apartado serán objeto de presentación las conclusiones obtenidas de la observación de los datos de riesgo-país en función de la condición de dependencia energética o no de los países, agrupados por regiones.

El criterio que se ha utilizado para calificar a un país como dependiente energé-ticamente es que el indicador «Importaciones de energía, valor neto (% del uso de energía)», descrito en párrafos anteriores, sea como máximo del 20 por 100, esto es, que el país dependa de la energía importada como máximo en un 20 por 100 de su consumo interno de energía. Países productores (y exportadores en algunos ca-sos) de energía tan destacados como Brasil, Argentina, Estados Unidos o China se incluyen como no dependientes energéticamente empleando el criterio citado. Reducir el umbral del 20 por 100 los excluiría, lo que restaría representatividad a la muestra7.

Para cada una de las regiones consideradas, se ha calculado la media ponderada por el PIB de cada indicador de riesgo-país8, y ello para cada uno de los años consi-derados. Se ha estimado que la media ponderada arroja valores más representativos de la realidad del riesgo en cada región que la media simple. El empleo de esta hubie-se otorgado la misma importancia a países muy divergentes en tamaño y relevancia, como por ejemplo Islas Fiyi y China dentro de la región de Asia emergente, o Brasil y la isla de Aruba dentro de la región de Latinoamérica. Europa emergente no ha sido objeto de análisis en este apartado 4, dado que ninguno de los países que integran esta región puede considerarse no dependiente energéticamente según el criterio empleado.

El análisis realizado para el indicador EMBI Global no ha arrojado resultados consistentes a lo largo del tiempo porque, de una parte, se trata de un indicador extremadamente volátil, acusando variaciones muy significativas en respuesta a cualquier incidencia en los mercados y, de otra parte, y sobre todo, porque el nú-mero de observaciones es escaso, ya que únicamente disponen de EMBI Global aquellos países emergentes que han realizado emisiones en los mercados interna-cionales. Por ejemplo, en la región de África subsahariana, en 2006 (año central de la serie temporal) solo había realizado emisiones internacionales un país, Sudáfrica. En 2014 habían realizado emisiones internacionales 14 países de esta región, de

7 Los países no dependientes energéticamente, de acuerdo con el criterio del 20 por 100 como máximo de importaciones energéticas, son los siguientes. Países avanzados: Australia, Canadá, Dinamarca, Esta-dos Unidos, Noruega y Países Bajos. Comunidad de Estados Independientes (CEI): Azerbaiyán, Kazajstán, Rusia, Turkmenistán y Uzbekistán. Asia emergente y en desarrollo: Brunéi Darusalam, China, Indonesia, Malasia, Mongolia, Myanmar y Vietnam. Europa emergente y en desarrollo: Ninguno. Latinoamérica y Caribe: Argentina, Bolivia, Brasil, Colombia, Ecuador, México, Perú, Trinidad y Tobago y Venezuela. Países MENA: Arabia Saudí, Argelia, Bahréin, Emiratos Árabes Unidos, Egipto, Irán, Irak, Kuwait, Libia, Omán, Qatar, Sudán y Yemen. África subsahariana: Angola, Congo, Gabón, Guinea Ecuatorial, Nigeria, Sudáfrica y Sudán del Sur.

8 Para realizar la ponderación se han empleados datos sobre PIB de cada país ofrecidos por el Banco Mundial (World Bank Data, GDP current US$).


los 50 pertenecientes a la misma. En cambio, para el indicador de rating sobera-no, existían para la mencionada región 15 y 23 observaciones en 2006 y 2014, res-pectivamente. Para el indicador Clasificación de riesgo-país de la OCDE, existían 41 y 46 observaciones en 2006 y 2014, respectivamente. Por lo antedicho, no van a ser objeto de comentario los resultados del análisis para el indicador EMBI Global.

A continuación, se exponen los resultados del análisis para el periodo 2000-2015, con sus representaciones gráficas respectivas, para cada uno de los dos indicadores de riesgo, clasificación de riesgo-país de la OCDE y calificación de riesgo soberano de las agencias de rating. El resumen de dichos resultados está recogido en el Cuadro 2.

4.1. Clasificación de riesgo-país de la OCDE

En Latinoamérica los países dependientes energéticamente están mejor clasifi-cados por la OCDE que los no dependientes, de forma más pronunciada a partir de 2013, y con excepción del periodo 2004-2008 (recuérdese que la clasificación de riesgo-país de la OCDE, comprendida entre «0» y «7», otorga calificaciones tanto más elevadas cuando mayor es el riesgo). En esta región, la diferencia a favor de los dependientes es del 12,8 por 100 respecto a la clasificación media de la región, durante el periodo 2009-2015.

En el resto de las regiones, Asia emergente y en desarrollo, África subsahariana, países CEI y países avanzados, los no dependientes están mejor clasificados que los dependientes. Las diferencias entre ambos tipos de países son del 39,54 por 100, 29,1 por 100, 61,1 por 100 y 187 por 100, respectivamente, para las cuatro regiones mencionadas.

Los Gráficos 6 a 11 reflejan cuanto se acaba de comentar.

GRÁFICO 6CLASIFICACIÓN OCDE RIESGO-PAÍS: ÁFRICA SUBSAHARIANA.

PAÍSES DEPENDIENTES Y NO DEPENDIENTES ENERGÉTICAMENTE

FUENTE: OCDE, Banco Mundial y elaboración propia.

Países no dependientes Países dependientes

7,00

6,00

5,00

4,00

3,00

2,00

1,00

0,00

2000

2001

2002

2003

2004

2005

2006

2007

2008

2000

2010

2011

2012

2013

2014

2015


GRÁFICO 7CLASIFICACIÓN OCDE RIESGO-PAÍS: ASIA EMERGENTE

Y EN DESARROLLO. PAÍSES DEPENDIENTES Y NO DEPENDIENTES ENERGÉTICAMENTE


GRÁFICO 8CLASIFICACIÓN OCDE RIESGO-PAÍS: LATINOAMÉRICA Y CARIBE. PAÍSES DEPENDIENTES Y NO DEPENDIENTES ENERGÉTICAMENTE

2000

Países no dependientes Países dependientes20

0120

0220

0320

0420

0520

0620

0720

0820

0920

1020

11 2012

2013

2014

2015

2016

6,00

5,00

4,00

3,00

2,00

1,00

0,00


0,00

1,00

2,00

3,00

4,00

2000

Países no dependientes Países dependientes20

0120

0220

0320

0420

0520

0620

0720

0820

0920

1020

11 2012

2013

2014

2015

2016


GRÁFICO 9 CLASIFICACIÓN OCDE RIESGO-PAÍS: CEI. PAÍSES DEPENDIENTES

Y NO DEPENDIENTES ENERGÉTICAMENTE


7,00

6,00

5,00

4,00

3,00

2,00

1,00

0,00

2000

2001

2002

2003 20

0420

0520

0620

0720

0820

0920

1020

1120

1220

1320

1420

15


GRÁFICO 10CLASIFICACIÓN OCDE RIESGO-PAÍS: PAÍSES MENA. PAÍSES DEPENDIENTES Y NO DEPENDIENTES ENERGÉTICAMENTE

7,00

6,00

5,00

4,00

3,00

2,00

1,00

0,00

2000

2001

2002

2003 20

0420

0520

0620

0720

0820

0920

1020

1120

1220

1320

1420

15




4.2. Calificaciones de riesgo soberano de las agencias de rating

En África subsahariana (excepto 2001 y 2002), Asia emergente, países CEI, paí-ses avanzados y países MENA, las calificaciones de riesgo soberano de los países no dependientes son mejores que las de los dependientes. Las diferencias a favor de los países no dependientes respecto de la media de cada región son, respectivamente, del 26,6 por 100, 23,5 por 100, 36,2 por 100, 7,24 por 100 y 46 por 100, en promedio del periodo observado.

En Latinoamérica, al igual que se ha observado con la clasificación de riesgo de la OCDE, sucede lo opuesto: los no dependientes se encuentran peor calificados que los dependientes a lo largo de todo el periodo analizado. La diferencia a favor de los países dependientes respecto de la media de la región es el 7,6 por 100.

Los Gráficos 12 a 17 muestran lo comentado.

2000

2001

2002

2003 20

0420

0520

0620

0720

0820

0920

1020

1120

1220

1320

1420

15

0,20

0,15

0,10

0,05

0,00

GRÁFICO 11CLASIFICACIÓN OCDE RIESGO-PAÍS: PAÍSES AVANZADOS. PAÍSES

DEPENDIENTES Y NO DEPENDIENTES ENERGÉTICAMENTE



FUENTE: Moody's, Standard & Poor's, Fitch, Banco Mundial y elaboración propia.

GRÁFICO 13RATINGS SOBERANOS DE AGENCIAS: ASIA EMERGENTE

Y EN DESARAROLLO. PAÍSES DEPENDIENTES Y NO DEPENDIENTES ENERGÉTICAMENTE


GRÁFICO 12RATINGS SOBERANOS DE AGENCIAS: ÁFRICA SUBSAHARIANA.

PAÍSES DEPENDIENTES Y NO DEPENDIENTES ENERGÉTICAMENTE

0,00

5,00

10,00

15,00

20,00

2000

Países no dependientes Países dependientes Grado de inversión20

0120

0220

0320

0420

0520

0620

0720

0820

0920

1020

1120

1220

1320

1420

15

0,00

5,00

10,00

15,00

20,00

2000


0120

0220

0320

0420

0520

0620

0720

0820

0920

1020

1120

1220

1320

1420

15


GRÁFICO 14RATINGS SOBERANOS DE AGENCIAS: LATINOAMÉRICA Y CARIBE. PAÍSES DEPENDIENTES Y NO DEPENDIENTES

ENERGÉTICAMENTE



GRÁFICO 15RATINGS SOBERANOS DE AGENCIAS: PAÍSES CEI. PAÍSES DEPENDIENTES


10,00

15,00

20,00


0020

0120

0220

0320

0420

0520

0620

0720

08 2009

2010

2011

2012

2013

2014

2015

5,00

0,00

2000

2001

2002

2003

2004 20

0520

0620

0720

0820

0920

1020

1120

1320

1420

15

Países no dependientes Países dependientesGrado de inversión

2012

0,00

5,00

10,00

15,00

20,00


GRÁFICO 16RATINGS SOBERANOS DE AGENCIAS: PAÍSES MENA. PAÍSES DEPENDIENTES Y NO DEPENDIENTES ENERGÉTICAMENTE


GRÁFICO 17RATINGS SOBERANOS DE AGENCIAS: PAÍSES AVANZADOS. PAÍSES

DEPENDIENTES Y NO DEPENDIENTES ENERGÉTICAMENTE


El Cuadro 2 muestra los principales resultados de la observación de los indica-dores de riesgo-país en las distintas regiones y países del mundo, en función de su consideración como dependientes o no dependientes energéticamente.

Se cumple lo que en principio cabía esperar, y es que en promedio, a nivel regio-nal, los países no dependientes energéticamente obtienen mejores calificaciones de riesgo-país, salvo en Latinoamérica.


2000

2001

2002

2003

2004 20

0520

0620

0720

0820

0920

1020

1120

1320

1420

1520

120,00

5,00

10,00

15,00

20,00


2000

2001

2002

2003

2004 20

0520

0620

0720

0820

0920

1020

1120

1320

1420

1520

125,00

10,00

15,00

20,00

25,00


Precisamente, en esa región el indicador de gobernanza WGI muestra que los paí-ses Dependientes energéticamente se encuentran en promedio mejor gobernados que los países con recursos energéticos abundantes (Worldwide Governance Indicators, World Bank, informes 2000 a 2014). Además, en Latinoamérica, a diferencia de las demás regiones, se obtienen calificaciones de signo contrario en no dependientes y en dependientes empleando los valores originales del WGI, para los que se observan valores negativos en los no dependientes y positivos en los dependientes, y ello a lo largo de todo el periodo considerado. Esta no es la única región para la que el indi-cador WGI es más favorable en los países dependientes que en los no dependientes energéticamente, ya que también Asia muestra este comportamiento. Sin embargo, en Latinoamérica la diferencia a favor de los dependientes (21 por 100) es mucho mayor que en Asia (9 por 100). Parece claro que la peor calidad de la gobernanza de los países latinoamericanos no dependientes energéticamente estaría impactando negativamente en sus indicadores de riesgo-país.

CUADRO 2INDICADORES DE RIESGO-PAÍS Y PAÍSES DEPENDIENTES


Clasificación OCDE Rating soberano

África subsaharianaDependientesNo dependientes X X

(Excepto 2001-2002)

Latinoamérica y Caribe Dependientes X

(Excepto 2004-2008)

X

No dependientes

Asia emergente y en desarrolloDependientesNo dependientes X X

Países CEIDependientesNo dependientes X X

Países MENADependientesNo dependientes X

(Excepto 2010-2013))

X

Países avanzadosDependientes No dependientes X X

FUENTE: OCDE, JP Morgan, Moody’s, Standard & Poor’s, Fitch, Banco Mundial y elaboración propia. NOTA: La cruz señala la categoría (dependiente o no dependiente) en la que el indicador de riesgo-país es más

favorable.


El análisis que se acaba de realizar ha permitido apreciar la existencia de com-portamientos diferenciales entre las distintas regiones en cuanto a la relación entre riesgo-país y la dependencia y no dependencia energética. Sin embargo, el estudio tiene un carácter estático, por cuanto no permite ver dentro de cada región y subgru-po cuál es la evolución de la dependencia energética a lo largo del periodo, ni por tanto establecer relaciones de causalidad entre dicha dependencia y los niveles de riesgo-país. Ese es precisamente el objeto del siguiente apartado.

5. El riesgo-país y la dependencia energética: resultados econométricos

En el presente apartado se ha buscado una relación de causalidad entre los indi-cadores representativos del riesgo-país y de la dependencia energética, mediante la realización de regresiones lineales, en las que se busca explicar la variable depen-diente «y» de riesgo-país medio (ponderado por el PIB de cada país, según los datos del Banco Mundial ya comentados) a través de la variable independiente «x» de dependencia energética media (también ponderada por el PIB). La robustez de las estimaciones ha sido probada a través de diversos tests, que han arrojado resultados satisfactorios en 10 de un total de 14 regresiones.

No es posible comparar directamente los resultados del epígrafe anterior con los del presente apartado sobre resultados econométricos, porque el estudio es esencial-mente distinto en uno y otro caso. En el epígrafe anterior los datos de riesgo-país han sido observados a lo largo del periodo analizado siguiendo un orden cronológico, y comparando las medias entre los grupos de países dependientes e independientes. En el presente epígrafe se trata de estudiar la relación estadística entre series temporales de riesgo-país y dependencia energética.

Las regresiones a lo largo del tiempo en las distintas regiones arrojan resultados interesantes, que muestran grados de correlación suficientemente significativos en la mayoría de los casos.

En el caso de los datos de dependencia energética, las medias ponderadas se han realizado empleando los países incluidos en la clasificación de riesgo-país de la OCDE, indicador que ofrece un número muy amplio de países. El periodo cubierto es 2000-2014, ya que no se dispone de series más largas.

Se ha trabajado con los indicadores clasificación de riesgo-país de la OCDE, ca-lificaciones de riesgo soberano de las agencias de rating y EMBI Global. Sin embar-go, los resultados obtenidos con este último indicador no son satisfactorios, debido a que, como ya se ha señalado, existe un número de observaciones excesivamente bajo.

El Gráfico 18 muestra la evolución del indicador de dependencia energética del Banco Mundial de todas las regiones del mundo. Este indicador se define como:

C – PC

x 100

donde C es el consumo de energías fósiles y P su producción.


Valores negativos indican que la región es en promedio exportadora neta de re-cursos energéticos (la producción supera el consumo). En el tramo negativo el indi-cador puede alcanzar cualquier valor. En el tramo positivo del indicador (que signi-fica que el consumo supera la producción y, por tanto, el país es importador neto de recursos energéticos), el máximo valor que puede alcanzar es 100, que refleja que la región debe importar el 100 por 100 de los recursos energéticos que consume.

Como cabía esperar, la región más exportadora, a gran distancia de las demás, es la de los países MENA, que en promedio exporta entre el 234 por 100 y el 138 por 100 de su consumo energético a lo largo del periodo. La región más importadora es Europa Emergente, que importa entre el 43 por 100 y el 49 por 100 de su consumo energético durante el periodo. Los países desarrollados oscilan entre un 22 por 100 y un 24 por 100 de importación en promedio. Lógicamente el peso de Estados Unidos en el dato de los países avanzados es significativo, al tratarse de una media ponde-rada por PIB. Asia emergente se encuentra en valores cercanos a la autosuficiencia energética, si bien con una leve tendencia hacia el incremento de la importación de energía. En esa región el peso de China determina buena parte de la evolución descrita.

La metodología seguida en el análisis econométrico ha consistido en efectuar regresiones lineales entre la variable independiente «Dependencia energética» y el «Riesgo país» como variable dependiente, midiendo el riesgo a partir de los dos indicadores alternativos, la clasificación de riesgo-país de la OCDE y las calificacio-nes de riesgo soberano de las agencias de calificación (rating).

El indicador de dependencia energética ofrecido por el Banco Mundial (IBM) ha sido objeto de conversión a valores positivos, evitando así que signos positivos y negativos en un mismo país a lo largo del tiempo interfieran en los resultados de la regresión. El indicador en valor positivo se ha definido como P/C (producción

–100,00–50,00

0,005,00

100,00

África subsahariana Latinoamérica y Caribe Asia emergentePaíses CEI Europa emergente Países avanzadosPaíses MENA

2000 20

0120

0220

0320

0420

0520

0620

0720

0820

0920

1020

1120

1220

1320

1420

15–250,00

–200,00–150,00

GRÁFICO 18DEPENDENCIA ENERGÉTICA 2000-2014

FUENTE: Banco Mundial y elaboración propia.


dividido por consumo de energías fósiles). Despejando este factor de la expresión

IBM = C – PC

x 100

se obtiene que P/C = 100 – IBM. Las regresiones lineales (catorce en total, al haberse considerado siete zonas re-

gionales) han sido sometidas a un test global de verificación de los supuestos del modelo lineal de regresión mínimo-cuadrática, concretamente a un test de «GVLM» («Global Valuation of Linear Model Assumptions»). Este ha consistido en verificar el cumplimiento de los supuestos estándares sobre asimetría («skewness»), curtosis, homoscedasticidad y relación de linealidad, principalmente (Peña y Slate, 2006). Para corregir problemas de posible autocorrelación y/o heteroscedasticidad en el modelo, se han estimado los errores estándares de los parámetros de la regresión con el método de Newey-West (Newey y West, 1987).

Los gráficos de las regresiones realizadas para los indicadores de clasificación de riesgo-país de la OCDE y de ratings soberanos de agencias se ofrecen a continuación.

a) Gráficos de regresión clasificación de riesgo-país de la OCDE y dependencia energética:

GRÁFICO 19CLASIFICACIÓN OCDE Y DEPENDENCIA ENERGÉTICA.

LATINOAMÉRICA Y CARIBE



ASIA EMERGENTE Y EN DESARROLLO

GRÁFICO 21CLASIFICACIÓN OCDE Y DEPENDENCIA ENERGÉTICA. PAÍSES CEI



EUROPA EMERGENTE Y EN DESARROLLO


PAÍSES AVANZADOS


GRÁFICO 24CLASIFICACIÓN OCDE Y DEPENDENCIA ENERGÉTICA. PAÍSES MENA

b) Gráficos de regresión de ratings soberanos de agencias y dependencia ener-gética:

GRÁFICO 25RATINGS SOBERANOS Y DEPENDENCIA ENERGÉTICA.

LATINOAMÉRICA Y CARIBE



PAÍSES CEI


ASIA EMERGENTE Y EN DESARROLLO



EUROPA EMERGENTE

GRÁFICO 29RATINGS SOBERANOS

Y DEPENDENCIA ENERGÉTICA. PAÍSES AVANZADOS


c) Cuadro de resultados de las regresiones en el tiempo 2000-2014, dependencia energética y riesgo-país

En el Cuadro 3 se muestran los valores de la constante, el regresor de la varia-ble independiente, el R2, las probabilidades («p-values») de los estimadores Newey-SeWest, así como el grado de robustez de las regresiones.

Las regresiones realizadas merecen los siguientes comentarios:Se aprecia un impacto positivo y significativo entre la dependencia energética y

el riesgo país, medido tanto a través de la clasificación de riesgo-país de la OCDE como a través de las calificaciones de riesgo soberano de las tres principales agen-cias, con las únicas excepciones de África subsahariana para los dos indicadores de riesgo-país, y de Europa emergente en el caso de los dos indicadores de riesgo-país. Es decir, los resultados son significativos y robustos en 10 de las 14 regresiones realizadas.

En el caso de las calificaciones de riesgo soberano (rating soberano), su com-portamiento ante variaciones de la dependencia energética muestra una importante regularidad en las distintas regiones: en todas ellas, cuando mejora la dependencia energética (esto es, la región incrementa su autosuficiencia energética o sus expor-taciones), empeora el riesgo-país. La única excepción es la región CEI, en la que cuando se reduce la dependencia del exterior, mejora el riesgo-país. En los casos de Latinoamérica, Asia emergente, países CEI y países avanzados, el grado de corre-


PAÍSES MENA


NO

TAS:

(1) y

(2):

Tres

aste

risco

s sim

boliz

an q

ue la

pro

babi

lidad

de q

ue la

regr

esió

n se

gún

el T

est d

e New

ey-W

est s

ea si

gnifi

cativ

a es d

el 1

00 p

or 1

00; d

os as

teris

cos s

imbo

lizan

lo

mis

mo

al 9

9,9

por 1

00 d

e pr

obab

ilida

d; u

n as

teris

co si

mbo

liza

lo m

ism

o al

99

por 1

00 d

e pr

obab

ilida

d; y

un

punt

o si

mbo

liza

lo m

ism

o al

95

por 1

00 d

e pr

obab

ilida

d.La

s reg

resi

ones

real

izad

as m

erec

en lo

s sig

uien

tes c

omen

tario

s:

CU

AD

RO

3R

ESU

MEN

DE

RES

ULT

AD

OS

DE

REG

RES

ION

ES L

INEA

LES

RIE

SGO

-PA

ÍS

Y D

EPEN

DEN

CIA

EN

ERG

ÉTIC

A, 2

000-

2014

Indi

cado

r de

ri

esgo

-paí

sR

egió

n de

l mun

doR

2C

onst

ante

«a

»Pe

ndie

nte

«b»

Valo

r P

New

ey-W

est

«a»

Valo

r P

New

ey-W

est

«b»

Gra

do d

e ro

bust

ez

de la

es

timac

ión(1

) «a

»

Gra

do d

e ro

bust

ez

de la

es

timac

ión(2

) «b

»

Cla

sific

ació

n de

rie

sgo-

país

de

la

OC

DE

Áfr

ica

subs

ahar

iana

0.13

56,

4983

-0,0

078

0,00

030,

2687

***

Latin

oam

éric

a y

Car

ibe

0.53

4-3

,779

10,

0604

0,06

720,

0011

.**

Asi

a em

erge

nte

y en

des

arro

llo0.

829

-1,4

746

0,04

290,

0301

1,35

6e-0

5*

***

País

es C

EI0.

718

15,0

232

-0,0

629

2,19

6e-0

50,

0007

***

***

Euro

pa e

mer

gent

e y

en d

esar

rollo

0.47

9-2

,388

60,

1120

0,48

400,

0726

País

es a

vanz

ados

0,38

90,

3472

-0,0

046

0,00

040,

0005

***

***

País

es M

ENA

0.34

35,

1241

-0,0

041

1,64

8e-0

80,

0168

***

*

Ratin

g so

bera

no

Áfr

ica

subs

ahar

iana

0,19

919

,062

8-0

,029

40,

0003

0,12

30**

*

Latin

oam

éric

a y

Car

ibe

0.87

736

,179

6-0

,181

59,

849e

-09

1,63

5e-0

6**

***

*

Asi

a em

erge

nte

y en

des

arro

llo0.

906

56,8

895

-0,4

259

3,80

7e-0

60,

0001

***

***

País

es C

EI0.

819

-11,

5666

0,14

840,

0079

3,64

8e-0

5**

***

Euro

pa e

mer

gent

e y

en d

esar

rollo

0.20

629

,875

2-0

,321

74,

132e

-05

0,00

48**

***

País

es a

vanz

ados

0.80

930

,132

2-0

,118

08,

093e

-15

1,46

2e-0

7**

***

*Pa

íses

MEN

A0.

477

25,2

576

-0,0

338

7,53

7e-0

90,

0008

***

***


lación es elevado, con un poder explicativo de la variable independiente de entre el 80 por 100 y el 91 por 100. En el caso de MENA es el 47,7 por 100 y en el caso de Europa emergente es el 20,6 por 100.

En el caso de la clasificación de riesgo-país de la OCDE, el comportamiento del riesgo-país ante variaciones de la dependencia energética es menos homogéneo entre regiones: en Latinoamérica y Asia emergente, el riesgo-país empeora cuando se reduce la dependencia energética (pendiente positiva de la recta de regresión), en línea con lo observado en el caso de los ratings soberanos. El grado explicativo de la variable independiente (dependencia energética) sobre la variable dependiente (ries-go-país) es del 53 por 100 en Latinoamérica y del 82,9 por 100 en Asia Emergente. En los países CEI, avanzados y MENA se aprecia el comportamiento inverso: una mejora del riesgo-país conforme aumenta la autosuficiencia energética o las expor-taciones de recursos energéticos (pendiente negativa de la recta de regresión). El grado explicativo de la variable independiente es del 71,8 por 100 en los países CEI. En los países avanzados y MENA, el poder explicativo es menor, 38,9 por 100 y 34 por 100, respectivamente, y desde luego mucho menor que en el caso de los ratings soberanos en esas dos regiones, como se ha visto.

En los dos indicadores de riesgo-país (clasificación de riesgo-país de la OCDE y calificaciones de riesgo soberano), el diferente comportamiento de las variables estudiadas entre la región de CEI, por un lado, y Latinoamérica y Asia emergente, por otro, en realidad no es tal a lo largo de todo el periodo 2000-2014, ya que en CEI se observan dos comportamientos distintos en la primera y en la segunda mitad del periodo analizado. En la etapa 2000-2005, la región CEI se comporta de manera distinta a Latinoamérica y Asia emergente, mientras que durante la segunda, 2006-2014, el comportamiento es similar. La explicación sobre el comportamiento dife-rencial entre los años 2000 y 2005 reside, en opinión de la autora, en que, por un lado, Rusia pesa de manera significativa en la región CEI, al representar el 70 por 100 del PIB de la región (y por tanto explica la mayor parte del comportamiento de los indicadores de riesgo-país y de dependencia energética). Por otro lado, es un hecho que en los primeros años del periodo analizado (2000-2005) se produjo la recuperación de la crisis financiera de Rusia de finales de los años 90 (sufrida por contagio de la crisis asiática), gracias a la reestructuración de su deuda externa en el Club de París y la ayuda financiera del Fondo Monetario Internacional, lo que permitió una mejora acelerada de las calificaciones soberanas de la deuda y de la cla-sificación de la OCDE en los primeros años de la década de los 2000, desde niveles muy bajos. En efecto, entre 2000 y 2005, el rating soberano medio de Rusia de las tres agencias subió siete escalones, desde B– hasta BBB, y la clasificación de ries-go-país de la OCDE pasó de 7 a 4. Tras esa recuperación, y a partir de 2005-2006, se observa en los gráficos 21 y 27 que la evolución de los referidos indicadores fue a la baja: entre 2006 y 2014 el rating soberano se redujo hasta BB, y la clasificación de la OCDE osciló entre 3 y 4, provocando que la región se comportase de manera similar a Latinoamérica y Asia emergente (relación inversa entre dependencia energética e indicadores de riesgo-país).


En cuanto a las regiones de MENA y avanzados, parece claro que las regresiones realizadas con los ratings soberanos muestran una capacidad explicativa sustancial-mente mayor que en el caso de las clasificaciones de riesgo-país de la OCDE (véase Cuadro 3), por lo parece más adecuado elegir las primeras frente a las segundas. En el caso de los países MENA, adicionalmente, el grado de robustez de la regresión con el rating soberano es mucho más fuerte.

La diferencia en la pendiente de la línea de regresión de MENA en los dos indi-cadores de riesgo-país se debe a unas calificaciones divergentes entre la OCDE y las agencias de rating acerca del riesgo-país de la región: en el caso de la OCDE, el ries-go-país de MENA es mayor en el periodo 2008-2014 que en el periodo 2000-2007. Para las agencias de rating ocurre lo contrario, debido probablemente a los elevados precios internacionales de las energías fósiles entre 2008-2014, que incrementaron notablemente el PIB de estos países.

Por último, las regresiones correspondientes a la región de Europa emergente, tanto en el caso de la clasificación de riesgo-país de la OCDE como en el caso de los ratings soberanos, no van a ser objeto de consideración. En el caso de la clasi-ficación de riesgo-país de la OCDE, la estimación carece de robustez (véase Cua- dro 3), y en el caso de los ratings soberanos, el poder explicativo de la regresión es solamente del 20,6 por 100.

En conclusión, las regresiones realizadas, con los matices expresados en párrafos anteriores, muestran que la reducción de la dependencia energética conduce a un empeoramiento de los indicadores de riesgo-país, lo que apunta al refuerzo de las teorías sobre la «maldición de los recursos» a lo largo de todo el periodo considera-do (véase una discusión sobre esta cuestión en Humphreys, Sachs y Stiglitz, 2007). Diversos autores (FMI, 2012; Venables, 2016) opinan que dicha «maldición» fue importante en la década de los noventa, pero no en la década siguiente, en que el crecimiento económico per cápita de los países poseedores de recursos naturales en promedio alcanzó un nivel semejante al de los países carentes de ellos.

El argumento tradicionalmente empleado para explicar la «maldición de los re-cursos naturales», o en este caso la «maldición de las energías fósiles», que parece detectarse en Latinoamérica y Asia emergente es la «enfermedad holandesa»9, o en inglés Dutch disease. Sin embargo, existen otros factores que explican esta «maldi-ción», como los que se citan a continuación, que se dan más en países emergentes y en desarrollo que en países avanzados (Iranzo, 2008):

9 La enfermedad holandesa se refiere a los efectos negativos sobre la exportación e industrialización de un país derivados de la apreciación del tipo de cambio producida por un incremento sustancial de los ingresos en divisas de ese país. Ello conduce a la desindustrialización y a la dependencia de la producción y expor-tación de energías fósiles para la generación de PIB, empleo, ingresos tributarios y divisas extranjeras. La economía termina siendo un «monocultivo» de petróleo, generándose un sinfín de desequilibrios cuando sus precios descienden (déficit público, déficit exterior, desempleo, endeudamiento exterior y conflictos sociales y políticos), lo que lleva a un deterioro de los indicadores de riesgo-país, ante el aumento del riesgo de impago de la deuda externa. La expresión se remonta a los años 60 del siglo pasado, cuando las entradas de divisas en los Países Bajos se incrementaron significativamente por sus exportaciones de gas natural, descubierto cerca del Mar del Norte.


– El sector de extracción de petróleo y gas es poco trabajo intensivo y genera poco valor añadido local, pues la tecnología y los bienes de equipo deben ser importados desde los países desarrollados, y los trabajadores de cualificación media o alta no siempre abundan en los países emergentes y en desarrollo. Por ello, el PIB no aumenta apreciablemente con el desarrollo del sector.

– Los ingresos por la venta del petróleo son altamente volátiles, dada la variabi-lidad de los precios del petróleo, lo que dificulta considerablemente la elabora-ción del presupuesto nacional. Además, los vaivenes en los ingresos públicos incentivan la alteración de las normas tributarias por parte de los gobiernos, lo que compromete la seguridad jurídica y desincentiva la inversión extranjera en el sector.

– Los países productores de petróleo y gas obtienen cuantiosos ingresos públicos por la exportación del petróleo. Por esta razón los gobiernos productores pue-den prescindir en buena medida de la recaudación de impuestos. Ello hace que ni los gobiernos ni los electores que los votan se preocupen por una adecuada gestión de los ingresos públicos, que no le han costado esfuerzo al contri-buyente. Ello permite conductas poco transparentes en la contratación de los proyectos petrolíferos y en el gasto de los ingresos obtenidos, lo que favorece conductas de corrupción que pueden devenir endémicas.

– El síndrome del «maná caído del cielo», que se observa en los países en los que un volumen significativo de los ingresos petrolíferos es objeto de reparto entre la población sin ninguna contrapartida, puede llevar a que esta renta se convierte en una forma de vida. En consecuencia, estos países se ven obligados a importar del exterior el capital humano y empresarial necesario para avanzar en su desarrollo económico, profundizando su dependencia de los mercados exteriores.

A pesar de que este trabajo ha puesto de manifiesto una relación inversa entre los niveles de riesgo-país y la dependencia energética en la mayoría de las regiones, en algunos países la producción y exportación de energías fósiles ha constituido una historia de éxito. Tal es el caso de Malasia, Emiratos Árabes Unidos (Dubai, sobre todo), México, Indonesia y países avanzados como Estados Unidos, Reino Unido, Noruega y Canadá (Schubert, 2012). Estos países han sabido poner en marcha po-líticas de neutralización de los factores ya señalados que conducen al deterioro de la estructura económica y política como consecuencia de la abundancia de recursos energéticos.

6. Recomendaciones de política

A continuación, se citan algunas políticas que los gobiernos de los países produc-tores y exportadores de energías fósiles podrían acometer para mejorar sus niveles de riesgo-país, sobre todo en el caso de los países emergentes y en desarrollo:


– Actuaciones para mejorar la confianza de la comunidad internacional en la seguridad de las inversiones exteriores y la devolución de la deuda externa, como la mejora de la seguridad jurídica y del clima de negocios, la aplicación del trato nacional a las inversiones extranjeras, la reducción del endeudamien-to público y privado, el incremento de la base impositiva, la reducción de los subsidios al consumo energético y a otros bienes de consumo, y la mejora de la cultura de pago de la deuda (Iranzo, 2008).

– Inversión en proyectos de desarrollo (infraestructuras, educación) de los ingre-sos por la venta de los recursos energéticos, ayudando así a la diversificación sectorial de la economía, tal y como se ha propuesto, por ejemplo, el gobierno de Arabia Saudí en su Programa Visión 2030.

– Creación de un fondo soberano nutrido con los ingresos por exportación de recursos energéticos, y gestionado profesionalmente, con objeto de amortiguar los vaivenes en los ingresos por exportación y generar un depósito de riqueza que permita realizar la transición hacia un futuro en el que los recursos energé-ticos se hayan agotado.

– Establecimiento de reglas fiscales, al estilo de Chile, que limiten el déficit pú-blico en términos estructurales (Frankel, 2012).

– Establecimiento de una política de tipo de cambio que permita evitar la enfer-medad holandesa, que comporte un estricto control de la inflación, con objeto de poder hacer frente a la apreciación de la moneda que suele acompañar a las exportaciones de recursos naturales.

– Aumento de la transparencia de los contratos de venta de recursos naturales, mediante la participación en iniciativas, como la Extractive Industries Trans-parency Initiative (EITI) o el movimiento Publish What You Pay (Schubert, 2006).

– Distribución entre la población, de forma igualitaria (per cápita) de los ingre-sos por la venta de los recursos naturales –caso de Alaska– (Schubert, 2012).

– Impulso de los contratos de joint venture (tipo concesiones a production sharing), entre las empresas estatales (National Oil Companies, NOCs) y las compañías extranjeras para la exploración y producción de las reservas de energías fósiles. Esto implica definir un marco legal y fiscal que atraiga la inversión extranjera en este sector, procurando garantizar una rentabilidad adecuada a las inversiones de las compañías energéticas extranjeras al tiempo que el país anfitrión obtiene un excedente suficiente (Iranzo y Carrasco, 2008).

– Cobertura del riesgo de los ingresos por exportación de energías fósiles en los mercados de opciones (Frankel, 2012), como hace por ejemplo México (Bloomberg, 2016).


7. Conclusión

A lo largo de este trabajo, se ha intentado dar respuesta a la pregunta de si la ex-plotación de energías fósiles permite mejorar las calificaciones de riesgo-país. Para ello se ha estudiado el comportamiento de los indicadores de riesgo-país y de depen-dencia energética, agrupando los países en siete regiones diferenciadas del mundo.

En primer lugar, se ha estudiado, a lo largo de un periodo de dieciséis años (2000-2015), si el riesgo-país medio del grupo de países con dependencia del exterior en energías fósiles ha sido mayor o menor que la media del grupo de países no depen-dientes (aquellos con más del 80 por 100 de autosuficiencia en energías fósiles y, en general, los exportadores de estas energías). La conclusión obtenida ha sido que el grupo de los países no dependientes a lo largo del periodo han obtenido mejores ca-lificaciones de riesgo-país (medido de dos maneras alternativas) que el grupo de los países dependientes en cada región geográfica. La única excepción es Latinoaméri-ca, donde los países dependientes mantienen en promedio mejores calificaciones de riesgo-país debido, al menos en parte, a su mejor calidad de la gobernanza.

En segundo lugar, se ha realizado un análisis econométrico para comprobar si el grado de dependencia energética de los países en su consumo de energías fósiles (medido por el cociente entre producción y consumo de estas energías) influye sobre sus calificaciones de riesgo-país. El análisis se ha efectuado para el periodo 2000-2014 y para las mismas regiones que en el análisis anterior.

La principal conclusión del análisis econométrico es que se aprecia un impacto positivo y significativo entre la dependencia de energías fósiles y el riesgo-país, de forma que un incremento en la autosuficiencia en energías fósiles aumenta el ries-go-país. Estos resultados sugieren por tanto una evidencia a favor de la teoría de la «maldición de los recursos» en el caso de las energías fósiles.

Para prevenir y mitigar esta «maldición», se requieren políticas públicas de trans-parencia y de buena gobernanza en la gestión de los gobiernos de los países produc-tores, un marco contractual y fiscal estable para el desarrollo de la explotación de las reservas, el establecimiento de fondos soberanos para atenuar la volatilidad de los ingresos públicos, políticas tendentes a la diversificación sectorial de la economía, y en general unas políticas macroeconómicas que estimulen la inversión y la estabili-dad presupuestaria.

La aparición de importantes descubrimientos de reservas de energías fósiles en los últimos años, principalmente petróleo y gas, en países que hasta la fecha no co-nocían ninguna dotación de reservas (tales como Tanzania, Mozambique, Senegal, Kenia, Chipre, Israel, Guayana, entre otros) implica que estos países se incorporarán en los próximos años al grupo de países productores y ofertantes de estas materias primas en el ámbito internacional, por lo que la discusión sobre la «maldición de los recursos» seguirá encima de la mesa durante largos años.



[1] AHUJA, A.; WISEMAN, K. y SYED, M. (2017). Assessing Country Risk—Selected Approaches. Fondo Monetario Internacional. Reference Note. Strategy, Policy and Review Departement.

[2] BLOOMBERG (2016). «Mexico’s 2017 Oil Hedges Lock in $9.5 Billion Value: Takeaways». Recuperado en agosto de 2016. https://www.bloomberg.com/news/ articles/2016-08-29/mexico-s-2017-oil-hedges-lock-in-9-5-billion-value-takeaways

[3] BRITISH PETROLEUM (2001-2016). BP Statistical Review of World Energy. Infor-mes de los años 2001 a 2016. Recuperados entre julio y agosto de 2016. www.bp.com.

[4] COMISIÓN EUROPEA (2017). «Estrategia de seguridad energética». Recuperado en julio de 2017. https://ec.europa.eu/energy/en/topics/energy-strategy-and-energy-union/energy-security-strategy.

[5] FINANCIAL TIMES (2016). «Definition of EMBI». Recuperado en julio de 2017. http://lexicon.ft.com/Term?term=EMBI&mhq5j=e3.

[6] FITCH RATINGS. Recuperado en julio de 2016. https://www.fitchratings.com/site/home.

[7] FONDO MONETARIO INTERNACIONAL (2012). «Macroeconomic Policy Frameworks for Resource-Rich Developing Countries». Recuperado en julio de 2017. https://www.imf.org/external/np/pp/eng/2012/082412.pdf.

[8] FONDO MONETARIO INTERNACIONAL (2017). World Economic Outlook, April 2017, pp. 206-209.

[9] FRENKEL, J.A. (2012). «The Natural Resource Curse: A Survey of Diagnoses and Some Prescriptions». Faculty Research Working Paper Series. RWP12-014. Harvard Kennedy School and NBER.

[10] FONDO MONETARIO INTERNACIONAL. Global Financial Stability Report. Nú-meros de los años 2001 a 2016. Tabla sobre «Emerging Market Bond Index: EMBI Global Yield Spreads».

[11] HAYAKAWA, K.; KIMURA, F. y LEE, H. (2011). «How Does Country-Risk Matter For Foreign Direct Investment?» IDE Discussion Paper No. 281. Recuperado en junio de 2017. http://www.eria.org/ERIA-DP-2012-03.pdf.

[12] HUMPHREYS, M.; SACHS, J. D. y STIGLITZ, J. E. (2007). Escaping the Resource Curse, en M. Humphreys, J. D. Sachs y J. E. Stiglitz (eds.). Columbia University Press.

[13] INSTITUT FRANÇAIS DU PÉTROLE (2016). «Nouvelles découvertes conventionne-lles de pétrole et de gaz». Panorama 2016.

[14] INTERNATIONAL ENERGY AGENCY. World Energy Outlook, 2016, pp. 58-105.[15] IRANZO, S. (2008). «Introducción al riesgo-país. Documentos Ocasionales 0802. Ban-

co de España.[16] IRANZO, S. y CARRASCO, C. (2008). «La situación energética en Latinoamérica».

Boletín Económico, febrero. Banco de España, 2, pp. 73-85.[17] MANKIW, N. G. (2015). Principles of Economics. Seventh Edition. United States. Cen-

gage Learning. [18] MOODY’S. Recuperado en julio de 2016. https://www.moodys.com/researchandratings/

market-segment/sovereign-supranational/.[19] NEAL, L. y CAMERON, R. (2016). A Concise Economic History of the World. Fifth

Edition. Oxford University Press.


[20] NEWEY, W. y WEST, K. (1987): «A Simple Positive Semi-definite, Heteroskedastic and Autocorrelation Consistent Covariance Matrix». Econometrica, 55, 3, 703-708.

[21] OCDE. (2015). «Country Risk Classification.» Recuperado en julio de 2016. http://www.oecd.org/trade/xcred/crc.htm.

[22] ORGANIZACIÓN MUNDIAL DEL COMERCIO (2017). «Overview». Recuperado en julio de 2017. https://www.wto.org/english/thewto_e/whatis_e/wto_dg_stat_e.htm.

[23] PEÑA, E. A. y SLATE, E. H. (2006). «Global validation of linear model assumptions». Journal of the American Statistical Association, 101, 473, pp. 341-354.

[24] SCHUBERT, S. R. (2006). «Revisiting The Oil Curse: Are Oil Rich Nations Really Doomed to Autocracy and Inequality?». National Defense Academy in Austria. Institute for Human and Social Studies.

[25] STANDARD & POOR’S. «S&P Global Ratings». Recuperado en julio de 2016. https://www.standardandpoors.com/en_US/web/guest/ratings/ratings-actions.

[26] STIGLITZ, J. E. (2012). «From Resource Curse to Blessing». Project Syndicate. July 7th.

[27] STOCK, J. H. y WATSON, M.W. (2012). Introducción a la Econometría, 3.ª ed., Ma-drid, Pearson Educación.

[28] THE WORLD BANK. Data. «Energy imports, net (% of energy use)». Recuperado en julio de 2017. http://data.worldbank.org/indicator/EG.IMP.CONS.ZS.

[29] THE WORLD BANK. Data. «Fuel Exports (% of merchandise exports)». Recuperado en julio de 2017. http://data.worldbank.org/indicator/TX.VAL.FUEL.ZS.UN.

[30] THE WORLD BANK. Data. «GDP (current US$)». Recuperado en julio de 2017. http://data.worldbank.org/indicator/NY.GDP.MKTP.CD.

[31] THE WORLD BANK. WORLDWIDE GOVERNANCE INDICATORS. Informes de los años 1996 a 2015. Recuperado en julio de 2017. http://data.worldbank.org/data-ca-talog/worldwide-governance-indicators.

[32] VAN DER PLOEG, F (2011). «Natural Resources: Curse or Blessing?». Journal of Economic Literature, 49, 2, 366-420.

[33] VENABLES, A. J. (2016). «Using Natural Resources for Development: Why Has It Proven So Difficult?». Journal of Economic Perspectives, 30, 1, 161-184. http://pubs.aeaweb.org/doi/pdfplus/10.1257/jep.30.1.161

NORMAS DE PUBLICACIÓN 1. El objetivo de Cuadernos Económicos de ICE es contribuir a la difusión y desarro-

llo de la investigación económica. La revista tiene dos secciones:• Monográficos temáticos: coordinados por un experto en la materia, se anun-

cian con antelación y están abiertos al envío de colaboraciones por cualquier autor.

• Tribuna de Economía: publica artículos de cualquier área de Economía y se pres-ta especial atención a los trabajos de autores jóvenes.

2. Todos los artículos publicados en Cuadernos Económicos de ICE, tanto en la sec-ción monográfica como en la Tribuna de Economía, pasan por un proceso de eva-luación anónima antes de ser aceptados para su publicación.Cuadernos Económicos solo aceptará trabajos originales no publicados previamen-te ni en proceso de evaluación en otra revista. No se aceptarán trabajos que sean simples traducciones de artículos ya publicados.Los artículos enviados a la revista pueden estar escritos en castellano o inglés.

3. Los trabajos remitidos a Cuadernos Económicos se enviarán por vía electrónica directamente al editor, indicando en el asunto «Cuadernos de ICE»:

Editor: Gustavo Nombela ([email protected]) 4. En la primera página del trabajo se hará constar el nombre del autor, en la forma en

que desea que aparezca (uno o dos apellidos, apellidos unidos con guión, etc.), así como la filiación institucional y datos de contacto.

5. La extensión recomendable del trabajo es de 30 páginas a doble espacio y con tipo de letra de tamaño 12, incluyendo gráficos, cuadros y bibliografía. Todos los gráfi-cos y cuadros deben llevar un número correlativo, un título y la fuente de los datos. Se insertarán en el lugar que ocupen dentro del texto, y se recomienda se envíen también los datos originales de los cuadros y gráficos (en formato Excel o similar) para facilitar las tareas de edición.

6. Los artículos deben incluir un resumen del contenido (en castellano e inglés) que no excederá de 100 palabras. Se acompañarán de varias palabras clave y códigos de la clasificación por materias del Journal of Economic Literature (JEL) https://www.aeaweb.org/jel/guide/jel.php.

7. Las citas de libros y artículos en el texto se deben indicar entre paréntesis con el apellido del autor y el año (Martínez, 1991). Al final del texto se mostrara las notas bibliográficas. Las notas a pie de página irán integradas en el texto con las llamadas en el lugar correspondiente del mismo. Las referencias a siglas deben ir acompaña-das, en la primera ocasión en que se citen, de su significado completo.



ESPAÑOLA


8. Cuadernos Económicos de ICE retiene todos los derechos de reproducción de los artículos editados aunque tiene como práctica habitual autorizar su reproducción siempre que se cite la publicación y se cuente con el permiso del autor. La autoriza-ción deberá solicitarse por escrito a la redacción de ICE.

Los artículos publicados están disponibles en www.revistasICE.com.

Formato de las referencias bibliográficas

Libros: (1) Apellidos e iniciales de los autores, (2) año de publicación. (3) título com-pleto. (4) lugar de publicación: (5) nombre de la editorial.

Ej.: KEYNES, J. M. (1988). Ensayos de persuasión. Barcelona, Critica.Artículos: (1) Apellidos e iniciales de los autores, (2) año de publicación, (3) título completo del artículo entre comillas. (4) nombre de la revista (en cursiva), (5) número y/o volumen, (6) páginas.

Ej.: BLOCK, M. K.; NOLD, F. C. y SIDAK, J. G. (1981). «The deterrent effect of antitrust enforcement». Journal of Political Economy, 89, 429-445.

Otras fuentes: para citar documentos de trabajo o informes, debe indicarse claramente la institución que publica o edita el trabajo, la fecha y el lugar de la publicación.

Ej.: COMISIÓN NACIONAL DE LA ENERGÍA (2013). Informe sobre el efecto del día de la semana en la determinación de los precios de los carburantes, Madrid.

Páginas Web: Si se incluyen en las citas alguna referencia a páginas web donde se hayan obtenido documentos, se debe incluir la referencia completa de la dirección de internet y una indicación de la fecha de consulta.

Ej.: MINISTERIO DE AGRICULTURA, PESCA Y ALIMENTACIÓN (2005). «Estudio de adecuación de la oferta a la demanda de los aceites de oliva virgen y virgen extra envasados». Ministerio de Agricultura, Pesca y Alimentación (MAPA), Madrid. Recuperado en marzo 2015 de http://www.magrama.gob.es/es/alimentacion/temas/consumo-y-comercializacion-y-distribucion-alimenta-ria/guia_05_tcm7-7868.pdf.

Orden de la lista de referencias bibliográficas:

El criterio para ordenar las notas bibliográficas, tanto si se trata de trabajos de un solo autor o colectivos, es el siguiente:• Primero los trabajos en los que el autor figura solo/a. Correlativos de año más anti-

guo al año más actual de publicación.• Segundo, aquellos trabajos en los que el autor es el primero, pero firma con otros.

Correlativos por fecha.• Tercero, en caso de coincidencia exacta de autores y fechas, debe citarse cada traba-

jo añadiendo una letra a la fecha. Ejemplo: 2014a, 2014b, etc.

Paseo de la Castellana, 162, 9.ª planta. 28091 Madrid. Teléfono 91 603�79 97/93

ÚLTIMOS NÚMEROS PUBLICADOS

56. Especificación y evaluación de modelos econométricos (II)57. Política de defensa de la competencia58. Las fuentes de crecimiento59. Integración económica60. Juegos dinámicos61. Distribución de la renta y crecimieto económicos62. La Nueva Economía Política63. Aspectos del mercado de trabajo español64. Crisis y reformas de los sistemas de Seguridad Social: Temas a debate (I)65. Crisis y reformas de los sistemas de Seguridad Social: Temas a debate (II)66. Microeconometría y conducta: Aplicaciones para el caso español67. La economía de la salud68. Modelos de microsimulación69. Instrumentos derivados70. Nuevas tendencias en Historia Económica71. Diseño y evaluación de políticas de protección ambiental72. Decisiones de inversión y adopción de nuevas tecnologías73. La gestión de la actividad innovadora en las empresas74. Capital humano y empleo75. Desigualdad, equidad y eficiencia en salud y servicios sanitarios76. Contribuciones recientes a la Economía del Desarrollo77. Contribuciones a la Economía Experimental78. Aportaciones recientes a la Economía Industrial79. Contribuciones a la economía de la energía80. Evaluación económica de infraestructuras de transporte81. Análisis económico de las telecomunicaciones en España82. Comercio internacional, empresas y competitividad83. Economía de las energías renovables84. Mejorar la productividad: un reto pendiente en la economía española85. Temas actuales de Economía Política86. Gestión ambiental de las organizaciones87. Inmigración y crisis económica en España88. Defensa de la Competencia en España: un análisis sectorial89. Contribuciones a la Economía de la Innovación: análisis de la I+D+i empresarial90. La vivienda tras la crisis financiera global: nueva visión, viejos problemas91. Política económica europea92. Una panorámica del sector bancario después de la crisis



EDITOR Gustavo Nombela. U. Complutense de Madrid

CONSEJO CIENTÍFICOBoldrin, M. B. Washington University in Saint LouisDolado, J. J. U. Carlos III de MadridEscribano, A. U. Carlos III de MadridEspinosa, M. P. U. del País VascoGarcía, J. U. Pompeu FabraGonzalo, J. U. Carlos III de MadridGracia, M. U. Complutense de MadridJones, A. University of YorkJiménez, S. U. Pompeu FabraKehoe, T. University of MinnesotaLabeaga, J. M. UNEDNovales, A. U. Complutense de MadridOcaña, C. U. Carlos III de MadridPeracchi, F. Università di Roma «Tor Vergata»Ricard, J. E. IESE. U. de Navarra

CONSEJO EDITORIALBenítez-Silva, H. Stony Brook University, N.Y.Felgueroso, F. U. de OviedoHerguera, I. U. Complutense de MadridKujal, P. U. Carlos III de MadridLadrón de Guevara, A. U. Pompeu FabraLópez, A. U. Politécnica de CartagenaMateos, X. Southampton UniversitySpadaro, A. U. de Les Illes Balears

DIRECCIÓN EJECUTIVA: Juan José Otamendi García-Jalón

JEFA DE REDACCIÓN Elvira Atero Carrasco

EDICIÓN Y REDACCIÓNMinisterio de Economía y CompetitividadSecretaría de Estado de ComercioPaseo de la Castellana, 162, planta 12. MADRID 28071Teléfonos 91 349 31 55

DISTRIBUCIÓN Y SUSCRIPCIONESPaseo de la Castellana, 162Planta 9. MADRID 28071Teléfonos 91 603 71 48/79 [email protected]

Esta publicación se encuentra en las siguientes bases de datos bibliográficas:IBSS, ECONIS, RAS e ISOC. Sus índices de impacto aparecen en IN-RECS.

Cuadernos Económicos no se solidariza con las opiniones en los artículos que publica, cuya responsabilidad corresponde a los autores.

Depósito Legal: M-22392-1977NIPO: 720-15-080-6e-NIPO: 720-15-081-1ISSN.: 0210-2633e-ISSN.: 23409037Maquetación: TexTecPapel exterior: Estucado mate ecológico Papel interior: Offset ecológicoImpresión: Centro de Impresión Digital y Diseño. Secretaría de Estado de Comercio

Catálogo general de publicaciones oficialeshttp://publicacionesoficiales.boe.es

MINISTERIO DE ECONOMÍAY COMPETITIVIDAD

CUADERNOSECONÓMICOS


la gestión medioambiental de las organizaciones:retos y oportunidades

presentaciónJavier Aguilera Caracuel, Natalia Ortiz de Mandojana y Juan Alberto Aragón Correauna visión panorámica de la literatura sobre la gestión ambiental de la empresa

Javier Aguilera Caracuel y Natalia Ortiz de Mandojanadiseñando organizaciones verdes. análisis de la relación entre el diseño organizativo

y prácticas avanzadas de gestión ambientalMiguel Pérez Valls, José Joaquín Céspedes Lorente y Raquel Antolín López

la sostenibilidad y el papel de la contabilidad en la gestión del cambio climáticoy la ecoinnovación en la pyme

Carmen Correa Ruiz, Esther Albelda Pérez y Francisco Carrasco Fenechsistemas integrados de gestión de calidad y medioambiental:

evidencia empírica en la industria españolaEduard Alonso Paulí y José María Carretero Gómez

gestión medioambiental y rentabilidad. una revisión de la literatura del sector hoteleroMaría Dolores López Gamero, José Francisco Molina Azorín, Jorge Pereira Moliner,

Eva María Pertusa Ortega y Juan José Tarí GuillóAnticonsumo basado en preocupaciones sociales y medioambientales:

un análisis del país de origen y la industriaNieves García de Frutos, José Manuel Ortega Egea y Javier Martínez del Río

la influencia de los grupos de interés en el comportamiento medioambiental de los directivos:el uso de estrategias indirectas

Javier Delgado Ceballos y María Dolores Vidal Salazarla gestión medioambiental proactiva como capacidad dinámica: un análisis con datos panel

Concepción Garcés Ayerbe y Joaquín Cañón de Francia

tribuna de economíaun análisis de la satisfacción del turista español que visita el mediterráneo europeo:

planteamiento de una estrategia de marketing comúnMercedes Jiménez GarcíaC

UA

DER

NO

S EC

ON

ÓM

ICO

S D

E IC

E • N

ÚM

ERO

86

• DIC

IEM

bRE

2013



ESPAÑOLA

MinisTeriode econoMíay coMpeTiTividad

gobiernode españa


ESPAÑOLA


CU

AD

ERN

OS

ECO

NÓ

MIC

OS

DE

ICE

• NÚ

MER

O 9

2 • D

ICIE

MBR

E 20

16

UNA PANORÁMICA DEL SECTOR BANCARIO DESPUÉS DE LA CRISIS

PresentaciónEmili Tortosa-Ausina

Banking stability and the financial cycle: the Spanish experience Ana Lozano-Vivas y Flores Martínez Alba

El negocio bancario en el punto de mira: ¿un nuevo paradigma? Cristina Ruza y Marta de la Cuesta

Ratings bancarios y política monetaria Juan Fernández de Guevara y Carlos Salvador

La situación del sector bancario español en el contexto europeo: retos pendientesPaula Cruz y Joaquín Maudos

El proceso de desapalancamiento externo de la economía española: un largo camino por recorrerJudit Montoriol

Poder de mercado bancario y crédito en Europa tras la crisis financiera globalElena Cubillas y Nuria Suárez

The fundamental review of the trading book and the quest for a sound prudential framework for trading activities

Juan Segurado

La reestructuración de la red de oficinas en la banca española durante la crisisLucio Fuentelsaz, Minerva González y Sergio Palomas

¿Existen demasiadas sucursales bancarias en España? Un análisis para el periodo 1999-2011David Conesa, Priscila Espinosa, Anabel Forte y Emili Tortosa-Ausina


The German economy: successes and challenges related to its reforms and the EurozoneJosep M. Nadal-Fernández

Energía y riesgo-país: ¿permite la explotación de energías fósiles mejorar las calificaciones de riesgo-país?Silvia Iranzo Gutiérrez



0 0 0 9 2


NFORMACIÓN OMERCIAL SPAÑOLA R M … · 2017-09-08 · Juan Fernández de Guevara y Carlos...

Documents

Transcript of NFORMACIÓN OMERCIAL SPAÑOLA R M … · 2017-09-08 · Juan Fernández de Guevara y Carlos...